河南省分类强对流天气概率预报方法研究与应用

牛淑贞， 张一平， 王 迪， 曾明剑， 袁小超， 郝晓珍

(1．中国气象局·河南省农业气象保障与应用技术重点开放实验室，郑州 450003； 2．河南省气象台，郑州 450003；3．江苏省气象科学研究所，南京 210009)

引 言

强对流天气发生、发展机制及其预报预警在现代天气业务和科研工作中一直占有重要地位[1-2]。2000年前后，随着新一代天气雷达、高分辨卫星云图和加密自动站等探测资料的业务应用，风雹、短时强降水等强对流天气监测和临近预报预警能力有了很大提高[3-4]，但由于强对流天气往往具有突发性、局地性和生消演变速度快等特征，基于实况监测和外推的短临预警时效非常有限。因此，对强对流天气的短期潜势预报仍发挥着不可替代的作用。目前强对流天气短期预报往往以天气形势、物理量要素分析为主。2009年国家强天气中心[5-9]和各省先后开展了中尺度天气分析业务，建立了强对流天气分析概念模型及中尺度天气分析物理量指标[10-12]。参考概念模型和物理量指标，对常规高空、地面及预报模式产品进行中尺度天气分析已成为延长预报时效的主要手段，有效提高了强对流天气潜势预报能力。在强对流天气客观预报方法方面，由于早期的研究如θse特型法、权重系数法、配料法等[13-16]，多是基于常规探空资料，时空分辨率较低，因此预报产品难以满足现代化业务对分类强对流天气预报准确率的需求。随着全球模式分辨率的提高和非静力区域中尺度模式的发展，数值模式对于近风暴环境的刻画预报能力极大提升，在强对流天气预报预警中发挥着越来越重要的作用[17-18]。近年来，一些学者开展了基于高分辨率模式的分类强对流天气预报方法研究[19]。曾明剑[20-21]等基于中尺度数值模式采用模糊矩阵评价技术开展了江苏省分类强对流概率预报试验。郭翰阳等[22]开展了基于深度学习的高分辨率临近预报试验。庞古乾等[23]采用二值Logistic回归分析方法，构建强对流潜势预报方程，制作珠三角地区未来12 h强对流天气潜势预报。李文娟等[24]基于数值预报和随机森林算法，开展了浙江省强对流天气分类预报方法研究。上述研究在分类强对流天气短期潜势预报方面取得了重要进展。

河南省强对流天气频繁发生，近年来极端短时强降水也造成了严重灾害[25-27]。在分类强对流天气潜势预报方法方面河南也进行了一些探索。如2010年利用GRAPES和WRF中尺度数值模式，开展了分类强对流天气概率预报，不过由于模式、方法等方面的缺陷，预报效果不尽如人意，业务参考价值非常有限。随着社会经济的发展，人们对延长分类强对流天气预报时效和准确率的需求不断提高，非常有必要运用高分辨率资料和新的研究方法开展更精细的分类强对流天气预报。考虑到相对模糊矩阵评价方法在客观综合评价各类环境物理参数指标方面的优势，本文基于此方法，利用河南省2006-2015年间暖季(4-9月)国家自动站强对流天气资料和ECMWF ERA-Interim再分析资料，构建河南省暖季雷暴大风、冰雹和短时强降水3类强对流天气的概率预报模型，并依托业务高分辨率模式生成分类强对流客观预报产品，为预报员进行分类强对流天气潜势预报提供更多参考。

1 资料来源与技术方法

1.1 资料来源

本文雷暴大风、冰雹和短时强降水3类强对流天气实况资料来源于A文件、重要报、逐小时降水等。普查了2006-2015年河南省暖季(4-9月)117个国家站雷暴大风、冰雹和短时强降水资料，为排除高山站特殊地理环境的影响，各类强对流实况资料均不包含嵩山和鸡公山2个高山站。对强对流天气的分类标准为：(1)只要地面观测到冰雹便认定为一次冰雹过程，且不论其他天气出现与否；(2)雷暴大风需满足出现雷暴和≥17.2 m/s阵风两个条件，且无冰雹出现；(3)将仅出现雨强≥20 mm·h-1降水的强对流定义为短时强降水。

该方法构建所用历史强对流的环境物理参数均采用ECMWF ERA-Interim每日4次间隔6 h 0.75°×0.75°再分析资料中的位势高度、温度、露点、地面气压、u/v风、相对湿度等基本要素计算得来。

由于ECMWF是业务应用广泛且具有较高预报水平的全球预报模式，华东区域高分辨率数值模式是近年来在天气预报业务特别是在强对流天气预报中应用效果良好，因此业务实时运行所需参数均采用ECMWF细网格模式资料(0.25°×0.25°，下文简称“EC模式”)和华东区域中尺度模式资料(0.1°×0.1°，下文简称“华东模式”)的预报场计算。

1.2 研究方法

本方法格点计算空间区域为108.0-118.5°E、30.00-38.25°N，采用的技术方法如下。

1.2.1 邻(临)近原则

本文根据“邻(临)近原则”，对历史分类的强对流天气站点实况资料与格点再分析资料进行匹配，构建河南分类强对流天气历史个例库。邻(临)近原则如下。

(1)“空间邻近”原则：将离站点空间距离最近的格点物理量值近似认为站点的物理特征值；

(2)“时间临近”原则：以天气发生之前最近时次的物理量作为天气发生时刻的物理特征值。

1.2.2 滑动平均

灾害性天气的发生往往是大气出现偏离平均状态的异常信号反映，为避免采用自然月份计算气候均值造成月末或月初气候态突变和过长时间序平均对气候态弱化，故采用当日前后7 d内的15 d滑动平均值表示当日的气候平均态。

1.2.3 模糊偏差矩阵评价方法

模糊综合评价方法就是应用模糊关系合成原理，将一些不易定量的因素，从多个因素对评价事物隶属度的等级状况进行综合性评价的一种方法。该方法首先要确定被评价对象的因素指标集合和评价等级集合，然后再分别确定各个因素的权重及其隶属度向量，获得综合评判矩阵，最后把模糊评判矩阵与因素的权重向量进行模糊运算并做归一化处理，得到模糊综合评价指标值，并根据指标值进行评价对象的排序择优。常用的模糊综合评价方法有主客观综合评价法、相对偏差模糊矩阵评价方法、基于熵权夹角的TOPSIS方法、组合评价方法等。本文选择相对偏差模糊矩阵评价方法对环境物理参数进行权重分配[21]。

(1)构建相对偏差模糊矩阵

假设X={x1,x2,…,xn}为待评价的n个方案的集合，Y={y1,y2,…,ym}为评价因素的集合，将X中的方案用Y中的每个评价因素进行衡量，得到评价指标方案矩阵：

(1)

式中，aij表示第i个方案中的第j项评价因素的指标值。这里选择参数稳定性(方差)和差异性(偏离气候态的特征值)两个评价因素对各环境参数进行评价，即m=2。

理想的环境参数(评价方案)要求参数稳定性好(方差小)并且差异性大(偏差大)，建立理想方案:

v=(v1,v2， …vj, …,vm)(j=1…m)

(2)

其中，

因此，可构建相对偏差模糊矩阵：

(3)

其中，

(2)采用变异系数法，确定各评价指标的权重

各评价指标的权重：

(4)

其中，

进而，构建综合评价公式：

(5)

式中,Fi表示各类方案的优先度，值越小表示排序越靠前，方案更优。

(3)确定环境参数在方案中的权重

环境参数在方案中的权重：

(6)

1.2.4 检验方法

尽管理论上预报产品对强对流应有0-6 h的指示意义，但是考虑到精细化预报的需要，这里假定预报时次仅能指示此后3 h内发生的强对流天气，如某日08时概率预报产品显示某站点可能出现冰雹，则08-11时该站点出现冰雹，即认为预报正确。由于模式资料传输固有的延迟问题，0-12 h时效内的预报产品失去了业务实时参考价值，同时模式预报性能会随着预报时效延长不断下降，预报时效过长的产品对强对流的指示意义也不大。因此，仅选择12-60 h预报时效内的概率预报产品针对全省117个国家站(不含高山站)进行站点评分检验，计算点对点的TS评分(TS)、空报率(FAR)、漏报率(MAR)、命中率(POD)和预报偏差(BIAS)。为全面客观反映概率预报方法的预报性能，检验中将站点实况未出现强对流、同时预报不可能出现的情况也归为预报正确，而在命中率计算中仅将实况出现且预报有可能出现的样本定义为预报正确样本。

(1)TS评分

(7)

其中，NA表示报对的点数，NB表示空报的点数，NC表示漏报的点数。当预报正确的点数与实况点数完全一致时，TS=1；TS值越接近0，表示预报技巧越低。

(2)空报率FAR

(8)

其中，FAR代表空报在预报强对流事件中的比率，范围为[0,1]，空报率越低，表示预报技巧越好。

(3)漏报率MAR

(9)

其中，MAR代表漏报在预报强对流事件中的比率,范围为[0，1]，漏报率越低，表示预报技巧越好。

(4)命中率POD

(10)

其中，NA+表示观测到样本且预报概率超过优势阈值的站次;POD代表正确预报强对流事件发生的比率，范围为[0,1]，当预报完全正确时，值为1。

(5)预报偏差BIAS

(11)

BIAS表示预报事件发生总数与观测事件发生总数的比率，比值越接近1，说明预报效果越好；比值越大于1，表示事件预报频率越高，相反值越接近0，则表示事件预报概率越低。

2 研究结果

2.1 分类强对流天气概率预报方法构建

强对流天气发生时，邻(临)近大气的水汽、热力不稳定层结和动力抬升等特征量可以反映强对流天气发生的环境条件。在大量历史个例环境物理参数统计的基础上，预报的大气环境条件越接近历史个例的环境条件，发生强对流天气的可能性越大。基于“接近度”预报算法和思路，参照曾明剑[20-21]等的研究方法，建立河南省雷暴大风、冰雹和短时强降水3类强对流天气的分类概率预报方法。具体技术路线如图1。

首先采用2006-2015年4-9月间隔6 h的再分析资料基本物理要素，计算104种表征动力、热力和水汽条件的环境物理参数。根据邻“(临)近原则”，将3类强对流天气个例与空间上最靠近、时间上最临近的前一时次格点参数相匹配，得到3类强对流天气发生临近时刻的环境物理参数特征并建立数据库。

图1 河南省分类强对流天气研究技术路线框图

此前的王迪等[28]研究发现，河南省各类强对流天气环境物理参数存在明显的月际差异。在利用环境物理参数构建强对流预报方法时，有必要考虑气候背景的差异，分月讨论分析。文中采用环境物理参数偏离气候态的差异性和自身稳定性两种评价指标来构建相对偏差模糊矩阵，计算各月各类环境物理参数相对各类强对流天气的评价权重。考虑到业务应用的便利性，仅遴选最具代表性的20种对流参数用于构建概率预报算子。结合本地业务应用习惯，特别指定遴选的参数必须包含常用的大气整层可降水量PW、K指数、沙氏指数SI、对流有效位能CAPE、0 ℃和-20 ℃层高度及0-1 km、0-3 km、0-6 km垂直风切变等9种常用参数。具体步骤为：第一步，构造104种环境物理参数的评价矩阵，并按计算的权重排序，自动挑选出各月权重较大的前20种参数；第二步，若初选出的20种参数包中包含9种常用参数，则不作处理，若不包含，则要把常用的9种参数从初选的20种参数中按照权重最小者开始依次向上替换，然后构建各月最终选择的20种特征参数的评价矩阵，计算各参数权重系数。可见，不同强对流类型、不同月份遴选的环境物理参数均存在差异，而且还考虑了这些物理参数与平均气候态的偏离情况。

随后，统计得到各物理量指标在不同月份各类强对流天气发生时的频率分布特征(间隔10%)，并按照公式(12)计算当环境物理参数值为c时某类强对流天气发生的概率f:

(12)

其中，x表示环境物理参数百分位特征值，y表示百分位数，c表示具体环境物理参数值，f表示环境物理参数在强对流天气发生时的出现概率。

图2和表1为各月短时强降水发生时对流有效位能CAPE的频谱分布。如5月份CAPE历史统计第70百分位的特征值为110.75 J·kg-1,第60百分位的特征值为185.68 J·kg-1，当出现150 J·kg-1时，由公式(12)可知此时短时强降水发生的概率为30%。

图2 2006-2015年4-9月河南省短时强降水个例发生时对流有效位能CAPE频率分布

表1 2006-2015年4-9月河南省短时强降水个例发生时对流有效位能CAPE出现频率分布 J·kg-1

在此基础上，按照公式(13)，结合环境物理参数在此类强对流天气中特定月份的权重，构建表征某月某类强对流发生概率的算子：

(13)

其中,p表示各月不同类型强对流天气的概率预报算子，值为[0,1]；ω表示环境物理参数权重；f表示环境物理参数在强对流天气发生时的出现概率；i表示遴选的特征环境物理参数，i=1,2,3,…,20。

2.2 分类强对流天气概率预报产品研发

业务应用时，利用数值模式预报的基本物理量，计算未来时刻各类强对流天气的环境物理参数，代入概率预报算子，得到未来时刻各类强对流天气的发生概率。由于在实际业务中往往需要给出确定性的预报结论，所以挑选2010-2016年间53次强对流天气过程进行历史个例反算，给出确定性预报的参考概率阈值，即优势概率。在均衡考虑空报和漏报情况后，最终确定冰雹、雷暴大风、短时强降水的优势概率依次为55%、50%、52%。

考虑到业务应用中EC细网格和华东区域中尺度数值模式效果较好，所以基于EC细网格模式和华东模式，研发了两套河南分类强对流天气概率预报产品，每日08和20时两次起报，预报时效96 h，间隔3 h，其中基于EC细网格模式的预报产品空间分辨率为0.25°×0.25°，基于华东模式的预报产品空间分辨率为0.1°×0.1°。

目前，河南分类强对流天气概率预报可以自动客观输出主要特征物理量预报、网格探空预报、分类概率预报产品等，其中冰雹、雷暴大风、短时强降水概率预报产品及优势概率预报产品见图3。优势概率预报产品显示未来时刻某地“致灾性最严重”且“发生概率超过优势概率阈值”的强对流天气出现可能性的大小程度。在优势概率预报产品中对于同一类强对流天气，又根据概率大小划分为相对有可能、一般有可能、略有可能、很有可能、极有可能5个等级，用同一色系不同深浅来表示。上述预报产品在2018年4月投入业务，得到了较好的业务应用效果，为预报员提供了强有力的技术支撑。

图3 2019年6月10日08时基于EC模式起报的14-17时河南省强对流天气分类概率预报产品

3 业务应用效果检验

3.1 2018年业务应用效果检验

以下分别对2018年暖季EC细网格全球模式(简称“ec”)和基于华东区域中尺度模式(简称“hd”)构建的河南分类概率预报产品进行系统性检验评估。

3.1.1 分类强对流概率预报产品检验

将格点强对流概率预报产品通过反距离加权插值得到站点的强对流概率，筛选满足优势概率阈值的强对流类型作为站点发生某类强对流天气的确定性预报。其检验结果见表2、表3、表4。

由表2和表3可知：对于12-60 h预报时效内强对流过程的预报效果来看，起报时次对于预报效果的影响并不大，20时的略优于08时的。预报产品的MAR均较低，但是预报频率过高，BIAS明显偏大，FAR基本为40%～50%；预报产品的POD均可达70%以上。基于华东模式08时起报的冰雹预报产品POD高达84%，短时强降水的预报评分均最高，冰雹的预报评分略高于雷暴大风的。基于EC细网格的产品预报效果略优于华东中尺度模式产品的，在冰雹的预报上反映尤其明显，这可能与模式垂直分辨率有关，因为得到的EC细网格资料相比华东区域模式的垂直层数要多。

表2 08时起报的2018年暖季河南省强对流天气过程概率预报产品检验结果

由表4可知：对于12-60 h预报时效内整个暖季逐日的预报效果来看，冰雹的预报效果最佳，雷暴大风预报评分略大于短时强降水的，这与短时强降水空报较多有关。起报时效同样对整个暖季预报效果影响不大。EC模式的预报效果明显优于华东模式的预报效果。

表3 20时起报2018年暖季河南省强对流天气过程概率预报产品检验结果

表4 不同起报时次2018年暖季河南省逐日分类强对流概率预报产品TS评分

3.1.2 优势概率预报产品检验

将此前根据加权平均得到的站点各类强对流发生概率，按照构建优势概率预报产品的方法，获得站点的优势强对流类型作为确定性预报，最终与根据分类原则确定的站点强对流实况进行对比检验，得到不同预报时段内针对整个暖季逐日(下文简称“暖季”)和所有强对流个例过程(简称“个例”)的优势概率TS评分。检验结果见表5、表6。

表5 08时起报的不同预报时效内基于各模式的河南省强对流天气优势概率预报产品TS评分

表6 20时起报的不同预报时效内基于各模式的河南省强对流天气优势概率预报产品TS评分

检验结果表明，起报时次对预报效果影响并不显著，预报时效越短，预报效果越好，随着预报时效的延长，评分略有下降。不同预报时段内样本数虽有差异，但评分差异不大，以华东模式最为明显。由于优势概率预报产品构造方法对强对流类型的误判，优势概率产品的TS评分明显低于分类强对流的评分。

为了定量探究类型误判的影响，采用分类误判率指标进行检验。假定在12-60 h内分类错误的样本数为cfsum，分类预报正确的样本数为crsum，则分类误判率CFAR可表示为

(14)

预报情况检验见表7。由表7可知，整体来看，不同起报时次对分类误判率影响并不大，基于EC模式构建的河南分类概率预报对强对流类型的误判率明显低于基于华东区域中尺度模式的。

表7 不同起报时次各模式的河南省强对流天气分类误判率统计

3.2 2018年典型个例检验

3.2.1 2018年8月18日“温比亚”台风过程中短时强降水

受2018年18号台风“温比亚”影响，8月17日20时至20日08时，河南东部、北部出现大范围强降水，其中信阳、平顶山、漯河、郑州、鹤壁5地区出现大暴雨，安阳、濮阳、周口、新乡、商丘、开封、驻马店、许昌8地区出现特大暴雨，共有1293个雨量站降水量超过50 mm，其中大于100 mm的有544个，大于250 mm的有142个，有两个区域站24 h降水量超过500 mm(分别是柘城县远襄集553.5 mm和睢县长岗543.4 mm)。降水过程中短时强降水频发，强降水主要时段出现在18日08-14时，最大雨强出现在虞城沙集(112 mm·h-1)。对该主要强降水时段进行检验如下。

图4(a)为8月18日08-14时强降水实况。由图4(a)可看出，位于开封、商丘、周口、漯河、驻马店的强降水区域中≥50 mm·h-1的强降水集中在商丘地区。EC模式17日20时起报的18日08-14时的6 h降水量预报见图4(b)。由图4(a)(b)可见，模式预报的降水相比实况量级明显偏小，大降水落区主要位于河南中部地区，比实况更偏西，特别是对商丘东部强降水的漏报非常显著(见红色虚圆圈)，整体来看模式预报效果较差。但是，基于EC模式建立的优势概率预报产品08时起报的产品则指示出河南东部出现与实况落区较为一致的大范围短时强降水可能性最大(图4c、d)，不过对周口南部和驻马店北部的短时强降水也存在少量漏报。综合08时和11时的概率预报产品来看，本概率预报产品基本上把握了此次短时强降水的落区，特别是对商丘地区的强降水区，08和11时预报产品均有明显指示，这对预报员预报预警来说非常有价值。

图4 2018年8月18日08-14时河南省强降水实况、EC模式预报产品和基于该模式建立的河南省分类强对流天气概率预报产品对比

华东区域中尺度模式对这一时段的短时强降水落区预报主体位置偏差不大，但在周口、商丘东部和驻马店北部漏报较多，尤其是对商丘东部的较大量级强降水漏报明显(图5a、b中红色虚圆圈)。基于华东模式的优势概率预报产品同样显示08-14时全省出现短时强降水可能性最大(图5c、d)。综合08和11时的预报落区基本和实况强降水落区一致，特别是商丘东部的强降水区(见红色虚圆圈)，但在周口中部也出现漏报，这与模式本身预报偏差有关。整体来看，概率预报产品相比实况有0-6 h的预报指示意义，对短时强降水落区和强度把握更好，可以对模式预报产品进行有效补充与订正。

3.2.2 2018年6月13日河南北中部雷暴大风、冰雹强对流天气

受华北冷涡扩散南下冷空气和下滑槽影响，6月13日下午到夜里，河南北中部地区出现一次大范围强对流天气过程。13时左右，河南西北部及上游山西境内有弱回波发展，随着低槽东移，回波逐渐发展加强并形成南北两段，北段从安阳、新乡一带逐渐东移影响濮阳、开封、商丘一带，南段从济源、焦作经洛阳、郑州逐渐向河南中部地区移动。14-20时黄河以北和沿黄地区多个县市出现明显风雹天气，个别区域站出现短时强降水(图6a)。从基于EC模式13日08时起报的14-17时分类强对流概率预报产品来看(图6b、c、d，17-20时预报产品图略)，13日下午河南强对流天气主要以雷暴大风和冰雹为主，强对流天气类型与实况较为一致，发生区域除了西南部空报和东部少量漏报外，预报与实况基本吻合。

图5 2018年8月18日08-14时河南省强降水实况、华东模式预报产品和基于该模式建立的河南省分类强对流天气优势概率产品对比

基于EC模式不同起报时次的优势概率预报产品，均指示了以冰雹和雷暴大风为主的强对流天气类型(图7)，13日08时起报的预报产品(图7c、d)比12日20时起报的产品(图7a、b)对落区和类型把握得更为准确。13日08时起报的17时优势概率预报产品明确指示了17-20时河南东部地区出现的雷暴大风天气，对14时的潜势预报进行了有效补充订正。因此，尽管预报产品相比实况有0-6 h的提前，但是对0-3 h内的强对流指示意义更明显。华东模式的预报产品也呈现出类似的特征，由于模式本身预报性能的问题，特征反映比EC模式的略差，特别是冰雹空报率较大，但业务应用价值还是比较明显的，对预报员进行分类强对流预报具有比较好的技术支撑。

4 结论与讨论

(1)根据“邻(临)近原则”，选用强对流发生前最临近时次且与站点距离最近格点的参数值来表征强对流天气发生的环境物理特征，解决了常规探空资料与强对流天气时空错位明显的问题。

(2)研究中选择以某日前后7 d内的15 d滑动平均值来表示当日的气候平均态，避免人为划定自然月份计算气候态带来的气候突变，可以很好地提取大气出现偏离平均状态的异常信号，将物理量偏离气候平均态的异常程度作为一个重要参数指标进行了研究。

图6 2018年6月13日14-20时河南省强对流实况和基于EC模式建立的河南省强对流天气分类概率预报产品

(3)考虑物理量指数稳定性(物理量自身方差小)和强对流发生时物理量与气候平均态的差异性(物理量与气候平均态的差异大)两个原则，采用模糊评价算法，从104个物理量中挑选出20种最优特征物理量；同时综合河南省物理量气候特征规律，选用物理意义明确且对不同类型强对流区分明显的物理参数补充最优特征物理量，并客观计算权重。该方法相比根据单一环境物理参数或主观分配权重分析潜势具有明显优势。

(4)采用预报效果较优的EC细网格和华东区域模式预报场资料，计算各预报时刻最优物理量值，考虑各物理量在评价体系中所占的权重，采用综合评价方法得到不同时刻所有格点上出现各类强对流的概率。再根据历史个例样本反算，得到确定性预报的概率阈值和优势概率阈值。最后经过经验指标消空和预报因子消空等处理，得到河南省冰雹、雷暴大风、短时强降水的概率预报和优势概率预报4种客观产品、探空产品、物理量产品等。在2018年的业务应用中发挥了较好的作用，能够对强对流天气的类型和落区有很好的反映，特别是能对模式预报落区进行有效的订正，预报业务检验TS为0.65～0.85，强对流天气命中率为0.70～0.84，但有一定的空报，仍需完善。

该方法预报效果对模式性能依赖较大，受目前采用的再分析资料时空分辨率的限制，不能较准确地描述最接近强对流发生时刻的环境物理条件，导致统计的环境物理参数特征值阈值过低，造成了不少的空报。相信随着模式性能的不断提升，基于高分辨率数值模式的更精细的释用方法研究具有重要的业务应用价值。

图7 基于EC模式的2018年6月13日14-17时(a、c)和17-20时(b、d)河南省分类强对流天气优势概率预报产品

致谢：本文在建立预报方法的过程中，得到了江苏省气象局郑媛媛正研的大力支持和帮助，在此深表谢意！