美国空军气象局冻雨预报系统对三次冻雨事件及电线积冰厚度的模拟

郑 伟, 陆正奇, 徐婉笛, 龚建福, 韩永翔*, 李 哲, 刘善峰

(1.国网河南省电力公司，郑州 450000；2.南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044 3.南京信息大学中国气象局气溶胶-云-降水重点开放实验室，南京 210044)

电网是保障国民经济发展的动力引擎，但冬季电线积冰常使得输电线路出现倒塔、断线、绝缘子闪络、通讯不畅等故障，不但影响电力系统的正常运行，而且也给国民经济造成严重损[1]，如2008年冬季南方出现了严重的冰冻灾害天气，输电线路长时间、大范围的电线积冰使南方电网近30%输电线路遭到破坏，直接经济损失达1 500亿元[2-3]。因此，准确预报电线积冰的发生发展，对输电线路的冰冻灾害防治具有重要意义。

一系列观测实验和理论研究已经确认冻雨是造成电线积冰事故的主要灾害性天气，大气中的过冷小水滴或雨滴碰撞凝结在输电线路表面，形成电线积冰[4-8]，因此要预报电线覆冰的厚度，首先要准确地预测冻雨发生的范围及冻雨量。近年来，冻雨预报在中外均取得了较大的进展。Ramer[9]利用湿球温度、相对湿度以及含冰率来作为冻雨的判别指标；Cantin等[10]将1 000～850 hPa和850～700 hPa层的厚度作为冻雨的预报因子，进而根据预报经验对降水类型做出判断；Czys等[11]通过冰粒在暖层内停留时间与完全融化时间的比值来确定是否发生冻雨；Bourgouin[12]通过计算降水发生时温度曲线与0 ℃线等温线围成的正负能量面积的大小及相关系数，来判定冻雨的发生；根据冻雨发生时温湿廓线、短波辐射通量、雨雪转化所需能量等气象要素，美国空军气象局(Air Force Weather Agency,AEFA)在中尺度天气研究和预报(weather research and forecasting，WRF)模式中开发了AWFA冻雨预报系统[13]。在中国，漆梁波[14]以云顶高度、关键层的冷暖和干湿程度及风速预报冻雨；郑婧等[15]通过降水量及中低空温度判断逆温和融化层，进而再通过地面温度预报冻雨；高守亭等[16]提出了动力因子和散步判别法相结合的冻雨诊断预测方法。上述方法的发展为冻雨预报提供了多种思路，但多数方案因预报误差较大或参数过多，冻雨的预报目前仍然是一个难点，真正投入业务运行的冻雨预报系统很少。根据最新的研究，对冻雨预报较好地有改进Ramer算法和AFWA冻雨预报系统，使其具有较低的空报率及较高的准确率，但AFWA冻雨预报系统在美国空军气象局已经进行了近5年业务运行，取得了很好地服务效果。然而，AFWA系统目前并没有在中国地区使用，能否适用于中国的冻雨预报尚需要检验。

在中尺度WRF模式的基础上，引进AWFA冻雨预报系统，通过对发生在中国的3次冻雨个例事件进行预报，以检验AWFA冻雨预报系统对中国冻雨的预报能力。同时，根据其输出的气象参数，进行了电线积冰厚度的模拟。

1 资料与方法

1.1 资料来源

地面气象站点每日4次观测的气象要素来自中国气象局气候中心；探空资料来自中国气象局国家气象信息中心，包括中国89个探空站点每日08:00和20:00的探空观测结果。所用的模式初始场为NCAR/NCEP的时间分辨率为6 h的再分析资料(FNL资料)，为模式提供初始的气象数据和边界条件，供模式进行计算和积分。

1.2 WRF模式及参数化方案简介

WRF是美国国家大气研究中心、国家海洋和大气管理局、美国空军和海军研究实验室等机构联合开发的新一代中尺度预报模式和资料同化系统,被广泛应用于大气研究和业务预报领域。WRF模式初始场为美国国家环境预报中心/国家大气研究中心(National Centers for Environmental Prediction/ National Center for Atmospheric Research，NCAR/NCEP)的时间分辨率为6 h的1°×1°再分析(FNL)资料，模拟时间分别为2011年1月2—4日、2015年1月28—29日和2018年1月24日—28日；预留了12 h的spin-up时间以保证模式的稳定性，每小时输出一次模拟结果，模式采用2层嵌套，具体模拟区域如图1所示；垂直方向为σ地形跟随坐标，垂直方向分为43层，模式层顶高度为50 hPa。地形数据使用美国地质调查局(United States Teoltgical Survey, USGS)提供的 2 m和30′高分辨率 LANDUSE 资料。具体物理方案:微物理为Thompson方案，长波辐射为RRTM(a rapid and accurate radiative transfer model)方案，短波辐射为Dudhia方案，近地面为Monin-Obukhov方案，陆面为Noah方案，边界层为YSU(Yonsei University Scheme)方案。

图1 模拟区域设置

1.3 AFWA冻雨预报系统简介

美国空军气象局根据冻雨发生时温湿廓线、短波辐射通量、雨雪转化所需能量等气象要素，在中尺度WRF模式中开发了AWFA冻雨预报系统，其具体的预报方案如下。

步骤一利用短波辐射修正地温(T2)，若降水量>0且T2>275.15 K，则降水类型为雨。

步骤二检验云顶相对湿度、云顶温度及垂直剖面，若云顶温度低于 云凝结核(CCN)核化温度，则降水为固态，反之为液态(检测区域云顶相对湿度需>80%，若<70%则需重新检测)。

步骤三如果降水类型为固态，且该层温度Tk>0 ℃，则需计算融化能量(melt)，其公式为

(1)

式(1)中：k为模式垂直层数;ΔZk为相邻模式层结的间距。

网格区为逆温层，点为发生冰冻的气象站点

(1)若降水经历的融化能量高于总融化能量，则降水类型为液态，融化能量设为 0。

(2)若该层温度低于 0 ℃，则降水类型为液态；若融化能量高于 1/4总融化能量，则假设部分降水凝结为固态，融化能量设为 0。

(3)若降水类型为液态，下落某层中温度低于 CCN核化温度则降水类型为固态。

(4)若下落到地面时，地面 2 m处的T2<273.15 K，则降水类型为冻雨。

在预报系统中，当云滴成核时，CCN核化温度缺省值为264.15 K；雪融化为雨的临界能量缺省值为50 J/kg。

1.4 电线覆冰厚度模型简介

利用Jones[17]的等效冰厚模型计算电线积冰厚度的变化，将模拟的冻雨范围和冻雨量输入等效冰厚模型中，并将覆冰形状统一视为圆柱形覆冰[18]。

1.5 威胁指数(TS)评分计算方法

根据《中短期天气预报质量检测方法》[19]，威胁指数(threat scores，TS)评分的计算方法如式(2)所示：

(2)

漏报率PO：

(3)

空报率FAR：

(4)

式中：NA为正确预报次数;NB为空报次数;NC为漏报次数。

2 结果分析

2.1 三次冻雨事件的天气形势、液态含水量和温度场垂直廓线的时间演变

三次冻雨事件均由南下的冷空气和北上的南方暖湿气流在中国贵州-湖南及江西北部相遇形成大片的逆温区(图2)，冷空气南下导致逆温区下部大部地表温度低于0 ℃，而南方暖湿气流则带来了充足的水汽，这些因素导致在这些地区出现了大面积的冰冻雨雪天气。

图3 WRF模式模拟长沙温度和液态含水量的时间-高度剖面图

圆点部分为观测发生冻雨范围；阴影部分为AFWA预报结果

图3为WRF模式模拟三次冻雨过程中长沙站的温度及液水含量的时间-高度剖面图。从图3(a)中可以看到，从2010年12月31日15:00左右开始，750 hPa左右高度层中有范围较小的高液态含水量存在，同时，该高度逐渐被冷气团所控制，开始逐渐形成逆温层。2011年1月1日，700～680 hPa存在高液态含水量，并在850 hPa左右出现第二个逆温层，此时湖南和贵州东部地面出现冰冻天气; 1日12:00—2日20:00，虽然存在逆温层，但高空中液态含水量很低，冰冻天气停止; 3日虽然在800～720 hPa存在高液态含水量，但逆温层消失，冻雨很难形成。4日06:00，在850～700 hPa存在高液态含水量，加上800～700 hPa存在较明显的逆温层，冻雨加强，直至1月5日以后液态含水量逐渐降低为0，此次冻雨过程结束。图3(b)显示了2015年1月27日00:00—29日18:00液态含水量和温度场的垂直廓线，从27日12:00—29日18:00，800～700 hPa 一致存在高液态含水量，同时，逆温层也一直存在，但地面温度在27日18:00才低于0 ℃以下，故而冻雨在18:00才出现并呈现增长状态，29日20:00以后，液态含水量逐渐减少，冰冻天气结束。图3(c)显示了2018年1月24日12:00—28日12:00液态含水量和温度场的垂直廓线，25日12:00之前，虽然液态含水量很高，但地表温度大于0 ℃，无法形成冻雨，其后，地表温度逐渐降低，温度下降到0 ℃以下，同时，高空存在强的逆温区，在26—27日18:00，高空液态含水量很高，有利于冻雨的形成。28日00:00以后，逆温层逐渐消失，加上液态含水量急剧减少，冰冻天气结束。另外，来自逆温层顶部之上的700～600 hPa的固态水合物(冰晶、雪、霰)经过逆温层明显发生了融化，故而液态含水量的高值区均在大于0 ℃的逆温层中，在下降到低于0 ℃的地面时，液态水在地面形成冻雨，重新转化为固态。从三次冻雨事件的分析可知，逆温、空中高液态含水量及地表温度低于0 ℃是关键的气象因子，一次冻雨事件必须至少一次同时满足这三个的气象条件。

2.2 三次冻雨事件的预报范围及TS评分

图4所示为AFWA预测三次冻雨事件发生的范围，并与观测进行了对比。显然，三次冻雨事件预报的范围普遍比观测站点的区域要偏大，同时也存在一定的漏报。为了进行TS评分，将发生冻雨站点周围35 km的格点也设置为实际发生冻雨的格点，统计了整个模拟区域内实际发生冻雨的格点个数及AFWA预报发生冻雨的格点个数，并用TS评分对三次冻雨事件预报效果进行了评估(表1)。由表1可以看出，三次冻雨事件预报效果不一，其中2015年1月28—29日冻雨事件预报效果非常好，漏报率和空报率均在0.27左右，TS评分高达0.63；2011年1月2—4日的冻雨事件中，虽然漏报率较低，但空报率达到了0.51，TS评分为0.40；最低的是2018年1月25—27日，漏报率虽然为0.33，但空报率达到了0.65，导致TS评分仅为0.30。

三次冻雨事件预报TS评分为0.30～0.63，平均TS评分为0.45，这对冻雨这种小概率事件的预报已经是一个较高的评分，较统计预报的TS评分要高，显示出了较好的预报能力。

表1 三次冻雨事件预报效果TS评分

2.3 三次冻雨事件电线积冰厚度模拟

将模拟的冻雨范围和冻雨量输入Jones等效冰厚模型中，获得了相应时刻的电线积冰厚度(图5)。由于缺乏实际的电线积冰厚度的观测，只能用气象站点观测到冻雨分布(图4)进行对比。2011年1月4日冻雨事件结束日的电线积冰厚度[图5(a)]在25.20°N～26.10°N形成了3～9 mm厚度的电线积冰狭窄带，与气象站点观测到冻雨密集区的范围[图4(a)]相当吻合。2015年1月29日冻雨事件结束日的电线积冰厚度则在贵州省东南部和湖南省中西部地区同样形成了西南-东北走向的3～10 mm厚度的电线积冰带[图5(b)]，也与气象站点观测的冻雨密集区范围吻合[图4(b)]。2018年1月27日冻雨事件结束日的电线积冰厚度大多在1～5 mm之间，尽管这次冻雨观测到的范围最大[图4(c)]，但电线积冰厚度[图5(c)]却是三次冻雨事件中最薄的。

图5 三次冻雨事件电线积冰厚度分布

虽然AFWA冻雨预报系统对冻雨范围的TS评分为0.30～0.63，但对电力部门而言，冻雨范围并不是特别关注的灾害性天气要素，因为冻雨形成的电线积冰厚度只有达到一定的厚度阈值才能对电线形成危害，对一些出现短时冻雨或冻雨量少的地区，则很难形成电线积冰或因厚度小对电网形不成危害。AFWA冻雨预报系统从其微物理过程来看，它对非常明显的冻雨过程则有非常好的预报能力，意味着对电线积冰可能更好。同时，气象站点观测到冻雨只是一个点，即使对其进行插值，其精细化的尺度显然远弱于模式模拟的精细化分布。

3 结论

利用耦合了中尺度WRF模式的AWFA冻雨预报系统，对发生在中国南方的3次冻雨事件进行预报，通过TS评分对AWFA系统对中国地区冻雨预报能力进行了评估，并根据其输出的冻雨参数，用覆冰增长模型对电线积冰厚度进行了模拟，其具体结论如下。

(1)三次冻雨事件均由南下的冷空气和北上的南方暖湿气流在中国长江中游地区相遇，在该地区形成了大片的逆温区且导致地表温度低于 0 ℃。逆温、空中高液态含水量及地表温度低于 0 ℃是关键的气象因子，一次冻雨事件必须同时满足上述三个的气象条件。

(2)AFWA冻雨预报系统预测冻雨事件发生的范围较实际观测的区域偏大，也存在一定的漏报。每次冻雨事件预报效果不一，三次冻雨事件预报TS评分为0.30～0.63，平均TS评分为 0.45，高于其他模型，表明AFWA冻雨预报系统在中国也有一定的预报能力。

(3)由 AWFA预报系统输出的冻雨参数计算的电线积冰厚度与气象站点观测到冻雨密集区的范围相当吻合，对非常明显的冻雨过程有非常好的预报能力且能够获得电线积冰厚度的精细化分布。

虽然AFWA冻雨预报系统在中国有一定的预报能力，但其预报能力仍低于改进Ramer参数化方案的结果。在未来的研究中，针对AFWA系统中涉及的云微物理量参量进行本地化检验。同时，加强对电线积冰厚度观测资料的积累，进而利用长时段、高分辨率的气象要素及云微物理量的观测资料进一步验证并完善AFWA冻雨预报系统，期望能更准确地预报电线积冰的发生。