应对雷雨季节——对2015年首都机场不同持续时间的雷暴过程的统计分析

对2015年首都机场不同持续时间的雷暴过程的统计分析

朱华东

民航华北空管局气象中心，北京 100621

摘要：本文对2015年首都机场两小时以上的雷暴过程进行了简单的统计分析，旨在探寻长时间雷暴过程对流指数的特点。统计显示K指数、TT指数、850hPa和500hPa温差离散程度小，有较高的稳定性及可靠性。文中所涉过程K指数都在30以上，均值为33.72。TT指数均值为49.72，除了一个个例在46以下，其它都在46以上。850hPa和500hPa温差均值为26.36，刨去最高和最低值均在24-30之间。

关键词：雷暴 指数 离散

1 引言

雷暴是发生在积雨云中的激烈的放电及雷鸣现象，是一种强烈的对流性天气。发生雷暴时，通常出现雷电、阵雨、阵风等天气现象以及温、压、湿等气象要素的变化，严重时还会出现降雹和龙卷天气。

雷暴发生的基本条件有：

（1）层结不稳定。

（2）较好的低空水汽条件。

（3）适当的触发因子。

雷暴天气对飞机的飞行构成严重威胁，作为世界范围内航班量超多的首都机场，时常因雷暴的发生而导致航班延误，损失惨重；而雷暴持续时间越长，对航班正常以及安全的影响往往也越大。雷暴的过程分析对于气象专业的人士来说已是司空见惯，而起成因大家也都了解。雷暴的发生及发展的规律也因季节不同，地域不同等等有很大的差异，因此局地来说，统计分析更能表现出其针对性。本文选取了2015年里首都机场持续两小时以上的雷暴过程来进行统计分析，一共涉及10个过程，主要是想研究一下这种长时间的雷暴过程的各对流指数的特点。

2 资料和方法

2.1 资料

研究所用资料均为NCEP 1°*1°再分析资料，时间分辨率为6小时，分别为00UTC、06UTC、12UTC、18UTC。考虑到雷暴发生时能量的释放，在选取资料时，避开雷暴发生时所包含的时次，而是选择雷暴发生前最近的时刻。例如雷暴发生时间为08UTC-11UTC，则选取06UTC时刻的NCEP资料。本文中涉及到的10个过程的时次为04月11日12UTC、06月25日18UTC、07月13日12UTC、07月15日12UTC、07月17日18UTC、07月18日12UTC、07月27日06UTC、07月30日06UTC、08月01日12UTC、08月07日06UTC。

2.2 方法

利用GrADS分析软件算出各对流指数：K指数、全总指数（TT指数）、A指数、最佳抬升指数（BLI）、地面抬升指数（SLI）、850hPa和500hPa温差（T₈₅₀-T₅₀₀）、对流有效位能CAPE、对流抑制能量CIN以及强天气威胁指数（SWEAT）,这些指数的算法预报员都比较熟悉，算法就不一一列出。

统计算法公式包括算术平均值、标准偏差以及离散系数的算法，具体如下：

算数平均值 

标准偏差

离散系数

离散系数是一组数据的标准差与其相应的均值之比，是测度数据离散程度的相对指标，其作用主要是用于比较不同组别数据的离散程度。

3 实验设计

表1  雷暴前最近时次NCEP资料算出的各对流指数值

表1是2015年2小时以上雷暴过程发生前最近时次NCEP资料算出的各对流指数值。从时间来看，2015年2小时以上的雷暴过程集中在七月份，占60%，且七月中旬就占了40%。90%的过程集中在雷雨季节。另外表中的时次也表明2小时以上的雷暴过程大多集中在傍晚到前半夜这段时间。孙明辉^[1]曾将2004~2006年北京地区白天和夜间发生的雷暴分别进行了统计，并算出了一些对流指数的平均值。其中白天CAPE = 447.0，K = 27.3，TT =45.5。表中可见CAPE均值为852，K指数均值为33.72，TT指数的均值为49.72，均超过孙统计的平均值。对于SWEAT指数，有资料统计显示，在雷暴持续时间较长或伴随强对流天气的雷暴中，SWEAT指数多在300以上。表中我们看到2015年的这10个两小时以上雷暴过程的SWEAT指数只有50%超过300，总体均值小于300。A指数与降水的关系更为密切些，一般情况下，当A由负值上升到正值时，天气转阴雨，达到10可以产生降水^[2]。表中A指数均值与此吻合，但就个例来讲与此吻合的只有50%。从CIN来看，这几个过程的负能量都很小，50%近乎为零，这说明探空图上层结曲线基本全在状态曲线左侧，接近绝对不稳定的状态。另外抬升指数也能反映对流强弱，抬升指数负的越多，对流越强。Showalter指数SI是抬升指数的一种。据经验，当时，有发生强雷暴的可能性。图中所画抬升指数为地面抬升指数SLI和最佳抬升指数BLI，与SI区别就是它们的起始抬升高度不同，但可借鉴SI的判断标准。表1中统计的两者均值均在此区间。从850hPa和500hPa的温差来看，90%的过程都在30以下，60%的过程在25以下。

图1中将A指数、K指数、850hPa和500hPa温差、TT指数的值绘制成折线图。可见K指数、850hPa和500hPa温差、TT指数折线较为平直，而A指数折线波动较大。而其中又以K指数折线最为平直。

图2、图3、及图4分别为BLI指数和SLI指数折线图、CAPE和CIN柱状图、SWEAT指数折线图。可以明显看到BLI指数和SLI指数折线、CAPE柱、SWEAT指数折线均起伏较大，而CIN柱较为平顺，且数值很小。

离散系数是一组数据的标准差与其相应的均值之比，是测度数据离散程度的相对指标，其作用主要是用于比较不同组别数据的离散程度。从表1中离散系数的大小更能直观的说明各对流指数值序列之间的相对离散程度。各指数离散系数从小到大分别为K指数、TT指数、850hPa和500hPa温差、SWEAT指数、SLI指数、BLI指数、A指数、CAPE、CIN。图3中CIN柱看上去较为平顺，但离散系数确实最高，这是因为CAPE值较大，二者放在一张图上，CIN柱都很短，显得平顺，事实上其离散程度却是最高。

在进行数据统计分析时，如果离散系数大于15%，则要考虑该数据可能不正常，应该剔除。本文中K指数、TT指数、850hPa和500hPa温差离散系数均低于15%，有较高的稳定性及可靠性。K指数所有个例都在30以上，TT指数除了一个个例在46以下，其它都在46以上，而850hPa和500hPa温差刨去最高和最低值均在24-30之间。其它几个指数离散程度较高，可信度不高。

4 结果与讨论

本文中选取的2015年10个2小时以上雷暴过程对流指数统计分析中K指数、TT指数、850hPa和500hPa温差离散程度小，有较高的稳定性及可靠性。而A指数、最佳抬升指数（BLI）、地面抬升指数（SLI）、对流有效位能CAPE、对流抑制能量CIN以及强天气威胁指数（SWEAT）离散程度较高，参考度较低。

K指数所有个例都在30以上，均值为33.72。

TT指数均值为49.72，除了一个个例在46以下，其它都在46以上。

850hPa和500hPa温差均值为26.36，刨去最高和最低值均在24-30之间。

从统计学来讲，本文选取的个例还是太少，需要更大量的资料来研究，以上离散程度较高的指数也有可能在更多的资料加入后而变低，从而有一定的参考价值。例外本文中选取的NCEP资料时空分辨率较低，选取的格点为首都机场附近的点，选取的时次离雷暴开始时间的跨度不一致，所以文中的分析还是比较粗糙的。本文所算出的对流指数值缺少参照值，如可以统计1-2小时以及1小时以下雷暴过程的对流指数情况，进而进行对比分析研究。另外还可以对降水量进行分级，然后分别研究其与对流指数的统计关系，这也是笔者下一步的研究方向。

参考文献

[1]  孙明辉.对流参数在雷暴预报中的分析和应用[C].中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集.2007:1006~1010.

[2]  章国才,矫梅燕,等.现代天气预报技术和方法[M].北京:气象出版社,2007:116~119.