强对流天气监测预报预警技术进展

强对流天气预报业务包括监测、分析、预报、预警和检验等方面。对流初生识别、对流系统强度识别和对流天气类型识别等监测技术取得新进展，综合多源资料的监测技术已应用于中国气象局中央气象台业务。对流系统的触发、发展和维持机制等获得了新认识，我国不同类型强对流天气及其环境条件统计气候特征、分析规范及相应业务产品等为业务预报提供了必要基础和技术支撑。光流法、多尺度追踪技术以及应用模糊逻辑方法的临近预报技术等有明显进展，融合短时预报技术得到广泛应用，对流可分辨高分辨率数值（集合）预报及其后处理产品预报试验取得了显著成效，基于数值（集合）预报应用模糊逻辑方法的分类强对流天气短期预报技术为业务预报提供了技术支撑。强对流天气综合监测和多尺度自适应临近预报技术、多尺度分析技术以及融合短时预报技术、发展并应用模糊逻辑等方法的、基于高分辨率数值（集合）模式的区分不同强度等级和极端性的分类强对流天气精细化（概率）预报技术等是未来发展的主要方向。  

2012年7月21日北京地区特大暴雨中尺度对流条件和特征初步分析

本文利用常规、自动气象站观测资料，卫星、雷达、风廓线探测资料和NCEP再分析资料（1°×1°，逐6小时），对2012年7月21日北京地区特大暴雨的中尺度对流条件和对流系统特征进行了初步探讨，结果表明：本次极端强降雨成因主要包括非常充沛的水汽，一定的对流不稳定性，对流系统持续的“列车效应”，以及低质心高效率的降雨对流系统。低层的切变线和地面辐合线相交的地区，是对流单体初生和强烈发展的区域；根据中层风的风向风速及地面辐合线的位置和走向，可以大致判断对流单体的移动方向及是否存在列车效应。基于静止卫星红外云图和雷达反射率因子资料的中尺度对流系统分析表明该次降水过程存在三个阶段：第一阶段为对流系统强烈发展的前期阶段；第二阶段对流系统发展最为强烈，北京大部分地区出现极端强降雨；第三阶段为北京地区对流和降雨显著减弱阶段。  

强对流天气综合监测业务系统建设

强对流天气监测是其预报的基础.国家气象中心强天气预报中心利用多源观测资料(常规和非常规资料)建设了强对流天气综合监测业务系统.强对流天气的监测对象包括积云、地面高温、雷暴、地闪、冰雹、龙卷、大风、雷暴大风、短时强降水、雷暴反射率因子、对流风暴(基于雷达资料)、深对流云及中尺度对流系统(Mesoscale Convective Systems,MCS,基于静止卫星红外1通道资料)等不同时段的分布.发展的监测技术主要包括自动站资料质量控制技术、强对流信息提取和统计技术、直角坐标交叉相关雷达回波追踪(Cartesian Tracking Radar Echoes by Correlation,CTREC)技术、雷暴识别追踪分析和临近预报(Thunderstorm Identification Tracking Analysis and Nowcasting,TITAN)技术、深对流云识别技术、中尺度对流系统识别和追踪技术,以及闪电密度监测技术等.强对流天气监测系统自动定时运行,其输出数据与MICAPS业务平台完全兼容.该监测系统在国家气象中心的强对流天气预报业务中发挥了重要作用.  

基于雷达数据的风暴体识别、追踪及预警的研究进展

基于雷达数据的风暴体识别、追踪及预警方法是最早出现的临近预报技术，也是天气雷达系统和强天气预警业务的基本组成部分。风暴体识别、追踪及预警方法可以分为三大类：持续性预报法、交叉相关法和单体质心法，它们都属于外推预报法。其中，持续性预报法目前已经被后两者取代。首先较详细地介绍了交叉相关法和单体质心法的研究历史和主要算法，然后集中介绍了近几年来在外推预报基础上发展起来的一些新方法。最后，结合悉尼奥运会期间的FDP项目，讨论了临近预报技术的检验和准确性评价，重点介绍了列联表方法。  

导致区域性雷暴大风天气的云型分类及统计特征分析

利用2005—2011年的静止卫星、常规探空和重要天气报资料,文章选取了18次典型区域性雷暴大风过程,在分析500 hPa天气形势基础上对导致雷暴大风的强对流云型进行了分类分析,其发展过程可划分为初始、发展、成熟和消亡四个阶段。对静止卫星观测的定量特征分析表明,对流云团中IR1通道和水汽(WV)通道的亮温差基本为负值,其值的不断减小预示着强对流在持续发展;在监测和预报雷暴大风天气时,需要特别关注长椭圆形强对流云带的右侧和其右侧的孤立对流云团,尤其是TBB(红外亮度温度)低负值区、TBB高梯度区、IR1和WV通道亮温差值区及大梯度区均配合的区域。在定性分析的基础上对静止卫星IR1与WV通道的亮温特征进行了定量统计分析,获得了雷暴大风出现站点附近的红外亮温、水汽亮温、IR1与WV通道亮温差和红外亮温梯度的分布情况,结果发现大部分站点的雷暴大风天气出现在以下时段:红外亮温由急剧下降到平缓下降之间的过渡期;IR1与WV通道亮温差由迅速下降转为缓慢下降或稳定少变的时间点前后,且多数处于IR1和WV通道亮温差由正转负临近的时间段内;红外亮温梯度达到最大的时间点附近或开始下降的时候。  

北京地区短时强降水过程的多尺度环流特征

为了探讨不同天气尺度背景下，北京地区短时强降水过程的基本特征，利用2007-2014年6-8月北京地区自动气象站观测数据和ECMWF ERA-Interim（0.5°×0.5°）全球再分析数据，在对北京地区短时强降水日的大尺度环流特征进行分型的基础上，基于分型合成场和距平场分析了北京地区短时强降水天气过程的基本环流背景及相应的中尺度环流特征。结果表明：（1）造成北京地区出现短时强降水过程的天气系统，依据其出现的频次，大体可分为副热带高压（副高）与西来槽相互作用型、西风小槽型、东北冷涡型和黄淮低涡倒槽型等4类；从低层水汽来看，除东北冷涡型主要来自于渤海、黄海外，其他3型短时强降水过程的水汽主要来自中国南海或东海。（2）不同天气系统主导下的短时强降水时空分布存在较大差异：在空间分布上，黄淮低涡倒槽型短时强降水带分布从北京东南平原穿过城区至西北山前成东南-西北走向，其余3型大体上沿北京地形成西南-东北走向，其中，西南山前、城区和东北山前地区是3个短时强降水事件的多发中心；在时间分布上，东北低涡型造成的短时强降水过程主要发生在午后，副高与西来槽相互作用型主要集中在傍晚至前半夜，而西风小槽型和黄淮低涡倒槽型短时强降水表现出较强的夜雨特征。（3）从中尺度环流特征上看，副高与西来槽相互作用型短时强降水过程主要是低层冷空气从北京西部、北部进入，首先触发山区对流，与之对应的雷暴高压逐渐组织化，外侧辐散气流（冷池出流）和山前的偏南风暖湿气流辐合造成对流过程加强；西风小槽型主要是边界层内较强东南风在北京西北部山前受地形阻挡，向两边绕流，西南支气流在西部形成气旋性环流，造成城区西部的对流性天气，东北支气流在东北部山前形成地形辐合线，夜间随着东南气流中偏南分量显著加强，东北部山前地区的辐合上升运动加强，造成东北部山前对流性天气，因此在短时强降水落区上表现为两个分离的多发中心且具有夜发性；东北冷涡型主要是系统性的冷空气从北京北部或西部南下，在山前与低空偏东风形成辐合切变线，触发午后对流性天气；黄淮低涡倒槽型主要是黄淮低涡顶部的低层偏东气流在北京西部山前辐合抬升，触发对流，并逐步演变为中尺度气旋性环流，形成相对组织化的短时强降水。  

2018年一次罕见早春飑线大风过程演变和机理分析

2018年3月4—5日，华南、江南等地发生了一次大范围强对流过程，发生时间早，落区范围广，多地伴有雷暴大风、冰雹、短时强降水等剧烈对流天气，尤其飑线在江西境内造成了严重大风灾害。基于大气环流和雷达回波发展演变特征，将该次过程分为初始、发展和减弱三个阶段：初始阶段西风槽前西南急流造成的低压倒槽为强对流提供大尺度触发条件；发展阶段对流活动位于槽前暖区中，飑线在江西造成极端大风；入夜后，冷锋南下，对流进入减弱阶段。环境场及对流参数诊断表明江西中北部低层高温高湿，中层干冷，温度垂直递减率大，有利于产生雷暴大风。南昌探空长时间序列分析表明温湿要素气候态异常，与历史同期比，低层明显偏暖偏湿，中层偏干，有利于极端对流天气发生。综合多源观测资料和雷达资料分析中小尺度特征，本次江西飑线过程特点及成因包括：（1）受引导气流和前向传播共同作用，飑线移动速度快。（2）自动站分析显示飑锋后雷暴高压强，与锋前暖低压作用造成强密度流，有利于产生大范围直线型大风；（3）通过对比飑线弓状回波南北段回波结构差异表明，飑线后侧中层干后向入流促使降水粒子相变，剧烈降温形成的强下沉运动(下击暴流)是导致极端大风的主要原因，后部层云区下沉气流增强雷暴高压加之动量下传作用对雷暴大风有增幅作用。  

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。  

华北区域冰雹天气分型及云系特征

基于地面加密观测资料、FY-2E静止气象卫星观测资料和NCEP分析资料,选取2010—2012年华北区域内27次冰雹过程,按大气环流背景、主要影响系统和云系的云型特征等将其分为冷涡云系尾部型、低涡槽前型和偏北气流控制型3种类型。分析结果表明:3种天气型下冰雹对流云系特征存在差异,但90%以上的冰雹过程发生在对流云团的快速发展阶段中,降雹集中出现于准圆形或椭圆形对流云团边缘或带状对流云系的传播前沿区域,对应于云顶亮温梯度的大值区。在掌握背景环境的前提下,综合分析红外图像中对流系统的发展演变、水汽图像暗带和暗区变化等信息,对冰雹的监测和预警有一定的参考价值。定量统计分析表明,大的亮温梯度值(不低于8℃/0.05。)是辅助判断冰雹能否发生的重要参量,而当冰雹云同时具备低云顶亮温和大亮温梯度的情况下,更有利于大于10 mm大冰雹的发生。  

基于数学形态学的三维风暴体自动识别方法研究

基于雷达数据的风暴体识别、追踪及预警方法是重要的临近预报技术之一,其中准确的风暴体自动识别是进行风暴体自动追踪和预警的前提。在风暴体识别中常会碰到的两个问题是:虚假合并和从风暴簇中分离出相距较近的风暴单体。美国国家大气科学研究中心提出的TITAN(Thunderstorm Identification,Tracking,Analysis,and Nowcasting)算法使用单阈值进行识别,容易将相邻的多单体回波识别为一个风暴体。美国国家强风暴实验室提出的SCIT(Storm Cell Identification and Tracking)算法使用7个反射率因子阈值进行识别,可以较好地分离出风暴簇中的风暴单体,但它直接抛弃了低阈值的识别结果,导致风暴体内部结构信息的丢失。SCIT的这种识别策略可能会使处于初生阶段、强度较低的风暴体被错误地抛弃掉。TITAN和SCIT都无法完全识别出相邻风暴的虚假合并。为了解决这两个问题,文章提出了基于数学形态学的识别方法。该方法首先使用第1级阈值进行单阈值识别;其次,对识别得到的风暴体执行基于动态卷积模板的腐蚀操作,以消除虚假合并;然后,使用高一级阈值进行识别,并对识别得到的风暴体进行膨胀操作,当风暴体的边界在膨胀的过程中相互之间接触,或接触到了原来较低阈值识别的风暴体的边界时,则停止膨胀过程;最后,逐次使用更高级别的阈值进行识别,并在每一级阈值的识别过程中执行腐蚀和膨胀操作。试验结果表明,通过在多阈值识别的过程中综合使用膨胀和腐蚀操作,基于数学形态学的三维风暴体识别方法不仅能够成功地识别出风暴体的虚假合并,同时还能在从风暴簇中分离出相距较近的风暴单体时,尽可能多地保留风暴单体的内部结构信息。