引言

雷暴是伴有雷击和闪电的局地对流性天气，也是强对流天气中出现频次最高的天气现象，雷击能造成人员伤亡，建筑物和输电、通信设施的破坏，雷暴也是影响航空运输的重要因素，其分析和预报一直以来都是气象业务的难点。雷暴的预报方法很多，其中包括天气学方法、指标判定法和数值模式方法以及这些方法相结合的综合预报方法。

针对单站预报来说，天气型方法和预报指标判定相结合的方法较为常用，孙明生等^[1]将影响北京地区的大尺度环流型进行划分，并根据出现和不出现强天气的环流系统特征、结构和物理量概括出概念模式，同时结合物理量参数采用判别树方法对北京地区强天气进行了预报。杨仲江等^[2]利用探空资料、地面观测资料和历史天气图首先分析了上海地区的雷暴天气型，然后利用天气型、K指数、沙氏指数以及对流有效位能，采用逐步消空法进行雷电的潜势预报识别，取得较好效果。吴蓁等^[3]基于构成要素预报的方法, 结合常规观测资料、卫星云图和雷达资料对构成河南地区雷暴的要素进行分析可提前几小时进行雷暴短时预报。对于区域性的雷暴或者全国范围的雷暴，因为涉及空间范围大，落区预报法和数值模式方法较为常用。雷暴天气属于小概率事件，预报难度高。要提高强对流天气预报的准确性，对强对流天气发展机制的研究很有必要。强对流天气类型的发展很大程度上取决于其所处环境尺度的大小，各种对流参数从不同侧面反映了环境特性，对预报对流是否发展及预报其天气类型都有一定的帮助。李勇等^[4]对2006年5-9月的雷暴天气和物理量指数进行分析, 发现在雷暴发生时有三个高概率区, 每个区域对应的物理量值相对集中出现在某一范围。周后福等^[5]基于探空资料计算了K指数等多个稳定度指数和能量指标，给出了强对流天气的短时预报指标。叶爱芬等^[6]采用相关统计分析的方法对利用探空资料计算的对流有效位能的大小和强降水、雷雨大风的关系。基于大气探测技术和大气动力学理论以及计算机技术的发展，数值预报迅猛发展，中尺度模式在模拟中尺度对流风暴等方面有了很大进展，利用中尺度数值模式输出的物理量和计算的各种对流参数，对雷暴的预报有较好的意义。刘伟等^[7]用中尺度数值模式MM5的结果计算分析雷暴发生发展过程中对流活动指数的变化，指出对流有效位能和对流抑制能量对兰州中川机场雷暴预测具有较好的指示意义。李耀东等^[8]指出综合了动力和能量参数，尤其是随着高分辨率中尺度和风暴模式的发展，根据模式输出的对流动力和能量参数将会有广泛的应用前景。

随着大气监测手段的提高和计算机技术的发展，多普勒天气雷达和闪电定位仪为雷暴的预警和研究提供了很好的条件和手段，一些台站总结出了雷暴天气发生的雷达回波特征, 并应用于实际预报，取得较好效果^[9-10]。目前针对雷暴的临近预报，利用多普勒雷达和高分辨率模式可以成功地模拟某些雷暴天气过程，且用于临近预报，廖玉芳等^[11]研究建立了适用于常德地区的基于单多普勒天气雷达产品的强对流天气预报方法，但是这种预报时效还比较短。随着交通运输的大力发展，出于航空、公路和铁路运输的保障以及防灾减灾的需要，都对雷暴的短期预报提出了更高的要求，尤其是全国范围内的局地定点准确预报对于交通运输的安全保障和雷电灾害的防灾减灾具有重要意义。当前雷暴的短期预报，以主观分析的落区预报为主。同时，由于决定雷暴是否发生的中小尺度条件一般在发生前几个小时才显现出来，所以雷达等先进的探测手段也很难提前获取对24 h短期预报有用的中小尺度信息。大尺度的业务数值模式集合同化了各种观测资料作为初始场，对未来天气进行预报。对于基本要素场的预报已经达到了较高准确度。虽然对中小尺度系统的描述仍然不足，但是对于温度场、水汽场等要素预报已经达到了很高的准确度，而低层水汽，高低空的冷暖条件等要素与雷暴的发生均有密切关系。

本文从雷暴的短期预报需求出发，基于大尺度的模式输出量，计算多个与雷暴发生有关的水汽、稳定度和能量参数，并选取这些物理量作为预报因子，建立它们与雷暴天气的统计关系。同时，由于在不同的站点，与雷暴发生密切相关的因子各不相同，所以分站对全国690个站4—9月份雷暴事件进行事件概率回归，得到690个站点的回归方程，一方面通过对数值预报产品的释用实现了单站单点的定量预报，另一方面，将690个站的预报结果综合在一起，亦可得到全国及区域性雷暴预报结果。

1 资料及方法

本文使用的资料为国家气象中心中期数值预报模式T213模式12:00(世界时)起报的预报结果以及全国690个观测站的雷暴实况观测资料。T213模式分辨率为1.125°×1.125°，预报时效72 h内为12 h间隔，72~240 h为24 h间隔。

预报对象是全国690个基本站的雷暴有无，站点分布如图 1中所示，按照MICAPS资料中地面资料的站点区域分为50~59共10个区，预报时效为24 h。

本文中采用的事件概率回归方法^[12]，是美国气象学家Miller于1964年在作局地航空站气象要素预报时提出的。我国气象学家也曾利用事件概率回归的方法进行降水的有无预报^[13]、雾的消散与否预报^[14], 证明预报准确度较高, 雷暴发生预报(雷暴出现与否)也是只有两个状态的变量, 和晴雨、雾的消散与否等要素有共同的特点, 因此利用事件概率回归方法预报雷暴，是值得尝试的。这种方法的基本思想是将因子和预报量看成随机事件，把预报量Y与各因子事件之间的关系看成是各前期因子已经出现的条件下，事件Y出现与否的关系。在本文的应用中，首先将雷暴出现与否转化为0，1化变量，再通过逐步回归方法建立与预报因子之间的概率回归预报方程。建立回归方程的过程中，采用双重检验逐步回归方法进行建模。选取的建模时段为4月1日至9月30日。

2 预报流程的设计 2.1 预报因子的选取

预报因子的选取思路是要把影响雷暴可能发生的因子充分合理地体现出来。在空间上选取每个站点周围9个格点的模式直接输出量作为预报因子，并用双线性插值将站点所在位置的基本要素加入预报因子库。在时间上，本文雷暴的预报时效是24 h，选取的因子是预报时效前后2个时段，即选取00、12、24、36和48 h的T213预报要素作为因子。在要素上，分为基本因子和扩展因子，基本因子是T213模式的直接输出结果，扩展因子是通过模式基本要素诊断得到的和雷暴发生关系密切的物理量。雷暴天气是一种典型的强对流性天气，其发生一般需要三个条件：水汽条件、不稳定条件、抬升条件。其中描述抬升条件的因子较为复杂，因为抬升力可来自于天气尺度系统(如锋面、气旋等的上升运动)，或中尺度系统(如中尺度切变线、辐合线等强上升运动)，或地形抬升作用(迎风坡抬升、背风波的波动等)和局地加热不均(海岸、湖岸与海洋、湖泊加热不同)等造成的上升运动。由于中小尺度系统以及局地热力、地形的抬升触发因子很难获取，本文中的抬升条件只采用了大尺度的垂直速度来描述，而对水汽条件和不稳定条件分别选取了扩展因子。选取的扩展因子如下所述。

(1) 描述水汽条件的因子

水汽条件是雷暴发生的必要条件之一，低层的暖湿水汽向高层运输的过程中，遇到冷空气，凝结或凝华产生积雨云，继而产生对流性雷暴云团。在因子的选取中，描述水汽条件的基本因子有比湿和相对湿度，此外，又增加了表 1中所示的露点温度、温度露点差和水汽通量散度作为扩展因子，低层的露点温度就可以代表水汽条件，低层的温度露点差描述了低层空气的饱和程度，水汽通量散度描述了某一点水汽的集中程度，常被用于暴雨或强对流预报中。

(2) 描述不稳定条件的因子

不稳定的大气中易发生对流运动。天气诊断分析中时常需要分析大气的不稳定性，描述不稳定条件的因子在建立预报模型的过程中必不可缺。不稳定条件的分析，可以计算各种稳定度指数或通过求T-lnp图上的不稳定能量面积来表示。文中所用的稳定度指数如表 2中所示。

温度层结随高度总是变化的，为了估计层结曲线对从底部上升的气块可能产生的总影响，引入了大气不稳定能量。要将气块抬升到自由对流高度，必须对气块做功，做功的大小和从气块起始位置到抬升凝结高度的状态曲线与层结曲线之间的面积成正比。这块面积为负面积，即对流抑制能量，底层的气块能否发生对流取决于是否能够获得克服对流抑制能量所需要的能量。在自由对流高度到平衡高度间，层结曲线和状态曲线围成的正面积，与气块可从正浮力做功获得的能量成正比，即对流有效位能。对流有效位能从理论上反映出对流上升运动可能发展的最大强度。对流有效位能和对流抑制能量^[15]是强对流天气分析预报的重要参数，具体定义如表 3所示。

从空间、时间和要素三方面选择的预报因子总数达到了几千个，首先要进行因子的精选，选择的方法是分别计算各个因子与0，1化雷暴实况的F统计值，然后按照F统计值的大小进行排序，只选择F值较大的前100~300个因子作为精选因子。

2.2 事件概率回归模型的建立

本文中建立模型所用的样本是2003—2007年4—9月的资料。

用2.1中筛选得到的精选因子和0，1化的雷暴之间进行逐步回归计算，最后分别得到690个地面站4—9月24 h的雷暴潜势预报方程。

本文中每个站都是在同样类型的预报因子基础上建立预报方程, 由于逐步回归最后得到的是对预报对象最优的因子组合建立预报方程, 因此不同预报方案最终入选方程的预报因子可能会存在差异，所以有必要对方程中最终入选的因子进行分析。表 4中给出了事件概率回归方程中预报因子的入选情况和在雷暴潜势预报方程中出现最多的因子排名以及各因子出现频次的百分比。从表 4中可以看出，在方程的预报因子中排在前面的主要是反映水汽含量的因子和反映动力条件的垂直速度因子以及反映不稳定条件的不稳定能量和稳定度指数，这与实际预报经验相符。从因子所占比例也可以看出，基于从大量因子选出的因子建立的事件概率回归方程，其预报因子物理意义鲜明。

2.3 事件概率回归的预报判据

通过2.2中建立的预报模型，将方程中各因子对应的值代入相应的事件概率回归方程，即可求出回归估计值Y^*，Y^*就是雷暴发生的概率值，因为概率值在0, 1之间，因此，当方程值小于0时取Y^*值为0，当方程值大于1时，Y^*值取为1。那么当雷暴发生概率估计值达到多少时，可预报y=1即雷暴事件的出现。本文采取的方法是：找出建模的样本和试预报的样本中Y^*的最大值Y_max和最小值Y_min，然后从最小值Y_min开始，取一较小步长ΔY，假定Y_opt=Y_min+ΔY为判断雷暴事件是否发生的临界值，对所有样本进行0，1化预报。然后对每个不同的临界值下的预报值进行TS评分，然后循环Y_opt，直到Y_opt等于Y_max为止，最后找出TS评分达到最大时的Y_opt作为最优的预报判据。

2.4 自动化客观预报

基于2.2和2.3中建立的模型和寻找得到的事件概率回归最优临界值，预报时，首先通过网络自动获取T213模式数据，对模式数据分站进行提取，并进行站点插值，然后计算2.1中提到的多个对流相关因子，因子计算完成后，读取各个站的24小时雷暴潜势预报方程进行Y估计值的计算，最后根据2.3中得出的最优0，1化预报判据，当预报量大于临界判别值时报有雷暴发生，否则判断没有，从而实现雷暴的0，1化预报。对690个站循环进行，最后得到了690个基本站的24 h雷暴发生预报。

3 预报结果效果检验 3.1 总体效果检验

按照上述建立的模型对2010年4—9月进行24 h雷暴发生预报，采用的效果评定方法为TS评分检验，即TS=A/(A+B+C), 其中A为雷暴天气预报准确次数，B为漏报次数，C为空报次数。图 2中给出了全国10个分区各自平均的TS评分值，从图中可以看出，TS平均值最高的区域是59区(华南地区)，平均TS评分为0.4，58区(华东地区)、56区(高原东部、西南地区)次之，平均TS评分接近0.3，50区(东北地区北部)、55区(西藏地区)和57区(华中地区)第三，最低的是52区(西北地区东部)，TS评分值为0.2。这和雷暴的地理分布和地理条件是有关系的，因为沿海地区水汽充沛，不稳定能量反应清楚，可预报性大一些，历史上雷暴发生次数较多，而西北地区水汽少，不稳定能量从积累到释放突发性强，可预报性小一些。除了51和52区之外，各区雷暴预报TS平均值都在0.2以上，全国600多个站的TS平均值为0.24。何立富等^[16]对国家级强对流潜势预报业务进展进行检验评估，其中对2010年4—9月国家级预报产品进行客观检验，得出48 h预报24 h间隔的雷暴预报的TS评分为0.23。由此可见，利用本文中的事件概率回归方法建立的预报模型进行预报与当前业务中使用的方法比较，客观化、自动化程度较高，研究结果相比较略好。

3.2 个例试验分析

以上分析表明，事件概率回归对于雷暴预报有较好的预报效果，为了进一步直观地说明，下面给出几个个例分析。

图 3中给出了2010年5月9日的24 h雷暴发生预报和5月10日雷暴实况。2010年5月9日的雷暴预报结果显示，在未来24 h，有两个雷暴可能发生的区域，一个是西南地区中北部和华南地区，一个是东北地区南部，5月10日的实况结果表明，雷暴预报的区域与实况区域基本一致，但在青藏高原东部和西南地区存在较多的空报漏报情况。图 4中给出了2010年6月27日24 h雷暴预报和6月28日的实况，6月27日预报结果显示，未来24 h在我国大部分地区，包括新疆西部、青藏高原中东部、内蒙古东部和东北地区以及长江以南大部分地区都有成片雷暴区域出现，28日实况对比发现，2010年6月27日的24 h雷暴潜势预报在新疆西部地区存在较多漏报，长江以南地区存在较多空报，但是落区基本一致。图 5是2010年8月20日的雷暴预报和实况结果，预报结果显示在华北、黄淮、江淮、江汉地区和西南、华南地区都有区域性雷暴发生，预报的落区与实况基本一致，在西南和河套地区存在较多空报。

从上面的几个个例实验表明，事件概率回归模型预报的雷暴区域与实况较为一致，但是在单站预报上空漏报是无法避免的，分析原因主要有三个：(1) 雷暴发生受水汽、不稳定条件和抬升机制等天气学条件的影响，但是同时也有局地性和突发性的特点，增加了预报难度。(2) 虽然本文中尽可能多地考虑了水汽和不稳定条件，对于抬升条件，很难选取合适的因子，预报模型中考虑不够。(3) 雷暴的实况存在一定的漏测，因为雷暴的观测大部分是以人工观测为主，所以主观性较强，现在的闪电定位仪自动观测，可以获得更为准确和精细的雷暴实况资料。雷暴的发生本身是小概率事件，空报和漏报都难以避免，所以，在用本文的回归模型预报之前，加入局地总结的天气学分型和物理量消空经验作为判据首先进行消空然后进行预报是减少空报的有效方法，另外，寻找对于雷暴发生有明确指示意义的预报因子，可以改进预报模型，减少漏报。

4 总结和讨论

本文基于动力-统计的方法，利用T213数值预报产品资料，建立了雷暴潜势预报的24 h事件概率回归预报模型，并对全国600多个站2010年4—9月的24 h雷暴预报和实况进行了对比分析，得出了以下结论和讨论。

(1) 基于T213预报产品计算得到的对流参数物理意义明确，与雷暴有无事件相关系数较高，在雷暴潜势预报方程贡献很大。

(2) 雷暴发生实况和雷暴预报的结果对比分析表明：基于动力-统计的事件概率回归方法的预报效果对区域性雷暴的预报指示性较强，尤其对于雷电频发的地区效果更好。

(3) 基于大尺度模式的输出产品，对数值预报产品进行解释和应用，在单站雷暴发生预报及全国和区域性雷暴预报方面可取得较好效果。