微波輻射計在對流天氣預報中的應用

蔡奕萍，袁志揚，李嬋珠，黃鋒

（東莞市氣象局，廣東東莞 523000）

對流天氣屬于中小尺度系統(tǒng)，具有水平尺度小、生命史短、影響范圍窄、強度大的特點，其突發(fā)性強、破壞力大，是廣東省主要災害性天氣之一，也是預報上的難點［1-2］。多年來氣象工作者對對流天氣的預報十分關(guān)注，并借助了風廓線雷達、雙偏振雷達、雨滴譜儀等新型探測手段對其進行了深入研究［3-5］。微波輻射計也是近年來在業(yè)務上廣泛應用的新型探測儀器之一，具有高時間分辨率、連續(xù)工作等優(yōu)點［6］，可有效彌補探空資料在時間分辨率上的不足，能輸出溫度廓線、濕度廓線、大氣穩(wěn)定度、云低高度等有價值的氣象資料，非常適合基層臺站使用［7］。

目前國內(nèi)外已有部分學者將微波輻射計資料應用于對流天氣的預報中，取得了一定成果，黃曉瑩等［8］指出，多個強對流參數(shù)的突然增大或減小均與降水的發(fā)生與減弱有對應關(guān)系，微波輻射計資料的應用對預報降水的發(fā)生與增強有指示作用；雷連發(fā)等［9］通過微波輻射計觀測數(shù)據(jù)計算得到的強對流參數(shù)之間具有很好相關(guān)性，很好的反映了強對流天氣的水汽、穩(wěn)定度和云的發(fā)展變化過程，這對對流天氣的預警預報具有指示作用。本研究在研究微波輻射計輸出的物理量參數(shù)對不同天氣過程的指示作用基礎(chǔ)上，嘗試進一步采用費舍判別分析方法，將不穩(wěn)定指數(shù)參數(shù)及水汽參數(shù)作為預報因子來建立預報方程，提高預報準確率。

1 設(shè)備原理

微波輻射計能通過微波傳感器收集目標的微波輻射、散射能量來識別目標物體及其特性的有用信息。大氣對微波具有吸收和透明（即大氣窗）的特性，由圖1可見，在微波波段，水汽、氧氣、云中液態(tài)水和降水是微波輻射最主要的吸收物質(zhì)，在10～100 GHz微波頻率范圍內(nèi)，水汽在22 GHz附近有一個強吸收帶、氧氣在60 GHz附近有一個強吸收帶［10］。

圖1 云、水汽和氧氣的微波吸收系數(shù)［10］

本研究選用的RPG-HATPRO型42通道微波輻射計中，51～58 GHz之間的21個頻率為氧氣吸收帶通道，22～32 GHz之間的21個頻率為水汽吸收通道。通過測量大氣中氧氣和水汽的輻射強度，獲得亮溫，再通過利用神經(jīng)網(wǎng)絡(luò)擬合亮溫和地面溫濕壓參數(shù)與大氣參數(shù)反演剖面之間的非線性關(guān)系［11］，獲得地面至10 km大氣溫度廓線、濕度廓線、液態(tài)水廓線、綜合水汽總量和液態(tài)水路徑等數(shù)據(jù)。

2 數(shù)據(jù)挑選及檢驗

2.1 數(shù)據(jù)及參數(shù)

選取2016—2018年每年4—9月份東莞板嶺國家觀測站日降雨資料及分鐘雨量數(shù)據(jù)，以及微波輻射計輸出的 K指數(shù)、SI指數(shù)、CAPE、LI值、綜合水汽含量（IWV）、液態(tài)水路徑（LWP）數(shù)據(jù)進行研究。

2.2 數(shù)據(jù)檢驗

以K指數(shù)為例進行分析驗證。選取2016年4—9月的微波輻射計資料，計算得到每日08：00、20：00（北京時，下同）的 K指數(shù)的平均值，與再分析資料計算得到的K指數(shù)進行相關(guān)性檢驗。結(jié)果顯示兩組數(shù)據(jù)的相關(guān)系數(shù)為0.714，通過α=0.01的t檢驗，說明相關(guān)顯著。

3 閾值計算

3.1 過程定義

影響廣東省的對流天氣包括短時強降水、雷雨大風、冰雹和龍卷［1］，但近幾年發(fā)生在東莞地區(qū)的冰雹、龍卷次數(shù)太少，樣本不具有代表性，故本研究只選取了短時強降水、雷雨大風進行研究。

短時強降水過程：當一次降水過程開始后3 h內(nèi)出現(xiàn)滑動小時雨量≥20 mm，則認為是一次短時強降水天氣過程，將降水發(fā)生的時刻記錄為強降水天氣過程出現(xiàn)的時間。

雷雨大風過程：業(yè)務上對雷雨大風的定義：出現(xiàn)風速≥17.2 m/s短時大風并伴有降水［12］，但考慮到東莞地區(qū)廠房、臨時構(gòu)筑物較多的實際情況，本地臺站一般在出現(xiàn)6級陣風時會對外發(fā)布天氣提醒，故本研究選取出現(xiàn)6級以上大風并伴有降水的過程作為雷雨大風過程，同時剔除由于臺風天氣、冷空氣過程造成的大風。若降水發(fā)生在大風前，則把出現(xiàn)降水的時間認為是雷雨大風發(fā)生時間；若大風在降水前，則把大風出現(xiàn)的時刻認為是雷雨大風發(fā)生的時間，其中大風、降水出現(xiàn)的時間間隔不超過2 h。

一般天氣：選取以短時強降水、雷雨大風出現(xiàn)時間前一天的相同時刻，若該時刻沒有降水、同時該時刻前4 h也沒有降水，則選取這個時刻為一般天氣時間；若該時刻出現(xiàn)了降水或該時刻前4 h出現(xiàn)降水，則選擇后一天或再往前一天的相同時間數(shù)據(jù)［13］。

通過逐一篩選，共挑選出3年間出現(xiàn)的短時強降水天氣過程29例、雷雨大風天氣過程48例、一般天氣76例。

3.2 參數(shù)計算

選取2016—2018年4—9月的微波輻射計資料，分別作出雷雨大風、短時強降水、一般天氣發(fā)生前1 h各參數(shù)的箱體圖，結(jié)果如圖2所示。

圖2 2016—2018年 4—9月不同天氣發(fā)生前1 h K（a）、LI（b）、SI（c）、CAPE（d）、IWV（e）、LWP（f）箱體圖

箱體圖中箱子的上下限分別是數(shù)據(jù)的上4分位數(shù)和下4分位數(shù)，包含了50%的數(shù)據(jù)，箱子的寬度在一定程度上反映了數(shù)據(jù)的波動程度，箱體越窄說明數(shù)據(jù)越集中。箱體的上下端線表示上邊界和下邊界，端線越短同樣說明數(shù)據(jù)越集中。

從圖2a可以看出，雷雨大風的K指數(shù)箱體較窄，短時強降水、一般天氣過程的箱體較寬，說明發(fā)生雷雨大風時K指數(shù)更接近，短時強降水、一般天氣過程的K指數(shù)較分散。雷雨大風、短時強降水的K指數(shù)主要分布在37～39℃，一般天氣則分布在34～36℃，表明對流天氣發(fā)生前一般有較大的K指數(shù)，因此，可以認為K＞37℃有利于雷雨大風、短時強降水發(fā)生。

一般而言，LI指數(shù)的值越低越有利于對流天氣發(fā)生。圖2b顯示，雷雨大風的LI指數(shù)箱體較寬，中位數(shù)在-5℃左右，且主要分布在-6～-5℃；短時強降水和一般天氣的LI范圍較集中，且上、下4分位數(shù)及中位數(shù)接近，因此，單從LI指數(shù)無法有效地區(qū)分短時強降水和一般天氣。

與LI指數(shù)類似，SI指數(shù)的值越低也越有利于對流天氣發(fā)生。從圖2c中看出，雷雨大風、短時強降水的SI指數(shù)更集中，中位數(shù)在-1～-2℃，而一般天氣的SI指數(shù)中位數(shù)在0℃左右?？梢哉J為SI＜-1℃有利于雷雨大風、短時強降水發(fā)生。

3種天氣類型的CAPE箱體都非常寬，表明CAPE值分散，波動范圍大。其中，雷雨大風、一般天氣發(fā)生前的CAPE值接近，集中在800～1 700 J/kg，中位數(shù)也接近，但短時強降水的CAPE范圍明顯偏低，這可能與強降水發(fā)生前能量提前釋放有關(guān)。因此單從CAPE值無法對3種天氣類型進行區(qū)分。

IWV的分布如圖2e所示，雷雨大風的IWV箱體最窄，短時強降水的最寬，但二者的中位數(shù)均在63 kg/m2左右，下4分位數(shù)在60 kg/m2左右；一般天氣的IWV箱體明顯低于對流天氣過程，且主要分布在52～60 kg/m2之間。因此，可以認為IWV＞60 kg/m2有利于雷雨大風、短時強降水發(fā)生。

圖2f表明，雷雨大風、短時強降水的LWP箱體類似，主要分布在300～650 g/m2，但雷雨大風的中位數(shù)明顯低于短時強降水，說明短時強降水相較于雷雨大風而言對水汽條件要求更嚴格。一般天氣的LWP主要集中在300～450 g/m2，中位數(shù)在400 g/m2左右?？梢哉J為LWP＞400 g/m2有利于雷雨大風、短時強降水發(fā)生。

綜上所述，給定參數(shù)觸發(fā)雷雨大風、短時強降水的閾值條件：K＞37℃、SI＜-1℃、IWV＞60 kg/m2、LWP＞400 g/m2。LI、CAPE無法對 3種天氣類型進行區(qū)分。

4 預報方程及驗證

利用判別分析方法［14］，將不穩(wěn)定指數(shù) K、LI、SI、CAPE和水汽參數(shù)IWV、LWP作為預報因子，建立對流天氣預報判別方程。

4.1 二級判別方程

先進行2級判別，從2016—2017年4—9月的觀測數(shù)據(jù)中選取52個對流天氣樣本（包含了雷雨大風和短時強降水過程樣本，但不區(qū)分對流天氣類型）和52個一般天氣樣本，1級樣本（對流天氣）容量n1=52、2級樣本（一般天氣）容量n2=52。

利用SPSS軟件計算得到對流天氣2級判別方程為

其中，x1、x2、x3、x4、x5、x6分別為預報因子 LI、K、SI、CAPE、IWV、LWP的值，代入數(shù)據(jù)計算得到y(tǒng)1、y2的值。對于對流天氣，當y1＞y2時，判斷為準確預報對流天氣，當y1＜y2時，判斷為對流天氣被錯誤預報為一般天氣；對于一般天氣，當y1＜y2時，判斷為準確預報一般天氣，當y1＞y2時，判斷為一般天氣被錯誤預報為對流天氣。

對預報方程選取2018年4—9月的資料進行準確率驗證。用預報探測率還是命中率（POD）、虛假報警率（FAR）、關(guān)鍵成功指數(shù)（CSI）來檢驗預報方程［14］，公式為

其中，x是對流天氣被成功預報的次數(shù)；y是對流天氣被錯誤預報為一般天氣的次數(shù)；z是一般天氣被錯誤預報為對流天氣的次數(shù)。

如表1所示，判別方程能夠很好地預測對流天氣，命中率達76%，虛假報警率也較低，關(guān)鍵成功指數(shù)達51%。因此，若在實際工作中引入判別預報方程，可以作為預報對流天氣的輔助工具。

表1 不同預報方程準確率檢驗

4.2 多級判別方程

由于對流天氣樣本中包含了雷雨大風和短時強降水，因此對樣本進行多級判別分析，檢驗判別方程能否有效地預報出3種不同類型的天氣。從2016—2017年4—9月的觀測數(shù)據(jù)中選取21個短時強降水過程樣本、31個雷雨大風過程樣本和52個一般天氣樣本，1級樣本（雷雨大風）容量n1=31，2級樣本（短時強降水）容量n2=21，3級樣本（一般天氣）容量n3=51。

計算得到對流天氣多級判別方程為

其中，x1、x2、x3、x4、x5、x6分別為預報因子 LI、K、SI、CAPE、IWV、LWP的值。當 y1＞y2且 y1＞y3時，判斷為準確預報雷雨大風，當y2＞y1且y2＞y3時，判斷為準確預報短時強降水，當y3＞y1且y3＞y2時，判斷為準確預報一般天氣。

同理，對預報方程準確率進行驗證，結(jié)果見表1（此處的POD為雷雨大風和強降水分別預測正確的概率之和），由表1可見多級判別方程的準確率并不理想，對不同類型對流天氣命中率僅為51%，關(guān)鍵成功指數(shù)也很低，僅為31.8%。

4.3 修正2級判別方程

本研究發(fā)現(xiàn)，在多級預報方程中，出現(xiàn)了將強降水過程誤報為雷雨大風過程，或?qū)⒗子甏箫L過程誤報為強降水過程的情況。若把這種不同對流類型之間的混報定義為準確預報對流天氣，即將多級預報方程作為修正后的2級判別方程，發(fā)現(xiàn)其對流天氣過程命中率顯著提高（表1），達84.6%，不過與此同時虛假報警率也比2級預報方程提高了近10%。因此，可以把多級預報方程作為修正后的2級預報方程來使用，提高對流天氣預報的測中概率。

5 結(jié)論

1）各參數(shù)觸發(fā)雷雨大風、短時強降水的閾值條件：K＞37℃、SI＜-1℃、IWV＞60 kg/m2、LWP＞400 g/m2，LI、CAPE無法對 3種天氣類型進行區(qū)分。

2）2級判別方程能夠較好地預測對流天氣過程，準確率為76%，可以作為預報對流天氣的輔助工具。

3）多級判別方程不能很好地區(qū)分3種天氣類型，但將其作為修正后的2級判別方程使用，能提高對流天氣的測中概率。

本研究僅利用單點的微波輻射計觀測數(shù)據(jù)作為研究，具有局限性。本研究得出的閾值、預報方程可作為輔助判斷，但無法單獨用于預報。另外，若能夠結(jié)合廣州、珠海、湛江等幾個地區(qū)的微波輻射計資料對全省的對流天氣進行研究，其參考意義將會更大。