ERA5資料在薊州復雜地形下的檢驗與應用

鄒雙澤 白愛娟 何科 金海東 黃金穎 金波

摘 要 以復雜地形的天津薊州為例，通過對比距離薊州最近的大興探空站資料與歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代大氣再分析（ECMWF Reanalysis v5，ERA5）資料的差異，對基于ERA5資料生成的強對流指數在薊州的適用性進行檢驗和評估。結果表明：（1）ERA5資料與大興探空站探測的位勢高度、氣溫和風速在對流層高度吻合，說明ERA5資料能夠描述薊州高空氣象條件，且對低空的表現能力比高空準確，各要素中大氣濕度的表現相對較差；（2）基于ERA5生成的對流指數中，與強對流天氣密切相關的對流有效位能（convective available potential energy，CAPE）、K指數、沙瓦特指數（Showalter index，SI）和大氣可降水量（precipitable water，PW）與大興探空站對應參數的相關系數分別達到0.66、0.90、0.93和0.99，表明利用ERA5構建的對流指數能夠揭示大氣不穩定層結條件；（3）ERA5對流指數變化與薊州降水過程相對應，ERA5能夠反映天氣的變化和發展，為強對流潛勢分析提供參考。

關鍵詞 薊州；大興探空站；ERA5資料；高空探測；強對流指數

中圖分類號：P459文獻標志碼：A文章編號：2096-3599（2024）01-0118-11

DOI：10.19513/j.cnki.hyqxxb.20221210001

收稿日期：2022-12-10；修回日期：2023-08-28

基金項目：國家自然科學基金項目（U2242202）；成都信息工程大學教師科技創新能力提升計劃重大項目（KYTD202201）；中國氣象局創新發展專項（CXFZ2022J012）

第一作者簡介：鄒雙澤，女，碩士，工程師，主要從事災害性天氣監測預警研究，317973133@qq.com。

通信作者簡介：白愛娟，女，博士，教授，主要從事天氣動力學研究，baiaj@cuit.edu.cn。

Validation and application of ERA5 in complex terrain of Jizhou

ZOU Shuangze¹， BAI Aijuan²， HE Ke³， JIN Haidong⁴， HUANG Jinying⁴， JIN Bo⁵

（1. Banan Meteorological Bureau of Chongqing， Chongqing 401320， China; 2. School of Atmospheric Sciences， Chengdu University of Information Technology， Sichuan 610225， China; 3. Panzhihua Meteorological Bureau， Sichuan 617000， China; 4. Jizhou Meteorological Bureau of Tianjin， Tianjin 301999， China; 5. Baodi Meteorological Bureau of Tianjin， Tianjin 301800， China）

Abstract By comparing the differences between the data of Daxing sounding station， the nearest to Jizhou， Tianjing， and ECMWF （European Centre for Medium-Range Weather Forecasts） Reanalysis v5 （ERA5） data， the applicability of the ERA5-derived strong convection index under complex terrain conditions of Jizhou is validated and evaluated. The results are listed below. （1） The geopotential height， air temperature， and wind speed detected by Daxing sounding station are consistent with the corresponding ERA5 in the troposphere， which indicates that ERA5 can represent the meteorological characteristics above Jizhou， and it performs better at low altitude than at high altitude， but has poor performance on atmospheric humidity. （2） The convection indexes based on ERA5， such as CAPE （convective available potential energy）， K index， SI （Showalter index）， and PW （precipitable water）， are all closely related with strong convective weather， and the correlation coefficients between them and the corresponding parameters of Daxing sounding station are 0.66， 0.90， 0.93， and 0.99， respectively， indicating that these indexes can reveal the stratification instability conditions. （3） The variation of the convection indexes constructed by ERA5 corresponds with the precipitation process in Jizhou， and ERA5 can reflect the change of weather and provide reference for analyzing strong convective potential.

Keywords Jizhou; Daxing sounding station; ECMWF Reanalysis v5 （ERA5）; aerial exploration; strong convective index

引言

強對流天氣嚴重威脅人民生命財產安全，是局地氣象災害發生的重要原因。如北京“7·21”局地特大暴雨^［1-3］，引發的城市內澇和山區泥石流造成78人遇難。又如河南鄭州“7·20”特大暴雨^［4-5］，造成全市380人因災死亡或失蹤。在特定天氣形勢和環境條件下產生的強對流天氣是短時臨近預報的重難點，高空探測為其判識提供了基本思路，探索導致強對流發生的有利環境條件是災害預警的重要方法^［6-7］。俞小鼎等^［8］研究表明，低層水汽充沛、層結不穩定和抬升觸發機制是強對流發生的有利環境條件。趙海軍等^［9］分析表明低層冷暖平流強迫是大氣層結不穩定建立或維持的主導者?；谔娇召Y料的強對流指數為分析強對流天氣潛勢提供了重要信息，如劉玉玲^［10］在強對流發生物理機制的分析中，指出對流有效位能（convective available potential energy，CAPE）、粗里查遜數等參量在天氣預測中具有重要作用。Tian等^［11］肯定了強對流指數對我國中東部降水預報具有指示意義。王迪等^［12］利用歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代大氣再分析（ECMWF Reanalysis v5，ERA5）資料計算了多種物理參數，結果表明整層大氣可降水量、地面露點溫度和K指數等在短時強降水發生前后都有明顯的變化。

強對流指數用于分析對流層大氣不穩定性，為強對流分析提供了途徑。高空探測資料獲取的對流層溫濕度和風場特征，以及生成強對流指數，可以作為天氣分析的實況。但是探空站稀少，大多地區因缺少探空站而不能直接獲取有效的對流指數?；诙嘣从^測和數值模式的再分析資料，同化了各種觀測資料，具有時間序列長、覆蓋范圍廣和格點均勻以及分辨率高的優點，能夠提供對流層各高度層的溫度、濕度、風速和氣壓等，可以間接獲取各種對流特征參數，為沒有探空站的復雜地形區強對流天氣潛勢分析提供重要的資料^［13-15］。ECMWF的ERA5資料在全球得到廣泛應用^［16］，但在復雜地形區資料的可靠性仍需要驗證。

一方面，處于復雜地形的天津薊州短時強降水頻繁，夜發性顯著，近年來多次出現暴雨洪澇災害^［17-18］。另一方面，薊州甚至天津本地未布設高空站，對流層大氣的基本信息量少，嚴重影響強對流天氣災害預警。西來和南來的天氣系統是影響薊州天氣的主要因素，依據可參考性和就近原則，實際業務中使用上游北京大興探空站（薊州偏西約80 km處）來分析薊州天氣環流形勢^［19］。本文以大興探空站的資料為真值，檢驗ERA5資料的適用性，嘗試用ERA5資料構建薊州強對流天氣指數，為以后薊州的強降水預警模型和算法研究奠定基礎。

1 資料與方法

1.1 研究區域

薊州位于天津最北端，東西橫跨40 km，南北跨度75 km。地勢北高南低，北部屬于燕山余脈，最高峰九山頂海拔1 078.5 m，南部為沖積平原，屬于典型的一半平原一半山地的復雜地形區（圖1）。北京大興探空站距薊州約80 km，選擇ERA5資料在39.75°N、116.5°E的格點值與大興探空站進行對比分析。

1.2 研究資料

（1）大興探空站資料。由氣象信息綜合分析處理系統（Meteorological Information Combine Analysis and Process System，MICAPS）獲取2014年4—10月大興探空站（54511）每日08時和20時（北京時，下同）的探測資料，共計428個時次。資料包括925、850、700、500、400、300、250、200、150和100 hPa共10個氣壓層的位勢高度、氣溫、露點溫度、溫度露點差和風向風速，以及CAPE值等對流指數。

（2）薊州國家級地面氣象觀測站降水資料。天津市薊州區氣象局提供的2014年暖季4—10月國家級地面氣象觀測站逐小時降水資料。

（3）歐洲中期天氣預報中心ERA5再分析資料^［20］。ERA5資料對外開放，通過https：//cds.climate.copernicus.eu/cdsapp#！/home下載，空間分辨率為0.25°×0.25°，時間分辨率為1 h。本文將用到其中2個子集：ERA5逐時氣壓層資料集，包括氣溫、垂直速度和位勢高度等多個要素，垂直方向有61個氣壓層可選，選用與探空資料一致的10個固定氣壓層（925、850、700、500、400、300、250、200、150和100 hPa）；ERA5逐時單層資料集，包含模式反演的各類物理參數，分析的強對流指數來自這個資料集。

（4）強對流指數。高空探測可獲取反映大氣溫濕層結特征的熱力學參數，用于分析強對流天氣發生潛勢的環境背景。常用指數有CAPE、K指數、沙瓦特指數（Showalter index，SI）和大氣可降水量（precipitable water，PW）。其中，CAPE是反映大氣層結不穩定的重要參數，定義為從自由對流高度到平衡高度浮力能的垂直積分。K指數是綜合考慮850～500 hPa平均溫度遞減率、850 hPa露點溫度和700 hPa大氣飽和度的參數，能夠反映大氣低層的熱力和水汽條件。SI是氣塊從850 hPa開始按干絕熱遞減率，抬升至凝結高度后，再按濕絕熱遞減率抬升至500 hPa時，環境溫度與氣塊的溫度差。PW是單位面積氣柱內所含的水汽總量，水汽參與是對流發生的重要條件。通過ERA5獲取的大氣基本物理量和強對流指數，與大興探空站進行對比，以期對ERA5資料在薊州強對流天氣中的適用性進行檢驗分析。

1.3 研究方法

采用統計量平均偏差（Bias）、平均絕對誤差（mean absolute error，MAE）來檢驗不同高度層觀測物理量和ERA5再分析資料物理量間的偏差，說明再分析資料對真實大氣的模擬效果。同時，采用相關系數（R）和均方根誤差（root mean square error，RMSE），評價再分析資料反演的強對流指數的適用性，相關系數越接近1，再分析資料反演的強對流指數越準確。相關計算公式如下：

式中：V_Bias為平均偏差值，V_MAE為平均絕對誤差值，V_RMSE為均方根誤差值，R為相關系數值，x為大興探空站觀測值，y為ERA5再分析資料值，n為樣本數。

2 ERA5資料對流層各氣象要素分析

首先選取距離大興探空站最近的一個格點，其次挑選出與探空資料同時次的ERA5格點資料。對比分析多時次大興探空站與ERA5資料的位勢高度、氣溫、露點溫度、溫度露點差、水平風速，從地面到對流層頂的垂直分布，確定ERA5資料揭示薊州及周邊對流層環境條件的能力。

分析兩類資料各高空氣象要素的平均廓線，發現兩者在位勢高度（圖2a）和氣溫（圖2b）的垂直分布上幾乎重疊，各高度層的氣溫差在0.5℃以內，位勢高度差值非常小，說明ERA5產品對位勢高度和氣溫的模擬在薊州附近效果好，能夠準確反映夏季對流層的氣溫和氣壓的垂直分布特征。

分析ERA5資料對大氣層水汽條件的表現，將ERA5相對濕度換算成與探空一致的露點溫度，對應的露點溫度（圖2c）和溫度露點差（圖2d）廓線，發現ERA5與大興探空站露點值在500 hPa以下吻合，即在低層的水汽聚集區，ERA5的露點溫度能夠揭示大氣濕度環境條件。在500 hPa高度以上，大氣中的水汽含量相對較少，ERA5反演的露點溫度和探空獲取的露點溫度差異增加，ERA5的露點誤差增大，對濕度的表現能力下降。同時溫度露點差在700 hPa以下兩種資料數值接近，偏差在-1℃內，說明ERA5對濕度的描述較準確。從700 hPa向上到200 hPa，ERA5資料的溫度露點差比探空資料偏小，反映的大氣偏濕，結果將影響到對流層與濕度有關的對流指數反演，其中重要的就是CAPE值。

分析ERA5對大氣流場的反演能力，由圖2e—f中水平風速的廓線看，ERA5經向風和緯向風與探空觀測曲線重合率高。邊界層內夏季平均緯向西風風速最小為0.7 m·s^-1，隨高度升高，緯向風速增加，在200 hPa附近急流帶風速超過30.0 m·s^-1，各高度上兩種資料的緯向風吻合。經向風速數值小，且在850 hPa以下為正值，表明有南風發展，平均值最大為1.5 m·s^-1。850 hPa以上轉變為負的偏北風，隨高度升高北風增強，且在各高度上兩類資料吻合。因此ERA5風場資料準確地反映了薊州周邊大氣流場變化，且可靠性較高，這對分析當地強對流天氣風的水平切變和垂直切變非常有利。

進一步分析各氣象要素的相關性垂直分布特征。由多種氣象要素的相關系數廓線（圖3a）對比發現，低層氣象要素的相關系數高，500 hPa高度以下均大于0.8。在對流層400 hPa以上，溫濕度物理量相關系數降低。對比不同氣象要素，發現ERA5的經向風速和緯向風速與探空的風速相關性最好，對流層從低空到高空，相關系數均達到0.9以上。氣溫的相關性較高，200 hPa以下相關系數達到0.8以上，200 hPa以上相關系數降低到0.6～0.8。相比而言，露點溫度和溫度露點差的相關性較差，300 hPa以下相關系數大于0.8，300 hPa以上相關系數驟降到0左右，甚至出現負值。由此說明ERA5資料在對流層500 hPa以下的低層效果良好，可以反映大氣溫濕和流場的實際狀況，但在對流層高層效果降低。

對比兩類資料各層氣溫分布（圖3b），發現氣溫平均偏差小于0.5℃，在邊界層內氣溫平均偏差小于0.1℃，平均絕對誤差為0.5～1.4℃，說明ERA5的氣溫值在邊界層反演效果好。隨高度上升，氣溫下降，平均偏差和平均絕對誤差趨于增大，ERA5對低層氣溫表現能力優于高層。露點溫度（圖3c）和溫度露點差（圖3d）的平均絕對誤差也表現為隨高度升高而增大，在低空露點的平均偏差和平均絕對誤差小于5.0℃。但到了對流層高層，露點的誤差快速增長，平均偏差超過5.0℃。溫度露點差的平均偏差在700 hPa以下小于-2.0℃，平均絕對誤差在5.0℃。在300 hPa附近溫度露點差的平均偏差達到最大值4.5℃。

分析兩類資料的水平風速差異的廓線（圖3e—f），發現從邊界層到對流層中層500 hPa，ERA5反演的水平風速平均絕對誤差小于1.5 m·s^-1，能夠滿足薊州地區天氣分析和研究的需求。

綜上所述，大興探空站資料與ERA5資料的對比分析說明ERA5氣象要素產品在薊州臨近地區能較好描述大氣基本狀態，其中位勢高度、氣溫和風速與探空資料吻合，誤差較小，尤其是各要素在對流層低層的表現能力比高層優越，但濕度的誤差相對較大，尤其是在大氣高層。

3 ERA5強對流指數的檢驗分析

3.1 對流有效位能

ERA5直接對外發布CAPE產品，探空資料的CAPE來自MICAPS系統，對比2014年4—10月大興探空站資料與ERA5資料的CAPE值散點分布（圖4a），兩類資料的相關系數為0.66，通過了0.01顯著性檢驗，說明ERA5資料的CAPE值在薊州具有可用性。以探空資料CAPE為x，ERA5資料的CAPE值為y，兩類資料序列的回歸方程為y=0.68x+53.20，表明ERA5反演的CAPE值整體略偏低。

大氣的CAPE值較多出現在500 J·kg^-1以下，分析CAPE小于和大于500 J·kg^-1兩種情況以說明ERA5資料的可靠性，其中高CAPE值對強對流天氣分析至關重要。在CAPE低值區（圖4b），ERA5的CAPE值較探空偏大；在CAPE高值區（圖4c），ERA5的CAPE值較探空資料值略偏小。即在不同閾值區間，CAPE值的誤差不同，且在CAPE的低值區誤差相對較小，隨CAPE值增大，誤差變大。

由表1中ERA5資料的CAPE與大興探空站對應值各月的相關系數分布上看，4月兩類資料的CAPE相關系數達0.874，表明相關性好。其次是8月和9月相關系數較高，分別為0.662和0.653，通過0.01的顯著性檢驗。5月和6月的相關系數值最低。以上分析說明在夏季強對流天氣活躍的6—8月，ERA5格點資料CAPE產品在薊州區的表現能力優越，能夠準確地反映薊州復雜地形下的大氣不穩定狀態。CAPE值是對流層低空溫濕度的綜合反映，正是ERA5溫濕度層結數據在低層的良好表現，才是CAPE正確的原因。

3.2 K指數

K指數常用在強對流天氣潛勢分析中，在實際業務工作中是一個非常有用的預報參數，強對流發生時，通常K指數值越大，對流強度越大。對比分析大興探空站與ERA5資料獲取的K指數的散點分布（圖5），發現兩種資料的K指數都集中在20～40 K。ERA5資料的K指數和探空站的K指數顯著相關，相關系數為0.90。同上一節分析類似，兩類資料的回歸方程可表示為y=0.79x+5.56，平均偏差為2.02 K，均方根誤差為7.24 K。且當K指數小于0時，ERA5較探空站的K指數偏大，隨著K指數增大，偏差變小，資料的離散度減小。這說明ERA5資料的K指數在薊州臨近地區與探空資料非常吻合，分析強對流天氣可行性高。

K指數逐月相關系數高，說明ERA5反演的K指數在該地區應用效果良好（表1）。其中10月的相關系數高達0.891。6月、7月和8月的相關系數分別為0.722、0.803和0.736，數值略有降低。6月、7月和8月中K指數曲線波動振幅?。▓D6），也是K指數平均值最大的3個月，反映了盛夏季節大氣水汽含量充沛，層結穩定性下降，對流發展較頻繁的基本特征。

3.3 沙瓦特指數

實際業務工作中SI可用于強對流天氣的判識和分析，具有實用性。已有研究^［12］表明，SI為負數且絕對值大時，對流強度越大。ERA5資料未發布SI產品，本文通過天氣學算法公式^［21］得到SI。SI相關系數達到0.93，比K指數的相關性高，數據散點分布高度集中在0～10 K（圖7）。兩類資料的回歸方程為y=0.89x+0.42，可以看到兩者接近于y=x，說明ERA5的SI與實況吻合，應用效果佳。且當SI小于0 K時，ERA5較探空資料偏大，當SI大于0 K時，ERA5較探空資料偏小。隨著SI增加，兩類資料的離散度減小，尤其當SI大于10 K時，二者的偏差最小。4月、9月和10月ERA5資料和探空資料SI的相關系數分別達到0.921、0.955和0.924，ERA5反演的SI效果優異。

3.4 大氣可降水量

大氣可降水量（PW）表示整層大氣的水汽含量，業務中常用來分析水汽條件和識別對流類型。PW數值越大，表示可能的降水量越大。ERA5資料直接提供了PW產品，對比結果表明ERA5和大興探空站PW顯著相關（圖8），相關系數高達0.99。線性回歸方程為：y=0.97x+1.26。表1中4—10月兩類資料PW的相關系數均大于0.95，并通過0.01的顯著性檢驗。分析圖6可知，PW的平均值在6月、7月和8月較高，分別為30.67 mm、39.28 mm和34.23 mm。

4 降水分析與強對流指數

2014年夏季薊州出現了多次強降水事件，獲取距薊州站最近的ERA5格點資料，時間選擇08時和20時，分析強對流指數與薊州站隨后12 h累計降水量的對應關系，探究ERA5在薊州強降水分析中的可用性。分析表2中ERA5的CAPE值與薊州站累計降水量的相關系數，發現各月的相關系數不確定，在4月、5月出現了負值，其余月均為正值，10月相關系數最大，達到0.351。各月K指數與降水的相關系數均為正，符合對流活動與K指數的對應關系，即K指數越高，降水量越大，其中5月和7月相關系數值較高，分別為0.297和0.283；除7月外，PW與降水的相關系數在4個強對流指數中最大，符合該物理量是大氣水汽含量直接表達的事實，充分說明PW在強降水預報中具有很好的實用性。

進一步研究強對流指數與降水關聯性發現，薊州站有明顯降水過程發生之前，存在CAPE和K指數的峰值（圖6），但是降水峰值與強對流指數峰值并不能完全對應。檢查薊州2014年多次降水過程，ERA5的強對流指數在過程中都有明顯變化。以2014年6月6—7日的強降水過程為例（圖9），對比降水量與強對流指數逐小時變化曲線，發現薊州站過程累計雨量達65.6 mm，最大小時雨量為45.1 mm，對應平均CAPE為188.5 J·kg^-1，CAPE最高值為760.6 J·kg^-1。6日11時開始大氣不穩定能量加速累積。14時降水發生，CAPE值高達673.8 J·kg^-1。16時之后CAPE數值驟降，大氣不穩定能量釋放，降水以小雨量級為主。在降水趨于結束時，K指數、SI和PW開始有較明顯變化。

基于以上個例可知ERA5的強對流指數與對流活動的發生有密切關系，能夠指示和預警強降水的發生。隨著降水臨近，PW、CAPE、K指數數值不斷增大，說明大氣中水汽充沛，不穩定能量不斷積累，有利于強對流天氣的發生。但是該地強降水發生并不能與強對流指數變化完全對應，究其原因，該地區降水多由積層混合云形成，積云降水和層云降水是不同的兩類降水微物理過程的結果^［22］，對于穩定性的層狀云降水，通常強對流指數在降水前后數值變化較小。強對流指數能夠反映大氣層結不穩定和對流環境條件，但不是對流和強降水發展的唯一原因，降水的形成還與降水性質、風切變強度和局地地形等多因素有關。

5 結論

通過對比分析ERA5資料與大興探空站資料在對流層高空基本氣象要素以及CAPE、K指數、SI和PW等相關的強對流指數，說明ERA5資料在復雜地形背景下薊州的適用性，獲得以下結論。

（1）以探空資料為真值的高空基本氣象要素的檢驗結果表明：位勢高度、氣溫和風速產品的平均廓線幾乎重合，ERA5資料能夠反映基本氣象要素的垂直分布特征；由進一步的偏差分析看出，各層氣溫的平均偏差小于0.5℃，中低層風速平均偏差在0.5 m·s^-1以內。而代表濕度條件的物理量溫度露點差的差異顯著，在對流層高層最大達4.5℃。ERA5資料對大氣濕度的描述能力相對較差，將會影響對流指數產品精度。

（2）基于ERA5資料獲取和生成的CAPE、K指數、SI和PW與探空資料對應吻合，相關系數分別達0.66、0.90、0.93和0.99，可以準確地反映當地對流層的不穩定特征。

（3）研究薊州降水與強對流指數的聯系發現，復雜地形下薊州降水的發生與強對流指數的變化有較好的對應關系。PW的峰值與降水峰值在時間軸上接近，其次是SI、K指數和CAPE。各對流指數與薊州的降水過程變化并不能完全對應，原因在于強對流特別是強降水物理過程復雜，受大氣不穩定和地形等多種因素影響，不能由單一的因子決定。

參考文獻：

［1］ 諶蕓，孫軍，徐珺，等.北京721特大暴雨極端性分析及思考（一）觀測分析及思考［J］.氣象，2012，38（10）：1255-1266.

［2］孫建華，趙思雄，傅慎明，等.2012年7月21日北京特大暴雨的多尺度特征［J］.大氣科學，2013，37（3）：705-718.

［3］孫軍，諶蕓，楊舒楠，等.北京721特大暴雨極端性分析及思考（二）極端性降水成因初探及思考［J］.氣象，2012，38（10）：1267-1277.

［4］齊道日娜，何立富，王秀明，等.“7·20” 河南極端暴雨精細觀測及熱動力成因［J］.應用氣象學報，2022，33（1）：1-15.

［5］何秉順.河南鄭州山區4市2021年“7·20” 特大暴雨災害調查的思考與建議［J］.中國防汛抗旱，2022，32（3）：37-40，51.

［6］王秀明，俞小鼎，周小剛.雷暴潛勢預報中幾個基本問題的討論［J］.氣象，2014，40（4）：389-399.

［7］張澤銘，劉強，張熙，等.一次低渦切變線引發的暴雨天氣過程分析［J］.山東氣象，2011，31（3）：10-14.

［8］俞小鼎，鄭永光.中國當代強對流天氣研究與業務進展［J］.氣象學報，2020，78（3）：391-418.

［9］趙海軍，潘玲，毛子卿.山東省持續性短時強降水過程物理量特征分析［J］.海洋氣象學報，2023，43（1）：63-74.

［10］劉玉玲.對流參數在強對流天氣潛勢預測中的作用［J］.氣象科技，2003，31（3）：147-151.

［11］TIAN F Y， ZHENG Y G， ZHANG T， et al. Statistical characteristics of environmental parameters for warm season short-duration heavy rainfall over central and Eastern China［J］. J Meteorol Res，2015，29（3）：370-384.

［12］王迪，牛淑貞，曾明劍，等.河南省分類強對流環境物理條件特征分析［J］.氣象，2020，46（5）：618-628.

［13］王秀明，俞小鼎，朱禾.NCEP再分析資料在強對流環境分析中的應用［J］.應用氣象學報，2012，23（2）：139-146.

［14］孫繼松，陶祖鈺.強對流天氣分析與預報中的若干基本問題［J］.氣象，2012，38（2）：164-173.

［15］鄭媛媛，姚晨，郝瑩，等.不同類型大尺度環流背景下強對流天氣的短時臨近預報預警研究［J］.氣象，2011，37（7）：795-801.

［16］JIANG Q， LI W Y， FAN Z D， et al. Evaluation of the ERA5 reanalysis precipitation dataset over Chinese Mainland［J］. J Hydrol，2021，595：125660.

［17］熊明明，徐姝，李明財，等.天津地區小時降水特征分析［J］.暴雨災害，2016，35（1）：84-90.

［18］鄒雙澤，白愛娟，袁淑杰，等.薊州區半山地形下汛期短歷時強降水特征研究［J］.成都信息工程大學學報，2021，36（6）：666-673.

［19］尉英華，花家嘉，王瑩，等.近11年天津冰雹統計特征及對流參數指標分析［J］.氣象，2023，49（2）：213-223.

［20］HERSBACH H， BELL B， BERRISFORD P， et al. The ERA5 global reanalysis［J］. Quart J Roy Meteor Soc， 2020，146（730）：1999-2049.

［21］陸漢城，楊國祥.中尺度天氣原理和預報［M］.2版.北京：氣象出版社，2004.

［22］李芳，李南，萬瑜.臺風“溫比亞” 影響山東期間GPM資料的降水分析［J］.海洋氣象學報，2020，40（4）：69-76.