基于葵花-8衛星寧夏暴雨監測預警指標研究

張曉茹，李映春，紀曉玲，邵 建

（1.中國氣象局旱區特色農業氣象災害監測預警與風險管理重點實驗室，寧夏 銀川 750002；2.寧夏氣象防災減災重點實驗室，寧夏 銀川 750002；3.寧夏氣象臺，寧夏 銀川 750002；4.天水市氣象局，甘肅 天水 741000；5.銀川市氣象局，寧夏 銀川 750002）

寧夏地處黃河中上游及沙漠與黃土高原的交接地帶，地形復雜，暴雨時空分布極不均勻。寧夏暴雨最早出現在5月中旬，最遲結束在9月中旬，具有落點分散、時間短、強度大和局地性強等特點，常常引發山體滑坡、泥石流、山洪暴發和城市內澇等氣象災害，對國民經濟和人民生命財產有很大影響[1-2]。暴雨往往因中小尺度對流系統引發，其監測預警一直是寧夏氣象部門汛期服務的工作重點及難點。靜止氣象衛星因高時空分辨率，可作為識別大氣中正在發生的動力和熱力過程的有效指標，是中小尺度對流天氣的重要監測工具[3-6]。因此，開展基于衛星觀測資料的暴雨研究，對加強暴雨監測預警能力及防患暴雨危害極具必要性。

目前，利用衛星資料在暴雨監測、分析及預報等方面已有了大量研究，且取得了明顯進展。衛星資料及產品的應用促使暴雨云團研究成果顯著[6-7]，且對暴雨天氣的臨近預報具有較好的指示意義[8]。若衛星云圖監測到云頂亮溫（TBB）在228 K以下的對流云團，且云團處于對流云向暴雨云發展階段，當云體發展迅速且出現異常色彩時，要密切跟蹤觀測并及時做出暴雨預警[8]。通常而言，強降水區與TBB低值中心前部梯度最大區域基本一致[9-10]，即強降水易出現在TBB冷核擴張區域，雨強隨冷核區的加強而增大但不完全與TBB成正比[11]，降水量的變化幅度明顯大于TBB的變化[6]。同時，基于衛星云圖資料建立的暴雨天氣概念模型和短時暴雨概率預報方法對暴雨實時預報也有一定指導作用[8，12]。此外，資料同化和數值模擬的相關研究也表明衛星資料能提高暴雨（包括臺風暴雨和致洪暴雨）的模擬能力和預測預報精度，尤其葵花-8衛星資料[13-21]。

葵花-8（Himawari-8，H8）為第三代靜止氣象衛星，搭載的先進葵花成像儀（Advanced Himawari Imager，AHI）具有高時空分辨率的特點，在10 min內能完成全盤掃描，紅外通道空間分辨率可達2 km，能綜合反映強天氣系統的空間分布和發展演變，對暴雨對流強弱的變化具有持續觀測性[22-23]。此外，H8衛星在監測暴雨對流云團方面具有明顯的時間優勢，其較FY-2衛星平均提前23 min發現對流云團，較雷達平均提前33 min，其應用可進一步提高暴雨的臨近預報準確率[6]。本文利用H8衛星紅外通道資料，結合地面降水觀測數據，對寧夏2017年5—9月的暴雨天氣過程進行分析，探討暴雨對流云團的定量化特征和暴雨監測預警的有效指標，旨在為寧夏地區暴雨的識別、監測、臨近預報預警提供有力的科學依據。

1 資料和方法

1.1 暴雨標準定義

寧夏暴雨標準定義為每1 h降雨量16 mm以上，或連續12 h降雨量30 mm以上，或連續24 h降雨量50 mm以上的降水[1]。為便于分析，本文結合以往研究[24]主要定義兩種暴雨，即短時暴雨和常規暴雨，其中，短時暴雨標準為1 h降雨量≥16 mm；常規暴雨標準為24 h累計降雨量≥50 mm（以北京時間08：00為界，不管該日有幾個時段出現降水）。本地實際預報業務中，當同一縣2個或以上自動站同時出現暴雨時為單站暴雨，而相鄰2個或以上縣出現3個或以上自動站同時達暴雨標準時，則為區域性暴雨。因此，在短時和常規暴雨基礎上再進行單站和區域性暴雨區分，即本文所研究暴雨過程共計4種，為短時單站暴雨、短時區域性暴雨、常規單站暴雨和常規區域性暴雨。需要注意的是，當某次降水同時滿足短時暴雨和常規暴雨標準時，各暴雨過程均記錄一例。

1.2 資料處理說明

本文所用資料包括2017年5—9月寧夏CIMISS數據庫中逐10 min自動氣象站降水資料和國家信息通信技術研究所（National Institute of Information and Communications Technology，NICT）存儲的葵花-8 B13通道數據（下載網址為https：//seg-web.nict.go.jp），其時、空分辨率為10 min、2 km，中心波長為10.4μm。資料選取范圍為35.01°~39.6°N，104.1°~107.77°E。

地面降水資料首先根據天氣實況記錄去錯值，再從已訂正的降水數據中根據暴雨標準篩選出暴雨過程（共59例），并確定每例過程實況達到暴雨標準的初始時刻、主要降水區域及雨量站點，從而提取最大降水量作為降水真實值，同時結合寧夏2017年5—9月重大天氣過程進行針對性判別。衛星資料處理具體分為三步：第一步使用“亮溫閾值法”識別提取暴雨發生初始時刻前1 h對應降水區域的強對流云團信息，參考前人研究[8]及個例回帶檢驗，本文的亮溫閾值設為228 K，共識別出42例暴雨過程，其中短時暴雨和常規暴雨分別為30和12例，識別率較高（71.2%），表明該值能識別出大部分暴雨過程中的強對流云團，可作為寧夏暴雨過程強對流云團識別閾值；第二步使用較為成熟的“逆向搜索法”對強對流云團邊界進行識別；第三步提取計算衛星云團特征參數，進而結合降水量判斷暴雨監測預警的有效指標。

1.3 云團特征參數計算

本研究提取計算的云團特征參數包括：

（1）平均云頂亮溫（TBBavg）和最低云頂亮溫（TBBmin）。云頂亮溫能反映云團降水強弱，其低值中心往往對應對流系統上沖云頂位置。TBB越低，云頂越高[25]。

（2）亮溫梯度（G）。亮溫梯度體現了云團內部對流活躍程度。一般梯度越大，表明云體紋理越豐富，對流越旺盛[26]。本文采用3×3像素寬度來計算G，其表達式如下：

其中，T為云頂亮溫，i、j為像素坐標。強降水通常出現在云頂亮溫梯度最大處[9-10，27-28]，因此本文采用對流云團最大亮溫梯度代表過程最終梯度值。

（3）冷云面積（Acc）。云團內部較低亮溫區域的大小能反映對流的發展程度[25]。本文冷云面積采用亮溫≤228 K的強對流云團內所含象素點的總數來表征。

（4）云頂降溫率（CTC）。對流云團云頂溫度隨時間的降低速率是云頂升高、變冷，空氣垂直上升運動加強的間接表示，可用于表征對流加強的程度[29]。本文采用1 h內對流云團最低亮溫的下降值來表征降溫率。

2 寧夏暴雨特征

根據暴雨標準，2017年5—9月寧夏共統計提取暴雨過程59例，其中，短時暴雨42例，占總過程的71.2%，表明寧夏暴雨過程多呈現時間短、對流性強等特征。短時暴雨又有局地性強的特點，表現為以單站短時暴雨居多（占總過程40.7%），且多發生在寧夏南部山區，這和南部山區受地形抬升影響明顯，且這些地區日照充分，地面水汽充足，當高層有干冷空氣入侵時，與低層暖濕氣流易形成“高干冷、低暖濕”配置，不穩定能量增強，有利于對流的發展加強[1]。17例常規暴雨中單站和區域性暴雨發生次數相當（表1）。此外，寧夏暴雨過程降水量較大且分布范圍較廣，其中，短時暴雨降水量為16.9~61.9 mm，平均值為35.6 mm，常規暴雨降水量為31.6~114.8 mm，平均值為71.8 mm。無論是短時暴雨還是常規暴雨，降水量都呈現出區域性暴雨均值高于單站暴雨均值的特點（表1）。

表1 寧夏各類暴雨過程降水量均值及出現次數

3 對流云團特征參數分布

寧夏各類暴雨過程對應的TBB值較小，且TBBmin分布范圍均廣于TBBavg，其中，TBBmin為199~227 K，均值為217 K，而TBBavg為213~228 K，均值為224 K（表2），無論單站暴雨還是區域性暴雨，常規暴雨過程TBBavg和TBBmin的均值極接近短時暴雨過程，但無論短時暴雨還是常規暴雨，區域性暴雨過程TBBavg和TBBmin的均值（分別為221和211 K）明顯小于單站暴雨過程均值（分別為226和223 K）。一般TBB越低，云體發展越強，暴雨落區越廣。

亮溫梯度在寧夏暴雨過程中的分布范圍較廣（4~50℃/km），均值為23℃/km。通常亮溫梯度越大，云體起伏越明顯，對流天氣越強烈。區域性暴雨過程的亮溫梯度均值≥30℃/km，明顯高出單站暴雨過程均值（14℃/km），且其又以常規區域性過程均值最高（32℃/km），與各類暴雨過程降水量的分布特征相似（表2）。此外，不同于TBB，單站暴雨過程中，短時暴雨的梯度均值超過常規暴雨均值（6℃/km），表明亮溫梯度在區分局地暴雨時有較好的辨識力。

寧夏暴雨過程對應的冷云面積分布范圍極廣，為2.7×101~5.7×104km2。不同暴雨過程冷云面積分布特征明顯（表2），表現為區域性暴雨過程的冷云面積均值＞9.0×103km2，超過單站暴雨過程均值（＜5.0×102km2）數10倍。和其他云團特征參數有所不同，短時區域性暴雨過程冷云面積均值最大，約為常規區域性暴雨均值的1.9倍，表明冷云面積可以更好地用于識別區域性暴雨類型，當對流發展強烈、冷云面積迅速擴張時，區域性短時暴雨發生的可能性極高。

表2 寧夏各類暴雨過程云團特征參數均值

寧夏各類暴雨過程中的對流云團降溫率最大為36℃/h，最小僅為6℃/h，平均值為13℃/h。降溫率在各類暴雨過程中的差異相對較小，單站暴雨過程降溫率均值為10℃/h（表2），稍低于區域性暴雨過程（降溫率均值為17℃/h）。雖然該云團參數表現特征稍弱，但其分布規律相似于亮溫梯度，均以常規區域性暴雨過程均值最高，常規單站暴雨過程均值最低，和降水量對應較好。

4 暴雨過程降水量與云團特征參數的關系

4.1 短時單站暴雨過程降水量與云團特征參數關系

識別出的16例短時單站暴雨過程中，小時最大降水量為16.9~48.8 mm，降水均值為33.1 mm。降水量與云團特征參數的關系不盡相同，主要表現為：平均亮溫為225~228 K，隨降水量的增大無明顯變化，始終在均值226 K附近小幅度變動（圖1a）；最低亮溫特征較平均亮溫稍明顯，降水量隨亮溫減小而增大，兩者呈弱負相關，此外，當小時雨強＜30 mm時，最低亮溫始終＞221 K（圖1a）；亮溫梯度分布范圍較廣（5~38℃/km），但大部分在10~25℃/km（均值為17℃/km），當小時雨強＜30 mm時，降水量與之呈正相關，而當小時雨強＞40 mm時則反之，降水量為30~40 mm的暴雨過程較少，亮溫梯度變化不大（圖1b）；冷云面積在該類暴雨中普遍較小（2.7~710 km2），均值僅為270 km2，和降水量無明顯關系（圖1c）；降溫率與降水量的相關特征雖相似于亮溫梯度，但相關系數更高，為0.538，且小時雨強＜30 mm時，兩者雖呈正相關，但大多數值仍集中于6℃/h（圖1d）。

圖1 寧夏短時單站暴雨過程云團特征參數與降水量關系

4.2 短時區域性暴雨過程降水量與云團特征參數關系

識別出的14例短時區域性暴雨過程中，小時最大降水量為20.8~61.9 mm，降水均值為38.4 mm。與短時單站過程相比，該類過程降水量稍高，云頂亮溫顯著偏低，亮溫梯度、冷云面積和降溫率明顯偏高，且云團參數與降水量的相關性也普遍較好。該類暴雨過程平均亮溫為216~224 K，與降水量中等相關（相關系數為0.569），當降水量＜30 mm時，平均亮溫隨降水量有微弱增加趨勢，而當降水量＞30 mm時，其與降水量負相關且降幅較大（圖2a）；最低亮溫為199~219 K，與降水量的關系特征相似于平均亮溫，此外，當降水量增加時，該類暴雨的最低亮溫降幅較短時單站過程偏大（圖2a）；亮溫梯度為17~50℃/km，與降水量中等正相關（相關系數為0.565），且當降水量＞30 mm時，亮溫梯度隨雨量的增加幅度顯著增大（圖2b）；冷云面積分布極廣（1.2×103~5.7×104km2），但大多數個例對應的冷云面積均＜2.0×104km2（均值為1.7×104km2），與降水量無相關性（圖2c）；除少數個例外，降溫率普遍＜20℃/h，均值為15℃/h，且不同于短時單站過程，該類暴雨的降溫率始終與降水量呈弱正相關（圖2d，相關系數為0.427）。

圖2 寧夏短時區域性暴雨過程云團特征參數與降水量關系

4.3 常規單站暴雨過程降水量與云團特征參數關系

識別出的常規單站暴雨過程只有5例，最大累計降水量為31.6~89.0 mm，降水均值為59.2 mm。大部分云團特征參數在該類暴雨過程中與降水量的相關性較弱。平均亮溫為223~227 K，變動較小，均值為225 K（圖3a），最低亮溫分布范圍較之稍廣（218~226 K），均值為223 K（圖3a），云頂亮溫均值雖與短時單站暴雨過程的均值相近，但與降水量的關系并未呈現明顯規律；該類暴雨的亮溫梯度普遍為10~16℃/km，顯著小于其他暴雨過程，當降水量＞50 mm時，其與降水量正相關明顯（圖3b）；與短時單站暴雨相似，該類暴雨中云體發展較弱，冷云面積始終＜8.0×102km2，其均值雖稍高于短時單站過程，但與降水量也無相關性（圖3c）；降溫率為6~18℃/h，與降水量呈強相關（相關系數為0.991），且與亮溫梯度相似，當降水量＞50 mm時，降溫率與降水量正相關趨勢顯著（圖3d）。

圖3 寧夏常規單站暴雨過程云團特征參數與降水量關系

4.4 常規區域性暴雨過程降水量與云團特征參數關系

常規區域性暴雨過程累計降水量最大，分布范圍為64.4~114.8 mm。識別出的7例暴雨過程中有4例降水量接近均值80.8 mm，云團特征參數在該值處波動較大，且無明顯分布規律，但整體來看，該類暴雨過程的大部分云團特征參數仍對降水量具有指示意義：平均亮溫和最低亮溫均值分別為221和211 K，兩者與降水量均呈弱相關，當降水量＜85 mm時，亮溫隨降水量的增加呈微弱減小趨勢；亮溫梯度為15~50℃/km，均值為32℃/km，在四類暴雨過程中最大，與降水量呈中等相關，當降水量＜85 mm時，亮溫梯度隨降水量的增加而增大；與短時區域性過程相比，常規區域性暴雨的冷云面積較小，分布范圍較窄（2.2×103~2.7×104km2），且大多數個例的冷云面積小于均值9.1×103km2，此外，不同于其他3類暴雨，該類暴雨的冷云面積與降水量呈中等正相關；降溫率在該類暴雨中普遍低于18℃/h，其均值雖大于其他暴雨過程，但與降水量卻無明顯相關性。

5 結論

基于葵花-8衛星紅外通道資料和地面降水觀測數據，對2017年5—9月寧夏四類暴雨過程（短時單站暴雨、短時區域性暴雨、常規單站暴雨和常規區域性暴雨）進行云團識別、特征參數（云頂平均亮溫、最低亮溫、亮溫梯度、冷云面積和降溫率）計算及監測預警指標分析，主要結論如下：

（1）寧夏暴雨以短時單站暴雨過程居多，降水均值具有常規暴雨高于短時暴雨，區域性暴雨高于單站暴雨的特點。暴雨發生時對流云團都呈現云頂亮溫顯著較低，冷云面積擴大，亮溫梯度和降溫率增加的特征。

（2）亮溫閾值228 K可以較準確地識別寧夏暴雨過程中的強對流云團，識別率為71.2%。基于云團識別基礎上計算的寧夏暴雨的平均亮溫和最低亮溫分別為213~228 K和199~227 K，亮溫梯度為4~50℃/km，冷云面積為2.7 km2~5.7×104km2，降溫率為6~36℃/h。各參數分布范圍在不同類暴雨過程中均有不同程度的收縮。

（3）云團特征參數在不同類暴雨過程中有較明顯的表現特征。短時暴雨的云團參數（除冷云面積外）與常規暴雨差異普遍較小，而區域性暴雨的云頂亮溫較單站暴雨明顯偏小，亮溫梯度、冷云面積和降溫率偏高。除冷云面積外，云團特征參數與降水量相關性較好。云頂亮溫和冷云面積的結合使用在暴雨類型識別方面具有顯著優勢，而亮溫梯度和降溫率對降水量的預估更具指示意義。

（4）各云團參數在不同降水量級中的表現差異較明顯，利用其監測預警暴雨時，應關注其與累計降水量的關系，尤其當降水量累計達30、40、50和85 mm時，需注意云團參數變化趨勢，當其出現異常或突變時，應加強監測，及時考慮降水量持續增加的可能性。