付偉 魏秋實 邱學(xué)興 司紅君

摘要 基于自動氣象觀測站降水?dāng)?shù)據(jù)、中國降水?dāng)?shù)據(jù)集、ERA5再分析資料及NCEP／NCAR再分析數(shù)據(jù)，使用水汽收支分析、HYSPLIT后向軌跡追蹤和水汽輸送貢獻率等方法對2022年6月5日凌晨蕪湖市一次引發(fā)嚴(yán)重內(nèi)澇暴雨過程的水汽輸送特征進行了分析。結(jié)果表明：此次暴雨過程出現(xiàn)在200 hPa分流區(qū)和850 hPa低空急流左前方，500 hPa冷空氣在低空急流出口北側(cè)不斷激發(fā)對流云團，形成強降水。高層輻散和低層輻合增強了水汽的水平輻合和垂直輸送，西南低空急流持續(xù)加強，將水汽不斷輸送至暴雨區(qū)，為暴雨的出現(xiàn)提供了必要的水汽條件，使蕪湖市在強降水發(fā)生前水汽充沛，濕層深厚且持續(xù)增濕。暴雨出現(xiàn)時大氣可降水量、850 hPa比濕、水汽通量和水汽通量散度分別達到71.0 kg·m-2、16.0 g·kg-1、15.0 g·hPa-1·cm-1·s-1和-3.0×10-6 g·cm-2·hPa-1·s-1。850 hPa水汽通量散度的變化與暴雨的出現(xiàn)和強度變化有較好的對應(yīng)關(guān)系，雨強最強時段可達-8.0×10-6 g·cm-2·hPa-1·s-1。水汽收支和追蹤分析結(jié)果顯示：水汽流入主要發(fā)生在對流層低層的西邊界和南邊界，暴雨發(fā)生前流入層深厚，有向上的水汽垂直輸送。整層水汽流入量約為56.0×107 t·h-1，主要流入高度為850～700 hPa，單層流入量最大可達9.0×107 t·h-1，水汽主要源自孟加拉灣和南海，其水汽通道軌跡占比為32.0％，水汽輸送貢獻率達55.4％。暴雨出現(xiàn)時水汽流入層降低，流入量減少，水汽垂直輸送減弱，總水汽凈流入集中在850 hPa，凈流入量為1.0×107 t·h-1左右，水汽主要源自南海，其水汽通道軌跡占比為46.0％，水汽輸送貢獻率達60.3％。

關(guān)鍵詞暴雨;水汽輸送;水汽收支;HYSPLIT后向軌跡追蹤;水汽輸送貢獻率

充沛的水汽是暴雨形成的必要條件，受南亞、南海、副熱帶季風(fēng)和中緯度西風(fēng)帶的影響，中國夏季主要有西南、南海和東南3條來自低緯的水汽通道和來自高緯很弱的西北水汽通道（田紅等，2004）。多次極端降水過程的研究（如1975年8月5—7日河南特大暴雨（丁一匯，2015）、2012年7月21日北京特大暴雨（俞小鼎，2012）、2021年7月17—20日河南特大暴雨（史文茹等，2021）和2023年7月29日—8月2日京津冀特大暴雨（張江濤等，2023））表明，充足的水汽是極端強降水發(fā)生的關(guān)鍵條件。

因此，氣象工作者針對暴雨過程中的水汽傳輸特征開展了多項研究。楊雪艷等（2018）指出東北冷渦暴雨時，冷渦右側(cè)水汽充沛，850 hPa比濕達6.0～8.0 g·kg-1，水汽通量散度達-1.6～-2.5×10-6 g·cm-2·hPa-1·s-1。張俊蘭等（2023）發(fā)現(xiàn)新疆塔里木盆地在西風(fēng)和印度季風(fēng)協(xié)同作用下出現(xiàn)極端暴雨時，500 hPa水汽通量可達9.0～11.0 g·hPa-1·cm-1·s-1。強降水發(fā)生時水汽顯著增加，存在明顯的水汽凈收入，常常是因為有低空偏南、東南氣流將水汽從孟加拉灣、中國南海和東海等地送往暴雨區(qū)，表現(xiàn)出明顯的水汽通量輸送帶和強烈的水汽通量輻合，使得本地的比濕和大氣可降水量達到高值（廖曉農(nóng)等，2013;湯彬等，2023），西北等內(nèi)陸地區(qū)還存在較復(fù)雜的水汽接力機制，為暴雨區(qū)提供了水汽（劉晶等，2023）。常用的水汽分析方法中，水汽通量、水汽收支分析主要描述大氣流場瞬時特征，無法定量分析不同水汽輸送軌跡和各水汽源地的水汽貢獻。HYSPLIT模型使用拉格朗日方法，通過分析空氣塊不同時間所在的位置，可定量分析水汽路徑，確定水汽的輸送源地（Draxler and Hess，1998;王佳津等，2023），近年來其被廣泛使用于強降水過程中水汽的傳輸特征和水汽通道的水汽輸送貢獻率分析（崔曉鵬和楊玉婷，2022;莊曉翠等，2022;劉希等，2023）。這些研究表明，暴雨過程的水汽條件有很強的地域特征，預(yù)報業(yè)務(wù)人員針對本地暴雨過程水汽條件的定量分析和總結(jié)十分必要。目前針對安徽省暴雨的能量收支特征（馬旭林等，2015）、數(shù)值模擬（張恒德等，2011）等方面已開展了很多研究，但針對安徽省尤其是蕪湖市水汽傳輸特征的研究較少，已有的研究多是針對江淮流域大范圍暴雨過程（周玉淑等，2005;孫建華等，2016）。

蕪湖市位于長江下游、安徽省東南部，境內(nèi)河網(wǎng)密布，湖泊圩區(qū)眾多（圖1）。由于地處南北氣候過渡帶，災(zāi)害性天氣尤其暴雨頻發(fā)，洪澇災(zāi)害時有發(fā)生（李亞男等，2021）。隨著城市化不斷發(fā)展，主城區(qū)建成面積逐年擴大，城市內(nèi)澇風(fēng)險不斷增加。2022年6月5日凌晨，蕪湖市區(qū)出現(xiàn)短時強降雨，局部出現(xiàn)暴雨、大暴雨，引發(fā)主城區(qū)嚴(yán)重內(nèi)澇，其中37個住宅小區(qū)積水嚴(yán)重，58處道路積水，引發(fā)政府和公眾的極大關(guān)注，因此有必要對其成因進行詳細分析，為蕪湖市乃至安徽省東南部暴雨預(yù)報預(yù)警提供依據(jù)，為防災(zāi)減災(zāi)救災(zāi)提供決策參考。強降水的產(chǎn)生與水汽條件、動力條件和持續(xù)時間等因素相關(guān)，其中充沛的水汽供應(yīng)是暴雨發(fā)生、發(fā)展和維持的基本條件（陶詩言，1980），因此本文將從水汽輸送特征等方面對此次暴雨過程進行分析總結(jié)。

1 資料與方法

1.1 資料來源

使用的資料包括自動氣象觀測站降水?dāng)?shù)據(jù)、中國降水?dāng)?shù)據(jù)集、ERA5再分析資料、NCEP／NCAR再分析數(shù)據(jù)。自動氣象觀測站降水?dāng)?shù)據(jù)來自蕪湖市境內(nèi)的國家和區(qū)域氣象觀測站。中國降水?dāng)?shù)據(jù)集使用國家青藏高原科研數(shù)據(jù)中心的CHM_PRE數(shù)據(jù)集（Miao et al.，2023），該數(shù)據(jù)集可較好地表征降水的空間變異性，與目前常用的降水?dāng)?shù)據(jù)集（CGDPA、CN05.1、CMA V2.0）有很好的一致性（Gou et al.，2021;Miao et al.，2022;Han et al.，2023），水平空間分辨率為0.25°×0.25°。歐洲氣象中心的ERA5再分析資料時間分辨率為1 h，水平空間分辨率為0.25°×0.25°，垂直分為31層，該資料經(jīng)檢驗對江蘇地區(qū)的天氣研究和預(yù)報具有潛在優(yōu)勢（呂潤清和李響，2021），蕪湖市臨近江蘇省，因此本文使用ERA5再分析資料分析天氣形勢及與水汽相關(guān)的物理量特征。美國氣象環(huán)境預(yù)報中心和國家大氣研究中心的NCEP／NCAR再分析數(shù)據(jù)時間分辨率為6 h，水平空間分辨率為2.5°×2.5°，垂直分為17層，在中國東部地區(qū)有較好的適用性（謝瀟等，2011），常被用來分析氣團的后向軌跡（黃富祥等，2016），本文使用該資料進行水汽追蹤分析。

1.2 水汽收支計算

采用水汽收支方程計算本次暴雨過程蕪湖市區(qū)域的水汽收支情況，水汽收支方程（丁一匯和胡國權(quán)，2003;劉晶等，2023）為：

式中：P為降水量;ES為蒸發(fā)量;g為重力加速度;σ為計算區(qū)域面積;pt為頂層氣壓（100 hPa）;ps為地面氣壓;Δq／Δt為水汽局地變化;Δωq／Δp為水汽垂直運動輸送;Δ·qv為水汽通量輻合項，可化為線性積分計算：

式中：右邊四項分別為水汽從不同邊界進入計算區(qū)域的值，vnq為邊界的法向向量;m和n為選定區(qū)域沿經(jīng)向和緯向的格點數(shù);Δls、Δle、Δln、Δlw分別為各邊界上的格距，“—”表示空間步長的平均值。

1.3 HYSPLIT后向軌跡追蹤

采用NOAA等聯(lián)合研制的軌跡模式HYSPLIT4追蹤分析本次暴雨過程的水汽源地，該模型可輸入不同氣象數(shù)據(jù)計算空氣團軌跡，模擬復(fù)雜的擴散和沉降過程，能夠?qū)鈮K來源進行追溯（Makra et al.，2011），其已被廣泛應(yīng)用于污染物傳輸、擴散（劉娜等，2012）和水汽來源（劉希等，2023）的研究。使用NCEP／NCAR再分析數(shù)據(jù)作為初始輸入數(shù)據(jù)模擬空氣團軌跡，并對所有的軌跡進行聚類分析，聚類時使用總空間方差（Total Spa Var，TSV）變化的30.0％變化率為指標(biāo)確定簇的數(shù)量，也就是軌跡分類的數(shù)量（Stohl and James，2004;莊曉翠等，2022）。統(tǒng)計聚類分析后各分類水汽通道的水汽輸送貢獻率（江志紅等，2011）為：

式中：Qs為水汽通道的水汽輸送貢獻率;qlast為水汽通道最終位置的比濕;m為該通道所包含軌跡的條數(shù);n為所有軌跡的總條數(shù)。

2 暴雨過程概況和環(huán)流形勢

2022年6月5日，蘇皖南部、浙江北部和西部、江西東北部出現(xiàn)大范圍暴雨天氣（圖2a），蕪湖市的暴雨區(qū)位于200 hPa分流區(qū)（圖3a）和850 hPa低空急流左前方（圖3b），高層處于氣流輻散區(qū)，輻散強度為（6.0～8.0）×10-5 s-1，低層處于東北風(fēng)和西南風(fēng)的輻合區(qū)，高層輻散產(chǎn)生的抽吸作用，使得低層輻合加強，從而增強水汽輻合，也會對低空急流的加強產(chǎn)生正反饋，同時高低空耦合加強了上升運動，增強了低層水汽向上輸送，使?jié)駥幼兊蒙詈?，有利于暴雨形成（廖曉農(nóng)等，2013）。

500 hPa東北冷渦底部不斷有冷空氣南下，與西南暖濕氣流共同作用，在低空急流出口左側(cè)不斷生成對流云團，并逐漸東移南壓，造成蕪湖市在5日凌晨出現(xiàn)短時強降水，蕪湖市區(qū)、灣沚區(qū)北部和無為市部分地區(qū)出現(xiàn)大暴雨（圖2b），00—08時（北京時，下同）區(qū)域雨量站累計雨量超100.0 mm的共有21站，超50.0 mm的共有76站，最大累計雨量為172.2 mm，最大小時雨強為62.2 mm。蕪湖市國家氣象站01—04時累計雨量為97.7 mm（圖4a），位列歷史第3位，僅次于2006年的114.1 mm和2009年的100.2 mm，暴雨引發(fā)主城區(qū)嚴(yán)重內(nèi)澇。

3 水汽輸送特征分析

3.1 水汽特征

分析暴雨發(fā)生前后蕪湖站大氣可降水量變化可知，受對流層低層西南氣流的影響，4日白天出現(xiàn)持續(xù)增濕，大氣可降水量一直維持在64.0 kg·m-2以上并在不斷上升，暴雨出現(xiàn)前12 h增濕4.6 kg·m-2，前6 h增濕4.1 kg·m-2（圖4a），5日02時暴雨出現(xiàn)時達71.0 kg·m-2，強降水發(fā)生在持續(xù)增濕階段的含水量最高值對應(yīng)時刻，隨著降雨不斷增強，大氣可降水量有所下降，降雨最強時段下降至70.2 kg·m-2。降水減弱后，大氣可降水量出現(xiàn)起伏，期間達到最高值74.1 kg·m-2，降雨過程結(jié)束后快速下降。 2014—2023年6月蕪湖站平均大氣可降水量為46.4 kg·m-2，暴雨發(fā)生前蕪湖市水汽條件遠好于歷史同期，暴雨的發(fā)生與其快速增加和較大的偏離平均值有較好的對應(yīng)關(guān)系，但暴雨出現(xiàn)后的量級、強度和結(jié)束時間受水汽的輻合及影響系統(tǒng)移動等多個因素的影響，與其變化并不完全對應(yīng)（王明明等，2018）。

沿蕪湖市國家觀測站（118.38°E，31.33°N）做比濕和水平風(fēng)的時間-高度剖面（圖4b）。4日08時起，600 hPa以下蕪湖市為一致的西南氣流，水汽輸送使得700、850和925 hPa比濕分別達10.0、15.0和17.0 g·kg-1，水汽充沛、濕層深厚，且850 hPa持續(xù)增濕，5日02時暴雨發(fā)生時達16.0 g·kg-1。05時起，600 hPa以下轉(zhuǎn)為偏西風(fēng)，各層比濕逐漸下降，08時之后，高層開始有西北風(fēng)南下且風(fēng)力增大，700 hPa以下隨之轉(zhuǎn)為偏北風(fēng)，中低層比濕也迅速下降，至中午，850 hPa比濕已降至8.0 g·kg-1左右。

3.2 水汽輸送特征

暴雨發(fā)生前和發(fā)生時蕪湖市具有充沛的水汽和深厚的濕層，下面將繼續(xù)分析這些水汽是如何輸送至暴雨區(qū)的。水汽通量散度可以衡量水汽的分布和傳輸，與強降水的演變特征有密切的關(guān)系（廖曉農(nóng)等，2013）。分析此次暴雨過程的各層水汽通量散度發(fā)現(xiàn)，其在850 hPa的演變與降水的出現(xiàn)和強度變化有較好的對應(yīng)關(guān)系。4日白天850 hPa安徽省南部有零散的弱水汽通量輻合區(qū)，17時（圖5a）皖西水汽輻合加強，蕪湖市為水汽輻散區(qū)。隨后水汽輻合區(qū)逐漸擴大，5日02時蕪湖市暴雨發(fā)生時（圖5b），鄂贛兩省交界至安徽省中南部已全部為水汽輻合區(qū)，水汽通量散度大值中心位于鄂贛交界，蕪湖市水汽通量散度增至-3.0×10-6g·cm-2·hPa-1·s-1左右。02—05時合肥市至蕪湖市北部水汽輻合進一步增強，水汽通量散度大值中心超過-16.0×10-6g·cm-2·hPa-1·s-1，05時（圖5c）蕪湖市北部水汽通量散度達-8.0×10-8g·cm-2·hPa-1·s-1左右，這也對應(yīng)了本次暴雨過程蕪湖北部的強降雨落區(qū)（圖2b）。降水結(jié)束后，水汽輻合區(qū)南移，皖南基本轉(zhuǎn)為水汽輻散區(qū)（圖5d）。

850 hPa水汽通量散度的變化特征表明暴雨發(fā)生前和出現(xiàn)時，蕪湖市具有充沛的水汽和強烈的水汽輻合，下面將進一步從空間上分析水汽輸送的特征。4日500 hPa我國西南地區(qū)到中南半島有南支槽東移（圖3b），850 hPa上西太平洋副熱帶高壓和低槽之間存在一支從低緯到30°N附近的西南氣流，這支氣流將孟加拉灣和南海的水汽源源不斷送往華南和華東地區(qū)，形成一個水汽輸送帶。14時水汽輸送帶上的水汽通量大值區(qū)位于孟加拉灣和我國華南地區(qū)（圖6a），中心值超過20.0 g·hPa-1·cm-1·s-1，西南低空急流核心位于廣西西北部、湖南南部，風(fēng)速達16.0～18.0 m·s-1。此時安徽南部的西南風(fēng)速不足8.0 m·s-1，水汽通量值在10.0 g·hPa-1cm-1·s-1左右。下午至晚間，西南氣流不斷加強，低空急流核延伸至江西一帶，我國境內(nèi)的水汽通量大值區(qū)也不斷向江西、皖南和長江下游地區(qū)擴展，至5日02時蕪湖市暴雨發(fā)生時（圖6b），皖南一帶風(fēng)速增大至10.0～12.0 m·s-1，蕪湖市位于低空急流的左前方，水汽通量增大到15.0 g·hPa-1·cm-1·s-1左右。暴雨發(fā)生后，低空急流和水汽通量大值區(qū)逐漸南移，降水逐漸結(jié)束。

綜上所述，西南低空急流的持續(xù)加強，急流核不斷向東北方向移動，使得南海甚至孟加拉灣的水汽得以不斷地被輸送至安徽省沿江地區(qū)，蕪湖市水汽通量不斷增大，水汽強烈輻合為暴雨的產(chǎn)生提供了充足的水汽條件。

3.3 水汽收支分析

為進一步分析水汽輸送和水汽聚集的變化特征，探討其對暴雨形成的影響，計算了暴雨發(fā)生前后逐小時蕪湖市區(qū)域（117°～119°E，30°～32°N）西、南、東、北邊界和總的水汽凈收支情況以及進入?yún)^(qū)域的水汽總量。西、東兩個邊界計算水汽自西向東的收支，南、北兩個邊界計算水汽自南向北的收支，因此西邊界和南邊界正值為水汽流入，負值為水汽流出，東邊界和北邊界則相反，負值為水汽流入，正值為水汽流出。

總體上暴雨發(fā)生前和出現(xiàn)時，對流層低層有大量的水汽流入，緯向的水汽主要由西邊界流入，經(jīng)向的水汽主要由南邊界流入。西邊界水汽流入量較大的時間段為暴雨發(fā)生前和出現(xiàn)時（圖7a）。暴雨發(fā)生前水汽流入主要集中在850～600 hPa，單層流入量為（3.0～7.0）×107 t·h-1，其中4日下午700 hPa的水汽流入量超過6.0×107 t·h-1。20時前后，白天700 hPa維持在安徽中北部的西南風(fēng)和東北風(fēng)輻合帶逐漸南壓（圖略），西南氣流減弱，主要的水汽輸入層降低，至暴雨出現(xiàn)時，水汽流入主要集中在850 hPa，流入量超過4.0×107 t·h-1。對應(yīng)的東邊界總體表現(xiàn)為水汽流出（圖7c）。南邊界4日白天水汽流入大值區(qū)位于850～700 hPa（圖7b），單層流入量為（4.0～6.0）×107 t·h-1，晚間水汽流入層降低，主要集中在850 hPa，水汽流入量約為5.0×107 t·h-1，700 hPa及以上層次轉(zhuǎn)為水汽流出，結(jié)合蕪湖市上空水平風(fēng)的變化（圖4b）可知，4日20時之后850 hPa以上逐漸由西南風(fēng)轉(zhuǎn)為偏西風(fēng)，南風(fēng)的分量減小，造成南邊界的水汽流入減少。暴雨發(fā)生后850 hPa的水汽流入量也明顯減少。北邊界與南邊界水汽收支的表現(xiàn)基本相反（圖7d）。

暴雨發(fā)生前總水汽流入層深厚，單層流入量最大可達9.0×107 t·h-1（圖7e），整層流入量約為56.0×107 t·h-1（表1），但整層凈流出。700 hPa以下為水汽凈流出，以上為凈流入，水汽有明顯的向上垂直輸送。暴雨出現(xiàn)時主要水汽流入層次降低至850 hPa，整層流入量下降至20.5×107 t·h-1，整層凈流入。850～700 hPa轉(zhuǎn)為凈流入，地面至850 hPa凈流出量減小，水汽的垂直輸送減弱?？偹麅袅魅朐诒┯臧l(fā)生前和出現(xiàn)時主要集中在850 hPa，凈流入量為1.0×107 t·h-1左右（圖7f）。

3.4 HYSPLIT水汽追蹤

HYSPLIT水汽追蹤可以追蹤空氣塊的運動軌跡、氣塊的高度以及比濕隨高度、時間的變化，其對三維特征的描述彌補了基于歐拉方法的水汽通量和水汽收支等分析的不足（劉希等，2023）。根據(jù)上述水汽收支分析，暴雨期間有兩個相對集中的水汽流入時間段，分別是4日14時前后（700 hPa）和5日02時前后（850 hPa），因此模擬起始點選擇蕪湖市國家觀測站（118.38°E，31.33°N），模擬起始時間和初始高度分別選擇4日14時3 000 m和5日02時1 500 m。間隔時間為6 h，模擬后向7 d的三維運動軌跡，軌跡點位置1 h輸出1次，對應(yīng)軌跡點的高度和比濕通過插值得到。對分析出的所有軌跡進行聚類分析，聚類時兩個模擬TSV增長率分析均顯示，軌跡分類的數(shù)量小于3時TSV增長率迅速增大（圖略），因此兩個模擬最終聚類的水汽通道均為3個。

模擬顯示4日14時3 000 m高度的水汽通道1水汽源地為孟加拉灣和南海1 000 m高度（圖8a），占所有軌跡數(shù)量的32.0％。初始比濕為11.6 g·kg-1（通道所有同一時刻軌跡點比濕的平均值，下同）（圖9a），在孟加拉灣比濕增加至13.5 g·kg-1，途經(jīng)中南半島下降至12.4 g·kg-1，在我國南海再次增加至14.0 g·kg-1，經(jīng)我國華南輸送至長江下游地區(qū)時，氣流高度逐漸升高到3 000 m，比濕也逐漸下降至8.0 g·kg-1。通道2的水汽源地為波羅的海一帶，起始高度近7 000 m，占所有軌跡數(shù)量的43.0％，初始比濕為0.7 g·kg-1，沿途高度逐漸下降。通道3的水汽源地為烏拉爾河下游，高度為3 000 m，占所有軌跡數(shù)量的25.0％，初始比濕為2.6 g·kg-1。通道2、3均來自西北方向，在進入我國河套、華北一帶時水汽含量逐漸增加，最終比濕分別為2.8和3.5 g·kg-1。根據(jù)公式（3）計算，3個水汽通道最終位置的總比濕分別為71.8、33.1和24.6 g·kg-1，水汽輸送貢獻率分別為55.4％、25.6％和19.0％。

5日02時1 500 m高度的水汽通道1水汽來自南海1 000 m的高度（圖8b），占所有軌跡數(shù)量的46.0％。初始比濕為14.8 g·kg-1（圖9b），途經(jīng)我國東南沿海將水汽輸送至長江下游地區(qū)，沿途比濕略有起伏，總體逐漸下降至8.6 g·kg-1。通道2的水汽源地為烏拉爾河以東地區(qū)，起始高度為2 000 m，占所有軌跡數(shù)量的39.0％，初始比濕為4.4 g·kg-1。

通道3的水汽源地位于挪威海，起始高度近7 000 m，占所有軌跡數(shù)量的14.0％，初始比濕為0.2 g·kg-1，沿途高度逐漸下降。通道2、3均來自西北方向，進入我國境內(nèi)后，水汽含量逐漸增加，最終比濕分別為4.8和5.3 g·kg-1。根據(jù)公式（3）計算，3個水汽通道最終位置的總比濕分別為112.3、53.0和21.1 g·kg-1，水汽輸送貢獻率分別為60.3％、28.4％和11.3％。

綜上所述，以孟加拉灣和南海為水汽源地，從低緯到長江下游的西南水汽通道輸送的充沛水汽是本次暴雨過程出現(xiàn)的重要條件。西北通道的水汽輸送對本次暴雨也有一定的水汽貢獻。

4 結(jié)論與討論

1）此次暴雨過程出現(xiàn)在200 hPa分流區(qū)和850 hPa低空急流左前方，高層輻散有利于低空急流和輻合加強，增強水汽的水平方向輻合和垂直輸送，使?jié)駥幼兊蒙詈?，有利于暴雨形成?00 hPa冷空氣在低空急流出口北側(cè)不斷激發(fā)對流云團，形成強降水。

2）暴雨發(fā)生前蕪湖市水汽充沛、濕層深厚且持續(xù)增濕，大氣可降水量6 h增加4.1 kg·m-2。暴雨發(fā)生在水汽持續(xù)增加的最高值時刻，大氣可降水量達71.0 kg·m-2，遠超6月歷史平均值，850 hPa比濕達16.0 g·kg-1，降雨結(jié)束后兩者均明顯下降。850 hPa水汽通量散度的變化與暴雨的出現(xiàn)和強度變化有較好的對應(yīng)關(guān)系，暴雨出現(xiàn)時蕪湖市水汽通量散度增大到-3.0×10-6g·cm-2·hPa-1·s-1左右，雨強最強時段可達-8.0×10-6g·cm-2·hPa-1·s-1左右。

其產(chǎn)生的原因為從低緯孟加拉灣、南海到長江下游的西南低空急流在暴雨發(fā)生前持續(xù)加強，急流核不斷向東北方向移動，使水汽得以持續(xù)輸送至安徽省沿江地區(qū)，蕪湖市水汽通量不斷增大至15.0 g·hPa-1·cm-1·s-1左右，為暴雨的產(chǎn)生提供了充沛的水汽和強烈的水汽輻合。

3）本次暴雨過程水汽主要由蕪湖區(qū)域的西邊界和南邊界流入。暴雨發(fā)生前主要流入層次深厚，850～700 hPa單層流入量最大可達9.0×107 t·h-1，整層流入量約為56.0×107 t·h-1，有明顯的向上水汽垂直輸送。暴雨出現(xiàn)時主要流入層降低至850 hPa，南邊界700 hPa轉(zhuǎn)為流出，整層流入量下降至約21.0×107 t·h-1，水汽的垂直輸送減弱。總水汽凈流入主要集中在850 hPa，凈流入量為1.0×107 t·h-1左右。

4）蕪湖市4日14時3 000 m上空的水汽輸送通道有3條，來自孟加拉灣和南海1 000 m的水汽通道占總軌跡數(shù)量的32.0％，水汽輸送貢獻率為55.4％。其他兩個西北通道水汽源地分別為波羅的海7 000 m上空和烏拉爾河下游3 000 m上空。5日02時1 500 m的水汽通道也有3條，來自南海1 000 m上空的水汽通道占總軌跡數(shù)量的46.0％，水汽輸送貢獻率為60.3％。其他兩個西北通道水汽源地分別為烏拉爾河下游以東地區(qū)2 000 m上空和挪威海7 000 m上空。孟加拉灣和南海是本次暴雨過程最主要的水汽源地。

蕪湖市作為安徽省重要的沿江城市，隨著城市防洪能力的提高，夏季強降水造成的城市內(nèi)澇成為政府和市民新的關(guān)注點，因此本文對一次引發(fā)主城區(qū)嚴(yán)重內(nèi)澇暴雨過程的水汽輸送特征進行了分析，以期為本地類似的暴雨過程積累預(yù)報經(jīng)驗。本次暴雨過程中，水汽相關(guān)物理量的變化特征、水汽輸送的路徑特征和我國東部暴雨已有的研究成果類似，但水汽通道的水汽輸送貢獻率和水汽收支量的定量分析結(jié)果在蕪湖市乃至安徽省的相關(guān)研究中較少見，對于提高對該區(qū)域強降水水汽特征的認識，提升暴雨預(yù)報能力有積極意義。但是，本文僅對一次天氣過程進行了分析總結(jié)，且水汽條件僅是暴雨形成的條件之一，嚴(yán)重內(nèi)澇產(chǎn)生的原因應(yīng)該還和觸發(fā)機制、影響系統(tǒng)的位置等因素有關(guān)，有必要在后續(xù)的研究工作中增加研究樣本，綜合多源探測數(shù)據(jù)，從影響系統(tǒng)、動力條件和維持機制等方面，更全面地對本地類似暴雨天氣過程展開研究，以提高暴雨預(yù)報的預(yù)報預(yù)警水平。

參考文獻（References）

崔曉鵬，楊玉婷，2022.“21.7” 河南暴雨水汽源地追蹤和定量貢獻分析［J］.大氣科學(xué)，46（6）：1543-1556. Cui X P，Yang Y T，2022.Tracking and quantitative contribution analyses of moisture sources of rainstorm in Henan Province in July 2021［J］.Chin J Atmos Sci，46（6）：1543-1556.doi：10.3878／j.issn.1006-9895.2203.22016.（in Chinese）.

丁一匯，胡國權(quán)，2003.1998年中國大洪水時期的水汽收支研究［J］.氣象學(xué)報，61（2）：129-145. Ding Y H，Hu G Q，2003.A study on water vapor budget over China during the 1998 severe flood periods［J］.Acta Meteor Sinica，61（2）：129-145.doi：10.3321／j.issn：0577-6619.2003.02.001.（in Chinese）.

丁一匯，2015.論河南“75.8” 特大暴雨的研究：回顧與評述［J］.氣象學(xué)報，73（3）：411-424. Ding Y H，2015.On the study of the unprecedented heavy rainfall in Henan Province during 4—8 August 1975［J］.Acta Meteor Sinica，73（3）：411-424.doi：10.11676／qxxb2015.067.（in Chinese）.

Draxler R R，Hess G D，1998.An overview of the HYSPLIT_4 modeling system for trajectories，dispersion，and deposition［J］.Aust Meteor Mag，4（47）：295-308.

Gou J J，Miao C Y，Samaniego L，et al.，2021.CNRD v1.0：a high-quality natural runoff dataset for hydrological and climate studies in China［J］.Bull Am Meteor Soc，102（5）：E929-E947.doi：10.1175／bams-d-20-0094.1.

Han J Y，Miao C Y，Gou J J，et al.，2023.A new daily gridded precipitation dataset for the Chinese mainland based on gauge observations［J］.Earth Syst Sci Data，15（7）：3147-3161.doi：10.5194／essd-15-3147-2023.

黃富祥，任素玲，韓爽爽，等，2016.2015年12月末北極地表爆發(fā)性增溫事件的衛(wèi)星遙感監(jiān)測［J］.科學(xué)通報，61（36）：3946-3957. Huang F X，Ren S L，Han S S，et al.，2016.Monitoring of Arctic surface sudden warming events in late December 2015 with satellite remote sensing data［J］.Chin Sci Bull，61（36）：3946-3957.doi：10.1360／N972016-00460.（in Chinese）.

江志紅，梁卓然，劉征宇，等，2011.2007年淮河流域強降水過程的水汽輸送特征分析［J］.大氣科學(xué)，35（2）：361-372. Jiang Z H，Liang Z R，Liu Z Y，et al.，2011.A diagnostic study of water vapor transport and budget during heavy precipitation over the Huaihe river basin in 2007［J］.Chin J Atmos Sci，35（2）：361-372.doi：10.3878／j.issn.1006-9895.2011.02.14.（in Chinese）.

李亞男，劉鋼軍，劉德新，等，2021.中國南北過渡帶范圍的地理表達及定量探測［J］.地理研究，40（7）：1857-1869. Li Y N，Liu G J，Liu D X，et al.，2021.Geographical expression and quantitative exploration of the Chinas north-south transitional zone［J］.Geogr Res，40（7）：1857-1869.doi：10.11821／dlyj020200679.（in Chinese）.

廖曉農(nóng)，倪允琪，何娜，等，2013.導(dǎo)致“7.21” 特大暴雨過程中水汽異常充沛的天氣尺度動力過程分析研究［J］.氣象學(xué)報，71（6）：997-1011. Liao X N，Ni Y Q，He N，et al.，2013.Analysis and research on the weather-scale dynamic process leading to the abnormal abundance of water vapor during the “7.21” torrential rain［J］.Acta Meteor Sinica，71（6）：997-1011.（in Chinese）.

劉晶，劉兆旭，楊蓮梅，等，2023.西風(fēng)帶大陸高壓外圍新疆哈密地區(qū)典型暴雨事件水汽輸送特征對比分析［J］.氣象，49（9）：1045-1062. Liu J，Liu Z X，Yang L M，et al.，2023.Water vapor transport characteristics during typical rainstorm events around westerlies continental high in Hami area，Xinjiang［J］.Meteor Mon，49（9）：1045-1062.doi：10.7519／j.issn.1000-0526.2023.062801.（in Chinese）.

劉娜，余曄，陳晉北，等，2012.蘭州春季沙塵過程PM10輸送路徑及其潛在源區(qū)［J］.大氣科學(xué)學(xué)報，35（4）：477-486. Liu N，Yu Y，Chen J B，et al.，2012.A study on potential sources and transportation pathways of PM10 in spring in Lanzhou［J］.Trans Atmos Sci，35（4）：477-486.doi：10.13878／j.cnki.dqkxxb.2012.04.001.（in Chinese）.

劉希，曾明劍，王亞強，等，2023.臺風(fēng)“利奇馬”遠距離暴雨的關(guān)鍵動力因子和水汽來源［J］.大氣科學(xué)學(xué)報，46（5）：776-789. Liu X，Zeng M J，Wang Y Q，et al.，2023.Analysis of key dynamical factors and water vapor sources influencing remote heavy rainfall produced by typhoon Lekima［J］.Trans Atmos Sci，46（5）：776-789.doi：10.13878／j.cnki.dqkxxb.20220406001.（in Chinese）.

呂潤清，李響，2021.ERA-Interim和ERA5再分析數(shù)據(jù)在江蘇區(qū)域的適用性對比研究［J］.海洋預(yù)報，38（4）：27-37. Lü R Q，Li X，2021.Comparison between the applicability of ERA-Interim and ERA5 reanalysis in Jiangsu Province［J］.Mar Forecasts，38（4）：27-37.doi：10.11737／j.issn.1003-0239.2021.04.004.（in Chinese）.

馬旭林，孫麗娜，姜勝，等，2015.一次江淮強暴雨過程的濕有效能量及其收支特征［J］.大氣科學(xué)學(xué)報，38（3）：289-298. Ma X L，Sun L N，Jiang S，et al.，2015.Characteristics of moist available energy and its budget in a heavy rain process over Changjiang-Huaihe River Basin［J］.Trans Atmos Sci，38（3）：289-298.doi：10.13878／j.cnki.dqkxxb.20130923001.（in Chinese）.

Makra L，Matyasovszky I，Guba Z，et al.，2011.Monitoring the long-range transport effects on urban PM10 levels using 3D clusters of backward trajectories［J］.Atmos Environ，45（16）：2630-2641.doi：10.1016／j.atmosenv.2011.02.068.

Miao C Y，Gou J J，F(xiàn)u B J，et al.，2022.High-quality reconstruction of Chinas natural streamflow［J］.Sci Bull，67（5）：547-556.doi：10.1016／j.scib.2021.09.022.

Miao C，Han J， Gou J，2023.A new daily gridded precipitation dataset for the Chinese mainland based on gauge observations.National Tibetan Plateau/Third Pole Environment Data Center[D/OL].[2024-03-02].https：//doi.org/10.11888/Atmos.tpdc.300523.https：//cstr.cn/18406.11.Atmos.tpdc.300523.

史文茹，李昕，曾明劍，等，2021.“7·20”鄭州特大暴雨的多模式對比及高分辨率區(qū)域模式預(yù)報分析［J］.大氣科學(xué)學(xué)報，44（5）：688-702. Shi W R，Li X，Zeng M J，et al.，2021.Multi-model comparison and high-resolution regional model forecast analysis for the “7·20” Zhengzhou severe heavy rain［J］.Trans Atmos Sci，44（5）：688-702.doi：10.13878／j.cnki.dqkxxb.20210823001.（in Chinese）.

Stohl A，James P，2004.A Lagrangian analysis of the atmospheric branch of the global water cycle.part I：method description，validation，and demonstration for the August 2002 flooding in central Europe［J］.J Hydrometeor，5（4）：656-678.doi：10.1175／1525-7541（2004）005<0656：alaota>2.0.co;2.

孫建華，汪匯潔，衛(wèi)捷，等，2016.江淮區(qū)域持續(xù)性暴雨過程的水汽源地和輸送特征［J］.氣象學(xué)報，74（4）：542-555. Sun J H，Wang H J，Wei J，et al.，2016.The sources and transportation of water vapor in persistent heavy rainfall events in the Yangtze-Huaihe River Valley［J］.Acta Meteor Sinica，74（4）：542-555.doi：10.11676／qxxb2016.047.（in Chinese）.

湯彬，王宗明，胡文婷，等，2023.2021年河南省一次罕見暴雨過程的降水特征及成因［J］.大氣科學(xué)，47（2）：517-533. Tang B，Wang Z M，Hu W T，et al.，2023.Characteristics and causes of precipitation for a rare rainstorm process in Henan Province in 2021［J］.Chin J Atmos Sci，47（2）：517-533.doi：10.3878／j.issn.1006-9895.2209.21251.（in Chinese）.

陶詩言，1980.中國之暴雨［M］.北京：科學(xué)出版社. Tao S Y，1980.Heavy rainfalls in China［M］.Beijing：Science Press.（in Chinese）.

田紅，郭品文，陸維松，2004.中國夏季降水的水汽通道特征及其影響因子分析［J］.熱帶氣象學(xué)報，20（4）：401-408. Tian H，Guo P W，Lu W S，2004.Characteristics of vapor inflow corridors related to summer rainfall in China and impact factors［J］.J Trop Meteor，20（4）：401-408.doi：10.3969／j.issn.1004-4965.2004.04.008.（in Chinese）.

王佳津，肖紅茹，楊康權(quán)，等，2023.四川盆地一次持續(xù)性暴雨的水汽輸送特征［J］.干旱氣象，41（3）：474-482. Wang J J，Xiao H R，Yang K Q，et al.，2023.Water vapor transport characteristics of a continuous rainstorm in Sichuan Basin［J］.J Arid Meteor，41（3）：474-482.doi：10.11755／j.issn.1006-7639（2023）-03-0474.（in Chinese）.

王明明，魏鳴，王皓，等，2018.成都地區(qū)一次持續(xù)性暴雨過程的水汽特征分析［J］.大氣科學(xué)學(xué)報，41（6）：861-871. Wang M M，Wei M，Wang H，et al.，2018.An analysis of the characteristics of the water vapor during a persistent rainstorm event in Chengdu［J］.Trans Atmos Sci，41（6）：861-871.doi：10.13878／j.cnki.dqkxxb.20160410012.（in Chinese）.

謝瀟，何金海，祁莉，2011.4種再分析資料在中國區(qū)域的適用性研究進展［J］.氣象與環(huán)境學(xué)報，27（5）：58-65. Xie X，He J H，Qi L，2011.A review on applicability evaluation of four reanalysis datasets in China［J］.J Meteor Environ，27（5）：58-65.doi：10.3969／j.issn.1673-503X.2011.05.011.（in Chinese）.

楊雪艷，秦玉琳，張夢遠，等，2018.基于“配料法” 的東北冷渦暴雨預(yù)報研究［J］.大氣科學(xué)學(xué)報，41（4）：475-482. Yang X Y，Qin Y L，Zhang M Y，et al.，2018.Forecast of heavy rain caused by the northeast cold vortex using “ingredients method”［J］.Trans Atmos Sci，41（4）：475-482.doi：10.13878／j.cnki.dqkxxb.20171116001.（in Chinese）.

俞小鼎，2012.2012年7月21日北京特大暴雨成因分析［J］.氣象，38（11）：1313-1329. Yu X D，2012.Investigation of Beijing extreme flooding event on 21 July 2012［J］.Meteor Mon，38（11）：1313-1329.doi：10.7519／j.issn.1000-0526.2012.11.001.（in Chinese）.

張恒德，宗志平，張友姝，2011.2005年7月一次大暴雨過程的模擬和診斷分析［J］.大氣科學(xué)學(xué)報，34（1）：85-92. Zhang H D，Zong Z P，Zhang Y S，2011.Simulation and diagnosis of a heavy rainfall event in July 2005［J］.Trans Atmos Sci，34（1）：85-92.doi：10.13878／j.cnki.dqkxxb.2011.01.010.（in Chinese）.

張江濤，何麗華，李江波，等，2023.河北“23.7” 極端暴雨過程特征及成因初探［J］.大氣科學(xué)學(xué)報，46（6）：884-903. Zhang J T，He L H，Li J B，et al.，2023.Preliminary study on the characteristics and causes of the “23.7” extreme rainstorm in Hebei［J］.Trans Atmos Sci，46（6）：884-903.doi：10.13878／j.cnki.dqkxxb.20230905001.（in Chinese）.

張俊蘭，李火青，湯浩，2023.西風(fēng)和印度季風(fēng)協(xié)同作用對塔里木盆地極端暴雨影響的初步分析［J］.大氣科學(xué)學(xué)報，46（2）：242-258. Zhang J L，Li H Q，Tang H，2023.Preliminary analysis of the synergistic influence of westerly wind and Indian monsoon on rainstorm over Tarim Basin［J］.Trans Atmos Sci，46（2）：242-258.doi：10.13878／j.cnki.dqkxxb.20220113001.（in Chinese）.

周玉淑，高守亭，鄧國，2005.江淮流域2003年強梅雨期的水汽輸送特征分析［J］.大氣科學(xué)，29（2）：195-204. Zhou Y S，Gao S T，Deng G，2005.A diagnostic study of water vapor transport and budget during heavy precipitation over the Changjiang River and the Huaihe River Basins in 2003［J］.Chin J Atmos Sci，29（2）：195-204.（in Chinese）.

莊曉翠，李博淵，趙江偉，等，2022.基于HYSPLIT模式分析的塔克拉瑪干沙漠南緣暴雨水汽特征［J］.氣象，48（3）：311-323. Zhuang X C，Li B Y，Zhao J W，et al.，2022.Water vapor characteristics of rainstorm in southern Taklimakan Desert based on HYSPLIT model analysis［J］.Meteor Mon，48（3）：311-323.doi：10.7519／j.issn.1000-0526.2022.011801.（in Chinese）.