贵州省雷暴大风时空分布及对流参数特征分析

李 力，万雪丽，齐大鹏，周永水，彭 芳，顾天红

(1.贵州省气象台，贵州 贵阳 550002；2.贵州省山地环境气候研究所，贵州 贵阳 550002)

0 引言

雷暴大风是指由大气对流活动所导致的地面及近地面的强风事件，主要由对流风暴的强下沉气流造成，有时还包括冷池密度流、高空水平动量下传和上升气流的抽吸作用[1]。有时，雷暴大风的风速并不大，但由于辐散气流的空间尺度很小，则可以产生很强的水平风切变，严重威胁航空、水运的安全。由于雷暴大风有空间尺度小、生命史短、致灾性强、预报预警难度大等特点，近年来其物理机制、气候特征、预报预警一直是研究的重点。张雪晨[2]、崔丽曼[3]、许霖[4]等分别对安徽、河南、湖南多年的雷暴大风事件进行统计，发现雷暴大风日数存在显著的减少趋势，雷暴大风的日变化主要呈现单峰结构，峰值出现在午后到傍晚。费海燕等[5]研究发现中国强雷暴大风主要发生在中国中东部地区，并对比了不同地区的强雷暴大风中低层垂直风切变、明显的干层、红外云图的不同特征。方翀等[6]将华北地区雷暴大风时空分布特征的研究分为高海拔和低海拔地区，指出高海拔地区出现雷暴大风的频次大于低海拔地区，并研究了多种环境参数对雷暴大风的出现及其范围的指示意义。廖晓农等[7]对北京雷暴大风日的环境预报因子做了研究，指出下沉对流有效位能、大风指数、对流层下层温度直减率对雷暴大风的指示意义，并给出可用阈值。严仕尧等[8]筛选出华北地区雷暴大风发生时多个动力热力指标阈值，并进一步设计了指标叠套技术应用于华北地区的雷暴大风潜势预报。高晓梅等[9]研究了鲁中地区雷暴大风、冰雹雷暴大风和强降水混合型等3种分类强对流天气环境参数特征，并给出相应阈值。

近年来，雷暴大风天气频发，造成人员伤亡的事件时有发生，一些研究针对贵州雷暴大风的天气过程做了相关分析，李路长等[10]对贵州镇远一次雷暴大风过程进行了环境参数和雷达回波特征分析；吴古会等[11]对贵州西南部的一次冰雹大风天气进行了研究，发现对流有效位能和抬升指数对于此次过程有较好的指示意义；王君军等[12]研究了一次影响贵阳的飑线过程，发现地面大风主要产生在温度梯度最大区域靠暖区一侧；张超等[13]对比黔东南两次雷暴大风过程表明，雷暴单体反射率因子核的突然升高和持续下降可用于下击暴流的短时临近预报。这些研究为贵州省雷暴大风的预报预警提供了依据，但仍然局限于个例分析，对贵州雷暴大风缺乏整体性、系统性的认识，因此为提高对这种灾害性天气的预报预警能力，对贵州省雷暴大风进行系统性、整体性的研究十分有必要。本文利用地面观测资料，统计分析了2012—2016年贵州省雷暴大风的时空分布特征，利用NCEP再分析资料计算雷暴大风发生时的动力热力参数，并尝试运用指标叠套法对雷暴大风进行潜势预报，期望为贵州雷暴大风的预报提供有价值的参考。

1 资料选取与方法介绍

根据贵州省2012—2016年人工观测的危险天气报、重要天气报和雷暴观测资料，对贵州省84个县级以上气象站大风记录进行筛选，筛选出1个观测日内(20时—次日20时)1个及以上测站出现风速≥17 m/s，同时有雷暴发生的记录，再结合地面气象站、气象卫星等观测资料，剔除寒潮、热低压引起的大风，最后得到雷暴大风观测记录169站次，根据这169个雷暴大风事件的统计资料分析了贵州雷暴大风的时空分布。

定义一天内有2个以上站点发生雷暴大风为1个雷暴大风日，共计33个雷暴大风日，这样计算的对流参数更具代表性。借鉴梁爱民等[14]的研究方法，选取了雷暴大风日中与雷暴大风事件发生地点“邻近”、发生时间“临近”的NCEP 1°×1°再分析资料(间隔6 h，即02、08、14、20时)计算雷暴大风发生前的对流参数。由于贵州地处云贵高原，地形西高东低，部分站点的海拔高度高于850 hPa，需要用到850 hPa相关要素计算的对流参数不适用于这些站点，因此在计算850～500 hPa的温度差T85、850～500 hPa的露点温度差Td85时，将海拔高度大于850 hPa的站点剔除，以免计算的对流参数无意义，剔除掉高海拔站点后，3月和9月的数据样本较少，故T85和Td85只讨论4—8月。其他参数的计算仍然保留所有站点。

通过端须图给出各种对流参数的分布，并给出雷暴大风发生前对应的关键参数的最低阈值，若采用端须图的最小值作为阈值则会出现大量空报，因此选择采用关键参数分布的25百分位作为潜势预报最低阈值的初猜值，再尝试运用指标叠套法根据实际预报效果进行调整，在空报率和漏报率之间选取折中的阈值。指标叠套技术的主要思想是:若满足雷暴大风天气发生指标X1的区域为Y1，满足雷暴大风天气发生指标X2的区域为Y2，则Y1和Y2重合的区域必然是最容易发生雷暴大风天气区域[8]。

2 雷暴大风时空分布特征

2.1 时间分布

对2012—2016年雷暴大风发生频次的月分布统计如图1a所示，贵州省雷暴大风发生在3—10月，11月—次年2月没有观测到雷暴大风记录。春季(3—5月)雷暴大风次数逐渐增多，6—7月减少，8月雷暴大风发生次数增加到与5月几乎相同，每月约45站次，出现次数均明显多于其它月份。9—10月为一年中次数最少的月份，每月只有4站次。春季和夏季发生雷暴大风的频数相差不大，春季雷暴大风发生频率占全年的47.3%，夏季占47.9%，秋季仅占4.7%。6、7月是贵州暴雨多发时节，强对流天气主要以短时强降水为主，水汽充足，湿层深厚，不利于雷暴大风的发生。对贵州省当日发生3站次以上的大范围雷暴大风过程做月分布统计(图1b)，对比图1a可以得知，3月、9月、10月无大范围雷暴大风过程发生，仅有个别站点出现雷暴大风。大范围雷暴大风过程绝大多数(84.2%)发生在4月、5月和8月，6月和7月分别发生了1次和2次。

图1 2012—2016年贵州省雷暴大风月分布：(a)雷暴大风发生频次、(b)3站次及以上大范围雷暴大风过程频数Fig.1 The monthly distribution of Guizhou thunderstorm gales from 2012 to 2016.(a) the number of thunderstorm gales, (b) the number of thunderstorm gales processes

从贵州雷暴大风的日变化可以看出(图2a)，发生的高频时段在午后到前半夜，05—12时出现的次数最少，12—14时发生频次迅速升高，峰值出现在15—18时，占55.6%，18时以后雷暴大风迅速减少。午后地面温度升高，大气中不稳定能量积聚，动力和热力条件均有利于强对流云团发生发展。

统计3站次以上大范围雷暴大风过程的开始时间和结束时间，将每次过程首站出现大风的时间定义为开始时间，末站出现大风的时间定义为结束时间。从图2b可知，过程开始时间呈现两个峰值，一个在13—18时，另一个在00—01时，其中16时的过程次数突然降低为0，由于雷暴大风过程样本较少故16时代表性不强可忽略不计。分析表明从后半夜到早晨这段时间开始发生雷暴大风的可能性是很小的，午后是过程开始的高发期。过程的结束时间主要分布于午后到前半夜，也有个别过程是持续到后半夜和早晨。将雷暴大风天气过程开始时间和结束时间的差值作为过程的持续时间(图2c)，在19个大范围雷暴大风天气过程中，持续时间多数在3～4 h，占47.4%，1～2 h的次之，占26.3%，持续时间>5 h的占少数。

2.2 空间分布

统计2012—2016年雷暴大风发生频次得到贵州雷暴大风的站点分布情况(图3)。雷暴大风发生的高频地带总体呈东北—西南向分布，主要出现在乌蒙山脉以东和苗岭山脉周围，西南部为雷暴大风的高发区，关岭发生频次最高为14次，贞丰、兴义、册亨同样是雷暴大风的高发地，贵州中部的修文、东北部的铜仁发生频次也超过7次。而西北部和东南部较少，这可能是因为西北部常常是对流初生源地，对流发展不是很旺盛，产生雷暴大风的概率较小。

3 雷暴大风过程对流参数统计特征分析

雷暴云的发生发展需要热力不稳定能量、抬升触发条件和水汽，而大范围强对流天气还需要考虑垂直风切变和对流层中层是否存在干层(对于雷暴大风和冰雹很重要)，因此利用NCEP资料计算动力、热力、水汽参数，分析贵州地区雷暴大风发生前大气对流参数的特征，预报员可根据具体的抬升触发条件(如冷锋、辐合线、地形等)结合对流参数，为预报雷暴大风提供有价值的依据。

图2 2012—2016年贵州省雷暴大风的时间分布:(a)雷暴大风日变化；(b)大范围雷暴大风过程的开始时间和结束时间；(c)大范围雷暴大风过程的持续时间Fig.2 The timely distribution of Guizhou thunderstorm gales from 2012 to 2016. (a) the diurnal variation of thunderstorm gales, (b) the start time and the end time distribution of large scale of thunderstorm gales processes, (c) the duration distribution of large scale of thunderstorm gales processes

图3 2012—2016年贵州雷暴大风发生频次空间分布Fig.3 The spatial distribution of Guizhou thunderstorm gales from 2012 to 2016

3.1 热力对流参数

3.1.1 对流有效位能CAPE和对流抑制CIN CAPE和CIN是用来表示整层大气垂直不稳定度大小的物理含义最清晰的参数[15]，对流有效位能CAPE是气块在给定环境中绝热上升时正浮力所产生的能量的垂直积分，与对流抑制一样，是对流发生潜势和潜在强度的一个重要指标。由CAPE的统计值可知，3—9月雷暴大风发生前CAPE范围在0～2 562 J·kg-1，平均值为1 038 J·kg-1，中位数为972 J·kg-1。图4a是CAPE端须图的逐月分布，其中，最下面的横线为最小值，最上面的横线为最大值，箱格中的横线为中位数，方框为平均值，箱格的上下边缘线分别为75百分位点和25百分位点，◆表示异常值(下同)。CAPE的平均值随月份先增大后减小，3月最小为605 J·kg-1，7月最大为1 696 J·kg-1，8、9月有所下降。春季(3—5月)CAPE的平均值在600～700 J·kg-1， 夏季(6—8月)开始平均值有明显的增大，增加到1 000～2 000 J·kg-1，而9月又有所下降，表明CAPE对雷暴大风的指示性需要考虑季节因素，季节不同，在日常业务中判断是否出现雷暴大风的参数指标是不同的。

抬升力必须克服对流抑制大小的负浮力才能将气块抬升到自由对流高度，即深厚湿对流形成需要的抬升触发强度由对流抑制决定[9]。雷暴大风发生前的CIN从25～75百分位的范围为-32～0 J·kg-1，中位数为-1 J·kg-1，对流抑制绝对值的最大值为279 J·kg-1。从图4b可以看出，春季CIN的箱体较宽，分布较分散，但主体绝对值一般都小于50 J·kg-1，7—9月CIN箱体很窄，分布集中，主体绝对值均不超过10 J·kg-1。表明雷暴大风发生前的对流抑制能量很小，而08时的探空一般具有一定的对流抑制能量，随着午后升温，一旦突破对流抑制能量达到自由对流高度，对流发展旺盛。

3.1.2 下沉对流有效位能DCAPE 雷暴大风的产生需要较强的下沉气流，通常用下沉对流有效位能DCAPE来表示雷暴内产生强烈下沉气流的潜势大小。统计雷暴大风发生前下沉对流有效位能DCAPE，从25～75百分位的范围为123～293 J·kg-1，中位数为208 J·kg-1，最大值为763 J·kg-1。图4c为DCAPE端须图的逐月分布，4月DCAPE的箱体分布最宽，平均值为325 J·kg-1，7月和8月DCAPE分布较集中，且平均值较大，表明7月和8月的DCAPE整体有一个跃升，9月又降低。DCAPE对雷暴大风的指示性每个月都有所不同，分布集中的月份指示性相对更好。

图4 对流有效位能CAPE(a)、对流抑制能量CIN(b)、下沉对流有效位能DCAPE(c)端须图逐月分布(单位：J·kg-1)Fig.4 The monthly distribution of box and whisker plots of CAPE (a), CIN (b) and DCAPE(c).(Unit: J·kg-1)

3.1.3 高低层温差 大气静力稳定度可以用高低层温差来衡量，温差越大表明大气越不稳定，越有利于对流发生。700 hPa与500 hPa温度差(T700-T500)T75从25～75百分位的范围为15～17 ℃，最大值为23 ℃。850 hPa与500 hPa温度差(T850-T500)T85从25～75百分位的范围为25～28 ℃，最大值为37 ℃。T75和T85逐月分布趋势较为一致，4—6月逐月递减且春季箱体较宽，分布分散。7—8月与6月相比有明显升高且箱体较窄，分布集中，运用高低层温差来作为预报雷暴大风的要素时必须考虑季节因素。

850～500 hPa的露点温度差(Td850-Td500)Td85反映了大气层结低层和高层干湿状况，差值越大，表明大气层结上干下湿越明显，对雷暴大风的生成是很有利的[16]。Td85从25～75百分位的范围为24～31 ℃，中位数为27 ℃，最大值为47 ℃。Td85的逐月分布差异不大，平均值在26 ℃左右，与季节变化关系不大。

图5 700～500 hPa的温度差T75(a)、850～500 hPa的温度差T85(b)、850～500 hPa的露点温度差Td85(c)端须图逐月分布(单位：℃)Fig.5 The monthly distribution of box and whisker plots of temperature difference between 700 hPa and 500 hPa (a), temperature between 850 hPa and 500 hPa (b),dew point temperature difference between 850 hPa and 500 hPa (c). (Unit: ℃)

3.2 动力抬升参数

通常用0～6 km垂直风切变表示深层垂直风切变，在给定湿度、静力不稳定度及抬升的深厚湿对流中，垂直风切变对对流性风暴组织和特征的影响最大，垂直风切变的增强将导致对流风暴进一步加强和发展，尤其表现为组织度的明显提高。统计Vws从25～75百分位的范围为1～3×10-3s-1，中位数为1.9×10-3s-1，最大值为5×10-3s-1。Vws的逐月分布基本呈递减趋势，春季Vws平均值为2.8×10-3s-1，其中5月箱体较宽，分布较分散，而夏季Vws较小，平均值为1.2×10-3s-1，且分布相对集中，9月比8月略有回升。从图6中注意到，一些雷暴大风对应有较弱垂直风切变的情况，有研究表明，少量雷暴大风是由弱风垂直切变情况下的脉冲风暴所产生[17]，局地雷暴大风主要是通过脉冲风暴产生下击暴流导致局地地面大风，有时最大瞬时风速可以超过40 m/s[18]。

图6 0～6 km垂直风切变Vws端须图逐月分布(单位：10-3 s-1)Fig.6 The monthly distribution of box and whisker plots of 0～6 km vertical wind shear. (Unit: 10-3 s-1)

3.3 水汽参数

水汽是深厚湿对流的燃料，当水汽在雷暴云中凝结成云滴或冰晶时，释放的潜热驱动了雷暴内的上升气流，本文用整层可降水量PWAT来代表水汽的绝对量。由统计得到雷暴大风发生前PWAT的变化范围较大，最大值为52 mm，最小值仅为13 mm，中位数40 mm。从整层可降水量PWAT端须图(图略)可以看出，整层可降水量与季节有明显的相关，春季PWAT的变化范围比夏季宽，平均值从春季的35 mm增加到夏季的45 mm，9月平均值略有下降。

4 指标叠套技术在雷暴大风潜势预报中的应用

根据上述分析的雷暴大风发生前各种对流参数的分布特征，可以给出预报雷暴大风的关键参数最低阈值的初猜值，并尝试运用指标叠套法制作对雷暴大风的潜势预报，在检验中对各种参数的初猜值进行调整，根据预报结果给出预报雷暴大风潜势的对流参数最终阈值。

4.1 叠套指标的选取

通过分析33个雷暴大风日的参数特征值，考虑产生强对流天气需具备的基本的不稳定能量、水汽条件和触发抬升机制，以及有利于冰雹和雷暴大风产生的中层干空气，由于触发抬升机制很难在对流参数中客观的体现，所以指标选取时着重考虑不稳定能量、水汽条件和中层干空气等有利于雷暴大风的参数。基于以上因素选取8个参数：对流有效位能(CAPE)、对流抑制能量(CIN)、下沉对流有效位能(DCAPE)、整层可降水量(PWAT)、0～6 km垂直风切变(Vws)、700 hPa与500 hPa温度差T75、850 hPa与500 hPa温度差T85、850 hPa和500 hPa露点温度差Td85。利用选取的8个因子，建立多指标叠套雷暴大风天气预报模型，若满足某参数相应的阈值则记为1，否则记为0，当选取的8个参数都为1时，则达到这8个参数阈值的重叠区域即为预报的雷暴大风潜势落区。

很多对流参数的指标选取需要考虑季节因素(如第3节所述)，因此将33个雷暴大风日分为春季(3—5月)和夏季(6—8月)分别运用指标叠套法进行雷暴大风预报的探索，由于9月样本较少，故在此不做讨论。对春季19个雷暴大风日和夏季14个雷暴大风日的对流参数指标阈值选取如表1所示。用2018年5月进行春季指标的检验，该月共有7 d发生了雷暴大风事件，用指标叠套法进行计算，正确预报出有雷暴大风潜势的6 d，预报正确率为74%(预报有雷暴大风潜势且出现雷暴大风的；预报无雷暴大风潜势且没有出现雷暴大风的)，空报率为23%，漏报率为3%。用同样的方法，选取2017年8月对夏季指标进行检验，该月共有6 d发生雷暴大风，运用指标叠套法进行计算，8月的31 d中，预报正确(预报有雷暴大风潜势且出现雷暴大风的；预报无雷暴大风潜势且没有出现雷暴大风的)的天数为19 d，空报天数为11 d，漏报天数为1 d，正确率为61%，空报率为35%，漏报率为3%。

表1 贵州雷暴大风过程对流参数阈值统计Tab.1 The statistics of convective parameters threshold for thunderstorm gales processes in Guizhou

4.2 叠套指标的应用

按照表1中给出的预报雷暴大风对流参数的阈值，采用指标叠套技术，判断满足参数阈值的格点。当所有参数在该格点都满足相应的阈值，则判断该点附近的区域有产生雷暴大风的潜势并记为1，反之记为0，再画出所有标记为1的区域，即为预报落区。现将指标叠套法预报雷暴大风潜势落区的应用举例如下，为减少空报率，更好的与预报落区比较，个例中大风实况包含了区域站观测到的雷暴大风记录。

例1：按照表1中的春季指标，运用指标叠套法计算2018年5月5日14时起报，预报未来6 h的雷暴大风潜势(图7b)，阴影区表示对流有效位能CAPE≥200 J·kg-1、对流抑制能量CIN≤100 J·kg-1、下沉对流有效位能DCAPE≥90 J·kg-1、整层可降水量PWAT≥26 mm，0～6 km垂直风切变VWS≥1.5×10-3s-1、700 hPa与500 hPa温度差T75≥14 ℃、850 hPa与500 hPa温度差T85≥24 ℃、850 hPa与500 hPa露点温度差Td85≥24 ℃。实况5月5日14时—6日00时在贵州中部一线和西南部出现雷暴大风天气，指标叠套模型预报区域主要在贵州中部以北和西南部地区，可见贵州中部、东部和西南部地区的大风实况与预报落区有较好的重叠，北部空报，对西部的雷暴大风漏报。

图7 2018年5月5日14时-5月6日00时雷暴大风实况(a)，2018年5月5日14时起报，指标叠套法预报未来6 h雷暴大风潜势(b)Fig.7 The real thunderstorm gales areas from 14 o’clock May 5 to 00 o’clock May 6, 2018 (a), the thunderstorm gales potential trend forecast in next 6 hours based on indicator superposition method, predicted at 14 o’clock, May 5, 2018 (b)

例2：图8b为2017年8月23日14时起报，预报未来6 h的雷暴大风潜势，同理应用指标叠套模型，阴影区表示雷暴大风潜势预报落区。实况8月23日14—23时在贵州大部地区出现雷暴大风(图8a)，预报除贵州西部和东部边缘外，其余地区都有雷暴大风发生的潜势，与实况较吻合，但对于西部海拔高的地区预报能力较弱。

图8 2017年8月23日14—23时雷暴大风实况(a)，2017年8月23日14时起报，指标叠套法预报未来6 h雷暴大风潜势(b)Fig.8 The real thunderstorm gales areas from 14 o’clock to 23 o’clock October 23, 2017 (a), the thunderstorm gales potential trend forecast in next 6 hours based on indicator superposition method, predicted at 14 o’clock, October 23, 2017 (b)

5 结论与讨论

根据贵州省2012—2016年169站次雷暴大风个例进行时空分布的统计分析，利用NCEP再分析资料计算雷暴大风发生前的大气环境条件，并给出对流参数的逐月分布。根据对流参数随季节的变化关系，分别给出春季和夏季预报雷暴大风关键参数的最低阈值作为指标，尝试运用指标叠套法制作雷暴大风潜势的预报落区。主要结论如下：

①贵州雷暴大风发生在3—10月，5月和8月雷暴大风发生次数最多，每月约45站次，9月、10月最少。一天当中雷暴大风发生的高频时段在午后到前半夜，峰值出现在15—18时，05—12时出现的次数最少。绝大多数(84.2%)大范围雷暴大风过程发生在4月、5月和8月，而3月、9月、10月没有大范围雷暴大风过程发生。大范围雷暴大风过程开始时间主要在13—18时，结束时间主要在午后到前半夜，持续时间多数在3～4 h。

②贵州雷暴大风发生的高频地带总体呈东北—西南向分布，主要出现在乌蒙山脉以东和苗岭山脉周围，西南部为雷暴大风的高发区，关岭发生频次最高为14次，而西北部和东南部较少。这可能是因为西北部常常是对流初生源地，对流发展不是很旺盛，产生雷暴大风概率较小。

③CAPE的平均值随月份先增大后减小，3月最小，7月最大，表明CAPE对雷暴大风的指示性要考虑季节因素，季节不同在日常业务中判断是否出现雷暴大风的参数指标是不同的。春季对流抑制CIN分布较分散，但主体绝对值一般都小于50 J·kg-1，7—9月CIN分布集中，主体绝对值均不超过10 J·kg-1，表明雷暴大风发生前的对流抑制能量很小。

④7月和8月DCAPE分布较集中，平均值最大。DCAPE对雷暴大风的指示性每个月都有所不同，分布集中的月份指示性相对更好。

⑤T75和T85逐月分布趋势较为一致，4—6月平均值逐月递减，7—8月明显增加，运用高低层温差来作为预报雷暴大风的要素时必须考虑季节因素。Td85的逐月分布差异不大，平均值在26 ℃左右，可见与季节变化关系不大。

⑥Vws平均值的逐月分布基本呈递减趋势。PWAT的变化范围较大，最小值为13 mm，最大值为52 mm，中位数40 mm。整层可降水量与季节有明显的相关，春季PWAT的变化范围比夏季宽。

⑦分别选取春季和夏季8个关键对流参数的最低阈值作为预报雷暴大风的指标，并尝试运用指标叠套法作出对雷暴大风的潜势预报。检验结果表明指标叠套法能较好的预报出雷暴大风的潜势，但空报率较高，预报员仍然需要根据具体的抬升触发条件来作出消空的订正。