王佳，智協(xié)飛，陳鈺文，商兆堂，白卡娃

(1．南京信息工程大學(xué)氣象災(zāi)害省部共建教育部重點(diǎn)實(shí)驗(yàn)室，江蘇南京210044; 2．江蘇省人工影響天氣辦公室，江蘇南京210008;3．江蘇省氣象局，江蘇南京210008)

雷暴云的集合預(yù)報(bào)技術(shù)及其應(yīng)用

王佳1，2，智協(xié)飛1，陳鈺文2，商兆堂3，白卡娃2

(1．南京信息工程大學(xué)氣象災(zāi)害省部共建教育部重點(diǎn)實(shí)驗(yàn)室，江蘇南京210044; 2．江蘇省人工影響天氣辦公室，江蘇南京210008;3．江蘇省氣象局，江蘇南京210008)

以中尺度非靜力WRF模式的格點(diǎn)預(yù)報(bào)結(jié)果作為云模式的初值集合，經(jīng)云模式的多初值雷暴預(yù)報(bào)及預(yù)報(bào)結(jié)果的集合分析，建立了雷暴云的集合預(yù)報(bào)方法。將該方法應(yīng)用于南京周邊地區(qū)未來(lái)一天雷暴天氣的特征預(yù)報(bào)，并利用南京夏季9個(gè)雷暴天氣的多普勒雷達(dá)資料(SCIT，storm cell identification and tracking)進(jìn)行預(yù)報(bào)效果的檢驗(yàn)。結(jié)果表明，雷暴云的集合預(yù)報(bào)對(duì)研究區(qū)域內(nèi)未來(lái)一天雷暴強(qiáng)度、分布預(yù)報(bào)效果較好，尤其對(duì)強(qiáng)雷暴的分布有較強(qiáng)的預(yù)警預(yù)測(cè)能力。此外，雷暴持續(xù)時(shí)間概率密度分布的集合預(yù)報(bào)產(chǎn)品，在雷暴影響范圍概率預(yù)報(bào)上的應(yīng)用，提高了雷達(dá)對(duì)雷暴的預(yù)警監(jiān)測(cè)能力。

雷暴;積云尺度;集合預(yù)報(bào);概率密度分布;效果檢驗(yàn)

Abstract:A thunderstorm ensemble forecasting approach is performed by the ensemble analysis of the cloud model’s forecast results according to the initial condition aggregation provided by the grid forecast results of the mesoscale non-hydrostatic WRF model．The approach is applied to forecast the characteristics of thunderstorm around Nanjing one day in advance and is verified by the Doppler radar data of the thunderstorms in summer in Nanjing．Results show that the intensity and distribution of thunderstorms over the research area is reasonably predicted one day in advance．It is particularly good to forecast the distribution of the strong thunderstorms by using the ensemble forecasting technique．Moreover，the application of the PDF(probability density function)of thunderstorms’duration into the probability forecasting of the influenced area of thunderstorms improves the radar’s warning and monitoring capacity of local thunderstorms．

Key words:thunderstorm;convective scale;ensemble forecasting;probability density function;verification

0 引言

雷暴是一種伴有雷電、大風(fēng)、暴雨，甚至冰雹、龍卷等災(zāi)害性天氣的中小尺度天氣過(guò)程，由于尺度小、變化快、局地特征明顯，一直是天氣預(yù)報(bào)業(yè)務(wù)的重點(diǎn)和難點(diǎn)。為此，國(guó)內(nèi)外許多學(xué)者針對(duì)雷暴預(yù)報(bào)方法開(kāi)展了許多研究。研究認(rèn)為，雷暴是在特定的環(huán)境場(chǎng)條件下產(chǎn)生的(郝瑩等，2007)，因此業(yè)務(wù)上最常用的方法是天氣學(xué)分型，結(jié)合探空資料計(jì)算環(huán)境場(chǎng)能量、動(dòng)力、熱力不穩(wěn)定參數(shù)，判斷環(huán)境條件是否有利于雷暴生成與發(fā)展(何立富等，2011)，該方法時(shí)空分辨率低、主觀性強(qiáng)，經(jīng)常會(huì)誤導(dǎo)預(yù)報(bào)員(Stensrud et al．，1997)。隨著雷達(dá)、衛(wèi)星監(jiān)測(cè)系統(tǒng)建設(shè)趨于完善，基于雷達(dá)、衛(wèi)星資料的雷暴識(shí)別跟蹤和外推預(yù)報(bào)技術(shù)，也逐步應(yīng)用于雷暴的臨近預(yù)報(bào)，其缺陷是預(yù)報(bào)實(shí)效短，準(zhǔn)確率低(Wilson et al．，1998)。近年來(lái)，數(shù)值天氣預(yù)報(bào)及其同化技術(shù)的迅速發(fā)展，使得中尺度數(shù)值模式對(duì)雷暴的預(yù)報(bào)能力加強(qiáng)，然而由于模式本身spin-up問(wèn)題存在，導(dǎo)致中尺度模式至今不能取代臨近預(yù)報(bào)的外推法(Donner，1988)。云尺度數(shù)值模式采用“熱啟動(dòng)”(陳寶君和宋娟，2006)，有效解決了spin-up問(wèn)題，且較高的時(shí)空分辨率、詳細(xì)的微物理過(guò)程，使得模式對(duì)雷暴結(jié)構(gòu)模擬的可信度顯著提高，云模式也已成為探索雷暴預(yù)報(bào)的有效工具。美國(guó)NCAR利用一個(gè)云尺度數(shù)值模式，通過(guò)邊界層輻合線特征與雷暴以及云特征信息的相互結(jié)合，進(jìn)行雷暴的臨近預(yù)報(bào)(Mueller et al．，2003)。ND(Kopp and Orville，1994)、ST-91(Brooks et al．，1993)、ST-95(Wicker et al．，1997)等一系列雷暴預(yù)報(bào)試驗(yàn)結(jié)果表明，利用云模式進(jìn)行雷暴預(yù)報(bào)的關(guān)鍵是如何獲得準(zhǔn)確的初始狀態(tài)。初始狀態(tài)的不確定性(Toth et al．，2001)，可能使數(shù)值預(yù)報(bào)結(jié)果在較短的預(yù)報(bào)時(shí)段內(nèi)遠(yuǎn)離真實(shí)大氣(Toth，1991)。針對(duì)這種不確定性，Leith(1974)提出了集合預(yù)報(bào)理論，他認(rèn)為天氣預(yù)報(bào)問(wèn)題不是確定性預(yù)報(bào)，而應(yīng)該是在大氣相空間中合適的概率密度函數(shù)(PDF，probability density function)隨時(shí)間的演變，即由定量預(yù)報(bào)向概率預(yù)報(bào)轉(zhuǎn)變，并給出確定性預(yù)報(bào)的可信度指標(biāo)，最終提高預(yù)報(bào)準(zhǔn)確率。本文根據(jù)集合預(yù)報(bào)理論，采用新的初值集合法，建立了雷暴云的集合預(yù)報(bào)方法，即利用中尺度WRF模式的輸出結(jié)果構(gòu)建初始狀態(tài)集合，從這個(gè)初始狀態(tài)集合出發(fā)，通過(guò)IAP(Institute of Atmospheric Physics)三維對(duì)流云模式，得到相應(yīng)的、包含多個(gè)預(yù)報(bào)結(jié)果的集合，再通過(guò)預(yù)報(bào)結(jié)果集合的分析，預(yù)報(bào)未來(lái)一天雷暴的天氣特征。文中將該方法應(yīng)用于南京周邊地區(qū)夏季雷暴強(qiáng)度和分布預(yù)報(bào)，并利用實(shí)時(shí)多普勒雷達(dá)資料對(duì)預(yù)報(bào)效果進(jìn)行初步檢驗(yàn)。

1 集合預(yù)報(bào)方法

與傳統(tǒng)的初值集合預(yù)報(bào)方法不同，本文不是在基本狀態(tài)下疊加擾動(dòng)來(lái)構(gòu)建初值集合，而是利用中尺度WRF模式不同時(shí)刻輸出的格點(diǎn)資料，建立初值集合，利用時(shí)空不連續(xù)的初值，進(jìn)行雷暴云的集合預(yù)報(bào)。

詳細(xì)的預(yù)報(bào)方法、流程，見(jiàn)圖1。首先，確定預(yù)報(bào)區(qū)域、時(shí)效及內(nèi)容。以南京為中心、100 km為半徑建立預(yù)報(bào)區(qū)(圖1，虛線所示)，重點(diǎn)針對(duì)區(qū)域內(nèi)未來(lái)24 h的雷暴天氣強(qiáng)度和分布特征進(jìn)行預(yù)報(bào)。其次，建立初值集合。初值來(lái)源于中尺度WRF模式的格點(diǎn)預(yù)報(bào)結(jié)果，考慮夏季南京周邊地區(qū)雷暴多發(fā)生在午后至夜間，主要提取WRF模式14、17、20、23時(shí)(北京時(shí)，下同，初始預(yù)報(bào)時(shí)刻02時(shí))各12個(gè)格點(diǎn)預(yù)報(bào)結(jié)果(圖1，實(shí)點(diǎn))，作為初始條件，共48個(gè)初始條件組成了集合預(yù)報(bào)的集合成員。接著，進(jìn)行多初值的雷暴預(yù)報(bào)。分別利用初值集合中48個(gè)時(shí)空不連續(xù)的初始條件，采用IAP三維對(duì)流云模式，得出48個(gè)預(yù)報(bào)結(jié)果的集合。最后，對(duì)預(yù)報(bào)結(jié)果集合分析。48個(gè)預(yù)報(bào)結(jié)果代表了整個(gè)研究區(qū)域內(nèi)雷暴特征，且權(quán)重相同，經(jīng)概率統(tǒng)計(jì)分析，預(yù)報(bào)南京周邊區(qū)域未來(lái)24 h的雷暴強(qiáng)度、分布特征。

其中，中尺度WRF模式水平區(qū)域取71×71，格距為40 km的網(wǎng)格點(diǎn)，垂直方向分為31層，模式頂氣壓為50 hPa。初始場(chǎng)及邊界條件由NCEP每6 h一次1°×1°的再分析資料4點(diǎn)雙線性插值得到。積分時(shí)間從每天02時(shí)開(kāi)始，積分24 h，時(shí)間步長(zhǎng)為60 s，每3 h輸出一次結(jié)果。模式采用MRF(model range forecast)邊界層方案，Kain-Fritsch積云對(duì)流參數(shù)化方案，WSM-6(WRF single-moment 6-class scheme)微物理過(guò)程方案，RRTM(rapid radiative transfer model)長(zhǎng)波輻射和Dudhia短波輻射方案，模式中心與南京多普勒雷達(dá)中心一致。

云模式采用IAP三維時(shí)變完全彈性非靜力分檔云模式(郭學(xué)良等，2001;李艷偉等，2006)，該模式將水成物分為云水、雨水、云冰、雪團(tuán)以及霰/雹五個(gè)大檔，并根據(jù)Berry(1968)提出的指數(shù)分檔方法將霰和冰雹分為21檔，37種詳細(xì)的微物理過(guò)程適用于雷暴云尺度特征的研究。云模式的區(qū)域范圍選為70 km×70 km×18.5 km，垂直分辨率為0.5 km，水平分辨率為2 km，總積分時(shí)間為90 min，積分步長(zhǎng)為10 s。初始擾動(dòng)采用對(duì)流濕熱泡擾動(dòng)方式，擾動(dòng)溫度統(tǒng)一取為2.5℃，擾動(dòng)中心為3 km高度上的水平區(qū)域中心，擾動(dòng)水平半徑為14 km，垂直半徑為3 km。

圖1 雷暴云的集合預(yù)報(bào)方法示意(圖中第二圈內(nèi)為研究區(qū)域，每圈半徑50 km，實(shí)點(diǎn)與空點(diǎn)距離為40 km，虛線將研究區(qū)域分為21個(gè)小區(qū)域。星號(hào)表示某天監(jiān)測(cè)到已持續(xù)36 min的雷暴，該雷暴沿紅線到達(dá)紅星號(hào)的概率為50%以上，沿黃線到達(dá)黃星號(hào)的概率為25%～50%，沿綠線到達(dá)綠星號(hào)的概率為25%以下)Fig．1The schematic diagram of the thunderstorm ensemble forecasting(The research area is divided into 21 small areas by the dashed lines and is situated within the second circle．The distance between every two adjacent circles (black and white dots)is 50(40)km．The asterisk represents a thunderstorm lasting for 36 minutes detected on a given day，which could reach the red asterisk along the red line at a probability of 50%，the yellow asterisk along the yellow line at a probability of 25%—50%，the green asterisk along the green line at a probability of under 25%)

云模式的初始場(chǎng)(溫度、濕度和風(fēng)場(chǎng))是由WRF模式的預(yù)報(bào)結(jié)果給出的，且云模式主要是通過(guò)在初始場(chǎng)上疊加濕熱泡擾動(dòng)來(lái)啟動(dòng)對(duì)流的發(fā)展，因此WRF模式溫濕場(chǎng)、風(fēng)場(chǎng)的預(yù)報(bào)是否準(zhǔn)確直接影響云模式對(duì)雷暴云的預(yù)報(bào)效果。將WRF模式各層24 h預(yù)報(bào)的位溫、相對(duì)濕度、風(fēng)場(chǎng)，與同時(shí)刻的NCEP再分析資料，進(jìn)行平均誤差分析(圖2)及K-S分布檢驗(yàn)(Blum and Rosenblatt，1972;圖3)。結(jié)果發(fā)現(xiàn)，溫濕度場(chǎng)最大預(yù)報(bào)誤差位于700 hPa，誤差分別達(dá)0.6 K、－6%，且700 hPa附近中層大氣溫濕度場(chǎng)的分布預(yù)報(bào)差異明顯;濕度場(chǎng)除中層大氣外，低、高層分布預(yù)報(bào)均出現(xiàn)了顯著偏差，預(yù)報(bào)效果最差;盡管風(fēng)場(chǎng)的分布預(yù)報(bào)效果較好，但低層偏西南風(fēng)，導(dǎo)致低層偏濕。綜上，WRF模式對(duì)溫濕場(chǎng)的預(yù)報(bào)存在誤差，如果利用WRF模式及云模式，對(duì)雷暴個(gè)體進(jìn)行單一確定性預(yù)報(bào)，效果可能不會(huì)理想。然而，本文主要是針對(duì)一定區(qū)域范圍內(nèi)未來(lái)一天的雷暴強(qiáng)度、分布特征進(jìn)行概率預(yù)報(bào)，而不是預(yù)報(bào)特定點(diǎn)上的雷暴個(gè)體，因此初始場(chǎng)上的誤差，不能否定雷暴云的集合預(yù)報(bào)方法，最大限度的從集合預(yù)報(bào)結(jié)果中提取有效信息，預(yù)報(bào)區(qū)域內(nèi)未來(lái)一天的雷暴特征是可行的。

圖2WRF模式各層θ(a;單位:K)、RH(b;單位:%)、u(c;單位:m/s)、v(d;單位:m/s)24 h預(yù)報(bào)誤差(虛線表示預(yù)報(bào)誤差為0)Fig．2The 24 h forecast error of the(a)θ(K)，(b)RH(%)，(c)u(m/s)，and(d)v(m/s)at every layer from the WRF model(The dashed line indicates that the error is 0)

圖3WRF模式各層θ(a)、RH(b)、u(c)、v(d)24 h預(yù)報(bào)K-S分布檢驗(yàn)(橫坐標(biāo)表示顯著性水平，虛線表示0.05的顯著性水平)Fig．3The 24 h forecast K-S distribution test of the(a)θ，(b)RH，(c)u，and(d)v at each layer from the WRF model (The abscissa represents the significance level;the dashed line denotes the significance at 95%confidence level)

2 集合預(yù)報(bào)的效果檢驗(yàn)

目前多普勒雷達(dá)對(duì)雷暴信息的跟蹤(SCIT，storm cell identification and tracking)準(zhǔn)確率達(dá)90%以上(俞小鼎等，2006)，因此集合預(yù)報(bào)效果檢驗(yàn)采用2005—2007年南京夏季7、8月9 d多普勒雷達(dá)的雷暴信息跟蹤資料，其中效果檢驗(yàn)分為雷暴強(qiáng)度和分布檢驗(yàn)。為了捕捉南京周邊地區(qū)100 km范圍內(nèi)的雷暴總體特征，對(duì)雷暴統(tǒng)計(jì)標(biāo)準(zhǔn)確定如下:1)雷暴持續(xù)時(shí)間大于18 min;2)雷暴最大回波強(qiáng)度大于40 dBZ。根據(jù)以上標(biāo)準(zhǔn)對(duì)實(shí)時(shí)雷達(dá)資料進(jìn)行統(tǒng)計(jì)，9 d內(nèi)共有468個(gè)雷暴。

2.1 雷暴強(qiáng)度的預(yù)報(bào)及檢驗(yàn)

雷暴強(qiáng)度用雷暴的持續(xù)時(shí)間表示，雷暴持續(xù)時(shí)間的確定由超過(guò)某一最大垂直速度臨界標(biāo)準(zhǔn)的時(shí)間長(zhǎng)度計(jì)算，且為了與實(shí)況雷暴統(tǒng)計(jì)標(biāo)準(zhǔn)一致，當(dāng)雷暴持續(xù)時(shí)間超過(guò)18 min才記為一次雷暴。對(duì)每天觀測(cè)和預(yù)報(bào)的所有雷暴持續(xù)時(shí)間進(jìn)行統(tǒng)計(jì)，并將其轉(zhuǎn)化為非參數(shù)概率密度函數(shù)，以該函數(shù)的分布情況表示區(qū)域內(nèi)雷暴強(qiáng)度的總體特征，并利用高斯核密度估計(jì)方法(Silverman，1986)平滑該函數(shù)，平滑的時(shí)間間隔取6 min，與南京多普勒雷達(dá)監(jiān)測(cè)的時(shí)間間隔相同。由于云模式積分時(shí)間長(zhǎng)度為90 min，因此概率密度函數(shù)的自變量范圍取(0，90)。當(dāng)觀測(cè)的雷暴持續(xù)時(shí)間大于90 min，統(tǒng)一記為90 min。最后，通過(guò)計(jì)算實(shí)況和預(yù)報(bào)的雷暴持續(xù)時(shí)間概率密度函數(shù)的歐幾里德距離(L2范數(shù))，對(duì)集合預(yù)報(bào)的雷暴強(qiáng)度預(yù)報(bào)效果進(jìn)行檢驗(yàn)，歐幾里德距離越小說(shuō)明預(yù)報(bào)與實(shí)況越接近。

由于雷暴持續(xù)時(shí)間的確定是以某一最大垂直速度為臨界標(biāo)準(zhǔn)，因此首先需要確定最大垂直速度臨界值。圖4給出了在不同最大垂直速度臨界值下，預(yù)報(bào)和實(shí)況的雷暴持續(xù)時(shí)間概率密度函數(shù)歐幾里德距離(L2范數(shù))，橫坐標(biāo)為最大垂直速度臨界值，縱坐標(biāo)為L(zhǎng)2范數(shù)。由圖可知，最大垂直速度以7.5 m/s為臨界值時(shí)，預(yù)報(bào)與實(shí)況的歐幾里德距離最小，預(yù)報(bào)效果最佳。

圖4 不同最大垂直速度臨界值下預(yù)報(bào)和實(shí)況的雷暴持續(xù)時(shí)間概率密度函數(shù)歐幾里德距離Fig．4The Euclidean distance between the forecasted and observed PDFs of the thunderstorm's duration as a function of the threshold for the maximum updraft

根據(jù)圖4的結(jié)論，以最大垂直速度7.5 m/s為臨界標(biāo)準(zhǔn)，9 d模式共預(yù)報(bào)出了408個(gè)雷暴，與實(shí)況468個(gè)雷暴接近。進(jìn)一步分析實(shí)況和以7.5 m/s為臨界值預(yù)報(bào)的雷暴持續(xù)時(shí)間概率密度分布(圖5)發(fā)現(xiàn)，分布都呈雙峰型，預(yù)報(bào)的峰型比實(shí)況明顯;實(shí)況雷暴持續(xù)時(shí)間概率密度極值分別為30、72 min，生命期達(dá)30 min的雷暴數(shù)最多，而預(yù)報(bào)的概率密度極值分別為36、72 min;由于預(yù)報(bào)的36 min的雷暴數(shù)最多，比實(shí)況極大值偏長(zhǎng)6 min，使得整個(gè)預(yù)報(bào)的概率密度分布位相落后于實(shí)況。此外，生命期達(dá)48～60 min雷暴概率預(yù)報(bào)與實(shí)況基本一致，30～42 min、66～78 min雷暴概率預(yù)報(bào)偏高。由于實(shí)況統(tǒng)計(jì)中把大于90 min雷暴統(tǒng)一歸為90 min，使得84 min以上的超強(qiáng)雷暴預(yù)報(bào)較實(shí)況明顯偏低，但若以66 min為界，以大于66 min的概率代表當(dāng)天強(qiáng)雷暴發(fā)生的概率，則預(yù)報(bào)的強(qiáng)雷暴平均概率與實(shí)況基本一致。

圖5 9 d南京周邊地區(qū)100 km范圍內(nèi)預(yù)報(bào)未來(lái)1 d內(nèi)雷暴持續(xù)時(shí)間概率密度分布(虛線)與實(shí)況(實(shí)線) (豎線代表兩概率密度分布的歐幾里德距離)Fig．5The 9 days'forecasted(dashed)and observed(solid)PDFs of the thunderstorm's duration of one day in advance within 100 km around Nanjing(The ordinate represents the Euclidean distance between the two PDFs)

綜上所述，9 d中雷暴持續(xù)時(shí)間的概率密度分布與實(shí)況基本一致，9 d預(yù)報(bào)中有5 d預(yù)報(bào)結(jié)果與實(shí)況非常接近(圖6)。總體來(lái)說(shuō)，積云尺度集合預(yù)報(bào)對(duì)南京100 km范圍內(nèi)中等以上強(qiáng)度雷暴的預(yù)報(bào)效果較好。

2.2 雷暴分布預(yù)報(bào)及檢驗(yàn)

區(qū)域內(nèi)未來(lái)一天雷暴分布的預(yù)報(bào)方法見(jiàn)圖1。以WRF模式預(yù)報(bào)格點(diǎn)為中心，將南京周邊地區(qū)100 km范圍均勻的分為21個(gè)小區(qū)域，如果集合預(yù)報(bào)成員中有一個(gè)報(bào)出某一小區(qū)域會(huì)發(fā)生雷暴，就代表未來(lái)一天該小區(qū)域會(huì)出現(xiàn)雷暴天氣。

對(duì)預(yù)報(bào)與觀測(cè)結(jié)果的一致性進(jìn)行分類，A表示預(yù)報(bào)與實(shí)況結(jié)果均有雷暴，B表示預(yù)報(bào)有雷暴但實(shí)況無(wú)雷暴，C表示預(yù)報(bào)無(wú)雷暴但實(shí)況有雷暴，D表示預(yù)報(bào)與實(shí)況結(jié)果均無(wú)雷暴。按照以上的分類結(jié)果，通過(guò)計(jì)算探測(cè)準(zhǔn)確率IPOD(probability of detection，POD)、探測(cè)失誤率IPOFD(probability of False detection，POFD)、誤報(bào)率IFAR(false alarm rate，F(xiàn)AR)、關(guān)鍵成功指數(shù)ICSI(critical success index，CSI)及真實(shí)技術(shù)評(píng)分ITSS(true skill statistic，TSS)各種參數(shù)，定量分析預(yù)報(bào)準(zhǔn)確性。各指數(shù)計(jì)算公式如下

雷暴分布預(yù)報(bào)的檢驗(yàn)，主要參考ROC(relative operating characteristics)曲線圖(圖7)。首先根據(jù)上述2×2列聯(lián)表分析法，以30、36、42、48、54、60、66、72 min為臨界值，計(jì)算對(duì)持續(xù)時(shí)間大于各臨界值的雷暴分布預(yù)報(bào)的POD和POFD指數(shù);其次，以POD指數(shù)為Y坐標(biāo)、POFD指數(shù)為X坐標(biāo)，將指數(shù)的計(jì)算結(jié)果繪制在該坐標(biāo)系內(nèi)(圖7，圓點(diǎn));最后，用直線連接各點(diǎn)，畫(huà)出ROC曲線，并計(jì)算曲線下方的面積(圖7，斜線區(qū))，最大面積為1，表示預(yù)報(bào)技巧最佳，如果曲線與虛線重合，面積為0.5，說(shuō)明集合預(yù)報(bào)方法對(duì)區(qū)域內(nèi)雷暴位置的預(yù)報(bào)技巧為0。實(shí)際的ROC曲線高于虛線，曲線下方的面積約為0.65，說(shuō)明該集合預(yù)報(bào)方法對(duì)南京周邊地區(qū)雷暴分布預(yù)報(bào)是有技巧的，尤其對(duì)大于42、48、66 min的雷暴分布預(yù)報(bào)效果較好。

2.3 強(qiáng)雷暴預(yù)報(bào)效果對(duì)比分析

雷暴預(yù)報(bào)更多地關(guān)注局地強(qiáng)雷暴發(fā)生的概率及分布情況，因此集合預(yù)報(bào)方法對(duì)強(qiáng)雷暴發(fā)生概率及分布預(yù)報(bào)準(zhǔn)確率高低直接決定該預(yù)報(bào)方法的優(yōu)劣。

圖6 南京周邊地區(qū)100 km范圍內(nèi)預(yù)報(bào)未來(lái)1 d內(nèi)雷暴持續(xù)時(shí)間概率密度分布(虛線)與實(shí)況(實(shí)線)a．2007年8月2日;b．2006年8月26日;c．2006年8月7日;d．2006年8月6日; e．2005年8月17日Fig．6The forecasted(dashed)and observed(solid)PDFs of the thunderstorm's duration of one day in advance within 100 km around Nanjinga．August 2，2007;b．August 26，2006;c．August 7，2006;d．August 6，2006;e．August 17，2005

以2006年8月7日為例，圖6c虛線為集合方法預(yù)報(bào)當(dāng)天南京周邊100 km范圍內(nèi)雷暴持續(xù)時(shí)間概率密度分布，與實(shí)況(圖6c實(shí)線)相似，預(yù)報(bào)顯示該地區(qū)產(chǎn)生強(qiáng)雷暴(本文取持續(xù)時(shí)間66 min以上的雷暴)的可能性較大，實(shí)況也證明該地區(qū)的確出現(xiàn)了強(qiáng)雷暴。圖8紅色符號(hào)，代表當(dāng)天的強(qiáng)雷暴分布實(shí)況，“紅R”表示強(qiáng)雷暴區(qū)，實(shí)況顯示中部、東部出現(xiàn)了強(qiáng)雷暴天氣;圖8綠色符號(hào)，代表集合預(yù)報(bào)當(dāng)天的強(qiáng)雷暴分布，“綠+”表示強(qiáng)雷暴區(qū)，預(yù)報(bào)結(jié)果也顯示南京周邊地區(qū)100 km內(nèi)中部、東北部有強(qiáng)雷暴天氣，預(yù)報(bào)的探測(cè)準(zhǔn)確率(POD)達(dá)100%，誤報(bào)率(FAR)僅有37.5%，關(guān)鍵成功指數(shù)(CSI)及真實(shí)技術(shù)評(píng)分(TSS)較高，分別為62.5%、57.1%，強(qiáng)雷暴分布的集合預(yù)報(bào)與實(shí)況接近。

然而，利用WRF模式進(jìn)行單一確定性的預(yù)報(bào)，并計(jì)算K指數(shù)，如圖8等值線，為K指數(shù)減去40后的預(yù)報(bào)結(jié)果。由圖可知，南京周邊地區(qū)100 km范圍內(nèi)K指數(shù)均小于40，發(fā)生強(qiáng)對(duì)流天氣的可能性小(周后福等，2006)，且西部的不穩(wěn)定性高于東部，西部更易產(chǎn)生強(qiáng)雷暴天氣，這與實(shí)況不符。

綜上，集合預(yù)報(bào)效果要明顯好于WRF模式的單一確定性預(yù)報(bào)。

其次，一個(gè)場(chǎng)景內(nèi)，需要各式各樣，年代和狀況各有不同的建筑，這對(duì)于保證區(qū)域的地價(jià)水平有重要作用。區(qū)域內(nèi)需要有大型企業(yè)對(duì)產(chǎn)業(yè)起到引領(lǐng)作用，因此需要高端商業(yè)區(qū)域；同時(shí)區(qū)域也需要考慮小型企業(yè)、個(gè)人工作室的需求，因此需要相對(duì)老舊的房屋場(chǎng)所。同樣多樣化的房屋可以保證地租水平的穩(wěn)定，減少居民必要支出，釋放消費(fèi)潛力。在許多對(duì)文化創(chuàng)意產(chǎn)業(yè)的研究中都發(fā)現(xiàn)，地租水平是影響文化創(chuàng)意產(chǎn)業(yè)發(fā)展的重要因素，差異化的地租，對(duì)建立多樣化人群的社交網(wǎng)絡(luò)有重要影響。

3 集合預(yù)報(bào)產(chǎn)品應(yīng)用

經(jīng)效果檢驗(yàn)，積云尺度集合預(yù)報(bào)對(duì)區(qū)域內(nèi)未來(lái)一天雷暴持續(xù)時(shí)間的概率密度分布預(yù)報(bào)效果較好。因此，可以利用該概率密度分布結(jié)合雷達(dá)的實(shí)時(shí)監(jiān)測(cè)，預(yù)報(bào)區(qū)域內(nèi)某一雷暴的影響范圍，從而提高雷達(dá)對(duì)雷暴的預(yù)警監(jiān)測(cè)能力。

以2007年8月2日為例，預(yù)報(bào)流程如下:首先，利用雷暴云的集合預(yù)報(bào)方法，預(yù)報(bào)某天南京周邊地區(qū)雷暴持續(xù)時(shí)間概率密度分布(圖6a)。其次，根據(jù)上述預(yù)報(bào)結(jié)果，結(jié)合雷達(dá)已監(jiān)測(cè)到的某個(gè)雷暴生命期t1，采用Bayesian公式和條件概率，重新計(jì)算該雷暴持續(xù)時(shí)間達(dá)t2(大于t1)的概率密度分布，表示在雷暴持續(xù)時(shí)間已達(dá)t1的事實(shí)下，未來(lái)該雷暴繼續(xù)維持t2的概率密度分布(圖9)。接著，根據(jù)新的概率密度分布，確定雷暴持續(xù)時(shí)間達(dá)t2的概率曲線(圖10)。最后，結(jié)合雷達(dá)監(jiān)測(cè)到的雷暴移向D、移速V，確定該雷暴沿D向到達(dá)前方V×(t2－t1)處的概率，就是雷暴持續(xù)時(shí)間達(dá)t2的概率;并按概率分級(jí)，進(jìn)行影響區(qū)區(qū)劃(圖1星號(hào)及有色軌線)。

圖7集合預(yù)報(bào)雷暴分布預(yù)報(bào)效果ROC圖(圓圈從右上向左下分別表示預(yù)報(bào)持續(xù)時(shí)間達(dá)30、36、42、48、54、60、66、72 min以上的雷暴POD和POFD值，斜線區(qū)面積約為0.65)Fig．7The ROC diagram of the thunderstorm distribution from the ensemble forecast(The dots are the POD and POFD of the distribution forecast of thunderstorms which last for at least 30，36，42，48，54，60，66，72 minutes from the upper right to lower left．The slash area is about 0.65)

圖6a虛線，為集合預(yù)報(bào)的當(dāng)天南京周邊地區(qū)雷暴持續(xù)時(shí)間概率密度分布;圖9陰影表示雷達(dá)已監(jiān)測(cè)到某一雷暴持續(xù)時(shí)間達(dá)36 min。根據(jù)Bayesian公式及條件概率，重新計(jì)算該雷暴持續(xù)時(shí)間大于36 min的概率密度分布，如圖9陰影右側(cè)曲線，其中圖9橫線及斜線區(qū)域分別代表未來(lái)雷暴持續(xù)時(shí)間達(dá)37～42、43～48 min的概率。再利用調(diào)整后的概率密度分布，計(jì)算該雷暴生命期大于36 min的概率曲線(圖10)，并將概率曲線分為大于0.5、0.5～0.25、小于0.25三部分，曲線上各點(diǎn)表示未來(lái)該雷暴生命期繼續(xù)達(dá)某一時(shí)間的概率。最后，結(jié)合雷達(dá)監(jiān)測(cè)到的雷暴移向移速，預(yù)測(cè)該雷暴的影響區(qū)域。影響區(qū)域依據(jù)圖10的概率分級(jí)，相應(yīng)的分為紅、黃、綠三個(gè)影響區(qū)(圖1)，紅區(qū)表示雷暴影響概率大于50%的一級(jí)警戒區(qū)，需發(fā)雷暴警報(bào);黃區(qū)表示雷暴影響的概率在25%～50%的二級(jí)警戒區(qū)，需密切關(guān)注雷暴的發(fā)展趨勢(shì)，判斷雷暴對(duì)該地區(qū)的影響可能性;而綠區(qū)受雷暴影響的概率相對(duì)較小。

圖82006 年8月7日集合方法、WRF模式預(yù)報(bào)未來(lái)一天研究區(qū)域內(nèi)強(qiáng)雷暴分布與實(shí)況對(duì)比圖(紅色、綠色符號(hào)分別代表集合預(yù)報(bào)結(jié)果、實(shí)況，“紅R”及“綠+”為強(qiáng)雷暴區(qū)，等值線為WRF模式預(yù)報(bào)的K指數(shù)減去40后的等值線)Fig．8The ensemble forecast，the WRF model forecast and the observed distribution of a strong thunderstorm in the research area(The red and green symbols represent the ensemble forecast and the observation respectively．The“red R”and“green+”are the strong thunderstorm area;the contour lines indicate the K index-40 from the WRF model forecast)

圖92007 年8月2日生命期達(dá)36 min的雷暴調(diào)整后持續(xù)時(shí)間概率密度分布(陰影區(qū)為首次預(yù)報(bào)36 min內(nèi)的概率密度分布;陰影區(qū)右側(cè)為調(diào)整后的概率密度分布;橫線及斜線區(qū)域分別代表未來(lái)該雷暴達(dá)36～42、43～48 min的概率)Fig．9The PDF of the adjusted thunderstorm's duration of 36 minutes on August 2，2007(The shaded area represents the forecast PDF distribution within 36 minutes，while the right side of the shaded area represents the rescaled PDF．The horizontal and slash lines denote the probability of the thunderstorm with durations of 36—42 and 43—48 minutes，respectively)

圖10 根據(jù)圖9預(yù)報(bào)未來(lái)該雷暴生命期的概率(兩條虛線分別代表概率達(dá)50%、25%的分界線)Fig．10The probability of the forecasted thunderstorm's duration according to Fig．9(The two dashed lines denote 50%and 25%thresholds，respectively)

4 小結(jié)

本文將中尺度非靜力WRF模式與一個(gè)三維對(duì)流云模式相結(jié)合，建立了積云尺度集合預(yù)報(bào)方法，該方法對(duì)雷暴預(yù)報(bào)有重要的指導(dǎo)意義，將其應(yīng)用于南京周邊地區(qū)雷暴天氣的特征預(yù)報(bào)，得到下列幾點(diǎn)結(jié)論。

1)夏季南京周邊地區(qū)WRF模式24 h預(yù)報(bào)的位溫、濕度、風(fēng)場(chǎng)(云模式初始條件)的誤差分析及KS分布檢驗(yàn)表明，WRF模式預(yù)報(bào)的云模式初始場(chǎng)存在誤差，其中中層大氣(700 hPa附近)的溫濕場(chǎng)誤差最大，而低層偏西南風(fēng)，使得低層偏濕，導(dǎo)致濕度場(chǎng)的預(yù)報(bào)最差。誤差的存在，說(shuō)明采用中尺度WRF模式，針對(duì)某個(gè)雷暴進(jìn)行單一確定性預(yù)報(bào)，可能不會(huì)理想，因此需采用雷暴云的集合預(yù)報(bào)方法，針對(duì)一定區(qū)域內(nèi)未來(lái)一天的雷暴特征進(jìn)行概率預(yù)報(bào)，并最大限度從集合預(yù)報(bào)結(jié)果中提取雷暴的特征。

2)雷暴云的集合預(yù)報(bào)技術(shù)對(duì)夏季南京周邊地區(qū)100 km范圍內(nèi)未來(lái)一天雷暴強(qiáng)度的預(yù)報(bào)效果較好，以最大垂直速度7.5 m/s為臨界值，對(duì)集合預(yù)報(bào)結(jié)果統(tǒng)計(jì)分析，有效地預(yù)報(bào)出了雷暴數(shù)量、持續(xù)時(shí)間的概率密度、分布區(qū)域，預(yù)報(bào)結(jié)果與實(shí)況接近。尤其對(duì)局地強(qiáng)雷暴發(fā)生及分布預(yù)報(bào)效果明顯優(yōu)于WRF模式單一確定性預(yù)報(bào)。

3)集合預(yù)報(bào)產(chǎn)品的應(yīng)用，特別是將雷暴持續(xù)時(shí)間概率密度分布的預(yù)報(bào)，與雷達(dá)實(shí)測(cè)相結(jié)合，采用Bayesian公式和條件概率，建立了某個(gè)雷暴生命期的概率預(yù)報(bào)，并根據(jù)雷暴的移向、移速，進(jìn)行雷暴影響區(qū)區(qū)劃，提高了雷達(dá)對(duì)雷暴的預(yù)警監(jiān)測(cè)能力。

4)本文僅針對(duì)出現(xiàn)雷暴天氣的個(gè)例，開(kāi)展了預(yù)報(bào)效果檢驗(yàn)，對(duì)非雷暴個(gè)例的預(yù)報(bào)效果尚未檢驗(yàn)，在全面業(yè)務(wù)推廣該技術(shù)前，還需增加對(duì)非雷暴個(gè)例的預(yù)報(bào)效果檢驗(yàn)。此外，云模式的啟動(dòng)、WRF模式的參數(shù)化方案等均采用統(tǒng)一標(biāo)準(zhǔn)，因此云模式啟動(dòng)的擾動(dòng)大小、范圍及WRF模式的不同參數(shù)化方案，對(duì)集合預(yù)報(bào)結(jié)果的影響還需進(jìn)一步研究。

陳寶君，宋娟．2006．人工增雨降溫機(jī)理的數(shù)值模擬研究:對(duì)流云個(gè)例試驗(yàn)［J］．氣象科學(xué)，26(1):47-52．

郝瑩，姚葉青，陳焱，等．2007．基于對(duì)流參數(shù)的雷暴潛勢(shì)預(yù)報(bào)研究［J］．氣象，33(1):51-56．

何立富，周慶亮，諶云，等．2011．國(guó)際級(jí)強(qiáng)對(duì)流潛勢(shì)預(yù)報(bào)業(yè)務(wù)進(jìn)展與檢驗(yàn)評(píng)估［J］．氣象，37(7):777-784．

李艷偉，鄭國(guó)光，杜秉玉，等．2006．青海省秋季一次對(duì)流云人工增雨的數(shù)值模擬［J］．南京氣象學(xué)院學(xué)報(bào)，29(3):328-335．

俞小鼎，姚秀萍，熊延南，等．2006．多普勒天氣雷達(dá)原理與業(yè)務(wù)應(yīng)用［M］．北京:氣象出版社．

周后福，邱明燕，張愛(ài)明，等．2006．基于穩(wěn)定度和能量指標(biāo)作強(qiáng)對(duì)流天氣的短時(shí)預(yù)報(bào)指標(biāo)分析［J］．高原氣象，24(4):716-722．

Berry E X．1968．Modification of the warm rain process［C］．New York:Proc．of 1st National Conference on Weather Modifi．

Blum J R，Rosenblatt J I．1972．Probability and statistics［M］．Philadelphia:Saunders．

Brooks H E，Doswell C A，Wicker L J．1993．Stormtipe:A forecasting experiment using a three-dimensional cloud model［J］．Wea Forecasting，8(3):352-362．

Donner L J．1988．An initialization for cumulus convection in numerical weather prediction models［J］．Mon Wea Rev，116(5):377-385．

Kopp F J，Orville H D．1994．The use of a two-dimensional，time-dependent cloud model to predict convective and stratiform clouds and precipitation［J］．Wea Forecasting，9(1):62-77．

Leith C E．1974．Theoretical skill of Monte Carlo forecasts［J］．Mon Wea Rev，102(6):409-418．

Mueller C，Saxen T，Roberts R，et al．2003．NCAR auto-nowcast system［J］．Wea Forecasting，18(4):545-561．

Silverman B W．1986．Density estimation for statistics and data analysis［M］．London:Chapman and Hall．

Stensrud D J，Cortinas J V Jr，Brooks H E．1997．Discriminating between tornadic and non-tornadic thunderstorms using mesoscale model output［J］．Wea Forecasting，12(3):613-632．

Toth Z．1991．Estimation of atmospheric predictability by circulation analogs［J］．Mon Wea Rev，119(1):65-72．

Toth Z，Zhu Y J，Marchok T．2001．The use of ensemble to identify forecasts with small and large uncertainty［J］．Wea Forecasting，16 (8):463-477．

Wicker L J，Kay M P，F(xiàn)oster M P．1997．Stormtipe-95:Results from a convective storm forecast experiment［J］．Wea Forecasting，12 (3):388-398．

Wilson J W，Crook N A，Mueller C K．1998．Nowcasting thunderstorms:A status report［J］．Bull Amer Meteor Soc，79(10): 2079-2099．

(責(zé)任編輯:劉菲)

The ensemble forecasting technique of the thunderstorm and its application

WANG Jia1，2，ZHI Xie-fei1，CHEN Yu-wen2，SHANG Zhao-tang3，BAI Ka-wa2
(1．Key Laboratory of Meteorological Disaster of Ministry of Education，NUIST，Nanjing 210044，China; 2．Jiangsu Provincial Weather Modification Office，Nanjing 210008，China; 3．Jiangsu Provincial Meteorological Bureau，Nanjing 210008，China)

P456.7

A

1674-7097(2012)04-0458-08

王佳，智協(xié)飛，陳鈺文，等．2012．雷暴云的集合預(yù)報(bào)技術(shù)及其應(yīng)用［J］．大氣科學(xué)學(xué)報(bào)，35(4):458-465．

Wang Jia，Zhi Xie-fei，Chen Yu-wen，et al．2012．The ensemble forecasting technique of the thunderstorm and its application［J］．Trans Atmos Sci，35(4): 458-465．(in Chinese)

2011-06-17;改回日期:2011-10-08

江蘇省氣象局開(kāi)放基金(KM201107;K201009);國(guó)家重大科學(xué)研究973計(jì)劃項(xiàng)目(2012CB955200);江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目(PAPD)

王佳(1983—)，男，江蘇南京人，博士生，研究方向?yàn)榧项A(yù)報(bào)技術(shù)，nanjingwangjia2008@yahoo．com．cn．