鄭永光 田付友 周康輝 朱文劍

（國(guó)家氣象中心，中國(guó)氣象局，北京 100081）

0 引言

極端強(qiáng)對(duì)流大風(fēng)事件由于其突發(fā)性和預(yù)報(bào)難度大易于導(dǎo)致重大經(jīng)濟(jì)損失和人員傷亡，近年來(lái)其導(dǎo)致的災(zāi)害尤其突出，如2015年6月1日21：30左右強(qiáng)下?lián)舯┝鲗?dǎo)致的雷暴大風(fēng)使“東方之星”客輪翻沉四百多人遇難[1-2]、2016年6月23日14：00—15：00江蘇省鹽城市阜寧縣EF4級(jí)（最大陣風(fēng)風(fēng)速的下限值為74 m/s）龍卷造成98人死亡和800多人受傷[3-4]、2016年4月13日凌晨強(qiáng)颮線導(dǎo)致的雷暴大風(fēng)（現(xiàn)場(chǎng)調(diào)查估計(jì)地面大風(fēng)為11級(jí)）使廣東東莞龍門吊傾倒致18人遇難、2016年6月4日下午強(qiáng)颮線雷暴大風(fēng)使四川廣元白龍湖游船翻沉造成13人死亡和2人失蹤。2015年“東方之星”客輪翻沉事件是長(zhǎng)江航運(yùn)史上從未發(fā)生過(guò)的極端事件[1]。我國(guó)從未記錄到過(guò)EF5級(jí)龍卷，2016年阜寧EF4級(jí)龍卷事件是1950年以來(lái)我國(guó)第6個(gè)、江蘇省第2個(gè)EF4級(jí)龍卷[3, 5-6]。雖然雷暴大風(fēng)和龍卷的形成機(jī)理[7-9]顯著不同，但這些事件都具有很強(qiáng)的突發(fā)性，都是發(fā)生概率極低的極端天氣事件。

Fujita和Wakimoto[10]總結(jié)了強(qiáng)對(duì)流風(fēng)暴導(dǎo)致的3類災(zāi)害性大風(fēng)：龍卷大風(fēng)、直線大風(fēng)和下?lián)舯┝鞔箫L(fēng)。雷暴大風(fēng)指的是由強(qiáng)對(duì)流風(fēng)暴導(dǎo)致的非龍卷大風(fēng)。龍卷大風(fēng)通常是高度輻合的旋轉(zhuǎn)性風(fēng)場(chǎng)，其路徑一般相對(duì)比較狹窄；非輻散性直線大風(fēng)通常發(fā)生在前進(jìn)式陣風(fēng)鋒之后；而下?lián)舯┝鞔箫L(fēng)通常是具有明顯輻散特征直線或者曲線型大風(fēng)。

對(duì)2015年“東方之星”客輪翻沉事件和2016年阜寧EF4級(jí)龍卷事件的風(fēng)災(zāi)現(xiàn)場(chǎng)調(diào)查都表明，強(qiáng)風(fēng)災(zāi)害具有顯著的小尺度時(shí)空分布特征[1, 3]?，F(xiàn)場(chǎng)調(diào)查估計(jì)2015年“東方之星”客輪翻沉事件中地面最大風(fēng)速達(dá)12級(jí)以上（＞32.6 m/s），而該次事件自動(dòng)氣象站監(jiān)測(cè)到的最大瞬時(shí)風(fēng)速僅為16.4 m/s[1]；現(xiàn)場(chǎng)調(diào)查估計(jì)2016年阜寧EF4級(jí)龍卷其最大瞬時(shí)風(fēng)速下限值為74m/s，遠(yuǎn)大于自動(dòng)氣象站監(jiān)測(cè)到的最大瞬時(shí)風(fēng)速34.6m/s（12級(jí)）[3]。因此，目前我國(guó)雖然已經(jīng)布設(shè)完成了較為完備的氣象業(yè)務(wù)觀測(cè)體系，但仍然難以全面監(jiān)測(cè)該類極端強(qiáng)對(duì)流天氣，因此對(duì)地面大風(fēng)等災(zāi)害天氣的現(xiàn)場(chǎng)調(diào)查工作依然必不可少。

雖然我國(guó)強(qiáng)對(duì)流天氣國(guó)家級(jí)預(yù)報(bào)業(yè)務(wù)和各級(jí)氣象臺(tái)短時(shí)臨近預(yù)報(bào)業(yè)務(wù)起步晚于美國(guó)等國(guó)家，但目前我國(guó)已經(jīng)布設(shè)完成了覆蓋全國(guó)的新一代多普勒天氣雷達(dá)網(wǎng)、發(fā)射了多顆風(fēng)云2號(hào)業(yè)務(wù)和風(fēng)云4號(hào)試驗(yàn)地球靜止氣象衛(wèi)星、布設(shè)了較為完備的地面自動(dòng)氣象觀測(cè)站網(wǎng)等，也將在“十三五”期間對(duì)93部SA和10部CA新一代天氣雷達(dá)進(jìn)行雙偏振技術(shù)升級(jí)，并建設(shè)形成由282部雷達(dá)組成的全國(guó)風(fēng)廓線雷達(dá)業(yè)務(wù)網(wǎng)[11]。同時(shí)開(kāi)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)范和分析工具、分類客觀預(yù)報(bào)系統(tǒng)、災(zāi)害性天氣短時(shí)臨近預(yù)報(bào)系統(tǒng)（SWAN）和強(qiáng)對(duì)流天氣綜合業(yè)務(wù)支撐平臺(tái)等，并實(shí)時(shí)發(fā)布分類強(qiáng)對(duì)流天氣預(yù)報(bào)和預(yù)警產(chǎn)品[12-17]。但雷暴大風(fēng)和龍卷預(yù)報(bào)仍然是業(yè)務(wù)天氣預(yù)報(bào)的難點(diǎn)和重點(diǎn)之一，因此非常有必要綜合利用觀測(cè)和數(shù)值預(yù)報(bào)等多源資料，尤其新型觀測(cè)和高分辨率數(shù)值預(yù)報(bào)資料進(jìn)一步加強(qiáng)和提高該類天氣事件的預(yù)報(bào)預(yù)警能力。本文將首先總結(jié)雷暴大風(fēng)和龍卷機(jī)理及其短期預(yù)報(bào)技術(shù)，然后給出其監(jiān)測(cè)和短時(shí)臨近預(yù)報(bào)預(yù)警技術(shù)，再對(duì)該類天氣事件的災(zāi)害現(xiàn)場(chǎng)調(diào)查工作進(jìn)行簡(jiǎn)要總結(jié)，以期能夠?qū)υ擃愄鞖獾臉I(yè)務(wù)預(yù)報(bào)預(yù)警工作提供借鑒和參考。

1 雷暴大風(fēng)與龍卷的機(jī)理和短期預(yù)報(bào)

雷暴大風(fēng)與龍卷的短期預(yù)報(bào)是做好其短時(shí)臨近預(yù)警的重要基礎(chǔ)。絕大多數(shù)雷暴大風(fēng)是由對(duì)流風(fēng)暴內(nèi)強(qiáng)烈下沉氣流（下?lián)舯┝鳎┧鶎?dǎo)致[18]，只有極少數(shù)雷暴大風(fēng)是由對(duì)流風(fēng)暴的強(qiáng)烈入流氣流導(dǎo)致。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垂直減溫率的環(huán)境條件下易導(dǎo)致對(duì)流風(fēng)暴的強(qiáng)下沉氣流，這種環(huán)境條件下計(jì)算的下沉對(duì)流有效位能（DCAPE）通常都較大，比如2015年導(dǎo)致“東方之星”翻沉的下?lián)舯┝骶途哂忻黠@的對(duì)流層中層干層特征（溫度露點(diǎn)差最大達(dá)36℃）[9]；但是較高海拔地區(qū)的大氣低層存在干層時(shí)（T-logp圖上呈現(xiàn)倒V形的溫濕廓線分布）的對(duì)流風(fēng)暴也能夠?qū)е聫?qiáng)下沉氣流[17]，甚至?xí)a(chǎn)生干下?lián)舯┝?；在?duì)流層大氣都較濕的情況下，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┝鳎又畡?dòng)量交換作用，是強(qiáng)降水也時(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、較強(qiáng)的中層垂直風(fēng)切變和合適的濕球零度層高度，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；并且云中冰相粒子在下落過(guò)程中融化、升華吸收大量環(huán)境大氣熱量會(huì)非常有利于加強(qiáng)下沉氣流[19-20]，這些因素都是大冰雹天氣通常伴隨大風(fēng)天氣的重要原因。有研究認(rèn)為850 hPa與700 hPa之間較大的垂直減溫率更有利于雷暴大風(fēng)天氣[21]。根據(jù)這些環(huán)境條件，一些研究定義了不同的雷暴大風(fēng)指數(shù)或者下?lián)舯┝髦笖?shù)[22-27]。

從天氣形勢(shì)來(lái)看，我國(guó)的雷暴大風(fēng)天氣易發(fā)生在春季和夏初大氣斜壓性較強(qiáng)、溫度直減率較大的天氣背景下，比如春季西風(fēng)槽和冷鋒、春末夏初北方冷渦（尤其冷渦的西南象限）、水汽云圖上的暗區(qū)等背景下發(fā)展起來(lái)的強(qiáng)對(duì)流風(fēng)暴，如2006年4月28日山東（西風(fēng)槽和冷鋒影響）、2009年6月3日河南（冷渦影響）、2013年3月19日江南和華南（西風(fēng)槽和冷鋒影響）、2015年6月1日“東方之星”客輪翻沉事件（冷渦影響）、2016年6月30日山東、2018年3月4日江西等雷暴大風(fēng)個(gè)例等，這是因?yàn)樵谶@些天氣形勢(shì)下對(duì)流層大氣中層通常會(huì)存在干層和垂直減溫率較大的緣故。

龍卷通常分為兩類，一類為中氣旋龍卷，另一類為非中氣旋龍卷[8, 28-29]。通常中氣旋龍卷強(qiáng)度較強(qiáng)[8, 30]，但僅約25%甚至更少的雷達(dá)探測(cè)到的中氣旋會(huì)生成龍卷[8, 31-32]。目前只有對(duì)中氣旋龍卷有可能進(jìn)行有效預(yù)警[7-8, 28]。EF2級(jí)及以上中氣旋龍卷除了要求有利于超級(jí)單體風(fēng)暴的環(huán)境條件一定的對(duì)流有效位能和強(qiáng)的0～6 km垂直風(fēng)切變外，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[7-8, 33-35]，比如，2016年阜寧EF4級(jí)龍卷事件就具備了所有以上這些有利于中氣旋龍卷的有利環(huán)境條件[9]。不過(guò)，熱帶氣旋中產(chǎn)生中氣旋龍卷環(huán)境大氣的CAPE值一般較小[8, 36-37]。非中氣旋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[27]，通常輻合線具有較強(qiáng)的水平風(fēng)切變和垂直渦度，而垂直風(fēng)切變一般較弱[9, 28, 38]；與下?lián)舯┝飨嗦?lián)系的弓形回波會(huì)生成小尺度的中渦旋（mesovortices）[39]也能夠發(fā)展為強(qiáng)度可達(dá)F4或者EF4級(jí)的龍卷[29]，因此，產(chǎn)生龍卷的颮線多為弓型回波或者波動(dòng)型線狀回波（LEWP）[9, 28]。對(duì)流風(fēng)暴的出流氣流對(duì)龍卷的生成至關(guān)重要，其觀測(cè)證據(jù)是龍卷發(fā)生發(fā)展在超級(jí)單體風(fēng)暴的壁云（wall cloud）附近，而壁云的形成是超級(jí)單體的入流氣流和出流氣流混合作用的結(jié)果[40]。對(duì)流風(fēng)暴的冷出流與環(huán)境之間形成的地表大氣溫度差需要有一個(gè)平衡點(diǎn)（sweet spot）才有利于龍卷生成[41]，這個(gè)溫度差通常小于4℃[8, 28, 42]。

從天氣形勢(shì)來(lái)看，我國(guó)龍卷易發(fā)生在暴雨或者臺(tái)風(fēng)這樣的天氣背景下，比如2012年7月21日北京通州（暴雨背景）、2015年10月4日廣東佛山（彩虹臺(tái)風(fēng)中）、2016年6月23日江蘇阜寧（暴雨背景）等龍卷個(gè)例，這是因?yàn)樵谶@樣的天氣形勢(shì)下經(jīng)常會(huì)存在低空急流（即低空垂直風(fēng)切變較大）和較低的抬升凝結(jié)高度的緣故。

由于受該類天氣時(shí)空尺度較小、分布不連續(xù)的特點(diǎn)和可預(yù)報(bào)性的限制，目前的數(shù)值模式在短期預(yù)報(bào)時(shí)效內(nèi)還不能直接做出雷暴大風(fēng)和龍卷預(yù)報(bào)。因此，雷暴大風(fēng)和龍卷的短期預(yù)報(bào)主要基于數(shù)值天氣預(yù)報(bào)資料，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)該類天氣的指示意義來(lái)進(jìn)行[7-8, 13, 15, 17]，也就是現(xiàn)在廣泛應(yīng)用的“配料法”。

由于雷暴大風(fēng)和龍卷的發(fā)生發(fā)展需要多個(gè)方面的物理?xiàng)l件，且較多研究給出的物理量統(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來(lái)表征該類天氣發(fā)生發(fā)展的物理?xiàng)l件[43-44]，因此類似模糊邏輯和機(jī)器學(xué)習(xí)等這些能夠綜合應(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。應(yīng)用模糊邏輯方法的雷暴大風(fēng)或者龍卷預(yù)報(bào)技術(shù)一般基于探空資料或者數(shù)值模式預(yù)報(bào)資料，通過(guò)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)果分別來(lái)構(gòu)建獨(dú)立隸屬函數(shù)，并賦予不同物理量不同的權(quán)重來(lái)給出最終的綜合預(yù)報(bào)結(jié)果。因此，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)的必要基礎(chǔ)工作，目前已有一些研究工作[40-41]?；诩蠑?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(guó)SPC已經(jīng)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，而NCEP的區(qū)域短期集合預(yù)報(bào)系統(tǒng)（Short Range Ensemble Forecast，SREF）和全球集合預(yù)報(bào)系統(tǒng)（GEFS，Global Ensemble Forecast System）分別為SPC 1～3 d和SPC3～8 d的對(duì)流天氣短期預(yù)報(bào)和中期展望提供數(shù)值預(yù)報(bào)依據(jù)[45-47]。

但目前不同等級(jí)的雷暴大風(fēng)和極端雷暴大風(fēng)天氣預(yù)報(bào)以及預(yù)報(bào)精細(xì)化方面還存在較大不足。而我國(guó)龍卷由于發(fā)生頻率遠(yuǎn)低于美國(guó)[3, 6]，其短期預(yù)報(bào)難度則更大，我國(guó)現(xiàn)有業(yè)務(wù)中尚沒(méi)有龍卷的主客觀短期預(yù)報(bào)產(chǎn)品。因此，需要綜合利用多源觀測(cè)資料和高分辨率數(shù)值（集合）預(yù)報(bào)資料，在綜合統(tǒng)計(jì)不同強(qiáng)度和極端強(qiáng)度的多物理量分布特征的基礎(chǔ)上，應(yīng)用模糊邏輯或者機(jī)器學(xué)習(xí)等方法進(jìn)一步提升該類天氣的（概率）預(yù)報(bào)準(zhǔn)確率和精細(xì)化水平。

2 雷暴大風(fēng)與龍卷的監(jiān)測(cè)和短時(shí)臨近預(yù)報(bào)預(yù)警

雷暴大風(fēng)與龍卷的監(jiān)測(cè)和臨近預(yù)警主要依賴新一代天氣雷達(dá)網(wǎng)。自動(dòng)氣象站觀測(cè)風(fēng)場(chǎng)能夠相當(dāng)程度上監(jiān)測(cè)雷暴大風(fēng)，但如引言中所述，由于強(qiáng)風(fēng)災(zāi)害具有顯著的小尺度時(shí)空分布特征[1,3]，因此目前的自動(dòng)氣象站網(wǎng)還幾乎無(wú)法監(jiān)測(cè)到雷暴大風(fēng)過(guò)程中的最大風(fēng)速分布。龍卷監(jiān)測(cè)就更為困難，除了依靠雷達(dá)資料外，更多依靠的是目擊者報(bào)告、互聯(lián)網(wǎng)資料、災(zāi)害現(xiàn)場(chǎng)調(diào)查或者其他部門（如交通部門等）的視頻監(jiān)控等。

中層徑向速度輻合（MARC）[7, 48]、強(qiáng)反射率因子核心下降[49]、后側(cè)入流槽口[50]和弓形回波[7]等是指示雷暴大風(fēng)天氣的重要雷達(dá)觀測(cè)特征。當(dāng)對(duì)流風(fēng)暴周邊干空氣被夾卷進(jìn)入風(fēng)暴內(nèi)部后，導(dǎo)致其下沉氣流內(nèi)雨滴迅速蒸發(fā)使下沉氣流降溫而導(dǎo)致加強(qiáng)的向下加速度，這種對(duì)流層中層干空氣的夾卷進(jìn)入對(duì)流風(fēng)暴的過(guò)程在徑向速度圖上表現(xiàn)為MARC特征和反射率因子圖上的后側(cè)入流槽口。利用MARC預(yù)警雷暴大風(fēng)的提前時(shí)間約為10～30 min。在有利于雷暴大風(fēng)的環(huán)境條件下，中氣旋可以更有效地將環(huán)境干空氣夾卷進(jìn)入下沉氣流內(nèi)導(dǎo)致雨滴、冰物質(zhì)蒸發(fā)或者升華大氣降溫形成向下加速度從而加強(qiáng)下沉氣流使得地面風(fēng)速進(jìn)一步增加[7]。當(dāng)對(duì)流風(fēng)暴距離雷達(dá)站較近（約70 km以內(nèi)）時(shí)，若雷達(dá)觀測(cè)的0.5°仰角徑向速度場(chǎng)有超過(guò)20 m/s 左右以上的風(fēng)速大值區(qū)需要關(guān)注地面雷暴大風(fēng)的可能性①鄭媛媛, 2017. 雷暴大風(fēng)和龍卷短臨預(yù)報(bào)預(yù)警. 2017年強(qiáng)對(duì)流天氣汛前預(yù)報(bào)技術(shù)準(zhǔn)備會(huì)。，如2015年6月1日“東方之星”客輪翻沉事件過(guò)程中0.5°仰角徑向速度場(chǎng)有超過(guò)19 m/s的風(fēng)速大值區(qū)。移動(dòng)越快的對(duì)流風(fēng)暴其產(chǎn)生雷暴大風(fēng)的可能性和強(qiáng)度越大，據(jù)估計(jì)，12 m/s左右以上的移速有可能產(chǎn)生8級(jí)左右地面大風(fēng)，19 m/s左右以上的移速可能產(chǎn)生10級(jí)左右地面大風(fēng)①。如果天氣雷達(dá)上能夠觀測(cè)到明顯的陣風(fēng)鋒，則可能表明對(duì)流風(fēng)暴的冷池強(qiáng)度較大，其產(chǎn)生較大地面風(fēng)速的可能性也較大。不僅地面自動(dòng)氣象站的風(fēng)場(chǎng)能夠監(jiān)測(cè)地面大風(fēng)，地面自動(dòng)氣象站監(jiān)測(cè)的強(qiáng)3 h變壓①或者強(qiáng)變溫也能夠監(jiān)測(cè)對(duì)流風(fēng)暴冷池的強(qiáng)度從而可輔助監(jiān)測(cè)雷暴大風(fēng)天氣。地球靜止氣象衛(wèi)星對(duì)雷暴大風(fēng)天氣也有一定的監(jiān)測(cè)能力，如前所述的水汽圖像的暗區(qū)中發(fā)展的對(duì)流云、具有上沖云頂?shù)膶?duì)流云、呈現(xiàn)“胡蘿卜”或者尖錐狀的對(duì)流云系產(chǎn)生雷暴大風(fēng)的可能性較大等。未來(lái)，利用風(fēng)云4號(hào)衛(wèi)星提供的垂直探測(cè)資料計(jì)算雷暴大風(fēng)指數(shù)結(jié)合其他監(jiān)測(cè)資料能夠更好地監(jiān)測(cè)和臨近預(yù)警雷暴大風(fēng)天氣[26]。

多普勒天氣雷達(dá)探測(cè)到的中氣旋是目前龍卷臨近預(yù)警主要依據(jù)[7, 17]，但如前所述，美國(guó)的統(tǒng)計(jì)表明僅約有25%甚至更少的雷達(dá)探測(cè)到的中氣旋會(huì)生成龍卷，但當(dāng)中氣旋底距離地面高度小于1 km時(shí)，龍卷的發(fā)生概率則約為40%[7, 31]。目前美國(guó)業(yè)務(wù)發(fā)布龍卷警報(bào)的依據(jù)主要是：在有利于龍卷的環(huán)境條件下，探測(cè)到強(qiáng)中氣旋或中等以上強(qiáng)度中氣旋，并且其底高不超過(guò)1 km[7]。美國(guó)的移動(dòng)X波段多普勒雷達(dá)（DOW）在龍卷研究中發(fā)揮了重要作用，其觀測(cè)到的最大龍卷風(fēng)速達(dá)135 m/s。2016年6月23日江蘇阜寧龍卷發(fā)生時(shí)，江蘇省氣象臺(tái)根據(jù)這些依據(jù)指導(dǎo)阜寧縣氣象臺(tái)在14：39時(shí)發(fā)布的雷暴橙色預(yù)警信號(hào)中明確指出將有龍卷發(fā)生。美國(guó)基于中氣旋的龍卷警報(bào)平均提前時(shí)間約為10～20 min。但由于多普勒天氣雷達(dá)的中氣旋產(chǎn)品本身就存在很多誤識(shí)別，再加之大多數(shù)中氣旋并不會(huì)產(chǎn)生龍卷，因此基于中氣旋的龍卷預(yù)警存在很高的虛警率。多普勒天氣雷達(dá)有時(shí)能夠探測(cè)到的龍卷渦旋特征（TVS）是龍卷臨近預(yù)警的另一重要依據(jù)[7,17]，但對(duì)當(dāng)時(shí)當(dāng)?shù)氐凝埦硪呀?jīng)幾乎沒(méi)有預(yù)警提前時(shí)間，不過(guò)可以對(duì)龍卷移動(dòng)方向的下游地區(qū)具有提前臨近預(yù)警作用。由于部分產(chǎn)生龍卷的經(jīng)典超級(jí)單體存在明顯的鉤狀回波，因此這也是龍卷預(yù)警的參考依據(jù)之一，比如2016年6月23日產(chǎn)生江蘇阜寧龍卷的經(jīng)典超級(jí)單體就具有非常明顯的鉤狀回波特征[4, 9]。目前的地球靜止氣象衛(wèi)星和自動(dòng)氣象站網(wǎng)觀測(cè)資料還不可能在龍卷監(jiān)測(cè)和臨近預(yù)警中發(fā)揮直接作用，但我國(guó)將在“重大自然災(zāi)害監(jiān)測(cè)預(yù)警與防范”重點(diǎn)專項(xiàng)支持下發(fā)展龍卷探測(cè)雷達(dá)，以期能夠提高龍卷等小尺度渦旋的探測(cè)能力。

雙偏振天氣雷達(dá)觀測(cè)資料能夠提高降水粒子形態(tài)的識(shí)別能力[51-52]和識(shí)別龍卷所破壞物體的碎片被卷入龍卷中所導(dǎo)致的雙偏振雷達(dá)觀測(cè)特征（TDS）[53]，能夠提高冰雹粒子的識(shí)別率和判斷冰雹在落地之前是否完全融化還是部分融化等[54]，從而有助于監(jiān)測(cè)龍卷以及與冰雹天氣相伴隨的雷暴大風(fēng)天氣，但這些雙偏振雷達(dá)必須具有較高的空間分辨能力才可能探測(cè)這些小尺度的天氣系統(tǒng)。此外，基于多普勒天氣雷達(dá)資料中的這些特征，中氣旋、雷暴大風(fēng)等的自動(dòng)識(shí)別算法也得到了發(fā)展和完善[55-56]。

由于臨近預(yù)報(bào)最長(zhǎng)時(shí)效僅為1～2 h，因此雷暴大風(fēng)與龍卷的短時(shí)預(yù)報(bào)更多依賴于快速更新或者集合的高時(shí)空分辨率數(shù)值模式系統(tǒng)預(yù)報(bào)。目前這些天氣的短時(shí)預(yù)報(bào)的主要依據(jù)是高分辨率數(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”高分辨率（集合）數(shù)值預(yù)報(bào)產(chǎn)品后處理。目前，已有很多國(guó)家都在探索從對(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)[15, 57]，如美國(guó)Oklahoma大學(xué)的風(fēng)暴分析與預(yù)報(bào)中心（CAPS）風(fēng)暴尺度集合預(yù)報(bào)SSEF產(chǎn)品[52]、美國(guó)的強(qiáng)風(fēng)暴預(yù)報(bào)中心（SPC）[15]和我國(guó)中央氣象臺(tái)強(qiáng)天氣預(yù)報(bào)中心發(fā)展了多模式集合的預(yù)報(bào)產(chǎn)品等。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[58]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)的每一個(gè)格點(diǎn)的物理量最大值，稱為逐時(shí)最大場(chǎng)。他們發(fā)現(xiàn)可能與雷暴大風(fēng)和龍卷關(guān)系密切的物理量有：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)速等[52]。但需要指出的是，雖然基于高分辨率數(shù)值（集合）預(yù)報(bào)的強(qiáng)對(duì)流天氣的短時(shí)預(yù)報(bào)技術(shù)取得了一定進(jìn)展，但還有非常多的工作需要開(kāi)展以提高其預(yù)報(bào)性能，比如模式框架本身性能的改進(jìn)、不同微物理過(guò)程的改進(jìn)、資料同化技術(shù)、不同類型強(qiáng)對(duì)流天氣的精細(xì)化預(yù)報(bào)等多個(gè)方面[15]。

3 雷暴大風(fēng)與龍卷災(zāi)害現(xiàn)場(chǎng)調(diào)查

如前所述，目前我國(guó)的氣象業(yè)務(wù)觀測(cè)體系仍然難以全面監(jiān)測(cè)雷暴大風(fēng)和龍卷等極端強(qiáng)對(duì)流天氣，尤其是極端大風(fēng)風(fēng)速，因此，現(xiàn)場(chǎng)天氣調(diào)查依然是分析和確認(rèn)這些災(zāi)害性大風(fēng)天氣精細(xì)分布的最重要的直接手段，從而確定大風(fēng)的具體發(fā)生時(shí)間和地點(diǎn)、災(zāi)情、災(zāi)害路徑長(zhǎng)度和寬度、風(fēng)向等，并可根據(jù)風(fēng)速等級(jí)標(biāo)準(zhǔn)估計(jì)風(fēng)速和判斷風(fēng)災(zāi)強(qiáng)度?，F(xiàn)場(chǎng)調(diào)查的主要裝備包括智能手機(jī)、相機(jī)、GPS定位儀、無(wú)線網(wǎng)絡(luò)通信和無(wú)人機(jī)等，目前，無(wú)人機(jī)在現(xiàn)場(chǎng)調(diào)查中發(fā)揮了重要的無(wú)可替代作用。美國(guó)也有人提出使用雙偏振天氣雷達(dá)觀測(cè)到的TDS特征來(lái)估計(jì)龍卷災(zāi)害分布[59]，但這需要這些雷達(dá)觀測(cè)具有較現(xiàn)有業(yè)務(wù)雷達(dá)高得多的空間分辨率。通過(guò)現(xiàn)場(chǎng)調(diào)查確定風(fēng)災(zāi)強(qiáng)度可以滿足人們和科研人員了解風(fēng)災(zāi)強(qiáng)度的需求，可以獲得風(fēng)速與相關(guān)設(shè)施結(jié)構(gòu)性能的關(guān)系，并可從氣候上評(píng)估龍卷和下?lián)舯┝鞯葘?dǎo)致的小尺度風(fēng)災(zāi)給人們和基礎(chǔ)設(shè)施所帶來(lái)的風(fēng)險(xiǎn)。但由于災(zāi)害標(biāo)識(shí)物（DI）的復(fù)雜性，通過(guò)災(zāi)害程度來(lái)評(píng)估風(fēng)速必然有較大不確定性，因此需要一定的等級(jí)來(lái)表征不同物體受災(zāi)程度所指示的風(fēng)速范圍，比如已廣泛應(yīng)用的“藤田等級(jí)”（F等級(jí)）或者“改進(jìn)的藤田等級(jí)”（EF等級(jí)）。

Fujita開(kāi)創(chuàng)性地開(kāi)展了風(fēng)災(zāi)調(diào)查工作[60]，并于1971年提出了F等級(jí)[61]，用來(lái)估計(jì)龍卷和臺(tái)風(fēng)等導(dǎo)致的風(fēng)災(zāi)強(qiáng)度。F等級(jí)在1970年代初被美國(guó)天氣局采用作為估計(jì)龍卷強(qiáng)度的官方標(biāo)準(zhǔn)。到目前，F(xiàn)等級(jí)已得到了廣泛應(yīng)用，但也存在一些問(wèn)題，比如并沒(méi)有進(jìn)行過(guò)校準(zhǔn)，對(duì)F3－F5級(jí)風(fēng)速存在明顯的高估、低等級(jí)風(fēng)速存在低估，其DI種類較少、主要是結(jié)構(gòu)良好的框架房屋等。因此，美國(guó)得克薩斯技術(shù)大學(xué)風(fēng)科學(xué)和工程中心聯(lián)合多個(gè)部門專家對(duì)F等級(jí)進(jìn)行了修訂，稱為EF等級(jí)[62]。EF等級(jí)主要調(diào)整了F等級(jí)每一級(jí)別所對(duì)應(yīng)的風(fēng)速上下限，并采用了28類DI，且每一類DI給出了多個(gè)災(zāi)害等級(jí)（DoD）。EF等級(jí)的DI以各類不同建筑結(jié)構(gòu)的房屋或建筑物為主，共有23類；樹木分為硬木和軟木兩類DI；其它DI還包括電線桿、電力線鐵塔、通訊鐵塔等。EF等級(jí)中去除了F等級(jí)中有關(guān)飛射物的DI，也未把瀝青路面被剝掉這一災(zāi)害現(xiàn)象列為DI。2007年美國(guó)氣象局開(kāi)始采用EF等級(jí)作為估計(jì)龍卷強(qiáng)度的等級(jí)標(biāo)準(zhǔn)，目前還有加拿大、法國(guó)等國(guó)采用了該等級(jí)標(biāo)準(zhǔn)，并根據(jù)當(dāng)?shù)谼I情況對(duì)其進(jìn)行了修正，而我國(guó)的龍卷強(qiáng)度等級(jí)標(biāo)準(zhǔn)正在制定中。還需指出的是，F(xiàn)等級(jí)的風(fēng)速為地面10 m高度處最快1/4 mile（約400 m）平均風(fēng)速，EF等級(jí)的風(fēng)速為地面10 m高度處3 s平均陣風(fēng)風(fēng)速，二者有所不同[3]。

美國(guó)現(xiàn)已形成了較為規(guī)范完整的龍卷和下?lián)舯┝魉嘛L(fēng)災(zāi)的調(diào)查體系[63-65]。近年來(lái)，我國(guó)的風(fēng)災(zāi)調(diào)查體系也已逐步建立，如Meng等[66]詳細(xì)調(diào)查了2012年7月21日北京特大暴雨期間發(fā)生的一次龍卷所致災(zāi)害情況，中國(guó)氣象局組織北京大學(xué)、南京大學(xué)等單位聯(lián)合調(diào)查了2015年6月1日“東方之星”客輪翻沉事件、2015年10月4日彩虹臺(tái)風(fēng)中的佛山龍卷、2016年6月23日江蘇阜寧龍卷等重大強(qiáng)對(duì)流天氣災(zāi)害情況[1-3, 67]。

有研究使用F等級(jí)和EF等級(jí)詳細(xì)估計(jì)了2015年6月1日“東方之星”客輪翻沉事件和2016年6月23日江蘇阜寧龍卷的現(xiàn)場(chǎng)災(zāi)害情況[3]，本文僅以F1和EF1級(jí)災(zāi)害評(píng)估為例說(shuō)明二者的異同，此外，F(xiàn)1和EF1級(jí)風(fēng)災(zāi)在我國(guó)發(fā)生頻率相對(duì)較高，從而可為地方氣象部門的相關(guān)工作提供一定參考。F1和EF1級(jí)災(zāi)害屬于中等程度破壞。一些樹被連根拔起或者折斷、屋頂?shù)奈萃弑还蔚舳紝儆贔1級(jí)災(zāi)害（圖1）。軟木類樹木（松樹、楊樹、杉樹、柏樹等）折斷和硬木類（橡樹、楓樹、樺樹、白蠟樹）樹木被連根拔起屬于EF1級(jí)災(zāi)害，如2015年6月1日湖北監(jiān)利四臺(tái)村附近水渠兩側(cè)（圖1a）和順星村附近（圖未給出）楊樹折斷等。不少于20%屋頂屋瓦被刮掉屬于F1級(jí)和EF1級(jí)災(zāi)害，如圖1b中為2016年6月23日阜寧龍卷所致；而在2015年6月1日長(zhǎng)江監(jiān)利段兩岸村莊中發(fā)現(xiàn)部分房屋的少量屋瓦（圖未給出）被吹掉，未超過(guò)20%，因此這些房屋災(zāi)害等級(jí)可估計(jì)為F1級(jí)，但未達(dá)到EF1級(jí)[3]。

圖1 F1和EF1級(jí)災(zāi)害[3]（a）2015年6月1日湖北監(jiān)利四臺(tái)村附近水渠兩側(cè)折斷的楊樹；（b）無(wú)人機(jī)拍攝的2016年6月23日江蘇阜寧計(jì)橋村被刮掉屋瓦的房屋Fig. 1 F1 and EF1 damages[3](a) Snapped aspens occurred on 1 June 2015 at Sitai Village, Jianli County, Hubei Province; (b) Partially untiled roofs by storm occurred on 23 June 2016 at Jiqiao Village,Funing County, Jiangsu Province

4 結(jié)論

強(qiáng)雷暴大風(fēng)與龍卷具有非常強(qiáng)的致災(zāi)性，近年來(lái)我國(guó)該類災(zāi)害事件引發(fā)廣泛關(guān)注。本文系統(tǒng)總結(jié)了雷暴大風(fēng)與龍卷的監(jiān)測(cè)和預(yù)報(bào)預(yù)警技術(shù)以及大風(fēng)災(zāi)害現(xiàn)場(chǎng)調(diào)查和估計(jì)方法。

1）雷暴大風(fēng)天氣多與對(duì)流層大氣存在干層和較大垂直減溫率有關(guān)，EF2級(jí)及以上中氣旋龍卷通常要求有一定的對(duì)流有效位能、強(qiáng)的垂直風(fēng)切變（0～6 km）、低的抬升凝結(jié)高度和較大的低層（0～1 km）垂直風(fēng)切變。目前雷暴大風(fēng)的短期預(yù)報(bào)主要基于數(shù)值預(yù)報(bào)和“配料法”，但我國(guó)現(xiàn)有業(yè)務(wù)中尚沒(méi)有龍卷的主客觀短期預(yù)報(bào)產(chǎn)品。

2）除了自動(dòng)氣象站觀測(cè)的地面風(fēng)場(chǎng)外，指示雷暴大風(fēng)天氣的雷達(dá)觀測(cè)特征包括中層徑向速度輻合、雷達(dá)低仰角觀測(cè)到的大徑向速度區(qū)、強(qiáng)反射率因子核心下降、后側(cè)入流槽口和弓形回波等；對(duì)流風(fēng)暴的快速移動(dòng)也能夠指示雷暴大風(fēng)天氣。目前我國(guó)龍卷臨近預(yù)警主要依據(jù)是中氣旋和TVS特征以及低層鉤狀回波特征等。目前的地球靜止氣象衛(wèi)星和自動(dòng)氣象站風(fēng)場(chǎng)、變壓、變溫等觀測(cè)資料能夠輔助監(jiān)測(cè)雷暴大風(fēng)天氣，但還不可能直接監(jiān)測(cè)龍卷。

3）雷暴大風(fēng)與龍卷的短時(shí)預(yù)報(bào)主要依賴快速更新或者集合的高時(shí)空分辨率數(shù)值模式系統(tǒng)預(yù)報(bào)及其后處理，但還有非常多的工作需要開(kāi)展以提高其預(yù)報(bào)性能。

4）現(xiàn)場(chǎng)天氣調(diào)查工作依然是分析和確認(rèn)雷暴大風(fēng)和龍卷大風(fēng)精細(xì)分布的最重要的直接手段，但風(fēng)速估計(jì)具有較大的不確定性。目前使用的最為廣泛的風(fēng)速等級(jí)標(biāo)準(zhǔn)是F等級(jí)和EF等級(jí)，美國(guó)、加拿大、法國(guó)等國(guó)已采用了EF等級(jí)。我國(guó)的風(fēng)災(zāi)調(diào)查體系也已逐步建立，并正在發(fā)展自己的龍卷強(qiáng)度等級(jí)標(biāo)準(zhǔn)。

參考文獻(xiàn)

[1] 鄭永光, 田付友, 孟智勇, 等. “東方之星”客輪翻沉事件周邊區(qū)域風(fēng)災(zāi)現(xiàn)場(chǎng)調(diào)查與多尺度特征分析. 氣象, 2016, 42(1): 1-13.

[2] Meng Z, Yao D, Bai L, et al. Wind estimation around the shipwreck of Oriental Star based on field damage surveys and radar observations. Science Bulletin, 2016, 61(4): 330-337.

[3] 鄭永光, 朱文劍, 姚聃, 等. 風(fēng)速等級(jí)標(biāo)準(zhǔn)與2016年6月23日阜寧龍卷強(qiáng)度估計(jì). 氣象, 2016, 42(11): 1289-1303.

[4] 張小玲, 楊波, 朱文劍, 等. 2016年6月23日江蘇阜寧EF4級(jí)龍卷天氣分析. 氣象, 2016, 42(11): 1304-1314.

[5] Xue M, Zhao K, Wang M, et al. Recent significant tornadoes in China. Advances in Atmospheric Sciences, 2016, 33(11): 1209-1217.

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

[7] 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.

[8] 鄭永光, 陶祖鈺, 俞小鼎. 強(qiáng)對(duì)流天氣預(yù)報(bào)的一些基本問(wèn)題.氣象, 2017, 43(6): 641-652.

[9] 鄭永光, 朱文劍, 田付友. 2015年“東方之星”翻沉事件和2016年阜寧EF4級(jí)龍卷對(duì)流風(fēng)暴環(huán)境條件、結(jié)構(gòu)特征和機(jī)理. 氣象科技進(jìn)展, 2018, 8(2): 44-54.

[10] Fujita T T, Wakimoto R M. Five scales of airflow associated with a series of downbursts on 16 July 1980. Monthly Weather Review, 1981, 109(7): 1438-1456.

[11] 高玉春. 氣象業(yè)務(wù)發(fā)展對(duì)新一代天氣雷達(dá)技術(shù)性能提升的要求. 氣象科技進(jìn)展, 2017, 7(3): 16-21.

[12] 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.

[13] 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.

[14] 張濤, 藍(lán)渝, 毛冬艷, 等. 國(guó)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.

[15] 藍(lán)渝, 張濤, 鄭永光, 等. 國(guó)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(guò)程分析規(guī)范和支撐技術(shù). 氣象, 2013, 39(7): 901-910.

[16] 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.

[17] 楊波, 鄭永光, 藍(lán)渝, 等. 國(guó)家級(jí)強(qiáng)對(duì)流天氣綜合業(yè)務(wù)支撐體系建設(shè). 氣象, 2017, 43(7): 845-855.

[18] Johns R H, Doswell III C A. Severe local storms forecasting. Weather and Forecasting, 1992, 7(4): 588-612.

[19] Wakimoto R M, Kessinger C J, Kingsmill D E. Kinematic, thermodynamic, and visual structure of low-reflectivity microbursts. Monthly Weather Review, 1994, 122(1): 72-92.

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

[21] Ellrod G P. Environmental conditions associated with the Dallas microburst storm determined from satellite soundings. Weather and Forecasting, 1989, 4(4): 469-484.

[22] McCann D W. WINDEX: a new index for forecasting microburst potential. Weather and Forecasting, 1994, 9(4): 532-541.

[23] Atkins N T, Wakimoto R M. Wet microburst activity over the southeastern United States: implications for forecasting. Weather and Forecasting, 1991, 6(4): 470-482.

[24] Ellrod G P. Experimental microburst image products derived from GOES sounder data. Preprints, 16th Conferenceon Weather Analysis and Forecasting, Phoenix, AZ, American Meteorological Society, 1998, 16: 43–45.

[25] Pryor K L, Ellrod G P. Recent improvements to the GOES microburst products. Weather and Forecasting, 2004, 19: 582–594.

[26] Pryor K L, EllrodG P. WMSI: a new index for forecasting wetmicroburst severity. Electronic Journal of Operational Meteorology, 2004.

[27] Pryor K L. Progress and developments of downburst prediction applications of GOES. Weather and Forecasting, 2015, 30(5): 1182-1200.

[28] Wakimoto R M, Wilson J W. Non-supercell tornadoes. Monthly Weather Review, 1989, 117(6): 1113-1140.

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

[30] Agee E, Jones E. Proposed conceptual taxonomy for proper identification and classification of tornado events. Weather and Forecasting, 2009, 24(2): 609-617.

[31] Davies-Jones R, Trapp R J, Bluestein H B. Tornadoes and tornadic storms. Severe Convective Storms. Meteor Monogr, American Meteorological Society, 2001, 28(50): 167-221.

[32] Trapp R J, Stumpf G J, Manross K L. A reassessment of the percentage of tornadicmesocyclones. Weather and Forecasting, 2005, 20(4): 680-687.

[33] Brooks H E, Lee J W, Craven J P. The spatial distribution of severe thunderstorm and tornado environments from global reanalysis data. Atmospheric Research, 2003, 67: 73-94.

[34] Craven J P, Brooks H E. Baseline climatology of sounding derived parameters associated with deep moist convection. National Weather Digest, 2004, 28(1):13-24.

[35] Grams J S, そompson R L, Snively D V, et al. A climatology and comparison of parameters for significant tornado events in the United States. Weather and Forecasting, 2012, 27(1): 106-123.

[36] McCaul E W. Buoyancy and shear characteristics of hurricanetornado environments. Monthly Weather Review, 1991, 119(8): 1954-1978.

[37] 鄭媛媛, 張備, 王嘯華,等. 臺(tái)風(fēng)龍卷的環(huán)境背景和雷達(dá)回波結(jié)構(gòu)分析. 氣象, 2015, 41(8): 942-952.

[38] Bluestein H B. Severe Convective Storms and Tornadoes: Observations and Dynamics. Heidelberg: Springer–Praxis, 2013: 307-360.

[39] 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. Monthly Weather Review, 2005, 133(8): 2275-2296.

[40] Doswell C A, Burgess D W. Tornadoes and tornadic storms: a review of conceptual models. The Tornado: Its Structure, Dynamics, Prediction, and Hazards. Washington DC:American Geophysical Union, 1993: 161-172.

[41] Schultz D M, Richardson Y P, Markowski P M, et al. Tornadoes in the Central United States and the “Clash of Air Masses”. Bulletin of the American Meteorological Society, 2014, 95(11): 1704-1712.

[42] Markowski P M, Straka J M, Rasmussen E N. Direct surface thermodynamic observations within the rear-flank downdrafts of nontornadic and tornadicsupercells. Monthly Weather Review, 2002, 130(7): 1692-1721.

[43] 樊李苗, 俞小鼎. 中國(guó)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.

[44] 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. Journal of Meteorological Research, 2015, 29(3): 370-384.

[45] Bright D R, Weiss S J, Levit J J, et al. The evolution of multiscale ensemble guidance in the prediction of convective and severe convective storms at the Storm Prediction Center. Preprints, 24th Conference Severe Local Storms, Savannah GA, 2008.

[46] Guyer J L, Bright D R. Utility of SPC short-range ensemble forecast (SREF) guidance for forecasting the development of severe convection. Preprints, 24th Conference Severe Local Storms, Savannah GA, 2008.

[47] Du J, Dimego G, Toth Z, et al. NCEP short-range ensemble forecast (SREF) system upgrade in 2009. 19th Conference on NWP and 23rd Conference on WAF, 2009.

[48] Schmocker G K, Przybylinski R W, Lin Y J. Forecasting the initial onset of damaging downburst winds associated with a mesoscale convective system (MCS) using the mid-altitude radial convergence (MARC) signature. Preprints, 15th Conference on Weather Analysis and Forecasting, Norfolk, American Meteorological Society, 1996: 306-311.

[49] Roberts R D, Wilson J W. A proposed microburst nowcasting procedure using single-Doppler radar. Journal of Applied Meteorology, 1989, 28(4): 285-303.

[50] Przybylinski R W. The bow echo: observations, numerical simulations, and severe weather detection methods. Weather and Forecasting, 1995, 10(2): 203-218.

[51] 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. Weather and Forecasting, 2009, 24(3): 730-748.

[52] 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. Journal Applied Meteorology and Climatology, 2013, 52(10): 2328-2344.

[53] Ryzhkov A, SchuurT J, Burgess D W, et al. Polarimetric tornado detection. Journal of Applied Meteorology, 2005, 44(5): 557-570.

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

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

[56] 李國(guó)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): 1160-171.

[57] 鄭永光, 薛明, 陶祖鈺. 美國(guó)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.

[58] 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. Weather and Forecasting, 2010, 25(5): 1536-1542.

[59] Bodine D J, Kumjian M R, Palmer R D, et al. Tornado damage estimation using polarimetric radar. Weather and Forecasting, 2013, 28(1): 139-158.

[60] Fujita T T, Bradbury D L, van Thullenar C F. Palm sunday tornadoes of April 11, 1965. Monthly Weather Review, 1970, 98(1): 29-69.

[61] Fujita T T. Proposed characterization of tornadoes and hurricanes byarea and intensity. SMRP Research Paper, University of Chicago, 1971, 91: 42.

[62] McDonald J R, Mehta K C. A recommendation for an enhanced Fujita scale (EF-scale). Wind Science and Engineering Center, Texas Tech University, 2006.

[63] Bunting W F, and Smith B E. A guide for conducting convective windstorm surveys. US Department of Commerce, National Oceanic and Atmospheric Administration, National Weather Service, Scientific Services Region, 1993.

[64] Doswell C A. A guide to F-scale damage assessment. US Dept. of Commerce, NOAA/NWS, 2003.

[65] Edwards R, LaDue J G, Ferree J T, et al. Tornado intensity estimation: past, present, and future. Bulletin of the American Meteorological Society, 2013, 94(5): 641-653.

[66] Meng Z, Yao D. Damage survey, radar, and environment analyses on the first-ever documented tornado in Beijing during the heavy rainfall event of 21 July 2012. Weather and Forecasting, 2014, 29(3): 702-724.

[67] 朱文劍, 盛杰, 鄭永光, 等. 1522號(hào)“彩虹”臺(tái)風(fēng)龍卷現(xiàn)場(chǎng)調(diào)查與中尺度特征分析. 暴雨災(zāi)害, 2016, 35(5): 403-414.