引言

雷暴是伴有雷击和闪电的对流天气现象，一般伴有阵雨，有时还会出现局部的大风、冰雹等强对流天气。江门市属亚热带地区，天气复杂多变，雷暴等气象灾害频发，给经济发展、交通运输安全和人们的身体健康造成严重威胁。近年来，随着城市建设发展，雷暴的气候变化规律越来越受到大的关注^[1-4]，加强对雷暴发生规律的研究，对防雷减灾、雷电预警预报都具有重要意义。

在一般雷暴气候特征的研究中，对雷暴日数的气候变化趋势规律研究较多^[5-9]。实际上，雷暴伴随的降水常常是由强烈对流引起的，它可以反映大范围大气的垂直结构、降水云的热力和动力结构^[10-18]，通过对雷暴发生频率的研究可以探寻大尺度环流系统的变化。本文针对江门市雷暴气候特征的研究，从雷暴发生的频率角度，试图揭示副热带地区的大尺度环流变化，例如南海夏季风爆发时间等问题。

2 资料及方法

本文使用广东省江门市6个国家气象观测站1961—2010年的逐日雷暴发生日数、降水量资料和其他20个地级市80个国家气象观测站1971—2010年的逐日雷暴发生日数资料。

江门市有新会、鹤山、开平、恩平、台山和上川等6个国家气象观测站，上川为海岛观测站，与陆地的雷暴发生规律不十分相似，没有选取。因此，我们仅选取江门大陆地区的5个测站进行研究。为了了解地区的雷暴发生规律，我们取1971—2010年4—9月雷暴发生日数资料，进行主因子分析^[20]。表 1给出5个测站雷暴日数公共因子方差贡献及因子荷载分布。

从表 1看见，5个测站雷暴日数的第1公共因子方差贡献高达87%，3个公共因子方差贡献高达97%，说明它们雷暴日数序列有很强的相似性。以第1因子荷载为横坐标，第2因子荷载为纵坐标，做5个测站因子荷载散布图(见图 1)，图中圆圈大小为第3因子荷载值。

从图 1可见，在江门地区雷暴日数3个公共因子中，新会站的雷暴日数序列有最强的代表性。因此我们选取新会站作为代表站。由实际计算表明，新会站1971—2010年4—9月的逐日雷暴发生总日数与鹤山、开平、恩平、台山的雷暴发生总日数序列之间相关系数分别为0.85、0.81、0.79和0.90，它们之间存在密切相关(均超过0.05显著性水平检验)。说明新会站能够代表江门地区，特别是陆地地区的雷暴气候变化特征。

为了进一步说明江门地区雷暴气候规律的代表性，结合各测站的建站时间，保证资料的完整性，我们应用1971—2010年4—9月广东省其他20个地级市共80个国家气象观测站的逐月的雷暴发生日数资料，分别计算它们与新会站雷暴序列之间的相关系数，结果表明其相关系数均在0.44以上，它们之间存在密切相关(均超过0.05显著性水平检验)。它们的相关均为正相关，平均相关系数为0.69；还可以分不同地区计算各区的平均相关系数，表 2列出新会站与广东省21个地区雷暴序列平均相关系数的数值。

从表 2看见，新会的雷暴序列与广东省62%地区的平均相关系数超过0.70，可见江门地区雷暴发生气候规律在广东省有很强的代表性。研究江门地区的雷暴发生规律是有意义的。而江门地区的新会站，其雷暴日数气候变化规律可以代表江门地区。因此取此站的雷暴日数序列(1961—2010年逐日雷暴发生数)，作为代表序列进行研究。

为克服因为各月份的日数不同而影响在不同月份的雷暴日数的可比性，本文提出使用雷暴频率，其定义如下：

$f = m/n$

(1)

式中，m为t年的月(候)雷暴日，n为月(候)的日数，f为月(候)雷暴频率。当样本容量足够大时，频率可以作为气候概率的很好估计。在研究对象(候、旬、月、季、年)尺度中，以雷暴出现日数除以研究对象的总日数，可以得到雷暴发生的频率(以下简称为雷暴频率)。用它能够在不同尺度雷暴事件中进行比较研究。

例如，研究对象为月尺度时，其雷暴频率是该月雷暴出现日数除以该月的总日数；如果研究该月多年的雷暴频率，则是用该月多年雷暴出现总日数除以该月的多年总日数。

对雷暴日的年际变化长时间趋势序列分析，研究常常使用直线趋势法，但是序列不同时期往往有不同的直线变化趋势，为了诊断不同时期直线变化趋势的突变点，本文使用双相回归分析找序列的突变点^[19]。对时间序列T_i(i=1, …, n)，其双相回归模型可以表示为

${T_i} = \left\{ {\begin{array}{*{20}{l}} {{a_0} + {b_0}i + {e_i}i = 1, \cdots ,c}\\ {{a_1} + {b_1}i + {e_i}i = c + 1, \cdots ,n} \end{array}} \right.$

(2)

式中e_i为误差。设它是独立的且遵从平均值为0的正态分布。上式中的第一式表示突变点c以前的时段的拟合直线，它反映该时段的线性趋势；第二式则反映后一时段的线性趋势。需要求c的最大或然估计值，其最大或然函数为

T_i=a₀+b₀i+b(i-c) IND c(i)+e_i

其中

$\begin{array}{l} b = {b_1} - {b_0}\\ {\rm{IND}}c\left( i \right) = \left\{ {\begin{array}{*{20}{l}} 0&{i \le c}\\ 1&{i ＞ c} \end{array}} \right. \end{array}$

(3)

对固定的c值上式为标准二元线性回归模型，其因子为i和(i-c)INDc(i)。用最小二乘法容易求出回归系数a₀，b₀和b。根据式(3) 可求出另一时段斜率b₁。对上述雷暴序列试验计算出各突变点的回归方程，并求出各方程的残差平方和，然后根据残差平方和最小来定出最大的突变点。对这一突变趋势是否显著还可以作检验。其统计量为

$U = \frac{{({S_0} - S)/3}}{{S/\left( {N - 4} \right)}}$

(4)

它遵从分子自由度为3，分母自由度为N-4的F分布。式中S₀为使用样本所有资料的直线回归方程的残差平方和，即式(4) 中c=N时的方程的残差平方和。S为对应突变点的残差平方和。

对于检验两段相邻时期的雷暴频率状态，本文使用一个序列两段相邻时期平均值差异性检验。即使用如下统计量^[20]

$T = \frac{{\bar x - \bar y}}{{\sqrt {s\sqrt {\frac{1}{{{n_1}}} + \frac{1}{{{n_2}}}} } }}$

(5)

其中

$s = \sqrt {\frac{{\sum\limits_{i = 1}^{{n_1}} {{{({x_i} - \bar x)}^2}} + \sum\limits_{i = 1}^{{n_2}} {{{({y_i} - \bar y)}^2}} }}{{{n_1} + {n_2} - 2}}} $

式中，x和y分别为序列两段相邻时期的分序列，n₁和n₂分别为序列两段相邻时期的样本容量，x和y为两段分序列的平均值。该统计量遵从自由度为n₁+n₂-2的t分布。它可以类似上述双相回归分析找序列的突变点，以诊断两段相邻时期的雷暴频率平均状态是否有最大显著差异，即序列的突变点。

3 雷暴频率气候变化特征 3.1 月尺度雷暴频率气候变化特征

由1961—2010年期间的逐日雷暴发生日数，统计逐年各月份雷暴发生日数，并计算50年各月份雷暴发生总频数、频率(见表 3)。

从表 3可以看出，江门市的雷暴频率分布呈双峰型，较大频率分别出现在6和8月，雷暴频率在50%左右，分别与华南地区的两个汛期对应。从全年各月看，4月开始雷暴发生频率明显增大，超过20%，雷暴频率较大状态一直持续到9月。其中从3—4月，频率增长量超过10%，进入雷暴多发期；5—6月是雷暴高发月份，与南海夏季风爆发时期(南海夏季风平均爆发日期为5月^[21])对应；10月雷暴频率低于20%，且呈明显下降趋势，相比9月的频率下降26.4%。因此我们把4—9月的期间称为雷暴多发时期。另外，从表 1还可以看出，在4—9月的雷暴多发期中，7月的雷暴频率比6和8月要小，从而形成频率分布的双峰型；因此，把4—6月称为前雷暴多发期，把8—9月称为后雷暴多发期，把7月称为过渡期。

为了确定前、后雷暴多发期中哪个月份雷暴频率有代表性，我们使用因子分析方法分别对4—6月和8—9月的雷暴频率矩阵(由50年对应月份雷暴频率组成)作主因子分析，得出前、后雷暴多发期主因子参数情况见表 4。

从表 4中4—6月雷暴频率矩阵的3个主因子累积方差贡献可以看出，前雷暴多发期中，第一主因子解释方差接近50%，是4—6月的雷暴频率的主要气候变化特征；第一主因子与6月的雷暴频率序列的相关最高，其相关系数为0.75；说明6月雷暴频率可以代表前雷暴多发期。类似对8—9月的后雷暴多发期的雷暴频率矩阵做主因子分析，第一主因子解释方差达到68%，与8月雷暴频率的相关系数为0.83，可见8月雷暴频率也可以代表后雷暴多发期。计算6和8月雷暴频率序列与雷暴多发时期的其他月份的雷暴序列相关系数，发现6月雷暴与4和5月有较大的正相关，其中与5月的正相关通过0.05显著性水平检验，与7、8和9月相关很小。8月雷暴与9月有显著正相关(通过0.05显著性水平检验)。6和8月雷暴发生与7月的相关都很小，而且是负相关。说明江门地区雷暴多发时期中存在两个不同的多发期：前一雷暴多发期是4—6月，反映这期间是西风带的锋面降水出现的雷暴；后一雷暴多发期是8—9月，反映这期间是热带东风波的热带气旋出现的雷暴。这两个时期降水和雷暴气候特征不同，它们之间的7月是过渡期。这方面与李丽平等^[21]的研究结论一致：华南汛期主要集中在4—9月，其中4—6月为前汛期，主要表现为锋面降水；7—9月为后汛期，主要以台风降水为主。但是，把7月定义为前汛期和后汛期的过渡期，是本文的一个新发现。

在前雷暴多发期中，从代表月份的多年6月雷暴频率年际变化(图 2)可以看出：对1961—2010年的雷暴频率序列进行线性趋势分析，拟合直线的斜率为0.0003，几乎为0，表明从长期变化角度来看，没有趋势变化(见图 2细直线)；但是，从频率曲线年际变化看，1961—1983年期间有下降趋势，而1983—2010年期间有上升趋势。

为了诊断6月的雷暴发生频率线性趋势的突变点，我们使用双相回归方法诊断。选取1968—2001年的34个年份为试验的突变点，用式(4) 计算各试验年份的U值，U值随试验年分布呈单峰型，最大值出现在1983年(图略)，结果发现以1983年为突变点的回归方程有最小的残差平方和，其U值达到所有试验突变点方程的最大值，为8.2，其通过0.05显著性水平检验。图 2中显示1961—1983年期间的直线趋势(见图 2中粗虚线)，其下降趋势通过0.05的显著性水平检验，而1983—2010年期间有显著上升趋势。1983年的突变，与西风带大气环流的20世纪80年代初的突变对应^[22-24]，进一步说明前雷暴期的降水是西风带降水性质。

8月的雷暴发生频率是后雷暴多发期的代表月份。从多年8月雷暴频率年际变化(图 3)可以看到：对1961—2010年的雷暴频率序列进行线性趋势分析，拟合直线的斜率为-0.0017，呈下降趋势(见图 3中直线)。8月雷暴频率年际变化与6月的变化趋势完全不同，可以分为5个升降时段：1961—1966年，下降；1966—1972年，上升；1972—1990年，下降；1990—2000年，上升；2000—2010年，下降。使用双相回归方法诊断，对1961—1972年时段，得到显著的突变点年份为1966年，对应U值为4.2；对1972—2010年时段，得到显著的突变点年份为1991年，对应U值为6.3。图 2中虚线显示各时段的拟合直线。

3 候尺度雷暴频率气候特征

为了研究雷暴频率的突变期，需要对雷暴气候特征的研究尺度细化，即研究4—9月雷暴多发期的候尺度气候特征。类似计算1961—2010年期间4—9月36候雷暴频率和50年总频数和频率，其序列称为候尺度的雷暴气候频率序列。

图 4给出雷暴气候频率的逐候分布。从图中可以看出，候雷暴频率分布呈双峰状态，有前、后两个雷暴多发期，19—37候(4月第1候至7月第1候)为前雷暴多发期，41—54候(7月第5候至9月第6候)为后雷暴多发期，38—40候(7月第2候至7月第4候)为过渡期。

选取前雷暴多发期进行雷暴频率状态的突变研究。在50年的多年候雷暴频率逐候序列中，依次选取22—51候为试验的突变点，利用式(5) 分别计算各试验的突变点前后相邻两个时段雷暴频率序列的T值(见图 5)，发现在26—29候均有小的T值，它们小于5.0，其显著性水平均超过0.05(在自由度为17时，T值绝对值超过2.1)，可以确定为雷暴频率突变的候；其中第28候(5月第4候)T值最小，为-5.253，是各试验点中最小值，可以确定为雷暴频率状态的突变候。计算表明在19—28候雷暴频率平均值为23%，而29—54候雷暴频率平均值为40%，它们有显著差异。值得指出的是，26—29候(5月第2—5候)也是很多研究结果显示的关于南海夏季风爆发的日期。例如，宋明坤等^[25]认为南海夏季风爆发前后降水的差异，他们文章中的突变是第27候，即5月第3候；林爱兰等^[26]认为，南海夏季风爆发日期(气候平均为5月中旬)，也正是这段时期。本文确定的雷暴气候频率突变为第28候(5月第4候)，也是很多研究公认的南海夏季风平均爆发日期^[27]。说明雷暴频率突然增加，伴随大气强烈的对流活动突然增加是南海夏季风爆发的主要气候特征。

4 结论与讨论

本文使用江门市1961—2010年期间的逐日雷暴日数资料，对江门地区雷暴多发期的气候特征进行研究。研究结果表明：

(1) 使用频率分析方法比雷暴日分析能够更好地分析区域的雷暴气候特征，能够确定江门地区的雷暴多发期为4—9月。4—6月为前雷暴多发期，以6月为代表月份。8—9月为后雷暴多发期，以8月为代表。7月为过渡期。

(2) 对雷暴多发期的年际长期变化进行分析，发现前雷暴多发期有先下降然后上升的气候变化趋势，突变年份是1983年，与西风带大气环流的80年代初的突变对应，进一步说明前雷暴期的降水是西风带降水性质。后雷暴多发期有5个升降时段的气候变化趋势，突变年分别是1966和1991年。

(3) 对雷暴多发期的候尺度气候特征研究表明，在5月第2—5候期间，雷暴频率差异性存在显著变化，其中5月第4候是最显著的突变候，与很多研究公认的南海夏季风的平均爆发日期一致。说明使用雷暴频率时间序列的突变诊断方法，也可以作为南海夏季风爆发日期的确定方法。