2007—2020年呼伦贝尔市中西部强对流天气雷达产品特征分析

王洪丽 王颖 隋沆锐 杨雪峰 高绍鑫 杨柳

摘要 利用海拉尔天气雷达2007—2020年强对流天气过程的雷达资料，通过雷达回波形态识别、特征值统计等方法分析不同季节的雷达回波强度最大值、垂直累积液态水含量、回波顶高、冰雹指数、中气旋等产品特征，并统计强对流过程中回波形状特征，得出海拉尔天气雷达的临近预报预警指标，旨在有效利用雷达产品提升强对流天气预警能力。

关键词 强对流；回波强度最大值；回波顶高；垂直累积液态含水量

中图分类号：P44 文献标识码：B 文章编号：2095–3305（2023）07–0105-03

强对流天气是指出现雷暴大风、冰雹、龙卷和短时强降水等剧烈天气现象，突发性强，范围小，造成灾害严重，是目前天气预报预警中的难点之一。国内许多学者针对新一代天气雷达在强对流天气方面做了诸多研究工作。覃靖等[1]认为超级单体最大反射率因子达到60 dBz，且50 dBz以上强回波区伸展到-30 ℃层高度以上时可能会出现大冰雹；雷蕾等[2]指出，雷达回波中存在低层弱回波区、回波悬垂、三体散射、旁瓣回波、强中气旋等特征将表明有大冰雹存在。李晓霞等[3-4]对强对流天气的潜势条件、雷达回波特征等均开展了深入论述。在新一代天气雷达产品参数研究方面，杨淑华等[5]利用山西大同雷达统计分析了20次冰雹天气多普勒雷达特征。苏添记等[6]利用山东烟台雷达统计分析了强对流天气参数，总结山东半岛不同月份冰雹和雷暴大风的风暴参数判据。郭艳等[7]总结了江西局地强对流的雷达产品特征，得出适用本地预报指标。呼伦贝尔市地处北部边疆，强对流天气特点与我国中部、南部等地有差异，而雷达产品表征也是否存在差异，强对流天气预报预警指标有何特征，基于此，统计分析了海拉尔雷达2007—2020年强对流过程的雷达产品，总结呼伦贝尔市中西部强对流天气预报预警指标，旨在有效利用雷达产品提升强对流天气预警能力。

1 强对流事件的定义

考虑资料的代表性，选择强对流天气样本时要求满足以下条件：（1）有可靠的地面观测数据或灾情数据；（2）强对流天气在海拉尔雷达站有效探测范围内。

基于以上2个条件考虑，定义在海拉尔雷达站30～150 km有效探测范围内只要出现下列3个天气现象之一：冰雹、小时雨量≥15.0 mm短时强降水、8级（17.2 m/s）以上大风并伴有雷暴，即统计为1个强对流天气过程。

2 结果与分析

普查CIMISS系统和灾情报告后得知：海拉尔雷达站30～150 km范围内2007—2020年共有35个强对流过程，其中5月1个、6月8个、7月10个、8月12个、9月3个、10月1个。从伴随的天气现象来看，绝大多数对流过程均伴有冰雹、雷暴大风和短时强降水，仅出现某个天气现象的对流过程较少。统计这35个对流过程起止时间、伴随天气现象、冰雹信息、雷达产品参数、回波形状（表1）。

2.1 回波强度最大值特征

由表1数据统计得知：有32个过程的回波强度最大值均≥55 dBz；另3个对流过程回波强度最大值<50 dBz，分别出现在2015年5月6日（26 dBz）、2011年10月15日（44 dBz）、2017年6月8日（48 dBz）。除了6月8日为夏初，另2个对流过程出现在春季和秋季，大气热力和动力条件不足，所以对流发展较弱，导致回波强度最大值较小。

2.2 回波顶高（ET）产品特征

从表1数据统计得出：5個对流过程回波顶高≥14 km，其中3个出现在8、1个出现6月下旬、1个出现在7月下旬初，均伴有冰雹和大风天气现象；其中回波顶最高18.9 km过程出现在2012年8月31日，伴有冰雹、短时强降水和大风天气现象。11个对流过程回波顶高<10 km，其中8个过程出现时段为夏初及春、秋季，分别是2010年6月10日、2011年9月8日、2011年10月15日、2012年6月7日、2015年5月6日、2015年6月1日、2017年6月8日、2018年9月28日，其中2015年5月6日过程回波顶高仅为3.4 km。其余过程回波顶高介于10～13.9 km，90%过程出现在盛夏季节。

2.3 垂直累积液态水含量（VIL）产品

垂直累积液态水含量VIL产品是判别冰雹等强对流天气的有效工具之一。郭艳等分析了江西省局地强对流风暴VIL为33～77 kg·m-2；应冬梅等[8]分析了江西省4次区域性强对流天气过程降雹风暴的最大VIL为66～80 kg·m-2。而从表1数据统计得知35个对流过程VIL值介于1～57 kg·m-2，不同季节对流过程的VIL值具有明显的差异：发生在盛夏季节（6月中旬至8月）过程（仅2017年8月24日对流天气VIL值为5 kg·m-2）VIL值均≥10 kg·m-2，其中19个过程VIL值≥20 kg·m-2、5个过程VIL值≥40 kg·m-2；而其他季节过程的VIL值均<8 kg·m-2，其中有3个过程VIL值仅为2或1 kg·m-2。

2.4 冰雹指数（HI）产品特征

新一代天气雷达冰雹探测算法 HDA（Hail Detection Algorithm）是通过寻找风暴单体中冻结层之上的高反射率因子以获得导出产品——冰雹指数HI[9-11]。表1中26个过程的冰雹指数产品有报警，26过程产品共性特征：回波强度最大值≥60 dBz、回波顶高≥10 km、垂直累积液态水含量≥20 kg·m-2。

可见在盛夏季节（6月中旬至8月末）对流过程的冰雹指数产品若连续出现报警，且满足上述3个产品特征，可作为判断冰雹强对流天气的预警指标[12-15]。由于冰雹指数产品在回波发展阶段和降雹后仍有报警，存在较高虚警率，实际业务中还需结合不同仰角反射率因子、径向速度及其他产品综合判断是否出现冰雹。

另8个过程冰雹指数产品未出现报警，分别是5月1个、6月上旬2个、7月1个、9月3个、10月1个，除了7月1个过程以外，均发生在春、秋季及6月初。经统计：这8个过程回波强度最大值<50 dBz、回波顶高<10 km（80%<8 km）、垂直累积液态水含量<8 kg·m-2。

2.5 回波形状特征

对35个对流过程的回波形状进行归类，并对产生的天气现象进行总结见表2：

统计得知：当对流过程的雷达回波呈带状、线状分布时，15个对流过程中有13个出现大风，概率高达86.7%；9个过程同时产生大风和冰雹，概率为60%。当回波形状呈分散块状时，7个对流过程出现冰雹天气。当回波呈絮状且包含强对流单体时，产生的天气规律性不明显[16-17]。

2.6 中气旋（M）产品特征

本研究中的中气旋产品是采用 CINRAD/SA PUP默认的算法。35个对流日中有19个中气旋产品出现报警，其中有3个对流日在对流过程前后中气旋产品是不连续报警。从19个中气旋产品报警对流日出现的天气现象来看，18 d都出现了大风天气，占总出现大风日数对流日（27 d）的66.7%，可见中气旋产品出现报警的对流过程伴随大风概率很高。从中气旋产品报警对流日出现的季节来看，这19个对流日中有16个出现在盛夏季节（6月中旬至8月）。

2.7 冰雹天气雷达产品特征

对27日伴有冰雹天气雷达回波特征分季节进行统计，结果发现：盛夏季节（6月中旬至8月）冰雹天氣最大反射率因子平均值为64.5 dBz，回波顶高平均值为12.2 km，垂直累积液态含水量VIL平均值为30.5 kg·m-2，冰雹指数产品出现的概率高达94.7%，中气旋产品报警的概率为63.2%；其他季节冰雹天气最大反射率因子平均值为51.5 dBz，回波顶高平均值为6.3 km，垂直累积液态含水量平均值为5.6 kg·m-2，冰雹指数产品与中气旋产品均没有出现报警。

3 结论

（1）盛夏季节（6月中旬至8月末）对流过程的回波强度最大值均≥55 dBz、回波顶高≥10 km、垂直累积液态含水量VIL≥20 kg·m-2；其他季节对流过程回波强度最大值<50 dBz、回波顶高为5～7 km、垂直累积液态含水量VIL值很小可忽略。

（2）盛夏季节（6月中旬至8月末）的对流过程同时满足回波强度最大值≥60 dBz、回波顶高≥10 km、垂直累积液态含水量VIL≥20 kg·m-2 3个条件，且冰雹指数产品连续3个及以上体扫出现报警时，可作为冰雹等强对流天气的预警指标；而其他季节强对流天气的冰雹指数产品基本无指示。

（3）当对流过程的雷达回波呈带状、线状分布时，产生大风概率非常高，高达86.7%，同时产生大风和冰雹的概率60%；当回波形状呈分散块状且单体回波强度≥55 dBz时，多半出现局地冰雹天气；当回波呈絮状且包含强对流单体时，产生的天气规律性不明显。

（4）盛夏季节（6月中旬至8月）冰雹天气最大反射率因子平均值为64.5 dBz，回波顶高平均值为12.2 km，垂直累积液态含水量平均值为30.5 kg·m-2，冰雹指数产品出现的概率高达94.7%，中气旋产品报警的概率为63.2%；其他季节冰雹天气最大反射率因子平均值为51.5 dBz，回波顶高平均值为6.3 km，垂直累积液态含水量平均值为5.6 kg·m-2，冰雹指数产品与中气旋产品均没有出现报警。

参考文献

[1] 覃靖，潘海，刘蕾.柳州“4·09”致灾冰雹的超级单体风暴过程分析[J].气象， 2017，43（6）：745-755.

[2] 雷蕾，孙继松，乔林，等.一次超级单体雹暴的中尺度对流特征和形成条件分析[J].气象科技进展，2019，9（5）：16-23.

[3] 李晓霞，李常德，马国涛，等.一次冰雹强对流天气过程的潜势条件和中尺度特征分析[J].沙漠与绿洲气象，2020，14 （4）：69-77.

[4] 叶东.一次强风雹天气的干侵入作用及雷达回波特征分析[J].沙漠与绿洲气象，2020，14（5）：44-52.

[5] 杨淑华，梁进秋，张玉芳，等.冰雹天气的多普勒雷达特征统计分析[J].自然灾害学报，2014，23（3）：101-106.

[6] 苏添记，刁秀广，符长静，等.山东半岛强对流天气风暴参数统计分析[J].山东气象，2016，36（3）：15-19.

[7] 郭艳，彭义峰.江西局地强对流天气的多普勒天气雷达产品特征[J].气象与减灾研究，2008，31（2）：48-52.

[8] 应冬梅，许爱华，黄祖辉.江西冰雹、大风与短时强降水的多普勒雷达产品的对比分析[J].气象，2007，33（3）：48-53.

[9] 俞小鼎，姚秀平，熊廷南，等.多普勒天气雷达原理与业务应用[M].北京：气象出版社，2006.

[10] 刘晓敏.基于新一代天气雷达产品的呼和浩特强对流参数特征研究[J].内蒙古科技与经济，2020，40（16）：74-76.

[11] 於慧玲，杨宇.一次短时强对流天气的雷达产品特征分析[J].中低纬山地气象，2018，42（3）：83-88.

[12] 赵龙，王芦，高宇田.驻马店市两次强对流天气的多普勒雷达产品特征的对比分析[J].河南科学，2014，32（5）：863-866.

[13] 苏俐敏，郭水连，帅莉莉等.宜春地区三类典型天气的风廓线雷达产品特征分析[J].气象与减灾研究，2013，36（3）： 63-68.

[14] 朱平，田成娟.青海东部一次强对流天气的多普勒雷达特征分析[J].干旱气象，2011，29（3）：336-342.

[15] 杨俊山，和卫东，杨沛琼.滇西北强对流灾害天气的多普勒雷达回波特征研究[J].云南大学学报（自然科学版）， 2013，35（S1）：188-196.

[16] 洛桑顿珠，旦增查拉，罗桑旦增.天气雷达产品在强对流天气临近预报中的应用[J].农村实用技术，2021，24（2）：170 -171.

[17] 李向紅，唐伍斌，李垂军等.广西强对流天气的天气形势分析与雷达临近预警[J].灾害学，2009，24（2）：46-50.

Analysis on the Characteristics of Radar Products of Strong Convection Weather in the Central and Western Parts of Hulunbeier from 2007 to 2020

Wang Hong-li et al（Hulunbeier Meteorological Bureau， Hailar， Inner Mongolia 021008）

Abstract Using the radar data of the Hailar weather radar during the period of 2007-2020， the maximum radar echo intensity， vertical accumulated liquid water content， echo top height， hail index， mesocyclone and other product characteristics of different seasons were analyzed through radar echo morphology recognition， feature value statistics， and other methods. The echo shape characteristics during the strong convective process were also analyzed to obtain the proximity prediction and warning indicators of the Hailar weather radar， Intended to effectively utilize radar products to enhance strong convective weather warning capabilities.

Key words Strong convection; Maximum echo intensity; Echo top height; Vertical cumulative liquid water content