基于不穩(wěn)定參數(shù)統(tǒng)計(jì)的雷暴潛勢預(yù)報(bào)方法研究*

胡　曉　蔣飛燕　徐　璐　徐迪峰　朱純陽　孫甦勝

(1.鎮(zhèn)海區(qū)氣象局，浙江 寧波 315202；2.寧波市氣象臺，浙江 寧波 315012)

?

基于不穩(wěn)定參數(shù)統(tǒng)計(jì)的雷暴潛勢預(yù)報(bào)方法研究*

胡曉1蔣飛燕1徐璐1徐迪峰2朱純陽1孫甦勝1

(1.鎮(zhèn)海區(qū)氣象局，浙江 寧波 315202；2.寧波市氣象臺，浙江 寧波 315012)

為提高鎮(zhèn)海地區(qū)雷暴預(yù)報(bào)準(zhǔn)確率，利用2009—2013年6—8月杭州、臺州、衢州及上海站的探空資料選取有利雷暴發(fā)生的對流參數(shù)，如K指數(shù)、SI指數(shù)、LI指數(shù)等18個(gè)與雷暴發(fā)生、發(fā)展相關(guān)的物理量，通過分析發(fā)現(xiàn)杭州站與鎮(zhèn)海地區(qū)雷暴發(fā)生的相關(guān)性最高，選取該站6個(gè)與雷暴發(fā)生相關(guān)性較好的參數(shù)，分析確立其閾值，運(yùn)用多參數(shù)加權(quán)的權(quán)重法建立雷暴潛勢預(yù)報(bào)模型。利用該模型在2014年6—8月進(jìn)行雷暴預(yù)報(bào)檢驗(yàn)，結(jié)果總準(zhǔn)確率為78.7%，空報(bào)率為16.9%，漏報(bào)率為4.4%。同時(shí)將中尺度數(shù)值預(yù)報(bào)模式WRF同雷暴潛勢預(yù)報(bào)相結(jié)合，通過計(jì)算各網(wǎng)格點(diǎn)上的雷暴潛勢，制作雷暴落區(qū)預(yù)報(bào)，結(jié)果對于雷暴落區(qū)及強(qiáng)度的預(yù)報(bào)有較大的參考作用。

對流參數(shù)；權(quán)重法；雷暴潛勢預(yù)報(bào)；WRF模式

0　引　言

雷暴天氣是中國夏半年經(jīng)常出現(xiàn)的天氣現(xiàn)象,隨著社會經(jīng)濟(jì)建設(shè)的快速發(fā)展，由雷暴災(zāi)害帶來的損失也越來越大。特別是浙江鎮(zhèn)海地區(qū)，化工業(yè)發(fā)達(dá)，防范雷暴安全工作對石油化工企業(yè)尤為重要。由于對流性天氣具有范圍小、發(fā)展快等特點(diǎn)，利用傳統(tǒng)天氣學(xué)方法精確預(yù)報(bào)雷暴的落區(qū)、強(qiáng)度、時(shí)間有一定難度。因此，依托現(xiàn)有的綜合探測網(wǎng)，開展雷暴探測資料的應(yīng)用，加強(qiáng)雷暴預(yù)警、預(yù)報(bào)及服務(wù)技術(shù)，已成為當(dāng)前氣象預(yù)報(bào)服務(wù)工作的一大重點(diǎn)。

目前對于雷暴的預(yù)警大多是建立在潛勢預(yù)報(bào)的基礎(chǔ)上，然后才是短時(shí)臨近的監(jiān)測、跟蹤和發(fā)布短時(shí)臨近警報(bào)[1]。而對于雷暴潛勢預(yù)報(bào)的方法也比較多，如：利用多元線性回歸法[2-3]和權(quán)重法[4-5]建立雷暴潛勢預(yù)報(bào)模型；利用判別分析法和指標(biāo)疊套法對雷暴特別是冰雹天氣的預(yù)報(bào)[6-8]；還有利用天氣分型法[9-10]、決策樹法[11]、消空法[12]對雷暴預(yù)報(bào)展開分析，上述這些方法也取得了不錯(cuò)的預(yù)報(bào)效果。

隨著數(shù)值預(yù)報(bào)技術(shù)的發(fā)展，數(shù)值預(yù)報(bào)產(chǎn)品成為天氣預(yù)報(bào)中不可缺少的基本資料，因此國內(nèi)外學(xué)者也將中尺度模式與雷暴預(yù)報(bào)相結(jié)合展開研究，王佳[13]利用WRF模式的格點(diǎn)預(yù)報(bào)，經(jīng)云模式的多初值雷暴預(yù)報(bào)及集合分析，建立南京地區(qū)的雷暴天氣的預(yù)報(bào)集合方法；Yair Y[14]引用了一個(gè)新的參數(shù)LPI，利用WRF模式的動力和微物理過程對地中海地區(qū)雷暴潛勢預(yù)報(bào)進(jìn)行了研究，同時(shí)通過對不同個(gè)例的分析研究表明LPI作為雷暴潛勢預(yù)報(bào)有較好的指示性。Sousa J F[15]將雷暴天氣形勢歸納為WREM、WREG和SREG 3種，并引入各類參數(shù)通過線性回歸的方法建立統(tǒng)計(jì)預(yù)報(bào)模型建立了葡萄牙地區(qū)的雷暴活動的動力統(tǒng)計(jì)預(yù)報(bào)模型。Barry H. Lynn[16]引入了新的潛勢電力參數(shù)Ep利用WRF模式對云閃和地閃的預(yù)測進(jìn)行研究，結(jié)果表明該方法對于雷暴的預(yù)報(bào)效果較好，動力模式的預(yù)報(bào)效果優(yōu)于統(tǒng)計(jì)模式。

通過以上研究表明，將數(shù)值預(yù)報(bào)同雷暴潛勢預(yù)報(bào)相結(jié)合是未來雷暴預(yù)報(bào)的主要發(fā)展方向，因此本文在此基礎(chǔ)上試圖通過雷暴潛勢預(yù)報(bào)模型的建立，加入數(shù)值預(yù)報(bào)產(chǎn)品，最終得到雷暴預(yù)報(bào)的數(shù)值預(yù)報(bào)結(jié)果，并進(jìn)行雷暴實(shí)時(shí)業(yè)務(wù)預(yù)報(bào)試用，從而能為雷暴預(yù)報(bào)提供更為準(zhǔn)確參考。

1　資料選取和模式簡介

由于夏季雷暴發(fā)生的概率最大，因此本文選取鎮(zhèn)海國家氣象站2009—2013年6—8月的觀測資料，若某一日記錄了雷暴天氣現(xiàn)象，就記為1個(gè)雷暴日，同時(shí)考慮北侖地區(qū)毗鄰鎮(zhèn)海，為增加雷暴樣本數(shù)量，在雷暴日的統(tǒng)計(jì)中也納入了北侖站的觀測數(shù)據(jù)，2009—2013年6—8月逐日觀測資料中共選取了131個(gè)有雷暴日和329個(gè)無雷暴日。探空資料選取浙江省內(nèi)杭州、臺州、衢州3站以及省外上海站的觀測數(shù)據(jù)。

為了對區(qū)域內(nèi)雷暴潛勢預(yù)報(bào)進(jìn)行預(yù)報(bào)分析，利用ARW-WRF3.5.1版本，使用WRFDA同化系統(tǒng)，同化了常規(guī)的地面、高空資料和本地的雷達(dá)和中尺度站資料；WRF模式采用NCEP/NCAR的GFS 0.5°×0.5°格點(diǎn)資料為初始場，側(cè)邊界采用GFS 1°×1°的預(yù)報(bào)場格點(diǎn)數(shù)據(jù)，每6 h更新，采用雙向反饋的兩重嵌套網(wǎng)格，粗網(wǎng)格和細(xì)網(wǎng)格水平格距分別為15 km×15 km和5 km×5 km，格點(diǎn)數(shù)分別為246×232和190×181，時(shí)間積分步長分別為60 s和20 s；粗網(wǎng)格中心點(diǎn)為30°N、121.5°E，細(xì)網(wǎng)格中心點(diǎn)為29.8°N、121.6°E，垂直方向取35 層η坐標(biāo)，模式頂為50 hPa；微物理過程采用Thompson方案，未使用積云參數(shù)化方案，邊界層參數(shù)化方案采用YSU/PBL方案，陸面過程采用Noah/LSM方案，長、短波輻射參數(shù)化方案分別采用RRTM和Dudhia方案。

2　預(yù)報(bào)參數(shù)選取及其與雷暴活動的相關(guān)性

2.1對流參數(shù)選擇

目前,對雷暴較長時(shí)間的預(yù)報(bào),主要依賴于預(yù)報(bào)員對天氣形勢的分析和預(yù)報(bào)經(jīng)驗(yàn)。預(yù)報(bào)員在對天氣形勢進(jìn)行分析后,如果對雷暴的預(yù)報(bào)還是難以抉擇,就需要一種定量客觀的雷暴預(yù)報(bào)模式來作為預(yù)報(bào)參考[17]。對于預(yù)報(bào)參數(shù)的選擇，研究認(rèn)為[7，18-19]，雷暴的發(fā)生、發(fā)展和維持一般要具備以下3個(gè)條件:層結(jié)不穩(wěn)定、較好的低空水汽條件、以及適當(dāng)?shù)挠|發(fā)因子。強(qiáng)對流天氣過程的預(yù)報(bào)，可以通過天氣形勢并結(jié)合一些相關(guān)物理參數(shù)大小來進(jìn)行預(yù)測。利用08時(shí)和20時(shí)觀測資料計(jì)算出相關(guān)物理參數(shù)，如果這些參數(shù)達(dá)到了一定的閾值范圍，那么，將可以預(yù)報(bào)這一潛在事件[5]。

選取浙江省內(nèi)杭州、臺州、衢州3站以及省外距離寧波較近的上海站的探空數(shù)據(jù)進(jìn)行比較分析，因?yàn)轭A(yù)報(bào)員制作預(yù)報(bào)時(shí)通常參考08時(shí)的探空資料，因此對各站資料的分析均以08時(shí)的探空資料為準(zhǔn)。選取了K指數(shù)、沙氏指數(shù)SI、對流有效位能CAPE、抬升指數(shù)LI、風(fēng)暴強(qiáng)度指數(shù)SSI、強(qiáng)天氣威脅指數(shù)SWEAT、850 hPa假相當(dāng)位溫、700～400 hPa濕度等等18個(gè)表征大氣不穩(wěn)定狀態(tài)、水汽條件的參數(shù)，分別求出各站各參數(shù)與雷暴的單相關(guān)系數(shù)，根據(jù)各參數(shù)與鎮(zhèn)海地區(qū)雷暴發(fā)生的相關(guān)程度，同時(shí)考慮各參數(shù)在動力、熱力學(xué)上的代表意義，以及避免重復(fù)的原則，從18個(gè)參數(shù)中篩選出6個(gè)對鎮(zhèn)海雷暴潛勢預(yù)報(bào)效果較好的預(yù)報(bào)因子。它們分別是沙氏指數(shù)SI、K指數(shù)、抬升指數(shù)LI、對流有效位能CAPE、A指數(shù)、850 hPa假相當(dāng)位溫進(jìn)行具體分析。表1給出了各站代表性參數(shù)與雷暴發(fā)生的相關(guān)系數(shù)，所有相關(guān)系數(shù)均通過95%的信度檢驗(yàn)。通過比較各站對流參數(shù)與鎮(zhèn)海區(qū)雷暴相關(guān)系數(shù)(表1)可以發(fā)現(xiàn)，與鎮(zhèn)海總體相關(guān)性最好的是杭州站；其次是臺州站，臺州站個(gè)別參數(shù)的相關(guān)性還高于杭州站，同鎮(zhèn)海雷暴天氣的相關(guān)性也較好；上海站同鎮(zhèn)海雷暴天氣的相關(guān)性總體要低于杭州站和臺州站；而衢州站因?yàn)榫嚯x鎮(zhèn)海地區(qū)最遠(yuǎn)，各對流參數(shù)的相關(guān)性也是最差。根據(jù)上述對比分析，杭州站同鎮(zhèn)海雷暴發(fā)生相關(guān)性最大，因此選取杭州站的對流參數(shù)進(jìn)行閾值的分析判斷，從而建立潛勢預(yù)報(bào)的模型。

表1　各站代表性對流參數(shù)與雷暴活動的相關(guān)系數(shù)

2.2對流參數(shù)與雷暴活動的相關(guān)性及閾值選取

下面將沙氏指數(shù)SI、K指數(shù)、抬升指數(shù)LI、對流有效位能CAPE、A指數(shù)、850 hPa假相當(dāng)位溫與鎮(zhèn)海雷暴發(fā)生的相關(guān)性進(jìn)行了具體分析，得到的結(jié)果如圖1所示。

2.2.1SI指數(shù)

SI指數(shù)是反映大氣條件性穩(wěn)定度情況的指數(shù)。當(dāng)SI<0時(shí)，大氣層結(jié)不穩(wěn)定，且負(fù)值越大，不穩(wěn)定程度越大。從圖1a中可以看出，有雷暴發(fā)生時(shí)SI的最大值是16.56，最小值是-6.12，平均值在0.105左右；而無雷暴活動時(shí)，SI的平均值在2.24左右。具體來看，大約70.2%的有雷暴活動是出現(xiàn)在SI<1以下，有58.0%的雷暴活動出現(xiàn)在當(dāng)SI<0時(shí)，大約有67.2%的無雷暴活動的SI值在0以上。當(dāng)SI<0時(shí)有雷暴發(fā)生的概率可達(dá)41.3%，這個(gè)比例并不大是因?yàn)檫x取的無雷暴活動的樣本遠(yuǎn)大于有雷暴活動的樣本，所以降低了有雷暴發(fā)生時(shí)對應(yīng)現(xiàn)象的概率。反過來，當(dāng)SI>0時(shí)，無雷暴活動的比列為80.1%，而有雷暴發(fā)生的情況只有19.9%，因此可以說明以SI<0作為沙氏指數(shù)的閾值能夠較好的判斷是否會有雷暴發(fā)生。

2.2.2K指數(shù)

K指數(shù)是平時(shí)業(yè)務(wù)工作中判斷大氣穩(wěn)定程度以及是否會有雷暴發(fā)生時(shí)最常用的指數(shù)。它的表達(dá)式為

K=(T850-T500)+Td850-(T-Td)700,

(1)

式(1)中第一項(xiàng)表示溫度直減率，第二項(xiàng)表示低層水汽條件，第三項(xiàng)表示中層飽和度，所以K指數(shù)能夠反映大氣的層結(jié)穩(wěn)定情況，K指數(shù)越大，層結(jié)越不穩(wěn)定。從圖1b中可以看出，有雷暴活動時(shí)K指數(shù)的最大值為45，最小值為-26，大約84.0%的有雷暴活動的K值出現(xiàn)在30以上，有雷暴發(fā)生時(shí)K值平均在33左右。雖然當(dāng)K>30時(shí)，有雷暴天氣發(fā)生對應(yīng)的概率并不高，僅有39.0%，這主要是無雷暴活動樣本遠(yuǎn)大于有雷暴活動的緣故。反之，當(dāng)K<30時(shí)，88.2%的概率無雷暴活動發(fā)生，有雷暴發(fā)生的概率僅為11.8%，并且統(tǒng)計(jì)無雷暴活動時(shí)，K指數(shù)的平均值僅在27左右，因此選取K值是否大于30可作為雷電是否發(fā)生的判別閾值。

2.2.3LI指數(shù)

LI指數(shù)是一種表示對流性不穩(wěn)定的指數(shù)。它表示一個(gè)氣塊從地面出發(fā)，沿干絕熱上升至抬升凝結(jié)高度后，再沿濕絕熱線上升到500 hPa處所具有的溫度被該處實(shí)際大氣溫度所減得到的差值。該差值的絕對值越大，出現(xiàn)對流天氣的可能性也越大。差值為正數(shù)時(shí)，表示大氣層結(jié)穩(wěn)定。從圖1c中可以看出，在夏季6—8月，無論有無雷電發(fā)生，LI的值大多出現(xiàn)在0以下。其中有雷暴出現(xiàn)時(shí)，有84.7%集中在LI<0的不穩(wěn)定狀態(tài)中；而在無雷暴活動中，也有61.7%的值集中在LI<0的狀態(tài)中。有雷暴發(fā)生時(shí)LI最大值為4.34，最小值為-6.44，平均值為-1.94。無雷暴活動時(shí)，LI的最大值為15.6，最小值為-8.48，平均值為-0.16。雖然當(dāng)LI>0時(shí)，不會發(fā)生雷暴的概率為86.3%，而發(fā)生雷暴的概率僅為13.7%。為了更好的判斷是否會有雷暴發(fā)生，同樣也使LI的值更具參考性，以LI<-2的值作為輔助參考，在無雷暴時(shí)，LI<-2的比率下降到僅有29.8%；而有雷暴時(shí)LI<-2的概率仍有57.3%。因此以LI<-2做為判定閾值，這樣可以更好的區(qū)別是否會有雷暴的發(fā)生。

2.2.4對流有效位能CAPE

通過對對流有效位能CAPE值分析(圖1d)可以發(fā)現(xiàn),當(dāng)使用CAPE=400為一個(gè)判標(biāo)準(zhǔn)時(shí),在無雷暴活動中,有59.6%位于CAPE<400的情況下；在有雷暴活動中,有66.4%出現(xiàn)在CAPE>400的情況下。對應(yīng)的,可以得出當(dāng)CAPE<400時(shí),無雷暴活動的幾率為81.7%；在CAPE<400時(shí),出現(xiàn)雷暴活動的幾率僅為18.3%。因此選定CAPE>400作為判定雷暴是否發(fā)生的一個(gè)閾值。

2.2.5A指數(shù)

A指數(shù)是一個(gè)綜合考慮大氣靜力穩(wěn)定度與整層水汽飽和程度的物理量。A值越大，表明大氣越不穩(wěn)定或?qū)α鲗又邢聦语柡统潭仍礁撸苍接欣诋a(chǎn)生降水。通過對A指數(shù)的分析(圖1e)可以發(fā)現(xiàn),有雷暴發(fā)生時(shí)A的最大值為24，最小值為-85，平均值為3。當(dāng)使用A=3為一個(gè)判別點(diǎn)時(shí),在無雷暴活動中,有58.1%位于A<3的情況下；在有雷暴活動中,有60.3%出現(xiàn)在A>3的情況下。對應(yīng)的,可以得出當(dāng)A<3時(shí),無雷暴活動的幾率為78.6%；出現(xiàn)雷暴活動的幾率僅為21.4%。因此選擇A>3作為判別是否有雷暴發(fā)生的閾值。

2.2.6850 hPa假相當(dāng)位溫

假相當(dāng)位溫的定義是未飽和濕空氣塊上升，直到氣塊內(nèi)水汽全部凝結(jié)降落后，再按干絕熱下沉到1000 hPa處，此時(shí)氣塊所具有的溫度稱為該氣塊的假相當(dāng)位溫，通常以θse來表示。θse也是大氣的一個(gè)溫濕特征量，等壓面上的θse大小，取決于溫度和濕度的大小。在溫度變化不大時(shí)，θse值的大小可定性反映大氣濕度的大小，因此可根據(jù)θse的大小來判斷空氣中水汽含量的多少。在選取的所有反映水汽條件的參數(shù)中850 hPaθse是與雷暴活動相關(guān)性最大的因子。從圖1f中可以看出，當(dāng)850 hPaθse的值越大時(shí)越容易發(fā)生雷暴。在有雷暴時(shí)850 hPaθse最小為37.47，最大為87.98，平均值為73.64。從圖1中也可以看出，約有75%的無雷暴活動是發(fā)生在θse<75時(shí)，而差不多有81.7%的有雷暴活動是發(fā)生在當(dāng)θse>70以上。綜合考慮，選取θse>70為雷暴是否發(fā)生的閾值。

(·：最大值，×：99%，□：平均值，﹢：1%，△：最小值)圖1　各參數(shù)與雷暴的相關(guān)性統(tǒng)計(jì)分析

3　雷暴潛勢預(yù)報(bào)方法分析

3.1多參數(shù)綜合的預(yù)報(bào)方法

從以上的分析可以看出，SI指數(shù)、K指數(shù)、LI指數(shù)、對流有效位能CAPE、A指數(shù)和850 hPaθse對雷暴的發(fā)生都有較好的預(yù)警作用，通過選取合適的閾值可以更加準(zhǔn)確的判斷出是否會有雷暴的發(fā)生。綜合這6個(gè)因子所選取的閾值分別是SI<0，K>30，LI<-2，CAPE>400，A>3以及850 hPa θse>70，下面分析了2009—2013年6—8月有雷暴活動時(shí)各參數(shù)是否超過閾值達(dá)到不穩(wěn)定狀態(tài)，具體結(jié)果如表2所列。從表2中可以看出，在6—8月131次雷暴天氣過程中6個(gè)參數(shù)都達(dá)到不穩(wěn)定狀態(tài)的比例占到30.5%；發(fā)生雷暴時(shí)，有3個(gè)以上參數(shù)達(dá)到不穩(wěn)定的比例占到79.4%以上。這說明通過判斷多種參數(shù)是否處于不穩(wěn)定狀態(tài)來預(yù)報(bào)雷暴的發(fā)生是可行的，并且達(dá)到不穩(wěn)定狀態(tài)的參數(shù)越多，發(fā)生雷暴的概率越大。

表2　不同參數(shù)個(gè)數(shù)超過閾值時(shí)發(fā)生雷暴的概率

因此，選用多參數(shù)加權(quán)的雷電活動潛勢預(yù)報(bào)來建立鎮(zhèn)海地區(qū)的雷電潛勢預(yù)報(bào)方程，即：

Y=a1x1+a2x2+…+a6x6，

(2)

其中：Y為發(fā)生雷暴的概率；a1—a6分別為各參數(shù)的權(quán)重系數(shù)；x1—x6分別為各參數(shù)閾值的判別。該方法是將篩選出的參數(shù)按方程組合來計(jì)算雷暴發(fā)生的概率， 如果參數(shù)值超過了給定閾值，則 x=1，說明可能有雷暴發(fā)生，反之x=0。如果得出的Y>0.6，則判斷未來12 h內(nèi)可能有雷暴發(fā)生[4-5]。

3.2熵值法計(jì)算潛勢預(yù)報(bào)中的權(quán)重系數(shù)

在方程(2)中已分別選取了合適的閾值來判斷雷暴活動是否發(fā)生，接下來需要計(jì)算各參數(shù)的權(quán)重，也就是a1—a6的值。統(tǒng)計(jì)分析發(fā)現(xiàn)，當(dāng)6個(gè)參數(shù)都超過其閾值的的雷暴日共有40個(gè)，為確定這6個(gè)參數(shù)在決定雷暴是否發(fā)生過程中所占的權(quán)重，以這40個(gè)個(gè)例為樣本，用熵值法[4]來計(jì)算各參數(shù)的權(quán)重。熵值法計(jì)算權(quán)重系數(shù)的步驟如下。

第1步將原始數(shù)據(jù)矩陣進(jìn)行標(biāo)準(zhǔn)化處理，生成標(biāo)準(zhǔn)化矩陣R=(rij)m×n，其中m=6,n=40。對于正向指標(biāo)和負(fù)向指標(biāo)(正向指標(biāo)數(shù)值越高越好，負(fù)向指標(biāo)數(shù)值越低越好)用不同的算法進(jìn)行標(biāo)準(zhǔn)化處理；

第2步計(jì)算第i個(gè)參數(shù)在n個(gè)樣本中的特征比重；

第3步計(jì)算第i個(gè)參數(shù)的熵值；

第4步計(jì)算第i個(gè)參數(shù)的差異性系數(shù)，對第i項(xiàng)指標(biāo)，指標(biāo)值的差異越大，參數(shù)起的作用也越大，因此差異性系數(shù)gi=1-ei；

通過以上5個(gè)步驟對6個(gè)參數(shù)的40個(gè)樣本運(yùn)用熵值法計(jì)算得到了各參數(shù)的權(quán)重系數(shù)，結(jié)果如下表3所列。

表3 　各對流參數(shù)潛勢預(yù)報(bào)權(quán)重系數(shù)

在計(jì)算得到各參數(shù)的權(quán)重后，從而得到了鎮(zhèn)海區(qū)的雷暴潛勢預(yù)報(bào)方程，即：

Y=0.246x1+0.107x2+0.18x3+0.232x4+0.062x5+0.173x6，

(3)

為檢驗(yàn)該方法的可行性，利用2014年6—8月杭州站的探空資料對方程(3)進(jìn)行了預(yù)報(bào)檢驗(yàn)，結(jié)果總準(zhǔn)確率為78.7%，空報(bào)率為16.9%，漏報(bào)率為4.4%，說明方程(3)對于鎮(zhèn)海地區(qū)的雷暴預(yù)報(bào)有較好的指示意義。

4　數(shù)值預(yù)報(bào)產(chǎn)品在雷電預(yù)報(bào)中的應(yīng)用

在建立了適用于鎮(zhèn)海地區(qū)的雷暴潛勢預(yù)報(bào)模型(方程(3))的基礎(chǔ)上，考慮到僅依靠探空資料時(shí)空分辨率與雷暴相比過大，潛勢預(yù)報(bào)的結(jié)果只是是否可能有雷暴發(fā)生，而對于雷暴發(fā)生的區(qū)域及強(qiáng)度大小則無法作出預(yù)報(bào)。目前，數(shù)值預(yù)報(bào)產(chǎn)品是天氣預(yù)報(bào)中不可缺少的基本資料，國外許多研究也證明了將潛勢預(yù)報(bào)和數(shù)值模擬相結(jié)合的可行性，比如Hughes K.K[20-21]利用閃電觀測資料和統(tǒng)計(jì)方法開發(fā)了高效的MOS(模式統(tǒng)計(jì)輸出)方法對雷暴進(jìn)行預(yù)測，并不斷進(jìn)行改進(jìn)，其開發(fā)的MRFMOS模式雷暴預(yù)測有效期有192 h，分為12 h和24 h時(shí)間段，每個(gè)網(wǎng)格點(diǎn)，每6、12、24 h時(shí)間段的閃電相關(guān)頻率作為預(yù)報(bào)方程的潛勢預(yù)報(bào)因子，并用MRF MOS預(yù)報(bào)系統(tǒng)對雷暴和強(qiáng)雷暴的預(yù)測均進(jìn)行了討論。而結(jié)合鎮(zhèn)海地區(qū)的實(shí)際情況，通過已建立的雷暴潛勢預(yù)報(bào)方程(3)結(jié)合WRF模式，對未來的雷暴潛勢進(jìn)行預(yù)報(bào)，這與Zepka G.S[22]利用WRF模式對巴西東南部地區(qū)的雷暴預(yù)測進(jìn)行分析預(yù)報(bào)的方法類似，其使用的方法為PLR，也就是潛在雷暴區(qū)域分析方法，PLR主要通過WRF模式氣象變量來獲得，用于計(jì)算PLR的參數(shù)主要有SBCAPE、LI、KI、θe、W、QICE，而我們則是利用SI指數(shù)、K指數(shù)、LI指數(shù)、對流有效位能CAPE、A指數(shù)和850 hPa假相當(dāng)位溫通過潛勢預(yù)報(bào)方程計(jì)算得到的Y值來對雷暴潛勢進(jìn)行預(yù)報(bào)。

但是由于以上的雷暴潛勢預(yù)報(bào)方程是基于探空資料所建立，為驗(yàn)證利用格點(diǎn)資料加入該雷暴潛勢預(yù)報(bào)方程計(jì)算雷暴潛勢的可行性，我們將2014年6月30日20時(shí)至7月31日8時(shí)每日20時(shí)、08時(shí)的杭州站探空資料所計(jì)算得到的雷暴潛勢與WRF模式對應(yīng)格點(diǎn)上前一日20時(shí)初始場與次日08時(shí)預(yù)報(bào)場所計(jì)算得到的雷暴潛勢結(jié)果進(jìn)行了對比。分析發(fā)現(xiàn)，同樣以0.6為判斷是否有雷暴發(fā)生的閾值，對應(yīng)每一日通過格點(diǎn)資料和探空資料計(jì)算出的雷暴潛勢，在20時(shí)的31 d的對比樣本中有超過90.3%的樣本得到的是否有雷暴發(fā)生的判斷結(jié)果是一致的，在08時(shí)的31 d的對比樣本中有超過87.1%的樣本得到的是否有雷暴發(fā)生的判斷結(jié)果達(dá)到一致。同時(shí)將20時(shí)、08時(shí)通過格點(diǎn)資料和探空資料計(jì)算出的共62對樣本的雷暴潛勢結(jié)果進(jìn)行對比后發(fā)現(xiàn)，有45.2%的樣本計(jì)算出的雷暴潛勢完全一致，有24.2%的樣本計(jì)算出的雷暴潛勢差值0～0.2，有14.5%的樣本計(jì)算出的雷暴潛勢差值0.2～0.3。通過以上的分析說明，利用格點(diǎn)資料和利用探空資料計(jì)算出的雷暴潛勢結(jié)果誤差不大，因此將該方程應(yīng)用于WRF數(shù)值模式進(jìn)行雷暴潛勢的預(yù)報(bào)是可行的。

因此我們采用WRF區(qū)域數(shù)值模式輸出的5 km×5 km網(wǎng)格結(jié)果，對2014年夏季鎮(zhèn)海地區(qū)出現(xiàn)雷暴天氣進(jìn)行了模擬研究，以前一日20時(shí)數(shù)據(jù)作為起報(bào)場，得到次日08時(shí)、11時(shí)、14時(shí)等各時(shí)次的雷暴潛勢預(yù)報(bào)結(jié)果，以下就針對其中兩天的結(jié)果進(jìn)行討論。

從2014年7月25日20時(shí)起報(bào)得到的26日08時(shí)、11時(shí)和14時(shí)的雷暴潛勢預(yù)報(bào)結(jié)果以及根據(jù)閃電定位儀監(jiān)測到的閃電數(shù)據(jù)得到的26日閃電密度圖(圖略)可知，7月26日08時(shí)的預(yù)報(bào)結(jié)果來看鎮(zhèn)海北侖區(qū)域雷暴發(fā)生概率較高，全區(qū)均達(dá)到了0.6～0.8的概率，說明當(dāng)天較有可能出現(xiàn)雷暴；到了11時(shí)預(yù)報(bào)結(jié)果較08時(shí)有了些微變化，鎮(zhèn)海西北部地區(qū)雷暴概率達(dá)到了0.8～1.0以上；而到了14時(shí)鎮(zhèn)海全區(qū)、市區(qū)、鄞州的部分地區(qū)以及北侖的西部地區(qū)雷暴概率均達(dá)到0.8～1.0的值，說明上述區(qū)域出現(xiàn)雷暴的概率較高。將預(yù)報(bào)結(jié)果同閃電定位儀監(jiān)測的實(shí)況閃電數(shù)據(jù)比較來看，鎮(zhèn)海地區(qū)出現(xiàn)了強(qiáng)度非常強(qiáng)的雷暴，最高達(dá)到18個(gè)/km2，而在鄞州的部分地區(qū)也監(jiān)測到雷暴發(fā)生，相對的北侖區(qū)監(jiān)測到的閃電數(shù)據(jù)較少。這說明雷暴潛勢預(yù)報(bào)模型通過結(jié)合數(shù)值預(yù)報(bào)產(chǎn)品，通過各時(shí)次預(yù)報(bào)結(jié)果的調(diào)整對于雷暴落區(qū)的預(yù)報(bào)有一定的參考作用，但相對來說對于雷暴強(qiáng)度特征的體現(xiàn)還不是特別充分。

從2014年8月26日20時(shí)起報(bào)的27日08時(shí)、11時(shí)和14時(shí)的雷暴潛勢預(yù)報(bào)結(jié)果以及根據(jù)閃電定位儀監(jiān)測到的閃電數(shù)據(jù)得到的27日閃電密度圖(圖略)可知，08時(shí)數(shù)值預(yù)報(bào)結(jié)果在鄞州地區(qū)報(bào)了0.6以上的概率，說明該地區(qū)出現(xiàn)雷暴可能性比較大，而寧波北侖地區(qū)的值基本均在0.2～0.6，說明出現(xiàn)雷暴的概率相對比較低。到了11時(shí)，數(shù)值預(yù)報(bào)結(jié)果有所調(diào)整，除了北侖部分地區(qū)的雷暴概率在0.6以下，大部分地區(qū)的雷暴概率都達(dá)到了0.6以上，同樣還是在鄞州地區(qū)存在一個(gè)高值區(qū)，但另外在鎮(zhèn)海的西南部地區(qū)雷暴概率值也達(dá)到0.8以上。14時(shí)的數(shù)值預(yù)報(bào)結(jié)果較前兩個(gè)時(shí)次明顯不同，整個(gè)區(qū)域都成為雷暴活動的高值區(qū)。將3個(gè)時(shí)次結(jié)果同實(shí)況進(jìn)行比較發(fā)現(xiàn)，08時(shí)、11時(shí)同實(shí)況的吻合度較高，實(shí)況在鄞州地區(qū)和鎮(zhèn)海西南部存在閃電高值區(qū)，強(qiáng)度比較大，兩個(gè)時(shí)次都將這個(gè)結(jié)果有所體現(xiàn)，另外在北侖東部地區(qū)基本上沒有閃電發(fā)生，而對應(yīng)于數(shù)值預(yù)報(bào)結(jié)果，同樣在北侖的東部地區(qū)預(yù)報(bào)了一個(gè)雷暴概率的低值區(qū)域。而14時(shí)由于預(yù)報(bào)整個(gè)區(qū)域雷暴概率都比較大，與實(shí)況差距較大，參考性也相對降低。

通過將中尺度數(shù)值預(yù)報(bào)模式WRF同雷暴潛勢預(yù)報(bào)相結(jié)合，對于雷暴落區(qū)及強(qiáng)度的預(yù)報(bào)有較大的參考作用，但是在分析中也發(fā)現(xiàn)，由于選擇分析的區(qū)域相對較小，模擬結(jié)果往往存在特征變化不明顯的情況，即當(dāng)日若該區(qū)域內(nèi)對流條件較好，模擬計(jì)算出的對流參數(shù)均達(dá)到閾值，則有可能預(yù)報(bào)得到的結(jié)果為大范圍的高值區(qū)，對于雷暴落區(qū)的參考作用則有所降低，因此在今后的研究過程中，將研究放大到整個(gè)寧波地區(qū)，選擇與寧波地區(qū)相關(guān)性更明顯的參數(shù)，建立適用與寧波地區(qū)的雷暴潛勢預(yù)報(bào)方程，從而能對整個(gè)寧波的雷暴潛勢進(jìn)行預(yù)報(bào)分析。

5　結(jié)　語

通過以上各對流參數(shù)與鎮(zhèn)海地區(qū)雷暴活動相關(guān)性分析的基礎(chǔ)上建立了鎮(zhèn)海區(qū)雷暴潛勢預(yù)報(bào)方程，得到如下結(jié)論。

1)通過選取杭州、臺州、衢州、上海站的探空資料中的各物理量及對流參數(shù)與雷暴活動進(jìn)行相關(guān)性分析，發(fā)現(xiàn)杭州、臺州站與鎮(zhèn)海地區(qū)的雷暴活動相關(guān)性較好。沙氏指數(shù)SI、K指數(shù)、抬升指數(shù)LI、對流有效位能CAPE、A指數(shù)、850 hPa假相當(dāng)位溫參數(shù)與鎮(zhèn)海地區(qū)雷暴活動的相關(guān)性較高。

2)通過多參數(shù)加權(quán)的雷暴活動潛勢預(yù)報(bào)方法來建立鎮(zhèn)海雷暴潛勢預(yù)報(bào)方程，利用建立的雷暴潛勢預(yù)報(bào)方程對2014年6—8月的探空資料進(jìn)行預(yù)報(bào)檢驗(yàn)，結(jié)果總準(zhǔn)確率為78.7%，空報(bào)率為16.9%，漏報(bào)率為4.4%，說明該方程對于雷暴潛勢預(yù)報(bào)是可行的，并可應(yīng)用于平時(shí)的業(yè)務(wù)工作中。

3)將中尺度數(shù)值預(yù)報(bào)模式WRF同雷暴潛勢預(yù)報(bào)相結(jié)合，通過計(jì)算各網(wǎng)格點(diǎn)上的雷暴潛勢，來制作雷暴落區(qū)預(yù)報(bào)，結(jié)果對于雷暴落區(qū)及強(qiáng)度的預(yù)報(bào)有較大的參考作用，但也要注意當(dāng)對流條件較好，模擬計(jì)算出的對流參數(shù)均達(dá)到閾值，則有可能預(yù)報(bào)得到的結(jié)果為大范圍的高值區(qū)，對于雷暴落區(qū)的參考作用則有所降低。

[1]許小峰，郭虎，廖曉農(nóng)，等.國外雷電監(jiān)測和預(yù)報(bào)研究[M].北京：氣象出版社:2003,271-272.

[2]張霞，王新敏，王全周，等.鄭州雷電發(fā)生的環(huán)境場特征及潛勢預(yù)報(bào)[J].氣象，2010,36(6)：95-100.

[3]王新敏，張霞，徐文明，等.T213/T639數(shù)值產(chǎn)品在河南省雷電潛勢預(yù)報(bào)中的釋用[J].氣象，2011,37(5)：576-582.

[4]殷嫻，肖穩(wěn)安，尹麗云.江蘇省雷電活動潛勢預(yù)報(bào)研究[J].熱帶氣象學(xué)報(bào)，2011,27(5)：758-764.

[5]許迎杰，尹麗云，張騰飛，等.云南雷暴潛勢預(yù)報(bào)系統(tǒng)的建立和應(yīng)用[J].云南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011,33(S1)：1-7.

[6]郝瑩，姚葉青，陳焱，等.基于對流參數(shù)的雷暴潛勢預(yù)報(bào)研究[J].氣象，2007,33(1)：51-56.

[7]郝瑩，魯俊.雷暴大風(fēng)、冰雹天氣的預(yù)報(bào)方法研究[J].中國農(nóng)學(xué)通報(bào)，2011,27(26)：299-304.

[8]翟菁，周后福，張建軍，等.基于指標(biāo)疊套法的安徽省強(qiáng)對流天氣潛勢預(yù)警研究[J].氣象與環(huán)境學(xué)報(bào)，2011,27(2)：1-7.

[9]劉躍紅，閆小利，宋自福，等.焦作市雷暴潛勢預(yù)報(bào)及臨近監(jiān)測預(yù)警系統(tǒng)[J].氣象，2007,33(8)：104-111.

[10]熊亞軍，廖曉農(nóng)，于波，等.基于天氣分型的北京地區(qū)雷電潛勢預(yù)報(bào)預(yù)警系統(tǒng)[J].災(zāi)害學(xué)，2012,27(2)：67-71，81.

[11]徐會明，靳小兵，季海，等.決策樹法在雷電潛勢預(yù)報(bào)中的應(yīng)用[J].高原山地氣象研究，2008,28(4)：55-58.

[12]楊仲江，唐曉峰.逐步消空法在上海雷電潛勢預(yù)報(bào)中的應(yīng)用[J].氣象科學(xué)，2009,29(6)：810-814.

[13]王佳，智協(xié)飛，陳鈺文，等.雷暴云的集合預(yù)報(bào)技術(shù)及其應(yīng)用[J]．大氣科學(xué)學(xué)報(bào)，2012,35(4):458-465．

[14]Yair Y, B Lynn, C Price,et al. Predicting the potential for lightning activity in Mediterranean storms based on the Weather Research and Forecasting (WRF) model dynamic and microphysical fields[J]. J Geophys Res, 2010, 115, D04205, doi:10.1029/2008JD010868.

[15]Sousa J F, Fragoso M, Mendes S, et al. Statistical-dynamical modeling of the cloud-to-ground lightning activity in Portugal[J]. Atmospheric Research, 2013,132-133, 46-64.

[16]Barry H Lynn, Yoav Yair, et al. Predicting Cloud-to-Ground and Intracloud Lightning in Weather Forecast Models. Weather and Forecasting 2012,27:6, 1470-1488.

[17]劉宸釗，卓偉，裴軍林.基于對流參數(shù)的雷暴預(yù)報(bào)方法研究[J].高原山地氣象研究，2010,30(2)：22-25.

[18]鄭棟，張義軍，呂偉濤，等.大氣不穩(wěn)定度參數(shù)與閃電活動的預(yù)報(bào)[J].高原氣象，2005,24(2)，196-203.

[19]周后福，邱明燕，張愛民，等.基于穩(wěn)定度和能量指標(biāo)作強(qiáng)對流天氣的短時(shí)預(yù)報(bào)指標(biāo)分析[J]．高原氣象，2006,25(4):716-722．

[20]Hughes K K. Development of MOS thunderstorm and severe thunderstorm forecast equations with multiple data sources[C]. Preprints, 18th Conf. on Weather Analysis and Forecasting, Fort Lauderdale, FL, Amer Meteor Soc, 2001：191-195.

[21] Hughes K K. Probabilistic lightning forecast guidance for aviation[C]. Preprints, 11th Conf. on Aviation, Range, and Aerospace/22th Conf. on Severe Local Storms, Hyannis, MA, Amer. Meteor. Soc.2004, 2.6. [Available online at http:∥ams.confex.com/ams/pdfpapers/81859.pdf.

[22] G S Zepka, O Pinto Jr, A C V Saraiva. Lightning forecasting in southeastern Brazil using the WRF model[J]. Atmospheric Research, 2014：135-136, 344-362.

2015-07-31

寧波市氣象科技計(jì)劃項(xiàng)目(NBQX2013006B)