天山南麓雷暴日短期预报研究

柳志慧，王式功，尚可政*，孔德兵，2，赵文婧，王　昀

（1.兰州大学大气科学学院，甘肃省干旱与减灾重点实验室，甘肃　兰州730000；2.中国人民解放军95606部队气象台，重庆　402361）



天山南麓雷暴日短期预报研究

柳志慧1，王式功1，尚可政1*，孔德兵1，2，赵文婧1，王昀1

（1.兰州大学大气科学学院，甘肃省干旱与减灾重点实验室，甘肃兰州730000；2.中国人民解放军95606部队气象台，重庆402361）

摘要：利用阿克苏及邻近地区12个气象站1980—2013年雷暴资料，以及同期高空资料，统计了各站年均雷暴日数，对发生区域雷暴天气的环流形势进行分类，归纳出各型的入型指标。通过逐步回归法，建立阿克苏及邻近地区区域雷暴概率回归预报模型，并对2013年进行试预报。结果表明：（1）阿克苏及邻近地区区域雷暴的影响系统主要分为4类：巴湖低槽型、急流型、西北气流型和温度槽型。（2）对2002—2012年5—9月（共1683d）历史资料进行判别，满足入型条件的样本数为876d，消空率为48%；对2013年5—9月（共153d）历史资料进行判别，入型样本数为80d，消空率为48%。（3）对2002—2012年5—9月所有入型样本进行回代检验，平均准确率为72.0%（平均TS评分为30.1%）；对2013年5—9月所有入型样本进行试预报，平均准确率为63.2%（平均TS评分为28.2%）。

关键词：雷暴；环流分型；逐步回归方程；回代检验；试预报

柳志慧，王式功，尚可政，等.天山南麓雷暴日短期预报研究[J].沙漠与绿洲气象，2016，10（2）：43-49.

新疆阿克苏地区是著名的优质商品棉和名优瓜果生产基地之一，雷暴天气经常给当地的农业生产带来严重的经济损失[1-2]。如2005年7月15日，阿克苏及邻近地区出现了较强的冰雹和暴雨对流性天气。此次降雹使棉花、玉米、瓜菜等遭受严重损失，受灾面积达到2245 hm2，经济损失计2359.16万元。阿克苏地区地处天山山脉中段南麓、塔里木盆地北缘，冷空气经常从伊犁河谷翻越天山到达阿克苏地区上空，快速形成上冷下暖的不稳定层结，进而产生雷暴天气。这与我国其它地区雷暴产生的天气背景明显不同，值得深入研究。

雷暴生命史短、空间尺度小、局地性强，一直是天气预报的难点[3-6]。目前，雷暴的短期预报方法主要有物理量指标判别法、统计预报法、天气学法和数值预报法等，国内外学者对此做了一定的研究[7-15]。物理量指标判别法方面，李耀东等[16-17]选取对流有效位能（CAPE）、气团指数（K）、沙氏指数（SI）以及能量螺旋度指数（EHI）等对流参数，采用多指标叠加法对雷暴落区进行预报。郝莹等[18]通过多指标叠加法对安徽省的雷暴天气进行了预报。统计预报法方面，Maglars和La Penta[19]曾选取能较好反映大气状态的参数作为预报因子，采用统计相关和回归建模，进行了雷暴预报。Ravi等[20]利用多元回归法和图解法进行雷暴预报试验，结果表明，多元回归法优于图解法。郭睿君[21]通过对伊宁机场天气资料及其组合的计算，寻找出一些与产生雷暴关系较为密切的因子，利用统计预报中多因子综合相关法建立了伊宁机场雷暴的预报方程。柴瑞等[22]采用3种不同的方法（逐步选择法、逐步回归法和相关分析法）对南京地区2006—2008年6—8月的552个对流参数样本进行因子筛选，再利用Bayes判别分析、Logistic回归判别和神经网络对南京地区雷暴进行预报，得出在当地雷暴预报中，Logistic回归判别法优于其他两种方法。杨仲江和唐小峰[23]利用上海地区1999—2007年的探空资料，选取K、SI和CAPE作为预报因子，采用逐步消空法对上海地区的雷暴进行预报研究。刘哀钊[24]等通过对2006年6—9月西昌大量对流参数进行计算，采用事件概率回归法，得到雷暴预报方程，对2007年进行预报。天气学法方面，张星辰等[25]研究了河西走廊东部强雷暴天气发生的4种环流背景：蒙古低槽南压型、哈密小槽东移型、新疆脊前西北气流型和新疆冷槽分裂东移型。王旭等[26]对新疆冰雹天气过程进行分析，归纳出4种地面天气形势：中尺度高压、锋面气旋南部东移的中尺度高压、强冷锋前部分裂出的中尺度高压和南疆西部中尺度高压。李海燕[27]等分析总结了巴州地区易产生强对流天气的影响系统，得出西西伯利亚冷涡型和西北气流下的冷槽后部型是巴州地区强对流天气的主要影响系统。张振宪[28-29]对南疆阿克苏和库沙新地区雷暴的影响系统做了研究，得出巴尔喀什湖低涡型、中亚低糟型、南北槽汇合型、西西伯利亚—中亚大糟型和锋区短波糟型是当地雷暴天气的主要影响系统。数值预报法方面，孔玉寿和沈家宜[30]采用数值模式预报（M）、天气学经验预报（E）、诊断分析（D）综合分析的方法，建立起南京地区雷暴MED预报模型。曹志国等[31]应用“指标序列”法对数值预报产品进行释用，确定出雷暴预报方程，并配合单站气象要素组成机场航站雷暴预报规则，做出雷暴预报。

综上所述，以往雷暴短期预报研究方法多采用统计预报法，选取与雷暴发生相关性较高的对流参数作为预报因子，利用多元线性回归法、判别分析法等建立预报方程，而对雷暴天气形势划分的研究较少，且只给出了雷暴发生前的天气形势的定性描述，没有给出雷暴发生时的天气形势及定量判别指标。因此，本文拟从天气分型入手，利用数值预报产品释用技术，对阿克苏地区雷暴环流形势进行分类，归纳出雷暴天气型的入型指标，在此基础上结合物理量诊断，研究阿克苏地区雷暴预报方法。

1　资料和方法

1.1资料

本文所使用的资料为：（1）阿克苏及邻近地区（39°～44°N，78°～87°E）1980—2013年12个地面站点的雷暴实况观测资料；（2）2002—2013年5—9月NCEP/NCAR 2.5°×2.5°再分析资料；（3）2002—2013 年5—9月NCEP/NCAR 1°×1°再分析资料计算得出的物理量。

1.2方法

（1）单站雷暴日定义

规定同一测站一日内任意时段发生雷暴、冰雹天气确定为此站点的一个雷暴日。

（2）区域雷暴日定义

规定阿克苏及邻近地区一日内有3个测站以上发生雷暴、冰雹天气称为一个区域雷暴日。

（3）天气分型及入型指标的确定

总结阿克苏及邻近地区2002—2012年的所有区域雷暴个例，从中归纳出区域雷暴的主要天气型及入型指标。

（4）雷暴概率回归预报模型

利用2002—2012年5—9月所有入型样本及当日预报因子，通过逐步回归方法，建立阿克苏及邻近地区区域雷暴24 h概率回归预报模型。

（5）预报效果检验标准

预报准确率：

（1）、（2）式中各项意义见表1。

表1　NA、NB、NC和ND的意义

利用TS评分最大原则，确定区域雷暴发生的临界值。对2002—2012年5—9月所有入型样本进行回代检验，对2013年5—9月所有入型样本进行试预报。

2　阿克苏及邻近地区雷暴的年内分布特征

表2统计了1980—2013年阿克苏及邻近地区12个观测站的年内各月平均雷暴日数，年均雷暴日数最多的站为阿合奇，为40.1 d，年均雷暴日数最少的站为焉耆，只有6.2 d。根据区域雷暴日的定义,区域雷暴集中发生在5—9月，下面天气分型主要针对这些月份。

3　雷暴天气分型及入型指标的确定

对阿克苏及邻近地区2002—2012年5—9月的170例区域雷暴当日天气形势进行分析、归类，划分出了4种类型：巴尔喀什湖（简称巴湖）低槽型、急流型、西北气流型和温度槽型。

3.1环流特征

巴湖低槽型：天气型特征（图1a）为500 hPa中低纬度多为经向环流，乌拉尔山附近为稳定的高压脊，巴湖附近为低槽区。该型占35.3%（表3）。

表2　阿克苏及邻近地区各月雷暴日数

急流型：天气型特征（图1b）为500 hPa上在35°～50°N，60°～90°E范围内有等压线密集带，伴有较大风速。该型占30.0%（表3）。

西北气流型：天气型特征（图1c）为500 hPa上阿克苏及邻近地区处于槽后西北气流中，温度槽落后于高度槽。该型占22.3%（表3）。

温度槽型：天气型特征（图1d）为500 hPa上巴湖附近有明显的冷中心或冷槽，随着系统东移，冷空气越过天山山脉，到达阿克苏及邻近地区的上空，造成雷暴天气。该型占10.0%（表3）。

表3　2002—2012年各天气型下发生区域雷暴次数统计

3.2入型标准的定量化

（1）巴湖低槽型：分为竖槽和横槽两种情况，分别定义其槽强度指数为trough1和trough2。

其中：a为45°～70°E每隔5°共6条经线上35°～45°N位势高度场和的最大值，b为87.5°～92.5°E每隔2.5°共3条经线上35°～45°N位势高度场的和的最大值，c为75°E上35°～45°N位势高度场的和。

其中：d为40°N上60°～90°E位势高度场的和，e为50°N上60°～90°E位势高度场的和，f为45°N 上60°～90°E位势高度场的和。

图1　500 hPa高度场（实线）和温度场（虚线）

定义巴湖低槽指数trough为trough1和trough2中的最大值，用于确定巴湖附近出现的槽的类型和强度，当trough≥f0时，则认为有低槽出现，阈值的确定需要通过不断修订f0的值，使得能够识别出明显的低槽。最终确定入型指标为：trough≥f0，f0=80。

（2）急流型：由于急流带较窄，本文根据阿克苏及邻近地区的地理位置，选定两个关键区域（40°～50°N，60°～90°E和35°～45°N，60°～90°E）判定其有无急流，急流指数分别为stream1和stream2，并利用45°N上60°～90°E的最大风速Umax做一个补漏的判定。

其中：a为40°N纬线上60°～90°E位势高度场的和，b为50°N上60°～90°E位势高度场的和，c为35°N上60°～90°E位势高度场的和，d为45°N上60°～90°E位势高度场的和。

定义急流指数stream为stream1和stream2中的最大值，用于判定急流出现的纬度带和强度，当stream≥f1时，认为有急流出现，当stream不满足条件时，需进一步判定是否存在Umax≥f2，若满足条件也判定为急流型。阈值的确定需要通过不断修订f1和f2的值，直到能够识别出明显的急流。最终确定入型指标为：stream≥f1，f1=160，或Umax≥f2，f2=20。

（3）西北气流型：定义西北气流指数airflow为中亚地区（45°～70°E）每隔5°经线上的位势高度的最大值与90°E上的位势高度的差，若西高东低，即阿克苏及邻近地区处于西北气流中，则airflow为正值。

其中：a为45°～70°E每隔5°共6条经线上35° ～45°N位势高度和的最大值，记录此最大值所在经度y，b为90°E上35°～45°N位势高度的和。

当airflow≥f3时，可以认为阿克苏及邻近地区处于西北气流中。阈值的确定需要通过不断修订f3的值，使得能够识别出明显的西北气流。最终确定入型指标为：airflow≥f3，f3=70。

（4）温度槽型：温度槽相对于高度槽而言，范围较小，位置多变，本文考虑了温度槽的4种情况：温度竖槽1（40°～45°N，65°～85°E），温度竖槽2（40°～45°N，70°～90°E），温度横槽（40°～50°N，65°～85°E），温度斜槽（40°～50°N，70°～85°E），分别定义其槽强度指数为t1，t2，t3，t4。

其中：a为65°E上40°～45°N位势高度场的和，b为85°E上40°～45°N位势高度场的和，c为75°E 上40°～45°N位势高度场的和。

其中：d为70°E上40°～45°N位势高度场的和，e为90°E上40°～45°N位势高度场的和，f为80°E上40°～45°N位势高度场的和。

定义温度横槽指数t3为40°～50°N，每隔2.5°的相邻两条纬线上65°～85°E位势高度的和的差值的最大值。

其中：g为50°N，70°E上的位势高度的值，h为40°N，85°E上的位势高度的值，l为45°N，77.5°E上的位势高度的值。

定义温度槽指数t为t1，t2，t3和t4中的最大值，用于确定温度槽的类型和强度，当t≥f4时，可以认为有温度槽出现。阈值的确定需要通过不断修订f4的值，直到能够识别出明显的温度槽。最终确定入型指标为：t≥f4，f4=1.5。

3.3天气型判别效果检验

用上述入型指标对2002—2012年5—9月（共1683 d）的历史资料进行判别，结果（表4）表明，满足入型条件的样本数为876 d，消空率为48%，其中漏报4d，漏报率为2.4%。天气分型大大缩减了预报样本数，有效提高了预报针对性。

表4　2002—2012年天气型判别结果

对2013年5—9月（共153 d）历史资料进行判别，结果见表5。入型样本数为80 d，消空率为48%，15 d实际有区域雷暴发生的样本全部入型，无漏报。

表5　2013年天气型判别结果

4　雷暴概率回归预报模型

4.1预报因子的选取

本文选取了2002—2012年5—9月NCEP/ NCAR 1°×1°再分析资料计算得出的36个对流参数，如下：

（1）水汽因子：整层可降水量PW AT、850 hPa、700 hPa、500 hPa比湿，相对湿度，温度露点差，水汽通量和露点：Q850、Q700、Q500、RH850、RH700、RH500、TDD850、TDD700、TDD500、VAPFLUXDIV850、VAPFLUXDIV700、VAPFLUXDIV500、TD850、TD700、TD500共16个因子。

（2）不稳定度因子：TD指数，总指数TOAT，气团指数K，最优抬升指数BLI，沙氏指数SI，0°层高度Z0、-20°层高度Z20，850 hPa、700 hPa、500 hPa假相当位温：SITASE850、SITASE700、SITASE500，共10个因子。

（3）动力因子：0～6 km风切变SHR6、0～3 km风切变SHR3、大风指数W INDEX、地面气压PS共4个因子。

（4）不稳定能量因子：最优对流有效位能BCAPE、对流抑制能量CIN、下沉有效位能DCAPE 共3个因子。

（5）温度平流因子：500 hPa、700 hPa、850 hPa温度平流TMPADV500、TMPADV700、TMPADV850，共3个因子。

采用相关系数临界值rc来判别各对流参数与发生区域雷暴的单相关系数是否通过显著性检验。其计算公式为：

其中：tα表示显著水平α=0.05的临界值，n表示样本数，n-2表示自由度，如果计算的相关系数r>rc，则通过显著性t检验。

通过上式求得的4类天气型下临界相关系数值rc分别为0.1131、0.1249、0.1378、0.1757。结合敏感物理量不可重复的原则，对不同天气型分别筛选出相关系数通过显著性检验的对流参数（表6）。

表6　各天气型下的对流参数

表6说明，BLI、K、SI、TOAT以及BCAPE等与区域雷暴的相关性较好，对雷暴（冰雹）有较好的指示意义，且不同天气型下指示意义较好的对流参数有所差异。

4.2概率回归预报模型的建立

首先，对符合区域雷暴天气形势当日的实况进行（0，1）化处理，0为无区域雷暴发生，1为有区域雷暴发生。然后利用各天气型下通过显著性检验的区域雷暴发生当日的对流参数，采用逐步回归方法，建立预报方程，最后按TS评分最高原则确定方程的临界值，做出有无区域雷暴的预报。

利用回归方程求出回归估计值Y*，Y*即为雷暴发生的概率，找出建模样本中Y*的最大值Ymax和最小值Ymin，然后从Ymin开始取一个较小的步长ΔY，从Ymin到Ymax以ΔY为步长变化时，第n步假设临界概率值为Yopt=Ymin+（n-1）ΔY。求出每一步对应的TS评分，将TS评分最大的假设临界概率值作为回归方程的阈值，也就是预报区域雷暴是否发生的临界值。本文将这一步长取为0.01。表7给出了利用逐步回归方程求得TS评分最高的结果及其对应的阈值。

表7　逐步回归方程、引入因子、阈值和TS评分

4.3回代检验与试预报

对2002—2012年5—9月所有入型样本进行回代检验，在天气分型过程中，2002—2012年5—9月共1683 d，入型876 d，其中巴湖低槽型301 d，急流型247 d，西北气流型203 d，温度槽型125 d，其余807 d均预报不发生区域雷暴。回代检验效果（表8）表明，平均准确率为72.0%，最高可达78.1%，平均TS评分为30.1%，最高可达35.3%。

表8　2002—2012年入型样本回代检验结果

对2013年5—9月所有入型样本进行试预报，在天气分型过程中，5—9月共153 d，入型80 d，其中巴湖低槽型13 d，急流型31 d，西北气流型26 d，温度槽型10 d，其余67 d均预报不发生区域雷暴。试预报效果（表9）表明，平均准确率为63.2%，最高可达74.2%，平均TS评分为28.2%，最高可达33.3%。

表9　2013年入型样本试预报结果

5　结论

本文利用新疆阿克苏及邻近地区12个气象站1980—2013年雷暴资料，统计各站雷暴日数，对发生区域雷暴的环流形势进行分类，并确定入型指标。在此基础上，选取相关性较好且物理意义明确的对流指标作为预报因子，利用2002—2012年5—9月所有入型样本及区域雷暴发生当日的预报因子，通过逐步回归方法，建立阿克苏及邻近地区区域雷暴概率回归预报模型，并对2013年进行试预报。主要研究结果：

（1）新疆阿克苏及邻近地区区域雷暴产生的主要天气系统可分为4种类型：巴湖低槽型、急流型、西北气流型和温度槽型，这与全国归纳出的雷暴4种主要天气形势[33-35]：低涡型，低槽型，西北气流型和低层西南气流型有所不同，这可能与阿克苏地区所处的特殊地理位置有关。

（2）阿克苏及邻近地区4种雷暴天气型入型指标分别为：巴湖低槽指数trough≥f0（f0=80）；急流指数stream≥f1（f1=160），当stream不满足条件时，检验最大风速Umax≥f2（f2=20）；西北气流指数airflow≥f3（f3=70）；温度槽指数t≥f4（f4=1.5）。

（3）利用上述天气型入型指标，对2002—2012 年5—9月（共1683 d）历史资料进行判别，满足天气型的样本数为876 d，消空率为48%，漏报4 d，漏报率为2.4%；对2013年5—9月（共153 d）进行判别，满足天气型的样本数为80 d，消空率也为48%，无漏报。

（4）利用阿克苏及邻近地区区域雷暴概率回归预报模型，对2002—2012年5—9月所有入型样本进行回代检验，平均准确率为72.0%（平均TS评分为30.1%）；对2013年5—9月进行试预报，平均准确率为63.2%（平均TS评分为28.2%）。以上结果表明本文所述的雷暴预报方法可应用于实际业务。

参考文献：

[1]张山清，普宗朝，李景林，等.气候变暖背景下南疆棉花种植区划的变化[J].中国农业气象，2015，36（2）：1-11.

[2]普宗朝，张山清，李景林，等.气候变化对新疆哈密瓜种植气候区划的影响[J].气候变化研究发展，2015，11（2）：115-122.

[3]金永利，张蔷.北京地区一次降雹过程和冰雹微物理特征[J].气象，2002，28（1）：18-25.

[4]朱乾根，林锦瑞，寿绍文，等.天气学原理和方法[M].北京:气象出版社，2007：401-462.

[5]秦贺，陈春艳，霍文，等.1999—2008年新疆雷暴活动特征分析[J].沙漠与绿洲气象，2013，7（6）：63-67.

[6]李圆圆，支竣，张超.2013年6月喀什地区一次强冰雹天气的成因分析[J].沙漠与绿洲气象，2014，8（2）：19-26.

[7]惠富梅，肖刚，杜丽红.漯河市夏季雷暴预报方法[J].河南气象，2000，3（2）：20-21.

[8]齐琳琳，刘玉玲，赵思雄.一次强雷雨过程中对流参数对潜势预测影响的分析[J].大气科学，2005，29（4）：536-548.

[9]郑栋，张义军，吕伟涛，等.大气不稳定度参数与闪电活动的预报[J].高原气象，2005，24（2）：196-203.

[10]梁爱民，张庆红，申红喜，等.北京地区雷暴大风预报研究[J].气象，2006，32（11）：73-80.

[11]李艳，王振会，徐文，等.非线性探空因子的雷暴分级潜势预报[J].安徽农业科学，2010，38（23）：876-879.

[12]王伏村，付双喜，张德玉，等.一次雷暴大风引发的强沙尘暴天气的中尺度系统分析[J].干旱气象，2014，32（6）：954-961.

[13]孙翠梅，沈兴建，钱鹏，等.镇江雷暴气候特征及天气学预报方法分析[J].气象与环境科学，2014，37（3）：8-13.

[14]王洁，杨洋，曹继军，等.一次强雷暴天气与大气环境场的关系分析[J].干旱气象，2014，32（1）：70-74.

[15]秦春明，尚可政，王式功，等.辽宁葫芦岛地区1—10 d雷暴天气预报方法[J].干旱气象，2012，30（2）：192-201.

[16]李耀东，刘健文，高守亭.动力和能量参数在强对流天气预报中的应用研究[J].气象学报，2004，62（4）：401-409.

[17]李耀东，高守亭，刘建文.对流能量计算及强对流天气落区预报技术研究[J].应用气象学报，2004，15（1）：11-20.

[18]郝莹，姚叶青，陈炎，等.基于对流参数的雷暴潜势预报研究[J].气象科技，2008，36（2）：150-154.

[19] Maglaras G J,La Penta K D.Developmentofa Forecast Equation to Predictthe Severity ofThunderstorm Events in New York States [J].National W eather Digest，1997 （6）：3-9.

[20] RaviN,Mohanty U C,Madan O P,etal.Forecasting of Thunderstorms in the Pre-Monsoon Season at Delhi[J]. Meteor.Appl，1999（6）：29-38.

[21]郭睿君.伊宁机场雷暴的统计预报方案[J].新疆气象，2000，23（3）：9-10.

[22]柴瑞，王振会，张其林，等.基于对流参数的雷暴潜势预报方法对比分析[J].安徽农业科学，2009，37（8）：3638-3640.

[23]杨仲江，唐小峰.逐步消空法在上海雷电潜势预报中的应用[J].气象科学，2009，29（6）：810-814.

[24]刘哀钊，卓伟，裴军林.基于对流参数的雷暴预报方法研究[J].高原山地气象研究，2010，30（2）：22-40.

[25]张星辰，陈雷，把多辉，等.河西走廊东部强雷暴天气分析与预报[J].气象科技，2003，31（5）：280-283.

[26]王旭，马禹.新疆冰雹天气过程的基本特征[J].新疆气象，2002，25（1）：10-14.

[27]李海燕，李桂青，赵威.巴州北部农区强对流天气预报预警方法初探[J].沙漠与绿洲气象，2010，4（5）：16-19.

[28]张振宪.阿克苏地区造成强冰雹的影响系统分析[J].新疆气象，1992，15（3）：11-15.

[29]张振宪.库沙新地区重大天气过程影响系统分析[J].新疆气象，1996，19（3）：1-14.

[30]孔玉寿,沈家宜.用MED方法作南京地区五月份雷暴的短期预报[J].气象科学，1986，1（1）：76-80.

[31]曹志国，刘祥，曹京.机场雷暴预报的数值预报产品释用方法[J].广西气象，2005，26（9）：100-102.

[32]杨仲江，唐晓峰.逐步消空法在上海雷电潜势预报中的应用[J].气象科学，2009，29（6）：810-814.

[33]寿绍文，励申申，王善华，等.天气学分析[M].北京:气象出版社，2006：149-153.

[34]郭玉凤.巴彦淖尔市冰雹预报方法应用研究[D].北京:中国农业科学院研究生院，2009.

[35]郑媛媛，姚晨，郝莹，等.不同类型大尺度环流背景下强对流天气的短时临近预报预警研究[J].气象，2011，37 （7）：79-80.

Studyon Thunderstorm Short-term Forecastin the Southern of Tianshan M ountains

LIU Zhihui1，W ANG Shigong1，SHANG Kezheng1，KONG Debing1，2，ZHAO W enjing1，W ANG Yun1
（1.CollegeofAtmospheric SciencesofLanzhou University，Key LaboratoryofDroughtand Disaster Mitigation in Gansu Province，Lanzhou 730000,China；2.MeteorologicalStation of95606 Unitofthe PLA.Chongqing402361，China）

AbstractBased on the thunderstorm observation and sounding data from 12 meteorological stationsin the Aksu and surroundingareasduring1980-2013,wedefined theregionalthunderstorm asthe day there ismorethan three stationswith thunderstorm weather.Finally the weathersituation was mainly divided into 4 types:The Balkhash Lake low trough type,the jettype,the northwest airflow type and the temperature trough type.By constantly revise the criticalvalue ofthe type indicator to achieve optimal results,and the type indicators are determined by the indicator of Balkhash Lakelow trough typeistrough≥f0（f0=80）,thejettype isstream≥f1（f1=160）orUmax≥f2（f2=20）,the northwestairflow type isairflow≥f3（f3=70）and the temperature trough type ist≥f4, （f4=1.5）.By thismethod and the data during2002-2012 from Mayto September,the resultshowed thatthenumberofsamplesmeeting the indicatoris876,empty elimination rate is48% .The result showed thatthe numberofsamples meeting the indicatoris80,empty elimination rate is 48% by using the data of2013 from May to September.The method of identification weather type has greatlyreduced thesamplenumberand effectivelyimproved theprediction.Backingto generation of testwith allsampleswereelected to 4 weathertypesfrom Mayto Septemberduring2002-2012,the average accuracy is72.0%（theaverage TS score was30.1%）；The forecastwith allsampleswere elected to 4 weathertypes from May to September in 2013,the average accuracy is 63.2%（the average TS scorewas28.2%）.

Key wordsthunderstorms；circulation classification；stepwise regression equation；back to the generation oftest；experimentforecast

中图分类号：P457.9

文献标识码：A

文章编号：1002-0799（2016）02-0043-07

doi：10.3969/j.issn.1002-0799.2016.02.007

收稿日期：2015-09-06；修回日期：2015-10-21

基金项目：国家公益性（气象）行业专项项目（GYHY201306047，GYHY201206004）和兰州大学中央高校基本科研业务费专项（lzujbky-2013-m03）。

作者简介：柳志慧（1989-），女，硕士研究生，研究方向为现代天气预报技术和极端天气气候。E-mail：389865861@qq.com

通讯作者：尚可政（1960-），男，教授，主要从事干旱气候和现代天气预报技术和方法研究。E-mail：shangkz@lzu.edu.cn