基于西寧探空資料的大到暴雨客觀預報方法研究

管琴 李青平 徐亮 李金海 彭英超

（1.青海省氣象臺，青海 西寧 811000；2.青海省黃南州氣象局，青海 同仁 811300）

12小時內的大到暴雨是青海東部農業區的主要氣象災害之一，易引發山洪、泥石流和山體滑坡等，給相關地區工農業生產、交通運輸、國防以及人民生命財產安全帶來嚴重損失［1］。因其具有空間尺度小、發展速度快、持續時間短、突發性強、破壞力大等特點，一直被認為是天氣預報的難點問題。陶詩言［2］指出，中緯度地區發生短時強降水，需要位勢不穩定、充沛的水汽和較強的垂直風切變，充沛的水氣供應和適宜的不穩定層結是發生短時強降水的內因，而足夠的抬升條件則是短時強降水發生的外因，熱力作用決定了對流發展的強度，動力作用則決定了對流發展的類型。在對流發展的環境條件中，層結不穩定是首要條件。

早期，1953年 Showalter［3］提出了沙氏指數（SI），1956年Galway［4］提出了抬升指數（LI），但這兩個參數只能表示大氣單層的穩定性。因此，1976年Moncrieff等［5］提出了能夠表征大氣整體結構的對流有效位能（CAPE）。強對流除了上升運動，還有與之配合的下沉運動，為了描述對流發展的下沉運動特征，1994年Einanuel［6］提出了下沉對流有效位能（DCAPE）。在國內，層結穩定性的研究也在早期就受到重視，謝義炳［7］在分析中國夏半年降水天氣系統時推廣了假相當位溫在暴雨和強降水天氣分析中的應用。雷雨順［8-］、壽紹文［10］等國內著名學者都曾將能量方法用于中國暴雨和強對流天氣分析及預報中有較好的效果。近年來，表征強對流環境參數的一些動力參數陸續被提出。1986年，Lilly［11-12］引入能表征上升運動螺旋結構特性的螺旋度參數。為了綜合考慮熱力和動力條件對強對流天氣的影響，一些復合因子也不斷被提出。常用的有，Miller等［13］提出的強天氣威脅指數，Weisman［14］等提出的理查遜數，Hart等［15］提出的能量螺旋度指數等。龐古乾等［16］對比分析珠三角地區前后汛期物理量部分參數的分布特征，獲得部分參數的閾值，為做好珠三角地區未來12小時強對流天氣預報提供了依據。樊李苗等［17］利用觀測站雨量資料和部分探空站探空資料，研究了中國短時強降水、強冰雹、雷暴大風以及混合型強對流天氣的環境參數特征，發現短時強降水相比強冰雹、雷暴大風等天氣的環境參數，有較小的850-500hPa溫差，較高的平衡層高度，較弱的垂直風切變，較大的地面露點溫度。

然而，由于青海省探空站點稀疏、資料有限，短時強降水物理環境條件方面系統的研究還比較缺乏。文章將基于西寧探空資料構建12小時內青海東北部農業區的大到暴雨客觀預報模型，為提高大到暴雨的災害性天氣預報準確率提供技術支撐。

1 資料來源

文章利用2001-2015年西寧探空觀測資料及青海東北部國家基本站的降水觀測資料，包括海北東部、西寧、海東、海南北部、黃南北部共計16個測站（測站為 52765、52853、52855、52856、52862、52863、52866、52868、52869、52874、52875、52876、52877、52963、52972、52974），采用的方法均方根閾值法、分明矩陣因子構建法、多元回歸等，大到暴雨的降水評定標準包括準確率、空漏報率、命中率。

2 分布結果分析

2.1 12小時大到暴雨的分布特征

文章中將12小時內降水量大于15mm的降水定義為大到暴雨及以上量級。從表1至表3的統計結果上看，12h大到暴雨主要出現在大通、互助、門源一帶，以7-8月的夜間降水為主，且多單點的大到暴雨。

表1 大雨的空間分布

表2 大雨時間分布

表3 同一天出現站次分布

2.2 物理量分布

利用2001年4月1日至2015年11月31日的MICAPS接收到的52866的探空數據計算如下物理量：杰弗遜指數（JI）、沙氏指數（SI）、Barber對流不穩定指數（ICC）、對流穩定度指數（BI）、潛在下沖氣流指數（MDPI）、整層比濕積分（IQ）、干暖蓋指數（Ls）、對流凝結高度（CCL）、對流凝結高度處溫度（CCL_T）、風暴強度指數（SSI）、粗理查森數切變(Shr)、風暴相對螺旋度（SRH）等。其中參與擬合的降水量統計08-20時的降水量，20-08時的降水量，分別對應著08時和20時的探空資料，因降水信息取自審核過的A文件，降水資料均存在，而物理量數據來源于MICAPS系統，數據存在缺失，故測站探空站和降水量同時存在的時次共計6809個時次，其中08時有3493個時次，20時有3316個時次。取區域內12h最大的降水量參與同時次的探空資料計算的物理量進行擬合。

由此可見：越大越有利于降水的因子有JI、IQ、CCL、CCL_T；越小越有利于降水的因子有SI、BI、MDPI、Ls；偏大有利于降水的因子有ICC；偏小有利于降水的因子有SSI、Shr、SRH。

3 基于大到暴雨量級的均方根閾值方法

根據不同物理量與降水量散點分布特征，統計均方根及其偏度等特征，給出不同時次的不同物理量的閾值，列表如表4。

表4 不同物理量的閾值

在此閾值的控制下，08時（118個個例）及20時（211個個例）的大雨各預報因子的命中率大約在的概率為：81.36-89.57%，因此設定的閾值有一定的參考意義。

4 客觀模型建立

2001年至2008年數據作為訓練樣本，用于挖掘規則，其中08時1850個數據，20時1826個數據；2009-2015年作為測試樣本，用于識別，其中08時1643個數據，20時1490個數據。

4.1 構建決策表

將2001年至2008年訓練樣本數據表示成決策表，每一日數據表示研究的樣本，物理量特征屬性作為決策表的條件屬性，降水量作為決策表的決策屬性，決策屬性值劃分為三類：N表示12小時降水無或微量，S表示小雨即12小時降水0.1-4.9mm、M表示中雨即12小時降水5-14.9mm、L表示強降水即12小時降水≧15mm的。

4.2 數據離散化

連續屬性是不能被粗糙集直接處理的，因此在數據準備階段應該先對連續屬性離散化。文章采用的是等頻離散化方法，即將每個特征屬性值根據設定的頻數k，將測試樣本分為k個子區間，每個子區間包含相同的樣本數。文章中將各個特征屬性值等頻分為6段，即將每個特征屬性值用5個離散點劃分為6個區間，各個特征的6個子區間為：（-∞，離散點1），（離散點1，離散點2），（離散點2，離散點3），（離散點3，離散點4），（離散點4，離散點5），（離散點5，+∞）。它們對應的離散值分別為：0、1、2、3、4、5。例如處理后08時各條件屬性的離散點如表5所示。

4.3 決策表簡約

化簡決策表中的條件屬性是決策表約簡的重要內容之一，經過化簡的決策表和未化簡的決策表的功能相當，但卻具有比未化簡的決策表更少的條件屬性，即個例的屬性值一樣的話應視為同一個對象，但它們的決策屬性卻不一樣，顯然為不一致表項，要把其中一個個例刪除，以保持決策表的一致，文章中把低降水量級或無降水量級刪除。對所有屬性構成的集合采用分明矩陣（12個因構成的所有的子集，包括空集在內共計4096個子集）進行約簡時，得到如下表格，其中因子下方的1表示該因子參與統計，0表示未參與統計，在進行約簡時保留的是大降水。如08時采用分明矩陣約束后降水分級統計結果如表6。

表5 08時的離散點

表6 08時分明矩陣約束后降水分級統計表

4.4 因子選擇

項目對所有的組合進行統計，因因子數較多（12個），其中組合方案有4076種，其中有的方案預報準確率不是很高，因此對不同因子數的方案進行挑選，原則是：所有個例中大雨占比較高，即大雨/（大雨+中雨+小雨+無降水）；大雨命中率較高，即一致性檢查后的大雨個例與所有的大雨個例。

由此得到不同因子下的最優組合，其中08時有619種，20時449種；同時對比發現無論是08時數據還是20時數據，當采用6個預報因子的時候，就可以包含了所有的大雨個例，同時大雨的命中率高于7-12個因子，這樣一來，最優組合08時130種，20時140種。在一致性檢查中，因為保留的是大降水的個例，因此1-3個預報因子中，大降水的個例占比比較高，但是相對個例數比較少，其中對于08時數據而言：1-2個因子有6個大雨個例、3個因子有32個大雨個例，而4個因子則個例數達到58個（總共大雨個例65個）；對于20時數據而言：1-2個因子有6個大雨個例、3個因子有34個大雨個例，而4個因子則個例數達到86個（總共大雨個例113個）。因此，08時最優因子方案有70種，20時有64種。

在不同的物理量中，屬于層結穩定度類有SI、ICC、JI、Shr、Ls、BI等；屬于大氣溫濕類的有IntegralQ；動力類的有MDPI；熱力動力綜合類的有SSI、SRH；特殊高度有CCL、CCL_T。結合前面單個因子的統計，即08時預報效果好的依次為JI、IntegralQ、Ls、CCL，20時預報效果好的依次為IntegralQ、Ls、CCL_T、JI，在最優組合中08時選取帶JI、IntegralQ、CCL，20時選擇IntegralQ、Ls、CCL_T的因子組合。由此得到08時組合方案3種，20時組合方案有6種，如表7。

表7 方案因子選擇

4.5 預報模型的構建

每一種方案進行一致性檢驗后，對其進行擬合構建預報模型，并得到相關閾值，擬合及統計結果如表8。

表8 預報模型統計量

4.6 驗證

利用2009-2015年的數據進行驗證，采用多元回歸預報模型驗證結果如表9、表10。

表9 08時統計結果

表10 20時統計結果

由此可見，大部分方案對大雨的命中率在80%以上，在未消空的情況下對大到暴雨的預報準確率在10%左右，構建的模型對大到暴雨的預報有一定的參考意義。

5 預報中的應用

以2015年7-8月的探空數據和EC模式數據為例，統計模式預報的逐3小時的系統性降水和3小時實況累計降水量降水量之間的關系，可以得到如圖2、圖3。

圖2 空報降水量的分布

圖3 空報降水次數分布

由此可以得到，模式預報的3小時系統性降水誤差0.1mm。考慮12小時的大到暴雨的降水量級和青海短時強降水的標準8mm/h，選擇EC模式數據面上最大降水量來做相關抑制，則通過構建的客觀預報模型預報出如表11、表12的結果。

表11 客觀預報系統08時預報結果

表12 客觀預報系統20時預報結果

大雨預報準確率08時最好的是方案1，即40%的準確率；20時各方案大雨準確率一樣，均為28.57%，其中考慮無模式降水抑制的情況下方案4-5要優于其他方案。由此可見，構建的預報模型對12h大到暴雨的預報有一定的指示意義。

［1］王江山，李錫福．青海天氣氣候［M］．北京：氣象出版社，2004．

［2］陶詩言．中國之暴雨［M］．北京：科學出版社，1980：1-12．

［3］Showalter,A．K．,A Stability Index for Thunderstorms orecasting［J］．Bull．Amer．Meteor．Soc．,1953,34：250-252．

［4］Galway,J．G．,The Lifted Index as a Predictor of Latent Instability［J］．Bull．Amer．Meteor．Soc．,1956,37：528-529．

［5］Moncrieff,M．W．,and M．J．Miller,The Dynamic and Simulation of Tropical Cumulonimbus and Squall Lines［J］．Quart．J．Roy,MeteoroLSoc．,1976,102：373-394．

［6］Emanuel,K．A．,Atmospheric Convection［M］．New York：Oxford University Press,1994：168-175．

［7］謝義炳．中國夏半年幾種降水天氣系統的分析研究［J］．氣象學報，1956，27：1-24．

［8］雷雨順，吳寶俊，吳正華．用不穩定能量理論分析和預報夏季強風暴的一種方法［J］．大氣科學，1978，12：297-306．

［9］雷雨順，能量天氣學［M］．北京：氣象出版社，1986：159．

［10］壽紹文，勵中中，姚秀萍．中尺度氣象學［M］．北京：氣象出版社，2003：228．

［11］Lilly,D．K．,The Structure Energetic and Propagation of Rotating Convective Storms．PartⅠ：Energy Exchange withtheMeanFlow［J］．J．Atmos．Sci．,1986,43：113-125．

［12］Lilly,D．K．,The Structure Energetic and Propagation of Rotating Convective Storms．PartⅡ：Helicity and StormStabilization［J］．J．Atmos．Sci．,1986,43：126-140．

［13］Miller,R．C．,and R．A．Maddox,Use of the SWEAT and SPOT Indexes in Operational Severe Storm Forecasting［C］．7th Conf．on SevereLocal Storm,Amer．Meteor．Soc．,1975：1-6．

［14］Weisman,M．L．The Dependence of Numerically Simulated Convective Storms on Vertical with Shear and Buoyuancy［J］．Mon．Wea．Rev．,1982,110：504-520．

［15］Hart,J．A．,and W．D．Korotky,The SHARP Workstation．A Skew Thodograph Analysis and Research Program for the IBM and Compatible PC．User's manual［C］．NOAA/NWSForecastOffice．Charleston,1991,WV：62．

［16］龐古乾，伍忐方，葉愛芬，等．珠三角地區前汛期強對流潛勢預報方法研究［J］．熱帶氣象學報，2012，28：564-568．

［17］樊李苗，俞小鼎．中國短時強對流天氣的若干環境參數特征分析［J］．高原氣象，2013，32：156-165．