強對流天氣監(jiān)測預(yù)報預(yù)警技術(shù)進(jìn)展

鄭永光 周康輝 盛 杰 林隱靜 田付友 唐文苑 藍(lán) 渝 朱文劍

(國家氣象中心，北京 100081)

?

強對流天氣監(jiān)測預(yù)報預(yù)警技術(shù)進(jìn)展

鄭永光*周康輝 盛 杰 林隱靜 田付友 唐文苑 藍(lán) 渝 朱文劍

(國家氣象中心，北京 100081)

強對流天氣預(yù)報業(yè)務(wù)包括監(jiān)測、分析、預(yù)報、預(yù)警和檢驗等方面。對流初生識別、對流系統(tǒng)強度識別和對流天氣類型識別等監(jiān)測技術(shù)取得新進(jìn)展，綜合多源資料的監(jiān)測技術(shù)已應(yīng)用于中國氣象局中央氣象臺業(yè)務(wù)。對流系統(tǒng)的觸發(fā)、發(fā)展和維持機(jī)制等獲得了新認(rèn)識，我國不同類型強對流天氣及其環(huán)境條件統(tǒng)計氣候特征、分析規(guī)范及相應(yīng)業(yè)務(wù)產(chǎn)品等為業(yè)務(wù)預(yù)報提供了必要基礎(chǔ)和技術(shù)支撐。光流法、多尺度追蹤技術(shù)以及應(yīng)用模糊邏輯方法的臨近預(yù)報技術(shù)等有明顯進(jìn)展，融合短時預(yù)報技術(shù)得到廣泛應(yīng)用，對流可分辨高分辨率數(shù)值(集合)預(yù)報及其后處理產(chǎn)品預(yù)報試驗取得了顯著成效，基于數(shù)值(集合)預(yù)報應(yīng)用模糊邏輯方法的分類強對流天氣短期預(yù)報技術(shù)為業(yè)務(wù)預(yù)報提供了技術(shù)支撐。強對流天氣綜合監(jiān)測和多尺度自適應(yīng)臨近預(yù)報技術(shù)、多尺度分析技術(shù)以及融合短時預(yù)報技術(shù)、發(fā)展并應(yīng)用模糊邏輯等方法的、基于高分辨率數(shù)值(集合)模式的區(qū)分不同強度等級和極端性的分類強對流天氣精細(xì)化(概率)預(yù)報技術(shù)等是未來發(fā)展的主要方向。

強對流; 監(jiān)測; 高分辨率數(shù)值預(yù)報; 概率

引 言

氣象學(xué)中，對流指的是大氣中由浮力產(chǎn)生的垂直運動所導(dǎo)致的熱力輸送，強對流天氣通常指的是由深厚濕對流(DMC)產(chǎn)生的包括冰雹、大風(fēng)、龍卷、強降水等的各種災(zāi)害性天氣[1]，具有突發(fā)性、生命史短、局地性強、易致災(zāi)等特點。對流天氣通常伴隨雷電活動，但部分對流天氣系統(tǒng)并沒有雷電活動，因此，Doswell建議使用DMC替代雷暴這個經(jīng)常用來指代對流活動的術(shù)語[1-2]。

目前國際上對強對流天氣的定義尚沒有統(tǒng)一標(biāo)準(zhǔn)。中國氣象局中央氣象臺定義的強對流天氣指的是出現(xiàn)直徑5 mm及以上的冰雹、任何級別的龍卷、17 m/s(或者8級)及以上的雷暴大風(fēng)或20 mm/h及以上的短時強降水等任意一種或幾種天氣。美國風(fēng)暴預(yù)報中心(SPC)定義的強對流天氣則指的是出現(xiàn)直徑25 mm及以上的冰雹(以前定義中直徑為19 mm及以上)、26 m/s及以上的雷暴大風(fēng)或任何級別的龍卷等任意一種或幾種天氣；而直徑51 mm及以上的冰雹、EF2級及以上龍卷或33 m/s及以上的雷暴大風(fēng)等一種或幾種天氣則定義為重大強對流天氣。

我國目前還沒有重大強對流天氣的定義標(biāo)準(zhǔn)，而美國SPC并未將短時強降水(或?qū)α餍员┯?定義為強對流天氣。但Doswell[1]將達(dá)到或超過20～25 mm/h(沒有嚴(yán)格標(biāo)準(zhǔn))的強降水歸類為強對流天氣，并將達(dá)到或超過50 mm/h的強降水歸類為極端強對流天氣[1，3]；短時強降水天氣與易于致災(zāi)的暴洪關(guān)系密切。氣候統(tǒng)計得到的我國短時強降水發(fā)生頻率[4]也表明，達(dá)到或超過50 mm/h的強降水是發(fā)生頻率非常低的極端天氣。

氣候統(tǒng)計是強對流天氣預(yù)報的必要基礎(chǔ)性工作之一。美國強對流天氣氣候統(tǒng)計開展早且比較完整，不僅給出了雷暴、閃電、中尺度對流復(fù)合體等的氣候特征，還給出了比較完整的不同強度冰雹、龍卷、雷暴大風(fēng)、小時降水量不小于25 mm等強對流天氣的氣候特征[1，5]。我國的雷暴、冰雹氣候特征統(tǒng)計工作開展較早且較完整，最近也利用1981—2010年資料給出了較為完整的雷暴、短時強降水、冰雹、雷暴大風(fēng)、龍卷等的氣候特征[4，6-7]；我國的閃電分布?xì)夂蛱卣饕卜謩e由衛(wèi)星觀測和地基閃電定位資料獲得[8-9]；基于靜止衛(wèi)星資料、雷達(dá)資料的我國中尺度對流系統(tǒng)(MCS)、對流風(fēng)暴、颮線等分布的氣候特征也有較多研究[10-16]。強對流天氣是小概率事件，重大或極端性強對流天氣的發(fā)生概率更低，因此，非常有必要進(jìn)一步分析完善我國不同等級的強對流天氣和基于非常規(guī)觀測資料的對流活動及其環(huán)境條件分布的氣候特征，為不同強度和極端強對流天氣預(yù)報預(yù)警提供氣候基礎(chǔ)信息。

強對流天氣預(yù)報工作包括監(jiān)測、分析、預(yù)報和預(yù)警幾個方面。觀測為強對流天氣和系統(tǒng)結(jié)構(gòu)特征、發(fā)展規(guī)律、氣候特征分析和預(yù)報預(yù)警提供數(shù)據(jù)基礎(chǔ)；監(jiān)測則基于觀測數(shù)據(jù)對強對流天氣現(xiàn)象發(fā)生、發(fā)展變化及其相關(guān)天氣條件進(jìn)行識別和監(jiān)視，而分析是在觀測和監(jiān)測數(shù)據(jù)基礎(chǔ)上進(jìn)行預(yù)警、預(yù)報的必要手段和過程。一般來講，短期預(yù)報是0～3 d的天氣預(yù)報，短時預(yù)報是指0～12 h的天氣預(yù)報。世界氣象組織(WMO)2005年定義的臨近預(yù)報(或稱為甚短時預(yù)報)為0～6 h的天氣預(yù)報，現(xiàn)已得到了廣泛認(rèn)可[3，17-18]；不過我國預(yù)報業(yè)務(wù)通常將0～2 h的天氣預(yù)報稱為臨近預(yù)報[3]，因此，本文仍將0～2 h的預(yù)報稱為臨近預(yù)報，2～12 h稱為短時預(yù)報。不同尺度天氣系統(tǒng)可預(yù)報性不同，因此，不同時效的強對流天氣預(yù)報關(guān)注點不同，使用的技術(shù)方法也不同。

美國SPC已建立了時間尺度從幾小時警戒到8 d強對流展望的完整業(yè)務(wù)產(chǎn)品體系。我國國家級專業(yè)化強對流天氣預(yù)報業(yè)務(wù)始于2009年，已開發(fā)建設(shè)了基于多源資料的分類強對流天氣實況監(jiān)測系統(tǒng)、中尺度天氣分析規(guī)范和系統(tǒng)平臺、分類客觀預(yù)報系統(tǒng)等，并發(fā)布分類強對流天氣預(yù)報產(chǎn)品[19-22]。但強對流天氣預(yù)報，尤其分類強對流天氣及其強度的短時預(yù)報在當(dāng)前和可預(yù)見的未來仍然是業(yè)務(wù)天氣預(yù)報的難點之一。本文在總結(jié)強對流天氣監(jiān)測、分析、預(yù)報和預(yù)警技術(shù)進(jìn)展基礎(chǔ)上給出未來工作展望，以期能夠?qū)妼α魈鞖忸A(yù)報技術(shù)的發(fā)展提供參考。

1 強對流天氣監(jiān)測技術(shù)

強對流天氣監(jiān)測既包括天氣實況的監(jiān)測，也包括強對流天氣系統(tǒng)的監(jiān)測，其依賴的觀測資料主要包括常規(guī)觀測、重要天氣報告、災(zāi)情直報、自動氣象站觀測、閃電觀測、衛(wèi)星觀測和雷達(dá)觀測等。地球靜止氣象衛(wèi)星資料具有很高的時間分辨率和地理分布穩(wěn)定性，因此，較極軌衛(wèi)氣象星資料更常用于強對流天氣監(jiān)測。

1.1 強對流天氣現(xiàn)象監(jiān)測

不同觀測資料具有不同特點，基于這些資料，中國氣象局國家氣象中心建設(shè)了應(yīng)用于實際業(yè)務(wù)的國家級強對流天氣綜合監(jiān)測系統(tǒng)[19-20]。該系統(tǒng)不僅監(jiān)測不同類型強對流天氣現(xiàn)象實況，還監(jiān)測閃電密度、不同強度MCS和對流風(fēng)暴的識別和追蹤等，并進(jìn)行必要的質(zhì)量控制。

常規(guī)地面觀測雖能夠給出較可靠的觀測結(jié)果，但時空分辨率低。重要天氣報告雖能夠彌補常規(guī)觀測時間分辨率不足的問題，但空間分辨率依然有限。自動氣象站觀測能夠給出連續(xù)的雨量、大風(fēng)等監(jiān)測，但缺乏可靠的天氣現(xiàn)象觀測。自動氣象站小時雨量觀測能夠監(jiān)測短時強降水天氣，而分鐘雨量監(jiān)測能夠更進(jìn)一步提供和反映不同性質(zhì)的MCS特征，如颮線、梅雨鋒對流、熱帶對流系統(tǒng)等[23]。

目前我國的地閃定位系統(tǒng)能夠提供連續(xù)的高時空分辨率的地閃監(jiān)測，但其不足是尚未對我國大陸區(qū)域?qū)崿F(xiàn)完全覆蓋，對海洋區(qū)域的覆蓋面積僅為近海區(qū)域，范圍有限；同時目前還不能監(jiān)測對流系統(tǒng)中發(fā)生更為頻繁和具有提前指示對流發(fā)展的云閃信息。將于2016年底前后發(fā)射的我國FY-4號氣象衛(wèi)星的閃電成像儀將能夠提供覆蓋我國及周邊區(qū)域的高時空分辨率的閃電監(jiān)測資料，能夠與地閃監(jiān)測互相補充，將極大提高我國的閃電監(jiān)測能力。美國GOES-R衛(wèi)星將在2016年發(fā)射，也將搭載閃電定位儀GLM(geostationary lightning mapper)。

由于時空分辨率高和較好的三維空間覆蓋性，多普勒天氣雷達(dá)資料不僅用于定量降水估測，也是目前強對流風(fēng)暴和天氣(尤其是冰雹、雷暴大風(fēng)和龍卷)監(jiān)測及臨近預(yù)警的最重要資料。如強冰雹的雷達(dá)反射率因子特征是懸垂強回波，中層徑向速度輻合和弓形回波是指示雷暴大風(fēng)天氣的重要雷達(dá)觀測特征等[1，3]。基于多普勒天氣雷達(dá)資料中的這些特征，強冰雹、中氣旋、龍卷渦旋特征等的識別算法逐步得到了發(fā)展和完善[24]。最近李國翠等[25-26]和張秉祥等[27]基于雷達(dá)三維組網(wǎng)數(shù)據(jù)利用模糊邏輯方法分別開發(fā)了雷暴大風(fēng)和冰雹的自動識別算法；Rossi 等[28]使用芬蘭閃電和雷達(dá)資料利用模糊邏輯方法將追蹤的對流風(fēng)暴強度劃分為弱、中、強和劇烈4類；胡勝等[29]統(tǒng)計了廣東大冰雹風(fēng)暴單體的多普勒天氣雷達(dá)特征。

雙偏振多普勒天氣雷達(dá)觀測資料能夠提高降水粒子形態(tài)的識別能力[30-31]，以有效提高定量降水估測精度和冰雹的識別率，如判斷冰雹在落地之前是否完全融化還是部分融化[32]等。美國、法國等已完成多普勒天氣雷達(dá)業(yè)務(wù)網(wǎng)的雙偏振改造升級。

1.2 強對流天氣系統(tǒng)監(jiān)測

閃電是對流活動的一種反映，因此，其與對流性強降水、冰雹和雷暴大風(fēng)等強對流天氣關(guān)系密切，如鄭棟等[33]發(fā)現(xiàn)北京地區(qū)的閃電(包括地閃和云閃)活動與對流活動區(qū)降水量的相關(guān)系數(shù)達(dá)到0.826，冰雹、雷暴大風(fēng)天氣過程中通常伴有較高比例的正地閃活動[34]；在對流系統(tǒng)快速發(fā)展階段, 閃電頻數(shù)還存在明顯的躍增現(xiàn)象[35]，Schultz 等[36]發(fā)展完善了一個閃電躍增算法監(jiān)測和識別是普通對流還是強對流。

美國已發(fā)展了全國范圍三維雷達(dá)反射率因子拼圖及降水估測系統(tǒng)[37]，其WDSS-II系統(tǒng)可提供美國大陸整個區(qū)域的冰雹識別、風(fēng)暴追蹤和降水估測等產(chǎn)品的拼圖[38]。法國發(fā)展了全國范圍的低層三維風(fēng)場和反射率因子、水平風(fēng)切變識別和拼圖技術(shù)[39-40]；目前我國還缺乏類似美國和法國這些產(chǎn)品的全國拼圖業(yè)務(wù)系統(tǒng)和產(chǎn)品。

我國FY-4號氣象衛(wèi)星、美國GOES-R衛(wèi)星、歐洲MTG衛(wèi)星通道數(shù)將增加到15個左右，能夠?qū)崿F(xiàn)分鐘級的快速掃描，時空分辨率大幅提高，不僅能夠監(jiān)測大氣中的云系和MCS信息，還能夠獲取晴空大氣溫濕廓線以監(jiān)測對流的發(fā)生條件。通過這些監(jiān)測資料不僅可以識別、追蹤MCS，還可以分析對流活動不同發(fā)展階段的特征：對流發(fā)生前的大氣穩(wěn)定度狀態(tài)[41]；對流初生(CI)階段的積云對流狀態(tài)[42-43]；對流成熟階段的紋理特征、上沖云頂特征和微物理特征等[44]。Wisconsin大學(xué)發(fā)展了結(jié)合衛(wèi)星觀測的云頂冷卻率和光學(xué)厚度的CI識別算法，可以提前于雷達(dá)觀測獲得對流風(fēng)暴信息[45-47]；Merk等[48]綜合了SATCAST(Satellite Convection Analysis and Tracking)的5個紅外通道識別標(biāo)準(zhǔn)和Cb-TRAM(Thunderstorm-Cb-Tracking an Monitoring)[49]中的高分辨率可見光通道標(biāo)準(zhǔn)并使用光流法獲取時間變化特征等改進(jìn)CI識別算法；關(guān)于CI的最近研究進(jìn)展可參見文獻(xiàn)[50]。Mecikalski等[51]還定量討論了高層卷云對對流云觀測的影響，Senf等[52]使用MSG衛(wèi)星資料分析了對流風(fēng)暴的云頂亮溫、云頂冷卻率和云頂粒子尺度的演變特征以及與垂直運動的關(guān)系。使用多通道的觀測資料還可以識別MCS的其他云頂特征，如上沖云頂特征等[53-55]。美國GOES-R衛(wèi)星資料試驗場及其試驗產(chǎn)品的概況可參見Goodman 等[56]、Ralph 等[57]和鄭永光等[58]研究成果。

風(fēng)廓線雷達(dá)、GPS(Global Positioning System, 全球定位系統(tǒng))水汽反演和微波輻射計等能夠分別提供高時間分辨率的晴空大氣垂直風(fēng)廓線、大氣可降水量、溫濕廓線等資料，這些資料雖然難以直接監(jiān)測強對流系統(tǒng)和天氣，但可監(jiān)測強對流天氣發(fā)生發(fā)展的前期條件，已在強對流天氣分析預(yù)報中初步展示出了重要作用[59-60]。但我國風(fēng)廓線雷達(dá)和微波輻射計等觀測尚未形成全國性的業(yè)務(wù)化網(wǎng)絡(luò)。

2 強對流天氣機(jī)理和分析技術(shù)

強對流天氣分析的物理基礎(chǔ)是強對流天氣發(fā)生發(fā)展的物理機(jī)理。強對流天氣分析在天氣形勢分析基礎(chǔ)上應(yīng)用配料法進(jìn)行分析，是對強對流天氣的物理條件和結(jié)構(gòu)特征進(jìn)行分析，包括天氣尺度環(huán)境條件和中尺度機(jī)理、配置與結(jié)構(gòu)分析等。Johns等[61]、Doswell[1]、俞小鼎等[3]系統(tǒng)總結(jié)了DMC和不同類型強對流天氣(冰雹、雷暴大風(fēng)、短時強降水和龍卷)發(fā)生發(fā)展的環(huán)境條件、中尺度結(jié)構(gòu)和特征，這些條件和結(jié)構(gòu)特征是目前進(jìn)行強對流天氣預(yù)報的物理基礎(chǔ)，其中，基于雷達(dá)和衛(wèi)星資料等的強對流天氣系統(tǒng)中尺度結(jié)構(gòu)和特征也是強對流天氣監(jiān)測的重要內(nèi)容。

2.1 強對流天氣機(jī)理

強對流天氣系統(tǒng)的中小尺度結(jié)構(gòu)和發(fā)展機(jī)理研究仍是當(dāng)前強對流天氣研究中的難點問題，尤其是觸發(fā)和發(fā)展加強機(jī)制以及小尺度的結(jié)構(gòu)特征仍有待進(jìn)一步研究。邊界層輻合線(鋒面、陣風(fēng)鋒、干線、海陸風(fēng)輻合線等)、地形和海陸分布(山脈抬升、上坡風(fēng)等)、重力波[3，62]等是對流活動的重要觸發(fā)機(jī)制。最近研究也表明，對流系統(tǒng)消散后殘留的邊界層冷池[63]、下墊面摩擦作用產(chǎn)生的水平渦度[16，64-65]等對對流系統(tǒng)的發(fā)展起了重要的觸發(fā)和維持作用。需要說明的是，由海陸分布或地形分布導(dǎo)致的邊界層輻合線(如海風(fēng)鋒)通常比較淺薄，需要與大尺度的上升運動或大氣低層垂直風(fēng)切變或適當(dāng)?shù)拇髿鉄崃l件相配合才能有利于對流系統(tǒng)的發(fā)展和維持。Wilson 等[66]發(fā)現(xiàn)，當(dāng)大氣邊界層的風(fēng)向與輻合線移動方向相反，而邊界層以上的風(fēng)向與輻合線移動方向相同，則對流易于垂直向上發(fā)展，有利于其加強和維持。Chen 等[16]發(fā)現(xiàn)存在向岸低空急流時，沿珠江三角洲海岸線的海陸摩擦差異可明顯增加沿岸的對流發(fā)生頻率，這樣的對流高頻帶在多年的小時強降水資料統(tǒng)計上也有明顯反映[4]。

高架雷暴或高架對流是由邊界層以上空氣抬升觸發(fā)的對流。美國20世紀(jì)90年代以來對其已有較多研究，如Corfidi 等[67]、Wilson等[68]、Horgan 等[69]。近年來我國也有一些關(guān)于高架雷暴的研究，如許愛華等[70]、盛杰等[71]、張一平等[72]。盛杰等[71]的結(jié)果表明，我國高架雷暴伴隨較多的強對流天氣是冰雹和短時強降水天氣。Wilson等[68]發(fā)現(xiàn)2002年美國IHOP試驗期間高架雷暴大多由600～900 hPa的輻合和匯流觸發(fā)；盛杰等[71]給出的我國高架雷暴生成條件是850 hPa和700 hPa的相對濕度超過70%及850 hPa切變線、700 hPa 不低于18 m/s的急流、500 hPa西風(fēng)槽、700 hPa與500 hPa溫差超過16℃等。

短時強降水天氣可以由大陸型對流或熱帶型對流產(chǎn)生，這兩種不同的對流產(chǎn)生的雨強有很大差異。熱帶型對流是高降水效率的系統(tǒng)，其雷達(dá)回波強度為45～50 dBZ左右，但雨強可達(dá)80 mm/h 以上，極易導(dǎo)致災(zāi)害。需要注意的是，熱帶型對流不僅發(fā)生在熱帶海洋，只要發(fā)生對流的環(huán)境條件達(dá)到或接近熱帶海洋大氣條件就可能發(fā)生。據(jù)統(tǒng)計，大氣中可降水量達(dá)到60 mm，則接近20 mm/h以上短時強降水天氣發(fā)生的充分條件；達(dá)到70 mm，則是目前大氣環(huán)境中非常極端的水汽條件[73]，這時大氣非常暖濕，極易發(fā)生熱帶型對流性強降水，如2007年7月18日濟(jì)南極端強降水[3]和2012年7月21日北京和河北極端強降水。

絕大多數(shù)雷暴大風(fēng)是由對流系統(tǒng)內(nèi)強烈下沉氣流(下?lián)舯┝?所導(dǎo)致[61]。需要說明的是，對流系統(tǒng)內(nèi)強烈下沉氣流的產(chǎn)生機(jī)制較復(fù)雜，通常對流層中層或以上有明顯干層、對流層中下層大氣較大溫度遞減率的環(huán)境條件下易于導(dǎo)致強下沉氣流；但高原地區(qū)低層大氣存在干層時(T-lnP圖上呈倒V形的溫濕廓線)的對流活動也能夠?qū)е聫娤鲁翚饬鱗61]，有時甚至?xí)a(chǎn)生干下?lián)舯┝?；在對流層大氣較濕的情況下，強降水的拖曳和蒸發(fā)作用也會導(dǎo)致強下沉氣流(濕下?lián)舯┝?，加以動量下傳作用，是強降水時常伴隨大風(fēng)的直接原因。由于產(chǎn)生大冰雹的環(huán)境條件要求有較大的對流有效位能與合適的零度層高度，因此，要求環(huán)境大氣有較大的溫度遞減率，這既有利于強上升氣流，也有利于強下沉氣流。此外，云中冰相粒子尤其是雪片粒子[74-75]在下落過程中融化、升華吸收環(huán)境大氣大量熱量也非常有利于加強下沉氣流，這些因素是大冰雹天氣通常伴隨大風(fēng)天氣的重要原因，且這類大風(fēng)通常強于強降水所伴隨的大風(fēng)。

龍卷是諸多強對流天氣現(xiàn)象中突發(fā)性相對更強、生命史相對更短、預(yù)報預(yù)警難度更大的一種強對流天氣現(xiàn)象。龍卷通常分為兩類：超級單體龍卷和非超級單體龍卷[76]。Agee等[77-78]進(jìn)一步將龍卷分為超級單體龍卷、線狀對流龍卷和其他類型龍卷3類。通常超級單體龍卷強度較強[77]，但僅有約25%的超級單體能夠產(chǎn)生龍卷[1]；非超級單體龍卷通常由輻合線上的中小尺度渦旋和快速發(fā)展對流風(fēng)暴中的強上升氣流共同作用形成[76]；與下?lián)舯┝飨嗦?lián)系的弓形回波會生成中小尺度的中渦旋(mesovortices)[79]，也能夠發(fā)展為強度達(dá)F4或者EF4級的氣旋式或反氣旋式龍卷[77]。目前僅對超級單體龍卷有可能進(jìn)行有效預(yù)警[3]。F2級及以上超級單體龍卷要求有利于超級單體風(fēng)暴的環(huán)境條件是一定的對流有效位能和強的0～6 km垂直風(fēng)切變，還包括低的抬升凝結(jié)高度和較大的低層(0～1 km)垂直風(fēng)切變[80]。王秀明等[81]給出的我國東北龍卷發(fā)生環(huán)境條件與此存在差異，主要是濕層高度偏低。對于非超級單體龍卷，重點關(guān)注邊界層輻合線上是否有利于小尺度渦旋發(fā)展的條件，包括強水平風(fēng)切變、波動狀彎曲、兩個邊界的碰撞點和快速發(fā)展的對流風(fēng)暴的低層環(huán)流場[76]以及弓形回波附近的γ中尺度渦旋[79]等區(qū)域。

中緯度颮線系統(tǒng)常導(dǎo)致大范圍冰雹、雷暴大風(fēng)天氣，是當(dāng)前強對流天氣業(yè)務(wù)預(yù)報中的關(guān)注重點，且相關(guān)研究較多，但其維持機(jī)理尚未完全清楚。Rotunno 等[82]和Weisman 等[83]通過云模式的理想數(shù)值模擬試驗和對已有觀測研究的再分析，認(rèn)為近地面冷池和低層環(huán)境垂直風(fēng)切變相互作用是颮線發(fā)展、維持的動力和熱動力機(jī)制, 提出了描述颮線發(fā)展傳播的RKW(Rotunno-Klemp-Weisman)理論。Wilson等[68]分析發(fā)現(xiàn)，2002年美國IHOP(International H2O Project)試驗期間對流系統(tǒng)冷池導(dǎo)致的陣風(fēng)鋒是影響對流系統(tǒng)演變的主要機(jī)制，Corfidi[84]提出相對于陣風(fēng)鋒的氣流是決定對流系統(tǒng)傳播的決定性因素之一。使用RKW理論分析華北一次颮線發(fā)展過程中低層垂直風(fēng)切變和冷池的相互作用機(jī)理[85]表明，低層0～3 km風(fēng)切變對颮線的發(fā)展維持最為重要。也有研究[86-87]表明，RKW理論提出的冷池和垂直風(fēng)切變相互作用是超級單體維持的重要因素。RKW理論也受到較多爭議，主要原因是較多強雷暴大風(fēng)個例顯示，環(huán)境垂直風(fēng)切變明顯弱于RKW理論的最優(yōu)條件[2]。Coniglio 等[88]對一次颮線分析表明，該個例垂直風(fēng)切變較0～3 km垂直風(fēng)切變更重要。

2.2 強對流天氣分析技術(shù)

美國在20世紀(jì)70—80年代給出了強對流天氣的天氣尺度和風(fēng)暴尺度分析技術(shù)。中國氣象局國家氣象中心2010年制定了《中尺度天氣分析技術(shù)規(guī)范》并向全國推廣，該規(guī)范以配料法的思路指導(dǎo)強對流天氣分析，但內(nèi)容按照不同的等壓面組織。2013年向全國推廣的新版《中尺度天氣分析技術(shù)規(guī)范》完全按照配料法的思路組織雷暴和不同類型強對流天氣的分析技術(shù)，并簡化了地面和高空分析，增加了探空T-lnP圖分析、基于非常規(guī)資料和中尺度數(shù)值預(yù)報的中尺度系統(tǒng)、結(jié)構(gòu)和發(fā)生條件分析等，具體參見文獻(xiàn)[21，22]。需要說明的是，《中尺度天氣分析技術(shù)規(guī)范》指的是針對中尺度天氣進(jìn)行分析的技術(shù)規(guī)范，目前該規(guī)范中的中尺度天氣指強對流天氣。

基于該分析技術(shù)規(guī)范，中國氣象局國家氣象中心開展了強對流天氣的人工分析業(yè)務(wù)，開發(fā)了相應(yīng)的探空和數(shù)值預(yù)報(包括T639全球模式和GRAPES_MESO區(qū)域模式等)客觀分析診斷技術(shù)和基于網(wǎng)絡(luò)的業(yè)務(wù)支撐系統(tǒng)，配置了分類強對流天氣環(huán)境條件的綜合分析圖；也發(fā)展了針對重點區(qū)域、重點時段的基于快速分析預(yù)報資料和多源觀測資料的中尺度滾動分析技術(shù)和業(yè)務(wù)產(chǎn)品。美國的HWT(災(zāi)害天氣試驗平臺)正在探索如何將對流可分辨的高分辨率數(shù)值模式預(yù)報產(chǎn)品(水平分辨率達(dá)4 km或更高)應(yīng)用于強對流預(yù)報業(yè)務(wù)中[58，89]；中國氣象局國家氣象中心在2014年暖季試驗中，初步試驗了南京大學(xué)4 km 分辨率的WRF和中國氣象局?jǐn)?shù)值預(yù)報中心3 km GRAPES_CR相關(guān)預(yù)報產(chǎn)品；漆梁波[90]則基于一次冰雹個例，探索如何使用對流可分辨的高分辨率數(shù)值模式預(yù)報產(chǎn)品分析強對流天氣。

3 強對流天氣預(yù)報預(yù)警和檢驗技術(shù)

3.1 臨近預(yù)報技術(shù)

目前不同國家和地區(qū)已經(jīng)開發(fā)了多個對流風(fēng)暴和降水短時臨近預(yù)報系統(tǒng)，如美國的ANC(AutoNowcaster)[91]和CoSPA(Consolidated Storm Prediction for Aviation)[92]、澳大利亞與英國共同開發(fā)的STEPS(Short-Term Ensemble Prediction System)[93-94]、加拿大的MAPLE、奧地利的INCA[95]、瑞士的COALITION[96]、香港的SWIRL和SWIRL-II[97]、北京氣象局發(fā)展的BJ-ANC系統(tǒng)[98]、中國氣象科學(xué)研究院的雷電臨近預(yù)警系統(tǒng)[99]、中國氣象局的SWAN、廣東的GRAPES-SWIFT、湖北的MYNOS[100]等(還可參見文獻(xiàn)[3,19,101-102])。

對流風(fēng)暴和降水的0～2 h臨近預(yù)報技術(shù)主要包括外推預(yù)報、經(jīng)驗預(yù)報(或稱為專家預(yù)報，如美國ANC系統(tǒng)[91]、瑞士的COALITION系統(tǒng)[96])、統(tǒng)計預(yù)報[93，103-104]、概率預(yù)報[102，105-110]等方法。Wilson 等[17]認(rèn)為2020年前0～2 h臨近預(yù)報技術(shù)仍主要為外推預(yù)報和經(jīng)驗預(yù)報。

基于天氣雷達(dá)或靜止衛(wèi)星資料的外推技術(shù)可分為基于區(qū)域的外推預(yù)報方法和基于對象的外推預(yù)報方法?；趨^(qū)域的外推預(yù)報方法的代表是TREC[111]和光流法[112-114]，基于對象的外推預(yù)報技術(shù)的代表性方法是SCIT[115-116]和TITAN[117-118]等。

RDT(rapid developing thunderstorms)[119]、Cb-TRAM[49]等是基于靜止衛(wèi)星資料的類似SCIT的對流系統(tǒng)識別、追蹤和外推預(yù)報技術(shù)；Hering等[116]在RDT技術(shù)基礎(chǔ)上發(fā)展了基于雷達(dá)資料的TRT臨近預(yù)報技術(shù)。由于靜止衛(wèi)星能夠觀測積云，因此，靜止衛(wèi)星在識別和臨近預(yù)報CI方面較目前的業(yè)務(wù)多普勒天氣雷達(dá)具有優(yōu)勢。Walker 等[120]基于衛(wèi)星資料和大氣運動矢量發(fā)展了基于對象的0～2 h CI外推預(yù)報技術(shù)；Mecikalski 等[110]聯(lián)合使用衛(wèi)星資料和快速更新RAP模式資料發(fā)展了0～1 h CI概率預(yù)報技術(shù)。

基于閃電數(shù)據(jù)的雷暴識別、追蹤與外推預(yù)報算法也已有較多工作[99，121-123]。Bonelli等[121]、呂偉濤等[99]分別使用了閃電與雷達(dá)數(shù)據(jù)實現(xiàn)半小時或更長時間的外推預(yù)報；周康輝等①周康輝，鄭永光，藍(lán)渝，等.基于閃電數(shù)據(jù)的雷暴識別、追蹤與外推預(yù)報方法.應(yīng)用氣象學(xué)報，2016，待發(fā)表.僅基于地閃數(shù)據(jù),利用密度極大值快速搜索聚類算法實現(xiàn)了雷暴的識別、追蹤與外推預(yù)報。

光流法是計算機(jī)視覺圖形學(xué)中獲取兩幅圖像間場位移的一種傳統(tǒng)的重要方法，其移動矢量一直是計算機(jī)視覺研究中的一個熱點問題；最近已應(yīng)用于對流風(fēng)暴和降水臨近預(yù)報技術(shù)中獲取移動矢量，如香港的SWIRL系統(tǒng)中的ROVER(Real-time Optical flow by Variational methods for Echoes of Radar)技術(shù)[113]。Ruzanski 等[124]發(fā)展的基于區(qū)域的外推預(yù)報方法應(yīng)用空間核函數(shù)方法估計雷達(dá)反射率因子的平流矢量，其估計的矢量類似于光流法得到的平流矢量。除了對TREC矢量使用質(zhì)量守恒約束并用變分法獲得移動矢量外[111，125-126]，CoSPA[92]追蹤3種尺度(單體尺度、多單體尺度、天氣尺度)天氣系統(tǒng)的移動矢量；Wang 等[127]使用多尺度追蹤方法獲取了不同尺度的TREC矢量并得到1個綜合平流矢量；也有研究將TREC矢量同數(shù)值預(yù)報的對流風(fēng)暴引導(dǎo)層風(fēng)矢量相融合獲取平流矢量[111]。

不同尺度天氣系統(tǒng)的可預(yù)報性不同、外推預(yù)報時效不同[93，128]，這是外推臨近預(yù)報需要考慮的重要方面。Germann 等[111]、Radhakrishna等[129]、Surcel等[130]基于雷達(dá)資料具體分析了不同尺度降水系統(tǒng)的外推可預(yù)報性：Germann 等[111]給出了不同降水強度天氣系統(tǒng)外推預(yù)報的技巧評分，展示了不同尺度降水系統(tǒng)的不同外推可預(yù)報性；Radhakrishna等[129]發(fā)現(xiàn)對于250 km以上尺度的降水系統(tǒng)外推預(yù)報時效可達(dá)2 h左右；Surcel 等[130]分析得到了MAPLE系統(tǒng)對β中尺度降水系統(tǒng)的外推預(yù)報時效也大約為2 h。

不同尺度天氣系統(tǒng)的外推可預(yù)報性不同是因為外推預(yù)報技術(shù)不能夠預(yù)報系統(tǒng)生消?；谛l(wèi)星資料的CI臨近預(yù)報能夠進(jìn)一步提高對流風(fēng)暴的臨近預(yù)報時效。COALITION[96]是一個專家預(yù)報系統(tǒng)，它利用雷達(dá)、衛(wèi)星、數(shù)值預(yù)報等多源資料以及閃電氣候特征、地形等因素并采用類似模糊邏輯的方法給出不同預(yù)報方法的權(quán)重和閾值，綜合給出未來60 min雷暴臨近預(yù)報，其中，包含基于衛(wèi)星資料的CI預(yù)報技術(shù)；美國ANC系統(tǒng)中使用邊界層輻合線和模糊邏輯技術(shù)綜合天氣系統(tǒng)的生消等因素使其臨近預(yù)報時效達(dá)2 h[17，68，91]；美國CWF(Convective Weather Forecast)臨近預(yù)報算法[131]綜合應(yīng)用衛(wèi)星、雷達(dá)、地面觀測和數(shù)值預(yù)報資料識別和追蹤對流天氣系統(tǒng)的初生、發(fā)展和消亡等，其預(yù)報時效可達(dá)2 h。

目前同化了雷達(dá)資料的對流尺度高分辨率數(shù)值(集合)模式水平分辨率為1～4 km，稱為對流可分辨(convection allowing)模式，具有預(yù)報對流系統(tǒng)生消的一定能力，在對流風(fēng)暴和降水臨近預(yù)報中已得到較廣泛關(guān)注[18，130，132-133]。Weisman 等[134]指出，盡管無法描述對流尺度(格距1 km以下)的細(xì)節(jié)，采用4 km分辨率和無對流參數(shù)化方案的模式能很好地描述與中緯度颮線系統(tǒng)相聯(lián)系的中尺度對流結(jié)構(gòu)；其主要原因是4 km分辨率模式數(shù)據(jù)已能夠較好地刻畫出對颮線系統(tǒng)發(fā)展非常重要的冷池強度和大小。

需要說明的是，由于資料傳輸和準(zhǔn)備、計算時效等原因，目前及可預(yù)見的未來幾年內(nèi)0～1 h時效高分辨率數(shù)值預(yù)報在實際業(yè)務(wù)中的可用性較低。Migliorini等[133]評估發(fā)現(xiàn)1.5 km水平分辨率的英國氣象局統(tǒng)一模式(Unified Model，UM)集合預(yù)報系統(tǒng)還不能改進(jìn)1 h時效的降水預(yù)報技巧。但Stensrud 等[132]預(yù)計同化了雷達(dá)等高時空分辨率觀測資料的對流尺度Warn-on-Forecast(基于數(shù)值預(yù)報的預(yù)警)數(shù)值預(yù)報系統(tǒng)在2020年左右將能夠提供90 min預(yù)報時效的強對流預(yù)警信息。

由于臨近預(yù)報具有一定的不確定性，因此，概率預(yù)報技術(shù)也在臨近預(yù)報中得到了較為廣泛的應(yīng)用。如加拿大MAPLE系統(tǒng)基于外推預(yù)報和任一點鄰域空間分布的分級降水臨近概率預(yù)報技術(shù)[105]，Megenhardt 等[106]、Kober 等[108]也使用了這一臨近概率預(yù)報技術(shù)；美國NOAA基于雷達(dá)、閃電、衛(wèi)星、降水、NAM(北美中尺度模式)數(shù)值預(yù)報等資料使用統(tǒng)計回歸方法發(fā)展了0～3 h累積定量降水臨近概率預(yù)報技術(shù)[107]；Mecikalski 等[110]使用Logistic回歸和人工智能Random Forest(隨機(jī)森林)等方法發(fā)展了基于衛(wèi)星資料和數(shù)值模式資料的CI臨近概率預(yù)報技術(shù)。

總體來看，目前臨近預(yù)報技術(shù)的預(yù)報對象主要是對流風(fēng)暴、雷電和降水，針對分類強對流天氣的臨近預(yù)報技術(shù)還存在較多不足；冰雹、雷暴大風(fēng)、龍卷和短時強降水這些強對流天氣的臨近預(yù)報預(yù)警主要綜合對流風(fēng)暴和降水臨近預(yù)報、強對流天氣識別和實況觀測進(jìn)行。如前所述，基于自動氣象站、天氣和風(fēng)廓線雷達(dá)等觀測資料和高分辨率數(shù)值預(yù)報資料，應(yīng)用不同類型強對流天氣發(fā)生發(fā)展環(huán)境條件和中尺度機(jī)理的對流天氣分析和預(yù)報產(chǎn)品，可在臨近預(yù)報技術(shù)和業(yè)務(wù)中發(fā)揮重要作用[3，19，58，90]。

3.2 短時預(yù)報技術(shù)

由于外推預(yù)報時效僅為1～2 h，強對流天氣的短時預(yù)報更多依賴于快速更新的數(shù)值模式系統(tǒng)或高時空分辨率中尺度數(shù)值模式集合預(yù)報系統(tǒng)?？焖俑赂邥r空分辨率中尺度數(shù)值模式，如美國的HRRR和RAP、英國的UM、法國的AROME(Application of Research to Operations at Mesoscale Model)、德國的COSMO-DE(德國氣象局小尺度模式聯(lián)合體)、我國的BJ_RUC和GRAPES_RAFS等[3，19，90，135]。高分辨率中尺度數(shù)值模式集合預(yù)報系統(tǒng)，如美國CAPS的風(fēng)暴尺度集合預(yù)報SSEF(Storm Scale Ensemble Forecast System)、美國SPC的SSEO (Storm-Scale Ensemble of Opportunity)、英國的UM集合預(yù)報系統(tǒng)等。美國CAPS SSEF采用不同的初始場擾動和物理方案擾動，水平格距為4 km，對超級單體、颮線等具有一定的可預(yù)報性；美國SPC的SSEO是7個成員的水平分辨率1 km 對流可分辨數(shù)值模式預(yù)報組成的集合預(yù)報。

目前，客觀降水短時預(yù)報技術(shù)的主要思路是將外推預(yù)報和高分辨率數(shù)值預(yù)報結(jié)果相融合[3，17，128]：1～3 h預(yù)報需要融合雷達(dá)外推和數(shù)值預(yù)報，3～6 h預(yù)報以數(shù)值預(yù)報為主[3]，而6～12 h幾乎完全依賴于數(shù)值預(yù)報或利用統(tǒng)計等后處理手段對其訂正和釋用。英國的NIMROD(Nowcasting and Initialization for Modeling Using Regional Observation Data System)系統(tǒng)[136]是最先應(yīng)用融合預(yù)報技術(shù)的短時臨近預(yù)報系統(tǒng)。

目前針對雷達(dá)回波和降水外推預(yù)報與數(shù)值預(yù)報相融合的預(yù)報方法主要有3類：加權(quán)平均法[136]、趨勢調(diào)整法[17]和ARMOR (Adjustment of Rain from Models with Radar data)方法[3，19，114，137]。加權(quán)平均法[136]，預(yù)報值為雷達(dá)外推和數(shù)值模式預(yù)報結(jié)果的加權(quán)平均，其權(quán)重系數(shù)根據(jù)外推預(yù)報和模式預(yù)報精度與預(yù)報時間的統(tǒng)計關(guān)系確定。趨勢調(diào)整法[17]，利用模式預(yù)報的降水區(qū)域和強度變化趨勢信息，對雷達(dá)外推的降水范圍和強度進(jìn)行訂正，以獲取最終的預(yù)報。ARMOR方法[3，19，114，137]，首先利用當(dāng)前雷達(dá)觀測分析模式預(yù)報的降水位置和強度誤差，并導(dǎo)出誤差的時間變化趨勢，然后利用估計的誤差趨勢對模式預(yù)報的降水和強度誤差進(jìn)行修正。其中，加權(quán)平均法和ARMOR方法以及這兩種方法的結(jié)合得到了較為廣泛的應(yīng)用，如STEPS[94]、加拿大的MAPLE[137]、美國的NIWOT[17]和CoSPA[92]、奧地利的INCA系統(tǒng)[95]、香港的RAPIDS[114]、程叢蘭等[114]針對京津冀的融合預(yù)報試驗等。Wang 等[138]通過多尺度追蹤方法獲得的外推預(yù)報和ARPS(Advanced Regional Prediction System)模式預(yù)報使用加權(quán)平均法和趨勢調(diào)整法進(jìn)行0～2 h融合預(yù)報對流風(fēng)暴試驗，發(fā)現(xiàn)0～50 min外推預(yù)報優(yōu)于ARPS模式預(yù)報，50～120 min融合預(yù)報顯著優(yōu)于外推預(yù)報和ARPS模式預(yù)報。STEPS[94]系統(tǒng)通過加權(quán)平均技術(shù)融合臨近預(yù)報與降尺度的數(shù)值模式預(yù)報生成短時概率降水預(yù)報產(chǎn)品。Kober 等[108]、Scheufele 等[109]則將基于雷達(dá)資料的臨近概率降水預(yù)報和基于德國對流尺度高分辨率或時間滯后集合數(shù)值模式預(yù)報的概率預(yù)報加權(quán)平均融合，生成短時概率降水預(yù)報產(chǎn)品。

已有研究[18，89，132，139-140]表明，同化經(jīng)過嚴(yán)格質(zhì)量控制的多普勒天氣雷達(dá)反射率因子和徑向速度資料，數(shù)值模式(集合)預(yù)報可明顯提高對流風(fēng)暴和定量降水的預(yù)報水平。Kain 等[139]評估了美國CAPS同化了雷達(dá)資料的高分辨率數(shù)值模式的預(yù)報性能，結(jié)果表明：其0～6 h預(yù)報性能高于未同化雷達(dá)資料的數(shù)值預(yù)報，尤其3～6 h預(yù)報性能改進(jìn)最為顯著；Surcel 等[130]基于MAPLE的外推預(yù)報和美國CAPS的SSEF系統(tǒng)集合預(yù)報給出了不同尺度降水天氣系統(tǒng)的可預(yù)報性，結(jié)果表明：SSEF系統(tǒng)對不同尺度天氣系統(tǒng)的可預(yù)報性明顯優(yōu)于其他數(shù)值預(yù)報，且對0～6 h時效γ 中尺度和β中尺度降水系統(tǒng)具有一定的可預(yù)報性，但存在系統(tǒng)性偏差。

雖然可以通過外推預(yù)報與數(shù)值預(yù)報相融合的預(yù)報技術(shù)進(jìn)行定量降水和對流風(fēng)暴的短時(概率)預(yù)報，但目前還沒有直接針對冰雹、龍卷、雷暴大風(fēng)等天氣的融合短時預(yù)報技術(shù)，這些天氣的短時預(yù)報主要依賴高分辨率數(shù)值預(yù)報資料的對流天氣環(huán)境條件分析和基于中小尺度機(jī)理的客觀預(yù)報產(chǎn)品，也就是依賴對流可分辨的高分辨率數(shù)值模式(包括集合預(yù)報系統(tǒng))產(chǎn)品后處理。雷蕾等[141]基于中尺度數(shù)值模式快速循環(huán)系統(tǒng)(BJ_RUC)進(jìn)行了強對流天氣分類概率預(yù)報試驗，其使用的就是BJ_RUC模式快速更新預(yù)報的不同類型強對流天氣的環(huán)境條件參數(shù)。如前所述，美國正在探索從對流風(fēng)暴的中尺度結(jié)構(gòu)和發(fā)展機(jī)理方面如何應(yīng)用對流可分辨的高分辨率數(shù)值模式(集合)預(yù)報產(chǎn)品進(jìn)行強對流分類預(yù)報[58,89]。為了獲取尺度小、變化快的天氣系統(tǒng)在模式中的反映，Kain 等[140]從模式預(yù)報的每個時間步的物理量場輸出逐小時時段內(nèi)的每1個格點的物理量最大值，由此生成的二維格點場稱為逐時最大場。美國SPC春季試驗發(fā)現(xiàn)，有6個逐時最大場與模式中對流風(fēng)暴強度關(guān)系密切，是模式中風(fēng)暴強度的直接表征：最大上升氣流、3～6 km高度之間的最大下沉氣流速度、表征對流強度的地面上空1 km高度的最大反射率因子、最大上升氣流螺旋度、最大地面10 m風(fēng)速、最大垂直積分霰[89]。

但目前使用對流可分辨的高分辨率數(shù)值模式進(jìn)行對流性降水短時預(yù)報還面臨較多挑戰(zhàn)，Sun 等[18]提出的挑戰(zhàn)包括對流性降水天氣系統(tǒng)的可預(yù)報性研究、中尺度觀測網(wǎng)的改進(jìn)、資料同化技術(shù)和快速更新數(shù)值模式的改進(jìn)等。漆梁波[90]提出高分辨率模式預(yù)報產(chǎn)品業(yè)務(wù)應(yīng)用中的可能問題，包括高分辨率模式的性能問題、正確認(rèn)識模式的分辨率問題、高分辨率模式產(chǎn)品的系統(tǒng)誤差和適用性問題、快速同化更新技術(shù)問題等。此外，從美國SPC春季試驗結(jié)果看，目前對流可分辨的高分辨率數(shù)值模式能夠直接預(yù)報并通過后處理預(yù)報分類強對流天氣的能力較為有限，還不能完全滿足預(yù)報業(yè)務(wù)需求。

3.3 短期預(yù)報技術(shù)

強對流天氣的短期預(yù)報主要從其發(fā)生發(fā)展機(jī)理和所依賴的環(huán)境條件出發(fā)，根據(jù)不同的診斷物理量對不同類型強對流天氣的指示意義，進(jìn)行分類強對流天氣預(yù)報[1，6，61，141-143]，也就是現(xiàn)在廣泛應(yīng)用的配料法。但需要說明的是，由于受對流天氣時空尺度較小、分布較不連續(xù)的特點和可預(yù)報性的限制，還不能完全做出類似溫度等要素預(yù)報的強對流短期預(yù)報，因此，概率預(yù)報或危險等級預(yù)報是短期強對流預(yù)報的發(fā)展方向，如前所述，美國SPC已經(jīng)開展了分類強對流天氣的危險等級預(yù)報和短期概率預(yù)報業(yè)務(wù)。不同類型強對流天氣及其發(fā)生發(fā)展所需環(huán)境條件的氣候分布特征是制作分類強對流預(yù)報的重要基礎(chǔ)工作，已開展了大量研究[73，143-144]。

由于強對流天氣的發(fā)生發(fā)展需要多方面的物理條件，且不同類型強對流天氣的不同物理量統(tǒng)計結(jié)果表明，不可能找到一個完全明確的、單一物理量閾值表征該類天氣發(fā)生發(fā)展的物理條件[73，144]，因此，類似模糊邏輯這些能夠綜合應(yīng)用代表不同物理條件的多個物理量的技術(shù)方法，是當(dāng)前強對流天氣預(yù)報技術(shù)研究的重要方面。如李耀東等[145]利用綜合指標(biāo)疊套方法開展了強對流天氣落區(qū)預(yù)報試驗，Lakshmanan 等[146]通過遺傳算法實現(xiàn)了自動短時臨近預(yù)報系統(tǒng)中的物理量自動選擇，并成功應(yīng)用于雷暴天氣的預(yù)報。

應(yīng)用模糊邏輯方法的分類強對流天氣預(yù)報技術(shù)，一般基于探空資料或數(shù)值模式預(yù)報資料，通過挑選對不同類型強對流天氣具有指示意義的物理量、根據(jù)歷史個例的統(tǒng)計結(jié)果分別構(gòu)建獨立隸屬函數(shù)，并賦予不同物理量不同的權(quán)重，給出最終的綜合預(yù)報結(jié)果。需要指出的是，模糊邏輯方法只是一種數(shù)學(xué)處理方法，配料法才是物理基礎(chǔ)，即首先要正確選取能夠代表強對流天氣發(fā)生發(fā)展物理條件的天氣學(xué)要素和物理量；其次才是通過客觀的統(tǒng)計分析方法，合理構(gòu)建模糊邏輯中各成員的隸屬函數(shù)?；谠摲椒ǎ琇in 等[147]、Kuk 等[148]分別構(gòu)建了中國臺灣北部、韓國的雷電客觀預(yù)報技術(shù)。雷蕾等[141]基于BJ_RUC的強對流天氣分類概率預(yù)報試驗技術(shù)應(yīng)用的就是模糊邏輯方法。

基于集合數(shù)值預(yù)報的強對流短期(概率)預(yù)報技術(shù)是當(dāng)前預(yù)報技術(shù)的重要發(fā)展方向。美國SPC經(jīng)歷了十幾年的發(fā)展已建立了比較完整的、基于多尺度數(shù)值集合預(yù)報的強對流分類預(yù)報產(chǎn)品體系。美國NCEP的全球集合預(yù)報系統(tǒng)GEFS (Global Ensemble Forecast System)主要為SPC 3～8 d的對流天氣預(yù)報提供數(shù)值預(yù)報依據(jù)[149]。美國NCEP短期集合預(yù)報系統(tǒng)SREF(Short Range Ensemble Forecast)是目前支持SPC強對流短期預(yù)報業(yè)務(wù)的最重要的模式，其產(chǎn)品主要有各種強對流指數(shù)的聯(lián)合概率和各種分類強對流指數(shù)的閾值概率產(chǎn)品。

3.4 預(yù)報檢驗技術(shù)

預(yù)報檢驗是天氣預(yù)報業(yè)務(wù)和技術(shù)發(fā)展的重要一環(huán)，其目的是給出預(yù)報與實況之間一致性和差異程度及可能原因。不同的預(yù)報檢驗需求所要求的檢驗技術(shù)不同，常規(guī)與非常規(guī)的觀測資料是天氣預(yù)報檢驗的基礎(chǔ)，目前強對流天氣預(yù)報檢驗面臨的一個難點是地面觀測實況資料的匱乏。

傳統(tǒng)的強對流天氣確定性預(yù)報檢驗方法是基于站點觀測或目擊者報告的、通過二維列聯(lián)表計算得到的檢驗指標(biāo)，如TS評分、命中率、虛警率等，美國SPC采用直觀的預(yù)報檢驗圖形展示這些檢驗指標(biāo)之間的關(guān)系[150]。但這些指標(biāo)對于極端天氣預(yù)報來說有明顯的缺陷，當(dāng)事件發(fā)生概率偏低時，TS評分、命中率等指標(biāo)趨近于零。除了這些傳統(tǒng)檢驗指標(biāo)外，Casati 等[151]總結(jié)了不同的預(yù)報檢驗方法，包括空間檢驗方法[152]、概率預(yù)報和集合預(yù)報檢驗方法、極端事件檢驗方法等。Brown[153]將空間檢驗方法總結(jié)為4類：第1類為鄰域空間檢驗方法(也稱為模糊檢驗)，第2類為尺度分離檢驗方法，第3類為場變形信息(度量預(yù)報場與實況場之間總體的變形、位移或相位誤差等)檢驗，第4類為基于對象或者特征檢驗方法。

強對流天氣空間分布通常具有分散性、不連續(xù)性等特點，即局地性特點，且通常持續(xù)時間短，因此，傳統(tǒng)的點對點檢驗方法易于導(dǎo)致雙重懲罰，尤其對于高時空分辨率的數(shù)值預(yù)報或者臨近預(yù)警。目前基于鄰域(一定的半徑范圍)的檢驗方法[154]在降水和強對流天氣預(yù)報檢驗中得到了較為廣泛的應(yīng)用，該方法是空間檢驗方法的一種[151，153-154]，又稱為模糊檢驗方法。美國SPC[150，155-156]和中國氣象局國家氣象中心強天氣預(yù)報中心[157]對主觀確定性預(yù)報產(chǎn)品的檢驗主要采用點對面(即評分站點上的預(yù)報與對應(yīng)的半徑40 km圓內(nèi)出現(xiàn)的實況比對)的TS評分方法，檢驗指標(biāo)為TS評分、漏報率、空報率等。

基于對象或者特征的強對流預(yù)報檢驗也是空間檢驗方法的一種，目前已得到了較為廣泛的應(yīng)用。Davis 等[158]首先發(fā)展了對于模式降水預(yù)報的對象檢驗方法，檢驗的屬性包括強度、面積、質(zhì)心、夾角、長短軸比、曲率等，并發(fā)展了MODE軟件包。戴建華等[159]采用對比預(yù)報與實際的強對流天氣目標(biāo)之強度、面積、空間距離、形態(tài)和相似度等評價指標(biāo)，建立包括格點型、站點型和概率型的強對流預(yù)報檢驗方法、預(yù)報檢驗指標(biāo)調(diào)整與合成方法，以實現(xiàn)對強對流短臨預(yù)報的綜合檢驗和評價。

概率預(yù)報和集合預(yù)報檢驗不同于確定性預(yù)報檢驗，包括Brier評分、Brier技巧評分、可靠性、可分辨性、等級直方圖(Rank histogram)、ROC(接收者操作特征)檢驗[151]等。

美國開發(fā)試驗平臺中心(DTC)開發(fā)了數(shù)值模式測試、檢驗、評價工具箱MET(Model Evaluation Tools)，該工具箱可以提供確定性預(yù)報檢驗、概率預(yù)報檢驗和基于對象的檢驗等技術(shù)方法，MET工具箱包含了MODE軟件包[57]。

4 未來展望

除了常規(guī)地面觀測和重要天氣報外，經(jīng)過質(zhì)量控制的目擊者或氣象信息員報告將是提供更高時空分辨率強對流天氣實況監(jiān)測的重要直接來源，而經(jīng)過質(zhì)量控制的互聯(lián)網(wǎng)提供的強對流天氣信息將是天氣實況監(jiān)測有力補充。未來我國布網(wǎng)建設(shè)的雙偏振多普勒天氣雷達(dá)觀測能夠進(jìn)一步提高對對流系統(tǒng)中降水粒子的相態(tài)識別能力，從而提高對冰雹天氣的監(jiān)測能力和定量降水估測精度；而目前正在試驗的相控陣多普勒天氣雷達(dá)展示出的快速掃描能力，也將在未來提供更高時空分辨率的雷達(dá)資料進(jìn)一步提高監(jiān)測強對流天氣系統(tǒng)的精細(xì)結(jié)構(gòu)的能力。下一代靜止氣象衛(wèi)星的更多通道觀測資料和閃電觀測資料、地基全閃(包括云閃和地閃)定位網(wǎng)的發(fā)展和建設(shè)將進(jìn)一步提高對初生對流的監(jiān)測能力。目前的遙感觀測網(wǎng)對晴空大氣狀態(tài)探測能力存在較大不足，下一代靜止氣象衛(wèi)星和微波輻射計探測的垂直溫濕廓線資料、風(fēng)廓線雷達(dá)探測的垂直風(fēng)廓線資料等高時空分辨率晴空大氣(組網(wǎng))探測資料結(jié)合飛機(jī)AMDAR(航空器氣象資料下傳)資料、雷達(dá)VAD風(fēng)廓線資料將提供更多用于分析預(yù)報強對流天氣發(fā)生發(fā)展前期條件的探測數(shù)據(jù)。

目前我國地面自動氣象站觀測網(wǎng)、多普勒天氣雷達(dá)網(wǎng)雖已在強對流天氣研究和業(yè)務(wù)中發(fā)揮了極其重要的作用，但極小部分?jǐn)?shù)據(jù)質(zhì)量存在一些問題，需要綜合應(yīng)用包括閃電、衛(wèi)星觀測等的多源探測資料進(jìn)一步提高這些資料的質(zhì)量水平，并需要進(jìn)一步發(fā)揮稠密地面自動氣象站網(wǎng)在地面濕度和風(fēng)場觀測方面的優(yōu)勢。我國還需要大力發(fā)展基于多普勒天氣雷達(dá)數(shù)據(jù)的、全國三維數(shù)據(jù)和導(dǎo)出產(chǎn)品拼圖業(yè)務(wù)系統(tǒng)和產(chǎn)品，以提高對全國強對流天氣的監(jiān)測能力。目前我國綜合多源觀測資料的分類強對流天氣和對流風(fēng)暴的強度監(jiān)測(如文獻(xiàn)[28])還存在較大不足，尤其冰雹和雷暴大風(fēng)監(jiān)測更多依靠常規(guī)觀測站和重要天氣報資料，需要充分利用雷達(dá)、目擊或氣象信息員、自動氣象站、閃電等多源觀測資料進(jìn)行短時強降水、冰雹、雷暴大風(fēng)等天氣和對流風(fēng)暴的質(zhì)量控制和分強度等級綜合判識，以提高強對流監(jiān)測的時空分辨率和可靠性，并生成高質(zhì)量的綜合監(jiān)測格點數(shù)據(jù)。此外，在對流天氣和對流風(fēng)暴的極端性(包括極端強度、持續(xù)時間和空間分布等)監(jiān)測方面也需要結(jié)合歷史氣候資料開發(fā)相應(yīng)的技術(shù)和產(chǎn)品為該類天氣的預(yù)報預(yù)警提供監(jiān)測數(shù)據(jù)基礎(chǔ)。

認(rèn)識強對流天氣的系統(tǒng)結(jié)構(gòu)和發(fā)生發(fā)展規(guī)律是強對流天氣分析預(yù)報預(yù)警的物理基礎(chǔ)。目前對強對流天氣發(fā)生發(fā)展機(jī)理的認(rèn)識逐漸從β中尺度向γ中尺度甚至小尺度發(fā)展，如已經(jīng)認(rèn)識到尺度只有幾公里的中渦旋在弓形回波系統(tǒng)中對地面大風(fēng)和非中氣旋龍卷產(chǎn)生的重要作用[65，79]。由于強對流天氣的發(fā)生發(fā)展受到較多中小尺度復(fù)雜因素的影響，如地形分布、地面摩擦[16，64-65]、消亡對流的殘留冷池[63]等，因此，需要充分認(rèn)識到強對流天氣發(fā)生發(fā)展精細(xì)機(jī)理和不同尺度系統(tǒng)之間相互作用的復(fù)雜性。目前，對我國不同類型中尺度系統(tǒng)的空間結(jié)構(gòu)、要素配置和物理演變過程的精細(xì)規(guī)律認(rèn)識和理解還存在較多不足，極端性強對流天氣、強颮線、弱天氣強迫下和復(fù)雜地形區(qū)域強對流天氣等的觸發(fā)和維持機(jī)制研究需要進(jìn)一步加強和深入；綜合多源觀測資料的中尺度滾動分析技術(shù)和業(yè)務(wù)產(chǎn)品有待進(jìn)一步深入和發(fā)展，如基于風(fēng)廓線雷達(dá)觀測產(chǎn)品的分析技術(shù)、針對強颮線和極端性對流天氣的分析產(chǎn)品等；基于對流可分辨的高分辨率數(shù)值模式的客觀綜合分析產(chǎn)品有待進(jìn)一步試驗和研究，如基于該類模式預(yù)報產(chǎn)品判識對流系統(tǒng)和對流天氣的類型和強度等級等，以進(jìn)一步修訂和完善《中尺度天氣分析技術(shù)規(guī)范》。

強對流臨近預(yù)報外推技術(shù)雖已較成熟，但目前對流系統(tǒng)的生消和發(fā)展預(yù)報還存在較大不足。在分類強對流天氣和對流風(fēng)暴綜合監(jiān)測技術(shù)基礎(chǔ)上，利用模糊邏輯或隨機(jī)森林等方法發(fā)展和完善基于多源資料的多尺度(多閾值)自適應(yīng)對流天氣系統(tǒng)的綜合識別、追蹤和外推(概率)預(yù)報技術(shù)是分類強對流天氣識別和分等級臨近預(yù)報技術(shù)發(fā)展的主要方向，結(jié)合高分辨率數(shù)值預(yù)報等其他資料發(fā)展完善對流系統(tǒng)的初生、增長、衰減和消亡的概率預(yù)報技術(shù)是臨近預(yù)報發(fā)展的重要方面。新一代靜止氣象衛(wèi)星的快速掃描多通道資料、閃電成像儀觀測資料結(jié)合高時空分辨率的地面自動氣象站等其他觀測資料，在對流初生臨近預(yù)報方面將發(fā)揮重要作用。

基于高分辨率數(shù)值預(yù)報以及融合預(yù)報技術(shù)的強對流天氣的短時預(yù)報技術(shù)雖取得了一定進(jìn)展，但還僅處于試驗階段。雖然對流可分辨的高分辨率數(shù)值模式及其快速更新同化技術(shù)已取得了重大進(jìn)展，但并非僅僅提高數(shù)值模式分辨率和發(fā)展同化技術(shù)就能夠提高模式的預(yù)報能力，還需要考慮不同尺度天氣系統(tǒng)的可預(yù)報性、模式框架本身性能的改進(jìn)、不同物理過程的參數(shù)化等方面的問題以進(jìn)一步改進(jìn)這些模式的預(yù)報性能。對流可分辨的高分辨率數(shù)值(集合)預(yù)報的應(yīng)用需要針對不同尺度天氣系統(tǒng)的可預(yù)報性開展相關(guān)工作，也需要采用類似美國Testbed的運行機(jī)制對這些預(yù)報產(chǎn)品進(jìn)行業(yè)務(wù)應(yīng)用試驗和評估。發(fā)展多源資料的同化技術(shù)、提高高分辨率數(shù)值模式的(集合)預(yù)報水平是分類強對流天氣短時(概率)預(yù)報技術(shù)的模式基礎(chǔ)[18，58]；發(fā)展調(diào)整模式預(yù)報對流系統(tǒng)相位的多尺度分析技術(shù)、加權(quán)平均法與ARMOR法相結(jié)合的融合預(yù)報技術(shù)是短時預(yù)報技術(shù)發(fā)展的重要方面。

分類強對流天氣短期預(yù)報的準(zhǔn)確率在穩(wěn)步增長[155-156]，但不同等級的強對流天氣以及具有高影響性的極端強對流天氣(如強颮線或超級單體導(dǎo)致的大冰雹和極端雷暴大風(fēng)天氣、極端短時強降水天氣)預(yù)報的精細(xì)化方面還存在較大不足。因此，需要在強對流天氣發(fā)生發(fā)展機(jī)理基礎(chǔ)上，利用更高分辨率的監(jiān)測和分析資料，結(jié)合歷史個例綜合統(tǒng)計不同強度和極端強度的分類強對流天氣的多物理量分布和結(jié)構(gòu)特征，應(yīng)用模糊邏輯等方法，利用高分辨率數(shù)值(集合)預(yù)報，發(fā)展不同等級的分類強對流天氣概率預(yù)報和風(fēng)險等級預(yù)報技術(shù)，包括極端性強對流天氣的預(yù)報技術(shù)。雖然時效越長預(yù)報結(jié)果的不確定性越大，但美國SPC的業(yè)務(wù)預(yù)報表明，在全球集合預(yù)報系統(tǒng)基礎(chǔ)上發(fā)展3～8 d的中期強對流天氣概率預(yù)報具有一定可行性。不過需要指出的是，預(yù)報時效越長，所能夠預(yù)報的天氣系統(tǒng)尺度越大、預(yù)報的精細(xì)化程度和準(zhǔn)確率相對越低。

在強對流天氣客觀預(yù)報技術(shù)基礎(chǔ)上，通過強對流天氣分析，發(fā)揮預(yù)報員對于強對流天氣物理規(guī)律和數(shù)值模式預(yù)報性能的認(rèn)識和主觀能動性，不斷提高預(yù)報準(zhǔn)確率和精細(xì)化水平是強對流天氣業(yè)務(wù)預(yù)報發(fā)展的持續(xù)追求。中國氣象局國家氣象中心已提出在提高天氣預(yù)報準(zhǔn)確率基礎(chǔ)上，逐步發(fā)展天氣影響預(yù)報。強對流天氣業(yè)務(wù)預(yù)報更需要關(guān)注和提高類似2009年6月3日河南強對流天氣、2012年7月21日北京極端強降水、2015年4月28日江蘇和上海等極端性強對流天氣的預(yù)報水平及其造成的影響預(yù)報。此外，方便快捷、功能強大的網(wǎng)絡(luò)綜合應(yīng)用業(yè)務(wù)平臺和交互綜合應(yīng)用業(yè)務(wù)平臺是提高強對流天氣業(yè)務(wù)預(yù)報水平的重要方面。

強對流天氣預(yù)報傳統(tǒng)檢驗，如基于站點觀測的TS評分、空報率等雖存在較多缺陷，但依然是檢驗技術(shù)的重要方面。在綜合多源資料的強對流天氣實況站點和格點監(jiān)測產(chǎn)品數(shù)據(jù)基礎(chǔ)上，需要繼續(xù)完善現(xiàn)有的基于鄰域(一定的半徑范圍)的強對流天氣檢驗技術(shù)，如重新評估定義適用于我國的評分站覆蓋區(qū)域的半徑大小。對于短時臨近預(yù)報，更需要綜合應(yīng)用基于對象的空間檢驗技術(shù)，實現(xiàn)對對流預(yù)報落區(qū)形態(tài)、位移及強度的定量檢驗，給出強對流預(yù)報的綜合檢驗和評價。發(fā)展和完善強對流天氣或罕見天氣事件預(yù)報技巧檢驗也是檢驗技術(shù)發(fā)展的一個重要方向，如Hitchens 等[156]發(fā)展了相對于基于天氣實況的業(yè)務(wù)完美(practically perfect)預(yù)報的對流天氣預(yù)報技巧檢驗技術(shù)。不同尺度天氣系統(tǒng)的不同時效可預(yù)報性不同，因此，對于不同時效的預(yù)報所采用的檢驗方法也應(yīng)不同。

5 小 結(jié)

強對流天氣監(jiān)測和機(jī)理研究是其預(yù)報的基礎(chǔ)，而分析是預(yù)報的必要手段和過程。目前強對流天氣監(jiān)測、預(yù)報、預(yù)警技術(shù)和業(yè)務(wù)水平已較文獻(xiàn)[3,19]給出的技術(shù)水平顯著提升。對流系統(tǒng)強度識別、對流初生和天氣類型識別等監(jiān)測技術(shù)取得新進(jìn)展，基于多源資料的綜合監(jiān)測技術(shù)已應(yīng)用于中國氣象局中央氣象臺業(yè)務(wù)。弓形回波上中渦旋、對流系統(tǒng)觸發(fā)和發(fā)展機(jī)制等方面獲得了新認(rèn)識，分類強對流天氣及其環(huán)境條件的統(tǒng)計氣候特征及其分析規(guī)范與業(yè)務(wù)網(wǎng)站產(chǎn)品等為我國業(yè)務(wù)預(yù)報提供了基礎(chǔ)和技術(shù)支撐?；诠饬鞣ê投喑叨茸粉櫦夹g(shù)以及綜合應(yīng)用氣候、地形等因素和多源資料的臨近(概率)預(yù)報技術(shù)等進(jìn)展顯著；加權(quán)平均法與ARMOR方法的融合短時預(yù)報技術(shù)得到了廣泛應(yīng)用，對流可分辨的高分辨率數(shù)值(集合)預(yù)報及其后處理技術(shù)的短時(概率)預(yù)報試驗和基于數(shù)值(集合)預(yù)報應(yīng)用邏輯方法的分類強對流天氣短期預(yù)報技術(shù)取得了顯著成效；概率和集合預(yù)報檢驗、模糊檢驗方法和基于對象的檢驗等技術(shù)方法和軟件為評價業(yè)務(wù)預(yù)報和數(shù)值預(yù)報提供了有力的工具。

質(zhì)量控制技術(shù)、基于新探測資料的監(jiān)測產(chǎn)品開發(fā)和基于多源資料的綜合監(jiān)測技術(shù)是強對流天氣監(jiān)測技術(shù)發(fā)展完善的主要內(nèi)容。強對流天氣發(fā)生發(fā)展精細(xì)機(jī)理和不同尺度系統(tǒng)之間的相互作用有待進(jìn)一步深入研究，需要繼續(xù)進(jìn)行不同強度等級、分類強對流天氣的高時空分辨率多物理量與結(jié)構(gòu)特征統(tǒng)計和發(fā)展基于對流可分辨的高分辨率數(shù)值預(yù)報的客觀綜合分析產(chǎn)品，以進(jìn)一步完善強對流天氣分析規(guī)范和技術(shù)。

不同尺度天氣系統(tǒng)的不同可預(yù)報性決定了不同時效的強對流天氣預(yù)報技術(shù)不同?；诙嘣促Y料的多尺度自適應(yīng)臨近預(yù)報技術(shù)、發(fā)展完善利用模糊邏輯等方法的基于對流可分辨的高分辨率數(shù)值(集合)預(yù)報的(概率)預(yù)報技術(shù)和進(jìn)一步發(fā)展融合預(yù)報技術(shù)仍是未來發(fā)展不同強度等級、分類強對流天氣包括極端天氣的精細(xì)化(概率)預(yù)報技術(shù)的主要內(nèi)容；對流可分辨的高分辨率數(shù)值(集合)預(yù)報是發(fā)展強對流天氣精細(xì)化(概率)預(yù)報的重要核心技術(shù)支撐；概率預(yù)報技術(shù)、極端性強對流天氣的監(jiān)測分析和預(yù)報預(yù)警技術(shù)是未來發(fā)展的重要方面；而影響預(yù)報是強對流天氣預(yù)報的重要延伸，預(yù)報檢驗技術(shù)是發(fā)展強對流天氣預(yù)報技術(shù)不可或缺的內(nèi)容。需要指出的是，對流系統(tǒng)的初生、發(fā)展、衰減和消亡預(yù)報以及對流天氣的精細(xì)化預(yù)報(包括時空分布、強度和極端性等)依然是強對流預(yù)報的難點，由強對流天氣系統(tǒng)的尺度和結(jié)構(gòu)特點所決定。

致 謝：感謝北京大學(xué)陶祖鈺教授、中國氣象局干部培訓(xùn)學(xué)院俞小鼎教授、國家氣象中心金榮花研究員提供了建議,感謝國家氣象中心劉鑫華、周曉霞、方翀等提供了相關(guān)素材。

[1] Doswell III C A.Severe Convective Storms.Meteor Monogr,Amer Meteor Soc,2001,28(50):1-525.

[2] Markowski P,Richardson Y.Mesoscale Meteorology in Midlatitudes.John Wiley & Sons Ltd,2010:245-260.

[3] 俞小鼎,周小剛,王秀明.雷暴與強對流臨近天氣預(yù)報技術(shù)進(jìn)展.氣象學(xué)報,2012,70(3):311-337.

[4] Chen J,Zheng Y,Zhang X,et al.Distribution and diurnal variation of warm-season short-duration heavy rainfall in relation to the MCSs in China.JMeteorRes,2013,27(6):868-888.

[5] Hitchens N M,Brooks H E,Schumacher R S.Spatial and temporal characteristics of heavy hourly rainfall in the United States.MonWeaRev,2013,141:4564-4575.

[6] 孫繼松,戴建華,何立富,等.強對流天氣預(yù)報的基本原理和技術(shù)方法.北京:氣象出版社,2014.

[7] 范雯杰,俞小鼎.中國龍卷的時空分布特征.氣象,2015,41(7):793-805.

[8] 馬明,陶善昌,祝寶友,等.衛(wèi)星觀測的中國及周邊地區(qū)閃電密度的氣候分布.中國科學(xué)D輯:地球科學(xué),2004,34(4):298-306.

[9] 王娟,諶蕓.2009—2012年中國閃電分布特征分析.氣象,2015,41(2):160-170.

[10] 馬禹,王旭,陶祖鈺.中國及其鄰近地區(qū)中尺度對流系統(tǒng)的普查和時空分布特征.自然科學(xué)進(jìn)展,1997,7(6):701-706.

[11] Zheng Y,Chen J,Zhu P.Climatological distribution and diurnal variation of mesoscale convective systems over China and its vicinity during summer.ChinSciBull,2008,53:1574-1586.

[12] 韓雷,俞小鼎,鄭永光,等.京津及鄰近地區(qū)暖季強對流風(fēng)暴的氣候分布特征.科學(xué)通報,2009，54(11):1585-1590.

[13] Chen M,Wang Y,Gao F,et al.Diurnal evolution and distribution of warm-season convective storms in different prevailing wind regimes over contiguous North China.JGeophysResAtmos,2014,119:2742-2763.

[14] Meng Z,Yan D,Zhang Y.General features of squall lines in east China.MonWeaRev,2013,141:1629-1647.

[15] Zheng L,Sun J,Zhang X,et al.Organizational modes of mesoscale convective systems over central east China.WeaForecasting,2013,28:1081-1098.

[16] Chen X,Zhao K,Xue M.Spatial and temporal characteristics of warm season convection over Pearl River Delta Region,China based on three years of operational radar data.JGeophysResAtmos,2014,doi:10.1002/2014JD021965.

[17] Wilson J W,Feng Y,Chen M,et al.Nowcasting challenges during the Beijing Olympics:Successes,failures,and implications for future nowcasting systems.WeaForecasting,2010,25:1691-1714.

[18] Sun J,Xue M,Wilson J W,et al.Use of NWP for nowcasting convective precipitation:Recent progress and challenges.BullAmerMeteorSoc,2014,95:409-426.

[19] 鄭永光,張小玲,周慶亮,等.強對流天氣短時臨近預(yù)報業(yè)務(wù)技術(shù)進(jìn)展與挑戰(zhàn).氣象,2010,36(7):33-42.

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

[21] 張濤,藍(lán)渝,毛冬艷,等.國家級中尺度天氣分析業(yè)務(wù)技術(shù)進(jìn)展Ⅰ：對流天氣環(huán)境場分析業(yè)務(wù)技術(shù)規(guī)范的改進(jìn)與產(chǎn)品集成系統(tǒng)支撐技術(shù).氣象,2013,39(7):894-900.

[22] 藍(lán)渝,張濤,鄭永光,等.國家級中尺度天氣分析業(yè)務(wù)技術(shù)進(jìn)展Ⅱ：對流天氣中尺度過程分析規(guī)范和支撐技術(shù).氣象, 2013，39(7):901-910.

[23] 盛杰,張小雯,孫軍,等.三種不同天氣系統(tǒng)強降水過程中分鐘雨量的對比分析.氣象,2012,38(10):1161-1169.

[24] Elizaga F,Conejo S,Martín F.Automatic identification of mesocyclones and significant wind structures in Doppler radar images.AtmosRes,2007,83(2):405-414.

[25] 李國翠,劉黎平,張秉祥,等.基于雷達(dá)三維組網(wǎng)數(shù)據(jù)的對流性地面大風(fēng)自動識別.氣象學(xué)報,2013,71(6):1160-1171.

[26] 李國翠,劉黎平,連志鸞,等.利用雷達(dá)回波三維拼圖資料識別雷暴大風(fēng)統(tǒng)計研究.氣象學(xué)報,2014,72(1):168-181.

[27] 張秉祥,李國翠,劉黎平,等.基于模糊邏輯的冰雹天氣雷達(dá)識別算法.應(yīng)用氣象學(xué)報,2014,25(4):414-426.

[28] Rossi P J,Hasu V,Koistinen J,et al.Analysis of a statistically initialized fuzzy logic scheme for classifying the severity of convective storms in Finland.MeteorAppl,2014,21:656-674.

[29] 胡勝,羅聰,張羽,等.廣東大冰雹風(fēng)暴單體的多普勒天氣雷達(dá)特征.應(yīng)用氣象學(xué)報,2015,26(1):57-65．

[30] Park H,Ryzhkov A V,Zrnic D S,et al.The hydrometeor classification algorithm for the polarimetric WSR-88D:Description and application to an MCS.WeaForecasting,2009,24:730-748.

[31] Al-Sakka H,Boumahmoud A A,Fradon B,et al.A new fuzzy logic hydrometeor classification scheme applied to the French X-,C-,and S-band polarimetric radars.JApplMeteorClimatol,2013,52(10):2328-2344.

[32] Heinselman P L,Ryzhkov A V.Validation of polarimetric hail detection.WeaForecasting,2006,21(5):839-850.

[33] 鄭棟,張義軍,孟青,等.北京地區(qū)雷暴過程閃電與地面降水的相關(guān)關(guān)系.應(yīng)用氣象學(xué)報,2010,21(3):287-297.

[34] Carey L D,Rutledge S A.Electrical and multiparameter radar observations of a severe hailstorm.JGeophysResAtmos,1998,103(D12):13979-14000.

[35] Williams E,Boldi B,Matlin A,et al.The behavior of total lightning activity in severe Florida thunderstorms.AtmosRes,1999,51(3):245-265.

[36] Schultz C J,Petersen W A,Carey L D.Preliminary development and evaluation of lightning jump algorithms for the real-time detection of severe weather.JApplMeteorClimatol,2009,48:2543-2563.

[37] Zhang J,Howard K,Langston C,et al.National Mosaic and Multi-Sensor QPE (NMQ) system:Description,results,and future plans.BullAmerMeteorSoc,2011,92:1321-1338.

[38] Lakshmanan V,Smith T,Stumpf G,et al.The Warning Decision Support System-Integrated Information.WeaForecasting,2007,22:596-612.

[39] Augros C,Tabary P,Anquez A,et al.Development of a nationwide,low-level wind shear mosaic in France.WeaForecasting,2013,28(5):1241-1260.

[40] Bousquet O,Tabary P.Development of a nationwide real-time 3-D wind and reflectivity radar composite in France.QuartJRMeteorSoc,2014,140:611-625.

[41] Schmit T J,Li J,Ackerman S J,et al.High spectral and temporal resolution infrared measurements from geostationary orbit.JAtmosOceanicTechnol,2009,26:2273-2292.

[42] Roberts R D,Rutledge S,Nowcasting storm initiation and growth using GOES-8 and WSR-88D data.WeaForecasting,2003,18(4):562-584.

[43] Mecikalski J R,Bedka K M.Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime GOES imagery.MonWeaRev,2006,134(1):49-78.

[44] Marianne K.Satellite Nowcasting Applications∥World Meteorological Organization Symposium on Nowcasting and Very Short Term Forecasting.Whistler,Canada,2009.

[45] Sieglaff J M,Cronce L M,Feltz W F,et al.Nowcasting convective storm initiation using satellite-based box-averaged cloud-top cooling and cloud-type trends.JApplMeteorClimatol,2011,50(1):110-126.

[46] Sieglaff J M,Cronce L M,Feltz W F.Improving satellite-based convective cloud growth monitoring with visible optical depth retrievals.JApplMeteorClimatol,2014,53(2):506-520.

[47] Hartung D C,Sieglaff J M,Cronce L M,et al.An intercomparison of UW cloud-top cooling rates with WSR-88D radar data.WeaForecasting,2013,28(2):463-480.

[48] Merk D,Zinner T.Detection of convective initiation using Meteosat SEVIRI:implementation in and verification with the tracking and nowcasting algorithm Cb-TRAM.AtmosMeasTechDiscuss,2013,6:1771-1813.

[49] Zinner T,Mannstein H,Tafferner A.Cb-TRAM:Tracking and monitoring severe convection from onset over rapid development to mature phase using multi-channel Meteosat-8 SEVIRI data.MeteorAtmosPhys,2008,101:191-210.

[50] 覃丹宇,方宗義.利用靜止氣象衛(wèi)星監(jiān)測初生對流的研究進(jìn)展.氣象,2014,40(1):7-17.

[51] Mecikalski J R,Minnis P,Palikonda R.Use of satellite derived cloud properties to quantify growing cumulus beneath cirrus clouds.AtmosRes,2013,120:192-201.

[52] Senf F,Dietzsch F,Hünerbein A,et al.Characterization of initiation and growth of selected severe convective storms over central Europe with MSG-SEVIRI.JApplMeteorClimatol,2015,54(1):207-224.

[53] Setvák M,Rabin R M,Doswell C A,et al.Satellite observations of convective storm tops in the 1.6,3.7 and 3.9 μm spectral bands.AtmosRes,2003,67:607-627.

[54] Bedka K,Brunner J,Dworak R,et al.Objective satellite-based detection of overshooting tops using infrared window channel brightness temperature gradients.JApplMeteorClimatol,2010,49(2):181-202.

[55] Bedka K M.Overshooting cloud top detections using MSG SEVIRI infrared brightness temperatures and their relationship to severe weather over Europe.AtmosRes,2011,99(2):175-189.

[56] Goodman S J,Gurka J,DeMaria M,et al.The GOES-R proving ground:Accelerating user readiness for the next-generation geostationary environmental satellite system.BullAmerMeteorSoc,2012,93:1029-1040.

[57] Ralph F M,Intrieri J,Andra Jr D,et al.The emergence of weather-related test beds linking research and forecasting operations.BullAmerMeteorSoc,2013,94:1187-1211.

[58] 鄭永光,薛明,陶祖鈺.美國NOAA試驗平臺和春季預(yù)報試驗概要.氣象,2015,41(5):568-582.

[59] 魏東,孫繼松,雷蕾,等.用微波輻射計和風(fēng)廓線資料構(gòu)建探空資料的定量應(yīng)用可靠性分析.氣候與環(huán)境研究,2012,16(6):697-706.

[60] 張振東,魏鳴,王皓.用 GPS 水汽監(jiān)測資料分析一次強對流性降水過程.氣象科學(xué),2013,33(5):492-499.

[61] Johns R H,Doswell III C A.Severe local storms forecasting.WeaForecasting,1992,7:588-612.

[62] 席寶珠,俞小鼎,孫力,等.我國陣風(fēng)鋒類型與產(chǎn)生機(jī)制分析及其主觀識別方法.氣象,2015,41(2):133-142.

[63] Luo Y,Gong Y,Zhang D L.Initiation and organizational modes of an extreme-rain-producing mesoscale convective system along a mei-yu front in East China.MonWeaRev,2014,142:203-221.

[64] Xue M,Hu M,Schenkman A D.Numerical prediction of the 8 May 2003 Oklahoma City tornadic supercell and embedded tornado using ARPS with the assimilation of WSR-88D data.WeaForecasting,2014,29:39-62.

[65] Xu X,Xue M,Wang Y.Mesovortices within the 8 May 2009 bow echo over central US:Analyses of the characteristics and evolution based on Doppler radar observations and a high-resolution model simulation.MonWeaRev,2015,143(6):226-230.

[66] Wilson J W,Mueller C K.Nowcasts of thunderstorm initiation and evolution.WeaForecasting,1993,8(1):113-131.

[67] Corfidi S F,Corfidi S J,Schultz D M.Elevated convection and castellanus:Ambiguities,significance,and questions.WeaForecasting,2008,23(6):1280-1303.

[68] Wilson J W,Roberts R D.Summary of convective storm initiation and evolution during IHOP:Observational and modeling perspective.MonWeaRev,2006,134(1):23-47.

[69] Horgan K L,Schultz D M,Hales Jr J E,et al.A five-year climatology of elevated severe convective storms in the United States east of the Rocky Mountains.WeaForecasting,2007,22(5):1031-1044.

[70] 許愛華,陳云輝,陳濤,等.鋒面北側(cè)冷氣團(tuán)中連續(xù)降雹環(huán)境場特征及成因.應(yīng)用氣象學(xué)報,2013,24(2):197-206.

[71] 盛杰,毛冬艷,沈新勇,等.我國春季冷鋒后的高架雷暴特征分析.氣象,2014,40(9):1058-1065.

[72] 張一平,俞小鼎,孫景蘭,等.2012年早春河南一次高架雷暴天氣成因分析.氣象,2014,40(1):48-58.

[73] Tian F,Zheng Y,Zhang T,et al.Statistical characteristics of environmental parameters for warm season short-duration heavy rainfall over central and eastern China.JMeteorRes,2015,29(3):370-384.

[74] Wakimoto R M,Kessinger C J,Kingsmill D E.Kinematic,thermodynamic,and visual structure of low-reflectivity microbursts.MonWeaRev,1994,122:72-92.

[75] Wilson J W,Wakimoto R M.The discovery of the downburst:T.T.Fujita’s contribution.BullAmerMeteorSoc,2001,82(1):49-62.

[76] Wakimoto R M,Wilson J W.Non-supercell tornadoes.MonWeaRev,1989,117:1113-1140.

[77] Agee E,Jones E.Proposed conceptual taxonomy for proper identification and classification of tornado events.WeaForecasting,2009,24:609-617.

[78] Agee E M.A Revised tornado definition and changes in tornado taxonomy.WeaForecasting,2014,29:1256-1258.

[79] Atkins N T,Bouchard C S,Przybylinski R W,et al.Damaging surface wind mechanisms within the 10 June 2003 Saint Louis bow echo during BAMEX.MonWeaRev,2005,133(8):2275-2296.

[80] Grams J S,Thompson R L,Snively D V,et al.A climatology and comparison of parameters for significant tornado events in the United States.WeaForecasting,2012,27:106-123.

[81] 王秀明,俞小鼎,周小剛.中國東北龍卷研究:環(huán)境特征分析.氣象學(xué)報,2015,73(3):425-441.

[82] Rotunno R,Klemp J B,Weisman M L.A theory for strong, long-lived squall lines.JAtmosSci,1988,45(3):463-485.

[83] Weisman M L,Klemp J B,Rotunno R.Structure and evolution of numerically simulated squall lines.JAtmosSci,1988,45(14):1990-2013.

[84] Corfidi S F.Cold pools and MCS propagation:Forecasting the motion of downwind-developing MCSs.WeaForecasting,2003,18(6):997-1017.

[85] 陳明軒,王迎春.低層垂直風(fēng)切變和冷池相互作用影響華北地區(qū)一次颮線過程發(fā)展維持的數(shù)值模擬.氣象學(xué)報,2012,70(3):371-386.

[86] Bluestein H B.On the decay of supercells through a “downscale transition”:Visual documentation.MonWeaRev,2008,136:4013-4028.

[87] Davenport C E,Parker M D.Observations of the 9 June 2009 dissipating supercell from VORTEX2.WeaForecasting,2015,30:368-388.

[88] Coniglio M C,Corfidi S F,Kain J S.Views on applying RKW theory:An illustration using the 8 May 2009 derecho-producing convective system.MonWeaRev,2012,140:1023-1043.

[89] Clark A J,Weiss S J,Kain J S,et al.An overview of the 2010 Hazardous Weather Testbed Experimental Forecast Program Spring Experiment.BullAmerMeteorSoc,2012,93:55-74.

[90] 漆梁波.高分辨率數(shù)值模式在強對流天氣預(yù)警中的業(yè)務(wù)應(yīng)用進(jìn)展.氣象,2015,41(6):661-673.

[91] Mueller C,Saxen T,Roberts R,et al.NCAR Auto-Nowcast System.WeaForecasting,2003,18:545-561.

[92] Pinto J,Dupree W,Weygandt S,et al.Advances in the Collaborative Storm Prediction for Aviation (CoSPA).Preprints,14th Conf Aviation, Range, and Aerospace Meteorology,Atlanta,GA,Amer Meteor Soc,2010.

[93] Seed A W.A dynamic and spatial scaling approach to advection forecasting.JApplMeteor,2003,42:381-388.

[94] Bowler N E,Pierce C E,Seed A W.STEPS:A probabilistic precipitation forecasting scheme which merges an extrapolation nowcast with downscaled NWP.QuartJRMeteorSoc,2006,132:2127-2155.

[95] Haiden T,Kann A,Wittmann C,et al.The integrated nowcasting through comprehensive analysis (INCA) system and its validation over the Eastern Alpine region.WeaForecasting,2011,26(2):166-183.

[96] Nisi L,Ambrosetti P,Clementi L.Nowcasting severe convection in the Alpine region:The COALITION approach.QuartJRMeteorSoc,2014,140:1684-1699.

[97] Li P W,Wong W K,Cheung P,et al.An overview of nowcasting development,applications,and services in the Hong Kong Observatory.JMeteorRes,2014,28(5):859-876.

[98] Chen M,Gao F,Kong R,et al.A System for Nowcasting Convective Storm in Support of 2008 Olympics∥World Meteorological Organization Symposium on Nowcasting and Very Short Term Forecasting.Canada,2009.

[99] 呂偉濤,張義軍,孟青,等.雷電臨近預(yù)警方法和系統(tǒng)研發(fā).氣象,2009,35(5):10-17.

[100] 萬玉發(fā),王志斌,張家國,等.長江中游臨近預(yù)報業(yè)務(wù)系統(tǒng)(MYNOS)及其應(yīng)用.應(yīng)用氣象學(xué)報,2013,24(4):504-512.

[101] 陳明軒,俞小鼎,譚曉光,等.對流天氣臨近預(yù)報技術(shù)的發(fā)展與研究進(jìn)展.應(yīng)用氣象學(xué)報,2004,15(6):754-766.

[102] Dance S,Ebert E,Scurrah D.Thunderstorm strike probability nowcasting.JAtmosOceanicTechnol,2010,27:79-93.

[103] Fox N I,Wikle C K.A Bayesian quantitative precipitation nowcast scheme.WeaForecasting,2005,20:264-275.

[104] Xu K,Wikle C K,Fox N I.A kernel-based spatiotemporal dynamical model for nowcasting weather radar reflectivities.JAmerStatSoc,2005,100:1134-1144.

[105] Germann U,Zawadzki I.Scale dependence of the predictability of precipitation from continental radar images.Part II: Probability forecasts.JApplMeteorClimatol,2004,43(1):74-89.

[106] Megenhardt D L,Mueller C,Trier S,et al.NCWF-2 Probabilistic Forecasts.Preprints,11th Conf on Aviation,Range,and Aerospace.Amer Meteor Soc,2004.

[107] Sokol Z,Kitzmiller D,Pesice P,et al.Operational 0-3 h probabilistic quantitative precipitation forecasts:Recent performance and potential enhancements.AtmosRes,2009,92(3):318-330.

[108] Kober K,Craig G C,Keil C,et al.Blending a probabilistic nowcasting method with a high-resolution numerical weather prediction ensemble for convective precipitation forecasts.QuartJRMeteorSoc,2012,138(664):755-768.

[109] Scheufele K,Kober K,Craig G C,et al.Combining probabilistic precipitation forecasts from a nowcasting technique with a time-lagged ensemble.MeteorAppl,2014，21(2):230-240.

[110] Mecikalski J R,Williams J K,Jewett C P,et al.Probabilistic 0-1 hour convective initiation nowcasts that combine geostationary satellite observations and numerical weather prediction model data.JApplMeteorClimatol,2015,54,doi:10.1175/JAMC-D-14-0129.1.

[111] Germann U,Zawadzki I.Scale-dependence of the predictability of precipitation from continental radar images.Part I:Description of the methodology.MonWeaRev,2002,130(12):2859-2873.

[112] Bowler N E H,Pierce C E,Seed A W.Development of a precipitation nowcasting algorithm based upon optical flow techniques.JHydrol,2004,288(1):74-91.

[113] Cheung P,Yeung H Y.Application of Optical-flow Technique to Significant Convection Nowcast for Terminal Areas in Hong Kong.The 3rd WMO International Symposium on Nowcasting and Very Short-Range Forecasting (WSN12),2012:6-10.

[114] 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.

[115] Johnson J T,MacKeen P L,Witt A,et al.The storm cell identification and tracking algorithm:An enhanced WSR-88D algorithm.WeaForecasting,1998,13(2):263-276.

[116] Hering A,Sénési S,Ambrosetti P,et al.Nowcasting Thunderstorms in Complex Cases Using Radar Data.WMO Symposium on Nowcasting and Very Short Range Forecasting,2005.

[117] Dixon M,Wiener G.TITAN:Thunderstorm identification, tracking, analysis,and nowcasting-a radar-based methodology.JAtmosOceanicTechnol,1993,10:785-797.

[118] 韓雷,鄭永光,王洪慶,等.基于數(shù)學(xué)形態(tài)學(xué)的三維風(fēng)暴識別方法研究.氣象學(xué)報,2007,65(5):805-814．

[119] Autonés F.Algorithm Theoretical Basis Document for Rapid Development Thunder Storms∥Nowcasting Satellite Application Facility (NWC-SAF) Report Issue 2 Rev.3,Meteo France.2012.

[120] Walker J R,MacKenzie Jr W M,Mecikalski J R,et al.An enhanced geostationary satellite-based convective initiation algorithm for 0-2-h nowcasting with object tracking.JApplMeteorClimatol,2012,51:1931-1949.

[121] Bonelli P,Marcacci P.Thunderstorm nowcasting by means of lightning and radar data:Algorithms and applications in northern Italy.NatHazardsEarthSystSci,2008,8(5):1187-1198.

[122] Kohn M,Galanti E,Price C,et al.Nowcasting thunderstorms in the Mediterranean region using lightning data.AtmosRes,2011,100(4):489-502.

[123] 侯榮濤,朱斌,馮民學(xué),等.基于DBSCAN 聚類算法的閃電臨近預(yù)報模型.計算機(jī)應(yīng)用,2012,32(3):847-851.

[124] Ruzanski E,Chandrasekar V,Wang Y.The CASA nowcasting system.JAtmosOceanicTechnol,2011,28:640-655.

[125] Li L W,Schmid W,Joss J.Nowcasting of motion and growth of precipitation with radar over a complex orography.JApplMeteor,1995,34:1286-1299.

[126] Laroche S,Zawadzki I.A variational analysis method for retrieval of three-dimensional wind field from single-Doppler radar data.JAtmosSci,1994,51:2664-2682.

[127] Wang G,Wong W,Liu L,et al.Application of multi-scale tracking radar echoes scheme in quantitative precipitation nowcasting.AdvAtmosSci,2013,30(2):448-460.

[128] Wilson J W,Crook N A,Mueller C K,et al.Nowcasting thunderstorms:A status report.BullAmerMeteorSoc,1998,79:2079-2099.

[129] Radhakrishna B,Zawadzki I,Fabry F.Predictability of precipitation from continental radar images.Part V:Growth and decay.JAtmosSci,2012,69(11):3336-3349.

[130] Surcel M,Zawadzki I,Yau M K.A study on the scale dependence of the predictability of precipitation patterns.JAtmosSci,2015,72:216-235.

[131] Wolfson M M,Clark D A.Advanced aviation weather forecasts.LincolnLabJ,2006,16(1):31-58.

[132] Stensrud D J,Wicker L J,Kelleher K E,et al.Convective-scale warn-on-forecast system:A vision for 2020.BullAmerMeteorSoc,2009,90(10):1487-1499.

[133] Migliorini S,Dixon M,Bannister R,et al.Ensemble prediction for nowcasting with a convection-permitting model-I:Description of the system and the impact of radar-derived surface precipitation rates.TellusA,2011,63(3):468-496.

[134] Weisman M L,Skamarock W C,Klemp J B.The resolution dependence of explicitly modeled convective systems.MonWeaRev,1997,125:527-548.

[135] 李澤椿,畢寶貴,金榮花,等.近10年中國現(xiàn)代天氣預(yù)報的發(fā)展與應(yīng)用.氣象學(xué)報,2014,72(6):1069-1078．

[136] Golding B W.Nimrod:A system for generating automated very short range forecasts.MeteorAppl,1998,5(1):1-16.

[137] DuFran Z,Carpenter Jr R,Shaw B.Improved Precipitation Nowcasting Algorithm Using a High-resolution NWP Model and National Radar Mosaic.34th Conference on Radar Meteorology,2009.

[138] Wang G,Wong W,Hong Y,et al.Improvement of forecast skill for severe weather by merging radar-based extrapolation and storm-scale NWP corrected forecast.AtmosRes,2015,154:14-24.

[139] Kain J S,Xue M,Coniglio M C,et al.Assessing advances in the assimilation of radar data and other mesoscale observations within a collaborative forecasting-research environment.WeaForecasting,2010,25:1510-1521.

[140] Kain J S,Dembek S R,Weiss S J,et al.Extracting unique information from high-resolution forecast models:Monitoring selected fields and phenomena every time step.WeaForecasting,2010,25:1536-1542.

[141] 雷蕾,孫繼松,王國榮,等.基于中尺度數(shù)值模式快速循環(huán)系統(tǒng)的強對流天氣分類概率預(yù)報試驗.氣象學(xué)報,2012,70(4):752-765.

[142] 張小玲,陶詩言,孫建華.基于“配料”的暴雨預(yù)報.大氣科學(xué),2010,34(4):754-756.

[143] Taszarek M,Kolendowicz L.Sounding-derived parameters associated with tornado occurrence in Poland and universal tornadic index.AtmosRes,2013,134:186-197.

[144] 樊李苗,俞小鼎.中國短時強對流天氣的若干環(huán)境參數(shù)特征分析.高原氣象,2013,32(1):156-165.

[145] 李耀東,高守亭,劉健文.對流能量計算及強對流天氣落區(qū)預(yù)報技術(shù)研究.應(yīng)用氣象學(xué)報,2004,15(1):10-20.

[146] Lakshmanan V,Crockett J,Sperow K,et al.Tuning auto nowcaster automatically.WeaForecasting,2012,27:1568-1579.

[147] Lin P,Chang P,Jou J,et al.Objective prediction of warm season afternoon thunderstorms in Northern Taiwan using a fuzzy logic approach.WeaForecasting,2012,27:1178-1197.

[148] Kuk B,Kim H,Ha J,et al.A fuzzy logic method for lightning prediction using thermodynamic and kinematic parameters from radio sounding observations in South Korea.WeaForecasting,2012,27(1):205-217.

[149] Bright D R,Weiss S J,Levit J J,et al.The Evolution of Multi-scale Ensemble Guidance in the Prediction of Convective and Severe Convective Storms at the Storm Prediction Center.Preprints,24th Conf Severe Local Storms,2008.

[150] Roebber P J.Visualizing multiple measures of forecast quality.WeaForecasting,2009,24(2):601-608.

[151] Casati B,Wilson L J,Stephenson D B,et al.Forecast verification:Current status and future directions.MeteorAppl,2008,15(1):3-18.

[152] Ebert E E,McBride J L.Verification of precipitation in weather systems:Determination of systematic errors.JHydrol,2000,239:179-202.

[153] Brown B.Verification Methods for Spatial Forecasts∥World Meteorological Organization Symposium on Nowcasting and Very Short Term Forecasting.Canada,2009.

[154] Ebert E E.Neighborhood verification:A strategy for rewarding close forecasts.WeaForecasting,2009,24(6):1498-1510.

[155] Hitchens N M,Brooks H E.Evaluation of the Storm Prediction Center’s day 1 convective outlooks.WeaForecasting,2012,27:1580-1585.

[156] Hitchens N M,Brooks H E,Kay M P.Objective limits on forecasting skill of rare events.WeaForecasting,2013,28:525-534.

[157] 田付友,鄭永光,張濤,等.短時強降水診斷物理量敏感性的點對面檢驗.應(yīng)用氣象學(xué)報,2015,26(4):385-396.

[158] Davis C A,Brown B G,Bullock R,et al.The method for object-based diagnostic evaluation (MODE) applied to numerical forecasts from the 2005 NSSL/SPC Spring Program.WeaForecasting,2009,24(5):1252-1267.

[159] 戴建華,茅懋,邵玲玲,等.強對流天氣預(yù)報檢驗新方法在上海的應(yīng)用嘗試.氣象科技進(jìn)展,2013,3(3):40-45.

Advances in Techniques of Monitoring, Forecasting and Warning of Severe Convective Weather

Zheng Yongguang Zhou Kanghui Sheng Jie Lin Yinjing Tian Fuyou Tang Wenyuan Lan Yu Zhu Wenjian

(NationalMeteorologicalCenter,Beijing100081)

Significant progresses are made in monitoring, analyses, forecasting and warning techniques of severe convective weather. Techniques of thunderstorm-intensity determination using lightning jump algorithm, convection initiation identification based on geostationary satellite data, convective weather identification based on dual polarization Doppler weather radar data are developed, comprehensively monitoring techniques of convective weather and systems based on multi-source data are applied in Central Meteorological Office of China. Mesovortices within bow echo systems closely related to damaging winds, trigger, developing and maintaining mechanisms of convective systems are better understood; statistical climatological characteristics of different types of severe convective weather and their environmental conditions, the mesoscale weather analysis specification and corresponding operational website products are providing necessary foundations and technical supports for operational forecasting of severe convective weather in China. Optical flow method, multi-scale tracking technique, and comprehensive nowcasting techniques using fuzzy logic method based on climatology, topography, and multi-source data are advanced; weighted-average method and ARMOR (Adjustment of Rain from Models with Radar data) blending short-term forecasting techniques are widely applied; convection-allowing high resolution NWP (ensemble) forecasts and their post-processing products are getting tested in forecasting testbed; short-range forecasting techniques of different types of severe convective weather using fuzzy logic method based on NWP (ensemble) forecasts are providing supports for the operational forecasting. Comprehensively monitoring and multi-scale self-adaptive nowcasting techniques based on multi-source data, improved techniques of convective weather analyses, development of multi-scale analysis technique and combination technique between weighted-average and ARMOR blending short-term forecasting, and improved techniques of (probabilistic) forecasting different types of convective weather with different intensities or extreme using fuzzy logic method based on convection-allowing NWP forecasts should mainly be developed for convective weather forecasting and warning in the future.

severe convective weather; monitoring; convection-allowing NWP; probability

國家重點基礎(chǔ)研究發(fā)展計劃(2013CB430106)，國家自然科學(xué)基金項目(41375051)，公益性行業(yè)(氣象)科研專項(GYHY201406002)

10.11898/1001-7313.20150601

2015-08-11收到， 2015-09-06收到再改稿。

* email: zhengyg@cma.gov.cn

鄭永光,周康輝,盛杰,等. 強對流天氣監(jiān)測預(yù)報預(yù)警技術(shù)進(jìn)展. 應(yīng)用氣象學(xué)報，2015，26(6)：641-657.