2020年沈陽(yáng)桃仙機(jī)場(chǎng)暑期雷雨統(tǒng)計(jì)和指數(shù)簡(jiǎn)析

李磊

（民航東北地區(qū)空中交通管理局，遼寧 沈陽(yáng) 110000）

1 引言

雷雨是夏季影響東北地區(qū)航空飛行安全的最重要的天氣。2020-10-21，桃仙機(jī)場(chǎng)3架航班遭遇或疑似遭遇雷擊。雷暴能產(chǎn)生各種危及飛行安全的天氣現(xiàn)象，包括強(qiáng)烈的顛簸、積冰、風(fēng)切變、瞬時(shí)大風(fēng)、下?lián)舯┝鞯龋瑫r(shí)雷擊也嚴(yán)重影響航空器安全運(yùn)行。雷暴變化過程復(fù)雜，影響因素較多，時(shí)間尺度較短，瞬時(shí)破壞力大，因此，加強(qiáng)對(duì)雷雨的預(yù)報(bào)，對(duì)保障夏季航空飛行安全有重要意義。

2 2 020年暑期雷雨實(shí)況統(tǒng)計(jì)

以2020年6—9月為例統(tǒng)計(jì)暑期雷雨天氣，桃仙機(jī)場(chǎng)日雷暴時(shí)長(zhǎng)和日降水量分布如圖1所示。資料來源于民航東北地區(qū)空中交通管理局空管中心氣象中心觀測(cè)室觀測(cè)資料。

圖1 2020年6—9月桃仙機(jī)場(chǎng)日雷暴時(shí)長(zhǎng)和日降水量分布圖

2.1 雷暴日數(shù)

2020年暑期共出現(xiàn)21個(gè)雷暴日，其中6月共4 d，7月共5 d，8月共7 d，9月共5 d。略低于桃仙機(jī)場(chǎng)同期歷年平均的21.9 d。

2.2 日雷暴時(shí)長(zhǎng)

跨日的連續(xù)雷暴主要影響時(shí)段為前一日，后一日持續(xù)時(shí)間較短，影響較小時(shí)，雷暴時(shí)長(zhǎng)歸于前日計(jì)算。

暑期共出現(xiàn)日雷暴時(shí)長(zhǎng)1 h以內(nèi)共6 d，1～2 h共5 d，2～3 h共5 d，3～4 h、4～5 h、8～9 h各1 d。日雷暴時(shí)長(zhǎng)最長(zhǎng)的為2020-08-18的8 h19 min。

2.3 雷暴起始方位

2020-08-03—08-18的長(zhǎng)時(shí)間連續(xù)降水期間出現(xiàn)多段雷暴，間隔時(shí)間較長(zhǎng)，每次雷暴持續(xù)時(shí)間較長(zhǎng)，記為多次雷暴，其他日記為單次雷暴，統(tǒng)計(jì)每次雷暴起始時(shí)的出現(xiàn)方位，以八方位角計(jì)算。其中起始方位為西北、西、西南、南的雷暴各4次，北、東南各1次，起始于機(jī)場(chǎng)天頂?shù)睦妆┕?次。起始于西北、西、西南、南的雷暴累計(jì)頻率為73%，符合東北地區(qū)夏季副熱帶高壓北抬，西南氣流引導(dǎo)空中槽脊系統(tǒng)影響東北地區(qū)天氣的環(huán)流形勢(shì)。另外，天頂雷暴的頻率為18%，這種雷暴通常在機(jī)場(chǎng)附近發(fā)展，到機(jī)場(chǎng)上空開始鳴雷，前期維持時(shí)間較短，在雷達(dá)探測(cè)圖像上不明顯或處于雷達(dá)高仰角盲區(qū)內(nèi)，對(duì)提前定位追蹤和移動(dòng)發(fā)展趨勢(shì)預(yù)報(bào)有較大難度，對(duì)航空器起降影響較大。

2.4 雷暴起始時(shí)間

以雷暴起始小時(shí)統(tǒng)計(jì)起始時(shí)間分布。其中起始于00：00—5：00時(shí)的次數(shù)為3次，6：00—11：00為2次，12：00—17：00為10次，18：00—23：00為7次。起始于午后到前半夜的雷暴占77%，表明雷暴形成與氣溫的日變化密切相關(guān)，近地面的氣溫升高，使層結(jié)不穩(wěn)定，加強(qiáng)對(duì)流天氣的發(fā)生。

2.5 暑期降水情況

桃仙機(jī)場(chǎng)6月出現(xiàn)降水日共11 d，7月共9 d，8月共17 d，9月共17 d，暑期累計(jì)降水日54 d，高于歷年同期平均降水日51.1 d。累計(jì)降水量488.6 mm，高于歷年同期降水量449.5 mm。日降水量50 mm以上的共3 d，25～49 mm共2 d，10～25 mm共7 d，1～10 mm共20 d，1 mm以下共22 d。最強(qiáng)的單日降水為08-24的77.1 mm和08-13的75.1 mm。

2.6 日雷暴時(shí)長(zhǎng)和降水量的對(duì)比

由圖1中日雷暴時(shí)長(zhǎng)和日降水量的對(duì)比可見，雷暴峰值和降水峰值相互錯(cuò)開。對(duì)于8次超過2 h的雷暴日，無一對(duì)應(yīng)強(qiáng)降水日。5次大雨以上量級(jí)降水日，其中2次未出現(xiàn)雷暴，另3次雷暴時(shí)間都在2 h以下。強(qiáng)雷暴和強(qiáng)降水共存的概率較小。

3 雷雨指數(shù)分析

為了探究天氣形勢(shì)場(chǎng)和雷雨發(fā)生的關(guān)系，提高雷雨預(yù)報(bào)的質(zhì)量，期望通過對(duì)雷雨相關(guān)氣象要素和常用雷暴指數(shù)（下簡(jiǎn)稱為“雷雨指數(shù)”）與雷暴樣本進(jìn)行參數(shù)分析，獲得數(shù)值分布規(guī)律。

3.1 數(shù)據(jù)選取和處理

資料選取FNL時(shí)間分辨率為6 h，空間分辨率為1°經(jīng)緯度的再分析資料進(jìn)行數(shù)據(jù)分析，6—9月共488個(gè)時(shí)間節(jié)點(diǎn)，依時(shí)間分辨率將2020年暑期各雷雨案例按時(shí)間分布分配到各時(shí)間節(jié)點(diǎn)上，獲得26個(gè)雷雨樣本。以北緯41°，東經(jīng)123°格點(diǎn)要素值表征桃仙機(jī)場(chǎng)天氣要素，部分要素用北側(cè)或東側(cè)

1 °格點(diǎn)進(jìn)行差分運(yùn)算。

3.2 數(shù)據(jù)分析方法

目前設(shè)計(jì)出分析雷雨指數(shù)與天氣要素?cái)M合的兩種方法：①按時(shí)間排序指數(shù)數(shù)值，分析數(shù)值曲線波峰和雷雨樣本的關(guān)聯(lián)性（時(shí)序圖）。理想狀態(tài)是每一個(gè)雷雨樣本能對(duì)應(yīng)出一個(gè)曲線波峰，說明該參數(shù)的發(fā)展變化和雷暴出現(xiàn)正相關(guān)。優(yōu)勢(shì)在于波峰峰頂時(shí)間不需要和天氣實(shí)況準(zhǔn)確對(duì)應(yīng)，可以排除一部分時(shí)間精度和空間不足造成的誤差，不受低樣本數(shù)量制約。劣勢(shì)是曲線演化出波動(dòng)函數(shù)對(duì)結(jié)果有更好的解釋，但波動(dòng)函數(shù)演化難度較高，同時(shí)精度的不足會(huì)使曲線波動(dòng)劇烈，增大誤差，并進(jìn)一步增加難度。②將指數(shù)數(shù)值按大小排列，分析天氣樣本對(duì)應(yīng)的指數(shù)分布情況（分布圖）。理想狀態(tài)是全部樣本對(duì)應(yīng)的雷雨指數(shù)緊密并充分排列在固定的數(shù)值區(qū)間，優(yōu)勢(shì)是操作過程簡(jiǎn)易，圖像分布清晰，易于量化對(duì)比。劣勢(shì)是由于天氣樣本和指數(shù)一一對(duì)應(yīng)，如果指數(shù)出現(xiàn)較大的誤差或不能與天氣時(shí)間緊密聯(lián)系，樣本分布會(huì)急劇變化，對(duì)結(jié)果造成較大誤差，同時(shí)需要高樣本數(shù)來支撐分析結(jié)論。

量化分析采取第②種方法，時(shí)序圖僅作為參考，因?yàn)闀r(shí)序圖分析比較依賴曲線化，如果不能演化出波動(dòng)函數(shù)，用人工識(shí)別時(shí)序圖主觀性高，且部分波峰位置不易被識(shí)別，如果時(shí)間序列過長(zhǎng)，識(shí)別圖像和驗(yàn)證數(shù)據(jù)的工作量較大，不益于準(zhǔn)確統(tǒng)計(jì)結(jié)果。

3.3 雷雨指數(shù)數(shù)據(jù)選取

從動(dòng)力、熱力、水汽和不穩(wěn)定能量方面選取雷雨指數(shù)。包括850 hPa風(fēng)速，850 hPa垂直速度，850 hPa散度，500 hPa和850 hPa風(fēng)速差，500 hPa和850 hPa溫度差，K指數(shù)，850 hPa溫度平流，850 hPa和500 hPa假相當(dāng)位溫差值，850 hPa濕度，850 hPa+700 hPa+500 hPa溫度露點(diǎn)差總和，850 hPa水汽通量，水汽通量散度，對(duì)流有效位能CAPE，對(duì)流抑制能量CIN，抬升指數(shù)。

3.4 部分雷雨指數(shù)簡(jiǎn)析

選擇部分代表性圖表進(jìn)行簡(jiǎn)要分析。K指數(shù)時(shí)序圖和分布圖如圖2所示。圖中豎線區(qū)代表雷暴樣本，僅用于定位數(shù)值。

在圖2中，K指數(shù)時(shí)序圖上88%樣本對(duì)應(yīng)曲線波峰位置，分布圖上81%樣本位于30℃以上大值區(qū)，且K指數(shù)數(shù)值越大，分布越緊密，K指數(shù)相性較好。

圖2 K指數(shù)時(shí)序圖和分布圖（單位：℃）

500 hPa和850 hPa風(fēng)矢量差速度值時(shí)序圖和分布圖如圖3所示。在圖3中，500 hPa和850 hPa風(fēng)矢量差速度值時(shí)序圖上僅27%樣本對(duì)應(yīng)波峰位置，分布圖上樣本分布比較分散，且偏低值一側(cè)，未體現(xiàn)出中低層水平風(fēng)的垂直切變項(xiàng)對(duì)雷雨的貢獻(xiàn)，雷雨樣本相性較差。

圖3 500 hPa和850 hPa風(fēng)矢量差速度值時(shí)序圖和分布圖（單位：m/s）

850 hPa濕度時(shí)序圖和分布圖如圖4所示。在圖4中，850 hPa濕度時(shí)序圖上69%樣本對(duì)應(yīng)波峰，分布圖上85%樣本位于70%濕度以上一側(cè)，說明雷雨發(fā)生需要一定的水汽水平，但密集區(qū)出現(xiàn)在75%～90%附近，90%以上未出現(xiàn)較多樣本，表示水汽指標(biāo)為雷雨提供了一定的閾值，但未對(duì)高強(qiáng)度雷雨做出進(jìn)一步貢獻(xiàn)。

圖4 850 hPa濕度時(shí)序圖和分布圖（單位：%）

對(duì)流抑制能量CIN時(shí)序圖和分布圖如圖5所示。在圖5中，CIN時(shí)序圖上54%樣本能對(duì)應(yīng)波峰，但通常稍落后于波峰，分布圖上CIN在-150 J以上能量大值取有樣本空窗，但低能量區(qū)比例較大，樣本排列分散，說明CIN在高能區(qū)起到抑制作用，雷雨前期通常有弱的能量抑制，維持時(shí)間較短，導(dǎo)致分布圖不適用。

圖5 對(duì)流抑制能量CIN時(shí)序圖和分布圖（單位：J）

3.5 指數(shù)分析的簡(jiǎn)易量化處理和分析結(jié)果

為了對(duì)比分析各指數(shù)對(duì)雷雨的貢獻(xiàn)程度，將各指數(shù)數(shù)據(jù)處理結(jié)果進(jìn)行量化。要素依大小橫排后，對(duì)雷雨貢獻(xiàn)較小的一側(cè)，30%雷雨樣本占橫坐標(biāo)比例（A）和70%橫坐標(biāo)以上的樣本比例的平均值（B），對(duì)各要素進(jìn)行對(duì)比，數(shù)值越大表示越適用。

各指數(shù)最終量化處理結(jié)果如表1所示，其中第二、三列是兩種比例值，第四列是兩者平均值，代表最終結(jié)果，結(jié)果僅顯示2位小數(shù)。

表1 雷雨指數(shù)分布量化處理結(jié)果

結(jié)果顯示，對(duì)流有效位能、K指數(shù)、抬升指數(shù)匹配良好，貢獻(xiàn)值在0.73～0.75，水汽和熱力項(xiàng)貢獻(xiàn)值在0.5～0.7左右，動(dòng)力項(xiàng)貢獻(xiàn)0.4～0.6，CIN指數(shù)特性使量化數(shù)值墊底。

4 結(jié)論和不足

本次分析獲得以下結(jié)論：①CAPE、K指數(shù)、抬升指數(shù)是預(yù)報(bào)雷雨的較好相性參數(shù)；②夏季水汽條件通常足夠提供雷雨所需要的水汽，高值水汽對(duì)雷暴貢獻(xiàn)較小；③相較于動(dòng)力條件，熱力條件對(duì)暑期雷暴的觸發(fā)貢獻(xiàn)更明顯；④雷雨前期通常有弱的能量抑制，但維持時(shí)間較短，導(dǎo)致CIN分布圖相性差，高的對(duì)流抑制能量不適于產(chǎn)生雷雨，可結(jié)合其他參數(shù)預(yù)報(bào)暴雨。

同時(shí)這種分析設(shè)計(jì)還有以下明顯不足：①空間尺度和時(shí)間尺度的不足容易導(dǎo)致較大的誤差。選擇的格點(diǎn)與實(shí)際位置偏差值在70 km左右，偏差明顯，足以影響中尺度天氣表現(xiàn)。而且將6 h雷暴歸于一點(diǎn)，幾倍于平均雷暴周期，造成的誤差較大。②各雷雨指數(shù)對(duì)雷雨貢獻(xiàn)的算法偏薄弱，可引入回歸方程以提高結(jié)論的有效性。③樣本量偏少，代表性差。④沒有計(jì)算雷暴強(qiáng)度，單純計(jì)算雷暴時(shí)段，無法區(qū)分密集的高強(qiáng)度雷暴和獨(dú)立的弱雷暴間的區(qū)別。⑤各指數(shù)和物理量單獨(dú)分析，無法體現(xiàn)不同參數(shù)間的關(guān)聯(lián)性。⑥參數(shù)化分析氣象數(shù)據(jù)可以提高數(shù)據(jù)的擬合度，時(shí)序圖比分布圖有更好的上升空間。⑦可優(yōu)化物理量配置，探索相性更好的指數(shù)參數(shù)。