1953—2022年阜新市雷暴活动规律及灾情特征分析

范 野，舒海燕，陶 倩，李 凝， 杨晓彤，谢 媛，常相伊

（阜新市气象局，辽宁 阜新 123000）

雷暴属于中小尺度强对流天气现象，具有瞬间性、多发性和毁灭性等特点，强雷暴往往伴随大风、冰雹、强降水等灾害性天气，给农业生产带来了严重的损失［1-2］。2021年我国共发布了387334条预警信息，而雷电是发布数量最多的预警类型，雷电目前已被联合国气象相关部门列为“最严重的10种自然灾害之一”［3-4］。据中国气象局2007年第16号令规定，雷暴被列为重大气象灾害性天气，气象部门应根据危害程度向社会公众发布不同级别的预警信号，并提出合理的防御措施和建议。

目前，国内外学者针对雷暴灾害的变化规律开展了一定的研究并取得了有价值的结论［5-6］。中国南部和东部沿海地区是雷暴灾害多发区，其中海南、广东2省的雷暴灾害发生高峰期为6—8月，雷暴日数月分布多呈双峰形［7-9］。程向阳等［10］结合当地实际情况，通过区划分析、灾害评估等方法分析了雷电灾害事件的成因。阜新市位于辽宁西北部，地形以丘陵山地为主，夏季大气不稳定度较大，易产生强对流天气，雷暴出现次数较多，同时还会伴随冰雹、大风、强降雨等灾害性天气，给阜新市的农业生产和生活造成了严重损失。基于此，本文利用1953—2022年阜新市的雷暴日数，采用多种统计分析方法对阜新市的雷暴活动进行分析，以期充分认识当地雷暴的发生规律及其区域分布特征，为阜新市雷暴天气的预报、预警工作提供科学依据，减少雷暴气象灾害对农业生产造成的影响。

1 资料与方法

1.1 数据来源

本文使用数据包括阜新市2个国家基准气候观测站1953—2022年的逐日雷暴资料、平均2分钟风速、相对湿度、平均温度、闪电定位仪资料，数据来源于气象大数据云平台、所辖县常规自动站、61个加密自动站以及阜新市气象台发布的雷电预警信息，规定在1 d出现≥1次按1个雷暴日计算；1987—2022年雷暴灾情资料来源于阜新市2个国家气象观测站和农业部门及统计部门；2010－2022年ERA5的逐小时再分析资料（水平分辨率为0.25°×0.25°）来源于欧洲数据中心；东亚夏季风指数（EASMi）的月数据来源于国家气候中心及青藏高原科学数据中心。

1.2 研究方法

本文主要采用Morlet的小波分析方法，利用Matlab软件对雷暴日数进行小波变换，计算出复小波系数的实部，根据小波系数的实部值来判断雷暴日数呈现为偏多或偏少。小波方差能够反映雷暴日数时间序列中包含的时间尺度的周期性波动及能量强弱随尺度变化的特性。

利用滑动平均法对雷暴日数进行趋势分析，用重标极差（R/S）统计分析方法对未来趋势是否有转折进行判断，具体方法参考文献［11-12］。

Pettitt方法［13］是一种与Mann-Kendall法相似的非参数检验方法。首先构造秩序列Sk时间序列的累加模型，秩序列Sk是第i时刻数值大于或小于j时刻数值个数的累计数。Pettitt法是直接利用秩序列来检测突变点的，若t0时刻满足k0=max（|Sk|），则t0点处为突变点。然后计算统计量P=2exp[-6（n3+n2）]，若P≤0.5，则认为检测出的突变点在统计意义上是显著的。

2 结果与分析

2.1 雷暴日数的时间变化特征

2.1.1 雷暴的年代际变化 由图1可知，1953—2022年阜新市雷暴日数整体呈下降的趋势，递减率为-0.10 d/a，此结论与毕伯钧等［14］研究得出的中国东部地区夏季偏南风随年代表现出明显减弱的变化趋势一致；由阜新市雷暴日数的5 a滑动平均趋势可见，1953—1991及2013—2022年雷暴日数偏多，而2007—2013年明显偏少；其中雷暴日数出现次数最多的年份为2022年（57 d），1959年次之（55 d），出现次数最少的年份为2017年（15 d）；阜新市各年代平均雷暴日数也呈减少趋势，其中以20世纪50年代平均最多（40 d），20世纪80年代次之（37 d），21世纪00年代最少（31 d）。

图1 1953—2022年阜新市雷暴日数变化趋势

2.1.2 雷暴的季、月变化 阜新市雷暴天气发生频率随季节变化特征显著，3—5月迅速增多，6—8月趋于平稳，9—11月迅速减少。每年3—11月为雷暴活动期，其中以6—8月（夏季）最多，占总日数的69.9%。其原因是夏季随着副热带高压北跳，阜新市暖湿气流增强，极易造成大气层结构不稳定而产生强对流［15］。常煜等［16］研究发现，呼伦贝尔市雷暴的发生与西太平洋副热带高压的南北进退时间基本一致。

由图2可知，阜新市的雷暴天气主要集中在5—9月（占比92.5%），其中7月最多（占比26.1%），6月次之（占比24.9%）；12月—翌年2月雷暴发生频次最少，3月其次（占比0.3%）。

图2 1953—2022年阜新市雷暴日数的月变化情况

2.1.3 雷暴的日变化 由图3可知，阜新市雷暴日变化呈现典型的单峰双谷形，6—8月雷暴发生峰值主要集中在13:00~22:00，占总次数的95.1%，最大值出现在16:00~18:00，占比70.1%；次高峰出现在14:00~19:00；11:00~12:00 和0:00~1:00 出现次数最少，平均占比为1.5%；4:00~08:00和13:00~17:00的雷暴发生次数较多，小时分布变化较为明显。从总体分布来看，阜新市14:00~21:00发生对流性雷暴天气次数较多，此期间为雷暴的高发集中时期，造成该结果的原因是午后太阳辐射加热导致下垫面温度升高，从而使地面热力条件发展旺盛，增加了局地热对流的发生，此外还有系统性天气对雷暴发生的影响。因此，14:00~21:00也是雷电防御的关键时期。

图3 1953—2022年阜新市雷暴发生的日变化情况

2.1.4 雷暴初、终日的各月分布情况 由图4可知，阜新市雷暴初日基本在3—5月（占比97%），其中4月最多（占65%），5月次之（占25%），雷暴初日在6月最少（占3%）；初日最早出现在1992年3月24日，最晚出现在1963年6月4日。雷暴终日基本在9—11月（占比98%），其中10月最多（占56%），9月次之（占31%），8月最少（占2%）；终日最早出现在1986年9月16日，最晚出现在2010年11月13日。

图4 1953—2022年阜新市雷暴初、终日的各月分布

2.2 雷暴的周期性规律

根据阜新市1953—2022年雷暴日数绘制Morlet小波系数实部等值线及小波方差曲线（图5），结果表明：阜新市近70 a雷暴日数存在2个完整尺度和一个不完整尺度的周期性变化规律，其周期变化规律均呈现在全部数据年限，其中准24年周期共经历了9个周期振荡变化；准44年周期共经历了5个周期振荡变化；大约70 a的周期性波动（由于数据有限，周期不完整）显示经历了3个周期振荡变化，且波动均较显著。其中准24年的振荡周期可能是受太阳黑子活动的影响。

图5 雷暴日数小波系数实部等值线及小波方差曲线

2.3 雷暴的突变检验

由图6可知，近70 a阜新市雷暴日数在2006年统计量Ut达到最大值368（P=0.1935），在P=0.5的显著性检验（±311.2）范围内，说明这一年发生了突变。从图1也可以看出，在2006年发生突变后，雷暴日数呈现逐渐减少的趋势。

图6 雷暴日数Pettitt突变检验曲线

2.4 雷暴的未来发展趋势

应用重标极差法（R/S）计算出Hurst指数为0.4535，这说明未来的雷暴日数变化趋势与历史序列具有反持续性。雷暴日数的过去趋势为逐渐减少（图1），而Hurst指数小于0.5，表示未来会从减少趋势反转为增多趋势（图7a）。

图7 阜新市雷暴日数持续指数的log(R/S)-log n曲线（a）及V统计量-log n曲线（b）

虽然Hurst指数能够表示未来的发展趋势，但雷暴日数的过去趋势会持续一段时间，也无法得知持续多长时间进行反转。通过计算统计量V可以揭示平均循环长度，借助刘倩等［17］的方法计算V统计量。由图7b可知，当logn=1.4时，散点明显出现偏离，即出现未来转折（虚线所示处）的时间为n=25，即25 a后雷暴日数将完全失去对初始数据的依赖，趋势会出现反转。

3 灾情特征及影响因子

3.1 雷暴对农业造成的危害

阜新市雷暴灾害为季节性灾害，雷暴产生在强烈的积雨云中，常伴有大风、短时强降水、冰雹和龙卷风等强对流天气。从2005—2019年雷暴造成的重灾实况记录来看（表1），共记录了8次雷暴重点灾害情况，大多出现在夏季（6—8月），占比87.5%。在发生雷暴灾害过程中，其中7次伴随有大风出现，占比为87.5%，有2次为龙卷风，雷暴大风往往造成局地风灾，毁坏房屋和林木，使农作物折断、倒伏、互相摩擦、裂荚或落粒，最终导致作物减产；6次有短时强降水伴随出现，占比为75.0%，强降水导致水分过多，使土壤水分饱和，若田间积水不能及时排除，则会产生洪涝灾害；阜新市受丘陵、山地地形的影响，易产生不稳定的强对流天气，有6次伴随冰雹出现，占比为75.0%，冰雹多发生在午后14:00~17:00，一般小冰雹会造成农作物减产歉收，大冰雹则会造成农作物绝产或者严重减产。雷暴天气产生的雷电还可能引起人身、家畜的伤亡和电器故障，尤其春、秋季节比较干燥，还可能引起森林火灾。从经济损失上看，冰雹和大风对作物的危害最大，经济损失最为严重，暴雨灾害和雷电灾害相对较少，经济损失相对较小。

表1 2005—2019年雷暴重灾发生的灾情实况

3.2 雷暴天气的影响因子

许多学者对于强雷暴天气进行了研究，发现雷暴天气的发生受天气系统、盛行气流、下垫面和地形等多种因素的影响［18-20］。本文主要从影响雷暴发生的天气类型、环境场要素、雷达回波及其他气象要素进行分析。

3.2.1 天气类型 利用2011－2020年6－8月55次典型雷暴天气过程和ERA5再分析资料，依据500 hPa环流形势，配合对流层低层的特点，参考张丹梅等［21］的分型方法，将阜新市雷暴天气形势划分为4个类型：高空冷涡型、高空冷槽型、西北气流型、副高西北部型，也与秦春明等［22］划分的天气形势基本一致。按照雷暴天气形势的发生次数排序为：西北气流型占比最高，为36.4%（20次）；高空冷槽型占比次之，为34.5%（19次）；高空冷涡型占比居中，为25.5%（14次）；副高西北部型占比最低，为3.6%（2次）。

3.2.2 天气环境场要素 选取阜新市2011－2020年6－8月55次典型雷暴天气过程，发生时长为1~2 h，根据雷暴形成需要的不稳定层结、水汽条件和抬升条件，共筛选出13个物理量因子，其中有9个对流不稳定因子、2个水汽条件因子以及2个动力因子，具体为：对流有效位能（CAPE）、抑制对流有效位能（CIN）、沙氏指数（SI）、抬升指数（LI）、K指数、A指数、TT指数、850 hPa与500 hPa的温度差（△T850-500）、对流温度（Tg）、850 hPa 露点温度（Td850）、850 hPa温度露点差（Tdd850）、风暴强度指数（SSI）、强天气威胁指数（sweat）。利用ERA5再分析资料，通过grads软件计算各项物理量在8:00、14:00、20:00（即雷暴发生前最近时刻）的数值，得出环境场的要素值及拟合率（表2）。

表2 环境场指标

在气象预报时，根据上述13个环境场物理指标，再配合雷暴天气类型，判断是否有雷暴发生。这些物理量随着季节变化很大，不能形成适用于全年的预报指标。

3.2.3 雷暴天气雷达回波特点 选取阜新市发生持续时间为1~2 h的20个雷暴天气样本，研究雷电密集区雷达的回波特点，结果表明：（1）雷电发生时，反射率强度CR≥40 dBZ（拟合率：95.0%），回波顶高度ET≥8 km（拟合率：90.0%），液态水含量VIL≥10 kg/m2（拟合率：90.0%）；（2）雷电发生前的2~3 h，如果阜新市有CR≥40 dBZ的回波进入阜新市境内，且满足上述条件，则需发布预警信息，同时根据闪电定位仪和雷达回波的情况，还可以实现定点、定时的跟踪服务。

3.2.4 其他气象要素的影响 阜新市雷暴日数5年滑动平均值与平均风速、相对湿度、平均气温的5 a滑动平均值均呈负相关，与东亚夏季风指数（EASMi）的5 a滑动平均值呈正相关（表3），其中与EASMi相关性最显著，与平均风速的相关性最差。这表明雷暴日数减少趋势与气温升高、风速减小、空气变干燥均有关，更与EASMi的减少密切相关，EASMi是雷暴发生的主要影响因子。

表3 1953—2022年阜新市雷暴日数与各气象要素的相关系数

应用matlab软件分别使用雷暴日数和EASMi的5 a滑动平均值进行拟合，得到4个回归方程，分别为：Y=81.96sin(0.01388X+6.281)、Y=-0.2676sin(X-π)+0.0076(X-10)2+40.74、Y=2.698X0.7588、Y=0.4535X+1.351，其R2值分别为0.9367、0.8407、0.8664、0.8694，RMSE值分别为0.1847、0.3006、0.2795、0.2793，P值分别为0.026、0.089、0.057、0.054。分别用雷暴日数和相对湿度、平均气温、风速的5 a滑动平均值进行拟合，得到的最优方程分别为Y=0.02X-0.0578 exp（-0.124X0.942）、Y=1007/（X+8.785）、Y=169.4（0.013X+2.736），其R2值分别为10.93、12.81、1.595，RMSE值分别为6.254、6.092、6.516，P值分别为7.594、8.364、10.283，因此不具有实用意义。综上指标分析，雷暴日数和EASMi相关性最高，关系也最密切，使用5 a滑动平均值拟合出的最佳方程为Y=81.96sin（0.01388X+6.281），P=0.026，通过了α=0.05的显著性检验。

4 结论与讨论

本研究对1953—2022年阜新市雷暴日数及雷暴发生日的相关气象资料进行分析，得出以下结论：

（1）雷暴日数的历史数据年际变化较大，总体呈减少趋势，递减率为-0.10 d/a，经R/S分析得出在25年后趋势将发生反转，由原来的减少趋势转为增加趋势；存在准24年、准44年、准70年的3个尺度的周期性变化规律；2006年雷暴天气规律发生了转折性变化。

（2）雷暴天气季、月变化特征显著，阜新市雷暴天气主要集中在5—9月（占比92.5%），夏季最多（占比69.9%），7月最多（占26.1%），6月次之（占24.9%）；雷暴初日基本在3—5月（占97%），其中4月最多（65%），6月最少（3%）；雷暴终日基本在9—11月（占98%），其中10月最多（56%），8月最少（2%）；阜新雷暴日变化呈现典型的单峰双谷形，峰值主要集中13:00~22:00（占比95.1%），最大值出现在16:00~18:00（70.1%）。

（3）从2005—2019年雷暴造成的重灾实况记录来看，灾情多出现在夏季（6—8月），占比为87.5%，其中有大风伴随出现（2次为龙卷风）的频率为87.5%，有短时强降水伴随出现的频率为75.0%，有冰雹伴随出现的频率为75.0%。

（4）根据6—8 月阜新市雷暴天气的500 hPa 环流形势，按照主要类型的发生次数排序为：西北气流型占比最高，为36.4%（20 次）；高空冷槽型占比次之，为34.5%（19 次）；高空冷涡型占比居中，为25.5%（14 次）；副高西北部型占比最低，为3.6%（2 次）。

（5）根据55次典型雷暴天气过程，选出阜新市环境场13个物理量影响因子，按拟合率大小进行排序：TT指数（96.3%）、CIN（94.4%）、sweat（94.4%）、CAPE（90.7%）、△T850-500与SSI指数（88.9%）、Tg与A指数（85.2%）、Tdd850与Td850（83.3%）、LI指数（79.6%）、SI指数（77.8%）、K指数（75.9%）。在预报时，可根据13个环境场物理指标，再配合雷暴天气类型，判断是否有雷暴发生。

（6）研究阜新雷电密集区雷达的回波特点，得出短时预警指标为：CR≥40 dBZ，ET≥8 km，VIL≥10 kg/m2。有时在8:00物理量数值没有达到阈值，但是在14:00或20:00预警指标突然加强，也会有雷暴天气的发生。

（7）阜新市雷暴日数与平均风速、相对湿度、平均气温均呈负相关，与东亚夏季风指数呈正相关；其中与EASMi相关性最高，与平均风速的相关性最差。