咸陽地區大風天氣特征及智能網格大風預報訂正

王瑾婷，高 萌，劉 帆，李春娥，謝逸雯

(1.咸陽市氣象局，陜西咸陽 712000；2.陜西省氣象局秦嶺和黃土高原生態環境氣象重點實驗室，西安 710016)

陜西關中地區位于我國內陸腹地，三面環山，北為黃土高原，南倚秦嶺山脈，處于喇叭口地形區域，受天氣系統和地形影響，常常會形成大風天氣。大風災害是關中地區的重大災害性天氣之一，發生時常常會造成人員傷亡和重大經濟損失。近年來，關于大風預報技術的研究受到了國內外氣象學者的密切關注。諸多學者利用天氣學方法對大風進行預報。于學泉等[1]對哈爾濱的大風進行了天氣分型和預報機理研究，并利用 MICAPS系統實現了分型的自動定性判斷；曲海濤[2]、孫東霞[3]、吳春英[4]分別利用天氣分型對克拉瑪依、撫順和黃渤海地區的大風進行預報；李靜睿等[5]通過對秦巴山區一次罕見雷暴大風的成因進行研究，得到熱力不穩定條件和冷池是觸發雷暴大風的主要原因。除此之外，諸多學者還利用統計學方法開展了更多有意義的研究。吳素良等[6]利用陜西黃土高原地區6個氣象站11 a逐日極大風速和同期10 min最大風速資料，推算出了極大風速與最大風速的回歸方程；謝巨倫等[7]利用逐步回歸方法選取了預報因子，再利用概率回歸和Logit方法建立了大風概率預報方程；俞飛等[8]將2005—2008年洛陽機場的大風個例分為東風型和西風型，并采用相關分析和逐步回歸等方法，分別建立了東、西風型風速預報的多元非線性預報方程。隨著數值預報模式不斷發展，氣象要素的預報效果有了明顯的提升。胡波等[9]分別采用了直接經驗映射法和間接經驗映射法，結合WRF輸出風場數據實現了對舟山海島陣風的預報。閻麗鳳等[10]對MM5等三種模式在山東沿海9個精細化海區代表站的日最大風速預報進行了檢驗，發現各模式普遍存在小風天氣預報偏大，大風天氣預報偏小的特點。曾瑾瑜等[11]發現模式預報風速相比實況極大風速偏小，并且預報平均誤差由沿海向內陸逐漸減小。

陜西智能網格預報是基于國家氣象中心下發的指導預報產品和不同數值模式預報產品，采用動態交叉取優方法，制作陜西省范圍內溫度、降水、風等11個氣象要素的定量預報產品(分辨率為3×3 km格點)。在日常業務工作中，智能網格預報風場產品得到了很好的應用，其起止時間和提前量對預報員有一定的指導作用，但預報量級與實況具有一定的偏差。本文統計了2014—2019年發生在咸陽地區的大風天氣過程，對過程的環流背景進行分析與總結，凝練出系統性大風和雷雨大風兩種類型的大氣環流特征和環境參量預報指標。通過對比2017—2019年大風過程中陜西智能網格預報風場產品與咸陽地區地面觀測自動站大風實況結果，提煉出基于陜西智能網格預報風場產品的訂正指標；利用該訂正指標對2020年大風天氣過程進行預報檢驗，評估訂正指標的可靠性，以期為咸陽地區大風預報提供參考依據。

1 資料與方法

1.1 資料

所用資料包括：2014—2020年咸陽地區13個地面氣象觀測自動站風場數據、西安探空資料及多普勒雷達產品，2017—2020年陜西智能網格預報逐小時格點化風場產品(空間分辨率3×3 km)，以及2014—2019年NCEP/NCAR 1°×1°再分析資料(用于2類大風過程天氣分型)。

1.2 個例篩選和方法

雷雨大風個例取自2014—2019年5—10月咸陽地區強對流事件發生個例庫中出現的雷雨大風事件。系統性大風個例則定義為咸陽地區地面氣象觀測自動站3個及以上站點24 h平均風力達到或超過6級(風速≥10.8 m/s)，或瞬時風速超過7級(風速≥13.9 m/s)時且未出現在強對流事件記錄中的大風事件。

采用“鄰近法”，篩選離自動站最近8個格點的陜西智能網格預報風場產品的平均值作為逐小時站點預報值，隨后計算出24個逐小時的最大風速作為最終的預報結果，對相應的實況站點最大風速進行定量化訂正，通過對2020年大風過程的檢驗來評估2類大風過程的預報訂正指標的適用性。由于陜西智能網格預報產品是2017年才開始下發使用，預報訂正時只選用2017—2019年的大風個例。

1.3 檢驗方法

采用《全國智能網格氣象預報業務規范》中風速、風向預報檢驗標準，對風速預報準確率(A)，風速預報偏強率(S)，風速預報偏弱率(W)，風向預報準確率(D)進行檢驗評估，計算公式如下。

(1)

(2)

(3)

(4)

(1)～(4)式中，Ri為第i級風力預報正確的站(次)數，表示預報風速和實況風速在同一等級；Si為第i級風力預報偏強的站(次)數，表示預報風速大于實況風速等級；Wi為第i級風力預報偏弱的站(次)數，表示預報風速小于實況風速等級。Di為對第i個方位預報正確的站(次)數，其定義為當預報風向中心角度與實況風向角度差在±45°內的站數，F為預報總站數。

2 大風個例統計結果及天氣學分類

根據大風個例的篩選標準，2014—2019年共出現70次大風過程。從天氣形勢來看，其中42次為系統性大風，28次為雷雨大風。分析每類大風過程的環流形勢，系統性大風可分為冷鋒后部偏北大風(24例)和高壓后部偏東大風(18例)；雷雨大風可分為高空冷槽型(4例)、西風槽型(6例)、副高影響型(10例)、冷渦后部型(4例)和低渦型(4例)5種類型。

2.1 系統性大風

通過分析系統性大風的天氣背景特征發現，該類大風過程絕大多數出現在冬、春季，以春季居多。具體天氣特征如下。

冷鋒后部偏北大風 此類大風個例占系統性大風的57%，多發生在11月下旬至3月上旬的寒潮大風天氣過程中。500 hPa天氣圖上(圖1a)，歐亞大陸中高緯度呈一槽一脊形勢，巴爾喀什湖以北受長波脊控制，脊前偏北氣流引導冷空氣在新疆北部不斷堆積，隨著貝加爾湖附近低值系統的發展東移南下，新疆到河套地區存在強勁的西北氣流。700 hPa和850 hPa上，陜西東北部—四川東部存在切變，有明顯的等溫線密集帶，斜壓鋒生作用產生垂直于鋒區的次級環流使得低層鋒區風力加大。伴隨著冷空氣迅速南下，河套以南受西北氣流控制，冷鋒位于陜北東部—四川中部，呈東北—西南走向，地面冷高壓中心強度大于1 025 hPa，陜北至關中中西部形成較大的梯度風，咸陽地區受此影響出現了6級以上偏北大風。

圖1 系統性大風天氣模型(陰影為影響咸陽地區的系統性大風區域；a 冷鋒后部偏北大風，b 高壓后部偏東大風；審圖號為GS(2019)3082號)

高壓后部偏東大風 此類大風個例占系統性大風的43%，多發生在3月中下旬至4月下旬。500 hPa上(圖1b)，華北弱脊和高原低槽東移相配合，隨著短波低槽發展東移至陜西與甘肅上空，槽前脊后有明顯的暖平流向東北方向擴展。700 hPa和850 hPa上，隴東—四川盆地北部的切變線前偏南風急流發展。地面上，華北北部有一冷高壓中心，中心強度約1 015 hPa左右，整個陜西位于華北高壓底后部，地面等壓線密集，氣壓梯度力加大，此時咸陽地區出現6級左右偏東大風。

2.2 雷雨大風

高空冷槽型 此類大風個例占雷雨大風的14.3%，5—6月出現較多。500 hPa上(圖2a)，中低緯度氣流較為平直，貝加爾湖附近有低槽(渦)發展，受低槽底部下滑冷空氣影響，中層環境干冷，低層700～850 hPa西南暖濕急流明顯，風速大于14 m/s，為陜西中南部輸送大量水汽和不穩定能量。地面上，華東地區受冷高壓控制，隨著冷高壓不斷向西擴展，高壓底部偏東回流形成地面冷墊，其西側暖濕空氣沿著冷墊爬升，此時關中北部產生西北風與偏南風的輻合，觸發了強對流天氣發生，咸陽地區自北向南出現短時雷雨大風天氣。

圖2 雷雨大風天氣模型(陰影為影響咸陽地區的雷雨大風區域；a 高空冷槽型，b 西風槽型，c 副高影響型一，d 副高影響型二，e 冷渦后部型，f 低渦型；審圖號為GS(2019)3082號)

西風槽型 此類大風個例占雷雨大風的21.4%，多出現在6中下旬至7月上旬。500 hPa上(圖2b)，中高緯度地區受河西到高原東南側的西風帶低槽東移影響，陜西上空處于槽前西南暖濕氣流控制中，此時副熱帶高壓位置偏東偏南，其外圍暖濕空氣與槽前西南氣流交匯形成強勁的西南暖濕急流。700 hPa或850 hPa上，陜西中西部到四川北部形成東北—西南向的切變線，關中中西部地區地面上有明顯的中尺度氣旋性環流，存在不穩定能量積聚，隨著低槽和中層切變線東移，冷空氣侵入陜西中西部地區， 冷暖空氣疊加致使中低層垂直風切變增強，對流組織化明顯，多重因素共同影響下咸陽地區自西北向東南方向產生短時雷雨大風天氣。

副高影響型 此類大風個例占雷雨大風的35.7%，多出現在7月中下旬到8月中旬。天氣形勢可分為兩種：一種500 hPa上副熱帶高壓勢力較強，陜西處于副高邊緣的西南氣流中，貝加爾湖到新疆為東北—西南走向的長波槽，長波槽不斷分裂短波槽東移南下至河套附近帶來中層干侵入，加之盛夏午后地面加熱作用使得不穩定能量積聚，熱對流易在秦嶺以北地區出現，隨后向西北方向移動，造成咸陽東南部雷雨大風天氣(圖2c)；另一種，500 hPa高度場上副熱帶高壓表現強盛，呈現北低南高態勢，40°N以北為東西向的強冷鋒區，陜西關中、陜南受副熱帶高壓控制天氣晴熱。700 hPa(850 hPa)有干冷空氣侵入形成干暖蓋，850 hPa 與500 hPa溫差明顯，存在不穩定能量大值區(圖2d)。地面冷鋒東移南壓至陜北—關中一帶，形成對流觸發的有利條件，引起咸陽地區自北向南出現雷雨大風天氣。

冷渦后部型 此類大風個例占雷雨大風的14.3%，多出現在7月下旬到8月下旬。從天氣形勢(圖2e)上來看，500 hPa～850 hPa蒙古至華北有一深厚冷渦，咸陽受冷渦底后部強盛的西北氣流控制，925 hPa以下低層偏南暖濕氣流帶來充足的水汽和能量條件，此時咸陽中北部地面存在東北—西南走向的干線，“上干冷下暖濕”的不穩定配置在地面干線的觸發下易產生強對流天氣。此類雷雨大風天氣發生時，前期以中尺度云團產生的短時強降水為主，由于強降水成熟階段的拖曳作用引起下沉氣流，下沉氣流到達地面時形成強烈的輻散，從而在咸陽大部分地區產生短時大風。

低渦型 此類大風個例占雷雨大風的14.3%，在5—7月均有發生，但個例較少。主要的天氣特征(圖2f)為500 hPa上川西高原有低渦東移發展，在低渦的東北象限疊加700 hPa～850 hPa人字型切變線南側的西南暖濕氣流，地面上關中—陜南一帶受到四川盆地東側的低壓倒槽影響，午后地面加熱明顯，在秦嶺以北，西安西南側引起熱對流產生，隨著地面偏南氣流引導使得熱對流不斷向北推進，引起咸陽西南地區雷雨大風天氣發生。

從5類雷雨大風發生時探空資料獲得的各個物理量和雷達產品的統計結果(表1)來看，副熱帶高壓型和低渦型CAPE值較小，分別在100～300 J/kg和300～400 J/kg；高空冷槽型、西風槽型和低渦后部型CAPE值較大(大于等于400 J/kg)。冷渦后部型和低渦型發生時K指數在35 ℃以下，SI指數為-2～-1 ℃，其余類型K指數和SI指數分別大于等于37 ℃和小于-2 ℃。此外，雷雨大風發生時DCAPE明顯增大，其中冷渦后部型DCAPE值最大，大于等于50 J/kg；高空冷槽型最小，為6～8 J/kg。整體來看，高空冷槽型、冷渦后部型和低渦型發生時，大氣上干下濕，低層較濕，水汽條件好，發生短時大風時均伴有短時強降水；西風槽型整層大氣較干；副高影響型則為中層大氣較干。高空冷槽型垂直風切變較大，一般都會大于等于2.2×10-3s-1，副高影響型則為1×10-3～1.7×10-3s-1。通過對雷達產品組合反射率因子和1.5°仰角的徑向速度V分析來看，西風槽型和低渦型雷雨大風發生時，組合反射率因子都大于等于35 dBz，其他三類則大于等于30 dBz，且在對流發展移動過程中，其前沿均會出現陣風鋒，這也成為短時大風產生時的主要特征之一。從雷達徑向風來看，西風槽型和副高影響型發生時，最大徑向速度一般會大于等于14 m/s，其余則大于等于12 m/s。

表1 不同雷雨大風產生時環境參量及雷達產品預警指標

3 智能網格風速預報客觀訂正指標

通過對比2017—2019年大風過程中陜西智能網格風場預報產品和實況站點風場，利用二者之間的風速差來對風場預報產品進行定量化訂正。對于系統性大風(表2)，陜西智能網格預報提前72 h能預報出冷鋒后部偏北大風和高壓后部偏東大風，且提前48 h預報結果與實況差距最大，24 h和36 h次之，12 h最小。冷鋒后部偏北大風提前12 h起報的逐小時平均風速的最大值處于10～11 m/s時，實況最大風速在14～15 m/s左右；高壓后部偏東大風預報平均風速最大值在9～10 m/s時，實況最大風速在14 m/s左右。因此，對此類大風天氣的最大風速預報而言，可參考提前12 h風速預報結果，在其基礎上增加4 m/s左右進行預報訂正。從最大小時增幅來看，當冷鋒后部偏北大風實況的極大風速最大小時增幅為3～5 m/s時，預報的最大小時增幅為3 m/s左右；當高壓后部偏南大風實況的極大風速最大小時增幅為2～4 m/s時，預報的最大小時增幅為2 m/s左右?？梢?，陜西智能網格風速預報2類系統性大風極大風速最大小時增幅與實況偏差較小，差值均在0～2 m/s左右，因此可在極大風速最大小時增幅預報值基礎上增加0～2 m/s進行訂正。

對于雷雨大風(表2)，陜西智能網格預報風場產品各起報時間的預報值與實況均有一定的偏差，提前12 h預報差值最大，36 h和48 h次之，24 h最小。盡管提前24 h最大風速預報與實況差距最小，但是與實況極大風速實況仍存在較大差距。因為雷雨大風觸發機制復雜， 持續時間較短，影響系統移動迅速，單純利用提前12 h以上等短期大風預報產品進行極大風速預報存在一定難度。從雷雨大風發生的3 h內極大風速最大小時增幅來看，高空冷槽型和副高影響型的實況增幅和預報增幅偏差最小，為2～3 m/s，冷渦后部型和低渦型約為2～4 m/s，西風槽型為1～5 m/s，而其他未發生雷雨大風時段內的最大小時增幅為1～2 m/s。因此最大小時增幅在2 m/s以上對雷雨大風的發生時段預報有一定的指示作用，且雷雨大風極大風速最大小時增幅預報與實況存在較大差距，可嘗試將陜西智能網格預報風場產品和上一小節中雷雨大風產生時環境參量及雷達產品預警指標結合進行預報。

表2 咸陽地區大風天氣智能網格預報指標 單位：m/s

高曉梅[12]、董春卿[13]等通過對雷雨大風發生時的環境參量和概率匹配分析得到采用25百分位參數值作為預報閾值相對合理。本文對咸陽地區雷雨大風環境參量25百分位進行了統計，將對流有效位能CAPE、下沉對流有效位能DCAPE、1.5°仰角的徑向速度V以及0～6 km垂直風切變等7種影響風速變化的環境參量和雷達產品參數(表3)，與雷雨大風發生時25百分位的實況極大風速閾值進行概率匹配得到： 西風槽型訂正后的極大風速與實況偏差最小，為3.4 m/s，低渦型訂正后則與實況偏差最大為4.3 m/s。盡管訂正后的極大風速與實況風速仍存在一定偏差，但相比訂正前的陜西智能網格預報風速預報初始值,極大風速訂正后的結果較訂正前均有所提升。

表3 各環境參量、雷達產品參數和極大風速閾值表(以25百分位作為統計閾值)

4 檢驗評估

通過計算風速預報準確率，風速預報偏強率以及風速預報偏弱率，對咸陽地區2020年9次系統性大風和6次雷雨大風過程進行風力分級客觀檢驗(圖3)評估。結果表明：對于系統性大風而言，指標訂正后的6級以上大風預報準確率提升了18.31%，達到40.80%，8級以上提升了7.06%,達到17.06%；6級、8級以上的預報偏弱率分別從56.98%下降至43.60%、80.84%下降至75.68%；偏強率相應減弱約4.93%和1.90%。對于雷雨大風，通過陜西智能網格預報和環境參數等聯合訂正后的6級以上大風預報準確率提升到33.37%，8級以上為29.74%；6級、8級以上的預報偏弱率分別從67.8%下降至36.47%、77.65%下降至41.45%；6級以上大風預報偏強率增強了9.70%，但對于8級以上卻增加了16.83%。

圖3 2020年2類大風不同風力等級訂正預報檢驗

從風向預報檢驗結果來看(圖4)，在系統性大風中，陜西智能網格預報風場產品的預報準確率較高，均在80%以上。但從雷雨大風準確率判斷來看，除東風和西南風準確率在60%以下，其余均在60%～80%之間，準確率存在較大差異，這可能與咸陽地區地形因素有關。咸陽南鄰秦嶺，北接黃土高原。北部長武、旬邑、彬州、永壽和淳化海拔相對較高，氣流通過永壽和淳化兩縣之間時風向會發生一定變化；南部8區縣地勢較低，偏東氣流遇到秦嶺時會有一定的輻合，風向發生轉變。

圖4 2020年2類大風過程風向預報準確率分布

5 結論與討論

(1)發生在咸陽地區的大風個例可分為系統性大風和雷雨大風。系統性大風分為高壓后部偏東大風和冷鋒后部偏北大風，后者居多；雷雨大風分為高空冷槽型、西風槽型、副高影響型、冷渦后部型以及低渦型，其中，副高影響型占比最多，為35.7%。

(2)陜西智能網格預報風場產品能提前72 h準確預報出2類系統性大風天氣過程，與其他起報時次相比，提前12 h預報的平均風速最大值與實況風速最大值之間差值最小，可將其預報結果增加4 m/s作為最終的最大風速預報。

(3)對于5類雷雨大風天氣過程預報時，最大小時增幅在2 m/s以上對雷雨大風的發生時段預報有一定的指示作用。結合雷雨大風發生時25百分位的實況極大風速閾值、25百分位的陜西智能網格預報極大風速閾值、各環境參量和雷達產品參數25百分位值的概率匹配訂正后的極大風速預報結果，較訂正前陜西智能網格預報極大風速預報值有一定提升。

(4)通過對2020年大風個例的訂正預報檢驗，顯示2類大風的預報準確率均有所提升，尤其是對于6級以上系統性大風的預報準確率提升最明顯，8級以上雷雨大風預報準確率提升約21.63%。由于雷雨大風過程影響因子復雜多變，陜西智能網格風速預報對于雷雨大風的訂正預報還需進一步增加統計分析的樣本數量，篩選和完善環境參量及雷達產品判別指標。此外，咸陽地形地貌復雜，不同地理環境下雷雨大風臨近時的環境場存在較大差異。因此，在長期統計分析基礎上，建立分區域的雷雨大風的指標及預報方法，將有助于咸陽地區雷雨大風天氣預報的改進。

(5)陜西智能網格預報風場產品在預報大風風向時，系統性大風預報準確率均在80%以上，雷雨大風則在60%～80%之間，對西南風和東風2類風向的預報準確率有待提高。