不同閃電躍增算法在北京地區(qū)應(yīng)用效果對比

田 野 姚 雯 尹佳莉 郄秀書 曹海維李 晉 袁善鋒 王東方

1)(北京市氣象探測中心， 北京 100089)2)(北京城市氣象研究院， 北京 100089)3)(中國氣象科學(xué)研究院災(zāi)害天氣國家重點(diǎn)實(shí)驗室， 北京 100081)4)(中國科學(xué)院大氣物理研究所中層大氣和全球環(huán)境探測重點(diǎn)實(shí)驗室， 北京 100029)

引 言

夏季強(qiáng)對流系統(tǒng)中的降雹是一種小尺度天氣現(xiàn)象，通常持續(xù)時間較短。冰雹天氣系統(tǒng)會產(chǎn)生降雹、強(qiáng)降水、6級以上大風(fēng)和閃電等災(zāi)害性天氣，對農(nóng)業(yè)生產(chǎn)造成嚴(yán)重?fù)p失，對人類生命財產(chǎn)造成嚴(yán)重危害。對冰雹落區(qū)和降雹時間的精細(xì)化預(yù)報是業(yè)務(wù)難點(diǎn)。北京市氣象局主要利用模式計算的冰雹潛勢產(chǎn)品進(jìn)行冰雹預(yù)警，其預(yù)警效果尚待進(jìn)一步提升。近年，大量觀測揭示強(qiáng)雹暴期間的閃電活動特征，如高比例云閃和低頻率地閃，與普通雷暴云中的閃電活動特征不同[1]，且在冰雹天氣發(fā)生前，總閃數(shù)量(云閃數(shù)與地閃數(shù)之和)急劇上升[2-6]。除通過冰雹識別算法利用天氣雷達(dá)進(jìn)行冰雹云的識別和降雹概率的估算外[7-10]，閃電頻數(shù)的變化趨勢可成為冰雹天氣預(yù)警及決策的有利工具。

Kane[11]發(fā)現(xiàn)地閃頻數(shù)峰值出現(xiàn)后10～15 min，臺風(fēng)和大冰雹才發(fā)生。Williams等[12]研究美國佛羅里達(dá)州強(qiáng)雷暴中的總閃活動特征，發(fā)現(xiàn)在災(zāi)害性天氣，如強(qiáng)地表風(fēng)、冰雹和臺風(fēng)到達(dá)前1～15 min，雷暴云中總閃頻數(shù)快速增長，稱為閃電躍增，總閃頻數(shù)從20 min-1增加到超過100 min-1，強(qiáng)雷暴天氣總閃頻數(shù)一般超過60 min-1，甚至達(dá)到500 min-1。Metzger等[13]在災(zāi)害性天氣和非災(zāi)害性天氣中均發(fā)現(xiàn)閃電躍增現(xiàn)象，這與前人研究結(jié)果類似[12,14-15]，冰雹云中的閃電躍增表現(xiàn)為云閃頻數(shù)快速增加而地閃頻數(shù)降低或者不變。Wapler[16]分析德國600個雹暴數(shù)據(jù)，發(fā)現(xiàn)閃電躍增出現(xiàn)時刻比降雹現(xiàn)象發(fā)生提前0～45 min。

國內(nèi)相關(guān)研究也發(fā)現(xiàn)類似現(xiàn)象。陳哲彰[17]分析20個冰雹大風(fēng)實(shí)例，發(fā)現(xiàn)地閃開始時間與雷雨同步，比冰雹提前平均約25 min，出現(xiàn)在雹云前進(jìn)方向的右側(cè)(下風(fēng)方)10～50 km。周筠珺等[18]觀測發(fā)現(xiàn)地閃頻數(shù)驟然升高的時刻比降雹提前30 min。蔡曉云等[19]研究認(rèn)為閃電定位數(shù)據(jù)比雷達(dá)數(shù)據(jù)在降雹、雷雨過程中至少存在1～3 h的提前量。馮桂力等[20]應(yīng)用閃電定位系統(tǒng)、衛(wèi)星和雷達(dá)觀測數(shù)據(jù)分析一次大范圍冰雹強(qiáng)對流天氣過程后發(fā)現(xiàn)閃電躍增發(fā)生在冰雹前20～30 min。馮桂力等[21-22]和Liu等[23]分析山東地區(qū)冰雹云中閃電活動特征后指出，降雹前地閃頻數(shù)明顯躍增，且降雹過程中正地閃頻數(shù)較高。

目前用于計算閃電躍增現(xiàn)象的算法主要有兩種：一種是Gatlin算法[24],另一種是Schultz等[15,25]在Gatlin算法基礎(chǔ)上改進(jìn)的σ算法。

Schultz等[15]選取美國田納西流域和華盛頓地區(qū)85例災(zāi)害性天氣(冰雹和龍卷風(fēng))，統(tǒng)計檢驗閃電躍增算法的應(yīng)用效果，認(rèn)為2σ閃電躍增算法(要求當(dāng)前閃電頻數(shù)變化率超過之前平均閃電頻數(shù)變化率兩倍標(biāo)準(zhǔn)差)命中率為87%，虛警率為33%。

Yao等[26]利用SAFIR(Systeme d’Alerte Fondre par Interferometrie Radioelecctrique)總閃數(shù)據(jù)和ADTD(ADvanced TOA and Direction system)地閃數(shù)據(jù)，結(jié)合京津冀地區(qū)14次孤立降雹雷暴云的觀測結(jié)果，通過2σ閃電躍增算法分析得到總閃和地閃出現(xiàn)躍增現(xiàn)象比觀測到冰雹現(xiàn)象分別提前32.2 min和25.4 min，認(rèn)為雹暴中總閃和地閃的特征對比可作為降雹預(yù)報的有利手段。基于3種不同閃電定位系統(tǒng)的總閃活動數(shù)據(jù)，Chronis等[27]將σ算法拓展到ασ算法(α=0.5～4)，發(fā)現(xiàn)包含更高閃電頻數(shù)和更高α值的閃電躍增的雹暴能夠產(chǎn)生尺寸更大生命周期更長的冰雹。Tian等[28]利用2σ算法分析2015—2017年北京地區(qū)閃電躍增現(xiàn)象對144例冰雹天氣的預(yù)警情況，發(fā)現(xiàn)2σ算法能夠有效預(yù)警81.8%的降雹個例，且平均預(yù)警提前時間為27.1 min。

上述研究表明，通過分析閃電躍增特征和冰雹活動關(guān)系可預(yù)警冰雹天氣。目前國內(nèi)主要利用2σ算法對降雹個例進(jìn)行預(yù)警研究，Gatlin算法應(yīng)用報道鮮見，何種閃電躍增判別方法適合預(yù)警北京地區(qū)雹暴過程，2σ指標(biāo)是否為北京地區(qū)利用閃電數(shù)據(jù)進(jìn)行冰雹預(yù)報的合理指標(biāo)尚需進(jìn)一步研究，因此本文選取2015—2018年北京地區(qū)177次冰雹過程，對比分析σ算法和Gatlin算法及在多種條件配置下對北京冰雹天氣預(yù)警的效果，旨在現(xiàn)有冰雹業(yè)務(wù)預(yù)報的基礎(chǔ)上，增加閃電躍變特征作為提高冰雹預(yù)警能力的指標(biāo)，得到利用閃電數(shù)據(jù)進(jìn)行冰雹預(yù)報的最優(yōu)算法與配置，提升閃電數(shù)據(jù)在北京地區(qū)冰雹預(yù)報業(yè)務(wù)中的可用度，為冰雹預(yù)警提供支持。

1 數(shù)據(jù)和躍增算法

1.1 數(shù) 據(jù)

本文使用2015—2018年北京市冰雹天氣觀測記錄、S波段多普勒天氣雷達(dá)基數(shù)據(jù)和北京閃電定位網(wǎng)(Beijing Lightning Network,BLNET)閃電定位數(shù)據(jù)。冰雹天氣觀測記錄來自北京市氣象局，并已剔除冰雹直徑小于5 mm的記錄，當(dāng)冰雹發(fā)生時無相應(yīng)的雷達(dá)數(shù)據(jù)(故障維修)或者閃電定位數(shù)據(jù)(系統(tǒng)未運(yùn)行)的記錄也剔除，最終得到北京地區(qū)177次冰雹天氣過程。

中國科學(xué)院大氣物理研究所建立的BLNET 2015年形成了16個測站的站網(wǎng)布局，包括大氣所站、大興站、房山站、古將站、懷柔站、密云站、南苑站、平谷站、上甸子站、三河站、石景山站、順義站、通州站、香河站、延慶站、真順站，其中香河站和三河站位于河北省境內(nèi)，其余探測子站分布于北京各區(qū)氣象局或人工影響天氣炮點(diǎn)(如圖1所示)。BLNET覆蓋范圍東西向110 km，南北向120 km。平均基線長度約45 km，屬于短基線定位系統(tǒng)[29]，探測范圍可覆蓋北京及部分京津冀地區(qū)。BLNET是區(qū)域性的、研究和應(yīng)用相結(jié)合的閃電定位系統(tǒng)，采用時差法(time of arrival, TOA)對北京地區(qū)的總閃活動(云閃與地閃之和)進(jìn)行實(shí)時定位[30]，對總閃、云閃和地閃的探測效率分別是93.2%，97.4%和73.9%[31]。

BLNET輸出的二維閃電定位結(jié)果包括每個輻射源脈沖的發(fā)生時刻、經(jīng)緯度、類型、極性和電流強(qiáng)度。采用如下標(biāo)準(zhǔn)將一次雷暴過程的所有輻射源定位結(jié)果聚類為閃電：首先提取BLNET定位結(jié)果中的地閃脈沖，將距首個地閃脈沖10 km范圍內(nèi)且發(fā)生時間差不超過0.5 s的其他地閃脈沖歸為同一個地閃，再將上次聚類之后剩余輻射源脈沖中的第1個地閃脈沖作為聚類參考，以此往復(fù)。歸類后，基于每個地閃中首地閃脈沖的經(jīng)緯度和時間信息，將云閃脈沖也利用10 km和0.5 s的時空判斷標(biāo)準(zhǔn)聚類為同一個地閃。在最后剩余未聚類的云閃脈沖中，隨機(jī)選取第1個脈沖作為參考標(biāo)準(zhǔn)，也以10 km和0.5 s的時空判斷標(biāo)準(zhǔn)將其聚類為云閃。所有脈沖聚類完成后，取每個閃電中第1個脈沖的經(jīng)緯度和時間信息代表整個閃電過程的經(jīng)緯度和時間信息。

S波段多普勒天氣雷達(dá)位于北京市氣象探測中心院內(nèi)(圖1中南苑站位置)，其體掃周期為6 min，最大探測距離為460 km，庫長為1 km，掃描方式為11層體掃。本文采用S波段雷達(dá)的基數(shù)據(jù)進(jìn)行分析。

圖1 北京閃電定位網(wǎng)(BLNET)站點(diǎn)分布Fig.1 Distribution map of BLNET stations

1.2 強(qiáng)對流單體識別方法

強(qiáng)對流單體識別是實(shí)現(xiàn)對流追蹤和研究單體內(nèi)閃電頻數(shù)變化的基礎(chǔ)。本文采用雙閾值TITAN(thunderstorm identification tracking analysis and nowcasting)[32]風(fēng)暴識別方法對強(qiáng)對流單體進(jìn)行識別：①在識別風(fēng)暴之前，將雷達(dá)體掃得到的極坐標(biāo)數(shù)據(jù)轉(zhuǎn)化為笛卡爾坐標(biāo)數(shù)據(jù)(網(wǎng)格分辨率為1 km×1 km)，并求取組合反射率因子。②設(shè)置第1個雷達(dá)反射率因子判斷閾值為35 dBZ，在東西方向的數(shù)據(jù)網(wǎng)格中找到組合反射率因子超過35 dBZ的格點(diǎn)，將相鄰格點(diǎn)組合成一個區(qū)域，在南北方向重復(fù)此操作。將有連接重合部分的相鄰區(qū)域組合成為更大的區(qū)域，并剔除掉網(wǎng)格內(nèi)孤立格點(diǎn)，即識別出組合反射率因子超過35 dBZ的連續(xù)區(qū)域。③上述方法得到組合反射率因子大于等于35 dBZ的連續(xù)區(qū)域，若該連續(xù)區(qū)域包含最大反射率因子大于等于45 dBZ的格點(diǎn)則該連續(xù)區(qū)域識別為強(qiáng)對流單體，否則該連續(xù)區(qū)域不識別為強(qiáng)對流單體。本研究統(tǒng)計落在強(qiáng)對流單體網(wǎng)格內(nèi)的云閃頻數(shù)和地閃頻數(shù)作為該單體內(nèi)的總閃頻數(shù)。

1.3 σ算法

(1)

同樣地，t-2時刻的平均總閃頻數(shù):

(2)

(3)

總閃頻數(shù)變化率D可定量化分析閃電躍增的趨勢。式(4)判斷是否滿足躍增條件，

Dt>ασ(Dt-2,t-4,t-6,t-8,t-10)。

(4)

式(4)中，Dt表示當(dāng)前時刻(t)的總閃頻數(shù)隨時間的變化率。σ(Dt-2,t-4,t-6,t-8,t-10)表示當(dāng)前時刻前2 min 到12 min內(nèi)總閃頻數(shù)隨時間變化率的標(biāo)準(zhǔn)差。由于涉及14 min內(nèi)的總閃頻數(shù)，所以σ算法均在14 min時段內(nèi)進(jìn)行。Dt>ασ的t時刻即為一次閃電躍增事件的時刻。本文對比分析當(dāng)α分別取1，2，3和4時的預(yù)警效果。

1.4 Gatlin算法

Gatlin算法中D的表達(dá)式為

(5)

式(5)中，f是總閃頻數(shù)，單位為min-1。式(5)右邊約等于f的時間導(dǎo)數(shù)，即總閃頻數(shù)的變化率D，單位為min-2。Δt可以取1 min或2 min。Gatlin等[34]證明采用2 min平均的總閃頻數(shù)的預(yù)警結(jié)果優(yōu)于1 min 平均，所以本文Gatlin算法也采用2 min計算總閃頻數(shù)，與σ算法一致。

閃電躍增的閾值可表示為

(6)

D(t-(N-1)Δt)],

(7)

(8)

式(7)和式(8)中，N為t時刻前總閃頻數(shù)變化率D的數(shù)量，Gatlin等[34]建議標(biāo)準(zhǔn)差和滑動平均的計算時間長度范圍為12～20 min，當(dāng)Δt為2 min時，N為6～10。本文研究不同N條件下，Gatlin算法的冰雹預(yù)警效果。

Gatlin等[34]認(rèn)為應(yīng)考慮之前時刻的閃電躍增閾值對當(dāng)前時刻閾值的影響，通過使用權(quán)重滑動平均實(shí)現(xiàn)。t時刻之前的t′時刻的權(quán)重因子表示為

(9)

因此，最終閃電躍增閾值為

D0(t-(N-1)Δt)wt-(N-1)Δt]。

(10)

由式(10)可見，越接近t時刻對最終的閾值貢獻(xiàn)越大。如當(dāng)Δt=2，N取4時，在t-6，t-4，t-2和t時刻wt′分別為1/4，2/4，3/4和1。當(dāng)t時刻的總閃頻數(shù)變化率超過t時刻的躍增閾值時，記為一次閃電躍增事件。

盡管兩種算法D計算方法相同，但兩種算法的閃電躍增閾值計算方法不同，Gatlin算法認(rèn)為之前時刻的閃電躍增閾值對當(dāng)前時刻的閃電躍增閾值有影響，并采用滑動權(quán)重平均體現(xiàn)影響程度，而σ算法則摒棄該思路，認(rèn)為各時刻躍增閾值相互獨(dú)立。

占據(jù)屏幕空間有兩層含義：一是所有點(diǎn)和線圍成封閉圖形的面積，二是以手機(jī)方形屏幕兩側(cè)的邊作為軸，r作為軸建立平面直角坐標(biāo)系，圖案構(gòu)成的封閉圖形上的任意兩點(diǎn)X或Y坐標(biāo)值差的最大值，兩者乘積即為該種圖形密碼“占據(jù)屏幕空間”。為方便描述，將第一種含義稱為封閉圖形面積，第二種稱為圖形占據(jù)屏幕面積。按照這兩種含義，分別計算了3*3式、八邊形式、正三角形式、等腰直角三角形式、弦圖式圖形密碼占據(jù)屏幕空間的大小。

為避免低閃電頻數(shù)擾動造成的誤預(yù)警，只有總閃頻數(shù)大于閃電頻數(shù)閾值時，σ算法和Gatlin算法才啟動。Schultz等[15,25,33]將閃電頻數(shù)閾值設(shè)為10 min-1。本文閃電頻數(shù)閾值采用Tian等[28]的結(jié)果，即當(dāng)強(qiáng)對流單體中心位于城六區(qū)、昌平區(qū)、順義區(qū)、大興區(qū)和通州區(qū)時，閃電頻數(shù)閾值為10 min-1，在其余地區(qū)時，閃電頻數(shù)閾值則為4 min-1。

1.5 算法效果評估

本研究采用命中率(probability of detection, POD)，虛警率(false alarm rate, FAR)和臨界成功指數(shù)(critical success index, CSI)3個參量評估兩種躍增算法對預(yù)警北京地區(qū)冰雹天氣的效果。其中，1次冰雹個例發(fā)生前60 min內(nèi)有閃電躍增事件為1次命中，60 min與Tian等[28]采用的時間保持一致，是經(jīng)驗統(tǒng)計結(jié)果；1次冰雹個例發(fā)生前60 min內(nèi)無閃電躍增事件為1次漏報；閃電躍增事件之后60 min 內(nèi)無冰雹個例則為1次虛警。預(yù)警效果最佳時，命中率最高，虛警率最低且臨界成功指數(shù)最高。

2 躍增算法對比和個例分析

2.1 不同算法和不同配置對比

σ閃電躍增算法中，取σ，2σ，3σ和4σ不同閾值對比分析躍增算法對北京地區(qū)冰雹天氣的預(yù)警效果(圖2)。σ閾值下的躍增算法命中率在2015，2016，2017年和2018年分別大于、小于、等于和小于2σ閾值下的命中率，且均大于3σ和4σ閾值下的命中率。隨著躍增閾值增大，算法的虛警率逐漸遞減(2018年除外)。4年中，2σ閾值和3σ閾值的臨界成功指數(shù)相差不大，且均遠(yuǎn)大于σ閾值的臨界成功指數(shù)。從4年平均結(jié)果看，σ閾值的虛警率最高，為64.43%，表現(xiàn)最差；2σ閾值和3σ閾值的平均臨界成功指數(shù)接近，分別為51.1%和50.9%。雖然3σ閾值的虛警率較低，為29.2%，但其平均命中率(64.4%)低于2σ閾值的平均命中率(80.2%)。另外，雖然4σ閾值的虛警率(21.9%)最低，但其命中率(46.3%)也最低。綜合考慮3個評估參量，預(yù)警算法應(yīng)保證較高的預(yù)警命中率與合理的虛警率，2σ躍增算法的命中率較高且虛警率(41.6%)較合理，是4種閾值中表現(xiàn)最好的。

圖2 不同σ閾值的預(yù)警效果Fig.2 Comparison of early warning effects of different σ thresholds

圖3是Gatlin算法總閃頻數(shù)變化率的數(shù)量N分別取6，7，8，9和10的預(yù)警效果?？傮w上不同N值效果接近。N取6，7和8時的平均預(yù)警命中率相同，均為82.5%，N取9和10的平均預(yù)警命中率分別為80.2%和79.7%。對應(yīng)N取6，7，8，9和10的平均虛警率分別為62.0%，62.6%，62.5%，63.8%和63.6%，其中N取6的平均虛警率最低，但遠(yuǎn)大于2σ算法(41.6 %)。對應(yīng)N取6，7，8，9和10的平均臨界成功指數(shù)分別為35.2%，34.7%，34.8%，33.3%和33.3%，N取6的臨界成功指數(shù)最高。綜合看，N取6時，Gatlin算法的預(yù)警表現(xiàn)最佳。由于Gatlin算法使用躍增判定的滑動閾值，雖然N取6的預(yù)警命中率(82.5%)略高于2σ算法(80.2%)，但是其虛警率(62.0%)明顯高于2σ算法(41.6%)。另外，Gatlin算法的臨界成功指數(shù)(35.2%)遠(yuǎn)低于2σ算法(51.1%)，綜合177次冰雹過程的分析，2σ算法為適合北京地區(qū)預(yù)警冰雹天氣現(xiàn)象的閃電躍增算法。

圖3 Gatlin算法中總閃頻數(shù)變化率D數(shù)量N不同取值的預(yù)警效果Fig.3 Comparison of the early warning effects of Gatlin algorithm with different N of D

2.2 冰雹天氣個例分析

2.2.1 多單體對流系統(tǒng)個例

2017年8月8日北京延慶區(qū)內(nèi)的一個多單體對流系統(tǒng)降雹前后個別時刻的雷達(dá)組合反射率因子見圖4。圖4中，18:00(北京時，下同)降雹強(qiáng)對流單體在北京邊界外，周圍分布多個強(qiáng)對流單體，降雹單體的超強(qiáng)對流區(qū)(大于60 dBZ)面積很小。降雹強(qiáng)對流單體逐漸向北京方向移動，18:36降雹單體的強(qiáng)對流區(qū)(大于45 dBZ)已到達(dá)北京邊界。19:00強(qiáng)對流區(qū)位于延慶區(qū)內(nèi)，且其與產(chǎn)生降雹位置距離很近。雖然此時強(qiáng)對流單體的整體面積變化不大，但超強(qiáng)對流區(qū)(大于60 dBZ)的面積逐漸增大。觀測記錄顯示19:20—19:21延慶白草洼村出現(xiàn)玉米粒大小的冰雹。結(jié)合19：18的雷達(dá)圖可知，降雹位置在超強(qiáng)對流區(qū)的邊界，即處于反射率因子為50～55 dBZ的區(qū)域中。降雹后，該降雹單體面積增大并向東移動，由19:48雷達(dá)圖可以看到，降雹單體分裂為兩個單體，由于左側(cè)單體略小，右側(cè)單體較大，且右側(cè)單體內(nèi)閃電數(shù)(6 min內(nèi)發(fā)生17次)高于左側(cè)單體內(nèi)的閃電數(shù)(0)(圖6)，因此，選擇右側(cè)單體為降雹單體的后續(xù)發(fā)展延伸。20:54延續(xù)的降雹單體已發(fā)展至北京中部地區(qū)，且其左側(cè)存在一個較大對流單體。最后二者融合為一個強(qiáng)大對流單體。

圖4 2017年8月8日北京多單體對流系統(tǒng)的雷達(dá)組合反射率因子演變(黑色六角形為降雹點(diǎn))Fig.4 Radar composite reflectivity of a multi-cell convective system across Beijing on 8 Aug 2017(the black six-pointed star indicates the hailfall position)

圖5是這次過程雷暴強(qiáng)對流單體的識別結(jié)果，去掉組合反射率因子低于35 dBZ的部分，可更清晰地看到各個強(qiáng)對流單體的發(fā)展情況。18:00—19:18北京周邊地區(qū)存在多個分散的小對流單體，降雹單體(紅色圈)從北京西北界外逐漸移入延慶區(qū)。19:48 原降雹單體分裂為兩個小單體，且右邊單體略強(qiáng)略大。左邊小單體在20:12的雷達(dá)圖中消散不見(圖略)。截至20:54，右邊單體的面積逐漸增大，同時其左側(cè)的對流單體也逐漸增大。21:00降雹單體與其左側(cè)的對流單體融合成一個更大的單體，表明其生命期結(jié)束，閃電躍增算法停止計算。整體看，18:00—21:00北京及周邊地區(qū)多個小對流單體逐漸融合并發(fā)展成為3個較大的對流單體。

將前后3 min內(nèi)BLNET定位得到的全閃數(shù)據(jù)疊加得到圖6。18:00降雹單體內(nèi)(藍(lán)色圈)僅定位到2次正地閃，可能原因：一是雷暴單體較弱，產(chǎn)生的云閃也不夠強(qiáng)；二是由于單體距離BLNET略遠(yuǎn)，只有較強(qiáng)的地閃才能被BLNET至少3個站點(diǎn)探測到并定位。隨后降雹單體內(nèi)的閃電數(shù)逐漸增加，18:33—18:39共定位到12次閃電。18:57—19:03北京地區(qū)閃電數(shù)明顯增多，降雹單體內(nèi)的總閃數(shù)量達(dá)到67次，包括53次云閃、7次負(fù)地閃和7次正地閃。產(chǎn)生降雹前后，北京界內(nèi)雷電活動仍較強(qiáng)，降雹單體內(nèi)閃電數(shù)降至51次。降雹單體分裂時，北京界內(nèi)閃電活動依然較強(qiáng)。降雹單體與其左側(cè)的大對流單體融合前，北京界內(nèi)的閃電活動再次明顯增強(qiáng)，降雹單體內(nèi)閃電數(shù)增至161次，包括149次云閃和12次負(fù)地閃。

圖5 2017年8月8日北京多單體對流系統(tǒng)識別結(jié)果(紅色圈為產(chǎn)生降雹的單體，黑色六角形為降雹點(diǎn))Fig.5 Identification results of strong convection cells on 8 Aug 2017(the red polygon marks the hail-producing convection cell,the black six-pointed star indicates the hailfall position)

圖6 疊加前后3 min內(nèi)總閃定位的2017年8月8日北京強(qiáng)對流單體識別結(jié)果(紅色圓點(diǎn)代表云閃,紅色×表示負(fù)地閃,紅色+表示正地閃;黑色六角形為降雹點(diǎn)，19：48圖中插圖為分裂單體與總閃定位結(jié)果疊加的放大圖)Fig.6 Identified strong convection cells and the located total flashes in 3 min before and after the corresponding time(the red dot indicates the intracloud flash,the red × indicates the negative cloud-to-ground flash and the red + indicates the positive cloud-to-ground flash,the black six-pointed star indicates the hailfall position,the illustration is an enlarged view of superposition of the split cell and the total flashes in the figure of 1948 BT)

由圖7總閃頻數(shù)變化可以看到，18:45前降雹單體內(nèi)的總閃頻數(shù)(黑色實(shí)線)一直維持在較低的水平，不超過4 min-1，而且其中的云地閃以負(fù)地閃(藍(lán)色柱體)為主。之后，總閃頻數(shù)迅速提升至6.5 min-1，對應(yīng)兩種算法的D存在較大正值。隨后總閃頻數(shù)在10 min-1附近波動。19:08—19:18總閃頻數(shù)逐漸下降，對應(yīng)D為負(fù)值。19:19總閃頻數(shù)突然增大至13 min-1，對應(yīng)兩種算法的D再次出現(xiàn)較大正值。降雹單體分裂后的19:55，總閃頻數(shù)突然增大，D再一次出現(xiàn)局部峰值，且負(fù)地閃頻數(shù)在19:59達(dá)到整個降雹單體生命期的峰值3.5 min-1。在降雹單體與其左側(cè)大對流單體融合之前，總閃頻數(shù)猛增至25.5 min-1。降雹單體生命期內(nèi)正地閃頻數(shù)(紅色柱體)始終較低，為1 min-1，甚至大部分時刻未能定位到正地閃。

圖7 多單體對流系統(tǒng)降雹單體內(nèi)的閃電頻數(shù)變化和兩種算法總閃頻數(shù)變化率(柱狀)和閃電躍增閾值(曲線)Fig.7 The lightning flash rate of the hail-producing cell of the multi-cell system and total flash rates(the columns) and jump thresholds(the pink curves) derived by 2σ algorithm and Gatlin algorithm

圖7中，Gatlin算法使用權(quán)重滑動平均計算躍增閾值，其閾值曲線較2σ算法閾值曲線平滑?？傞W頻數(shù)超過算法啟動閾值且D值超過躍增閾值的時刻就為閃電躍增的時刻(紅色柱狀)。降雹單體位于延慶區(qū)，總閃頻數(shù)啟動閾值為4 min-1。2σ算法得到的閃電躍增時刻分別為18:25，18:47，19:19，19:55 和20:45。在降雹時間段19:20—19:21前，存在3次有效躍增時刻，取最早躍增時刻可得預(yù)警時間為55 min；降雹之后有2次躍增時刻，均在北京界內(nèi)，為2次虛警。Gatlin算法閾值曲線較平滑，整體較低，所以閃電躍增的次數(shù)明顯增多：降雹前后分別有6次和8次有效躍增，為8次虛警。其首個躍增時刻也為18:25，所以預(yù)警提前時間仍為55 min。對于本次個例，兩種算法都有效預(yù)警降雹事件，且預(yù)警提前時間一致，但Gatlin算法的虛警率較高，預(yù)警效果不如2σ算法。

2.2.2 颮線個例

2015年8月7日北京界內(nèi)發(fā)生1次颮線過程，共產(chǎn)生6次降雹事件。7日16:30在朝陽區(qū)與昌平區(qū)交界處形成一個弱對流單體，直到17:06，該單體持續(xù)增強(qiáng)，位置基本不變。此時該單體中心距離第1次降雹點(diǎn)約14.6 km，其附近另有一個逐漸增強(qiáng)單體，二者于17:12合并為較大單體并迅速發(fā)展，17:42 在朝陽東湖地區(qū)產(chǎn)生第1次降雹，降雹點(diǎn)位于該單體邊界。第2次降雹18:00開始，持續(xù)6 min，昌平區(qū)香堂鎮(zhèn)測得黃豆粒大小冰雹，降雹點(diǎn)也位于強(qiáng)對流單體邊界。此時降雹單體較大較強(qiáng)，已初具颮線形狀。隨后該降雹單體繼續(xù)發(fā)展，幾乎覆蓋北京中部地區(qū)，18:48分裂成3個強(qiáng)對流單體，并在門頭溝東山村降下黃豆粒大小冰雹，此為第3次降雹。3個強(qiáng)對流單體于18:54再次合并成颮線并沿東南方向移動。朝陽區(qū)氣象站19:15—19:20觀測到直徑約1.5 cm的冰雹，朝陽垡頭街道19:16—19:17觀測到冰雹，且這兩次降雹均位于颮線移動方向前沿。隨著颮線向東南方向移動，幾乎覆蓋北京四分之一的面積，19:58—20:01在大興區(qū)黃村鎮(zhèn)降下黃豆粒大小冰雹。

圖8 2015年8月7日北京颮線過程的雷達(dá)組合反射率因子(黑色六角形為降雹點(diǎn)，數(shù)字代表降雹順序)Fig.8 Radar composite reflectivity of a squall line across Beijing on 7 Aug 2015(the black six-pointed star indicates the hailfall position,the number in each subgraph indicates the sequence of the hailfall events)

圖9是此次颮線過程強(qiáng)對流單體識別結(jié)果。由圖9可見，所有降雹點(diǎn)均位于強(qiáng)對流單體的前沿，這與文獻(xiàn)[9, 35]對降雹位置的統(tǒng)計結(jié)果一致。17:06—18：48多個單體在北京界內(nèi)經(jīng)過不斷融合，形成颮線雛形，19：18—19：54強(qiáng)對流單體已發(fā)展成颮線。由于颮線過程閃電頻數(shù)過多，因此未給出閃電疊加圖。

圖10表明，17:09開始降雹單體內(nèi)總閃頻數(shù)逐漸增多，颮線形成時總閃頻數(shù)達(dá)到頂峰1113 min-1，之后總閃頻數(shù)逐漸下降，20:15總閃頻數(shù)為75.5 min-1。地閃頻數(shù)峰值較總閃頻數(shù)峰值出現(xiàn)晚，以負(fù)地閃為主。在雷暴消散期，正地閃占總地閃的比例達(dá)到峰值。

圖9 颮線過程強(qiáng)對流單體識別結(jié)果(黑色六角形為降雹點(diǎn)，數(shù)字代表降雹順序)Fig.9 Identification results of every strong convection cells during the squall line process(the black six-pointed star indicates the hailfall position,the number indicates the sequence of the hailfall events)

除第3次降雹位于門頭溝區(qū)，啟動閾值取4 min-1外，其余冰雹個例的啟動閾值均取10 min-1。由圖10可以看到，颮線中閃電頻數(shù)極高，遠(yuǎn)超過算法的啟動閾值。2σ算法的有效閃電躍增時刻和降雹時間段如表1所示。前5次降雹過程前1 h均有閃電躍增現(xiàn)象，即5次命中，且降雹時刻前均有多次閃電躍增現(xiàn)象，同樣選擇最早的躍增時刻來計算預(yù)警的提前時間。第1，2，4，5次降雹前的閃電躍增時刻較早，因此提前時間均在50 min左右。第3次降雹與隨后的兩次降雹可共用一個閃電躍增時刻進(jìn)行預(yù)警。值得注意的是，第6次降雹產(chǎn)生在閃電頻數(shù)減小的階段，2σ算法的最后一次閃電躍增時刻為18:52，而降雹持續(xù)時間為19:58—20:01，間隔時間超過60 min，為1次漏報。

圖10 颮線降雹單體內(nèi)的閃電頻數(shù)變化和兩種算法總閃頻數(shù)變化率(柱狀)和閃電躍增閾值(曲線)Fig.10 The lightning flash rate of the haill-producing cell of the squall line system and total flash rates(the columns) and jump thresholds(the pink curves) derived by 2σ algorithm and Gatlin algorithm

續(xù)圖10

表1 2015年8月7日北京颮線過程的2σ算法閃電躍增信息Table 1 The lightning jump information of 2σ algorithm for a squall line process in Beijing on 7 Aug 2015

Gatlin算法(N=6)有效閃電躍增時刻和降雹時間段如表2所示。由圖10可以看到，閃電躍增時刻遠(yuǎn)多于2σ算法(紅色柱體多)。與2σ算法的結(jié)果相比，第1次和第3次降雹的預(yù)警結(jié)果相同，新增的17:00閃電躍增使得第2次降雹的預(yù)警時間提前至60 min。由于第3次降雹后出現(xiàn)兩次閃電躍增，所以選擇新的躍增時刻計算第4次和第5次降雹提前時間。值得注意的是，與2σ算法的躍增閾值存在波峰不同，Gatlin算法第5次降雹之后躍增閾值曲線處于較低值，從而存在19:28和19:36兩個時刻的躍增現(xiàn)象，成功預(yù)警第6次降雹事件，整個過程無漏報。按60 min預(yù)報時效評估，2σ算法存在1次漏報，因此本個例 Gatlin算法(N=6)的預(yù)警命中率高，預(yù)報效果略優(yōu)于2σ算法。

表2 2015年8月7日北京界颮線過程的Gatlin算法閃電躍增信息Table 2 The lightning jump information of Gatlin algorithm for a squall line process in Beijing on 7 Aug 2015

3 結(jié)論與討論

針對2015—2018年北京地區(qū)177例降雹事件，本文對比分析取不同倍數(shù)閾值的σ算法和取不同總閃頻數(shù)變化率數(shù)量N的Gatlin算法的預(yù)警效果，得到以下結(jié)論：

1) 2σ算法和Gatlin算法(N=6)分別為各自算法的最優(yōu)配置。以1 h內(nèi)的預(yù)警效果評估，2σ算法的命中率、虛警率和臨界成功指數(shù)分別為80.2%，41.6%和51.1%，Gatlin算法(N=6)分別為82.5%，62.0%和35.2%。雖然Gatlin算法的命中率略高于2σ算法，但其虛警率較高，導(dǎo)致臨界成功指數(shù)僅有35.2%，遠(yuǎn)低于2σ算法的51.1%。

2) 兩種閃電躍增最優(yōu)算法配置在多單體雷暴過程和颮線過程的冰雹預(yù)警效果表明，Gatlin算法的命中率等于或略高于2σ算法，其虛警率高于2σ算法。

3) 綜合Gatlin算法和σ算法對冰雹預(yù)警結(jié)果，2σ閃電躍增算法更適于對北京冰雹天氣的預(yù)警。

盡管2σ的閃電躍增指標(biāo)在實(shí)際應(yīng)用中的1 h內(nèi)降雹預(yù)報命中率達(dá)到80.2%，相較于當(dāng)前業(yè)務(wù)化冰雹預(yù)警產(chǎn)品70%的命中率有較大提升，但仍存在41.6%的虛警率。另外也發(fā)現(xiàn)一些閃電躍增現(xiàn)象出現(xiàn)在雷暴最后一次產(chǎn)生降雹過程之后。Xu等[36]利用三維總閃數(shù)據(jù)和雷達(dá)回波數(shù)據(jù)分析北京和天津強(qiáng)冰雹過程，發(fā)現(xiàn)降雹前后均出現(xiàn)閃電躍增現(xiàn)象，且降雹后閃電峰值比降雹前頻數(shù)更大，且兩個個例動力和微物理過程差異很大：北京雹暴在降雹后垂直對流增強(qiáng)，從而降雹后閃電頻數(shù)再次出現(xiàn)躍增，主正電荷區(qū)從雷暴中部上升至雷暴云上部；天津雹暴是在降雹后下沉氣流減弱的情況下，小尺度帶電冰粒子在中低層聚集形成高密度電荷區(qū)，使閃電活動再次活躍起來，因此盡管雹暴中均觀測到閃電躍增現(xiàn)象，但降雹前后閃電躍增形成的成因不同。此外，在復(fù)雜地形條件下，受站網(wǎng)布局限制，閃電定位系統(tǒng)對閃電的探測效率未能均勻分布，從站網(wǎng)外到站網(wǎng)內(nèi)存在梯度。當(dāng)雷暴從探測效率較低地區(qū)移至探測效率較高地區(qū)時也會導(dǎo)致閃電躍增現(xiàn)象。

本文基于閃電躍變特征與冰雹活動的關(guān)系，在現(xiàn)有冰雹業(yè)務(wù)預(yù)報的基礎(chǔ)上，增加閃電躍增預(yù)警指標(biāo)，獲取利用閃電資料進(jìn)行冰雹預(yù)報的最優(yōu)算法，旨在將閃電躍變特征作為現(xiàn)有冰雹業(yè)務(wù)預(yù)警指標(biāo)基礎(chǔ)上提高冰雹預(yù)警能力的補(bǔ)充，提升閃電資料在北京地區(qū)冰雹預(yù)報業(yè)務(wù)應(yīng)用上的可用度。在閃電躍增算法方面，下一步結(jié)合本文分析結(jié)果，利用Gatlin算法(N=6)具有較高命中率和2σ算法具有較低虛警率的特點(diǎn)，將二者融合使用以提高算法在預(yù)警冰雹天氣的業(yè)務(wù)應(yīng)用效果，并結(jié)合人工智能技術(shù)，通過機(jī)器學(xué)習(xí)建立閃電特征與冰雹預(yù)報的模型，提升預(yù)報效果；同時北京市氣象局將要完成11部X波段雙偏振天氣雷達(dá)的架設(shè)，未來可考慮利用該資料獲取雹暴過程中對流系統(tǒng)內(nèi)部的動力和相態(tài)結(jié)構(gòu)，研究閃電躍增的動力和微物理成因[37-38]。在更精確地識別、判斷雷暴單體活動基礎(chǔ)上，探索閃電數(shù)據(jù)預(yù)警冰雹活動方法，以期提高冰雹預(yù)報的準(zhǔn)確率和精細(xì)化預(yù)報水平。

致 謝：在本文完成過程中，北京市氣象臺為本文提供了冰雹預(yù)警業(yè)務(wù)評估數(shù)據(jù)，特此致謝！