基于物理量参数的伊犁河谷短时强降水预报技术研究

祝小梅，白 婷，荆海亮

（1.伊犁州气象局，新疆 伊宁 835000；2.新疆人工影响天气办公室，新疆 乌鲁木齐 830002）

伊犁河谷位于我国新疆西部边陲，东、南、北三面高山环绕，地势东高西低，呈喇叭型向西敞开，特殊的地形造成伊犁河谷强对流天气频发。短时强降水属于强对流天气的一种，局地的短时强降水导致的暴雨洪涝和地质灾害所造成的人员伤亡和财产损失在所有气象灾害中是最大的。例如2016年6月17日夜间至凌晨，伊犁河谷出现短时暴雨，自动站1 h（04：00—05：00）最大降雨量达44.3 mm。据伊犁州民政部门初步统计，此次短时暴雨造成直接经济损失3.4亿元。因此，对短时强降水天气过程的预报及预测是非常重要的。

近些年来，国内外许多学者对于强对流天气的研究经历着以下3个阶段：环境条件分析、建立强对流风暴概念模型和多普勒天气雷达的应用阶段。对于环境条件的研究国内外学者也做了大量研究，得出了一定的研究成果。我国气象学家丁一汇、陶诗言从20世纪70年代末到80年代初开始研究强对流天气发生的环境条件，得出了强风暴出现的3个基本条件：对流层为明显的位势不稳定、上干下湿的水汽垂直分布以及强的风垂直切变[1]。Doswell[2]指出大多数的强降水是对流性的，短时强降水的预报，首要是理解产生强降水的物理机制所需的条件，因此对环境参数特征的研究有助于了解强对流天气发生的物理过程，并通过物理量参数的阈值可确定对流天气的类型或强度。付双喜等[3]分析了甘肃省短时强降水环境参数特征，得出关键环境参数在不同区域表现出不同的特征。樊李苗等[4]对中国短时强降水、强冰雹、雷暴大风以及混合型强对流天气的环境参数进行对比分析，得到不同类型下其环境参数的分布特征。很多环境参数特征对于强对流天气发生的物理机制，有一定的预报指示意义[5-9]。还有许多学者对短时强降水的环流背景、气候特征及雷达方面做了研究[10-19]，为短时强降水的潜势预报提供了参考。

近些年来，新疆的学者关于短时强降水的物理量参数也做了很多研究[20-23]，但是主要是研究天山北坡、南疆等地，而且都是研究短时强降水的物理量参数，对于伊犁河谷短时强降水与非短时强降水的物理量参数之间的差异研究较少，因此，本文在已有的研究基础上，对比分析非短时强降水（Ⅰ）和短时强降水（Ⅱ）的物理量参数，计划分析和探讨夏季两种状态下降水的关键环境参数有无明显差异，有无可能对两种类型天气加以区分？夏季各月短时强降水关键环境参数的阈值；通过对2019年夏季短时强降水的检验，来判断此阈值能否为伊犁河谷短时强降水潜势预报提供参考。

1 研究资料和方法

选取资料为2010—2018年6—8月伊犁河谷10个国家级气象观测站、195个区域站逐时降水量，伊宁站08时（北京时间，下同）和20时一天两次实况高空探测资料。文中涉及的短时强降水指小时降水量≥10 mm的天气，其中不排除出现冰雹和雷暴天气。如测站出现任意1 h降水量＞10 mm的降水过程，则将当日08或20时的探空数据作为一个短时强降水样本，否则为非短时强降水样本。非短时强降水或短时强降水出现在08—20时，用08时的探空数据，否则用20时，删除缺测数据及无效样本，按照以上方法统计2010—2018年6—8月非短时降水天气样本有效探空数据为725个，短时强降水为245个。

首先利用伊宁站的逐日08和20时的常规高空探测资料，借助MICAPS系统的物理量参数计算模块，计算了2010—2018年6—8月81个物理量参数，并选取在MICAPS平台下调用T-ln P图时能直接看到的61个物理量参数，去除在两类降水中数据都为0的参数，最后选取了54个物理量参数，然后利用相关系数法挑选与降水相关性较好的物理量参数。理想情况下，物理量参数在短时强降水天气与非短时强降水天气中的数值分布是没有任何交集的，则可以认为该物理量参数对降水的发生有较好的指示意义[4]。而实际上，出现这种理想情况的可能性是很小的，所以只有选择交集相对较小的物理量参数作为对产生短时强降水具有指示意义的参数。通过分析各关键参数集合箱线图数据（剔除奇异值），考虑到若用箱线图中最低值作为预报预警阈值，则出现虚报的概率可能较大，故采用25%百分位值（正相关）或75%百分位值（负相关）作为预报最低阈值的初猜值[20]。若非短时强降水天气落在该预报最低阈值的初猜值中的概率＜20%时，则将该物理量参数的初猜值作为产生短时强降水天气的预报指标。

2 物理量参数分析

2.1 物理量参数的选定和分析

做相关性分析时，假设短时强降水样本的Y=1，非短时强降水样本的Y=0，XI为各物理量参数的值（I=1、2、3，…，54）。逐一分析XI与Y之间的相关系数，并进行显著性检验，最后得到17个相关系数通过0.01显著性检验（r0.01=0.254）的物理量参数（表1），其中K指数（K）、修正K指数（Km）、瑞士第二雷暴指数（SW2）、对流凝结高度、Teffer指数、Charbr修正K指数（kc）、大风指数、对流温度、对流凝结高度处温度、总指数、整层比湿积分与短时强降水发生与否的相关系数的绝对值达到0.30以上，对降水有较好的指示意义，其中整层比湿积分（IQ）的相关系数最高，达到0.465。

表1 通过0.01显著性检验的物理量参数与短时强降水的相关系数

利用百分位法统计出17个物理量参数最低阈值的初猜值（表2）。表3为非短时强降水天气落在17个物理量参数最低阈值初猜值的概率，可以看出，K指数、修正K指数、Charbr修正K指数、瑞士第二雷暴指数、整层比湿积分的概率都＜15%，对产生短时强降水都有明显的指示意义，而总指数、沙氏指数、干暖盖指数（L s）、条件对流稳定度指数、静力能潜在稳定度、静力能对流稳定度、Teffer指数、抬升指数，对流温度、对流凝结高度、对流凝结高度处温度在25%以上，对出现短时强降水的指示性较差。

表2 17个物理量参数的最低阈值的初猜值

根据以上分析，本文选取区间涵盖75%以上短时强降水天气样本的、非短时强降水天气样本处于该取值区间的概率＜20%的物理量参数作为关键环境参数来讨论伊犁河谷短时强降水天气。因此最终选取K指数、修正K指数、Charbr修正K指数、瑞士第二雷暴指数、整层比湿积分这5个关键环境参数。

2.2 短时强降水关键环境参数的阈值分析

在已选取的5个关键环境参数的基础上对2010—2018年6—8月245个短时强降水天气样本用箱线图分析各月环境参数的分布情况，并讨论各月关键环境参数的阈值。其中6月114个样本，7月86个样本，8月45个样本。

2.2.16月关键环境参数特征

图1为6月5个物理量参数的箱线图。图1a显示两种状态下的K指数，两者的最小到最大值分别为13～36℃（Ⅰ）、30～41℃（Ⅱ）；中位数分别为29℃（Ⅰ）、33℃（Ⅱ）；25%～75%百分位值分别为26～31℃（Ⅰ）、32～35℃（Ⅱ）。可以看出，25%～75%百分位值的区间是没有交集的，各分位数都大于非短时强降水天气过程的。说明短时强降水的发生要求K指数尽可能大些。对于K指数来说，可以采用25%百分位值32℃作为产生短时强降水天气的阈值。

从km指数分布箱线图（图1b）可知，两者的最小到最大值分别为16～42℃（Ⅰ）、34～45℃（Ⅱ）；中位数分别为34℃（Ⅰ）、39℃（Ⅱ）；25%～75%百分位值分别为32～36℃（Ⅰ）、37～41℃（Ⅱ）。25%～75%百分位值的区间没有交集的，各分位数都大于非短时强降水天气。对于km指数，可以用25%百分位值37℃作为产生短时强降水天气的预警指标阈值之一。

两种状态下的kc指数（图1c）最小到最大值分别为15～42℃（Ⅰ）、33～45℃（Ⅱ）；中位数分别为33℃（Ⅰ）、38℃（Ⅱ）；25%～75%百分位值分别为30～35℃（Ⅰ）、37～40℃（Ⅱ）。25%～75%百分位值的区间没有交集的，各分位数都大于非短时强降水天气。可以把25%百分位值37℃作为伊犁河谷出现短时强降水天气的预警指标阈值之一。

从整层比湿积分（IQ）箱线图（图1d）可知，两种状态下的最小到最大值分别为1 216～3 660 g/kg（Ⅰ）、1 817～3 999 g/kg（Ⅱ）；中位数分别为2 209 g/kg（Ⅰ）、2 653 g/kg（Ⅱ）；25%～75%百分位值分别为1 941～2 445 g/kg（Ⅰ）、2 452～3 036 g/kg（Ⅱ）。两者之间基本上也是没有交集的，各分位数也都大于非短时强降水天气，说明产生短时强降水需要的水汽更多。可以把25%百分位值2 452 g/kg作为伊犁河谷短时强降水天气过程的预警指标阈值之一。

从瑞士第二雷暴指数（SW2）分布箱线图（图1e）可知，两者的最小到最大值分别为-0.3～10.7（Ⅰ）、-2.9～6.1（Ⅱ）；中位数分别为5.0（Ⅰ）、2.3（Ⅱ）；25%～75%百分位值分别为3.4～5.9（Ⅰ）、1.3～3.4（Ⅱ）。短时强降水的箱体低于非短时强降水，说明SW2值越小越有利于产生短时强降水。两者之间略有交集，各分位数也都小于非短时强降水天气。可以把75%百分位值3.4作为产生短时强降水天气的预警指标阈值之一。

图1 伊犁河谷6月非短时降水与短时强降水关键环境参数箱线图

2.2.27月关键环境参数特征

图2为7月5个物理量参数的箱线图。图2a显示两种状态下的K指数，两者的最小到最大值分别为12～38℃（Ⅰ）、30～41℃（Ⅱ）；中位数分别为28℃（Ⅰ）、33℃（Ⅱ）；25%～75%百分位值分别为24～30℃（Ⅰ）、32～35℃（Ⅱ）。可以看出，25%～75%百分位值的区间是没有交集的，各分位数都大于非短时强降水天气过程的。对于K来说，可以采用25%的百分位值32℃作为7月产生短时强降水天气的阈值。

从km指数分布箱线图（图2b）可知，两者的最小到最大值分别为18～44℃（Ⅰ）、34～47℃（Ⅱ）；中位数分别为34℃（Ⅰ）、38℃（Ⅱ）；25%～75%百分位值分别为31～36℃（Ⅰ）、37～40℃（Ⅱ）。25%～75%百分位值的区间没有交集，各分位数都大于非短时强降水天气。25%百分位值37℃可以作为伊犁河谷7月出现短时强降水的预警指标阈值之一。

从kc指数分布箱线图（图2c）可知，两者的最小到最大值分别为17～43℃（Ⅰ）、33～45℃（Ⅱ）；中位数分别为32℃（Ⅰ）、37℃（Ⅱ）；25%～75%百分位值分别为29～35℃（Ⅰ）、37～39℃（Ⅱ）。25%～75%百分位值的区间没有交集，各分位数都大于非短时强降水天气。可以把25%百分位值37℃作为伊犁河谷7月出现短时强降水的预警指标阈值之一。

从整层比湿积分（IQ）分布箱线图（图2d）可知，两者的最小到最大值分别为843～3 753 g/kg（Ⅰ）、2 072～4 439 g/kg（Ⅱ）；中位数分别为2 308 g/kg（Ⅰ）、2 768 g/kg（Ⅱ）；25%～75%百分位值分别为1 909～2 657 g/kg（Ⅰ）、2571～3204 g/kg（Ⅱ）。短时强降水的箱体是高于非短时强降水，各分位数都大于非短时强降水天气。可以把25%百分位值2 571 g/kg作为伊犁河谷7月产生短时强降水天气的预警指标阈值之一。

从瑞士第二雷暴指数（SW2）分布箱线图（图2e）可知，两者的最小到最大值分别为-1.7～17.6（Ⅰ）、-2.2～6.6（Ⅱ）；中位数分别为5.4（Ⅰ）、3.1（Ⅱ）；25%～75%百分位值分别为4.0～6.7（Ⅰ）、1.4～4.2（Ⅱ）。短时强降水的箱体低于非短时强降水，两者之间略有交集，各分位数都小于非短时强降水天气。可以把75%百分位值4.2作为产生短时强降水天气的预警指标阈值之一。

图2 伊犁河谷7月非短时降水与短时强降水关键环境参数箱线图

2.2.38月关键环境参数特征

图3为8月5个物理量参数的箱线图。从图3a可以看到，两者的最小到最大值分别为11～36℃（Ⅰ）、30～38℃（Ⅱ）；中位数分别为28℃（Ⅰ）、33℃（Ⅱ）；25%～75%百分位值分别为24～30℃（Ⅰ）、32～34℃（Ⅱ）。25%～75%百分位值的区间没有交集，各分位数都大于非短时强降水天气过程的。可以采用25%百分位值32℃作为8月产生短时强降水天气的阈值。

从km指数分布箱线图（图3b）可知，两者的最小到最大值分别为19～42℃（Ⅰ）、34～44℃（Ⅱ）；中位数分别为34℃（Ⅰ）、39℃（Ⅱ）；25%～75%百分位值分别为31～36℃（Ⅰ）、37～40℃（Ⅱ）。两者的25%～75%的百分位值的区间没有交集，各分位数都大于非短时强降水天气。可以把25%百分位值37℃作为8月产生短时强降水天气的预警指标阈值之一。

从kc指数分布箱线图（图3c）可知，两者的最小到最大值分别为17～41℃（Ⅰ）、34～43℃（Ⅱ），中位数分别为33℃（Ⅰ）、38℃（Ⅱ）；25%～75%百分位值分别为30～35℃（Ⅰ）、37～39℃（Ⅱ）。25%～75%百分位值的区间没有交集，各分位数都大于非短时强降水天气。可以把25%百分位值37℃作为伊犁河谷8月出现短时强降水天气的预警指标阈值之一。

从整层比湿积分（IQ）分布箱线图（图3d）可知，两者的最小到最大值分别为1 317～4 096 g/kg（Ⅰ）、2 208～3 757 g/kg（Ⅱ）；中位数分别为2 228 g/kg（Ⅰ）、2 673 g/kg（Ⅱ）；25%～75%百分位值分别为1 918～2 663 g/kg（Ⅰ）、2 571～2 940 g/kg（Ⅱ）。短时强降水的箱体较窄，说明值的分布较集中，并且高于非短时强降水，各分位数都大于非短时强降水天气。可以把25%百分位值2 571 g/kg作为伊犁河谷8月产生短时强降水天气的预警指标阈值之一。

图3 伊犁河谷8月非短时降水与短时强降水关键环境参数箱线图

从瑞士第二雷暴指数（SW2）分布箱线图（图3e）可知，两者的最小到最大值分别为-0.2～13.8（Ⅰ）、-0.5～6.1（Ⅱ）；中位数分别为5.2（Ⅰ）、3.1（Ⅱ）；25%～75%百分位值分别为3.8～6.7（Ⅰ）、1.4～4.1（Ⅱ）。短时强降水的箱体低于非短时强降水，两者之间略有交集，各分位数都小于非短时强降水天气。可以把75%百分位值4.1作为8月产生短时强降水天气的预警指标阈值之一。

从以上分析可知，各月短时强降水K指数、修正K指数、Charba修正K指数、整层比湿积分的各分位数都大于非短时强降水，箱体也高于非短时强降水，而成负相关的瑞士第二雷暴指数的各分位数小于非短时强降水，箱体也低于非短时强降水，因此两种类型降水是可以加以区分的。6月K（图1a）、km（图1b）、kc（图1c），非短时强降水天气落在预报阈值初猜值的概率分别为18.9%、18.9%、17.6%，而IQ和SW2的概率达到25%以上，指示意义较差。7月份K（图2a）、km（图2b）、kc（图2c），非短时强降水天气落在预报阈值初猜值的概率分别为14.2%、16.9%、14.2%，而IQ和SW2的概率达到31.1%、29.7%，指示意义较差。K（图3a）、km（图3b）、kc（图3c），非短时强降水天气落在预报阈值初猜值的概率分别为14.2%、18.9%、14.9%，而IQ和SW2的概率达到29.9%、33.1%，指示意义较差。因此对于夏季短时强降水，6、7、8月可用K、km以及kc的25%百分位值作为判别指标。而产生强对流的另一个要素是水汽，当水汽随云上升气流进入雷暴中，在凝结成云滴或冰晶时，潜热释放出来驱动了雷暴内的上升气流。从整层比湿积分的箱线图（图1d、图2d、图3d）可知，6、7、8月的中位数值分别为2 653、2 768、2 673 g/kg。7月值最大，说明对于产生短时强降水，7月需要的水汽相对多点。而用25%百分位值作为判别指标，非短时强降水在预报阈值初猜值的概率都在25%以上，指示意义较差，用中位数作为判别指标，6、7、8月的概率分别16.2%、14.8%、20.4%，因此对于整层比湿积分，可以把≥2 653 g/kg、≥2 768 g/kg、≥2 673 g/kg作为6、7、8月产生短时强降水的判别指标。对于瑞士第二雷暴指数，用75%百分位值作为判别指标，非短时强降水落在预报阈值初猜值的概率都在25%以上，指示意义也较差，而用中位数2.3、3.1、3.1，6、7、8月的概率分别10.8%、13.5%、17.3%，因此对于瑞士第二雷暴指数，可以把≤2.3、≤3.1、≤3.1作为6、7、8月产生短时强降水的判别指标。

综上所述，最终可以用K、km、kc的25%百分位值，以及IQ、SW2的中位数作为6、7、8月产生短时强降水的判别指标（表4）。

表4 夏季短时强降水关键环境参数阈值

3 2019年预报检验评估

2019年6—8月（表5），伊犁河谷共出现16次短时强降水天气（6月8次，7月5次，8月3次），整个夏季发布短时强降水预报37次，其中报对次数16次，空报21次，而漏报了5次。通过检验，空报率为65.6%，漏报率为32.3%，准确率（TS）只有43.4%，可以看出空报次数较多。使用表4的指标对2019年6—8月的短时强降水进行检验评估，从表6可知，整个夏季准确率（TS）为53.8%，8月准确率最高（75%），6月最低（46.2%）；7、8月没有漏报；6月的空报率最高，为45.5%。经普查，虽然没有出现短时强降水，但出现雷暴及冰雹天气。通过对比分析，可以看出用了表4的指标，准确率提高了10.4%，而空、漏报率明显减少，说明此指标可以为伊犁河谷的短时强降水潜势预报提供参考。尽管本文使用样本不是很多，普遍的代表性意义还不是很大，需要更多个例进行继续研究，但本文的结果对当前短临天气中短时强降水的预报还是有较好的参考意义。

表5 2019年6—8月短时强降水天气过程的预报情况

表6 预报指标对2019年6—8月短时强降水天气过程的预报情况

4 结论

利用2010—2018年6—8月725个非短时降水天气样本及245个短时强降水样本的有效探空数据，讨论了夏季短时强降水天气过程的物理量参数特征，并得出夏季产生短时强降水关键环境参数阈值，同时对2019年夏季的短时强降水天气过程进行了检验评估。得出以下结论：

（1）K指数、修正K指数、瑞士第二雷暴指数、对流凝结高度、Teffer指数、大风指数、对流温度、对流凝结高度处温度、总指数、整层比湿积分与产生降水的相关系数达到0.30以上，对降水有较好的指示意义，其中整层比湿积分的相关系数最高，达到0.465。

（2）通过分析17个环境参数涵盖75%以上短时强降水天气样本的取值区间，及非短时强降水天气样本在此区间的概率，最终选取概率＜20%的K指数（K）、修正K指数（km）、Charbr修正K指数（kc）、瑞士第二雷暴指数（SW2）、整层比湿积分（IQ）这5个物理量参数讨论伊犁河谷短时强降水天气。

（3）两种类型的降水天气是可以区分的。可以将K≥32℃、km≥37.3℃、kc≥36.5℃、IQ≥2 653 g/kg、SW2≤2.3作为6月产生短时强降水的判别指标；K≥32℃、km≥37.3℃、kc≥36.5℃、IQ≥2768 g/kg、SW2≤3.1作为7月产生短时强降水的判别指标；K≥32℃、km≥37.3℃、kc≥36.5℃、IQ≥2673 g/kg、SW2≤3.1作为8月产生短时强降水的判别指标。

（4）通过检验，所得出的判别指标预报短时强降水，准确率提高了10.4%，而空、漏报率明显减少，说明此指标可以为伊犁河谷的短时强降水潜势预报提供参考。