基于實測數據的北京市區雷暴風識別和數據庫組建

摘要：為了探究北京市區的雷暴風風場特性，采用安裝在不同高度的9個超聲風速儀采集的大量連續高精度風速實測數據，依據不同風暴脈動及高斯平穩特性，開發分類子程序，采用定量控制和定性判斷相結合的方法對強風事件進行分離、識別，建立北京市區雷暴風數據庫。結果表明：北京市區主要有大尺度穩態強風、雷暴風和中間事件3種類型強風暴；基于風暴特性開發的分類子程序可實現雷暴風的快速識別，需要進行專家定性判斷的記錄僅占0.26%；共獲得314個雷暴風記錄，70個雷暴風事件，增加了現有雷暴風數據。

關鍵詞：雷暴風；實測數據；陣風因子；北京市區

中圖分類號：TU318

文獻標志碼：A

開放科學識別碼（OSID碼）：

Database Construction and Identification of

Thunderstorm Wind in Beijing Urban Area Based on Measured Data

ZHANG Shi¹， YANG Qingshan²， XU Xiaoda³

（1. School of Civil and Transportation Engineering， Beijing University of Civil Engineering and Architecture， Beijing 100044， China；

2. School of Civil Engineering， Chongqing University， Chongqing 400045， China;

3. Central Research Institute of Building and Construction， MCC Group， Beijing 100088， China）

Abstract： To explore the characteristics of thunderstorm wind of Beijing urban area， the thunderstorm wind database of Beijing urban area was established by using a large number of continuous high-precision measured wind speed datasets collected by 9 ultrasonic anemometers installed at different heights in Beijing urban area， according to the fluctuating and Gaussian stationary characteristics of different wind storms， and separating and judging strong wind events by the method of quantitative control and qualitative judgment. The results show that there are three types of strong storms in Beijing urban area， which are large-scale steady wind， thunderstorm wind， and intermediate event. The classification subroutine based on storm characteristics can realize the rapid identification of thunderstorm wind， and only 0.26% of the records need expert’s qualitative judgment. A total of 314 thunderstorm wind records were obtained， including 70 thunderstorm wind events， which adds to existing thunderstorm wind data.

Keywords： thunderstorm wind; measured data; gust factor; Beijing urban area

收稿日期：2022-08-02 網絡首發時間：2023-07-19T11∶09∶04

基金項目：國家自然科學基金項目（52108431）；北京市自然科學基金項目（8222013）；北京建筑大學金字塔人才培養工程—建大英才

計劃項目（JDYC20220806）

第一作者簡介：張石（1993—），女（滿族），吉林四平人。講師，博士，研究方向為結構風工程及防災減災。E-mail： zhangshi@bucea.edu.cn。

通信作者簡介：徐曉達（1988—），男，山東濟南人。高級工程師，博士，研究方向為預應力結構診治及工程結構抗風。E-mail： 13115279@

bjtu.edu.cn。

網絡首發地址：https：//kns.cnki.net/kcms2/detail/37.1378.N.20230718.1936.002.html

雷暴是熱帶和溫帶地區常見的局地性強對流天氣，發生時常伴有強風天氣^［1-3］，造成較為嚴重的結構破壞、經濟損失和人員傷亡^［4］。據統計，美國的年風速極值中約1/3是由雷暴風引起。我國幅員遼闊，氣候類型復雜，是雷暴風頻發的國家之一，據統計，不同地區年平均發生雷暴風日數約為20～100，造成的災害也很慘重^［5］。混合氣候環境下，將不同風暴分類，準確識別雷暴風對探究雷暴風風場特性，準確定義當地極值風速分布和判斷風致結構響應至關重要。

根據研究學科不同，可將雷暴風識別方法分為2類：第1類是氣象學方法，主要是通過風暴發生時的大氣物理信息，如雷達和衛星圖像、氣象學參數、雷聲等其他適當的氣象學實測數據等判定風暴類別^［6］；第2類方法是風工程學科常用方法，一般為針對長期風速實測數據集的系統分離和分類，目的是探究當地風速極值及風致結構響應。由于風速數據集較大，因此一般不考慮相應風暴發生時的氣象信息，而是致力于基于實測風速數據特性，開發雷暴風自動識別的方法^［7-8］。

Riera等^［9］根據風暴持續時間和氣溫驟降等信息，將雷暴風從大尺度穩態強風中識別出來。Choi等^［10-11］在探討雷暴風識別方法中指出，雷暴風的陣風因子遠大于非雷暴風的。Choi等^［12］采用對長期風速記錄的圖形分析法將風暴分為大尺度和小尺度事件。Kasperski^［13］率先發現在中緯度地區，除了雷暴風和大尺度強風外，存在第3個強風現象，稱為陣風鋒或中間事件，并根據平均風速、峰值風速和陣風因子特性將3個風暴現象記錄分類。Cook等^［14］將澳大利亞氣象局指定的“可見”或“可聽”雷暴日內發生的日最大風速記錄定義為雷暴風事件。Duranona等^［15］提出如下4個定義以識別雷暴風事件：陣風風速大于15 m/s；陣風因子大于1.5；風速在3 min內完成增大過程；風速增大后10 min內發生降低現象。Lombardo等^［16］在獲得美國實測風速數據后，首先給定強風暴閾值，得到一系列峰值風速，隨后根據地面自動觀測系統數據人工標記雷暴開始和結束時間， 定義發生在此期間內的峰值風速為雷暴風記錄，其余峰值風速為非雷暴風記錄。隨后，通過定義獨立事件的間隔時間創建了雷暴風事件和非雷暴風事件數據集。依據澳大利亞的長期實測數據，Rowcroft^［17］首先將峰值風速閾值定義為40 m/s，隨后對超過閾值的風速記錄依據如下參數進行雷暴風判別：1）持續時間為5～30 min；2）溫度驟降至少1.5 ℃；3）風速明顯突增至少10 m/s。Huang等^［18］基于中國西部山區實測數據，依據雷暴風風速突增特性開發出一套識別雷暴風和熱驅動風的程序。

盡管目前已有如上所述的雷暴風識別方法存在；但由于雷暴風具有典型的局地性和隨機性，因此現有方法具有一定的局域性，并不完全適用于其他地區的風場實測數據^［19］。針對北京市區風速實測數據，本文中主要采用第2類雷暴風識別方法，根據脈動及高斯平穩特性，開發子程序，通過定量和定性方法相結合自動識別雷暴風，建立北京市區雷暴風數據集，為探究北京市區雷暴風風場特性、雷暴風致結構響應及考慮雷暴風的極值風速分布提供重要依據。

1 實測概況

1.1 觀測點

高度為325 m的北京氣象塔為具有等邊三角形橫截面的鋼管桁架式結構，塔址位于北京市海淀區北三環馬甸橋北^［20］，根據國家標準《建筑抗震設計規范》（GB 50011—2010）規定^［21］，屬于C類地貌。

塔上安裝有杯式風速儀、溫差儀、超聲風速儀等，本文中主要采用超聲風速儀采集的數據進行研究。該超聲風速儀為英國GILL公司生產的WindMaster Pro產品，外殼由不銹鋼制成，風速最大量程為70 m/s，風向最大量程為360°。

塔上共安裝有11個超聲風速儀，分布在距地面高度8～240 m處的9個不同高度，其中分別在高度32、64 m處布置2個儀器以檢驗測量數據的準確性。根據地球坐標系，該風速實測數據為三軸超聲波測得的3個瞬時風速分量（v_x， v_y， v_z），其中v_x為從南到北方向的風速，v_y為從東到西方向的風速，v_z為垂直向上方向的風速。所有超聲風速儀均連續采集風速數據，采樣頻率為10 Hz。

1.2 數據預處理

采用安裝在北京氣象塔北側9個不同高度超聲風速儀在2013年1月至2017年12月5年間采集的實測數據值。經檢驗，超聲風速儀采集數據整體質量較好，偶爾存在以下4種實測數據的常見問題：1）僵值，即一系列連續相同的數據值；2）野點，與北京市氣候特性不相符的數值，根據近年氣象資料風速統計情況，可將超出50 m/s的風速值視為野點；3）離群值，不滿足時間連續性的數據；4）亂碼值，即因信號傳輸或儀器故障而引起的亂碼等。在分析前需將采集到的數據進行預處理，包括剔除僵值、刪除野點（如圖1所示）、時間連續性控制、修正亂碼等^［21］。此外，將超聲風速儀數據的統計結果，如10 min時距的平均風速和風向等，與杯式風速儀測量結果進行對比，以驗證超聲風速儀采集數據的準確性。

隨后，將原始實測數據以10 min為單位存儲成連續的記錄，對每一條記錄計算如下統計參數：

1）10 min時距內的1 s陣風風速峰值U^、平均風速U_m10、風向α_m10、陣風因子G_1/600=U^/U_m10、湍流強度I₁₀、偏度γ₁₀和峰度κ₁₀；

2）1 h時距（以該10 min記錄為中心）內的平均風速U_m60、陣風因子G_{1/3 600}=U^/U_m60、湍流強度I₆₀、偏度γ₆₀和峰度κ₆₀；

3）1 min平均風速最大值U_m1和陣風因子G_1/60=U^/U_m1。

2 雷暴風識別

2.1 風暴類型

為了探究雷暴風風場特性以及雷暴風作用下的結構響應，需要將雷暴風速信息從強風記錄中準確識別出來。評估北京市區獲取的大量實測資料，發現當地強風事件主要有陣風因子較小而平均風速較大的平穩高斯大尺度穩態強風事件、陣風因子較大但平均風速較小的非平穩非高斯雷暴風事件、以及陣風因子較大但平均風速相對較小的平穩非高斯中間事件^［1］。

圖2—4所示為北京市區3種典型強風現象的實測結果。圖2為典型的大尺度穩態強風記錄。

由圖可知：溫帶氣旋、季風等氣候產生的大尺度持時較長的強風， 其1 s陣風風速峰值為21.10 m/s，平均風速較大，1 h平均風速U_m60為15.64 m/s，中心時段10 min平均風速U_m10為15.82 m/s；陣風因子較小，1 h G_{/3 600}為1.35，10 min G_1/600為1.33；1 h峰度κ₆₀為2.86， 10 min峰度κ₁₀為3.02；1 h偏度γ₆₀為-0.09，10 min偏度γ₁₀為-0.27，呈現典型的高斯平穩特征。

圖3為典型的雷暴風記錄。由圖可知：1 s陣風風速峰值為27.34 m/s，平均風速很小，1 h平均風速U_m60為8.37 m/s，中心時段10 min平均風速U_m10為13.20 m/s；陣風因子大，1 h G_{1/3 600}為3.27，10 min G_1/60為2.07；1 h峰度κ₆₀為10.47，10 min峰度κ₁₀為2.53；1 h偏度γ₆₀為2.39，10 min 偏度γ₁₀為0.63， 呈現典型的非平穩非高斯特征。

圖4為典型的中間事件記錄。可以看出：1 s陣風風速峰值為19.55 m/s，平均風速亦較小，1 h平均風速U_m60為11.61 m/s，中心時段10 min平均風速U_m10為12.49 m/s；陣風因子較大，1 h G_{1/3 600}為1.68，10 min G_1/60為1.57；1 h峰度κ₆₀為2.60，10 min峰度κ₁₀為2.72； 1 h偏度γ₆₀為-0.04，10 min偏度γ₁₀為-0.67， 呈現平穩非高斯特性。

2.2 識別方法

依據上述不同強風記錄的風速特征，可結合定量、定性判斷的方法確定風暴屬性，即首先根據不同記錄的陣風因子差異，分離出陣風因子較小的大尺度穩態強風。為了全面呈現強風記錄特征，陣風因子長時距T分別取為60、600、3 600 s，而短時距t統一取為1 s，將實測陣風因子（G_1/60、G_1/600、G_{1/360 0}）與當地長期測量統計得到的大尺度穩態強風陣風因子（G⁰_1/60、G⁰_1/600、G⁰_{1/360 0}）相比，比值接近于1的事件劃分為大尺度強風記錄。剩余記錄再通過圖形分析方法確定平穩性，并參考偏度、峰度值進行專家定性判斷，具體判定流程如下：

1）若強風事件在1 h內呈現平穩特性，即陣風因子比值滿足

則表明其在10 min內也呈現平穩特性，因此將此事件歸類于大尺度穩態強風。

2）若強風事件不滿足式（1），在1 h內呈現波動，而在10 min內呈現平穩特性，即陣風因子比值滿足

則此類強風記錄也可被歸類為大尺度穩態強風。

3）若強風記錄不滿足式（1）、（2），且在10 min內呈現非平穩特性，可知在1 h內也呈現非平穩特性，即陣風因子比值滿足

則獲得的強風記錄可經由定性判斷分類為雷暴風或中間事件。

4）若強風記錄均不滿足上述3個判斷，在1 h、10 min內均呈現波動，但1 min內較為平穩，即陣風因子比值滿足

則此類強風記錄也被歸類于大尺度穩態強風。

不滿足上述4個判定標準的強風記錄均須由專家進行定性判斷，判定流程如圖5所示。該程序中通過圖形分析法進行的專家定性判斷是基于對實測數據記錄的目視檢查和統計參數綜合分析實現的，顯然該方法在需要定性判斷記錄的數量有限的情況下是準確且可行的。由于要建立高精度雷暴風數據

庫，且目前風工程界對中間事件的物理現象尚未給出十分準確的定義，因此在將大量的大尺度穩態強風記錄成功分離后，對于剩余的有限強風記錄數據子集，本文中暫采用專家判別法定性識別雷暴風數據。隨著實測數據的增多和研究的深入，還可進一步建立風暴分類參數指標。

3 結果分析

3.1 識別結果

將1 s陣風風速峰值大于15 m/s的記錄定義為強風記錄^［21］，輸入上述識別流程，即可獲得3種類型強風暴記錄的分類子集。

穩—大尺度穩態強風；雷—雷暴風；中—中間事件；G_1/60、G_1/600、G_{1/3 600}—1 min、10 min、1 h實測陣風因子，G⁰_1/60、G⁰_1/600、G⁰_{1/3 600}—1 min、10 min、1 h實測大尺度穩態強風陣風因子。

圖6（a）、（b）分別為經過流程1）、2）判斷識別出的典型大尺度穩態強風記錄，圖6（c）、（d）為經過流程3）判斷識別出的典型雷暴風和中間事件，圖6（e）為經過流程4）判斷識別出的典型大尺度穩態強風記錄，圖6（f）、（g）、（h）分別為經過上述4個流程之后，通過定性判斷識別的雷暴風、中間事件和大尺度穩態強風。

表1給出了不同高度風速儀實測數據識別的雷暴風記錄數量。從表中可以看出，同一位置、不同高度風速儀識別的雷暴風記錄有所差異。

在9個超聲風速儀測得的風速數據中，經過圖5所示的定性判別流程后，需進行專家定性控制的風速記錄數量較少，比例約為0.26%，充分證明了該流程的有效性。

值得注意的是，由于實測數據的多樣性，并且存在少數較為特殊的強風記錄，因此暫時無法將其準確定性為某種強風暴現象。圖7所示為這類特殊現象的2個例子。7（a）中呈現了明顯的風速突增，但并沒有很快降低，且隨著風速增長，風向發生了較大的突變現象（見圖7（b））。圖7（c）中呈現出風速的突然降低，并伴隨著風向的突然旋轉（見圖7（d）），在此前一段時間內，風速是強烈且較為穩定的。這類事件需要結合氣象數據開展進一步分析，才能準確判斷其物理性質。

3.2 獨立事件

通過識別程序可建立大尺度穩態強風、雷暴風和中間事件子集，然后需從記錄子集中合理提取獨立風暴事件，以獲得獨立極值風速，從而進行極值風速分布等研究，優化建筑結構的抗風設計。

目前，對于大尺度穩態強風，可將間隔時間超過72 h的強風記錄視為獨立風暴；對于雷暴風而言，獨立事件間至少應間隔4 h；對于中間事件，獨立事件間至少應間隔24 h^［3］。

對于發生時間較為接近甚至連續發生的不同事件，其風速最大值是否應該被視為獨立或相關需要逐一商榷。圖8所示為一個雷暴風事件和大尺度穩態強風事件發生時間較為接近的案例，本文中將該情況定義為一個獨立的雷暴風事件和一個獨立的大尺度穩態強風事件。

經統計，基于獲得的314個雷暴風記錄，共采集到70個獨立雷暴風事件，原因主要是同一事件可能同時被多個高度處的風速儀采集，因此識別到的雷暴風記錄總數大于雷暴風事件的數量。70個雷暴風事件在不同高度的1 s陣風風速峰值分布情況如表2所示。可以看出，北京市區雷暴風陣風風速較大，對建筑結構較為不利。如同前文所述，雷暴風10 min風速較小，依據規范采用10 min為時距進行極值風速分布研究必然會忽略雷暴風的影響，低估風速極值，使結構設計偏于不安全，因此在建筑結構抗風設計中考慮雷暴風的影響，對提升結構可靠度具有非常重要的意義。

4 結論

本文中基于風場實測數據，依據風暴特性識別了雷暴風記錄，建立了北京市區雷暴風數據庫，得出結論如下：

1）北京市區強風事件主要有陣風因子較小而平均風速較大的平穩高斯大尺度穩態強風事件、陣風因子較大但平均風速較小的非平穩非高斯雷暴風事件、以及陣風因子較高但平均風速相對較小的平穩非高斯中間事件3種類型。

2）依據不同風暴特性，采用定量控制和定性判斷相結合的方法，實現了雷暴風的快速識別，有效、準確地建立了北京市區雷暴風實測數據庫，為北京市區雷暴風風場統計特性分析和結構抗雷暴風研究提供可靠依據。

3）根據北京市區5年間的風速實測數據，共識別到314個雷暴風記錄，其中有70個雷暴風事件，發生十分頻繁，且雷暴風陣風風速峰值較大，因此在風速極值分布及建筑結構抗風設計中考慮雷暴風的影響，對提升結構可靠度具有非常重要的意義。

參考文獻：

［1］ ZHANG S， SOLARI G， DE GAETANO P， et al. A refined analysis of thunderstorm outflow characteristics relevant to the wind loading of structures［J］. Probabilistic Engineering Mechanics， 2018， 54： 9.

［2］ 方智遠， 汪之松， 李正良. 雷暴沖擊風作用下高層建筑風壓幅值特性研究［J］. 建筑結構學報， 2019， 40（11）： 19.

［3］ ZHANG S， SOLARI G， YANG Q， et al. Extreme wind speed distribution in a mixed wind climate［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2018， 176： 239.

［4］ TAMURA Y， CAO S. International group for wind-related disaster risk reduction （IG-WRDRR）［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2012， 104/105/106： 3.

［5］ 李宏海， 歐進萍. 我國下擊暴流的時空分布特性［J］. 自然災害學報， 2015， 24（6）： 9.

［6］ SCOTT GUNTER W， SCHROEDER J L. High-resolution full-scale measurements of thunderstorm outflow winds［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2015， 138： 13.

［7］ GOMES L， VICKERY B J. Extreme wind speeds in mixed climates［J］. Journal of Wind Engineering and Industrial Aerodynamics， 1978， 2（4）： 331.

［8］ DE GAETANO P， PIA REPETTO M， REPETTO T， et al. Separation and classification of extreme wind events from anemometric records［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2014， 126（1）：132.

［9］ RIERA J D， PONTE J. Recent Brazilian research on thunderstorm winds and their effects on structural design［J］. Wind and Structures， 2012， 15（2）： 111.

［10］ CHOI E C C. Extreme wind characteristics over Singapore： an area in the equatorial belt［J］. Journal of Wind Engineering and Industrial Aerodynamics， 1999， 83（1/2/3）： 61.

［11］ CHOI E C C， HIDAYAT F A. Dynamic response of structures to thunderstorm winds［J］. Progress in Structural Engineering and Materials， 2002， 4（4）： 408.

［12］ CHOI E C C， TANURDJAJA A. Extreme wind studies in Singapore：an area with mixed weather system［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2002， 90（12/13/14/15）： 1611.

［13］ KASPERSKI M. A new wind zone map of Germany［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2002， 90（11）： 1271.

［14］ COOK N J， IAN HARRIS R， WHITING R. Extreme wind speeds in mixed climates revisited［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2003， 91（3）： 403.

［15］ DURAONAV，STERLINGM，BAKERCJ. An analysis of extreme non-synoptic winds［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2007， 95（9/10/11）： 1007.

［16］ LOMBARDO F T， MAIN J A， SIMIU E. Automated extraction and classification of thunderstorm and non-thunderstorm wind data for extreme-value analysis［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2009， 97（3/4）： 120.

［17］ ROWCROFT J. Vertical wind shear profiles in downburst events and the insufficiency of wind turbine design codes［C］//14th Australasian Wind Engineering Society Workshop. Canberra： AWES， 2011： 50.

［18］ HUANGGQ，JIANGY，PENGLL， et al. Characteristics of intensewindsinmountainareabasedon field measurement： focusing on thunderstorm winds［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2019， 190： 166.

［19］ 朱云輝， 孫富學， 姜碩， 等. 廈門海岸地區150 m高空臺風風場特性實測研究［J］. 建筑結構， 2020， 50（16）： 114.

［20］ 張鑫鑫， 李波， 張石， 等. 基于北京中心城區實測的城市邊界層風場特性研究［J］. 建筑結構學報， 2022， 43（3）： 109.

［21］ 中華人民共和國住房和城鄉建設部. 建筑結構荷載規范： GB 50009—2012［S］. 北京： 中國建筑工業出版社， 2012.

［22］ 夏冬生. 北京城區大氣穩定性及近地強風特性實測研究［D］. 北京： 北京交通大學，" 2015.

（責任編輯：劉 飚）