2007—2020年呼倫貝爾市中西部強對流天氣雷達產品特征分析

王洪麗 王穎 隋沆銳 楊雪峰 高紹鑫 楊柳

摘要 利用海拉爾天氣雷達2007—2020年強對流天氣過程的雷達資料，通過雷達回波形態識別、特征值統計等方法分析不同季節的雷達回波強度最大值、垂直累積液態水含量、回波頂高、冰雹指數、中氣旋等產品特征，并統計強對流過程中回波形狀特征，得出海拉爾天氣雷達的臨近預報預警指標，旨在有效利用雷達產品提升強對流天氣預警能力。

關鍵詞 強對流；回波強度最大值；回波頂高；垂直累積液態含水量

中圖分類號：P44 文獻標識碼：B 文章編號：2095–3305（2023）07–0105-03

強對流天氣是指出現雷暴大風、冰雹、龍卷和短時強降水等劇烈天氣現象，突發性強，范圍小，造成災害嚴重，是目前天氣預報預警中的難點之一。國內許多學者針對新一代天氣雷達在強對流天氣方面做了諸多研究工作。覃靖等[1]認為超級單體最大反射率因子達到60 dBz，且50 dBz以上強回波區伸展到-30 ℃層高度以上時可能會出現大冰雹；雷蕾等[2]指出，雷達回波中存在低層弱回波區、回波懸垂、三體散射、旁瓣回波、強中氣旋等特征將表明有大冰雹存在。李曉霞等[3-4]對強對流天氣的潛勢條件、雷達回波特征等均開展了深入論述。在新一代天氣雷達產品參數研究方面，楊淑華等[5]利用山西大同雷達統計分析了20次冰雹天氣多普勒雷達特征。蘇添記等[6]利用山東煙臺雷達統計分析了強對流天氣參數，總結山東半島不同月份冰雹和雷暴大風的風暴參數判據。郭艷等[7]總結了江西局地強對流的雷達產品特征，得出適用本地預報指標。呼倫貝爾市地處北部邊疆，強對流天氣特點與我國中部、南部等地有差異，而雷達產品表征也是否存在差異，強對流天氣預報預警指標有何特征，基于此，統計分析了海拉爾雷達2007—2020年強對流過程的雷達產品，總結呼倫貝爾市中西部強對流天氣預報預警指標，旨在有效利用雷達產品提升強對流天氣預警能力。

1 強對流事件的定義

考慮資料的代表性，選擇強對流天氣樣本時要求滿足以下條件：（1）有可靠的地面觀測數據或災情數據；（2）強對流天氣在海拉爾雷達站有效探測范圍內。

基于以上2個條件考慮，定義在海拉爾雷達站30～150 km有效探測范圍內只要出現下列3個天氣現象之一：冰雹、小時雨量≥15.0 mm短時強降水、8級（17.2 m/s）以上大風并伴有雷暴，即統計為1個強對流天氣過程。

2 結果與分析

普查CIMISS系統和災情報告后得知：海拉爾雷達站30～150 km范圍內2007—2020年共有35個強對流過程，其中5月1個、6月8個、7月10個、8月12個、9月3個、10月1個。從伴隨的天氣現象來看，絕大多數對流過程均伴有冰雹、雷暴大風和短時強降水，僅出現某個天氣現象的對流過程較少。統計這35個對流過程起止時間、伴隨天氣現象、冰雹信息、雷達產品參數、回波形狀（表1）。

2.1 回波強度最大值特征

由表1數據統計得知：有32個過程的回波強度最大值均≥55 dBz；另3個對流過程回波強度最大值<50 dBz，分別出現在2015年5月6日（26 dBz）、2011年10月15日（44 dBz）、2017年6月8日（48 dBz）。除了6月8日為夏初，另2個對流過程出現在春季和秋季，大氣熱力和動力條件不足，所以對流發展較弱，導致回波強度最大值較小。

2.2 回波頂高（ET）產品特征

從表1數據統計得出：5個對流過程回波頂高≥14 km，其中3個出現在8、1個出現6月下旬、1個出現在7月下旬初，均伴有冰雹和大風天氣現象；其中回波頂最高18.9 km過程出現在2012年8月31日，伴有冰雹、短時強降水和大風天氣現象。11個對流過程回波頂高<10 km，其中8個過程出現時段為夏初及春、秋季，分別是2010年6月10日、2011年9月8日、2011年10月15日、2012年6月7日、2015年5月6日、2015年6月1日、2017年6月8日、2018年9月28日，其中2015年5月6日過程回波頂高僅為3.4 km。其余過程回波頂高介于10～13.9 km，90%過程出現在盛夏季節。

2.3 垂直累積液態水含量（VIL）產品

垂直累積液態水含量VIL產品是判別冰雹等強對流天氣的有效工具之一。郭艷等分析了江西省局地強對流風暴VIL為33～77 kg·m-2；應冬梅等[8]分析了江西省4次區域性強對流天氣過程降雹風暴的最大VIL為66～80 kg·m-2。而從表1數據統計得知35個對流過程VIL值介于1～57 kg·m-2，不同季節對流過程的VIL值具有明顯的差異：發生在盛夏季節（6月中旬至8月）過程（僅2017年8月24日對流天氣VIL值為5 kg·m-2）VIL值均≥10 kg·m-2，其中19個過程VIL值≥20 kg·m-2、5個過程VIL值≥40 kg·m-2；而其他季節過程的VIL值均<8 kg·m-2，其中有3個過程VIL值僅為2或1 kg·m-2。

2.4 冰雹指數（HI）產品特征

新一代天氣雷達冰雹探測算法 HDA（Hail Detection Algorithm）是通過尋找風暴單體中凍結層之上的高反射率因子以獲得導出產品——冰雹指數HI[9-11]。表1中26個過程的冰雹指數產品有報警，26過程產品共性特征：回波強度最大值≥60 dBz、回波頂高≥10 km、垂直累積液態水含量≥20 kg·m-2。

可見在盛夏季節（6月中旬至8月末）對流過程的冰雹指數產品若連續出現報警，且滿足上述3個產品特征，可作為判斷冰雹強對流天氣的預警指標[12-15]。由于冰雹指數產品在回波發展階段和降雹后仍有報警，存在較高虛警率，實際業務中還需結合不同仰角反射率因子、徑向速度及其他產品綜合判斷是否出現冰雹。

另8個過程冰雹指數產品未出現報警，分別是5月1個、6月上旬2個、7月1個、9月3個、10月1個，除了7月1個過程以外，均發生在春、秋季及6月初。經統計：這8個過程回波強度最大值<50 dBz、回波頂高<10 km（80%<8 km）、垂直累積液態水含量<8 kg·m-2。

2.5 回波形狀特征

對35個對流過程的回波形狀進行歸類，并對產生的天氣現象進行總結見表2：

統計得知：當對流過程的雷達回波呈帶狀、線狀分布時，15個對流過程中有13個出現大風，概率高達86.7%；9個過程同時產生大風和冰雹，概率為60%。當回波形狀呈分散塊狀時，7個對流過程出現冰雹天氣。當回波呈絮狀且包含強對流單體時，產生的天氣規律性不明顯[16-17]。

2.6 中氣旋（M）產品特征

本研究中的中氣旋產品是采用 CINRAD/SA PUP默認的算法。35個對流日中有19個中氣旋產品出現報警，其中有3個對流日在對流過程前后中氣旋產品是不連續報警。從19個中氣旋產品報警對流日出現的天氣現象來看，18 d都出現了大風天氣，占總出現大風日數對流日（27 d）的66.7%，可見中氣旋產品出現報警的對流過程伴隨大風概率很高。從中氣旋產品報警對流日出現的季節來看，這19個對流日中有16個出現在盛夏季節（6月中旬至8月）。

2.7 冰雹天氣雷達產品特征

對27日伴有冰雹天氣雷達回波特征分季節進行統計，結果發現：盛夏季節（6月中旬至8月）冰雹天氣最大反射率因子平均值為64.5 dBz，回波頂高平均值為12.2 km，垂直累積液態含水量VIL平均值為30.5 kg·m-2，冰雹指數產品出現的概率高達94.7%，中氣旋產品報警的概率為63.2%；其他季節冰雹天氣最大反射率因子平均值為51.5 dBz，回波頂高平均值為6.3 km，垂直累積液態含水量平均值為5.6 kg·m-2，冰雹指數產品與中氣旋產品均沒有出現報警。

3 結論

（1）盛夏季節（6月中旬至8月末）對流過程的回波強度最大值均≥55 dBz、回波頂高≥10 km、垂直累積液態含水量VIL≥20 kg·m-2；其他季節對流過程回波強度最大值<50 dBz、回波頂高為5～7 km、垂直累積液態含水量VIL值很小可忽略。

（2）盛夏季節（6月中旬至8月末）的對流過程同時滿足回波強度最大值≥60 dBz、回波頂高≥10 km、垂直累積液態含水量VIL≥20 kg·m-2 3個條件，且冰雹指數產品連續3個及以上體掃出現報警時，可作為冰雹等強對流天氣的預警指標；而其他季節強對流天氣的冰雹指數產品基本無指示。

（3）當對流過程的雷達回波呈帶狀、線狀分布時，產生大風概率非常高，高達86.7%，同時產生大風和冰雹的概率60%；當回波形狀呈分散塊狀且單體回波強度≥55 dBz時，多半出現局地冰雹天氣；當回波呈絮狀且包含強對流單體時，產生的天氣規律性不明顯。

（4）盛夏季節（6月中旬至8月）冰雹天氣最大反射率因子平均值為64.5 dBz，回波頂高平均值為12.2 km，垂直累積液態含水量平均值為30.5 kg·m-2，冰雹指數產品出現的概率高達94.7%，中氣旋產品報警的概率為63.2%；其他季節冰雹天氣最大反射率因子平均值為51.5 dBz，回波頂高平均值為6.3 km，垂直累積液態含水量平均值為5.6 kg·m-2，冰雹指數產品與中氣旋產品均沒有出現報警。

參考文獻

[1] 覃靖，潘海，劉蕾.柳州“4·09”致災冰雹的超級單體風暴過程分析[J].氣象， 2017，43（6）：745-755.

[2] 雷蕾，孫繼松，喬林，等.一次超級單體雹暴的中尺度對流特征和形成條件分析[J].氣象科技進展，2019，9（5）：16-23.

[3] 李曉霞，李常德，馬國濤，等.一次冰雹強對流天氣過程的潛勢條件和中尺度特征分析[J].沙漠與綠洲氣象，2020，14 （4）：69-77.

[4] 葉東.一次強風雹天氣的干侵入作用及雷達回波特征分析[J].沙漠與綠洲氣象，2020，14（5）：44-52.

[5] 楊淑華，梁進秋，張玉芳，等.冰雹天氣的多普勒雷達特征統計分析[J].自然災害學報，2014，23（3）：101-106.

[6] 蘇添記，刁秀廣，符長靜，等.山東半島強對流天氣風暴參數統計分析[J].山東氣象，2016，36（3）：15-19.

[7] 郭艷，彭義峰.江西局地強對流天氣的多普勒天氣雷達產品特征[J].氣象與減災研究，2008，31（2）：48-52.

[8] 應冬梅，許愛華，黃祖輝.江西冰雹、大風與短時強降水的多普勒雷達產品的對比分析[J].氣象，2007，33（3）：48-53.

[9] 俞小鼎，姚秀平，熊廷南，等.多普勒天氣雷達原理與業務應用[M].北京：氣象出版社，2006.

[10] 劉曉敏.基于新一代天氣雷達產品的呼和浩特強對流參數特征研究[J].內蒙古科技與經濟，2020，40（16）：74-76.

[11] 於慧玲，楊宇.一次短時強對流天氣的雷達產品特征分析[J].中低緯山地氣象，2018，42（3）：83-88.

[12] 趙龍，王蘆，高宇田.駐馬店市兩次強對流天氣的多普勒雷達產品特征的對比分析[J].河南科學，2014，32（5）：863-866.

[13] 蘇俐敏，郭水連，帥莉莉等.宜春地區三類典型天氣的風廓線雷達產品特征分析[J].氣象與減災研究，2013，36（3）： 63-68.

[14] 朱平，田成娟.青海東部一次強對流天氣的多普勒雷達特征分析[J].干旱氣象，2011，29（3）：336-342.

[15] 楊俊山，和衛東，楊沛瓊.滇西北強對流災害天氣的多普勒雷達回波特征研究[J].云南大學學報（自然科學版）， 2013，35（S1）：188-196.

[16] 洛桑頓珠，旦增查拉，羅桑旦增.天氣雷達產品在強對流天氣臨近預報中的應用[J].農村實用技術，2021，24（2）：170 -171.

[17] 李向紅，唐伍斌，李垂軍等.廣西強對流天氣的天氣形勢分析與雷達臨近預警[J].災害學，2009，24（2）：46-50.

Analysis on the Characteristics of Radar Products of Strong Convection Weather in the Central and Western Parts of Hulunbeier from 2007 to 2020

Wang Hong-li et al（Hulunbeier Meteorological Bureau， Hailar， Inner Mongolia 021008）

Abstract Using the radar data of the Hailar weather radar during the period of 2007-2020， the maximum radar echo intensity， vertical accumulated liquid water content， echo top height， hail index， mesocyclone and other product characteristics of different seasons were analyzed through radar echo morphology recognition， feature value statistics， and other methods. The echo shape characteristics during the strong convective process were also analyzed to obtain the proximity prediction and warning indicators of the Hailar weather radar， Intended to effectively utilize radar products to enhance strong convective weather warning capabilities.

Key words Strong convection; Maximum echo intensity; Echo top height; Vertical cumulative liquid water content