數值天氣產品CP變化率對短時大風的預警

簡 俊， 余民軍， 石明亮， 陳金海

(1. 大連海事大學 航海學院， 遼寧 大連 116026； 2. 集美大學 a. 航海學院；b. 船舶輔助導航技術國家地方聯合工程研究中心， 福建 廈門 361021)

在氣象學上，強對流天氣是指發生在中小型尺度的天氣系統中的天氣，水平尺度一般小于200 km，具有發生突然、移動迅速和破壞力強等特點。[1]強對流天氣出現時，常伴有雷暴、短時大風和冰雹等現象。[2]短時大風具有時空尺度小、發展速度快和持續時間短等特點，預測難度較大，是世界性難題。近年來，已發生多起由短時大風導致的中小型船舶事故，造成重大人員傷亡，航運界對其短時預報預警有迫切需要。

降水類型包括大尺度降水(Large-Scale Precipitation，LSP)和對流降水(Convective Precipitation，CP)。LSP一般是由層狀云穩定抬升造成的，往往不伴隨短時大風；CP在大氣層結不穩定條件比較適合時，如遇到低層切變線、低壓等觸發機制，常伴有短時大風。

2015年6月1日21：00—22：00時，“東方之星”輪受湖北監利縣的小尺度強對流伴隨大風天氣的影響，在大馬洲水道瞬間翻沉，造成442人遇難。[3]國務院調查組對該事故調查得出的結論是，“這是一次突發、罕見的強對流天氣帶來的強風暴雨襲擊導致的特別重大災難性事件”。[4]2018年6月13日，青島港出現12級暴風雨天氣并伴有冰雹，導致現場兩名人員受傷，造成直接經濟損失將近2億元。2018年7月5日，泰國普吉島附近海域突遇特大暴風雨，導致游船傾覆，47名中國游客喪生。[5]

這3起事故的外部誘因都是突發惡劣的強對流天氣，并伴隨短時大風，其危害極大，因此提升預報預警能力尤為重要。我國學者對此開展了很多研究。例如：肖高翔[6]針對強對流天氣監測預報預警工作中存在的問題，對技術的進展和發展前景作簡要分析；張小玲等[7]指出我國已初步實現對雷暴、短時強降水、雷暴大風和冰雹的監測預警及72 h內的潛勢預報，但對龍卷等小尺度強對流天氣尚不具備監測和預警能力；尤煥苓等[8]和程宏林等[9]闡述包括強對流天氣在內的幾種主要氣象要素對水上交通的危害，并提出相應的預防對策；毛以偉[10]回顧“東方之星”輪傾覆事件中的氣象服務工作，指出“目前的預警技術無法對局地性很強的風力做出精確預警，為彌補預警技術不足，強化服務技巧很有必要”；劉大剛等[11]通過深入調研指出,國內海事氣象保障服務存在著精細化程度不夠、缺乏深度開發和可視化服務產品等問題。

目前，用于監測預警強對流天氣的雷達數據和數值預報模式產品還不具備對小于網格時間空間尺度的強對流天氣(特別是短時大風)進行預報的能力。本文通過探索數值預報產品中的不同變量與導致重大海事事故的短時大風之間的關系，試圖間接預警短時大風。

1 資料與分析方法

1.1 預報資料

數值天氣預報是一種預測未來一定時段內的大氣運動狀態和天氣現象的方法，目前已被很多國家采用。本文采用的預報資料來自于可靠性較高的歐洲中期天氣預報中心(Europecm Center for Medium-Range Weather Forecasts, ECMWF)確定性中尺度數值預報產品，空間分辨率為0.5°×0.5°，時間步長為6 h，提前量最長10 d。此款產品包含多種變量，其中，與近地面風速相關的變量為離地面10 m處緯向風(10U)和經向風(10V)，與降水相關的變量為LSP和CP。

1.2 船舶AIS資料

船舶自動識別系統(Automatic Identification System, AIS)能自動接收船舶信息，實現船舶識別、監視和通信等功能。[12]本文結合“東方之星”輪最后一個航次的AIS船位資料和失事時的氣象數據，分析典型事故與天氣的成因關系。

1.3 站點降水網格資料

本文使用的降水數據來自于國際標準站點逐日降水網格數據集，時間分辨率為24 h，空間分辨率為0.5°×0.5°。[13]

2 強對流降水與短時大風的聯系

2.1 降水與短時大風對內河船舶的影響

1) 就全球而言，CP多發生在低緯度地區，特別是赤道地區；就“東方之星”輪事故發生地而言，對流并伴隨大風的天氣四季都有，其中春季居多，夏季次之。[14]

2) 就船舶而言，降水對不同噸位船舶的影響差異不大；然而風卻不同，由于小噸位內河船舶的抗風能力較差，因此，強對流降水伴隨的短時大風對其影響更大。短時大風作用在船舶上的風速和風向時刻都在變化，當風壓傾側力矩大于船舶最小傾覆力矩時，船舶會因進水而傾覆。[15]另外，對于內河船舶而言，航行中遭遇大風會導致船舶漂移，特別是慢速船舶或空載船舶受到的影響更大，有時會造成船舶偏離航線，嚴重時會造成擱淺、碰撞事故。

2.2 CP的反演強對流天氣強度與預警短時大風理論可能性

關于短時大風預報，需考慮以下問題：

1) 強對流天氣常伴隨雷暴、短時大風等災害天氣，但災害天氣并非一定伴隨出現，本文僅探討短時大風預警對“伴隨有強對流天氣”災害天氣的實現可能性。

2) 直接預報次網格短時大風在提前量和精確度上往往效果不佳，本文重點從間接預報的角度解決這個問題。

研究發現：絕大多數數值天氣模式產品中的LSP和CP變量都是分別計算、輸出和存儲的，為單獨采用CP變量進行分析提供可能。

數值天氣模式中的CP變量直接來自于積云對流參數化方程的計算結果，從天氣動力學和數值天氣模擬理論的角度看，CP變量較其他模式輸出變量更能體現對流天氣的強度。本文提出通過分析數值模式產品中的CP數據來反演中小尺度強對流天氣強度的設想，從而為沿海和內河的中小型船舶間接提供區域短時大風預警。為此，對“東方之星”輪航行過程中沿途的對流降水預報結果進行時序分析。

3 “東方之星”輪失事前后風雨實況分析和數值預報重現

3.1 強降雨實況分析

“東方之星”輪沉船事件是一起與惡劣天氣相關的典型災害性事件。根據湖北省氣象局監利站天氣實況監測數據，2015年6月1日21：00—22：00該地區的降雨量達64.9 mm[10]，1 h內的降雨量就達到暴雨級別，且在同一站點測得的最大風速僅有10.2 m/s(5級風)。[16]因此，僅靠零星的傳統氣象站點很難觀測到短時大風，更別提在此基礎上做出準確預報。

“東方之星”輪沉船事件發生前后的衛星紅外云圖及降水量分布見圖1。據衛星和雷達監測資料分析，6月1日16:00開始，湖北中部偏南地區開始有對流云團生成，并向東略偏南方向移動，21:15—21:55該對流云團發展到最強盛階段(見圖1a)[4]；使用站點降水網格數據繪制的6月1日08：00—2日08:00的累計24 h降水量見圖1b。圖1中的航跡為“東方之星”輪最后一次航行的航跡，左端淺色標記是船沉位置。由圖1可知：24 h累計對流降雨量最大值超過60 mm(最大值為68.7 mm)。

3.2 數值預報重現

在整個航行過程中，由于“東方之星”輪的行駛速度和記錄時刻均不是均勻分布的，因此采用滑動平均使之成為等間隔(每10 min)的數據，公式為

Ft=(At1+At2+At3+…+Atn)/n

(1)

式(2)中：At1，At2，…，Atn為每10 min之內的數據；n為數據的個數。對每10 min對應的船舶平均所在位置，用時空插值法求出數值天氣產品中提前量為0～24 h、24～48 h和48～72 h的預報數據。對時間序列采用的是一維的線性插值，即把每天0 h，6 h，…，24 h所對應的數據插值成0 min，10 min，…，1 440 min對應的數據，公式為

(2)

式(2)中：(x0,y0)和(x1,y1)為已知數據；x為區間[x0,x1]上任意一點。

a) 衛星紅外云圖

b) 全球站點降雨數據集24 h累計降水量

通過對空間插值來求出不同船位對應的預報值，通過試驗多種插值方法挑選出其中最優的方法，即克里金插值法。克里金插值法公式定義為

(3)

(4)

c(h)=E[z(x)z(x+h)]-m2

(5)

(6)

式(6)中：c(xi,xj)為協方差；μ為拉格朗日乘數法中的系數。式(6)也可通過矩陣形式表示為

(7)

故λi可通過矩陣求逆解出。

3.3 “東方之星”輪航跡上風速預報分析

“東方之星”輪最后一個航次的風速預報結果見圖2。由圖2可知：事故發生前后，雖然風速預報量均出現不同程度的相對增加，但絕對數值遠小于實際情況，提前24 h、48 h和72 h的風速預報值分別小于3 m/s、4 m/s和6 m/s，只有微風級。然而，國務院事故調查報告顯示：事故發生時船位處瞬時極大風力達12～13級，即超過30 m/s，達到臺風級別。通過以上分析可知：僅依靠數值模式中的近地面風速變量并不能預報出小于網格尺度的突發性短時大風。圖2中“東方之星”輪最后一個航次上3種提前量下的近地面10 m風速預報值虛線時刻出現強烈的短時大風，“東方之星”輪也是在此期間傾覆的。

圖2 “東方之星”輪最后一次航程的風速預報結果

3.4 “東方之星”輪失事時刻降水變量預報分析

“東方之星”輪最后一個航次上的CP和LSP預報值變化趨勢分別見圖3和圖4,實線、虛線和點線分別表示提前量為24 h、48 h和72 h的降水預報結果。提前24 h預報的 “東方之星”輪失事時刻所在時間段(即2015年6月1日20:00—6月2日02:00)的CP和LSP水平分布場見圖5。

圖3 CP預報變化趨勢

圖4同圖3，但顯示LSP的預報值。由圖3和圖4可知：“東方之星”輪5月28日起航不久就經歷了一次降雨過程，既有CP也有LSP，相對而言，提前24 h的預報結果比較和緩，并沒有出現劇烈波動。之后一直無雨，但對于6月1日10:00—21:30這段時間，提前24 h、48 h和72 h的CP預報結果均出現先突然增大后突然減小的趨勢。圖3中實線框部分表示的是船舶發生事故時段(20:00—22:00)，正是在此期間出現強烈的降水并伴隨短時下擊暴流和大風天氣導致船舶在1 min多的時間內即顛覆；相比而言，圖4中同一時間段的LSP值極小，幾乎可忽略不計。在圖5的提前24 h降水預報水平分布場中，“東方之星”輪失事前后6 h內，LSP值雖然總量更大、更接近實測值，但最大值出現位置與“東方之星”輪航跡距離偏大、直線距離超過250 km，而CP預報最大值雖然強度偏小，發生位置卻緊貼航跡。因此，認為“東方之星”輪失事之前的CP預報變量對短時大風具有一定的預警作用，同時表明LSP與短時大風的出現沒有明顯的關系。

圖4 LSP預報變化趨勢

相對于提前24 h預報，提前量為48 h和72 h的CP預報效果不顯著，雖然降水量變化趨勢是先增大后減小，但無論是降水量的幅值方面，還是降水量增大及減小速度方面，均存在嚴重不足，對流降水變化不很明顯，說明出現短時大風的可能性不是很大，即使預警出現短時大風(48 h預報短時大風出現時間段為18:00—20:00，72 h預報短時大風出現時間段為12:00—14:00)，也與短時大風實際出現的時間段存在一定的偏差。

由圖3可知：在“東方之星”輪失事時，提前24 h的CP預報值變化趨勢非常明顯，而且數值從突然變大到減小的時間很短，這種變化趨勢與當時實際突發大風的情形很吻合。因此，對CP變化率與短時大風的關系進行檢查，將提前24 h預報的CP散點值運用多項式及高斯函數擬合后再進行微分得到的導數，用于表達CP的變化率(見圖6)。由圖6可知：在“東方之星”輪最后一個航次中，只有提前24 h的CP變化率在船舶沉沒前后出現一個明顯的尖刺波形，類似心電圖中RS波的信號，而正是在此時間段突發短時大風。這也許表明CP變化率相比其數值本身，能更好地預警短時大風的出現，不過還需考慮更多的案例。

a) CP預報

b) LSP預報

圖6 “東方之星”輪最后航次上的CP預報值變化率

3.5 另外兩次強對流案例數值預報分析

針對上述青島港和泰國普吉島海域發生的重大海事事故，本文運用相同變量進行簡單的驗證，由于缺乏現場觀測數據，沒有進行更精細化的分析。在風速預報圖(略)中，青島港和普吉島附近海域在事件發生前后均沒有出現9 m/s(5～6級)以上大風，這與實況相差甚遠。青島港強風事件發生時的CP值(虛線)變化率和LSP值見圖7。由圖7可知：提前24 h預報的CP變化趨勢更明顯，同時CP變化率出現一個明顯的尖刺波信號，而事發前后LSP數值基本上可忽略不計。事發前后CP和LSP的預報水平分布場也證實這一結論。

圖7 青島港2018年6月中旬強對流事件附近的CP和LSP預報結果

普吉島沉船處的3種提前量下的降水預報見圖8。由圖8可知：在事件發生前后，提前24 h的CP預報值出現對應的突然增加趨勢。但是，該增加趨勢是否可作為該處的短時大風預警因子還有待商榷，主要原因是熱帶地區的降水本來就以對流為主，發生時的雨季更是每天都有積云降水；從預報結果也可看出，事發時每天都有CP降水，當日的CP數值也并非最大。另外，在數值天氣模擬工作中，一般認為熱帶地區的積云對流物理及數值參數化方案應當是與溫帶地區明顯不同的，不能把溫帶地區的發現直接應用到熱帶地區。因此，熱帶地區是否能應用CP數據進行短時大風預警尚需進一步研究。

a) CP預報值結果 b) LSP預報結果

4 結束語

本文主要分析“東方之星”輪沉船前后的天氣實況，提出可通過分析中尺度數值天氣模式預報產品中的CP變化率來間接預警伴隨強對流天氣的次網格短時大風的可能性，通過重現“東方之星”輪最后一次航行期間沿途短時強對流天氣預報，驗證其可能性，并通過其他2次事件加以驗證。研究結果表明：就此次沉船事件發生時的天氣預報來看，提前24 h預報CP數據變化的急增趨勢較提前48 h和72 h更明顯，或者說預報效果最顯著，預警出短時大風的可能性更大；同時，LSP變量與短時大風的出現幾乎沒有關系。

由于首次采用該方法研究短時大風預警，還有許多內容有待研究。例如：當Cp的大小出現明顯變化時，是否一定預示此時會出現短時大風，即未對短時大風具體出現的時間進行分析；Cp持續時間更短(即降水量突然變大到突然消失的時間更短)是否表明短時大風的強度更大，有待進一步考究。在未來的工作中，會繼續增加預報提前量，開發算法對提前48 h和72 h的數據進行修正，力爭更早發出預警，從而及時做出相應的應對準備。