鄭永光 周康輝 盛 杰 林隱靜 田付友 唐文苑 藍(lán) 渝 朱文劍

(國家氣象中心，北京 100081)

?

強(qiáng)對(duì)流天氣監(jiān)測(cè)預(yù)報(bào)預(yù)警技術(shù)進(jìn)展

鄭永光*周康輝 盛 杰 林隱靜 田付友 唐文苑 藍(lán) 渝 朱文劍

(國家氣象中心，北京 100081)

強(qiáng)對(duì)流天氣預(yù)報(bào)業(yè)務(wù)包括監(jiān)測(cè)、分析、預(yù)報(bào)、預(yù)警和檢驗(yàn)等方面。對(duì)流初生識(shí)別、對(duì)流系統(tǒng)強(qiáng)度識(shí)別和對(duì)流天氣類型識(shí)別等監(jiān)測(cè)技術(shù)取得新進(jìn)展，綜合多源資料的監(jiān)測(cè)技術(shù)已應(yīng)用于中國氣象局中央氣象臺(tái)業(yè)務(wù)。對(duì)流系統(tǒng)的觸發(fā)、發(fā)展和維持機(jī)制等獲得了新認(rèn)識(shí)，我國不同類型強(qiáng)對(duì)流天氣及其環(huán)境條件統(tǒng)計(jì)氣候特征、分析規(guī)范及相應(yīng)業(yè)務(wù)產(chǎn)品等為業(yè)務(wù)預(yù)報(bào)提供了必要基礎(chǔ)和技術(shù)支撐。光流法、多尺度追蹤技術(shù)以及應(yīng)用模糊邏輯方法的臨近預(yù)報(bào)技術(shù)等有明顯進(jìn)展，融合短時(shí)預(yù)報(bào)技術(shù)得到廣泛應(yīng)用，對(duì)流可分辨高分辨率數(shù)值(集合)預(yù)報(bào)及其后處理產(chǎn)品預(yù)報(bào)試驗(yàn)取得了顯著成效，基于數(shù)值(集合)預(yù)報(bào)應(yīng)用模糊邏輯方法的分類強(qiáng)對(duì)流天氣短期預(yù)報(bào)技術(shù)為業(yè)務(wù)預(yù)報(bào)提供了技術(shù)支撐。強(qiáng)對(duì)流天氣綜合監(jiān)測(cè)和多尺度自適應(yīng)臨近預(yù)報(bào)技術(shù)、多尺度分析技術(shù)以及融合短時(shí)預(yù)報(bào)技術(shù)、發(fā)展并應(yīng)用模糊邏輯等方法的、基于高分辨率數(shù)值(集合)模式的區(qū)分不同強(qiáng)度等級(jí)和極端性的分類強(qiáng)對(duì)流天氣精細(xì)化(概率)預(yù)報(bào)技術(shù)等是未來發(fā)展的主要方向。

強(qiáng)對(duì)流; 監(jiān)測(cè); 高分辨率數(shù)值預(yù)報(bào); 概率

引 言

氣象學(xué)中，對(duì)流指的是大氣中由浮力產(chǎn)生的垂直運(yùn)動(dòng)所導(dǎo)致的熱力輸送，強(qiáng)對(duì)流天氣通常指的是由深厚濕對(duì)流(DMC)產(chǎn)生的包括冰雹、大風(fēng)、龍卷、強(qiáng)降水等的各種災(zāi)害性天氣[1]，具有突發(fā)性、生命史短、局地性強(qiáng)、易致災(zāi)等特點(diǎn)。對(duì)流天氣通常伴隨雷電活動(dòng)，但部分對(duì)流天氣系統(tǒng)并沒有雷電活動(dòng)，因此，Doswell建議使用DMC替代雷暴這個(gè)經(jīng)常用來指代對(duì)流活動(dòng)的術(shù)語[1-2]。

目前國際上對(duì)強(qiáng)對(duì)流天氣的定義尚沒有統(tǒng)一標(biāo)準(zhǔn)。中國氣象局中央氣象臺(tái)定義的強(qiáng)對(duì)流天氣指的是出現(xiàn)直徑5 mm及以上的冰雹、任何級(jí)別的龍卷、17 m/s(或者8級(jí))及以上的雷暴大風(fēng)或20 mm/h及以上的短時(shí)強(qiáng)降水等任意一種或幾種天氣。美國風(fēng)暴預(yù)報(bào)中心(SPC)定義的強(qiáng)對(duì)流天氣則指的是出現(xiàn)直徑25 mm及以上的冰雹(以前定義中直徑為19 mm及以上)、26 m/s及以上的雷暴大風(fēng)或任何級(jí)別的龍卷等任意一種或幾種天氣；而直徑51 mm及以上的冰雹、EF2級(jí)及以上龍卷或33 m/s及以上的雷暴大風(fēng)等一種或幾種天氣則定義為重大強(qiáng)對(duì)流天氣。

我國目前還沒有重大強(qiáng)對(duì)流天氣的定義標(biāo)準(zhǔn)，而美國SPC并未將短時(shí)強(qiáng)降水(或?qū)α餍员┯?定義為強(qiáng)對(duì)流天氣。但Doswell[1]將達(dá)到或超過20～25 mm/h(沒有嚴(yán)格標(biāo)準(zhǔn))的強(qiáng)降水歸類為強(qiáng)對(duì)流天氣，并將達(dá)到或超過50 mm/h的強(qiáng)降水歸類為極端強(qiáng)對(duì)流天氣[1，3]；短時(shí)強(qiáng)降水天氣與易于致災(zāi)的暴洪關(guān)系密切。氣候統(tǒng)計(jì)得到的我國短時(shí)強(qiáng)降水發(fā)生頻率[4]也表明，達(dá)到或超過50 mm/h的強(qiáng)降水是發(fā)生頻率非常低的極端天氣。

氣候統(tǒng)計(jì)是強(qiáng)對(duì)流天氣預(yù)報(bào)的必要基礎(chǔ)性工作之一。美國強(qiáng)對(duì)流天氣氣候統(tǒng)計(jì)開展早且比較完整，不僅給出了雷暴、閃電、中尺度對(duì)流復(fù)合體等的氣候特征，還給出了比較完整的不同強(qiáng)度冰雹、龍卷、雷暴大風(fēng)、小時(shí)降水量不小于25 mm等強(qiáng)對(duì)流天氣的氣候特征[1，5]。我國的雷暴、冰雹氣候特征統(tǒng)計(jì)工作開展較早且較完整，最近也利用1981—2010年資料給出了較為完整的雷暴、短時(shí)強(qiáng)降水、冰雹、雷暴大風(fēng)、龍卷等的氣候特征[4，6-7]；我國的閃電分布?xì)夂蛱卣饕卜謩e由衛(wèi)星觀測(cè)和地基閃電定位資料獲得[8-9]；基于靜止衛(wèi)星資料、雷達(dá)資料的我國中尺度對(duì)流系統(tǒng)(MCS)、對(duì)流風(fēng)暴、颮線等分布的氣候特征也有較多研究[10-16]。強(qiáng)對(duì)流天氣是小概率事件，重大或極端性強(qiáng)對(duì)流天氣的發(fā)生概率更低，因此，非常有必要進(jìn)一步分析完善我國不同等級(jí)的強(qiáng)對(duì)流天氣和基于非常規(guī)觀測(cè)資料的對(duì)流活動(dòng)及其環(huán)境條件分布的氣候特征，為不同強(qiáng)度和極端強(qiáng)對(duì)流天氣預(yù)報(bào)預(yù)警提供氣候基礎(chǔ)信息。

強(qiáng)對(duì)流天氣預(yù)報(bào)工作包括監(jiān)測(cè)、分析、預(yù)報(bào)和預(yù)警幾個(gè)方面。觀測(cè)為強(qiáng)對(duì)流天氣和系統(tǒng)結(jié)構(gòu)特征、發(fā)展規(guī)律、氣候特征分析和預(yù)報(bào)預(yù)警提供數(shù)據(jù)基礎(chǔ)；監(jiān)測(cè)則基于觀測(cè)數(shù)據(jù)對(duì)強(qiáng)對(duì)流天氣現(xiàn)象發(fā)生、發(fā)展變化及其相關(guān)天氣條件進(jìn)行識(shí)別和監(jiān)視，而分析是在觀測(cè)和監(jiān)測(cè)數(shù)據(jù)基礎(chǔ)上進(jìn)行預(yù)警、預(yù)報(bào)的必要手段和過程。一般來講，短期預(yù)報(bào)是0～3 d的天氣預(yù)報(bào)，短時(shí)預(yù)報(bào)是指0～12 h的天氣預(yù)報(bào)。世界氣象組織(WMO)2005年定義的臨近預(yù)報(bào)(或稱為甚短時(shí)預(yù)報(bào))為0～6 h的天氣預(yù)報(bào)，現(xiàn)已得到了廣泛認(rèn)可[3，17-18]；不過我國預(yù)報(bào)業(yè)務(wù)通常將0～2 h的天氣預(yù)報(bào)稱為臨近預(yù)報(bào)[3]，因此，本文仍將0～2 h的預(yù)報(bào)稱為臨近預(yù)報(bào)，2～12 h稱為短時(shí)預(yù)報(bào)。不同尺度天氣系統(tǒng)可預(yù)報(bào)性不同，因此，不同時(shí)效的強(qiáng)對(duì)流天氣預(yù)報(bào)關(guān)注點(diǎn)不同，使用的技術(shù)方法也不同。

美國SPC已建立了時(shí)間尺度從幾小時(shí)警戒到8 d強(qiáng)對(duì)流展望的完整業(yè)務(wù)產(chǎn)品體系。我國國家級(jí)專業(yè)化強(qiáng)對(duì)流天氣預(yù)報(bào)業(yè)務(wù)始于2009年，已開發(fā)建設(shè)了基于多源資料的分類強(qiáng)對(duì)流天氣實(shí)況監(jiān)測(cè)系統(tǒng)、中尺度天氣分析規(guī)范和系統(tǒng)平臺(tái)、分類客觀預(yù)報(bào)系統(tǒng)等，并發(fā)布分類強(qiáng)對(duì)流天氣預(yù)報(bào)產(chǎn)品[19-22]。但強(qiáng)對(duì)流天氣預(yù)報(bào)，尤其分類強(qiáng)對(duì)流天氣及其強(qiáng)度的短時(shí)預(yù)報(bào)在當(dāng)前和可預(yù)見的未來仍然是業(yè)務(wù)天氣預(yù)報(bào)的難點(diǎn)之一。本文在總結(jié)強(qiáng)對(duì)流天氣監(jiān)測(cè)、分析、預(yù)報(bào)和預(yù)警技術(shù)進(jìn)展基礎(chǔ)上給出未來工作展望，以期能夠?qū)?qiáng)對(duì)流天氣預(yù)報(bào)技術(shù)的發(fā)展提供參考。

1 強(qiáng)對(duì)流天氣監(jiān)測(cè)技術(shù)

強(qiáng)對(duì)流天氣監(jiān)測(cè)既包括天氣實(shí)況的監(jiān)測(cè)，也包括強(qiáng)對(duì)流天氣系統(tǒng)的監(jiān)測(cè)，其依賴的觀測(cè)資料主要包括常規(guī)觀測(cè)、重要天氣報(bào)告、災(zāi)情直報(bào)、自動(dòng)氣象站觀測(cè)、閃電觀測(cè)、衛(wèi)星觀測(cè)和雷達(dá)觀測(cè)等。地球靜止氣象衛(wèi)星資料具有很高的時(shí)間分辨率和地理分布穩(wěn)定性，因此，較極軌衛(wèi)氣象星資料更常用于強(qiáng)對(duì)流天氣監(jiān)測(cè)。

1.1 強(qiáng)對(duì)流天氣現(xiàn)象監(jiān)測(cè)

不同觀測(cè)資料具有不同特點(diǎn)，基于這些資料，中國氣象局國家氣象中心建設(shè)了應(yīng)用于實(shí)際業(yè)務(wù)的國家級(jí)強(qiáng)對(duì)流天氣綜合監(jiān)測(cè)系統(tǒng)[19-20]。該系統(tǒng)不僅監(jiān)測(cè)不同類型強(qiáng)對(duì)流天氣現(xiàn)象實(shí)況，還監(jiān)測(cè)閃電密度、不同強(qiáng)度MCS和對(duì)流風(fēng)暴的識(shí)別和追蹤等，并進(jìn)行必要的質(zhì)量控制。

常規(guī)地面觀測(cè)雖能夠給出較可靠的觀測(cè)結(jié)果，但時(shí)空分辨率低。重要天氣報(bào)告雖能夠彌補(bǔ)常規(guī)觀測(cè)時(shí)間分辨率不足的問題，但空間分辨率依然有限。自動(dòng)氣象站觀測(cè)能夠給出連續(xù)的雨量、大風(fēng)等監(jiān)測(cè)，但缺乏可靠的天氣現(xiàn)象觀測(cè)。自動(dòng)氣象站小時(shí)雨量觀測(cè)能夠監(jiān)測(cè)短時(shí)強(qiáng)降水天氣，而分鐘雨量監(jiān)測(cè)能夠更進(jìn)一步提供和反映不同性質(zhì)的MCS特征，如颮線、梅雨鋒對(duì)流、熱帶對(duì)流系統(tǒng)等[23]。

目前我國的地閃定位系統(tǒng)能夠提供連續(xù)的高時(shí)空分辨率的地閃監(jiān)測(cè)，但其不足是尚未對(duì)我國大陸區(qū)域?qū)崿F(xiàn)完全覆蓋，對(duì)海洋區(qū)域的覆蓋面積僅為近海區(qū)域，范圍有限；同時(shí)目前還不能監(jiān)測(cè)對(duì)流系統(tǒng)中發(fā)生更為頻繁和具有提前指示對(duì)流發(fā)展的云閃信息。將于2016年底前后發(fā)射的我國FY-4號(hào)氣象衛(wèi)星的閃電成像儀將能夠提供覆蓋我國及周邊區(qū)域的高時(shí)空分辨率的閃電監(jiān)測(cè)資料，能夠與地閃監(jiān)測(cè)互相補(bǔ)充，將極大提高我國的閃電監(jiān)測(cè)能力。美國GOES-R衛(wèi)星將在2016年發(fā)射，也將搭載閃電定位儀GLM(geostationary lightning mapper)。

由于時(shí)空分辨率高和較好的三維空間覆蓋性，多普勒天氣雷達(dá)資料不僅用于定量降水估測(cè)，也是目前強(qiáng)對(duì)流風(fēng)暴和天氣(尤其是冰雹、雷暴大風(fēng)和龍卷)監(jiān)測(cè)及臨近預(yù)警的最重要資料。如強(qiáng)冰雹的雷達(dá)反射率因子特征是懸垂強(qiáng)回波，中層徑向速度輻合和弓形回波是指示雷暴大風(fēng)天氣的重要雷達(dá)觀測(cè)特征等[1，3]?；诙嗥绽仗鞖饫走_(dá)資料中的這些特征，強(qiáng)冰雹、中氣旋、龍卷渦旋特征等的識(shí)別算法逐步得到了發(fā)展和完善[24]。最近李國翠等[25-26]和張秉祥等[27]基于雷達(dá)三維組網(wǎng)數(shù)據(jù)利用模糊邏輯方法分別開發(fā)了雷暴大風(fēng)和冰雹的自動(dòng)識(shí)別算法；Rossi 等[28]使用芬蘭閃電和雷達(dá)資料利用模糊邏輯方法將追蹤的對(duì)流風(fēng)暴強(qiáng)度劃分為弱、中、強(qiáng)和劇烈4類；胡勝等[29]統(tǒng)計(jì)了廣東大冰雹風(fēng)暴單體的多普勒天氣雷達(dá)特征。

雙偏振多普勒天氣雷達(dá)觀測(cè)資料能夠提高降水粒子形態(tài)的識(shí)別能力[30-31]，以有效提高定量降水估測(cè)精度和冰雹的識(shí)別率，如判斷冰雹在落地之前是否完全融化還是部分融化[32]等。美國、法國等已完成多普勒天氣雷達(dá)業(yè)務(wù)網(wǎng)的雙偏振改造升級(jí)。

1.2 強(qiáng)對(duì)流天氣系統(tǒng)監(jiān)測(cè)

閃電是對(duì)流活動(dòng)的一種反映，因此，其與對(duì)流性強(qiáng)降水、冰雹和雷暴大風(fēng)等強(qiáng)對(duì)流天氣關(guān)系密切，如鄭棟等[33]發(fā)現(xiàn)北京地區(qū)的閃電(包括地閃和云閃)活動(dòng)與對(duì)流活動(dòng)區(qū)降水量的相關(guān)系數(shù)達(dá)到0.826，冰雹、雷暴大風(fēng)天氣過程中通常伴有較高比例的正地閃活動(dòng)[34]；在對(duì)流系統(tǒng)快速發(fā)展階段, 閃電頻數(shù)還存在明顯的躍增現(xiàn)象[35]，Schultz 等[36]發(fā)展完善了一個(gè)閃電躍增算法監(jiān)測(cè)和識(shí)別是普通對(duì)流還是強(qiáng)對(duì)流。

美國已發(fā)展了全國范圍三維雷達(dá)反射率因子拼圖及降水估測(cè)系統(tǒng)[37]，其WDSS-II系統(tǒng)可提供美國大陸整個(gè)區(qū)域的冰雹識(shí)別、風(fēng)暴追蹤和降水估測(cè)等產(chǎn)品的拼圖[38]。法國發(fā)展了全國范圍的低層三維風(fēng)場(chǎng)和反射率因子、水平風(fēng)切變識(shí)別和拼圖技術(shù)[39-40]；目前我國還缺乏類似美國和法國這些產(chǎn)品的全國拼圖業(yè)務(wù)系統(tǒng)和產(chǎn)品。

我國FY-4號(hào)氣象衛(wèi)星、美國GOES-R衛(wèi)星、歐洲MTG衛(wèi)星通道數(shù)將增加到15個(gè)左右，能夠?qū)崿F(xiàn)分鐘級(jí)的快速掃描，時(shí)空分辨率大幅提高，不僅能夠監(jiān)測(cè)大氣中的云系和MCS信息，還能夠獲取晴空大氣溫濕廓線以監(jiān)測(cè)對(duì)流的發(fā)生條件。通過這些監(jiān)測(cè)資料不僅可以識(shí)別、追蹤MCS，還可以分析對(duì)流活動(dòng)不同發(fā)展階段的特征：對(duì)流發(fā)生前的大氣穩(wěn)定度狀態(tài)[41]；對(duì)流初生(CI)階段的積云對(duì)流狀態(tài)[42-43]；對(duì)流成熟階段的紋理特征、上沖云頂特征和微物理特征等[44]。Wisconsin大學(xué)發(fā)展了結(jié)合衛(wèi)星觀測(cè)的云頂冷卻率和光學(xué)厚度的CI識(shí)別算法，可以提前于雷達(dá)觀測(cè)獲得對(duì)流風(fēng)暴信息[45-47]；Merk等[48]綜合了SATCAST(Satellite Convection Analysis and Tracking)的5個(gè)紅外通道識(shí)別標(biāo)準(zhǔn)和Cb-TRAM(Thunderstorm-Cb-Tracking an Monitoring)[49]中的高分辨率可見光通道標(biāo)準(zhǔn)并使用光流法獲取時(shí)間變化特征等改進(jìn)CI識(shí)別算法；關(guān)于CI的最近研究進(jìn)展可參見文獻(xiàn)[50]。Mecikalski等[51]還定量討論了高層卷云對(duì)對(duì)流云觀測(cè)的影響，Senf等[52]使用MSG衛(wèi)星資料分析了對(duì)流風(fēng)暴的云頂亮溫、云頂冷卻率和云頂粒子尺度的演變特征以及與垂直運(yùn)動(dòng)的關(guān)系。使用多通道的觀測(cè)資料還可以識(shí)別MCS的其他云頂特征，如上沖云頂特征等[53-55]。美國GOES-R衛(wèi)星資料試驗(yàn)場(chǎng)及其試驗(yàn)產(chǎn)品的概況可參見Goodman 等[56]、Ralph 等[57]和鄭永光等[58]研究成果。

風(fēng)廓線雷達(dá)、GPS(Global Positioning System, 全球定位系統(tǒng))水汽反演和微波輻射計(jì)等能夠分別提供高時(shí)間分辨率的晴空大氣垂直風(fēng)廓線、大氣可降水量、溫濕廓線等資料，這些資料雖然難以直接監(jiān)測(cè)強(qiáng)對(duì)流系統(tǒng)和天氣，但可監(jiān)測(cè)強(qiáng)對(duì)流天氣發(fā)生發(fā)展的前期條件，已在強(qiáng)對(duì)流天氣分析預(yù)報(bào)中初步展示出了重要作用[59-60]。但我國風(fēng)廓線雷達(dá)和微波輻射計(jì)等觀測(cè)尚未形成全國性的業(yè)務(wù)化網(wǎng)絡(luò)。

2 強(qiáng)對(duì)流天氣機(jī)理和分析技術(shù)

強(qiáng)對(duì)流天氣分析的物理基礎(chǔ)是強(qiáng)對(duì)流天氣發(fā)生發(fā)展的物理機(jī)理。強(qiáng)對(duì)流天氣分析在天氣形勢(shì)分析基礎(chǔ)上應(yīng)用配料法進(jìn)行分析，是對(duì)強(qiáng)對(duì)流天氣的物理?xiàng)l件和結(jié)構(gòu)特征進(jìn)行分析，包括天氣尺度環(huán)境條件和中尺度機(jī)理、配置與結(jié)構(gòu)分析等。Johns等[61]、Doswell[1]、俞小鼎等[3]系統(tǒng)總結(jié)了DMC和不同類型強(qiáng)對(duì)流天氣(冰雹、雷暴大風(fēng)、短時(shí)強(qiáng)降水和龍卷)發(fā)生發(fā)展的環(huán)境條件、中尺度結(jié)構(gòu)和特征，這些條件和結(jié)構(gòu)特征是目前進(jìn)行強(qiáng)對(duì)流天氣預(yù)報(bào)的物理基礎(chǔ)，其中，基于雷達(dá)和衛(wèi)星資料等的強(qiáng)對(duì)流天氣系統(tǒng)中尺度結(jié)構(gòu)和特征也是強(qiáng)對(duì)流天氣監(jiān)測(cè)的重要內(nèi)容。

2.1 強(qiáng)對(duì)流天氣機(jī)理

強(qiáng)對(duì)流天氣系統(tǒng)的中小尺度結(jié)構(gòu)和發(fā)展機(jī)理研究仍是當(dāng)前強(qiáng)對(duì)流天氣研究中的難點(diǎn)問題，尤其是觸發(fā)和發(fā)展加強(qiáng)機(jī)制以及小尺度的結(jié)構(gòu)特征仍有待進(jìn)一步研究。邊界層輻合線(鋒面、陣風(fēng)鋒、干線、海陸風(fēng)輻合線等)、地形和海陸分布(山脈抬升、上坡風(fēng)等)、重力波[3，62]等是對(duì)流活動(dòng)的重要觸發(fā)機(jī)制。最近研究也表明，對(duì)流系統(tǒng)消散后殘留的邊界層冷池[63]、下墊面摩擦作用產(chǎn)生的水平渦度[16，64-65]等對(duì)對(duì)流系統(tǒng)的發(fā)展起了重要的觸發(fā)和維持作用。需要說明的是，由海陸分布或地形分布導(dǎo)致的邊界層輻合線(如海風(fēng)鋒)通常比較淺薄，需要與大尺度的上升運(yùn)動(dòng)或大氣低層垂直風(fēng)切變或適當(dāng)?shù)拇髿鉄崃l件相配合才能有利于對(duì)流系統(tǒng)的發(fā)展和維持。Wilson 等[66]發(fā)現(xiàn)，當(dāng)大氣邊界層的風(fēng)向與輻合線移動(dòng)方向相反，而邊界層以上的風(fēng)向與輻合線移動(dòng)方向相同，則對(duì)流易于垂直向上發(fā)展，有利于其加強(qiáng)和維持。Chen 等[16]發(fā)現(xiàn)存在向岸低空急流時(shí)，沿珠江三角洲海岸線的海陸摩擦差異可明顯增加沿岸的對(duì)流發(fā)生頻率，這樣的對(duì)流高頻帶在多年的小時(shí)強(qiáng)降水資料統(tǒng)計(jì)上也有明顯反映[4]。

高架雷暴或高架對(duì)流是由邊界層以上空氣抬升觸發(fā)的對(duì)流。美國20世紀(jì)90年代以來對(duì)其已有較多研究，如Corfidi 等[67]、Wilson等[68]、Horgan 等[69]。近年來我國也有一些關(guān)于高架雷暴的研究，如許愛華等[70]、盛杰等[71]、張一平等[72]。盛杰等[71]的結(jié)果表明，我國高架雷暴伴隨較多的強(qiáng)對(duì)流天氣是冰雹和短時(shí)強(qiáng)降水天氣。Wilson等[68]發(fā)現(xiàn)2002年美國IHOP試驗(yàn)期間高架雷暴大多由600～900 hPa的輻合和匯流觸發(fā)；盛杰等[71]給出的我國高架雷暴生成條件是850 hPa和700 hPa的相對(duì)濕度超過70%及850 hPa切變線、700 hPa 不低于18 m/s的急流、500 hPa西風(fēng)槽、700 hPa與500 hPa溫差超過16℃等。

短時(shí)強(qiáng)降水天氣可以由大陸型對(duì)流或熱帶型對(duì)流產(chǎn)生，這兩種不同的對(duì)流產(chǎn)生的雨強(qiáng)有很大差異。熱帶型對(duì)流是高降水效率的系統(tǒng)，其雷達(dá)回波強(qiáng)度為45～50 dBZ左右，但雨強(qiáng)可達(dá)80 mm/h 以上，極易導(dǎo)致災(zāi)害。需要注意的是，熱帶型對(duì)流不僅發(fā)生在熱帶海洋，只要發(fā)生對(duì)流的環(huán)境條件達(dá)到或接近熱帶海洋大氣條件就可能發(fā)生。據(jù)統(tǒng)計(jì)，大氣中可降水量達(dá)到60 mm，則接近20 mm/h以上短時(shí)強(qiáng)降水天氣發(fā)生的充分條件；達(dá)到70 mm，則是目前大氣環(huán)境中非常極端的水汽條件[73]，這時(shí)大氣非常暖濕，極易發(fā)生熱帶型對(duì)流性強(qiáng)降水，如2007年7月18日濟(jì)南極端強(qiáng)降水[3]和2012年7月21日北京和河北極端強(qiáng)降水。

絕大多數(shù)雷暴大風(fēng)是由對(duì)流系統(tǒng)內(nèi)強(qiáng)烈下沉氣流(下?lián)舯┝?所導(dǎo)致[61]。需要說明的是，對(duì)流系統(tǒng)內(nèi)強(qiáng)烈下沉氣流的產(chǎn)生機(jī)制較復(fù)雜，通常對(duì)流層中層或以上有明顯干層、對(duì)流層中下層大氣較大溫度遞減率的環(huán)境條件下易于導(dǎo)致強(qiáng)下沉氣流；但高原地區(qū)低層大氣存在干層時(shí)(T-lnP圖上呈倒V形的溫濕廓線)的對(duì)流活動(dòng)也能夠?qū)е聫?qiáng)下沉氣流[61]，有時(shí)甚至?xí)a(chǎn)生干下?lián)舯┝?；在?duì)流層大氣較濕的情況下，強(qiáng)降水的拖曳和蒸發(fā)作用也會(huì)導(dǎo)致強(qiáng)下沉氣流(濕下?lián)舯┝?，加以動(dòng)量下傳作用，是強(qiáng)降水時(shí)常伴隨大風(fēng)的直接原因。由于產(chǎn)生大冰雹的環(huán)境條件要求有較大的對(duì)流有效位能與合適的零度層高度，因此，要求環(huán)境大氣有較大的溫度遞減率，這既有利于強(qiáng)上升氣流，也有利于強(qiáng)下沉氣流。此外，云中冰相粒子尤其是雪片粒子[74-75]在下落過程中融化、升華吸收環(huán)境大氣大量熱量也非常有利于加強(qiáng)下沉氣流，這些因素是大冰雹天氣通常伴隨大風(fēng)天氣的重要原因，且這類大風(fēng)通常強(qiáng)于強(qiáng)降水所伴隨的大風(fēng)。

龍卷是諸多強(qiáng)對(duì)流天氣現(xiàn)象中突發(fā)性相對(duì)更強(qiáng)、生命史相對(duì)更短、預(yù)報(bào)預(yù)警難度更大的一種強(qiáng)對(duì)流天氣現(xiàn)象。龍卷通常分為兩類：超級(jí)單體龍卷和非超級(jí)單體龍卷[76]。Agee等[77-78]進(jìn)一步將龍卷分為超級(jí)單體龍卷、線狀對(duì)流龍卷和其他類型龍卷3類。通常超級(jí)單體龍卷強(qiáng)度較強(qiáng)[77]，但僅有約25%的超級(jí)單體能夠產(chǎn)生龍卷[1]；非超級(jí)單體龍卷通常由輻合線上的中小尺度渦旋和快速發(fā)展對(duì)流風(fēng)暴中的強(qiáng)上升氣流共同作用形成[76]；與下?lián)舯┝飨嗦?lián)系的弓形回波會(huì)生成中小尺度的中渦旋(mesovortices)[79]，也能夠發(fā)展為強(qiáng)度達(dá)F4或者EF4級(jí)的氣旋式或反氣旋式龍卷[77]。目前僅對(duì)超級(jí)單體龍卷有可能進(jìn)行有效預(yù)警[3]。F2級(jí)及以上超級(jí)單體龍卷要求有利于超級(jí)單體風(fēng)暴的環(huán)境條件是一定的對(duì)流有效位能和強(qiáng)的0～6 km垂直風(fēng)切變，還包括低的抬升凝結(jié)高度和較大的低層(0～1 km)垂直風(fēng)切變[80]。王秀明等[81]給出的我國東北龍卷發(fā)生環(huán)境條件與此存在差異，主要是濕層高度偏低。對(duì)于非超級(jí)單體龍卷，重點(diǎn)關(guān)注邊界層輻合線上是否有利于小尺度渦旋發(fā)展的條件，包括強(qiáng)水平風(fēng)切變、波動(dòng)狀彎曲、兩個(gè)邊界的碰撞點(diǎn)和快速發(fā)展的對(duì)流風(fēng)暴的低層環(huán)流場(chǎng)[76]以及弓形回波附近的γ中尺度渦旋[79]等區(qū)域。

中緯度颮線系統(tǒng)常導(dǎo)致大范圍冰雹、雷暴大風(fēng)天氣，是當(dāng)前強(qiáng)對(duì)流天氣業(yè)務(wù)預(yù)報(bào)中的關(guān)注重點(diǎn)，且相關(guān)研究較多，但其維持機(jī)理尚未完全清楚。Rotunno 等[82]和Weisman 等[83]通過云模式的理想數(shù)值模擬試驗(yàn)和對(duì)已有觀測(cè)研究的再分析，認(rèn)為近地面冷池和低層環(huán)境垂直風(fēng)切變相互作用是颮線發(fā)展、維持的動(dòng)力和熱動(dòng)力機(jī)制, 提出了描述颮線發(fā)展傳播的RKW(Rotunno-Klemp-Weisman)理論。Wilson等[68]分析發(fā)現(xiàn)，2002年美國IHOP(International H2O Project)試驗(yàn)期間對(duì)流系統(tǒng)冷池導(dǎo)致的陣風(fēng)鋒是影響對(duì)流系統(tǒng)演變的主要機(jī)制，Corfidi[84]提出相對(duì)于陣風(fēng)鋒的氣流是決定對(duì)流系統(tǒng)傳播的決定性因素之一。使用RKW理論分析華北一次颮線發(fā)展過程中低層垂直風(fēng)切變和冷池的相互作用機(jī)理[85]表明，低層0～3 km風(fēng)切變對(duì)颮線的發(fā)展維持最為重要。也有研究[86-87]表明，RKW理論提出的冷池和垂直風(fēng)切變相互作用是超級(jí)單體維持的重要因素。RKW理論也受到較多爭(zhēng)議，主要原因是較多強(qiáng)雷暴大風(fēng)個(gè)例顯示，環(huán)境垂直風(fēng)切變明顯弱于RKW理論的最優(yōu)條件[2]。Coniglio 等[88]對(duì)一次颮線分析表明，該個(gè)例垂直風(fēng)切變較0～3 km垂直風(fēng)切變更重要。

2.2 強(qiáng)對(duì)流天氣分析技術(shù)

美國在20世紀(jì)70—80年代給出了強(qiáng)對(duì)流天氣的天氣尺度和風(fēng)暴尺度分析技術(shù)。中國氣象局國家氣象中心2010年制定了《中尺度天氣分析技術(shù)規(guī)范》并向全國推廣，該規(guī)范以配料法的思路指導(dǎo)強(qiáng)對(duì)流天氣分析，但內(nèi)容按照不同的等壓面組織。2013年向全國推廣的新版《中尺度天氣分析技術(shù)規(guī)范》完全按照配料法的思路組織雷暴和不同類型強(qiáng)對(duì)流天氣的分析技術(shù)，并簡化了地面和高空分析，增加了探空T-lnP圖分析、基于非常規(guī)資料和中尺度數(shù)值預(yù)報(bào)的中尺度系統(tǒng)、結(jié)構(gòu)和發(fā)生條件分析等，具體參見文獻(xiàn)[21，22]。需要說明的是，《中尺度天氣分析技術(shù)規(guī)范》指的是針對(duì)中尺度天氣進(jìn)行分析的技術(shù)規(guī)范，目前該規(guī)范中的中尺度天氣指強(qiáng)對(duì)流天氣。

基于該分析技術(shù)規(guī)范，中國氣象局國家氣象中心開展了強(qiáng)對(duì)流天氣的人工分析業(yè)務(wù)，開發(fā)了相應(yīng)的探空和數(shù)值預(yù)報(bào)(包括T639全球模式和GRAPES_MESO區(qū)域模式等)客觀分析診斷技術(shù)和基于網(wǎng)絡(luò)的業(yè)務(wù)支撐系統(tǒng)，配置了分類強(qiáng)對(duì)流天氣環(huán)境條件的綜合分析圖；也發(fā)展了針對(duì)重點(diǎn)區(qū)域、重點(diǎn)時(shí)段的基于快速分析預(yù)報(bào)資料和多源觀測(cè)資料的中尺度滾動(dòng)分析技術(shù)和業(yè)務(wù)產(chǎn)品。美國的HWT(災(zāi)害天氣試驗(yàn)平臺(tái))正在探索如何將對(duì)流可分辨的高分辨率數(shù)值模式預(yù)報(bào)產(chǎn)品(水平分辨率達(dá)4 km或更高)應(yīng)用于強(qiáng)對(duì)流預(yù)報(bào)業(yè)務(wù)中[58，89]；中國氣象局國家氣象中心在2014年暖季試驗(yàn)中，初步試驗(yàn)了南京大學(xué)4 km 分辨率的WRF和中國氣象局?jǐn)?shù)值預(yù)報(bào)中心3 km GRAPES_CR相關(guān)預(yù)報(bào)產(chǎn)品；漆梁波[90]則基于一次冰雹個(gè)例，探索如何使用對(duì)流可分辨的高分辨率數(shù)值模式預(yù)報(bào)產(chǎn)品分析強(qiáng)對(duì)流天氣。

3 強(qiáng)對(duì)流天氣預(yù)報(bào)預(yù)警和檢驗(yàn)技術(shù)

3.1 臨近預(yù)報(bào)技術(shù)

目前不同國家和地區(qū)已經(jīng)開發(fā)了多個(gè)對(duì)流風(fēng)暴和降水短時(shí)臨近預(yù)報(bào)系統(tǒng)，如美國的ANC(AutoNowcaster)[91]和CoSPA(Consolidated Storm Prediction for Aviation)[92]、澳大利亞與英國共同開發(fā)的STEPS(Short-Term Ensemble Prediction System)[93-94]、加拿大的MAPLE、奧地利的INCA[95]、瑞士的COALITION[96]、香港的SWIRL和SWIRL-II[97]、北京氣象局發(fā)展的BJ-ANC系統(tǒng)[98]、中國氣象科學(xué)研究院的雷電臨近預(yù)警系統(tǒng)[99]、中國氣象局的SWAN、廣東的GRAPES-SWIFT、湖北的MYNOS[100]等(還可參見文獻(xiàn)[3,19,101-102])。

對(duì)流風(fēng)暴和降水的0～2 h臨近預(yù)報(bào)技術(shù)主要包括外推預(yù)報(bào)、經(jīng)驗(yàn)預(yù)報(bào)(或稱為專家預(yù)報(bào)，如美國ANC系統(tǒng)[91]、瑞士的COALITION系統(tǒng)[96])、統(tǒng)計(jì)預(yù)報(bào)[93，103-104]、概率預(yù)報(bào)[102，105-110]等方法。Wilson 等[17]認(rèn)為2020年前0～2 h臨近預(yù)報(bào)技術(shù)仍主要為外推預(yù)報(bào)和經(jīng)驗(yàn)預(yù)報(bào)。

基于天氣雷達(dá)或靜止衛(wèi)星資料的外推技術(shù)可分為基于區(qū)域的外推預(yù)報(bào)方法和基于對(duì)象的外推預(yù)報(bào)方法?；趨^(qū)域的外推預(yù)報(bào)方法的代表是TREC[111]和光流法[112-114]，基于對(duì)象的外推預(yù)報(bào)技術(shù)的代表性方法是SCIT[115-116]和TITAN[117-118]等。

RDT(rapid developing thunderstorms)[119]、Cb-TRAM[49]等是基于靜止衛(wèi)星資料的類似SCIT的對(duì)流系統(tǒng)識(shí)別、追蹤和外推預(yù)報(bào)技術(shù)；Hering等[116]在RDT技術(shù)基礎(chǔ)上發(fā)展了基于雷達(dá)資料的TRT臨近預(yù)報(bào)技術(shù)。由于靜止衛(wèi)星能夠觀測(cè)積云，因此，靜止衛(wèi)星在識(shí)別和臨近預(yù)報(bào)CI方面較目前的業(yè)務(wù)多普勒天氣雷達(dá)具有優(yōu)勢(shì)。Walker 等[120]基于衛(wèi)星資料和大氣運(yùn)動(dòng)矢量發(fā)展了基于對(duì)象的0～2 h CI外推預(yù)報(bào)技術(shù)；Mecikalski 等[110]聯(lián)合使用衛(wèi)星資料和快速更新RAP模式資料發(fā)展了0～1 h CI概率預(yù)報(bào)技術(shù)。

基于閃電數(shù)據(jù)的雷暴識(shí)別、追蹤與外推預(yù)報(bào)算法也已有較多工作[99，121-123]。Bonelli等[121]、呂偉濤等[99]分別使用了閃電與雷達(dá)數(shù)據(jù)實(shí)現(xiàn)半小時(shí)或更長時(shí)間的外推預(yù)報(bào)；周康輝等①周康輝，鄭永光，藍(lán)渝，等.基于閃電數(shù)據(jù)的雷暴識(shí)別、追蹤與外推預(yù)報(bào)方法.應(yīng)用氣象學(xué)報(bào)，2016，待發(fā)表.僅基于地閃數(shù)據(jù),利用密度極大值快速搜索聚類算法實(shí)現(xiàn)了雷暴的識(shí)別、追蹤與外推預(yù)報(bào)。

光流法是計(jì)算機(jī)視覺圖形學(xué)中獲取兩幅圖像間場(chǎng)位移的一種傳統(tǒng)的重要方法，其移動(dòng)矢量一直是計(jì)算機(jī)視覺研究中的一個(gè)熱點(diǎn)問題；最近已應(yīng)用于對(duì)流風(fēng)暴和降水臨近預(yù)報(bào)技術(shù)中獲取移動(dòng)矢量，如香港的SWIRL系統(tǒng)中的ROVER(Real-time Optical flow by Variational methods for Echoes of Radar)技術(shù)[113]。Ruzanski 等[124]發(fā)展的基于區(qū)域的外推預(yù)報(bào)方法應(yīng)用空間核函數(shù)方法估計(jì)雷達(dá)反射率因子的平流矢量，其估計(jì)的矢量類似于光流法得到的平流矢量。除了對(duì)TREC矢量使用質(zhì)量守恒約束并用變分法獲得移動(dòng)矢量外[111，125-126]，CoSPA[92]追蹤3種尺度(單體尺度、多單體尺度、天氣尺度)天氣系統(tǒng)的移動(dòng)矢量；Wang 等[127]使用多尺度追蹤方法獲取了不同尺度的TREC矢量并得到1個(gè)綜合平流矢量；也有研究將TREC矢量同數(shù)值預(yù)報(bào)的對(duì)流風(fēng)暴引導(dǎo)層風(fēng)矢量相融合獲取平流矢量[111]。

不同尺度天氣系統(tǒng)的可預(yù)報(bào)性不同、外推預(yù)報(bào)時(shí)效不同[93，128]，這是外推臨近預(yù)報(bào)需要考慮的重要方面。Germann 等[111]、Radhakrishna等[129]、Surcel等[130]基于雷達(dá)資料具體分析了不同尺度降水系統(tǒng)的外推可預(yù)報(bào)性：Germann 等[111]給出了不同降水強(qiáng)度天氣系統(tǒng)外推預(yù)報(bào)的技巧評(píng)分，展示了不同尺度降水系統(tǒng)的不同外推可預(yù)報(bào)性；Radhakrishna等[129]發(fā)現(xiàn)對(duì)于250 km以上尺度的降水系統(tǒng)外推預(yù)報(bào)時(shí)效可達(dá)2 h左右；Surcel 等[130]分析得到了MAPLE系統(tǒng)對(duì)β中尺度降水系統(tǒng)的外推預(yù)報(bào)時(shí)效也大約為2 h。

不同尺度天氣系統(tǒng)的外推可預(yù)報(bào)性不同是因?yàn)橥馔祁A(yù)報(bào)技術(shù)不能夠預(yù)報(bào)系統(tǒng)生消?；谛l(wèi)星資料的CI臨近預(yù)報(bào)能夠進(jìn)一步提高對(duì)流風(fēng)暴的臨近預(yù)報(bào)時(shí)效。COALITION[96]是一個(gè)專家預(yù)報(bào)系統(tǒng)，它利用雷達(dá)、衛(wèi)星、數(shù)值預(yù)報(bào)等多源資料以及閃電氣候特征、地形等因素并采用類似模糊邏輯的方法給出不同預(yù)報(bào)方法的權(quán)重和閾值，綜合給出未來60 min雷暴臨近預(yù)報(bào)，其中，包含基于衛(wèi)星資料的CI預(yù)報(bào)技術(shù)；美國ANC系統(tǒng)中使用邊界層輻合線和模糊邏輯技術(shù)綜合天氣系統(tǒng)的生消等因素使其臨近預(yù)報(bào)時(shí)效達(dá)2 h[17，68，91]；美國CWF(Convective Weather Forecast)臨近預(yù)報(bào)算法[131]綜合應(yīng)用衛(wèi)星、雷達(dá)、地面觀測(cè)和數(shù)值預(yù)報(bào)資料識(shí)別和追蹤對(duì)流天氣系統(tǒng)的初生、發(fā)展和消亡等，其預(yù)報(bào)時(shí)效可達(dá)2 h。

目前同化了雷達(dá)資料的對(duì)流尺度高分辨率數(shù)值(集合)模式水平分辨率為1～4 km，稱為對(duì)流可分辨(convection allowing)模式，具有預(yù)報(bào)對(duì)流系統(tǒng)生消的一定能力，在對(duì)流風(fēng)暴和降水臨近預(yù)報(bào)中已得到較廣泛關(guān)注[18，130，132-133]。Weisman 等[134]指出，盡管無法描述對(duì)流尺度(格距1 km以下)的細(xì)節(jié)，采用4 km分辨率和無對(duì)流參數(shù)化方案的模式能很好地描述與中緯度颮線系統(tǒng)相聯(lián)系的中尺度對(duì)流結(jié)構(gòu)；其主要原因是4 km分辨率模式數(shù)據(jù)已能夠較好地刻畫出對(duì)颮線系統(tǒng)發(fā)展非常重要的冷池強(qiáng)度和大小。

需要說明的是，由于資料傳輸和準(zhǔn)備、計(jì)算時(shí)效等原因，目前及可預(yù)見的未來幾年內(nèi)0～1 h時(shí)效高分辨率數(shù)值預(yù)報(bào)在實(shí)際業(yè)務(wù)中的可用性較低。Migliorini等[133]評(píng)估發(fā)現(xiàn)1.5 km水平分辨率的英國氣象局統(tǒng)一模式(Unified Model，UM)集合預(yù)報(bào)系統(tǒng)還不能改進(jìn)1 h時(shí)效的降水預(yù)報(bào)技巧。但Stensrud 等[132]預(yù)計(jì)同化了雷達(dá)等高時(shí)空分辨率觀測(cè)資料的對(duì)流尺度Warn-on-Forecast(基于數(shù)值預(yù)報(bào)的預(yù)警)數(shù)值預(yù)報(bào)系統(tǒng)在2020年左右將能夠提供90 min預(yù)報(bào)時(shí)效的強(qiáng)對(duì)流預(yù)警信息。

由于臨近預(yù)報(bào)具有一定的不確定性，因此，概率預(yù)報(bào)技術(shù)也在臨近預(yù)報(bào)中得到了較為廣泛的應(yīng)用。如加拿大MAPLE系統(tǒng)基于外推預(yù)報(bào)和任一點(diǎn)鄰域空間分布的分級(jí)降水臨近概率預(yù)報(bào)技術(shù)[105]，Megenhardt 等[106]、Kober 等[108]也使用了這一臨近概率預(yù)報(bào)技術(shù)；美國NOAA基于雷達(dá)、閃電、衛(wèi)星、降水、NAM(北美中尺度模式)數(shù)值預(yù)報(bào)等資料使用統(tǒng)計(jì)回歸方法發(fā)展了0～3 h累積定量降水臨近概率預(yù)報(bào)技術(shù)[107]；Mecikalski 等[110]使用Logistic回歸和人工智能Random Forest(隨機(jī)森林)等方法發(fā)展了基于衛(wèi)星資料和數(shù)值模式資料的CI臨近概率預(yù)報(bào)技術(shù)。

總體來看，目前臨近預(yù)報(bào)技術(shù)的預(yù)報(bào)對(duì)象主要是對(duì)流風(fēng)暴、雷電和降水，針對(duì)分類強(qiáng)對(duì)流天氣的臨近預(yù)報(bào)技術(shù)還存在較多不足；冰雹、雷暴大風(fēng)、龍卷和短時(shí)強(qiáng)降水這些強(qiáng)對(duì)流天氣的臨近預(yù)報(bào)預(yù)警主要綜合對(duì)流風(fēng)暴和降水臨近預(yù)報(bào)、強(qiáng)對(duì)流天氣識(shí)別和實(shí)況觀測(cè)進(jìn)行。如前所述，基于自動(dòng)氣象站、天氣和風(fēng)廓線雷達(dá)等觀測(cè)資料和高分辨率數(shù)值預(yù)報(bào)資料，應(yīng)用不同類型強(qiáng)對(duì)流天氣發(fā)生發(fā)展環(huán)境條件和中尺度機(jī)理的對(duì)流天氣分析和預(yù)報(bào)產(chǎn)品，可在臨近預(yù)報(bào)技術(shù)和業(yè)務(wù)中發(fā)揮重要作用[3，19，58，90]。

3.2 短時(shí)預(yù)報(bào)技術(shù)

由于外推預(yù)報(bào)時(shí)效僅為1～2 h，強(qiáng)對(duì)流天氣的短時(shí)預(yù)報(bào)更多依賴于快速更新的數(shù)值模式系統(tǒng)或高時(shí)空分辨率中尺度數(shù)值模式集合預(yù)報(bào)系統(tǒng)。快速更新高時(shí)空分辨率中尺度數(shù)值模式，如美國的HRRR和RAP、英國的UM、法國的AROME(Application of Research to Operations at Mesoscale Model)、德國的COSMO-DE(德國氣象局小尺度模式聯(lián)合體)、我國的BJ_RUC和GRAPES_RAFS等[3，19，90，135]。高分辨率中尺度數(shù)值模式集合預(yù)報(bào)系統(tǒng)，如美國CAPS的風(fēng)暴尺度集合預(yù)報(bào)SSEF(Storm Scale Ensemble Forecast System)、美國SPC的SSEO (Storm-Scale Ensemble of Opportunity)、英國的UM集合預(yù)報(bào)系統(tǒng)等。美國CAPS SSEF采用不同的初始場(chǎng)擾動(dòng)和物理方案擾動(dòng)，水平格距為4 km，對(duì)超級(jí)單體、颮線等具有一定的可預(yù)報(bào)性；美國SPC的SSEO是7個(gè)成員的水平分辨率1 km 對(duì)流可分辨數(shù)值模式預(yù)報(bào)組成的集合預(yù)報(bào)。

目前，客觀降水短時(shí)預(yù)報(bào)技術(shù)的主要思路是將外推預(yù)報(bào)和高分辨率數(shù)值預(yù)報(bào)結(jié)果相融合[3，17，128]：1～3 h預(yù)報(bào)需要融合雷達(dá)外推和數(shù)值預(yù)報(bào)，3～6 h預(yù)報(bào)以數(shù)值預(yù)報(bào)為主[3]，而6～12 h幾乎完全依賴于數(shù)值預(yù)報(bào)或利用統(tǒng)計(jì)等后處理手段對(duì)其訂正和釋用。英國的NIMROD(Nowcasting and Initialization for Modeling Using Regional Observation Data System)系統(tǒng)[136]是最先應(yīng)用融合預(yù)報(bào)技術(shù)的短時(shí)臨近預(yù)報(bào)系統(tǒng)。

目前針對(duì)雷達(dá)回波和降水外推預(yù)報(bào)與數(shù)值預(yù)報(bào)相融合的預(yù)報(bào)方法主要有3類：加權(quán)平均法[136]、趨勢(shì)調(diào)整法[17]和ARMOR (Adjustment of Rain from Models with Radar data)方法[3，19，114，137]。加權(quán)平均法[136]，預(yù)報(bào)值為雷達(dá)外推和數(shù)值模式預(yù)報(bào)結(jié)果的加權(quán)平均，其權(quán)重系數(shù)根據(jù)外推預(yù)報(bào)和模式預(yù)報(bào)精度與預(yù)報(bào)時(shí)間的統(tǒng)計(jì)關(guān)系確定。趨勢(shì)調(diào)整法[17]，利用模式預(yù)報(bào)的降水區(qū)域和強(qiáng)度變化趨勢(shì)信息，對(duì)雷達(dá)外推的降水范圍和強(qiáng)度進(jìn)行訂正，以獲取最終的預(yù)報(bào)。ARMOR方法[3，19，114，137]，首先利用當(dāng)前雷達(dá)觀測(cè)分析模式預(yù)報(bào)的降水位置和強(qiáng)度誤差，并導(dǎo)出誤差的時(shí)間變化趨勢(shì)，然后利用估計(jì)的誤差趨勢(shì)對(duì)模式預(yù)報(bào)的降水和強(qiáng)度誤差進(jìn)行修正。其中，加權(quán)平均法和ARMOR方法以及這兩種方法的結(jié)合得到了較為廣泛的應(yīng)用，如STEPS[94]、加拿大的MAPLE[137]、美國的NIWOT[17]和CoSPA[92]、奧地利的INCA系統(tǒng)[95]、香港的RAPIDS[114]、程叢蘭等[114]針對(duì)京津冀的融合預(yù)報(bào)試驗(yàn)等。Wang 等[138]通過多尺度追蹤方法獲得的外推預(yù)報(bào)和ARPS(Advanced Regional Prediction System)模式預(yù)報(bào)使用加權(quán)平均法和趨勢(shì)調(diào)整法進(jìn)行0～2 h融合預(yù)報(bào)對(duì)流風(fēng)暴試驗(yàn)，發(fā)現(xiàn)0～50 min外推預(yù)報(bào)優(yōu)于ARPS模式預(yù)報(bào)，50～120 min融合預(yù)報(bào)顯著優(yōu)于外推預(yù)報(bào)和ARPS模式預(yù)報(bào)。STEPS[94]系統(tǒng)通過加權(quán)平均技術(shù)融合臨近預(yù)報(bào)與降尺度的數(shù)值模式預(yù)報(bào)生成短時(shí)概率降水預(yù)報(bào)產(chǎn)品。Kober 等[108]、Scheufele 等[109]則將基于雷達(dá)資料的臨近概率降水預(yù)報(bào)和基于德國對(duì)流尺度高分辨率或時(shí)間滯后集合數(shù)值模式預(yù)報(bào)的概率預(yù)報(bào)加權(quán)平均融合，生成短時(shí)概率降水預(yù)報(bào)產(chǎn)品。

已有研究[18，89，132，139-140]表明，同化經(jīng)過嚴(yán)格質(zhì)量控制的多普勒天氣雷達(dá)反射率因子和徑向速度資料，數(shù)值模式(集合)預(yù)報(bào)可明顯提高對(duì)流風(fēng)暴和定量降水的預(yù)報(bào)水平。Kain 等[139]評(píng)估了美國CAPS同化了雷達(dá)資料的高分辨率數(shù)值模式的預(yù)報(bào)性能，結(jié)果表明：其0～6 h預(yù)報(bào)性能高于未同化雷達(dá)資料的數(shù)值預(yù)報(bào)，尤其3～6 h預(yù)報(bào)性能改進(jìn)最為顯著；Surcel 等[130]基于MAPLE的外推預(yù)報(bào)和美國CAPS的SSEF系統(tǒng)集合預(yù)報(bào)給出了不同尺度降水天氣系統(tǒng)的可預(yù)報(bào)性，結(jié)果表明：SSEF系統(tǒng)對(duì)不同尺度天氣系統(tǒng)的可預(yù)報(bào)性明顯優(yōu)于其他數(shù)值預(yù)報(bào)，且對(duì)0～6 h時(shí)效γ 中尺度和β中尺度降水系統(tǒng)具有一定的可預(yù)報(bào)性，但存在系統(tǒng)性偏差。

雖然可以通過外推預(yù)報(bào)與數(shù)值預(yù)報(bào)相融合的預(yù)報(bào)技術(shù)進(jìn)行定量降水和對(duì)流風(fēng)暴的短時(shí)(概率)預(yù)報(bào)，但目前還沒有直接針對(duì)冰雹、龍卷、雷暴大風(fēng)等天氣的融合短時(shí)預(yù)報(bào)技術(shù)，這些天氣的短時(shí)預(yù)報(bào)主要依賴高分辨率數(shù)值預(yù)報(bào)資料的對(duì)流天氣環(huán)境條件分析和基于中小尺度機(jī)理的客觀預(yù)報(bào)產(chǎn)品，也就是依賴對(duì)流可分辨的高分辨率數(shù)值模式(包括集合預(yù)報(bào)系統(tǒng))產(chǎn)品后處理。雷蕾等[141]基于中尺度數(shù)值模式快速循環(huán)系統(tǒng)(BJ_RUC)進(jìn)行了強(qiáng)對(duì)流天氣分類概率預(yù)報(bào)試驗(yàn)，其使用的就是BJ_RUC模式快速更新預(yù)報(bào)的不同類型強(qiáng)對(duì)流天氣的環(huán)境條件參數(shù)。如前所述，美國正在探索從對(duì)流風(fēng)暴的中尺度結(jié)構(gòu)和發(fā)展機(jī)理方面如何應(yīng)用對(duì)流可分辨的高分辨率數(shù)值模式(集合)預(yù)報(bào)產(chǎn)品進(jìn)行強(qiáng)對(duì)流分類預(yù)報(bào)[58,89]。為了獲取尺度小、變化快的天氣系統(tǒng)在模式中的反映，Kain 等[140]從模式預(yù)報(bào)的每個(gè)時(shí)間步的物理量場(chǎng)輸出逐小時(shí)時(shí)段內(nèi)的每1個(gè)格點(diǎn)的物理量最大值，由此生成的二維格點(diǎn)場(chǎng)稱為逐時(shí)最大場(chǎng)。美國SPC春季試驗(yàn)發(fā)現(xiàn)，有6個(gè)逐時(shí)最大場(chǎng)與模式中對(duì)流風(fēng)暴強(qiáng)度關(guān)系密切，是模式中風(fēng)暴強(qiáng)度的直接表征：最大上升氣流、3～6 km高度之間的最大下沉氣流速度、表征對(duì)流強(qiáng)度的地面上空1 km高度的最大反射率因子、最大上升氣流螺旋度、最大地面10 m風(fēng)速、最大垂直積分霰[89]。

但目前使用對(duì)流可分辨的高分辨率數(shù)值模式進(jìn)行對(duì)流性降水短時(shí)預(yù)報(bào)還面臨較多挑戰(zhàn)，Sun 等[18]提出的挑戰(zhàn)包括對(duì)流性降水天氣系統(tǒng)的可預(yù)報(bào)性研究、中尺度觀測(cè)網(wǎng)的改進(jìn)、資料同化技術(shù)和快速更新數(shù)值模式的改進(jìn)等。漆梁波[90]提出高分辨率模式預(yù)報(bào)產(chǎn)品業(yè)務(wù)應(yīng)用中的可能問題，包括高分辨率模式的性能問題、正確認(rèn)識(shí)模式的分辨率問題、高分辨率模式產(chǎn)品的系統(tǒng)誤差和適用性問題、快速同化更新技術(shù)問題等。此外，從美國SPC春季試驗(yàn)結(jié)果看，目前對(duì)流可分辨的高分辨率數(shù)值模式能夠直接預(yù)報(bào)并通過后處理預(yù)報(bào)分類強(qiáng)對(duì)流天氣的能力較為有限，還不能完全滿足預(yù)報(bào)業(yè)務(wù)需求。

3.3 短期預(yù)報(bào)技術(shù)

強(qiáng)對(duì)流天氣的短期預(yù)報(bào)主要從其發(fā)生發(fā)展機(jī)理和所依賴的環(huán)境條件出發(fā)，根據(jù)不同的診斷物理量對(duì)不同類型強(qiáng)對(duì)流天氣的指示意義，進(jìn)行分類強(qiáng)對(duì)流天氣預(yù)報(bào)[1，6，61，141-143]，也就是現(xiàn)在廣泛應(yīng)用的配料法。但需要說明的是，由于受對(duì)流天氣時(shí)空尺度較小、分布較不連續(xù)的特點(diǎn)和可預(yù)報(bào)性的限制，還不能完全做出類似溫度等要素預(yù)報(bào)的強(qiáng)對(duì)流短期預(yù)報(bào)，因此，概率預(yù)報(bào)或危險(xiǎn)等級(jí)預(yù)報(bào)是短期強(qiáng)對(duì)流預(yù)報(bào)的發(fā)展方向，如前所述，美國SPC已經(jīng)開展了分類強(qiáng)對(duì)流天氣的危險(xiǎn)等級(jí)預(yù)報(bào)和短期概率預(yù)報(bào)業(yè)務(wù)。不同類型強(qiáng)對(duì)流天氣及其發(fā)生發(fā)展所需環(huán)境條件的氣候分布特征是制作分類強(qiáng)對(duì)流預(yù)報(bào)的重要基礎(chǔ)工作，已開展了大量研究[73，143-144]。

由于強(qiáng)對(duì)流天氣的發(fā)生發(fā)展需要多方面的物理?xiàng)l件，且不同類型強(qiáng)對(duì)流天氣的不同物理量統(tǒng)計(jì)結(jié)果表明，不可能找到一個(gè)完全明確的、單一物理量閾值表征該類天氣發(fā)生發(fā)展的物理?xiàng)l件[73，144]，因此，類似模糊邏輯這些能夠綜合應(yīng)用代表不同物理?xiàng)l件的多個(gè)物理量的技術(shù)方法，是當(dāng)前強(qiáng)對(duì)流天氣預(yù)報(bào)技術(shù)研究的重要方面。如李耀東等[145]利用綜合指標(biāo)疊套方法開展了強(qiáng)對(duì)流天氣落區(qū)預(yù)報(bào)試驗(yàn)，Lakshmanan 等[146]通過遺傳算法實(shí)現(xiàn)了自動(dòng)短時(shí)臨近預(yù)報(bào)系統(tǒng)中的物理量自動(dòng)選擇，并成功應(yīng)用于雷暴天氣的預(yù)報(bào)。

應(yīng)用模糊邏輯方法的分類強(qiáng)對(duì)流天氣預(yù)報(bào)技術(shù)，一般基于探空資料或數(shù)值模式預(yù)報(bào)資料，通過挑選對(duì)不同類型強(qiáng)對(duì)流天氣具有指示意義的物理量、根據(jù)歷史個(gè)例的統(tǒng)計(jì)結(jié)果分別構(gòu)建獨(dú)立隸屬函數(shù)，并賦予不同物理量不同的權(quán)重，給出最終的綜合預(yù)報(bào)結(jié)果。需要指出的是，模糊邏輯方法只是一種數(shù)學(xué)處理方法，配料法才是物理基礎(chǔ)，即首先要正確選取能夠代表強(qiáng)對(duì)流天氣發(fā)生發(fā)展物理?xiàng)l件的天氣學(xué)要素和物理量；其次才是通過客觀的統(tǒng)計(jì)分析方法，合理構(gòu)建模糊邏輯中各成員的隸屬函數(shù)?；谠摲椒?，Lin 等[147]、Kuk 等[148]分別構(gòu)建了中國臺(tái)灣北部、韓國的雷電客觀預(yù)報(bào)技術(shù)。雷蕾等[141]基于BJ_RUC的強(qiáng)對(duì)流天氣分類概率預(yù)報(bào)試驗(yàn)技術(shù)應(yīng)用的就是模糊邏輯方法。

基于集合數(shù)值預(yù)報(bào)的強(qiáng)對(duì)流短期(概率)預(yù)報(bào)技術(shù)是當(dāng)前預(yù)報(bào)技術(shù)的重要發(fā)展方向。美國SPC經(jīng)歷了十幾年的發(fā)展已建立了比較完整的、基于多尺度數(shù)值集合預(yù)報(bào)的強(qiáng)對(duì)流分類預(yù)報(bào)產(chǎn)品體系。美國NCEP的全球集合預(yù)報(bào)系統(tǒng)GEFS (Global Ensemble Forecast System)主要為SPC 3～8 d的對(duì)流天氣預(yù)報(bào)提供數(shù)值預(yù)報(bào)依據(jù)[149]。美國NCEP短期集合預(yù)報(bào)系統(tǒng)SREF(Short Range Ensemble Forecast)是目前支持SPC強(qiáng)對(duì)流短期預(yù)報(bào)業(yè)務(wù)的最重要的模式，其產(chǎn)品主要有各種強(qiáng)對(duì)流指數(shù)的聯(lián)合概率和各種分類強(qiáng)對(duì)流指數(shù)的閾值概率產(chǎn)品。

3.4 預(yù)報(bào)檢驗(yàn)技術(shù)

預(yù)報(bào)檢驗(yàn)是天氣預(yù)報(bào)業(yè)務(wù)和技術(shù)發(fā)展的重要一環(huán)，其目的是給出預(yù)報(bào)與實(shí)況之間一致性和差異程度及可能原因。不同的預(yù)報(bào)檢驗(yàn)需求所要求的檢驗(yàn)技術(shù)不同，常規(guī)與非常規(guī)的觀測(cè)資料是天氣預(yù)報(bào)檢驗(yàn)的基礎(chǔ)，目前強(qiáng)對(duì)流天氣預(yù)報(bào)檢驗(yàn)面臨的一個(gè)難點(diǎn)是地面觀測(cè)實(shí)況資料的匱乏。

傳統(tǒng)的強(qiáng)對(duì)流天氣確定性預(yù)報(bào)檢驗(yàn)方法是基于站點(diǎn)觀測(cè)或目擊者報(bào)告的、通過二維列聯(lián)表計(jì)算得到的檢驗(yàn)指標(biāo)，如TS評(píng)分、命中率、虛警率等，美國SPC采用直觀的預(yù)報(bào)檢驗(yàn)圖形展示這些檢驗(yàn)指標(biāo)之間的關(guān)系[150]。但這些指標(biāo)對(duì)于極端天氣預(yù)報(bào)來說有明顯的缺陷，當(dāng)事件發(fā)生概率偏低時(shí)，TS評(píng)分、命中率等指標(biāo)趨近于零。除了這些傳統(tǒng)檢驗(yàn)指標(biāo)外，Casati 等[151]總結(jié)了不同的預(yù)報(bào)檢驗(yàn)方法，包括空間檢驗(yàn)方法[152]、概率預(yù)報(bào)和集合預(yù)報(bào)檢驗(yàn)方法、極端事件檢驗(yàn)方法等。Brown[153]將空間檢驗(yàn)方法總結(jié)為4類：第1類為鄰域空間檢驗(yàn)方法(也稱為模糊檢驗(yàn))，第2類為尺度分離檢驗(yàn)方法，第3類為場(chǎng)變形信息(度量預(yù)報(bào)場(chǎng)與實(shí)況場(chǎng)之間總體的變形、位移或相位誤差等)檢驗(yàn)，第4類為基于對(duì)象或者特征檢驗(yàn)方法。

強(qiáng)對(duì)流天氣空間分布通常具有分散性、不連續(xù)性等特點(diǎn)，即局地性特點(diǎn)，且通常持續(xù)時(shí)間短，因此，傳統(tǒng)的點(diǎn)對(duì)點(diǎn)檢驗(yàn)方法易于導(dǎo)致雙重懲罰，尤其對(duì)于高時(shí)空分辨率的數(shù)值預(yù)報(bào)或者臨近預(yù)警。目前基于鄰域(一定的半徑范圍)的檢驗(yàn)方法[154]在降水和強(qiáng)對(duì)流天氣預(yù)報(bào)檢驗(yàn)中得到了較為廣泛的應(yīng)用，該方法是空間檢驗(yàn)方法的一種[151，153-154]，又稱為模糊檢驗(yàn)方法。美國SPC[150，155-156]和中國氣象局國家氣象中心強(qiáng)天氣預(yù)報(bào)中心[157]對(duì)主觀確定性預(yù)報(bào)產(chǎn)品的檢驗(yàn)主要采用點(diǎn)對(duì)面(即評(píng)分站點(diǎn)上的預(yù)報(bào)與對(duì)應(yīng)的半徑40 km圓內(nèi)出現(xiàn)的實(shí)況比對(duì))的TS評(píng)分方法，檢驗(yàn)指標(biāo)為TS評(píng)分、漏報(bào)率、空?qǐng)?bào)率等。

基于對(duì)象或者特征的強(qiáng)對(duì)流預(yù)報(bào)檢驗(yàn)也是空間檢驗(yàn)方法的一種，目前已得到了較為廣泛的應(yīng)用。Davis 等[158]首先發(fā)展了對(duì)于模式降水預(yù)報(bào)的對(duì)象檢驗(yàn)方法，檢驗(yàn)的屬性包括強(qiáng)度、面積、質(zhì)心、夾角、長短軸比、曲率等，并發(fā)展了MODE軟件包。戴建華等[159]采用對(duì)比預(yù)報(bào)與實(shí)際的強(qiáng)對(duì)流天氣目標(biāo)之強(qiáng)度、面積、空間距離、形態(tài)和相似度等評(píng)價(jià)指標(biāo)，建立包括格點(diǎn)型、站點(diǎn)型和概率型的強(qiáng)對(duì)流預(yù)報(bào)檢驗(yàn)方法、預(yù)報(bào)檢驗(yàn)指標(biāo)調(diào)整與合成方法，以實(shí)現(xiàn)對(duì)強(qiáng)對(duì)流短臨預(yù)報(bào)的綜合檢驗(yàn)和評(píng)價(jià)。

概率預(yù)報(bào)和集合預(yù)報(bào)檢驗(yàn)不同于確定性預(yù)報(bào)檢驗(yàn)，包括Brier評(píng)分、Brier技巧評(píng)分、可靠性、可分辨性、等級(jí)直方圖(Rank histogram)、ROC(接收者操作特征)檢驗(yàn)[151]等。

美國開發(fā)試驗(yàn)平臺(tái)中心(DTC)開發(fā)了數(shù)值模式測(cè)試、檢驗(yàn)、評(píng)價(jià)工具箱MET(Model Evaluation Tools)，該工具箱可以提供確定性預(yù)報(bào)檢驗(yàn)、概率預(yù)報(bào)檢驗(yàn)和基于對(duì)象的檢驗(yàn)等技術(shù)方法，MET工具箱包含了MODE軟件包[57]。

4 未來展望

除了常規(guī)地面觀測(cè)和重要天氣報(bào)外，經(jīng)過質(zhì)量控制的目擊者或氣象信息員報(bào)告將是提供更高時(shí)空分辨率強(qiáng)對(duì)流天氣實(shí)況監(jiān)測(cè)的重要直接來源，而經(jīng)過質(zhì)量控制的互聯(lián)網(wǎng)提供的強(qiáng)對(duì)流天氣信息將是天氣實(shí)況監(jiān)測(cè)有力補(bǔ)充。未來我國布網(wǎng)建設(shè)的雙偏振多普勒天氣雷達(dá)觀測(cè)能夠進(jìn)一步提高對(duì)對(duì)流系統(tǒng)中降水粒子的相態(tài)識(shí)別能力，從而提高對(duì)冰雹天氣的監(jiān)測(cè)能力和定量降水估測(cè)精度；而目前正在試驗(yàn)的相控陣多普勒天氣雷達(dá)展示出的快速掃描能力，也將在未來提供更高時(shí)空分辨率的雷達(dá)資料進(jìn)一步提高監(jiān)測(cè)強(qiáng)對(duì)流天氣系統(tǒng)的精細(xì)結(jié)構(gòu)的能力。下一代靜止氣象衛(wèi)星的更多通道觀測(cè)資料和閃電觀測(cè)資料、地基全閃(包括云閃和地閃)定位網(wǎng)的發(fā)展和建設(shè)將進(jìn)一步提高對(duì)初生對(duì)流的監(jiān)測(cè)能力。目前的遙感觀測(cè)網(wǎng)對(duì)晴空大氣狀態(tài)探測(cè)能力存在較大不足，下一代靜止氣象衛(wèi)星和微波輻射計(jì)探測(cè)的垂直溫濕廓線資料、風(fēng)廓線雷達(dá)探測(cè)的垂直風(fēng)廓線資料等高時(shí)空分辨率晴空大氣(組網(wǎng))探測(cè)資料結(jié)合飛機(jī)AMDAR(航空器氣象資料下傳)資料、雷達(dá)VAD風(fēng)廓線資料將提供更多用于分析預(yù)報(bào)強(qiáng)對(duì)流天氣發(fā)生發(fā)展前期條件的探測(cè)數(shù)據(jù)。

目前我國地面自動(dòng)氣象站觀測(cè)網(wǎng)、多普勒天氣雷達(dá)網(wǎng)雖已在強(qiáng)對(duì)流天氣研究和業(yè)務(wù)中發(fā)揮了極其重要的作用，但極小部分?jǐn)?shù)據(jù)質(zhì)量存在一些問題，需要綜合應(yīng)用包括閃電、衛(wèi)星觀測(cè)等的多源探測(cè)資料進(jìn)一步提高這些資料的質(zhì)量水平，并需要進(jìn)一步發(fā)揮稠密地面自動(dòng)氣象站網(wǎng)在地面濕度和風(fēng)場(chǎng)觀測(cè)方面的優(yōu)勢(shì)。我國還需要大力發(fā)展基于多普勒天氣雷達(dá)數(shù)據(jù)的、全國三維數(shù)據(jù)和導(dǎo)出產(chǎn)品拼圖業(yè)務(wù)系統(tǒng)和產(chǎn)品，以提高對(duì)全國強(qiáng)對(duì)流天氣的監(jiān)測(cè)能力。目前我國綜合多源觀測(cè)資料的分類強(qiáng)對(duì)流天氣和對(duì)流風(fēng)暴的強(qiáng)度監(jiān)測(cè)(如文獻(xiàn)[28])還存在較大不足，尤其冰雹和雷暴大風(fēng)監(jiān)測(cè)更多依靠常規(guī)觀測(cè)站和重要天氣報(bào)資料，需要充分利用雷達(dá)、目擊或氣象信息員、自動(dòng)氣象站、閃電等多源觀測(cè)資料進(jìn)行短時(shí)強(qiáng)降水、冰雹、雷暴大風(fēng)等天氣和對(duì)流風(fēng)暴的質(zhì)量控制和分強(qiáng)度等級(jí)綜合判識(shí)，以提高強(qiáng)對(duì)流監(jiān)測(cè)的時(shí)空分辨率和可靠性，并生成高質(zhì)量的綜合監(jiān)測(cè)格點(diǎn)數(shù)據(jù)。此外，在對(duì)流天氣和對(duì)流風(fēng)暴的極端性(包括極端強(qiáng)度、持續(xù)時(shí)間和空間分布等)監(jiān)測(cè)方面也需要結(jié)合歷史氣候資料開發(fā)相應(yīng)的技術(shù)和產(chǎn)品為該類天氣的預(yù)報(bào)預(yù)警提供監(jiān)測(cè)數(shù)據(jù)基礎(chǔ)。

認(rèn)識(shí)強(qiáng)對(duì)流天氣的系統(tǒng)結(jié)構(gòu)和發(fā)生發(fā)展規(guī)律是強(qiáng)對(duì)流天氣分析預(yù)報(bào)預(yù)警的物理基礎(chǔ)。目前對(duì)強(qiáng)對(duì)流天氣發(fā)生發(fā)展機(jī)理的認(rèn)識(shí)逐漸從β中尺度向γ中尺度甚至小尺度發(fā)展，如已經(jīng)認(rèn)識(shí)到尺度只有幾公里的中渦旋在弓形回波系統(tǒng)中對(duì)地面大風(fēng)和非中氣旋龍卷產(chǎn)生的重要作用[65，79]。由于強(qiáng)對(duì)流天氣的發(fā)生發(fā)展受到較多中小尺度復(fù)雜因素的影響，如地形分布、地面摩擦[16，64-65]、消亡對(duì)流的殘留冷池[63]等，因此，需要充分認(rèn)識(shí)到強(qiáng)對(duì)流天氣發(fā)生發(fā)展精細(xì)機(jī)理和不同尺度系統(tǒng)之間相互作用的復(fù)雜性。目前，對(duì)我國不同類型中尺度系統(tǒng)的空間結(jié)構(gòu)、要素配置和物理演變過程的精細(xì)規(guī)律認(rèn)識(shí)和理解還存在較多不足，極端性強(qiáng)對(duì)流天氣、強(qiáng)颮線、弱天氣強(qiáng)迫下和復(fù)雜地形區(qū)域強(qiáng)對(duì)流天氣等的觸發(fā)和維持機(jī)制研究需要進(jìn)一步加強(qiáng)和深入；綜合多源觀測(cè)資料的中尺度滾動(dòng)分析技術(shù)和業(yè)務(wù)產(chǎn)品有待進(jìn)一步深入和發(fā)展，如基于風(fēng)廓線雷達(dá)觀測(cè)產(chǎn)品的分析技術(shù)、針對(duì)強(qiáng)颮線和極端性對(duì)流天氣的分析產(chǎn)品等；基于對(duì)流可分辨的高分辨率數(shù)值模式的客觀綜合分析產(chǎn)品有待進(jìn)一步試驗(yàn)和研究，如基于該類模式預(yù)報(bào)產(chǎn)品判識(shí)對(duì)流系統(tǒng)和對(duì)流天氣的類型和強(qiáng)度等級(jí)等，以進(jìn)一步修訂和完善《中尺度天氣分析技術(shù)規(guī)范》。

強(qiáng)對(duì)流臨近預(yù)報(bào)外推技術(shù)雖已較成熟，但目前對(duì)流系統(tǒng)的生消和發(fā)展預(yù)報(bào)還存在較大不足。在分類強(qiáng)對(duì)流天氣和對(duì)流風(fēng)暴綜合監(jiān)測(cè)技術(shù)基礎(chǔ)上，利用模糊邏輯或隨機(jī)森林等方法發(fā)展和完善基于多源資料的多尺度(多閾值)自適應(yīng)對(duì)流天氣系統(tǒng)的綜合識(shí)別、追蹤和外推(概率)預(yù)報(bào)技術(shù)是分類強(qiáng)對(duì)流天氣識(shí)別和分等級(jí)臨近預(yù)報(bào)技術(shù)發(fā)展的主要方向，結(jié)合高分辨率數(shù)值預(yù)報(bào)等其他資料發(fā)展完善對(duì)流系統(tǒng)的初生、增長、衰減和消亡的概率預(yù)報(bào)技術(shù)是臨近預(yù)報(bào)發(fā)展的重要方面。新一代靜止氣象衛(wèi)星的快速掃描多通道資料、閃電成像儀觀測(cè)資料結(jié)合高時(shí)空分辨率的地面自動(dòng)氣象站等其他觀測(cè)資料，在對(duì)流初生臨近預(yù)報(bào)方面將發(fā)揮重要作用。

基于高分辨率數(shù)值預(yù)報(bào)以及融合預(yù)報(bào)技術(shù)的強(qiáng)對(duì)流天氣的短時(shí)預(yù)報(bào)技術(shù)雖取得了一定進(jìn)展，但還僅處于試驗(yàn)階段。雖然對(duì)流可分辨的高分辨率數(shù)值模式及其快速更新同化技術(shù)已取得了重大進(jìn)展，但并非僅僅提高數(shù)值模式分辨率和發(fā)展同化技術(shù)就能夠提高模式的預(yù)報(bào)能力，還需要考慮不同尺度天氣系統(tǒng)的可預(yù)報(bào)性、模式框架本身性能的改進(jìn)、不同物理過程的參數(shù)化等方面的問題以進(jìn)一步改進(jìn)這些模式的預(yù)報(bào)性能。對(duì)流可分辨的高分辨率數(shù)值(集合)預(yù)報(bào)的應(yīng)用需要針對(duì)不同尺度天氣系統(tǒng)的可預(yù)報(bào)性開展相關(guān)工作，也需要采用類似美國Testbed的運(yùn)行機(jī)制對(duì)這些預(yù)報(bào)產(chǎn)品進(jìn)行業(yè)務(wù)應(yīng)用試驗(yàn)和評(píng)估。發(fā)展多源資料的同化技術(shù)、提高高分辨率數(shù)值模式的(集合)預(yù)報(bào)水平是分類強(qiáng)對(duì)流天氣短時(shí)(概率)預(yù)報(bào)技術(shù)的模式基礎(chǔ)[18，58]；發(fā)展調(diào)整模式預(yù)報(bào)對(duì)流系統(tǒng)相位的多尺度分析技術(shù)、加權(quán)平均法與ARMOR法相結(jié)合的融合預(yù)報(bào)技術(shù)是短時(shí)預(yù)報(bào)技術(shù)發(fā)展的重要方面。

分類強(qiáng)對(duì)流天氣短期預(yù)報(bào)的準(zhǔn)確率在穩(wěn)步增長[155-156]，但不同等級(jí)的強(qiáng)對(duì)流天氣以及具有高影響性的極端強(qiáng)對(duì)流天氣(如強(qiáng)颮線或超級(jí)單體導(dǎo)致的大冰雹和極端雷暴大風(fēng)天氣、極端短時(shí)強(qiáng)降水天氣)預(yù)報(bào)的精細(xì)化方面還存在較大不足。因此，需要在強(qiáng)對(duì)流天氣發(fā)生發(fā)展機(jī)理基礎(chǔ)上，利用更高分辨率的監(jiān)測(cè)和分析資料，結(jié)合歷史個(gè)例綜合統(tǒng)計(jì)不同強(qiáng)度和極端強(qiáng)度的分類強(qiáng)對(duì)流天氣的多物理量分布和結(jié)構(gòu)特征，應(yīng)用模糊邏輯等方法，利用高分辨率數(shù)值(集合)預(yù)報(bào)，發(fā)展不同等級(jí)的分類強(qiáng)對(duì)流天氣概率預(yù)報(bào)和風(fēng)險(xiǎn)等級(jí)預(yù)報(bào)技術(shù)，包括極端性強(qiáng)對(duì)流天氣的預(yù)報(bào)技術(shù)。雖然時(shí)效越長預(yù)報(bào)結(jié)果的不確定性越大，但美國SPC的業(yè)務(wù)預(yù)報(bào)表明，在全球集合預(yù)報(bào)系統(tǒng)基礎(chǔ)上發(fā)展3～8 d的中期強(qiáng)對(duì)流天氣概率預(yù)報(bào)具有一定可行性。不過需要指出的是，預(yù)報(bào)時(shí)效越長，所能夠預(yù)報(bào)的天氣系統(tǒng)尺度越大、預(yù)報(bào)的精細(xì)化程度和準(zhǔn)確率相對(duì)越低。

在強(qiáng)對(duì)流天氣客觀預(yù)報(bào)技術(shù)基礎(chǔ)上，通過強(qiáng)對(duì)流天氣分析，發(fā)揮預(yù)報(bào)員對(duì)于強(qiáng)對(duì)流天氣物理規(guī)律和數(shù)值模式預(yù)報(bào)性能的認(rèn)識(shí)和主觀能動(dòng)性，不斷提高預(yù)報(bào)準(zhǔn)確率和精細(xì)化水平是強(qiáng)對(duì)流天氣業(yè)務(wù)預(yù)報(bào)發(fā)展的持續(xù)追求。中國氣象局國家氣象中心已提出在提高天氣預(yù)報(bào)準(zhǔn)確率基礎(chǔ)上，逐步發(fā)展天氣影響預(yù)報(bào)。強(qiáng)對(duì)流天氣業(yè)務(wù)預(yù)報(bào)更需要關(guān)注和提高類似2009年6月3日河南強(qiáng)對(duì)流天氣、2012年7月21日北京極端強(qiáng)降水、2015年4月28日江蘇和上海等極端性強(qiáng)對(duì)流天氣的預(yù)報(bào)水平及其造成的影響預(yù)報(bào)。此外，方便快捷、功能強(qiáng)大的網(wǎng)絡(luò)綜合應(yīng)用業(yè)務(wù)平臺(tái)和交互綜合應(yīng)用業(yè)務(wù)平臺(tái)是提高強(qiáng)對(duì)流天氣業(yè)務(wù)預(yù)報(bào)水平的重要方面。

強(qiáng)對(duì)流天氣預(yù)報(bào)傳統(tǒng)檢驗(yàn)，如基于站點(diǎn)觀測(cè)的TS評(píng)分、空?qǐng)?bào)率等雖存在較多缺陷，但依然是檢驗(yàn)技術(shù)的重要方面。在綜合多源資料的強(qiáng)對(duì)流天氣實(shí)況站點(diǎn)和格點(diǎn)監(jiān)測(cè)產(chǎn)品數(shù)據(jù)基礎(chǔ)上，需要繼續(xù)完善現(xiàn)有的基于鄰域(一定的半徑范圍)的強(qiáng)對(duì)流天氣檢驗(yàn)技術(shù)，如重新評(píng)估定義適用于我國的評(píng)分站覆蓋區(qū)域的半徑大小。對(duì)于短時(shí)臨近預(yù)報(bào)，更需要綜合應(yīng)用基于對(duì)象的空間檢驗(yàn)技術(shù)，實(shí)現(xiàn)對(duì)對(duì)流預(yù)報(bào)落區(qū)形態(tài)、位移及強(qiáng)度的定量檢驗(yàn)，給出強(qiáng)對(duì)流預(yù)報(bào)的綜合檢驗(yàn)和評(píng)價(jià)。發(fā)展和完善強(qiáng)對(duì)流天氣或罕見天氣事件預(yù)報(bào)技巧檢驗(yàn)也是檢驗(yàn)技術(shù)發(fā)展的一個(gè)重要方向，如Hitchens 等[156]發(fā)展了相對(duì)于基于天氣實(shí)況的業(yè)務(wù)完美(practically perfect)預(yù)報(bào)的對(duì)流天氣預(yù)報(bào)技巧檢驗(yàn)技術(shù)。不同尺度天氣系統(tǒng)的不同時(shí)效可預(yù)報(bào)性不同，因此，對(duì)于不同時(shí)效的預(yù)報(bào)所采用的檢驗(yàn)方法也應(yīng)不同。

5 小 結(jié)

強(qiáng)對(duì)流天氣監(jiān)測(cè)和機(jī)理研究是其預(yù)報(bào)的基礎(chǔ)，而分析是預(yù)報(bào)的必要手段和過程。目前強(qiáng)對(duì)流天氣監(jiān)測(cè)、預(yù)報(bào)、預(yù)警技術(shù)和業(yè)務(wù)水平已較文獻(xiàn)[3,19]給出的技術(shù)水平顯著提升。對(duì)流系統(tǒng)強(qiáng)度識(shí)別、對(duì)流初生和天氣類型識(shí)別等監(jiān)測(cè)技術(shù)取得新進(jìn)展，基于多源資料的綜合監(jiān)測(cè)技術(shù)已應(yīng)用于中國氣象局中央氣象臺(tái)業(yè)務(wù)。弓形回波上中渦旋、對(duì)流系統(tǒng)觸發(fā)和發(fā)展機(jī)制等方面獲得了新認(rèn)識(shí)，分類強(qiáng)對(duì)流天氣及其環(huán)境條件的統(tǒng)計(jì)氣候特征及其分析規(guī)范與業(yè)務(wù)網(wǎng)站產(chǎn)品等為我國業(yè)務(wù)預(yù)報(bào)提供了基礎(chǔ)和技術(shù)支撐。基于光流法和多尺度追蹤技術(shù)以及綜合應(yīng)用氣候、地形等因素和多源資料的臨近(概率)預(yù)報(bào)技術(shù)等進(jìn)展顯著；加權(quán)平均法與ARMOR方法的融合短時(shí)預(yù)報(bào)技術(shù)得到了廣泛應(yīng)用，對(duì)流可分辨的高分辨率數(shù)值(集合)預(yù)報(bào)及其后處理技術(shù)的短時(shí)(概率)預(yù)報(bào)試驗(yàn)和基于數(shù)值(集合)預(yù)報(bào)應(yīng)用邏輯方法的分類強(qiáng)對(duì)流天氣短期預(yù)報(bào)技術(shù)取得了顯著成效；概率和集合預(yù)報(bào)檢驗(yàn)、模糊檢驗(yàn)方法和基于對(duì)象的檢驗(yàn)等技術(shù)方法和軟件為評(píng)價(jià)業(yè)務(wù)預(yù)報(bào)和數(shù)值預(yù)報(bào)提供了有力的工具。

質(zhì)量控制技術(shù)、基于新探測(cè)資料的監(jiān)測(cè)產(chǎn)品開發(fā)和基于多源資料的綜合監(jiān)測(cè)技術(shù)是強(qiáng)對(duì)流天氣監(jiān)測(cè)技術(shù)發(fā)展完善的主要內(nèi)容。強(qiáng)對(duì)流天氣發(fā)生發(fā)展精細(xì)機(jī)理和不同尺度系統(tǒng)之間的相互作用有待進(jìn)一步深入研究，需要繼續(xù)進(jìn)行不同強(qiáng)度等級(jí)、分類強(qiáng)對(duì)流天氣的高時(shí)空分辨率多物理量與結(jié)構(gòu)特征統(tǒng)計(jì)和發(fā)展基于對(duì)流可分辨的高分辨率數(shù)值預(yù)報(bào)的客觀綜合分析產(chǎn)品，以進(jìn)一步完善強(qiáng)對(duì)流天氣分析規(guī)范和技術(shù)。

不同尺度天氣系統(tǒng)的不同可預(yù)報(bào)性決定了不同時(shí)效的強(qiáng)對(duì)流天氣預(yù)報(bào)技術(shù)不同?；诙嘣促Y料的多尺度自適應(yīng)臨近預(yù)報(bào)技術(shù)、發(fā)展完善利用模糊邏輯等方法的基于對(duì)流可分辨的高分辨率數(shù)值(集合)預(yù)報(bào)的(概率)預(yù)報(bào)技術(shù)和進(jìn)一步發(fā)展融合預(yù)報(bào)技術(shù)仍是未來發(fā)展不同強(qiáng)度等級(jí)、分類強(qiáng)對(duì)流天氣包括極端天氣的精細(xì)化(概率)預(yù)報(bào)技術(shù)的主要內(nèi)容；對(duì)流可分辨的高分辨率數(shù)值(集合)預(yù)報(bào)是發(fā)展強(qiáng)對(duì)流天氣精細(xì)化(概率)預(yù)報(bào)的重要核心技術(shù)支撐；概率預(yù)報(bào)技術(shù)、極端性強(qiáng)對(duì)流天氣的監(jiān)測(cè)分析和預(yù)報(bào)預(yù)警技術(shù)是未來發(fā)展的重要方面；而影響預(yù)報(bào)是強(qiáng)對(duì)流天氣預(yù)報(bào)的重要延伸，預(yù)報(bào)檢驗(yàn)技術(shù)是發(fā)展強(qiáng)對(duì)流天氣預(yù)報(bào)技術(shù)不可或缺的內(nèi)容。需要指出的是，對(duì)流系統(tǒng)的初生、發(fā)展、衰減和消亡預(yù)報(bào)以及對(duì)流天氣的精細(xì)化預(yù)報(bào)(包括時(shí)空分布、強(qiáng)度和極端性等)依然是強(qiáng)對(duì)流預(yù)報(bào)的難點(diǎn)，由強(qiáng)對(duì)流天氣系統(tǒng)的尺度和結(jié)構(gòu)特點(diǎn)所決定。

致 謝：感謝北京大學(xué)陶祖鈺教授、中國氣象局干部培訓(xùn)學(xué)院俞小鼎教授、國家氣象中心金榮花研究員提供了建議,感謝國家氣象中心劉鑫華、周曉霞、方翀等提供了相關(guān)素材。

[1] Doswell III C A.Severe Convective Storms.Meteor Monogr,Amer Meteor Soc,2001,28(50):1-525.

[2] Markowski P,Richardson Y.Mesoscale Meteorology in Midlatitudes.John Wiley & Sons Ltd,2010:245-260.

[3] 俞小鼎,周小剛,王秀明.雷暴與強(qiáng)對(duì)流臨近天氣預(yù)報(bào)技術(shù)進(jìn)展.氣象學(xué)報(bào),2012,70(3):311-337.

[4] Chen J,Zheng Y,Zhang X,et al.Distribution and diurnal variation of warm-season short-duration heavy rainfall in relation to the MCSs in China.JMeteorRes,2013,27(6):868-888.

[5] Hitchens N M,Brooks H E,Schumacher R S.Spatial and temporal characteristics of heavy hourly rainfall in the United States.MonWeaRev,2013,141:4564-4575.

[6] 孫繼松,戴建華,何立富,等.強(qiáng)對(duì)流天氣預(yù)報(bào)的基本原理和技術(shù)方法.北京:氣象出版社,2014.

[7] 范雯杰,俞小鼎.中國龍卷的時(shí)空分布特征.氣象,2015,41(7):793-805.

[8] 馬明,陶善昌,祝寶友,等.衛(wèi)星觀測(cè)的中國及周邊地區(qū)閃電密度的氣候分布.中國科學(xué)D輯:地球科學(xué),2004,34(4):298-306.

[9] 王娟,諶蕓.2009—2012年中國閃電分布特征分析.氣象,2015,41(2):160-170.

[10] 馬禹,王旭,陶祖鈺.中國及其鄰近地區(qū)中尺度對(duì)流系統(tǒng)的普查和時(shí)空分布特征.自然科學(xué)進(jìn)展,1997,7(6):701-706.

[11] Zheng Y,Chen J,Zhu P.Climatological distribution and diurnal variation of mesoscale convective systems over China and its vicinity during summer.ChinSciBull,2008,53:1574-1586.

[12] 韓雷,俞小鼎,鄭永光,等.京津及鄰近地區(qū)暖季強(qiáng)對(duì)流風(fēng)暴的氣候分布特征.科學(xué)通報(bào),2009，54(11):1585-1590.

[13] Chen M,Wang Y,Gao F,et al.Diurnal evolution and distribution of warm-season convective storms in different prevailing wind regimes over contiguous North China.JGeophysResAtmos,2014,119:2742-2763.

[14] Meng Z,Yan D,Zhang Y.General features of squall lines in east China.MonWeaRev,2013,141:1629-1647.

[15] Zheng L,Sun J,Zhang X,et al.Organizational modes of mesoscale convective systems over central east China.WeaForecasting,2013,28:1081-1098.

[16] Chen X,Zhao K,Xue M.Spatial and temporal characteristics of warm season convection over Pearl River Delta Region,China based on three years of operational radar data.JGeophysResAtmos,2014,doi:10.1002/2014JD021965.

[17] Wilson J W,Feng Y,Chen M,et al.Nowcasting challenges during the Beijing Olympics:Successes,failures,and implications for future nowcasting systems.WeaForecasting,2010,25:1691-1714.

[18] Sun J,Xue M,Wilson J W,et al.Use of NWP for nowcasting convective precipitation:Recent progress and challenges.BullAmerMeteorSoc,2014,95:409-426.

[19] 鄭永光,張小玲,周慶亮,等.強(qiáng)對(duì)流天氣短時(shí)臨近預(yù)報(bào)業(yè)務(wù)技術(shù)進(jìn)展與挑戰(zhàn).氣象,2010,36(7):33-42.

[20] 鄭永光,林隱靜,朱文劍,等.強(qiáng)對(duì)流天氣綜合監(jiān)測(cè)業(yè)務(wù)系統(tǒng)建設(shè).氣象,2013,39(2):234-240.

[21] 張濤,藍(lán)渝,毛冬艷,等.國家級(jí)中尺度天氣分析業(yè)務(wù)技術(shù)進(jìn)展Ⅰ：對(duì)流天氣環(huán)境場(chǎng)分析業(yè)務(wù)技術(shù)規(guī)范的改進(jìn)與產(chǎn)品集成系統(tǒng)支撐技術(shù).氣象,2013,39(7):894-900.

[22] 藍(lán)渝,張濤,鄭永光,等.國家級(jí)中尺度天氣分析業(yè)務(wù)技術(shù)進(jìn)展Ⅱ：對(duì)流天氣中尺度過程分析規(guī)范和支撐技術(shù).氣象, 2013，39(7):901-910.

[23] 盛杰,張小雯,孫軍,等.三種不同天氣系統(tǒng)強(qiáng)降水過程中分鐘雨量的對(duì)比分析.氣象,2012,38(10):1161-1169.

[24] Elizaga F,Conejo S,Martín F.Automatic identification of mesocyclones and significant wind structures in Doppler radar images.AtmosRes,2007,83(2):405-414.

[25] 李國翠,劉黎平,張秉祥,等.基于雷達(dá)三維組網(wǎng)數(shù)據(jù)的對(duì)流性地面大風(fēng)自動(dòng)識(shí)別.氣象學(xué)報(bào),2013,71(6):1160-1171.

[26] 李國翠,劉黎平,連志鸞,等.利用雷達(dá)回波三維拼圖資料識(shí)別雷暴大風(fēng)統(tǒng)計(jì)研究.氣象學(xué)報(bào),2014,72(1):168-181.

[27] 張秉祥,李國翠,劉黎平,等.基于模糊邏輯的冰雹天氣雷達(dá)識(shí)別算法.應(yīng)用氣象學(xué)報(bào),2014,25(4):414-426.

[28] Rossi P J,Hasu V,Koistinen J,et al.Analysis of a statistically initialized fuzzy logic scheme for classifying the severity of convective storms in Finland.MeteorAppl,2014,21:656-674.

[29] 胡勝,羅聰,張羽,等.廣東大冰雹風(fēng)暴單體的多普勒天氣雷達(dá)特征.應(yīng)用氣象學(xué)報(bào),2015,26(1):57-65．

[30] Park H,Ryzhkov A V,Zrnic D S,et al.The hydrometeor classification algorithm for the polarimetric WSR-88D:Description and application to an MCS.WeaForecasting,2009,24:730-748.

[31] Al-Sakka H,Boumahmoud A A,Fradon B,et al.A new fuzzy logic hydrometeor classification scheme applied to the French X-,C-,and S-band polarimetric radars.JApplMeteorClimatol,2013,52(10):2328-2344.

[32] Heinselman P L,Ryzhkov A V.Validation of polarimetric hail detection.WeaForecasting,2006,21(5):839-850.

[33] 鄭棟,張義軍,孟青,等.北京地區(qū)雷暴過程閃電與地面降水的相關(guān)關(guān)系.應(yīng)用氣象學(xué)報(bào),2010,21(3):287-297.

[34] Carey L D,Rutledge S A.Electrical and multiparameter radar observations of a severe hailstorm.JGeophysResAtmos,1998,103(D12):13979-14000.

[35] Williams E,Boldi B,Matlin A,et al.The behavior of total lightning activity in severe Florida thunderstorms.AtmosRes,1999,51(3):245-265.

[36] Schultz C J,Petersen W A,Carey L D.Preliminary development and evaluation of lightning jump algorithms for the real-time detection of severe weather.JApplMeteorClimatol,2009,48:2543-2563.

[37] Zhang J,Howard K,Langston C,et al.National Mosaic and Multi-Sensor QPE (NMQ) system:Description,results,and future plans.BullAmerMeteorSoc,2011,92:1321-1338.

[38] Lakshmanan V,Smith T,Stumpf G,et al.The Warning Decision Support System-Integrated Information.WeaForecasting,2007,22:596-612.

[39] Augros C,Tabary P,Anquez A,et al.Development of a nationwide,low-level wind shear mosaic in France.WeaForecasting,2013,28(5):1241-1260.

[40] Bousquet O,Tabary P.Development of a nationwide real-time 3-D wind and reflectivity radar composite in France.QuartJRMeteorSoc,2014,140:611-625.

[41] Schmit T J,Li J,Ackerman S J,et al.High spectral and temporal resolution infrared measurements from geostationary orbit.JAtmosOceanicTechnol,2009,26:2273-2292.

[42] Roberts R D,Rutledge S,Nowcasting storm initiation and growth using GOES-8 and WSR-88D data.WeaForecasting,2003,18(4):562-584.

[43] Mecikalski J R,Bedka K M.Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime GOES imagery.MonWeaRev,2006,134(1):49-78.

[44] Marianne K.Satellite Nowcasting Applications∥World Meteorological Organization Symposium on Nowcasting and Very Short Term Forecasting.Whistler,Canada,2009.

[45] Sieglaff J M,Cronce L M,Feltz W F,et al.Nowcasting convective storm initiation using satellite-based box-averaged cloud-top cooling and cloud-type trends.JApplMeteorClimatol,2011,50(1):110-126.

[46] Sieglaff J M,Cronce L M,Feltz W F.Improving satellite-based convective cloud growth monitoring with visible optical depth retrievals.JApplMeteorClimatol,2014,53(2):506-520.

[47] Hartung D C,Sieglaff J M,Cronce L M,et al.An intercomparison of UW cloud-top cooling rates with WSR-88D radar data.WeaForecasting,2013,28(2):463-480.

[48] Merk D,Zinner T.Detection of convective initiation using Meteosat SEVIRI:implementation in and verification with the tracking and nowcasting algorithm Cb-TRAM.AtmosMeasTechDiscuss,2013,6:1771-1813.

[49] Zinner T,Mannstein H,Tafferner A.Cb-TRAM:Tracking and monitoring severe convection from onset over rapid development to mature phase using multi-channel Meteosat-8 SEVIRI data.MeteorAtmosPhys,2008,101:191-210.

[50] 覃丹宇,方宗義.利用靜止氣象衛(wèi)星監(jiān)測(cè)初生對(duì)流的研究進(jìn)展.氣象,2014,40(1):7-17.

[51] Mecikalski J R,Minnis P,Palikonda R.Use of satellite derived cloud properties to quantify growing cumulus beneath cirrus clouds.AtmosRes,2013,120:192-201.

[52] Senf F,Dietzsch F,Hünerbein A,et al.Characterization of initiation and growth of selected severe convective storms over central Europe with MSG-SEVIRI.JApplMeteorClimatol,2015,54(1):207-224.

[53] Setvák M,Rabin R M,Doswell C A,et al.Satellite observations of convective storm tops in the 1.6,3.7 and 3.9 μm spectral bands.AtmosRes,2003,67:607-627.

[54] Bedka K,Brunner J,Dworak R,et al.Objective satellite-based detection of overshooting tops using infrared window channel brightness temperature gradients.JApplMeteorClimatol,2010,49(2):181-202.

[55] Bedka K M.Overshooting cloud top detections using MSG SEVIRI infrared brightness temperatures and their relationship to severe weather over Europe.AtmosRes,2011,99(2):175-189.

[56] Goodman S J,Gurka J,DeMaria M,et al.The GOES-R proving ground:Accelerating user readiness for the next-generation geostationary environmental satellite system.BullAmerMeteorSoc,2012,93:1029-1040.

[57] Ralph F M,Intrieri J,Andra Jr D,et al.The emergence of weather-related test beds linking research and forecasting operations.BullAmerMeteorSoc,2013,94:1187-1211.

[58] 鄭永光,薛明,陶祖鈺.美國NOAA試驗(yàn)平臺(tái)和春季預(yù)報(bào)試驗(yàn)概要.氣象,2015,41(5):568-582.

[59] 魏東,孫繼松,雷蕾,等.用微波輻射計(jì)和風(fēng)廓線資料構(gòu)建探空資料的定量應(yīng)用可靠性分析.氣候與環(huán)境研究,2012,16(6):697-706.

[60] 張振東,魏鳴,王皓.用 GPS 水汽監(jiān)測(cè)資料分析一次強(qiáng)對(duì)流性降水過程.氣象科學(xué),2013,33(5):492-499.

[61] Johns R H,Doswell III C A.Severe local storms forecasting.WeaForecasting,1992,7:588-612.

[62] 席寶珠,俞小鼎,孫力,等.我國陣風(fēng)鋒類型與產(chǎn)生機(jī)制分析及其主觀識(shí)別方法.氣象,2015,41(2):133-142.

[63] Luo Y,Gong Y,Zhang D L.Initiation and organizational modes of an extreme-rain-producing mesoscale convective system along a mei-yu front in East China.MonWeaRev,2014,142:203-221.

[64] Xue M,Hu M,Schenkman A D.Numerical prediction of the 8 May 2003 Oklahoma City tornadic supercell and embedded tornado using ARPS with the assimilation of WSR-88D data.WeaForecasting,2014,29:39-62.

[65] Xu X,Xue M,Wang Y.Mesovortices within the 8 May 2009 bow echo over central US:Analyses of the characteristics and evolution based on Doppler radar observations and a high-resolution model simulation.MonWeaRev,2015,143(6):226-230.

[66] Wilson J W,Mueller C K.Nowcasts of thunderstorm initiation and evolution.WeaForecasting,1993,8(1):113-131.

[67] Corfidi S F,Corfidi S J,Schultz D M.Elevated convection and castellanus:Ambiguities,significance,and questions.WeaForecasting,2008,23(6):1280-1303.

[68] Wilson J W,Roberts R D.Summary of convective storm initiation and evolution during IHOP:Observational and modeling perspective.MonWeaRev,2006,134(1):23-47.

[69] Horgan K L,Schultz D M,Hales Jr J E,et al.A five-year climatology of elevated severe convective storms in the United States east of the Rocky Mountains.WeaForecasting,2007,22(5):1031-1044.

[70] 許愛華,陳云輝,陳濤,等.鋒面北側(cè)冷氣團(tuán)中連續(xù)降雹環(huán)境場(chǎng)特征及成因.應(yīng)用氣象學(xué)報(bào),2013,24(2):197-206.

[71] 盛杰,毛冬艷,沈新勇,等.我國春季冷鋒后的高架雷暴特征分析.氣象,2014,40(9):1058-1065.

[72] 張一平,俞小鼎,孫景蘭,等.2012年早春河南一次高架雷暴天氣成因分析.氣象,2014,40(1):48-58.

[73] Tian F,Zheng Y,Zhang T,et al.Statistical characteristics of environmental parameters for warm season short-duration heavy rainfall over central and eastern China.JMeteorRes,2015,29(3):370-384.

[74] Wakimoto R M,Kessinger C J,Kingsmill D E.Kinematic,thermodynamic,and visual structure of low-reflectivity microbursts.MonWeaRev,1994,122:72-92.

[75] Wilson J W,Wakimoto R M.The discovery of the downburst:T.T.Fujita’s contribution.BullAmerMeteorSoc,2001,82(1):49-62.

[76] Wakimoto R M,Wilson J W.Non-supercell tornadoes.MonWeaRev,1989,117:1113-1140.

[77] Agee E,Jones E.Proposed conceptual taxonomy for proper identification and classification of tornado events.WeaForecasting,2009,24:609-617.

[78] Agee E M.A Revised tornado definition and changes in tornado taxonomy.WeaForecasting,2014,29:1256-1258.

[79] Atkins N T,Bouchard C S,Przybylinski R W,et al.Damaging surface wind mechanisms within the 10 June 2003 Saint Louis bow echo during BAMEX.MonWeaRev,2005,133(8):2275-2296.

[80] Grams J S,Thompson R L,Snively D V,et al.A climatology and comparison of parameters for significant tornado events in the United States.WeaForecasting,2012,27:106-123.

[81] 王秀明,俞小鼎,周小剛.中國東北龍卷研究:環(huán)境特征分析.氣象學(xué)報(bào),2015,73(3):425-441.

[82] Rotunno R,Klemp J B,Weisman M L.A theory for strong, long-lived squall lines.JAtmosSci,1988,45(3):463-485.

[83] Weisman M L,Klemp J B,Rotunno R.Structure and evolution of numerically simulated squall lines.JAtmosSci,1988,45(14):1990-2013.

[84] Corfidi S F.Cold pools and MCS propagation:Forecasting the motion of downwind-developing MCSs.WeaForecasting,2003,18(6):997-1017.

[85] 陳明軒,王迎春.低層垂直風(fēng)切變和冷池相互作用影響華北地區(qū)一次颮線過程發(fā)展維持的數(shù)值模擬.氣象學(xué)報(bào),2012,70(3):371-386.

[86] Bluestein H B.On the decay of supercells through a “downscale transition”:Visual documentation.MonWeaRev,2008,136:4013-4028.

[87] Davenport C E,Parker M D.Observations of the 9 June 2009 dissipating supercell from VORTEX2.WeaForecasting,2015,30:368-388.

[88] Coniglio M C,Corfidi S F,Kain J S.Views on applying RKW theory:An illustration using the 8 May 2009 derecho-producing convective system.MonWeaRev,2012,140:1023-1043.

[89] Clark A J,Weiss S J,Kain J S,et al.An overview of the 2010 Hazardous Weather Testbed Experimental Forecast Program Spring Experiment.BullAmerMeteorSoc,2012,93:55-74.

[90] 漆梁波.高分辨率數(shù)值模式在強(qiáng)對(duì)流天氣預(yù)警中的業(yè)務(wù)應(yīng)用進(jìn)展.氣象,2015,41(6):661-673.

[91] Mueller C,Saxen T,Roberts R,et al.NCAR Auto-Nowcast System.WeaForecasting,2003,18:545-561.

[92] Pinto J,Dupree W,Weygandt S,et al.Advances in the Collaborative Storm Prediction for Aviation (CoSPA).Preprints,14th Conf Aviation, Range, and Aerospace Meteorology,Atlanta,GA,Amer Meteor Soc,2010.

[93] Seed A W.A dynamic and spatial scaling approach to advection forecasting.JApplMeteor,2003,42:381-388.

[94] Bowler N E,Pierce C E,Seed A W.STEPS:A probabilistic precipitation forecasting scheme which merges an extrapolation nowcast with downscaled NWP.QuartJRMeteorSoc,2006,132:2127-2155.

[95] Haiden T,Kann A,Wittmann C,et al.The integrated nowcasting through comprehensive analysis (INCA) system and its validation over the Eastern Alpine region.WeaForecasting,2011,26(2):166-183.

[96] Nisi L,Ambrosetti P,Clementi L.Nowcasting severe convection in the Alpine region:The COALITION approach.QuartJRMeteorSoc,2014,140:1684-1699.

[97] Li P W,Wong W K,Cheung P,et al.An overview of nowcasting development,applications,and services in the Hong Kong Observatory.JMeteorRes,2014,28(5):859-876.

[98] Chen M,Gao F,Kong R,et al.A System for Nowcasting Convective Storm in Support of 2008 Olympics∥World Meteorological Organization Symposium on Nowcasting and Very Short Term Forecasting.Canada,2009.

[99] 呂偉濤,張義軍,孟青,等.雷電臨近預(yù)警方法和系統(tǒng)研發(fā).氣象,2009,35(5):10-17.

[100] 萬玉發(fā),王志斌,張家國,等.長江中游臨近預(yù)報(bào)業(yè)務(wù)系統(tǒng)(MYNOS)及其應(yīng)用.應(yīng)用氣象學(xué)報(bào),2013,24(4):504-512.

[101] 陳明軒,俞小鼎,譚曉光,等.對(duì)流天氣臨近預(yù)報(bào)技術(shù)的發(fā)展與研究進(jìn)展.應(yīng)用氣象學(xué)報(bào),2004,15(6):754-766.

[102] Dance S,Ebert E,Scurrah D.Thunderstorm strike probability nowcasting.JAtmosOceanicTechnol,2010,27:79-93.

[103] Fox N I,Wikle C K.A Bayesian quantitative precipitation nowcast scheme.WeaForecasting,2005,20:264-275.

[104] Xu K,Wikle C K,Fox N I.A kernel-based spatiotemporal dynamical model for nowcasting weather radar reflectivities.JAmerStatSoc,2005,100:1134-1144.

[105] Germann U,Zawadzki I.Scale dependence of the predictability of precipitation from continental radar images.Part II: Probability forecasts.JApplMeteorClimatol,2004,43(1):74-89.

[106] Megenhardt D L,Mueller C,Trier S,et al.NCWF-2 Probabilistic Forecasts.Preprints,11th Conf on Aviation,Range,and Aerospace.Amer Meteor Soc,2004.

[107] Sokol Z,Kitzmiller D,Pesice P,et al.Operational 0-3 h probabilistic quantitative precipitation forecasts:Recent performance and potential enhancements.AtmosRes,2009,92(3):318-330.

[108] Kober K,Craig G C,Keil C,et al.Blending a probabilistic nowcasting method with a high-resolution numerical weather prediction ensemble for convective precipitation forecasts.QuartJRMeteorSoc,2012,138(664):755-768.

[109] Scheufele K,Kober K,Craig G C,et al.Combining probabilistic precipitation forecasts from a nowcasting technique with a time-lagged ensemble.MeteorAppl,2014，21(2):230-240.

[110] Mecikalski J R,Williams J K,Jewett C P,et al.Probabilistic 0-1 hour convective initiation nowcasts that combine geostationary satellite observations and numerical weather prediction model data.JApplMeteorClimatol,2015,54,doi:10.1175/JAMC-D-14-0129.1.

[111] Germann U,Zawadzki I.Scale-dependence of the predictability of precipitation from continental radar images.Part I:Description of the methodology.MonWeaRev,2002,130(12):2859-2873.

[112] Bowler N E H,Pierce C E,Seed A W.Development of a precipitation nowcasting algorithm based upon optical flow techniques.JHydrol,2004,288(1):74-91.

[113] Cheung P,Yeung H Y.Application of Optical-flow Technique to Significant Convection Nowcast for Terminal Areas in Hong Kong.The 3rd WMO International Symposium on Nowcasting and Very Short-Range Forecasting (WSN12),2012:6-10.

[114] 程叢蘭,陳明軒,王建捷,等.基于雷達(dá)外推臨近預(yù)報(bào)和中尺度數(shù)值預(yù)報(bào)融合技術(shù)的短時(shí)定量降水預(yù)報(bào)試驗(yàn).氣象學(xué)報(bào), 2013,71(3):397-415.

[115] Johnson J T,MacKeen P L,Witt A,et al.The storm cell identification and tracking algorithm:An enhanced WSR-88D algorithm.WeaForecasting,1998,13(2):263-276.

[116] Hering A,Sénési S,Ambrosetti P,et al.Nowcasting Thunderstorms in Complex Cases Using Radar Data.WMO Symposium on Nowcasting and Very Short Range Forecasting,2005.

[117] Dixon M,Wiener G.TITAN:Thunderstorm identification, tracking, analysis,and nowcasting-a radar-based methodology.JAtmosOceanicTechnol,1993,10:785-797.

[118] 韓雷,鄭永光,王洪慶,等.基于數(shù)學(xué)形態(tài)學(xué)的三維風(fēng)暴識(shí)別方法研究.氣象學(xué)報(bào),2007,65(5):805-814．

[119] Autonés F.Algorithm Theoretical Basis Document for Rapid Development Thunder Storms∥Nowcasting Satellite Application Facility (NWC-SAF) Report Issue 2 Rev.3,Meteo France.2012.

[120] Walker J R,MacKenzie Jr W M,Mecikalski J R,et al.An enhanced geostationary satellite-based convective initiation algorithm for 0-2-h nowcasting with object tracking.JApplMeteorClimatol,2012,51:1931-1949.

[121] Bonelli P,Marcacci P.Thunderstorm nowcasting by means of lightning and radar data:Algorithms and applications in northern Italy.NatHazardsEarthSystSci,2008,8(5):1187-1198.

[122] Kohn M,Galanti E,Price C,et al.Nowcasting thunderstorms in the Mediterranean region using lightning data.AtmosRes,2011,100(4):489-502.

[123] 侯榮濤,朱斌,馮民學(xué),等.基于DBSCAN 聚類算法的閃電臨近預(yù)報(bào)模型.計(jì)算機(jī)應(yīng)用,2012,32(3):847-851.

[124] Ruzanski E,Chandrasekar V,Wang Y.The CASA nowcasting system.JAtmosOceanicTechnol,2011,28:640-655.

[125] Li L W,Schmid W,Joss J.Nowcasting of motion and growth of precipitation with radar over a complex orography.JApplMeteor,1995,34:1286-1299.

[126] Laroche S,Zawadzki I.A variational analysis method for retrieval of three-dimensional wind field from single-Doppler radar data.JAtmosSci,1994,51:2664-2682.

[127] Wang G,Wong W,Liu L,et al.Application of multi-scale tracking radar echoes scheme in quantitative precipitation nowcasting.AdvAtmosSci,2013,30(2):448-460.

[128] Wilson J W,Crook N A,Mueller C K,et al.Nowcasting thunderstorms:A status report.BullAmerMeteorSoc,1998,79:2079-2099.

[129] Radhakrishna B,Zawadzki I,Fabry F.Predictability of precipitation from continental radar images.Part V:Growth and decay.JAtmosSci,2012,69(11):3336-3349.

[130] Surcel M,Zawadzki I,Yau M K.A study on the scale dependence of the predictability of precipitation patterns.JAtmosSci,2015,72:216-235.

[131] Wolfson M M,Clark D A.Advanced aviation weather forecasts.LincolnLabJ,2006,16(1):31-58.

[132] Stensrud D J,Wicker L J,Kelleher K E,et al.Convective-scale warn-on-forecast system:A vision for 2020.BullAmerMeteorSoc,2009,90(10):1487-1499.

[133] Migliorini S,Dixon M,Bannister R,et al.Ensemble prediction for nowcasting with a convection-permitting model-I:Description of the system and the impact of radar-derived surface precipitation rates.TellusA,2011,63(3):468-496.

[134] Weisman M L,Skamarock W C,Klemp J B.The resolution dependence of explicitly modeled convective systems.MonWeaRev,1997,125:527-548.

[135] 李澤椿,畢寶貴,金榮花,等.近10年中國現(xiàn)代天氣預(yù)報(bào)的發(fā)展與應(yīng)用.氣象學(xué)報(bào),2014,72(6):1069-1078．

[136] Golding B W.Nimrod:A system for generating automated very short range forecasts.MeteorAppl,1998,5(1):1-16.

[137] DuFran Z,Carpenter Jr R,Shaw B.Improved Precipitation Nowcasting Algorithm Using a High-resolution NWP Model and National Radar Mosaic.34th Conference on Radar Meteorology,2009.

[138] Wang G,Wong W,Hong Y,et al.Improvement of forecast skill for severe weather by merging radar-based extrapolation and storm-scale NWP corrected forecast.AtmosRes,2015,154:14-24.

[139] Kain J S,Xue M,Coniglio M C,et al.Assessing advances in the assimilation of radar data and other mesoscale observations within a collaborative forecasting-research environment.WeaForecasting,2010,25:1510-1521.

[140] Kain J S,Dembek S R,Weiss S J,et al.Extracting unique information from high-resolution forecast models:Monitoring selected fields and phenomena every time step.WeaForecasting,2010,25:1536-1542.

[141] 雷蕾,孫繼松,王國榮,等.基于中尺度數(shù)值模式快速循環(huán)系統(tǒng)的強(qiáng)對(duì)流天氣分類概率預(yù)報(bào)試驗(yàn).氣象學(xué)報(bào),2012,70(4):752-765.

[142] 張小玲,陶詩言,孫建華.基于“配料”的暴雨預(yù)報(bào).大氣科學(xué),2010,34(4):754-756.

[143] Taszarek M,Kolendowicz L.Sounding-derived parameters associated with tornado occurrence in Poland and universal tornadic index.AtmosRes,2013,134:186-197.

[144] 樊李苗,俞小鼎.中國短時(shí)強(qiáng)對(duì)流天氣的若干環(huán)境參數(shù)特征分析.高原氣象,2013,32(1):156-165.

[145] 李耀東,高守亭,劉健文.對(duì)流能量計(jì)算及強(qiáng)對(duì)流天氣落區(qū)預(yù)報(bào)技術(shù)研究.應(yīng)用氣象學(xué)報(bào),2004,15(1):10-20.

[146] Lakshmanan V,Crockett J,Sperow K,et al.Tuning auto nowcaster automatically.WeaForecasting,2012,27:1568-1579.

[147] Lin P,Chang P,Jou J,et al.Objective prediction of warm season afternoon thunderstorms in Northern Taiwan using a fuzzy logic approach.WeaForecasting,2012,27:1178-1197.

[148] Kuk B,Kim H,Ha J,et al.A fuzzy logic method for lightning prediction using thermodynamic and kinematic parameters from radio sounding observations in South Korea.WeaForecasting,2012,27(1):205-217.

[149] Bright D R,Weiss S J,Levit J J,et al.The Evolution of Multi-scale Ensemble Guidance in the Prediction of Convective and Severe Convective Storms at the Storm Prediction Center.Preprints,24th Conf Severe Local Storms,2008.

[150] Roebber P J.Visualizing multiple measures of forecast quality.WeaForecasting,2009,24(2):601-608.

[151] Casati B,Wilson L J,Stephenson D B,et al.Forecast verification:Current status and future directions.MeteorAppl,2008,15(1):3-18.

[152] Ebert E E,McBride J L.Verification of precipitation in weather systems:Determination of systematic errors.JHydrol,2000,239:179-202.

[153] Brown B.Verification Methods for Spatial Forecasts∥World Meteorological Organization Symposium on Nowcasting and Very Short Term Forecasting.Canada,2009.

[154] Ebert E E.Neighborhood verification:A strategy for rewarding close forecasts.WeaForecasting,2009,24(6):1498-1510.

[155] Hitchens N M,Brooks H E.Evaluation of the Storm Prediction Center’s day 1 convective outlooks.WeaForecasting,2012,27:1580-1585.

[156] Hitchens N M,Brooks H E,Kay M P.Objective limits on forecasting skill of rare events.WeaForecasting,2013,28:525-534.

[157] 田付友,鄭永光,張濤,等.短時(shí)強(qiáng)降水診斷物理量敏感性的點(diǎn)對(duì)面檢驗(yàn).應(yīng)用氣象學(xué)報(bào),2015,26(4):385-396.

[158] Davis C A,Brown B G,Bullock R,et al.The method for object-based diagnostic evaluation (MODE) applied to numerical forecasts from the 2005 NSSL/SPC Spring Program.WeaForecasting,2009,24(5):1252-1267.

[159] 戴建華,茅懋,邵玲玲,等.強(qiáng)對(duì)流天氣預(yù)報(bào)檢驗(yàn)新方法在上海的應(yīng)用嘗試.氣象科技進(jìn)展,2013,3(3):40-45.

Advances in Techniques of Monitoring, Forecasting and Warning of Severe Convective Weather

Zheng Yongguang Zhou Kanghui Sheng Jie Lin Yinjing Tian Fuyou Tang Wenyuan Lan Yu Zhu Wenjian

(NationalMeteorologicalCenter,Beijing100081)

Significant progresses are made in monitoring, analyses, forecasting and warning techniques of severe convective weather. Techniques of thunderstorm-intensity determination using lightning jump algorithm, convection initiation identification based on geostationary satellite data, convective weather identification based on dual polarization Doppler weather radar data are developed, comprehensively monitoring techniques of convective weather and systems based on multi-source data are applied in Central Meteorological Office of China. Mesovortices within bow echo systems closely related to damaging winds, trigger, developing and maintaining mechanisms of convective systems are better understood; statistical climatological characteristics of different types of severe convective weather and their environmental conditions, the mesoscale weather analysis specification and corresponding operational website products are providing necessary foundations and technical supports for operational forecasting of severe convective weather in China. Optical flow method, multi-scale tracking technique, and comprehensive nowcasting techniques using fuzzy logic method based on climatology, topography, and multi-source data are advanced; weighted-average method and ARMOR (Adjustment of Rain from Models with Radar data) blending short-term forecasting techniques are widely applied; convection-allowing high resolution NWP (ensemble) forecasts and their post-processing products are getting tested in forecasting testbed; short-range forecasting techniques of different types of severe convective weather using fuzzy logic method based on NWP (ensemble) forecasts are providing supports for the operational forecasting. Comprehensively monitoring and multi-scale self-adaptive nowcasting techniques based on multi-source data, improved techniques of convective weather analyses, development of multi-scale analysis technique and combination technique between weighted-average and ARMOR blending short-term forecasting, and improved techniques of (probabilistic) forecasting different types of convective weather with different intensities or extreme using fuzzy logic method based on convection-allowing NWP forecasts should mainly be developed for convective weather forecasting and warning in the future.

severe convective weather; monitoring; convection-allowing NWP; probability

國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(2013CB430106)，國家自然科學(xué)基金項(xiàng)目(41375051)，公益性行業(yè)(氣象)科研專項(xiàng)(GYHY201406002)

10.11898/1001-7313.20150601

2015-08-11收到， 2015-09-06收到再改稿。

* email: zhengyg@cma.gov.cn

鄭永光,周康輝,盛杰,等. 強(qiáng)對(duì)流天氣監(jiān)測(cè)預(yù)報(bào)預(yù)警技術(shù)進(jìn)展. 應(yīng)用氣象學(xué)報(bào)，2015，26(6)：641-657.