基于L波段雷达资料的威宁降雪天气预报模型初探

吕 静，蔡 彤，余 吕，张 艳，柯莉萍

(贵州省威宁彝族回族苗族自治县气象局，贵州 威宁 553100)

0 引言

降雪常常伴随着大风、寒潮、冰冻和低温等，是贵州冬季常见的灾害性天气现象之一。降雪，特别是强降雪,不仅对城市交通、农牧业、工农业生产带来极大的危害，同时也会对人民生命安全造成一定的威胁。贵州地势沟壑纵横，海拔高差大，在同一环流背景下，复杂的地形地貌造成降雪天气的不均匀性、不连续性。与其他地区相比，贵州降雪天气的预报对预报员提出了更高的技术要求。许多专家学者对贵州降雪开展了一些研究，宋丹等[1]对44 a的降雪天气分析发现，造成贵州降雪的环流特征主要有北脊南槽型、横槽南支型、平直多波动型和高空急流型；李习瑾等[2]研究表明孟加拉湾的暖湿气流与北方冷空气的强辐合是贵州暴雪的重要原因；甘文强等[3]指出“前暖湿后冷湿”的温湿结构使得贵州低温雨雪天气过程中的降雪相态多样化；罗喜平等[4]对比分析贵州降雪和冻雨天气时，发现降雪发生前有弱逆温，而降雪开始后无逆温。这些研究主要是从天气学角度展开的大范围环流形势分析，对贵州降雪预报有重要的指导意义，但对于精细到县一级的预报服务存在一定的局限性。

近年来，随着气象现代化水平不断提高，飞机、天气雷达、GPS/MET水汽、L波段探空雷达观测技术等发展，使得观测手段变得更加多元化。特别是L波段雷达探空资料对研究降雪云物理机制的运用，对预报技术的改进提供了新的思路。冯丽莎等[5]运用L波段雷达探空观测资料成功诊断分析了2016年初河南1次典型的区域暴雪过程。朱彩霞等[6]研究发现L波段雷达探测资料可用于大气边界层特征分析，在气候评价中起到重要作用。

威宁县地处贵州西北部，年平均降雪日数20 d，降雪主要集中在每年的11月—次年3月。冬季频繁的降雪，对当地生产生活造成较大影响。作为贵州仅有的2个探空站之一，威宁站L波段雷达探空资料的应用研究对当地天气变化、气象防灾减灾有重要的意义。本文利用L波段雷达探空资料，对贵州威宁降雪天气进行分析，初步得出威宁降雪预报指标，并建立预报模型，为今后精细化降雪预报研究奠定基础。

1 资料与方法

1.1 资料来源

资料选用威宁站2008—2019年经过台站本级和国家气象信息中心质量控制的逐日地面观测资料和L波段雷达每天08时、20时的探空资料。地面观测资料是月报表中记录的逐日地面降雪观测资料；探空资料是根据《高空气象探测规范》，由L波段(1型)数据处理软件计算得到的各规定标准等压面温度、湿度、风向、风速气象要素值。由于威宁是高海拔山区，冬季近地面气压在770～780 hPa左右，850 hPa的物理量无预报指示意义。因此，探空资料选取的各规定标准等压面分别为近地面层、700 hPa、600 hPa、500 hPa。

1.2 研究方法

根据地面观测资料，一天当中任何时候出现了降雪(包括雨夹雪、纯雪、雨夹雪和纯雪并存)，均记为有降雪发生，定义为1个降雪日。当地面观测资料中记录有降雪发生时，选取离该降雪日降雪出现时间最近的探空资料，利用箱线图统计分析当日近地面层、700 hPa、600 hPa、500 hPa的温度、湿度、风速、风向气象要素值变化特征，得出相应的预报指标，建立预报模型。

箱线图可以描述1组数据的分布特征，是日常天气分析常用的方法之一。假定不同大气层结的探空物理量分布呈(准)正态分布，长方框箱体上下边延伸线的端点表示最大值和最小值，箱体的上下底分别代表75%分位数和25%分位数，箱体中的粗线代表50%样本的物理量值(中位数)。

2 物理量的统计特征及预报指标确定

2.1 探空湿度统计学特征及预报指标确定

广义的降水是指大气中的水汽凝结后以液态水或固态水降落到地面的现象，这里的固态降水包含雪。一般来说，形成降水要满足3个重要条件：充足的水汽、足够多的凝结核、气块能够抬升并冷却凝结。根据以上条件，只有空气达到一定的湿度，才能保证有充足的水分，使得降雪能够发生。因此，预报模型的第1个预报指标为湿度条件。

从探空湿度的箱线图(图略)可以看出，700 hPa、近地面湿层厚且分布集中，保证了降雪的水汽供应。600 hPa的湿度区间广，大多数个例的湿度较大，对于降雪的水汽供应有一定的贡献。500 hPa上的湿度在2%～91%之间，湿度普遍较低且分布离散度大，预报参考性低。由此可见，湿度预报指标主要决定于600 hPa及其以下的湿度。

由图1看出，近地面和700 hPa都存在1个湿度在80%以上的高湿区。与近地面的湿度相比，700 hPa上的湿度在90%以上的占比更高。近地面层湿度在90%≤H≤100%区间为最多，占65%；其次是80%≤H<90%区间，占23%；再次是70%≤H<80%区间，占9%；湿度在70%及其以下共占3%，可以忽略不计。700 hPa上的湿度在90%≤H≤100%区间为最高，占58%；其次是80%≤H<90%区间，占33%；湿度在80%以下占9%。600 hPa上的湿度在H<50%区间为最多，占31%；其次是80%≤H<90%区间，占28%；再次是90%≤H≤100%区间，占22%；然后是70%≤H<80%区间，占8%；再然后是60%≤H<70%区间，占6%；最后是50%≤H<60%区间，占5%。

综上所述，近地面和700 hPa的高湿区满足降雪发生的条件，可以确立预报指标为：H近地面≥80%、H700≥80%。600 hPa在H<50%湿度区间的个例最多，但是该区间湿度较低，不利于降雪发生，不能作为预报指标。进一步统计发现64%的个例在600 hPa上的湿度不小于60%，该阈值既能满足降雪发生的条件，又属于大多数个例的共性特征，可以确立为预报指标：H600≥60%。

图1 近地面、700 hPa及600 hPa等压面的湿度在不同区间的比例Fig.1 Proportion of humidity near the ground, 700 hPa and 600 hPa isobaric surface in different intervals

2.2 探空温度统计学特征及预报指标确定

降水发生并不代表降雪发生，还有可能是降雨。一直以来，降水相态都是冬季天气预报重点关注的内容之一。对于相同量级的降水，固态降水和液态降水对人们生产生活造成的影响完全不同。同样是24 h累积降水，液态降水只不过是中雨，属于一般性降水，而固态降水则达到了暴雪，成为冬季常见的灾害性天气。国外早期研究发现，决定降水类型的主要因素是温度垂直廓线[7-8]。国内许多专家学者也总结出了类似的结论，师鸿儒等[9]认为近地面的气温能指示雨雪相态，龙柯吉等[10]提出地面和高空近地层的温度对区分降水相态有较好的指示意义。因此，预报模型的第2个预报指标为温度条件。

图2是威宁降雪天气发生前最近时次近地面—500 hPa不同高度层的温度箱线图。由图2看出，除了少数异常值，近地面层、700 hPa、600 hPa、500 hPa的温度分别为-9～6 ℃、-13～7 ℃、-13～0 ℃、-20～-1 ℃。不同高度的等压面，温度区间存在不同程度的重合，但大值区存在差异。从中位数来看，由近地面层到500 hPa层各等压面的温度分别是-1.5 ℃、-4.1 ℃、-6.5 ℃、-12 ℃。对于75%的个例，近地面层的温度在0.5 ℃以下，700 hPa温度<-1.2 ℃，600 hPa温度<-4.8 ℃，500 hPa温度<-8.2 ℃。为了保证降水的相态是固态(雪)，温度在垂直分布上应该趋于保持一致的冷层。75%分位数比中位数更好地体现了大多数个例的温度分布特征，同时也满足降雪的温度垂直分布条件，可以作为温度预报指标。即温度预报指标为：T近地面≤0.5 ℃、T700≤-1.2 ℃、T600≤-4.8 ℃、T500≤-8.2 ℃。

图2 各探空等压面对应的温度箱线图Fig.2 Temperature box diagram corresponding to each sounding isobaric surface

2.3 探空风的统计学特征及预报指标确定

风对降雪的贡献，主要包含2个方面：风向、风速辐合为降雪发生提供动力；风对水汽和能量的输送作用。所以，预报模型的第3个指标应为风向风速条件。

图3是威宁降雪天气发生前最近时次近地面—500 hPa不同高度层的风速箱线图。分析图3发现，近地面的风速小(最大值为7 m·s-1)，随着高度的增加，风速增大，风速辐合特征明显。从近地面—500 hPa，各等压面的中位数分别为4、7、21、28 m·s-1，25%～75%分位分别为3～5 m·s-1、5～10 m·s-1、17～26 m·s-1、21～35 m·s-1。

图3 各探空等压面对应的风速箱线图Fig.3 Wind speed box diagram corresponding to each sounding isobaric surface

分析威宁降雪天气发生前最近时次探空资料在垂直方向的风向变化雷达图(图4)发现，近地面层—500 hPa层上的风向具有明显的南北风切变。近地面和700 hPa上的风向比较杂乱，不同方向的风都有出现。近地面层72%的个例风向偏北，冷空气势力强。700 hPa上77%的个例风向偏南。除了极少数个例 ，600 hPa、500 hPa的风向以西南风到西风为主，600 hPa西南风比重更大，500 hPa西风频率更高。从最多风向统计来看，近地面为北风(74次)、700 hPa为西南风(60次)、600 hPa为西南西风(101次)、500 hPa为西风(125次)。

图4 各等压面对应的风向变化雷达图(单位：°)Fig.4 Radar chart of wind direction change corresponding to each isobaric surface (unit:°)

综上分析，探空风向风速的分布特征为：近地面多为北风且风速小；600 hPa、500 hPa偏西、偏南风强，风向、风速的辐合为降雪天气提供动力条件，且强劲的偏西、偏南风对水汽的输送贡献较大。结合湿度条件，降雪天气要保证600 hPa及以下的湿度达到相应的指标，即考虑600 hPa的大风速区对水汽的输送。因此，风向风速的预报指标可以确定为：V近地面≤5 m·s-1、V600≥17 m·s-1，随着高度的增加，风速增大，南北风切变明显。

由于天气系统的抬升、地形的抬升等作用都可以替代风的动力抬升作用，大气层实际湿度条件充分时，可以忽略风对水汽的输送；在温度和湿度预报指标同时满足的情况下，可以不考虑风向、风速的预报指标。

3 预报模型的建立与检验

根据上述综合分析，初步建立降雪预报模型：湿度条件为H近地面≥80%、H700≥80%、H600≥60%；温度条件为T近地面≤0.5 ℃、T700≤-1.2 ℃、T600≤-4.8 ℃、T500≤-8.2 ℃；风向风速条件为V近地面≤5 m·s-1、V600≥17 m·s-1，随着高度的增加，风速增大，南北风切变明显。当湿度、温度条件同时满足时，直接判断为将有降雪发生，不再进行风向风速条件的判别。

设NA为预报正确次数，NC为漏报次数，NB为空报次数，通过计算准确率、漏报率、空报率，检验预报模型的预报效果，具体计算公式如下：

(1)

(2)

(3)

利用公式(1)～(3)对2020年冬季(12月、1月、2月)17个降雪日的预报准确率、漏报率、空报率进行计算，得到2020年冬季降雪日的预报准确率、漏报率、空报率分别为70%、18%、18%(表1)。说明对于绝大多数个例预报模型都有较好的指示意义，极少数个例模式预报存在漏报和空报的现象。对于不同的月份，12月的预报效果最差，准确率、漏报率、空报率分别为50%、43%、20%；1月和2月的预报效果一致，准确率、漏报率、空报率均分别为83%、0%、17%。

表1 2020年冬季(12月、1月、2月)预报模型效果检验Tab.1 Test of forecast model in 2020 winter (December, January, February)

4 结论与讨论

通过对贵州威宁站2008—2019年降雪天气的L波段雷达探空资料分析研究，得出以下结论：

①中低层较大的湿度是影响威宁降雪的重要因子，预报指标为H近地面≥80%、H700≥80%、H600≥60%。

②温度对于威宁降雪有重要的指示意义，在500 hPa及以下的大气为相对统一的冷层环境下，最有利于降雪。预报指标为T近地面≤0.5 ℃、T700≤-1.2 ℃、T600≤-4.8 ℃、T500≤-8.2 ℃。

③风对威宁降雪的动力抬升和水汽供应具有一定的作用，预报指标为V近地面≤5 m·s-1、V600≥17 m·s-1，随着高度的增加，风速增大，南北风切变明显。在温度、湿度指标同时满足降雪条件下，不必考虑风向风速的预报指标。

根据降雪预报指标，建立了贵州威宁降雪的预报模型。利用该模型对2020年冬季降雪进行检验，其准确率达70%，预报参考性较大，但12月降雪预报准确率较低。究其原因，一是漏报。可能是在探空观测时段以外天气系统快速发展变化、有冷空气补充或加强导致。二是空报。可能是由于连续降雪过程的最后1 d的夜晚或是第2 d，各物理量不会马上发生变化，预报模型误判降雪还将继续发生。由于探空资料观测时次的局限性以及天气变化在时间上的不确定性，在今后的研究中，可适当考虑环流背景、冷空气活动以及其他观测资料的补充等多方面对降雪预报模式进行订正、完善。在日常预报工作中，为了进一步提高预报准确率，还应结合天气形势的变化、冷空气的活动、其他观测资料的使用等多方面对预报模式进行订正、完善。