万轶婧，王东海，2，3，梁钊明，曾智琳

（1. 中山大学大气科学学院，广东珠海519082；2. 广东省气候变化与自然灾害研究重点实验室，广东珠海519082；3. 南方海洋科学与工程广东省实验室（珠海），广东珠海519082；4. 中国气象科学研究院灾害天气国家重点实验室，北京100081）

华南位于我国最南端，是我国雨季最长、雨量最丰沛、暴雨最频发的地区之一。每年4～6月为华南地区第一个多雨期，这一时期的降水主要是受西风系统和东亚副热带季风共同影响，并与冷空气的活动有密切联系，这一阶段被称为华南前汛期。与其它类型暴雨相比，华南前汛期的暴雨除了常见的典型锋面降水以外，许多影响严重、范围小的大暴雨和特大暴雨过程，尤其是局地性特大暴雨，大都发生在锋前的暖区里，这类暴雨称为暖区暴雨［1-2］。根据广东一线预报员的经验，华南暖区暴雨局地性强，预报难度大［3］，截至目前数值模式无论是全球模式还是中尺度模式确定性预报对暖区暴雨的预报能力仍然偏弱，集合预报的不确定性也很明显［4-6］。因此，加强华南暖区暴雨的研究，提升其预报准确度，具有重要的意义。

华南暖区暴雨，一般是指产生于距离华南地面锋线200～300 km 的暖区里的暴雨，或者是发生在西南风和东南风的汇合气流中，甚至是无明显切变的西南气流里的暴雨［1］。暖区暴雨一般是在高温、高湿和不稳定的情况下产生的，降水强度较大，一般是冷锋暴雨强度的3～5倍；降水范围比锋面暴雨小，且多呈块状，尺度一般为β 中尺度，只有几十到几百公里［7］。

前人对华南暖区暴雨形势背景特征进行过统计和提炼总结，何立富等［2］依据中央气象台预报实践经验，将暖区暴雨分为边界层辐合型、偏南风风速切变型和强西南急流型3类，大部分暖区暴雨都发生在高空槽前，低层受西南气流影响，对流层上层位于辐散气流区中。苗春生等［8］采用客观分析方法将华南暖区暴雨主要影响系统分为两类辐合线低值系统：偏南向辐合线和西南向辐合线，两类暴雨均为水汽充沛，条件不稳定能量层深厚，这为凝结潜热释放提供了良好的环境基础，有利于暴雨区形成暖心系统，维持暴雨系统强度与增强系统深度。Du and Chen［9］研究认为华南沿海暖区暴雨的发生发展与边界层急流、天气尺度急流的相互作用和日变化特征有密切关系。丁治英等［10］对2005～2008 年5、6 月华南暖区暴雨统计发现，暖区暴雨多发生于850 hPa 低空急流的后部，且均位于南风辐合区中。

暖区暴雨的发生发展机制复杂，暴雨中的对流系统难以捕捉，是造成暖区暴雨预报能力差的主要原因。大量的研究［11-14］揭示了暖区暴雨的触发与多种因素相关，包括诸如非均匀下垫面强迫、大气内部多类不稳定热动力、边界层浅薄冷空气活动、海陆分布和地形等，在这些因素相互作用下，暖区暴雨的触发机制更加复杂。此外，许多研究［15-17］也表明有组织发展的各类中尺度对流系统（MCS）是造成暖区暴雨的直接或主要原因，连续发展的MCS、形成“列车效应”的线状对流系统等有组织的中小尺度对流系统可直接造成暖区暴雨。

虽然上面研究从统计角度已很好总结出有利于暖区暴雨发生的典型环流背景，触发机制多样化。然而，暖区暴雨局地性特征明显，具体触发地点仍需要考量环境参量因素。此外，研究表明当大尺度的影响系统难以识别时，“流型识别法”常常失效，基于雷暴构成要素的“配料法”是暴雨潜势预报的重要思路［18］。鉴于此，许多个例研究对暖区暴雨发生前的环境物理参量进行了统计分析［19-21］。这些研究表明，大部分暖区暴雨CAPE在1 000 J/kg 以上，K 指数在32 ℃以上，相对湿度达到90%以上，对流层中低层假相当位温值在335 K以上，但也有个例对应的物理参量远低于上述水平。而且已有的大部分研究偏重关注CAPE、K 指数、假相当位温、相对湿度等少数几个物理参量，对暖区暴雨的层结状态特征的认识还不够全面，难以挖掘具有预报指示意义的有效信息。

以上对暖区暴雨的环境参量研究主要基于多个暖区暴雨个例的统计分析研究，但大多数研究只针对一个个例进行总结，而且大多选取再分析资料，不足以准确把握暴雨发生时的真实环境特征，对于暖区暴雨预报的指示意义有限。同时，在多源中尺度观测资料逐渐丰富的前提下，仍缺乏对暖区暴雨发生前的环境场特征定量化统计研究。目前华南暖区暴雨这种灾害性强、影响系统多的天气仍然是预报技术的难点，了解其真实的温湿层结及环境参量有利于加深对暖区暴雨发生发展的物理机制的理解，提高暖区暴雨的潜势预报水平。本文旨在利用探空资料，对2008～2017年4～6 月的华南暖区暴雨个例进行研究，从环境条件及层结特征的角度出发，通过统计多达8种物理参量，研究暖区暴雨垂直大气的静力不稳定、水汽、能量和动力条件，以期挖掘有参考价值的预报特征，并提取有指示意义的华南暖区暴雨关键环境参数，为预报提供一定的借鉴与参考。

1 数据与研究方法

1.1 数据

选取资料主要包括2008～2017 年4～6 月华南地区12 个L 波段探空站观测资料、国家级地面气象站基本气象要素日值数据集以及国家级地面气象站逐小时降水数据集。L 波段高空气象探测系统是由我国自行研发的高空气象探测系统，由GFE（L）1 型二次测风雷达和GTS1 型数字探空仪共同组成，采用二次测风雷达测距体制，能够连续自动测定高空气温、湿度、气压、风向和风速等气象要素，其采样最大时间分辨率为1.2 s 的秒级，比传统探空数据精度更高、定位更准确，可为暖区暴雨发生提供密度更高的观测信息［22］。L波段探空资料常规观测时间为每天08 时和20 时（北京时，下同），部分时段根据重大天气过程或科学试验需要进行02 时和14 时加密观测。图1 给出了探空站点分布及周围地形示意图。

图1 华南地区示意图Fig.1 Schematic diagram of South China area

中国国家级地面气象站基本气象要素日值数据集包括降水量、气温、相对湿度以及地面风向风速等观测要素，观测时间分辨率为24 h，华南地区有264 个站点。考虑暖区暴雨具有持续时间短、降水强度大等特点，国家级地面气象站逐小时资料用于暖区暴雨个例的挑选。

1.2 暖区暴雨个例的挑选

基于前人［23-24］对华南强降水及暖区暴雨的研究方法首先挑选出华南地区强降水个例，若华南地区264 个国家级观测站中出现相邻3 站或3 站以上（站点之间的距离不超过100 km）日降水量（20 时～次日20 时）大于或等于50 mm 时，即定义为一个华南强降水个例。

基于上述强降水个例，进一步挑选暖区暴雨个例。参考黄士松［1］和刘瑞鑫等［24］对暖区暴雨个例的定义，在满足暴雨个例的定义前提下，挑选暖区暴雨个例：①由于假相当位温θse具良好热力学意义，对锋区有非常清晰指示意义［25］，为此以地面θse的密集带确定为锋区位置，发生在其前侧（南侧）200 km 或以上的强降水确定为暖区暴雨；②地面不存在明显的锋面系统，华南地区降水区域对应低空为一致偏南风控制时发生的强降水，亦确定为暖区暴雨。根据挑选暖区暴雨个例的暴雨落区，判断暴雨落区内是否有探空站，如有探空站在暴雨落区内，则将该探空站的暖区暴雨发生前最临近一次资料加入暖区暴雨个例样本中，如没有探空站在暴雨落区内，则去掉此个例。

按照上述定义标准，结合逐小时降水的观测资料，从2008～2017 年4～6 月共挑选出华南典型暖区暴雨过程54 例。为了突出暖区暴雨个例的大气层结特征，本文将2008～2017年4～6月12个探空站的所有观测作为气候态，以期通过对比分析，揭示华南暖区暴雨的环境场条件的关键特征。

1.3 分析方法

为探明暖区暴雨发生前的环境场条件和特征，参照基于构成要素的预报方法（配料法）的主要思路［26-27］来选取关键环境参数。强对流主要发生在条件不稳定、一定的水汽条件和适当的垂直风切变的环境下。因此，基于静力不稳定、水汽、能量与动力条件，选取了8种业务预报常用的物理参数开展统计分析［28-33］。涉及静力不稳定，使用850 hPa 与500 hPa 温差（ΔT85）来表示。水汽条件采用850 hPa 温度露点差[(T-Td)850]、500 hPa 温度露点差[(T-Td)500]和大气可降水量（PWAT）来代表。表示能量条件的参数选取对流有效位能（CAPE）和K 指数，使用深层垂直风切变（SHRL0～6km）和850 hPa以下最大偏南风速（U）代表动力条件。

通过箱线图给出各种关键参数的分布，并与气候态特征进行对比，提取暖区暴雨发生的各种关键参数的阈值，以期构建对暖区暴雨预报有更清晰指示意义的预报参数模型。参考高晓梅等［28］对鲁中地区强对流天气环境参量特征的分析方法，如果采用箱线图中某参数的最低值或最高值作为阈值，则可能出现大量的虚警，因此决定采用某关键参数的25 百分位或75 百分位作为影响华南暖区暴雨的参数阈值，在虚警率和漏报率之间确定一个折中，25 百分位和75 百分位的选择总体上看还是相当合理的。

将小时雨量不低于50 mm的暖区暴雨个例称为特强暖区暴雨，将小时雨量低于50 mm的个例称为普通暖区暴雨，筛选出特强暖区暴雨8例，普通暖区暴雨46 例，以期通过对比分析，深入分析暖区暴雨的环境特征。

2 华南暖区暴雨的环境参量分析

2.1 静力不稳定

大气静力稳定度在很大程度上决定着降水的性质，静力不稳定大气层结对深厚湿对流的触发和发展起重要作用，甚至决定这对流发展强弱以及持续时间长短。在预报实践中，对流层中低层的温度直减率通常用850 和500 hPa 之间的温差（ΔT85）来表示，通过大气垂直温度结构特征反映大气静力稳定度。图2显示了暖区暴雨个例的ΔT85和气候态无明显差异，两者中位数分别为22.9 ℃和22.5 ℃，均值仅有0.1 ℃差异，暖区暴雨个例和气候态的ΔT85最小值到最大值范围分布分别为9～26 ℃和8～35 ℃，但两者的箱体位置及高度处在接近相同的水平，呈现为弱的条件不稳定层结。因此就ΔT85分布而言，暖区暴雨的发生不需要很强的静力不稳定条件，且暖区暴雨个例的ΔT85分布特征与气候态类似，利用ΔT85无法判断是否发生暖区暴雨。

2.2 水汽条件

大气水汽的含量以及饱和程度和垂直分布是影响降水效率和强度的重要因素。图3a 和b 分别为暖区暴雨的850 hPa 和500 hPa 温度露点差箱线图，分析发现，暖区暴雨个例的850 hPa 温度露点差介于0.4～8.5 ℃之间，箱体结构窄小，其均值仅为2.0 ℃，表明低层大气接近饱和状态，显著低于其气候态均值（17.9 ℃）。通过箱体结构及分布对比发现，低层（850 hPa）大气饱和程度对暖区暴雨具有一定的指示性，说明暖区暴雨对低层饱和程度的依赖是比较明显的，这很大程度上可与气候态区分开。然而，从500 hPa 温度露点差来看，由于暖区暴雨最值离散度很大造成均值偏离箱体，均值代表性较差，故从箱体位置（25～75 百分位）与气候态对比，可见暖区暴雨在500 hPa（对流层中层）亦比气候态更湿，但整体差异程度略低于低层。总体而言，华南暖区暴雨事件具有“低层高湿”的层结特征，850 hPa 温度露点差是暖区暴雨发生的关键指标之一。

图2 华南暖区暴雨个例和气候态的静力不稳定环境参量箱线图线段最高点为统计最大值，最低点为统计最小值；箱形上框线为75%四分位值，下框线为25%四分位值，箱内线为中位数值Fig.2 Box and whisker plot of environmental parameter of static instability for warm-sector heavy rainfall and climatology(the highest point of the line is the statistical maximum,the lowest point is the statistical minimum,the box upper frame line is the upper quartile,the lower frame line is the lower quartile,line inside the box indicates the median,×is the average)

图3 华南暖区暴雨个例和气候态的水汽条件环境参数箱线图Fig.3 Box and whisker plot of environmental parameters of water vapor condition forwarm-sector heavy rainfall and climatology

从表征气柱绝对水汽含量的大气可降水量（PWAT）（图3c）来看，暖区暴雨个例的PWAT 介于44～73 mm，25%～75%的范围为56～64 mm，其均值为60 mm。气候态的PWAT 在5～83 mm 之间，25%～75%的范围为41～60 mm，均值为50 mm。暖区暴雨的PWAT最小值远大于气候态的PWAT最小值，暖区暴雨PWAT箱体的上下端须更为接近，离散度较气候态也明显要小得多。一些强降水个例分析表明，大气可降水量达到60 mm左右或者以上时，表明大气非常暖湿［34］。华南前汛期PWAT 气候态均值为50 mm，该值本身是较高的，这与华南纬度较低，环境水汽本身较充沛有关。而75%的暖区暴雨个例在PWAT 大于56 mm 的条件下发生，说明暖区暴雨更倾向在较气候态更高的PWAT条件下发生，这是暖区暴雨产生的关键指标之一。因此，临近预报判别暖区暴雨不但需要关注低层的水汽，也要重视大气整层可降水量，足够大的大气整层的水汽含量对是否发生暖区暴雨有一定的指示性。

2.3 能量条件

对流有效位能（CAPE）是反映大气潜在不稳定能量的关键参数，也是强天气业务预报中判断深厚湿对流潜势的常用重要指标。图4a 为华南暖区暴雨个例和气候态的CAPE 箱线图，从图4a 可知，暖区暴雨发生前的CAPE 值离散度较大，其75%、25%四分位值分别为2 127 J/kg 和965 J/kg，中位数（1 410 J/kg）、均值（1 491 J/kg）都属于中等强度的CAPE（1 000～2 000 J/kg），可见相较于那些风雹为主的强对流天气［35-36］，大部分暖区暴雨并不需要很强的CAPE。从气候态来看，CAPE介于0～7 460 J/kg，箱体较暖区暴雨个例的更宽，对流有效位能分布更为离散，其中位数（631 J/kg）及均值（1 232 J/kg）虽低于暖区暴雨个例，但二者重叠区间范围仍然明显，因此很难单从CAPE 具体数值判别是否发生暖区暴雨。

图4 华南暖区暴雨个例和气候态的能量条件环境参数箱线图Fig.4 Box and whisker plot of environmental parameters of energy condition for warm-sector heavy rainfall and climatology

K 指数是判断大气稳定度的一个综合性指标，当垂直温度递减率越大，累积不稳定能量越多，且低空水汽接近饱和时，层结不稳定越明显，K 指数越大。统计发现（图4b），暖区暴雨个例的K 指数介于22～42 ℃，均值为36.3 ℃，中位数为37.0 ℃，气候态K 指数介于0～47 ℃，均值为31.8 ℃，中位数为33.8 ℃。暖区暴雨个例的K 指数明显比气候态高，考虑到K指数是由中低层热力差异项（ΔT85）、低层湿度项（Td850）以及低层饱和程度项（T700-Td700）构成三项，而前述分析发现暖区暴雨个例的ΔT85与气候态差异很小，表明低层湿度及饱和程度项是造成暖区暴雨K 指数较高的关键，这与前述分析得到的暖区暴雨对低层大气饱和程度依赖较高的讨论结果一致。可见，判断暖区暴雨的潜势时应该对低层高湿的水汽条件予以更多关注。

2.4 动力条件

风暴的强弱与环境水平风场的垂直切变大小密切相关，在给定的湿度、不稳定性及抬升触发的深厚对流中，垂直风切变对对流风暴组织和特征的影响最大［37］。强冰雹、F2 级以上龙卷和区域性的雷暴大风天气通常出现在明显的垂直风切变环境下，而对流性暴雨（短时强降水）的产生并不需要强的垂直风切变作为前提条件［38-39］。Davis［40］研究发现，降水效率与环境条件密切相关，对流层整层相对湿度越大，垂直风切变越小，导致雨滴越不容易蒸发，降水效率越高。根据前人研究发现，华南暖区暴雨一般发生在较强的深层垂直风切变下［41-42］。参考樊李苗等［29］对中国短时强对流天气的风切变的分类，将深层（0～6 km）垂直风切变SHRL0～6km分为弱（＜12 m/s）、中（12～20 m/s）和强（≥20 m/s）三档。统计54 例典型华南暖区暴雨个例的深层垂直风切变（图5a），分析发现暖区暴雨个例和气候态的深层垂直风切变均值分别为13.2 和2.1 m/s，中位数分别为12.5 和2.0 m/s，25 百分位值到75 百分位值分别为9.0～16.1 和1.2～2.9 m/s，暖区暴雨事件的箱体更宽，深层垂直风切变分布较气候态更分散，且箱体位置明显偏高，可见暖区暴雨深层垂直风切变明显大于气候态，大部分属于弱到中等强度的深层垂直风切变。一定强度的深层垂直风切变对暴雨的组织化和强度非常关键，是暖区暴雨发生的关键指标之一。

许多研究都表明暴雨与低空急流的关系密切。为研究暖区暴雨与低空急流（U≥12 m/s）的关系，统计了850 hPa及以下层最大偏南风速。从图5b可见，暖区暴雨个例和气候态的850 hPa 以下最大偏南风速25百分位到75百分位的范围分别为7～14 和7～12 m/s，中位数分别为11 和9 m/s。暖区暴雨个例对应的箱体更宽，气候态对应的箱体更窄，但两者的重叠区间很大。因此就850 hPa 以下最大偏南风速而言，约有一半的暖区暴雨个例发生前伴随低空急流，低空急流为暴雨发生提供充足的热量和水汽，同时也输送了大量的不稳定能量，但很难单凭850 hPa 以下最大偏南风速来判断是否发生暖区暴雨，需要结合其它参数共同判断。

图5 华南暖区暴雨个例和气候态的动力条件环境参量箱线图Fig.5 Box and whisker plot of environmental parameters of dynamics condition for warm-sector heavy rainfall and climatology

3 华南暖区暴雨关键参量的提取和阈值定义

3.1 特强暖区暴雨关键参量

考虑到暖区暴雨短历时性降水强度大的特点，那些产生极端短时强降水（≥50 mm/h）［43-44］的暖区暴雨造成的局地洪涝风险更高，为此对“特强暖区暴雨”、“普通暖区暴雨”的关键物理参数进行参数横向对比分析。

850 hPa 和500 hPa 温差（ΔT85）箱线图（图6a） 显示特强暖区暴雨对应的ΔT85中位数值为23.3 ℃，和普通暖区暴雨对应的ΔT85中位数值（22.9 ℃）相差不大，且二者箱体范围高度重合，且前文分析得出ΔT85对暖区暴雨的发生的指示性不强，暖区暴雨发生前存在较弱的条件不稳定，因此还需结合其他参数共同判断是否发生特强暖区暴雨。

由850 hPa 温度露点差分布箱线图（图6b）可见，特强暖区暴雨和普通暖区暴雨对应的850 hPa温度露点差中位数值分别为1.8 和1.7 ℃，相差不大。特强暖区暴雨和普通暖区暴雨850 hPa 温度露点差分布25 百分位到75 百分位数值的范围分别为1.5～2.0 和1.4～2.2 ℃，两者存在部分重合区间，但特强暖区暴雨离散度小，普通暖区暴雨离散度很大，说明特强暖区暴雨的发生对对流层低层水汽条件要求更高，水汽接近饱和，850 hPa 温度露点差对特强暖区暴雨的发生有一定的指示意义。

图6c 给出了500 hPa 温度露点差分布的箱线图，特强暖区暴雨的500 hPa 温度露点差中位数值（3.5 ℃）箱线图略高于普通暖区暴雨对应的500 hPa温度露点差中位数值（2.7 ℃），特强暖区暴雨和普通暖区暴雨的500 hPa 温度露点差分布25%到75%范围分别为2.1～7.0 和1.9～5.0 ℃，而且特强暖区暴雨与普通暖区暴雨的500 hPa 温度露点差离散度相当，都比较大。分析大气可降水量的箱线图发现（图6d），特强暖区暴雨的大气可降水量与普通暖区暴雨差异不大，只是箱体更窄，说明在整层水汽含量足够大的情况下更有利于特强暖区暴雨发生。总体来看，特强暖区暴雨的发生对对流层中层的水汽条件要求并不高，对低层的水汽要求更高。

图6e 为华南特强暖区暴雨CAPE 箱线图。由图6e 可以看出，特强暖区暴雨的CAPE 分布的中位值为1 768 J/kg，而普通暖区暴雨的CAPE中位数值为1 451 J/kg，特强暖区暴雨对应的CAPE中位数值偏高。特强暖区暴雨和普通暖区暴雨CAPE 对应的25到75百分位值分别为1 428 ～2 196、760 ～2 098 J/kg。由CAPE 的分布可见，特强暖区暴雨相对于普通暖区暴雨具有一定可区分度，特强暖区暴雨发生前对流有效位能更大，有利于深厚湿对流的发展。分析K指数箱线图（图6f）发现，特强暖区暴雨的K指数分布与普通暖区暴雨存在较大的箱体重叠区间，中位数值都在37 ℃左右，差异不大。

图6 华南特强暖区暴雨和普通暖区暴雨的环境参量箱线图Fig.6 Box and whisker plot of environmental parameters of significantly strong warm-sector rainfall and normal warm-sector heavy rainfall

图6g 显示特强暖区暴雨深层（0～6 km）垂直风切变中位数在9.3 m/s，而普通暖区暴雨的中位数在12.5 m/s，特强暖区暴雨和普通暖区暴雨的箱体类似，说明特强暖区暴雨也倾向于发生在中等至强的强度的深层垂直风切变情况下；从850 hPa以下最大偏南风速分布的箱线图可以看出（图6h），特强暖区暴雨的850 hPa 以下最大偏南风速与普通暖区暴雨的特征类似，两者的850 hPa 以下最大偏南风速的中位数分别为12 和10.5 m/s，特强暖区暴雨的箱体范围更高，暴雨伴随低空急流出现的概率更大，但两者箱体的重叠区间也较大。可以看出，特强暖区暴雨和普通暖区暴雨的动力条件相似，很难通过深层垂直风切变和850 hPa 以下最大偏南风速将特强暖区暴雨从普通暖区暴雨中凸显出来。

3.2 影响华南暖区暴雨的参数阈值分析

McNulty［45］指出，了解大气层结状态特征及环境条件参量计算，是制作强风暴预报时必须考虑的重要因素，分析暖区暴雨的层结结构特征并进一步得出影响暖区暴雨的参量阈值，可为暖区暴雨的潜势预报提供有意义的参考信息。从前文的分析中可知，华南暖区暴雨的判别很难基于单一的物理量或环境参量来进行，需要结合多种因素去综合判断分析针对前文所有的物理量或环境参数进行统计。根据高晓梅等［28］对鲁中地区强对流天气环境参量特征的分析方法，如果采取箱线图中各个参数的最低值或最高值作为影响暖区暴雨的参数阈值，很大可能导致很高的虚警率，因此决定采用某参数的25 百分位值和75 百分位值作为参数阈值，这样虽然会有漏报，但必须在虚警率和漏报率之间确定一个折中，25 百分位和75 百分位的选择总体上看还是相对合理的。表1 列出了2008～2017 年4～6 月期间华南54 例暖区暴雨个例及8例特强暖区暴雨个例的8种参数的参考阈值。

表1 华南全部暖区暴雨和特强暖区暴雨环境参数预报阈值表（以25或75百分位作为预报阈值）Table 1 Forecasting thresholds of environmental parameters for all warm-sector heavy rainfall and significantly strong warm-sector rainfall（with 25/75 percent as the forecasting threshold）

前人总结的有利于强对流天气的发生的几个条件，包括静力不稳定、垂直风切变、初始的抬升触发条件和充沛的水汽条件［46］。统计前文所有环境参量发现，华南暖区暴雨与气候态在850 hPa温度露点差、大气可降水量、深层垂直风切变差别比较明显，华南暖区暴雨发生前，大气可降水量充沛且对流层低层水汽接近饱和，结合一定的抬升条件，大气能迅速发生凝结潜热释放加热大气，且较高的深层垂直风切变有利于对流组织化，使对流持续发展从而形成暴雨。因此，上述提及的物理参数可作为判断是否有暖区暴雨的关键环境参数。基于探空资料统计分析，如果大气层结状态满足以下条件：850 hPa 的温度露点差≤2.2 ℃、大气可降水量≥56 mm、深层垂直风切变≥9 m/s时，大气层结是有利于产生暖区暴雨的。

针对特强暖区暴雨和普通暖区暴雨的环境背景参数进行对比，发现特强暖区暴雨的850 hPa 温度露点差有显著差异，特强暖区暴雨的发生更依赖于对流层低层充沛的水汽条件，异常丰沛的水汽有利于对流和暴雨的持续发展，降雨强度增大，这很可能是特强暖区暴雨比普通暖区暴雨降水强度更大的重要原因。当大气环境满足850 hPa 的温度露点差≤2.0 ℃时，更有利于产生特强暖区暴雨。

4 结论

本文结合了我国探空资料和地面气象站数据，研究了华南地区2008～2017年4～6月发生的54例暖区暴雨个例，通过箱线图的形式，初步得到一系列关键环境参数的分布特征和阈值，再从54 个个例中选取特强暖区暴雨个例，即小时雨量超过50 mm 的个例，和普通暖区暴雨（小时雨量不大于50 mm）个例的相应关键参数进行对比，总结分析出暖区暴雨个例的环境特征。主要结论有：

1）在众多常用的物理参量指标中，表征水汽条件的850hPa 温度露点差、大气可降水量以及表征动力条件的深层垂直风切变对典型华南暖区暴雨事件的发生具有较清晰指示意义。华南暖区暴雨发生前，大气可降水量充沛且对流层低层水汽接近饱和，结合一定的抬升条件，大气能迅速发生凝结潜热释放加热大气，并在深层垂直风切变的作用下组织化发展，从而使对流持续形成暴雨。基于25 和75 百分位的判别条件，得出华南暖区暴雨发生的关键物理参数的阈值，当大气环境满足850 hPa 的温度露点差≤2.2 ℃、大气可降水量≥56 mm、深层垂直风切变≥9 m/s 时，有利于产生暖区暴 雨。850 hPa 和500 hPa 温 差、500 hPa 温 度 露 点差、对流有效位能、K 指数和850 hPa 以下最大偏南风速对暖区暴雨的指示意义不大。

2）从上述54 个暖区暴雨个例中选出8 例特强暖区暴雨个例与46 例普通暖区暴雨个例比较，发现特强暖区暴雨事件发生的环境条件关键点是更充沛的低层水汽条件，对应的关键指标是850hPa温度露点差，异常丰沛的水汽有利于对流和暴雨的持续发展，降雨强度增大，这很可能是特强暖区暴雨比普通暖区暴雨降水强度更大的重要原因。当大气环境满足850 hPa 的温度露点差≤2.0 ℃时，特强暖区暴雨发生的概率更大。对比特强暖区暴雨与普通暖区暴雨发现，850 hPa 和500 hPa 温差、500 hPa 温度露点差、大气可降水量、对流有效位能、K 指数、深层垂直风切变和850 hPa 以下最大偏南风速的分布特征没有显著差异。

本文基于探空资料对华南暖区暴雨的环境场特征进行统计与分析。暖区暴雨时空尺度小，探空资料时空分辨率较粗，因此可能存在误差。下一步工作将对不同天气类型形成的华南暖区暴雨进行遴选归类后加以分析，以期利用探空资料的优势，丰富对华南暖区暴雨环境特征的认识，为华南暖区暴雨预报的改进提供有价值的参考。