基于风暴数值模拟的冰雹临近预报方法研究

王 瑾，王洪斌，邹 蓓

(1.贵州省气象信息中心，贵州 贵阳 550002;2.贵州省黔东南自治州气象局，贵州 凯里 556003)

基于风暴数值模拟的冰雹临近预报方法研究

王 瑾1，王洪斌2，邹 蓓1

(1.贵州省气象信息中心，贵州 贵阳 550002;2.贵州省黔东南自治州气象局，贵州 凯里 556003)

该文利用基于格点冰雹识别的研究成果，结合ARPS风暴数值模式的输出结果，提出基于风暴数值模式的冰雹临近预报方法，即用风暴数值预报的水物质场反演的反射率因子场作为冰雹的预报因子，并通过建立基于格点的强冰雹识别算法作为冰雹预报模型，从而对冰雹的落区及大小做出预报。与一般的冰雹预报模型相比，新的方法有以下特点：选取的冰雹预报因子物理意义更加明确，更加全面;建立的冰雹预报模型比较稳定;建立冰雹预报模型的过程相对简单。新的方法在一次强冰雹过程中得到了成功应用，在3h的临近预报中基本准确预报了强冰雹的落区位置。

风暴数值模拟;冰雹临近预报

1 引言

基于雷达资料的临近预报技术主要包括雷暴识别追踪和外推预报技术、数值预报技术以及以分析观测资料为主的概念模型预报技术等。其中，识别追踪和外推预报技术主要以雷达资料为基础，在这方面，交叉相关外推和回波特征追踪识别外推是比较成熟的技术，已经用于许多的临近预报业务系统中，其缺陷是预报时效较短，准确率也不是很高。随着精细数值天气预报技术和计算机技术的发展，特别是“热启动”技术的发展，利用多普勒天气雷达资料和其它中小尺度观测资料进行数值模式初始化来预报雷暴的发生、发展和消亡已经成为一个研究的热点，是今后临近预报主要的发展方向。近年来，国内外有关强对流天气预报方法的研究已有很多成果，但在实用有效的短时预报手段方面依然需做进一步探讨和研究。我国目前对这类天气的预报主要是根据实况观测资料作外推或根据预报员的经验总结出来的强对流天气概念模型来进行。国外则利用加密的中尺度观测及卫星、雷达资料，采用变分同化技术融入非静力中尺度模式，其技术已显示出对某些强对流天气的预报具有一定的能力。如Warner等(2000)在一次暴洪的个例研究中，采用VDRAS系统，即用云模式及其伴随模式，从多普勒雷达资料反演得到云模式的初值，包括三维风场、热力场和云的微物理场，预报结果的验证表明：模式预报质量显著好于外推预报。邱崇践等(2001)采用变分反演方法和Gal-Chen等提出的热力反演技术，得到ARPS模式预报所需初始场的基本要素，并对移经美国Oklahoma州的一个强雷暴系统进行了数值预报试验，结果表明，初始场中引入多普勒雷达观测资料后明显改进了预报效果。

冰雹作为一种强对流天气，其特点是空间尺度小、生命史短、突发性强、发展演变迅速，其预报难度是众所周知的。Doswell［3］认为，龙卷预报包括两部分：对风暴环境中龙卷潜势的预测以及一旦风暴发展时对龙卷风暴的识别。Doswell的上述思路，即把风暴预报问题化分为潜势预测和监测识别，同样适用于降雹预报问题。在日常业务工作中，能不能将上述的潜势预报和雷达识别雹云有机的结合起来，利用模式输出产品的一些结果呢?作为一种尝试，文献［1］讨论了风暴模式的“热启动”问题，使得利用数值模式成功地对冰雹等发展演变迅速的强对流天气做出临近预报成为可能。本文利用文献［2］的冰雹识别的研究成果，结合ARPS风暴数值模式的输出结果，提出了一个新的冰雹临近预报方法，并在一次冰雹个例中得到了成功应用。作为比较，也探讨了基于风暴跟踪外推技术的临近预报方法。

2 基于格点冰雹识别算法的冰雹临近预报方法

冰雹并不是风暴数值模式的预报量，因此常规的冰雹预报，是利用探空或数值预报模式的输出量计算各种对流参数和物理条件(层结不稳定、水汽、动力)等各类因子，如对流有效位能(CAPE)，风暴相对螺旋度(SRH)、粗理查逊数(BRN)和粗理查逊数切变(BRNSHR)等，然后根据实际冰雹资料建立地面降雹与这些因子之间的统计关系，从而建立冰雹的预报模型。这些方法所建立的模型，与数值预报模式和局地气候密切相关，一旦数值模式或局地气候条件变化，预报模型就必须调整;而且建立的过程比较繁杂，必须使用大量的数值预报个例来建立稳定的统计关系。为了解决这些困难，我们提出一个新的方法来建立冰雹的临近预报模型。

基本思路就是以反射率因子作为冰雹预报因子，将冰雹预报问题转变为冰雹识别问题。首先根据强风暴数值模式预报输出场中的水物质场和风场转变多普勒雷达的反射率因子和径向速度场，然后根据多普勒雷达的冰雹识别方法诊断出冰雹落区和大小。我们使用的冰雹识别方法是文献［2］研究的基于格点冰雹识别算法，算法是基于反射率因子的方法，因此我们只需转变预报输出场中的水物质场为多普勒雷达的反射率因子场。

与一般的冰雹预报模型相比，新的方法有以下特点：

①选取的冰雹预报因子物理意义更加明确，更加全面。新方法中的冰雹预报因子虽然只有雷达反射率因子，但它是预报时刻各种物理因子(对流参数、水汽条件、动力因子)的综合反映，而且直接体现了与冰雹有关的水物质的情况，因而相比而言更加全面。

②建立的冰雹预报模型比较稳定。新方法使用的预报模型，即基于雷达反射率因子的冰雹识别算法，与使用的风暴数值模式无关，模式的改变并不需要改变冰雹识别算法，因此，要提高冰雹的预报能力，我们只需专注于模式水物质输出场形成的雷达反射率因子场的位置和结构预报能力的提高，而不需再重新建立新的冰雹预报模型。

③建立冰雹预报模型的过程相对简单。只需要获得大量的冰雹个例雷达观测资料及地面降雹记录资料，我们就可以建立可靠的冰雹识别模型，而不需要通过大量的数值预报模拟结果来建立稳定的预报模型。

2.1 反射率因子场的生成

水物质场生成反射率因子场采用了ARPS模式［5-6］的云分析方案中的处理方法，总的等效反射率因子Ze由3个分量构成：

式中 Zer、Zes、Zeh分别是雨水、雪及冰雹对反射率因子的贡献，雨水、雪及冰雹等降水粒子场由模式的湿球温度场及雷达反射率模式网格场对降水粒子形态的诊断分析获得。这3个分量的反射率因子方程采用了Smith(1975)的方案。

雨水的反射率因子分量Zer方程：

式中雨水密度 ρr=1 000 kg/m3，ρ(单位为 kg/m3)是空气密度，假设雨滴大小谱分布满足Marshall-Palmer指数分布，截断常数Nr=8.0×106m-4。

在云中温度＜0℃，干雪对反射率因子的贡献方程为：

这里 ρs=100 kg/m3及 ρi=917 kg/m3分别是雪和冰的密度。Ns=3.0×106m-4，是雪谱分布的截断常数，=0.176及=0.93分别是冰和水的电介常数。

当云中温度＞0℃，湿雪对反射率因子的贡献类同于雨水形式的方程：

其中，ρh=913 kg/m3是雹的密度，雹谱分布的截断常数 Nh=4.0×104m-4，这个值比 Smith［12-13］方案中使用的值稍大，主要是考虑了大多数情况冰雹尺寸较小的原因。

2.2 格点冰雹识别算法

在文献［2］中，我们在基于局部空间插值方法的雷达反射率因子的三维插值网格上建立了适合于贵州地区的基于格点的冰雹识别算法，并生成了基于格点的垂直累积含水量、垂直累积含水量密度、强冰雹指数、强冰雹概率等强冰雹诊断产品，本文将在此基础上建立贵州冰雹的预报模型。

3 个例选择及方案设计

为检验基于风暴数值模拟的冰雹临近预报方法的预报能力，选择了一次发生在贵州中西部地区的强对流冰雹天气作为研究个例。

受高空槽和低涡切变的共同影响，2005年5月2日下午至夜间，贵州西北部及中部地区发生了一次雷雨冰雹天气过程。21时34分，本次强对流天气系统袭击了贵阳市乌当区和白云区，在雷雨中夹降冰雹并伴有瞬时强风，持续时间12 min左右，冰雹直径15～30 mm。这次强雷暴天气过程是一次由高原东侧短波槽在低层切变线上扰动生成局地中小尺度气旋形成的强烈对流天气(图略)，另外中低层持续加强的西南暖湿气流，高温高湿的环境场及中层700 hPa逆温层的存在，也为这次强雷暴的发生发展提供有利的背景条件。

本文以美国Oklahoma大学风暴分析和预测中心开发的ARPS(The Advanced Regional Prediction System)模式及其资料三维同化系统ARPS3DVAR和复杂云分析模块为研究平台［1］，对于所有的数值试验，均采用了两层单向嵌套网格，外层为15 km分辨率，覆盖了整个中国区域，内层为3 km，以贵阳为内层模式区中心点，覆盖了整个贵州区域。15 km和3 km网格都采用了相同的垂直地形跟随坐标，垂直方向取43层，垂直平均分辨率为500 m。采用ARPS3DVAR系统来同化常规地面资料、探空资料及多普勒雷达径向速度资料，3DVAR中的云分析模块根据反射率资料来调整云中温度、水汽、云水云冰及降水粒子场。ARPS3DVAR系统及ARPS模式的主要参数设置见表1。

表1 ARPS3DVAR系统及ARPS模式的主要参数设置

15 km网格的模拟结果为3 km的数值模拟提供边界条件，并且经过插值到3 km网格后，为3 km的雷达同化分析提供背景场。15KM网格采用6 h间隔的NCEP AVN 1°×1°资料作为背景场和边界条件，初始时刻加入了地面和探空资料对初始场进行订正。

为检验模式的冰雹天气临近预报能力和多雷达资料同化对模式预报的影响，我们选取了在贵阳雷达静锥区内有强冰雹记录时(北京时间21时34分)的前1.5 h，即20时00分作为模式启报时间，模式预报时间为3 h。3 km网格同化了模式时刻贵阳和遵义两部多普勒雷达的体扫资料。在同化分析中，由于只同化雷达资料，采用了单次PASS，滤波尺度为6 km。

4 结果分析

4.1 风暴模式的临近预报能力检验

图1是ARPS模式对本次强冰雹过程20时至23时3 h预报的反射率因子在3 km高度与实际雷达观测的详细比较图。预报的反射率因子根据本文2.1节的Smith方案获得。模式预报与观测的雷达反射率在回波结构、位置和系统的演变方向上是比较一致的，抓住了这次强冰雹过程几个主要强风暴的演变特征。从实际观测(图1右栏)来看，预报初始阶段，存在5个主要的对流风暴(图1中a～e所标示)，其中风暴a是这次过程最主要的强降雹云，预报时段一直维持强风暴，21时30分在贵阳附近降雹后，呈现逐渐减弱的趋势。风暴b在20时45分与风暴a后部分裂的小风暴合并增强，22时30分与其后部的新生风暴c’合并，已有与风暴a合并的趋势。风暴c在预报1 h后持续增强，21时，在其右前方有新风暴c’生成。风暴d维持减弱趋势，22时30分后消亡。弱风暴e在20时45分消亡。

从20时开始的3 h预报在15 min后有6个风暴(图1a～f标示)，其中5个风暴a～f都可以直接联系到右侧实际观测中的风暴，只有风暴f没有与之对应的实测风暴，但由于环境场的不支持导致了风暴f在21时后完全减弱消亡。5个风暴在预报开始后1 h内，风暴强中心位置的预报误差＜5 km，2 h内预报误差＜15 km，3 h的预报误差在30 km左右，而且主要风暴结构与实际观测保持较好的相似度。预报的风暴a在预报时段一直维持强风暴形态，但强度比实测略低，范围比实测大，最大值为57 dBz，出现在21时。风暴d和e的预报虽有减弱消亡的趋势，但消亡时间比实测晚。风暴e是在21时后逐渐消亡，风暴d一直维持减弱趋势。风暴b、c的预报与实测稍有出入，预报的风暴b在20时45分与风暴c合并，而不是与风暴a后部分裂的小风暴合并。合并后在21时30分重新分裂，生成新风暴c’。这比实测中新风暴c’的生成时间稍晚。

通过对这次过程主要风暴的时空演变及主要关键特征的成功模拟，可以认为初始时刻通过3DVAR和云分析同化了雷达观测资料及常规的地面观测和探空资料起了非常关键的作用，这不仅为模式提供了一个合理的初始场，同时也解决了模式的“热启动”问题，模式初始时刻就存在的云微物理场，大大减少了模式的调整时间，使得利用风暴数值模式进行0～3h的对流天气临近预报成为可能。但模拟结果也表明，当风暴靠得太近时，一些复杂的风暴相互作用，比如说风暴的合并、阵风锋的交汇等现象就会发生，而模式对这些过程的处理误差会激发一些虚假的风暴单体的生成或消亡，这就要求提高模式对对流风暴的精确的分析和处理能力。

4.2 强冰雹的临近预报

我们提出的强冰雹预报的临近预报方法就是用风暴数值预报的水物质场反演的反射率因子场作为冰雹的预报因子，并使用文献［2］建立的基于格点的强冰雹识别算法作为冰雹预报模型，从而对冰雹的落区及大小做出预报。在文献［2］中，我们使用多雷达三维插值拼图产品，实现了基于格点的垂直累计含水量、垂直累计含水量密度、强冰雹指数及强冰雹概率等强冰雹诊断因子，改进了强冰雹概率算法。同时根据局地气候特征建立了适合于贵州地区的强冰雹指数的冰雹预警阈值选择模式(WTSM)，每天的VIL冰雹预警阈值(VOD)统计关系式及VIL密度的冰雹预警阈值。上节我们已经成功模拟了这次强冰雹过程的反射率因子的演变特征，接下来对强冰雹的落区预报就变得相对容易，我们只需根据预报的反射率因子场生成强冰雹识别产品就可以了。

图2a是根据与地形有关的强冰雹概率建立的强冰雹预报模型对本次冰雹过程21时30分的数值预报所做的强冰雹预报。等值线为3 km高度的反射率因子场。白方块点标示了地面观测到的强冰雹记录(1号记录：清镇市百花乡，雹粒直径最大有乒乓球大小，降雹时间21∶13-21∶33;2号记录：贵阳乌当区朱昌镇，雹粒直径最大30 mm，降雹时间21∶34—21∶40;3号记录：贵阳白云区麦架乡，雹粒直径最大35 mm，降雹时间21∶40—21∶48)。图2b是同时次遵义和贵阳多雷达拼图产品生成的强冰雹概率图。根据强冰雹预报模型，要求强冰雹概率POSH≥50%发布强冰雹预警，图2a中的预警区域(图2a中的红色区域)距离实际降雹点稍偏北10 km左右。与图2b相比较，预报产品比实际识别产品除位置稍偏北以外，还低估了图2b中风暴b强降雹的可能性，风暴a的强降雹区域也偏小。但能够提前1.5 h成功预报出强冰雹落区，对于实际的人影工作来说已经有很大帮助。

5 小结

本文利用文献［2］冰雹识别的研究成果，结合ARPS风暴数值模式的输出结果，提出了一个新的冰雹临近预报方法，并通过对一次发生在贵州西北部到中部一线的冰雹过程的1 h外推预报及3 h数值模拟，得出以下结论：

①ARPS模式对本次强冰雹过程3 h的模式预报与观测的雷达反射率在回波结构、位置和系统的演变方向上是比较一致的，抓住了这次强冰雹过程几个主要强风暴的演变特征。这次过程主要风暴的时空演变及主要关键特征的成功模拟，可以认为初始时刻通过3DVAR和云分析同化了雷达观测资料及常规的地面观测和探空资料起了非常关键的作用。但模拟结果也表明，当风暴靠得太近时，一些复杂的风暴相互作用，比如说风暴的合并、阵风锋的交汇等现象就会发生，而模式对这些过程的处理误差会激发一些虚假的风暴单体的生成或消亡，这就要求提高模式对对流风暴的精确的分析和处理能力。

②提出一个新的方法来建立冰雹的临近预报模型。基本思路就是以反射率因子作为冰雹预报因子，将冰雹预报问题转变为冰雹识别问题。首先根据强风暴数值模式预报输出场中的水物质场和风场转变多普勒雷达的反射率因子和径向速度场，然后根据多普勒雷达的冰雹识别方法诊断出冰雹落区和大小。与一般的冰雹预报模型相比，新的方法法有以下特点：选取的冰雹预报因子物理意义更加明确，更加全面;建立的冰雹预报模型比较稳定;建立冰雹预报模型的过程相对简单。新的方法在本次强冰雹过程中得到了成功应用，在3 h的临近预报中基本准确预报了强冰雹的落区位置。

图1 2005年5月2日强冰雹过程20至23时3 h模式预报(左栏)与实际多雷达拼图(右栏)的3 km高度反射率因子。(不同的预报时刻在图的左上角标示)

续图1 2005年5月2日强冰雹过程20至23时3 h模式预报(左栏)与实际多雷达拼图(右栏)的3 km高度反射率因子。(不同的预报时刻在图的左上角标示)

图2 21时30分的强冰雹预报图(a)及相应时刻的多雷达拼图的强冰雹概率产品(b)

需要指出的是，新方法的预报效果依赖于数值模式对强对流天气反射率因子场的准确模拟，而模式预报能力的提高除了模式良好的风暴分析和描述能力之外，与中尺度观测资料的同化密切相关。在试验中，我们只同化了雷达资料，未来中尺度观测网资料的加入会大大提高模式的预报能力。另外，我们对新方法的应用还只局限于个例研究，其验证和完善还需在业务中通过大量的预报实践来完成。

［1］ 王瑾.CINRAD/CD雷达反射率因子同化对中尺度数值模式云微物理量场调整的分析［J］.高原气象，2009，28(1)：173-185.

［2］ 王瑾.基于强对流数值模拟的贵州冰雹识别及临近预报方法研究［D］.北京：中国科学院，2009.

［3］ 彭治班，等.国外强对流天气的应用研究［M］.北京：气象出版社，2001.

［4］ Johnson J，P.Mackeen A，Witt E M，et al.The storm cell identification and tracking algorithm：An enhanced WSR-88D algorithm.Weather and Forecasting，1998，13：263-276.

［5］ Xue，M.，K.K.Droegemeier，and V.Wong，2000：The Advanced Regional Prediction System(ARPS) - A multiscale nonhydrostatic atmospheric simulation and prediction tool.Part I：Model dynamics and verification.Meteor.Atmos.Physics，75，161-193.

［6］ Xue，M.，K.K.Droegemeier，V.Wong，A.Shapiro，K.Brewster，F.Carr，D.eber，Y.Liu，and D.Wang，2001b：The Advanced Regional Prediction System(ARPS)-A multi-scale nonhydrostatic atmospheric simulation and prediction tool.Part II：Model physics and applications.Meteor.Atmos.Phys.，76，143-166.

Research on the approach of hail nowcasting in Guizhou Region based on storm numerical model

WANG Jin1，WANG Hongbin2，ZOU Bei1

(1.GuiZhou Meteorological Information Center，Guiyang 550002;2.Southeast Autonomous Prefecture Meteorology Bureau of Guizhou，Kaili 55003)

Based on grid-based hail detection algorithm ，storm numerical model and radar data assimilation，A nowcasting technique for hail storm，which using model radar reflectivity retrieving from hydrometeors as the hail forecasting factors and grid-based hail detection algorithm as the hail forecasting model，has been established，It can be used to forecasting the hail location and size.Comparing with other hail forecasting approaches，this new approach get more meaningful and more comprehensive forecasting factors，a more stable forecasting model and easy way to build the hail forecasting model.The new approach was successfully applied in a severe hail weather case，which forecasted accurately the position of severe hail storms during 3 hours from initial time.

Storm Numerical Model;Hail Nowcasting

P456

A

1003-6598(2011)02-0001-07

2011-03-14

王瑾(1969-)，男，博士，高工，主要从事雷达气象应用方面的研究。

*资助项目：贵州省优秀青年科技人才培养对象专项基金黔科合人字(2009)20号和贵州省气象局雷达创新团队项目。