一种用于预报强降水天气的数据处理方法

摘要

本发明提供了一种用于预报强降水天气的数据处理方法，首先收集影响强降水发生的热力因素、动力因素和水汽指标，然后根据降水发生发展的非线性理论，对以上数据进行整合，得到物理量指标THP，最后根据高空500hPa和700hPa天气形势判断是否具有良好的抬升机制，即可实现对强降水落区及降水量级的预报：THP指数的大值区即为未来6小时发生降水的大概率区域，THP的最大值与未来6小时的最大降水量相当；当THP的值随时间不断增大时，降水也将增强，反之，降水则减弱。本发明的方法可对强降水的落区及降水的发展变化做出更客观的预报，可对降水的量级进行定量的估计，能够通过计算机自动运行。

说明书

技术领域

本发明属于天气预报保障技术领域，具体涉及一种用于预报强降水天气的数据处理方法。 

背景技术

近年来，强降水在我国呈现出强度增强、发生频率增高、不均匀性增强的整体趋势(王小玲，翟盘茂，2008；李建，宇如聪等，2013)。强降水天气往往发展迅速、致灾性强，易引起城市内涝、山体滑坡、农田渍涝等次生灾害，给社会生产和人民生活带来巨大损失。但是关于强降水的预报，仍是当今大气科学的一个薄弱环节，其准确率和客观、自动化水平均有待进一步提高。国外关于强降水预报的数据处理及应用发展很快，目前已基本上实现了计算机处理，例如，美国强局地风暴室对强降水天气的预报预警，从20世纪70年代到90年代，完成了从以经验预报为主到以物理因子为主的转变，大大提高了强对流天气的预报水平(彭治班,刘建文等，2001)。然而在国内，对引起降水的相关物理量场的数据处理，并利用物理量进行预报，在实际业务工作还没有充分开展起来。 

对于强降水的预报，目前主要有四种技术方案： 

1)通过某一个或几个物理参数进行诊断：该方法是基于数值天气预报模式的输出产品或实际观测资料，如风、温度、湿度、气压等，计算抬升指数LI、K指数、对流有效位能CAPE、能量-螺旋度指数(EHI)等，以定量判断反映强降水系统发生发展的某一方面或某几方面的条件，然后通过对比预报时刻的物理量与前期统计的物理量阈值，对降水的可能性进行预报(李耀东等,2004；矫梅燕,2007；岳彩军,2008；张人禾,2008)。 

2)综合几种物理量进行落区预报：将表征有利于强降水发生的一些物理条件的特征量，描绘在同一张天气图上，然后综合这些条件，把各特征量重合的范围认为是该种天气现象最可能出现的区域。 

3)通过天气型识别进行主观预报：该方法是基于对大量天气个例的分析，概括出若干种典型的天气系统配置特征，预报时只要对比当时的天气形势与总结好的流型配置，然 后结合预报员的经验对天气进行外推、订正，即可做出预报。(陶诗言等,1979；孙建华等,2005；郝莹等,2012；许爱华等,2014)。 

4)基于数值预报产品做出预报：数值模式可提供丰富的预报信息，也包括具体的天气现象、降水时间、降水落区等，预报员可直接参考模式提供的降水等天气现象的信息，然后结合自己的经验进行订正和预报。(杜钧,邓国,2010；刘凑华,赵晓琳,2013；)。 

但是，现有技术存在以下不足： 

1)以往的数据处理方法，往往从某一方面或某几方面来反映降水可能性的大小，但众所周知，大气是动力、热力有机结合的一种流体，降水实际上是大气中多种因素综合作用的结果，仅仅通过单一的物理量指数进行判断，存在较强的片面性。而且目前应用的指数大多是从国外直接引进的，由于地域及气候背景的差异，某些指数在应用时，阈值区间的变化范围很大，难以具有普适性。 

2)在应用落区进行预报时，常应用图解，进行区域的简单叠套，难以实现自动的客观分析，并且无法对降水的量级进行客观估计。而且，在选取进行叠套的物理因子时，往往存在较大的不确定性，不利于实际推广应用。 

3)虽然天气分型法的开展时间较长，但分型时主要是结合预报员的经验，通过主观预报、定性判断降水的可能落区，导致主观和经验性的成分太多，客观化程度不够、难以定量化。而且有时即使在类似的天气形势下，产生的天气现象也差别较大；有时实际天气形势与之前总结好的任何一种流型都不匹配，给实际工作带来许多困扰。 

4)虽然数值预报模式的产品丰富，但对具体天气现象尤其是强对流等的预报还存在较大偏差，准确率不太理想，例如目前我国6小时间隔的短时强降水TS评分仅为2.6％(郑永光等,2010)，远低于风场、温度场的预报评分。这一方面源于强降水动力、热力过程的复杂性，数值模式难以精确描述，另一方面由于初始值、边界值以及各学科间的复杂结合仍不够完备，导致数值预报产品存在偏差，准确率不太理想。 

因此，结合天气现象的形成机理，构建物理意义明确、可用性强、兼顾面广的综合物理参数，将传统的图示法改进为定量化的表达，就具有重要的现实意义与应用价值。 

发明内容

本发明针对以往国内外同类研究的不足，通过系统深入的分析研究，找出了利用物理量实现强降水的客观、定量化预报的着眼点，这就是降水预报时，要将热力、动力、水汽等因素综合考虑，缺一不可，但上述因素之间并不是简单的线性关系，因为它们之间也存 在着相互作用，故有必要按照“交集”原理进行处理。 

基于此，本发明提供了一种用于预报强降水天气的数据处理方法，在数据处理过程中，首先要收集影响强降水发生的热力因素、动力因素和水汽指标，然后根据降水发生发展的非线性理论，对以上数据进行整合，得到一个新的物理量指标THP，以此为基础，结合高空500hPa和700hPa的天气形势判断是否具有良好的抬升机制，即可实现对降水落区、降水的发展变化及降水量级的分析预报：THP指数的大值区即为未来6小时发生降水的大概率区域，THP的最大值与未来6小时的最大降水量相当；当THP的值随时间不断增大时，降水也将增强，反之，降水则减弱。应用本发明的方法可更客观、定量地判断强降水的落区及可能的量级，为强降水预报水平的进一步提高及防灾减灾的快速反应提供了一种新的技术支撑。其中THP指数的数学表达式为： 

$>\mathrm{THP}=\Gamma ·H·\mathrm{PWV}=\frac{100(\frac{\partial }{\partial p}(-▿·\left({\theta }_{\mathrm{se}}\overrightarrow{V_h}\right))+|\frac{\partial }{\partial p}(-▿·\left({\theta }_{\mathrm{se}}\overrightarrow{V_h}\right))\left|\right)}{2}·\frac{H+\left|H\right|}{2}·\mathrm{PWV}---\left(1\right)$>

其中， 

a、收集热力不稳定参数，按照下式计算假相当位温θ_se水平通量散度的上下层之差： 

该参数是申请人首次提出的，具有特定的物理意义；式中为水平风速(m·s^-1)， θ_se为假相当位温(K)，为通量散度，表示由于风的输送，θ_se在某一地区的净增加或减小；对于Γ的计算，在我国东部海拔较低地区选择800hPa、850hPa、900hPa三层中θ_se通量散度的最小值，选择200hPa-400hPa五层(间隔50hPa)中θ_se通量散度的最大值，每层间隔50hPa，然后相减，以突出强调热力最不稳定的厚度层区域； 

b、收集动力不稳定参数，按照下式计算相对风暴水平螺旋度： 

$>H={\int }_0^h({\overrightarrow{V}}_k·\overrightarrow{C})·(\overrightarrow{k}\times \frac{\partial \overrightarrow{V_k}}{\partial z})\mathrm{dz}=\underset{n=0}{\overset{N-1}{\Sigma }}[(u_{n+1}-c_x)(v_n-c_y)-(u_n-c_x)(v_{n+1}-c_y)]---\left(3\right)$>

式中为风暴的移动速度，h为气层厚度，在累加求和的式子中，n是指自0到h高度的序号，(u₀,v₀)为气层最低高度上的风，(u₁,v₁)…(u_n,v_n)为各高度气层上的水平风，(c_x,c_y)为风暴的平均移动速度，在本发明中，它是由850hPa至400hPa气层的平均风风向右移40°，风速的75％来确定的，在计算相对螺旋度H时，本发明取最低层925hPa，N取6层：925hPa、900hPa、850hPa、800hPa、700hPa与650hPa； 

c、计算大气可降水量： 

$>\mathrm{PWV}=\frac{1}{\mathrm{\rho g}}{\int }_0^p\mathrm{qdp}=-\frac{1}{g}\underset{\mathrm{Ps}}{\overset{0}{\Sigma }}\mathrm{q\Delta p}---\left(4\right)$>

式中q为大气比湿，ρ为液态水密度，p为气压，Ps为地面气压，g为重力加速度。 

进一步对公式(1)进行说明：公式(1)抓住了产生强降水所必须的物理因子，热力、动力因素与水汽条件，三者缺一不可；但上述三者之间并非简单的线性关系，因为它们之间也存在着相互作用，公式(1)按照“交集”原理对相关因子进行了恰当组合，并在式中加入了绝对值，避免了Γ与H均为负值时，相乘之积出现正值的情况。 

进一步对公式(2)进行说明：公式(2)的特征在于：首次提出了从运动的角度描述静力不稳定的方法，θ_se是将温度、湿度、气压包括在一起的一个综合物理量，θ_se通量散度表示了由于风的输送，θ_se在某一地区水平方向的净增加或减小；而θ_se通量散度的上下层之差Γ则将大气上下层之间的垂直变化表示了出来，也就是说，Γ将上、下层系统的水平、垂直配置情况有机地联系起来，是从大气运动的角度对静力稳定度的一种描述，对是否有利于出现强降水具有综合指示意义。 

进一步对公式(3)进行说明：公式(3)的特征在于，较强的旋转性和上升运动是强对流系统最重要的特征之一，公式(3)综合表示了大气边旋转边沿旋转方向运动的动力特性，是强降水能否发展和维持的关键因素，较大的螺旋度值有利于产生强对流降水。 

公式(4)的特征在于，水汽是产生降水的物质基础，强降水发生过程中水汽必须积累到一定的程度再消耗，因此大气可降水量具有明显的演变特征，对降水的变化具有指示意义。 

本发明的优点与积极效果 

1)揭示了以往国内外同类研究的症结所在，通过系统深入的分析研究，找出了利用物理量实现强降水的客观、定量化预报的着眼点，这就是降水预报时，要将热力、动力、水汽等因素综合考虑，缺一不可，但上述因素之间并不是简单的线性关系，因为它们之间也存在着相互作用，故有必要按照“交集”原理进行处理。 

2)本发明的方法将弥补了以往单一指数的片面性与不足，将多种因素综合考虑，并经过恰当组合，对降水前期各物理量场的强信号进行了挖掘。因为真正发生强降水时，不一定所有的指标都比较大，反而是其组合较大时，发生降水的概率更大，如强降水可以发生在弱动力不稳定与强热力不稳定或者相反的环境中，物理条件之间可以相互弥补。组合处理后的物理量，预报效果优于单纯用一种物理量进行分析。 

3)可对降水的落区做出更客观的预报：在空间分布上，THP指数的大值区与未来6h降水的落区存在较好的对应关系；在时间变化上，THP指数的位相变化超前于地面降水量的变化，对强降水的发生与结束均有较好的指示意义。 

4)可对降水的量级进行定量的估计：对于高空槽前型降水，现有的方法往往利用图解，而难以对降水的量级进行估计。本研究提出的THP指数，其闭合中心最大值与最大降水量表现出较强的一致性，表明THP指数的值对降水强度有良好的预报性能。 

5)有利于实现业务的自动化，传统的天气图必须绘制出来才能进行分析，且绘出的图难以估算降水的量级，绘图时间长，预报效率较低，而本发明的方法可以利用计算机程序进行计算，有利于实现强降水预报的自动化。 

6)普适性强：经检验，本发明的方法在我国东部地区具有较好的普适性，可用来做大范围的指导预报。本方法的推广应用可更客观、定量地判断强降水的落区及可能的量级，为强降水预报工作的开展提供更好的技术支撑。 

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中： 

图1为实施例1中500hPa等高线及该时刻后6h强降水的分布，其中(a)图的时间为2009年8月17日00:00，(b)图的时间为2009年8月17日06:00； 

图2为实施例1中2009年8月17日00时(UTC)θ_se通量散度差((a图)10^-5K·s^-1·hPa^-1)，风暴相对螺旋度，((b图)m²·s^-2)，大气可降水量((c图)kg·m^-2)，THP指数((d图)K·m·s^-1)； 

图3为实施例1中2009年8月17日00时K指数((a图)℃)，850hPa准地转Q矢量散度负值区((b图)m²·s^-2)，水汽垂直螺旋度正值区((c图)10^-3kg^-1·m³·Pa²·s^-2)，水汽通量散度从地面至200hPa垂直积分负值区((d图)10^-3K·m·s^-1)的水平分布，阴影区为8月17日00:00-06:00降水实况分布； 

图4为实施例1中2009年8月17日强降水过程中安阳站(36.12°N,114.37°E)附近的THP指数与6h降水量的变化； 

图5为实施例2中2012年7月21日06时K指数((a图)℃)，850hPa准地转Q矢量散度负值区((b图)1m²·s^-2)，水汽垂直螺旋度正值区((c图)10^-3kg^-1·m³·Pa²·s^-2),700hPa水汽通量散度负值区((d图)10^-8kg·hPa^-1·m^-2·s^-1),THP指数((e图)K·m·s^-1)的水平分布,阴影区为21日06-12时降水实况分布； 

图6为实施例2中2012年7月21日暴雨过程中北京站(39.80°N,116.47°E)附近的THP指数与6h降水量的变化。 

具体实施方式

以下的实施例便于更好地理解本发明，但并不限定本发明。本发明提供的一种用于强降水天气预报的数据处理方法，具体如下： 

强降水是由大量暖湿空气被强烈抬升凝结而形成的，也就是说，其发生发展具有共同的基本物理条件，即充足的水汽、不稳定层结(热力条件)和足够的抬升力(动力条件)。天气预报的基本原理是对前期指示信号的捕捉与挖掘，本发明从影响降水的最基本要素入手，对数据信息进行处理和挖掘，构造适用性强的综合物理指数，从而对强降水天气进行预报。 

1)热力不稳定 

首先对描述位势不稳定的位势稳定度倾向方程进行了改写，改写后的位势稳定度倾向方程为： 

$>\frac{\partial }{\partial t}\left(\frac{{\partial \theta }_{\mathrm{se}}}{\partial p}\right)=\frac{\partial }{\partial p}(-{▿}_h·\left({\theta }_{\mathrm{se}}\overrightarrow{V_h}\right))-\frac{\partial }{\partial p}\left(\frac{\partial \left({\mathrm{\omega \theta }}_{\mathrm{se}}\right)}{\partial p}\right)---\left(5\right)$>

由于(5)式右端第二项是求二阶偏导数，且在对流发生前垂直速度ω≈0，其值在上下层之间的差别较小，因此主要考虑(5)式中右端第一项，于是(5)式简化为 

$>\frac{\partial }{\partial t}\left(\frac{{\partial \theta }_{\mathrm{se}}}{\partial p}\right)=\frac{\partial }{\partial p}(-{▿}_h·\left({\theta }_{\mathrm{se}}\overrightarrow{V_h}\right))---\left(6\right)$>

这样便得到一个具有预报意义的、描述静力稳定度的新参数，即θ_se水平通量散度的上下层之差该参数是由本发明首次提出的，具有明确的物理意义，由于θ_se是将温度、湿度、气压包括在一起的一个综合物理量，θ_se通量散度表示了由于风的输送，θ_se在某一地区的净增加或减小。θ_se通量散度的上下层之差Γ则将大气上下层之间的水平运动、垂直变化均表示了出来，对是否有利于出现强降水具有指示意义。这也是首次从大气运动的角度来描述静力不稳定的一种具体方法。 

2)动力不稳定 

动力不稳定采用相对风暴水平螺旋度，之所以选取螺旋度来表征动力不稳定，是因为它与惯性不稳定、对称不稳定、开尔文-亥姆霍兹不稳定有内在的物理联系，在业务中的适用性更强。相对风暴水平螺旋度H的表达式为 

其中为风暴移动速度，h为气层厚度，在累加求和的式子中，n是指自0到h高度的序号。(u₀,v₀)为气层最低高度上的风，(u₁,v₁)…(u_N,v_N)为气层内各高度上的水平风，(c_x,c_y)为风暴移动速度。由于风暴的移动主要受中低层平流运动和自身传播效应的共同影响,本发明中取以850hPa至400hPa气层的平均风风向右移40°，风速的75％来确定风暴的移动速度。在计算螺旋度时，N取6层：925hPa、900hPa、850hPa、800hPa、700hPa与650hPa。 

3)水汽条件 

水汽是产生强降水的物质基础，是降水预报所考虑的关键因素之一。强降水发生过程中水汽具有明显的演变特征，水汽积累到一定的程度再消耗(张小玲等,2010)，这表明大气可降水量(PWV)可以反映大气中水汽的总体变化状况，相比大气比湿、相对湿度等因子，PWV具有更好的指示意义，因此可以将大气可降水量作为预报强降水的一个主要因子。PWV的计算公式为 

$>\mathrm{PWV}=\frac{1}{\mathrm{\rho g}}{\int }_0^p\mathrm{qdp}=-\frac{1}{g}\underset{\mathrm{Ps}}{\overset{0}{\Sigma }}\mathrm{q\Delta p}---\left(4\right)$>

式中q为比湿，ρ为液态水密度，p为气压，Ps为地面气压，g为重力加速度。 

4)抬升机制 

一般来讲，在某一地区的大尺度环境满足不稳定条件及水汽条件时，对流系统在何时、 何地发生取决于是否具备触发条件。常见的抬升触发机制有天气系统造成的系统性抬升、局地热力抬升和地形抬升，其中局地热力抬升一般范围较小，强度较弱，单纯热力抬升造成的强对流天气不多；地形抬升受下地面特征的影响大，由于我国地形复杂，局地性、经验性强，难以具有普适性，暂不作讨论；而天气系统造成的抬升往往表现显著，相对容易判别，且绝大多数对流性天气都产生在有利的环流形势和天气系统配合时。因此针对区域性强降水的预报研究，我们选择在500hPa高空槽前，根据天气形势来判断抬升触发机制。 

上述条件均是引起强降水的必需条件，但由于大气系统的复杂性，各物理条件之间存在着非线性作用，真正发生强降水时，不一定所有的指标都比较大，反而是其组合较大时，发生降水的概率更大，如强降水可以发生在弱动力不稳定与强热力不稳定或者相反的环境中，物理条件之间可以相互弥补。基于上述分析，本发明整合了上述参数，提出一个新的物理量指标THP(Temperature,Helicity and Precipitation) 

$>\mathrm{THP}=\Gamma ·H·\mathrm{PWV}=\frac{100(\frac{\partial }{\partial p}(-▿·\left({\theta }_{\mathrm{se}}\overrightarrow{V_h}\right))+|\frac{\partial }{\partial p}(-▿·\left({\theta }_{\mathrm{se}}\overrightarrow{V_h}\right))\left|\right)}{2}·\frac{H+\left|H\right|}{2}·\mathrm{PWV}$>

式中加入绝对值可使负值相加之后为0，避免了Γ与H均为负值时，相乘之积出现正值的情况。 

当THP正值时，说明该地区未来6小时有降水；THP指数的大值区即为未来6小时发生降水的大概率区域，THP的最大值与未来6小时的最大降水量相当；当THP的值随时间不断增大时，降水也将增强，反之，降水则减弱。 

以下是应用本发明的方法进行试验的实施例。 

实施例1 2009年8月豫北降水 

2009年8月17日，河南省中北部、山东省西部出现了强降水天气(图1)，17日00时-18日00时(UTC，以下同)最大降水量达176mm，强降水主要集中在00-12时。8月16日12时500hPa天气图上，45°N以北的亚洲大陆表现为两槽两脊的天气形势(图略)；45°N以南，在我国河套地区有一宽广的低槽，并向东移动，西太平洋副热带高压的西伸脊点位于100°E左右，我国东部地区处在偏南气流控制下。17日00-06时，西太平洋副热带高压基本稳定在华东地区，河套低槽东移速度减缓，华北地区位于高空槽前(图1)，整体形势有利于湿空气的抬升。17日12时副热带高压加强西伸，低槽缓慢东移，地面降水区也向东移动。此外，在强降水发生前存在高层干冷空气入侵到中低层的现象，加剧了 大气的热力不稳定。 

此次降水过程中，THP指数的各物理量具有不同的特征，其中热力不稳定有两个大值中心，分别在河北省南部及陕西省东南部(图2(a))；动力不稳定，体现在风暴相对螺旋度上，也有两个大值中心，分别在河南省北部及辽宁省西部(图2(b))；大气可降水量的高值区则位于河南省中部及长江入海口附近(图2(c))。这三者单独来看，似乎风暴相对螺旋度的效果更好一些，但三者相乘之后得到THP指数，该指数大值区和强降水区的对应关系更为明确，落区几乎重合(图2(d))，但由于是提前6h的预报，THP指数的大值中心与雨区大值中心稍微有些偏差。通过对比图2(d)与图2(a)-(c)可以看出，应用本发明的数据处理方法得到的强降雨天气预报，比用表征单一物理成分的指数分析预报的效果要好。这是因为热力、动力不稳定和水汽含量的增加都意味着发生降水的概率增大，但发生可能性最大的区域是三者相乘之后所得的大值区域，这是乘法原理的一种体现。 

为了与其它指数的预报效果进行对比，计算分析了K指数，准地转Q矢量散度，水汽垂直螺旋度，整层水汽通量散度等。从图3(a)可见K指数超过36℃的区域较广，超过39℃区域呈现出三个高值区，其对强降水的指示意义不够明显，可能要配合其它量才可得以显现。准地转Q矢量散度场辐合时垂直运动向上，在对流层低层850hPa等压面上，强降水落区在Q矢量散度的负值区的下风方，从图3(b)可见，Q矢量散度场与降水区虽然有一定的对应关系，但降水的具体落区难以估计，且降水量级无法反映出来。水汽垂直螺旋度[6]主要反映了水汽通量涡度的垂直输送状况，分析图3(c)可知，水汽垂直螺旋度的高值区分布与6h后降水区域有所重叠，但形状分布有一定的差异，且没有将未来的降水中心包含进去。整层水汽通量散度(图3(d))的负值区将降水区基本包含进去了，但其降水区域较大，同时有一定的空报。综合对比图2(d)与图3中的各物理量，应用本发明的方法预报效果相对更好一些，说明了该方法的有效性，即在THP的大值区，如果同时配合有高空槽前的天气形势，对流性强降水发生的概率非常大。 

从THP指数与降水量的时间变化特征进行分析(参见图4和表1-3，图4中THP曲线是根据表1数据绘制的)，以安阳气象观测站为例(36.12°N,114.37°E)，THP指数在16日06:00由零转为正值，此时地面未产生降水，16日12:00THP值继续增大，地面有较小降水产生，至16日18:00THP值达到最大，随后的6h降水量也达到最大，之后THP的值减小，降水量亦随之减小。整个降水过程中，THP值的位相超前于地面降水量的变化，这表明THP值具有很好的指示意义；而且安阳站上空THP最大值为98，与6h实测降水最大值99mm非常接近，这表明THP指数的值对降水的量级也有一定的预测能力。 

表1 不同时间的THP指数及THP指数中的各物理量值 

表2 各高度上的假相当位温θse(单位为K) 

表3 各高度层的风速分量(以U分量以向东为正，V分量以向北为正) 

实施例22012年7月21日北京地区极端降水 

为进一步验证本发明的方法在极端降水中的应用情况，分析了2012年7月21日发生在北京地区及河北省部分地区的历史罕见特大暴雨。北京全市平均降雨量164mm，为61年以来最大。此次暴雨发生在北涡南槽、东高西低的环流形势下，强降雨区位于高空急流入口区右后侧，高空200hPa为显著分流区(图略)；500hPa高空图上在贝加尔湖到河套地区一带存在高空槽，北京地区位于槽前。事实上，此次降水分两个阶段：7月21日02-08时为暖区降水阶段，以层状云为主，降水平缓；08时以后中小尺度对流系统发展，并高度组织化，降水强度迅速增强。 

对比2012年7月21日06时各物理量与06-12时降水的分布情况，K指数大于36℃的范围太广，大于39℃的范围与实况降水南侧较一致，但未包含降水中心，在落区预报上有一定差异(图5(a))。850hPa准地转Q矢量散度的大值区位于强降水中心的西北侧，二者落区重合部分较少，同时可能由于地形原因，在甘肃东部地区有一定的虚报(图5(b))。水汽垂直螺旋度的大值中心在山西省北部，位于实况降水中心的西侧，且大值区的范围小于实况降水的落区范围(图5(c))，预报效果表现一般。700hPa水汽通量的辐合区整体位于实际降水区的东侧，但最强辐合中心位于强降水中心的西南侧上风方向(图5(d))。按照本发明的方法计算得到的THP大值中心位于6h实况累计降水中心的西南侧上风方向，且有一定的重合， THP闭合中心最大值为120，与降水中心的平均降水量比较接近；THP大值区的范围与降水落区也比较一致(图5(e))。可见THP大值区的分布与6h地面累计降水有良好的对应关系，且在降水的量级预报上有一定的指示意义。 

对比“7·21”暴雨过程中北京气象观测站(39.80°N，116.47°E)上空附近THP指数值与6h累积降水量的时间变化(参见表4-表6，图6中THP曲线是根据表4数据绘制的)，THP指数在7月20日18:00前为零，在21日00:00变化为较小的正值，从00:00—06:00，其值迅速上升，12:00上升至最大，数值达到160以上，之后迅速减小。而降水在21日00:00仍然为零，06:00地面产生较小降水，06:00-14:00降水量急剧增大，12:00-18:00降水达到最大，18:00之后降水过程基本结束。在位相上对比可见，降水的变化要滞后于THP指数的变化，这说明THP的变化对强降水的发生与结束均有较好的指示意义。从数值预报结果来看，虽然对此次暴雨的落区和强度预报较准确，遗憾的是，在时间上无论是暴雨过程的开始，还是结束，都偏晚了6小时左右，即模式预报的首次强降水在09:00-12:00才开始影响北京，主要强降雨时段集中在21日18:00-22日00:00，较实况明显滞后。但是THP值在21日06:00已经非常大，至21日18:00已变得非常小了，证明THP指数具有的较好预报效果。 

表4 北京站上空不同时间的THP指数及THP指数中各物理量值 

表5 各高度上的假相当位温θse(单位为K) 

表6 各高度层的风速分量(以U分量以向东为正，V分量以向北为正)： 

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。