楊雪艷 秦玉琳 張夢遠 張同

摘要利用1961—2014年中國東北地區(qū)200個氣象站逐日降水資料以及NCEP/NCAR再分析資料，研究了東北冷渦暴雨的氣候特征，分析了低空急流、切變對冷渦暴雨的影響；診斷分析了可表征冷渦暴雨過程中水汽條件、動力條件、熱力不穩(wěn)定條件的比濕、水汽通量、水汽通量散度、散度、垂直速度、K指數(shù)等物理參數(shù)，研究了東北冷渦暴雨發(fā)生時上述各物理參數(shù)需要達到的閾值指標，利用研究的物理參數(shù)閾值指標以及低空急流和切變等配料因子構建了東北冷渦暴雨的“配料法”預報模型，結合ECMWF模式和T639模式數(shù)值預報產(chǎn)品將“配料法”暴雨預報模型進行了業(yè)務化應用試驗及效果評估。結果表明，東北冷渦有66%會產(chǎn)生暴雨，冷渦暴雨多發(fā)生在7—8月；低空急流和切變對冷渦暴雨有觸發(fā)作用，912%的冷渦暴雨發(fā)生時對流層低層存在急流或切變；基于“配料法”的冷渦暴雨預報TS評分比ECMWF模式和T639模式暴雨預報評分提高了74%和111%，且明顯減少了暴雨的漏報率。

關鍵詞東北冷渦；暴雨；配料法

Doswell et al.（1996）提出了一種新的致洪暴雨預報方法，強調(diào)對于強降水預報，可以從降水持續(xù)的時間和降水率兩個要素去考慮，而降水率與水汽的垂直輸送成正比，這種基于構成要素的預報方法比基于天氣學的暴雨“流型辨識”預報方法能更清晰地表征暴雨發(fā)生發(fā)展過程中需要的水汽、動力等條件，被稱為“配料法”?！芭淞戏ā笔且环N預報思路，基于對預報對象有影響的因子來進行預報，這種預報思路提出以后，在天氣預報中產(chǎn)生了深刻的影響，被廣泛應用在各類降水預報以及強對流天氣預報中。如Nietfeld and Kenndy（1998）用配料法進行了降雪預報研究，Wetzel（2000）用配料法進行了冬季降水預報研究，Lin et al.（2001）用配料法進行了地形降雨預報研究，Brook et al.（2003）用配料法進行了雷暴和龍卷分析預報，這些基于配料法的預報研究都取得了有參考價值的成果，對提高降水和強對流天氣預報水平有重要作用。俞小鼎（2011）認為，將基于構成要素的方法變成針對某一天氣要素（例如暴雨）的客觀預報技術是可行的，關鍵是要確定適合的構成要素。近幾年我國一些專家學者對暴雨“配料法”進行了一些探索研究。張小玲等（2010）進行了“基于配料的暴雨預報研究”，認為各暴雨發(fā)生過程中具有一些共同的動力、熱力特征，表征深厚濕對流發(fā)生發(fā)展的物理“配料”具有明顯演變特征。唐曉文等（2010）選取了對強降水有顯著影響的水汽因子、動力因子、不穩(wěn)定因子以及熱力因子，在一定的物理條件約束下，利用經(jīng)驗和統(tǒng)計相結合的方法建立了“配料”綜合指數(shù)與強降水之間的關系，發(fā)現(xiàn)配料法降水預報優(yōu)于MM5模式降水預報，具有較高的實用價值。李俊等（2006）基于對暴雨等天氣形成物理機理認識的基礎上，選取了動力、熱力等與暴雨有著較好關系的因子，建立了梅雨鋒暴雨配料的基本步驟，并將“配料”法在梅雨鋒強降水預報中進行了應用。來小芳等（2007）利用配料法，設計了一個表示強降水趨勢的參數(shù)IZH（強降水指數(shù)），并用于長江中下游暴雨預報，結果發(fā)現(xiàn)用IZH指數(shù)作暴雨預報比用單一物理量作預報的效果要好。歐堅蓮等（2011）利用“配料法”的思路，對廣西桂東片持續(xù)性暴雨概念模型及其物理量特征進行配料，選取環(huán)境場、水汽、抬升和不穩(wěn)定為主要配料，通過對暴雨配料指標的組合判斷，進行有、無暴雨預報，經(jīng)檢驗預報效果較好。東北冷渦是影響我國的重要天氣系統(tǒng)，它產(chǎn)生的暴雨、冰雹和低溫等災害性天氣給人們的生產(chǎn)生活帶來極大的影響。孫照渤等（2016）研究表明6月東北地區(qū)降水主要受東北冷渦影響，冷渦越強，降水越多；東北冷渦不僅影響東北地區(qū)，對我國華中以及江淮一帶也有影響（張瑞萍等，2014）。張恒德等（2011）對2005年7月9—10日河南、安徽等地一次大暴雨天氣過程進行數(shù)值模擬，發(fā)現(xiàn)貝加爾湖附近阻高、其下游的東北冷渦及其伴隨的高空槽形成了有利于產(chǎn)生該場暴雨的環(huán)流形勢。王麗娟等（2010）研究認為低空急流引導的北上暖濕氣流與東北冷渦引導的南下干冷空氣相互作用，有利于梅雨鋒的形成和維持。東北冷渦系統(tǒng)結構復雜，其造成的強降水具有明顯的局地性和不對稱性，冷渦暴雨預報一直是實際天氣預報業(yè)務中的難點，因此其形成機制和預報方法研究備受廣大學者關注。孫力等（2002）對1998年夏季嫩江和松花江流域冷渦暴雨成因進行了分析，發(fā)現(xiàn)東亞阻高、西太平洋副高和東北冷渦以及它們在強度和位置上的最佳配置構成了1998年松嫩流域持續(xù)性暴雨的大尺度環(huán)流背景。張云等（2008）利用典型個例分別對冷渦衰退階段、發(fā)展階段暴雨成因進行了分析。王宗敏等（2015）研究認為東北冷渦具有非對稱結構特征，在冷渦東南部易產(chǎn)生對流性暴雨。吳迪等（2010）對一次冷渦暴雨與干侵入關系進行了分析，表明降水落區(qū)主要位于干侵入前沿。鄧滌菲等（2012）采用有限區(qū)域分解分析方法對2006年7月19—24日的東北冷渦暴雨過程進行了分析，發(fā)現(xiàn)無旋轉風輻合強值區(qū)和無旋轉風水汽通量大值區(qū)的重合區(qū)域有利于強對流的發(fā)生發(fā)展。

前述專家學者多采用一個或幾個冷渦暴雨個例從水汽條件、動力條件、不穩(wěn)定條件等方面對冷渦暴雨的成因進行分析研究，得到了一些有參考意義的研究成果，但由于樣本少，所得結果具有一定的局限性。因此有必要通過對大量冷渦暴雨個例發(fā)生時的動力、熱力、水汽條件進行計算分析，研究總結冷渦暴雨的配料要素和冷渦暴雨配料模型，以此來探索東北冷渦暴雨落區(qū)預報方法，提高冷渦暴雨預報水平。本文采用配料法的思路研究了東北冷渦暴雨的配料要素，建立了冷渦暴雨配料模型，并利用數(shù)值預報產(chǎn)品將暴雨配料模型進行了業(yè)務化，從應用效果評估來看，基于配料的冷渦暴雨預報TS評分較ECWMF和T639模式暴雨預報有明顯提高，可為東北冷渦暴雨日常預報業(yè)務提供有價值的參考。

1資料和方法

1）冷渦天氣系統(tǒng)分析和物理量診斷計算使用了1961—2014年NCEP/NCAR再分析資料，時間間隔為6 h，水平分辨率為25°×25°，垂直分辨率為26層；其中冷渦天氣系統(tǒng)根據(jù)孫力等（1994）定義的東北冷渦（NECV）標準（500 hPa天氣圖上，115～145°E、35～60°N范圍內(nèi)有閉合等高線，配合有冷中心或冷槽，能夠持續(xù)維持3 d或3 d以上的低壓環(huán)流系統(tǒng)）進行篩選。

2）降水資料采用了國家氣候中心整編的全國降水數(shù)據(jù)集資料，包含中國東北三省及內(nèi)蒙古東部共200個地面觀測站降水資料。在東北冷渦系統(tǒng)影響下，只要有1站日降水量大于或等于50 mm時，就認為出現(xiàn)了冷渦暴雨；有3站以上日降水量大于或等于50 mm時，認為出現(xiàn)冷渦區(qū)域暴雨。

3）暴雨預報準確率評估方法：采用TS評分方法，對2015—2016年ECMWF、T639數(shù)值預報產(chǎn)品冷渦暴雨預報質量以及“配料法”冷渦暴雨預報質量進行評估。

2東北冷渦暴雨的氣候特征分析

經(jīng)統(tǒng)計，1961—2014年5—8月共出現(xiàn)東北冷渦天氣過程694個，其中458個產(chǎn)生了暴雨，290個產(chǎn)生了區(qū)域性暴雨，分別占冷渦過程的66%和418%。在所有冷渦天氣過程中共出現(xiàn)暴雨4 905站次，屬于區(qū)域性暴雨的有4 256站次。冷渦暴雨年際分布不均，平均每年出現(xiàn)908站次，2010年冷渦暴雨最多，達到282站次，其次是1991年，達到212站次，2014年最少，僅有15站次（圖1）。

從各月分布（圖2）來看，7月出現(xiàn)冷渦暴雨最多，達到2 458站次，年均455站次；8月次之，為1 678站次，年均311站次，6月較少，5月最少，僅為134次，年均25站次。這與張廷治和李宇智（1996）對1980—1989年東北冷渦暴雨分析后發(fā)現(xiàn)冷渦暴雨多發(fā)生在7—8月盛夏季節(jié)的結論相一致。

3冷渦暴雨配料法試驗及業(yè)務應用試驗

31配料因子的選取

配料法的核心思想是依據(jù)預報量和指示量之間的物理關系進行預報建模。建模的第一步是選取對暴雨有重要影響的因子（即配料）。

張小玲等（2010）研究表明，暴雨過程中表征深厚濕對流發(fā)生發(fā)展的基本物理“配料”水汽、不穩(wěn)定和抬升三類物理量參數(shù)的診斷可更客觀、定量地判斷暴雨的落區(qū)及可能的量級。專家學者大量的個例分析研究表明，冷渦暴雨發(fā)生、發(fā)展期間，表征水汽、不穩(wěn)定和抬升條件的物理參數(shù)具有明顯的演變特征。為確定對東北冷渦暴雨有代表性的物理參數(shù)，以2010年5月5—6日一次典型冷渦暴雨個例診斷分析冷渦暴雨產(chǎn)生的水汽、動力及不穩(wěn)定條件，以期在此基礎上確定配料因子。

311冷渦暴雨實況及環(huán)流特征

2010年5月5日08時—6日08時（北京時間，下同），在東北冷渦系統(tǒng)影響下，東北地區(qū)有18個國家觀測站出現(xiàn)了暴雨。暴雨落區(qū)主要在吉林中部到遼寧省中部（圖3），最大降水量68 mm，出現(xiàn)在鐵嶺市。

從5日08時500hPa形勢場（圖4a）可以看出，在內(nèi)蒙古有一閉合的低渦環(huán)流，低渦中心后部有冷槽相配合，此時東北冷渦已經(jīng)形成。至6日08時（圖4b），冷渦中心移動到遼寧北部，并在東移過程中加深發(fā)展。

312水汽條件特征

充沛的水汽是暴雨發(fā)生、發(fā)展和維持的基本條件。暴雨發(fā)生時，不僅當?shù)厮扛?，更重要的是要有源源不斷的水汽輸送和匯聚。徐紅等（2016）研究表明冷渦第Ⅱ、第Ⅲ象限內(nèi)暴雨高概率區(qū)與水汽通量散度負值中心吻合較好。

此次過程中，冷渦右側水汽豐沛，850 hPa上比濕達到6～8 g/kg（圖5b），且在渤海灣有一超過10 g/kg的濕舌（水汽高值區(qū)）向暴雨區(qū)伸展；水汽通量大值中心在遼寧東部（圖5a），暴雨出現(xiàn)在水汽通量密集區(qū)；水汽輻合強度達到-15～-25×10-6 g·cm-2·hPa-1·s-1（圖5c）。

313動力條件

此次過程，低層具有明顯的輻合，在850 hPa水平散度場上，遼寧大部以及吉林中西部都處于強輻合區(qū)內(nèi)，暴雨出現(xiàn)在小于-15×10-6 s-1的輻合區(qū)域中。且850 hPa具有較強的上升運動，遼寧東部到吉林中部達到-03 Pa/s（圖6），低層強的上升運動使降水系統(tǒng)得以維持和發(fā)展，為暴雨天氣提供了較好的動力條件。

314熱力不穩(wěn)定條件

K指數(shù)能反映對流層中低層大氣的熱力情況、層結穩(wěn)定度以及水汽飽和程度，是大氣潛在能量。其值越大，越有利于產(chǎn)生強對流天氣以及暴雨天氣。

此次過程冷渦右側K指數(shù)也較大，中心最大值達到36 ℃，暴雨出現(xiàn)區(qū)域的K指數(shù)超過28 ℃。

315低空急流和切變

低空急流在冷渦降水中起著重要作用，低空急流不僅是水汽的傳送帶，而且能為冷渦暴雨的產(chǎn)生提供熱力或動力不穩(wěn)定條件。東北冷渦水汽分布具有非對稱性，低層切變附近水汽輻合會明顯加強，有利于產(chǎn)生冷渦暴雨。在2010年5月5—6日的冷渦暴雨天氣過程中，冷渦的第Ⅱ象限中低層存在一支由渤海伸向吉林省中部的西南急流，850 hPa上急流核最大風速達到22 m/s，在冷渦右側中低層存在西南風與偏東風的切變；暴雨出現(xiàn)在急流出口區(qū)及切變線附近。

根據(jù)上述分析以及前人的研究結果，本文重點選取了850 hPa比濕、水汽通量、水汽通量散度、散度、垂直速度、K指數(shù)以及低空急流、切變等作為冷渦暴雨配料要素，這些物理參數(shù)能較好地表征降水系統(tǒng)中的水汽條件、動力抬升條件、不穩(wěn)定條件以及暴雨觸發(fā)條件等。

32配料因子閾值的確定

一個或幾個個例冷渦暴雨的診斷分析可以揭示某些物理量對暴雨產(chǎn)生的作用，但不能很好地刻畫冷渦暴雨發(fā)生時必要的物理量條件，即無法確定物理量閾值。為確定每類物理參數(shù)配料閾值，本文對1961—2014年4 256站次暴雨的物理量參數(shù)進行了診斷分析。

1）利用1961—2014年NCEP/NCAR再分析資料診斷計算出現(xiàn)區(qū)域冷渦暴雨天氣當日02、08、14、20時850 hPa高度上散度、垂直速度、比濕、水汽通量、水汽通量散度以及K指數(shù)等物理量。

2）計算每個格點02、08、14、20時4個時次中最大值（比濕、水汽通量、K指數(shù)）或最小值（散度、水汽通量散度、垂直速度），以確保水汽大，水汽輻合強、上升運動明顯、不穩(wěn)定條件好。

3）計算每次暴雨出現(xiàn)站點的物理量值。根據(jù)每次暴雨出現(xiàn)站點經(jīng)緯度，計算其所在的網(wǎng)格區(qū)域a1、a2、a3、a4點之間中最大比濕、最大水汽通量、最強上升速度、輻合最強散度和水汽通量散度值，該值當作該站此次暴雨過程的物理量要素值。

4）將4 256站次暴雨天氣的850 hPa散度、垂直速度、比濕、水汽通量、水汽通量散度分別按要素進行排序，計算其最小值、10%分位數(shù)、50%分位數(shù)、90%分位數(shù)、最大值，結果見表1。

根據(jù)表1將散度、垂直速度、水汽通量散度90%分位數(shù)以及比濕、水汽通量、K指數(shù)10%分位數(shù)值作為冷渦暴雨閾值，以確保90%以上冷渦暴雨個例都能達到該物理參數(shù)閾值。

這樣選出散度是否小于-010×10-6/s、垂直速度是否小于-012 Pa/s、水汽通量散度是否小于-05×10-6g/（cm2·hPa·s）、比濕是否大于105 g/kg、水汽通量是否大于89 g/（cm·hPa·s）、K指數(shù)是否大于或等32 ℃等6個閾值。

另外，對1961—2014年4 256站次冷渦暴雨發(fā)生時低層（850 hPa）是否有急流或切變線影響進行了分析，結果表明：冷渦暴雨422%有低空急流存在；858%有切變影響，其中西南風與偏東風切變比例最高，達到485%；西北風與西南風或偏南風切變次之，達到221%。在所統(tǒng)計的冷渦暴雨中，912%存在低空急流或切變。因此將是否有低空急流或切變作為一個配料因子。

33配料方案的確定

通過上述方法確定了冷渦暴雨的物理參數(shù)閾值。由于水汽通量散度、比濕、水汽通量均為表征水汽條件的物理量，因此將其作為一個水汽因子進行分析，當其中兩個以上達到閾值時認為水汽條件符合冷渦暴雨需求。這樣共選出低空急流或切變、散度、垂直速度、水汽條件、K指數(shù)5個冷渦暴雨配料因子。

每項因子符合為1，不符合為0。配料綜合指數(shù)模型如下：

F=∑i=1，nXi。 （1）

利用上述配料模型對1961—2014年出現(xiàn)的4 256站次冷渦暴雨進行了回代評估分析，結果表明，709%的暴雨出現(xiàn)時F=5，212%暴雨出現(xiàn)時F=4，67%的暴雨出現(xiàn)時F=3，11%的暴雨出現(xiàn)時F=2，01%的暴雨出現(xiàn)時F=1。綜合考慮覆蓋度和減少空報率，當綜合指數(shù)F大于或等于4時，預報有暴雨，否則預報無暴雨，則命中率達到921%。

34冷渦暴雨的配料法業(yè)務預報試驗

2015—2016年5—8月將冷渦暴雨配料預報模型與ECMWF和T639數(shù)值預報模式物理量參數(shù)預報產(chǎn)品及降水預報產(chǎn)品相結合進行了業(yè)務化運行。每日運行一次，提供48 h暴雨落區(qū)預報。

1）配料因子資料預處理

選取預報日ECMWF高分辨率數(shù)值預報產(chǎn)品（網(wǎng)格距0125°×0125°）間隔3 h的8個時次850 hPa散度、垂直速度、比濕、水汽通量、水汽通量散度等物理量產(chǎn)品，計算東北地區(qū)各縣市所在的網(wǎng)格區(qū)域a1、a2、a3、a4每個格點8個時次中最大比濕、最大水汽通量、最強上升速度、輻合最強散度和水汽通量散度值以及K指數(shù)，將各站相關值作為配料要素值。

根據(jù)850 hPa風向風速預報產(chǎn)品，確定每個縣市是否受低空切變或急流影響。

2）與暴雨配料閾值比較

將配料因子值與暴雨配料閾值進行比較，滿足條件為1，否則為0。根據(jù)文中公式（1）計算出F值。當F≥4時，預報有暴雨。

3）消空處理

利用數(shù)值預報產(chǎn)品降水量預報值進行暴雨消空，減少暴雨空報。

王亞男和智協(xié)飛（2012）研究表明利用反距離權重法將ECMWF模式資料進行空間插值要優(yōu)于雙線性插值、三次樣條插值以及普通克里格插值。因此本文采用反距離權重插值方案，將ECMWF和T639數(shù)值預報模式降水預報產(chǎn)品插值到東北地區(qū)各縣市站點上，求得各縣市降水量預報值。對于配料法預報有暴雨的縣市，如果T639數(shù)值預報模式和ECMWF模式降水量預報均大于或等于30 mm時，則確定該站預報暴雨，否則確定為無暴雨。

4）效果檢驗

對2015—2016年5—8月冷渦暴雨預報效果進行了檢驗。從圖8中可以看出，T639模式冷渦暴雨預報TS評分為97%，ECMWF模式冷渦暴雨預報TS評分為134%，“配料法”冷渦暴雨預報TS評分為208%?！芭淞戏ā鳖A報的TS評分比ECMWF的模式暴雨預報提高了74%，比T639模式提高了111%。

從空報率和漏報率來看，“配料法”比T639模式的空報率和漏報率都低，比ECMWF模式預報的空報率略高，但比ECMWF模式預報的漏報率降低了205%。因此，利用“配料法”進行冷渦暴雨預報，明顯地減少了暴雨的漏報率，對防災減災非常有意義。

可見，基于“配料法”的冷渦暴雨預報水平明顯高于ECMWF模式和T639模式的冷渦暴雨預報水平，具有較高的參考價值。

4結論

1）東北冷渦有66%會產(chǎn)生暴雨，冷渦暴雨多發(fā)生在7—8月；在冷渦系統(tǒng)影響下，低空急流對暴雨的發(fā)生有重要作用，低空急流將暖濕空氣輸送到較干較冷的空氣下方時，就形成了對流不穩(wěn)定的層結，在低空急流左側上升運動的觸發(fā)下，易產(chǎn)生暴雨。但低空急流不是冷渦暴雨的必要條件，在1961—2014年的冷渦暴雨天氣中，還有578%的冷渦暴雨出現(xiàn)時并沒有低空急流。低層切變附近動力抬升條件以及水汽輻合條件較強，易觸發(fā)暴雨，在1961—2014年的冷渦暴雨中，858%低層存在切變影響。

2）冷渦暴雨的配料因子重點要考慮水汽、動力、熱力不穩(wěn)定條件等，通過對大量樣本統(tǒng)計結果表明：850 hPa散度小于-010×10-6/s，垂直速度小于-012 Pa/s，水汽通量散度小于-05×10-6 g/（cm2·hPa·s），比濕大于105 g/kg，水汽通量大于89 g/（cm·hPa·s），K指數(shù)大于32 ℃，這些物理參數(shù)閾值可作為冷渦暴雨配料因子。

3）將“配料法”冷渦暴雨預報模型結合ECMWF模式和T639模式物理量參數(shù)預報產(chǎn)品進行業(yè)務化應用，取得了較好的預報效果。2015—2016年5—8月冷渦暴雨預報業(yè)務應用效果檢驗結果表明，基于“配料法”的冷渦暴雨預報TS評分比ECMWF模式和T639模式暴雨預報有明顯提高，特別是明顯減少了暴雨的漏報，對防災減災具有重要意義。

參考文獻（References）

Brooks H E，Lee J W，Craven J P，2003.The spatial distribution of severe thunderstorm and tornado environments from global reanalysis data[J].Atmos Res，67：7394.

鄧滌菲，周玉淑，王東海，2012.有限區(qū)域分解分析方法在2006年一次東北冷渦暴雨分析中的應用[J].地球物理學報，55（6）：18521865.Deng D F，Zhou Y S，Wang D H，2012.The application of wind and watervapor flux partitioning technique to the structure of a northeast vortex in 2006[J].Chinese Journal of Geophysics，55（6）：18521865.（in Chinese）.

Doswell Ⅲ C A，Broodks H E，Maddox R A，1996.Flash flood forecasting：an ingredients based methodology[J].Wea Forecasting，11：560581.

來小芳，張艷玲，陸漢城，等，2007.“配料法”用于長江中下游暴雨預報[J].南京氣象學院學報，30（4）：556560.Lai X F，Zhang Y L，Lu H C，et al.，2007.An ingredientsbased methodology for forecasting rainstorm in the lower reaches of the Yangtze River[J].J Nanjing Inst Meteor，30（4）：556560.（in Chinese）.

李俊，李武階，廖移山，2006.基于“配料”的梅雨鋒強降水預報方法[J].氣象，32（9）：38.Li J，Li W J，Liao Y S，2006.An ingredients based methodology of forecasting heavy rain of Meiyu front[J].Meteor Mon，32（9）：38.（in Chinese）.

Lin Y L，Chiao S，Wang T A，et al.，2001.Some common ingredients for heavy orographic rainfall[J].Wea Forecasting，16：633660.

Nietfeld D D，Kennedy D A，1998.Forecasting snowfall amounts：an ingredientsbased methodology supporting the Garcia method[C]//16th conference on weather analysis and forecasting.Phoenix：American Meteorology Society：385387.

歐堅蓮，黎金水，劉國忠，2011.“配料法”用于廣西桂東片持續(xù)性暴雨預報[J].氣象研究與應用，32（2）：2125.Ou J L，Li J S，Liu G Z，2011.Ingredientsbased methodology for forecasting continuous rainstorm in eastern Guangxi[J].Journal of Meteorological Research and Application，32（2）：2125.（in Chinese）.

孫力，鄭秀雅，王琪，1994.東北冷渦的時空分布特征及其與東亞大型環(huán)流系統(tǒng)之間的關系[J].應用氣象學報，5（3）：297303.Sun L，Zheng X Y，Wang Q，1994.The climatological characteristics of northeast cold vortex in China[J].Quart J Appl Meteor，5（3）：297303.（in Chinese）.

孫力，安剛，高樅亭，等，20021998年夏季嫩江和松花江流域東北冷渦暴雨的成因分析[J].應用氣象學報，13（2）：156162.Sun L，An G，Gao Z T，et al.，2002.A composite diagnostic study of heavy rain caused by the northeast cold vortex over SonghuajiangNenjiang River basin in summer of 1998[J].Quart J Appl Meteor，13（2）：156162.（in Chinese）.

孫照渤，曹蓉，倪東鴻，2016.東北夏季降水分型及其大氣環(huán)流特征[J].大氣科學學報，39（1）：1827.Sun Z B，Cao R，Ni D H，2016.A classification of summer precipitation patterns over Northeast China and their atmospheric circulation characteristics[J].Trans Atmos Sci，39（1）：1827.（in Chinese）.

唐曉文，湯劍平，張小玲，2010.基于業(yè)務中尺度模式的配料法強降水定量預報[J].南京大學學報，46（3）：277282.Tang X W，Tang J P，Zhang X L，2010.An ingredient based operational heavy rain quantitative forecast system[J].Journal of Nanjing University（Natural Sciences），46（3）：277282.（in Chinese）.

王麗娟，何金海，司東，等，2010.東北冷渦過程對江淮梅雨期降水的影響機制[J].大氣科學學報，33（1）：8997.Wang L J， He J H，Si D，et al.，2010.Analys is of impacts of north east cold vortex processes on Meiyu rainfall period over YangtzeHuaihe River Basin[J].Trans Atmos Sci，33（1）：8997.（in Chinese）.

王亞男，智協(xié)飛，2012.多模式降水集合預報的統(tǒng)計降尺度研究[J].暴雨災害，31（1）：17.Wang Y N，Zhi X F，2012.Statistical downscaling of the precipitation multimodel ensemble forecast[J].Torrential Rain and Disasters，31（1）：17.（in Chinese）.

王宗敏，李江波，王福俠，等，2015.東北冷渦暴雨的特點及其非對稱結構特征[J].高原氣象，34（6）：17211730.Wang Z M，Li J B，Wang F X，et al.，2015.Asymmetric characteristics of the northeast cold vortex and its effect on heavy rain[J].Plateau Meteorology，34（6）：17211730.（in Chinese）.

Wetzel S W，2000.An operational ingredientsbased methodology for forecasting midlatitude winter season precipitation[J].Wea Forecasting，16：156167.

吳迪，壽紹文，姚秀萍，2010.東北冷渦暴雨過程中干侵入特征及其與降水落區(qū)的關系[J].暴雨災害，29（2）：111116.Wu D，Shou S W，Yao X P，2010.Dry intrusions feature and its relationship with rainfall regions on cold vortex heavy rain process in Northeast China[J].Torrential Rain and Disasters，29（2）：111116.（in Chinese）.

徐紅，晁華，王文，等，2016.東北冷渦暴雨落區(qū)統(tǒng)計與診斷分析[J].氣象與環(huán)境學報，32（3）：4146.Xu H，Chao H，Wang W，et al.，2016.Statistic and diagnosis of storm rainfall areas based on the northeast cold vortex cases[J].Journal of Meteorology and Environment，32（3）：4146.（in Chinese）.

俞小鼎，2011.基于構成要素的預報方法——配料法[J].氣象，37（8）：913918.Yu X D，2011.Ingredients based forecasting methodology[J].Meteor Mon，37（8）：913918.（in Chinese）.

張恒德，宗志平，張友姝，20112005年7月一次大暴雨過程的模擬和診斷分析[J].大氣科學學報，34（1）：8592.Zhang H D，Zong Z P，Zhang Y S，2011.Simulation and diagnosis of a heavy rain fall event in July 2005[J].Trans Atmos Sci，34（1）：8592.（in Chinese）.

張瑞萍，馬旭林，盛文斌，等，2014.2011年6月江淮梅雨暴雨主要影響系統(tǒng)特征[J].大氣科學學報，37（3）：366377.Zhang R P，Ma X L，Sheng W B，et al.，2014.Characteristics of the main influential system of Jianghuai Meiyu Storm in June 2011[J].Trans Atmos Sci，37（3）：366377.（in Chinese）.

張廷治，李寧智，1996.東北冷渦暴雨的成因分析[J].遼寧氣象，1996（2）：911.Zhang T Z，Li N Z，1996.Analyses of formation mechanisms on cold vortex heavy rain process in Northeast China[J].Liaoning Meteorological Quarterly，1996（2）：911.（in Chinese）.

張小玲，陶詩言，孫建華，2010.基于“配料”的暴雨預報[J].大氣科學，34（4）：754756.Zhang X L，Tao S Y，Sun J H，2010.Ingredientsbased heavy rainfall forecasting[J].Chin J Atmos Sci，34（4）：754766.（in Chinese）.

張云，雷恒池，錢貞成，2008.一次東北冷渦衰退階段暴雨成因分析[J].大氣科學，32（3）：481498.Zhang Y，Lei H C，Qian Z C，2008.Analyses of formation mechanisms of a rainstorm during the declining phase of a northeast cold vortex[J].Chin J Atmos Sci，32（3）：481498.（in Chinese）.

鐘水新，王東海，張人禾，等，2013.一次冷渦發(fā)展階段大暴雨過程的中尺度對流系統(tǒng)研究[J].高原氣象，32（2）：435445.Zhong S X，Wang D H，Zhang R H，et al.，2013.Study of mesoscale convective system in heavy rainstorm process at a cold vortex development stage[J].Plateau Meteorology，32（2）：435445.（in Chinese）.