王鹤婷　郭立平　周贺玲　王清川

摘要：指出了短时强降水常伴有雷暴大风，在短时间内易形成局地洪水，甚至引发山洪、滑坡或泥石流等次生地质灾害，是廊坊地区影响较为严重的气象灾害之一。导致短时强降水发生的天气系统尺度小、发展快，目前利用常规观测资料难于捕捉，对其发生、发展和影响区域与影响范围的定点、定时、定量十分困难。基于小时精细常规资料对廊坊市短时强降水的自动站观测物理量过程发生前的变化特征进行了详细分析，为廊坊市短时强降水的临近预报及预警提供参考。

关键词：短时强降水;地面自动观测站数据;核密度函数;预报指标研究

中图分类号：P426 文献标识码：A 文章编号：1674-9944（2020） 2-0032-04

1 资料及分析方法

近年来，许多气象学者从不同的方面对自动站资料在短临天气预报的应用进行了一些分析研究，取得许多有价值的成果。如李瑞萍等[1]通过分析常规分析资料、雷达产品和太原地面加密自动站资料，得出在实际的业务中，可以利用加密自动站温度场、气压场、风场分布及其变化，单站气象要素的演变情况，结合雷达资料，对强对流开始时间、强度、移动方向及持续时间，以及灾害性天气出现的可能性及落区进行预报。杨晓亮等[2]，应用逐小时加密自动站资料分析地面流场并计算地面假相当位温，得出两者对夏季强对流天气的预报具有指示意义的结论。

采用2009～2017年廊坊市9个市县区域站分钟降水量数据进行统计，规定整点之后到下一次整点之前一小时内降水量大于20 mm的视为短时强降水，一天中有一个或一个以上站达到标准视为一个短时强降水日，一天中一个站点多次出现短时强降水时站次累加统计。

2 短时强降水过程中的地面气象要素统计特征及其变化特点

尽管在所有的短时强降水过程中，有关指标物理量对短时强降水的形成都比较重要，但事实表明，由于气候背景的不同，各种指标物理量的相对重要性和阈值都有所不同，筛选6～9月的短时强降水进行统计分析。首先需要分析短时强降水指标物理量的逐月统计特征。

2.1 应用表格统计分析气象要素特征

将廊坊市6～9月300站次短时将强水按月对短时强降水过程的自动站观测相对湿度、假相当位温、比湿、气温、分别进行统计，计算其最小值、平均值、最大值，结果见表1。

2.1.1 热力条件分析

从廊坊近10年的短时强降水的气温统计情况可以看出，6月、7月、8月、9月发生短时强降水的气温范围分别为17. 5～30.7℃，20. 4～33.2℃，19.7～33.7℃，18～26.1℃。综合分析可得当气温值为23～24℃时，发生短时强降水的概率较大。这是由于温度过低时，热力条件无法满足，不易形成强对流天气，而当温度过高时，多数为副热带高压控制下的晴好天气。从数据可以看出，“七下八上”期间，热力条件较好，故而发生短时强降水的概率相对更大。

2.1.2 气压统计分析

从表1中可以看出，6～9月份廊坊地区发生短时强降水的平均气压值为1001. 51 hpa，6月、7月、8月和9月的平均气压值分别为1002. 05 hPa、999. 48 hPa、1003. 79 hPa、1009. 68 hPa。低气压的成因主要有两种类型：①热力因素，由于氣温高，空气受热膨胀上升，在近地面形成低压，空气上升过程中，随海拔高度升高，气温下降，容易达到饱和状态，成云致雨，所以降水增多;②动力因素，当冷暖气团相遇时，暖气团被迫抬升，也会在近地面产生低压，由于暖气团在抬升过程中容易形成云雨，所以也会增加降水。

2.1.3 湿度统计分析

短时强降水的形成机制是与高降水率相对应的。这意味着如果要形成高的降水率，云底需要有高的水汽含量。

杨景梅等通过统计分析发现可降水量与地面水汽压存在线性相关的关系，并且其具体表达式可表述为：w=a+be，（其中a、b为常数），从廊坊地区水汽压的统计数据来看7、8月发生短时强降水的水汽压平均值分别为28. 63 hPa、28. 15 hPa，可见7、8月由于西南暖湿气流较强，源源不断地向廊坊地区输送水汽，大气可降水量充足，从而导致7、8月的短时强降水强度较大。

从相对湿度的统计值来看，廊坊地区发生短时强降水前1 h的相对湿度平均值为88. 03%，其范围值为47%～100%。相对而言，相对湿度值总体较大，故相对湿度对于短时强降水的发生具有一定的预报意义。

假相当位温θse大值区代表该区域内水汽和动力条件较好，并且如果发生列车效应，最大对流降水中心一般出现在假相当位温的大值区，在发生短时强降水前1h，地面假相当位温最高可达39. 53℃，平均值为27. 51℃，对于短时强降水的预报具有一定的指导作用。

2.2 应用核函数密度函数对比分析气象要素特征

从地面气象要素箱线图（图略）看，短时强降水发生时其对应的气象要素值域也越小，同时我们还可以看出，即便未发生短时强降水，其对应单个要素值也有与发生短时强降水对应的相同，因此表明短时强降水的发生并不是单个要素作用的结果，其是多要素共同作用的结果[1]。此外短时强降水的中值明显区别于无短时强降水样本。绘制的各要素的核密度估计曲线图可直观反映参数的可预报性，通过高密度集中区以及曲线的交叉，可提取该指标的预报阈值。密度曲线的波宽越窄，说明数据越集中;曲线的重叠越小，说明该指标对分量级降水的可预报性越好。

通过相对湿度的核密度分布可看出，出现短时强降水过程的峰值集中在95%左右，而没有出现短时强降水的相对湿度的峰值集中在60%～80%，波宽较大，密度相对较低。在箱线图上表现更为明显，短时强降水相对湿度的中值（92%）明显高于未出现短时强降水的中值（78%），故而地面自动站观测相对湿度值可以作为短时强降水的预报因素之一，通过图表我们可以将阈值定为90%。

从气温来看，发生短时强降水前1h的温度统计值的峰值集中在25℃左右，且从箱线图来看短时强降水的温度值也较为集中，即气温太高或太低都不利于短时强降水的发生。气温太低，热力条件差，达不到发生强对流天气的基本条件，而气温过高，基本上是副热带高压控制下的晴好天气。

假相当位温能很好地反映气团和锋区（面）的活动，可以表现气团的稳定性。假相当位温线越密集，代表存在较强的水汽梯度和温度梯度，这意味着锋区的存在。假相当位温是热力因子，包含了水汽和能量条件，实际上是包括了温度、气压、湿度的一个综合物理量，地面假相当位温均表现出高相关性，说明高温高湿环境场有利于短时强降水发生[2]。廊坊地面假相当位温采用Gaussian核函数进行核密度估计的密度线与正态分布的密度曲线较吻合，从假相当位温核密度分析图来看，发生短时强降水的假相当位温整体略比不发生短时强降水的值集中，峰值集中在27～30℃左右，从箱线图分析发现未发生短时强降水的假相当位温最高值反而略大于发生短时强降水的最大值，这可能与夏季尤其是七上八下期间廊坊地区一直保持高温高湿状态，可见假相当位温值不能作为决定廊坊地区是否发生短时强降水的唯一因素，但当地面假相当位温值超过27℃时，则应结合地面风场、雷达、卫星等资料综合分析、密切关注短时强降水的发生。

从水汽压的核密度分析图来看，短时强降水的水汽压同其他气象因素类似，较未发生短时强降水的值集中，但是峰值差距并不是特别大。从箱线图分析可得，发生短时强降水的中值（28 hPa）远远大于未发生短时强降水的中值（23 hPa）并且50%的水汽压落在了24～29 hPa之间，故而当水汽压对于是否出现短时强降水具有一定的预报性大于28时预报员应注意短时强降水的发生。

有无短时强降水的密度曲线的峰值越分离，代表可较好地区分有无短时强降水，如相对湿度、水汽压、温度，短时强降水样本的高密度区对应无短时强降水样本的低密度区，且中值差距较大，这几类指数对短时强降水的预报有一定的指示性[3]。而对于地面假相当位温而言，虽然短时强降水样本较集中，但波峰分离度小，该指标无法有效剔出无短时强降水样本。说明仅仅分析地面温湿情况不能完全实现短时强降水的预报，环境场的辐合、垂直上升运动的强度以及高空的各层物理量也有一定关联。

综上所述，通过统计分析大致确定相对湿度、温度、假相当位温、水汽壓的阈值分别为90%、25℃、27℃、28 hPa，当观测值符合地面阈值时，应结合高低空配合情况、雷达卫星图来进行综合分析判断是否会有短时强降水的发生。

规律检验：2018年共发生44站次短时强降水，有14 d发生短时强降水，将之前总结的经验对这14次过程进行检验对比得：在44站次短时强降水中，有37（84%）站次的相对湿度大于等于90，41站次（93%）的水汽压大于等于28 hPa，40站次（91%）的假相当位温大于等于27℃。

3 温、湿、压变化情况

分析廊坊地区2017～2019年短时强降水过程中5min加密自动观测站的数据发现：廊坊地区短时强降水发生前，在天气系统发展演变过程中，单站气压、气温、湿度、风等气象要素出现了显著不连续变化，其中气压和湿度呈同位相变化，与气温变化反位相，同步出现的谷（峰）值对强对流发生时间有至少1h的提前量[1]。根据前面基于地面自动观测站的数据统计资料，发现在短时强降水来临前单站要素值常会出现一些突变，主要表现在温度、湿度、气压的变化方面，下面以2017年7月6日发生在全市的短时强降水过程来分析变化情况。

3.1 雨量分布

本次过程为蒙古低涡系统影响下的强对流天气，前期廊坊地区一直处于高温高湿的天气形势下，过程发生时500 hPa配合有高空急流，同时廊坊地区位于500hPa槽线前部，有充足的水汽供应[5]。降水过程主要发生在6日上午至夜间11： 00～21： 00，从逐小时雨量图（图略）上可以看到，降水中心首先于lI：00出现在廊坊的西南部（雄安一带），随后由西南向东北方向快速移动并加强。最大雨强为31.6 mm/h，出现在20：00～21：00，地点在三河。

3.2 风场变化

在7月6日11： 20雄安一带出现地面辐合线，这与降水区位置相一致。随后辐合线向东北方向移动，与随后先后出现在文安、固安、廊坊、永清、香河、大城、三河的降水区相一致。此外，在降水前1h会出现风向的突变，从图中可以看出，风向从偏北风转换成为了偏南风，带来大量水汽，云亮增多，云底变低，可见当上游关键地区发生短时强降水过程时应密切关注风场辐合及移动情况来判断廊坊本地是否会出现短时强降水[8]。

3.3 地面温度场变化

从温度场来看，廊坊地区发生降水前1h（10： 55），温度密集带位于北京和雄安一带，这与强降水区刚好吻合，随着温度密集带不断向北向东移动，廊坊地区等温线由疏变密，这意味着有冷舌生成并从东北方向侵入廊坊。由此可以看出可以通过上游地区温度的变化情况及温度场的移动情况来分析廊坊本地的短时强降水过程。

在降水发生前，地面自动观测站的气温观测值都在26℃以上，在过程开始前气温不断下降，可见有冷空气源源不断地侵入廊坊地区，触发了短时强降水天气，说明冷空气的入侵对于触发短时强降水天气具有非常重要的意义，降水结束后气温有所回升，冷空气影响结束，从而短时强降水过程也趋于停止。

3.4 气压变化情况

气压在对流发生前期持续下降，而在短时强降水发生前1h急速抬升，降水开始后气压持续下降，由正变压转为负变压，强降水等天气就出现在前期的负变压中心区[7]。这是由于短时强降水天气发生时，由于下沉气流中水滴蒸发，使下沉气流几乎保持饱和状态，因此在雷暴云下形成一个近乎饱和的冷空气堆，因其密度较大所以气压较高，这个高压叫“雷暴高压”，雷暴高压向前移动时，云下的雷暴高压也随之向前移动，使得测站气压先下降、后上升、温度下降（冷空气堆），相对湿度上升，绝对湿度下降（与温度有关，近于饱和）。

3.5 露点温度差变化情况

7月6日11：20，露点温度差的最小值中心位于雄安、保定、沧州一带，随着时间推移，露点温度差的最小值中心不断向北推进，而雨带也随之不断向北移动，廊坊位于降水区的东北部，随着湿区不断北抬，廊坊地区自南向北开始出现降水天气。

19点至20点温度露点差的最小值中心移到三河一带，三河雨强增大.20：00、21： 00时一小时降水量分别达到28.1 mm、31.6 mm，连续2h达到短时强降水的量级。可见强降水发生过程中水汽具有明显的演变特征，可以通过湿区的移动情况来对短时强降水进行提前1小时的预判。

4 结论与讨论

本文选取廊坊地面气象观测站（2009～2018年）夏季强对流天气个例作为研宄对象，分析各气象要素场在不同类型的强对流天气发生之前的变化规律，进而探寻其与强对流天气之间的相关关系，得出以下结论：

（1）可以通过分析影响廊坊的关键地区的温度场、风场、温度露点差场的分布及变化情况来预估廊坊地区的短时强降水，如果变温场密集带、风场辐合区、露点温度差场的低值区在关键影响区生成则需密切关注其移动和变化情况，为廊坊地区短临预警作准备[8]。对流发生前期气压持续下降，灾害性天气出现在负变压中心区，地面中尺度辐合线是强对流过程的触发机制，强对流天气区随辐合线而移动。

（2）通过核函数密度曲线及箱线图分析，总结得出气象要素对能见度的影响是多元的，能见度的变化是气象要素间相互调配共同作用的结果;短时强降水天气所伴有的氣象条件主要为：相对湿度≥90%，水汽压≥28hPa，气温大于等于25℃，假相当位温≥27℃。

（3）在短时强降水发生前期，单站气压、气温、湿度等气象要素出现了显著不连续变化，气压在前期不断下降在短时强降水发生前有所回升，水汽压与气温均在降水前期显著下降，而表征水汽的温度露点值不断减小，相对湿度不断增大，对流发生时间有至少1h的提前量。

（4）在今后廊坊市实际的业务中，加密自动站温度场、气压场、风场分布及其变化，单站气象要素的演变情况可以作为判断短时强降水发生的判据之一，结合雷达资料，对强对流开始时间、强度、移动方向及持续时间，以及灾害性天气出现的可能性及落区进行预报。由于本文的研究要素仅有4个，因此有着明显局限性，气象要素与天气现象之间的定量关系，其代表性有待于在今后的预报实践中加以检验和完善。

致谢：感谢廊坊市气象局和雄安新Ⅸ气象局筹备处同事的帮助和支持。

参考文献：

[1]孙云，李国翠，常山英，等，石家庄2012年夏季一次暴雨成因及可预报性分析[J].干旱气象，2013，31（2）：378-382.

[2]李瑞萍，程艳芳，赵彩萍，等，加密自动站资料在强对流天气分析预报中的应用[J].气象科技，2012，40（4）：596-600.

[3]余欣，陈鲍发，黄龙飞.景德镇市短时强降水的特征与统计分析[C]//中国气象学会.第33届中国气象学会年会Sl灾害天气监测、分析与预报，北京：中国气象学会，201 6.

[4]段鹤，夏文梅，苏晓力，等，短时强降水特征统计及临近预警[J].气象，2014，40（10）：1194-1206.

[5]周玉都，刘艳杰，周贺玲，等.廊坊市短时强降水特征分析[J].中国人口·资源与环境，2014（sl）：377-381.

[6]许敏，丛波，张瑜，等.廊坊市短时强降水特征及其临近预报指标研究[J].暴雨灾害，2017（3）：53-60.

[7]张 磊.太原地区短时强降水分析及预报指标研究[D].兰州：兰州大学，2017.

[8]宋歌.自动站资料在强对流天气短时临近预报、预警中的应用[D].兰州：兰州大学，2013.

作者简介：王鹤婷（1995-），女，助理工程师，主要从事短期天气预报和相关研究。