引言

近年来, 国内外有关强对流天气预报方法的研究已有很多成果, 但在实用有效的短时预报手段方面依然需做进一步探讨和研究。美国强局地风暴室(SELS)使用的预报过程是:参数估计、图形识别和气候(学)特征^[1]。沙氏指数、K指数等都是我国预报员常用的物理量参数^[2]。随着数值预报产品的广泛使用, 在业务预报中引入了许多新的物理量参数^[3-4], 如对流有效位能(CAPE), 以及与下击暴流潜势有关的大风指数(WINDEX), 与预报风暴强度有关的风暴强度指数(SSI)等。郝莹等用T213数值预报产品计算的物理量进行雷暴潜势预报^[5]。吴庆梅等用MM5输出资料计算对流参数，并用北京地区20个雷暴个例对其使用效果进行了检验^[6]。本文分别用探空及MM5资料计算的热力、动力、能量参数，通过对各参数的空间分布特征和数值与强对流天气落区进行诊断统计分析，建立强对流诊断预报方程，制作福建省未来0~12小时、0~6小时强对流天气及落区的潜势预报。

1 资料说明

研究所用强对流天气样本，取自福建省2003－2007年间3－9月出现的冰雹、雷雨大风。凡观测站出现雷暴伴有≥17 m·s^-1或观测站出现冰雹(或报表备注中有雷雨大风、冰雹)记录的确定为一个强对流天气的样本。当某区域有3站以上出现雷暴伴有≥17 m·s^-1以上大风或有3站出现雷暴伴有大风、冰雹，确定为一个区域强对流天气的样本。

2 基于探空资料的0~12小时强对流潜势预报

强对流发生的必要条件是低层水汽、层结稳定度、触发机制。本文在此基础上通过分析各物理量与福建强对流的关系，选取了相关较好的强对流预报业务中常用的热力、动力等参数作为预报因子。选取了K指数、沙氏指数SI、位温Tb (850 hPa)、位温差△Tb(500~850 hPa)、上升速度W_P(500 hPa)、水汽通量散度(925 hPa)、散度(850 hPa)、涡度(925 hPa)，这些物理量是用探空资料插值到1°×1°的网格上计算得出的。通过参数的搭配，建立强对流诊断预报方程，从而制作福建省未来0~12小时有否出现强对流天气及落区的潜势预报。

2.1 对流参数预报阈值的确定

根据第1节中所定的标准，普查2003－2007年3－9月的观测资料，得到强对流样本107例，灾害天气出现时间不详的天数除去16例，实为91例。其中发生在08－20时为87例(表 1)，发生在20－08时为11例(有的是白天延续)；发生在08－20时的区域性强对流为25例，发生在20－08时的区域性强对流为3例(表 2)。

用强对流发生当天08时、20时两个时次的物理量，通过对各参数的空间分布特征和数值与强对流天气落区进行诊断分析，得到了各参数在对流发生日08时、20时两个时次的阈值，从中选取能满足大多数样本的数值为某一参数的预报临界值，当参数值大于或小于该值(图 1)时有利于强对流天气的产生(20时图略)。图 2是依照上述方法得出的08时区域性强对流预报参数阈值(20时图略)。

2.2 对流参数权重系数的确定

虽然得到了每个对流参数对应于强对流天气出现的阈值，但是在分析中发现不同的参数对强对流产生所起的作用不等。为此，根据各参数的阈值区域与强对流天气落区的对应关系统计分析每个参数所起的作用大小，对于任一个参数，将强对流天气区与其阈值区域的对应关系分为以下4种情形：(1) 强对流天气区恰好与该参数阈值绝对值的大值中心区对应；(2) 强对流天气区稍小于该参数阈值绝对值的大值区；(3) 强对流天气区远小于该参数阈值绝对值的大值区；(4) 强对流天气区位于该参数阈值绝对值大值区与小值区内。统计每个参数与强对流天气区的对应关系，凡是满足(1)、(2) 条件的参数，说明其对强对流天气的发生具有较好的指示性，满足(3)、(4) 的指示性较弱。上述四种情形权重系数分别取值2.0、1.5、1.0、0.5，若三分之二左右强对流样本满足哪种情形，则取相应的权重系数，通过分析统计所有样本得到每个参数在08时、20时两个时次的权重系数，由此得到08时、20时两个时次的预报方程。

08时:

$ \begin{array}{l} Y{\rm{ = }}1.5\left( {2.0} \right){x_1} + 1.0\left( {2.0} \right){x_2} + 1.5{x_3} + 1.0{x_4} + \\ \;\;\;\;0.5\left( {1.0} \right){x_5} + 0.5\left( {1.0} \right){x_6} + 0.5{x_7} + 0.5{x_8} \end{array} $

20时:

$ \begin{array}{l} Y{\rm{ = }}1.5\left( {2.0} \right){x_1} + 1.0\left( {1.5} \right){x_2} + 1.5{x_3} + 0.5{x_4} + \\ \;\;\;\;1.0\left( {1.5} \right){x_5} + 1.0\left( {1.5} \right){x_6} + 0.5{x_7} + 0.5{x_8} \end{array} $

式中x₁, x₂, x₃, …, x₈分别为沙氏指数SI、位温差、K指数、位温、上升速度、水汽通量散度、散度、涡度，括号中系数为第二阈值满足时的权重系数(为了显示效果，图 1、图 2中未给出第二阈值曲线)。

对某个参数项，在所界定的福建省区域内任一网格, 满足图 1中所设定的阈值，则方程中相应的项的Y值等于其权重系数的值，对8项分别进行判定、累加，就得相应时次(08时)的预报值Y_省；同时将福建省划分为3个区域, 分别为闽北、闽中、闽南，分别求各区域的Y值。规定08时若满足Y_省≥4.0时, 则预报当日08－20时本省将有强对流发生；否则预报当日08－20时本省无强对流发生；同时规定Y_北≥3.5、Y_中≥4.0、Y_南≥5.0, 当某区符合上述条件, 则预报该区域有强对流。20时也采用一样方法，只是Y值不同。

采用同样方法，对区域性强对流进行预报。

2.3 历史样本回报

用此方法对2003－2007年3－9月进行逐日2次回报，五年间发生在08－20时强对流共有87次, 3－6月48次，报对34次, 漏报14次, 概括率为70.8%, 拟合率为82.5%；7－9月39次，报对26次, 漏报13次, 概括率为66.7%, 拟合率为75.7%(表 3)。发生在20－08时强对流3－9月11次，报对8次, 漏报3次(表 4)。

五年间3－9月发生在08－20时区域性强对流共有25次, 报对20次, 漏报5次, 概括率80.0%, 拟合率89.2%(表 3)。发生在20－08时区域性强对流3次，报对2次, 漏报1次。

2.4 样本检验

将2008年3－9月的强对流作为检验样本进行检验，本文只检验全省范围，未作分区检验。发生在08－20时强对流3－6月共有12次, 报对10次, 漏报2次, 空报16次, 临界成功指数CSI=35.7%, 命中率POD=83.3%, 虚假报警率FAR=61.5%(表 5)，有较好的强对流潜势预报能力；7－9月有9次，报对5次, 漏报4次, 空报25次。发生在20－08时强对流3－6月共有3次, 报对2次, 漏报1次, 空报8次。

2008年3－6月发生在08－20时的区域性强对流有6次, 报对5次, 漏报1次, 空报13次, 临界成功指数CSI=26.3%, 命中率POD=83.3%, 虚假报警率FAR=72.2%(表 5)。2008年3－6月发生在20－08时的区域性强对流3次，报对2次, 漏报1次，空报5次(表 6)。

3 基于数值模式的0~6小时强对流潜势预报

基于数值模式的强对流天气短时潜势预报, 是利用中尺度数值预报模式MM5所得到的定时输出资料, 计算对流参数，在分析强对流发生天气条件基础上，通过分析各对流参数与福建强对流的关系，选取了相关较好的强对流预报业务中常用的热力、动力、能量参数作为预报因子。选取了10个对流参数：修正的K指数MK、深对流指数DCI、风暴强度指数SSI、对流稳定度指数IC、强天气威胁指数SWEAT、对流有效位能CAPE、抬升指数LI、大风指数WINDEX、条件对流稳定度CILC、风暴相对螺旋度SRH。研究各对流参数对福建省强对流天气发生的贡献大小，确定其预报阈值和权重系数，制作福建省未来0~6小时有否出现强对流天气及落区的的潜势预报。

3.1 对流参数预报阈值的确定

应用0.1°×0.1°的MM5资料计算2004－2007年3－9月强对流发生当日08时、14时、20时、02时四个时次的10个大气对流参数，通过统计得到了各参数在对流发生日08时、14时、20时、02时四个时次的阈值，从中选取能满足大多数样本的数值为某一参数的预报阈值，图 3为14时强对流预报参数阈值(其余各时次阈值图略)，当参数值大于或小于该值时有利于强对流天气的产生。同理，得到了区域性强对流预报参数阈值(图略)。

3.2 对流参数权重系数的确定

分析中发现每个参数对强对流发生发展的贡献不同，为此，采用第2.2节中方法根据各参数的阈值与强对流天气落区的对应关系统计分析每个参数所起的作用大小。通过分析统计得到每个参数在08时、14时两个时次的权重系数。考虑到20时与02时两个时次强对流个例很少，且大气热力等条件与08时的相近，其权重系数采用08时的。由此得到各时次的强对流预报方程。

08时、20时、02时强对流预报方程为：

$ \begin{array}{l} Y{\rm{ = }}1.5{x_1} + 1.0{x_2} + 1.0{x_3} + 1.0{x_4} + 1.0{x_5} + \\ \;\;\;\;0.5{x_6} + 0.5{x_7} + 1.0{x_8} + 1.0{x_9} + 0.5{x_{10}} \end{array} $

14时强对流预报方程为：

$ \begin{array}{l} Y{\rm{ = }}1.0{x_1} + 1.0{x_2} + 1.0{x_3} + 1.0{x_4} + 1.0{x_5} + \\ \;\;\;\;0.5{x_6} + 0.5{x_7} + 1.0{x_8} + 0.5{x_9} + 0.5{x_{10}} \end{array} $

方程中，x₁，x₂，…, x₁₀分别表示修正的K指数MK、深对流指数DCI、对流稳定度指数IC、条件对流稳定度CILC、强天气威胁指数SWEAT、对流有效位能CAPE、风暴强度指数SSI、抬升指数LI、大风指数WINDEX、风暴相对螺旋度SRH的格点值(0、1化)。

对某个参数项，在所界定的福建省区域内经向、纬向6个网格并且总网格数70个的区域内满足图 3中所设定的阈值，则方程中相应的项的Y值等于其权重系数的值，对10项分别进行判定、累加，就得到相应时次(14时)的预报值Y_省；同时将福建省划分为3个区域, 分别为闽北、闽中、闽南，分别求各区域的Y值。规定14时若满足Y_省≥5.5时, 则预报当日14－20时本省将有强对流发生；否则预报当日14－20时本省无强对流发生；同时规定Y_北≥4.5、Y_中≥5.0、Y_南≥6.0, 当某区符合上述条件, 则预报该区域有强对流。其余各时次方法一样，只是Y值有所不同。

采用同样方法，对区域性强对流进行预报。

3.3 历史样本回报

用此方法对2004－2007年3－9月进行逐日4次回报。发生在08－14时的强对流3－6月6次，报对5次, 漏报1次, 概括率=83.3%, 拟合率为93.6%。发生在14－20时的强对流3－6月28次，报对21次, 漏报7次，概括率=75.0%, 拟合率为88.1%。发生在20－02时的强对流3－6月7次，报对6次, 漏报1次，概括率85.7%, 拟合率为92%。发生在02－08时的强对流3－6月2次，均报对，概括率100%, 拟合率为95.7%。

发生在08－14时的区域性强对流3－6月5次，报对4次, 漏报1次, 概括率为80%, 拟合率为94.4%。发生在14－20时的区域性强对流3－6月13次，报对10次, 漏报3次，概括率为76.9%, 拟合率为91.4%。发生在20－02时及02－08时的区域性强对流3－6月分别为3次和2次，均报对。

3.4 样本检验

将2008年3－9月的强对流作为检验样本进行检验，本文只检验全省范围，未作分区检验。发生在14－20时的强对流3－6月共有8次, 报对6次, 漏报2次, 空报14次, 临界成功指数CSI=27.3%, 命中率POD=75.0%, 虚假报警率FAR=70%。发生在20－02时及02－08时的强对流3－6月分别为3次和1次, 均报对。

发生在14－20时的区域性强对流3－6月共有3次, 报对2次, 漏报1次, 空报9次。发生在20－02时的区域性强对流3－6月有3次, 报对2次, 漏报1次, 空报7次。

将上述回报和检验结果与0~12小时的结果比较发现：(1) 总体来看区域性潜势预报技巧比非区域性的更高；(2)3－6月预报技巧比7－9月的更高；分析原因可能是区域性强对流多为系统性的天气，此类天气一般具备了强对流发生的天气条件，物理量场上常有较明显的反映，此类天气的参数阈值设高些，可使其空、漏报相对减少。同样的，3－6月发生的强对流天气多为系统性的，7－9月局地性的多而系统性的少。(3)2008年检验结果是0~6小时的预报技巧比0~12小时的低，前者空报率更高。原因可能是一些过程大的环境场变化缓慢，造成一些物理量如辐合、辐散、上升运动、水汽辐合等变化缓慢，使这些过程在强对流结束的一段时间内常常仍然呈不稳定状态，造成预报时段越短空报越多。此外，有的强对流过程在发生前就已开始积蓄不稳定能量，一些参数已有不稳定反映，也使预报时段越短空报越多。这样就造成0~6小时的预报技巧比0~12小时的低。

4 结论

(1) 不论是基于探空资料还是基于MM5数值模式资料，不同月份对流参数阈值均有明显差异，3月份阈值绝对值最小，4月次小，7、8月最大，9月减小。因此，制作潜势预报时按季节设定参数阈值可减少漏报、空报。

(2) 回报和检验结果总体来看区域性潜势预报技巧比非区域性的更高；3－6月预报技巧比7－9月的更高；2008年检验结果是0~6小时的预报技巧比0~12小时的低，前者空报率更高。

(3) 由于灾害天气的灾情实况资料收集不全及用于计算对流参数的模式的预报能力等因素，产生了一定的空报率。尽管冰雹、雷雨大风等强对流天气潜势预报的临界成功指数比一般雷暴等大概率事件的要低，但对强对流天气的临近预报仍具有较好的指示意义。