基于天氣分型的北京地區雷電潛勢預報預警系統*

熊亞軍，廖曉農，于波，魏東，吳慶梅

(北京市氣象臺，北京100089)

0 引言

雷電潛勢預報是雷電災害預警預報的重要基礎，預報效率較高的潛勢預報系統，能幫助預報員提前確定雷電警戒區域，從而將主要精力放在監視和關注重點區域內的氣象要素變化，是提高雷電預警預報效率的重要手段。Ostby［1］在美國局地風暴室(SELS)近25年工作的基礎上提出，利用數值模式的輸出資料計算各種強對流參數，能有效用于各種強對流天氣的診斷和預報。有關雷電潛勢預報研究越來越受到人們的重視。Ducrocq［2－3］也曾研究將中尺度數值天氣預報(NWP)的預報場用于雷電等強對流天氣的預報和預警。國內有關雷電預警預測方面的研究也逐漸受到大家的重視。徐會明等［4］利用四川省閃電定位儀、常規探空以及T213數值預報產品等資料作樣本，應用決策樹方法生成四川省未來12 h雷電潛勢預報決策樹，并通過雷電潛勢預報決策樹對四川省2007年8－9月雷電潛勢預報.郭虎［5］建立了北京市雷電災害災情綜合評估模式。焦雪［6］研制開發了雷電災害風險評估系統。呂偉濤等［7］采用了多資料、多參數和多算法編制了CAMS-LNWS系統，綜合利用雷達、衛星、閃電監測系統、地面電場儀和探空儀等的觀測資料，自動生成雷電活動潛勢預報結果和雷電臨近預警結果。孟青等［8］通過運行測試以及預警結果與閃電監測結果的對比評估發現，CAMS-LNWS系統能夠較好地對0～30 min內可能發生閃電的區域進行有效預警。總的看來，雷電潛勢預報的研究和預報效果受到很多因素的影響:受到由于產生雷電活動的電場條件及氣象條件具有較大差異，中國南北方的雷暴電荷結構也有很大不同［9－10］，即使同一地區，不同季節不同天氣類型下的電荷結構也可能不同。另外，雷電是對流活動的結果，反映大氣熱力和動力不穩定的諸多對流參數已經被國內外氣象學者廣泛地應用于對流天氣的分析和預報中，因此用對流參數來指示對流的出現雖然不失為一種比較成熟的研究路線，但不同的環流背景下，不僅對流參數的閾值不同，而且同一個對流參數對于對流發生發展的指示作用也不同。因此，有必要在天氣分型的基礎上利用對流參數建立潛勢預報方法。本文意在闡述北京地區氣象局開發的“基于天氣分型的雷電預警預報系統”的原理和設計方案，并進行應用實例介紹，以期促進雷電潛勢預警預報方面的研究。

1 系統的設計理念與天氣分型

基于天氣分型選取不同的對流參數是本系統的顯著特點之一。系統以天氣分型為基礎，使用高分辨率的探測資料，實現了雷電潛勢預報由點到面、由粗到細的突破，為制作精細化預報提供了支撐。隨著天氣模式尤其是中尺度模式技術的發展，通過模式預報結果來計算各種對流參數成為可能，這種可能為建立高精度的業務化雷電預警預報系統奠定了基礎。雷電是對流活動的結果，長期的預報經驗表明，絕大多數雷暴天氣發生發展的環境條件與對流層中高層的環流形勢密切相關。例如，在北京地區按照對流天氣的發生的主導因素大致可分為兩類:①以冷空氣活動為主的對流;②以暖濕空氣活動為主的對流。不同的環流背景下，不僅對流參數的閾值不同，而且同一個對流參數對于對流發生發展的指示作用也不同。另外，由于產生雷電活動的電場條件及氣象條件具有較大差異，不同天氣類型下的雷暴電荷結構也很不相同。相應地，在研發中應根據不同的天氣類型來選取不同的對流參數。按照以500 hPa環流形勢、影響系統為主的原則對北京地區的對流日環流背景進行分型，并通過相關分析選取了對于對流發生發展有較大指示意義的對流參數。

在實時業務中，依據北京區域中尺度模式9 k m×9 km分辨率的模式探空資料計算得到的對流參數來對未來雷電出現的概率進行預報，是本系統的另一特色。采用天氣事件概率回歸方法建立了雷電概率回歸預報方程，最后利用非靜力中尺度數值模式預報產品釋用技術，制作北京地區0～36 h雷電落區、出現的概率以及移動趨勢的客觀預報，為預報員制作相關預報產品提供依據。

圖1中給出了北京地區雷電潛勢預報預警系統決策流程圖。北京地區雷電潛勢預報預警系統主要分為兩大塊:0～2 h的預報主要鏈接中國氣象科學研究院的CAMS-LNWS模塊，本文不作介紹;3～36 h的潛勢預報主要設計思路是首先進行天氣分型，在分型的基礎上利用中尺度數值預報模式計算對流參數，再導入到天氣事件概率回歸預報方程，從而進行概率預報。經由預報員訂正后，客觀預報結果進行使用和發布。在決策流程中能夠看出，本系統有兩個關鍵的地方。①雷暴天氣分型。本系統是在對1997－2006年的457個雷暴天氣過程的環流形勢進行對比分析的基礎上，進行的東北低渦低槽型、貝蒙低渦低槽型和西來槽等11類雷暴天氣分型，基本能夠描述北京地區絕大部分雷暴天氣環流形勢。②對流參數的選取和計算。本系統利用南郊觀象臺(54511站)的探空資料分別計算各種天氣類型下的對流有效位能、抬升指數和相對風暴螺旋度等33個對流參數，通過與北京地區的SAFAIR3000獲取的閃電定位資料進行對比分析，從而確定BCAPE的6個對流參數作為潛勢預報指數。

圖1 北京地區雷電潛勢預報預警系統決策流程圖

2 基于天氣分型的北京地區雷電潛勢預報預警系統

2.1 對流參數的選取與概率回歸方程的建立

考慮到計算對流參數時要使用探空資料，因此在選取個例時遵從鄰近原則，只選擇了距南郊觀象臺80 km以內的測站。此外，由于北京的閃電定位系統的資料長度有限，因此將人工觀測與閃電定位儀資料結合使用來確定雷暴日。當滿足鄰近條件的測站或范圍內有雷暴或閃電出現時，就將該日定義為一個雷暴日。在探空時間選取時，采用了臨近原則，即:發生在白天的事件，用08時探空計算對流參數;發生在夜間的事件，用20時探空計算對流參數。當使用08時探空時，用08－20時之間的閃電數目總和來與08時的對流參數求相關;當使用20時探空時，用20時－次日08時之間的閃電數目總和來與08時的對流參數求相關。

與總閃電數相關性較高的對流性指數為:BCAPE、BLI、MDCI、MDPI、TCON、KNEW、IC、BIC和PC，其相關系數絕對值超過0.29，通過0.1信度檢驗。BCAPE是相關性最好的對流參數，相關系數0.51，通過0.01的置信度檢驗。云閃相關性較高的對流性參數為:BCAPE、BLI、MDPI、TCON、ZIC和BIC，通過0.1信度檢驗。BCAPE是相關性最好的對流指數，相關系數0.49。與地閃相關性較高的對流性指數為:BCAPE、BLI、MDCI、MDPI、ILC、ZH、FHT、DCI、K、KNEW、IC、SWEAT和BIC，通過0.1置信度檢驗。BCAPE是相關性最好的對流指數，相關系數0.64，通過0.01的信度檢驗。本系統進行回歸方程的建立時，對云地閃不進行區分，只根據各個對流參數的物理意義以及回歸分析對參數的要求，將BCAPE、BLI、MDCI、BIC、KNEW和SWISS等6個對流參數確定為北京地區雷電潛勢預報的參數。

采用了事件概率回歸(REEP)方法來建立雷電概率預報方程。將雷電與6個對流參數看成是隨機事件，把雷電出現與否作為預報量，用“0”和“1”二值變量表示，并且將預報量與6個對流參數之間的關系看成是在6個前期因子已經出現的條件下預報量出現與否的關系，因此可以建立對預報量的條件期望，并假定這一期望與對流參數出現關系是線性的，則可以將預報量與對流參數之間的關系表示為一個線性方程——事件概率回歸方程。

按照各個類別的個例數目，選取了適量的無雷電個例并計算了這些個例的BCAPE等6個對流參數，得到了11類環流型下雷電概率預報方程，且11個概率預報方程通過置信度0.05的F檢驗。表1中給出了11類雷暴天氣分型及概率預報方程的F檢驗值。

表1 北京地區11類雷暴天氣分型及概率回歸方程系數

2.2 系統界面與功能

北京雷電預警預報系統利用C語言開發，運行于Windows XP操作系統，必須安裝和配置Microsoft.NET FrameWork 2.0平臺，且服務器端需安裝Grads繪圖系統和Fortran編譯環境。系統采用C/S結構，計算對流參數、雷電出現概率和作圖部分在后臺運行，顯示部分由軟件界面完成。主界面包括工具欄、3個功能模塊和氣科院雷電臨近預警系統。

圖2 北京地區雷電預警系統的潛勢預報模塊

北京雷電預警預報系統主要包含實時探測資料顯示模塊(雷達、衛星、閃電定位儀、大氣電場儀等)、潛勢預報模塊、0～2 h預警模塊、大尺度分型解釋(圖+文字說明)和北京地區雷電氣候背景介紹等主要功能。其中0～2 h預警模塊引入中國氣象科學研究院的雷電臨近預警系統(CAMSLNWS)的預警預報產品。其中系統的核心模塊為潛勢預報模塊，如圖2所示。其包含對流參數時空變化曲線、雷暴發生概率等部分。根據北京區域中心中尺度模式產品的提供時間，將潛勢預報系統后臺的運行時間確定為北京時間的07時和15時。07時的預報采用初始場為前1 d的20時模式運行結果，15時的預報采用初始場為當天08時的模式結果。系統自動讀取模式結果的時間，進行相應的計算和圖形處理，計算結果以圖形顯示。

2.3 預警系統評估

本文使用2007年汛期出現的11個強對流過程對本系統進行檢驗。這11個過程出現的環流背景分為5種類型:東北低渦低槽、華北低渦低槽、西來槽、東高西低槽和500 hPa西北氣流低層無系統等。使用北京區域中心水平分辨率為9 km、時間分辨率為3 h的MM5中尺度模式的輸出探空計算了BCAPE、BIC等6個對流參數，并且使用上述5種類型的事件概率預報方程計算了當日北京地區雷電天氣出現的概率，對系統的潛勢預報模塊進行了試驗。試驗方法是通過對比概率預報的結果和閃電定位儀資料得到了系統逐3 h報對的格點數(A)、空報的格點數(B)和漏報的格點數(C)，將概率的閾值選擇為60%。其中，POD(命中率)=(A/(A+C))×100%，FAR(虛警率)=(B/(A+B))，CSI(成功臨界指數)=(A/(A+B+C))×100%。“初始場時間”為中尺度模式運行時間(世界時)，雷電出現時間是閃電定位儀網觀測到的閃電時間(世界時)。

試驗結果發現(表2～表6)，系統對東高西低槽型預報效果較好。多數時段的命中率均在50%以上，虛警率也保持在40%以下，而且除了7月30日06－09UTC(17－20BT)和09－12UTC(17－20BT)外，漏報格點所占的比例不高。因此，雷電落區與60%概率的區域有比較好的對應關系;對華北低渦低槽、西來槽和500 hPa西北氣流低層無系統三種類型的預報結果類似。由于系統對這三種類型環流背景下出現的雷電天氣較少漏報，因此命中率較高，即雷電活動區全部位于概率大于60%的區域內。但是虛警率也比較高，因此影響了整體的評分;系統對東北低渦類型的預報能力較低，造成命中率低的主要原因是空報過多。

表2 東高西低槽型

表6 500hPa西北氣流低層無系統型

2007年7月27 日天氣，根據天氣環流形勢，預報員通過環流形勢分析認為其副高西側型雷電易發天氣。利用中尺度數值模式的輸出結果進行對流參數的計算后，代入副高西側型天氣事件概率回歸預報方程，系統給出的為從西南房山區域－昌平－密云的帶狀區域內為雷電高概率區域如圖3a所示。圖3b中則給出了當天由SAFIR3000測量的閃電實況分布，對比發現該系統具有較好的使用效果。

圖3 2007年7月27日北京地區副高西側型雷電天氣

3 結論和討論

本文介紹了基于天氣分型的北京地區雷電潛勢預警預報系統，初步的運行試驗表明本系統運行穩定，對北京地區各種雷電天氣型均有一定的預報能力。其得出另外一些主要結論如下:

北京地區的雷暴天氣主要分為東北低渦低槽、貝蒙低渦低槽、西來槽等11種雷暴天氣型。這11種天氣類型能涵蓋北京地區雷暴天氣類型的絕大多數，具有較強的代表性。將普選的對流有效位能、抬升指數和相對風暴螺旋度等33個對流參數分別與閃電頻數進行相關性分析，發現在北京地區，BCAPE、BLI、MDCI、BLI、KNEW和SWISS等6個對流參數能較好地作為北京地區潛勢預報參數建立天氣事件概率回歸預報方程。

另外本系統還具有一定的優化前景。北京區域中心的中尺度數值模式已經具備了將自動站、GPS等高時空分辨率的資料融合到模式中并以每3小時為間隔對模式的運行結果進行快速更新(簡稱為RUC)的能力，從而為提高雷電潛勢預報的水平提供了有力的技術支撐。但是目前RUC仍處于試用階段，待該技術成熟之后，“北京地區雷電預警預報系統”也將得到相應的優化。

［1］OSTBY F P．Improved accuracy in severe storm forecasting by the severe local storms unit during the last 25 years:Then versus now［J］．Weather and forecasting，1999(14):526－543．

［2］Ducrocq V，Bougeault P．Simulation of an observed squall line with a meso－beta－scale hydrostatic model［J］．Weather and forecasting，1995(10):380－399．

［3］Ducrocq V，Tzanos D，Senesi S．Diagnostic tools using a mesoscale NWP model for the early warning of convection［J］．Meteorological Applications，1998(5):329－349．

［4］徐會明，靳小兵，季海，等．決策樹法在雷電潛勢預報中的應用［J］．四川氣象，2008(4):55－58．

［5］郭虎，熊亞軍，扈海波.北京市雷電災害災情綜合評估模式［J］．災害學，2008，23(1):14－17．

［6］焦雪，馮民學，王堯鈞，等．雷電災害風險評估系統開發與應用［J］．災害學，2011，26(2):72－76．

［7］呂偉濤，張義軍，孟青，等;雷電臨近預警方法和系統研發［J］．氣象，2009，35(5):10－18．

［8］孟青，張義軍，呂偉濤，等．雷電臨近預警系統的運行試驗［J］．氣象，2009，35(4):20－24．

［9］張義軍，劉欣生，Krehbiel P R.雷暴中的反極性放電和電荷結構［J］．科學通報，2002，47(15):1192－1195．

［10］馬穎，孟青，呂偉濤，等．雷電臨近預警產品評估方法及其軟件［J］．氣象，2009，35(11):101－106.