尉英华，王艳春，朱磊磊，林晓萌，杨 洋

（1.天津市气象台，天津300074；2.天津市气象局，天津300074）

短时强降水是我国主要的强对流灾害性天气之一，由于时空尺度小、突发性强，其预报预警一直是气象业务中的难点。近些年来，国内许多学者从气候特征、形成机制、预报模型等方面对短时强降水进行了大量的研究[1-9]。但在实际业务中，具有表征意义的环境物理量指标是其预报业务的基础。樊李苗等[10]通过探空温湿曲线形态对比，指出短时强降水与冰雹、雷暴大风的温湿参数和稳定度参数存在明显差异；王囝囝等[11]、张永婧等[12]、李文娟等[13]、周晋红等[14]分别利用探空资料对大连、济南、杭州、太原等不同地区的短时强降水环境参量进行分析，指出短时强降水与对流有效位能、K指数、850～500 hPa温差、0℃层高度等具有较好的相关性；韩宁等[15]、花家嘉等[16]、田付友等[17-19]利用 NCEP FNL（1°×1°）全球分析资料研究发现短时强降水环境条件表现为丰富的水汽、弱的垂直风切变、较高的0℃层高度和一定的不稳定层结，并分别给出了定量化预报指标。

以上研究均基于探空资料或NCEP FNL全球分析资料，但探空资料时空分辨率较低，如天津本地未设探空站，通常使用北京站的探空资料，而实际上京津两地的天气差异较大，经常是北京风平浪静而天津电闪雷鸣，北京狂风大作而天津艳阳高照，北京探空往往无法准确诊断出天津中小尺度系统产生对流的背景条件。NCEP FNL全球分析资料时空分辨率虽然提高，但其亦包含着数值模式、同化方案等所引入的误差[20]；周青等[21]指出NCEP FNL全球分析资料在我国大部分地区的地面气温分析值较观测值偏低；程胡华等[22]认为NCEP FNL全球分析资料800～100 hPa常规气象要素的可信度较高，但与强对流天气紧密联系的环境物理量可信度较低。因此，对于无探空站的天津地区来说，无论利用周边探空或是NCEP FNL全球分析资料，均会因上述资料的空间差异或本身误差降低预报指标的准确性和代表性。刘一玮等[23]、尉英华等[24]针对两次强对流天气过程分别尝试将探空、NCEP FNL全球分析资料与地面气象观测数据融合，发现融合后的环境物理量能够更加清晰地反映中小尺度环境条件差异，对于局地对流具有更好的指示性。因此，通过融合资料进行环境物理量的指标分析具有一定的积极意义。

本文选取2009—2017年汛期6—9月天津地区短时强降水天气过程，尝试将NCEP FNL全球分析资料与地面气象观测数据融合，并通过对融合资料计算的环境物理量可信度及特征分析，给出具有表征意义的定量化指标，提升此类天气的预报准确率。同时，对于无探空站或探空站分布稀疏的地区来说，融合资料可以为预报指标研究提供一种新的思路，不仅可以弥补远距离探空分析所带来的空间差异，同时可以解决NCEP FNL分析资料地面要素偏差较大造成的环境物理量失真问题，从而提升预报指标的代表性，为业务人员提供更加可靠的预报依据。

1 资料和方法

1.1 资料说明

所用资料包括：（1）2009—2017年6—9月天津地区连续性与稳定性较好的13个国家常规气象站和213个加密自动气象站（图1）逐1 h观测数据，包括降水量、气温、气压、风向、风速等，该资料已经通过国家气象信息中心的质量控制；（2）美国国家环境预报中心的 NCEP FNL（1°×1°）逐 6 h 全球分析资料（以下简称为“NCEP FNL分析资料”），包括21个高度层的经向风速、纬向风速、相对湿度、温度等；（3）国家气象信息中心下发的同时期的北京站探空数据。

按照现行业务标准，以20 mm/h作为短时强降水临界值进行样本选取。为保证样本选取的代表性，同时考虑气象站密度和资料可靠性问题，规定在同一区县范围内、同一时次有3个或以上观测站1 h降水量达到临界值标准，则记录为一次短时强降水天气过程，持续多个时次记录为同一次短时强降水天气过程，间隔若超过6 h则分别记录。按照以上原则，严格筛选出2009—2017年天津地区共140次满足条件的短时强降水过程。图2给出了不同月份和不同区县的短时强降水发生次数分布情况。从月分布来看，天津地区短时强降水主要集中在6—9月，其中7月发生次数最多（56次），8月次之，6月和9月相对较少。从区县分布来看，天津东部沿海的滨海新区发生次数最多（53次），北部的武清、蓟州、宝坻和中部的市区次之，其他区县相对较少。

图1 天津226个气象观测站分布

1.2 资料融合处理

图2 2009—2017年短时强降水过程的月次数（a）和区县次数（b）分布

首先对短时强降水发生前最近时次的NCEP FNL分析资料和同一时次地面气象观测数据进行要素一致性处理，统一转换为气压、温度、露点温度、风向、风速，进而利用NCEP FNL分析资料和地面气象观测数据融合算法，构建针对天津地区短时强降水过程的融合探空序列。具体处理如下：

（1）水平方向插值。由于地面观测资料为离散站点记录、NCEP FNL分析资料为规则格点分布，为保证融合资料的空间一致性，采用水平方向二维双线性插值方法获得观测站上空不同高度层的NCEP FNL分析值，即F（x，y）由水平方向临近的4个格点要素值A（x1，y1）、B（x2，y1）、C（x1，y2）、D（x2，y2）决定，计算公式如下：

（2）垂直方向插值。由于NCEP FNL分析资料近地面要素的误差较大，在融合过程中首先将地面观测要素值f（h0）作为垂直方向上的最低层数据，900 hPa以下其它高度层的要素值则通过地面观测数据和NCEP FNL分析资料垂直方向插值进行融合订正，900 hPa以上层次仍采用NCEP FNL分析资料。由于气象要素在垂直方向上并不是线性变化的，因此900 hPa以下不同高度层要素值的融合订正采用二次拉格朗日多项式插值算法[25]。已知垂直方向4个不同高度层气象要素值f（h0）、f（h1）、f（h2）、f（h3），其中f（h0）为地面观测要素值，f（h1）、f（h2）、f（h3）为NCEP FNL分析资料要素值，则经过地面观测数据融合订正的第h2层要素值f（h2）算法公式如下：

通过上述资料处理和插值订正过程，构建基于NCEP FNL分析资料与地面气象观测数据的融合探空序列。与北京探空站要素实况对比分析发现，融合前NCEP FNL分析资料925 hPa以下温度和露点温度平均绝对误差分别为1.2、2.0℃，融合订正后平均绝对误差分别降至0.7、0.9℃。可见，利用NCEP FNL分析资料与地面气象观测数据构建融合探空序列，对于无探空站地区来说可以极大程度地降低NCEP FNL分析资料近地层温湿要素误差，这对于与温湿要素密切相关的抬升指数（LI）、对流有效位能（CAPE）等环境物理量特征分析具有一定的积极意义。由于实际业务中环境物理量指标必须具有较好的代表性才能得以应用，因而有必要进一步深入分析融合探空序列的环境物理量可信度。

2 环境物理量可信度检验

针对2009—2017年天津地区140次短时强降水天气过程，构建基于NCEP FNL分析资料与地面气象观测数据的融合探空序列，计算大气可降水量（TPW）、K指数（K）、抬升指数（LI）、对流有效位能（CAPE）、抬升凝结高度（LCL）和 0 ℃层高度（Z0）等环境物理量参数。以探空物理量作为真值，通过融合前、融合后环境物理量和探空物理量之间的绝对误差、偏差和偏差区间占有率对比分析，揭示融合资料环境物理量在短时强降水天气中的可信度。其中，绝对误差表示误差平均大小，偏差反映两者之间误差倾向性是偏大还是偏小，偏差区间占有率则给出在定义的偏差区间范围内占总数的百分比分布，相应计算公式如下：

其中，Mad为平均绝对误差，B为平均偏差，Dp为偏差区间占有率，n为样本数，Num为偏差阈值，x代表NCEP FNL分析资料或融合资料的物理量，y代表探空资料的物理量。在偏差区间占有率公式中，若（xiyi）<-Num结果成立，则定义的值为1，否则值为0，该定义同样适用于-Num（xi-yi）≤Num和（xi-yi）>Num。

2.1 融合前的环境物理量可信度

以距离天津最近的北京探空站（116.47°E，39.8°N）为代表，计算其所在位置的NCEP FNL环境物理量。从NCEP FNL环境物理量和探空物理量的对比结果。两者之间的偏差来看，利用NCEP FNL分析资料计算得到的K、LI、TPW与探空物理量相比呈现略偏高状态，Z0、LCL则略偏低（表1）。在绝对误差方面，除了K指数绝对误差略偏大外，LI、TPW、Z0、LCL平均绝对误差分别为1.8℃、3.7 kg/m2、107 m、27 hPa，均具有一定的可信度。值得注意的是，利用NCEP FNL分析资料计算的CAPE比探空物理量值平均偏低476.9 J/kg，两者之间平均绝对误差达622.3 J/kg。可见，NCEP FNL分析资料的CAPE可信度明显较低，原因可能在于CAPE从近地面层开始抬升计算，而NCEP FNL分析资料低层温湿要素误差较大。

为了进一步认识NCEP FNL环境物理量在短时强降水潜势分析中的可信度，图3给出了2009—2017年短时强降水过程中不同物理量的偏差区间占有率。 从图 3 中可以看出，TPW、Z0、K、LI、LCL在以零值为中心的低偏差区间内表现为较高的占有率， 分别为74.0%、70.1%、68.8%、62.3%、51.9%，表明 NCEP FNL 分析资料的TPW、Z0、K、LI、LCL在多数情况下比较接近探空物理量真值。与之相反，CAPE在偏差区间[-∞，-400]的占有率明显高于以零值为中心的低偏差区间占有率，即NCEP FNL分析资料的CAPE约50.6%情况下比探空诊断值偏低超过400 J/kg。其中，2009年6月27日和7月28日、2010年7月11日和19日、2013年7月4日、2015年8月10日、2016年6月23日7次短时强降水天气过程中探空资料CAPE基本为500～1200 J/kg，而NCEP FNL分析资料CAPE仅为0～100 J/kg。可见，NCEP FNL分析资料的CAPE误差较大，可信度明显较低。若以NCEP FNL分析资料得到的CAPE进行短时强降水潜势判断，极易出现低估或漏报现象。

表1 NCEP FNL分析资料和探空资料的北京站环境物理量统计对比

图3 NCEP FNL分析资料的环境物理量偏差区间占有率分布

2.2 融合后的环境物理量可信度

表2给出了短时强降水过程中资料融合后的环境物理量和探空物理量对比结果。由于融合资料仅对NCEP FNL分析资料900 hPa以下通过地面气象观测数据进行了订正，中、高层仍采用NCEP FNL分析资料，因而K、Z0并无改进效果，TPW偏差虽有变化，但改进效果亦不明显。而对于CAPE、LI和LCL（表2）来说，融合资料CAPE比探空资料仅偏高119.0 J/kg，两者之间绝对误差降低至260.7 J/kg；同时，融合环境物理量LI、LCL的偏差和绝对误差均明显较低。与前文中相应的NCEP FNL物理量（表1）相比，融合物理量CAPE、LI、LCL绝对误差分别降低了58.1%、48.0%和49.0%，表明融合物理量更加接近于探空物理量真值。

表2 融合资料和探空资料的北京站环境物理量统计对比

进一步对融合物理量CAPE、LI、LCL的偏差区间占有率分布（图4）分析发现，将NCEP FNL分析资料与地面气象观测数据融合后，CAPE在以零值为中心的低偏差区间[-400，400]占有率明显增大至76.6%。同时，LI在低偏差区间占有率增至93.5%，LCL在低偏差区间占有率则增至83.1%。与前文中融合前的NCEP FNL物理量偏差区间占有率相比，融合后CAPE、LI、LCL在各自的低偏差区间占有率分别增大了32.5%、31.3%、31.2%，表明融合后环境物理量的改进效果明显。

将NCEP FNL分析资料与地面气象观测数据融合后，可以对NCEP FNL分析资料近地面温度、露点温度误差进行订正，从而极大程度地降低由地面开始抬升计算的环境物理量误差，使融合物理量CAPE、LI、LCL可信度明显高于NCEP FNL物理量。同时，融合了高时空分辨率的地面观测数据更能反映近地层中小尺度环境条件差异。对于未设探空站的天津地区来说，通过融合物理量分析可以得出更具代表性和指示性的短时强降水预报指标。

图4 融合资料的物理量偏差区间占有率分布

图5 天津地区不同月份短时强降水的TPW分布

3 天津短时强降水环境物理量特征

3.1 水汽条件

我国中东部地区短时强降水多出现在TPW超过28 kg/m2的环境中[17]。图5给出了2009—2017年天津地区短时强降水过程的TPW分布，TPW表现出显著的月变化特征。其中，短时强降水发生较多的7—8月TPW下四分位数、中位数、平均值较为接近，其平均值达51.5 kg/m2；短时强降水发生较少的6月和9月TPW箱体区间变窄，各分位值明显降低，下四分位数、中位数和平均值比7—8月偏低约10～14 kg/m2。可见，不同月份短时强降水发生所必需的水汽条件差异显著，7—8月短时强降水多出现在非常潮湿的大气环境中，75%的短时强降水发生在TPW＞45 kg/m2的水汽条件下，当TPW＜33 kg/m2时，可以不考虑短时强降水出现的可能性；而6月和9月75%的短时强降水出现在TPW＞34 kg/m2的水汽条件下，当TPW＜26 kg/m2时，可以不考虑短时强降水出现的可能性。

图6 天津地区不同月份短时强降水的热力和能量参数箱线图

3.2 热力和能量条件

K指数（K）和抬升指数（LI）常用来表示大气层结稳定度，前者数值越大，对流发展的潜能越大，后者则负值越大，不稳定程度越强。由K和LI的箱线图（图6a，6b）可以看出，几乎所有短时强降水均需要一定的层结不稳定条件，且两者亦表现出显著的月变化特征。K指数9月下四分位数、中位数和平均值最低，6月各分位值略偏高，7—8月则明显偏高约4～5℃；LI呈现与其反位相的月变化特征，9月上四分位数、中位数和平均值最大，6月各分位值略偏低，7—8月则偏低约1～3℃。可见，不同月份短时强降水对于层结不稳定条件的要求明显不同。其中，6—9月75%的短时强降水分别出现在K＞30℃、＞33℃、＞32℃、＞28℃的环境中，同时分别出现在LI＜-2.4℃、-2.7℃、-3.6℃、-0.5℃的环境中。

对流有效位能（CAPE）是日常业务中判断深厚湿对流潜势的重要参数，CAPE值越大，越容易发生强对流天气。由图6c分析发现，天津地区6—8月短时强降水CAPE的下四分位数、中位数、平均值呈逐月递增趋势，9月CAPE箱体区间陡降。其中，7—8月短时强降水多发生在较高的CAPE背景下，其下四分位值可达835～1063 J/kg，6月和9月则可能发生在较低的CAPE背景下，其下四分位值仅161～353 J/kg。7、8月短时强降水对于CAPE值要求较高，6月次之，9月最低。

3.3 特殊层高度

暖云层是指抬升凝结高度到0℃层高度之间的厚度层，较低的抬升凝结高度有利于水汽凝结，较高的0℃层高度则降低了冰雹产生的可能性，两者之间的暖云层厚度越大，降水效率越大[26]。由于业务预报中对于抬升凝结高度和0℃层高度更为关注，本文分别计算了天津地区2009—2017年短时强降水过程的抬升凝结高度（LCL）和0℃层高度（Z0）。从LCL和Z0的箱线图（图7）中可以看出，6—9月LCL的下四分位数差异并不明显，75%的短时强降水分别发生在LCL＞880 hPa、882 hPa、902 hPa、917 hPa的环境条件下，但6—8月LCL最小值均大于750 hPa，9月LCL最小值大于850 hPa，当小于相应最小值时，可以不考虑短时强降水出现的可能性。此外，不同月份短时强降水的Z0差异明显，7—8月Z0下四分位数、中位数和平均值较高，6月和9月明显偏低，6—9月75%的短时强降水分别发生在Z0＞3900 m、4300 m、4300 m、3700 m的环境条件下。

图7 天津地区不同月份短时强降水的特殊高度层箱线图

几乎所有的短时强降水均需要一定的K、LI、CAPE、TPW、LCL和Z0，但不同月份短时强降水的上述物理量阈值区间存在一定的差异。由于K、CAPE、TPW、Z0、LCL值越大，越有利于短时强降水的发生，故选取其下四分位数作为相应的阈值（表3），意味着75%的短时强降水发生在物理量参数大于该阈值的环境条件下；而LI值越小，短时强降水的潜势越大，故选取其上四分位数作为阈值，代表75%的短时强降水发生在物理量参数小于该阈值的环境条件下。

表3 天津地区不同月份短时强降水环境物理量阈值

按照同样标准筛选了2018—2019年汛期共32次短时强降水过程，单个环境物理量K、LI、CAPE、TPW、LCL和Z0满足上述不同月份阈值的分别占80.0%、69.4%、72.9%、93.8%、86.0%、90.6%。此外，32次短时强降水过程中约47.5%同时满足6个环境物理量阈值，92.5%同时满足4个或4个以上阈值。可见，上述不同月份K、LI、CAPE、TPW、LCL和Z0阈值对于短时强降水具有较好的指示性，可在实际业务中应用。

4 结论与讨论

针对2009—2017年天津地区140次短时强降水天气过程，通过NCEP FNL物理量和融合物理量的可信度对比，给出天津地区具有表征意义的短时强降水预报指标。

（1）NCEP FNL分析资料的环境物理量K、LI、TPW、Z0、LCL具有一定的可信度，但CAPE可信度明显较差，其平均绝对误差达622.3 J/kg；将NCEP FNL分析资料与地面气象观测数据融合后，CAPE、LI、LCL绝对误差分别降低了58.1%、48.0%、49.0%，融合后的环境物理量可信度明显高于融合前的NCEP FNL物理量。

（2）融合资料的环境物理量TPW、K、LI、CAPE、LCL和Z0对于天津地区短时强降水的发生具有很好的指示意义，短时强降水多出现在丰富的水汽、较高的不稳定能量、低的抬升凝结高度和高的0℃层高度等环境条件下，但不同月份短时强降水发生所必需的环境条件差异显著，TPW、K、LI、CAPE、LCL和Z0呈现明显的月变化特征。

（3）根据环境物理量月变化特征分别给出不同月份短时强降水的预报指标。7—8月75%的短时强降水发生在TPW>45 kg/m2、K>32 ℃、CAPE>835 J/kg、LCL>882 hPa、Z0>4300 m的指标条件下；6月短时强降水预报指标要求降低，TPW>34 kg/m2、K>30℃、CAPE>353 J/kg、LCL>880 hPa、Z0>3900 m 等；9 月短时强降水预报指标要求最低。