摘要 選取臺(tái)風(fēng)暴雨和非臺(tái)風(fēng)暴雨2個(gè)個(gè)例進(jìn)行中尺度模擬，針對(duì)不同天氣類型，進(jìn)行ZH指數(shù)的計(jì)算，并借鑒ZH指數(shù)統(tǒng)計(jì)結(jié)果，進(jìn)一步用配料法進(jìn)行計(jì)算，對(duì)上海地區(qū)的暴雨進(jìn)行預(yù)報(bào)分析，以期通過天氣分型提高配料法的預(yù)報(bào)精度，更清晰地指明降水強(qiáng)度和區(qū)域分布，提供定點(diǎn)、定時(shí)、定量的降水預(yù)報(bào)。

關(guān)鍵詞 暴雨預(yù)報(bào);配料法;上海地區(qū)

中圖分類號(hào) S161.1 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2014）33-11890-02

作者簡(jiǎn)介 來小芳（1978-），女，黑龍江泰來人，工程師，碩士，從事天氣預(yù)報(bào)中尺度方面研究。

收稿日期 2014-10-20

暴雨一直是氣象工作者最重視的研究課題之一，如何準(zhǔn)確預(yù)報(bào)暴雨，達(dá)到定點(diǎn)、定時(shí)、定量一直是我國(guó)科學(xué)家和業(yè)務(wù)人員長(zhǎng)期探索的科學(xué)難題。配料法也稱成分法，是一種數(shù)值預(yù)報(bào)產(chǎn)品釋用方法，適用于暴雨和強(qiáng)對(duì)流天氣等的預(yù)報(bào)。配料法（Ingredients-Based Methodology）的應(yīng)用在國(guó)外發(fā)展較快，已在業(yè)務(wù)應(yīng)用階段，但它的發(fā)展完善還在進(jìn)行。我國(guó)對(duì)這方面也有所關(guān)注，但目前發(fā)表的研究成果較少[1-3]，李俊等在梅雨鋒暴雨預(yù)報(bào)中應(yīng)用配料法，通過一次暴雨個(gè)例分析，給出暴雨潛勢(shì)預(yù)報(bào)是一種釋用思路[4]。而通過歷史資料統(tǒng)計(jì)，使用配料法得出適合當(dāng)?shù)氐臋?quán)重公式，使得計(jì)算分析更加直觀[5]。ZH指數(shù)公式是用南通的歷史資料進(jìn)行分析得到的，由于南通與上海僅有一江之隔，地理位置上相差不遠(yuǎn)，氣候背景相似，筆者在此借鑒ZH指數(shù)公式，對(duì)上海地區(qū)的暴雨進(jìn)行預(yù)報(bào)分析。

1 資料與方法

1.1 配料法的簡(jiǎn)介和指數(shù)的定義

配料法也稱成分法，是指用基本成分的觀點(diǎn)預(yù)報(bào)降水可能性的方法，適用于暴雨和強(qiáng)對(duì)流天氣的預(yù)報(bào)[6-11]。ZH指數(shù)的定義為：

當(dāng)濕位渦PVes為負(fù)，且·Q為負(fù)時(shí)， ZH=（1+rh）（-PVes-3·Q1+t-td）;

當(dāng)PVes為正和/或·Q為負(fù)時(shí)，ZH=0。

·Q為Q矢量散度，單位取10-11s-3hPa-1，用來衡量垂直運(yùn)動(dòng)的大小[12];PVes為濕位渦，單位取（m2·k）/（s·kg），用來衡量不穩(wěn)定的大小[13];rh表示相對(duì)濕度（%），用來衡量濕度;td為露點(diǎn)溫度（℃），t-td衡量的是空氣飽和程度，單位取℃。從ZH指數(shù)的設(shè)計(jì)上可以看出，理論上ZH>0的地區(qū)，視為有降水，ZH值越大，表示降水的量級(jí)越大。針對(duì)南通地區(qū)暴雨而言，ZH指數(shù)>0.8時(shí)，對(duì)應(yīng)暴雨出現(xiàn);區(qū)域平均后用來代表南通單站的效果較好。

1.2 資料選取

資料包括每隔6 h一次的NCEP資料（水平分辨率為1°×1°）、地面高空常規(guī)資料、每6 h一次的降水資料、虹橋機(jī)場(chǎng)自動(dòng)觀測(cè)資料。此處暴雨量級(jí)取日雨量（20：00～次日20：00）≥50 mm，或20：00～次日08：00以及08：00～20：00任一時(shí)段≥30 mm。

1.3 分析方法

選取2007年7月8日、2007年8月3日2個(gè)暴雨個(gè)例，進(jìn)行24 h模擬之后，用模擬的結(jié)果來計(jì)算ZH指數(shù)，進(jìn)而預(yù)報(bào)降水。以上海所在經(jīng)緯度為模式中心經(jīng)緯度，用MM5模式進(jìn)行模擬，對(duì)得到的數(shù)值預(yù)報(bào)產(chǎn)品進(jìn)行診斷分析。模擬過程中采用高分辨率Blackadar邊界層參數(shù)化方案、云層大氣輻射冷卻方案、簡(jiǎn)單冰相顯示水汽方案;Guo積云對(duì)流參數(shù)化方案（粗網(wǎng)格），Grell積云對(duì)流參數(shù)化方案（細(xì)網(wǎng)格）。選取7月8日非臺(tái)風(fēng)暴雨個(gè)例和8月3日臺(tái)風(fēng)暴雨個(gè)例進(jìn)行比較，試圖找出ZH指數(shù)對(duì)各種天氣類型下的暴雨的指示意義。

2 結(jié)果與分析

2.1 暴雨分型

暴雨大多是中小尺度天氣系統(tǒng)影響的結(jié)果，但其發(fā)生、發(fā)展及消亡均受著環(huán)流形勢(shì)背景及大尺度天氣系統(tǒng)的制約和影響。對(duì)形成暴雨24 h前的天氣形式進(jìn)行分型，討論預(yù)報(bào)效果并對(duì)其分析原因。經(jīng)過長(zhǎng)期統(tǒng)計(jì)顯示[14]，江蘇區(qū)域性暴雨開始前24 h的天氣形勢(shì)可大體分成槽前顯脊型、副高邊緣型、副高偏北型和臺(tái)風(fēng)型。從圖1可以判斷，7月8日個(gè)例屬于副高邊緣型，這里副高脊線位置定義為110°～150°E范圍內(nèi)副高體脊線與9條經(jīng)線（每2條經(jīng)線之間相差5°）交點(diǎn)的緯度的平均值[15];而8月3日個(gè)例中，5號(hào)臺(tái)風(fēng)東北向移動(dòng)，在日本海一帶減弱，倒槽輻合線伸向江蘇造成暴雨，屬于臺(tái)風(fēng)型。

2.2 分型暴雨預(yù)報(bào)分析

2.2.1

非臺(tái)風(fēng)暴雨個(gè)例。從7月7日00：00～8日00：00 24 h模擬降水圖和24 h實(shí)況降水（圖2）可以看到，雖然模擬降水整體位置符合，但降水中心略有偏差。7月8日上海24 h實(shí)況降水量是49.8 mm（虹橋機(jī)場(chǎng)氣象臺(tái)）、75.5 mm（Micaps實(shí)況資料），模擬降水量為12.26 mm。

2.2.2

臺(tái)風(fēng)暴雨個(gè)例。從8月3日00：00～4日00：00 24 h模擬降水和24 h實(shí)況降水（圖3）可以看到，雖然強(qiáng)降水中心大體吻合，但一些地區(qū)的降水量級(jí)仍然與實(shí)況有所差別。8月4日上海24 h實(shí)況降水量是88.2 mm（虹橋機(jī)場(chǎng)氣象臺(tái)）、49.2 mm（Micaps實(shí)況資料），模擬降水量為1.46 mm。

2.3 ZH與實(shí)況降水量關(guān)系分析

從2007年7月8日和8月3日個(gè)例實(shí)況降水與ZH指數(shù)隨時(shí)間變化（圖4）可以看出，ZH指數(shù)變化基本與實(shí)況降水量變化趨勢(shì)一致，說明可以利用計(jì)算ZH指數(shù)來指示降水量的變化，進(jìn)而對(duì)降水量進(jìn)行預(yù)報(bào)。根據(jù)ZH指數(shù)診斷標(biāo)準(zhǔn)，ZH>0表示有降水，>0.8表示強(qiáng)降水，對(duì)每小時(shí)降水量進(jìn)行TS評(píng)分，7月8日和8月3日ZH指數(shù)對(duì)上海單站降水預(yù)報(bào)的TS評(píng)分分別為0.594 5和0.585 4。從圖4可以看出，ZH指數(shù)對(duì)降水的指示與實(shí)際降水基本吻合，表明ZH指數(shù)對(duì)降水的預(yù)報(bào)，尤其是強(qiáng)降水的趨勢(shì)預(yù)警上，起了一定的作用。

圖1 2007年7月8日（a）和8月3日（b）500 hPa形勢(shì)場(chǎng)

圖2 2007年7月7日00：00～8日00：00 24 h模擬降水（a）和實(shí)況降水（b）（單位：mm）

圖3 2007年8月3日00：00～4日00：00 24 h模擬降水（a）和實(shí)況降水（b）（單位：mm）

圖4 2007年7月7～8日（a）和8月3～4日（b）實(shí)況降水與ZH指數(shù)隨時(shí)間變化

3 結(jié)論與討論

介紹了配料法用于暴雨預(yù)報(bào)，此方法利用上升強(qiáng)迫、不穩(wěn)定、水汽、降水效率這幾個(gè)成分組成了一個(gè)框架，針對(duì)不同天氣類型，進(jìn)行ZH指數(shù)的計(jì)算，得到了一些基本的結(jié)論。但也還存在很多不足，如文中用到的公式，權(quán)重系數(shù)是采用南通歷史資料計(jì)算所得，更加適用于南通;針對(duì)分型，如果嘗試使用不同的數(shù)值模擬參數(shù)化方案，可能會(huì)有更好的效果，這些均有待在以后的工作中逐步完善。

參考文獻(xiàn)

[1]壽紹文，勵(lì)申申，姚秀萍.中尺度氣象學(xué)[M].北京：氣象出版社，2003：316-366.

[2] 唐曉文，湯劍平，張小玲.基于業(yè)務(wù)中尺度模式的配料法強(qiáng)降水定量預(yù)報(bào)[J].南京大學(xué)學(xué)報(bào)：自然科學(xué)版，2010（3）：277-283.

[3] 俞小鼎.基于構(gòu)成要素的預(yù)報(bào)方法——配料法[J].氣象，2011（8）：913-918.

[4] 李俊，李武階，廖移山.基于“配料”的梅雨鋒強(qiáng)降水預(yù)報(bào)方法[J].氣象，2006，32（9）：3-8.

[5] 來小芳，張艷玲，陸漢城，等.配料法用于長(zhǎng)江下游暴雨預(yù)報(bào)[J].南京氣象學(xué)院學(xué)報(bào)，2007，30（4）：556-560.

[6] DOSWELL C A，III.The distinction between large-scale and mesoscale contribution to severe convection：A case study example[J].Weather Forecasting，1987，2：3-16.

[7] DOSWELL H E.BROOKS，MADDOX R A.Flash flood forecasting ：An ingredients-based methodology[J].Weather Forecasting，1996，11（4）：560-581.

[8] JANISH P R，CRISP C A，CORTINAS Jr J V，et al.Development of an ingredients based approach to forecasting winter weather in an operational environment[C]//Preprints，15th Conf.on Weather Analysis and Forecasting.Norfolk，VA，Amer.Meteor.Soc，1996：56-59.

[9] NIETFELD D D，KENNEDY D A.Forecasting snowfall amounts：An ingredients-based methodology supporting the Garcia method[C]//Preprints，16th Conf.on Weather Analysis and Forecasting.Phoenix，AZ，Amer.Meteor.Soc，1998：385-387.

[10] WETZEL S W，MARTIN J E.An operational ingredients-based methodology for forecasting midlatitude winter season precipitation[J].Weather Forecasting，2001，16：156-167.

[11] CORTINAS J V.Jr，DOSWELL C A.III.Comments on'An ingredients-based methodology for forecasting midlatitude winter season precipitation[J].Weather Forecasting，2002，17：160-167.

[12] 白樂生.準(zhǔn)地轉(zhuǎn)Q矢量分析及其在短期天氣預(yù)報(bào)中的應(yīng)用[J].氣象，1988，14（8）：25-30.

[13] 袁佳雙，壽紹文.1998年華南大暴雨冷空氣活動(dòng)的位渦場(chǎng)分析[J].南京氣象學(xué)院學(xué)報(bào)，2001，24（1）：92-98.

[14] 江蘇省氣象局預(yù)報(bào)課題組.江蘇重要天氣分析和預(yù)報(bào)[M].北京：氣象出版社，1988：62-67.

[15] 李江南，蒙偉光，王安宇，等.西太平洋副熱帶高壓強(qiáng)度和位置的氣候特征[J].熱帶地理，2003，23（1）：35-39.