（大气物理学与大气环境专业论文）分类强对流天气潜势预报技术研究.pdf

摘要 摘要 暴雨、冰雹、龙卷、雷暴大风、强雷电等中尺度强对流天气能形成严重自 然灾害，给国民经济建设带来重大损失，但由于强对流天气空间尺度小、生命 史短、突发性强、破坏力大，预报起来十分困难。目前，国内外强对流天气预 报的准确率远不能满足国民经济可持续性发展的需要。因此，雷电、冰雹等强 对流重大天气灾害的机理和预测研究是气象领域的重大科学研究课题之一。 本文通过对上海地区1 9 9 8 年2 0 0 9 年4 月9 月各类强对流天气的统计分析， 揭示了不同时间尺度各类强对流天气的时空分布特征。各类强对流天气高发的 月份主要集中在6 、7 、8 月份。从分布上看，崇明、奉贤、松江等郊区较易发 生雷雨大风和强雷电天气，市区易发生冰雹天气，青浦是龙卷发生最多的地区。 利用探空资料计算了反应大气层结稳定条件、水汽条件、抬升条件的4 2 个对流 参数，包括k 指数，l i 指数，s i 指数，s w e a t ( 强天气威胁指数) ，t o t 指数， c a p e ( 对流有效位能) ，p ( 大气可降水含量) ，0 s e d i f 8 5 ( 5 0 0 h p a 和8 5 0 h p a 的假相 当位温差) 等，用对流参数和各类强对流天气发生进行了对比，发现：k 指数， l i 指数，s i 指数，s w e a t , t o t 指数，c a p e ，p w v ，e s e d i f 8 5 等对雷雨大风、 强雷电、冰雹等强对流天气有较好的指示作用。 本文用4 2 个对流参数，采用逐步回归的方法建立了针对各类强对流天气的 1 2 小时潜势预报方程。同时，为了刻画对流参数的时间变化，将对流参数的1 2 小时和2 4 小时变量也列为预报因子，融入了预报方程。通过与原方程的检验结 果比较，得出各类强对流天气的最佳预报方案：( 1 ) 对于冰雹和龙卷的预报：采 用1 2 6 个对流参数作为预报因子；( 2 ) 对雷雨大风的预报：采用4 2 个对流参数和 其1 2 小时变量作为预报因子；( 3 ) 对强雷电和强对流的预报：采用4 2 个对流参 数和其2 4 小时变量预报预报因子。 在此基础上，本文尝试用出现降水时和出现雷雨时的强对流天气样本来预 报强对流天气，发现了一些区分强对流与一般降水、强对流与一般雷暴的关键 因子，如s w e a t 、h e l l 0 、s s i 、s w 8 2 等，得出在降水条件和雷雨条件下各类 摘要 强对流天气潜势预报方程。与最佳预报方程对比发现：降水条件下的预报方程 对雷雨大风预报c s i ( i 缶界成功指数) 从1 8 提高到了1 9 6 ，对冰雹的预报从 2 8 提高到了1 2 5 ，强雷电和强对流也分别有4 和2 的提高：而雷雨条件 下无提高。 天气形势类型对强对流天气的发生、发展和演变十分关键，不同天气背景 形势下，强对流天气呈现出不同的特点。为了捕捉天气形势类型不同的关键点， 实现对天气形势类型的自动识别，本文还提出了基于一些关键对流参数进行天 气形势分类的强对流预报方法。选取了k 指数，s i 指数，p w v ( 大气可降水含量) 指数和0s e d i f 8 5 这四个对流参数，将各对流参数分别分为三类，分组建立了针 对不同强对流天气的预报方程。将分类型的强对流天气潜势预报方程，与最佳 预报方案的评分进行比较后，表明i ( 1 ) 雷雨大风的预报采用s 1 分类方程效果最 好；( 2 ) 强雷电和强对流采用p 、v 分类方程效果最佳；( 3 ) 对冰雹和龙卷的预报还 需采用无条件方程。 通过对各类方法建立方程的预报结果对比，遴选出各类强对流天气的最优 预报方程，构建了各类强对流天气潜势预报业务流程和模型。本文还对一些强 对流天气过程进行了预报测试，对各类强对流天气的预报模型进行检验，得到 了较好的预报效果。 关键词：强对流天气分类潜势预报对流参数条件概率天气类型 a b s t r a c t t h es e v e r en a t u r a ld i s a s t e r s ( r a i n s t o r m ，h a i l ，t o r n a d o ，a n dl i g h t n i n g ) w h i c h c a u s eb ym e s o s c a l es c v e 疆 ec o n v e c t i v ew e a t h e rh a v eb e e nb r i n g i n gl o t so fl o s st o e c o n o m y m e a n w h i l e ，d u et oi t ss m a l ls p a t i a ls c a l e ，s h o r tl i f ec y c l o n ew i t hs u d d e n c h a n g eo fi n t e n s i t y , a n dd e s t r u c t i v ed a m a g e ，s e v e r ec o n v e c t i v ew e a t h e rf o r e c a s t i n gi s r a t h e rd i f f i c u l t n o w a d a y s ，、7 l ，i t l lt h er a p i dd e v e l o p m e n to ft h ee c o n o m y , t h ed e m a n d o fa c c u r a t ef o r e c a s t so fs e v e r ec o n v e c t i v ew e a t h e ri sg r a d u a l l yi n c r e a s i n g t h e r e f o r e j t h er e s e a r c ho ns & c e l ec o n v e c t i v ew e a t h e rm e c h a n i s ma n dp r e d i c t i o ni sc r u c i a l i nt h i sp a p e r , b ya n a l y s i so fv a r i o u sk i n d so fs e v e r ec o n v e c t i v ew e a t h e rf r o m a p r i l t o s e p t e m b e rd u r i n g19 9 8t o2 0 0 9i ns h a n g h a i ，s p a t i a la n dt e m p o r a l d i s t r i b u t i o nc h a r a c t e r i s t i e so fs e v e r ec o n v e c t i v ew e a t h e ri nd i f f e r e n tt i m es c a l ea r e i n v e s t i g a t e d i ng e n e r a l ，t h eh i g hf r e q u e n c yo fe a c ht y p eo fs t r o n gc o n v e c t i o ni s f o u n di nj u n e ，j u l y , a n da u g u s t i ns h a n g h a i ，t h e r ea r em o r ec h a n c e so fl i g h m i n ga n d g a l ei nt h ec o u n t i e so fc h o n g m i n g ，f e n g x i a n , a n ds o n g j i a n gt h a no t h e rc o u n t i e s b e s i d e s ，m o r eh a i le v e n t st o o kp l a c ei nt h eu r b a na r e at h a no t h e ra r e a s ，a n dt h e q i n g p ud i s t r i c th a st h eh i g h e s tf r e q u e n c yo ft o r n a d oi ns h a n g h a i a b o u t4 2 c o n v e c t i v ep a r a m e t e r sw h i c hr e f l e c tt h ea t m o s p h e r i cs t a b i l i t y , m o i s t u r ec o n d i t i o n , a n dl i f t i n gs t a t u sa r eg e n e r a t e du s i n gt h er a d i o s o n d es o u n d i n gd a t a t h ep a r a m e t e r s i n c l u d eki n d e x ，l i ( l i f t e di n d e x ) ，s i ，s w e a t , t o t , c a p e ( c o n v e c t i v ea v a i l a b l e p o t e n t i a le n e r g y ) ，p w ( p r e c i p i t a b l ew a t e r ) ，e s e d i f 8 5 ( d i f f e r e n c eo f p s e u d o - e q u i v a l e n t p o t e n t i a lt e m p e r a t u r ed i f f e r e n c eb e t w e e n5 0 0a n d8 5 0l a p a ) ，a n ds oo n c o r r e l a t i o n a n a l y s e sf o rc o n v e c t i v ei n d e xa n ds e v e r ec o n v e c t i v ew e a t h e ra r em a d e t h er e s u l t s s h o wt h a tg a l e ，l i g h t n i n g ，a n dh a i lh a v eac l o s er e l a t i o n s h i pw i 也t h o s ec o n v e c t i v e i n d i c e s s o m er e g r e s s i o ne q u a t i o n sa r ed e v e l o p e df o rf o r e c a s t i n go 一12h o u rp o t e n t i a lo f a l lk i n d so fs e v e r ec o n v e c t i v ew e a t h e rb yu s i n g4 2i n d i c e sa sp r e d i c t o r s m e a n w h i l e ， 12 - h o u ra n d2 4 - h o u rc h a n g eo fc o n v e c t i v ei n d i c e sa r ec o n s i d e r e da sp r e d i c t o r st o e s t a b l i s hr e g r e s s i o ne q u a t i o n s c o m p a r i n gt h o s ee q u a t i o n sw i t h o u ta n dw i t h12 - h o u r o r a n d2 4 - h o u rc h a n g eo f p r e d i c t o r s ，t h eb e s tf o r e c a s t i n ga p p r o a c hi sa c q u i r e da s ：1 ) i l l a b s t r a c t f o rh a i la n dt o r n a d o ：u s i n gt h ee q u a t i o n s 、析也a l li n d i c e sa n d 也e i r1 2 - h o u ra n d 2 4 - h o u r c h a n g e ；2 ) f o rt h u n d e r - g a l e ：4 2i n d i c e sa n dt h e i r1 2 - h o u rc h a n g ea r ea d o p t e d ； 3 ) f o rl i g h t n i n ga n ds e v e r ec o n v e c t i v ew e a t h e r ：4 2i n d i c e sa n dt 1 1 e i r2 4 - h 0 1 l rc h a n g e a r eu s e d b a s e do nt h er e s u l t s ，s e v e r ec o n v e c t i v ew e a t h e rc a s e sa r ec o m p a r e dw i t ha l l r a mc a s e sa n dn o r z n a lt h u n d e r s t o r mc a s e s s o m ec o n v e c t i v ei n d i c e sa r ef o u n dt ob e c r u c i a lt op r e c i p i t a t i o na n dt h u n d e r s t o r m t h ec o n d i t i o n a lp r o b a b i l i t yf o r e c a s t i n g e q u a t i o n sf o ra l lt y p e so fc o n v e c t i v ew e a t h e ra r co b t a i n e du n d e rt h ec o n d i t i o no fr a i n a n dt h u n d e r s t o r m c o m p a r e dw i t ht h er e s u l t so ft h eb e s tf o r e c a s t i n ge q u a t i o n s ，c s i s ( c r i t i c a ls u c c e s si n d e x ) o fg a l ea n dh a i lh a v e b e e ni m p r o v e df r o m18 0 t o19 6 a n df r o m2 8 t o1 2 5 ，r e s p e c t i v e l y t h ec s i sf o rl i g h t h i n ga n ds e v e r ec o n v e c t i o n p o t e n t i a lf o r e c a s t i n gh a v ei n c r e a s e da b o u t4 a n d2 u n d e rt h er a i nc o n d i t i o n ，w h i l e t h ec s i sf o ra l lk i n d so fs e v e r ec o n v e c t i v ew e a t h e rf o r e c a s t i n gh a v en o tb e e n i m p r o v e du n d e rt h et h u n d e r s t o r mc o n d i t i o n t h eo c c u r r e n c e ，d e v e l o p m e n ta n de v o l u t i o no fs e v e r ec o n v e c t i v ew e a t h e ra r e u s u a l l ya s s o c i a t e dw i t ht h es y n o p t i cc o n d i t i o n s s e v e r ec o n v e c t i v ew e a t h e rs h o w s d i f f e r e n tc h a r a c t e r i s t i c su n d e rd i f f e r e n ts y n o p t i ct y p e s an e wp r e d i c t i o na p p r o a c h h a sb e e ne s t a b l i s h e dt oc l a s s i f i e ds y n o p t i ct y p e b yu s i n gc l a s s i f i e dc o n v e c t i v ei n d i c e s s o m ei n d i c e s ，s u c ha sk ，s i ，p 巩a n d0 s e d i f 8 5 ，a r eu s e dt oa u t o m a t i c a l l yc a t e g o r i z e t h et y p eo fs y n o p t i cc o n d i t i o n r e g r e s s i o ne q u a t i o n sh a v eb e e ne s t a b l i s h e db y u s i n g t h r e ec a t e g o r i e so fe a c hi n d e x c o m p a r e d 、) l r i 也t h eb e s tf o r e c a s t i n ge q u a t i o n s ，s o m e f o r e c a s t i n ge q u a t i o n sr e a c ht h eh i g h e s ts k i l ls c o r e s ：1 ) c l a s s i f i e ds i - b a s e de q u a t i o n s f o rf o r e c a s t i n gg a l e ；2 ) c l a s s i f i e dp w - b a s e de q u a t i o n sf o rl i g h t h i n ga n da l ls e v e r e c o n v e c t i v ew e a t h e r ；3 ) t h eb e s tf o r e c a s t i n ge q u a t i o n sf o rh a i la n dt o r n a d o c o m p a r i n g t h er e s u l t so fv a r i o u sm e t h o d s ，t h eb e s tf o r e c a s t i n ge q u a t i o n sa n da n o p e r a t i o n a lp r o c e d u r ef o ra l lk i n d so fs e v e r ec o n v e c t i v ew e a t h e ra r ed e v e l o p e d t h e v e r i f i c a t i o nr e s u l t ss h o wt h a tt h em e t h o dd e v e l o p e di nt h i sp a p e ri su s e f u l k e yw o r d s ：s e v e r ec o n v e c t i v ew e a t h e r ；c l a s s i f i c a t i o n ；p o t e n t i a lf o r e c a s t i n g ；c o n v e c t i v ei n d e x ； c o n d i t i o n a lp r o b a b i l i t y ；, s y n o p t i cc o n d i t i o n i v 学位论文独创性声明 本人郑重声明： 1 、坚持以。求实、创新一的科学精神从事研究工作。 2 、本论文是我个人在导师指导下进行的研究工作和取得的研究 成果。 3 、本论文中除引文外，所有实验、数据和有关材料均是真实的。 4 、本论文中除引文和致谢的内容外，不包含其他人或其它机构 已经发表或撰写过的研究成果。 5 、其他同志对本研究所做的贡献均已在论文中作了声明并表示 了谢意。 作者签名；丛丕盗 日 期：丝丝：亟：主 学位论文使用授权声明 本人完全了解南京信息工程大学有关保留、使用学位论文的规 定，学校有权保留学位论文并向国家主管部门或其指定机构送交论 文的电子版和纸质版；有权将学位论文用于非赢利目的的少量复制 并允许论文进入学校图书馆被查阅；有权将学位论文的内容编入有 关数据库进行检索；有权将学位论文的标题和摘要汇编出版。保密 的学位论文在解密后适用本规定。 作者签名：趣杰丝盏 日 期：型! ：曼：垒 第一章绪论 第一章绪 1 1引言 论 强对流天气是大气中对流风暴引起的，主要有短时强降水、雷电活动、雷暴大风、冰 雹和龙卷风等。大气中的对流性环流经常表现为非强烈的，它以普通积云对流形式出现， 有时伴有对流性天气( 阵雨或雷暴) ，一般情况下没有明显的强烈天气。但是组织化的积云 对流形成对流风暴是一类强烈对流性环流，它由一个或多个积雨云组成，这种组织化常是 中尺度形式，它能持续制造出新的对流风暴，因此它们的水平尺度较普通雷暴大，而且生 命史也较长，当若干个对流风暴集合在一起，即经常以对流复合体形式出现，则构成中尺 度对流系统，中尺度对流系统是指水平尺度几十千米到几百千米左右的具有旺盛对流运动 的天气系统，它们的空间尺度和时间尺度有较宽广的谱，在这种系统内部则经常出现强烈 天气如强雷暴、大风、暴雨、冰雹等。在中纬度地区常见的中尺度对流系统按其组织形式 可以粗分为三类，即孤立对流系统、带状对流系统以及中尺度对流复合体( m c c ) 。 据c h i s h l o m 和r e n i c k t l ( 1 9 7 2 ) 分类，孤立对流系统有三种基本类型，即普通单体雷暴、 多单体风暴和超级单体风暴。强烈的孤立对流系统又称局地强风暴，其中超级单体风暴是 天气最猛烈的一类对流性风暴。地面强风、大雹和龙卷等灾害性天气常由这种风暴产生， 其环境场的最重要特征是存在强位势不稳定和强垂直风切变。在这种环境中，对流获得充 分发展，并进行组织化，形成庞大高耸的积雨云体，维持较长时间，构成较严重的天气灾 害。 我国地处东亚季风区，冷暖空气活动频繁，夏半年雷暴、冰雹、飑线和局地暴雨等强 对流天气在全国各地十分活跃，造成严重的经济损失。近年来在全球变暖的气候背景条件 下，强对流性天气明显增多，特别是突发性和局地性雷暴大风、短时强降水、冰雹和强雷 电等气象灾害频繁发生。同时，随着我国经济社会快速发展，重大突发强对流气象灾害的 风险明显加大，近几年我国由于强对流天气灾害造成人员伤亡不断出现，经济损失达到数 以亿计。如2 0 0 4 年7 月l o 日，北京突发短时强降水引发城市内涝，导致城市交通几近瘫 痪；仅两天后的7 月1 2 日，上海又遭遇强飑线袭击，强烈雷雨大风造成7 人死亡，2 0 多 人受伤；2 0 0 5 年一场局地暴雨更是将黑龙江沙兰镇中心小学淹没，导致1 0 3 名学生遇难的 惨剧发生：2 0 0 7 年7 月1 8 日，山东济南遭受短时极端暴雨事件，1 小时雨量达1 5 1 毫米， 严重城市内涝导致3 0 多人死亡；2 0 0 9 年6 月3 日河南遭遇强烈飑线大风，仅商丘地区就 造成2 2 人死亡，数百万人口受灾。因此，做好强对流天气的预报，预防对流性天气的突然 第一章绪论 袭击，对防灾、抗灾、保障国民经济都有十分重要的意义。 由于强对流天气空间尺度小、生命史短、突发性强、破坏力大，预报难度很大。目前， 国内外强对流天气预报的准确率远不能满足国民经济可持续性发展的需要。因此，针对雷 电、雷暴大风、冰雹等强对流重大天气灾害的机理和预测研究成为气象领域的重大科学研 究课题之一。 1 2 研究的目的 上海地处长江三角洲东南隅，长江南岸黄浦江与苏州河的汇合处，西部和江、浙两省 相邻，南接杭州湾，面临东海和太平洋相通，扼长江入海咽喉。上海属亚热带季风气候。 冬季受西伯利亚冷高压控制，盛行西北风，寒冷干燥；夏季在西太平洋副热带高压控制下， 多东南风，暖热湿润；春秋是季风的转变期，多低温阴雨天气。一年四季分明，冬夏长、春 秋短。汛期降水局地性明显，暴雨、雷暴、冰雹、龙卷风等强对流天气的局地性更为明显。 上海每年因强对流天气引发的气象灾害损失占g d p 的3 6 。而目前的强对流天气预报 预警和服务业务整体水平相对落后，远远不能满足当今社会经济发展需求和防灾减灾工作 的需要。因此，尽快提高预报预警的能力和水平迫在眉睫；同时，在现有的技术水平和业 务能力条件下，如何提高强对流天气预报服务的效果，也是当前的重大课题之一。 强对流天气不同于常规天气，具有时空尺度小、生消演变快和发生概率小的特点，预 报的难度非常大，所以需要加强强对流天气机制机理研究。上海地区强对流有以下几种类 型：短时强降水( 1h 雨量超过2 0m m 或6h 雨量超过5 0m m ) 、强雷电( 3 个地面站有雷电 发生的) 、雷雨大风( 地面瞬时风速大于1 7 2m s ) 、冰雹和龙卷等。能否对准确预报出强对 流天气也是现在业务系统的薄弱环节，同时，尽管都发生在强对流风暴中，这几类强对流 天气的发生发展还是存在不同的机制，对强对流天气类型的预报也十分必要。 强对流天气的预报技术主要分为以下几种：利用强对流天气发生天气背景形势的概念 模型，基于数值预报形势场，预报短期强对流天气的落区和类型：利用单站探空分析，分 析和预报0 1 2 小时内局地强对流天气发生的潜势( 发生概率) ；利用中尺度观测信息，包括 卫星、雷达、闪电定位、自动站网等资料，分析强对流天气的中尺度特征和风暴尺度的概 念模型，并结合中尺度数值预报模式或快速同化更新模式，预报未来0 - 2 小时甚至0 - 6 小 时的强对流天气。 本文的研究重点是基于传统的0 1 2 小时强对流天气潜势预报技术，通过分析1 9 9 8 年 - 2 0 0 9 年的强对流天气资料，用对流参数探索各类强对流天气的关键机制，采用对流参数组 合建立针对不同类型强对流天气的潜势预报方程；另外，在原有的潜势预报方程的基础上， 2 第一章绪论 采用了条件概率和天气形势背景分类( 对流参数的自动分类) 两种方法提高对分类强对流天 气的潜势预报能力。 1 3 国内外研究进展 对强对流天气机制机理和预报技术的研究，国内外学术界和业务部门一直都非常重视， 是目前国际气象界要重点研究解决的难题之一。理论方面，国际上从1 9 5 0 年开始，就比较 系统地开展有关各类强对流天气的动力热力结构、形成机理条件等研究，揭示了有关强对 流系统的大量特征和机理，提出了强对流天气的多种生命史模型，并用数值模式成功地模 拟出雷暴等强对流天气的一些主要特征。目前，强对流天气的中尺度特征和环境条件己逐 渐清晰。预报方面，近几十年来国际气象界一直在努力建立各种各样的预报方法，以提高 强对流天气预报的准确性。最初都以经验主观方法为主，近二十年来，一些发达国家和地 区开展了以数值预报产品为依托的强对流天气条件客观预报方法，并于近几年取得了重要 突破，业务预报能力得到显著提高。在强对流天气预报方法上，美国局地强风暴实验室 ( s e l s ) 做出了逐步由以经验为主向以物理因子为基础的转变2 1 。t u r n e r b j 【5 】等曾专门论述 雷达和卫星资料与中尺度模式的交互作用，阐述用卫星雷达资料改进中尺度模式预报以及 用中尺度模式预报改进雷暴外推预报的可能性：a l n ae l i p t o n 4 】等尝试用中尺度数值模式结 合卫星探测的方法改进中尺度分析和短期预报，模拟试验证明了它的可行性，认为该方法 能改善中尺度分析，增加对中尺度天气系统演变的了解，从而改进短期预报；r o b e r te h a r t 6 】 等( 美，1 9 9 8 ) 用n c e p 的逐时模式输出，联合逐时地面观测增强实时分析来制作天气预报， 发现逐时模式输出对于强对流天气预报非常有用；特别是近年探测技术和数值模式技术发 展迅速，国际上强对流预警水平取得了令人瞩目的提高。例如e l m o r e 等试验了用业务化的 云模式集合预报方法来进行强对流预报，发现当对预报进行长生命期、超级单体、高层上 升与低层涡度相关等各种分类处理后，预报评分比基于雷达外推的专家预报有技巧；h a m i l l 等【_ 7 】则用模式预报的各种对流特征量建立各类强对流天气的概率预报模型，表明可以提前 很多小时给出强对流发生的信号：近年来非常规资料同化技术有了显著进展，明显地改进了 中尺度预报效果。b r e w s t e r l 9 】研究指出可以通过雷达、风廓线等探测信息的同化技术来有效 订正雷暴系统数值预报的初始误差及预报；准确使用模式输出产品并充分利用各种动力和 能量参数的特性，可以有效地提高各类强天气的预报水平。近几年来，气象学家也研究了 各种方法。s e t n s u d r 8 】在强对流天气预报决策中提出了模式输出参数法：h a r t 等提出了逐时 模式生成探空廓线法；o s t b y f l 0 1 指出，可以使用各种预报时效的预报模式输出资料计算对流 参数。在掌握中尺度环境如何影响强对流演变的基础上，确定强对流出现的地点、时间和 3 第一章绪论 对流的型式己成为强风暴预报现在和未来的方向与目标。 国内在这方面也有大量的研究成果，高守亭【1 2 】等通过推导绝热、无摩擦大气方程组， 推导出适用于中尺度系统研究的新的位涡方程，为研究中尺度系统演变过程中，辐合、辐 散效应对系统位涡收支的影响，进而研究中尺度系统发生、发展的热、动力学过程提供了 方法。邱崇践、房春花等从不同侧面分析各类强对流系统的特征、机理和发展条件。大量 样本的分析表明中尺度模式可以明确地反映强对流天气的许多重要特征和信息，例如局地 强风，强上升运动，中高压，瞬时强降温，低层下沉高层上升的超级单体结构，强风切变( 水 平和垂直) ，强对流云发展以及对流有效位能( c a p e ) 等多种对流特征量。陆汉城【l l 】指出： 强对流天气的出现，要求在对流层中低层有明显的对流不稳定。由此可见，探空分析、对 流位势不稳定能量分析及风切变分析等对于准确的预报强对流天气发生发展具有非常重要 的作用。我国各地也发展了许多预报方法和预警流程。王丽荣】等用图像定性分析法及 e v a d 技术定量分析法探讨降水前多普勒天气雷达径向速度资料在对流性天气预报中的应 用；齐琳琳【1 6 】等认为对流有效位能( c a p e ) 、对流抑制指数( c n 9 、k 指数、沙瓦特指数( s d 、 垂直切变和稳定度的组合一粗里查森数( b 鼢d 等对流参数的分布、演变可以较好地揭示出 强对流的发生、发展：北京地区空军研制了在天气分型和物理量诊断基础上的强对流天气展 望预报方法，获得较好的应用效果：上海研制了以概率预报、回归预报和螺旋度分析为主 体并结合数值模式产品的强对流短时预报系统，具有展望预报和临近预警功能：广东省在 中尺度数值模式和稠密的自动站资料、雷达资料基础上建立了功能较为完整的灾害天气预 警系统框架，对各类强对流天气的预警能力得到提高。国家气象中心也开始重点发展灾害 性天气预报业务，针对强对流预报和科研目标，基于目前数值预报业务模式，在对强天气 发生机理和物理参数配置的认识的基础上，通过动力诊断和对流参数计算，开发强对流天 气潜势预报客观方法。戴建华【4 l 】利用t r m m 卫星上的闪电定位资料，采用了逐步回归的 方法，建立了预报o 5 日闪电发生概率和闪电频率的方程。周兵等在国家气象信息中心 2 0 0 2 2 0 0 5 年强对流观测资料的基础上，结合高分辨n c e p n c a r 再分析资料及其诊断产 品，采用典型相关及最优子集回归技术，并应用r e e p 方法建立雷暴冰雹逐1 2 小时概率预 报方程，提供预报时效为o 3 6 小时的强对流潜势预报客观概率产品，并通过物理参数动力 消空和一致性后处理分析，进入国家气象中心灾害性天气预报业务流程，并在此基础上， c m a 给出o 2 4 小时强对流主观定性预报。2 0 0 7 年在技术路线和业务流程的基础上雷暴与 闪电强对流天气潜势预报，着重进行了动力参数的消空分析，包括位势不稳定指数、k 指 数、温度平流、垂直运动、湿有效位能、涡度平流等临界值，特征概率值分别为3 0 、5 0 、 4 第一章绪论 7 0 ，潜势预报效果有了明显的改进。 1 4 研究内容 本文主要对以下几个方面做了一些研究： ( 1 ) 强对流天气统计分析：统计了1 9 9 8 - 2 0 0 9 年期间4 月9 月发生的短时强降水、闪 电、雷雨大风、冰雹、龙卷和强雷电等强对流天气过程，建立了强对流天气数据库；分析 了各类强对流分布总体的变化趋势以及逐年和逐月的变化的分布特征。 ( 2 ) 建立各类强对流天气的潜势预报方程：计算出4 2 个对流参数和物理量，以及这 些参数1 2 小时和2 4 小时的变量，一共1 2 6 个预报因子。对预报因子进行归一化处理，采 用多元逐步回归统计法，对每个预报对象建立潜势预报方程。并用临界成功指数( c s r ) 评分 技术，对每条方程进行评分。同时，对有降水和有雷雨发生的样本分别建立方程，得出在 不同条件下未来各类强对流天气发生的概率。 ( 3 ) 基于天气形势类型分类( 采用指数分类) 条件下的强对流预报方法：根据k 指数， s i 指数，p w v 指数，0 d i f 8 5 等对流参数的等级进行分类，确定天气类型分类，再利用多 元逐步回归方法分组建立针对不同强对流天气的预报方程。 ( 4 ) 分类强对流天气关键机制的分析：统计了重要对流参数的分布规律，分析强对流 发生时这些重要因子的触发机制。 ( 5 ) 构建各类强对流天气潜势预报流程。 5 第二章资料与方法 第二章资料与方法 2 _ 1 数据来源 本文用1 9 9 8 2 0 0 9 年的上海地区常规高空和地面气象观测资料、自动站观测资料，具 体说明如下： ( 1 ) 国家气象信息中心提供的地面观测资料，包括站点降水量资料( 1 9 9 8 - - 2 0 0 9 年) ，雷暴 ( 电) ，冰雹，龙卷等特殊天气资料( 1 9 9 8 2 0 0 9 年) 。主要选取的是( 3 0 7 。n 3 1 7 。n ，1 2 1 。 e 1 2 2 。e ) 覆盖上海地区的1 1 个地面站。 ( 2 ) 2 0 0 5 年2 0 0 9 年上海自动站的常规气象资料。由于资料有限，我们只统计了2 0 0 5 年 2 0 0 9 年地面自动站累计一小时降水资料。 ( 3 ) 1 9 9 8 年2 0 0 9 年上海宝山探空站( 5 8 3 6 2 ) 探空资料，每日0 8 时和2 0 时两个时次的资料， 用于计算对流参数。 2 2 强对流天气的分类 在上海中心气象台，强对流天气【5 3 】的定义为；短时强降水( 每小时降水量 ，2 0 m m ) 、冰 雹、雷暴大风( 大于等于1 7 2 m s ) 、龙卷风等的灾害性天气。为了分析强对流天气，还加入 了雷暴天气。地面气象观测记录或发报电码为1 3 、1 7 、2 9 、9 l 9 9 和过去天气电码的闪电、 干雷、雷暴及观测时( 前) 的降水性雷暴等的天气可认为是一次雷暴过程。我们将上海地区3 个站或3 个站以上有雷暴天气记录的视为一次强雷电天气，在本研究中并认定为强对流天 气的一种。一个测站在同一时刻同时有雷电记录和短时大风强队达到1 7 2 r i d s 的视为该站 有一次雷雨大风天气。 强降水天气过程可以定义为：在同一个或多个天气系统相继或连续影响下，在某一区 域造成的降雨强度和量值均相当大的降水天气，简称强降水天气过程。短时降水强度可分 为r l ( 降水强度1 0 m m h ) ：r 2 ( 降水强度一 2 0 m m h ) ；r 3 ( 降水强度一 3 5 m m h ) ：r 4 ( 降水强 度一 5 0 m m h ) ：1 1 5 ( 降水强度1 0 0 m m 3 h ) ；6 小时内降水超过5 0 m m 也视为短时强降水。 由于自动站每小时降水资料不完整，所以我们只将6 小时降水超过5 0 m m 的降水样本列入 强对流样本中。 本文将重点分析雷雨大风、冰雹、龙卷、强雷电活动这几种天气强对流天气现象。 2 3 对流参数的计算 大气层结不稳定条件、水汽条件和触发机制是对流性天气发生、发展的三个重要因子。 6 第二章资料与方法 对上海地区的时间分布特征而言，不同阶段的大气层结不稳定条件和水汽条件是决定对流 活动的主要因素，地形条件和下垫面的属性影响没有考虑。因此，主要选用了能够描述大 气不稳定条件和水汽条件的物理量指标，同时也计算了垂直风切变指标。利用探空资料， 计算了4 2 个对流物理量指标，见表2 1 说明： 表2 1对流物理量指标说明 7 第二章资料与方法 8 第二章资料与方法 2 3 分析方法和技术路线 2 3 1 多元逐步回归 在气象预报中，最为常用的线性回归模型为： y = a o + x + 占 ( 1 ) 其中x - 1 - ”x p ) 为n p 的预报因子矩阵，y 为p 1 的预报量向量，1 3 为p l 的回归系 数向量，f 为n 1 的误差向量，a 0 为常数项。一般如果方程( 1 ) 中预报因子( 自变量) 矩阵由 某种形式确定后，则采用一般的最小二乘估计( l s ) 方法就能方便地确定出回归系数p 的参 数估计值“。然而，实际的大量回归分析问题，都会面临如何从众多预报因子矩阵中选 择最合适的一组预报因子子集来建立预报能力最强的回归方程问题。在实际气象预报工作 9 第二章资料与方法 中，采用逐步回归筛选预报因子时，由于逐步回归预报方法本身并不直接提供甄别选出的 预报因子组的自变量间是否存在明显的复共线性关系，因此讨论这种复共线性关系可能对 回归方程预报能力的影响显得十分重要。一般逐步回归方法主要是通过计算分析预报因子 ( 自变量) 的相关矩阵，再根据一定的显著性检验标准，从全部自变量中选择一个使剩余方 差下降最多，即方差贡献最大的自变量引进方程。由于逐步回归方法是根据显著性检验标 准逐个引进变量，因此，在引进后面的自变量时，可能会出现其中的变量方差贡献又不显 著的情况，需要进一步计算每一个引入方程的变量的方差贡献，并将其中方差贡献最小的 变量作显著性检验，确定是否剔除该变量。因此，可以看到逐步回归方法在选择因子时， 主要是以预报因子的方差贡献作为标准。根据一定的显著性检验标准进行逐步的因子筛选 后，便可获得最终的回归预报方程。对此，可以进一步分析预报因子组的变量之间复共线 性对最小二乘估计的影响m 1 。 逐步回归分析方法的形成思想是：考虑全部变量方差贡献值的大小，按照其重要性逐 步选入回归方程。在这个过程中，前面已选入的变量，由于新变量的引入而相形见绌时， 则把它从回归模型中剔除；而先前被剔除的变量，又由于新的变量的引入后相对变为显著 时，则把它重新选入，直至无可剔除又无可引入时计算结束。最后得到一条多元线性回归 方程： y = b o + b l x l + + 6 m x 小 ( 1 ) 其中b o b m 是回归系数，y 是各类强对流的预报对象，x 1 x m 是预报因子( 各类强对流 参数) 。 2 3 2 预报评分方法 针对诸如强对流天气的小概率事件的检验方法，目前普遍采用临界成功指数 c s i ( c r i t i c a ls u c c e s si n d e x ) 、探测概率p o d 和虚假报警率f a r 来进行评估。考虑到目前 我国天气预报质量检验、评估的有关规定，本文沿用文献1 提及的方法来定义临界成功指 数c s i 、探测概率p o d 与虚假报警率f a r 。引入的c s i 、p o d 、f a r 是衡量预报质量、预报指 标或预报方法优劣很有用的参数。 计算评分时常用到列联表，列联表实际是反映预报变量两维概率分布的频率分布状况。 如对分两类( 预报对象出与不出) 的预报有列联表如下： l o 第二章资料与方法 表中x 、w 为预报有、无的成功次数，y 为空报次数，z 为漏报次数，预报总次数为 n = ) ( | + y + z + w 。 对小概率事件常用临界成功指数c s i 进行评价，其定义如下： 凹= 赢 c 2 ) x + y + z 在评价这类预报的成功率时，不仅要考虑预报该事件发生时发生者占的比率，还要考 虑预报该事件不发生时不发生者占的比率；两者比率越大( 小) ，其预报成功率越高( 低) 。 根据表2 1 ，我们还可以给出探测概率p o d 与虚假报警率f ar 的表达式： 矿 p o d = 笔 ( 3 ) x + y 、 脚：去 ( 4 ) x + z 、1 上面引入的c s i 、p o d 、f ar 是衡量预报质量、预报指标或预报方法优劣的很有用的 参数。需要说明的是，在本文中p o d 的含义改为：报对次数与事件出现总次数的比值。 第三章上海地区各类强对流分布以及成因机制分析 第三章上海地区各类强对流分布以及成因机制分析 3 1概述 强对流天气是大气对流活动强烈发展而产生的灾害性天气，包括强雷电活动、短时强 降水、雷雨大风、冰雹和龙卷等。强对流风暴的特点是空间尺度小、生命史短、突发性强、 发展演变迅速、破