柳志慧，王式功，尚可政*，孔德兵，2，趙文婧，王　昀

（1.蘭州大學(xué)大氣科學(xué)學(xué)院，甘肅省干旱與減災(zāi)重點實驗室，甘肅　蘭州730000；2.中國人民解放軍95606部隊氣象臺，重慶　402361）

?

天山南麓雷暴日短期預(yù)報研究

柳志慧1，王式功1，尚可政1*，孔德兵1，2，趙文婧1，王昀1

（1.蘭州大學(xué)大氣科學(xué)學(xué)院，甘肅省干旱與減災(zāi)重點實驗室，甘肅蘭州730000；2.中國人民解放軍95606部隊氣象臺，重慶402361）

摘要：利用阿克蘇及鄰近地區(qū)12個氣象站1980—2013年雷暴資料，以及同期高空資料，統(tǒng)計了各站年均雷暴日數(shù)，對發(fā)生區(qū)域雷暴天氣的環(huán)流形勢進行分類，歸納出各型的入型指標(biāo)。通過逐步回歸法，建立阿克蘇及鄰近地區(qū)區(qū)域雷暴概率回歸預(yù)報模型，并對2013年進行試預(yù)報。結(jié)果表明：（1）阿克蘇及鄰近地區(qū)區(qū)域雷暴的影響系統(tǒng)主要分為4類：巴湖低槽型、急流型、西北氣流型和溫度槽型。（2）對2002—2012年5—9月（共1683d）歷史資料進行判別，滿足入型條件的樣本數(shù)為876d，消空率為48%；對2013年5—9月（共153d）歷史資料進行判別，入型樣本數(shù)為80d，消空率為48%。（3）對2002—2012年5—9月所有入型樣本進行回代檢驗，平均準(zhǔn)確率為72.0%（平均TS評分為30.1%）；對2013年5—9月所有入型樣本進行試預(yù)報，平均準(zhǔn)確率為63.2%（平均TS評分為28.2%）。

關(guān)鍵詞：雷暴；環(huán)流分型；逐步回歸方程；回代檢驗；試預(yù)報

柳志慧，王式功，尚可政，等.天山南麓雷暴日短期預(yù)報研究[J].沙漠與綠洲氣象，2016，10（2）：43-49.

新疆阿克蘇地區(qū)是著名的優(yōu)質(zhì)商品棉和名優(yōu)瓜果生產(chǎn)基地之一，雷暴天氣經(jīng)常給當(dāng)?shù)氐霓r(nóng)業(yè)生產(chǎn)帶來嚴(yán)重的經(jīng)濟損失[1-2]。如2005年7月15日，阿克蘇及鄰近地區(qū)出現(xiàn)了較強的冰雹和暴雨對流性天氣。此次降雹使棉花、玉米、瓜菜等遭受嚴(yán)重?fù)p失，受災(zāi)面積達(dá)到2245 hm2，經(jīng)濟損失計2359.16萬元。阿克蘇地區(qū)地處天山山脈中段南麓、塔里木盆地北緣，冷空氣經(jīng)常從伊犁河谷翻越天山到達(dá)阿克蘇地區(qū)上空，快速形成上冷下暖的不穩(wěn)定層結(jié)，進而產(chǎn)生雷暴天氣。這與我國其它地區(qū)雷暴產(chǎn)生的天氣背景明顯不同，值得深入研究。

雷暴生命史短、空間尺度小、局地性強，一直是天氣預(yù)報的難點[3-6]。目前，雷暴的短期預(yù)報方法主要有物理量指標(biāo)判別法、統(tǒng)計預(yù)報法、天氣學(xué)法和數(shù)值預(yù)報法等，國內(nèi)外學(xué)者對此做了一定的研究[7-15]。物理量指標(biāo)判別法方面，李耀東等[16-17]選取對流有效位能（CAPE）、氣團指數(shù)（K）、沙氏指數(shù)（SI）以及能量螺旋度指數(shù)（EHI）等對流參數(shù)，采用多指標(biāo)疊加法對雷暴落區(qū)進行預(yù)報。郝瑩等[18]通過多指標(biāo)疊加法對安徽省的雷暴天氣進行了預(yù)報。統(tǒng)計預(yù)報法方面，Maglars和La Penta[19]曾選取能較好反映大氣狀態(tài)的參數(shù)作為預(yù)報因子，采用統(tǒng)計相關(guān)和回歸建模，進行了雷暴預(yù)報。Ravi等[20]利用多元回歸法和圖解法進行雷暴預(yù)報試驗，結(jié)果表明，多元回歸法優(yōu)于圖解法。郭睿君[21]通過對伊寧機場天氣資料及其組合的計算，尋找出一些與產(chǎn)生雷暴關(guān)系較為密切的因子，利用統(tǒng)計預(yù)報中多因子綜合相關(guān)法建立了伊寧機場雷暴的預(yù)報方程。柴瑞等[22]采用3種不同的方法（逐步選擇法、逐步回歸法和相關(guān)分析法）對南京地區(qū)2006—2008年6—8月的552個對流參數(shù)樣本進行因子篩選，再利用Bayes判別分析、Logistic回歸判別和神經(jīng)網(wǎng)絡(luò)對南京地區(qū)雷暴進行預(yù)報，得出在當(dāng)?shù)乩妆╊A(yù)報中，Logistic回歸判別法優(yōu)于其他兩種方法。楊仲江和唐小峰[23]利用上海地區(qū)1999—2007年的探空資料，選取K、SI和CAPE作為預(yù)報因子，采用逐步消空法對上海地區(qū)的雷暴進行預(yù)報研究。劉哀釗[24]等通過對2006年6—9月西昌大量對流參數(shù)進行計算，采用事件概率回歸法，得到雷暴預(yù)報方程，對2007年進行預(yù)報。天氣學(xué)法方面，張星辰等[25]研究了河西走廊東部強雷暴天氣發(fā)生的4種環(huán)流背景：蒙古低槽南壓型、哈密小槽東移型、新疆脊前西北氣流型和新疆冷槽分裂東移型。王旭等[26]對新疆冰雹天氣過程進行分析，歸納出4種地面天氣形勢：中尺度高壓、鋒面氣旋南部東移的中尺度高壓、強冷鋒前部分裂出的中尺度高壓和南疆西部中尺度高壓。李海燕[27]等分析總結(jié)了巴州地區(qū)易產(chǎn)生強對流天氣的影響系統(tǒng)，得出西西伯利亞冷渦型和西北氣流下的冷槽后部型是巴州地區(qū)強對流天氣的主要影響系統(tǒng)。張振憲[28-29]對南疆阿克蘇和庫沙新地區(qū)雷暴的影響系統(tǒng)做了研究，得出巴爾喀什湖低渦型、中亞低糟型、南北槽匯合型、西西伯利亞—中亞大糟型和鋒區(qū)短波糟型是當(dāng)?shù)乩妆┨鞖獾闹饕绊懴到y(tǒng)。數(shù)值預(yù)報法方面，孔玉壽和沈家宜[30]采用數(shù)值模式預(yù)報（M）、天氣學(xué)經(jīng)驗預(yù)報（E）、診斷分析（D）綜合分析的方法，建立起南京地區(qū)雷暴MED預(yù)報模型。曹志國等[31]應(yīng)用“指標(biāo)序列”法對數(shù)值預(yù)報產(chǎn)品進行釋用，確定出雷暴預(yù)報方程，并配合單站氣象要素組成機場航站雷暴預(yù)報規(guī)則，做出雷暴預(yù)報。

綜上所述，以往雷暴短期預(yù)報研究方法多采用統(tǒng)計預(yù)報法，選取與雷暴發(fā)生相關(guān)性較高的對流參數(shù)作為預(yù)報因子，利用多元線性回歸法、判別分析法等建立預(yù)報方程，而對雷暴天氣形勢劃分的研究較少，且只給出了雷暴發(fā)生前的天氣形勢的定性描述，沒有給出雷暴發(fā)生時的天氣形勢及定量判別指標(biāo)。因此，本文擬從天氣分型入手，利用數(shù)值預(yù)報產(chǎn)品釋用技術(shù)，對阿克蘇地區(qū)雷暴環(huán)流形勢進行分類，歸納出雷暴天氣型的入型指標(biāo)，在此基礎(chǔ)上結(jié)合物理量診斷，研究阿克蘇地區(qū)雷暴預(yù)報方法。

1　資料和方法

1.1資料

本文所使用的資料為：（1）阿克蘇及鄰近地區(qū)（39°～44°N，78°～87°E）1980—2013年12個地面站點的雷暴實況觀測資料；（2）2002—2013年5—9月NCEP/NCAR 2.5°×2.5°再分析資料；（3）2002—2013 年5—9月NCEP/NCAR 1°×1°再分析資料計算得出的物理量。

1.2方法

（1）單站雷暴日定義

規(guī)定同一測站一日內(nèi)任意時段發(fā)生雷暴、冰雹天氣確定為此站點的一個雷暴日。

（2）區(qū)域雷暴日定義

規(guī)定阿克蘇及鄰近地區(qū)一日內(nèi)有3個測站以上發(fā)生雷暴、冰雹天氣稱為一個區(qū)域雷暴日。

（3）天氣分型及入型指標(biāo)的確定

總結(jié)阿克蘇及鄰近地區(qū)2002—2012年的所有區(qū)域雷暴個例，從中歸納出區(qū)域雷暴的主要天氣型及入型指標(biāo)。

（4）雷暴概率回歸預(yù)報模型

利用2002—2012年5—9月所有入型樣本及當(dāng)日預(yù)報因子，通過逐步回歸方法，建立阿克蘇及鄰近地區(qū)區(qū)域雷暴24 h概率回歸預(yù)報模型。

（5）預(yù)報效果檢驗標(biāo)準(zhǔn)

預(yù)報準(zhǔn)確率：

（1）、（2）式中各項意義見表1。

表1　NA、NB、NC和ND的意義

利用TS評分最大原則，確定區(qū)域雷暴發(fā)生的臨界值。對2002—2012年5—9月所有入型樣本進行回代檢驗，對2013年5—9月所有入型樣本進行試預(yù)報。

2　阿克蘇及鄰近地區(qū)雷暴的年內(nèi)分布特征

表2統(tǒng)計了1980—2013年阿克蘇及鄰近地區(qū)12個觀測站的年內(nèi)各月平均雷暴日數(shù)，年均雷暴日數(shù)最多的站為阿合奇，為40.1 d，年均雷暴日數(shù)最少的站為焉耆，只有6.2 d。根據(jù)區(qū)域雷暴日的定義,區(qū)域雷暴集中發(fā)生在5—9月，下面天氣分型主要針對這些月份。

3　雷暴天氣分型及入型指標(biāo)的確定

對阿克蘇及鄰近地區(qū)2002—2012年5—9月的170例區(qū)域雷暴當(dāng)日天氣形勢進行分析、歸類，劃分出了4種類型：巴爾喀什湖（簡稱巴湖）低槽型、急流型、西北氣流型和溫度槽型。

3.1環(huán)流特征

巴湖低槽型：天氣型特征（圖1a）為500 hPa中低緯度多為經(jīng)向環(huán)流，烏拉爾山附近為穩(wěn)定的高壓脊，巴湖附近為低槽區(qū)。該型占35.3%（表3）。

表2　阿克蘇及鄰近地區(qū)各月雷暴日數(shù)

急流型：天氣型特征（圖1b）為500 hPa上在35°～50°N，60°～90°E范圍內(nèi)有等壓線密集帶，伴有較大風(fēng)速。該型占30.0%（表3）。

西北氣流型：天氣型特征（圖1c）為500 hPa上阿克蘇及鄰近地區(qū)處于槽后西北氣流中，溫度槽落后于高度槽。該型占22.3%（表3）。

溫度槽型：天氣型特征（圖1d）為500 hPa上巴湖附近有明顯的冷中心或冷槽，隨著系統(tǒng)東移，冷空氣越過天山山脈，到達(dá)阿克蘇及鄰近地區(qū)的上空，造成雷暴天氣。該型占10.0%（表3）。

表3　2002—2012年各天氣型下發(fā)生區(qū)域雷暴次數(shù)統(tǒng)計

3.2入型標(biāo)準(zhǔn)的定量化

（1）巴湖低槽型：分為豎槽和橫槽兩種情況，分別定義其槽強度指數(shù)為trough1和trough2。

其中：a為45°～70°E每隔5°共6條經(jīng)線上35°～45°N位勢高度場和的最大值，b為87.5°～92.5°E每隔2.5°共3條經(jīng)線上35°～45°N位勢高度場的和的最大值，c為75°E上35°～45°N位勢高度場的和。

其中：d為40°N上60°～90°E位勢高度場的和，e為50°N上60°～90°E位勢高度場的和，f為45°N 上60°～90°E位勢高度場的和。

圖1　500 hPa高度場（實線）和溫度場（虛線）

定義巴湖低槽指數(shù)trough為trough1和trough2中的最大值，用于確定巴湖附近出現(xiàn)的槽的類型和強度，當(dāng)trough≥f0時，則認(rèn)為有低槽出現(xiàn)，閾值的確定需要通過不斷修訂f0的值，使得能夠識別出明顯的低槽。最終確定入型指標(biāo)為：trough≥f0，f0=80。

（2）急流型：由于急流帶較窄，本文根據(jù)阿克蘇及鄰近地區(qū)的地理位置，選定兩個關(guān)鍵區(qū)域（40°～50°N，60°～90°E和35°～45°N，60°～90°E）判定其有無急流，急流指數(shù)分別為stream1和stream2，并利用45°N上60°～90°E的最大風(fēng)速Umax做一個補漏的判定。

其中：a為40°N緯線上60°～90°E位勢高度場的和，b為50°N上60°～90°E位勢高度場的和，c為35°N上60°～90°E位勢高度場的和，d為45°N上60°～90°E位勢高度場的和。

定義急流指數(shù)stream為stream1和stream2中的最大值，用于判定急流出現(xiàn)的緯度帶和強度，當(dāng)stream≥f1時，認(rèn)為有急流出現(xiàn)，當(dāng)stream不滿足條件時，需進一步判定是否存在Umax≥f2，若滿足條件也判定為急流型。閾值的確定需要通過不斷修訂f1和f2的值，直到能夠識別出明顯的急流。最終確定入型指標(biāo)為：stream≥f1，f1=160，或Umax≥f2，f2=20。

（3）西北氣流型：定義西北氣流指數(shù)airflow為中亞地區(qū)（45°～70°E）每隔5°經(jīng)線上的位勢高度的最大值與90°E上的位勢高度的差，若西高東低，即阿克蘇及鄰近地區(qū)處于西北氣流中，則airflow為正值。

其中：a為45°～70°E每隔5°共6條經(jīng)線上35° ～45°N位勢高度和的最大值，記錄此最大值所在經(jīng)度y，b為90°E上35°～45°N位勢高度的和。

當(dāng)airflow≥f3時，可以認(rèn)為阿克蘇及鄰近地區(qū)處于西北氣流中。閾值的確定需要通過不斷修訂f3的值，使得能夠識別出明顯的西北氣流。最終確定入型指標(biāo)為：airflow≥f3，f3=70。

（4）溫度槽型：溫度槽相對于高度槽而言，范圍較小，位置多變，本文考慮了溫度槽的4種情況：溫度豎槽1（40°～45°N，65°～85°E），溫度豎槽2（40°～45°N，70°～90°E），溫度橫槽（40°～50°N，65°～85°E），溫度斜槽（40°～50°N，70°～85°E），分別定義其槽強度指數(shù)為t1，t2，t3，t4。

其中：a為65°E上40°～45°N位勢高度場的和，b為85°E上40°～45°N位勢高度場的和，c為75°E 上40°～45°N位勢高度場的和。

其中：d為70°E上40°～45°N位勢高度場的和，e為90°E上40°～45°N位勢高度場的和，f為80°E上40°～45°N位勢高度場的和。

定義溫度橫槽指數(shù)t3為40°～50°N，每隔2.5°的相鄰兩條緯線上65°～85°E位勢高度的和的差值的最大值。

其中：g為50°N，70°E上的位勢高度的值，h為40°N，85°E上的位勢高度的值，l為45°N，77.5°E上的位勢高度的值。

定義溫度槽指數(shù)t為t1，t2，t3和t4中的最大值，用于確定溫度槽的類型和強度，當(dāng)t≥f4時，可以認(rèn)為有溫度槽出現(xiàn)。閾值的確定需要通過不斷修訂f4的值，直到能夠識別出明顯的溫度槽。最終確定入型指標(biāo)為：t≥f4，f4=1.5。

3.3天氣型判別效果檢驗

用上述入型指標(biāo)對2002—2012年5—9月（共1683 d）的歷史資料進行判別，結(jié)果（表4）表明，滿足入型條件的樣本數(shù)為876 d，消空率為48%，其中漏報4d，漏報率為2.4%。天氣分型大大縮減了預(yù)報樣本數(shù)，有效提高了預(yù)報針對性。

表4　2002—2012年天氣型判別結(jié)果

對2013年5—9月（共153 d）歷史資料進行判別，結(jié)果見表5。入型樣本數(shù)為80 d，消空率為48%，15 d實際有區(qū)域雷暴發(fā)生的樣本全部入型，無漏報。

表5　2013年天氣型判別結(jié)果

4　雷暴概率回歸預(yù)報模型

4.1預(yù)報因子的選取

本文選取了2002—2012年5—9月NCEP/ NCAR 1°×1°再分析資料計算得出的36個對流參數(shù)，如下：

（1）水汽因子：整層可降水量PW AT、850 hPa、700 hPa、500 hPa比濕，相對濕度，溫度露點差，水汽通量和露點：Q850、Q700、Q500、RH850、RH700、RH500、TDD850、TDD700、TDD500、VAPFLUXDIV850、VAPFLUXDIV700、VAPFLUXDIV500、TD850、TD700、TD500共16個因子。

（2）不穩(wěn)定度因子：TD指數(shù)，總指數(shù)TOAT，氣團指數(shù)K，最優(yōu)抬升指數(shù)BLI，沙氏指數(shù)SI，0°層高度Z0、-20°層高度Z20，850 hPa、700 hPa、500 hPa假相當(dāng)位溫：SITASE850、SITASE700、SITASE500，共10個因子。

（3）動力因子：0～6 km風(fēng)切變SHR6、0～3 km風(fēng)切變SHR3、大風(fēng)指數(shù)W INDEX、地面氣壓PS共4個因子。

（4）不穩(wěn)定能量因子：最優(yōu)對流有效位能BCAPE、對流抑制能量CIN、下沉有效位能DCAPE 共3個因子。

（5）溫度平流因子：500 hPa、700 hPa、850 hPa溫度平流TMPADV500、TMPADV700、TMPADV850，共3個因子。

采用相關(guān)系數(shù)臨界值rc來判別各對流參數(shù)與發(fā)生區(qū)域雷暴的單相關(guān)系數(shù)是否通過顯著性檢驗。其計算公式為：

其中：tα表示顯著水平α=0.05的臨界值，n表示樣本數(shù)，n-2表示自由度，如果計算的相關(guān)系數(shù)r>rc，則通過顯著性t檢驗。

通過上式求得的4類天氣型下臨界相關(guān)系數(shù)值rc分別為0.1131、0.1249、0.1378、0.1757。結(jié)合敏感物理量不可重復(fù)的原則，對不同天氣型分別篩選出相關(guān)系數(shù)通過顯著性檢驗的對流參數(shù)（表6）。

表6　各天氣型下的對流參數(shù)

表6說明，BLI、K、SI、TOAT以及BCAPE等與區(qū)域雷暴的相關(guān)性較好，對雷暴（冰雹）有較好的指示意義，且不同天氣型下指示意義較好的對流參數(shù)有所差異。

4.2概率回歸預(yù)報模型的建立

首先，對符合區(qū)域雷暴天氣形勢當(dāng)日的實況進行（0，1）化處理，0為無區(qū)域雷暴發(fā)生，1為有區(qū)域雷暴發(fā)生。然后利用各天氣型下通過顯著性檢驗的區(qū)域雷暴發(fā)生當(dāng)日的對流參數(shù)，采用逐步回歸方法，建立預(yù)報方程，最后按TS評分最高原則確定方程的臨界值，做出有無區(qū)域雷暴的預(yù)報。

利用回歸方程求出回歸估計值Y*，Y*即為雷暴發(fā)生的概率，找出建模樣本中Y*的最大值Ymax和最小值Ymin，然后從Ymin開始取一個較小的步長ΔY，從Ymin到Y(jié)max以ΔY為步長變化時，第n步假設(shè)臨界概率值為Yopt=Ymin+（n-1）ΔY。求出每一步對應(yīng)的TS評分，將TS評分最大的假設(shè)臨界概率值作為回歸方程的閾值，也就是預(yù)報區(qū)域雷暴是否發(fā)生的臨界值。本文將這一步長取為0.01。表7給出了利用逐步回歸方程求得TS評分最高的結(jié)果及其對應(yīng)的閾值。

表7　逐步回歸方程、引入因子、閾值和TS評分

4.3回代檢驗與試預(yù)報

對2002—2012年5—9月所有入型樣本進行回代檢驗，在天氣分型過程中，2002—2012年5—9月共1683 d，入型876 d，其中巴湖低槽型301 d，急流型247 d，西北氣流型203 d，溫度槽型125 d，其余807 d均預(yù)報不發(fā)生區(qū)域雷暴?；卮鷻z驗效果（表8）表明，平均準(zhǔn)確率為72.0%，最高可達(dá)78.1%，平均TS評分為30.1%，最高可達(dá)35.3%。

表8　2002—2012年入型樣本回代檢驗結(jié)果

對2013年5—9月所有入型樣本進行試預(yù)報，在天氣分型過程中，5—9月共153 d，入型80 d，其中巴湖低槽型13 d，急流型31 d，西北氣流型26 d，溫度槽型10 d，其余67 d均預(yù)報不發(fā)生區(qū)域雷暴。試預(yù)報效果（表9）表明，平均準(zhǔn)確率為63.2%，最高可達(dá)74.2%，平均TS評分為28.2%，最高可達(dá)33.3%。

表9　2013年入型樣本試預(yù)報結(jié)果

5　結(jié)論

本文利用新疆阿克蘇及鄰近地區(qū)12個氣象站1980—2013年雷暴資料，統(tǒng)計各站雷暴日數(shù)，對發(fā)生區(qū)域雷暴的環(huán)流形勢進行分類，并確定入型指標(biāo)。在此基礎(chǔ)上，選取相關(guān)性較好且物理意義明確的對流指標(biāo)作為預(yù)報因子，利用2002—2012年5—9月所有入型樣本及區(qū)域雷暴發(fā)生當(dāng)日的預(yù)報因子，通過逐步回歸方法，建立阿克蘇及鄰近地區(qū)區(qū)域雷暴概率回歸預(yù)報模型，并對2013年進行試預(yù)報。主要研究結(jié)果：

（1）新疆阿克蘇及鄰近地區(qū)區(qū)域雷暴產(chǎn)生的主要天氣系統(tǒng)可分為4種類型：巴湖低槽型、急流型、西北氣流型和溫度槽型，這與全國歸納出的雷暴4種主要天氣形勢[33-35]：低渦型，低槽型，西北氣流型和低層西南氣流型有所不同，這可能與阿克蘇地區(qū)所處的特殊地理位置有關(guān)。

（2）阿克蘇及鄰近地區(qū)4種雷暴天氣型入型指標(biāo)分別為：巴湖低槽指數(shù)trough≥f0（f0=80）；急流指數(shù)stream≥f1（f1=160），當(dāng)stream不滿足條件時，檢驗最大風(fēng)速Umax≥f2（f2=20）；西北氣流指數(shù)airflow≥f3（f3=70）；溫度槽指數(shù)t≥f4（f4=1.5）。

（3）利用上述天氣型入型指標(biāo)，對2002—2012 年5—9月（共1683 d）歷史資料進行判別，滿足天氣型的樣本數(shù)為876 d，消空率為48%，漏報4 d，漏報率為2.4%；對2013年5—9月（共153 d）進行判別，滿足天氣型的樣本數(shù)為80 d，消空率也為48%，無漏報。

（4）利用阿克蘇及鄰近地區(qū)區(qū)域雷暴概率回歸預(yù)報模型，對2002—2012年5—9月所有入型樣本進行回代檢驗，平均準(zhǔn)確率為72.0%（平均TS評分為30.1%）；對2013年5—9月進行試預(yù)報，平均準(zhǔn)確率為63.2%（平均TS評分為28.2%）。以上結(jié)果表明本文所述的雷暴預(yù)報方法可應(yīng)用于實際業(yè)務(wù)。

參考文獻：

[1]張山清，普宗朝，李景林，等.氣候變暖背景下南疆棉花種植區(qū)劃的變化[J].中國農(nóng)業(yè)氣象，2015，36（2）：1-11.

[2]普宗朝，張山清，李景林，等.氣候變化對新疆哈密瓜種植氣候區(qū)劃的影響[J].氣候變化研究發(fā)展，2015，11（2）：115-122.

[3]金永利，張薔.北京地區(qū)一次降雹過程和冰雹微物理特征[J].氣象，2002，28（1）：18-25.

[4]朱乾根，林錦瑞，壽紹文，等.天氣學(xué)原理和方法[M].北京:氣象出版社，2007：401-462.

[5]秦賀，陳春艷，霍文，等.1999—2008年新疆雷暴活動特征分析[J].沙漠與綠洲氣象，2013，7（6）：63-67.

[6]李圓圓，支竣，張超.2013年6月喀什地區(qū)一次強冰雹天氣的成因分析[J].沙漠與綠洲氣象，2014，8（2）：19-26.

[7]惠富梅，肖剛，杜麗紅.漯河市夏季雷暴預(yù)報方法[J].河南氣象，2000，3（2）：20-21.

[8]齊琳琳，劉玉玲，趙思雄.一次強雷雨過程中對流參數(shù)對潛勢預(yù)測影響的分析[J].大氣科學(xué)，2005，29（4）：536-548.

[9]鄭棟，張義軍，呂偉濤，等.大氣不穩(wěn)定度參數(shù)與閃電活動的預(yù)報[J].高原氣象，2005，24（2）：196-203.

[10]梁愛民，張慶紅，申紅喜，等.北京地區(qū)雷暴大風(fēng)預(yù)報研究[J].氣象，2006，32（11）：73-80.

[11]李艷，王振會，徐文，等.非線性探空因子的雷暴分級潛勢預(yù)報[J].安徽農(nóng)業(yè)科學(xué)，2010，38（23）：876-879.

[12]王伏村，付雙喜，張德玉，等.一次雷暴大風(fēng)引發(fā)的強沙塵暴天氣的中尺度系統(tǒng)分析[J].干旱氣象，2014，32（6）：954-961.

[13]孫翠梅，沈興建，錢鵬，等.鎮(zhèn)江雷暴氣候特征及天氣學(xué)預(yù)報方法分析[J].氣象與環(huán)境科學(xué)，2014，37（3）：8-13.

[14]王潔，楊洋，曹繼軍，等.一次強雷暴天氣與大氣環(huán)境場的關(guān)系分析[J].干旱氣象，2014，32（1）：70-74.

[15]秦春明，尚可政，王式功，等.遼寧葫蘆島地區(qū)1—10 d雷暴天氣預(yù)報方法[J].干旱氣象，2012，30（2）：192-201.

[16]李耀東，劉健文，高守亭.動力和能量參數(shù)在強對流天氣預(yù)報中的應(yīng)用研究[J].氣象學(xué)報，2004，62（4）：401-409.

[17]李耀東，高守亭，劉建文.對流能量計算及強對流天氣落區(qū)預(yù)報技術(shù)研究[J].應(yīng)用氣象學(xué)報，2004，15（1）：11-20.

[18]郝瑩，姚葉青，陳炎，等.基于對流參數(shù)的雷暴潛勢預(yù)報研究[J].氣象科技，2008，36（2）：150-154.

[19] Maglaras G J,La Penta K D.Developmentofa Forecast Equation to Predictthe Severity ofThunderstorm Events in New York States [J].National W eather Digest，1997 （6）：3-9.

[20] RaviN,Mohanty U C,Madan O P,etal.Forecasting of Thunderstorms in the Pre-Monsoon Season at Delhi[J]. Meteor.Appl，1999（6）：29-38.

[21]郭睿君.伊寧機場雷暴的統(tǒng)計預(yù)報方案[J].新疆氣象，2000，23（3）：9-10.

[22]柴瑞，王振會，張其林，等.基于對流參數(shù)的雷暴潛勢預(yù)報方法對比分析[J].安徽農(nóng)業(yè)科學(xué)，2009，37（8）：3638-3640.

[23]楊仲江，唐小峰.逐步消空法在上海雷電潛勢預(yù)報中的應(yīng)用[J].氣象科學(xué)，2009，29（6）：810-814.

[24]劉哀釗，卓偉，裴軍林.基于對流參數(shù)的雷暴預(yù)報方法研究[J].高原山地氣象研究，2010，30（2）：22-40.

[25]張星辰，陳雷，把多輝，等.河西走廊東部強雷暴天氣分析與預(yù)報[J].氣象科技，2003，31（5）：280-283.

[26]王旭，馬禹.新疆冰雹天氣過程的基本特征[J].新疆氣象，2002，25（1）：10-14.

[27]李海燕，李桂青，趙威.巴州北部農(nóng)區(qū)強對流天氣預(yù)報預(yù)警方法初探[J].沙漠與綠洲氣象，2010，4（5）：16-19.

[28]張振憲.阿克蘇地區(qū)造成強冰雹的影響系統(tǒng)分析[J].新疆氣象，1992，15（3）：11-15.

[29]張振憲.庫沙新地區(qū)重大天氣過程影響系統(tǒng)分析[J].新疆氣象，1996，19（3）：1-14.

[30]孔玉壽,沈家宜.用MED方法作南京地區(qū)五月份雷暴的短期預(yù)報[J].氣象科學(xué)，1986，1（1）：76-80.

[31]曹志國，劉祥，曹京.機場雷暴預(yù)報的數(shù)值預(yù)報產(chǎn)品釋用方法[J].廣西氣象，2005，26（9）：100-102.

[32]楊仲江，唐曉峰.逐步消空法在上海雷電潛勢預(yù)報中的應(yīng)用[J].氣象科學(xué)，2009，29（6）：810-814.

[33]壽紹文，勵申申，王善華，等.天氣學(xué)分析[M].北京:氣象出版社，2006：149-153.

[34]郭玉鳳.巴彥淖爾市冰雹預(yù)報方法應(yīng)用研究[D].北京:中國農(nóng)業(yè)科學(xué)院研究生院，2009.

[35]鄭媛媛，姚晨，郝瑩，等.不同類型大尺度環(huán)流背景下強對流天氣的短時臨近預(yù)報預(yù)警研究[J].氣象，2011，37 （7）：79-80.

Studyon Thunderstorm Short-term Forecastin the Southern of Tianshan M ountains

LIU Zhihui1，W ANG Shigong1，SHANG Kezheng1，KONG Debing1，2，ZHAO W enjing1，W ANG Yun1
（1.CollegeofAtmospheric SciencesofLanzhou University，Key LaboratoryofDroughtand Disaster Mitigation in Gansu Province，Lanzhou 730000,China；2.MeteorologicalStation of95606 Unitofthe PLA.Chongqing402361，China）

AbstractBased on the thunderstorm observation and sounding data from 12 meteorological stationsin the Aksu and surroundingareasduring1980-2013,wedefined theregionalthunderstorm asthe day there ismorethan three stationswith thunderstorm weather.Finally the weathersituation was mainly divided into 4 types:The Balkhash Lake low trough type,the jettype,the northwest airflow type and the temperature trough type.By constantly revise the criticalvalue ofthe type indicator to achieve optimal results,and the type indicators are determined by the indicator of Balkhash Lakelow trough typeistrough≥f0（f0=80）,thejettype isstream≥f1（f1=160）orUmax≥f2（f2=20）,the northwestairflow type isairflow≥f3（f3=70）and the temperature trough type ist≥f4, （f4=1.5）.By thismethod and the data during2002-2012 from Mayto September,the resultshowed thatthenumberofsamplesmeeting the indicatoris876,empty elimination rate is48% .The result showed thatthe numberofsamples meeting the indicatoris80,empty elimination rate is 48% by using the data of2013 from May to September.The method of identification weather type has greatlyreduced thesamplenumberand effectivelyimproved theprediction.Backingto generation of testwith allsampleswereelected to 4 weathertypesfrom Mayto Septemberduring2002-2012,the average accuracy is72.0%（theaverage TS score was30.1%）；The forecastwith allsampleswere elected to 4 weathertypes from May to September in 2013,the average accuracy is 63.2%（the average TS scorewas28.2%）.

Key wordsthunderstorms；circulation classification；stepwise regression equation；back to the generation oftest；experimentforecast

中圖分類號：P457.9

文獻標(biāo)識碼：A

文章編號：1002-0799（2016）02-0043-07

doi：10.3969/j.issn.1002-0799.2016.02.007

收稿日期：2015-09-06；修回日期：2015-10-21

基金項目：國家公益性（氣象）行業(yè)專項項目（GYHY201306047，GYHY201206004）和蘭州大學(xué)中央高?；究蒲袠I(yè)務(wù)費專項（lzujbky-2013-m03）。

作者簡介：柳志慧（1989-），女，碩士研究生，研究方向為現(xiàn)代天氣預(yù)報技術(shù)和極端天氣氣候。E-mail：389865861@qq.com

通訊作者：尚可政（1960-），男，教授，主要從事干旱氣候和現(xiàn)代天氣預(yù)報技術(shù)和方法研究。E-mail：shangkz@lzu.edu.cn