淺析探空資料的雷暴潛勢預報

■韋英英王潮湖葉曉冰

（1安溪縣氣象局福建泉州362400；2永春縣氣象局福建泉州362600）

淺析探空資料的雷暴潛勢預報

■韋英英1王潮湖1葉曉冰2

（1安溪縣氣象局福建泉州362400；2永春縣氣象局福建泉州362600）

本文綜合前人的研究結果，對2014～2015年5～8月的發生在我省的雷暴天氣資料、MICAPS探空數據和物理量數據進行整理和特征分析，歸納出形成雷暴發生的幾種天氣形勢主要有西南渦、副熱帶高壓、冷鋒、低渦切變等；在考慮對流指數對雷暴潛勢預報貢獻的基礎上，引入各層高空要素和物理量要素，利用逐步回歸的統計方法研究基于探空站的雷暴潛勢預報方法。

探空資料 雷暴 預報天氣

1　預報因子的篩選

1.1資料和方法

雷暴潛勢預報方法的研究建立在常規探空資料基礎上，所用統計資料主要有全省2014～2015年5～8月的雷暴日資料、MICAPS探空數據和物理量數據，統計所需的多種對流指數由探空數據計算得到。由于潛勢預報圍繞廈門、福州和邵武站，3個探空站展開，因而物理量格點數據需插值到3個探空站，這里采用了歸一化反距離加權插值技術。統計發現若僅選用探空本站的雷暴日資料進行統計，則方程的復相關系數較低，擬和效果較差；為了提高3個探空站對本省雷暴預報的代表性，對每個探空站周圍100km范圍內基準站的雷暴日進行分區統計，規定有3個站以上發生雷暴天氣，就為區域性雷暴，記為該探空站有雷暴發生，本站只要出現雷暴則以有雷暴計算。所以，3個探空站基本可以代表本站100km范圍內的雷暴潛勢預報。預報方程的建立是利用逐步回歸的統計方法，方程類型為Y=b0+b1x1+b2x2+…+bnxn，其中Y是由各個預報因子x1，x2，…，xn線性組合得到的預報量，b1，b2，…，bn是回歸系數；b0是回歸常數。在建立方程時，Y值的取法為：當雷暴出現時，預報量Y的值為1，不出現取為0。預報因子由3類資料組成：高空要素、對流指數和物理量場數據。首先引入能夠反映大氣層結、能量、濕度及上升運動的物理量場、風場等22預報因子，為了保證各因子之間的相互獨立，預報因子在逐步引入預報方程的過程中，逐步回歸分析算法會根據因子的方差貢獻來剔除貢獻小的因子，保留方差貢獻較大的因子，直到沒有預報因子可以引入為止，最終建立雷暴潛勢預報方程，通過逐步回歸算法的篩選，最后每個方程約由8～9個預報因子組成。在建立方程的過程中，經過反復試驗，5、6月和7、8月分季節建立方程可以有效提高方程的擬合效果；最后針對3個探空站得到4個預報方程，每個方程涉及樣本數122～124個。方程1由5、6月資料統計得到，可以代表3個探空站的雷暴潛勢預報；而7、8月則分站點建立，方程的復相關系數介于0.62～0.72。預報因子由高空要素、對流指數和物理量場數據3部分資料組成。高空要素因子主要包括風向、風速、溫度和露點溫度，700hPa的相關性相對優于其他層，其中700hPa的溫度呈現顯著的負相關。對流指數因子主要包括對流有效位能、假相當位溫差、風暴相對螺旋度、能量螺旋度指數、K指數、SI指數、對流抑制能量、抬升指數、下沉對流有效位能，其中K指數、對流有效位能、假相當位溫差在統計方程中的相關性較為顯著。物理量場主要包括水汽通量和水汽通量散度、垂直速度、相對濕度、假相當位溫、溫度平流，主要選擇相關性較為顯著的925和850hPa層資料，其中925hPa水汽通量、850hPa相對濕度、925hPa垂直速度和850hPa假相當位溫在統計方程中的相關性較為顯著。

1.2參數性能統計分析

利用2014年6～7月的獨立資料集檢驗3個探空站的預報效果，探測率（POD）平均87.5%，虛假警報率（FAR）平均26.7%，漏報率（MR）平均12.5%，正確率（PC）平均在83%。由于A站位于沿海，其地理位置的代表性相對較差，總體來說，預報效果較不理想，存在較高的漏報率（MR）和虛假警報率（FAR），平均達到23%和32%，探測率（POD）也相對較低，平均在77%；而B和C站的預報效果較為顯著，探測率（POD）平均在93%，但也存在一定的虛假報警率（FAR），平均為24%，而漏報率（MR）明顯較低，平均為7%，臨界成功指數（CSI），B和C站平均在71%，而A站平均為55%。可見，此方法對雷暴有一定的預報能力，尤其是B和C站，預報效果較理想，但是仍存在一定的虛警率，有待于繼續改進。

2　結論

（1）利用逐步回歸的統計方法，針對單站探空，用劃分區域的方法建立預報方程，預報探空站100km范圍內是否產生雷暴，預報探測率POD可以達到87.5%，臨界成功指數CSI平均66.9%，全部正確率PC平均83%。尤其對于大范圍強對流天氣，預報效果更為顯著。

（2）對流指數、高空要素以及物理量場等多種資料的引入，比較全面地反映出大氣的層結狀況。在預報方程中，700hPa的溫度、K指數、對流有效位能、925hPa水汽通量、850hPa的相對濕度、925hPa垂直速度等參數表現出較穩定的相關性。

（3）700hPa溫度降低和低層濕度增加，對雷暴的發生有正的貢獻，說明低層若有冷空氣侵入并且存在一定的濕度條件，有利于對流的發生；另外，相對于新引入的指數，常用對流指數對雷暴預報更具有顯著的利用價值；對于常用指數失去指示意義的特定強對流天氣類型，統計預報方程有效地證明了對此類強對流天氣的預報作用。

（4）回歸統計方法建立的預報方程仍存在不足之處，預報結果存在一定的虛警率，需要在減少空報率方面做進一步的方法探討。

另外，在對流指數引入方面，有待引入一些近年國際常用的對流指數，如低層風切變、風暴強度指數、強天氣威脅指數等，來考察其在對流天氣中的具體作用，將有助于預報模型的修正。

[1]郝瑩,姚葉青,陳焱,邊富昌.基于對流參數的雷暴潛勢預報研究 [J].氣象.2007（01）

[2]何立,黃永磷.MODIS1B數據基于反距離權重的插值方法研究 [J].廣西氣象.2006 （S1）

[3]申輝，陳光濤.新津機場雷暴的影響因子與雷暴特征物理量研究 [J].科協論壇. 2010（03）

P446[文獻碼]B

1000～405X（2016）～4～403～1