楊雪艷 秦玉琳 張夢(mèng)遠(yuǎn) 張同

摘要利用1961—2014年中國(guó)東北地區(qū)200個(gè)氣象站逐日降水資料以及NCEP/NCAR再分析資料，研究了東北冷渦暴雨的氣候特征，分析了低空急流、切變對(duì)冷渦暴雨的影響；診斷分析了可表征冷渦暴雨過(guò)程中水汽條件、動(dòng)力條件、熱力不穩(wěn)定條件的比濕、水汽通量、水汽通量散度、散度、垂直速度、K指數(shù)等物理參數(shù)，研究了東北冷渦暴雨發(fā)生時(shí)上述各物理參數(shù)需要達(dá)到的閾值指標(biāo)，利用研究的物理參數(shù)閾值指標(biāo)以及低空急流和切變等配料因子構(gòu)建了東北冷渦暴雨的“配料法”預(yù)報(bào)模型，結(jié)合ECMWF模式和T639模式數(shù)值預(yù)報(bào)產(chǎn)品將“配料法”暴雨預(yù)報(bào)模型進(jìn)行了業(yè)務(wù)化應(yīng)用試驗(yàn)及效果評(píng)估。結(jié)果表明，東北冷渦有66%會(huì)產(chǎn)生暴雨，冷渦暴雨多發(fā)生在7—8月；低空急流和切變對(duì)冷渦暴雨有觸發(fā)作用，912%的冷渦暴雨發(fā)生時(shí)對(duì)流層低層存在急流或切變；基于“配料法”的冷渦暴雨預(yù)報(bào)TS評(píng)分比ECMWF模式和T639模式暴雨預(yù)報(bào)評(píng)分提高了74%和111%，且明顯減少了暴雨的漏報(bào)率。

關(guān)鍵詞東北冷渦；暴雨；配料法

Doswell et al.（1996）提出了一種新的致洪暴雨預(yù)報(bào)方法，強(qiáng)調(diào)對(duì)于強(qiáng)降水預(yù)報(bào)，可以從降水持續(xù)的時(shí)間和降水率兩個(gè)要素去考慮，而降水率與水汽的垂直輸送成正比，這種基于構(gòu)成要素的預(yù)報(bào)方法比基于天氣學(xué)的暴雨“流型辨識(shí)”預(yù)報(bào)方法能更清晰地表征暴雨發(fā)生發(fā)展過(guò)程中需要的水汽、動(dòng)力等條件，被稱(chēng)為“配料法”?！芭淞戏ā笔且环N預(yù)報(bào)思路，基于對(duì)預(yù)報(bào)對(duì)象有影響的因子來(lái)進(jìn)行預(yù)報(bào)，這種預(yù)報(bào)思路提出以后，在天氣預(yù)報(bào)中產(chǎn)生了深刻的影響，被廣泛應(yīng)用在各類(lèi)降水預(yù)報(bào)以及強(qiáng)對(duì)流天氣預(yù)報(bào)中。如Nietfeld and Kenndy（1998）用配料法進(jìn)行了降雪預(yù)報(bào)研究，Wetzel（2000）用配料法進(jìn)行了冬季降水預(yù)報(bào)研究，Lin et al.（2001）用配料法進(jìn)行了地形降雨預(yù)報(bào)研究，Brook et al.（2003）用配料法進(jìn)行了雷暴和龍卷分析預(yù)報(bào)，這些基于配料法的預(yù)報(bào)研究都取得了有參考價(jià)值的成果，對(duì)提高降水和強(qiáng)對(duì)流天氣預(yù)報(bào)水平有重要作用。俞小鼎（2011）認(rèn)為，將基于構(gòu)成要素的方法變成針對(duì)某一天氣要素（例如暴雨）的客觀預(yù)報(bào)技術(shù)是可行的，關(guān)鍵是要確定適合的構(gòu)成要素。近幾年我國(guó)一些專(zhuān)家學(xué)者對(duì)暴雨“配料法”進(jìn)行了一些探索研究。張小玲等（2010）進(jìn)行了“基于配料的暴雨預(yù)報(bào)研究”，認(rèn)為各暴雨發(fā)生過(guò)程中具有一些共同的動(dòng)力、熱力特征，表征深厚濕對(duì)流發(fā)生發(fā)展的物理“配料”具有明顯演變特征。唐曉文等（2010）選取了對(duì)強(qiáng)降水有顯著影響的水汽因子、動(dòng)力因子、不穩(wěn)定因子以及熱力因子，在一定的物理?xiàng)l件約束下，利用經(jīng)驗(yàn)和統(tǒng)計(jì)相結(jié)合的方法建立了“配料”綜合指數(shù)與強(qiáng)降水之間的關(guān)系，發(fā)現(xiàn)配料法降水預(yù)報(bào)優(yōu)于MM5模式降水預(yù)報(bào)，具有較高的實(shí)用價(jià)值。李俊等（2006）基于對(duì)暴雨等天氣形成物理機(jī)理認(rèn)識(shí)的基礎(chǔ)上，選取了動(dòng)力、熱力等與暴雨有著較好關(guān)系的因子，建立了梅雨鋒暴雨配料的基本步驟，并將“配料”法在梅雨鋒強(qiáng)降水預(yù)報(bào)中進(jìn)行了應(yīng)用。來(lái)小芳等（2007）利用配料法，設(shè)計(jì)了一個(gè)表示強(qiáng)降水趨勢(shì)的參數(shù)IZH（強(qiáng)降水指數(shù)），并用于長(zhǎng)江中下游暴雨預(yù)報(bào)，結(jié)果發(fā)現(xiàn)用IZH指數(shù)作暴雨預(yù)報(bào)比用單一物理量作預(yù)報(bào)的效果要好。歐堅(jiān)蓮等（2011）利用“配料法”的思路，對(duì)廣西桂東片持續(xù)性暴雨概念模型及其物理量特征進(jìn)行配料，選取環(huán)境場(chǎng)、水汽、抬升和不穩(wěn)定為主要配料，通過(guò)對(duì)暴雨配料指標(biāo)的組合判斷，進(jìn)行有、無(wú)暴雨預(yù)報(bào)，經(jīng)檢驗(yàn)預(yù)報(bào)效果較好。東北冷渦是影響我國(guó)的重要天氣系統(tǒng)，它產(chǎn)生的暴雨、冰雹和低溫等災(zāi)害性天氣給人們的生產(chǎn)生活帶來(lái)極大的影響。孫照渤等（2016）研究表明6月東北地區(qū)降水主要受東北冷渦影響，冷渦越強(qiáng)，降水越多；東北冷渦不僅影響東北地區(qū)，對(duì)我國(guó)華中以及江淮一帶也有影響（張瑞萍等，2014）。張恒德等（2011）對(duì)2005年7月9—10日河南、安徽等地一次大暴雨天氣過(guò)程進(jìn)行數(shù)值模擬，發(fā)現(xiàn)貝加爾湖附近阻高、其下游的東北冷渦及其伴隨的高空槽形成了有利于產(chǎn)生該場(chǎng)暴雨的環(huán)流形勢(shì)。王麗娟等（2010）研究認(rèn)為低空急流引導(dǎo)的北上暖濕氣流與東北冷渦引導(dǎo)的南下干冷空氣相互作用，有利于梅雨鋒的形成和維持。東北冷渦系統(tǒng)結(jié)構(gòu)復(fù)雜，其造成的強(qiáng)降水具有明顯的局地性和不對(duì)稱(chēng)性，冷渦暴雨預(yù)報(bào)一直是實(shí)際天氣預(yù)報(bào)業(yè)務(wù)中的難點(diǎn)，因此其形成機(jī)制和預(yù)報(bào)方法研究備受廣大學(xué)者關(guān)注。孫力等（2002）對(duì)1998年夏季嫩江和松花江流域冷渦暴雨成因進(jìn)行了分析，發(fā)現(xiàn)東亞阻高、西太平洋副高和東北冷渦以及它們?cè)趶?qiáng)度和位置上的最佳配置構(gòu)成了1998年松嫩流域持續(xù)性暴雨的大尺度環(huán)流背景。張?jiān)频龋?008）利用典型個(gè)例分別對(duì)冷渦衰退階段、發(fā)展階段暴雨成因進(jìn)行了分析。王宗敏等（2015）研究認(rèn)為東北冷渦具有非對(duì)稱(chēng)結(jié)構(gòu)特征，在冷渦東南部易產(chǎn)生對(duì)流性暴雨。吳迪等（2010）對(duì)一次冷渦暴雨與干侵入關(guān)系進(jìn)行了分析，表明降水落區(qū)主要位于干侵入前沿。鄧滌菲等（2012）采用有限區(qū)域分解分析方法對(duì)2006年7月19—24日的東北冷渦暴雨過(guò)程進(jìn)行了分析，發(fā)現(xiàn)無(wú)旋轉(zhuǎn)風(fēng)輻合強(qiáng)值區(qū)和無(wú)旋轉(zhuǎn)風(fēng)水汽通量大值區(qū)的重合區(qū)域有利于強(qiáng)對(duì)流的發(fā)生發(fā)展。

前述專(zhuān)家學(xué)者多采用一個(gè)或幾個(gè)冷渦暴雨個(gè)例從水汽條件、動(dòng)力條件、不穩(wěn)定條件等方面對(duì)冷渦暴雨的成因進(jìn)行分析研究，得到了一些有參考意義的研究成果，但由于樣本少，所得結(jié)果具有一定的局限性。因此有必要通過(guò)對(duì)大量冷渦暴雨個(gè)例發(fā)生時(shí)的動(dòng)力、熱力、水汽條件進(jìn)行計(jì)算分析，研究總結(jié)冷渦暴雨的配料要素和冷渦暴雨配料模型，以此來(lái)探索東北冷渦暴雨落區(qū)預(yù)報(bào)方法，提高冷渦暴雨預(yù)報(bào)水平。本文采用配料法的思路研究了東北冷渦暴雨的配料要素，建立了冷渦暴雨配料模型，并利用數(shù)值預(yù)報(bào)產(chǎn)品將暴雨配料模型進(jìn)行了業(yè)務(wù)化，從應(yīng)用效果評(píng)估來(lái)看，基于配料的冷渦暴雨預(yù)報(bào)TS評(píng)分較ECWMF和T639模式暴雨預(yù)報(bào)有明顯提高，可為東北冷渦暴雨日常預(yù)報(bào)業(yè)務(wù)提供有價(jià)值的參考。

1資料和方法

1）冷渦天氣系統(tǒng)分析和物理量診斷計(jì)算使用了1961—2014年NCEP/NCAR再分析資料，時(shí)間間隔為6 h，水平分辨率為25°×25°，垂直分辨率為26層；其中冷渦天氣系統(tǒng)根據(jù)孫力等（1994）定義的東北冷渦（NECV）標(biāo)準(zhǔn)（500 hPa天氣圖上，115～145°E、35～60°N范圍內(nèi)有閉合等高線(xiàn)，配合有冷中心或冷槽，能夠持續(xù)維持3 d或3 d以上的低壓環(huán)流系統(tǒng)）進(jìn)行篩選。

2）降水資料采用了國(guó)家氣候中心整編的全國(guó)降水?dāng)?shù)據(jù)集資料，包含中國(guó)東北三省及內(nèi)蒙古東部共200個(gè)地面觀測(cè)站降水資料。在東北冷渦系統(tǒng)影響下，只要有1站日降水量大于或等于50 mm時(shí)，就認(rèn)為出現(xiàn)了冷渦暴雨；有3站以上日降水量大于或等于50 mm時(shí)，認(rèn)為出現(xiàn)冷渦區(qū)域暴雨。

3）暴雨預(yù)報(bào)準(zhǔn)確率評(píng)估方法：采用TS評(píng)分方法，對(duì)2015—2016年ECMWF、T639數(shù)值預(yù)報(bào)產(chǎn)品冷渦暴雨預(yù)報(bào)質(zhì)量以及“配料法”冷渦暴雨預(yù)報(bào)質(zhì)量進(jìn)行評(píng)估。

2東北冷渦暴雨的氣候特征分析

經(jīng)統(tǒng)計(jì)，1961—2014年5—8月共出現(xiàn)東北冷渦天氣過(guò)程694個(gè)，其中458個(gè)產(chǎn)生了暴雨，290個(gè)產(chǎn)生了區(qū)域性暴雨，分別占冷渦過(guò)程的66%和418%。在所有冷渦天氣過(guò)程中共出現(xiàn)暴雨4 905站次，屬于區(qū)域性暴雨的有4 256站次。冷渦暴雨年際分布不均，平均每年出現(xiàn)908站次，2010年冷渦暴雨最多，達(dá)到282站次，其次是1991年，達(dá)到212站次，2014年最少，僅有15站次（圖1）。

從各月分布（圖2）來(lái)看，7月出現(xiàn)冷渦暴雨最多，達(dá)到2 458站次，年均455站次；8月次之，為1 678站次，年均311站次，6月較少，5月最少，僅為134次，年均25站次。這與張廷治和李宇智（1996）對(duì)1980—1989年?yáng)|北冷渦暴雨分析后發(fā)現(xiàn)冷渦暴雨多發(fā)生在7—8月盛夏季節(jié)的結(jié)論相一致。

3冷渦暴雨配料法試驗(yàn)及業(yè)務(wù)應(yīng)用試驗(yàn)

31配料因子的選取

配料法的核心思想是依據(jù)預(yù)報(bào)量和指示量之間的物理關(guān)系進(jìn)行預(yù)報(bào)建模。建模的第一步是選取對(duì)暴雨有重要影響的因子（即配料）。

張小玲等（2010）研究表明，暴雨過(guò)程中表征深厚濕對(duì)流發(fā)生發(fā)展的基本物理“配料”水汽、不穩(wěn)定和抬升三類(lèi)物理量參數(shù)的診斷可更客觀、定量地判斷暴雨的落區(qū)及可能的量級(jí)。專(zhuān)家學(xué)者大量的個(gè)例分析研究表明，冷渦暴雨發(fā)生、發(fā)展期間，表征水汽、不穩(wěn)定和抬升條件的物理參數(shù)具有明顯的演變特征。為確定對(duì)東北冷渦暴雨有代表性的物理參數(shù)，以2010年5月5—6日一次典型冷渦暴雨個(gè)例診斷分析冷渦暴雨產(chǎn)生的水汽、動(dòng)力及不穩(wěn)定條件，以期在此基礎(chǔ)上確定配料因子。

311冷渦暴雨實(shí)況及環(huán)流特征

2010年5月5日08時(shí)—6日08時(shí)（北京時(shí)間，下同），在東北冷渦系統(tǒng)影響下，東北地區(qū)有18個(gè)國(guó)家觀測(cè)站出現(xiàn)了暴雨。暴雨落區(qū)主要在吉林中部到遼寧省中部（圖3），最大降水量68 mm，出現(xiàn)在鐵嶺市。

從5日08時(shí)500hPa形勢(shì)場(chǎng)（圖4a）可以看出，在內(nèi)蒙古有一閉合的低渦環(huán)流，低渦中心后部有冷槽相配合，此時(shí)東北冷渦已經(jīng)形成。至6日08時(shí)（圖4b），冷渦中心移動(dòng)到遼寧北部，并在東移過(guò)程中加深發(fā)展。

312水汽條件特征

充沛的水汽是暴雨發(fā)生、發(fā)展和維持的基本條件。暴雨發(fā)生時(shí)，不僅當(dāng)?shù)厮扛撸匾氖且性丛床粩嗟乃斔秃蛥R聚。徐紅等（2016）研究表明冷渦第Ⅱ、第Ⅲ象限內(nèi)暴雨高概率區(qū)與水汽通量散度負(fù)值中心吻合較好。

此次過(guò)程中，冷渦右側(cè)水汽豐沛，850 hPa上比濕達(dá)到6～8 g/kg（圖5b），且在渤海灣有一超過(guò)10 g/kg的濕舌（水汽高值區(qū)）向暴雨區(qū)伸展；水汽通量大值中心在遼寧東部（圖5a），暴雨出現(xiàn)在水汽通量密集區(qū)；水汽輻合強(qiáng)度達(dá)到-15～-25×10-6 g·cm-2·hPa-1·s-1（圖5c）。

313動(dòng)力條件

此次過(guò)程，低層具有明顯的輻合，在850 hPa水平散度場(chǎng)上，遼寧大部以及吉林中西部都處于強(qiáng)輻合區(qū)內(nèi)，暴雨出現(xiàn)在小于-15×10-6 s-1的輻合區(qū)域中。且850 hPa具有較強(qiáng)的上升運(yùn)動(dòng)，遼寧東部到吉林中部達(dá)到-03 Pa/s（圖6），低層強(qiáng)的上升運(yùn)動(dòng)使降水系統(tǒng)得以維持和發(fā)展，為暴雨天氣提供了較好的動(dòng)力條件。

314熱力不穩(wěn)定條件

K指數(shù)能反映對(duì)流層中低層大氣的熱力情況、層結(jié)穩(wěn)定度以及水汽飽和程度，是大氣潛在能量。其值越大，越有利于產(chǎn)生強(qiáng)對(duì)流天氣以及暴雨天氣。

此次過(guò)程冷渦右側(cè)K指數(shù)也較大，中心最大值達(dá)到36 ℃，暴雨出現(xiàn)區(qū)域的K指數(shù)超過(guò)28 ℃。

315低空急流和切變

低空急流在冷渦降水中起著重要作用，低空急流不僅是水汽的傳送帶，而且能為冷渦暴雨的產(chǎn)生提供熱力或動(dòng)力不穩(wěn)定條件。東北冷渦水汽分布具有非對(duì)稱(chēng)性，低層切變附近水汽輻合會(huì)明顯加強(qiáng)，有利于產(chǎn)生冷渦暴雨。在2010年5月5—6日的冷渦暴雨天氣過(guò)程中，冷渦的第Ⅱ象限中低層存在一支由渤海伸向吉林省中部的西南急流，850 hPa上急流核最大風(fēng)速達(dá)到22 m/s，在冷渦右側(cè)中低層存在西南風(fēng)與偏東風(fēng)的切變；暴雨出現(xiàn)在急流出口區(qū)及切變線(xiàn)附近。

根據(jù)上述分析以及前人的研究結(jié)果，本文重點(diǎn)選取了850 hPa比濕、水汽通量、水汽通量散度、散度、垂直速度、K指數(shù)以及低空急流、切變等作為冷渦暴雨配料要素，這些物理參數(shù)能較好地表征降水系統(tǒng)中的水汽條件、動(dòng)力抬升條件、不穩(wěn)定條件以及暴雨觸發(fā)條件等。

32配料因子閾值的確定

一個(gè)或幾個(gè)個(gè)例冷渦暴雨的診斷分析可以揭示某些物理量對(duì)暴雨產(chǎn)生的作用，但不能很好地刻畫(huà)冷渦暴雨發(fā)生時(shí)必要的物理量條件，即無(wú)法確定物理量閾值。為確定每類(lèi)物理參數(shù)配料閾值，本文對(duì)1961—2014年4 256站次暴雨的物理量參數(shù)進(jìn)行了診斷分析。

1）利用1961—2014年NCEP/NCAR再分析資料診斷計(jì)算出現(xiàn)區(qū)域冷渦暴雨天氣當(dāng)日02、08、14、20時(shí)850 hPa高度上散度、垂直速度、比濕、水汽通量、水汽通量散度以及K指數(shù)等物理量。

2）計(jì)算每個(gè)格點(diǎn)02、08、14、20時(shí)4個(gè)時(shí)次中最大值（比濕、水汽通量、K指數(shù)）或最小值（散度、水汽通量散度、垂直速度），以確保水汽大，水汽輻合強(qiáng)、上升運(yùn)動(dòng)明顯、不穩(wěn)定條件好。

3）計(jì)算每次暴雨出現(xiàn)站點(diǎn)的物理量值。根據(jù)每次暴雨出現(xiàn)站點(diǎn)經(jīng)緯度，計(jì)算其所在的網(wǎng)格區(qū)域a1、a2、a3、a4點(diǎn)之間中最大比濕、最大水汽通量、最強(qiáng)上升速度、輻合最強(qiáng)散度和水汽通量散度值，該值當(dāng)作該站此次暴雨過(guò)程的物理量要素值。

4）將4 256站次暴雨天氣的850 hPa散度、垂直速度、比濕、水汽通量、水汽通量散度分別按要素進(jìn)行排序，計(jì)算其最小值、10%分位數(shù)、50%分位數(shù)、90%分位數(shù)、最大值，結(jié)果見(jiàn)表1。

根據(jù)表1將散度、垂直速度、水汽通量散度90%分位數(shù)以及比濕、水汽通量、K指數(shù)10%分位數(shù)值作為冷渦暴雨閾值，以確保90%以上冷渦暴雨個(gè)例都能達(dá)到該物理參數(shù)閾值。

這樣選出散度是否小于-010×10-6/s、垂直速度是否小于-012 Pa/s、水汽通量散度是否小于-05×10-6g/（cm2·hPa·s）、比濕是否大于105 g/kg、水汽通量是否大于89 g/（cm·hPa·s）、K指數(shù)是否大于或等32 ℃等6個(gè)閾值。

另外，對(duì)1961—2014年4 256站次冷渦暴雨發(fā)生時(shí)低層（850 hPa）是否有急流或切變線(xiàn)影響進(jìn)行了分析，結(jié)果表明：冷渦暴雨422%有低空急流存在；858%有切變影響，其中西南風(fēng)與偏東風(fēng)切變比例最高，達(dá)到485%；西北風(fēng)與西南風(fēng)或偏南風(fēng)切變次之，達(dá)到221%。在所統(tǒng)計(jì)的冷渦暴雨中，912%存在低空急流或切變。因此將是否有低空急流或切變作為一個(gè)配料因子。

33配料方案的確定

通過(guò)上述方法確定了冷渦暴雨的物理參數(shù)閾值。由于水汽通量散度、比濕、水汽通量均為表征水汽條件的物理量，因此將其作為一個(gè)水汽因子進(jìn)行分析，當(dāng)其中兩個(gè)以上達(dá)到閾值時(shí)認(rèn)為水汽條件符合冷渦暴雨需求。這樣共選出低空急流或切變、散度、垂直速度、水汽條件、K指數(shù)5個(gè)冷渦暴雨配料因子。

每項(xiàng)因子符合為1，不符合為0。配料綜合指數(shù)模型如下：

F=∑i=1，nXi。 （1）

利用上述配料模型對(duì)1961—2014年出現(xiàn)的4 256站次冷渦暴雨進(jìn)行了回代評(píng)估分析，結(jié)果表明，709%的暴雨出現(xiàn)時(shí)F=5，212%暴雨出現(xiàn)時(shí)F=4，67%的暴雨出現(xiàn)時(shí)F=3，11%的暴雨出現(xiàn)時(shí)F=2，01%的暴雨出現(xiàn)時(shí)F=1。綜合考慮覆蓋度和減少空?qǐng)?bào)率，當(dāng)綜合指數(shù)F大于或等于4時(shí)，預(yù)報(bào)有暴雨，否則預(yù)報(bào)無(wú)暴雨，則命中率達(dá)到921%。

34冷渦暴雨的配料法業(yè)務(wù)預(yù)報(bào)試驗(yàn)

2015—2016年5—8月將冷渦暴雨配料預(yù)報(bào)模型與ECMWF和T639數(shù)值預(yù)報(bào)模式物理量參數(shù)預(yù)報(bào)產(chǎn)品及降水預(yù)報(bào)產(chǎn)品相結(jié)合進(jìn)行了業(yè)務(wù)化運(yùn)行。每日運(yùn)行一次，提供48 h暴雨落區(qū)預(yù)報(bào)。

1）配料因子資料預(yù)處理

選取預(yù)報(bào)日ECMWF高分辨率數(shù)值預(yù)報(bào)產(chǎn)品（網(wǎng)格距0125°×0125°）間隔3 h的8個(gè)時(shí)次850 hPa散度、垂直速度、比濕、水汽通量、水汽通量散度等物理量產(chǎn)品，計(jì)算東北地區(qū)各縣市所在的網(wǎng)格區(qū)域a1、a2、a3、a4每個(gè)格點(diǎn)8個(gè)時(shí)次中最大比濕、最大水汽通量、最強(qiáng)上升速度、輻合最強(qiáng)散度和水汽通量散度值以及K指數(shù)，將各站相關(guān)值作為配料要素值。

根據(jù)850 hPa風(fēng)向風(fēng)速預(yù)報(bào)產(chǎn)品，確定每個(gè)縣市是否受低空切變或急流影響。

2）與暴雨配料閾值比較

將配料因子值與暴雨配料閾值進(jìn)行比較，滿(mǎn)足條件為1，否則為0。根據(jù)文中公式（1）計(jì)算出F值。當(dāng)F≥4時(shí)，預(yù)報(bào)有暴雨。

3）消空處理

利用數(shù)值預(yù)報(bào)產(chǎn)品降水量預(yù)報(bào)值進(jìn)行暴雨消空，減少暴雨空?qǐng)?bào)。

王亞男和智協(xié)飛（2012）研究表明利用反距離權(quán)重法將ECMWF模式資料進(jìn)行空間插值要優(yōu)于雙線(xiàn)性插值、三次樣條插值以及普通克里格插值。因此本文采用反距離權(quán)重插值方案，將ECMWF和T639數(shù)值預(yù)報(bào)模式降水預(yù)報(bào)產(chǎn)品插值到東北地區(qū)各縣市站點(diǎn)上，求得各縣市降水量預(yù)報(bào)值。對(duì)于配料法預(yù)報(bào)有暴雨的縣市，如果T639數(shù)值預(yù)報(bào)模式和ECMWF模式降水量預(yù)報(bào)均大于或等于30 mm時(shí)，則確定該站預(yù)報(bào)暴雨，否則確定為無(wú)暴雨。

4）效果檢驗(yàn)

對(duì)2015—2016年5—8月冷渦暴雨預(yù)報(bào)效果進(jìn)行了檢驗(yàn)。從圖8中可以看出，T639模式冷渦暴雨預(yù)報(bào)TS評(píng)分為97%，ECMWF模式冷渦暴雨預(yù)報(bào)TS評(píng)分為134%，“配料法”冷渦暴雨預(yù)報(bào)TS評(píng)分為208%。“配料法”預(yù)報(bào)的TS評(píng)分比ECMWF的模式暴雨預(yù)報(bào)提高了74%，比T639模式提高了111%。

從空?qǐng)?bào)率和漏報(bào)率來(lái)看，“配料法”比T639模式的空?qǐng)?bào)率和漏報(bào)率都低，比ECMWF模式預(yù)報(bào)的空?qǐng)?bào)率略高，但比ECMWF模式預(yù)報(bào)的漏報(bào)率降低了205%。因此，利用“配料法”進(jìn)行冷渦暴雨預(yù)報(bào)，明顯地減少了暴雨的漏報(bào)率，對(duì)防災(zāi)減災(zāi)非常有意義。

可見(jiàn)，基于“配料法”的冷渦暴雨預(yù)報(bào)水平明顯高于ECMWF模式和T639模式的冷渦暴雨預(yù)報(bào)水平，具有較高的參考價(jià)值。

4結(jié)論

1）東北冷渦有66%會(huì)產(chǎn)生暴雨，冷渦暴雨多發(fā)生在7—8月；在冷渦系統(tǒng)影響下，低空急流對(duì)暴雨的發(fā)生有重要作用，低空急流將暖濕空氣輸送到較干較冷的空氣下方時(shí)，就形成了對(duì)流不穩(wěn)定的層結(jié)，在低空急流左側(cè)上升運(yùn)動(dòng)的觸發(fā)下，易產(chǎn)生暴雨。但低空急流不是冷渦暴雨的必要條件，在1961—2014年的冷渦暴雨天氣中，還有578%的冷渦暴雨出現(xiàn)時(shí)并沒(méi)有低空急流。低層切變附近動(dòng)力抬升條件以及水汽輻合條件較強(qiáng)，易觸發(fā)暴雨，在1961—2014年的冷渦暴雨中，858%低層存在切變影響。

2）冷渦暴雨的配料因子重點(diǎn)要考慮水汽、動(dòng)力、熱力不穩(wěn)定條件等，通過(guò)對(duì)大量樣本統(tǒng)計(jì)結(jié)果表明：850 hPa散度小于-010×10-6/s，垂直速度小于-012 Pa/s，水汽通量散度小于-05×10-6 g/（cm2·hPa·s），比濕大于105 g/kg，水汽通量大于89 g/（cm·hPa·s），K指數(shù)大于32 ℃，這些物理參數(shù)閾值可作為冷渦暴雨配料因子。

3）將“配料法”冷渦暴雨預(yù)報(bào)模型結(jié)合ECMWF模式和T639模式物理量參數(shù)預(yù)報(bào)產(chǎn)品進(jìn)行業(yè)務(wù)化應(yīng)用，取得了較好的預(yù)報(bào)效果。2015—2016年5—8月冷渦暴雨預(yù)報(bào)業(yè)務(wù)應(yīng)用效果檢驗(yàn)結(jié)果表明，基于“配料法”的冷渦暴雨預(yù)報(bào)TS評(píng)分比ECMWF模式和T639模式暴雨預(yù)報(bào)有明顯提高，特別是明顯減少了暴雨的漏報(bào)，對(duì)防災(zāi)減災(zāi)具有重要意義。

參考文獻(xiàn)（References）

Brooks H E，Lee J W，Craven J P，2003.The spatial distribution of severe thunderstorm and tornado environments from global reanalysis data[J].Atmos Res，67：7394.

鄧滌菲，周玉淑，王東海，2012.有限區(qū)域分解分析方法在2006年一次東北冷渦暴雨分析中的應(yīng)用[J].地球物理學(xué)報(bào)，55（6）：18521865.Deng D F，Zhou Y S，Wang D H，2012.The application of wind and watervapor flux partitioning technique to the structure of a northeast vortex in 2006[J].Chinese Journal of Geophysics，55（6）：18521865.（in Chinese）.

Doswell Ⅲ C A，Broodks H E，Maddox R A，1996.Flash flood forecasting：an ingredients based methodology[J].Wea Forecasting，11：560581.

來(lái)小芳，張艷玲，陸漢城，等，2007.“配料法”用于長(zhǎng)江中下游暴雨預(yù)報(bào)[J].南京氣象學(xué)院學(xué)報(bào)，30（4）：556560.Lai X F，Zhang Y L，Lu H C，et al.，2007.An ingredientsbased methodology for forecasting rainstorm in the lower reaches of the Yangtze River[J].J Nanjing Inst Meteor，30（4）：556560.（in Chinese）.

李俊，李武階，廖移山，2006.基于“配料”的梅雨鋒強(qiáng)降水預(yù)報(bào)方法[J].氣象，32（9）：38.Li J，Li W J，Liao Y S，2006.An ingredients based methodology of forecasting heavy rain of Meiyu front[J].Meteor Mon，32（9）：38.（in Chinese）.

Lin Y L，Chiao S，Wang T A，et al.，2001.Some common ingredients for heavy orographic rainfall[J].Wea Forecasting，16：633660.

Nietfeld D D，Kennedy D A，1998.Forecasting snowfall amounts：an ingredientsbased methodology supporting the Garcia method[C]//16th conference on weather analysis and forecasting.Phoenix：American Meteorology Society：385387.

歐堅(jiān)蓮，黎金水，劉國(guó)忠，2011.“配料法”用于廣西桂東片持續(xù)性暴雨預(yù)報(bào)[J].氣象研究與應(yīng)用，32（2）：2125.Ou J L，Li J S，Liu G Z，2011.Ingredientsbased methodology for forecasting continuous rainstorm in eastern Guangxi[J].Journal of Meteorological Research and Application，32（2）：2125.（in Chinese）.

孫力，鄭秀雅，王琪，1994.東北冷渦的時(shí)空分布特征及其與東亞大型環(huán)流系統(tǒng)之間的關(guān)系[J].應(yīng)用氣象學(xué)報(bào)，5（3）：297303.Sun L，Zheng X Y，Wang Q，1994.The climatological characteristics of northeast cold vortex in China[J].Quart J Appl Meteor，5（3）：297303.（in Chinese）.

孫力，安剛，高樅亭，等，20021998年夏季嫩江和松花江流域東北冷渦暴雨的成因分析[J].應(yīng)用氣象學(xué)報(bào)，13（2）：156162.Sun L，An G，Gao Z T，et al.，2002.A composite diagnostic study of heavy rain caused by the northeast cold vortex over SonghuajiangNenjiang River basin in summer of 1998[J].Quart J Appl Meteor，13（2）：156162.（in Chinese）.

孫照渤，曹蓉，倪東鴻，2016.東北夏季降水分型及其大氣環(huán)流特征[J].大氣科學(xué)學(xué)報(bào)，39（1）：1827.Sun Z B，Cao R，Ni D H，2016.A classification of summer precipitation patterns over Northeast China and their atmospheric circulation characteristics[J].Trans Atmos Sci，39（1）：1827.（in Chinese）.

唐曉文，湯劍平，張小玲，2010.基于業(yè)務(wù)中尺度模式的配料法強(qiáng)降水定量預(yù)報(bào)[J].南京大學(xué)學(xué)報(bào)，46（3）：277282.Tang X W，Tang J P，Zhang X L，2010.An ingredient based operational heavy rain quantitative forecast system[J].Journal of Nanjing University（Natural Sciences），46（3）：277282.（in Chinese）.

王麗娟，何金海，司東，等，2010.東北冷渦過(guò)程對(duì)江淮梅雨期降水的影響機(jī)制[J].大氣科學(xué)學(xué)報(bào)，33（1）：8997.Wang L J， He J H，Si D，et al.，2010.Analys is of impacts of north east cold vortex processes on Meiyu rainfall period over YangtzeHuaihe River Basin[J].Trans Atmos Sci，33（1）：8997.（in Chinese）.

王亞男，智協(xié)飛，2012.多模式降水集合預(yù)報(bào)的統(tǒng)計(jì)降尺度研究[J].暴雨災(zāi)害，31（1）：17.Wang Y N，Zhi X F，2012.Statistical downscaling of the precipitation multimodel ensemble forecast[J].Torrential Rain and Disasters，31（1）：17.（in Chinese）.

王宗敏，李江波，王福俠，等，2015.東北冷渦暴雨的特點(diǎn)及其非對(duì)稱(chēng)結(jié)構(gòu)特征[J].高原氣象，34（6）：17211730.Wang Z M，Li J B，Wang F X，et al.，2015.Asymmetric characteristics of the northeast cold vortex and its effect on heavy rain[J].Plateau Meteorology，34（6）：17211730.（in Chinese）.

Wetzel S W，2000.An operational ingredientsbased methodology for forecasting midlatitude winter season precipitation[J].Wea Forecasting，16：156167.

吳迪，壽紹文，姚秀萍，2010.東北冷渦暴雨過(guò)程中干侵入特征及其與降水落區(qū)的關(guān)系[J].暴雨災(zāi)害，29（2）：111116.Wu D，Shou S W，Yao X P，2010.Dry intrusions feature and its relationship with rainfall regions on cold vortex heavy rain process in Northeast China[J].Torrential Rain and Disasters，29（2）：111116.（in Chinese）.

徐紅，晁華，王文，等，2016.東北冷渦暴雨落區(qū)統(tǒng)計(jì)與診斷分析[J].氣象與環(huán)境學(xué)報(bào)，32（3）：4146.Xu H，Chao H，Wang W，et al.，2016.Statistic and diagnosis of storm rainfall areas based on the northeast cold vortex cases[J].Journal of Meteorology and Environment，32（3）：4146.（in Chinese）.

俞小鼎，2011.基于構(gòu)成要素的預(yù)報(bào)方法——配料法[J].氣象，37（8）：913918.Yu X D，2011.Ingredients based forecasting methodology[J].Meteor Mon，37（8）：913918.（in Chinese）.

張恒德，宗志平，張友姝，20112005年7月一次大暴雨過(guò)程的模擬和診斷分析[J].大氣科學(xué)學(xué)報(bào)，34（1）：8592.Zhang H D，Zong Z P，Zhang Y S，2011.Simulation and diagnosis of a heavy rain fall event in July 2005[J].Trans Atmos Sci，34（1）：8592.（in Chinese）.

張瑞萍，馬旭林，盛文斌，等，2014.2011年6月江淮梅雨暴雨主要影響系統(tǒng)特征[J].大氣科學(xué)學(xué)報(bào)，37（3）：366377.Zhang R P，Ma X L，Sheng W B，et al.，2014.Characteristics of the main influential system of Jianghuai Meiyu Storm in June 2011[J].Trans Atmos Sci，37（3）：366377.（in Chinese）.

張廷治，李寧智，1996.東北冷渦暴雨的成因分析[J].遼寧氣象，1996（2）：911.Zhang T Z，Li N Z，1996.Analyses of formation mechanisms on cold vortex heavy rain process in Northeast China[J].Liaoning Meteorological Quarterly，1996（2）：911.（in Chinese）.

張小玲，陶詩(shī)言，孫建華，2010.基于“配料”的暴雨預(yù)報(bào)[J].大氣科學(xué)，34（4）：754756.Zhang X L，Tao S Y，Sun J H，2010.Ingredientsbased heavy rainfall forecasting[J].Chin J Atmos Sci，34（4）：754766.（in Chinese）.

張?jiān)?，雷恒池，錢(qián)貞成，2008.一次東北冷渦衰退階段暴雨成因分析[J].大氣科學(xué)，32（3）：481498.Zhang Y，Lei H C，Qian Z C，2008.Analyses of formation mechanisms of a rainstorm during the declining phase of a northeast cold vortex[J].Chin J Atmos Sci，32（3）：481498.（in Chinese）.

鐘水新，王東海，張人禾，等，2013.一次冷渦發(fā)展階段大暴雨過(guò)程的中尺度對(duì)流系統(tǒng)研究[J].高原氣象，32（2）：435445.Zhong S X，Wang D H，Zhang R H，et al.，2013.Study of mesoscale convective system in heavy rainstorm process at a cold vortex development stage[J].Plateau Meteorology，32（2）：435445.（in Chinese）.