基于微波辐射计的短时强降水潜势预报

高美谭，廖菲，周芯玉，杨慧燕，胡婷

（广州市气象台，广东广州 511430）

目前，雷达仍是开展短时强降水预报预警业务的主要观测手段［1］，但雷达无法获取无降水时期的大气层结信息，而传统气球探空资料时间分辨率低，作为补充观测手段，新型探测仪器微波辐射计可以提供分秒级的大气层结信息，有助于分析中小尺度天气过程中快速变化的热力学信息，其应用价值已经引起国内外学者的广泛关注。

近年来不断有学者利用微波辐射计从温湿、能量及稳定度多方面进行天气诊断分析［1-5］，探索微波辐射计的短时临近天气预报潜势，研究表明微波辐射计温湿资料均能不同程度地反映强降水天气的临近［1-4］，与降水发展或减弱也有对应关系［2-3］，其中湿度资料对降水反应更为敏感，水汽参数在降水发生前的快速增长对强降水的发生具有指示意义［1，4］。业务应用探索方面，张泽娇等［5］利用微波辐射计亮温资料建立降水方程获得较高的降水预报准确率。这些研究都显示了微波辐射计在短时强降水预报方面的应用潜势。然而由于地理位置的差异以及中小尺度强对流天气本身发展机理复杂等原因，目前短时强降水的预报方法仍比较薄弱，大部分学者对微波辐射计的应用研究集中在对个例的描述上，未形成定量结论，需进一步推进新型探测仪器的应用研究。

基于上述分析，本研究利用7年的微波辐射计资料在广州开展高时空分辨率的温湿垂直结构观测分析，完善和发展基于观测资料的客观诊断方法，总结提炼适用于本地的特征物理量及其阈值，这对于提高短时强对流天气的预报技术有着重要意义。

1 短时强降水天气个例选取

基于2013—2019年的广州地面自动气象站逐2 min观测资料选取天气个例。短时强降水个例选取小时雨量超过20.0 mm的天气过程，并以地面开始出现降水的时刻作为降水起始时刻，收集降水前1 h的对流参数信息。为了便于对比检验，本研究亦选取了数个非短时强降水天气个例，其选取依据是某时刻前后3 h内均无短时强降水现象。依据上述挑选方法，利用2013—2017年资料建立历史个例库，2018—2019年资料建立预报效果检验个例库，历史个例库和检验个例库中短时强降水、非短时强降水天气样本分别为59、60例和26、30例。所有个例库中的对流参数信息均由微波辐射计提供。

2 资料与方法

2.1 资料来源

研究使用的是位于广州国家基本气象站（站号：59287）的德国RPG-HATPRO型号微波辐射计资料。仪器拥有42通道14接收机并行和波导捷变频技术，探测范围为0～10 km，垂直分层84层，时间分辨率达分秒级，反演产品来自于自身的神经网络法和线性或非线性回归算法。

2.2 方法介绍

叠套法作为短时临近预报的一般方法，已为许多学者应用［6］，其基本思路为建立强对流天气预报因子指标集，在某次天气过程中，叠加计算因子的达标个数，达标个数越多，则代表强对流天气发生的可能性越大。

本研究利用叠套法建立短时强降水预报，预报地点为广州国家基本气象站的单点预报，预报时效为1 h。该预报方法首先利用历史个例库统计分析对流参数特征，提炼出n个对短时强降水敏感的参数作为预报因子，确定每个预报因子的阈值指标Xi，并根据预报因子对短时强降水的区分能力分配权重系数ki，接着将预报指标Xi叠套获得叠套值Y，叠套公式为

其中，若第i项因子在阈值指标区间内，则Xi＝1，否则Xi＝0，叠套值Y最大值为1。

为获得较好的预报效果，按照命中率POD、成功率CSI越大，虚警率FAR［7］越小的原则选取合适的叠套值P作为预报阈值，Y≥P即表示通过验证，预报未来1 h将会出现短时强降水天气。

命中率：POD＝B/A

临界成功指数：CSI＝B/（A+C）

虚警率：FAR＝C/D

其中，A为发生强天气的总次数；B为报中强天气的次数；C为强对流的空报次数；D为预报有强对流的次数。

3 预报方法建立及效果分析

3.1 对流参数的选取及阈值计

强对流天气常常具有明显的当地特征，因而建立当地短时强降水的天气物理量参数，形成具有指示意义的物理参数作为预报因子是非常重要的。参考前人在对流参数方面的研究［6，8-10］，本研究挑选了在短时强降水潜势预报中表现较好的14个表征水汽、不稳定能量等的对流参数作为研究对象，包括抬升指数LI、KOI指数、总指数 TTI、KI指数、沙式指数 SI、能量指数 CAPE、综合水汽含量IWV、液态水路径 LWP、湿层厚度Lwet、0℃层高度Z0℃、-20℃层高度 Z-20℃、过冷水层 Lsc、700 hPa与 500 hPa温度差 t700-850、850 hPa与500 hPa温度差t850-500。14个参数中有12个较为常见，因而只给出2个参数的计算公式。

（1）KOI＝0.5×（tpp500+tpp700-tpp1000-tpp850），其中，tpp代表假相当位温减去位温的值。

（2）湿层厚度Lwet＝∑0HH85%rh，其中，H85%rh表示垂直上空所有相对湿度大于85%的厚度。

为便于研究短时强降水发生前1 h的对流参数统计特征，计算了14个参数的短时强降水阈值和非短时强降水常值。阈值计算方法参考高晓梅等［10］的阈值指标，定义强天气发生前1 h对流参数的25%分位数作为短时强降水预报的阈值，而非短时强降水参数序列的50%分位数作为非短时强降水天气常值，计算结果如表1所示，超过阈值代表易发生短时强降水天气。

表1 短时强降水参数阈值和非短时强降水参数常值

3.2 预报方法的建立及效果验证

一些对流参数对区分天气类型有明显效果，因此，为了准确选取这些对流参数作为预报因子，计算各参数阈值与常值的相对标准偏差值［11］。相对标准偏差值也称差异系数、变异系数，适用于判断两组数据的差异程度，其绝对值越大代表两组数之间差异越大，为方便比较，求其绝对值为

其中，RSd为因子的相对标准偏差值；Ai为第i个因子的短时强降水阈值；A-l为第i个因子的短时强降水阈值和非短时强降水常值的平均值；｜RSd｜i越大代表该因子在区分有无短时强降水天气方面的效果越显著，计算结果如图1所示。

图1 短时强降水阈值与非短时强降水常值的相对标准偏差绝对值

图1显示区分有无短时强降水天气效果显著的前 5名参数依次为 LWP、SI、LI、CAPE、KOI。选定这些参数作为预报因子，预报因子达标条件Xi（i＝1，2，3，4，5）分别为 LWP≥137.8 g·m-2、SI≤-1.58℃、LI≤-1.15℃、CAPE≥299.1 J/kg、KOI≥-2.18℃（达标值参照表1短时强降水阈值），根据相对标准偏差绝对值｜RSd｜确定各因子权重系数ki为

依照叠套法，加入权重系数，叠加各预报因子指标，建立预报方程，其表达式为

Y＝0.47X1+0.21X2+0.14X3+0.9X4+0.9X5

假定短时强降水预报阈值P，若Y≥P即表示预报有短时强降水。为寻求合适的叠套值P，计算了 Y≥P（P＝0.1，0.2，…，1.0）时的 POD、CSI、FAR，如表2所示。

表2 不同预报阈值P对应的短时强降水POD、CSI、FAR

由表2可知，预报阈值P越小，POD和CSI越大，但同时FAR也会增加；而预报阈值P越大，FAR降低的同时POD和CSI增大。为了取得较好的预报效果，需要在虚警和漏报之间确定一个折中，总体上看预报阈值P＝0.6是个比较合理的选择，此时历史个例库中POD、CSI、FAR分别为59.32%、55.56%、10.26%。

为验证短时强降水预报效果，利用2018—2019年验证个例库进行相关检验，计算得到POD、CSI、FAR分别为 53.85%、50.00%、12.49%；检验结果说明研究建立的预报方法对短时强降水有一定的预报效果。

3.3 短时强降水预报方法的改进

日常工作中发现，水汽参数LWP在降水发生前会出现振动幅度加大的现象，因此计算LWP的标准偏差（Slwp），发现其在短时强降水前1 h偏差值明显增大。统计发现短时强降水个例库中通过Slwp≥100 g·m-2的个例高达66.67%，而非短时强降水个例库中通过此条件的个例仅有11.67%，这说明LWP在强降水发生前振幅加大是普遍现象，因此该条件可以加入到改进短时强降水预报方法中。

鉴于LWP参数特点，结合叠套法把Slwp加入到预报当中，即判断当同时满足预报阈值P＝0.4和Slwp≥100 g·m-2条件时，也表示通过短时强降水预报阈值条件。为验证改进的短时强降水预报效果，利用检验个例库个例进行检验，POD和CSI提高至73.08%、63.33%，增幅分别为19.23%、13.33%，虚警率增加至17.39%，增幅仅4.90%。综上，短时强降水预报方法改进后，POD和CSI得到明显提高，而FAR虽有所增加，但增幅较小，这些都说明预报效果得到了有效的提升。

4 结论

1）统计分析短时强降水发生前的对流参数特征发现，LWP、SI、LI、CAPE、KOI这 5个参数对短时强降水天气区分能力强，可以作为短时强降水的预报因子。

2）研究以叠套法思路建立了短时强降水预报，为了取得较好的预报效果，在虚警和漏报之间确定一个折中，选择P＝0.6作为预报阈值，利用2018—2019年验证个例库进行相关预报检验，计算得到 POD、CSI、FAR分别为53.85%、50.00%、12.49%。

3）LWP的标准偏差在短时强降水发生前1 h有明显增大现象，利用该特征改进短时强降水的预报，POD和CSI提高至73.08%、63.33%，增幅分别为 19.23%、13.33%，虚警率增加至17.39.00%，增幅仅4.90%。改进后的短时强降水预报效果提升明显，这说明水汽参数LWP在短时强降水预报中有较强的指示意义。