基于风暴相对螺旋度的降雨预报模型检验

路志英，陈　靖，田　硕，贾惠珍

基于风暴相对螺旋度的降雨预报模型检验

路志英1，陈靖1，田硕1，贾惠珍2

（1.天津大学电气与自动化工程学院，天津300072；2.天津市气象台，天津300074）

风暴相对螺旋度是一个衡量对流风暴发展强度的物理量，所以对强对流天气的预报具有实际意义。通过提取2008—2010年3 a天津地区153个降雨过程的多普勒天气雷达风场数据来计算风暴相对螺旋度，然后将风暴相对螺旋度与从雷达反射率因子图中提取的风暴信息相融合，得到基于风暴相对螺旋度的降雨预报模型。经过2014年4—8月天津地区59个降雨过程对本文所提出的降雨预报模型进行验证，结果表明降雨预报模型的准确率达到61%，其中提前2 h预测降雨占41%，在2 h以内预测降雨占59%。上述结果说明，风暴相对螺旋度在结合其他降雨特征后对降雨具有良好的预报效果。

风暴相对螺旋度；降雨预报；多普勒雷达；雷达反射率因子

路志英，陈靖，田硕，等.基于风暴相对螺旋度的降雨预报模型检验[J].沙漠与绿洲气象，2016，10（3）：9-14.

我国地域辽阔，气候现象多样，准确的气象预报对于减少灾害性天气所造成的生命财产损失有着极其重要的意义。同时，有效的降水天气预报对于指导居民出行、工作等日常活动也有着非常重要的意义[1]。随着气象监测手段日益丰富，数据处理能力不断增强，人们对气象过程的了解愈加全面，气象预报准确性不断增强。与此同时，由于信息来源众多，数据量大，预报员工作繁杂，一些具有预报意义的气象特征，其本身规律没有被完全认知，或不具备普遍适用性，仅能应用于灾害性天气的研究分析，尚未有效地应用于气象预报领域，风暴相对螺旋度SRH （Storm-Relative Helicity）就是其中的一个特征[2]。风暴相对螺旋度是一个用来衡量风暴入流气流的强弱及沿入流方向的涡度分量大小的参数，其大小可以反映风暴的相对入流强度，环境风场的旋转程度，从而反映风暴旋转发展的潜势[3]。

在美国WSR-88D雷达的基本产品中有风廓线VWP风廓线CVAD Wind profile的输出结果，预报人员将其应用于气象分析和灾害天气预报，已经取得了不错的预报效果。石燕茹等通过计算风暴相对螺旋度在强对流天气中的表现获取短时暴雨中不同高度风暴相对螺旋度的表现特征，以及伴随冰雹大风时风暴相对螺旋度的表现情况，获取针对强对流天气的预报参考[4]。王丽荣等通过对不同强对流天气情况中，风暴相对螺旋度数据特征及时间提前量进行分析，得到典型个例（数据质量良好）的预报规则[5]。柳宏英等对西部某气象站大降水天气过程的SRH和雨量随时间的变化进行分析，验证了利用VWP风场产品计算的SRH对大降水天气的指示意义[6]。

综上所述，风暴相对螺旋度已经得到理论验证并取得了较理想的研究成果，然而在预报方面，其研究往往局限于特征表现，而忽略了风暴发展状态的差异，得到的结果难以满足实际预报要求。针对目前的风暴相对螺旋度研究现状，本文通过对多普勒天气雷达反射率因子数据进行处理，得到了风暴基本特征，再结合风暴相对螺旋度进行降雨预报。本文利用2008—2010年天津地区153个短时降水过程作为样本，得到降雨预报模型。最后通过实例验证表明将风暴基本特征同风暴相对螺旋度特征进行综合分析，可以达到良好的降雨预报效果。

1　基于多普勒天气雷达风场数据的提取

传统的多普勒天气雷达仅能够得到雷达反射率因子数据，而新一代的天气雷达系统加入探测目标的径向速度，从而为提取风场信息提供了可能。考虑到径向速度数据一般具有连续性，利用有限空间风场短时变化较小这一特点，可以估计风场信息。20世纪60年代初期，Lhermitte等人提出了单部多普勒天气雷达测量风场的一种方法—VAD（Velocity-Azimuth-Display）技术[7]，应用这种方法，单部多普勒雷达能够利用径向速度数据得到降雨区不同仰角观测范围下各高度的平均散度和风向风速等信息，从而为计算风暴相对螺旋度做准备。

考虑到风场变化受到的影响因素和实际径向速度数据的质量，目前比较广泛应用的VAD技术通常是以正弦函数与常量和为基本函数，用最小二乘法进行曲线拟合来获得。设径向速度的分布曲线基本表达式为：

其中x为角度，y为径向风速，∂和B是待定常量。利用三角函数定理将上式改写得到：

由于角度C为常量，则设b0=BcosC，b1=BsinC为曲线待定系数，X0=sinx，X1=cosx为未知量，于是得到二元一次方程：

将径向速度数据代入方程，通过最小二乘法求解方程，即可求得方程参数。

2　风暴相对螺旋度计算

Brandes等学者于1988年提出了风暴相对螺旋度SRH的概念，用于衡量风暴旋转潜势。风暴相对螺旋度是具有明确意义的物理量，定义为相对气流与环境水平涡度的点积，其表达式为：

其中，k为单位矢量。

在风暴发展过程中，如果风暴气流入流层上沿流线方向的涡度可以进入上升气流，并与上升气流核作用，在风暴的深层产生强大持久的旋转，则说明该风暴在运动过程中具有强大的旋转潜势，有利于风暴的进一步发展。

风暴相对螺旋度值的计算方法如下：

其中：（u0，v0）为地面风，（un，vn）为各高度层上的水平风，（Cx，Cy）为风暴移动速度。

un、vn的计算公式如式（7）所示，其中|Vn|为环境风风速大小，αn为环境风相应角度：

由于风暴的移动主要受中低层平流运动和自身传播效应的共同影响，以各高度层的平均风风向右移40°，风速的75%来确定风暴的移动速度，即：

上式中为读取的环境风的层数。将Cx，Cy以及各高度层水平风的风速un，vn代入式（7）中可计算出相应时刻的风暴相对螺旋度HSR。

3　多普勒天气雷达反射率因子图像分析

风暴相对螺旋度反映了相对移动速度和水平涡度共同作用对风暴造成的影响，即风暴的发展潜势，但无法评估风暴当前的发展状态，经常形成误判，所以在进行气象分析的时候，还需要其它风暴信息。为了通过风暴相对螺旋度得到较好的预报效果，必须加入风暴状态的描述。由多普勒天气雷达反射率因子图，可以反应不同仰角下的风暴对电磁波反射情况，从而相对立体的反应当前风暴状态，所以加入雷达反射率因子图像信息可以提高风暴相对螺旋度的判断能力。

多普勒天气雷达产生的基数据中，反射率因子数据记录的是雷达在所有固定仰角下扫描360°采样得到的分辨率为1 km的反射率因子数据。将每一个仰角下的反射率因子数据按照同雷达的径向距离绘制在平面坐标上，就形成了该仰角下的圆锥平面的俯视展开图。为了配合风暴相对螺旋度进行气象分析，需要从多普勒天气雷达发射率因子图中获取以下信息：

a.风暴与雷达间的相对位置信息；

b.风暴本身的影响范围；

c.风暴当前发展状态信息。

对多普勒天气雷达发射率因子图的分析分为两个步骤：确定目标区域，特征提取。

（1）确定目标区域阶段，即通过图像处理的手段，筛选出满足一定反射率强度和范围要求的风暴区域，并选取距离雷达最近的区域作为目标区域。结果见图1。

图1　程序中选取目标区域示意图

（2）特征提取阶段，通过雷达反射率因子数据可以获取目标区域风暴的状态特征。本文选取最能代表风暴基本状态的特征，如：风暴区域的面积、风暴区域最高反射率因子与雷达间的水平距离、风暴区域的高回波面积以及高回波比等。其中风暴区域的面积及风暴中心距雷达的距离会影响风暴相对螺旋度的有效性，风暴面积较小时，无法获得齐全的雷达径向速度数据，而且当风暴中心距离雷达较远时，风暴无法对雷达区域形成有效影响，雷达区域风场变化与风暴无关，导致风暴相对螺旋度无效。高回波比和高回波面积用来反映可能出现的强对流现象。当高回波面积较大、回波强度较高时，容易形成超级单体，进而形成灾害性天气。

4　降雨过程风暴相对螺旋度的实例分析

以天津地区世界时间2009年6月18日天气为例，降雨时间为13：00—15:00，1 h降雨量分别为19.1 mm和30.7 mm，由此可见，该过程是一个短时强降雨过程。当天的风暴相对螺旋度曲线图见图2。

图3为2009年6月18日8时11分天津多普勒天气雷达反射率因子图。通过观察，在降雨前8时11分，雷达西方87 km处存在一个风暴，其高回波比（40 dBz区域比上25 dBz区域）为0.108，高回波面积小于200 km2，风暴相对螺旋度数值为47 m2/s2。此时该风暴处于发展态势，旋转潜势不剧烈，尚不足以形成降雨。

图2　2009年6月18日风暴相对螺旋度曲线

图3　2009年6月18日8时11分反射率因子

图4　2009年6月18日10时35分反射率因子

由图4所示的10时35分反射率因子图看出，此时的高回波比为0.258，高回波面积大于200km2，说明该时刻风暴高回波比较集中，可能出现强对流现象。观察图2相对风暴螺旋度曲线可以看出，由于风暴影响范围增大，风场数据逐渐完善，从10 时35分开始，3 km的风暴相对螺旋度增加达到80 m2/s2，并在连续的几个时间点内持续增加，直到13 时47分，风暴相对螺旋度达到165 m2/s2。当天的降雨过程是从13时左右开始，并在14时左右达到最大值。由此可知，在该情况下，风暴相对螺旋度可以提前2 h左右出现持续增强现象，且降雨时刻出现在峰值来临之前，但降雨最大值出现在峰值左右。

5　基于风暴相对螺旋度的降雨规则及预报流程的建立

基于风暴相对螺旋度的降雨规则确立的基本思路：首先，结合雷达反射率因子图像信息判断风暴相对螺旋度的作用范围；其次，对雷达反射率因子图像中得到的风暴状态进行分类；第三，在此基础上，利用风暴相对螺旋度信息发出降雨预警。

经过对2008、2009、2010年天津地区153个降雨过程进行分析，统计出如下规则：

（1）判断风暴相对螺旋度的作用范围。

寻找雷达范围内所有风暴，计算风暴中心与雷达间的距离，筛选距离雷达最近的风暴。经统计，若风暴距离大于120 km，风暴相对螺旋度数据无效；若小于120 km，判断1.5 km和3 km风暴相对螺旋度间数量差；若3 km风暴相对螺旋度不等于1.5 km风暴相对螺旋度，则说明风场探测高度可以支持3 km风暴相对螺旋度的计算；否则雷达探测区域未在风暴影响范围内，风暴相对螺旋度数据无效。

（2）风暴状态与风暴相对螺旋度相结合。

通过对大量历史样本的分析，本文选取了能取得良好效果的特征——风暴面积和高回波比作为判断标准。对于风暴相对螺旋度的基本特征有阈值、上升速率、峰值等。

标准1：若风暴面积高于2500 km2，高回波面积大于200 km2，则说明，该风暴结构密实，可能在短时间内形成短时强降雨，定位状态1。若为状态1，为了及时预报不能等风暴相对螺旋度的峰值出现，所以判断风暴相对螺旋度是否持续上升（判断连续4个时间点风暴相对螺旋度大于80 m2/s2），若连续上升，则说明风暴旋转潜势增加，有降雨迹象，发出降雨预警。

标准2：若风暴面积高于2500 km2，高回波面积小于200 km2，则说明此时风暴尚存在发展空间，风暴相对螺旋度需要加强到一定程度才可能出现降雨，定位状态2。若为状态2，由于风暴组织较松散，降雨往往在风暴相对螺旋度达到峰值之后，所以判断风暴相对螺旋度是否达到峰值。若某时间点后连续3个时间点的风暴相对螺旋度不大于该时间点，则判断该点为峰值，发出降雨预警。

标准3：若风暴面积小于2500 km2，高回波比大于0.2或高回波面积大于200 km2，则该风暴可能为超级单体，定位状态3。若为状态3，由于风暴相对螺旋度本身不能确定风暴的降雨时刻是否位于风暴相对螺旋度的作用区域内，且风暴相对螺旋度的变化规律难以判断，所以一旦风暴相对螺旋度出现变化现象，就应该发出预报。因此判断风暴相对螺旋度阈值，若阈值大于80 m2/s2，发出降雨预警。

标准4：若风暴面积小于2500 km2，高回波比小于0.2且高回波面积小于200 km2，则形成短时强降雨可能性小，定位状态4。若为状态4，由于风暴影响较小，且不易形成降雨，所以不发降雨预报。

综上所述，基于风暴相对螺旋度的暴雨预报流程见图5：

图5　基于风暴相对螺旋度的暴雨预报流程

2014年4—8月一共有59个降雨过程，利用本文提出的基于风暴相对螺旋度的降雨预报的方法对天津2014年4—8月的所有基数据进行检测，发现：如不考虑风暴状态，出现风暴相对螺旋度明显起伏变化现象的样本有73个。

经过风暴相对螺旋度作用范围判定，符合判定阶段条件的共39个。从降雨过程角度分析，该39个过程多是降雨过程，而未达到判断标准的20个降雨过程中，12个不符合120 km距离判定，风暴相对螺旋度曲线无现象。

经过风暴状态判定，39个样本中，符合状态1的有13个，符合状态2的有18个，符合状态3的有8个，没有符合状态4的样本。通过规则判定，39个样本中，预报提前量在2 h及以上时间者有16个过程，1~2 h有14个过程，1 h以内有6个过程，滞后降雨时间有3个过程（表1）。

表1　预报提前时间统计

通过统计分析，得出降雨预报模型的准确率达到61%，其中提前2 h预测降雨占41%，在2 h以内预测降雨占59%。

6　结论

本文的工作重点在于探究风暴相对螺旋度的工作原理和作用范围，以达到短时预报降雨的效果。风暴相对螺旋度是一个反映风暴旋转趋势的物理量，通过介绍其计算、应用原理，并将其与雷达反射率因子图像计算的风暴特征相结合，将2008—2010年天津地区153个短时降水过程作为样本进行分析，探究出一套较为可靠的根据风暴相对螺旋度有降雨天气短时预报模型。利用2014年4—8月天津地区59个降雨过程对降雨预报模型进行验证，得出降雨预报模型的准确率达到61%，其中提前2 h预测降雨占41%，在2 h以内预测降雨占59%。结果表明风暴相对螺旋度可以作为一个有效的特征来预报降雨，但风暴相对螺旋度是一个作用效果有限的特征量，将其纳入到降雨预报中来，必须注意其作用范围，首先要根据风暴面积及风暴中心距离雷达的距离判断其有效性，再结合风暴状态进行分析；同时，风暴相对螺旋度是一个随过程发展的特征，仅对单个时间节点的风暴相对螺旋度进行分析是没有意义的，从过程中分析其规律性的变化才能有效地指导降雨预报。在未来的工作计划中，可以通过考虑风暴区域位置的移动信息，并结合其对流中心的降雨能力，粗略地估计降雨量。

[1]愈小鼎.多普勒天气雷达原理与业务应用[M].北京：气象出版社，2006.

[2]Tan Zhemin,WuRongsheng,Helicitydynamicsof atmospheric flow[J].Adv Atmos Sci，1994，11（2）：175-188.

[3]Yang Shuai,Ki-Ryong K,Cui Xiaopeng,et al.Diagnostic analysis of the asymmetric structure of the simulated landfalling typhoon“Haitang”[J].Progr Natur Sci，2008，18 （10）：1249-1260.

[4]石燕茹，寿绍文，王丽荣，等.风暴相对螺旋度与强对流天气类型的关系分析[J].气象与环境学报，2011（1）：65-71.

[5]王丽荣，汤达章，胡志群，等.多普勒雷达的速度图像特征及其在一次降雪过程中的应用 [J].应用气象学报，2006，17（4）：452-458.

[6]柳宏英，余建华，摆琰，等.风暴相对螺旋度在昌吉州大降水中的应用分析[J].沙漠与绿洲气象，2013，7（5）：40-43.

[7] 白洁，周晓波，王立琨，等.多普勒雷达VAD技术扩展的误差分析[J].北京大学学报：自然科学版，2001（1）：48-54.

[8]付双喜，王伏村，郭良才.一次左移反气旋超级单体的观测分析[J].干旱气象，2014，32（6）：996-1002.

[9]任丽，矫玲玲，张桂华，等.2009年3次暴雪过程螺旋度分布特征分析[J].沙漠与绿洲气象，2011，5（3）：21-24.

彭九慧，王多，陆倩，等.承德初霜冻天气概念模型及其检验[J].沙漠与绿洲气象，2016，10（3）：15-20.

doi：10.3969/j.issn.1002-0799.2016.03.003

Weather Forecast of Rainfall Based on Storm Relative Helicity

LU Zhiying1，CHEN Jing1，TIAN Shuo1，JIA Huizhen2
（1.School of Electrical Engineering and Automation，Tianjin University，Tianjin 300072，China；2.Tianjin Meteorological Bureau，Tianjin 300074，China）

Storm relative helicity is an index which could measure the strength of the physical development of convective storms,so it has practical significance for the strong convective weather forecasting.By extracting Doppler weather radar wind data of 153 cases in Tianjin during 2008-2010 to calculate the storm relative helicity,combined with the storm information extracted from the radar reflectivity factor graph,we could give references for forecasting storm rainfall based on storm relative helicity.The results show that the accuracy of rainfall prediction model proposed in this study reached 61%,of which forecast rainfall 2 hours in advance accounted for 41%,and those in less than two hours 59%.As a conclusion,combined with other rainfall characteristics,the storm relative helicity has an good effect on storm rainfall forecast.

storm relative helicity；rainfall forecast；Doppler radar；radar reflectivity image features

P457.6

B

1002-0799（2016）03-0009-06

10.3969/j.issn.1002-0799.2016.03.002

2015-08-22；

2015-11-12

天津市自然科学基金“基于带状回波上的冰雹回波自动识别技术方法研究”（14JCYBJC21800）。

路志英（1964-），女，教授，主要研究方向：强对流天气识别以及气象灾害预测。E-mail：luzy@tju.edu.cn