广州市强对流过程综合影响程度的评估模型及其应用

利用2016—2018年广州市394个自动站实况监测数据和粤港澳闪电定位数据,采用归一化法、相关系数权重法、百分位数法等统计分析方法构建了广州市强对流过程综合影响程度评估模型。利用该模型对广州市历史上发生的强对流过程进行检验,同时对2019年的强对流过程进行试评估。结果表明:该模型对于广州市强对流过程综合影响程度的评估是较为客观合理的,该模型的建立能够填补广州市强对流过程的灾后评估业务和服务空白,有利于更好地开展公众、决策气象服务工作。     

丰都县强对流天气特征分析

该文利用2005-2014年丰都县地面天气、探空数据、NCEP 1°×1°FNL再分析资料等,对丰都地区冰雹、雷暴大风、短时强降水这3类强对流天气特征进行统计分析,得出这3类强对流天气的时空分布特征,并从天气个例出发,利用实况资料对强对流天气的差异进行分析,为强对流天气的预警预报提供参考。得到如下结果:短时强降水通常出现在5-9月,大风通常出现在5—8月,冰雹通常出现南部的七跃山脉和北部的蒋家山和黄草山脉附近~([1]),2005—2014年间共出现了7次,3—8月均有发生。通过计算3种强对流天气环境场参量,归纳出3种物理量参数的差异:大气可降水量、AT500-T850,K指数、抬升指数(LI)、相对湿度、散度场分布等在冰雹、短时强降水和大风天气中有明显的差异,冰雹和短时强降水的AT500-T850相差了近5℃,大风天气的值介于冰雹和短时强降水之间。大气可降水量分布上,短时强降水的大气可降水量(PW)平均值为58 mm,比冰雹值大约多了10 mm,比大风值多了14 mm。短时强降水出现时几乎整层都是处于饱和的状态,冰雹和大风天气几乎只在中低层有较饱和的水汽,而高层的相对湿度平均值在40%～50%左右。对流指数方面,K指数和LI指数都很好的指示了强对流天气的发生,K指数在短时强降水发生时其平均值在39.8℃左右,较冰雹和大风分别高1.6℃和3℃。短时强降水出现环流位置大多位于600 hPa以下,而冰雹则在300 hPa左右,大风在400 hPa左右。     

沈阳地区强对流天气潜势预报环境参数特征分析

利用常规探空观测和WRF分析场等资料,分析了2005—2014年沈阳地区强对流天气的气候背景特征、演变规律及日变化特征等,将强对流天气划分为冰雹、雷暴大风(≥17.2 m·s-1)、短时强降水(≥20 mm·h-1)和混合型4种类型;并分析探空资料在强对流天气潜势预报中的作用,着重探讨14时(02时)探空资料对沈阳地区强对流天气短时临近潜势预报的作用。结果表明:2005—2014年沈阳地区4种强对流天气中,以短时强降水天气发生次数最多,其次为雷暴大风天气,冰雹天气的发生次数最少,多数强对流天气发生在午后至傍晚。由合成T-Log P图的温湿廓线可知,沈阳地区短时强降水天气发生时中低层存在显著湿区,与雷暴大风和冰雹为主的强对流天气温湿廓线明显不同,多数合成T-Log P图的显著特点为中层大气干燥。冰雹型强对流天气的0℃层和-20℃层高度明显低于其他强对流天气类型的高度;冰雹型强对流天气T700-T500和T850-T500显著大于短时强降水型及雷暴大风型强对流天气,且T850-T500的指示意义更好;4种强对流天气类型平均SI均出现了正值,说明SI失去了不稳定性的指示意义;短时强降水天气的K指数明显高于冰雹天气;雷暴大风天气发生时对流有效位能明显小于其他强对流天气类型。可见,WRF中尺度模式中的T-Log P预报图对沈阳地区强对流天气的预报具有一定的指导意义。     

基于集合预报极端天气预测指数的浙江分类强对流预报模型

利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等，计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数（EFI：Extreme Forecast Index），分析EFI分布特征，并构建了分类强对流预报模型。结果表明：强对流天气与物理量的EFI有密切联系，发生短时强降水时，对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大，而垂直风切变的EFI为负值，因而较小的垂直风切变更有利于出现极端降水；发生雷暴大风和冰雹时，对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大，700 hPa露点温度的EFI为负值，与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法，将强对流天气相关物理量的EFI作为特征值开展训练，构建的预报模型对于非局地强对流天气有较好的预报效果，其中短时强降水的误判率明显低于雷暴大风。     

基于T639对流参数的内蒙古强对流天气潜势预报方法初探

统计内蒙古地区2011—2014年汛期短时强降水、冰雹、大风强对流天气的基础上,利用T6391°×1°逐3 h的数值模式产品计算物理量,选取与强对流天气相关性较好的敏感对流参数作为预报因子,通过权重分析建立未来0~12 h强对流天气及落区的潜势预报方程,并确定判别不同强对流天气的阈值。通过对2013年8月进行的预报试验结果表明:发生强对流天气的平均TS评分为0.35;不发生强对流天气的平均TS评分为0.51;3种强对流天气预报中对冰雹预报效果不理想,但对大风及短时强降水预报效果好。     

东北冷涡背景下强对流天气的基本特征分析

利用呼伦贝尔市CIMISS系统实况资料,统计分析了2010—2021年5—9月东北冷涡背景下的强对流天气时空分布及物理量参数特征。结果表明：(1)5月雷暴大风次数最多,6月冰雹次数最多,6—8月是短时强降水集中发生期,尤以8月次数最多。(2)强对流天气主要出现在12:00—20:00,其中短时强降水每个时次均有发生,但雷暴大风与冰雹天气在21:00—次日08:00基本没有发生过。(3)大兴安岭西部雷暴大风站次较多;大兴安岭东北部、岭上及岭西北的冰雹站次较多;短时强降水与强对流天气空间分布特征较为一致,均是大兴安岭岭上南段与岭东的站次较多。(4)雷暴大风天气的风速多以17.2～20.7 m·s^-1为主;短时强降水量级为20.0～29.9 mm的站次占总站次的74.3%;持续时间小于5 min冰雹居多,直径小于5 mm冰雹的站次占总站次的49.1%。(5)短时强降水850 hPa的比湿、水汽通量、水汽通量散度的物理量参数均值均大于冰雹、雷暴大风;短时强降水K指数均值大于冰雹、雷暴大风,T₈₅₀-T₅₀₀均值大于26℃,短时强...     

2000年以来延边地区强对流天气特征分析

针对近年来各种强对流天气频发的特点,本文利用气象地面观测资料、加密自动站资料,统计分析了2000年以来延边地区的雷电、雷雨大风、冰雹和短时强降水等强对流天气的区域分布特征和逐月、逐旬、逐小时分布。分析表明:延边雷电活动山区多于平原地区,以哈尔巴岭西部敦化地区、长白山山脉东北部二道、和龙地区为最高;雷雨大风发生概率图们地区最高;冰雹天气有两个高发区域,一个是敦化地区,另一个是以龙井为中心的延吉、和龙、图们地区;短时强降水天气安图、龙井、汪清一带为高发区域;雷电、雷雨大风、冰雹活动主要集中在6、7月份,短时强降水主要出现在7月下旬至8月上旬;14-18时是延边地区强对流高发时刻,20时是雷电的多发时刻,但没有发生冰雹天气。     

基于天气形势分型的珠江三角洲强对流潜势预报方法

珠江三角洲出现强对流的机制有多种情况,不同天气形势下引起的强对流,其出现时各项强对流指数必然存在一定的差异。本文对强对流的触发机制进行天气形势分型(冷空气影响触发、西南暖湿气流触发、后汛期副高边缘影响,台风影响等),利用广州热带海洋研究所中尺度模式GRAPES的输出资料,计算出不同天气形势下强对流发生前1h当地各层的涉及水汽条件、不稳定能量、动力条件等强对流指数,对强对流指数阈值进行选取和验证,统计出珠江三角洲不同天气形势下短时强降水和雷雨大风出现时的强对流指数阈值,并建立相应的潜势预报系统,分别通过一次典型的雷雨大风和一次短时强降水天气过程验证,表明该系统提供的强对流分型潜势预报概率产品可以较好的指示出强对流发生的时间和位置以及强对流出现的类型,预报与实况观测比较一致。     

咸阳三类强对流天气环境物理量指标研究

利用探空资料对2016—2020年咸阳市暖季（4—9月）雷暴大风、短时强降水和冰雹三类强对流天气发生的环境物理量特征进行分析,提炼强对流天气的关键物理量参数及预报指标。结果表明：（1）咸阳雷暴大风的高发期在4—5月,短时强降水和冰雹的高发期在6—8月,三类天气均主要出现在14—20时。（2）K指数、CAPE值、垂直风切变、0 ℃层高度和-20 ℃层高度均有明显的季节变化,相对高的0 ℃层高度、较厚的暖云层厚度以及相对小的中高层温度露点差可以区别短时强降水和其他两种强对流天气类型。（3）雷暴大风和冰雹发生时中低层一般表现出“上干下湿”的层结特征,雷暴大风的下沉对流有效位能相对较大,应超过120 J/kg。冰雹形成除了考虑较大的对流有效位能和深层垂直风切变外,还需要适宜的0 ℃层高度（39～51 km）。短时强降水要求“整层湿”,即500 hPa和850 hPa的温度露点差均较小,同时暖云层厚度应超过35 km。     

利用探空资料确定呼和浩特地区3类强对流天气预警阈值

利用呼和浩特探空站计算的16个物理量,分析了2012—2016年6—8月呼和浩特地区的冰雹、雷暴大风及短时强降水天气过程中各物理量差异,结果表明:①订正后的(对流有效位能)CAPE大于等于1000J·kg-1、0℃层高度约4200m左右,-20℃层约在7200m左右,500hPa和850hPa温差达-25℃,逆温层高度在2km以上基本可以判定为冰雹天气;②短时强降水对水汽的依赖度更高,且具有更强的热力不稳定性,低层的温度露点差、500hPa与850hPa的假相当位温差Δθse(500-850)、大气可降水量PW也是短时强降水天气的重要判据;③订正后的(下沿对流有效位能)DCAPE值雷暴大风明显大于冰雹和短时强降水,约为其他2类强对流天气的2倍,订正后的CAPE略小于其他2类强对流天气。根据四分位数法、所占比例≥70%以及均值法界定各类预报因子阈值大小,进而确立了呼和浩特地区强对流天气预警指标。经检验均值法确定的阈值指标命中率均达到50%以上,可参考价值较高。     

鲁中地区分类强对流天气环境参量特征分析

将山东中部地区16 a暖季(4-9月)106次伴随瞬时风力不低于8级的强对流个例划分为雷暴大风、冰雹雷暴大风和强降水混合型等3种类型,利用常规探空资料和地面观测资料,通过箱须图的形式分别讨论3种类型对应的一系列关键环境参数的分布特征和预报阈值。进一步,又将上述106次个例中的特强对流个例,包括产生25 m/s以上瞬时大风的特强雷暴大风个例、产生不小于20 mm直径冰雹的特强冰雹个例以及50 mm/h或以上强度的特强短时强降水个例提取出来构成一个子集,讨论其关键环境参数分布特征和预报阈值,并与全部对流个例的相应关键环境参数进行比较。最后,对鲁中地区强对流系统的触发机制进行了简要阐述和讨论。结果表明:(1)雷暴大风型、冰雹雷暴大风型和强降水混合型对应的850和500 hPa温差的最低阈值为25℃; 3种类型对应的地面露点最低阈值分别为13、16和24℃; 相应的大气可降水量最低阈值分别为20、24和32 mm; 相应对流有效位能的最低阈值分别为300、900和1300 J/kg; 相应的0-6 km风垂直切变最低阈值分别为12.0、12.5和8.0 m/s。(2)通过地面露点、大气可降水量以及暖云层厚度等关键参数的分布特征可以将上述3种类型的前两种与第3种类型即强降水混合型进行一定程度的区分,但要通过各个关键参数的分布特征区分前两种强对流天气是困难的。(3)对于伴随冰雹的强对流天气,适宜的融化层高度为3.0-3.9 km; (4)特强雷暴大风、特强冰雹和特强短时强降水等3种特强对流类型与全部强对流个例的3种类型相比,其条件不稳定度明显增大,体现为850和500 hPa温差的增大、水汽条件有所加强、对流有效位能明显增大,3种类型特强对流天气对应的对流有效位能最低阈值分别为1000、1100和2000 J/kg; 相应的0-6 km风垂直切变最低阈值分别为16、12和11 m/s,即特强雷暴大风型和特强短时强降水型的风垂直切变阈值明显增大。上述工作构成了山东中部伴随雷暴大风的强对流天气短时预报的一个基础,结合各类强对流天气发生的气候概率,可以通过决策树或模糊逻辑方法制作成适合于地、市气象台的分类强对流天气短时预报系统。      

都匀雷达ROSE2.0一次强对流天气过程应用检验

针对黔南州2022年4月24日午后到夜间的一次强对流天气过程,利用实况资料和都匀雷达ROSE2.0在短时强降水、冰雹、雷暴大风方面的监测和预警产品对比检验,结合本地短时临近预报业务应用效果分析,发现：受地形影响都匀雷达ROSE2.0估计降水在大雨以下量级表现较好,但对暴雨以上量级估计值偏小,没有明显短时强降水报警体现,本地化应用门限值降低约3成左右设置更为合理;都匀雷达ROSE2.0对冰雹预警落区指示和命中率较高,但时间提前量平均仅9分钟,对雷暴大风预警仍然有难度,剖面图分析能更好地识别雷暴大风指标。另外,雷达ROSE2.0软件强天气预警算法得到进一步优化,应融入一体化平台等快速支撑预警业务应用。     

冷涡背景下苏北地区连续两次强对流天气过程对比分析

利用地面观测资料、天气雷达资料和ECMWF-ERA5逐小时0.25°×0.25°再分析资料,主要从环境条件和触发机制两个方面,对2019年6月8日（简称过程A）、9日（简称过程B）影响江苏省北部的两次冷涡型强对流天气过程进行了对比分析。结果表明： 过程A是由暖湿气流引起的短时强降水伴随雷暴大风的湿对流天气;过程B则是在高层西北气流下由干冷平流强迫引起的大风冰雹伴随短时强降水的混合对流天气。过程A,由暖湿气流形成强对流不稳定层结,垂直风切变强度一般,湿层深厚,有利于短时强降水的发生;过程B,中高层的较强干冷平流叠加在低层暖湿平流上而形成强对流不稳定层结,强的垂直风切变位于中低层,配合较强的动力抬升条件,有利于冰雹的发生。两次天气过程的触发机制都是地面辐合线。过程A的预报重点为水汽条件和来自上游的对流系统与当地地面辐合线的耦合;过程B的预报重点为大气的不稳定度和冷涡后部冷空气的干侵入与地面辐合线的耦合。     

基于最大熵原理的强对流大风灾害致灾能力指数研究

选取四川省强对流大风灾害天气个例,利用2009~2019年自动气象站2min平均风速数据,基于最大熵原理,推导出表征强对流大风灾害天气过程时间、空间、强度的概率分布函数。根据其分布函数,确定可以完整表征强对流大风灾害天气过程时间、空间、强度的气象参量。利用灰色关联度法,以强对流大风灾害的直接经济损失为参考,计算气象参量关联度,确定参量权重,构建出表征强对流大风灾害天气过程的致灾能力指数。结果表明:该指数可以正确反映强对流大风灾害过程的致灾能力强度,指数越大,致灾能力越强,反之越弱。      

国家级中尺度天气分析业务技术进展Ⅱ：对流天气中尺度过程分析规范和支撑技术

中尺度天气分析技术在对流性天气的短期预报业务中发挥了重要作用。文章介绍了国家气象中心正在发展和试运行的对流天气中尺度过程分析规范和支撑技术,旨在为中尺度对流天气的短时临近分析和预报提供技术方法,其客观技术支撑为中国气象局强对流短临预报系统SWAN、强对流天气综合监测技术和自动站资料快速客观分析技术等。文章以2011年4月17日强对流过程为例,介绍了如何利用多源观测资料(常规和非常规资料)快速识别和掌握强对流天气(短时强降水、雷暴大风、冰雹、龙卷等)实况,分析当前对流系统类型及其结构特征,判断未来影响对流系统发生、发展的中尺度环境条件,并综合考虑客观自动外推算法产品,最终指导预报员对未来0～6 h内的强对流天气影响区域进行短临预报预警。业务试验表明,对流天气中尺度过程分析技术可为强对流天气短临预报业务提供重要参考和依据。     

强对流天气人工智能应用训练基础数据集构建

基于业务观测、历史灾情及互联网媒体等多源数据整编形成强对流天气人工智能应用训练基础数据集（Severe Convective Weather DataSet for AI application,SCWDS）。SCWDS包括2012—2019年中国大陆区域的雷暴、雷暴大风、短时强降水、冰雹及龙卷5种强对流天气,共184865个个例（站次）,9256405个样本,每个样本包含强对流天气过程标注及对应时空窗口范围内的地面观测数据、探空数据、闪电定位数据、雷达基数据、卫星多通道数据和再分析产品等。雷暴、短时强降水、冰雹主要出现在6—8月,雷暴大风主要出现在4—5月,龙卷主要出现在6—8月和4月。短时强降水发生时间呈03:00—04:00（北京时,下同）和15:00—16:00时段双峰分布,雷暴、雷暴大风、冰雹、龙卷主要发生在13:00—19:00时段。雷暴主要出现在华南、江南及青藏高原、云贵高原,雷暴大风主要出现在华北北部及江南沿海,短时强降水主要出现在西南、华南、江南及黄淮江淮地区,冰雹主要出现在青藏高原、云贵高原及华北北部。SCWDS作为机器学习模型训练的基础数据,为强对流天气智能识别和预报应用提供数据支撑。     

重庆强对流短临业务评分方法

结合重庆本地实际情况,以区/县为单位对强对流中出现的短历时强降水、阵性大风及雷电进行业务质量定量评估.短历时强降水、阵性大风基于加密站观测资料采用分级的方式来评定,对雷电的评定基于ADTD系统观测到地闪资料并判断所在区/县是否有地闪出现.介绍了重庆本地强对流短临业务评分方法及开发的评分软件.从2011年的评分结果看,该评分方法在重庆本地是比较合理的,在业务应用上是可行的.     

一次夏季低涡系统中MCS演变特征

2011年7月11-13日,黑龙江省西部连续出现3次中尺度强对流天气,伴有短时强降水、冰雹、大风、雷电等天气。利用多种观测资料,对MCS环流、中尺度及物理量特征进行分析,探究低涡系统下MCS的演变规律。结果表明：地面辐合线和干线是触发强对流天气产生的重要因素。高低空一致的切变线和辐合线促使MCS的发展,MCS向不稳定能量区移动。假相当位温、K指数、沙氏指数和上干下湿的水汽条件及上冷下暖的温度平流等物理量因素对MCS发生发展有重要指示作用。飑线发生在MCS云团强度梯度大的前边界,该地域是强对流天气的多发地。     

成飞飞行区域短时强降水时空分布特征及强降水指数分析

成飞飞行空域包含高原、盆地、山区等多种地形,局地气候显著,短时强降水频发。本文使用国家气象信息中心2017-2021年多资料融合逐小时降水数据、国家自动站探空观测数据。统计分析出盆周沿山区为盆地短时强降水高发区;101°E~102°E,31°N~32°N区域为高原短时强降水高发区。利用百分位法得到高原地区强对流指数阈值：CAPE值≥1930.5J/kg;BCAPE值≥1974.7J/kg;抬升指数≥2.6℃;大气可降水量≥86.1mm;K指数≥37.2℃;SI指数≤-0.9℃。盆地地区强对流指数阈值：CAPE值≥2230.6J/kg;BCAPE值≥2264.4J/kg;抬升指数≥1.8℃;大气可降水量≥93.0mm;K指数≥40.8℃;SI指数≤-1.8℃。建立短时强降水不同下垫面强对流指数阈值,为今后短时强降雨客观预报方法,提供新的思路和方向。     

江西不同类型强对流天气的地闪统计特征及与雷达回波特征对比分析

选取2004—2014年江西省11个ADTD雷电探测定位组网系统所得云地闪探测数据、省内多普勒雷达、探空和自动站资料,并结合重要天气报,将此11年的强对流天气分成短时强降水、有短时强降水伴随的雷雹大风和冰雹(以下简称风雹)和无短时强降水伴随的风雹这三种主要类型,分析它们发生前后的地闪活动特征及其与雷达回波的关系,结果发现,(1)江西省短时强降水、雷暴大风和冰雹分别主要发生在5—8、7—8月和3月;仅发生短时强降水时的站次远多于发生风雹天气时;除早春和盛夏无短时强降水伴随的雷暴大风发生站次较多外,风雹天气常与短时强降水相伴发生。(2)仅有短时强降水天气发生时,其站点地理位置越偏北、小时雨量越大,对应的地闪活动就越剧烈。不同小时雨量对应的地闪数存在较明显的季节性差异,表现为3、4月地闪数以小时雨量为50~55mm时最多;5—7月地闪数随着小时雨量增大总体呈增多趋势,尤以小时雨量为55~60mm时最多;8—9月则以小时雨量为40~45mm时最多。(3)就无短时强降水伴随的风雹天气而言,在3—5月雷暴大风和冰雹发生前30min内的地闪数差异不大,但平均电流强度后者大于前者;在6—9月雷暴大风发生前30min内的地闪数则为冰雹发生前的2~4倍,平均电流强度前者大于后者;该类风雹发生前的地闪数多于仅有短时强降水发生前,正地闪的平均电流强度前者也略强。(4)有短时强降水伴随的风雹发生前的平均正地闪数以8月为最多,而负地闪数则在6月最多;冰雹发生前1h内的地闪数随季节变化不大,而雷暴大风发生前的地闪数存在季节差异,夏季多于春季;另外冰雹的地闪数与冰雹直径存在较好的正相关性。(5)3—8月,有短时强降水伴随的风雹地闪数远多于无短时强降水伴随时;其平均电流强度前者大于后者;该类风雹天气发生前,地闪平均电流强度随季节呈先增大后减小的趋势,而无短时强降水伴随的风雹天气则无此特点。(6)强对流天气发生前,较强回波出现前的负地闪活动远比正地闪活跃,但其电流强度弱于正地闪;45dBz以上回波伸展高度越高,伴随的地闪数也越多,但其平均电流强度变化不明显。