基于ERA5資料的吉林省東部山區(qū)分類強對流預報閾值分析

朱曉彤 姚 凱 曲美慧 李天宇

（1.吉林省氣象科學研究所，吉林長春 130062；2.長白山氣象與氣候變化吉林省重點實驗室，吉林長春 130062；3.吉林省氣象臺，吉林長春 130062；4.吉林省氣候中心，吉林長春 130062）

1 引言

強對流天氣主要包括短時強降水、雷暴大風、冰雹和龍卷，具有強度大、時間短、破壞力強等特點，會造成人員傷亡和經濟損失。多年來，許多氣象專家和學者對其進行了研究，其中強對流天氣預報的重要方法之一是Doswell[1]提出的基于構成要素的預報方法，即“配料法”，目前此方法仍然是中央氣象臺強天氣預報的重要應用方法。俞小鼎[2]認為配料法可以為預報員提供一條預報思路，即當環(huán)境參數超過已知閾值時，就需要注意對應天氣事件的發(fā)生。

環(huán)境參數閾值在強對流天氣的預報中有一定的指示意義[3-4]，周后福等[5]分析了1995—2001年雷暴大風、冰雹等強對流天氣過程，并計算了A指數、K指數、位勢不穩(wěn)定能量等指標，得到了一系列12h內強對流天氣短時預報閾值。樊李苗等[6]研究了中國短時強降水、強冰雹、雷暴大風以及混合型4種強對流天氣，計算了850hPa和500hPa溫差、地面露點、可降水量、0—6km垂直風切變、0℃和-20℃層高度等環(huán)境參數閾值，并將上述4種強對流天氣的環(huán)境參數加以對比和區(qū)分。

短時強降水在吉林省每年均有發(fā)生，多數年份會出現3～5次，其主要發(fā)生于吉林省中部地區(qū)，東南部地區(qū)出現次數相對較少。冰雹是吉林省的主要強對流天氣之一，根據年平均地理分布，東部山區(qū)較西部平原地區(qū)出現多。雷暴大風則多發(fā)于白城、松原、四平，以及長春北部等平原地區(qū)；東部山區(qū)出現頻率較小[7]。綜上，吉林省東西部強對流天氣地理分布有明顯的地域差異，使用全省統(tǒng)一的預報閾值會抹平地域差異。此外，目前環(huán)境參量閾值計算使用的是發(fā)生站點附近的探空資料或者FNL再分析資料，這2種資料的空間分辨率十分稀疏，并且更新時間間隔過久，計算出的環(huán)境參量并不能真實地反映對流發(fā)生時間與發(fā)生站點的環(huán)境參量。在這兩者的限制下，強對流預報很難做到“預報精準、服務精細”的要求，強對流發(fā)生環(huán)境參數閾值亟待更新。本文利用ERA5高分辨率再分析資料[8]，針對吉林省東部山區(qū)不同類型個例計算出對流發(fā)生時間、發(fā)生站點的環(huán)境參量閾值，從而提高其預報精度，使之更具有指示意義。

2 資料與方法

使用2010—2019年4—9月吉林省東部山區(qū)27個國家站地面逐小時觀測瞬時極大風、冰雹、小時降水資料、二維閃電定位資料（2010—2015年）與三維閃電定位資料（2016—2019年），篩選吉林省東部山區(qū)伴隨瞬時風力不低于8級的強對流天氣個例。而后使用ERA5（ECMWF Reanalysis 5th Generation）高分辨率再分析資料對其進行發(fā)生站點與發(fā)生時間的關鍵環(huán)境參量分析。ERA5高分辨率再分析資料水平分辨率為0.25°×0.25°，垂直高度37層。本文選取距離站點最近的格點作為該站點的代表，使用格點上的基本數值計算各個對流參數，這樣可以有效彌補吉林省探空資料過于稀疏等問題。ERA5時間分辨率為1h，可以對對流發(fā)生時次的站點參量進行計算；基于如此高的時空分辨率的資料探討吉林省東部山區(qū)近10a強對流天氣環(huán)境參量，可以對預報起到更加準確的指導作用。

樣本的選取方面，根據吉林省的地形分布（圖1）選取東部山區(qū)27個國家氣象站（海拔高度均為300m以上）進行統(tǒng)計分析。其中由于雷電與大風為不同的資料，判斷雷暴大風出現的方法如下：若觀測站點出現瞬時極大風且周圍40km范圍內此時刻的前15min內出現了雷電，即為一次雷暴大風事件。若某一站點某個時次出現雷暴大風，則記為一次強對流天氣樣本。若一日中至少有一個時次某一站點有強對流天氣的記錄（不重復計算），則定義這一日為強對流發(fā)生日。經過篩選，2010—2019年累計強對流天氣樣本共計954個，涉及強對流發(fā)生日217d。將上述強對流天氣樣本分為純雷暴大風型、冰雹大風型以及強降水復合型3類。其中，純雷暴大風型指某測站出現風力大于8級的雷暴大風，且測站沒有出現冰雹和短時強降水；冰雹大風型指某測站出現伴有冰雹但無短時強降水（雨強≥20mm/h）的雷暴大風；強降水復合型指某測站出現短時強降水且伴隨雷暴大風與冰雹。3種類型強對流天氣的對流強度是依次增加的。

圖1 吉林省地形與國家站站點分布

3 分類強對流天氣分析

3.1 出現頻次

通過分析近10a不同類型強對流出現日的累計月頻次（圖2）可以看出，雷暴大風型整個暖季都有發(fā)生，最常出現的月份為5月和6月，累計出現日數分別達到了120 d和78 d；冰雹大風型同樣主要出現在5月和6月，累計出現日數分別為16d和19d；復合型僅僅出現在汛期的6—9月，最大出現月份為6月，累計日數為8d。從逐時的分布來看，雷暴大風與冰雹大風型主要出現在午后至入夜（14—20時），期間雷暴大風型累計日數為106d，冰雹大風型累計日數為30d；復合型則在每日各個時次均有出現。

圖2 2010—2019年吉林省分類強對流逐月頻數

主要基于“配料法”[2]來選取天氣環(huán)境特征參量。對于產生強天氣的中尺度深對流，通?？紤]靜力不穩(wěn)定條件、水汽條件與觸發(fā)機制。其中，觸發(fā)機制主要是抬升運動，對于中尺度系統(tǒng)來說，抬升條件可以為地形作用、海風鋒、干線、出流邊界、其他邊界層輻合線，而這項很難用參數定量的描述[9]。使用850hPa與500hPa的溫差ΔT85來表示靜力不穩(wěn)定。水汽條件主要考慮大氣可降水量以及能夠在干過程和濕過程中都可以守恒的廣義位溫[10]。另外，將水汽與靜力不穩(wěn)定結合起來可以得到一些預報員常用的對流指標，如K指數等。對于不同類型的對流類型還需要考慮各自的關鍵參數，如雷暴大風型需要考慮平均溫度露點差；冰雹大風需要考慮融化層高度，即0℃層高度；復合型強對流需要考慮暖云層厚度等。

3.2 環(huán)境參數

3.2.1 靜力不穩(wěn)定

利用850hPa與500hPa的溫差ΔT85來表示靜力不穩(wěn)定度，該參數經常被用于暴雨天氣分析。暖季濕中性層結的850hPa與500hPa溫差為20～21℃，因此某些文章取21℃為是否會產生對流性天氣的閾值，其值越大代表不穩(wěn)定性越強[9]。圖3a中顯示純雷暴大風型、冰雹大風型、復合型的中位數分別為28.5℃、28℃、25.9℃；平均值分別為28.2℃、27.9℃、25.7℃。純雷暴大風型與冰雹大風型差距不大，但是復合型的中位數與平均數小于前兩者。從25%至75%數來看，3種類型范圍分別為26.9—31.1℃、27.1—29.3℃、25.3—27.0℃，所有25%數均高于21℃的閾值?？梢钥闯?，純雷暴大風型的跨度最廣，其與冰雹大風型的25%數較為一致，而復合型的25%數最低。由于3種類型的分布特征類似，因此ΔT85對于3類對流的分類效果不明顯，但是當出現≥25.3℃的ΔT85時，就需要警惕3類強對流天氣發(fā)生的可能。

3.2.2 廣義位溫

水汽不僅僅對于短時強降水十分重要，其凝結之后的霰粒子與冰晶也是雷電與冰雹產生的必要條件[11]。本文使用850hPa的廣義位溫與大氣可降水量作為水汽的代表量。如圖3b所示，在3種強對流中，廣義位溫的值在284～354K；純雷暴大風型、冰雹大風型以及復合型的25%數分別為297K、301K、308K；中位數分別 為300K、303K、312K；平均數分別為302K、303K、318K；75%數為307K、307K、328K?？梢钥闯?，隨著對流的強度增加，其對應的箱體也逐漸升高。復合型對應的箱體跨度最大，且其25%數要高于其他2個的75%數。因此，可以取297K、301K、308K為雷暴大風型、冰雹大風型、復合型的預報閾值。

3.2.3 對流參數

在實際預報中，預報員通常還會使用各種表征對流潛勢的對流參數，此種參數可以將靜力穩(wěn)定度與水汽條件結合起來考慮，從而方便預報員判斷對流落區(qū)。本文選用的參數為可以指示不同類型強對流的K指數。K指數在ΔT85的基礎上額外考慮了低層的水汽條件與中層飽和程度，其值越大說明大氣越不穩(wěn)定[5]。如圖3c所示，3種類型的25%—75%數分布分別為26—34℃、29—34℃、33—36℃；中位數分別為29℃、31℃、34℃；平均數分別為28℃、30℃、34℃。雷暴大風型的箱體較寬，冰雹大風型次之，復合型的箱體最窄，箱體高度分布隨著對流強度的增強逐漸上升?？梢赃x用最低的25%數，即26℃作為強對流發(fā)生的閾值。對于3類強對流的閾值則可以分別選擇26℃、29℃、33℃。

圖3 3種類型強對流850hPa與500hPa溫差（a）、廣義位溫（b）、K指數（c）箱線圖

3.3 3類強對流相關參量

3.3.1 平均溫度露點差

深厚濕對流的產生除了不穩(wěn)定條件、水汽及抬升觸發(fā)機制外，如果要產生雷暴大風還要求對流中要有系統(tǒng)的強烈下沉運動。下沉氣流在觸地后輻散從而形成雷暴大風，這就要求對流層中層存在明顯的干層，當降水產生后的拖曳作用引起下沉運動后，如果下落過程中存在干層，則雨滴會蒸發(fā)，從而引起周圍空氣的降溫，空氣密度增加從而增加下沉氣流的強度[9]。本文采用平均溫度露點差（700hPa、500hPa、400hPa的平均溫度露點差）表示干空氣強度，數值越大表示空氣越干或者干空氣層越厚，越有利于大風的產生。如圖4a所示，3種類型的25%—75%數分別為5.2—11.5℃、6.7—11.5℃、5.2—9.2℃； 中 位 數 范 圍 為6.4—8.5℃。可以看出，復合型強對流的平均溫度露點差中位數最低，為6.4℃，說明此種類型的中層水汽條件最好，干空氣較弱，而這對于短時強降水的出現是有利的，此種類型的大風產生要更加依賴于降水的拖曳作用。雷暴大風型的中位數為7.1℃；冰雹大風型的中位數最大，為8.5℃。說明伴有冰雹的雷暴大風的產生需要的平均溫度露點差要大于無冰雹的雷暴大風，這主要是更厚的干空氣層有利于冰雹的產生。當平均溫度露點差達到5.2℃時，即要警惕出現強對流引起大風的可能。

3.3.2 融化層高度

強冰雹往往依賴于合適的融化層高度，即濕球溫度0℃層高度[6]。如圖4b所示，3種類型的濕球溫度中位數分別為2.7km（雷暴大風型）、2.9km（冰雹大風型）、3.7km（復合型）。較強的冰雹個例一般出現在冰雹大風型中，雖然復合型中也存在冰雹，但是由于此種類型干層不明顯，冰雹主要以小冰雹為主[9]。冰雹大風型的融化層高度范圍為1.2～4.4km，整體分布范圍較其他地區(qū)的個例偏低[4，9]，這主要是由于地形作用導致的；其25%—75%數范圍為2.8—3.4km。綜上，可以認為如果濕球0℃層高度位于2.8～3.4km有利于出現強冰雹。

圖4 3種類型強對流平均溫度露點差（a）、融化層高度（b）、暖云厚度（c）箱線圖

3.3.3 暖云層厚度

復合型強降水中主要考慮冰雹與短時強降水，而短時強降水的產生往往對應著很高的降水效率，降水效率可以使用冰水粒子的轉換來計算，其與蒸發(fā)率的和大致為100%[12]。由于復合型對流的中層平均溫度露點差較低，水汽條件較好，因此蒸發(fā)率較低，降水效率較高，而且山地地區(qū)由于地形作用使得蒸發(fā)的垂直空間較平原低，同樣有利于降水效率的提高。為了定性地表述降水效率，本文引入暖云層厚度，其定義為：抬升凝結高度與0℃層高度的高度差。暖云層厚度越厚，說明暖云降水比率越高，降水效率越高[13]。分析3種類型的暖云層厚度箱線圖（圖4c）可知，復合型的暖云層厚度中位數最大，達到了3.5km；冰雹大風型次之，為2.2km；雷暴大風型最小，為1.7km；其對應的25%—75%數 分 別 為3.1—4km、2—2.7km、1.2—2.7km。復合型強對流的暖云層厚度要明顯高于其他2種類型。因此，3.1km的暖云層厚度可以作為區(qū)分復合型強對流和其他類型強對流的重要指標。

4 預報閾值的確定

為了做到強對流預報更加精準，服務更加精細，得到精度更高，更具有指示意義的吉林省東部山區(qū)不同類型對流的環(huán)境參量閾值，本文利用2010—2019年暖季吉林省東部山區(qū)的954站次個例進行分析，將其分為純雷暴大風型、冰雹大風型與復合型3種類型，統(tǒng)計了不同類型強對流不同月份與時次的日頻次，利用高時空分辨率的ERA5資料對每個個例進行發(fā)生點、發(fā)生時間的環(huán)境參量計算，這樣可以克服忽略地形和探空資料時空分辨率過于稀疏的問題，得到吉林省東部山區(qū)更加精細的對流參數預報閾值，具體結果見表1。

表1 吉林省東部山區(qū)強對流天氣關鍵環(huán)境參量預報閾值（以25%數作為預報閾值）

5 結語

（1）雷暴大風型整個暖季都有發(fā)生，累計出現日數分別達到了120d和78d；冰雹大風型主要出現在5月和6月，累計出現日數分別為16d和19d；復合型僅僅出現在6—9月，累計日數為8d。

（2）可以將ΔT85≥25.3℃作為預報出現強對流天氣的閾值。雷暴大風型、冰雹大風型、復合型的廣義位溫預報閾值分別為297K、301K、308K；K指數的預報閾值分別為26℃、29℃、33℃。當平均溫度露點差≥5.2℃時，需要警惕雷暴大風的發(fā)生；當融化層高度位于2.8～3.4km時，需要警惕冰雹大風的發(fā)生；當暖云層厚度≥3.5km時，需要警惕復合型強降水的發(fā)生。

（3）由于對流的觸發(fā)機制難以客觀化描述，因此在使用上述閾值的時候，需要預報員結合抬升觸發(fā)條件進行判斷。另外，由于吉林省東部山區(qū)的國家站分布稀疏，如果僅僅以單站出現冰雹或短時強降水作為判定條件區(qū)分對流類型，會出現站點周圍幾千米范圍內出現了冰雹或強降水卻將其識別為雷暴大風型的情況，因此在后續(xù)的工作中，需要進一步使用區(qū)域站或自動站數據解決此問題。