低空急流特征及其对低空湍流的影响：宁波沿海多普勒风激光雷达观测研究

《Atmospheric Research》：Low-level jet characteristics and their impacts on low-level turbulence: A Doppler wind lidar observational study in coastal Ningbo

　　# 摘要- 沿海低空急流（LLJ）的发生频率为11.17%。- LLJ最大风速大多为12–16 m·s?1。- 低层湍流响应随LLJ核心高度而变化。- LLJ事件期间的湍流具有各向异性。- 理查逊数（Ri）在LLJ内部呈现分层、不均匀分布。# 引言大气边界层（ABL）是连接地表与自由大气之间动量、热量和质量交换的关键界面，对局地天气、区域气候、空气质量及各类人类活动具有直接调控作用。过去一个世纪以来，边界层气象学已从早期的近地面观测发展为综合多要素的成熟学科，涵盖原位测量、遥感观测和数值模式，应用于全球多种不同环境（LeMone et al., 2019）。作为对流层低层及边界层中一种突出的动力特征，低空急流（Low-Level Jets, LLJs）在区域天气和气候系统中发挥着重要作用。已有研究表明，LLJ与强降水（Chen et al., 2022）、大气污染物传输与扩散（Haikin and Castelli, 2022）、风能资源评估（Aird et al., 2022）以及低空航空安全（Gu et al., 2025）密切相关。LLJ的生消与维持涉及惯性振荡、地形热力与动力强迫以及非绝热加热之间的复杂相互作用（Wei et al., 2023）。全球范围内已对LLJ进行了大量记录和研究。著名的例子包括大平原低空急流，其气候学特征、对经向水汽输送的贡献以及与夜间降水增强的关联已得到广泛研究（Ferguson, 2022; Parish et al., 2020）。南美低空急流和东非索马里急流也深刻影响着区域气候变率和降水过程（Adduca et al., 2025; Sharma et al., 2025）。长江—淮河梅雨季节以及华南强降雨事件相关的LLJ也引起了广泛关注（Cui et al., 2023; Li and Du, 2021）。此外，一些研究揭示了在干旱沙漠区和沿海区等特定下垫面上LLJ的不同行为特征（Ge et al., 2016; Wang et al., 2013）。然而，大多数已有研究侧重于大尺度气候统计、天气尺度影响以及LLJ与大尺度环流之间的关系。LLJ事件期间边界层内湍流结构的精细尺度演变仍缺乏系统的定量化和深入理解。湍流是控制大气边界层垂直混合与能量交换的基本物理过程。LLJ可通过增强垂直风切变和改变局地静力稳定性来强烈调制湍流特性。长期涡动协方差观测表明，大平原的夜间LLJ可显著调制表层湍流特性（Brunsell et al., 2021）。一项基于全深度边界层湍流观测网络的研究阐明了LLJ如何通过内部重力波相互作用来调控夜间边界层湍流，并识别出在弱稳定分层和强稳定分层条件下不同的湍流间歇性状态（Ding et al., 2025）。这些研究凸显了表征LLJ与湍流耦合行为的迫切需求。然而，现有大部分结果来自下垫面相对均一的内陆地区。在沿海地区，海陆风、不规则海岸线以及城市下垫面的复杂影响，使得LLJ事件期间湍流的三维结构、时间演变及其动力机制仍未得到充分探索。高时空分辨率观测对于揭示这些精细过程不可或缺。传统的探空数据在垂直和时域分辨率上不足以捕捉LLJ结构的细节及湍流变化。相比之下，多普勒测风激光雷达凭借其高分辨率、大范围探测能力以及灵活的运行方式，已成为高精度观测边界层风场和湍流的有力工具（Wei et al., 2024; Yang et al., 2024），在研究沿海环流和LLJ特征方面具有独特优势（Li et al., 2024; Rausch et al., 2022）。与此同时，与LLJ和复杂地形相关的湍流和低层风切变是飞机起降阶段的主要气象灾害（Bretschneider et al., 2021）。利用多普勒测风激光雷达准确刻画湍流，对于航空安全和快速发展的低空经济具有重要的应用价值。在此背景下，本研究采用2019年11月12日至2020年5月22日宁波沿海地区获取的多普勒测风激光雷达观测数据，分析边界层LLJ的统计特征，包括发生频率、核心高度、最大风速和持续时间。进一步使用垂直速度标准差及相关湍流参数，量化不同核心高度的LLJ对低层湍流的影响。并结合激光雷达、微波辐射计和ERA5再分析数据，对一次代表性LLJ事件进行详细分析，揭示湍流的时空演变及其背后的动力和热力机制。本研究深化了对沿海LLJ特征及其对低层湍流影响的理解，为改进边界层参数化和低空飞行安全预警提供了观测依据。## 各章节摘要### 观测站点与数据本研究利用了中国浙江省宁波沿海大气边界层观测站获取的多源观测数据集。所有原位测量数据均来自中国科学院宁波环境观测与研究中心（121.90°E, 29.75°N）。该站位于浙东沿海低丘地形区域，西面为丘陵，东面为开阔海域。观测点距海岸线约500 m。### LLJ的统计特征基于2019年11月12日至2020年5月22日多普勒测风激光雷达数据的统计分析，观测期内共识别出146次LLJ事件。LLJ发生频率（定义为LLJ持续时间与总观测时间的比值）为11.17%，白天（北京时06:00–18:00）和夜间（北京时18:00–06:00）频率分别为5.05%和6.12%，夜间略高于白天。这一夜间偏强特征是### 结论基于2019年11月12日至2020年5月22日宁波沿海地区的多普勒测风激光雷达观测数据，本研究分析了边界层LLJ的特征及其对低层湍流的影响，并对一次LLJ事件期间的湍流演变进行了案例分析。统计结果表明：（1）共识别出146次LLJ事件，发生频率为11.17%，夜间略高；（2）最大风速主要集中在12至16 m·s?1（占75.34%）；核心### CRediT作者贡献声明**陈沐贤：** 撰写—审阅与编辑、撰写—原稿、可视化、软件、方法论、正式分析。**刘晓林：** 撰写—审阅与编辑、验证、正式分析。**杨朝阳：** 撰写—审阅与编辑、验证、资源获取、调查研究、正式分析。**赵军：** 撰写—审阅与编辑、资源获取、正式分析。**周平：** 撰写—审阅与编辑、可视化、正式分析。**高中明：** 撰写—审阅与编辑、可视化、验证、### 资金支持本研究受中国国家电网有限公司科技基金项目（52050026001Z-003-ZN）资助。### 利益冲突声明作者声明不存在任何可能影响本论文所报道工作的已知竞争性经济利益或个人关系。---陈沐贤 | 刘晓林 | 杨朝阳 | 赵军 | 周平 | 高中明 | 李雷