王嘯華 鄭媛媛 濮梅娟 宗培書 禹梁玉

（1 江蘇省氣象臺，南京 210008；2 江蘇省氣象科學(xué)研究所，南京 210009；3 江蘇省氣象局，南京 210008）

0 引言

強(qiáng)對流預(yù)警是現(xiàn)代天氣業(yè)務(wù)的一個重要方面，2012年北京721特大暴雨、2015年湖北東方之星沉船事件、2016年6月23日鹽城阜寧EF4龍卷風(fēng)等極端突發(fā)災(zāi)害天氣帶來重大的人員傷亡和社會財產(chǎn)損失。在強(qiáng)天氣預(yù)警過程中，預(yù)報員借助短臨預(yù)報系統(tǒng)瀏覽分析最新觀測資料，提取強(qiáng)對流風(fēng)暴信息，制作發(fā)布強(qiáng)對流預(yù)警信息，短臨預(yù)報系統(tǒng)發(fā)揮著基礎(chǔ)性的作用。國內(nèi)應(yīng)用較多的系統(tǒng)包括國家氣象中心牽頭研發(fā)的SWAN、廣東省氣象局的SWIFT、深圳市氣象局的PONDS、上海市氣象局NOCAWS、湖北省氣象局的MYNOWS等短臨預(yù)報系統(tǒng)。另外國家衛(wèi)星氣象中心開發(fā)的SWAP、敏視達(dá)雷達(dá)有限公司的PUP、中國氣象科學(xué)院研發(fā)的雷電信息處理系統(tǒng)分別是應(yīng)用衛(wèi)星、雷達(dá)和雷電資料預(yù)警強(qiáng)對流的專業(yè)平臺[1-4]。另一方面，當(dāng)前國、省、市、縣四級預(yù)報員都監(jiān)測預(yù)警強(qiáng)對流天氣，強(qiáng)天氣業(yè)務(wù)預(yù)警過程中各級預(yù)報員的職責(zé)和分工還沒有完全清晰，各地的情況也有較大差別。江蘇省氣象局2011年承擔(dān)了天氣業(yè)務(wù)省市縣三級分工試點(diǎn)工作，2016年承擔(dān)了強(qiáng)對流天氣預(yù)警業(yè)務(wù)試點(diǎn)工作，根據(jù)江蘇強(qiáng)對流預(yù)警需求特點(diǎn)調(diào)整了業(yè)務(wù)分工和業(yè)務(wù)流程，建設(shè)強(qiáng)天氣綜合報警追蹤平臺（Sever Weather Alert and Track Comprehensive Platform，SWATCH）。平臺應(yīng)用WEBGIS技術(shù)，實現(xiàn)多源資料顯示應(yīng)用、強(qiáng)對流天氣客觀識別和客觀外推、省市縣三級預(yù)警快速制作和實時聯(lián)動、省市縣三級業(yè)務(wù)行為記錄分析等功能。SWATCH在2016年6月23日阜寧龍卷風(fēng)等重大突發(fā)災(zāi)害天氣的預(yù)警過程中發(fā)揮重要作用。

1 平臺主要功能模塊和結(jié)構(gòu)關(guān)系

SWATCH 平臺由多源資料采集處理模塊、強(qiáng)對流分類識別和臨近外推模塊、主客觀預(yù)警產(chǎn)品庫、省市縣三級預(yù)警交互制作模塊、主界面框架模塊、行為記錄模塊等6個功能模塊組成（圖1）。該平臺快速處理多源觀測資料，提取強(qiáng)對流風(fēng)暴信息；集成暴雨雨團(tuán)、徑向大風(fēng)速區(qū)、冰雹、龍卷等客觀識別算法和SCIT[5]（The Strom Cell Identification and Tracking）、TITAN[6]（Thunderstrom Identification Tracking Analysis and Nowcasting）、TREC[7]（Tracking Radar Echoes by Correlation）等客觀外推算法，實現(xiàn)強(qiáng)對流天氣的分類識別和臨近外推；識別和外推結(jié)果結(jié)合地理信息自動生成客觀預(yù)警信息，并進(jìn)行報警。平臺主界面基于網(wǎng)絡(luò)版MICAPS技術(shù)框架[8-9]，采用WEBGIS技術(shù)，面向江蘇省市縣三級氣象臺預(yù)報員，為各級預(yù)報員提供精細(xì)、及時的報警信息和便捷的主觀分析工具，根據(jù)業(yè)務(wù)分工和流程，省市縣級預(yù)報員可以參考客觀報警信息進(jìn)行災(zāi)害性天氣預(yù)警快速制作。市縣級預(yù)報員可確認(rèn)、修改上級指導(dǎo)預(yù)警信息并通過平臺向上級反饋，實現(xiàn)省市縣三級預(yù)警快速制作、實時聯(lián)動和省市縣三級業(yè)務(wù)行為記錄分析等功能。

圖1 SWATCH平臺功能模塊結(jié)構(gòu)關(guān)系圖 Fig.1 Function module structure of the SWATCH

2 多源資料采集處理

快速處理雷達(dá)、自動站、衛(wèi)星、閃電定位儀、GPS、風(fēng)廓線、探空等觀測資料和SWAN系統(tǒng)產(chǎn)品、INCA[10-11]（奧地利國家氣象局發(fā)展的一種融合多種資料的綜合分析臨近預(yù)報：Integrated Nowcasting through Comprehensive Analysis）預(yù)報產(chǎn)品等。處理結(jié)果直接供用戶通過主用戶界面瀏覽，同時為強(qiáng)對流分類識別模塊集成的算法提供基礎(chǔ)數(shù)據(jù)（表1）。

3 強(qiáng)對流分類識別和臨近外推

強(qiáng)對流分類識別和臨近外推模塊本地化集成應(yīng)用了SWAN系統(tǒng)和江蘇省氣象局強(qiáng)對流創(chuàng)新團(tuán)隊研制的分類強(qiáng)對流客觀識別算法，判識別短時強(qiáng)降水、雷雨大風(fēng)、冰雹、龍卷等4類災(zāi)害天氣（表2）。識別結(jié)果通過客觀外推算法，結(jié)合地理信息，形成精細(xì)化的臨近預(yù)警信息。識別和外推結(jié)果一方面進(jìn)入主客觀預(yù)警產(chǎn)品庫，供用戶通過主界面框架瀏覽應(yīng)用，另一方面進(jìn)入省市縣三級預(yù)警交互制作模塊，提醒值班預(yù)報員，同時為快速制作發(fā)布主觀臨近預(yù)警提供基礎(chǔ)參考。

表2 民分類強(qiáng)對流客觀識別算法 Table 2 Objective identification methods for different severe weather

3.1 分類強(qiáng)對流識別

短時強(qiáng)降水分為1 h降水量超過20、50和100 mm這3個等級。數(shù)據(jù)一是自動站10 min雨量資料，滑動計算過去1 h雨量；二是基于SWAN系統(tǒng)QPE產(chǎn)品的雨團(tuán)識別。

冰雹識別基于2015年業(yè)務(wù)準(zhǔn)入的SWAN冰雹識別產(chǎn)品[12-13]，該產(chǎn)品較PUP系統(tǒng)冰雹指數(shù)產(chǎn)品在風(fēng)暴單體的正確識別、消除超折射產(chǎn)生的冰雹虛警識別、冰雹大小的修正等方面有明顯的改進(jìn)，并提供了根據(jù)天氣形勢特征進(jìn)行消空的接口。通過對江蘇省2011—2015年逐日的識別結(jié)果進(jìn)行回放檢驗，從冰雹概率、強(qiáng)冰雹概率、0℃層高度、－20℃層高度、T850－T500、0℃層以下平均溫度和冰雹大小等7個方面尋找建立本地化的春季（4—6月）和夏季（7—9月）消空指數(shù)組合，在不顯著增加漏報率的情況下，獲得最小的空報率。應(yīng)用最優(yōu)的消空指數(shù)組合，春季冰雹算法，命中率98.1%，漏報率1.85%，空報率74.79%，識別臨界成果指數(shù)（CSI）由12.6% 上升到24.98%；夏季冰雹算法，命中率93.1%，漏報率6.89%，空報率69.67%，識別臨界成果指數(shù)（CSI）由10.39%上升到30.36%。

雷雨大風(fēng)識別和預(yù)警一是基于自動站監(jiān)測到的極大風(fēng)、結(jié)合站點(diǎn)附近有閃電活動；二是雷達(dá)站周圍50 km范圍內(nèi)，經(jīng)過速度退模糊后＞20 m/s的雷達(dá)徑向大風(fēng)速區(qū)；三是識別雷達(dá)陣風(fēng)鋒，在陣風(fēng)鋒前10 km范圍內(nèi)已經(jīng)或即將出現(xiàn)雷雨大風(fēng)；四是基于近10年江蘇雷雨大風(fēng)天氣中中氣旋的底高、頂高、最大切變高度、直徑、最大風(fēng)切變等特征量獲取雷雨大風(fēng)識別閾值（表3）。識別達(dá)到閾值的中氣旋，中氣旋20 km半徑范圍內(nèi)的區(qū)域，為雷雨大風(fēng)區(qū)。

表3 2007—2016年雷雨大風(fēng)和龍卷特征量統(tǒng)計閾值 Table 3 Feature threshold values of thunderstorm winds and tornadoes for 2007—2016

龍卷識別主要是針對西風(fēng)帶系統(tǒng)的超級單體龍卷。統(tǒng)計2007—2016年江蘇龍卷天氣中氣旋的底高、頂高、最大切變高度、直徑、最大風(fēng)切變等特征量獲取龍卷識別閾值?；谥袣庑妄埦頊u旋特征產(chǎn)品閾值結(jié)合江蘇龍卷時空分布特征統(tǒng)計規(guī)律，客觀識別龍卷[14-16]。

3.2 臨近外推

臨近外推模塊集成了PUP產(chǎn)品的SCIT，SWAN系統(tǒng)TITAN和本地化交叉相關(guān)TREC等客觀外推算法。這3種外推方法分別針對風(fēng)暴質(zhì)心點(diǎn)、落區(qū)和場進(jìn)行外推，針對識別的不同類型強(qiáng)對流天氣選用合適的外推算法（表4），外推結(jié)果結(jié)合地理信息，形成精細(xì)化的客觀臨近預(yù)警信息。

4 主用戶界面框架

4.1 主地圖顯示窗口

主地圖顯示窗口為用戶提供主客觀臨近預(yù)警產(chǎn)品庫中的各類臨近預(yù)警信息的報警提醒，和多源資料的查看瀏覽。報警類型包括了雨強(qiáng)20、50和100 mm這3個等級的1 h降水；14、17和20 m/s 3個等級的陣風(fēng)；100和50 m等級的低能見度；10 min內(nèi)每平方千米閃電次數(shù)達(dá)到4次的強(qiáng)雷電；客觀算法識別的冰雹、龍卷、雷達(dá)觀測到的風(fēng)暴、中氣旋和45 dBz以上的強(qiáng)回波等14類報警圖標(biāo)，在主地圖顯示窗口顯示紅色圖標(biāo)表示當(dāng)前時刻之前0.5 h內(nèi)的報警信息，藍(lán)色圖標(biāo)表示當(dāng)前時刻之前0.5～3 h的報警信息。圖層控制面板控制包括各類識別的強(qiáng)降水、自動站大風(fēng)、閃電、強(qiáng)回波、中氣旋、雷達(dá)徑向大風(fēng)速區(qū)、冰雹、龍卷、SCIT、TITAN風(fēng)暴外推路徑和主觀、客觀預(yù)警等信息的自動顯示和報警（圖2）。

4.2 風(fēng)暴屬性綜合關(guān)聯(lián)表

風(fēng)暴屬性關(guān)聯(lián)表（圖3），顯示最近10 min內(nèi)江蘇及周邊?。ㄊ校?5部多普勒雷達(dá)PUP系統(tǒng)觀測到的風(fēng)暴屬性及風(fēng)暴當(dāng)前位置雷達(dá)回波特征和地面物理量。包括：時間、雷達(dá)站、當(dāng)前位置、風(fēng)暴編號、中氣旋識別、中氣旋生命歷史、中氣旋頂高、中氣旋底高、中氣旋三維切變值；龍卷識別、龍卷渦旋特征、龍卷渦旋特征頂高、龍卷渦旋特征底高、龍卷渦旋特征三維切變值 ；冰雹識別、冰雹尺寸、冰雹概率、移向、移速、垂直積分液態(tài)水含量（VIL） 、垂直積分液態(tài)水含量密度（VIL/h）、風(fēng)暴所在處附近最大反射率、回波頂高、回波底高、風(fēng)暴所在位置地面散度、1 h變壓等26個字段屬性。

圖2 SWATCH平臺主界面 Fig.2 Main interface of the SWATCH

圖3 風(fēng)暴屬性綜合關(guān)聯(lián)表 Fig.3 Comprehensive association of storm properties

在風(fēng)暴屬性表中被識別為龍卷的風(fēng)暴會顯示在風(fēng)暴表最上面，接著是被識別為冰雹、之后是具有中氣旋或龍卷渦旋特征（TVS）的風(fēng)暴，其他風(fēng)暴按照垂直積分液態(tài)含量（VIL）從大到小的排序顯示。排名前5位的風(fēng)暴的過去位置和未來預(yù)測路徑在主用戶界面窗口顯示。點(diǎn)擊任意一行風(fēng)暴，會在主用戶界面以透明綠色高亮顯示其所在位置和未來1 h移動路徑，主地圖窗口會彈出對話框顯示該風(fēng)暴未來1 h內(nèi)即將影響的所有鄉(xiāng)鎮(zhèn)名（圖4）。

通過風(fēng)暴屬性表可快速識別出龍卷、冰雹和與中氣旋相關(guān)的雷雨大風(fēng)，了解風(fēng)暴降水效率和未來移動路徑，同時應(yīng)用地面加密自動站計算的散度和變壓為預(yù)測風(fēng)暴強(qiáng)度演變提供了參考。結(jié)合地理信息快速定位風(fēng)暴的當(dāng)前所在和未來可能影響區(qū)域，為生成客觀強(qiáng)對流預(yù)警產(chǎn)品創(chuàng)造了條件。風(fēng)暴屬性表為用戶直觀、定量、綜合掌握風(fēng)暴的特征提供了關(guān)鍵參考，在實踐中受到預(yù)報員的廣泛歡迎。

圖4 風(fēng)暴定位和未來移動預(yù)測 Fig.4 Forecast of storm location and movement

5 省市縣三級預(yù)警交互制作

5.1 江蘇省市縣三級短臨預(yù)警業(yè)務(wù)流程

基于PWARFS每日08：00、20：00（北京時）輸出0～12 h強(qiáng)對流潛勢預(yù)報產(chǎn)品，省氣象臺在參考國家級及省級強(qiáng)對流潛勢預(yù)報產(chǎn)品的基礎(chǔ)上，應(yīng)用最新的觀測資料在一體化預(yù)報業(yè)務(wù)平臺上制作發(fā)布指導(dǎo)產(chǎn)品。①中尺度分析產(chǎn)品每日09：00、12：00、15：00、21：00（北京時）發(fā)布4次，主要應(yīng)用前一時次的探空及地面和衛(wèi)星等實況資料以及11：00的PWAFS再分析資料；②短臨預(yù)報精細(xì)化格點(diǎn)產(chǎn)品全天10 min滾動發(fā)布，時空分辨率分別為10 min和1 km，時效為0～2 h的預(yù)報場。市、縣氣象臺基于指導(dǎo)產(chǎn)品開展服務(wù)。③當(dāng)已經(jīng)出現(xiàn)或預(yù)計2 h內(nèi)將出現(xiàn)強(qiáng)對流災(zāi)害性天氣時，實時基于SWATCH平臺發(fā)布強(qiáng)對流預(yù)警落區(qū)和預(yù)警內(nèi)容，發(fā)布面向省政府、相關(guān)部門和重要行業(yè)的預(yù)警信息；市氣象臺在3 min內(nèi)確認(rèn)或6 min內(nèi)訂正省臺預(yù)警落區(qū)和預(yù)警內(nèi)容，縣氣象臺根據(jù)實際需求及時訂正；市、縣氣象臺通過發(fā)布預(yù)警信號等方式開展對外服務(wù)（圖5，圖中時間為北京時）。

圖5 省市縣短臨預(yù)警業(yè)務(wù)流程圖 Fig.5 The operation flow chart of the nowcasting at provincial, city and county observatories

5.2 臨近預(yù)警制作

SWATCH平臺作為江蘇省市縣一體化平臺的重要組成部分，為省市縣一體化的臨近預(yù)警制作發(fā)布提供支撐。值班預(yù)報員收到報警提醒后，點(diǎn)擊主地圖窗口上預(yù)警制作按鈕，進(jìn)入預(yù)警制作界面（圖6）。預(yù)警制作界面提供包括降水實況、降水預(yù)報、大風(fēng)實況、大風(fēng)預(yù)報、閃電分布、雷達(dá)拼圖、地面物理量等信息的圖層疊加控制。點(diǎn)擊預(yù)警制作后，彈出浮動落區(qū)繪制工具欄。落區(qū)繪制完成后自動彈出預(yù)報內(nèi)容對話框，提供預(yù)報時效選擇，以及強(qiáng)降水、雷電、雷雨大風(fēng)、冰雹、龍卷等五類強(qiáng)對流天氣不同強(qiáng)度等級的選項，根據(jù)繪制落區(qū)結(jié)合地理信息自動生成強(qiáng)對流主觀預(yù)警文本（省級用戶精確到區(qū)（縣）、市級用戶精細(xì)到鄉(xiāng)（鎮(zhèn)））。選擇發(fā)布落區(qū)后，預(yù)報落區(qū)和預(yù)警文本在SWATCH主地圖窗口顯示并報警，生成圖文結(jié)合的PDF預(yù)警文檔在江蘇預(yù)報業(yè)務(wù)一體化平臺共享，同時錄入預(yù)警數(shù)據(jù)庫供其他專業(yè)服務(wù)平臺調(diào)用。

5.3 主客觀預(yù)警信息檢索查詢

點(diǎn)擊指導(dǎo)預(yù)報可查詢省市氣象臺制作發(fā)布的預(yù)警內(nèi)容，在主地圖顯示窗口顯示對應(yīng)的藍(lán)色半透明主觀預(yù)報落區(qū)。點(diǎn)擊客觀預(yù)報，顯示當(dāng)前時刻基于地理信息結(jié)合風(fēng)暴識別及外推結(jié)果生成的客觀預(yù)警信息（圖7， 主地圖上橙色區(qū)域，圖中時間為北京時）。

6 用戶行為和工作狀態(tài)記錄管理

SWATCH平臺具備監(jiān)控記錄省、市級值班預(yù)報員的操作行為和工作狀態(tài)功能。用戶行為包括登錄、報警區(qū)域設(shè)置、客觀報警確認(rèn)、主觀聯(lián)動預(yù)警信息確認(rèn)、主觀預(yù)警信息發(fā)布等。工作狀態(tài)分為在線、離線、預(yù)警待確認(rèn)、預(yù)警已確認(rèn)等狀態(tài)。登錄用戶可設(shè)置報警區(qū)域，過濾非關(guān)注區(qū)域的主客觀報警。報警信息在確認(rèn)后半小時內(nèi)同類預(yù)警信息不再聲音提示。平臺支持監(jiān)控記錄實時顯示和歷史記錄查詢（圖8），提高了省市聯(lián)動效率，為優(yōu)化強(qiáng)對流預(yù)警業(yè)務(wù)流程提供分析依據(jù)。

7 2016年6月23日阜寧EF4級龍卷過程應(yīng)用

2016年6月23日14：19—15：30（北京時），鹽城市阜寧縣和射陽縣發(fā)生了歷史罕見的龍卷、雷暴大風(fēng)、冰雹及短時強(qiáng)降水等極端天氣，99人遇難，800余人受傷，損毀房屋8893戶（30104間），經(jīng)中國氣象局江蘇省阜寧縣天氣災(zāi)情實地調(diào)查專家組赴阜寧實地調(diào)查認(rèn)定，龍卷強(qiáng)度最強(qiáng)為EF4級，最大風(fēng)力超過17級。江蘇省市縣三級氣象臺依托SWATCH平臺的強(qiáng)對流識別和外推功能，密切監(jiān)測天氣變化，實現(xiàn)了對雷雨大風(fēng)、短時強(qiáng)降水、冰雹等強(qiáng)對流天氣的提前預(yù)警和龍卷的第一時間客觀識別；借助于其提供的省市縣三級預(yù)警交互制作功能實現(xiàn)了省市縣一體化的快速聯(lián)動預(yù)警，提升了預(yù)警制作發(fā)布效率（圖9，圖中時間為北京時）。

7.1 龍卷客觀識別和外推

圖6 預(yù)警制作 Fig.6 Alert production

圖7 SWATCH平臺預(yù)警信息顯示客觀預(yù)報（a）和指導(dǎo)預(yù)報（b） Fig.7 Information displayed in the SWATCH: (a) objective forecast, (b) subjective forecast

圖8 行為記錄查詢 Fig.8 Inquiries of behavioral records

圖9 2016年6月23日鹽城中北部龍卷預(yù)警發(fā)布情況 Fig.9 The warning issue of Yancheng tornado on 23 June 2016

14：00，在漣水的徐集鎮(zhèn)和菱陵鎮(zhèn)出現(xiàn)了相距很近風(fēng)向相切的兩個分別達(dá)到15.2和16.6 m/s 的7級以上大風(fēng)站。據(jù)此發(fā)現(xiàn)有小尺度地面輻合系統(tǒng)過境，中氣旋有及地可能，且在南集鎮(zhèn)附近識別出多個中氣旋和冰雹（圖10a）。

圖10 SWATCH平臺主用戶界面：2016年6月23日14：00（北京時，a）和14：30（北京時，b） Fig.10 The main user interface of the SWATCH platform at 14:00 BT (a) and at 14:30 BT (b) on 23 June 2016

14：26在阜寧的板湖鎮(zhèn)和陳集鎮(zhèn)識別出底高0.7 km，風(fēng)切變達(dá)79×10-3s-1的中氣旋，同時系統(tǒng)客觀識別出龍卷。在識別龍卷位置北側(cè)5 km陳集鎮(zhèn)自動站監(jiān)測到34.6 m/s大風(fēng)。根據(jù)風(fēng)暴路徑外推可見射陽的合德鎮(zhèn)、阜寧的海河鎮(zhèn)、開發(fā)區(qū)、金湖管委會、新溝鎮(zhèn)這條東西向的風(fēng)暴路徑上將受到影響（圖10b）。

14：27，省臺電話指導(dǎo)鹽城市局，指出包括阜寧等地實況風(fēng)很大且有旋轉(zhuǎn)，要求指導(dǎo)阜寧將雷電黃色預(yù)警信號變更為雷電橙色預(yù)警信號，并且內(nèi)容要包括龍卷。

7.2 省市縣臨近預(yù)警交互聯(lián)動

14：30，省臺利用SWATCH平臺發(fā)布強(qiáng)對流天氣預(yù)警提醒：“預(yù)計未來2 h灌云縣，響水縣，灌南縣，濱?？h，射陽縣，漣水縣，阜寧縣，楚州區(qū)，建湖縣，降水量：50～70 mm，雷電強(qiáng)度：強(qiáng)，冰雹尺寸2～5 cm，最大瞬時風(fēng)速達(dá)到20 m/s，龍卷強(qiáng)度：等級達(dá)到F2龍卷，請注意防范。（圖11）”

14：35，鹽城市氣象臺在省臺臨近預(yù)警的基礎(chǔ)上進(jìn)行了修改發(fā)布，“阜寧縣（羅橋鎮(zhèn)，益林鎮(zhèn)，古河鎮(zhèn)，東溝鎮(zhèn)，陳良鎮(zhèn)，板湖鎮(zhèn)，溝墩鎮(zhèn)，金沙湖管委會，阜寧縣開發(fā)區(qū)，阜寧縣開發(fā)區(qū)，新溝鎮(zhèn)，陳集鎮(zhèn)，蘆蒲鎮(zhèn)，阜城鎮(zhèn)，阜城鎮(zhèn)，郭墅鎮(zhèn)，三灶鎮(zhèn)，羊寨鎮(zhèn)）預(yù)計未來2 h降水量：50～70 mm，雷電強(qiáng)度：強(qiáng)，最大瞬時風(fēng)速達(dá)到24 m/s，冰雹尺寸2～5 mm以下，龍卷強(qiáng)度：等級達(dá)到F2龍卷，請注意防范！（圖12）”

圖11 2016年6月23日14：30（北京時）SWATCH平臺主用戶界面 Fig.11 The main user interface of the SWATCH platform at 14:30 BT on 23 June 2016

圖12 2016年6月23日14：35（北京時）SWATCH平臺主用戶界面 Fig.12 The main user interface of the SWATCH platform at 14:35 BT on 23 June 2016

14：39，阜寧縣氣象臺變更雷暴橙色預(yù)警信號：“我縣已經(jīng)出現(xiàn)強(qiáng)雷電并可能伴有10級以上陣風(fēng)，大部分地區(qū)將出現(xiàn)短時強(qiáng)降水、龍卷、冰雹等強(qiáng)對流天氣，請注意防范?！?/p>

7.3 省市縣預(yù)警服務(wù)情況介紹

1）對公眾發(fā)布何種預(yù)警信號

由于龍卷的尺度小，預(yù)報預(yù)警難度大，目前江蘇的預(yù)警信號體系里沒有龍卷預(yù)警信號。

與強(qiáng)對流有關(guān)的主要時冰雹預(yù)警信號和雷暴預(yù)警信號。雷暴預(yù)警信號指發(fā)生雷電并伴有短時強(qiáng)降水或雷雨大風(fēng)的強(qiáng)對流天氣?！?·23”龍卷過程省市縣對外服務(wù)用的是雷暴橙色預(yù)警信號，同時在預(yù)警信號內(nèi)容里明確發(fā)生龍卷可能。

2）省市縣三級氣象臺的分工

為避免對外預(yù)警信號不一致情況，江蘇省市縣一體化強(qiáng)對流預(yù)警業(yè)務(wù)規(guī)定省氣象臺不對公眾發(fā)布冰雹和雷暴預(yù)警信號，但是要通過SWATCH平臺指導(dǎo)市縣氣象局具體強(qiáng)對流的落區(qū)和強(qiáng)度?！?·23”龍卷過程中省氣象臺在監(jiān)測到龍卷特征后第一時間通過SWATCH平臺和電話對市縣進(jìn)行了指導(dǎo)，同時在龍卷發(fā)生前通過江蘇氣象微博對公眾開展了雷雨大風(fēng)、短時強(qiáng)降水的服務(wù)。市縣氣象臺根據(jù)省臺指導(dǎo)立即升級發(fā)布包括龍卷信息的預(yù)警信號，通過短信、微博、微信、網(wǎng)站、電視、廣播向公眾傳播，同時通過政務(wù)平臺、微信群等多種渠道向市縣領(lǐng)導(dǎo)和政府部門進(jìn)行了情況報告。

3）預(yù)警信號發(fā)布時效

中國氣象局“6·23”災(zāi)情調(diào)查小組根據(jù)資料分析和災(zāi)情調(diào)查確定龍卷發(fā)生開始于14：19，即中氣旋底高第一次下降到1 km以下的時候，由于雷達(dá)中氣旋產(chǎn)品是在體掃完成后才生成，因此在14：25預(yù)報員才能獲得中氣旋的底高信息，SWATCH平臺14：26分發(fā)出龍卷識別警報，省氣象臺14：27立即致電鹽城氣象臺，鹽城氣象臺再致電阜寧氣象臺，阜寧氣象臺根據(jù)指導(dǎo)14：39升級預(yù)警信號。在此過程中有12 min的延遲，主要是3個方面的時間，首先是龍卷屬于高影響、小概率天氣，鹽城氣象臺內(nèi)部需要簡單研判再致電阜寧氣象臺；第二是橙色和紅色預(yù)警屬于重大預(yù)警信號，縣局當(dāng)班預(yù)報員無法立即決斷，需要請示局領(lǐng)導(dǎo)；三是預(yù)警的制作發(fā)布操作。

4）服務(wù)效果

從6月23日12：37省臺發(fā)布暴雨黃色預(yù)警信號開始，省市縣三級氣象臺過手機(jī)短信、網(wǎng)站、微博、微信、廣播、電視、政務(wù)平臺等多種渠道實時、滾動地開展強(qiáng)對流預(yù)警服務(wù)，龍卷發(fā)生后及時升級發(fā)布預(yù)警信號。服務(wù)效果主要體現(xiàn)在以下3個方面：第一，提前2 h讓公眾了解到本地即將出現(xiàn)雷雨大風(fēng)、短時強(qiáng)降水等強(qiáng)對流天氣，提醒群眾盡量減少外出等戶外活動；第二，發(fā)生龍卷后及時發(fā)布預(yù)警為下游地區(qū)群眾躲避龍卷風(fēng)贏得時間；第三，及時向政府報告相關(guān)情況，為政府第一時間部署防災(zāi)、減災(zāi)和救援提供了寶貴時間。但是由于這次龍卷是一次強(qiáng)度為EF4級的超強(qiáng)龍卷過程，被龍卷襲擊的阜寧村莊大多是建筑質(zhì)量較差的磚混結(jié)構(gòu)房屋，村莊多為留守老人和兒童獲取預(yù)警信息的能力相對較低，對龍卷風(fēng)躲避知識匱乏等原因，雖然政府部門積極防御救助，還是造成了巨大的人民生命財產(chǎn)損失。

7.Fig.月23日龍卷預(yù)警服務(wù)思考

回顧“6·23”龍卷過程，氣象部門在監(jiān)測預(yù)警能力和預(yù)警傳播能力兩個方面有較大提升空間。監(jiān)測預(yù)警能力方面：龍卷監(jiān)測預(yù)警技術(shù)一直是世界性的難題，需要通過建設(shè)相控陣?yán)走_(dá)和雙偏振雷達(dá)網(wǎng)來識別龍卷風(fēng)暴尺度結(jié)構(gòu)加強(qiáng)監(jiān)測能力，對現(xiàn)有龍卷個例進(jìn)行整編和分析研究，建立本地化的預(yù)警指標(biāo)，同時需要建立扁平化的省直接到縣的指導(dǎo)互動業(yè)務(wù)流程，給予省氣象臺在重大災(zāi)害天氣時決斷的權(quán)限。預(yù)警傳播方面：與社會防災(zāi)、救援機(jī)構(gòu)合作，引入專業(yè)傳播手段，開展預(yù)警傳播。業(yè)務(wù)系統(tǒng)增加一鍵制作和發(fā)布功能，尤其是直接對接鄉(xiāng)村大喇叭，解決預(yù)警信息向村民傳播難的問題。同時江蘇省氣象局計劃在龍卷易發(fā)的揚(yáng)州、淮安、鹽城等地開展為村民發(fā)放龍卷預(yù)警收音機(jī)的試驗工作。

8 結(jié)論

1）SWATCH 平臺由多源資料采集處理模塊、強(qiáng)對流分類識別和臨近外推模塊、主客觀預(yù)警產(chǎn)品庫、省市縣三級預(yù)警交互制作模塊、主界面框架模塊、行為記錄模塊等6個功能模塊組成。

2）平臺快速處理多源觀測資料，提取強(qiáng)對流風(fēng)暴信息；集成了暴雨雨團(tuán)、徑向大風(fēng)速區(qū)、冰雹、龍卷等客觀識別算法和SCIT、TITAN、TREC等客觀外推算法，實現(xiàn)強(qiáng)對流天氣的分類識別和臨近外推。

3）通過風(fēng)暴屬性綜合關(guān)聯(lián)表可快速識別出龍卷、冰雹和與中氣旋相關(guān)的雷雨大風(fēng)，了解風(fēng)暴降水效率和未來移動路徑。風(fēng)暴屬性綜合關(guān)聯(lián)表為用戶直觀、定量、綜合掌握風(fēng)暴的特征提供了關(guān)鍵參考，在預(yù)報實踐中受到預(yù)報員的廣泛歡迎。

4）平臺融入江蘇省市縣三級一體化強(qiáng)對流預(yù)警業(yè)務(wù)流程，為各級預(yù)報員提供精細(xì)、及時的報警信息和便捷的主觀分析工具，實現(xiàn)省市縣三級預(yù)警快速制作、實時聯(lián)動和省市縣三級業(yè)務(wù)行為記錄分析等功能。

5）氣象部門在監(jiān)測預(yù)警能力和預(yù)警傳播能力兩個方面有較大提升空間，可以通過在監(jiān)測手段、預(yù)警技術(shù)、業(yè)務(wù)流程、業(yè)務(wù)系統(tǒng)、預(yù)警發(fā)布等方面的改進(jìn)，提升對龍卷等極端災(zāi)害天氣的預(yù)警服務(wù)能力。

[1] 鄭永光, 林隱靜, 朱文劍, 等. 對流天氣綜合監(jiān)測業(yè)務(wù)系統(tǒng)建設(shè). 氣象, 2013, 39(2): 234-240.

[2] 史柯. 基于SWAN的山洪預(yù)警平臺的研究與實現(xiàn). 成都: 成都理工大學(xué), 2013.

[3] 唐凱, 李興權(quán). SWAN在黑龍江省短時臨近預(yù)報中應(yīng)用及產(chǎn)品檢驗. 黑龍江氣象, 2012, 29(2): 17-18.

[4] 王紅燕, 周丹丹, 王葉紅. SWAN產(chǎn)品在“2012·7”沙澧河流域特大暴雨過程中的應(yīng)用. 暴雨災(zāi)害, 2015, 34(3): 239-248.

[5] 王改利, 劉黎平, 阮征. 等. 基于雷達(dá)回波拼圖資料的風(fēng)暴識別、跟蹤及臨近預(yù)報技術(shù). 高原氣象, 2010, 29(6): 1546-1555.

[6] 周毓荃, 潘留杰, 張亞萍, 等. TITAN系統(tǒng)的移植開發(fā)及個例應(yīng)用. 大氣科學(xué)學(xué)報, 2009, (6): 752-764.

[7] 曾小團(tuán), 梁巧倩, 農(nóng)孟松, 等. 交叉相關(guān)算法在強(qiáng)對流天氣臨近預(yù)報中的應(yīng)用. 氣象, 2010, 36(1): 31-40.

[8] 胡爭光, 鄭衛(wèi)江, 高嵩, 等. 氣象GIS網(wǎng)絡(luò)平臺關(guān)鍵技術(shù)研究與實現(xiàn). 應(yīng)用氣象學(xué)報, 2014, 25(3): 365-374.

[9] 劉洲榮. 基于MICAPS的二次開發(fā)平臺建設(shè). 氣象研究與應(yīng)用, 2016, 37(S1): 126.

[10] 顏瓊丹, 蘇洵, 韋慶華, 等. 一種基于多種資料融合技術(shù)的短時臨近預(yù)報方法. 氣象研究與應(yīng)用, 2010, 31(4): 49-52.

[11] 程叢蘭, 陳明軒, 王建捷, 等. 基于雷達(dá)外推臨近預(yù)報和中尺度數(shù)值預(yù)報融合技術(shù)的短時定量降水預(yù)報試驗. 氣象學(xué)報, 2013, 71(3): 397-415.

[12] 吳林林, 劉黎平, 鄭媛媛, 等. 基于SWAN的冰雹探測算法研究. 高原氣象, 2014, 33(3): 823-831.

[13] 馬洪波, 陳長勝, 牛立強(qiáng), 等. 基于SWAN系統(tǒng)的新冰雹指數(shù)應(yīng)用及檢驗. 氣象災(zāi)害防御, 2016, 23(2): 20-25.

[14] 鄭媛媛, 張備, 王嘯華, 等. 臺風(fēng)龍卷的環(huán)境背景和雷達(dá)回波結(jié)構(gòu)分析. 氣象, 2015, 41(8): 942-952.

[15] 曾明劍, 王桂臣, 吳海英, 等. 基于中尺度數(shù)值模式的分類強(qiáng)對流天氣預(yù)報方法研究. 氣象學(xué)報, 2015, 73 (5): 868-882.

[16] 曾明劍, 張備, 吳海英, 等. 基于接近度概念的強(qiáng)對流天氣預(yù)報方法研究. 高原氣象, 2015, 349(5): 1357-1368.