雷暴大風(fēng)與龍卷的預(yù)報預(yù)警和災(zāi)害現(xiàn)場調(diào)查

鄭永光 田付友 周康輝 朱文劍

（國家氣象中心，中國氣象局，北京 100081）

0 引言

極端強(qiáng)對流大風(fēng)事件由于其突發(fā)性和預(yù)報難度大易于導(dǎo)致重大經(jīng)濟(jì)損失和人員傷亡，近年來其導(dǎo)致的災(zāi)害尤其突出，如2015年6月1日21：30左右強(qiáng)下?lián)舯┝鲗?dǎo)致的雷暴大風(fēng)使“東方之星”客輪翻沉四百多人遇難[1-2]、2016年6月23日14：00—15：00江蘇省鹽城市阜寧縣EF4級（最大陣風(fēng)風(fēng)速的下限值為74 m/s）龍卷造成98人死亡和800多人受傷[3-4]、2016年4月13日凌晨強(qiáng)颮線導(dǎo)致的雷暴大風(fēng)（現(xiàn)場調(diào)查估計地面大風(fēng)為11級）使廣東東莞龍門吊傾倒致18人遇難、2016年6月4日下午強(qiáng)颮線雷暴大風(fēng)使四川廣元白龍湖游船翻沉造成13人死亡和2人失蹤。2015年“東方之星”客輪翻沉事件是長江航運史上從未發(fā)生過的極端事件[1]。我國從未記錄到過EF5級龍卷，2016年阜寧EF4級龍卷事件是1950年以來我國第6個、江蘇省第2個EF4級龍卷[3, 5-6]。雖然雷暴大風(fēng)和龍卷的形成機(jī)理[7-9]顯著不同，但這些事件都具有很強(qiáng)的突發(fā)性，都是發(fā)生概率極低的極端天氣事件。

Fujita和Wakimoto[10]總結(jié)了強(qiáng)對流風(fēng)暴導(dǎo)致的3類災(zāi)害性大風(fēng)：龍卷大風(fēng)、直線大風(fēng)和下?lián)舯┝鞔箫L(fēng)。雷暴大風(fēng)指的是由強(qiáng)對流風(fēng)暴導(dǎo)致的非龍卷大風(fēng)。龍卷大風(fēng)通常是高度輻合的旋轉(zhuǎn)性風(fēng)場，其路徑一般相對比較狹窄；非輻散性直線大風(fēng)通常發(fā)生在前進(jìn)式陣風(fēng)鋒之后；而下?lián)舯┝鞔箫L(fēng)通常是具有明顯輻散特征直線或者曲線型大風(fēng)。

對2015年“東方之星”客輪翻沉事件和2016年阜寧EF4級龍卷事件的風(fēng)災(zāi)現(xiàn)場調(diào)查都表明，強(qiáng)風(fēng)災(zāi)害具有顯著的小尺度時空分布特征[1, 3]?，F(xiàn)場調(diào)查估計2015年“東方之星”客輪翻沉事件中地面最大風(fēng)速達(dá)12級以上（＞32.6 m/s），而該次事件自動氣象站監(jiān)測到的最大瞬時風(fēng)速僅為16.4 m/s[1]；現(xiàn)場調(diào)查估計2016年阜寧EF4級龍卷其最大瞬時風(fēng)速下限值為74m/s，遠(yuǎn)大于自動氣象站監(jiān)測到的最大瞬時風(fēng)速34.6m/s（12級）[3]。因此，目前我國雖然已經(jīng)布設(shè)完成了較為完備的氣象業(yè)務(wù)觀測體系，但仍然難以全面監(jiān)測該類極端強(qiáng)對流天氣，因此對地面大風(fēng)等災(zāi)害天氣的現(xiàn)場調(diào)查工作依然必不可少。

雖然我國強(qiáng)對流天氣國家級預(yù)報業(yè)務(wù)和各級氣象臺短時臨近預(yù)報業(yè)務(wù)起步晚于美國等國家，但目前我國已經(jīng)布設(shè)完成了覆蓋全國的新一代多普勒天氣雷達(dá)網(wǎng)、發(fā)射了多顆風(fēng)云2號業(yè)務(wù)和風(fēng)云4號試驗地球靜止氣象衛(wèi)星、布設(shè)了較為完備的地面自動氣象觀測站網(wǎng)等，也將在“十三五”期間對93部SA和10部CA新一代天氣雷達(dá)進(jìn)行雙偏振技術(shù)升級，并建設(shè)形成由282部雷達(dá)組成的全國風(fēng)廓線雷達(dá)業(yè)務(wù)網(wǎng)[11]。同時開發(fā)建設(shè)了基于多源資料的分類強(qiáng)對流天氣實況監(jiān)測系統(tǒng)、中尺度天氣分析規(guī)范和分析工具、分類客觀預(yù)報系統(tǒng)、災(zāi)害性天氣短時臨近預(yù)報系統(tǒng)（SWAN）和強(qiáng)對流天氣綜合業(yè)務(wù)支撐平臺等，并實時發(fā)布分類強(qiáng)對流天氣預(yù)報和預(yù)警產(chǎn)品[12-17]。但雷暴大風(fēng)和龍卷預(yù)報仍然是業(yè)務(wù)天氣預(yù)報的難點和重點之一，因此非常有必要綜合利用觀測和數(shù)值預(yù)報等多源資料，尤其新型觀測和高分辨率數(shù)值預(yù)報資料進(jìn)一步加強(qiáng)和提高該類天氣事件的預(yù)報預(yù)警能力。本文將首先總結(jié)雷暴大風(fēng)和龍卷機(jī)理及其短期預(yù)報技術(shù)，然后給出其監(jiān)測和短時臨近預(yù)報預(yù)警技術(shù)，再對該類天氣事件的災(zāi)害現(xiàn)場調(diào)查工作進(jìn)行簡要總結(jié)，以期能夠?qū)υ擃愄鞖獾臉I(yè)務(wù)預(yù)報預(yù)警工作提供借鑒和參考。

1 雷暴大風(fēng)與龍卷的機(jī)理和短期預(yù)報

雷暴大風(fēng)與龍卷的短期預(yù)報是做好其短時臨近預(yù)警的重要基礎(chǔ)。絕大多數(shù)雷暴大風(fēng)是由對流風(fēng)暴內(nèi)強(qiáng)烈下沉氣流（下?lián)舯┝鳎┧鶎?dǎo)致[18]，只有極少數(shù)雷暴大風(fēng)是由對流風(fēng)暴的強(qiáng)烈入流氣流導(dǎo)致。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垂直減溫率的環(huán)境條件下易導(dǎo)致對流風(fēng)暴的強(qiáng)下沉氣流，這種環(huán)境條件下計算的下沉對流有效位能（DCAPE）通常都較大，比如2015年導(dǎo)致“東方之星”翻沉的下?lián)舯┝骶途哂忻黠@的對流層中層干層特征（溫度露點差最大達(dá)36℃）[9]；但是較高海拔地區(qū)的大氣低層存在干層時（T-logp圖上呈現(xiàn)倒V形的溫濕廓線分布）的對流風(fēng)暴也能夠?qū)е聫?qiáng)下沉氣流[17]，甚至?xí)a(chǎn)生干下?lián)舯┝?；在對流層大氣都較濕的情況下，強(qiáng)降水的拖曳和蒸發(fā)作用也會導(dǎo)致強(qiáng)下沉氣流（濕下?lián)舯┝鳎?，加之動量交換作用，是強(qiáng)降水也時常伴隨大風(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、較強(qiáng)的中層垂直風(fēng)切變和合適的濕球零度層高度，因此要求環(huán)境大氣有較大的溫度遞減率，這既有利于強(qiáng)上升氣流，也有利于強(qiáng)下沉氣流；并且云中冰相粒子在下落過程中融化、升華吸收大量環(huán)境大氣熱量會非常有利于加強(qiáng)下沉氣流[19-20]，這些因素都是大冰雹天氣通常伴隨大風(fēng)天氣的重要原因。有研究認(rèn)為850 hPa與700 hPa之間較大的垂直減溫率更有利于雷暴大風(fēng)天氣[21]。根據(jù)這些環(huán)境條件，一些研究定義了不同的雷暴大風(fēng)指數(shù)或者下?lián)舯┝髦笖?shù)[22-27]。

從天氣形勢來看，我國的雷暴大風(fēng)天氣易發(fā)生在春季和夏初大氣斜壓性較強(qiáng)、溫度直減率較大的天氣背景下，比如春季西風(fēng)槽和冷鋒、春末夏初北方冷渦（尤其冷渦的西南象限）、水汽云圖上的暗區(qū)等背景下發(fā)展起來的強(qiáng)對流風(fēng)暴，如2006年4月28日山東（西風(fēng)槽和冷鋒影響）、2009年6月3日河南（冷渦影響）、2013年3月19日江南和華南（西風(fēng)槽和冷鋒影響）、2015年6月1日“東方之星”客輪翻沉事件（冷渦影響）、2016年6月30日山東、2018年3月4日江西等雷暴大風(fēng)個例等，這是因為在這些天氣形勢下對流層大氣中層通常會存在干層和垂直減溫率較大的緣故。

龍卷通常分為兩類，一類為中氣旋龍卷，另一類為非中氣旋龍卷[8, 28-29]。通常中氣旋龍卷強(qiáng)度較強(qiáng)[8, 30]，但僅約25%甚至更少的雷達(dá)探測到的中氣旋會生成龍卷[8, 31-32]。目前只有對中氣旋龍卷有可能進(jìn)行有效預(yù)警[7-8, 28]。EF2級及以上中氣旋龍卷除了要求有利于超級單體風(fēng)暴的環(huán)境條件一定的對流有效位能和強(qiáng)的0～6 km垂直風(fēng)切變外，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[7-8, 33-35]，比如，2016年阜寧EF4級龍卷事件就具備了所有以上這些有利于中氣旋龍卷的有利環(huán)境條件[9]。不過，熱帶氣旋中產(chǎn)生中氣旋龍卷環(huán)境大氣的CAPE值一般較小[8, 36-37]。非中氣旋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(qiáng)上升氣流共同作用形成[27]，通常輻合線具有較強(qiáng)的水平風(fēng)切變和垂直渦度，而垂直風(fēng)切變一般較弱[9, 28, 38]；與下?lián)舯┝飨嗦?lián)系的弓形回波會生成小尺度的中渦旋（mesovortices）[39]也能夠發(fā)展為強(qiáng)度可達(dá)F4或者EF4級的龍卷[29]，因此，產(chǎn)生龍卷的颮線多為弓型回波或者波動型線狀回波（LEWP）[9, 28]。對流風(fēng)暴的出流氣流對龍卷的生成至關(guān)重要，其觀測證據(jù)是龍卷發(fā)生發(fā)展在超級單體風(fēng)暴的壁云（wall cloud）附近，而壁云的形成是超級單體的入流氣流和出流氣流混合作用的結(jié)果[40]。對流風(fēng)暴的冷出流與環(huán)境之間形成的地表大氣溫度差需要有一個平衡點（sweet spot）才有利于龍卷生成[41]，這個溫度差通常小于4℃[8, 28, 42]。

從天氣形勢來看，我國龍卷易發(fā)生在暴雨或者臺風(fēng)這樣的天氣背景下，比如2012年7月21日北京通州（暴雨背景）、2015年10月4日廣東佛山（彩虹臺風(fēng)中）、2016年6月23日江蘇阜寧（暴雨背景）等龍卷個例，這是因為在這樣的天氣形勢下經(jīng)常會存在低空急流（即低空垂直風(fēng)切變較大）和較低的抬升凝結(jié)高度的緣故。

由于受該類天氣時空尺度較小、分布不連續(xù)的特點和可預(yù)報性的限制，目前的數(shù)值模式在短期預(yù)報時效內(nèi)還不能直接做出雷暴大風(fēng)和龍卷預(yù)報。因此，雷暴大風(fēng)和龍卷的短期預(yù)報主要基于數(shù)值天氣預(yù)報資料，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該類天氣的指示意義來進(jìn)行[7-8, 13, 15, 17]，也就是現(xiàn)在廣泛應(yīng)用的“配料法”。

由于雷暴大風(fēng)和龍卷的發(fā)生發(fā)展需要多個方面的物理條件，且較多研究給出的物理量統(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來表征該類天氣發(fā)生發(fā)展的物理條件[43-44]，因此類似模糊邏輯和機(jī)器學(xué)習(xí)等這些能夠綜合應(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(qiáng)對流天氣預(yù)報技術(shù)研究的重要方面。應(yīng)用模糊邏輯方法的雷暴大風(fēng)或者龍卷預(yù)報技術(shù)一般基于探空資料或者數(shù)值模式預(yù)報資料，通過挑選對不同類型強(qiáng)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)果分別來構(gòu)建獨立隸屬函數(shù)，并賦予不同物理量不同的權(quán)重來給出最終的綜合預(yù)報結(jié)果。因此，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(qiáng)對流預(yù)報的必要基礎(chǔ)工作，目前已有一些研究工作[40-41]。基于集合數(shù)值預(yù)報的強(qiáng)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已經(jīng)建立了比較完整的基于多尺度數(shù)值集合預(yù)報的強(qiáng)對流分類預(yù)報產(chǎn)品體系，而NCEP的區(qū)域短期集合預(yù)報系統(tǒng)（Short Range Ensemble Forecast，SREF）和全球集合預(yù)報系統(tǒng)（GEFS，Global Ensemble Forecast System）分別為SPC 1～3 d和SPC3～8 d的對流天氣短期預(yù)報和中期展望提供數(shù)值預(yù)報依據(jù)[45-47]。

但目前不同等級的雷暴大風(fēng)和極端雷暴大風(fēng)天氣預(yù)報以及預(yù)報精細(xì)化方面還存在較大不足。而我國龍卷由于發(fā)生頻率遠(yuǎn)低于美國[3, 6]，其短期預(yù)報難度則更大，我國現(xiàn)有業(yè)務(wù)中尚沒有龍卷的主客觀短期預(yù)報產(chǎn)品。因此，需要綜合利用多源觀測資料和高分辨率數(shù)值（集合）預(yù)報資料，在綜合統(tǒng)計不同強(qiáng)度和極端強(qiáng)度的多物理量分布特征的基礎(chǔ)上，應(yīng)用模糊邏輯或者機(jī)器學(xué)習(xí)等方法進(jìn)一步提升該類天氣的（概率）預(yù)報準(zhǔn)確率和精細(xì)化水平。

2 雷暴大風(fēng)與龍卷的監(jiān)測和短時臨近預(yù)報預(yù)警

雷暴大風(fēng)與龍卷的監(jiān)測和臨近預(yù)警主要依賴新一代天氣雷達(dá)網(wǎng)。自動氣象站觀測風(fēng)場能夠相當(dāng)程度上監(jiān)測雷暴大風(fēng)，但如引言中所述，由于強(qiáng)風(fēng)災(zāi)害具有顯著的小尺度時空分布特征[1,3]，因此目前的自動氣象站網(wǎng)還幾乎無法監(jiān)測到雷暴大風(fēng)過程中的最大風(fēng)速分布。龍卷監(jiān)測就更為困難，除了依靠雷達(dá)資料外，更多依靠的是目擊者報告、互聯(lián)網(wǎng)資料、災(zāi)害現(xiàn)場調(diào)查或者其他部門（如交通部門等）的視頻監(jiān)控等。

中層徑向速度輻合（MARC）[7, 48]、強(qiáng)反射率因子核心下降[49]、后側(cè)入流槽口[50]和弓形回波[7]等是指示雷暴大風(fēng)天氣的重要雷達(dá)觀測特征。當(dāng)對流風(fēng)暴周邊干空氣被夾卷進(jìn)入風(fēng)暴內(nèi)部后，導(dǎo)致其下沉氣流內(nèi)雨滴迅速蒸發(fā)使下沉氣流降溫而導(dǎo)致加強(qiáng)的向下加速度，這種對流層中層干空氣的夾卷進(jìn)入對流風(fēng)暴的過程在徑向速度圖上表現(xiàn)為MARC特征和反射率因子圖上的后側(cè)入流槽口。利用MARC預(yù)警雷暴大風(fēng)的提前時間約為10～30 min。在有利于雷暴大風(fēng)的環(huán)境條件下，中氣旋可以更有效地將環(huán)境干空氣夾卷進(jìn)入下沉氣流內(nèi)導(dǎo)致雨滴、冰物質(zhì)蒸發(fā)或者升華大氣降溫形成向下加速度從而加強(qiáng)下沉氣流使得地面風(fēng)速進(jìn)一步增加[7]。當(dāng)對流風(fēng)暴距離雷達(dá)站較近（約70 km以內(nèi)）時，若雷達(dá)觀測的0.5°仰角徑向速度場有超過20 m/s 左右以上的風(fēng)速大值區(qū)需要關(guān)注地面雷暴大風(fēng)的可能性①鄭媛媛, 2017. 雷暴大風(fēng)和龍卷短臨預(yù)報預(yù)警. 2017年強(qiáng)對流天氣汛前預(yù)報技術(shù)準(zhǔn)備會。，如2015年6月1日“東方之星”客輪翻沉事件過程中0.5°仰角徑向速度場有超過19 m/s的風(fēng)速大值區(qū)。移動越快的對流風(fēng)暴其產(chǎn)生雷暴大風(fēng)的可能性和強(qiáng)度越大，據(jù)估計，12 m/s左右以上的移速有可能產(chǎn)生8級左右地面大風(fēng)，19 m/s左右以上的移速可能產(chǎn)生10級左右地面大風(fēng)①。如果天氣雷達(dá)上能夠觀測到明顯的陣風(fēng)鋒，則可能表明對流風(fēng)暴的冷池強(qiáng)度較大，其產(chǎn)生較大地面風(fēng)速的可能性也較大。不僅地面自動氣象站的風(fēng)場能夠監(jiān)測地面大風(fēng)，地面自動氣象站監(jiān)測的強(qiáng)3 h變壓①或者強(qiáng)變溫也能夠監(jiān)測對流風(fēng)暴冷池的強(qiáng)度從而可輔助監(jiān)測雷暴大風(fēng)天氣。地球靜止氣象衛(wèi)星對雷暴大風(fēng)天氣也有一定的監(jiān)測能力，如前所述的水汽圖像的暗區(qū)中發(fā)展的對流云、具有上沖云頂?shù)膶α髟啤⒊尸F(xiàn)“胡蘿卜”或者尖錐狀的對流云系產(chǎn)生雷暴大風(fēng)的可能性較大等。未來，利用風(fēng)云4號衛(wèi)星提供的垂直探測資料計算雷暴大風(fēng)指數(shù)結(jié)合其他監(jiān)測資料能夠更好地監(jiān)測和臨近預(yù)警雷暴大風(fēng)天氣[26]。

多普勒天氣雷達(dá)探測到的中氣旋是目前龍卷臨近預(yù)警主要依據(jù)[7, 17]，但如前所述，美國的統(tǒng)計表明僅約有25%甚至更少的雷達(dá)探測到的中氣旋會生成龍卷，但當(dāng)中氣旋底距離地面高度小于1 km時，龍卷的發(fā)生概率則約為40%[7, 31]。目前美國業(yè)務(wù)發(fā)布龍卷警報的依據(jù)主要是：在有利于龍卷的環(huán)境條件下，探測到強(qiáng)中氣旋或中等以上強(qiáng)度中氣旋，并且其底高不超過1 km[7]。美國的移動X波段多普勒雷達(dá)（DOW）在龍卷研究中發(fā)揮了重要作用，其觀測到的最大龍卷風(fēng)速達(dá)135 m/s。2016年6月23日江蘇阜寧龍卷發(fā)生時，江蘇省氣象臺根據(jù)這些依據(jù)指導(dǎo)阜寧縣氣象臺在14：39時發(fā)布的雷暴橙色預(yù)警信號中明確指出將有龍卷發(fā)生。美國基于中氣旋的龍卷警報平均提前時間約為10～20 min。但由于多普勒天氣雷達(dá)的中氣旋產(chǎn)品本身就存在很多誤識別，再加之大多數(shù)中氣旋并不會產(chǎn)生龍卷，因此基于中氣旋的龍卷預(yù)警存在很高的虛警率。多普勒天氣雷達(dá)有時能夠探測到的龍卷渦旋特征（TVS）是龍卷臨近預(yù)警的另一重要依據(jù)[7,17]，但對當(dāng)時當(dāng)?shù)氐凝埦硪呀?jīng)幾乎沒有預(yù)警提前時間，不過可以對龍卷移動方向的下游地區(qū)具有提前臨近預(yù)警作用。由于部分產(chǎn)生龍卷的經(jīng)典超級單體存在明顯的鉤狀回波，因此這也是龍卷預(yù)警的參考依據(jù)之一，比如2016年6月23日產(chǎn)生江蘇阜寧龍卷的經(jīng)典超級單體就具有非常明顯的鉤狀回波特征[4, 9]。目前的地球靜止氣象衛(wèi)星和自動氣象站網(wǎng)觀測資料還不可能在龍卷監(jiān)測和臨近預(yù)警中發(fā)揮直接作用，但我國將在“重大自然災(zāi)害監(jiān)測預(yù)警與防范”重點專項支持下發(fā)展龍卷探測雷達(dá)，以期能夠提高龍卷等小尺度渦旋的探測能力。

雙偏振天氣雷達(dá)觀測資料能夠提高降水粒子形態(tài)的識別能力[51-52]和識別龍卷所破壞物體的碎片被卷入龍卷中所導(dǎo)致的雙偏振雷達(dá)觀測特征（TDS）[53]，能夠提高冰雹粒子的識別率和判斷冰雹在落地之前是否完全融化還是部分融化等[54]，從而有助于監(jiān)測龍卷以及與冰雹天氣相伴隨的雷暴大風(fēng)天氣，但這些雙偏振雷達(dá)必須具有較高的空間分辨能力才可能探測這些小尺度的天氣系統(tǒng)。此外，基于多普勒天氣雷達(dá)資料中的這些特征，中氣旋、雷暴大風(fēng)等的自動識別算法也得到了發(fā)展和完善[55-56]。

由于臨近預(yù)報最長時效僅為1～2 h，因此雷暴大風(fēng)與龍卷的短時預(yù)報更多依賴于快速更新或者集合的高時空分辨率數(shù)值模式系統(tǒng)預(yù)報。目前這些天氣的短時預(yù)報的主要依據(jù)是高分辨率數(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”高分辨率（集合）數(shù)值預(yù)報產(chǎn)品后處理。目前，已有很多國家都在探索從對流風(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(qiáng)對流分類預(yù)報[15, 57]，如美國Oklahoma大學(xué)的風(fēng)暴分析與預(yù)報中心（CAPS）風(fēng)暴尺度集合預(yù)報SSEF產(chǎn)品[52]、美國的強(qiáng)風(fēng)暴預(yù)報中心（SPC）[15]和我國中央氣象臺強(qiáng)天氣預(yù)報中心發(fā)展了多模式集合的預(yù)報產(chǎn)品等。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[58]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)的每一個格點的物理量最大值，稱為逐時最大場。他們發(fā)現(xiàn)可能與雷暴大風(fēng)和龍卷關(guān)系密切的物理量有：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(qiáng)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)速等[52]。但需要指出的是，雖然基于高分辨率數(shù)值（集合）預(yù)報的強(qiáng)對流天氣的短時預(yù)報技術(shù)取得了一定進(jìn)展，但還有非常多的工作需要開展以提高其預(yù)報性能，比如模式框架本身性能的改進(jìn)、不同微物理過程的改進(jìn)、資料同化技術(shù)、不同類型強(qiáng)對流天氣的精細(xì)化預(yù)報等多個方面[15]。

3 雷暴大風(fēng)與龍卷災(zāi)害現(xiàn)場調(diào)查

如前所述，目前我國的氣象業(yè)務(wù)觀測體系仍然難以全面監(jiān)測雷暴大風(fēng)和龍卷等極端強(qiáng)對流天氣，尤其是極端大風(fēng)風(fēng)速，因此，現(xiàn)場天氣調(diào)查依然是分析和確認(rèn)這些災(zāi)害性大風(fēng)天氣精細(xì)分布的最重要的直接手段，從而確定大風(fēng)的具體發(fā)生時間和地點、災(zāi)情、災(zāi)害路徑長度和寬度、風(fēng)向等，并可根據(jù)風(fēng)速等級標(biāo)準(zhǔn)估計風(fēng)速和判斷風(fēng)災(zāi)強(qiáng)度。現(xiàn)場調(diào)查的主要裝備包括智能手機(jī)、相機(jī)、GPS定位儀、無線網(wǎng)絡(luò)通信和無人機(jī)等，目前，無人機(jī)在現(xiàn)場調(diào)查中發(fā)揮了重要的無可替代作用。美國也有人提出使用雙偏振天氣雷達(dá)觀測到的TDS特征來估計龍卷災(zāi)害分布[59]，但這需要這些雷達(dá)觀測具有較現(xiàn)有業(yè)務(wù)雷達(dá)高得多的空間分辨率。通過現(xiàn)場調(diào)查確定風(fēng)災(zāi)強(qiáng)度可以滿足人們和科研人員了解風(fēng)災(zāi)強(qiáng)度的需求，可以獲得風(fēng)速與相關(guān)設(shè)施結(jié)構(gòu)性能的關(guān)系，并可從氣候上評估龍卷和下?lián)舯┝鞯葘?dǎo)致的小尺度風(fēng)災(zāi)給人們和基礎(chǔ)設(shè)施所帶來的風(fēng)險。但由于災(zāi)害標(biāo)識物（DI）的復(fù)雜性，通過災(zāi)害程度來評估風(fēng)速必然有較大不確定性，因此需要一定的等級來表征不同物體受災(zāi)程度所指示的風(fēng)速范圍，比如已廣泛應(yīng)用的“藤田等級”（F等級）或者“改進(jìn)的藤田等級”（EF等級）。

Fujita開創(chuàng)性地開展了風(fēng)災(zāi)調(diào)查工作[60]，并于1971年提出了F等級[61]，用來估計龍卷和臺風(fēng)等導(dǎo)致的風(fēng)災(zāi)強(qiáng)度。F等級在1970年代初被美國天氣局采用作為估計龍卷強(qiáng)度的官方標(biāo)準(zhǔn)。到目前，F(xiàn)等級已得到了廣泛應(yīng)用，但也存在一些問題，比如并沒有進(jìn)行過校準(zhǔn)，對F3－F5級風(fēng)速存在明顯的高估、低等級風(fēng)速存在低估，其DI種類較少、主要是結(jié)構(gòu)良好的框架房屋等。因此，美國得克薩斯技術(shù)大學(xué)風(fēng)科學(xué)和工程中心聯(lián)合多個部門專家對F等級進(jìn)行了修訂，稱為EF等級[62]。EF等級主要調(diào)整了F等級每一級別所對應(yīng)的風(fēng)速上下限，并采用了28類DI，且每一類DI給出了多個災(zāi)害等級（DoD）。EF等級的DI以各類不同建筑結(jié)構(gòu)的房屋或建筑物為主，共有23類；樹木分為硬木和軟木兩類DI；其它DI還包括電線桿、電力線鐵塔、通訊鐵塔等。EF等級中去除了F等級中有關(guān)飛射物的DI，也未把瀝青路面被剝掉這一災(zāi)害現(xiàn)象列為DI。2007年美國氣象局開始采用EF等級作為估計龍卷強(qiáng)度的等級標(biāo)準(zhǔn)，目前還有加拿大、法國等國采用了該等級標(biāo)準(zhǔn)，并根據(jù)當(dāng)?shù)谼I情況對其進(jìn)行了修正，而我國的龍卷強(qiáng)度等級標(biāo)準(zhǔn)正在制定中。還需指出的是，F(xiàn)等級的風(fēng)速為地面10 m高度處最快1/4 mile（約400 m）平均風(fēng)速，EF等級的風(fēng)速為地面10 m高度處3 s平均陣風(fēng)風(fēng)速，二者有所不同[3]。

美國現(xiàn)已形成了較為規(guī)范完整的龍卷和下?lián)舯┝魉嘛L(fēng)災(zāi)的調(diào)查體系[63-65]。近年來，我國的風(fēng)災(zāi)調(diào)查體系也已逐步建立，如Meng等[66]詳細(xì)調(diào)查了2012年7月21日北京特大暴雨期間發(fā)生的一次龍卷所致災(zāi)害情況，中國氣象局組織北京大學(xué)、南京大學(xué)等單位聯(lián)合調(diào)查了2015年6月1日“東方之星”客輪翻沉事件、2015年10月4日彩虹臺風(fēng)中的佛山龍卷、2016年6月23日江蘇阜寧龍卷等重大強(qiáng)對流天氣災(zāi)害情況[1-3, 67]。

有研究使用F等級和EF等級詳細(xì)估計了2015年6月1日“東方之星”客輪翻沉事件和2016年6月23日江蘇阜寧龍卷的現(xiàn)場災(zāi)害情況[3]，本文僅以F1和EF1級災(zāi)害評估為例說明二者的異同，此外，F(xiàn)1和EF1級風(fēng)災(zāi)在我國發(fā)生頻率相對較高，從而可為地方氣象部門的相關(guān)工作提供一定參考。F1和EF1級災(zāi)害屬于中等程度破壞。一些樹被連根拔起或者折斷、屋頂?shù)奈萃弑还蔚舳紝儆贔1級災(zāi)害（圖1）。軟木類樹木（松樹、楊樹、杉樹、柏樹等）折斷和硬木類（橡樹、楓樹、樺樹、白蠟樹）樹木被連根拔起屬于EF1級災(zāi)害，如2015年6月1日湖北監(jiān)利四臺村附近水渠兩側(cè)（圖1a）和順星村附近（圖未給出）楊樹折斷等。不少于20%屋頂屋瓦被刮掉屬于F1級和EF1級災(zāi)害，如圖1b中為2016年6月23日阜寧龍卷所致；而在2015年6月1日長江監(jiān)利段兩岸村莊中發(fā)現(xiàn)部分房屋的少量屋瓦（圖未給出）被吹掉，未超過20%，因此這些房屋災(zāi)害等級可估計為F1級，但未達(dá)到EF1級[3]。

圖1 F1和EF1級災(zāi)害[3]（a）2015年6月1日湖北監(jiān)利四臺村附近水渠兩側(cè)折斷的楊樹；（b）無人機(jī)拍攝的2016年6月23日江蘇阜寧計橋村被刮掉屋瓦的房屋Fig. 1 F1 and EF1 damages[3](a) Snapped aspens occurred on 1 June 2015 at Sitai Village, Jianli County, Hubei Province; (b) Partially untiled roofs by storm occurred on 23 June 2016 at Jiqiao Village,Funing County, Jiangsu Province

4 結(jié)論

強(qiáng)雷暴大風(fēng)與龍卷具有非常強(qiáng)的致災(zāi)性，近年來我國該類災(zāi)害事件引發(fā)廣泛關(guān)注。本文系統(tǒng)總結(jié)了雷暴大風(fēng)與龍卷的監(jiān)測和預(yù)報預(yù)警技術(shù)以及大風(fēng)災(zāi)害現(xiàn)場調(diào)查和估計方法。

1）雷暴大風(fēng)天氣多與對流層大氣存在干層和較大垂直減溫率有關(guān)，EF2級及以上中氣旋龍卷通常要求有一定的對流有效位能、強(qiáng)的垂直風(fēng)切變（0～6 km）、低的抬升凝結(jié)高度和較大的低層（0～1 km）垂直風(fēng)切變。目前雷暴大風(fēng)的短期預(yù)報主要基于數(shù)值預(yù)報和“配料法”，但我國現(xiàn)有業(yè)務(wù)中尚沒有龍卷的主客觀短期預(yù)報產(chǎn)品。

2）除了自動氣象站觀測的地面風(fēng)場外，指示雷暴大風(fēng)天氣的雷達(dá)觀測特征包括中層徑向速度輻合、雷達(dá)低仰角觀測到的大徑向速度區(qū)、強(qiáng)反射率因子核心下降、后側(cè)入流槽口和弓形回波等；對流風(fēng)暴的快速移動也能夠指示雷暴大風(fēng)天氣。目前我國龍卷臨近預(yù)警主要依據(jù)是中氣旋和TVS特征以及低層鉤狀回波特征等。目前的地球靜止氣象衛(wèi)星和自動氣象站風(fēng)場、變壓、變溫等觀測資料能夠輔助監(jiān)測雷暴大風(fēng)天氣，但還不可能直接監(jiān)測龍卷。

3）雷暴大風(fēng)與龍卷的短時預(yù)報主要依賴快速更新或者集合的高時空分辨率數(shù)值模式系統(tǒng)預(yù)報及其后處理，但還有非常多的工作需要開展以提高其預(yù)報性能。

4）現(xiàn)場天氣調(diào)查工作依然是分析和確認(rèn)雷暴大風(fēng)和龍卷大風(fēng)精細(xì)分布的最重要的直接手段，但風(fēng)速估計具有較大的不確定性。目前使用的最為廣泛的風(fēng)速等級標(biāo)準(zhǔn)是F等級和EF等級，美國、加拿大、法國等國已采用了EF等級。我國的風(fēng)災(zāi)調(diào)查體系也已逐步建立，并正在發(fā)展自己的龍卷強(qiáng)度等級標(biāo)準(zhǔn)。

參考文獻(xiàn)

[1] 鄭永光, 田付友, 孟智勇, 等. “東方之星”客輪翻沉事件周邊區(qū)域風(fēng)災(zāi)現(xiàn)場調(diào)查與多尺度特征分析. 氣象, 2016, 42(1): 1-13.

[2] Meng Z, Yao D, Bai L, et al. Wind estimation around the shipwreck of Oriental Star based on field damage surveys and radar observations. Science Bulletin, 2016, 61(4): 330-337.

[3] 鄭永光, 朱文劍, 姚聃, 等. 風(fēng)速等級標(biāo)準(zhǔn)與2016年6月23日阜寧龍卷強(qiáng)度估計. 氣象, 2016, 42(11): 1289-1303.

[4] 張小玲, 楊波, 朱文劍, 等. 2016年6月23日江蘇阜寧EF4級龍卷天氣分析. 氣象, 2016, 42(11): 1304-1314.

[5] Xue M, Zhao K, Wang M, et al. Recent significant tornadoes in China. Advances in Atmospheric Sciences, 2016, 33(11): 1209-1217.

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

[7] 俞小鼎, 周小剛, 王秀明. 雷暴與強(qiáng)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.

[8] 鄭永光, 陶祖鈺, 俞小鼎. 強(qiáng)對流天氣預(yù)報的一些基本問題.氣象, 2017, 43(6): 641-652.

[9] 鄭永光, 朱文劍, 田付友. 2015年“東方之星”翻沉事件和2016年阜寧EF4級龍卷對流風(fēng)暴環(huán)境條件、結(jié)構(gòu)特征和機(jī)理. 氣象科技進(jìn)展, 2018, 8(2): 44-54.

[10] Fujita T T, Wakimoto R M. Five scales of airflow associated with a series of downbursts on 16 July 1980. Monthly Weather Review, 1981, 109(7): 1438-1456.

[11] 高玉春. 氣象業(yè)務(wù)發(fā)展對新一代天氣雷達(dá)技術(shù)性能提升的要求. 氣象科技進(jìn)展, 2017, 7(3): 16-21.

[12] 鄭永光, 張小玲, 周慶亮, 等. 強(qiáng)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.

[13] 鄭永光,林隱靜,朱文劍, 等. 強(qiáng)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.

[14] 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.

[15] 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.

[16] 鄭永光, 周康輝, 盛杰, 等. 強(qiáng)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.

[17] 楊波, 鄭永光, 藍(lán)渝, 等. 國家級強(qiáng)對流天氣綜合業(yè)務(wù)支撐體系建設(shè). 氣象, 2017, 43(7): 845-855.

[18] Johns R H, Doswell III C A. Severe local storms forecasting. Weather and Forecasting, 1992, 7(4): 588-612.

[19] Wakimoto R M, Kessinger C J, Kingsmill D E. Kinematic, thermodynamic, and visual structure of low-reflectivity microbursts. Monthly Weather Review, 1994, 122(1): 72-92.

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

[21] Ellrod G P. Environmental conditions associated with the Dallas microburst storm determined from satellite soundings. Weather and Forecasting, 1989, 4(4): 469-484.

[22] McCann D W. WINDEX: a new index for forecasting microburst potential. Weather and Forecasting, 1994, 9(4): 532-541.

[23] Atkins N T, Wakimoto R M. Wet microburst activity over the southeastern United States: implications for forecasting. Weather and Forecasting, 1991, 6(4): 470-482.

[24] Ellrod G P. Experimental microburst image products derived from GOES sounder data. Preprints, 16th Conferenceon Weather Analysis and Forecasting, Phoenix, AZ, American Meteorological Society, 1998, 16: 43–45.

[25] Pryor K L, Ellrod G P. Recent improvements to the GOES microburst products. Weather and Forecasting, 2004, 19: 582–594.

[26] Pryor K L, EllrodG P. WMSI: a new index for forecasting wetmicroburst severity. Electronic Journal of Operational Meteorology, 2004.

[27] Pryor K L. Progress and developments of downburst prediction applications of GOES. Weather and Forecasting, 2015, 30(5): 1182-1200.

[28] Wakimoto R M, Wilson J W. Non-supercell tornadoes. Monthly Weather Review, 1989, 117(6): 1113-1140.

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

[30] Agee E, Jones E. Proposed conceptual taxonomy for proper identification and classification of tornado events. Weather and Forecasting, 2009, 24(2): 609-617.

[31] Davies-Jones R, Trapp R J, Bluestein H B. Tornadoes and tornadic storms. Severe Convective Storms. Meteor Monogr, American Meteorological Society, 2001, 28(50): 167-221.

[32] Trapp R J, Stumpf G J, Manross K L. A reassessment of the percentage of tornadicmesocyclones. Weather and Forecasting, 2005, 20(4): 680-687.

[33] Brooks H E, Lee J W, Craven J P. The spatial distribution of severe thunderstorm and tornado environments from global reanalysis data. Atmospheric Research, 2003, 67: 73-94.

[34] Craven J P, Brooks H E. Baseline climatology of sounding derived parameters associated with deep moist convection. National Weather Digest, 2004, 28(1):13-24.

[35] Grams J S, そompson R L, Snively D V, et al. A climatology and comparison of parameters for significant tornado events in the United States. Weather and Forecasting, 2012, 27(1): 106-123.

[36] McCaul E W. Buoyancy and shear characteristics of hurricanetornado environments. Monthly Weather Review, 1991, 119(8): 1954-1978.

[37] 鄭媛媛, 張備, 王嘯華,等. 臺風(fēng)龍卷的環(huán)境背景和雷達(dá)回波結(jié)構(gòu)分析. 氣象, 2015, 41(8): 942-952.

[38] Bluestein H B. Severe Convective Storms and Tornadoes: Observations and Dynamics. Heidelberg: Springer–Praxis, 2013: 307-360.

[39] 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. Monthly Weather Review, 2005, 133(8): 2275-2296.

[40] Doswell C A, Burgess D W. Tornadoes and tornadic storms: a review of conceptual models. The Tornado: Its Structure, Dynamics, Prediction, and Hazards. Washington DC:American Geophysical Union, 1993: 161-172.

[41] Schultz D M, Richardson Y P, Markowski P M, et al. Tornadoes in the Central United States and the “Clash of Air Masses”. Bulletin of the American Meteorological Society, 2014, 95(11): 1704-1712.

[42] Markowski P M, Straka J M, Rasmussen E N. Direct surface thermodynamic observations within the rear-flank downdrafts of nontornadic and tornadicsupercells. Monthly Weather Review, 2002, 130(7): 1692-1721.

[43] 樊李苗, 俞小鼎. 中國短時強(qiáng)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.

[44] 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. Journal of Meteorological Research, 2015, 29(3): 370-384.

[45] Bright D R, Weiss S J, Levit J J, et al. The evolution of multiscale ensemble guidance in the prediction of convective and severe convective storms at the Storm Prediction Center. Preprints, 24th Conference Severe Local Storms, Savannah GA, 2008.

[46] Guyer J L, Bright D R. Utility of SPC short-range ensemble forecast (SREF) guidance for forecasting the development of severe convection. Preprints, 24th Conference Severe Local Storms, Savannah GA, 2008.

[47] Du J, Dimego G, Toth Z, et al. NCEP short-range ensemble forecast (SREF) system upgrade in 2009. 19th Conference on NWP and 23rd Conference on WAF, 2009.

[48] Schmocker G K, Przybylinski R W, Lin Y J. Forecasting the initial onset of damaging downburst winds associated with a mesoscale convective system (MCS) using the mid-altitude radial convergence (MARC) signature. Preprints, 15th Conference on Weather Analysis and Forecasting, Norfolk, American Meteorological Society, 1996: 306-311.

[49] Roberts R D, Wilson J W. A proposed microburst nowcasting procedure using single-Doppler radar. Journal of Applied Meteorology, 1989, 28(4): 285-303.

[50] Przybylinski R W. The bow echo: observations, numerical simulations, and severe weather detection methods. Weather and Forecasting, 1995, 10(2): 203-218.

[51] 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. Weather and Forecasting, 2009, 24(3): 730-748.

[52] 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. Journal Applied Meteorology and Climatology, 2013, 52(10): 2328-2344.

[53] Ryzhkov A, SchuurT J, Burgess D W, et al. Polarimetric tornado detection. Journal of Applied Meteorology, 2005, 44(5): 557-570.

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

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

[56] 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): 1160-171.

[57] 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.

[58] 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. Weather and Forecasting, 2010, 25(5): 1536-1542.

[59] Bodine D J, Kumjian M R, Palmer R D, et al. Tornado damage estimation using polarimetric radar. Weather and Forecasting, 2013, 28(1): 139-158.

[60] Fujita T T, Bradbury D L, van Thullenar C F. Palm sunday tornadoes of April 11, 1965. Monthly Weather Review, 1970, 98(1): 29-69.

[61] Fujita T T. Proposed characterization of tornadoes and hurricanes byarea and intensity. SMRP Research Paper, University of Chicago, 1971, 91: 42.

[62] McDonald J R, Mehta K C. A recommendation for an enhanced Fujita scale (EF-scale). Wind Science and Engineering Center, Texas Tech University, 2006.

[63] Bunting W F, and Smith B E. A guide for conducting convective windstorm surveys. US Department of Commerce, National Oceanic and Atmospheric Administration, National Weather Service, Scientific Services Region, 1993.

[64] Doswell C A. A guide to F-scale damage assessment. US Dept. of Commerce, NOAA/NWS, 2003.

[65] Edwards R, LaDue J G, Ferree J T, et al. Tornado intensity estimation: past, present, and future. Bulletin of the American Meteorological Society, 2013, 94(5): 641-653.

[66] Meng Z, Yao D. Damage survey, radar, and environment analyses on the first-ever documented tornado in Beijing during the heavy rainfall event of 21 July 2012. Weather and Forecasting, 2014, 29(3): 702-724.

[67] 朱文劍, 盛杰, 鄭永光, 等. 1522號“彩虹”臺風(fēng)龍卷現(xiàn)場調(diào)查與中尺度特征分析. 暴雨災(zāi)害, 2016, 35(5): 403-414.