基于CMA-MESO模式的黑龙江省强对流天气分类预报方法研究

doi:10.3969/j.issn.1673-503X.2023.04.006

摘要/Abstract

摘要：

利用欧洲中心再分析数据(ERA5)、中国气象局中尺度数值预报模式(CMA-MESO)产品和自动站资料，计算动力条件、不稳定层结、水汽条件、特征层高度等对流参数，统计雷暴大风和短时强降水两类强对流天气的对流参数分位值统计量特征，以及与气候值的偏差特征。结果表明：短时强降水更易在水汽含量大、中低层大气接近饱和的湿热环境中发生，中低层抬升作用触发降水并增强降水效率，水汽条件是短时强降水的关键。雷暴大风容易在气温直减率大的环境中出现，有利条件为中层干燥、低层湿润、垂直风切变大、CAPE大。采用相对偏差模糊矩阵评价法，进行黑龙江省两类强对流天气的分类预报，检验结果表明，该方法能有效预报最可能发生强对流的区域和时间，预报效果较好，预报偏差bias短时强降水为0.7，雷暴大风为1.04，空报漏报率合理。

关键词: 短时强降水, 对流参数, 雷暴大风

Abstract:

Using the European center reanalysis data (ERA5), China Meteorological Administration mesoscale numerical prediction model (CMA-MESO) products and automatic station data, the convection parameters such as dynamic conditions, unstable stratification, water vapor conditions, and characteristic layer height were calculated, and the statistical characteristics of the quantile value of convection parameters for thunderstorm gale and short-term heavy rainfall, as well as the deviation characteristics of the climate value were counted.The results show that short-term heavy rainfall is more likely to occur in the middle and lower atmosphere which is nearly saturated in the humid and hot environment with high water vapor content.The uplift of the middle and lower layers triggers precipitation and enhances precipitation efficiency.Water vapor condition is the key to short-term heavy rainfall.Thunderstorm gale is easy to happen in the environment with large temperature drop rate, and especially for the conditions with dryness in the middle layer, wetness in the low layer, large vertical wind shear and large Cape.By using the relative deviation fuzzy matrix evaluation method, the classification forecast of two types of severe convective weather in Heilongjiang province is tested.The results show that the method can effectively predict the area and time in which severe convection is most likely to happen and has a good forecast effect and the reasonable rate of missing and falsity.The forecast BIAS is 0.7 for short-term heavy rainfall and 1.04 for thunderstorm gale.

Key words: Short-term heavy rainfall, Convection parameters, Thunderstorm gale

中图分类号:

P468

刘松涛, 高梦竹, 齐铎, 王承伟. 基于CMA-MESO模式的黑龙江省强对流天气分类预报方法研究[J]. 气象与环境学报, 2023, 39(4): 38-46.

Songtao LIU, Mengzhu GAO, Duo QI, Chengwei WANG. Research on classification forecast method of severe convective weather in Heilongjiang province based on CMA-MESO[J]. Journal of Meteorology and Environment, 2023, 39(4): 38-46.

图/表 7

表1

表2

表3

表4

图1

表5

图2

参考文献 23

1	刘建文,郭虎,李耀东,等.天气分析预报物理量计算基础[M].北京:气象出版社,2005.
2	李明, 高维英. 基于高分辨率模式的短时强降水客观概率预报方法[C]//中国气象局预报与网络司. 天气预报技术文集. 北京: 气象出版社, 2020: 471-482.
3	石燕茹,寿绍文,王丽荣,等.风暴相对螺旋度与强对流天气类型的关系分析[J].气象与环境学报,2011,27(1):65-71.
4	薛啟,唐亚平,王丽娜,等.2015—2019年甘肃平凉地区夏季短时强降水时空分布及天气形势特征[J].气象与环境学报,2022,38(1):57-64.
5	董琪如,邱晓滨,王莹,等.循环同化雷达资料对一次飑线系统临近预报的改进作用[J].气象与环境学报,2021,37(3):1-11.
6	张年成,朱俊峰,陈红萍,等.沙氏指数计算方案探讨[J].气象科技,2007,35(2):171-174.
7	张端禹,李红莉,叶金桃,等.一个相对精确计算沙瓦特指数方案的实现[J].气象与环境学报,2013,29(1):12-17.
8	路志英,陈靖,田硕,等.基于风暴相对螺旋度的降雨预报模型检验[J].沙漠与绿洲气象,2016,10(3):9-14.
9	雷蕾,孙继松,魏东,等.利用探空资料判别北京地区夏季强对流的天气类别[J].气象,2011,37(2):136-141.
10	漆梁波.高分辨率数值模式在强对流天气预警中的业务应用进展[J].气象,2015,41(6):661-673.
11	王迪,牛淑贞,曾明剑,等.河南省分类强对流环境物理条件特征分析[J].气象,2020,46(5):618-628.
12	牛淑贞,张一平,王迪,等.河南省分类强对流天气概率预报方法研究与应用[J].气象与环境科学,2021,44(1):1-12.
13	HartR E,ForbesG S,GrummR H.Forecasting techniques the use of hourly model-generated soundings to forecast mesoscale phenomena.Part I: Initial assessment in forecasting warm-season phenomena[J].Weather and Forecasting,1998,13(4):1165-1185.
14	费海燕,王秀明,周小刚,等.中国强雷暴大风的气候特征和环境参数分析[J].气象,2016,42(12):1513-1521.
15	樊李苗,俞小鼎.中国短时强对流天气的若干环境参数特征分析[J].高原气象,2013,32(1):156-165.
16	翟菁,周后福,张建军,等.基于指标叠套法的安徽省强对流天气潜势预警研究[J].气象与环境学报,2011,27(2):1-7.
17	王立荣,王丽荣,匡顺四,等.对流参数气候特征在短期预报中的应用[J].气象与环境学报,2008,24(5):38-41.
18	钟敏,肖安,许冠宇.基于CMA-MESO的分级短时强降水概率预报方法研究[J].干旱气象,2022,40(4):700-709.
19	雷蕾,孙继松,王国荣,等.基于中尺度数值模式快速循环系统的强对流天气分类概率预报试验[J].气象学报,2012,70(4):752-765.
20	曾明剑,张备,吴海英,等.基于接近度概念的强对流天气预报方法研究[J].高原气象,2015,34(5):1357-1368.
21	曾明剑,王桂臣,吴海英,等.基于中尺度数值模式的分类强对流天气预报方法研究[J].气象学报,2015,73(5):868-882.
22	杨仲江,唐晓峰.逐步消空法在上海雷电潜势预报中的应用[J].气象科学,2009,29(6):810-814.
23	钱莉,滕杰,杨鑫.逐步消空法在祁连山区东部冰雹预报中的应用[J].干旱气象,2016,34(3):560-567.

要素	5月	6月	7月	8月	9月	总计
短时强降水频率/(%)	1.4	13.3	42.5	38.5	4.3	100.0
短时强降水站次/次	39	359	1146	1038	116	2698
雷暴大风频率/(%)	25.0	26.7	35.2	6.8	6.3	100.0
雷暴大风站次/次	425	454	596	116	109	1700

要素	02—08时	08—14时	14—20时	20—02时	总计
短时强降水频率/(%)	13.7	21.6	43.2	21.5	100.0
短时强降水站次/次	370	583	1165	580	2698
雷暴大风频率/(%)	5.1	21.8	49.9	23.3	100.0
雷暴大风站次/次	86	370	848	396	1700

序号	物理量	特征值平均	最大值	最小值	气候平均值	权重
1	A指数/℃	14.379	24.0	-20.8	2.327	0.149
2	925 hPa散度/(10^-5·s^-1)	-1.437	11.6	-20.6	-0.331	0.068
3	850 hPa温度露点差3 h变化/℃	-0.098	4.6	-7.1	0.004	0.064
4	925 hPa水汽通量散度/(10^-5·g·(s·cm·hPa)^-1)	-1.438	11.2	-21.8	-0.237	0.063
5	地面散度/(10^-5·s^-1)	-1.264	11.5	-14.4	-0.472	0.059
6	700 hPa散度/(10^-5·s^-1)	-1.121	7.8	-14.3	0.004	0.059
7	K指数/℃	32.747	39.6	19.5	24.341	0.056
8	强天气威胁指数3 h变化	4.819	106.2	-74.8	-0.207	0.054
9	总指数/℃	49.361	57.3	40.1	45.444	0.053
10	300 hPa散度/(10^-5·s^-1)	1.611	16.4	-10.0	0.146	0.050
11	风暴强度指数	236.154	279.13	154.85	225.963	0.050
12	850 hPa水汽通量散度/(10^-5·g·(s·cm·hPa)^-1)	-1.064	11.6	-14.6	0.037	0.048
13	沙氏指数/℃	-0.648	5.0	-5.9	2.600	0.045
14	大气整层可降水量/mm	36.897	51.5	20.5	28.961	0.030
15	-20 ℃层高度/m	6516.459	7552.6	5304.6	6388.088	0.029
16	对流有效位能/(J·kg^-1)	464.032	2213.1	0.0	139.006	0.027
17	0 ℃层高度/m	3369.675	4253.7	2442.4	3255.410	0.026
18	0~1 km垂直风切变/(m·s^-1)	4.698	13.53	0.16	4.517	0.024
19	0~3 km垂直风切变/(m·s^-1)	8.923	19.82	0.56	7.445	0.023
20	0~6 km垂直风切变/(m·s^-1)	5.342	9.98	1.06	5.911	0.021

序号	物理量	特征值平均	最大值	最小值	气候平均值	权重
1	A指数/℃	11.948	22.6	-28.2	1.732	0.122
2	K指数/℃	32.395	38.5	10.7	24.282	0.098
3	总指数/℃	50.433	56.3	40.2	45.412	0.076
4	925 hPa水汽通量散度/(10^-5·g·(s·cm·hPa)^-1)	-1.363	13.8	-21.8	-0.214	0.059
5	925 hPa散度/(10^-5·s^-1)	-1.602	15.0	-22.2	-0.320	0.057
6	地面散度/(10^-5·s^-1)	-1.284	11.5	-16.1	-0.518	0.057
7	700 hPa散度/(10^-5·s^-1)	-1.324	8.6	-16.5	0.044	0.054
8	850 hPa散度/(10^-5·s^-1)	-1.620	9.6	-15.7	-0.049	0.052
9	风暴强度指数	238.281	276.9	147.4	223.206	0.050
10	深对流指数/℃	23.058	34.0	4.5	16.470	0.049
11	强天气威胁指数	219.037	326.4	64.8	173.145	0.044
12	对流稳定度指数/℃	-29.846	4.9	-80.2	-16.263	0.043
13	-20 ℃层高度/m	6381.632	7620.7	5017.2	6402.562	0.039
14	0 ℃层高度/m	3271.527	4117.5	2231.3	3272.287	0.037
15	0~3 km垂直风切变/(m·s^-1)	10.696	18.3	1.3	8.452	0.032
16	沙氏指数/℃	-0.867	6.2	-4.4	2.589	0.030
17	0~1 km垂直风切变/(m·s^-1)	5.056	11.83	0.56	4.374	0.029
18	大气整层可降水量/mm	33.719	48.4	16.7	28.873	0.029
19	0~6 km垂直风切变/(m·s^-1)	7.780	9.89	4.06	5.872	0.023
20	对流有效位能/(J·kg^-1)	439.271	1680.00	0.00	121.456	0.021

天气类型	bias	Pod/(%)	Far/(%)	Mr/(%)	Ts/(%)
短时强降水	0.70	4.33	93.83	95.67	2.61
雷暴大风	1.04	6.84	93.44	93.16	3.46