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(nèi)的大到暴雨是青海東部農(nóng)業(yè)區(qū)的主要氣象災(zāi)害之一，易引發(fā)山洪、泥石流和山體滑坡等，給相關(guān)地區(qū)工農(nóng)業(yè)生產(chǎn)、交通運輸、國防以及人民生命財產(chǎn)安全帶來嚴重損失［1］。因其具有空間尺度小、發(fā)展速度快、持續(xù)時間短、突發(fā)性強、破壞力大等特點，一直被認為是天氣預(yù)報的難點問題。陶詩言［2］指出，中緯度地區(qū)發(fā)生短時強降水，需要位勢不穩(wěn)定、充沛的水汽和較強的垂直風(fēng)切變，充沛的水氣供應(yīng)和適宜的不穩(wěn)定層結(jié)是發(fā)生短時強降水的內(nèi)因，而足夠的抬升條件則是短時強降水發(fā)生的外因，熱力作用決定了對流發(fā)展的強度，動力作用則決定了對流發(fā)展的類型。在對流發(fā)展的環(huán)境條件中，層結(jié)不穩(wěn)定是首要條件。

早期，1953年 Showalter［3］提出了沙氏指數(shù)（SI），1956年Galway［4］提出了抬升指數(shù)（LI），但這兩個參數(shù)只能表示大氣單層的穩(wěn)定性。因此，1976年Moncrieff等［5］提出了能夠表征大氣整體結(jié)構(gòu)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(fā)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(nèi)，層結(jié)穩(wěn)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(tǒng)時推廣了假相當位溫在暴雨和強降水天氣分析中的應(yīng)用。雷雨順［8-］、壽紹文［10］等國內(nèi)著名學(xué)者都曾將能量方法用于中國暴雨和強對流天氣分析及預(yù)報中有較好的效果。近年來，表征強對流環(huán)境參數(shù)的一些動力參數(shù)陸續(xù)被提出。1986年，Lilly［11-12］引入能表征上升運動螺旋結(jié)構(gòu)特性的螺旋度參數(shù)。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(fù)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(shù)，Weisman［14］等提出的理查遜數(shù)，Hart等［15］提出的能量螺旋度指數(shù)等。龐古乾等［16］對比分析珠三角地區(qū)前后汛期物理量部分參數(shù)的分布特征，獲得部分參數(shù)的閾值，為做好珠三角地區(qū)未來12小時強對流天氣預(yù)報提供了依據(jù)。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(fēng)以及混合型強對流天氣的環(huán)境參數(shù)特征，發(fā)現(xiàn)短時強降水相比強冰雹、雷暴大風(fēng)等天氣的環(huán)境參數(shù)，有較小的850-500hPa溫差，較高的平衡層高度，較弱的垂直風(fēng)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(huán)境條件方面系統(tǒng)的研究還比較缺乏。文章將基于西寧探空資料構(gòu)建12小時內(nèi)青海東北部農(nóng)業(yè)區(qū)的大到暴雨客觀預(yù)報模型，為提高大到暴雨的災(zāi)害性天氣預(yù)報準確率提供技術(shù)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(gòu)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(jié)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(nèi)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(tǒng)計結(jié)果上看，12h大到暴雨主要出現(xiàn)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(xiàn)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(shù)據(jù)計算如下物理量：杰弗遜指數(shù)（JI）、沙氏指數(shù)（SI）、Barber對流不穩(wěn)定指數(shù)（ICC）、對流穩(wěn)定度指數(shù)（BI）、潛在下沖氣流指數(shù)（MDPI）、整層比濕積分（IQ）、干暖蓋指數(shù)（Ls）、對流凝結(jié)高度（CCL）、對流凝結(jié)高度處溫度（CCL_T）、風(fēng)暴強度指數(shù)（SSI）、粗理查森數(shù)切變(Shr)、風(fēng)暴相對螺旋度（SRH）等。其中參與擬合的降水量統(tǒng)計08-20時的降水量，20-08時的降水量，分別對應(yīng)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(shù)據(jù)來源于MICAPS系統(tǒng)，數(shù)據(jù)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(qū)域內(nèi)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(jù)不同物理量與降水量散點分布特征，統(tǒng)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(yù)報因子的命中率大約在的概率為：81.36-89.57%，因此設(shè)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(shù)據(jù)作為訓(xùn)練樣本，用于挖掘規(guī)則，其中08時1850個數(shù)據(jù)，20時1826個數(shù)據(jù)；2009-2015年作為測試樣本，用于識別，其中08時1643個數(shù)據(jù)，20時1490個數(shù)據(jù)。

4.1 構(gòu)建決策表

將2001年至2008年訓(xùn)練樣本數(shù)據(jù)表示成決策表，每一日數(shù)據(jù)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(shù)據(jù)離散化

連續(xù)屬性是不能被粗糙集直接處理的，因此在數(shù)據(jù)準備階段應(yīng)該先對連續(xù)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(jù)設(shè)定的頻數(shù)k，將測試樣本分為k個子區(qū)間，每個子區(qū)間包含相同的樣本數(shù)。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(qū)間，各個特征的6個子區(qū)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(yīng)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(nèi)容之一，經(jīng)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(yīng)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(gòu)成的集合采用分明矩陣（12個因構(gòu)成的所有的子集，包括空集在內(nèi)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(tǒng)計，0表示未參與統(tǒng)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(tǒng)計結(jié)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(tǒng)計表

4.4 因子選擇

項目對所有的組合進行統(tǒng)計，因因子數(shù)較多（12個），其中組合方案有4076種，其中有的方案預(yù)報準確率不是很高，因此對不同因子數(shù)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(yōu)組合，其中08時有619種，20時449種；同時對比發(fā)現(xiàn)無論是08時數(shù)據(jù)還是20時數(shù)據(jù)，當采用6個預(yù)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(yōu)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(yù)報因子中，大降水的個例占比比較高，但是相對個例數(shù)比較少，其中對于08時數(shù)據(jù)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(shù)達到58個（總共大雨個例65個）；對于20時數(shù)據(jù)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(shù)達到86個（總共大雨個例113個）。因此，08時最優(yōu)因子方案有70種，20時有64種。

在不同的物理量中，屬于層結(jié)穩(wěn)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(jié)合前面單個因子的統(tǒng)計，即08時預(yù)報效果好的依次為JI、IntegralQ、Ls、CCL，20時預(yù)報效果好的依次為IntegralQ、Ls、CCL_T、JI，在最優(yōu)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(yù)報模型的構(gòu)建

每一種方案進行一致性檢驗后，對其進行擬合構(gòu)建預(yù)報模型，并得到相關(guān)閾值，擬合及統(tǒng)計結(jié)果如表8。

表8 預(yù)報模型統(tǒng)計量

4.6 驗證

利用2009-2015年的數(shù)據(jù)進行驗證，采用多元回歸預(yù)報模型驗證結(jié)果如表9、表10。

表9 08時統(tǒng)計結(jié)果

表10 20時統(tǒng)計結(jié)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(yù)報準確率在10%左右，構(gòu)建的模型對大到暴雨的預(yù)報有一定的參考意義。

5 預(yù)報中的應(yīng)用

以2015年7-8月的探空數(shù)據(jù)和EC模式數(shù)據(jù)為例，統(tǒng)計模式預(yù)報的逐3小時的系統(tǒng)性降水和3小時實況累計降水量降水量之間的關(guān)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(shù)分布

由此可以得到，模式預(yù)報的3小時系統(tǒng)性降水誤差0.1mm?？紤]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(shù)據(jù)面上最大降水量來做相關(guān)抑制，則通過構(gòu)建的客觀預(yù)報模型預(yù)報出如表11、表12的結(jié)果。

表11 客觀預(yù)報系統(tǒng)08時預(yù)報結(jié)果

表12 客觀預(yù)報系統(tǒng)20時預(yù)報結(jié)果

大雨預(yù)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(yōu)于其他方案。由此可見，構(gòu)建的預(yù)報模型對12h大到暴雨的預(yù)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(xué)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(tǒng)的分析研究［J］．氣象學(xué)報，1956，27：1-24．

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

［9］雷雨順，能量天氣學(xué)［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(xué)［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(qū)前汛期強對流潛勢預(yù)報方法研究［J］．熱帶氣象學(xué)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(huán)境參數(shù)特征分析［J］．高原氣象，2013，32：156-165．