基于EC數(shù)據(jù)通過“配料法”構(gòu)建吉林省暴雨預(yù)報模型

張富龍 陳長勝 李 楠 張 健

（1.松原市氣象局，吉林松原 138000；2.吉林省氣象科學研究所，吉林長春 130062；3.長白山氣象與氣候變化吉林省重點實驗室，吉林長春 130062；4.長白山氣象局，吉林安圖 133613；5.吉林省突發(fā)事件預(yù)警信息發(fā)布中心，吉林長春 130062）

1 引言

暴雨是吉林省較為常見的災(zāi)害性天氣之一，常常對工農(nóng)業(yè)生產(chǎn)、交通、建筑設(shè)施等造成嚴重影響。經(jīng)統(tǒng)計，吉林省暴雨出現(xiàn)日數(shù)6—8月占90.1%，9—11月占7.1%，3—5月僅占2.8%[1]。目前研究暴雨預(yù)報的方法有很多，1996年Doswell等[2]提出了一種新的致洪暴雨預(yù)報思路，指出對于強降水預(yù)報，可以從降水持續(xù)時間和降水率2個因子考慮，基于構(gòu)成要素的預(yù)報這種方法被稱為“配料法”。

“配料法”是一種新預(yù)報思路，它將對預(yù)報有利的因子集合起來綜合分析。近年來我國許多學者應(yīng)用“配料法”進行暴雨研究，楊雪艷等[3]利用54a中國東北地區(qū)200個氣象站的逐日降水資料和NCEP/NCAR再分析資料研究了東北冷渦暴雨的氣候特征，診斷分析可表征冷渦暴雨過程中水汽條件、動力條件、熱力不穩(wěn)定條件的比濕、水汽通量散度、垂直速度、K指數(shù)等物理量參數(shù)，研究了東北冷渦暴雨發(fā)生時各物理量參數(shù)需要達到的指標，并構(gòu)建了東北冷渦暴雨的“配料法”預(yù)報模型。歐堅蓮等[4]利用“配料法”的思路，對概念模型和其物理特征進行配料，選取了環(huán)境場、水汽、抬升和不穩(wěn)定為主要配料，通過對暴雨配料指標的組合判斷得出有、無預(yù)報，建立了各類型持續(xù)性暴雨的短期預(yù)報工具。韓沁哲等[5]利用“配料法”，以數(shù)值預(yù)報產(chǎn)品為基礎(chǔ)，結(jié)合常規(guī)和非常規(guī)氣象資料，對歷史暴雨進行診斷分析，研究了湖南常見暴雨類型的“配料法”。張小玲等[6]綜合環(huán)境場動力、熱力條件配置和物理“配料”分析了暴雨的“配料法”主觀預(yù)報方法，利用了數(shù)值模式產(chǎn)品追蹤有利于暴雨發(fā)生的“配料”演變，構(gòu)建了“配料法”暴雨客觀預(yù)報方法。

吉林省的暴雨大多數(shù)都是在大尺度環(huán)流背景下，穩(wěn)定性降水和對流性降水共同作用下產(chǎn)生的。為了提高暴雨預(yù)報能力，本文利用“配料法”，結(jié)合學者們的研究，基于EC數(shù)據(jù)，通過穩(wěn)定性降水和對流性降水兩方面研究吉林省暴雨預(yù)報方法，并構(gòu)建暴雨預(yù)報模型，定點預(yù)報暴雨的有和無。

2 數(shù)據(jù)說明與分析方法

2.1 數(shù)據(jù)說明

所用資料包括吉林省地面常規(guī)觀測24h降水數(shù)據(jù)；Micaps的EC各物理量數(shù)據(jù)以及其24h降水數(shù)據(jù)。通過研究確定EC物理量選取日常預(yù)報員天氣分析時常用的產(chǎn)品，最后定為15個物理量產(chǎn)品，即水汽條件產(chǎn)品：比濕Q、相對濕度RH、溫度T、露點溫度TD、大氣可降水量PW；動力條件產(chǎn)品：垂直速度W（500hPa、700hPa和850hPa共3個層次）、散度DIV、渦度VOR；熱力條件產(chǎn)品：假相當位溫THSE、對流有效位能CAPE、LI指數(shù)、K指數(shù)；模式降水預(yù)報產(chǎn)品RAIN。后面分析描述時各個物理量用大寫字母表示，其中CAPE和RAIN24兩個物理量數(shù)據(jù)為0.125°×0.125°格點數(shù)據(jù)，其他13個物理量數(shù)據(jù)為0.25°×0.25°格點數(shù)據(jù)。

2.2 分析方法

收集整理2015—2017年吉林省54個自動站24h暴雨個例，通過統(tǒng)計20—20時24h降水數(shù)據(jù)，吉林省共出現(xiàn)191站次暴雨。收集整理2015—2017年Micaps的EC模式產(chǎn)品數(shù)據(jù)，經(jīng)過整理發(fā)現(xiàn)暴雨發(fā)生時EC模式產(chǎn)品有10d（30站次）出現(xiàn)資料缺失，出現(xiàn)資料缺失的暴雨個例不做研究，這樣研究個例共161站次。

EC模式產(chǎn)品數(shù)據(jù)15個物理量除模式降水外，其他數(shù)據(jù)取3 h時間間隔的模式產(chǎn)品數(shù)據(jù)，時段為24h，即每個物理量取20時后的8個數(shù)據(jù)文件。吉林省常規(guī)自動站為54個，本文所研究的就是定點制作這54個自動站暴雨預(yù)報，所以需要把資料處理到54個站點上，以便對比研究。具體各物理量數(shù)據(jù)處理方法如下：

比濕Q、相對濕度RH和大氣可降水量PW：這3個物理量讀取850hPa各站點上的8個數(shù)據(jù)文件，記錄各站點上8個數(shù)據(jù)文件數(shù)據(jù)的平均值和最大值。

溫度T和露點溫度TD：讀取850hPa各站點數(shù)據(jù)做差（T-TD），之后取各站點上8個數(shù)據(jù)文件數(shù)據(jù)差的平均值和最大值。

垂直速度W：W數(shù)據(jù)共選取3層（500hPa、700hPa和850hPa），通過讀取每層各站點上8個數(shù)據(jù)文件格點數(shù)據(jù)的負值（指示上升運動），記錄8個數(shù)據(jù)文件的每層負值文件的個數(shù)、負值數(shù)據(jù)的平均值和最大值，最后取負值個數(shù)的最大值為上升運動持續(xù)時間，3層負值平均值和最大值為上升速度的強度。

散度DIV和渦度VOR：讀取850hPa各站點上的8個數(shù)據(jù)文件的負值（指示輻合區(qū)和氣旋性運動），記錄各站點上8個數(shù)據(jù)文件數(shù)據(jù)負值的次數(shù)、負值的平均值和最大值。

假相當位溫THSE、LI指數(shù)、K指數(shù)和對流有效位能CAPE：讀取850hPa各站點上的8個數(shù)據(jù)文件的格點數(shù)據(jù)，記錄各站點上8個數(shù)據(jù)文件數(shù)據(jù)的平均值和最大值。而CAPE數(shù)據(jù)讀取各站點的8個數(shù)據(jù)文件后，用后面一個時次文件上的站點數(shù)值減去前面一個時次的文件上的站點數(shù)值，如果數(shù)值小于0，記為能量釋放，最后取8個數(shù)據(jù)能量釋放值的最大值。

模式降水預(yù)報RAIN：讀取模式的未來24h各站點上的預(yù)報降水量值。

3 吉林省暴雨時間與空間分布特征

3.1 暴雨時間分布特征

通過統(tǒng)計分析191站次暴雨個例發(fā)現(xiàn)，吉林省暴雨出現(xiàn)時段在每年的5—9月，集中時段為7—8月，其中7—8月暴雨為151站次，占總數(shù)的79.1%（圖1）；單站最大暴雨降水量為203.9mm，出現(xiàn)在永吉站。

圖1 2015—2017年吉林省暴雨各月發(fā)生頻數(shù)

3.2 暴雨空間分布特征

通過統(tǒng)計分析2015—2017年暴雨個例發(fā)現(xiàn)，吉林省各站點暴雨主要在2～5次。其中，鎮(zhèn)賚站和榆樹站沒有發(fā)生暴雨；白城西部、長春北部＜2次；吉林市的永吉站、吉林站和北大壺站＞5次；尤其是長白站暴雨達到了13次（圖2a）。平均暴雨降水量在松原與四平交界一帶和延邊東部地區(qū)量級＞80mm，其他地區(qū)在50～80mm（圖2b）。

4 EC模式產(chǎn)品與暴雨關(guān)系

4.1 水汽條件產(chǎn)品與暴雨關(guān)系

通過統(tǒng)計161站次暴雨與Q、RH、T-TD和PW之間關(guān)系發(fā)現(xiàn)，發(fā)生暴雨時對Q的要求比較高，在7—8月發(fā)生暴雨時Q的最大值都＞8.7g/kg，平均值都＞7.5g/kg；5月和9月Q的最大值＞6.8g/kg，平均值＞5.6g/kg。RH最大值都＞85.7%，RH表征空氣飽和程度，只要出現(xiàn)降水或空氣濕度較大時其值都是較大的，通過統(tǒng)計發(fā)現(xiàn)其對暴雨預(yù)報指示意義不大。850hPa的T-TD對暴雨指示意義并不好，其平均值從0.007～9.4℃都有，對暴雨預(yù)報參考價值較小。發(fā)生暴雨時PW最大值都＞38mm，平均值都＞30.3mm，發(fā)生暴雨時PW需要較大（圖3）。

圖3 PW和Q與暴雨的關(guān)系

4.2 動力條件產(chǎn)品與暴雨關(guān)系研究

通過分析161站次VOR、DIV和W與暴雨發(fā)生關(guān)系發(fā)現(xiàn)，發(fā)生暴雨時模式DIV最大值96.9%都為負值（輻合區(qū)），值在-3/s～-960/s，集中區(qū)域為-20/s～-400/s；平均值也是96.9%都為負值，值在-3/s～-293/s，集中區(qū)域為-10/s～-200/s（圖4）。模式VOR與暴雨發(fā)生對應(yīng)關(guān)系并不明顯，發(fā)生的161站次暴雨中其最大值74.8%為負值（氣旋性運動），值在0～-56×10-5/s，平均值在0～-40×10-5/s。通過分析161站次W（500hPa、700hPa、850hPa平均值）與暴雨發(fā)生關(guān)系發(fā)現(xiàn)，發(fā)生暴雨時W值為負（上升運動），持續(xù)時間基本在6h以上，占統(tǒng)計次數(shù)的96.9%；W最大值也都為負值，范圍在-10～-740Pa/s；平均值范圍為-10～-390Pa/s，主要區(qū)域為-20～-200Pa/s。

圖4 DIV與暴雨關(guān)系

4.3 熱力條件產(chǎn)品與暴雨關(guān)系

通過分析161站次THSE、CAPE、LI指數(shù)和K指數(shù)與暴雨發(fā)生關(guān)系發(fā)現(xiàn)，發(fā)生暴雨時K指數(shù)在6—8月最大值為25～42℃，平均值為20～40℃；CAPE在發(fā)生暴雨時都有能量釋放，釋放值在1～2 000J/kg，主要集中在20～1 400J/kg；LI指數(shù)負值最大值在-15～0℃，集中區(qū)域在-3～0℃，平均值在-10～0℃，集中區(qū)域在-2.3～0℃；THSE最大值都大于314K，平均值都＞310K（圖5）。

圖5 LI指數(shù)和K指數(shù)與暴雨關(guān)系

5 預(yù)報方法建立

5.1 預(yù)報因子篩選

通過統(tǒng)計分析EC模式15個要素發(fā)現(xiàn)（表1），RH、K指數(shù)、LI指數(shù)、VOR、THSE對暴雨預(yù)報指示意義不好，沒有突出指示性。RH只要發(fā)生降水或霧類天氣，空氣濕度較大時其值都是接近100%的；在6—8月THSE、K指數(shù)值一般都是比較大的，需要天氣系統(tǒng)配合時才可以進一步分析其對降水的影響；LI指數(shù)指示對流性不穩(wěn)定，統(tǒng)計分析發(fā)現(xiàn)發(fā)生暴雨時LI指數(shù)波動區(qū)間并不穩(wěn)定；VOR指示氣旋的旋轉(zhuǎn)程度，并不是單純的指示暴雨天氣，VOR值并不總是很大的。研究發(fā)現(xiàn)，Q、PW對于暴雨預(yù)報指示意義較好，發(fā)生暴雨時Q和PW值都要求比較大。比濕在5月和9月最大值要＞6.8g/kg，6—8月最大值都＞8.7g/kg；大氣可降水量PW發(fā)生暴雨時最大值都＞38mm。W表征空氣上升運動，發(fā)生暴雨時必須有動力條件，而且W值要大一些，所以把W納入預(yù)報因子，將W為負值的文件個數(shù)×3h記為降水時間。T-TD水汽指示通過Q表示。DIV輻合情況通過W表示。CAPE通過用后一個時次數(shù)據(jù)減去前一個時次數(shù)據(jù)，之后取24h內(nèi)的最大值，用來表征能量釋放的情況，通過統(tǒng)計發(fā)生暴雨時都會有能量的釋放，值不必太大，當值比較大，同時水汽條件特別好，這時考慮會出現(xiàn)短時強降水。最后模型建立取4個因子Q、PW、W和CAPE，再利用EC模式24h站點降水量進行對比訂正。

表1 發(fā)生暴雨時對應(yīng)的EC物理量值

5.2 建立預(yù)報方程

穩(wěn)定性降水預(yù)報方程：

式中，SP為預(yù)報站穩(wěn)定性降水指數(shù)；Wk為850hPa的24h內(nèi)W為負值的次數(shù)；Q1為平均比濕值；PW1為平均整層大氣可降水量；W為500hPa、700hPa和850hPa平均垂直速度。

對流性降水預(yù)報方程：

式中，CP為預(yù)報站對流性降水指數(shù)；CAPE為后一個時次數(shù)據(jù)減去上一個時次數(shù)據(jù)的差值，對流性降水時一般為負值；Q2、PW2均取其最大值。

5.2.1 預(yù)報時間段為5月20日至9月15日時，控制因子設(shè)定為Q2＞9g·kg-1；Q1＞8.6g·kg-1；PW2＞48mm；PW1＞44.9mm。預(yù)報站點滿足控制因子后開始計算。

將EC模式降水產(chǎn)品納入閾值因子，預(yù)報的方法定義為FY方法，預(yù)報有暴雨時FY=1；無暴雨時FY=0。FY預(yù)報方法如下：

ECrain＞52，如果SP＞2 000，CP＞10，則FY=1，否則FY=0；45＜ECrain≤52，如果SP＞1800，CP＞50，則FY=1，否則FY=0；30＜ECrain≤45，如果SP＞1 900，CP＞350，則FY=1，否則FY=0；19＜ECrain≤30，如果SP＞2 200，CP＞1 100，則FY=1，否則FY=0；10＜ECrain≤19，如果SP＞2 500，CP＞1 500，則FY=1，否則FY=0。

不將EC模式降水產(chǎn)品納入閾值因子，預(yù)報的方法定義為FF方法，預(yù)報有暴雨FF=1；無暴雨FF=0。FF預(yù)報方法如下：

5.2.2 預(yù)報時間段為4月20日—5月19日和9月16—30日時，控制因子設(shè)定為Q2＞6.5g·kg-1；Q1＞5.4g·kg-1；PW2＞33mm；PW1＞29mm。預(yù)報站點滿足控制因子后開始計算。

將EC模式降水產(chǎn)品納入閾值因子，預(yù)報的方法定義為FY方法，預(yù)報有暴雨時FY=1；無暴雨時FY=0。FY預(yù)報方法如下：

ECrain＞45，如果SP＞1600則FY=1，否則FY=0；30＜ECrain≤45，如果SP＞1 800，則FY=1，否則FY=0；19＜ECrain≤30，如果SP＞2 300，CP＞1 100，則FY=1，否則FY=0；10＜ECrain≤19，如果SP＞2 800，CP＞1 500，則FY=1，否則FY=0。

不將EC模式降水產(chǎn)品納入閾值因子，預(yù)報的方法定義為FF方法，預(yù)報有暴雨FF=1；無暴雨FF=0。FF預(yù)報方法如下：

SP＋CP＞1 600，則FF=1；否則FF=0。

6 預(yù)報方法檢驗分析

利用該模型對2015—2017年5—10月進行了暴雨預(yù)報，其中模式數(shù)據(jù)缺失的不納入計算（表2）。3a共出現(xiàn)161站次暴雨，有EC閾值的預(yù)報方法（用FY表示）預(yù)報了184站次，正確63站次；沒有閾值（用FF表示）的預(yù)報了1 186站次，正確102站次；EC模式（用EC表示）本身預(yù)報了110站次，正確40站次。

表2 2015—2017年算法預(yù)報

通過計算FY、FF、EC預(yù)報結(jié)果的準確率、空報率和漏報率發(fā)現(xiàn)（表3），F(xiàn)Y方法TS評分為22.34%，EC模式預(yù)報TS評分為17.32%，F(xiàn)Y方法比EC模式預(yù)報TS評分高5.02%；FY方法漏報率為60.87%，EC模式預(yù)報漏報率為75.16%，F(xiàn)Y方法漏報率比EC模式預(yù)報低14.29%，所以FY方法在暴雨漏報上明顯要好于EC模式預(yù)報；FY方法空報率為65.76%，EC模式預(yù)報空報率為63.64%，F(xiàn)Y方法空報略多；綜合分析FY方法要好于EC模式預(yù)報。FF方法預(yù)報TS評分為8.19%，明顯小于EC模式預(yù)報，但FF方法漏報率為36.65%，明顯低于EC模式的75.16%。所以FF方法TS評分偏低，F(xiàn)Y方法漏報率偏高，這樣通過預(yù)報員結(jié)合FY方法和FF方法的預(yù)報結(jié)果，配合預(yù)報員主觀分析，進行合理訂正，對于暴雨的預(yù)報準確率會明顯提高，大大好于EC模式預(yù)報。

表3 FY、FF、EC預(yù)報方法的預(yù)報檢驗 %

7 結(jié)語

（1）2015—2017年吉林省暴雨年出現(xiàn)時段為5—9月，集中時段為7—8月，7—8月降水站次占總數(shù)的79.1%，吉林省各站點暴雨次數(shù)以2～5次為主，白城西部、長春北部＜2次，東部暴雨次數(shù)多，尤其是長白山天池站三年內(nèi)暴雨達到了13次。

（2）通過研究發(fā)現(xiàn)比濕、整層大氣可降水量、垂直速度、對流有效位能對暴雨預(yù)報指示意義較好。對于吉林省夏季發(fā)生暴雨比濕要≥8.7g·kg-1，而且持續(xù)時間要維持較長；整層大氣可降水量＞38mm。

（3）該預(yù)報方法結(jié)果要好于EC模式降水，尤其是當EC模式預(yù)報站點降水量＞40mm，如果FY方法也對本站做出暴雨預(yù)報，該站出現(xiàn)暴雨概率特別高。

（4）該預(yù)報方法完全基于EC數(shù)值預(yù)報產(chǎn)品進行研究，當EC數(shù)值預(yù)報偏差過大，預(yù)報能力較弱，使用時注意模式與實況對比檢驗，同時與其他模式進行對比分析。