基于中尺度数值模式快速循环系统的强对流天气分类概率预报试验.doc

【精品文档】如有侵权，请联系网站删除，仅供学习与交流基于中尺度数值模式快速循环系统的强对流天气分类概率预报试验.精品文档.基于中尺度数值模式快速循环系统的强对流天气分类概率预报试验 资助项目：行业专项项目京津冀城市群强对流天气短时临近预报关键技术研究(GYHY200706042)；国家支撑项目京津冀城市群高影响天气预报中的关键技术研究城市群高影响天气的特征和成因分析(2008BAC37B01)；中国气象局项目全国强对流预报专家团队建设。作者简介：雷蕾，主要从事短时临近天气预报及相关研究。Email:fyrd1234。投稿日期：2011-5-25雷蕾 孙继松 王国荣 郭锐LEI Lei SUN Jisong WANG Guorong GUO Rui北京市气象台，北京，100089Beijing Meteorological Observatory，Beijing 100089，ChinaLEI Lei，SUN Jisong，WANG Guorong，GUO Rui.2011. An experiment study of the summer convective weather Categorical Probability Forecast based on the rapid updated cycle system for the Beijing area (BJ-RUC).Abstract About the convective weather analyzed and distinguished in the summer of Beijing area, there are some researches have done before by using the conventional sounding data of 54511 station, the special sounding data constructed by microwave radiometer data as well as the wind profile data and the model forecast sounding data of the rapid updated cycle assimilation and forecast system for Beijing area (BJ-RUC). Now in this article, we discuss the experiment study of convective weather probability forecast and the categorical (such as short-time convective rainstorm and the hailstorm) probability forecast in Beijing area based on BJ-RUC meso-scaled model. The model basic elements are used to calculate many different thermal and physical parameters and then some convective weather characteristic indicators are being used. In this study at least four experiments were compared and the best of them are used to analyze three typical convective weathers in the summer of 2009 and 2010 in Beijing area. The experiments show that the probability forecast of the summer convective weather can be achieved, and there are also some successes of the categorical probability forecast based on BJ-RUC in the Beijing area.Keywords Conventional Sounding，BJ-RUC，Model Sounding，convective weather，Categorical Probability Forecast摘 要 在利用实况探空资料、微波辐射计和风廓线构建的特种探空资料对于北京地区强对流天气进行判别以及快速更新循环同化预报系统（BJ-RUC模式）探空资料可应用性分析的基础上，针对模式探空基本要素计算多种热力、动力、综合不稳定物理量，根据统计的强对流天气判别指标，计算模式格点上的强对流发生概率，并进一步针对冰雹（雷暴大风）和强对流短时暴雨天气下不同物理量的阈值范围，初步探索中尺度数值模式对于强对流天气分类预报的可能性。通过不同组合的预报方案进行的对比分析表明：利用北京地区中尺度数值模式快速循环系统（BJ-RUC）的格点探空资料进行强对流天气概率的预报是可以实现的，强对流天气的分类概率预报也存在一定的成功率。关 键 词 实况探空 BJ-RUC 模式探空 强对流 分类概率预报1 引 言强对流天气的预报及其发生机制在国内外科学家的研究中一直占有重要地位。一般认为，强对流天气是中尺度对流活动发生发展的直接结果。在中尺度对流活动中，热力不稳定、动力不稳定、水汽以及启动机制决定了对流发展的深厚程度以及伴随的不同天气现象。长期以来在研究和业务中通过探空资料计算得到的大量物理意义鲜明的对流参数，成为研究强对流天气的重要手段，它使我们能够更直接的分析强对流天气发生前的能量、热动力条件、层结的稳定度情况（彭治班等，2001；李耀东等，2004）。Stensrud等（1997），Hart等（1998）和Lee等（2000）的研究表明，利用数值模式输出参数的方法进行强对流天气的预报，可以有效地提高预报水平和预报时效，这使得对流参数的应用有了更大的发展空间。从这个意义上来说，相比大尺度模式，利用同化了大量本地探测资料、能有效模拟中尺度环境场的区域中尺度数值模式，计算得到的对流参数将有更为重要的作用，它不但能更准确的预报强对流时空分布, 而且还有可能预报强对流天气的类别。在前期研究的基础上（雷蕾等，2011；魏东等，2010；2011本条文献引用信息不明确a，b），本文利用BJ-RUC中尺度数值模式的格点探空资料，计算一系列相关物理参量，组合不同的预报方案进行强对流概率预报，并且进一步尝试了强对流天气的分类预报试验。2 BJ-RUC模式简介BJ-RUC系统是基于WRF模式和WRF三维变分同化系统建立起来的北京地区高分辨率快速循环同化预报业务系统。模式为三层嵌套，分别为27km、9km、3km，预报区域如图1(a)所示。垂直方向38层，模式层顶为50hPa。通过WRF三维变分同化系统每隔3h同化一次最新的常规或加密探空、地面观测、船舶/浮标观测资料以及北京地区稠密的局地观测资料。系统每天运行8次（00UTC、03UTC、06UTC、09UTC 等）。其中，12UTC为冷启动，其他时次为暖启动，每次预报时效为24小时，系统的运行流程如图1(b)所示。图1 BJ-RUC模式预报区域(a)及预报流程(b)Fig.1 Model domains (a) and flow diagram (b) of the Rapid Updated Cycling Analysis and Forecast System (BJ-RUC)3 研究背景3.1 基于实况常规探空资料判别强对流天气类别我们曾利用2007、2008两年5-9月的北京南郊观象台（54511站）每天2次（或4次）的实况探空资料对夏季强对流天气的类别（冰雹、雷暴大风、暴雨）进行过仔细的判别研究（雷蕾等，2011），发现由探空资料计算的众多物理量及其时间变量在冰雹（雷暴大风）和暴雨出现时存在显著的差异。如：0层高度、20层高度、500hPa和850hPa温差、逆温层高度、低空风切变等参量能够比较显著的区分冰雹和暴雨天气；此外850hPa的温度露点差、500hPa和850hPa的差、大气可降水量也是判断强对流类别的重要条件；对于时间变量来说，CAPE、DCAPE、K指数、500hPa和850hPa的差、大气可降水量、低层的垂直风切变等物理量的6小时变量也能比较好的甄别出冰雹（雷暴大风）和暴雨天气。上述研究结果表明，合理利用探空资料确定判别指标进行北京夏季强对流天气类别的判断是可能的。3.2 “特种”探空资料的引入及应用一般的，常规探空仅两次/日（或四次/日，夏季有两次加密探空），时空分辨率很低，对于提供强对流天气临近发生时较准确的信息存在明显不足，因此我们引入了高时间分辨率（逐6分钟间隔）的“特种”探空资料：它是将微波辐射计的温湿数据与风廓线仪的水平风数据相结合得到的，对它定量应用的可靠性、计算的物理量与实况常规探空计算的物理量都分别进行了详细的对比检验（魏东本条文献引用信息不明确等，2011a）。结果表明，特种探空的各要素与常规探空具有较一致的变化趋势，定性分析使用时可有效弥补常规探空时间分辨率低的不足。但是定量使用时需要对不同要素区别对待，如：特种探空的温度和经向风、纬向风的一致性好、误差较小，具有较好的定量使用价值。由于微波辐射计探测的相对湿度误差较大，造成特种探空的露点温度与常规探空的一致性较差、偏大明显，定量使用时需要订正等。由此可见，高时间分辨率的“特种”探空资料应用在强对流天气的发生、发展的预报过程中有一定的定性使用价值。但是它也存在明显的局限性虽然时间分辨率高，但本质上属于实况监测的范畴，并没有直接的预报意义，定量使用存在较大的误差。3.3 BJ-RUC模式探空的检验以及三种探空资料在强对流天气中的对比统计分析表明，BJ-RUC模式探空各要素和计算的物理参量，大多数情况下，在12小时时效内的预报误差较小（魏东等，2010），模式探空计算的各物理参数在强天气发生前后都有不同程度的表现（魏东本条文献引用信息不明确等，2011b），但是与特种探空资料及实况对比发现，模式预报的物理量的演变与实况有时存在一定的时间差，可能与模式的预报偏差或者不能准确描述某些中小尺度天气系统的发生发展过程有关。在强天气发生前后，模式探空表征的大气动力特征（如中低层垂直风切变）和大部分表征大气热力性质的物理参量有一致性变化趋势，但模式对潜热释放过程的描述能力明显不足，几乎不能描述强对流云团发展过程中对流层中上层强烈的增温过程。此外，从模式计算的物理量量值的时间序列与特种探空相比来看，其峰值和谷值偏大或偏小的程度也有相当大的不稳定性。总之，无论是实况探空、特种观测探空都存在很强的局限性：（1）探空是静态的，并不总是能很好地描述强对流酝酿过程中，各种物理参量的“动态”特征；特种探空虽然可以实现动态观测，但定量使用上还存在较大误差；（2）探空是单点的，无法实现细网格化预报属性，它只表现在判断某一区域强对流有、无（即0/1）预报上有重要意义。由于RUC本身不仅已经同化了探空资料，而且每3小时同化了本地的GPS水汽资料、部分飞机报资料、稠密的地面观测资料等等，理论上说，应该比单点探空更全面、水平分布上更合理。统计结果也表明，RUC模式探空与实际探空的一致性很强（魏东等，2010）。4 北京地区强对流天气潜势预报流程及预报方案设计基于中尺度数值模式进行强对流预报的前提条件是：（1）模式能够快速更新同化反映本地大气特征变化的最近时刻的多源观测资料；（2）模式能够基本描述对流中尺度系统在酝酿、发生阶段环境大气的热、动力学变化特征。通过前期的研究（魏东等，2010，2011本条文献引用信息不明确a，b），我们认为，北京市气象局的中尺度快速更新循环预报系统（BJ-RUC）在上述两个方面都体现出了较强的能力。鉴于此，我们开展了基于BJ-RUC模式的北京地区细网格化、快速更新的强对流天气及分类概率预报试验，设计了强对流天气及分类概率预报流程（如图2）。首先，利用BJ-RUC模式的第三层嵌套（3km）结果，在模式后处理模块中读取探空基本要素(温、压、湿、风)，计算多种热力、动力、综合不稳定物理量。第二，通过实况及模式统计的结果初步确定强对流判别指标。第三，设计预报方案，计算模式格点上的强对流发生概率；最后，进一步确定冰雹/雷暴大风（在模式中还没有足够的条件能将冰雹和雷暴大风区分开，因此将冰雹和雷暴大风初步都归于冰雹天气进行概率预报）和强对流短时暴雨天气下不同物理量的阈值，从而得出强对流分类天气的概率。图2 基于BJ-RUC模式的强对流天气及分类概率预报流程Fig.2 Flow diagram of the convective weather and categorical probability forecast based on BJ-RUC4.1 预报方案设计根据强对流天气和分类概率预报流程（图2），预报方案分为两步：首先对北京及其周边地区进行强对流天气概率预报：在大量统计分析的基础上，设计了物理量参数的阈值范围及其动态权重条件、3小时变量条件等进行概率计算。其次，对满足强对流发生条件（综合概率不小于50%）的格点，再分别设计满足短时暴雨和冰雹发生的条件继续进行天气分类概率计算。因此计算暴雨、冰雹的概率时需要用到强对流概率计算的参数，此部分参数为公共参数，此外，暴雨和冰雹又各有其特有的判别指标，称为特征物理量参数。概率计算方法：对单个格点而言，出现某类天气的概率为在该格点上满足预设条件的参数在所有参数中的比重。概率计算的方法有二分法计算和连续概率计算两种。所谓二分法即对物理量参数预先设定一个判别条件,凡是符合该条件的记为1，不符合的记为0。对所有参与计算的参数都进行上述判断计算，如果某个格点出现n次满足条件，则格点的概率为,n为格点上满足条件的参数个数，N为总参数的个数。研究结果已经表明，强对流天气（雷蕾等，2011）以及不同强对流现象在酝酿阶段，对不同的热、动力学参数表现出不同的敏感性，在设计阶段需要分配给每个参数有不同的权重，于是上述概率可以进一步表示为，为第i个参数的权重。但是，经过试验我们发现二分法计算存在计算结果高度依赖于判别条件的问题，以K指数为例，假设预设判别条件为K>30，此时如果两个相邻的格点，其K值分别为，则判断将出现强对流，不出现强对流。显然这种结果过于极端了，即存在“双重极端”问题。先前的统计结果也表明，出现强对流时对应的参数往往在一个区间范围内，如K指数在25,50范围内都能出强对流，但大部分强对流个例都要求K指数达到35以上，因此，单纯以K>25或K>35作为判别条件都存在上述“双重极端”问题。经过试验我们发现，连续概率计算方法能有效地缓解上述问题。对于某一个物理量参数首先确定强对流天气发生时其对应的值的区间，该区间的范围是通过大量的实际探空样本确定的。然后判断模式格点上的参数在该区间中的位置，模式探空得到的值有可能超出该区间的上限或下限，因此，当模式探空参量的值越接近区间极大值，其概率越大，相反越接近极小值的概率越小，大于等于极大值该物理量参数的权重为1，那么由此得出某一个物理量参数的权重即在0,1之间变化。同时，通过大量的组合实验，我们发现，在某个区间内（y1-c0）、（c0-y2）线性变化而在整个区间内（y1y2）非线性变化的“动态”权重计算方法预报效果更好。如图3，设置节点c0，并在计算程序中给其在（0,1）间相对合适的权重系数。这是由于发生强对流前，对应的各种物理参量大多数情况下是在某一个区间变化波动的（雷蕾等，2011），大量的实际个例统计得到的平均值实际上是与节点c0对应的，因此该区间附近的权重系数应该比所有区间（y1,y2）线性插值更大。因此，基于连续概率计算思想，我们在模式的后处理模块中加入物理量因子诊断模块，对于模式格点逐个进行阈值区间判断，统计每个格点上满足阈值条件的物理参量个数，形成样本库1；设定3小时变量条件，在样本库1中筛选出符合变量条件的样本，形成样本库2；最后对于选出的样本库2中的物理量参数给予动态权重。最后，符合条件的物理量因子个数与自身权重之积与所有入选的物理量因子个数的比值即为该格点上的强对流天气发生的概率。C0 is the control point of the segmented linear functionProbability图3 动态权重的计算Fig.3 diagram of the dynamic weight factor calculation其中： i 为第i个因子（物理量）的权重, fi为第i个因子（物理量）的概率对于每一个因子物理量，假设其值为Y0，给定阈值区间y1,y2，即可计算f。4.2 强对流天气判别因子已有研究结果表明，强对流能否发生发展主要与温度垂直梯度、水汽（垂直分布结构、水平输送）、垂直风切变和抬升机制有关，或者说与热力稳定度、动力稳定度和触发机制有关。在实际天气预报过程中，描述热力稳定度的物理参量有很多，如： CAPE，DCAPE，CIN，K指数，SI指数、SWEAT指数，500hPa与850hPa的差等温湿度组合参量，也有高低空温差，温度露点差及其垂直递减率等等分别描述温度、湿度分布的参量。上述参量之间存在很强的相关性，但是，它们之间的物理意义并不完全相同，没有一种参数能够“包打天下”，而且在不同的对流现象发生前，对它们的敏感程度、阀值区间及其随时间变化特征也不尽相同，这也是我们有可能进行强对流分类预报试验的物理基础（雷蕾等，2011）。我们在大量统计分析基础上，进行模式参数的多种组合试验，最终选定了以下物理量参数进入模式强对流天气预报方案。其中，描述热力稳定度的参量有CAPE，K指数，SWEAT指数，500hPa与850hPa差，SI指数，高低空温差，水汽条件参数有850hPa温度露点差以及850与500hPa温度露点差的垂直梯度；动力稳定度参数有低空风切变（包括风速切变、风向切变）、中高空风切变；强对流天气启动因子（造成气块抬升）包括高低空的辐散辐合，700hPa的垂直速度等（见表1）。由于不同强对流现象在其它大气环境上还存在明显差异，如0、-20层高度及其随时间的变化，南风层的厚度，水平风向转折等，因此在强对流天气的分类概率预报中还相应的设定了特征物理量参数（见表2、3）。表1中给出了第一步用来判别强对流概率的物理量参数区间、中值（即前面提到的分段线性控制点c0，而非区间的平均值，下同）以及中值的动态权重、物理量本身的权重系数；表2和表3是在表1判别结果的基础上给出分类概率预报的物理量条件、相应的中值以及中值的动态权重、物理量本身的权重。需要指出的是，在分类概率预报中所用到的和第一步强对流概率计算同样设置的公共参数表2和表3不再列出，但如果涉及的参数相同，而阈值或中值（包括中值的动态权重）、物理量本身权重有一项设定不同则列于表2、3中，重新进入模式进行判断计算。此外，在分类概率预报中，经过试验发现参数的区间和中值如果不变，仅改变中值的动态权重和物理量参数的权重即可达到不同的预报结果，而且判别计算也变得比较简单，因此表2和表3中同样的参数在这两个条件上有所变化。表1 基于连续概率方法的强对流概率预报中选取的物理量参数及时间变量Table1 the physical parameters used in the convective weather probability forecast物理量条件区 间中值及中值权重物理量权重备 注CAPE300,2000800（0.8）1对流有效位能KI25,4035（0.7）4K指数SWEAT100,320250（0.75）2强天气威胁指数SI-2.5,2.50（0.75）2沙氏指数风速切变L2,86（0.4）11000700hpa风切变风速切变H2,63（0.5）1700500hpa风切变风向切变L1/01/01低空是否存在风向切变风向切变H1/01/01高空是否存在风向切变T-25,-35-28（0.75）2500-850hPa温差thetase-20,0-5（0.75）2500hPa与850hPase的差(T-TD)8502,106（0.75）4850hPa温度露点差(T-Td)0,105（0.75）3(T-Td)850hPa与500hPa的差DIV850-1.5,10（0.75）1850hPa的散度DIV300-1,20（0.75）1300hPa的散度W7000,21（0.7）1700hPa垂直速度3小时变量条件区 间中值及中值权重物理量权重备 注KI0,155（0.8）4K指数增加风切变H0,52（0.7）3700500hpa风切变增大(T-TD)850-2,-6-3（0.75）2850hPa温度露点差减小SI-2,-8-4（0.75）2沙氏指数减小SWEAT100,300150（0.85）2强天气威胁指数增大表2 短时暴雨概率预报中选取的物理量参数/时间变量及特征量（与表1中相同的公共参数没有列出）Table2 the physical parameters used in the short-time rainstorm probability forecast (the common parameters in table 1 are not listed)物理量条件区 间中值及中值权重物理量权重备 注CAPE300,20001000（0.8）1对流有效位能KI25,4035（0.65）4K指数SI-2.5,2.50（0.6）2沙氏指数T-25,-35-28（0.7）2500-850hPathetase-20,0-5（0.7）2500-850hPa(T-TD)8502,103（0.85）4850hPa的温度露点差3小时变量条件区 间中值及中值权重物理量权重备 注(T-TD)850-2,-6-3（0.7）2850hPa温度露点差减小SI-2,-8-4（0.7）2沙氏指数减小SWEAT100,300150（0.8）2强天气威胁指数增大特征量取 值中值及中值权重物理量权重备 注V7001/0/0.8700hPa南风为1V8501/0/0.8850hPa南风为1(T-TD)5001/0/0.8高层增湿(T-TD)8501/0/0.8低层增湿Rain31/0/0.8*4格点3小时预报雨量>6mmV8501/0/0.8850hPa东风或南风增强Z0>3800/0.80度层高度Z-20>7000/0.8-20度层高度表3 冰雹概率预报中选取的物理量参数/时间变量及特征量（与表1中相同的公共参数没有列出）Table3 the physical parameters used in the hailstorm probability forecast (the common parameters with table 1 are not listed)物理量条件区 间中值及中值权重物理量权重备 注CAPE300,20001000（0.65）1对流有效位能KI25,4035（0.55）3K指数SI-2.5,2.50（0.6）2沙氏指数T-25,-35-28（0.6）2500与850hPa温差thetase-20,0-5（0.65）2500与850hPa差(T-TD)8502,106（0.6）4850hPa的温度露点差(T-Td)0,106（0.6）3(T-Td)850与500hPa差SWEAT100,320250（0.55）2强天气威胁指数-1.5,10（0.65）1850hPa散度DIV300-1,20（0.65）1300hPa散度W7000,21（0.65）1700hPa垂直速度3小时变量条件区 间中值及中值权重物理量权重备 注KI0,155（0.5）3K指数增大风切变H0,52（0.6）31000700hpa风速切变(T-TD)850-2,-6-3（0.6）2850hPa温度露点差减小SI-2,-8-4（0.6）2沙氏指数减小SWEAT100,300180（0.5）2强天气威胁指数增大特征量取 值中值及中值权重物理量权重备 注Z01/0/0.70度层高度是否在3500,4500之间Z-201/0/0.7-20度层高度是否在6500,8200之间逆温层1/0/0.7700hPa以下是否有逆温V5001/0/0.7500hPa为北风hgt01/0/0.70度层高度降低层高度降低P01/0/0.7地面加压5 强对流天气过程预报试验以下是我们以最终试验方案进行的三次天气过程模拟预报结果分析。5.1 短时强对流降水过程2010年6月13，受冷空气和低层辐合系统的共同影响，傍晚到夜间北京出现雷阵雨天气，主要降水时段在18-21时，有17站出现大于20mm/h的降水，主要出现在昌平、大兴、房山、海淀、门头沟、平谷、石景山和怀柔地区。13日19-21时实况雷达回波显示有一条长宽比约3:1的强对流带状回波自西北向东南方向移动影响北京地区，窄带中心强度可达60dbz以上，如图4.1。可以看到此带状回波给北京西部山区以及山前的平原地区都带来了一次明显的降水过程，局地小时雨在20-30mm左右。BJ-RUC模式13日11时起报的19-21时-20度层上的雷达反射率因子预报如图4.2 a1,a2,a3，而相应的强对流天气概率预报结果如图4.2 b1,b2,b3。由于概率预报的物理量计算是基于BJ-RUC模式的，两者从形态上看来相似度较大，但从两者分别和实况对比可以看出，BJ-RUC模式本身预报的带状回波（dbz）虽然分布形态与实况雷达回波较为一致，但是，其中心落区和实况有一定的差异，在19时至20时中心位置有一些偏东，21时向西部山区调整却又漏报了东南部地区。而仔细对比不难看出，强对流概率预报方案预报的较大概率发生位置（图4.2 b1,b2,b3）较BJ-RUC的预报结果有一些调整，60%以上概率的中心与实况雷达回波强对流回波中心以及雨量中心都有很好的对应。在此基础上，我们又给出了短时强降水预报概率，如图4.3。从结果看来比强对流概率预报的结果（图4.2 b1,b2,b3）范围更进一步集中，中心更加突出，强降水预报结果还是比较理想的。bca 图4.1 2010年6月13日雷达回波（a-19时，b-20时，c-21时，北京时）（单位：dbz）Fig.4.1 the radar reflectivity factor of Beijing on Jun. 13th, 2010 (a-19:00BT, b-20:00BT, c-21:00BT)a1a2a3 b2b3b1图4.2 2010年6月13日BJ-RUC模式11时起报的（-20度层上的）反射率因子（单位：dbz） (a1,a2,a3)以及强对流天气概率预报对比(b1,b2,b3)（a1,b1-19时，a2,b2-20时，a3,b3-21时，北京时）Fig.4.2 the radar reflective factor (at -20 degree) (a1,a2,a3) and the convective weather probability forecast(b1,b2,b3) initiating at 03:00UTC of the BJ-RUC on Jun. 13th,2010 (a1,b1-19:00BT,a2,b2-20；00BT,a3,b3-21：00BT)cab图4.3 2010年6月13日BJ-RUC模式11时起报的短时强降水概率预报（a-19时，b-20时，c-21时，北京时）Fig.4.3 the short-time rainstorm probability forecast initiating at 03:00UTC of the BJ-RUC on Jun. 13th, 2010(a-19:00BT, b-20:00BT, c-21:00BT)5.2 局地强对流短时暴雨过程2010年7月11日，受东北低涡系统影响，11日04-08时、11日19时-12日00时有27个站出现大于20mm/h降水，3个站出现大于50mm/3h的局地短时暴雨，暴雨区位于北京的怀柔、密云、平谷等北部区县。从实况雷达回波可以看出在东北冷涡系统的影响下，回波呈块状单体结构，强度也较强，中心可达55dbz以上，回波由正北方向进入北京地区，沿北京东部地区向南移动，依次影响了怀柔、密云、平谷等地。因此在这些地区都有比较明显的降水产生（图5.1a1,a2,a3;b1,b2,b3）。而BJ-RUC在20-22时均没有预报出北京北部的短时强对流天气（图5.1c1,c2,c3）。从基于同一时刻的BJ-RUC模式的强对流天气概率预报以及短时强降水概率的结果来看(图5.2)，预报时次较实况滞后了约3个小时，这可能与数值预报模式对天气系统预报偏慢有关，但从强对流天气发生发展的区域来看与实况还是比较吻合的，主要落区与实况基本一致，主要发生北京的北部、东北部地区。分类预报结果显示，本次局地强对流天气过程主要以短时暴雨的方式出现，总体而言，强度预报的略偏弱，发生短时暴雨的概率的最大值在65%左右。从对BJ-RUC模式长期应用来看，预报结果偏弱可能与模式本身对于这种局地的强对流把握要稍差于区域性的对流性降水天气有关。a3a22a1a1 b2b3b1 c3c1c2 图5.1 2010年7月11日实况雷达回波（a1,a2,a3）、实况小时雨量（b1,b2,b3）及BJ-RUC模式11时起报的（-20度层上的）dbz（c1,c2,c3）（a1,b1,c1-20时，a2,b2,c2-21时，a3,b3,c3-22时，北京时）Fig.5.1 the radar reflectivity factor (a1,a2,a3), 1h precipitation (b1,b2,b3), and the radar reflectivity factor (at -20 degree) initiating at 03:00UTC of the BJ-RUC (c1,c2,c3) on Jul. 11th, 2010 (a1,b1,c1-20:00BT，a2,b2,c2-21:00BT，a3,b3,c3-22:00BT)b3b2b1a3a2a1图5.2 2010年7月11日BJ-RUC模式11时起报的强对流概率(a1,a2,a3)以及短时强降水概率预报(b1,b2,b3)（a1,b1-23时，a2,b2-00时，a3,b3-01时，北京时）Fig 5.2 the convective weather probability forecast (a1, a2, a3) and the short-time rainstorm probability forecast (b1, b2, b3) initiating at 03:00UTC of BJ-RUC on Jul. 11th, 2010 (a1, b1-23:00BT，a2, b2-00:00BT，a3, b3-01:00BT)5.3 短时强降水、冰雹和雷暴大风混合型强对流过程2009年7月22日，受高空弱冷空气、850hPa切变线以及地面辐合区的共同影响，北京自北向南出现了一次强雷阵雨过程，延庆、怀柔、密云、平谷、顺义、朝阳、通州境内共有33个站出现大于20mm/h的短时强降水。佛爷顶15:24-15:28（北京时）、怀柔16:04-16:14（北京时）、通州17:33-17:41（北京时）出现冰雹。从图6.1实况雷达回波的演变可以看出，此次过程雷暴云团发展非常强盛，初始时期先是从单体雷暴开始影响北京的延庆和怀柔地区，强度可达60dbz以上，随后单体雷暴逐渐发展壮大演变成对流复合体沿着北北西-南南东的路径影响北京的城区以及东部大部分地区。影响时间长达6个小时以上，中心强度一直维持在55-65dbz，是一次大范围的强雷暴活动，造成局地30mm/h以上的强降水外并伴随着冰雹和雷暴大风现象。从基于BJ-RUC数值模式的三种概率预报结果与实况对比来看（如图6.2），15时预报的强对流出现区域范围要明显大于实况实际发生地区，北京西南部大部分地区为虚警区。随着模式的调整，预报结果逐渐向实况接近，16-17时预报结果良好，预报强对流的发展演变趋势都与实况相似。但是总体看来，模式预报的过程发展较快，结束时间早，18时之后强对流发生概率大的地区就已经移动到了北京的东南部至天津一带，而实际上，北京东南部地区依然存在强烈的对流现象。从分类概率预报结果来看，短时强降水的概率（图6.2b1,b2,b3）仍然与强对流概率结果（图6.2a1,a2,a3）总体接近，也就是说，对于以短时强降水为主的强对流天气，两者差异很小，也就是说，强降水过程是本次强对流过程的主要表现方式。从冰雹概率预报结果（图6.2c1,c2,c3）来看，预报的强度和