天津雷暴大风天气的环流场及雷达回波特征分析

利用加密自动站、闪电定位仪、FNL和多普勒雷达资料对2018—2020年汛期(4—9月)天津地区出现的47次雷暴大风过程的时空分布、天气形势和雷达回波特征进行统计分析。结果表明：(1)天津地区雷暴大风多出现在北部山区和东部沿海，高发月份为6—8月，多出现在傍晚到前半夜，持续时间多为1—4小时；(2)天津地区雷暴大风的天气形势主要有西北气流型、冷涡型、低槽型和副高边缘型，其中冷涡型出现频次最高；(3)造成天津地区雷暴大风的对流风暴类型主要有非线状多单体风暴、线状多单体风暴(不包含飑线)、飑线、弓形回波和普通单体风暴，其中飑线数量最多，飑线和弓形回波是造成雷暴大风极端值的主要风暴类型；(4)当最大反射率因子为61 dBZ、强回波中心下降率为1.6 km·6min-1上下时发生雷暴大风的可能性最高；(5)根据低层径向速度大值区，可对15.4%的非线状多单体风暴、14.3%的线状多单体风暴和22.2%的飑线雷暴大风提前30 min发布预警。     

山西雷暴大风雷达产品统计学特征及预警提前量研究

为认识统计山西雷暴大风的雷达产品特征，做好其预报预警，利用2013—2017年4—9月高空探测资料和地面观测资料以及多普勒雷达资料对山西39次雷暴大风过程进行研究。根据500 h Pa环流形势将其分为四大类型：西北气流型、冷涡型、西风槽前型、副热带高压（简称“副高”）切变型。统计分析了不同环流背景下雷暴大风的雷达产品特征及其预警提前量。结果表明：（1）块状孤立对流单体是任一环流背景下山西雷暴大风的主要雷达回波形态。（2）副高切变型雷暴大风的最大回波强度、回波顶高、最大垂直积分液态水含量值最高，冷涡型最低。（3）低层径向速度大值区对雷暴大风的指示意义最明显，预警提前量最多，可提前30 min以上。（4）雷暴大风发生时，有阵风锋和逆风区出现，但出现次数极少。研究结果对利用雷达产品预警山西雷暴大风提供参考依据。     

天津地区雷暴大风天气雷达产品特征分析

应用2002-2007年天津共46次雷暴大风天气过程的新一代天气雷达资料,并结合灾情报告和地面自动气象站资料,根据雷达基本反射率回波特征,影响渤海西部雷暴大风的雷达回波形态有以下四种类型:弓状回波、阵风锋、带状回波和零散椭圆状回波,其中弓状回波对应的雷暴大风天气最为强烈,特别是弓状回波的前部和顶端突起部分;同时弓状回波主体维持时间与雷暴大风维持时间基本一致.另外,应用垂直积分液态水含量产品(VIL)进行了统计分析.结果表明:当VIL值达到或超过40 kg·m~(-2)时,随后VIL值的快速减小对于预警雷暴大风天气有指示意义,这种信息一般能够提前10分钟出现.此外,分析了雷暴大风的路径来源有四类:分别是北方路径有9次,西北路径占19次,西方路径14次和其他路径4次,其中北方路径带来的灾害相对严重.这些特征对预警渤海西部雷暴大风天气提供使用价值,同时也可提供其他地区参考使用.     

利用雷达回波三维拼图资料识别雷暴大风统计研究

应用雷达回波三维组网拼图数据、加密自动站和地面灾害大风资料,对2008—2012年京津冀地区20次区域性雷暴大风天气过程进行了统计。检验了基于模糊逻辑建立的利用回波强度识别大风的算法,分析了大风出现的位置。该大风识别算法确定了雷暴大风的6个雷达识别指标及其对应的权重系数和不同季节的隶属函数。检验分析块状回波、带状回波和片状回波3类大风过程的识别效果,结果表明：块状回波类大风是由孤立的强单体风暴引发的,风暴单体具有回波强、回波顶高、垂直积分液态水含量大和移动快等特点,雷暴大风多出现在风暴单体附近且二者移动路径一致;带状回波的长度远大于宽度,主要包含飑线和弓状回波,大风影响范围广且多位于带状回波的前沿一带;片状回波多指大面积层云回波中镶嵌着强回波单体块的混合回波,对应出现的雷暴大风多位于风暴单体的周边区域。3类回波识别到的可能出现大风区域与实测大风范围基本吻合,块状、带状和片状3种类型的雷暴大风命中率分别为96.2%、68.6%和45.3%,漏报率分别为3.8%、31.4%和54.7%。由于垂直积分液态水含量偏低和回波强度弱,片状雷暴大风识别漏报相对较多;空报原因除了与测站分布稀疏有很大关系外,也与识别算法本身有关。识别检验证明雷暴大风综合识别方法是合理可靠、切实可行的,可以为雷暴大风的短时临近预警业务和系统开发提供技术支撑,这一工作也为进一步预警大风出现的位置提供了基础。     

玉山雷暴大风雷达回波特征分析北大核心

利用气象信息综合分析处理系统、江西WebGIS雷达拼图、江西自动气象站、上饶SA雷达等资料,综合分析了2004—2020年玉山县15次雷暴大风过程特征。结果表明:玉山雷暴大风集中出现在5—9月,其中7月最多;雷暴大风有明显日变化特征,午后增温是高发期,导致玉山雷暴大风天气主要有三类中尺度系统,分别为冷锋倒槽类、副高控制类、热带系统类;按雷达拼图回波特征分为飑线回波带上超级单体、飑线(弓状)回波带上强单体、副高边缘强回波短带和局地热雷雨强回波三类。飑线回波带上超级单体中心回波强度超过60 dBZ,回波带有明显的“弓”状结构,移动速度可达80~100 km·h^(-1);副高边缘的雷暴大风天气发生在局地热雷雨强回波发展合并时,局地性强,移动缓慢,移速仅30 km·h^(-1)左右。雷达PUP产品上超级单体冰雹和雷暴大风主要区别为:组合反射率CR产品60 dBZ强回波面积冰雹较大,雷暴大风较小;垂直累积液态水(Vertically Integrated Liquid,VIL)冰雹可达到60 kg·m^(-2),雷暴大风VIL≤35 kg·m^(-2);反射率因子垂直剖面(Reflectivity Cross Section,RCS)冰雹有超过65 dBZ强回波核,雷暴大风则没有;径向速度垂直剖面(Velocity Cross Section,VCS)冰雹出现中气旋结构,雷暴大风则出现“逆风区”或弱切变结构。     

2017年江西上高雷暴大风雷达回波特征分析

利用MICAPS天气资料、江西WebGIS雷达拼图、自动站、强天气监测和雷电监测等数据,对2017年8月江西副热带高压边缘产生的四次雷暴大风天气过程,采用数据统计、形态特征对比等方法进行分析,结果表明：江西北部A回波和南部B回波发生辐合运动时,B回波会发展的更为旺盛,形成飑线回波带。当东北～西南走向的回波带,发生转向为南～北走向时,是形成弓状回波带的前兆。副高边缘对流单体回波分布很广,江西境内大多数地方都可以产生,雷暴大风发生在个别强回波或短带回波中。回波系统在不断向东移动过程中,其东南侧不断触发产生新的对流单体,通过不断合并,不断新生单体,形成向东东南方向“传播”的发展趋势,造成回波系统向传播方向移动。回波的传播方式一方面加快了回波移动速度,另一方面改变了回波的移动方向。副高边缘雷达回波特征主要有两种：一是南北向短带回波,有时会发展为弓状回波;二是强回波单体,超级单体和复合单体回波。带状回波上,雷暴大风分布在回波带前沿,尤其是弓状回波带的头部,雷电分布则在回波带移动方向的后侧;强单体、超级单体和复合单体回波上,雷暴大风和雷电集中在强回波中心附近区域。     

2017年江西副热带高压边缘雷暴大风回波特征

利用MICAPS天气资料、WebGIS雷达拼图、自动站、强天气监测和雷电监测等数据,对2017年8月江西副热带高压边缘产生的4次雷暴大风天气过程,采用数据统计、形态特征对比等方法进行分析,结果表明:江西北部回波和南部回波发生辐合运动时,南面回波会发展的更为旺盛,形成飑线回波带。回波的传播方式一方面加快了回波移动速度,另一方面改变了回波的移动方向。副热带高压边缘雷达回波特征主要有两种:一是南北向短带回波,有时会发展为弓状回波;二是强回波单体,超级单体和复合单体回波。带状回波上,雷暴大风分布在回波带前沿,尤其是弓状回波带的头部,雷电分布则在回波带移动方向的后侧;强单体、超级单体和复合单体回波上,雷暴大风和雷电集中在强回波中心附近区域。超级单体回波具有55～60 dBZ块状回波结构,垂直液态水含量VIL达到60 kg·m~(-2);相对风暴速度SRM图上和垂直径向速度RHI_V图上,都具有相邻的正负速度对和达到中等以上中气旋标准。     

四川盆地雷暴大风雷达回波特征统计分析

采用2009—2018年地面、高空、闪电定位、多普勒雷达资料统计出四川盆地的34次雷暴大风过程,并根据冷空气参与情况及500 hPa影响系统将其分为五种类型:混合性大风类(Ⅰ类)、深厚低槽(低涡)后部类雷暴大风(Ⅱ-1)、低槽(切变)东移类雷暴大风(Ⅱ-2)、副热带高压西侧切变类雷暴大风(Ⅱ-3)和东风扰动类雷暴大风(Ⅱ-4)。统计分析了五类过程中发生雷暴大风站点对应的雷达回波特征,包括:对流组织类型、雷达回波强度、回波顶高、垂直液态水含量、中层径向辐合、风暴移动速度、回波质心下降、低仰角风速大值区和辐散。结果表明,82%的雷暴大风站点具有风速大值区,不同类型的雷暴大风过程还有其他不同的雷达回波特征,这些特征大多可提前10 min以上。另外,当站点出现中层径向辐合、辐散、回波强度大且伴有强梯度或回波类型为飑线时,也要考虑大风是否出现。     

江西三类致灾大风天气活动与回波特征分析

使用常规天气资料、灾情资料、自动气象站、卫星云图和雷达回波等资料,对江西出现的灾害性大风天气进行分析,结果表明：江西致灾大风天气主要有三种类型。（1）与飑线回波带和超级单体等雷达回波系统相伴随的雷雨大风天气,同时还伴随强雷电、强降水、冰雹和龙卷等灾害性天气;（2）与冷锋雷暴回波带和冷空气大风相伴随的混合大风天气,具有雷雨大风天气和冷空气大风天气活动的特征;（3）由雷暴下沉气流触发、中高空动能下传和气压梯度风共同作用产生的无降水致灾大风天气,没有降水、雷电等天气现象伴随。     

北京地区雷暴大风不同生命期内的雷达统计特征及预警提前量分析

选取2010—2014年发生在北京地区的19个致灾的雷暴大风天气过程,应用北京新一代多普勒天气雷达体扫资料的反射率因子和径向速度产品,分析了雷暴大风天气不同生命期内的雷达回波特征。分析发现依据径向速度大值区能对77.8%的带状回波造成的雷暴大风天气提前发布预警,能对100%的弓形回波造成的雷暴大风天气提前发布预警,而其中有67%可提前30min发布预警;孤立的块状回波前侧均未观测到阵风锋回波,径向速度图未观测到入流急流,径向速度大值区不明显。但径向速度图上观测到的中层径向辐合、入流急流、中气旋及反射率图上观测到的阵风锋都为雷暴大风的提前预警提供了重要指示特征。     

河北省雷暴大风的雷达回波特征及预报关键点

应用河北省石家庄新乐CINRAD-SA雷达资料对2006—2008年河北省中南部地区262个站雷暴大风的雷达回波特征进行统计。分析发现, 雷暴大风的主要雷达回波特征有弓形回波、阵风锋和径向速度大值区,出现其中一个或多个特征均可发布雷暴大风预警。根据以上雷达回波特征能够对66%的雷暴大风发布预警,34%的雷暴大风仅仅依据雷达资料无法预警,其中孤立块状回波占39%,带状回波占61%。弓形回波仅占雷暴大风的19.8%,能够观测到的阵风锋回波仅占16.8%,65.3%的雷暴大风观测到径向速度大值区,径向速度大值区是雷暴大风最重要的雷达回波特征。径向速度大值区的形成一般早于弓形回波和阵风锋回波,依据径向速度大值区可更早发布雷暴大风预警。     

四川盆地一次极端大风天气过程成因及预报着眼点分析

利用常规观测资料、FY-2E卫星云图、多普勒雷达产品、闪电定位资料、自动气象站资料等,分析了2015年4月4日傍晚到夜间发生在四川盆地的极端大风天气过程。分析指出:本次雷暴大风过程是由冷锋对暖湿气团的强迫抬升及干冷空气进入暖湿区域触发形成.中空干层、大的温度直减率、高低空急流耦合区、低层温度脊附近是利于极端雷暴大风出现的潜势区域。该区域为雷暴形成提供了条件不稳定、水汽、动力抬升等有利环境条件。冷空气首先从盆地西北部中低层入侵,在低层切变线上触发生成了一系列雷暴单体,在最有利于对流发展的潜势区域迅速发展。潜势区域中线状回波北段的中尺度涡旋环流、前侧入流和后侧入流的相互作用形成单体弓形回波,该弓形回波具有比普通雷暴更高的反射率因子、垂直液态含水量.根据雷达回波演变特征推断,本次极端大风是由单体弓形回波带来的湿下击暴流所导致。弓形回波中高反射率因子的高度连续下降意味着下沉气流伴随降水粒子下降,干空气被夹卷进入下沉气流使得雨滴被迅速蒸发,大大加强了下沉气流强度,因而显著增加了大风强度。分析还指出:通过分析对流发展背景条件,确定最有利对流发展的潜势区域,关注该区域中回波的生成、形态特点、演变特征,可提前预警大风天气。     

三种机器学习方法在广东雷暴大风自动识别的应用效果评估

基于2012—2019年自动站雷暴大风观测实况和对应雷达回波,利用传统机器学习方法(决策树)和深度学习方法(CNN、YOLO)等三种机器学习方法分别建立雷暴大风自动识别模型。根据广东雷暴大风回波特征,选取50 dBZ高度、反射率因子强度梯度等5个回波参量作为决策树的特征因子;将1～9 km高度的雷达回波分为11层,作为YOLOv3的输入层,使其由原3个特征层扩展到11层,训练优化后的YOLOv3可更合理刻画雷暴大风的空间结构特征。经批量测试和业务试运行试验,检验结果表明：三种模型中基于决策树的模型虚警最高,基于CNN的模型漏报最多,基于YOLO的模型识别效果最好,其POD和CSI均最高。通过对广东2020年汛期5次系统性和5次局地性雷暴大风过程进行分类型自动识别效果评估,并选取任意天气下长达30天连续时段进行不间断识别检验,结果表明该算法对于不同类型的雷暴大风均有较好的识别能力,具备业务化应用前景。     

2018年一次罕见早春飑线大风过程演变和机理分析

2018年3月4—5日,华南、江南等地发生了一次大范围强对流过程,发生时间早,落区范围广,多地伴有雷暴大风、冰雹、短时强降水等剧烈对流天气,尤其飑线在江西境内造成了严重大风灾害。基于大气环流和雷达回波发展演变特征,将该次过程分为初始、发展和减弱三个阶段：初始阶段西风槽前西南急流造成的低压倒槽为强对流提供大尺度触发条件;发展阶段对流活动位于槽前暖区中,飑线在江西造成极端大风;入夜后,冷锋南下,对流进入减弱阶段。环境场及对流参数诊断表明江西中北部低层高温高湿,中层干冷,温度垂直递减率大,有利于产生雷暴大风。南昌探空长时间序列分析表明温湿要素气候态异常,与历史同期比,低层明显偏暖偏湿,中层偏干,有利于极端对流天气发生。综合多源观测资料和雷达资料分析中小尺度特征,本次江西飑线过程特点及成因包括：（1）受引导气流和前向传播共同作用,飑线移动速度快。（2）自动站分析显示飑锋后雷暴高压强,与锋前暖低压作用造成强密度流,有利于产生大范围直线型大风;（3）通过对比飑线弓状回波南北段回波结构差异表明,飑线后侧中层干后向入流促使降水粒子相变,剧烈降温形成的强下沉运动(下击暴流)是导致极端大风的主要原因,后部层云区下沉气流增强雷暴高压加之动量下传作用对雷暴大风有增幅作用。     

基于雷达三维组网数据的对流性地面大风自动识别

应用雷达三维组网数据和地面加密自动站风场资料,统计分析了对流性地面大风的6个主要雷达识别指标：风暴最大反射率因子、风暴最大垂直积分液态水含量、垂直积分液态水含量随时间变率、风暴最大反射率因子下降高度、风暴体移动速度和垂直积分液态水含量密度等参数。根据雷达识别指标和地面大风的相关程度,给出了识别指标的隶属函数和权重系数;采用不等权重法,建立了具有模糊逻辑的对流性地面大风识别方法。并将对流性地面大风的出现概率分为3级：当识别风暴单体的判据小于0.3时,出现对流性地面大风的概率小;当判据在0.3—0.5时,产生对流性地面大风的概率较大;当判据大于0.5时,出现对流性地面大风的概率很大。通过对河北省2012年6月21日线状风暴和2009年7月23日孤立单体风暴引发的灾害大风典型个例的识别效果检验,证明这种方法识别到的风暴单体跟踪效果良好,识别出的大风范围与实况风场基本吻合,命中率、虚警率和临界成功指数分别达81.8%、25.0%和64.3%,利用模糊逻辑原理建立对流性大风的识别算法是切实可行的。