吳迎旭，孟瑩瑩，周 一，趙 檸，李興權(quán)，劉松濤，吳 巖

（黑龍江省氣象臺，黑龍江 哈爾濱 150030）

短時強(qiáng)降水強(qiáng)度和致災(zāi)可能性很大[1]，同時分布零散，時效短，可預(yù)報性差。 它有時會出現(xiàn)在連續(xù)性降水中的某個時段， 因?yàn)橐淮伪┯赀^程的降水總量往往是中尺度雨團(tuán)不斷生成和移動的結(jié)果[2]。 有時僅產(chǎn)生在一個很弱的影響系統(tǒng)，2014 年7 月4 日黑龍江省伊春的朗鄉(xiāng)站3 h 雨量超過100 mm，最大10 min 雨量超過30 mm，而當(dāng)日黑龍江其它自動站沒有出現(xiàn)24 h 雨量超過30 mm 的站點(diǎn)[3]，降水非常集中。

有關(guān)極端性強(qiáng)降水的個例研究較多： 何斌等[4]對杭州灣北岸的短時暴雨做了中尺度分析， 指出短時暴雨與近地面西南偏西氣流和東南偏東氣流的輻合作用密切相關(guān)， 局地?zé)釋α饔|發(fā)兩股氣流導(dǎo)致短時大暴雨產(chǎn)生。 一場午后氣溫的高低可能直接影響對流觸發(fā)，鄭婧等[5]分析了江南北部梅雨鋒和低空急流引發(fā)的災(zāi)害性暴雨，認(rèn)為熱力不穩(wěn)定、較強(qiáng)的垂直風(fēng)切變、 低層充沛的水汽供應(yīng)以及強(qiáng)烈的輻合抬升是短時暴雨產(chǎn)生的有利環(huán)境場， 而多尺度系統(tǒng)的協(xié)同作用和穩(wěn)定維持加大了短時暴雨強(qiáng)度。 近年來有一些關(guān)于短時強(qiáng)降水影響系統(tǒng)和分布特征的研究，何晗等[6]針對2009—2013 年4—9 月的65 個冷渦背景下短時強(qiáng)降水特征及兩者之間的關(guān)系得出結(jié)論： 冷渦背景下的短時強(qiáng)降水主要集中在京津和河北東南部以及東北平原地區(qū)， 冷渦發(fā)展時期突發(fā)性暴雨很多，并主要位于冷渦中心的東南部和西南部。沈澄等[7]將南京市的雨量站按照1979—2012 年的一般站和2008—2012 年自動站進(jìn)行劃分，分析短時強(qiáng)降水發(fā)生規(guī)律， 指出城區(qū)的對流活動較郊區(qū)更活躍，且城市下風(fēng)向地區(qū)的降水隨之增強(qiáng)。 常煜等[8]采用Gumbel 極值法確定內(nèi)蒙古1991—2013 年6—8月極端強(qiáng)降水時空分布特征和演變過程， 發(fā)現(xiàn)極端強(qiáng)降水主要分布在7 月下旬17 時左右。黑龍江省在這方面也做了一些相關(guān)研究， 曾利用2008—2016年6—8 月黑龍江省844 個自動雨量站資料， 采用了多級判別法、一元線性回歸、平均值顯著性檢驗(yàn)等方法統(tǒng)計黑龍江省311 d 的2 154 個站次短時強(qiáng)降水的時空分布特征和高空地面影響系統(tǒng)， 分析發(fā)現(xiàn)高空低值系統(tǒng)與地面鋒面共同影響是產(chǎn)生短時強(qiáng)降水及較大影響面積的主要原因； 由于受降水性質(zhì)和系統(tǒng)發(fā)生頻率以及物理?xiàng)l件影響， 高空槽前配合地面暖鋒是最主要的影響系統(tǒng)[9]。

目前，我國強(qiáng)降水的研究主要在兩方面，第一，是時效較長物理意義更明確的中尺度環(huán)境場的研究；第二，是依托自動站、雷達(dá)的臨近預(yù)報或預(yù)警。強(qiáng)降水潛勢預(yù)報主要依據(jù)的就是各類數(shù)值模式， 董全等[10]利用EC 集合預(yù)報判斷極端強(qiáng)降水的預(yù)報閾值。陳濤等[11]針對2016 年7 月16 日華北極端強(qiáng)降水過程，基于4 km 分辨率的WRF－ARW 中尺度模式，采用Morrison 方案和WSM6_P2 方案檢驗(yàn)＜50 mm 量級和＞100 mm 量級強(qiáng)降水預(yù)報。 段鶴等[12]利用多普勒天氣雷達(dá)、 探空和雨量站按照降水結(jié)構(gòu)分為3 種短時強(qiáng)降水概念模型并分析了強(qiáng)度、移速、生命期、垂直風(fēng)切變等特征， 給出了西雙版納短時強(qiáng)降水預(yù)報指標(biāo)。以上的各類研究多是對強(qiáng)降水個例、氣候特征的研究，而針對強(qiáng)降水的指標(biāo)研究較少，特別是黑龍江省一直以來缺少高于實(shí)況分布密度的模式預(yù)報的物理因子閾值和各因子間融合的分析， 本文針對黑龍江省短時臨近預(yù)報應(yīng)用最多的ECMWF 細(xì)網(wǎng)格（簡稱“EC”）和GRAPES_GRAPES（簡稱“GRAPES”）模式，分析統(tǒng)計黑龍江省短時強(qiáng)降水預(yù)報方法、各項(xiàng)指標(biāo)的確定以及檢驗(yàn)和應(yīng)用情況。

1 資料和方法

1.1 資料選取

采用2016—2018 年6—8 月EC、GRAPES 模式08 時初始場配合黑龍江省822 個自動雨量站逐小時雨量，逐3 h 識別不同級別的強(qiáng)降水天氣。

按照我國《短時臨近預(yù)報業(yè)務(wù)規(guī)定》和黑龍江省近3 a 強(qiáng)降水中雨強(qiáng)約第90 百分位平均降水閾值，將強(qiáng)降水分為一般強(qiáng)降水（小時雨量＞20 mm）和極端強(qiáng)降水（小時雨量＞40 mm 或2 h 雨量＞50 mm）。根據(jù)樣本數(shù)據(jù)，極端強(qiáng)降水占樣本總數(shù)的15.2%。由于資料接收的滯后性， 利用08 時初始場預(yù)報未來12～36 h 不同程度強(qiáng)降水落區(qū)。

1.2 研究方法和步驟

1.2.1 讀取自動站氣象要素信息

根據(jù)氣象要素性質(zhì)決定自動站信息的讀取方式，正態(tài)分布的要素如氣溫、氣壓，采用雙線插值法獲取.公式為：

非正態(tài)分布要素如降水、風(fēng)速，雙線插值法會更多的平滑掉小尺度特征，因而采用臨近格點(diǎn)法獲取，即距離站點(diǎn)最近的格點(diǎn)值。

1.2.2 分位數(shù)法

根據(jù)降水、暴雨和強(qiáng)對流的形成和維持機(jī)制，選定強(qiáng)降水影響因子。 沒有采用相關(guān)法，統(tǒng)計中發(fā)現(xiàn)：強(qiáng)降水產(chǎn)生前后， 會出現(xiàn)某一因子持續(xù)處于有利狀態(tài)，如副熱帶高壓外圍影響黑龍江省時，會在很大范圍出現(xiàn)較高的比濕值， 而這一階段的實(shí)況可能是一個較大范圍強(qiáng)降水或者暴雨， 也可能是無強(qiáng)降水產(chǎn)生。 采用物理因子樣本數(shù)的95 或98 分位數(shù)（公式2）作為單一因子能否產(chǎn)生強(qiáng)降水的閾值，無法達(dá)到閾值的區(qū)域被視為非強(qiáng)降水區(qū)。

其中，P 代表百分?jǐn)?shù)（例如：10，25，50，75，90），n 代表成員數(shù)，XP為返回P 分位數(shù)的值。

1.2.3 配料法

以水汽、觸發(fā)抬升、不穩(wěn)定、能量為框架，對強(qiáng)降水有影響的因子按照不同搭配方式逐一識別。 方法是在所有影響因子滿足閾值后， 當(dāng)某一因子相對不是很有利的情況下， 判斷是否會出現(xiàn)其它非常有利的條件， 如中低層溫差雖然達(dá)到基礎(chǔ)閾值但仍然較小時，對強(qiáng)降水不是很有利，但可能在配合低層近飽和狀態(tài)的水汽時，就會出現(xiàn)強(qiáng)降水，如果沒有配合其它更好的形成條件視為非強(qiáng)降水區(qū)。 本文的研究為了盡可能降低漏報率， 保證每一次的搭配都要滿足樣本數(shù)的95%以上，同時也為降低空報率，各項(xiàng)因子經(jīng)過多次搭配完成配料。

1.2.4 排除法

在各項(xiàng)物理因子閾值和配料的框架下， 逐一剔除非強(qiáng)降水區(qū)得到強(qiáng)降水區(qū)域。再依據(jù)維持機(jī)制，剔除部分區(qū)域后，得到極端強(qiáng)降水區(qū)。

1.2.5 潛勢預(yù)報原則

從實(shí)際業(yè)務(wù)出發(fā)，目前我國對于＞2 h 的強(qiáng)對流預(yù)報仍然處于一種潛勢預(yù)報的態(tài)勢， 即使是2 h 以內(nèi)的臨近預(yù)報也只是在一定程度上縮小預(yù)報的時空范圍， 黑龍江的強(qiáng)對流臨近預(yù)報預(yù)警目前是精準(zhǔn)至縣級， 所以長時效的點(diǎn)對點(diǎn)精準(zhǔn)預(yù)報至今還無法實(shí)現(xiàn)，由面到點(diǎn)的預(yù)報預(yù)警在實(shí)際業(yè)務(wù)中得到應(yīng)用。因此客觀預(yù)報是一個較大范圍和較模糊時段， 也會在一定程度上導(dǎo)致大量空報的站點(diǎn)。

一般性強(qiáng)降水主要分析對流的形成原因， 因?yàn)檫@種強(qiáng)度降水由于對流強(qiáng)度和尺度往往不大， 很難長久維持，生命期也較短。但極端強(qiáng)降水除了探討形成過程，對于維持機(jī)制的研究也很重要，只有具備了能夠長久生存的機(jī)制才可能保證風(fēng)暴的持續(xù)時間、尺度和強(qiáng)度， 所以對于極端強(qiáng)降水的配料著重分析它的維持機(jī)制。

2 研究原理和預(yù)報指標(biāo)

2.1 確定影響因子

充沛的水汽、強(qiáng)烈上升運(yùn)動、較長持續(xù)時間是暴雨形成必要條件；水汽、抬升不穩(wěn)定、觸發(fā)是雷暴產(chǎn)生的基本條件[2]。 從以上角度出發(fā)，選擇影響因子（表1），與水汽相關(guān)的因子包括：水汽通量、比濕、相對濕度、溫度露點(diǎn)差、氣柱含水量、抬升凝結(jié)高度，由于降水的水汽來源主要在低層，所以1 000～850 hPa水汽分布是直接決定降水的關(guān)鍵， 而925 hPa 比濕介于850 hPa 和1 000 hPa 之間，所以其分布的代表性不如850 hPa 和1 000 hPa 強(qiáng)，但考慮低層水汽有時會在某一層表現(xiàn)更加明顯， 用這3 個等壓面比濕和量進(jìn)一步表征效果更佳；另外，增加700 hPa 相對濕度可在一定程度上判斷大氣濕層厚度。 不穩(wěn)定條件根據(jù)氣塊法分析對流不穩(wěn)定、靜力不穩(wěn)定，考慮中低層溫差或者位溫差， 中低層溫差考慮T850-500（850與500 hPa 溫度差）和T700-500（700 hPa 與500 hPa 溫度差）。上升運(yùn)動參考中低層輻合輻散，包括散度、水汽通量散度、垂直上升速度和海平面氣壓。降水持續(xù)性和強(qiáng)度方面主要考慮能量， 如果仍有能量需要繼續(xù)或快速釋放，一定程度上就有利于強(qiáng)降水的產(chǎn)生，參考的能量參數(shù)主要是對流有效位能（CAPE）和K指數(shù)。 能夠表現(xiàn)水汽、抬升、不穩(wěn)定的條件除了以上這些基本條件外還包括一些其他條件。 其他因子的選擇主要從兩方面出發(fā)： 一方面是當(dāng)發(fā)生強(qiáng)降水時這些物理量是否能夠表現(xiàn)出一個較明顯的上限或者下限或者區(qū)間值又或者通過診斷方式得出發(fā)展趨勢； 另一方面這些因子相互配合后在某一特征上具有明顯性或與基本條件相關(guān)的因子能夠得出某一限定值，本文選取中層相對濕度、水汽總含水量、濕層厚度、抬升凝結(jié)高度。

表1 強(qiáng)降水框架下的物理因子

2.2 各指標(biāo)差異性

白天和夜間各因子之間以及兩種模式本身都有一些差異性， 選擇相關(guān)因子時會在各項(xiàng)指標(biāo)閾值和配合上有所考慮。 每一因子的確定和不同因子之間的融合標(biāo)準(zhǔn)以及定量化指標(biāo)必須滿足95%以上統(tǒng)計值（或者95 以上分位數(shù)）。表2 為一般性強(qiáng)降水的兩種模式在不同時段的部分因子閾值。

2.2.1 時間差異性

時間差異性一方面表現(xiàn)在以旬為單位的旬變化， 另一方面是以北京時間08、20 時為分界點(diǎn)的日較差。 盡管研究對象僅僅集中在6—8 月，但3 個月的時間跨度同樣存在一定的差異性， 主要體現(xiàn)在與水汽和溫度相關(guān)的物理量， 與抬升機(jī)制相關(guān)的定性診斷方面還沒有進(jìn)行時段劃分。 劃分方法是以旬為單位，對比6—8 月所有樣本中，當(dāng)某個因子在某旬與總樣本的95 分位數(shù)相差5%以上時，該因子被認(rèn)為有顯著旬變化， 如果連續(xù)2 個或更多旬一致與總樣本數(shù)相差較大，而他們本身差異不足5%時，則這連續(xù)的2 個或多個旬可劃分在同一時段內(nèi)。 根據(jù)這一方法， 兩種模式預(yù)報都可以劃分6 月中上旬（6.1—6.20）和其他時段（6 月下旬—8 月下旬，簡寫為6.21—8.31）。 6 月中上旬由于大氣含水量相對較低， 比濕和氣柱含水量都有顯著旬變化， 而相對濕度、溫度露點(diǎn)差、抬升凝結(jié)高度、水汽通量沒有明顯旬變化，但存在較明顯日較差，夜間（20 時至第二天08 時）出現(xiàn)強(qiáng)降水一定要有充沛的水汽條件，假相當(dāng)位溫差、 中低層溫差這些表現(xiàn)溫度層結(jié)穩(wěn)定性的因子在白天閾值明顯高于夜間。

從一般性強(qiáng)降水統(tǒng)計結(jié)果看，EC 和GRAPES的比濕在任何時段，都是隨著高度的升高而減小，根據(jù)表2 兩種模式6 月中上旬的比濕都相對較?。▓D1），EC 在夜間和白天比其它時段分別降低約6.1%和9.1%； GRAPES 降低約6.0%和13.0%，兩種模式都是夜間比濕大于白天， 根據(jù)25、50、75、95 分位數(shù)的變化率，其波動性小于白天。表示空氣飽和度的相對濕度和溫度露點(diǎn)差兩項(xiàng)因子， 也是在夜間要求高于白天， 夜間強(qiáng)降水要求地面為濕區(qū)（溫度露點(diǎn)差＜4 ℃），白天僅要求非干區(qū)（溫度露點(diǎn)差＜10 ℃）即可，但不同于比濕，波動性在夜間更大一些；一般情況下低層相對濕度高于高層， 統(tǒng)計中發(fā)現(xiàn)兩種模式白天850 hPa 的相對濕度閾值基本與1 000 hPa相同。 另外研究發(fā)現(xiàn)夜間的抬升凝結(jié)高度整體要高于白天的高度。

表2 一般強(qiáng)降水部分物理因子閾值

圖1 模式比濕閾值

溫度層結(jié)作用對強(qiáng)降水非常明顯， 中低層的溫差越大越易出現(xiàn)強(qiáng)降水， 兩種模式的夜間中低層溫差的閾值比白天低。從T850-500指標(biāo)和K 指數(shù)看，6 月中上旬都要高于其它時段，根據(jù)樣本數(shù)據(jù)，當(dāng)這兩項(xiàng)因子剛好達(dá)到閾值時， 往往需要較大比濕或相對濕度才可能出現(xiàn)強(qiáng)降水。 例如EC 在6 月21 日—8 月31 日如果T850-500達(dá)到閾值19 ℃，但＜21 ℃時，低層比濕和必須＞35 g/kg， 低層相對濕度和也要＞280%，才有可能出現(xiàn)強(qiáng)降水。

低層的抬升一方面通過低層散度、 垂直上升速度、水汽通量散度幾項(xiàng)因子定性判斷，不同時間不同模式都是用低層輻合和上升運(yùn)動判斷； 另一方面通過海平面氣壓分析， 當(dāng)?shù)蜌鈮簣F(tuán)四周空氣和水流向氣壓中心時， 可以增加氣壓中心溫度和水汽含量引起上升運(yùn)動。通過分析，不同時間要求的氣壓閾值沒有明顯變化， 但在相對海平面氣壓值不是很低的情況下，周圍的水汽通常都比較大，并存在一定的對流有效位能。

2.2.2 不同級別強(qiáng)降水差異性

極端強(qiáng)降水是在一般強(qiáng)降水基礎(chǔ)上， 著重分析積云對流的維持機(jī)制。 所以對它的識別是在一般強(qiáng)降水的潛勢預(yù)報基礎(chǔ)上剔除一部分降水持續(xù)時間較短的區(qū)域。 研究的指標(biāo)也是在一般性強(qiáng)降水（表2）基礎(chǔ)上附加低層水汽含量、大氣飽和程度、中低層冷暖平流或者溫差、對流有效位能、垂直風(fēng)切變、低層最大風(fēng)速幾方面因子。極端強(qiáng)降水中層飽和度（相對濕度）的閾值較一般強(qiáng)降水增長約20%，同時在其它因子變化不是很突出時， 中層500、700 hPa 相對濕度和（RH500+700）有明顯的增加，一般出現(xiàn)在距離極端強(qiáng)降水很近或者已經(jīng)開始時。 極端強(qiáng)降水在任何時段都高于一般強(qiáng)降水（圖2）。

圖2 6 月21 日—8 月31 日不同程度強(qiáng)降水溫濕條件比較

3 效果檢驗(yàn)

根據(jù)本文的研究方法和原理，檢驗(yàn)2018 年6—8 月強(qiáng)降水的識別， 按照國家氣象局對降水評分標(biāo)準(zhǔn)（公式3～5）， 計算逐3 h 強(qiáng)降水預(yù)報的TS 評分（TSK）、漏報率（Pok）、空報率（FARK）：

式中，NAk為預(yù)報正確站（次）數(shù)、NBk為空報站（次）數(shù)、NCk為漏報站（次）數(shù)。 本文TS 評分也稱為準(zhǔn)確率。

3.1 點(diǎn)對點(diǎn)檢驗(yàn)

3.1.1 一般性強(qiáng)降水點(diǎn)對點(diǎn)檢驗(yàn)

根據(jù)圖3 可知，一般強(qiáng)降水的識別，兩種模式空報率都＞97%，尤其是6 月的空報率＞98%。漏報率和準(zhǔn)確率卻非常低，特別是準(zhǔn)確率＜2%。 從模式上看，兩種模式的漏報率相差很小，EC 漏報率在時段上的波動性比較大，漏報率略低，準(zhǔn)確率高于GRAPES，但是由于漏報率本身非常高， 所以任何時段兩種模式的空報率相差都不足1%。 從預(yù)報時間看，由于強(qiáng)降水的局地性特征， 所以檢驗(yàn)效果與強(qiáng)降水時空密度相關(guān)。 由表3 可知，2018 年7 月強(qiáng)降水站次約占本年度強(qiáng)降水總站次的62.3%，準(zhǔn)確率最高，而6 月的夜間強(qiáng)降水站次僅占該年強(qiáng)降水總站次的3.2%，因此兩種模式的準(zhǔn)確率都是最低的。

圖3 一般性強(qiáng)降水點(diǎn)對點(diǎn)效果檢驗(yàn)

表3 2018 年強(qiáng)降水在各時間段所占比例

3.1.2 極端強(qiáng)降水點(diǎn)對點(diǎn)檢驗(yàn)

由于極端強(qiáng)降水局地性和不確定性更強(qiáng)， 所以空報率明顯高于一般性強(qiáng)降水，如果想降低漏報率，那么一定會增加空報率。根據(jù)圖4 可知，2 個模式的漏報率不超過50%，TS 評分不足0.7 分。 從時間看，也是由于6 月的夜間強(qiáng)降水分布密度最低導(dǎo)致整體漏報率較高、 準(zhǔn)確率較低，7 月的檢驗(yàn)效果相對最好。從模式上看，與一般性強(qiáng)降水相反，EC 準(zhǔn)確率低于GRAPES，其中EC6 月夜間的預(yù)報準(zhǔn)確率最低。

圖4 極端強(qiáng)降水點(diǎn)對點(diǎn)效果檢驗(yàn)

3.2 點(diǎn)對面檢驗(yàn)

強(qiáng)降水分布零散，突發(fā)性強(qiáng)，這也是空報率高、準(zhǔn)確率低的重要原因， 漏報率和空報率本身又存在一定的矛盾。如果要保證較低的漏報率，潛勢預(yù)報的區(qū)域可能就會相對較大，空報率也會隨之增大。而強(qiáng)降水的潛勢預(yù)報目的就是預(yù)報某一定區(qū)域， 而非某一個站點(diǎn)，即使在預(yù)報區(qū)域內(nèi)，能夠突發(fā)強(qiáng)降水的站點(diǎn)分布的零散性和偶然性也很大， 所以點(diǎn)對點(diǎn)式檢驗(yàn)必然會出現(xiàn)大量空報現(xiàn)象。 而點(diǎn)對面的檢驗(yàn)更為廣泛應(yīng)用， 即對于每一個站點(diǎn)上的強(qiáng)降水預(yù)報正確與否，是用以該點(diǎn)為中心，一定半徑內(nèi)是否出現(xiàn)了強(qiáng)降水為判斷標(biāo)準(zhǔn)。 采用兩種半徑長度實(shí)行點(diǎn)對面的檢驗(yàn)：第一種，由于研究過程中采用的是822 個自動站，根據(jù)黑龍江省面積473 000 km2，平均每個自動站的代表面積約575.4 km2， 所以選用檢驗(yàn)半徑為14 km。 第二種是參考美國SPC 的“點(diǎn)對面”普遍檢驗(yàn)方法[13]，即識別40 km 為半徑的圓面上的強(qiáng)降水。

3.2.1 一般強(qiáng)降水點(diǎn)對面檢驗(yàn)

比較圖5 與圖3， 點(diǎn)對面檢驗(yàn)的準(zhǔn)確率有明顯增加。從模式上看，EC 的準(zhǔn)確率高于GRAPES，其中EC 白天的準(zhǔn)確率相對較高。14 km 為半徑點(diǎn)對面的檢驗(yàn)，準(zhǔn)確率基本在3 分以上，7 月最高。 40 km 為半徑的點(diǎn)對面檢驗(yàn)， 兩種模式的差距相對縮小，GRAPES 白天的準(zhǔn)確率最低， 為6～8 分，EC 白天準(zhǔn)確率最高，達(dá)8～10 分。

圖5 一般性強(qiáng)降水點(diǎn)對面效果檢驗(yàn)

3.2.2 極端強(qiáng)降水點(diǎn)對面檢驗(yàn)

極端強(qiáng)降水準(zhǔn)確率較一般性強(qiáng)降水的準(zhǔn)確率明顯偏低（圖6），即使是40 km 半徑的點(diǎn)對面檢驗(yàn)，最高也不足5 分，最低是6 月夜間，約0.5 分，與一般性強(qiáng)降水檢驗(yàn)結(jié)果不同，極端強(qiáng)降水GRAPES 的TS評分高于EC。

圖6 極端強(qiáng)降水點(diǎn)對面效果檢驗(yàn)

3.3 檢驗(yàn)誤差說明

根據(jù)檢驗(yàn)結(jié)果， 由于空報率很大導(dǎo)致最終TS評分很低，分析原因主要有以下幾方面：

（1）模式本身，預(yù)報場不是實(shí)況場，本身就存在一定誤差； 兩種模式的分辨率都無法預(yù)報一些直接產(chǎn)生強(qiáng)降水的中小尺度系統(tǒng)。

（2）采用的方法存在以下幾個問題：第一，考慮雷達(dá)、自動站等探測手段在臨近預(yù)報中的修訂作用，所以制定的方法是為了一定程度上能夠減小漏報可能，而不是單一的追求高準(zhǔn)確率，從而影響了TS 評分。 第二，空間分析著重于垂直梯度，水平梯度是被忽略的。 第三， 潛在的強(qiáng)降水條件可能持續(xù)時間較長，但實(shí)況強(qiáng)降水發(fā)生只是其中很短的時間，所以存在較大時間誤差。 第四，日較差劃分不夠詳細(xì)，只是簡單劃分了白天和夜間。第五，沒有其他資料融合和訂正。

（3）預(yù)報區(qū)域中，雖然沒有達(dá)到強(qiáng)降水的標(biāo)準(zhǔn)，但是基本都會出現(xiàn)明顯降水， 可能還常常伴有其它類型強(qiáng)對流天氣發(fā)生。

4 個例實(shí)驗(yàn)

根據(jù)前文中部分物理因子不同時段特征， 分別選取了2019 年6 月中旬和8 月上旬2 個實(shí)驗(yàn)。

4.1 2019 年6 月12—13 日

利用2019 年6 月12 日08 時初始場EC 和GRAPES 模式資料識別2019 年6 月12 日20 時—13 日20 時強(qiáng)降水。12 日20 時—13 日20 時黑龍江省處于500 hPa 低渦前部，并伴有低層切變線，冷渦中心位于黑龍江西部， 切變線和中層干空氣隨著系統(tǒng)向東移動，同時，低層垂直上升區(qū)強(qiáng)度和面積也增大，氣柱含水量超過30 kg/m2的區(qū)域增大并向東北地區(qū)移動。黑龍江省的低層暖平流較強(qiáng)，冷空氣自西北向黑龍江滲透， 中西部有冷暖交匯和上干下濕的對流不穩(wěn)定層結(jié)。

4.1.1 一般性強(qiáng)降水

6 月12 日20 時—13 日08 時的實(shí)況強(qiáng)降水發(fā)生在黑龍江西部地區(qū)， 其中西南部站次密度相對較大（圖7a）；EC 預(yù)報區(qū)分布同樣是西南部集中，西北部分散，其他地區(qū)無，但密集區(qū)的位置比實(shí)況場略有偏東，落區(qū)預(yù)報整體比較準(zhǔn)確（圖7b），具有參考性。GRAPES 預(yù)報落區(qū)與EC 和實(shí)況都大致相同（圖7c），只是預(yù)報的西北部密度偏大，所以空報率會更大，與預(yù)報的西南部的密集區(qū)相比，EC 更接近實(shí)況，同樣具備參考性。

圖7 6 月12 日20 時—13 日08 時一般強(qiáng)降水落區(qū)

6 月13 日08—20 時實(shí)況強(qiáng)降水主要在黑龍江北部地區(qū)（圖8a）；兩種模式空報都比較明顯。 EC 預(yù)報集中在黑龍江北部和南部特別是東北部和南部的中部地區(qū)（圖8b），其中黑龍江南部出現(xiàn)明顯空報；GRAPES 同樣在南部地區(qū)出現(xiàn)空報（圖8c），但空報區(qū)和密集程度比EC 小。

圖8 6 月13 日08 時—13 日20 時一般強(qiáng)降水落區(qū)

4.1.2 極端強(qiáng)降水

6 月12 日20 時—13 日08 時實(shí)況的極端強(qiáng)降水位于黑龍江中部，局地性非常強(qiáng)（圖9a）；EC 預(yù)報集中區(qū)域比實(shí)況偏東不足30 km（圖9b）；GRAPES預(yù)報的面積更大（圖9c），所以空報率更大，但從預(yù)報的密集區(qū)與實(shí)況區(qū)的吻合看，比EC 更準(zhǔn)確。兩種模式整體效果較好。

圖9 6 月12 日20 時—13 日08 時極端強(qiáng)降水落區(qū)

13 日08—20 時實(shí)際的極端強(qiáng)降水在黑龍江北部（圖10a）；EC 和GRAPES 預(yù)報區(qū)域面積過大，整體效果較差，在東北部和南部完全是空報（圖10b、圖10c）。 GRAPES 并沒有在實(shí)況位置形成預(yù)報密集區(qū)，所以這次的潛勢預(yù)報基本是錯誤的。

圖10 6 月13 日08—20 時極端強(qiáng)降水落區(qū)

4.2 2019 年8 月6—7 日

2019 年8 月6 日08 時高空500 hPa 構(gòu)成了“兩高兩低”的“鞍形場”，東北部為冷渦系統(tǒng)，冷渦底后部不斷有弱冷空氣引導(dǎo)南下影響強(qiáng)降水區(qū)； 西南部冷渦緩慢東移， 冷渦前部西南氣流向北輸送影響黑龍江省，東南部和西北部分別為高值系統(tǒng)，2 個低值系統(tǒng)的溫度場落后于高度場， 西北部高值系統(tǒng)是由于貝加爾湖西部暖脊加強(qiáng)形成， 東南部為副熱帶高壓，“584 dagpm”線北挺至黑龍江東南部，強(qiáng)降水區(qū)處于副熱帶高壓外圍， 同時在我國臺灣島東部有臺風(fēng)“范斯高”正在北上，在一定程度上阻礙系統(tǒng)的移動。配合地面系統(tǒng)在6 日上午，同樣存在4 個不同的高低系統(tǒng)，地面輻合線明顯，西南部氣旋中心位于內(nèi)蒙古東北部。

4.2.1 一般性強(qiáng)降水

8 月6 日20 時—7 日08 時的實(shí)況強(qiáng)降水區(qū)位于黑龍江西南部和中部地區(qū)， 強(qiáng)降水出現(xiàn)連續(xù)性和集中性（圖11a 圓圈處）。 EC 預(yù)報也出現(xiàn)了密集區(qū)，但同時又在東北部出現(xiàn)了相對較為稀松的落區(qū)（圖11b），總體與實(shí)況吻合較好。GRAPES 在東北部沒有出現(xiàn)明顯的空報，預(yù)報區(qū)也集中在西南部和中部，與實(shí)況不同的是預(yù)報區(qū)中沒有出現(xiàn)相對集中區(qū)（圖11c）。 2 個模式預(yù)報都有較好的指示性。

圖11 8 月6 日20 時—7 日08 時一般性強(qiáng)降水落區(qū)

8 月7 日08—20 時的實(shí)況強(qiáng)降水在中部、中南部和東部（圖12a），兩種模式在預(yù)報區(qū)域和密集程度上出現(xiàn)了很高的相似（圖12b、12 c），它們都出現(xiàn)了較大空報，并集中在西南部和東南部，實(shí)況與預(yù)報密集區(qū)相吻合， 所以這次過程兩種模式的一般性強(qiáng)降水預(yù)報有一定參考價值， 可以在降水過程中關(guān)注其他探測手段。

圖12 8 月7 日08—20 時一般性強(qiáng)降水落區(qū)

4.2.2 極端強(qiáng)降水

8 月6 日20 時—7 日08 時的極端強(qiáng)降水區(qū)與該時段一般性強(qiáng)降水區(qū)在實(shí)況和模式預(yù)報中的分布都基本一致（圖13）， 只是它們的集中程度略小一些，所以預(yù)報效果較好。

圖13 8 月6 日20 時—7 日08 時極端強(qiáng)降水落區(qū)

8 月7 日08—20 時極端強(qiáng)降水（圖14）也與一般性強(qiáng)降水相似，但由于極端強(qiáng)降水本身的偶然性，所以實(shí)況分布相對零散， 兩種模式預(yù)報有一定的差別，EC 仍然是在西南部和東南部出現(xiàn)空報，GRAPES 在西南部基本沒有預(yù)報區(qū)，減少了空報率，但在中部地區(qū)出現(xiàn)了部分漏報。

圖14 8 月7 日08—20 時極端強(qiáng)降水落區(qū)

5 結(jié)論

（1） 強(qiáng)降水的環(huán)境背景一方面受限于基本因子閾值，另一方面也需要各物里因子間的融合，當(dāng)所有影響因子達(dá)到閾值后， 某一因子的條件相對較差時需要其他因子非常有利情況下，才可能出現(xiàn)強(qiáng)降水。

（2）一般性強(qiáng)降水的主要影響因子為與水汽（比濕、相對濕度）、熱力（中低層溫差、地面溫度、溫度平流、能量）、抬升（散度、水汽通量散度、垂直速度、海平面氣壓）相關(guān)的因子，其中水汽和熱力條件以定量診斷為主，抬升條件以定性診斷為主。極端強(qiáng)降水的識別是在一般性強(qiáng)降水的基礎(chǔ)上考慮積云的維持與增長機(jī)制。各物理因子間存在一定旬差異和日較差，夜間與水汽含量相關(guān)因子的閾值明顯大于白天，不穩(wěn)定條件則是白天高于夜間。 6 月中上旬要求的水汽含量小于其它時間。

（3）由于模式本身、研究方法、實(shí)況代表性等原因，兩種模式的潛勢預(yù)報都存在很大誤差。因?yàn)閺?qiáng)降水的局地性、突發(fā)性特征，逐3 h 檢驗(yàn)結(jié)果空報率非常大，TS 評分很低。一般性強(qiáng)降水，兩種模式點(diǎn)對點(diǎn)檢驗(yàn)的TS 評分基本在2%以下，14、40 km 半徑點(diǎn)對面檢驗(yàn)的TS 評分約3%和8%。極端強(qiáng)降水，兩種模式點(diǎn)對點(diǎn)檢驗(yàn)TS 評分基本在0.4%左右；14、40 km半徑點(diǎn)對面檢驗(yàn)TS 評分約0.7%和2%。

（4）受強(qiáng)降水分布影響，7 月由于強(qiáng)降水發(fā)生頻繁，檢驗(yàn)效果相對好于其它時段，一般性強(qiáng)降水優(yōu)于極端強(qiáng)降水。 隨著點(diǎn)對面檢驗(yàn)半徑的擴(kuò)大，TS 評分隨之增加。一般性強(qiáng)降水檢驗(yàn)中EC 細(xì)網(wǎng)格TS 評分高于GRAPES_GRAPES，而極端強(qiáng)降水檢驗(yàn)中兩種模式的TS 評分剛好相反。

本文的研究還存在不足， 物理因子垂直和水平梯度分析的密度較小，且沒有明確各因子的權(quán)重；自動站、雷達(dá)資料沒有及時同化；在日較差方面，只分白天和夜間； 存在降低漏報率和提高準(zhǔn)確率之間的矛盾。