地面大氣電場儀在一次雷暴天氣過程中的預警應用分析

李衛平，許偉，任照環，何靜

摘要 雷電監測預警服務是雷電災害防御工作的重要環節。采用“閾值+過限計數”的預警算法，結合ADTD定位數據和SWAN拼圖產品，分析了大氣電場儀在一次典型雷暴天氣過程中的預警效果。根據目標區域的大小，大氣電場儀發出預警提前時間分別為10 min和50 min，但橙色和紅色預警信號均出現滯后。針對探頭解除預警過早的問題，可設置預警駐留時間，綜合采用“服務端算法”+“探頭算法”相結合的方法予以進一步優化。

關鍵詞 大氣電場;雷暴;預警應用;對比分析

中圖分類號：S161 文獻標識碼：B 文章編號：2095–3305（2022）03–0106–04

重慶屬東亞內陸季風區，冬季受東北季風控制，夏季受西南季風影響，加之盆地周圍山脈阻擋，地形起伏，植被分布不均，形成了獨特的氣候特點。同時，重慶是雷暴活動較為頻繁的地區之一，重慶市雷電監測網在2008—2021年年均監測地閃接近20萬次，年均雷電密度2.43次/（km2·a）。中心城區、渝東北大部、渝東南大部地區雷電日數高值區年雷電日數為40～50 d。據統計，2000年以來，重慶市有記錄的雷電災害共548起，平均每年25起;因雷擊受傷184人，死亡121人，雷電極大地危害著人們的生命和財產安全。做好雷電監測預警服務是雷電災害防御工作的重要環節，但雷電在時空分布上具有瞬時、隨機等特點，導致準確預報預警雷電存在較大的難度。提升雷電預報預警水平是現階段科研工作的難點。

雷雨云內電荷積累導致地面電場強度發生變化，雷電發生時大量電荷在云-空-地間轉移，也導致地面電場強度發生跳變甚至正負反轉。因此，可以通過電場的變化情況來反演雷雨云中的電場變化，從而了解周圍地區雷暴活動的初始、發展、成熟、消亡等階段情況，對雷電的預警預報有一定的指示作用。

1 資料與方法

1.1 資料

地面電場強度測量方法很多，目前使用最廣泛、兼顧測量精度與性能穩定的主要是場磨式大氣電場儀，其基本原理為：電機帶動轉子（接地屏蔽片）旋轉，使定子（感應片）交替暴露在電場中或被屏蔽，從而產生與外界電場強度呈正比的感應電荷，感應片連接到放大處理電路及波形調整電路，輸出電壓信號，經過標定，該電壓可以表征大氣電場的強度和極性變化。

利用重慶市防雷中心安裝在重慶市金佛山雷電觀測站的Pre-storm 2.0型大氣電場儀在2021年4—10月獲取的大氣電場數據進行預警案例分析，該電場儀利用內置在探頭內的算法電路和軟件配合，可以在雷擊發生前5～30 min發出預警信號，其主要技術參數見表1。

閃電定位資料來源于重慶市雷電監測網，由閃電定位儀、中心數據處理站、用戶數據服務網絡及圖形顯示終端組成，包括1個主站（沙坪壩），4個子站（酉陽、城口、云陽、石柱），且與四川、陜西、湖北、貴州等省鄰近區域的雷電監測站點聯網。ADTD各子站探測范圍250 km，實現對地閃時間、位置（經度、緯度）、雷電流峰值和極性進行自動監測，探測效率85%以上，網內探測定位精度小于300 m，閃電回擊的處理時間在1 ms左右。以金佛山雷電觀測場為圓心，將半徑10 km范圍區域設定為目標區域，統計8月8日21：00～9日02：00半徑35 km范圍內共計581條ADTD閃電定位數據，并與大氣電場場強數據進行融合對比。SWAN拼圖產品來源于重慶市氣象局，選取8月8日21：00～9日02：00重慶氣象探測數據GIS查詢平臺組合反射率51/51數據。SWAN拼圖產品用于區分層狀云降水和對流性降水，對ADTD閃電定位資料進一步驗證，與大氣電場場強數據進行對比。

1.2 方法

李慶申等[2]基于電場閾值和電場變化率作為預警判斷條件，融合電場正負轉換對大氣電場儀預警方法進行了研究;劉邕等[3]對雷電臨近期大氣電場的頻譜特征進行了分析，對雷電預報預警具有指示意義;強玉華等[4]對雷暴天氣和其他天氣過程的大氣電場差分幅值進行了統計對比分析，得出雷暴天氣大氣電場差分幅值較降雨、降雪天氣要大。

單一的門檻閾值預警不能排除人為干擾或大風、降雨、沙塵暴等對大氣電場儀的干擾，容易導致虛警的問題。本研究采用在觀察窗口內大氣電場數據“閾值+過限計數”的方法作為判斷預警觸發、解除、降級的依據。具體預警算法描述：設定1個觀察窗口T（計數周期），大小為300 s，此觀察窗口與時間同步向右滾動;設定3個門檻閾值Et1、Et2、Et3，分別為2 kV/m、4 kV/m、6 kV/m;設定3個計數器分別為N1、N2、N3。

預警觸發條件：對窗口內實測數列Ec和門檻閾值進行比較，當Ec（t）大于相應門檻閾值時，對應的計數器加1，直至計數器大于16時，觸發預警。

預警解除條件：在觀察窗口內未出現任何1個大于6 kV/m的值，3級解除，未出現任何1個大于4 kV/m的值，2級解除，未出現任何1個大于2 kV/m的值，1級解除;如在觀察窗口內t時刻出現高于某門檻閾值的實測值，則對應預警級別不能解除，且該級預警對應的觀察窗口最左端平移至t時刻。

預警降級條件：當預警級別在t時刻升為3級時，觀察窗口最左端平移至t時刻，并對窗口內實測數列Ec和門檻閾值進行比較，如沒有大于6 kV/m但有大于4 kV/m的值，則預警

降為2級，以此類推。以下對預警的描述參照慣例，將1、2、3級預警分別稱為黃、橙、紅色預警。算法流程圖見圖1、圖2。

圖1 預警觸發流程圖

圖2 預警解除流程圖

大氣電場儀的安裝環境如周邊建筑物、地面物體等會造成大氣電場的畸變，在實際使用中應修正測量值。利用有限差分方法計算地面建筑物對大氣電場畸變的影響，得到安裝環境對觀測結果造成影響的修正系數k。測量結果E和地面大氣電場原始值E0之間的關系為。金佛山雷電觀測站大氣電場儀安裝在觀測場外圍地面，周邊無建筑物遮擋、測場儀器距離電場儀較遠，可以認為不需要進行k值修正，即k=1。

對ADTD不確定數據進行剔除的方法參照曾金全等[5]的處理方法，即樣本中的閃電強度I較小者可能是因觀測水平限制存在的誤差，有著不確定性。部分學者認為可能是云閃或有其不合理之處。

本研究假定閃電強度I遵循對數正態分布，即lnI～N（μ，σ2），對樣本中P（I）值較小的閃電，可以認為是小概率事件，本研究針對一些關鍵事件，如目標區域首次閃電、預警等級轉換時刻閃電，結合I值大小對其真實性進行了合理懷疑。其分布函數和概率計算如下：

張勇等[6]在對SWAN雷達拼圖產

品對流云降水識別和效果檢驗中指出，小于25 dBZ的是層狀云降水回波;大于45 dBZ的一般被認為是對流性降水回波，具有回波強度大、回波密實、回波發展高度較高、水平梯度較大、更容易產生雷電等特點;介于25～45 dBZ為混合性降水回波，在較均勻的層狀云降水回波中鑲嵌有較強的對流性回波?；诖私Y論，對目標區域的雷達回波進行時序對比，可從另一個角度驗證雷暴活動發展和探頭預警情況。

2 對比分析

目標區域（TA）為重慶市南川區金佛山雷電觀測站，監測區域（MA）為半徑10 km的圓形區域，周邊區域（SA）為半徑10 km的環形區域。圖3詳細描述了2021年8月8日21：00～8月9日02：00時段內重慶市金佛山雷電觀測站的大氣電場數據及其與閃電定位數據融合對比的驗證結果。對比結果顯示（圖4～圖7），本次雷暴天氣過程呈現以下4個階段（以目標區域為主，不涉及對更大尺度天氣過程的討論）。

圖3 大氣電場場強與閃電定位數據融合分析圖

第一階段：8月8日21：00～21：30，大氣電場逐步負向增強，由-0.5 kV/m增加至-2.0 kV/m，21：24開始曲線出現多次尖峰跳變，目標區域南側出現多次閃電。同時，電場儀探頭發出第一次黃色預警（圖4）。從SWAN拼圖來看，目標區域西北、東南方向雷達回波較強，部分區域達到45 dBZ以上，與ADTD閃電定位數據表現一致（圖7a）。

圖4 首次黃色預警時目標區域情況及大氣電場曲線

第二階段：21：31～22：29。在此階段，

地面大氣電場場強出現“負-正-負”

連續倒轉，并負向快速增加，22：20～ 22：29從-2.0 kV/m增加至-5.0 kV/m。

21：34目標區域內出現首次雷擊（強度-25.2，陡度-5.1），預警提前時間為10 min。在此階段目標區域共發生3次閃電，周邊區域發生16次閃電。22：29電場儀探頭發出橙色預警（圖5）。隨著對流天氣過程發展，雷暴強回波中心迅速由西向東發展，目標區域內雷達回波逐步增強，22：29目標區域北部已達到40 dBZ（圖7b、圖7c）。

第三階段：22：30～9日00：21，大氣

電場場強曲線表現為急速“負—正”倒轉并伴有部分尖峰跳變，電場儀探頭于22：34發出紅色預警，隨后出現大量尖峰跳變，在場強曲線上表現為針狀脈沖，場強極值出現在23：43，為44.02 kV/m（圖6）。此階段目標區域共發生14次閃電（其中4次為正極性），周邊區域共發生閃電50次。從SWAN拼圖來看，雷暴強回波中心進入目標區域，大部分地區雷達回波在40 dBZ以上，部分地區雷達回波強度達到45 dBZ（圖7d、圖7e）。

第四階段：9日00：22～02：00，大氣電場儀探頭解除紅色預警，場強變化曲線趨于平緩，圍繞0 kV/m上下波動，隨著場強負向增加過程中，依次發出黃色和橙色預警，但此階段，目標區域及周邊區域均無閃電發生，僅在區域外圍發生少量閃電。電場儀探頭由00：56開始，逐步發出預警降級直至01：22解除所有預警，即經歷了“橙色預警—黃色預警—無預警”的過程。從SWAN拼圖來看，雷達回波逐步減弱，至01：06部分地區已在20 dBZ以下（圖7f）。

結合SWAN拼圖產品和ADTD定位數據的分析，以上4個階段基本上對應了目標區域雷暴活動的“生成、發展、成熟、消亡”階段。按照“閾值+過限計數”算法，大氣電場儀探頭提前10 min發出了黃色預警，如將目標區域設定為5 km范圍，則預警提前時間為50 min，說明此算法在本次雷暴過程中有效。同時應注意到，雖然橙色、紅色預警持續時間和雷暴發展、成熟期較為吻合，但橙色預警和紅色預警發出較為滯后，應在算法中進一步優化。值得注意的是：21：56～22：22共24 min、00：21～00：26共5 min，電場曲線在0值附近波動較為平緩，探頭發出解除預警信號，致使這2個時間段均呈現為無預警狀態。但結合SWAN拼圖產品和閃電定位數據，附近仍有新的雷雨云靠近，閃電位置只是暫時遠離目標區域，說明探頭過早發出了預警解除信號，可能會誤判后續雷暴活動的發展。解決此問題的辦法可作如下考慮：根據SWAN拼圖和閃電定位數據預判雷暴活動情況，從而在服務器軟件算法里設置駐留時間（TTC），在駐留時間內，預警信號可以降級但不能解除（至少為黃色預警），TTC的大小應根據預判情況設置為10～30 min，雷電預警信號最終由服務端軟件給出。本次雷電預警過程描述見表2、表3。

3 結論

（1）針對目標區域，地面大氣電場儀使用“閾值+過限計數”的預警算法，在本次雷暴前10 min發出了黃色預警信號，發揮了相應的雷暴預警功能。例如，將目標區域限定在5 km范圍內，則預警提前時間為50 min。但橙色和紅色預警信號均滯后發出，這與本次雷暴過程第二階段中電場正負轉換時場強過限計數不足有關，因此，應進一步優化算法。

（2）在雷暴活動發展的過程中，由于大氣電場場強正負倒轉時曲線趨于平緩或新的雷雨云生成逐步靠近目標區域時，探頭出現了解除預警過早的問題，可在服務器端預警策略中設置10～30 min的預警駐留時間，綜合采用“服務端算法”+“探頭算法”相結合予以進一步優化。

參考文獻

[1] 馬啟明.雷電監測原理與技術[M].北京：科學出版社：北京，2015.

[2] 李慶申，張東東，賴晉科，等.基于電場變化的雷電預警分析[J].廣東氣象， 2021，43（5）：62-64.

[3] 劉邕，姚慧茹.雷電過程中大氣電場信號處理方法探究[J].沙漠與綠洲氣象，2021，15（5）：123-131.

[4] 強玉華，李敏.近60年麗水市氣候變化特征分析[J].現代農業科技，2010（12）： 238-240.

[5] 曾金全，楊超，王穎波，等.基于統計分布特征的閃電強度等級劃分[J].暴雨災害，2016，35（6）：585-589.

[6] 張勇，吳勝剛，張亞萍，等.基于SWAN雷達拼圖產品在暴雨過程中的對流云防水識別及效果檢驗[J].氣象，2019，45 （2）：180-190.

[7] 中國氣象局.QXT 594—2020地面大氣電場觀測規范[S].北京：氣象出版社，2021.

[8] 秦微，張其林，姜蘇，等.基于大氣電場資料的雷電臨近預警研究[J].南京信息工程大學學報，2016，8（3）：247-251.

責任編輯：黃艷飛

Application Analysis of Ground Atmospheric Electric Field Instrument in Early Warning of a Thunderstorm

LI Weiping et al（Chongqing Lightning Protection Center， Chongqing 401120）

Abstract Lightning monitoring and early warning service is an important part of lightning disaster prevention. This paper analyzed the early warning effect of electric field meter in a typical thunderstorm by using the warning algorithm of “threshold & limit counting”， combined with ADTD positioning data and SWAN puzzle products， the warning time of the electric field meter is 10 minutes and 50 minutes respectively according to the target area size，However， both orange and red warning signals are delayed. For the problem of premature releasing of warning signals， the combination of “server algorithm”&“probe algorithm” can be used for further optimizing by setting warning dwell time.

Key words Atmospheric electric field; Thunderstorm; Early warning application; Contrastive analysis