雷电的综合预警预报现状(内蒙)模板

利用卫星、雷达、闪电定位仪等（大范围卫星定时观测，小范围闪 电定位仪和雷达实时或准实时观测，均为格点化资料）对强对流天 气系统进行监测，对有可能发生闪电的区域进行识别、跟踪和外推， 给出雷电活动发展和移动的趋势预报。 并结合地面电场仪的实时观测，提供局部地区的雷电临近预报。
5
1) 探空资料和数值预报:大尺度潜势预报 2) 卫星、雷达、闪电定位和地面电场资料： 临近预报。
38
• Brandon Vincent和Lawrence Carey[2003] 对北卡罗莱那州中部地区的 50个雷暴个例进 行了研究：回波强度为 40dBz 、环境温度参 数为-10℃，和回波强度为40dBz、环境温度 参数为-15℃是预测云地闪最好的参数组合。 检验中，前一种预报组合的预报概率为 100% ，而后一种为 86% ，但后一种组合的 虚警率较前一种要低 7 个百分点。预警时间 分别为14.7分钟和11分钟。 • 根据检验评分的结果，认为40dBz回波达到10℃温度层结高度是预测云地闪最好的预报 因子。
36
全国天气雷达网
基于雷达拼图数据，可以进行更大范围的雷电预警
37
利用雷达资料进行雷电预警的方案
• Gremillion and Orville[1999]分析了39个途经 美国肯尼迪航天中心的雷暴后发现：对于夏季 雷暴，最好的预警指标是在 -10 ° C 温度高度 上两个连续的体扫都能达到40dBz的反射率阈 值。使用这种方法的预报准确率达到84%，虚 警率为7%，中值预警时间为7.5min。
15
神经网络算法
为了对网络进行训练，我们将所有的数据分为两组，每组122个事例，一 组用来训练网络，一组用做模拟预报。为了计算的方便，我们应用Matlab的神 经网络工具箱对输入数据进行训练，网络的初始权值是随机设置的，并将通 过训练数据优化这些权值，以求达到网络参数对数据最佳匹配的效果。 发现：潜在性稳定度指数；K 指数，抬升指数等六个因子具有很好的预报 功能
• Peterson, et. al.（1996）发现在24小时的对流有效位 能和24小时的地闪总数之间存在着一较弱的关联
17
单站探空资料的缺点
• 现有的方法主要是依据单站探空资资料，由于探空台 站网时空分辨率与雷暴尺度相比过大，所以很难将该 预报方法应用到广阔的地域。 • 利用中尺度数值天气预报模式的输出探空，可以用于 每个网格点来提供雷暴可能出现的区域以及这些区 域随时间演变的信息。这样，就有可能为日常业务预 报提供一个预警系统，使预报员们将临近预报的注意 力集中到强雷暴最可能发生的地区。
8
图 天气形势预报模块（吕伟涛，2006）
9
举例 （广州）
• “一种可业务化的雷电潜势预报方案”，梁巧倩，林良勋，广州 中心气象台，2008，气象科技 • 逐日计算2000～2003 年3 ～ 10 月的雷电, 选出共232个强雷暴个例。 对232例的500 hPa 、850 hPa 以及地面3 层天气形势场和影响系统 的分析结果表明,强雷电主要发生在西风槽、副热带高压和热带天 气系统影响下,大致可分为3 类共6 型,见下表 。
18
基于中尺度数值模式的预报
• 利用已有的数值预报模式的预报产品计算各个区域多种大 气不稳定参数等特征量，利用统计关系获得雷暴潜势预报 结果。 • NSSL(National Severe Storms Laboratory)用高时空分辨率的 RUCNWP模式输出，运用完全预报（Perfect Prognosis）逼 近方法和主分量分析，把模式给出的200个预报结果和闪
21
• 目前，雷暴云起电、放电模式模拟结果的应用是 比较简单的，模拟结果只要有闪电发生，就认为 0～12h 内200km×200km 范围内发生闪电的概率 为100%，否则概率为0。 • 可以预见，雷暴云起电、放电模式在雷电预警系 统中的应用前景是比较广的：积累比较多的个例， 对模拟结果和实际观测结果进行统计，可以给出 模式预测结果的准确率、误警率等指标，而不只 是目前简单给出有（100%）无（0）的预测结果。 • 目前只能模拟单体雷暴云的起电放电。
16
• Neumann使用800～600hpa平均相对湿度来预报闪电 活动的发生 • Solomon 和 Baker（1994）在研究新墨西哥州雷暴 时，使用了对流有效位能和抬升指数等因子，并发 现，当对流有效位能的值大于 400 时，可以较好的 预报闪电活动的发生，而抬升指数不是预报闪电活 动的关键因子
02:05
32
02:45
33
03:35
34
雷达资料
• 回波顶高、 回波强度、 回波体积 层结温度 等进行预警
35
• 探测循环时间短：通常的多普勒雷达两次体扫之 间的时间间隔只有5～6分钟。 • 目前，天气雷达在世界上许多国家都已建成观测 网络并投入了业务应用。因此利用多普勒雷达进 行雷电的预警预报是目前相关领域研究的重点。
24
中尺度模式和起电模式结合，有望提高精度
25
第三节 临近预报方法
• 区域识别、跟踪和外推算法（Area Identification, Tracking and Extrapolating Algorithm，AITEA）
26
定义区域
• 区域（Area）：有可能发生或已经发生闪电的区域。
• 雷达资料：指回波强度超过某个阈值的格点构成的区域；
6
第二节 0-12h潜势预警方法
• 基于天气形势的预报 • 基于探空资料的预报 • 基于数值模式的预报
7
基于天气形势的预报
• 针对特定地区各类型天气系统产生雷暴的个例 进行历史统计，得出某种天体系统产生雷暴的 概率，或根据预报经验进行人为的判定。如华 北地区产生强对流天气的基本形势主要有：冷 涡型、横槽型、涡前低槽型、阶梯槽型和西北 气流型等五种（寿绍文等，2002）。
低 对流性稳 定度指数
强不稳定 700hpa相 当位温
中
雷电发生概率：66％ 强度等级：中
14
雷电发生概率：50％ 强度等级：强
决策树算法
•利用决策树算法选择对流有效位能、对流性 稳定度指数和潜在性稳定度指数作为预报白 天雷电活动的条件属性
•选择700hPa 相当位温、潜在性稳定度指数和 800～600hPa平均相对湿度作为预报夜间雷暴 活动的条件属性。
10
基于探空资料的预报
• 电活动取决于微物理场和动力场的发展特征，而微物理场和动 力场的特征又主要取决于云启动区域的环境层结，所以环境温 湿层结参数与电活动特征之间有紧密的联系。
11
预报方法
• 对多种大气不稳定参数和闪电频数的关系进 行分析，挑选相关较好的参数或者参数组合 • 方法：统计、决策树、神经网络等 • 时空分辨率都很差
雷电综合预警预报方法
张其林
南京信息工程大学大气物理学院
• 国内外研究人员采用各种资料，对雷电的 临近预报方法进行了研究，主要手段：探 空、雷达、卫星、闪电定位、大气电场以 及数值模式产品
2
①
② ③ ④
显然，每种资料用于雷电预警都有其优势和不足，比如： 闪电定位资料的实时性很好，但预警提前时间有限，并且，地闪 定位资料通常比较离散，可造成外推得到的可能发生闪电的区域 的空间分辨率较粗； 地面电场资料的实时性很好，但其单站的预警区域范围有限，对 于移近的雷暴能够提前预警的时间也有限； 雷达资料的时空分辨率都比较好，但只有在降水粒子形成之后才 会有较强的回波，提前预警时间同样有限； 卫星资料的空间尺度很大，可达上千km，但目前能够得到的卫星 资料的时空分辨率较粗，在雷电临近预报中的作用还有限；等。 因此，多种资料配合使用，取长补短，可提高雷电活动预警 预报的准确性，增加提前预警时间。
13
CAMS_LDWS（吕伟涛，2006）
决策过程示例
对流有效位能
极高 潜在性稳 定度指数 强不稳定 700hpa相 当位温 高 对流性稳 定度指数 强不稳定 雷电发生概率：100％ 强度等级：强 中 对流性稳 定度指数 强不稳定
高 700hpa相 当位温
不稳定 对流性稳 定度指数
中 700hpa相 当位温
22
雷 暴 云 起 电 、 放 电 模 式 流 程 图
23
• 将中尺度数值预报模式和雷暴云起电、 放电模式相 耦合，可以对每个格点区域 内发生闪电的可能性进行模拟，能够提 高模拟结果的时空分辨率， 目前正在研 究。 随着探空技术的发展和加密探空的 实施，雷暴云起电、放电模式在雷电预 警中的作用也将越来越大。
• 卫星TBB 资料：指云顶亮温低于某个阈值的格点构成的 区域；
• 闪电定位资料：指有闪电发生的格点构成的区域。
• 各种资料在经过了预处理得到格点资料之后，还需要经 过二值化处理（符合条件的格点取值为1，否则为0）才 能利用AITEA 进行识别、跟踪和外推。
27
28
区 域 识 别 、 跟 踪 和 外 推 算 法 流 程 图
20
举例
• 可采用Micaps 提供的探空数据，包括各 层的气压、海拔、温度、露点温度、风向 和风速等。系统会根据用户设定的时间自 动获取之前 12h 之内的探空资料（每天 08:00 和20:00 两次），雷暴云起电、放 电模式模拟能够模拟得到在该探空的天气 条件下可能产生的云闪和地闪次数等特征。29雷达在雷电监测预警中的应用
能较好的观测云中粒子 的一些宏观特征，尤其 是双向偏振天气雷达能 够提供云内粒子的相态、 排列取向、空间分布和 尺度谱等细致信息，观 测精度高：具备了分辨 雷暴云的能力。 由于雷暴云内的起电与 其中的微物理过程息息 相关。
30
LR, MR, HR :Light, medium or heavy rain; LD : large drops; R/H : hail-rain mixture; GSH : graupel, small hail; HA : grêle ; DS, WS : dry or wet snow; IH, IV : horizontal or vertical ice crystals 31