1998—2020年青海致灾雷电日的气象环境参数特征研究*

龚梅竹，刘晓燕，达鹏奎，王玉娟，黎 峰，罗少辉

(1.青海省气象服务中心，青海 西宁 810001；2.青海省气象干部培训学院，青海 西宁 810001；3.玉树州气象局， 青海 玉树 815000；4.青海省气象灾害防御技术中心，青海 西宁 810001)

雷电灾害是强烈的雷电天气，其发生频率虽然不高，但相当比例的雷灾是由雷电天气产生的。雷电是在特定大气环境中发展起来的强对流现象，强位势不稳定和强垂直切变是这类天气最重要的气象环境特征之一。在这种环境场中，对流获得充分发展，并进行组织化，形成庞大而高耸的积雨云体，并且稳定地维持一定时间，易构成相对较严重的灾害性天气[1]，即致灾雷电日。从形态和动力学角度看，一般认为，雷电造成的灾害是中尺度对流活动、局部对流单体发展的结果。在对流活动中，热力不稳定决定了对流发展的强度，而动力作用对触发对流及决定风暴类型起重要作用。为了表述致灾雷电日发生、发展的气象环境，经常用到各种对流参数，而物理意义明确的能量、动力和热力稳定度参数最为常用[2-3]。从动力学角度看，致灾雷电过程是能量积累，并在一定条件下强烈转化和释放的过程，这些动力和热力参数在强对流天气的分析和预报中可以揭示许多重要现象。

近年来，学者们广泛地研究强对流天气的环境参数，因地域、雷暴云结构、和大气环流的不同，各稳定度指数、能量和动力参数能从不同角度反映出强对流天气发生前的大气环境状态和条件。秦丽等[4]从大气热力和动力结构特征研究雷暴大风的环境参数特征；王秀明等[5]从环境探空的动力和热力参数研究强对流事件；刘晓燕等[6]从雷暴形成的条件中提取环境参数，探究青海东部雷电活动环境特征并做出潜势预报；BARLOW等[7]深入研究深对流指数(DCI)，预示指数越大，条件不稳定性越强，对流有效位能(CAPE)[8]是最具代表性的物理量。然而，研究者选取的环境参数标准不尽统一，因此尚没有通过致灾雷电日的致灾等级，分类提取相关动力和热力参数做气象环境参数的对比研究。青海省位于青藏高原东北部，夏季高原加热可以激发水平环流和垂直运动，且青藏高原的隆起改变了亚洲的气候格局，其动力和热力作用对其周围地区、东亚乃至全球的天气和气候都有重要的影响[9]。若同时提取动力和热力环境参数，从预示和表征的特点分类讨论一般和较大及以上致灾雷电日的气象环境参数，能够更好地把握致灾雷电日发生前的大气环境状态和条件，有利于更深入了解和掌握雷电天气发生发展规律，为提前预判提供参考依据，同时为雷电灾害调查鉴定、雷电专项服务等业务提供科学参考依据。

1 资料和方法

1.1 资料

采用雷暴日、雷电灾害、探空和闪电定位仪资料，对1998—2020年青海省雷电灾害资料做筛选。雷电灾害资料取自全国气象灾害管理系统、雷电灾害信息管理系统和《中国气象灾害大典(青海卷)》[10]；雷暴日选用1998—2013年青海省地面观测的雷暴日资料；闪电资料选用2008—2020年闪电定位仪资料；探空数据提取1998—2020年8个探空站的物理量，该区域共设8个探空站：茫崖(51886)、格尔木(52818)、都兰(52836)、西宁(52866)、达日(56046)、玉树(56029)、沱沱河(56004)和甘肃合作(56080)。由于致灾雷电日发生时间段不详，且大部分没有记录雷灾发生的具体时段。故根据赵定池等[11]发现拉萨雷暴主要集中在傍晚和前半夜，提取20时探空资料中物理量，结合本地实际闪电日变化特征，综合考虑致灾雷电日的环境参数提取时间为20时。测站选取最接近灾害发生地的探空站(或者上游探空站)。

致灾雷电日定义为1998—2013年雷电灾害日当天对应有雷暴日，记为1个致灾雷电日；2008—2020年雷电灾害日当天对应有闪电，无论闪电次数多少，均记为1个致灾雷电日，共筛选出致灾雷电日232个。为进一步细化和探究一般和较大及以上雷电灾害日的天气背景和气象环境参数，以《雷电灾情统计规范：QX/T 191-2013》中规定的灾害等级标准，确定一般致灾雷电日151个，较大及以上致灾雷电日81个，分类提取致灾雷电日表征气象环境参数的探空资料。

1.2 方法

主成分分析法[12]是把原来多个变量划为少数几个综合指标的一种统计分析方法，也就是在不损失大量信息的前提下进行降维处理。本文借助灾情等级标准，将雷电灾害天气按一般和较大及以上等级分别做主成分分析。假定有n个样本，每个样本共有p个变量，构成一个n×p阶的数据矩阵：

(1)

(2)

式中：x1，x2，…，xp为原变量指标，降维处理后的综合指标为Z1、Z2、…、Zm(m≤p)称作原变量指标的第1、2、…、m主成分。主成分分析的实质就是确定原来变量xj(j=1,2,…,p)在各主成分zi(i=1,2,…,m)上的荷载lij(i=1,2,…,m;j=1,2,…,p)。

指标权重等于以主成分的方差贡献率为权重，对该指标在各主成分线性组合中的系数的加权平均归一化。因此，确定指标权重需要三个步骤：

(1)指标在各主成分线性组合中的系数为F1，F2，…，Fm。

(3)

式中：λ1，λ2，λm是第1、第2、…、第m(m≤p)个主成分的特征值。

(2)主成分的方差贡献率，λ值越大，则该主成分的重要性就越强。因此，方差贡献率可以看成是不同主成分的权重。根据累积贡献率超过80%的特征值取前三个主成分代替，则指标系数可以看成是以这三个主成分方差贡献率为权重，对指标在这三个主成分线性组合中的系数做加权平均。由此得到的综合模型为：

(4)

式中：G1、G2和G3分别为第一、第二和第三主成分的贡献率。

三是指标权重的归一化。由于所有指标的权重之和为1，因此指标权重需要在综合模型中指标系数的基础上归一化，F中的系数：

(5)

归一化公式为：

W=FC/sum(FC)。

(6)

式中：W为指标权重，FC为F中的系数，sum(FC)表示向量求和公式。

3 致灾雷电日闪电特征

3.1 区域分布

2008—2020年青海省闪电累计密度图(图1)，显示累计高值区介于环青海湖和东部农业区之间，低值区位于柴达木盆地。受地形分布影响(图2a)，青海省分为东部农业区、环青海湖地区、柴达木盆地和青南牧区四个功能区[13]，其中，东部农业区：西宁、贵德、民和、同仁、大通、湟中、湟源、平安、乐都、化隆、循化、互助和尖扎；环青海湖地区：海晏、刚察、天峻、门源、共和、贵南、祁连、野牛沟和托勒；柴达木盆地：德令哈、大柴旦、茫崖、茶卡、冷湖、格尔木、乌兰、都兰、小灶火和诺木洪；青南牧区：兴海、同德、泽库、河南、治多、杂多、曲麻莱、玉树、玛多、清水河、玛沁、达日、久治、甘德、班玛、囊谦、五道梁和沱沱河。图2b是1998—2020年青海省致灾雷电日的区域分布图，全省致灾雷电日共计232 d，高值区为青南牧区，致灾雷电日为101 d，占比43%，其原因可能是青南牧区地面强热源和复杂地形造成下垫面热力分布不均匀，较易形成低层强烈不稳定态势，易发生强对流天气[14]。次高值东部农业区致灾雷电日95 d，占比41%，可能与可降水量和相对湿度较大有关；低值区位于柴达木盆地为8 d，仅占3%。可能与柴达木盆地降水量最小，气候干旱有关[13]。总体呈东南较多，西北较少态势。

图1 2008—2020年青海省闪电累计密度图

图2 青海省海拔生态功能区及致灾雷电日的区域分布图(基于青海省自然资源厅标准地图服务网站下载的审图号为青S(2018)003号的标准地图制作，底图边界无修改)

3.2 时间变化特征

3.2.1 年变化

1998—2020年青海省致灾雷电日年变化(图3a)为多峰振荡型，总体呈下降趋势，平均每10年减少3.8 d，变化倾向率呈负相关3.804次/10年，相关性显著(p< 0.01)。从一般和较大及以上年致灾雷电日对比图看(图3b)，一般致灾雷电日最高值出现在2003年，1999、2017、2018和2020年没有出现致灾雷电日；较大及以上致灾雷电日2006年最多，2001和2012年没有致灾雷电日。在2010年以前一般致灾雷电日出现次数较多，平均为10.6 d；2010年以后明显减少，平均为2.2 d；较大及以上年致灾雷电日没有明显节点，总体略有减少。

图3 1998—2020年致灾雷电日年变化

3.2.2 月变化

1998—2020年青海省致灾雷电日月变化主要集中在5—9月(图4)，占全年致灾雷电日的97.4%。其中，一般致灾雷电日占全年致灾雷电日的62.8%，较大及以上致灾雷电日占34.6%，即青海省致灾雷电日以一般雷电灾害为主。6月致灾雷电日达到最大峰值，为65 d，具有明显的季节性特征。按照气象学上对四季的划分：春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12月、次年1月、2月)，发现青海省致灾雷电日主要出现在夏季(6—8月)，秋季末期和冬季自1998年以来没有出现过雷电灾害天气。由于春季气温逐渐上升，伴随雨水增多的同时闪电也开始增加；到了夏季，受夏季风的影响及温湿度的增加，特别是青海夏季的热力、动力及水汽条件明显好于其他季节，加上较高的地表温度为强对流天气提供了充足的热动力和大气背景,有助于对流的形成和发展，因此，夏季是高发季；9月随着气温逐渐下降，动力条件明显减弱，闪电活动也随之迅速减少；冬季受西北气流控制，气候干冷，雷电活动最少。

图4 1998—2020年致灾雷电日月变化

4 致灾雷电日环境参数特征

4.1 环境参数对比

4.1.1 参数贡献率

利用1998—2020年一般和较大及以上致灾雷电日资料，分别提取动力和热力环境参数16个。热力参数10个：整层比湿(IQ)、700 hPa比湿(Q700hPa)、500 hPa比湿(Q500hPa)、700 hPa温度露点差(T-Td700hPa)、500 hPa温度露点差(T-Td500hPa)、700 hPa假相当位温(θse-700hPa)、400 hPa假相当位温(θse-400hPa)、全总指数(TT)、高原修正K′指数(K′)、深对流指数(DCI)；动力参数6个：对流有效位能(CAPE)、对流抑制能量(CIN)、风暴螺旋度指数(SSI) 、整层垂直风切变(Vws)、0～6 km风速差和0～6 km风垂直切变。其中，0～6 km风垂直切变用上下两层风矢量差大小，除以两层间的距离计算。上层取500 hpa(高度5 810 m)，下层取探空资料底层[5]。

根据主成分提取原则，特征值>1或累计贡献率>80%，从环境参数因子荷载碎石图(图5)和环境参数的主成分特征值、贡献率和累积贡献率(表1和表2)，可以看出，两类致灾雷电日前3个因子荷载衰减明显，自第3个因子衰减趋于缓慢，一般致灾雷电日(图5a)因子荷载曲线拐点明显，第9个因子荷载略微增强，其特征值分别为5.938、2.695、1.574、1.418、1.165，累计方差贡献率可达80%。较大致灾雷电日(图5b)因子荷载曲线平滑，没有明显拐点，其特征值分别为5.632、2.879、1.899、1.503、1.051，累计方差贡献率可达81%。

图5 1998—2020年两类致灾雷电日气象环境参数碎石图

表1 1998—2020年一般致灾雷电日主成分特征值、方差贡献率和累积方差贡献率

表2 1998—2020年较大及以上致灾雷电日主成分特征值、方差贡献率和累积方差贡献率

4.1.2 参数荷载量

根据一般致灾雷电日环境参数的因子荷载矩阵(表3)，第一主成分Z1的贡献率为37.1%，最高荷载参数Q700hPa和Q500hPa荷载值分别为0.907和0.846；第二主成分各参数原变量的贡献率为16.8%，0～6 km风速差和0～6 km风垂直切变的荷载值均为0.830；第三主成分单独说明原始变量9.8%的贡献率，绝对值较高的荷载参数是TT为-0.663；第四主成分表示原始变量8.9%的贡献率，代表变量T-Td500hPa参数反映稍高为0.645，且与Z4相关系数较高；第五主成分单独反映原变量7.3%的贡献率，绝对值最高的荷载值参数CIN为-0.609。

根据较大及以上致灾雷电日环境参数的因子荷载矩阵(表4)，分别获得第一主成分Z1的贡献率为35.2%，最高荷载参数Q700hPa荷载值分别为0.162；第二主成分各参数原变量的贡献率为18.0%，0～6 km风速差和0～6 km水平风垂直切变的荷载值均为0.230；第三主成分单独说明原始变量11.9%的贡献率，0～6 km风速差和0～6 km风垂直切变的荷载值均为0.347；第四主成分单独说明原始变量9.4%的贡献率，绝对值较高的荷载参数CAPE为0.516；第五主成分单独反映原变量6.6%的贡献率，最高荷载值参数CIN为0.654。

相对一般致灾雷电日，第一、二主成分中的环境参数高荷载值Q700 hPa、Q500 hPa、0～6 km风速差和0～6 km风垂直切变在较大及以上致灾雷电日中较低；第三主成分中TT的绝对值荷载值也较低；而第四和第五主成分中T-Td500hPa、CAPE和CIN的荷载值较高，说明较大及以上致灾雷电日的预报参考着眼点为T-Td500 hPa、CAPE和CIN，一般致灾雷电日的预报参考着眼点为Q700 hPa、Q500 hPa、TT、0～6 km风速差和0～6 km风垂直切变。

表4 较大及以上致灾雷电日气象环境参数荷载值

4.1.3 参数指标得分

以主成分的方差贡献率为权重，对该指标在各主成分线性组合中的系数进行加权平均归一化，即基于PCA的权重指标。可以看出(表5)，一般致灾雷电日环境参数指标得分最高参数K′为0.948，次高值环境参数0～6 km风速差和0～6 km风垂直切变值均为0.947，得分最低的环境参数Vws为0.374，说明造成一般致灾雷电日的关键环境参数为0～6 km风垂直切变、0～6 km风速差和K′。较大及以上致灾雷电日指标得分(表6)，0～6 km风垂直切变和0～6 km风速差最高为0.956，次高值θse-700 hPa为0.950，得分最低的环境参数CIN为0.621，说明造成较大及以上致灾雷电日的关键环境参数为0～6 km风垂直切变、0～6 km风速差和θse-700 hPa。通过两类致灾雷电日环境参数指标得分看，一般和较大及以上致灾雷电日中，0～6 km风垂直切变和0～6 km风速差是关键环境参数，该值在较大及以上致灾雷电日中略高，其值的变化说明该参数在两类致灾雷电日中起主导作用，对致灾雷电日的发生与否有一定指示作用。

表5 一般致灾雷电日气象环境参数的指标得分

表6 较大及以上致灾雷电日气象环境参数的指标得分

5 结论与讨论

利用1998—2013年青海省地面观测的雷暴日、1998—2020年青海省雷电灾害天气案例，结合2008—2020年闪电资料，运用主成分分析法(PCA)和基于PCA确定权重得分法，提取1998—2020年探空资料中气象环境参数，分类对比致灾雷电日气象环境参数特征，主要结论如下：

(1)1998—2020年青海省致灾雷电日主要集中分布在青南牧区和东部农业区，呈东南较多、西北较少态势。一般占全年致灾雷电日的62.8%，较大及以上占34.6%，青海省致灾雷电日以一般雷电灾害为主。

(2)年致灾雷电日呈多峰振荡型，总体呈下降趋势，平均每10年减少3.8 d。月致灾雷电日主要集中在5—9月，夏季为主，有明显季节性变化。

(3)各主成分中同类气象环境参数在两类致灾雷电日中的荷载值有较大差异，其中T-Td500 hPa、CAPE和CIN在较大及以上致灾雷电日中荷载值较高，Q700 hPa、Q500 hPa、TT、0～6 km风速差和0～6 km风垂直切变在一般致灾雷电日中荷载值较高。

(4)一般致灾雷电日的关键环境参数为0～6 km风垂直切变、0～6 km风速差和K′；较大及以上致灾雷电日的关键环境参数为0～6 km风垂直切变、0～6 km风速差和θse-700 hPa。通过两类致灾雷电日气象环境参数指标得分看，0～6 km风垂直切变和0～6 km风速差在两类致灾雷电日中都起主导作用，说明其值的变化对致灾雷电日的发生与否有一定指示作用。