1998—2020年青海致災雷電日的氣象環境參數特征研究*

龔梅竹，劉曉燕，達鵬奎，王玉娟，黎 峰，羅少輝

(1.青海省氣象服務中心，青海 西寧 810001；2.青海省氣象干部培訓學院，青海 西寧 810001；3.玉樹州氣象局， 青海 玉樹 815000；4.青海省氣象災害防御技術中心，青海 西寧 810001)

雷電災害是強烈的雷電天氣，其發生頻率雖然不高，但相當比例的雷災是由雷電天氣產生的。雷電是在特定大氣環境中發展起來的強對流現象，強位勢不穩定和強垂直切變是這類天氣最重要的氣象環境特征之一。在這種環境場中，對流獲得充分發展，并進行組織化，形成龐大而高聳的積雨云體，并且穩定地維持一定時間，易構成相對較嚴重的災害性天氣[1]，即致災雷電日。從形態和動力學角度看，一般認為，雷電造成的災害是中尺度對流活動、局部對流單體發展的結果。在對流活動中，熱力不穩定決定了對流發展的強度，而動力作用對觸發對流及決定風暴類型起重要作用。為了表述致災雷電日發生、發展的氣象環境，經常用到各種對流參數，而物理意義明確的能量、動力和熱力穩定度參數最為常用[2-3]。從動力學角度看，致災雷電過程是能量積累，并在一定條件下強烈轉化和釋放的過程，這些動力和熱力參數在強對流天氣的分析和預報中可以揭示許多重要現象。

近年來，學者們廣泛地研究強對流天氣的環境參數，因地域、雷暴云結構、和大氣環流的不同，各穩定度指數、能量和動力參數能從不同角度反映出強對流天氣發生前的大氣環境狀態和條件。秦麗等[4]從大氣熱力和動力結構特征研究雷暴大風的環境參數特征；王秀明等[5]從環境探空的動力和熱力參數研究強對流事件；劉曉燕等[6]從雷暴形成的條件中提取環境參數，探究青海東部雷電活動環境特征并做出潛勢預報；BARLOW等[7]深入研究深對流指數(DCI)，預示指數越大，條件不穩定性越強，對流有效位能(CAPE)[8]是最具代表性的物理量。然而，研究者選取的環境參數標準不盡統一，因此尚沒有通過致災雷電日的致災等級，分類提取相關動力和熱力參數做氣象環境參數的對比研究。青海省位于青藏高原東北部，夏季高原加熱可以激發水平環流和垂直運動，且青藏高原的隆起改變了亞洲的氣候格局，其動力和熱力作用對其周圍地區、東亞乃至全球的天氣和氣候都有重要的影響[9]。若同時提取動力和熱力環境參數，從預示和表征的特點分類討論一般和較大及以上致災雷電日的氣象環境參數，能夠更好地把握致災雷電日發生前的大氣環境狀態和條件，有利于更深入了解和掌握雷電天氣發生發展規律，為提前預判提供參考依據，同時為雷電災害調查鑒定、雷電專項服務等業務提供科學參考依據。

1 資料和方法

1.1 資料

采用雷暴日、雷電災害、探空和閃電定位儀資料，對1998—2020年青海省雷電災害資料做篩選。雷電災害資料取自全國氣象災害管理系統、雷電災害信息管理系統和《中國氣象災害大典(青海卷)》[10]；雷暴日選用1998—2013年青海省地面觀測的雷暴日資料；閃電資料選用2008—2020年閃電定位儀資料；探空數據提取1998—2020年8個探空站的物理量，該區域共設8個探空站：茫崖(51886)、格爾木(52818)、都蘭(52836)、西寧(52866)、達日(56046)、玉樹(56029)、沱沱河(56004)和甘肅合作(56080)。由于致災雷電日發生時間段不詳，且大部分沒有記錄雷災發生的具體時段。故根據趙定池等[11]發現拉薩雷暴主要集中在傍晚和前半夜，提取20時探空資料中物理量，結合本地實際閃電日變化特征，綜合考慮致災雷電日的環境參數提取時間為20時。測站選取最接近災害發生地的探空站(或者上游探空站)。

致災雷電日定義為1998—2013年雷電災害日當天對應有雷暴日，記為1個致災雷電日；2008—2020年雷電災害日當天對應有閃電，無論閃電次數多少，均記為1個致災雷電日，共篩選出致災雷電日232個。為進一步細化和探究一般和較大及以上雷電災害日的天氣背景和氣象環境參數，以《雷電災情統計規范：QX/T 191-2013》中規定的災害等級標準，確定一般致災雷電日151個，較大及以上致災雷電日81個，分類提取致災雷電日表征氣象環境參數的探空資料。

1.2 方法

主成分分析法[12]是把原來多個變量劃為少數幾個綜合指標的一種統計分析方法，也就是在不損失大量信息的前提下進行降維處理。本文借助災情等級標準，將雷電災害天氣按一般和較大及以上等級分別做主成分分析。假定有n個樣本，每個樣本共有p個變量，構成一個n×p階的數據矩陣：

(1)

(2)

式中：x1，x2，…，xp為原變量指標，降維處理后的綜合指標為Z1、Z2、…、Zm(m≤p)稱作原變量指標的第1、2、…、m主成分。主成分分析的實質就是確定原來變量xj(j=1,2,…,p)在各主成分zi(i=1,2,…,m)上的荷載lij(i=1,2,…,m;j=1,2,…,p)。

指標權重等于以主成分的方差貢獻率為權重，對該指標在各主成分線性組合中的系數的加權平均歸一化。因此，確定指標權重需要三個步驟：

(1)指標在各主成分線性組合中的系數為F1，F2，…，Fm。

(3)

式中：λ1，λ2，λm是第1、第2、…、第m(m≤p)個主成分的特征值。

(2)主成分的方差貢獻率，λ值越大，則該主成分的重要性就越強。因此，方差貢獻率可以看成是不同主成分的權重。根據累積貢獻率超過80%的特征值取前三個主成分代替，則指標系數可以看成是以這三個主成分方差貢獻率為權重，對指標在這三個主成分線性組合中的系數做加權平均。由此得到的綜合模型為：

(4)

式中：G1、G2和G3分別為第一、第二和第三主成分的貢獻率。

三是指標權重的歸一化。由于所有指標的權重之和為1，因此指標權重需要在綜合模型中指標系數的基礎上歸一化，F中的系數：

(5)

歸一化公式為：

W=FC/sum(FC)。

(6)

式中：W為指標權重，FC為F中的系數，sum(FC)表示向量求和公式。

3 致災雷電日閃電特征

3.1 區域分布

2008—2020年青海省閃電累計密度圖(圖1)，顯示累計高值區介于環青海湖和東部農業區之間，低值區位于柴達木盆地。受地形分布影響(圖2a)，青海省分為東部農業區、環青海湖地區、柴達木盆地和青南牧區四個功能區[13]，其中，東部農業區：西寧、貴德、民和、同仁、大通、湟中、湟源、平安、樂都、化隆、循化、互助和尖扎；環青海湖地區：海晏、剛察、天峻、門源、共和、貴南、祁連、野牛溝和托勒；柴達木盆地：德令哈、大柴旦、茫崖、茶卡、冷湖、格爾木、烏蘭、都蘭、小灶火和諾木洪；青南牧區：興海、同德、澤庫、河南、治多、雜多、曲麻萊、玉樹、瑪多、清水河、瑪沁、達日、久治、甘德、班瑪、囊謙、五道梁和沱沱河。圖2b是1998—2020年青海省致災雷電日的區域分布圖，全省致災雷電日共計232 d，高值區為青南牧區，致災雷電日為101 d，占比43%，其原因可能是青南牧區地面強熱源和復雜地形造成下墊面熱力分布不均勻，較易形成低層強烈不穩定態勢，易發生強對流天氣[14]。次高值東部農業區致災雷電日95 d，占比41%，可能與可降水量和相對濕度較大有關；低值區位于柴達木盆地為8 d，僅占3%?？赡芘c柴達木盆地降水量最小，氣候干旱有關[13]?？傮w呈東南較多，西北較少態勢。

圖1 2008—2020年青海省閃電累計密度圖

圖2 青海省海拔生態功能區及致災雷電日的區域分布圖(基于青海省自然資源廳標準地圖服務網站下載的審圖號為青S(2018)003號的標準地圖制作，底圖邊界無修改)

3.2 時間變化特征

3.2.1 年變化

1998—2020年青海省致災雷電日年變化(圖3a)為多峰振蕩型，總體呈下降趨勢，平均每10年減少3.8 d，變化傾向率呈負相關3.804次/10年，相關性顯著(p< 0.01)。從一般和較大及以上年致災雷電日對比圖看(圖3b)，一般致災雷電日最高值出現在2003年，1999、2017、2018和2020年沒有出現致災雷電日；較大及以上致災雷電日2006年最多，2001和2012年沒有致災雷電日。在2010年以前一般致災雷電日出現次數較多，平均為10.6 d；2010年以后明顯減少，平均為2.2 d；較大及以上年致災雷電日沒有明顯節點，總體略有減少。

圖3 1998—2020年致災雷電日年變化

3.2.2 月變化

1998—2020年青海省致災雷電日月變化主要集中在5—9月(圖4)，占全年致災雷電日的97.4%。其中，一般致災雷電日占全年致災雷電日的62.8%，較大及以上致災雷電日占34.6%，即青海省致災雷電日以一般雷電災害為主。6月致災雷電日達到最大峰值，為65 d，具有明顯的季節性特征。按照氣象學上對四季的劃分：春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12月、次年1月、2月)，發現青海省致災雷電日主要出現在夏季(6—8月)，秋季末期和冬季自1998年以來沒有出現過雷電災害天氣。由于春季氣溫逐漸上升，伴隨雨水增多的同時閃電也開始增加；到了夏季，受夏季風的影響及溫濕度的增加，特別是青海夏季的熱力、動力及水汽條件明顯好于其他季節，加上較高的地表溫度為強對流天氣提供了充足的熱動力和大氣背景,有助于對流的形成和發展，因此，夏季是高發季；9月隨著氣溫逐漸下降，動力條件明顯減弱，閃電活動也隨之迅速減少；冬季受西北氣流控制，氣候干冷，雷電活動最少。

圖4 1998—2020年致災雷電日月變化

4 致災雷電日環境參數特征

4.1 環境參數對比

4.1.1 參數貢獻率

利用1998—2020年一般和較大及以上致災雷電日資料，分別提取動力和熱力環境參數16個。熱力參數10個：整層比濕(IQ)、700 hPa比濕(Q700hPa)、500 hPa比濕(Q500hPa)、700 hPa溫度露點差(T-Td700hPa)、500 hPa溫度露點差(T-Td500hPa)、700 hPa假相當位溫(θse-700hPa)、400 hPa假相當位溫(θse-400hPa)、全總指數(TT)、高原修正K′指數(K′)、深對流指數(DCI)；動力參數6個：對流有效位能(CAPE)、對流抑制能量(CIN)、風暴螺旋度指數(SSI) 、整層垂直風切變(Vws)、0～6 km風速差和0～6 km風垂直切變。其中，0～6 km風垂直切變用上下兩層風矢量差大小，除以兩層間的距離計算。上層取500 hpa(高度5 810 m)，下層取探空資料底層[5]。

根據主成分提取原則，特征值>1或累計貢獻率>80%，從環境參數因子荷載碎石圖(圖5)和環境參數的主成分特征值、貢獻率和累積貢獻率(表1和表2)，可以看出，兩類致災雷電日前3個因子荷載衰減明顯，自第3個因子衰減趨于緩慢，一般致災雷電日(圖5a)因子荷載曲線拐點明顯，第9個因子荷載略微增強，其特征值分別為5.938、2.695、1.574、1.418、1.165，累計方差貢獻率可達80%。較大致災雷電日(圖5b)因子荷載曲線平滑，沒有明顯拐點，其特征值分別為5.632、2.879、1.899、1.503、1.051，累計方差貢獻率可達81%。

圖5 1998—2020年兩類致災雷電日氣象環境參數碎石圖

表1 1998—2020年一般致災雷電日主成分特征值、方差貢獻率和累積方差貢獻率

表2 1998—2020年較大及以上致災雷電日主成分特征值、方差貢獻率和累積方差貢獻率

4.1.2 參數荷載量

根據一般致災雷電日環境參數的因子荷載矩陣(表3)，第一主成分Z1的貢獻率為37.1%，最高荷載參數Q700hPa和Q500hPa荷載值分別為0.907和0.846；第二主成分各參數原變量的貢獻率為16.8%，0～6 km風速差和0～6 km風垂直切變的荷載值均為0.830；第三主成分單獨說明原始變量9.8%的貢獻率，絕對值較高的荷載參數是TT為-0.663；第四主成分表示原始變量8.9%的貢獻率，代表變量T-Td500hPa參數反映稍高為0.645，且與Z4相關系數較高；第五主成分單獨反映原變量7.3%的貢獻率，絕對值最高的荷載值參數CIN為-0.609。

根據較大及以上致災雷電日環境參數的因子荷載矩陣(表4)，分別獲得第一主成分Z1的貢獻率為35.2%，最高荷載參數Q700hPa荷載值分別為0.162；第二主成分各參數原變量的貢獻率為18.0%，0～6 km風速差和0～6 km水平風垂直切變的荷載值均為0.230；第三主成分單獨說明原始變量11.9%的貢獻率，0～6 km風速差和0～6 km風垂直切變的荷載值均為0.347；第四主成分單獨說明原始變量9.4%的貢獻率，絕對值較高的荷載參數CAPE為0.516；第五主成分單獨反映原變量6.6%的貢獻率，最高荷載值參數CIN為0.654。

相對一般致災雷電日，第一、二主成分中的環境參數高荷載值Q700 hPa、Q500 hPa、0～6 km風速差和0～6 km風垂直切變在較大及以上致災雷電日中較低；第三主成分中TT的絕對值荷載值也較低；而第四和第五主成分中T-Td500hPa、CAPE和CIN的荷載值較高，說明較大及以上致災雷電日的預報參考著眼點為T-Td500 hPa、CAPE和CIN，一般致災雷電日的預報參考著眼點為Q700 hPa、Q500 hPa、TT、0～6 km風速差和0～6 km風垂直切變。

表4 較大及以上致災雷電日氣象環境參數荷載值

4.1.3 參數指標得分

以主成分的方差貢獻率為權重，對該指標在各主成分線性組合中的系數進行加權平均歸一化，即基于PCA的權重指標?？梢钥闯?表5)，一般致災雷電日環境參數指標得分最高參數K′為0.948，次高值環境參數0～6 km風速差和0～6 km風垂直切變值均為0.947，得分最低的環境參數Vws為0.374，說明造成一般致災雷電日的關鍵環境參數為0～6 km風垂直切變、0～6 km風速差和K′。較大及以上致災雷電日指標得分(表6)，0～6 km風垂直切變和0～6 km風速差最高為0.956，次高值θse-700 hPa為0.950，得分最低的環境參數CIN為0.621，說明造成較大及以上致災雷電日的關鍵環境參數為0～6 km風垂直切變、0～6 km風速差和θse-700 hPa。通過兩類致災雷電日環境參數指標得分看，一般和較大及以上致災雷電日中，0～6 km風垂直切變和0～6 km風速差是關鍵環境參數，該值在較大及以上致災雷電日中略高，其值的變化說明該參數在兩類致災雷電日中起主導作用，對致災雷電日的發生與否有一定指示作用。

表5 一般致災雷電日氣象環境參數的指標得分

表6 較大及以上致災雷電日氣象環境參數的指標得分

5 結論與討論

利用1998—2013年青海省地面觀測的雷暴日、1998—2020年青海省雷電災害天氣案例，結合2008—2020年閃電資料，運用主成分分析法(PCA)和基于PCA確定權重得分法，提取1998—2020年探空資料中氣象環境參數，分類對比致災雷電日氣象環境參數特征，主要結論如下：

(1)1998—2020年青海省致災雷電日主要集中分布在青南牧區和東部農業區，呈東南較多、西北較少態勢。一般占全年致災雷電日的62.8%，較大及以上占34.6%，青海省致災雷電日以一般雷電災害為主。

(2)年致災雷電日呈多峰振蕩型，總體呈下降趨勢，平均每10年減少3.8 d。月致災雷電日主要集中在5—9月，夏季為主，有明顯季節性變化。

(3)各主成分中同類氣象環境參數在兩類致災雷電日中的荷載值有較大差異，其中T-Td500 hPa、CAPE和CIN在較大及以上致災雷電日中荷載值較高，Q700 hPa、Q500 hPa、TT、0～6 km風速差和0～6 km風垂直切變在一般致災雷電日中荷載值較高。

(4)一般致災雷電日的關鍵環境參數為0～6 km風垂直切變、0～6 km風速差和K′；較大及以上致災雷電日的關鍵環境參數為0～6 km風垂直切變、0～6 km風速差和θse-700 hPa。通過兩類致災雷電日氣象環境參數指標得分看，0～6 km風垂直切變和0～6 km風速差在兩類致災雷電日中都起主導作用，說明其值的變化對致災雷電日的發生與否有一定指示作用。