ojns Open Journal of Natural Science 2330-1724 2330-1732 beplay体育官网网页版等您来挑战！ 10.12677/ojns.2025.132036 ojns-109604 Articles 数学与物理, 地球与环境, 信息通讯, 生命科学, 化学与材料 列车效应诱发的扬州市特大暴雨过程分析——以2023年7月6~7日为例
Analysis of an Extremely Heavy Rainstorm Caused by Train Effect in Yangzhou—Taking 6~7 July 2023 as an Example
仇丹妮 白 杨 钱 勇 夏 露 扬州市气象局，江苏 扬州 03 03 2025 13 02 349 358 13 2 ：2025 11 2 ：2025 11 3 ：2025 Copyright © 2024 beplay安卓登录 All rights reserved. 2024 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/ 2023年7月6~7日扬州地区特大暴雨过程具有覆盖范围广、短时雨强大、强降水持续时间长的特点。本文利用自动气象站资料、MICAPS气象数据资料、NCEP再分析资料、雷达回波资料等对此次降水过程进行诊断分析。结果表明：低纬强大稳定的副高与高纬稳定少动的冷涡对峙，加之低层范围宽、强度大的西南急流持续输送水汽，形成冷暖气流长久激烈交汇，是造成本次强降水的背景基础和必要条件。江淮西部有利的动力、热力、能量等中尺度对流触发条件和南北风场辐合，提供了列车效应有利的环境条件。暖区低质心高效降水和列车效应叠加，导致此次特大暴雨的发生。大尺度模式对特大暴雨多存在漏报，区域模式对降水落区等细节把握欠佳，需多关注潜势预报和新产品的应用，并提升中尺度分析能力从而提高极端降水的预报准确性。
The extremely heavy rainstorm process in Yangzhou on July 6~7, 2023 is characterized by wide coverage, strong short-term rain and long duration of heavy rainfall. Diagnosis and analysis of this precipitation process using automatic weather station data, MICAPS meteorological data, NCEP reanalysis data and radar echo data. The results indicate that the confrontation between a strong and stable subtropical high at low latitudes and a stable and less moving cold vortex at high latitudes, coupled with the continuous transport of water vapor by the southwest jet stream with a wide range and high intensity at low latitudes, formed a long-term and intense intersection of cold and warm air currents, which is the background basis and necessary condition for this heavy rainfall. The favorable mesoscale convective triggering conditions such as power, heat, and energy in the western Jianghuai region, as well as the convergence of the north-south wind field, provide favorable environmental conditions for the train effect. The superposition of the low centroid efficient precipitation in the warm region and the train effect led to the occurrence of the extremely heavy rainstorm. Large scale models often fail to report extremely heavy rainstorm, and regional models do not grasp details such as precipitation areas. More attention should be paid to potential forecasting and the application of new products, and the ability of mesoscale analysis should be improved to improve the accuracy of extreme precipitation prediction.
特大暴雨，列车效应，物理量诊断，模式检验
Extremely Heavy Rainstorm
Train Effect Physical Diagnosis Model Validation 1. 引言

暴雨是扬州市重要灾害性天气之一，易引发严重的洪涝、地质灾害和各种次生灾害 [1] [2] ，对农牧业生产和人民生命财产等造成众多不利影响。很多学者从不同角度对暴雨进行了大量研究，何群英等人认为，“列车效应”是产生极端雨量从而造成洪涝等灾害的主要回波特征 [3] 。杨磊等人认为暴雨是由多尺度天气系统相互作用的结果 [4] ，而充沛的水汽和畅通的输送通道是暴雨期间中尺度对流形成的必要条件之一 [5] ，另外，大暴雨的发生发展需要触发机制，方翀等人认为干线和地面辐合线相交的地区，是产生暴雨的对流单体初生和强烈发展的区域 [6] 。

7月上旬扬州多处于梅雨期，是暴雨发生的主要时段之一，加之地下水丰富，一旦出现大范围持续性强降水，通常会造成城市积涝、交通瘫痪和农业生产损失等。本文通过分析2023年7月6日~7日扬州市一次特大暴雨过程，以加深对扬州市暴雨天气环流形势、物理量场和模式预报规律等的认知，以期为本地暴雨的监测和预报服务工作提供参考。

 2. 天气实况与预报服务情况

2023年7月6日中午至7日傍晚，扬州市中南部地区普降大暴雨，其中东南部达特大暴雨，并伴有强雷电、局地短时强降水和雷暴大风等强对流天气。此次过程覆盖范围广，短时雨强大，强降水持续时间长，伴有明显的“列车效应”中尺度对流系统触发特征，具备持续性和急剧性两个显著特点。整个过程自北向南共有三条东北–西南走向回波带，在不同时期持续经过我市，导致城市多处发生积涝，交通情况严重受阻。全市95个观测站过程累计降水量超过50 mm，其中86个超过100 mm，22个超过250 mm ( 图1(a) )。最大降水量出现在江都浦头镇，为349 mm。此次降水过程集中时段分别为7月6日14时~17时、7月6日22~次日凌晨02时和7月7日04时~08时，其中最大雨强出现在江都吴桥镇( 图1(b) )，为87.3 mm/h (7日00~7日01时)。

对于此次过程，扬州市气象台于7月5日发布重要天气报告，指出6~7日雨量可达暴雨，局部大暴雨，6日下午及时发布暴雨蓝色预警信号，傍晚升级至暴雨黄色预警信号，同时及时跟踪，加强短临监测，于7日凌晨升级至暴雨橙色预警信号。做到了及时服务，密切监测，服务效果佳。

Figure 1. (a) Precipitation distribution in Yangzhou from 12:00 on July 6th to 20:00 on July 7th (unit : mm); (b) Hourly evolution of precipitation at representative observation stations (unit: mm)--图1. (a) 7月6日12时~7月7日20时扬州降水量分布(单位：mm)；(b) 代表性测站降水量的逐小时演变-- 3. 环流背景分析 Figure 2. (a) Evolution of 500 hPa system configuration from July 6th to July 7th; (b) Evolution of 850 hPa system configuration from July 6th to July 7th and relative humidity at 20:00 on July 6th (shaded, unit: % rh) and (c) Sea level pressure field at 20:00 on July 6th (contour lines, unit: hPa)--图2. 7月6日~7月7日(a) 500 hPa系统配置演变；(b) 850 hPa系统配置演变及7月6日20时相对湿度(阴影，单位：%rh)和(c) 7月6日20时海平面气压场(等值线，单位：hPa)--

此次暴雨的发生具备有利的环流背景形势。200 hPa西风急流在江苏省中北部出现分流(图略)，加大高层辐散抽吸作用。500 hPa环流场中高纬呈“两槽一脊”型，扬州市处在冷涡底部的高空槽中，6日08时冷涡横槽在40˚N以北且不断南下，7日08时完全转竖，冷涡后部冷空气随之南甩渗透，与此同时，584线沿江分布，太平洋副热带高压稳定少动，江苏省处于副高边缘，暖湿气流向北输送，且副高120˚脊线略微北抬，冷暖气流在江淮之间强烈交汇，强度大时间久( 图2(a) )，为此次暴雨过程提供了充沛的水汽条件和能量。850 hPa图上可以看出( 图2(b) )，扬州市处于暖切南侧的辐合抬升区，加之西南急流范围宽、强度大(最强达22 m/s)、维持时间久，有利于水汽的通畅输送和维持。地面上东北地区有低压发展，扬州市始终处于低压底前部暖区中( 图2(c) )，为典型的暖区暴雨天气形势。

 4. 暴雨的成因 4.1. 充沛的水汽

强降水的形成往往需要充足的水汽。由 图3 可知，随着西南急流加强，6日夜间至7日白天水汽通量强度中心发展至700 hPa ( 图3(a) )，6日08:00扬州市850 hPa比湿已接近14 g/kg，降水过程中随着西南急流的增强，850 hPa比湿维持在16 g/kg左右( 图3(b) )。暴雨的产生除了局地丰沛的水汽之外，必须有来自暴雨区外的水汽补充 [7] ， 图4(a)~(c) 可以看出，强降水地区水汽辐合深厚，一直延伸至500 hPa，高层400 hPa则表现为水汽通量辐散, 即中低层水汽强烈辐合，高层水汽辐散，且水汽通量输送中心和水汽通量散度辐合中心几乎叠置，两者的共同作用有利于短时强降水产生，这也是“列车效应”诱发扬州特大暴雨的关键原因之一。

Figure 3. (a) Water vapor flux (shaded, unit: g·(cm·hPa·s)−1) and wind field (arrow, unit: m/s) and (b) specific humidity (unit: g/kg) along the 119˚E, 32˚N vertical profile from 08:00 on July 5th to 08:00 on July 8th, the time series is in Universal Time--图3. 7月5日08时~8日08时沿119˚E，32˚N垂直剖面的(a) 水汽通量(阴影，单位：g·(cm·hPa·s)−1)及风场(箭头，单位：m/s)和(b) 比湿(单位：g/kg)，时间序列为世界时-- Figure 4. Divergence of water vapor flux at (a) 400 hPa, (b) 500 hPa, and (c) 850 hPa on July 6th at 20:00 (unit: ×10−6g·s−1·cm−2·hPa−1)--图4. 7月6日20时(a) 400 hPa，(b) 500 hPa和(c) 850 hPa水汽通量散度(单位：×10−6g·s−1·cm−2·hPa−1)-- 4.2. 大尺度上升运动

暴雨的形成还需要强烈的对流上升运动提供动力条件。从 图5(a) 可以看出，强降水发生时段，垂直上升运动从近地面一直延伸至500 hPa附近，低层最大垂直速度达−1.2 hPa/s，上升运动强烈。7日20时前后，低层转为弱的下沉运动，对应降水结束。同时，从涡度时序–高度剖面图看出( 图5(b) )，6日20时~7日08时维持低层正涡度、高层负涡度的垂直结构，是暴雨发生时的典型垂直环流结构。低层的正涡度最大为20 × 10−5·s−1，正涡度的增加有利于近地面减压，同时500 hPa高空槽前表现为正涡度平流，地面低压发展。7日08时以后，正涡度值减小，此时降水也趋于结束。

Figure 5. (a) Vertical velocity (unit: hPa/s) and (b) Vorticity (unit: 10−5·s−1) along the 119˚E, 32˚N vertical profile from 08:00 on July 5th to 08:00 on July 8th, the time series is in Universal Time--图5. 7月5日08时~8日08时沿119˚E，32˚N垂直剖面的(a) 垂直速度(单位：hPa/s)和(b) 涡度(单位：10−5·s−1)，时间序列为世界时-- 4.3. 热力不稳定

850 hPa假相当位温的大值区指示了高温高湿的高能量区，对应着强降水落区的变化。如 图6 所示，降水开始前850 hPa假相当位温值已大于350 K，高温高湿气团破坏大气层结稳定性，使不稳定能量集聚，满足暴雨发生的热力条件 [8] ，整个降水过程扬州市处于高能高湿带中，且高能高湿区稳定少动，有利于降水的维持，到6日20时，高能舌东伸占领江淮地区，强降水在高能舌北侧密集区内，与西南急流相互配合，扬州上空的湿热程度加大，产生的降水更为激烈。7日20时，高能高湿区有所西退，强降水结束。

Figure 6. 850 hPa false equivalent temperature at (a) 14:00 on July 6th; (b) 20:00 on July 6th; and (c) 20:00 on July 7th (unit: K)--图6. (a) 7月6日14时；(b) 7月6日20时和(c) 7月7日20时850 hPa假相当位温(单位：K)--

选取上游阜阳站6日08时和南京站6日20时探空资料，由 图7(a) 和 表1 可知，7月6日08时阜阳上空潜在不稳定能量较弱，对流抑制能量大于对流有效位能，CAPE仅为196.8 J/kg。随着白天气温升高能量积累，20时( 图7(b) )南京上空850 hPa假相当位温(θse850)达85.54℃，K指数为41.8℃，沙氏指数SI为−0.56℃，此时大气层结处于强的热力不稳定状态，另外CAPE增加到1055.6 J/kg，0℃层高度(Z0)增加到5.7 km以上，抬升凝结高度维持在1 km以下，大气的自由对流高度降低、暖云层厚度增加并且云底高度较低，为典型的暖云降水，降水效率高，且不利于冰雹的出现。另外，20时南京站850 hPa与500 hPa温差(T850~T500)为22.6℃，不利于雷暴大风的发展。由水汽条件和垂直风切变( 表1 和 图7(b) )可知，20时湿层厚度从近地面伸展至500 hPa附近，850 hPa比湿(Q850)为16.45 g/kg，700 hPa比湿(Q700)为12.57 g/kg，近地面−600 hPa盛行西南风气流，同时风随高度顺时针旋转，存在明显的暖平流。综上，此次暴雨过程始末，环境场湿层和暖云层深厚，水汽条件较好，潜在不稳定能量较高，层结处于强的不稳定状态，抬升凝结高度和自由对流高度较低，加之高能高湿的配置，都表明了此次暴雨过程具有明显对流性和短时强降水特征，和实况非常吻合。

<xref></xref>Table 1. Physical parameters and characteristic heights of Fuyang Station at 08:00 and Nanjing Station at 20:00 on July 6<sup>th</sup>Table 1. Physical parameters and characteristic heights of Fuyang Station at 08:00 and Nanjing Station at 20:00 on July 6th 表1. 7月6日08时阜阳站和20时南京站物理量参数和特征高度

时间

CAPE/(J/kg)

CIN/(J/kg)

θse850/℃

T850-500/℃

K/℃

SI/℃

Q700/(g/kg)

Q850/(g/kg)

Z0/m

08时

196.8

219.8

82.43

23.6

39.8

−1.9

13.87

15.55

5468

20时

1055.6

77.2

85.54

22.6

41.8

−0.56

12.57

16.45

5745.4
Figure 7. T-logP chart on July 6th at (a) 08:00 Fuyang station and (b) at 20:00 Nanjing station--图7. 7月6日(a) 08时阜阳站和(b) 20时南京站探空图-- 4.4. “列车效应”触发机制

中尺度对流回波一般都有中尺度系统与之相配合，这些系统对回波触发和组织有着重要作用。第一个降水时段6日14时~17时，扬州地区10 m风场上有东西向的中尺度辐合线自北向南移动( 图8(a) )，南侧伴随低空西南急流大风速的辐合带，从而触发对流单体强烈发展为范围广、强度高的中尺度对流回波带，这是“列车效应”在东西方向长时间维持的重要原因之一。分析南京站雷达组合反射率图( 图9(a) )可知，15:14东西向中尺度对流回波带的位置和地面10 m风场中尺度辐合线( 图8(a) )高度吻合。第二降水时段6日22时~次日02时，沿江10 m风场同样有东西向的中尺度辐合线缓慢南压( 图8(b) )，触发出东北–西南走向的回波带( 图9(b) )，强对流单体构成线状对流强回波，强度在45 dBz~60 dBz之间，对流单体后侧不断有新生对流单体生成且向东北方向移动，具有明显的后向传播特征，对流雨带的移动方向和其主轴方向基本平行。第三降水时段和第二时段相似，10 m风场和回波带位置有很好的对应关系，回波带范围更广，尺度更大，但强度有所减弱，回波移动方向与带状回波长轴方向几乎平行( 图8(c) 和 图9(c) )。另外，降水过程强回波集中在5 km以下，属于低质心高效率降水回波，加之ZDR值和KDP值较大，为高密度的大雨滴(图略)，导致此次降水强度大、持续时间久。

Figure 8. Evolution of 10 m wind field convergence line from (a) 14:00 to 17:00 on the 6th; (b) 22:00 on the 6th to 02:00 the next day; (c) 4:00 to 08:00 on the 7th--图8. (a) 6日14~17时；(b) 6日22时~次日02时；(c) 7日04~08时10 m风场辐合线演变情况-- Figure 9. Combination reflectivity factor of S-band radar at Nanjing station (Unit: dBz). (a) July 6th 15:14; (b) July 6th 23:06; (c) July 7th 05:38--图9. 南京站S波段雷达(a) 6日15:14；(b) 6日23:06；(c) 7日05:38组合反射率因子(单位：dBz)-- 5. 模式预报误差 5.1. 模式检验评估 Figure 10. Comparison of 24-hour precipitation between multi-mode and actuality from 20:00 on July 6th to 20:00 on July 7th. The modes all start reporting from 20:00 on July 5th--图10. 7月5日20时起报7月6日20时~7月7日20时24小时降水量多模式与实况对比-- Figure 11. Comparison of 24-hour precipitation between multi-mode and actuality from 20:00 on July 6th to 20:00 on July 7th. The modes all start reporting from 08:00 on July 6th--图11. 7月6日08时起报7月6日20时~7月7日20时24小时降水量多模式与实况对比--

选取7月5日20时和7月6日08时起报的模式预报结果，对此次降水预报效果进行分析。对比 图10 和 图11 可以看出，随着预报时次的临近，EC、CMA-GFS和PWAFS 3.0的降水落区调整更为准确，而NECP-GFS对此次降水预报的稳定性欠佳，其中区域模式PWAFS 3.0在量级上预报出大暴雨级别，而大尺度模式的量级预报均偏小。另外，EC和CMA预报的降水落区偏北，NECP-GFS偏东，这与江苏暴雨的预报经验一致，即EC模式对于雨带的把握易偏北。

 5.2. 预报难点分析与思考

对于环流形势的把握，EC模式具有一定的优势和稳定性，于是进一步对比分析EC与实况不同高度形势场的表现，发现EC对于500 hPa东北冷涡和副高的位置与强度预报基本准确，但是700 hPa和850 hPa西南急流强度的预报稍偏小(图略)，这可作为EC降水量级预报偏小的可能原因之一。

Figure 12. The wind profile(unit: m/s), temperature (red contour line, unit: ˚C), specific humidity (color spot, unit: g/kg), and vertical velocity (black contour line, unit: Pa/s) along the 119˚E, 32˚N vertical profile from 08:00 on July 6th to 00:00 on July 10th, which reported in EC mode starting from 08:00 on July 6th--图12. EC模式7月6日08时起报的7月6日08时~10日00时沿119˚E，32˚N垂直剖面的风廓线(单位：m/s)、温度(红色等值线，单位：℃)、比湿(色斑，单位：g/kg)和垂直速度(黑色等值线，单位：Pa/s)--

从 图12 可以看出，EC预报的强降水时段与实况基本一致。但EC预报的850 hPa比湿维持在14 g/kg左右，并未达到实况16 g/kg。另外，EC预报的低层垂直上升区的延伸高度也未达到实况500 hPa的高度水平，这对预报降水动力条件非常不利。由此可见，EC对于物理量的预报强度偏弱，这也是其降水预报量级偏小，未报出大暴雨的可能原因之一。

总体而言，模式对环流形势把控基本准确的情况下，大暴雨及以上量级的漏报依旧存在。另外，此次过程NECP-GFS和CMA-SH9起报时次越临近，预报量级反而越偏小，即模式预报并不是最新时次最可信，因此需要多模式对比，结合预报经验对落区和量级进行调整和把握。值得一提的是，大气水总量对降水的起止时间和量级预报有一定参考价值，如 图13 所示，6日14时大气水总量已达75 kg/m2，对应扬州市北部已开始第一轮强降水，7日08时大气水总量高达80 kg/m2，且预报时次越临近，数值越大，预报稳定性表现较好(图略)。

因此，今后暴雨预报中可以结合大气水总量的演变，对暴雨量级和起止时间进行参考性订正。并且结合区域模式预报量级和大尺度模式预报落区的经验调整，多关注潜势预报和新产品的应用，并提升中尺度分析能力，对暴雨量级和落区进行经验订正；短临中善用雷达、卫星云图等手段，加强对中小尺度系统的监测和预报，提高极端降水的预报准确性，以期做好暴雨预报服务工作。

Figure 13. The total amount of atmospheric water reported every 6 hours in EC mode starting from 08:00 on July 6th (unit: kg/m2)--图13. EC模式7月6日08时起报逐6小时大气水总量(单位：kg/m2)-- 6. 结论

利用自动气象站资料、MICAPS气象数据资料、NCEP再分析资料、雷达回波资料、多家数值模式资料对2023年7月6~7日扬州市一次特大暴雨过程进行了分析。结果表明：

(1) 此次过程覆盖范围广，短时雨强大，强降水持续时间长，伴有明显的“列车效应”中尺度对流系统触发特征，具有持续性和急剧性两个显著特点。此次降水过程集中时段分别为7月6日14时~17时、7月6日22时~次日02时和7月7日04时~08时，最大小时雨强为87.3 mm/h。过程预报预警服务工作及时准确，效果较好。

(2) 500 hPa低纬强大稳定的副高与高纬稳定少动的冷涡对峙，低层范围宽强度大的西南急流持续输送水汽，形成冷暖气流长久激烈交汇，是造成本次强降水的背景基础和必要条件。

(3) 中低层强的西南水汽通道维持，降水过程850 hPa比湿维持在16 g/kg左右，中低层水汽强烈辐合，高层水汽辐散，且水汽通量输送中心和水汽通量散度辐合中心几乎叠置，其共同作用有利于短时强降水产生。强降水发生时段，垂直上升运动从近地面一直延伸至500 hPa附近，上升运动强烈，且扬州处于稳定少动的高能高湿区，潜在不稳定能量较高，层结处于强的不稳定状态，过程具有明显对流性、短时强降水特征。地面南北风场辐合，触发对流单体强烈发展为范围广、强度高、持续维持的中尺度对流回波带，是“列车效应”在东西方向长时间维持的重要原因之一。暖区低质心高效降水和列车效应叠加，导致此次特大暴雨的发生。

(4) 大尺度模式环流形势预报较为准确情况下，大暴雨及以上量级的漏报依旧存在，区域模式的预报量级有一定参考性，但对降水落区等细节把握欠佳，之后可结合区域模式的预报量级和大尺度模式的预报落区进行经验订正。模式预报并不是最新时次最可信，大气水总量对降水的起止时间和量级预报有一定参考价值，且预报稳定性表现较好。另外，预报员需多关注潜势预报，积极应用新产品，并提升中尺度分析能力，加强对中小尺度系统的监测和预报，从而提高极端降水的预报准确性，以期做好暴雨预报服务工作。

 基金项目

扬州市气象局科研项目“扬州市冰雹时空分布特征及预报指标研究”。

 注 释

全文所有图片均由micaps4.8软件制作，软件内设地图。

 NOTES

*通讯作者。

 References 杭鑫, 徐芬, 单婵, 等. 南京一次局地暴雨的风切变以及大气结构特征研究[J]. 科学技术与工程, 2015, 15(9): 15-22. 王坤, 张树民, 李敏, 等. 异常分析在长江中下游暴雨分析和预报中的应用[J]. 科学技术与工程, 2020, 20(7): 2546-2553. 何群英, 东高红, 贾惠珍, 等. 天津一次突发性局地大暴雨中尺度分析特征[J]. 气象, 2009, 35(7): 16-22. 杨磊, 蒋大凯, 王瀛, 等. “8.16”辽宁特大暴雨多尺度特征分析[J]. 干旱气象, 2017, 359(2): 267-274. 孙军, 谌芸, 杨舒楠, 等. 北京721特大暴雨极端性分析及思考(二)极端性降水成因初探及思考[J]. 气象, 2012, 38(10): 1267-1277. 方翀, 毛冬艳, 张小雯, 等. 2012年7月21日北京地区特大暴雨中尺度对流条件和特征初步分析[J]. 气象, 2012, 38(10): 1278-1287. 张桂莲, 杭月荷, 付丽娟, 等. “列车效应”诱发的一次河套地区致灾暴雨成因[J]. 高原气象, 2020, 39(4): 788-795. 王佳禹, 王英梅, 高千惠, 等. 大连地区一次暴雨天气过程诊断分析[J]. 资源与环境科学, 2023(11): 162-164.
Baidu
map