飑线是产生灾害性大风的重要系统, 生命史短但突发性和破坏力强, 常对工农业生产、交通运输和人民生活造成极大危害。2009年7月23日夜间, 京广铁路邢台段沿线和滏西地区出现了大风等强对流天气, 任县、南和极大风速分别达24.1 m·s^-1和24.8 m·s^-1, 致使河北省南部电网损坏严重, 直接经济损失达1亿元(付桂琴和曹欣, 2012)。2015年5月6日夜间, 河南省安阳、郑州、许昌和周口等地遭受狂风等强对流天气突袭, 长葛和睢县风力8级, 造成206.79万人受灾2人死亡, 倒塌房屋188间, 直接经济损失9.58亿元。

飑线和弓形回波(俞小鼎等, 2006)等是产生雷暴大风的主要回波形态, 个例分析表明(王秀明等, 2012; 王福侠等, 2011; 胡文东等, 2015; 刁秀广等, 2015), 弓形回波引发大风往往出现在大的层结不稳定和中等强的垂直风切变环境下; Johns and Hirt(1987)指出, 弓形回波是产生地面非龙卷风害的典型回波结构; Gallus et al(2008)根据雷达回波形态的差异将对流系统分为8类, 统计发现各类线性系统与大风相关性明显好于孤立对流单体、对流云团和非线性系统。弓形回波与大风的相关性最好, 甚至明显高于线性对流系统。在线状中尺度对流系统(Mesoscale Convective Systems, MCSs)的定义方面, Chen et al(1993)、Geerts(1998)、Parker et al(2000)、Meng et al(2013)的定义相类似, 但回波阈值、回波带长度、长宽比和持续时间等参数略有不同。俞小鼎等(2006)指出, 如果线性多单体风暴伴随雷暴大风, 并且其强度超过35 dBZ部分的长宽比超过5:1, 长度至少在50 km之上, 则称为飑线。杨吉等(2014)定义的飑线须满足两个条件: (1) 由层云(15 dBZ)连接的对流云(40 dBZ)组成的系统长轴大于100 km, 持续时间超过4 h; (2) 系统长宽比大于5:1, 持续时间超过2 h。

在雷达资料的质量控制和三维组网拼图方面, 肖艳姣和刘黎平(2006)开展了深入研究, 利用前者研究成果, 王红艳等(2009)研制了新一代天气雷达三维数字组网软件, 并对组网结果的实用性和可靠性进行分析, 结果表明系统运行稳定, 算法合理, 组网结果可靠; 张志强(2008)等以华北区域不用型号四部雷达为例, 从定性和定量的角度对雷达定位与探测强度的一致性进行了分析, 结果表明北京、天津、石家庄和张北雷达探测位置比较一致, 对同一回波强度探测也基本一致。在雷达组网拼图的基础上, 杨吉等(2014)根据拟合椭圆长轴动态模板函数法, 实现了雷达拼图资料上的线状MCSs的自动识别, 得出每个时刻线状MCSs中心位置、系统面积和线性得分值等参数, 其中线性得分值能较好地反应各个阶段的线性状态, 真实反应分裂与合并造成的回波形态“突变”现象。该算法的不足之处是识别参数固定单一, 存在弱飑线识别范围偏大而强飑线识别不到等现象, 使得计算结果不能真实反应飑线的不同发展阶段。为此, 本文在杨吉等(2014)工作的基础上, 提出了飑线的优化识别方法并对识别效果进行检验, 对飑线引发的雷暴大风进行分析, 为进一步提高雷暴大风预警准确率和减少大风灾害提供参考。

中尺度对流系统识别参数包括层云反射率因子、对流云反射率因子、低阶分量面积、高阶分量面积、系统总面积和系统长度等6个。识别过程为:首先给定一组识别参数, 根据拟合椭圆长轴设计动态模板和线性程度函数, 对某一个体扫回波进行自动识别, 输出该体扫对应的系统中心位置、长度、面积、长轴方向和线性程度。依次类推, 当对过程的所有体扫全部识别完成之后, 可得到该过程的所有体扫识别结果。

飑线在不同发展阶段对应的回波强度不同, 一般会经历由弱到强再减弱的发展过程, 即飑线在生成初期和减弱消亡阶段对应的回波强度相对较弱, 成熟阶段对应的回波达到最强。另外, 不同地区、不同季节甚至不同天气过程对应的飑线强度也相差较大。因此要想很好地识别飑线, 很有必要将固定参数修改为可调参数, 即根据飑线回波强、弱动态选配合适的识别参数, 或者说在飑线不同发展阶段采用识别参数未必完全相同。为更好地识别不同强度、不同发展阶段的飑线, 在杨吉等识别的基础上, 采用四组不同识别参数(表 1)循环计算择优选择, 其中参数方案一定义的对流云反射率因子最低35 dBZ, 但要求系统长度和面积稍大, 适合弱飑线或飑线的生成、减弱阶段, 方案二到方案四定义的反射率因子按照5 dBZ依次递增, 但对系统长度和面积的要求略低。

表 1(Table 1)

表 1 四组飑线识别参数 Table 1 Four groups of squall line identification parameters 参数方案 层云反射率因子/dBZ 对流云反射率因子/dBZ 系统面积/km2 系统长度/km 线性程度 方案一 30 35 2000 100 0.8 方案二 35 40 1200 50 0.8 方案三 40 45 1200 50 0.8 方案四 45 50 1200 50 0.8

表 1 四组飑线识别参数 Table 1 Four groups of squall line identification parameters

飑线优化识别方法分以下三个步骤: (1) 采用四种不同参数方案对同一个体扫识别, 得到四组识别结果。(2) 对同一体扫的四组识别结果择优选取, 择优标准主要依靠系统线性程度, 当四组方案中系统线性程度全部低于0.8时, 识别结果无飑线; 当四组方案中线性程度有高于0.8时, 选择线性程度最高者为准, 但系统要包含最大反射率因子区域, 即如果线性程度最大值对应的系统的最大反射率因子低于其他参数方案时, 要适当降低参数方案。需注意的是, 对多个线风暴组成的飑线, 在线性程度相差不大时延续同一组参数识别, 便于飑线分裂合并具有连续性。(3) 对过程中每个体扫如上循环, 得到过程中每个体扫的优化识别结果。需要说明的是, 一个体扫中可能识别到1个或多个MCSs或飑线, 也有可能识别不到。

2013年8月4日影响京津冀的飑线具有系统长、长宽比大且维持时间长等特点, 经历了多次合并和分裂, 由多段线风暴组成, 演变期间回波强度少变。而2015年5月6日河南飑线具有长轴短、回波强等特征, 回波发展期间始终维持一个飑线。这两次飑线过程基本涵盖了强回波和弱回波、单一和多段线风暴、多变和少变回波强度等不同类别, 因此选取这两次飑线过程对大风优化识别方法进行效果检验。前次过程选取北京、天津、石家庄、秦皇岛、沧州5部雷达基数据组网, 后者选用取郑州、商丘、南阳、洛阳、驻马店、三门峡和濮阳7部雷达基数据组网, 将雷达基数据转化为雷达回波拼图资料, 水平分辨率0.01°×0.01°, 时间分辨率6 min。地面风资料采用加密自动站风场资料(瞬时风向和风速, 时间分辨率5 min)和大风灾害报告(瞬时极大风速≥17 m·s^-1), 其中加密自动站包括国家级测站和区域级测站。本文延续以前研究(李国翠等, 2013, 2014)规定风场分三个级别: (1) 大风测站: 7级以上大风, 瞬时极大风速≥17 m·s^-1或瞬时风速≥13.9 m·s^-1。(2) 强风测站: 5~6级大风, 瞬时风速8~13.9 m·s^-1。(3) 所有风测站:为说明加密自动站分布密度, 叠加在底图显示, 而前两类测站的风向和风速用风向杆表示。

2015年5月6日12:0018:00(世界时, 下同), 河南多地遭受狂风暴雨冰雹突袭, 郑州、登封、安阳、许昌、长葛、睢县、温县出现7~8级雷暴大风, 长葛和睢县瞬时极大风速20 m·s^-1。过程具有突发性强、危害时间短、破坏性大等特点。据统计, 这次风雹灾害造成河南省206.79万人受灾, 2人因灾死亡, 倒塌房屋188间, 直接经济损失9.58亿元。

应用四组参数方案, 对5月6日12:0018:00雷达组网拼图资料进行飑线识别(图 1), 对同一个体扫不同参数方案识别效果进行对比分析, 四组参数方案得到的识别区域分别用黑、红、橙、蓝色线条表示。12:54, 不同参数方案识别得到的线状MCSs, 其中方案四没识别到(图 1a)。前三组参数方案均能成功识别到飑线, 对应的系统线性程度高于0.8。从识别区域看, 最大长轴长度分别为320 km、266 km和122 km, 系统面积分别为12284 km²、6449 km²和2003 km²。从回波结构分析, 位于系统左下方的强回波区域均能包含在飑线中, 最大反射率因子均为66 dBZ。参数方案一识别飑线的回波长度和面积最大, 不足之处是含右上方层云弱回波偏多; 方案三识别到的强回波集中, 识别区域与强回波刚好吻合; 方案二线性程度最高为1.26, 还能将右上方弓形回波含在飑线区域内, 从线性程度和包含强回波区域相比, 方案二识别效果最好。

图 1(Figure 1)

图 1 2015年5月6日识别到的线状中尺度对流系统或飑线(单位: dBZ) (a) 12:54, (b) 13:30, (c) 15:30 Figure 1 The identification lined MCSs or squall line on 6 May 2015. Unit: dBZ

图 1b显示13:30四组参数识别得到的线状MCSs, 系统对应的最大反射率因子均为72 dBZ, 长轴分别为412 km、284 km、198 km和175 km, 面积为13108 km²、7837 km²、4252 km²和2209 km², 识别线性程度分别为1.12、1.09、0.97和1.54, 均达到飑线标准。方案一识别飑线范围内包含右上方30 dBZ以上弱回波偏多; 方案二能识别到位于鹤壁和安阳一带的弓形回波; 方案三识别到的回波强但包含右前侧强回波单体, 使得线性程度降低; 方案四识别到的强回波集中且线性程度最高, 与前三组识别范围相比, 回波右前侧的强回波单体不含在飑线范围内。相比较而言, 方案二或方案四各有所长, 均可选定为最优识别。

图 1c是15:30前三组参数方案识别到的线状MCSs, 其中方案四没识别到线状MCSs, 方案一识别得到MCSs线性程度仅为0.35不满足飑线条件。方案二和方案三识别到飑线的最大反射率因子均为65 dBZ, 最大长轴分别为229 km和205 km, 其中方案三的线性程度最高为1.45, 且强回波更为集中, 可选定为最优识别结果。

分析12:0018:00四组参数方案识别结果(表 2)可明显看出, 用不同参数识别得到的线状MCSs和飑线的体扫个数明显不同。方案一识别得到60个体扫的线状MCSs(12:0017:54), 持续时间最长5.9 h, 其中满足飑线有28个体扫, 线性程度高于1的飑线集中在飑线生成和发展阶段。方案二识别到56个体扫线状MCSs, 识别时间段12:0617:30, 其中飑线占39个体扫, 也是参数方案中识别最多的; 方案三识别到42个体扫线状MCSs, 飑线占23个体扫; 方案四识别到7个体扫, 其中3个为飑线, 主要位于飑线发展的最强时段。

表 1(Table 1)

表 2 2015年5月6日12:0018:00不同参数方案识别结果 Table 2 The results of identification with different parameters from 12:00 to 18:00 on 6 May 2015 参数方案 线性MCSs体扫数/个 飑线体扫数/个 最大反射率因子/dBZ 长度/km 识别命中率 方案一 60 28 56~74 200~412 58.3% 方案二 56 39 54~74 80~306 81.3% 方案三 42 23 55~74 91~222 47.9% 方案四 7 3 66~72 83~175 6.3% 优化识别 48 55~74 80~336 100%

表 2 2015年5月6日12:0018:00不同参数方案识别结果 Table 2 The results of identification with different parameters from 12:00 to 18:00 on 6 May 2015

采用优化识别方法, 通过对过程每一个体扫的优化识别, 筛选共得到48个体扫的飑线, 期间最大反射率因子持续高于55 dBZ, 最强达74 dBZ。与每一组固定参数方案识别相比, 优化识别方法得到飑线体扫数都有增加。相比优化识别飑线结果, 4组参数识别飑线命中率分别为58.3%、81.3%、47.9%和6.3%, 其中参数方案二识别命中率较高, 但仍有5个体扫弱飑线和4个体扫强飑线没被识别到。

图 2显示的是不同参数方案识别线状MCSs的线性程度情况, 分析线性程度最高的参数方案可以看出:方案四线性程度最高仅出现在13:30飑线较强时, 方案三在飑线的成熟阶段(13:0613:36、14:4816:00) 最高, 方案二是参数方案中识别最多的识别时间段12:0617:30, 方案一出现在飑线生成初期和消亡时期。飑线优化识别选取参数的先后顺序依次为:方案1—方案2—方案3—方案4—方案3—方案2—方案1—方案2—方案3—方案2—方案1, 与飑线的发展演变趋势为先加强后减弱再加强再减弱的顺序(图 3)刚好吻合, 其中13:0014:00对应最大反射率因子超过65 dBZ, 13:54最大达74 dBZ。

图 2(Figure 2)

图 2 不同参数方案识别线状MCSs的线性程度随时间变化 Figure 2 The change of linear MCSs degree with different parameters

图 3(Figure 3)

图 3 飑线最大反射率因子和系统长度随时间变化 Figure 3 The change of maximum reflectivity factor and long axis

综合上述, 四种不同参数方案用于识别不同强度或不同发展阶段的飑线, 优化识别方法可以选择四组固定参数中最优识别结果, 能根据回波强度自动挑选最优参数识别方案, 还能真实反映飑线的不同发展阶段, 使得识别飑线范围和线性程度均达到最佳。

此次过程共收到温县、登封、安阳、郑州、长葛、许昌、睢县7个测站大风灾害报告。对比分析雷达回波、灾害大风测站位置和飑线识别结果, 有6个测站大风出现在飑线的识别区域内, 分别对应飑线强回波(13:40登封, 13:54郑州, 14:18长葛, 15:40睢县)、弓形回波顶点(12:56温县)和飑线顶端(13:47安阳)等位置。没被识别到的是许昌大风(14:30), 原因是当前体扫识别线状MCSs是由三个单体风暴组成, 合成系统的线性程度低于0.8不满足飑线条件。

分析灾害大风的风向, 除安阳站为东南风外, 其余测站均为西北大风。而飑线移向自西北向东南, 说明风向是沿着线状MCSs移动方向吹。

2013年8月4日下午到夜间, 河北中北部和北京、天津出现了雷暴大风等强对流天气过程。57站次国家级自动站有大风灾害报告, 330站次的区域级加密自动站瞬时极大风速超过13.9 m·s^-1, 沧州任丘瞬时极大风速25 m·s^-1, 保定安新、唐山迁西和承德县瞬时极大风速28 m·s^-1, 风力达10级狂风。强天气造成树木折断或连根拔起, 农作物倒伏, 房屋受损, 电力设施遭受不同程度破坏, 损失惨重。

分析此次过程雷达回波发展演变, 08:00零散块状回波从张家口西北部移入, 10:00之前以单体风暴为主, 张家口3个国家站和11个区域站大风是均由强单体风暴引发的; 10:00之后超过30 dBZ的回波连接成多单体风暴、线状中尺度对流系统, 11:00之后系统最远长轴超500 km, 对流风暴线性明显, 属于明显飑线结构, 呈西南到东北走向, 引发了长时间大面积的大风灾害; 15:00之后回波强度减弱并移出河北境内。

通过对10:0015:00雷达回波的线状MCSs和飑线的识别, 方案一识别到45个体扫累计49个飑线, 其中有4个体扫中含2个飑线; 方案二识别到51个体扫累计79个飑线, 其中有16个体扫中含2个飑线, 6个体扫中含3个飑线; 方案三识别到37个体扫累计61个飑线, 其中有14个体扫中含2个飑线, 5个体扫中含3个飑线; 方案四识别到8个体扫共8个飑线。本次过程最大的特点是飑线系统长, 系统包含有多个线状MCSs或尺度较小飑线。采用优化识别后共筛选到51个体扫78个飑线, 其中有15个体扫中含2个飑线, 6个体扫中含3个飑线。在四个方案的选择上, 有72个选用的是第二个方案。飑线的最大反射率因子介于54~68 dBZ之间, 长度80~614 km, 其中超过500 km的有16个。相比优化识别结果, 四组参数识别的命中率分别为88.2%、100%、72.5%和15.7%。

对10:0015:00时段雷达回波每个体扫进行自动识别, 用黑、红、橙、蓝色线条分别表示四组方案识别得到的线性MCSs范围。图 4a显示的是12:36识别结果, 四种方案识别到线性MCSs的线性程度均远高于0.8, 且均含有62 dBZ的强回波, 全部符合飑线阈值。相比而言, 方案一识别到的层云面积偏大, 方案三与方案二相比没识别到飑线左下方40 dBZ层云连接的对流回波块, 方案四识别的回波强度强但范围偏小, 线性程度最低, 为1.13。相比而言, 方案二线性程度最高1.78且能包含强回波, 是这个体扫的最优识别方案。

图 4(Figure 4)

图 4 2013年8月4日不同方案识别飑线范围(a, c, e, 单位: dBZ)及对应风测站(b, d, f) Figure 4 The identification squall line area with different parameters (a, c, e, unit: dBZ) and corresponding wind station (b, d, f) on 4 August 2013

图 4c为13:00不同方案识别得到的飑线范围, 其中方案四没识别到线状MCSs。方案一识别到的范围最大, 主要归根于包含右上角30~40 dBZ的层云面积较大, 长轴长度646 km, 线性程度1.54。方案二识别飑线的长宽比值大, 线性程度最高达1.72, 长度593 km, 面积13552 km², 最大反射率因子58 dBZ。方案三识别范围与方案二基本形同, 但被识别到两段飑线, 长度分别为461和127 km, 面积分别为6879 km²和1369 km², 最大反射率因子58 dBZ和57 dBZ, 线性程度分别为1.63和1.47。方案三识别到的两段飑线相距近且回波较强, 可以合并为方案二的识别结果, 并且方案二线性程度最高, 所以认为方案二识别方案最优。

图 4e为13: 36识别结果, 四组方案均成功识别到飑线。方案一识别到飑线长度665 km, 最大反射率因子63 dBZ, 线性程度1.56;方案二识别到飑线分三段, 自西南向东北长轴分别为225、152和195 km, 最大反射率因子分别为63、57和56 dBZ, 线性程度分别为1.23、1.5和1.34;方案三识别两段, 分别对应方案二中的第一段和第三段。长轴分别为174 km和166 km, 最大反射率因子分别为63 dBZ和56 dBZ, 线性程度分别为1.42和1.48。方案四仅识别到左下方第一段。相比来讲方案二为最优选择。

对比分析灾害大风(图 4b、d、f)与雷达回波、飑线的位置可以看出, 飑线大风几乎全部出现在飑线强回波带、回波前沿和两段飑线之间的断裂处。方案一识别飑线范围最大, 能包括所有的大风和强风测站, 缺点是弱回波区域相对较多; 方案二识别飑线范围适中, 识别区域能够包含连续线状的强回波带, 与实况大风位置基本吻合, 刚好包括大风测站和强风测站。方案三识别飑线范围与方案二差不多, 但当飑线断裂时, 断裂带间隙识别不到会漏一些, 如13:36天津大风在方案二识别范围但不在方案三范围内; 方案四识别区域最小, 仅适用于强飑线。与单体识别相比, 飑线识别能够对飑线前沿和回波带中弱回波上18站次大风的补充识别, 弥补单体识别强风暴的不足之处。以13:00(图 4d)为例, 该时段共有11个测站瞬时极大风速超过13.9 m·s^-1(表 3), 包括万县、安新和望都3个一般站的重要天气报和8个加密自动站。用风暴单体识别结果8个测站识别正确, 3个测站没被识别到, 其中徐水大风判据低于识别阈值, 安新和白沟温泉城位于飑线的前沿识别漏报, 而灾害大风全部出现在飑线识别区域内。

表 1(Table 1)

表 3 2013年8月4日13:00灾害大风实况 Table 3 The real disaster winds at 13:00 on 4 August 2013 站号 站名 经度/°E 纬度/°N 风向/° 风速/(m·s-1) 53596 完县 115.15 38.83 290 19 54605 安新 115.93 38.91 20 17 54607 望都 115.11 38.71 290 19 54518 霸州 116.38 39.12 349 14.5 54601 徐水 115.65 38.98 21 17.8 53692 唐县 114.98 38.73 308 14.4 B1709 白沟温泉城 116.03 38.95 356 17.4 B1905 杨各庄 115.11 38.90 300 21.1 B1906 朝阳 115.05 38.85 302 19.2 B1921 刘家台 115.02 39.03 239 16.1 B1928 南赤岸 114.44 38.73 332 14.8

表 3 2013年8月4日13:00灾害大风实况 Table 3 The real disaster winds at 13:00 on 4 August 2013

分析此次大风天气过程的风向分布特点, 49个测站风向为NW(风向290°~360°), 安新、文安、秦皇岛和大港4站风向NNE, 即偏北风占大风测站的93%, 其中西北风占78.9%。保定和平泉2站风向W, 涿洲和承德2站风向WSW(250°)。这次飑线自西北向东南移动, 也就是说, 飑线大风风向与风暴的移动方向基本一致, 占93%。但线状风暴前沿和风暴后面弱回波区, 有部分自动站风向没明显规律且存在突变现象, 这应该与雷暴大风的不确定性和区域级自动站的资料质量均有关系。

在线状MCSs自动识别的基础上, 提出了飑线的优化识别方法。按照反射率因子5 dBZ递增原则, 选取四组识别参数对某个体扫的雷达回波多次识别, 最后选取线性程度较高且包含最强回波的飑线作为当前体扫的飑线最优识别结果。为了对识别效果进行全面效果检验, 选取不同强度、不同发展阶段、不同结构的飑线作样本, 其中2013年5月6日河南飑线长轴短、回波强度大, 最大回波强度74 dBZ, 回波密实演变发展前后维持一个飑线; 2013年8月4日京津冀飑线系统长、长宽比大且维持时间长, 飑线由多个线风暴组成, 并经过多次合并和分裂, 但回波强度少变, 超过60 dBZ的强回波仅出现在几个像素点。应用优化识别方法, 通过对这两次过程共140个体扫126个飑线进行识别效果检验, 结果表明:

(1) 优化识别方法根据回波强度动态选择飑线的识别参数, 既能够识别强飑线又能识别弱飑线, 能够真实反应飑线不同发展阶段。优化识别方法筛选到的飑线体扫个数明显多于单一参数识别结果, 相比优化识别结果, 四组参数识别的命中率分别为73.7%、90%、60%和11%。优化识别飑线区域合理, 线性程度较高, 同时不漏反射率因子的大值区。

(2) 四组识别参数方案各有所长。参数方案一要求的反射率因子低, 识别到的层云较多、飑线范围大使得线性程度较低, 适合弱飑线或飑线的初生和减弱阶段; 方案四要求的反射率因子最高, 识别得到飑线个数最少, 仅适合强飑线; 方案二和方案三介于上述二组之间, 识别到的飑线线性程度高, 其中方案二定义的反射率因子刚好是对流云回波临界值, 识别得到的层云面积明显减少且线性程度最高, 也是采用最多的一种参数方案。需要指出的是, 在对多个线风暴组成的飑线进行识别过程中, 在线性程度相差不大的情况下, 最好延续同一组方案识别, 这样得到的飑线更具连续性和可比性, 这也是方案二采用较多的原因。

(3) 在有利的环境条件下, 雷暴大风出现在飑线的强回波带、线状回波前沿和线状回波断裂带上, 与优化识别飑线区域吻合, 可作为预警区域。参数方案一识别到的线状MCSs区域能包括全部的大风测站和强风测站, 可作为大风的警戒区域。飑线大风的风向多沿风暴的移动方向吹, 占90%。但飑线前沿一带个别风向不定, 大风预警时需特别注意。

需要指出的是, 线状MCSs或飑线只有在满足一定环境条件时, 才可能产生雷暴大风等灾害性天气。本文仅从雷达回波角度进行了分析, 与环境相关的大风识别能力还有待以后开展进一步研究。