广州市强对流过程综合影响程度的评估模型及其应用

魏蕾，张兰，钱嘉星，李海燕，刘畅

（广州市气象台，广东广州 511430）

强对流天气是广州市各种自然灾害中出现次数最多的一种灾害性天气［1］。科学准确地评估强对流过程的综合影响程度，是做好强对流灾害性天气预报、预警、分析和服务的重要基础，对于提高应急服务能力和制定抢险救灾决策具有重要的理论和实践意义。关于灾害性天气综合影响等级的判定，主要分为两类：一类是根据描述某一方面的气象数据和参考灾情损失数据确定［2-5］；另一类是将影响灾害性天气过程的多个不同侧面指标进行标准化处理后，利用不同的方法如相关系数法、模糊数学法、灰色关联度法、主成分分析法等综合评价方法建立综合影响等级评价指标［6-9］。现阶段，国内学者和业务人员主要在暴雨、台风等气象灾害影响评估方面进行了较多尝试，并取得了大量成果［10-12］，而针对城市强对流过程综合影响评估的研究尚不多。因此本研究以广州市为例，通过统计分析方法建立强对流过程综合影响程度评估模型，并利用历史强对流过程对该模型进行检验，同时对2019年强对流过程进行试评估应用检验，以期为广州市强对流过程的综合影响评估业务和相关决策服务提供科学的参考。

1 评估模型的建立

首先，利用广州市394个自动站2016—2018年的小时雨量数据和小时内极大风速数据，以及粤港澳闪电定位数据，将强对流过程分为短时强降水、大风和雷电3类分别进行定义，完成历史强对流过程的识别和挑选；其次，选取短时强降水持续时间、最大单站小时雨量、短时强降水覆盖率等10个指标，过程极大风速最大值、6～7级大风覆盖率、6级及以上大风时数等12个指标，雷电覆盖率、最大雷电流等5个指标分别表征短时强降水、大风和雷电的强度、范围和持续时间，并对各指标序列进行归一化量纲一处理，同时参考相关系数权重法［9］并结合广州实际确定各指标的权重系数，计算出各个强对流过程的短时强降水影响指数Ir、大风影响指数Iw和雷电影响指数It；再次，参考相关系数权重法［9］并结合广州实际确定短时强降水、大风和雷电影响指数的权重系数，计算出各个强对流过程的风雨雷综合影响指数Irwt；最后，基于短时强降水、大风、雷电和风雨雷综合影响指数序列，以5%、20%、50%概率水平所对应的指数值作为标准［13］，将短时强降水、大风、雷电和风雨雷综合影响程度划分为特别严重、严重、较严重和一般4个等级，最终构建出广州市强对流过程综合影响程度评估模型［14］。

2 强对流过程的时间分布特征

根据第1章中风雨雷综合影响指数的评估等级划分标准，对各影响等级的强对流过程出现在各月的平均频次进行统计（图1），以此来分析广州市强对流过程的时间分布特征。从图1可以看出，广州市的强对流天气一年四季都可以发生，时间分布呈单峰型，前、后汛期是强对流发生的集中期，占总数的61.5%，峰值出现在6月，平均为27次，占总数的11.7%。除了一般等级的强对流过程主要集中在非汛期之外，其余等级的强对流过程大多集中在整个汛期，严重及以上等级的强对流过程高发于6—8月，其中6月最多，平均为11次；特别严重等级的强对流过程只发生在汛期，峰值出现在6月，平均为4次；严重等级和较严重等级的强对流过程均在7月出现最多，平均频次分别为8次和14次。

图1 2016—2018年强对流过程以及风雨雷综合影响不同等级的强对流过程在各月的平均频次分布

对于短时强降水、大风和雷电而言，其不同影响等级的时间分布特征和强对流过程大体一致（图略）。6—8月是一般等级短时强降水、大风和雷电出现频次较少的月份，是较严重等级及以上出现频次较多的月份。严重及以上等级的短时强降水和雷电在6月出现最多，平均频次分别为11和13次；而较严重等级的短时强降水和雷电峰值则出现在7月，平均频次分别为17和14次。严重及以上等级的大风在7月出现最多，平均为12次；而较严重等级的大风峰值则出现在6月，平均为12次。

3 模型检验

3.1 历史重大强对流过程在评估模型中的分析

2016—2018 年，广州市共出现了699个强对流过程，其中特别严重过程35个，严重过程106个，较严重过程210个，一般过程348个。2016—2018年短时强降水影响指数排名前5的强对流过程见表1。以2017年5月6日夜间至7日傍晚的过程为例，花都、增城、黄埔区均出现了小时雨量100 mm以上的降水，增城区新塘镇小时雨量达到184.4 mm，全省历史排名第2；且高强度降水持续时间长，如黄埔区九龙镇持续5 h的小时雨量都在70 mm以上。造成房屋倒塌450间，受灾人口2万余人，经济损失1.77亿元。由评估模型得到的该过程的短时强降水、大风、雷电以及风雨雷综合影响指数分别为0.877（特别严重，历史排名第1）、0.159（较严重，历史排名第210）、0.212（严重，历史排名第 82）和 0.457（特别严重，历史排名第5），以特别严重的短时强降水为主，大风和雷电影响相对弱，综合影响程度为特别严重。

表1 2016—2018年短时强降水影响指数I r排名前5过程

2016—2018 年大风影响指数排名前5的强对流过程见表2。以2016年4月12日上午至13日上午的过程为例，广州普遍出现了强雷雨和7～10级局部11～13级的大风，全市91%的站点出现6级及以上大风，其中32%是8级及以上强风，黄埔区长洲街录得最大阵风39.9 m/s（13级），6级及以上大风持续长达9 h。导致全市倒伏树木约3 000株，多地出现工棚倒塌、道路受阻、车辆被毁、供电线路受损等灾情。由评估模型得到的该过程的短时强降水、大风、雷电和风雨雷综合影响指数分别为0.280（严重，历史排名第 85）、0.771（特别严重，历史排名第 1）、0.505（特别严重，历史排名第13）和0.522（特别严重，历史排名第2），以特别严重的大风和雷电为主，短时强降水影响相对弱，综合影响程度特别严重。

表2 2016—2018年大风影响指数I w排名前5过程

2016—2018 年雷电影响指数排名前5的强对流过程见表3。

表3 2016—2018年雷电影响指数I t排名前5过程

2016—2018 年风雨雷综合影响最强的5个强对流过程见表4。以2018年5月7日上午至8日凌晨的过程为例，全市共有75%的站点出现短时强降水，其中33%的站点小时雨量≥40 mm，7%的站点小时雨量≥60 mm，黄埔区九龙镇录得全市最大小时雨量98.2 mm，短时强降水持续长达11 h。同时，该过程还伴有7～9级局部10～11级的大风和强雷电，有56%的站点出现6级及以上大风，其中7%是8级及以上强风，增城区气象局站录得最大阵风31.5 m/s（11级），6级及以上大风持续长达14 h；雷电覆盖率达90%，过程雷电总数达6.7万次，最大雷电流达122 kA。该过程导致广州入汛，引发“全城看海”和严重城市内涝，部分地区还出现山体滑坡，全市倒塌房屋172间。对比模型评估结果，该过程的短时强降水、大风、雷电和风雨雷综合影响指数分别为0.69（特别严重，排名第3）、0.457（特别严重，排名第9）和0.896（特别严重，排名第1）和0.638（特别严重，排名第1），雨、风、雷均属特别严重影响。

表4 2016—2018年风雨雷综合影响指数I rwt排名前5过程

通过以上分析，由该模型得到的历史重大强对流过程的综合影响评估结果较为合理，与灾情实况和社会影响具有较好的一致性。

3.2 试评估分析

为了进一步检验该模型对广州市强对流过程综合评估能力的可靠性和稳定性，对2019年发生的强对流过程进行试评估。该模型识别出2019年214个强对流过程，评估出特别严重过程11个、严重过程33个、较严重过程64个、一般过程106个。2019年风雨雷综合影响最强的5个强对流过程见表5。以6月10日中午至11日早晨的强雷雨大风过程为例，该过程短时强降水覆盖率达42%，其中9%的站点出现小时雨量≥40 mm，白云区钟落潭镇录得最大小时雨量78.6 mm，短时强降水持续长达12 h；6级及以上大风覆盖率为60%，其中18%是8级及以上强风，南沙区大岗镇录得最大阵风为33.7 m/s（12级），6级及以上大风持续时间达7 h；雷电覆盖率达82%，过程雷电总数达4.5万次，最大雷电流达200 kA。造成天河、白云、黄埔等区多处出现内涝，部分路段被淹。对比模型评估结果，该过程的短时强降水、大风、雷电和风雨雷综合影响指数分别为0.503（严重，排名第13）、0.789（特别严重，排名第2）、0.648（特别严重，排名第3）和0.647（特别严重，排名第1），以特别严重的大风和雷电为主，短时强降水影响相对弱，综合影响程度特别严重。

通过以上分析，由该模型识别的强对流过程与实况较为一致，各影响指数及其影响等级与实际灾情和社会影响有较好的对应关系，因此该模型可以较为准确地评估出强对流过程以何种强对流事件影响为主，以及综合影响程度，试评估效果较好，综合评估能力较为合理可靠，可投入 业务使用。

表5 2019年风雨雷综合影响指数I rwt排名前5过程

4 结论

1）基于本研究给出的强对流过程的识别方法挑选出的过程与历史强对流过程基本吻合。强对流过程综合影响程度评估模型将强对流过程分类，选取的评估指标能够较为合理地反映强对流过程的强度、范围和持续时间，也客观考虑了各指标的权重，对强对流过程的描述更加全面合理。

2）广州市的强对流过程一年四季都可以发生，其中非汛期以一般影响等级的强对流过程为主，而前、后汛期发生的强对流过程则以较严重、严重以及特别严重影响等级为主，尤其是6—8月，是较严重及以上影响等级强对流过程的高发期。

3）通过对历史强对流过程进行分析和验证，发现该模型评估的历史重大强对流过程与灾情实况和社会影响具有较好的一致性；同时对2019年强对流过程的试评估结果表明，本研究采用的建模方法和建立的影响程度等级划分标准是较为合理的，该模型可以较为准确快速地评估出强对流过程以何种强对流事件影响为主，以及综合影响程度，可以较好地满足广州市强对流过程综合影响程度评估的业务和服务需求，具有良好的业务应用价值。