基于雷达产品阈值与闻雷半径的雷暴过程判别

孟蕾 廖玉芳 汤亦豪

(1 中国气象局气象干部培训学院湖南分院，长沙 410125；2 气象防灾减灾湖南省重点实验室，长沙 410118；3 湖南省气象科学研究所，长沙 410118；4 湖南省气候中心，长沙 410118)

引言

我国2013年后取消了雷暴人工观测[1],目前在雷暴观测及预警方面主要使用闪电、雷达、卫星等数据进行识别、跟踪等[2]，新仪器新设备的运用提高了雷暴观测的准确性和效率[3]，有效提高了雷暴预报预警的精细化水平。除了气象台站日常预报预警方面的应用，新仪器新设备获得的高时空分辨率的数据还为气象部门作气候背景分析、雷暴风险评估、气象服务等工作提供有力支撑。

由于闪电与雷暴系统关系密切，众多学者利用闪电定位数据分析雷暴活动的持续时间、移动距离等特征及其与地形的关系。王婷波等[4]利用国家闪电监测网的云-地闪定位数据发现四川盆地西麓与珠江三角洲地区明显呈现出随地形抬升而导致雷暴触发的情况。刘雪涛等[5]，张祎等[6]基于不同地理环境讨论了雷暴活动与地理参数的相关性，后者更加详细地分析了海拔、坡度、坡向等对该地区地闪的影响。相比于闪电定位仪，雷达一直是主要的雷暴监测预警工具[7]，刘维成等[8]分析高原东北侧夏季对流性降水的雷达回波与雷暴活动的对应关系，建立了较好的雷暴预警方案。王丽荣等[9]、张玉洁等[10]则利用雷达资料对强雷暴系统引发的灾害性天气进行较好的追踪和分析。雷达的时空分辨率较高，不仅能分析出雷暴的主要移动路径，还能对雷暴的走向进行预判。这些精细化的研究主要基于闪电定位仪、多普勒雷达的高时空分辨率，但这些新设备的业务应用时间不长，其获得的数据暂时无法用于研究气候特征，通过与人工观测进行比对则能更好地延续历史数据。因此有众多学者着力对比研究新仪器新设备雷暴产品与人工观测之间的关联性。钟颖颖等[11]利用闪电定位资料与目测雷暴日进行对比分析，认为两种资料之间有较好的一致性。霍沛东等[3]、张坚等[12]将闪电定位仪数据与雷暴人工观测进行对比时，认为等效观测半径为12～13 km时，两者的观测结果较为接近。这说明闪电定位数据延续雷暴人工观测记录有很强的可行性，但要注意人工观测过程中受人耳听力范围限制，闪电与闻雷的比对必须要考虑闻雷范围。同时，利用雷达进行雷暴识别、跟踪和预警的方法虽然有多种[13]，但这些方法往往要事先输入识别雷暴系统的阈值，才能对其进行识别与跟踪。现有的众多研究中往往采用通用阈值，但实际上阈值是因地而异的[14]，不同地区需要结合本地的多普勒天气雷达资料进行计算。

有研究人员分析多个雷暴个例资料，利用统计方法得到相关阈值[2]，但所选个例有限，阈值的确定需要更加大量的雷达资料[15]计算，应用于业务则需要更加自动化的判定方法。本研究基于大量的雷暴人工观测资料与雷达产品计算相关阈值，由前人研究可知，将雷暴人工观测资料纳入对比时需考虑到观测员的闻雷范围，因此将同时考虑闻雷过程的雷达产品阈值和闻雷半径的判定，计算得到的结果既可用于雷暴识别、跟踪系统的阈值预设，也可延续人工观测的雷暴日判别，并作为精细化分析雷暴气候特征的基础。虽然需要利用较长时间序列的雷达产品资料，但所用资料种类较少，算法原理较简单，容易实现计算机自动化分析，可提供给基层台站根据当地实际情况开展阈值研究并应用于业务实践。

1 资料处理及方法

1.1 雷暴人工观测资料预处理

根据地面观测规范[16]要求，雷暴人工观测记录观测员闻雷的起止时间和起止方位，以观测员闻雷间隔时间不超过15 min记为同一场雷暴，间隔时间超过15 min记为另一场雷暴。观测记录以20:00为一天的分界，当一场雷暴始于20:00之前，止于20:00之后，则记录中分为2段记录。在本研究中规定：若闻雷始于20:00之前，止于20:00之后，但不超过次日00:00，则将该场雷暴记为20:00之前所对应日期当天的雷暴，记当天为1个雷暴日;若始于20:00之前且止于次日00:00之后，则将该场雷暴记为20:00之前所对应日期的雷暴，但将当日和次日均记1个雷暴日。

1.2 雷达产品资料预处理

利用中国气象科学研究院灾害天气国家重点实验室开发的三维组网拼图软件[17]将雷达基数据资料转化成笛卡尔坐标系下的雷达产品格点数据，水平分辨率为0.01°×0.01°(约1 km×1 km)，高度分辨率为0.5 km，雷达产品包括基本反射率，组合反射率、回波顶、垂直累积液态水等。

考虑到观测员对于闻雷起始时间和终止时间的记录为北京时，而雷达基数据的记录时间为世界时，每隔6 min生成1个文件，两者的时间在分钟量级上无法做到完全对应，因此将观测员的记录时间转换为世界时，选择闻雷起止时间前后6 min内与闻雷时间最接近的雷达产品文件为对应闻雷起止时间的雷达数据。

1.3 匹配率模型构建

首先定义雷暴发生过程中，以气象观测站所在位置为圆心，以R为半径的圆内为观测员能闻雷的范围，为闻雷圆周，R为闻雷半径，给定一组闻雷半径尝试值，称为尝试半径Ri(图1)。即

Ri=R0+iΔRi=1,2,3,…,n

(1)

式中,R0为闻雷半径初始值，ΔR为尝试半径的取值间隔，n为尝试半径个数。

根据已有研究设定一组雷暴过程中雷达产品阈值的尝试值，称为尝试阈值Th，假设雷暴过程中，雷达产品取值在尝试阈值Th之上，能在半径为R的闻雷圆周内听到雷声。

Thi=Th0+iΔThi=1,2,3,…,m

(2)

式中,Thi为第i个尝试阈值，Th0为阈值初始值，ΔTh为尝试阈值的取值间隔，m为尝试阈值个数。

图1 闻雷圆周示意

选取多个雷暴人工观测记录样本，通过多次迭代的方式得到雷达产品在不同尝试阈值和不同尝试半径条件下与观测员闻雷记录相对应的“匹配率”。此时的“匹配率”为1个m×n的矩阵P，pi,j(i=1,2,…,m,j=1,2,…,n)表示雷暴过程中雷达产品取值≥Thi，闻雷半径为Rj时观测员闻雷的雷暴样本比所有雷暴样本的百分率。矩阵的行表示在给定尝试阈值下，匹配率随尝试半径的增加而变化，矩阵的列表示为在给定尝试半径下，匹配率随尝试阈值的增加而变化。

(3)

根据匹配率矩阵画出给定尝试阈值(尝试半径)情况下，匹配率随尝试半径(尝试阈值)变化的一组折线，称为阈值折线(图2a)和半径折线(图2b)。图2a中每条折线的拐点(qThk,k=1,2,…,n)对应的尝试阈值Thqk(k=1,2,…,n)判定为最终阈值的取值范围[min(Thq1,Thqn)，max(Thq1,Thqn)，称为待定阈值;图2b中每条折线的拐点(qRk,k=1,2,…,m)对应的尝试半径Rqk(k=1,2,…,m)判定为最优半径的取值范围[min(Rq1,Rqm)，max(Rq1,Rqm)]，称为待定半径，作为最终确定产品阈值和最优闻雷半径的取值范围。当出现明显的拐点时，表明取高于拐点位置对应的雷达产品值(闻雷半径值)作为阈值(最优半径)时，观测员闻雷的百分率迅速降低，说明大部分雷暴人工观测记录样本中雷达产品取值(闻雷半径取值)无需高于该拐点所在位置即可闻雷，图中有多条折线有多个拐点位置，这些拐点位置即为最终确定的阈值取值参考范围。

1.4 匹配率折线拐点的计算方法

(4)

(5)

累积距平的最大值或最小值对应的位置就是匹配率折线的拐点位置。

1.5 最优闻雷半径和阈值的确定

利用累积距平方法得到阈值折线和半径折线中不同匹配率折线的拐点位置对应的待定阈值和待定半径，根据待定阈值取值范围[min(Thq1,Thqn)，max(Thq1,Thqn)]查找出相应的尝试半径取值，若此时尝试半径取值相同，则确定该尝试半径取值即为最优闻雷半径，小于等于最优闻雷半径的闻雷圆周内对应的最低尝试阈值为最终确定的产品阈值；若此时尝试半径取值出现不同的值，则在匹配率矩阵中查找此时与待定阈值相对应的匹配率最高的尝试半径作为最优闻雷半径，再取小于等于最优闻雷半径的闻雷圆周内对应的最低尝试阈值为最终确定的产品阈值。

1.6 回波面积阈值计算

雷达产品阈值和最优闻雷半径是基于观测员闻雷过程所得到的，闻雷是雷暴存在的充分条件而非必要条件，因此通过计算匹配率得到的阈值和闻雷半径，直接用于判别雷暴日有可能出现虚警率较高的情况。研究[19-20]表明雷达对于雷暴系统的识别还与回波面积有关系，为进一步降低虚警率，还需计算回波面积阈值:选定数据样本后，当闻雷过程中雷达产品取值大于阈值，且其位置在最优闻雷圆周内的，则记下闻雷圆周内大于阈值的回波面积S，分析闻雷期间S的分位值，选取S的25%分位值作为回波面积阈值。

1.7 检验方法

随机选取一段时间的连续雷达产品为样本，当雷达产品取值大于阈值，其位置在最优闻雷圆周以内，并且回波面积大于等于回波面积阈值，则记下出现的时间，时间精确到日，记为产品雷暴日，与同时段的雷暴人工观测雷暴日进行比对，计算成功预警率和临界成功指数[21]。

2 实例分析

选取2009—2011年雷暴人工观测记录和雷达组合反射率资料进行对比分析。雷暴人工观测记录来自于湖南省气象信息中心提供的观测资料，由常德国家气象观测站观测人员记录。常德国家气象观测站位于111.6764°E，29.1169°N，2009—2011年间未有搬迁。雷达组合反射率资料来源于湖南常德新一代SB型多普勒天气雷达，雷达站位于111.71°E，29.18°N，海拔高度579.5 m。

根据常德观测站记录的雷暴场次检索出相应常德站雷达基数据资料，利用三维组网拼图软件将雷达基数据资料转化成笛卡尔坐标系下的组合反射率格点数据。组合反射率是指在1个体积扫描中，将常定仰角方位扫描中发现的最大反射率因子投影到笛卡尔格点上的产品[21]。

检索出有雷达基数据资料的雷暴过程共有77场，每场雷暴有人工观测记录的闻雷开始时间和结束时间，因此可利用的时间数据样本有154个，利用这些时间数据对应的前后6 min内最接近闻雷起止时间的雷达组合反射率产品构建匹配率模型。

设定组合反射率的尝试阈值范围为30～50 dBz，初始值为30 dBz，间隔为0.5 dBz。闻雷尝试半径范围为5～100 km，初始值为5 km，间隔为5 km。

2.1 匹配率模型分析

如图3所示，不同的尝试半径对应的匹配率折线有所不同，但都出现了拐点。图3a显示，当组合反射率尝试阈值低于拐点位置时，匹配率下降缓慢，高于拐点位置时，匹配率下降速度增加，说明此时尝试阈值取值偏高，组合反射率未达到该取值,但已闻雷的样本增加迅速，拐点所对应位置即为待定阈值。同时，随着尝试半径越来越大，折线分布越来越密集，图3b也显示不同尝试阈值的匹配率随闻雷半径变化的趋势明显出现了拐点，表明当超过一定范围时，闻雷半径的增加对于匹配率的增加贡献很小。

图3 2009—2011年常德人工与雷达产品观测雷暴匹配率随组合反射率尝试阈值(a)和尝试半径(b)的变化

通过进一步分析不同尝试半径、不同尝试阈值对应的匹配率发现，在同样的匹配率边界条件下，尝试阈值随着闻雷半径的增加而增加，但在超过一定尝试半径后，尝试阈值随半径增加的速度迅速减小。在给定的匹配率边界条件下，尝试半径与尝试阈值的对应关系可用幂函数进行拟合，在90%的匹配率边界条件下，拟合得到的对应关系为：

Th=-65.34R-0.597+46.77

(6)

此关系式拟合系数达到0.96，说明拟合线与X轴围成的阴影区对应的尝试半径和尝试阈值取值可使匹配率高于90%。对关系式求极限可知，当R趋于正无穷时，Th不会超过46.77。说明在匹配率高于90%的情况下，无论闻雷半径如何取值，雷达产品阈值都不会超过46.77(图4)。

图4 2009—2011年常德人工与雷达产品观测雷暴匹配率高于90%时阈值与闻雷半径对应曲线

2.2 雷达产品阈值与最优闻雷半径计算

根据已构建匹配率模型计算每条匹配率折线的拐点(图5)，发现所有拐点对应的待定阈值波动范围为38.5～40 dBz，尝试半径波动范围为20～30 km。根据待定阈值范围查找尝试半径可知，尝试半径均为25 km，即判定最优闻雷半径为25 km，常德雷暴组合反射率因子阈值为38.5 dBz。利用组合反射率因子阈值和最优闻雷半径查询匹配率为83.9%。

2.3 回波面积阈值计算

选取每个样本中从闻雷起始时间至结束时间即每场闻雷过程的雷达组合反射率产品，搜寻闻雷半径25 km内，大于等于参考阈值38.5 dBz的样本，闻雷圆周内大于参考阈值的回波面积各分位值如表1所示。其中，中位数与平均数相差较大，说明回波面积高值的数量较多。根据分位值特点，选择73 km2作为回波面积阈值。

表1 回波面积各分位值 km2

2.4 临界成功指数计算

以测站为中心25 km圆周内，若常德雷达站出现了73 km2以上组合反射率达到38.5 dBz的回波，则可以判定当日有雷暴发生。为进一步确定各阈值的准确度，选取2012—2013年3—8月的常德雷达组合反射率产品计算临界成功指数。2012—2013年3—8月有对应雷达数据的人工观测雷暴日为48天，产品雷暴日相比人工观测，成功预警率为85.4%，临界成功指数为41.0%，虽然临界成功指数较低，但考虑到闻雷过程是雷暴发生发展的充分而非必要条件，取当前计算得到的组合反射率阈值、最优闻雷半径和回波面积阈值是较为合适的。值得注意的是，常德地区雷暴主要集中在春夏季节，即3—8月，在计算阈值的过程中，其样本个例也主要集中在3—8月，当应用计算得到的各项阈值结合2012—2013年全年雷达资料判别雷暴日时，秋冬季节虚警率很高，而在春夏季节虚警率较低。

2.5 相关问题分析

随机选取常德气象站2011年4—6月雷暴人工观测记录，同时选择常德雷达站及其相邻的配备新一代SA型多普勒天气雷达的长沙雷达站(113.01°E，28.46°N，海拔高度630.4 m)对应时次的雷达基数据进行对比分析。对2个雷达站基数据资料进行相同的预处理后，计算2部雷达在常德地区雷暴过程中组合反射率的阈值，发现常德雷达组合反射率产品计算出的阈值为38.5 dBz，最优闻雷半径为40 km，长沙雷达资料计算出的阈值为43.5 dBz，最优闻雷半径为40 km。利用常德和长沙雷达组网后得到的组合反射率产品计算出阈值为39 dBz，最优闻雷半径为40 km。 考虑到雷达拼图组网产品对雷暴系统的取样比雷达单站更为精确[22]，雷达拼图组网产品能更加全面地描述常德观测站附近雷暴系统，因此以其计算出的阈值和最优闻雷半径为标准，对比常德和长沙2部雷达单站资料计算出的阈值和闻雷半径，常德单站要好于长沙单站。

常德和长沙2部雷达数据计算得到的最优闻雷半径相同，长沙雷的阈值高于常德雷达，除了相邻不同型号雷达对同一对流系统的探测本身存在差异[23]之外，还考虑是因为长沙雷达站相距常德观测站约149 km，而常德雷达站相距常德观测站仅7.7 km(图6)，根据雷达探测方式，长沙雷达可较好地探测位于常德雷达静锥区的雷暴系统， 而常德雷达无法探测到静锥区的雷暴系统，对于离雷达站较近的雷暴系统也只能探测到其低层。但尽管如此，常德单站雷达得到的阈值却更接近于雷达拼图组网产品阈值。考虑是因为常德雷达站位于观测站北边，而长沙雷达站位于观测站南边，根据雷暴人工观测中的起止方位统计，常德多闻雷于观测站南边，闻雷于测站北边的情况少，对于最终阈值的确定影响较小。

图5 不同尝试半径(a)和不同尝试阈值(b)的匹配率折线累积距平

图6 常德观测站、常德雷达站和长沙雷达站位置分布

由于样本选择的不同，常德雷达站单站3年数据样本和3个月数据样本分别计算出的阈值相等，而最优闻雷半径则相差较大，说明当选择不同雷达产品样本进行分析时，阈值受样本个数的影响较小，而最优闻雷半径受样本个数的影响较大。

3 结论与讨论

本文利用雷暴人工观测历史数据与雷达回波产品进行对比，建立了匹配率模型，判定出雷达产品阈值与最优闻雷半径，并结合回波面积阈值可利用雷达资料进行雷暴过程识别及雷暴日的判别，以湖南常德雷暴人工历史数据和常德雷达产品为例进行了应用和分析，得到较好的效果。

(1)利用常德观测站2009—2011年资料计算出来的雷达产品阈值为38.5 dBz，与众多研究相近，但计算出的最优闻雷半径达到25 km，要大于利用闪电定位数据与人工雷暴日对比得到的半径[3,11-12]，且在给定的匹配率边界条件下，尝试半径与尝试阈值的对应关系可用幂函数进行拟合，回波面积阈值为73 km2。

(2)计算得到的各项阈值结合雷达数据判别雷暴日时，在雷暴多发季节的应用效果较好，如常德地区在3—8月间应用效果明显好于其他月份。

(3)该方法是基于雷达产品进行计算的，实例中选用常德观测站与常德雷达站数据进行比对得到的阈值与选用常德观测站和长沙雷达站数据进行比对时得到的阈值不同，主要与雷达探测方式、雷达站与观测站距离有关，应用该判定方法时最好根据历史闻雷方位选择雷达单站产品或其参与的雷达拼图组网产品。

(4)常德雷暴过程实例分析中显示阈值受雷达数据样本个数的影响较小，而最优闻雷半径受其影响较大，在相同的高匹配率情况下，阈值与闻雷半径呈幂函数关系，最优闻雷半径所受的影响最终也会体现在产品阈值上，建议选择长时间序列的雷达数据样本构建匹配率模型。