基于風暴數值模擬的冰雹臨近預報方法研究

王 瑾，王洪斌，鄒 蓓

(1.貴州省氣象信息中心，貴州 貴陽 550002;2.貴州省黔東南自治州氣象局，貴州 凱里 556003)

基于風暴數值模擬的冰雹臨近預報方法研究

王 瑾1，王洪斌2，鄒 蓓1

(1.貴州省氣象信息中心，貴州 貴陽 550002;2.貴州省黔東南自治州氣象局，貴州 凱里 556003)

該文利用基于格點冰雹識別的研究成果，結合ARPS風暴數值模式的輸出結果，提出基于風暴數值模式的冰雹臨近預報方法，即用風暴數值預報的水物質場反演的反射率因子場作為冰雹的預報因子，并通過建立基于格點的強冰雹識別算法作為冰雹預報模型，從而對冰雹的落區及大小做出預報。與一般的冰雹預報模型相比，新的方法有以下特點：選取的冰雹預報因子物理意義更加明確，更加全面;建立的冰雹預報模型比較穩定;建立冰雹預報模型的過程相對簡單。新的方法在一次強冰雹過程中得到了成功應用，在3h的臨近預報中基本準確預報了強冰雹的落區位置。

風暴數值模擬;冰雹臨近預報

1 引言

基于雷達資料的臨近預報技術主要包括雷暴識別追蹤和外推預報技術、數值預報技術以及以分析觀測資料為主的概念模型預報技術等。其中，識別追蹤和外推預報技術主要以雷達資料為基礎，在這方面，交叉相關外推和回波特征追蹤識別外推是比較成熟的技術，已經用于許多的臨近預報業務系統中，其缺陷是預報時效較短，準確率也不是很高。隨著精細數值天氣預報技術和計算機技術的發展，特別是“熱啟動”技術的發展，利用多普勒天氣雷達資料和其它中小尺度觀測資料進行數值模式初始化來預報雷暴的發生、發展和消亡已經成為一個研究的熱點，是今后臨近預報主要的發展方向。近年來，國內外有關強對流天氣預報方法的研究已有很多成果，但在實用有效的短時預報手段方面依然需做進一步探討和研究。我國目前對這類天氣的預報主要是根據實況觀測資料作外推或根據預報員的經驗總結出來的強對流天氣概念模型來進行。國外則利用加密的中尺度觀測及衛星、雷達資料，采用變分同化技術融入非靜力中尺度模式，其技術已顯示出對某些強對流天氣的預報具有一定的能力。如Warner等(2000)在一次暴洪的個例研究中，采用VDRAS系統，即用云模式及其伴隨模式，從多普勒雷達資料反演得到云模式的初值，包括三維風場、熱力場和云的微物理場，預報結果的驗證表明：模式預報質量顯著好于外推預報。邱崇踐等(2001)采用變分反演方法和Gal-Chen等提出的熱力反演技術，得到ARPS模式預報所需初始場的基本要素，并對移經美國Oklahoma州的一個強雷暴系統進行了數值預報試驗，結果表明，初始場中引入多普勒雷達觀測資料后明顯改進了預報效果。

冰雹作為一種強對流天氣，其特點是空間尺度小、生命史短、突發性強、發展演變迅速，其預報難度是眾所周知的。Doswell［3］認為，龍卷預報包括兩部分：對風暴環境中龍卷潛勢的預測以及一旦風暴發展時對龍卷風暴的識別。Doswell的上述思路，即把風暴預報問題化分為潛勢預測和監測識別，同樣適用于降雹預報問題。在日常業務工作中，能不能將上述的潛勢預報和雷達識別雹云有機的結合起來，利用模式輸出產品的一些結果呢?作為一種嘗試，文獻［1］討論了風暴模式的“熱啟動”問題，使得利用數值模式成功地對冰雹等發展演變迅速的強對流天氣做出臨近預報成為可能。本文利用文獻［2］的冰雹識別的研究成果，結合ARPS風暴數值模式的輸出結果，提出了一個新的冰雹臨近預報方法，并在一次冰雹個例中得到了成功應用。作為比較，也探討了基于風暴跟蹤外推技術的臨近預報方法。

2 基于格點冰雹識別算法的冰雹臨近預報方法

冰雹并不是風暴數值模式的預報量，因此常規的冰雹預報，是利用探空或數值預報模式的輸出量計算各種對流參數和物理條件(層結不穩定、水汽、動力)等各類因子，如對流有效位能(CAPE)，風暴相對螺旋度(SRH)、粗理查遜數(BRN)和粗理查遜數切變(BRNSHR)等，然后根據實際冰雹資料建立地面降雹與這些因子之間的統計關系，從而建立冰雹的預報模型。這些方法所建立的模型，與數值預報模式和局地氣候密切相關，一旦數值模式或局地氣候條件變化，預報模型就必須調整;而且建立的過程比較繁雜，必須使用大量的數值預報個例來建立穩定的統計關系。為了解決這些困難，我們提出一個新的方法來建立冰雹的臨近預報模型。

基本思路就是以反射率因子作為冰雹預報因子，將冰雹預報問題轉變為冰雹識別問題。首先根據強風暴數值模式預報輸出場中的水物質場和風場轉變多普勒雷達的反射率因子和徑向速度場，然后根據多普勒雷達的冰雹識別方法診斷出冰雹落區和大小。我們使用的冰雹識別方法是文獻［2］研究的基于格點冰雹識別算法，算法是基于反射率因子的方法，因此我們只需轉變預報輸出場中的水物質場為多普勒雷達的反射率因子場。

與一般的冰雹預報模型相比，新的方法有以下特點：

①選取的冰雹預報因子物理意義更加明確，更加全面。新方法中的冰雹預報因子雖然只有雷達反射率因子，但它是預報時刻各種物理因子(對流參數、水汽條件、動力因子)的綜合反映，而且直接體現了與冰雹有關的水物質的情況，因而相比而言更加全面。

②建立的冰雹預報模型比較穩定。新方法使用的預報模型，即基于雷達反射率因子的冰雹識別算法，與使用的風暴數值模式無關，模式的改變并不需要改變冰雹識別算法，因此，要提高冰雹的預報能力，我們只需專注于模式水物質輸出場形成的雷達反射率因子場的位置和結構預報能力的提高，而不需再重新建立新的冰雹預報模型。

③建立冰雹預報模型的過程相對簡單。只需要獲得大量的冰雹個例雷達觀測資料及地面降雹記錄資料，我們就可以建立可靠的冰雹識別模型，而不需要通過大量的數值預報模擬結果來建立穩定的預報模型。

2.1 反射率因子場的生成

水物質場生成反射率因子場采用了ARPS模式［5-6］的云分析方案中的處理方法，總的等效反射率因子Ze由3個分量構成：

式中 Zer、Zes、Zeh分別是雨水、雪及冰雹對反射率因子的貢獻，雨水、雪及冰雹等降水粒子場由模式的濕球溫度場及雷達反射率模式網格場對降水粒子形態的診斷分析獲得。這3個分量的反射率因子方程采用了Smith(1975)的方案。

雨水的反射率因子分量Zer方程：

式中雨水密度 ρr=1 000 kg/m3，ρ(單位為 kg/m3)是空氣密度，假設雨滴大小譜分布滿足Marshall-Palmer指數分布，截斷常數Nr=8.0×106m-4。

在云中溫度＜0℃，干雪對反射率因子的貢獻方程為：

這里 ρs=100 kg/m3及 ρi=917 kg/m3分別是雪和冰的密度。Ns=3.0×106m-4，是雪譜分布的截斷常數，=0.176及=0.93分別是冰和水的電介常數。

當云中溫度＞0℃，濕雪對反射率因子的貢獻類同于雨水形式的方程：

其中，ρh=913 kg/m3是雹的密度，雹譜分布的截斷常數 Nh=4.0×104m-4，這個值比 Smith［12-13］方案中使用的值稍大，主要是考慮了大多數情況冰雹尺寸較小的原因。

2.2 格點冰雹識別算法

在文獻［2］中，我們在基于局部空間插值方法的雷達反射率因子的三維插值網格上建立了適合于貴州地區的基于格點的冰雹識別算法，并生成了基于格點的垂直累積含水量、垂直累積含水量密度、強冰雹指數、強冰雹概率等強冰雹診斷產品，本文將在此基礎上建立貴州冰雹的預報模型。

3 個例選擇及方案設計

為檢驗基于風暴數值模擬的冰雹臨近預報方法的預報能力，選擇了一次發生在貴州中西部地區的強對流冰雹天氣作為研究個例。

受高空槽和低渦切變的共同影響，2005年5月2日下午至夜間，貴州西北部及中部地區發生了一次雷雨冰雹天氣過程。21時34分，本次強對流天氣系統襲擊了貴陽市烏當區和白云區，在雷雨中夾降冰雹并伴有瞬時強風，持續時間12 min左右，冰雹直徑15～30 mm。這次強雷暴天氣過程是一次由高原東側短波槽在低層切變線上擾動生成局地中小尺度氣旋形成的強烈對流天氣(圖略)，另外中低層持續加強的西南暖濕氣流，高溫高濕的環境場及中層700 hPa逆溫層的存在，也為這次強雷暴的發生發展提供有利的背景條件。

本文以美國Oklahoma大學風暴分析和預測中心開發的ARPS(The Advanced Regional Prediction System)模式及其資料三維同化系統ARPS3DVAR和復雜云分析模塊為研究平臺［1］，對于所有的數值試驗，均采用了兩層單向嵌套網格，外層為15 km分辨率，覆蓋了整個中國區域，內層為3 km，以貴陽為內層模式區中心點，覆蓋了整個貴州區域。15 km和3 km網格都采用了相同的垂直地形跟隨坐標，垂直方向取43層，垂直平均分辨率為500 m。采用ARPS3DVAR系統來同化常規地面資料、探空資料及多普勒雷達徑向速度資料，3DVAR中的云分析模塊根據反射率資料來調整云中溫度、水汽、云水云冰及降水粒子場。ARPS3DVAR系統及ARPS模式的主要參數設置見表1。

表1 ARPS3DVAR系統及ARPS模式的主要參數設置

15 km網格的模擬結果為3 km的數值模擬提供邊界條件，并且經過插值到3 km網格后，為3 km的雷達同化分析提供背景場。15KM網格采用6 h間隔的NCEP AVN 1°×1°資料作為背景場和邊界條件，初始時刻加入了地面和探空資料對初始場進行訂正。

為檢驗模式的冰雹天氣臨近預報能力和多雷達資料同化對模式預報的影響，我們選取了在貴陽雷達靜錐區內有強冰雹記錄時(北京時間21時34分)的前1.5 h，即20時00分作為模式啟報時間，模式預報時間為3 h。3 km網格同化了模式時刻貴陽和遵義兩部多普勒雷達的體掃資料。在同化分析中，由于只同化雷達資料，采用了單次PASS，濾波尺度為6 km。

4 結果分析

4.1 風暴模式的臨近預報能力檢驗

圖1是ARPS模式對本次強冰雹過程20時至23時3 h預報的反射率因子在3 km高度與實際雷達觀測的詳細比較圖。預報的反射率因子根據本文2.1節的Smith方案獲得。模式預報與觀測的雷達反射率在回波結構、位置和系統的演變方向上是比較一致的，抓住了這次強冰雹過程幾個主要強風暴的演變特征。從實際觀測(圖1右欄)來看，預報初始階段，存在5個主要的對流風暴(圖1中a～e所標示)，其中風暴a是這次過程最主要的強降雹云，預報時段一直維持強風暴，21時30分在貴陽附近降雹后，呈現逐漸減弱的趨勢。風暴b在20時45分與風暴a后部分裂的小風暴合并增強，22時30分與其后部的新生風暴c’合并，已有與風暴a合并的趨勢。風暴c在預報1 h后持續增強，21時，在其右前方有新風暴c’生成。風暴d維持減弱趨勢，22時30分后消亡。弱風暴e在20時45分消亡。

從20時開始的3 h預報在15 min后有6個風暴(圖1a～f標示)，其中5個風暴a～f都可以直接聯系到右側實際觀測中的風暴，只有風暴f沒有與之對應的實測風暴，但由于環境場的不支持導致了風暴f在21時后完全減弱消亡。5個風暴在預報開始后1 h內，風暴強中心位置的預報誤差＜5 km，2 h內預報誤差＜15 km，3 h的預報誤差在30 km左右，而且主要風暴結構與實際觀測保持較好的相似度。預報的風暴a在預報時段一直維持強風暴形態，但強度比實測略低，范圍比實測大，最大值為57 dBz，出現在21時。風暴d和e的預報雖有減弱消亡的趨勢，但消亡時間比實測晚。風暴e是在21時后逐漸消亡，風暴d一直維持減弱趨勢。風暴b、c的預報與實測稍有出入，預報的風暴b在20時45分與風暴c合并，而不是與風暴a后部分裂的小風暴合并。合并后在21時30分重新分裂，生成新風暴c’。這比實測中新風暴c’的生成時間稍晚。

通過對這次過程主要風暴的時空演變及主要關鍵特征的成功模擬，可以認為初始時刻通過3DVAR和云分析同化了雷達觀測資料及常規的地面觀測和探空資料起了非常關鍵的作用，這不僅為模式提供了一個合理的初始場，同時也解決了模式的“熱啟動”問題，模式初始時刻就存在的云微物理場，大大減少了模式的調整時間，使得利用風暴數值模式進行0～3h的對流天氣臨近預報成為可能。但模擬結果也表明，當風暴靠得太近時，一些復雜的風暴相互作用，比如說風暴的合并、陣風鋒的交匯等現象就會發生，而模式對這些過程的處理誤差會激發一些虛假的風暴單體的生成或消亡，這就要求提高模式對對流風暴的精確的分析和處理能力。

4.2 強冰雹的臨近預報

我們提出的強冰雹預報的臨近預報方法就是用風暴數值預報的水物質場反演的反射率因子場作為冰雹的預報因子，并使用文獻［2］建立的基于格點的強冰雹識別算法作為冰雹預報模型，從而對冰雹的落區及大小做出預報。在文獻［2］中，我們使用多雷達三維插值拼圖產品，實現了基于格點的垂直累計含水量、垂直累計含水量密度、強冰雹指數及強冰雹概率等強冰雹診斷因子，改進了強冰雹概率算法。同時根據局地氣候特征建立了適合于貴州地區的強冰雹指數的冰雹預警閾值選擇模式(WTSM)，每天的VIL冰雹預警閾值(VOD)統計關系式及VIL密度的冰雹預警閾值。上節我們已經成功模擬了這次強冰雹過程的反射率因子的演變特征，接下來對強冰雹的落區預報就變得相對容易，我們只需根據預報的反射率因子場生成強冰雹識別產品就可以了。

圖2a是根據與地形有關的強冰雹概率建立的強冰雹預報模型對本次冰雹過程21時30分的數值預報所做的強冰雹預報。等值線為3 km高度的反射率因子場。白方塊點標示了地面觀測到的強冰雹記錄(1號記錄：清鎮市百花鄉，雹粒直徑最大有乒乓球大小，降雹時間21∶13-21∶33;2號記錄：貴陽烏當區朱昌鎮，雹粒直徑最大30 mm，降雹時間21∶34—21∶40;3號記錄：貴陽白云區麥架鄉，雹粒直徑最大35 mm，降雹時間21∶40—21∶48)。圖2b是同時次遵義和貴陽多雷達拼圖產品生成的強冰雹概率圖。根據強冰雹預報模型，要求強冰雹概率POSH≥50%發布強冰雹預警，圖2a中的預警區域(圖2a中的紅色區域)距離實際降雹點稍偏北10 km左右。與圖2b相比較，預報產品比實際識別產品除位置稍偏北以外，還低估了圖2b中風暴b強降雹的可能性，風暴a的強降雹區域也偏小。但能夠提前1.5 h成功預報出強冰雹落區，對于實際的人影工作來說已經有很大幫助。

5 小結

本文利用文獻［2］冰雹識別的研究成果，結合ARPS風暴數值模式的輸出結果，提出了一個新的冰雹臨近預報方法，并通過對一次發生在貴州西北部到中部一線的冰雹過程的1 h外推預報及3 h數值模擬，得出以下結論：

①ARPS模式對本次強冰雹過程3 h的模式預報與觀測的雷達反射率在回波結構、位置和系統的演變方向上是比較一致的，抓住了這次強冰雹過程幾個主要強風暴的演變特征。這次過程主要風暴的時空演變及主要關鍵特征的成功模擬，可以認為初始時刻通過3DVAR和云分析同化了雷達觀測資料及常規的地面觀測和探空資料起了非常關鍵的作用。但模擬結果也表明，當風暴靠得太近時，一些復雜的風暴相互作用，比如說風暴的合并、陣風鋒的交匯等現象就會發生，而模式對這些過程的處理誤差會激發一些虛假的風暴單體的生成或消亡，這就要求提高模式對對流風暴的精確的分析和處理能力。

②提出一個新的方法來建立冰雹的臨近預報模型。基本思路就是以反射率因子作為冰雹預報因子，將冰雹預報問題轉變為冰雹識別問題。首先根據強風暴數值模式預報輸出場中的水物質場和風場轉變多普勒雷達的反射率因子和徑向速度場，然后根據多普勒雷達的冰雹識別方法診斷出冰雹落區和大小。與一般的冰雹預報模型相比，新的方法法有以下特點：選取的冰雹預報因子物理意義更加明確，更加全面;建立的冰雹預報模型比較穩定;建立冰雹預報模型的過程相對簡單。新的方法在本次強冰雹過程中得到了成功應用，在3 h的臨近預報中基本準確預報了強冰雹的落區位置。

圖1 2005年5月2日強冰雹過程20至23時3 h模式預報(左欄)與實際多雷達拼圖(右欄)的3 km高度反射率因子。(不同的預報時刻在圖的左上角標示)

續圖1 2005年5月2日強冰雹過程20至23時3 h模式預報(左欄)與實際多雷達拼圖(右欄)的3 km高度反射率因子。(不同的預報時刻在圖的左上角標示)

圖2 21時30分的強冰雹預報圖(a)及相應時刻的多雷達拼圖的強冰雹概率產品(b)

需要指出的是，新方法的預報效果依賴于數值模式對強對流天氣反射率因子場的準確模擬，而模式預報能力的提高除了模式良好的風暴分析和描述能力之外，與中尺度觀測資料的同化密切相關。在試驗中，我們只同化了雷達資料，未來中尺度觀測網資料的加入會大大提高模式的預報能力。另外，我們對新方法的應用還只局限于個例研究，其驗證和完善還需在業務中通過大量的預報實踐來完成。

［1］ 王瑾.CINRAD/CD雷達反射率因子同化對中尺度數值模式云微物理量場調整的分析［J］.高原氣象，2009，28(1)：173-185.

［2］ 王瑾.基于強對流數值模擬的貴州冰雹識別及臨近預報方法研究［D］.北京：中國科學院，2009.

［3］ 彭治班，等.國外強對流天氣的應用研究［M］.北京：氣象出版社，2001.

［4］ Johnson J，P.Mackeen A，Witt E M，et al.The storm cell identification and tracking algorithm：An enhanced WSR-88D algorithm.Weather and Forecasting，1998，13：263-276.

［5］ Xue，M.，K.K.Droegemeier，and V.Wong，2000：The Advanced Regional Prediction System(ARPS) - A multiscale nonhydrostatic atmospheric simulation and prediction tool.Part I：Model dynamics and verification.Meteor.Atmos.Physics，75，161-193.

［6］ Xue，M.，K.K.Droegemeier，V.Wong，A.Shapiro，K.Brewster，F.Carr，D.eber，Y.Liu，and D.Wang，2001b：The Advanced Regional Prediction System(ARPS)-A multi-scale nonhydrostatic atmospheric simulation and prediction tool.Part II：Model physics and applications.Meteor.Atmos.Phys.，76，143-166.

Research on the approach of hail nowcasting in Guizhou Region based on storm numerical model

WANG Jin1，WANG Hongbin2，ZOU Bei1

(1.GuiZhou Meteorological Information Center，Guiyang 550002;2.Southeast Autonomous Prefecture Meteorology Bureau of Guizhou，Kaili 55003)

Based on grid-based hail detection algorithm ，storm numerical model and radar data assimilation，A nowcasting technique for hail storm，which using model radar reflectivity retrieving from hydrometeors as the hail forecasting factors and grid-based hail detection algorithm as the hail forecasting model，has been established，It can be used to forecasting the hail location and size.Comparing with other hail forecasting approaches，this new approach get more meaningful and more comprehensive forecasting factors，a more stable forecasting model and easy way to build the hail forecasting model.The new approach was successfully applied in a severe hail weather case，which forecasted accurately the position of severe hail storms during 3 hours from initial time.

Storm Numerical Model;Hail Nowcasting

P456

A

1003-6598(2011)02-0001-07

2011-03-14

王瑾(1969-)，男，博士，高工，主要從事雷達氣象應用方面的研究。

*資助項目：貴州省優秀青年科技人才培養對象專項基金黔科合人字(2009)20號和貴州省氣象局雷達創新團隊項目。