强对流天气预报是世界性难题，特别是对于局地突发的对流风暴，即使是时效较短的临近预报和预警，也存在很大难度。目前，不论是业务上广泛使用的基于雷达观测的外推预报技术、临近预报与概念模型相结合的专家系统、临近预报与数值模式相结合的融合预报技术，还是处于试验应用阶段的完全依赖于中尺度模式的数值预报技术，对于局地突发和快速演变对流风暴的临近预报和预警来说，在时间和空间上均存在很大的不确定性(Wilson et al，2006，2010; Sun et al，2014)。

研究总结和文献综述表明，近几十年来已有大量的研究充分证实，中低层的对流尺度近风暴环境特征和风暴本身的热动力特征及其相互作用，是对流风暴生消、发展最为关键的影响因子(Markowski et al，2013)。中低层近风暴环境特征(如风场、辐合上升、切变、入流、不稳定、水汽等)对风暴新生和组织形态起决定作用(Xin et al，1996；Weisman et al，2000；Kirkpatrick et al，2011；陈明轩等，2012a，2013；张立祥等，2009；戴建华等，2012)。风暴本身的热动力特征(如冷池、出流)及其与上述近风暴环境相互作用，则成为预测对流风暴发展传播和生命史的重要判据(Rotunno et al，1988；Parker，1996；Parker et al，2004；Weisman et al，2004；Lombardo et al，2013；陈明轩等，2012b，2013；戴建华等，2012；孙继松等，2013；肖现等，2013，2015)。观测和数值模拟研究均发现，边界层辐合线(出流边界、干线、海风锋、冷锋、近地面中尺度切变线等)相互作用或者边界层辐合线与原有风暴系统相互作用，导致近地面动力不稳定和辐合上升明显增强，有利于对流风暴的新生和快速增强(Wilson et al，2006；Xue et al，2006a，2006b；Wang et al，2012；漆梁波等，2006；陶岚等，2009；陈明轩等，2010；王彦等，2011)。

因此，如何获得对流尺度的低层动力和热动力特征，就成为提升强对流天气特别是快速发展和局地新生对流风暴临近预报和预警水平的关键。目前，从业务中尺度数值模式的分析和预报结果来看，虽然能够反映出低层风场和温度场的中尺度结构，但是，却不能很好地给出与风暴发展演变密切相关的低层三维动力和热动力场的对流尺度结构和快速演变特征(Wilson et al，2006；Sun et al，2012)。基于先进的四维变分同化(4DVar)初始化技术的中尺度数值模式，其分析及预报结果一定程度上能够反映出近风暴环境场的对流尺度三维结构和快速演变特征(Sun et al，2013)，但因其昂贵的计算代价及目前还存在的技术问题等，离强天气临近预报业务实际应用的距离还较远。然而，针对京津冀地区不同类型对流风暴个例的研究已经证实，基于雷达资料四维变分同化技术和考虑雨水蒸发、降水冷却和雨滴拖曳影响的简化三维数值云模式，则可以成功模拟出上述近风暴环境特征及风暴的对流尺度热动力三维结构特征(Sun et al，2010; 陈明轩等，2011，2012a，2012b，2013；孙继松等，2013；肖现等，2013，2015)。最近，在Sun等(1997，1998)研究基础上，通过改进雷达资料快速更新四维变分同化(RR4DVar)技术和数值云模式，进一步发展了一个可实时运行的快速更新雷达四维变分分析系统，实现了对京津冀区域6部新一代天气雷达径向速度和反射率因子资料的RR4DVar，同时融合区域5 min自动站观测和中尺度数值模式结果，可快速更新模拟分析得到18 min间隔的低层大气三维动力、热动力和微物理量场的精细结构，包括与对流风暴生消、发展和传播密切相关的近风暴环境特征(如：低层入流、风垂直切变、低层小尺度辐合上升和暖舌等)，以及风暴形成的冷池、出流等对流尺度热动力结构特征。详细的系统描述可参见陈明轩等(2016)。

本研究选取近年来发生在京津冀地区的对流“事件”共计18个，通过该系统进行模拟，并对结果进行分析和检验评估，进一步考察系统对与风暴发展演变密切相关的低层大气三维对流尺度特征的模拟能力，评判其在实际对流风暴临近预报、预警中的可用性。

本研究选取2010—2014年暖季发生在京津冀地区包含不同类型对流风暴(多单体风暴、超级单体风暴、飑线、暴雨中尺度对流系统)的各类典型对流 “事件”共计18个，作为雷达四维变分分析系统的模拟分析对象。在这里，所谓的对流“事件”，是指在每一次对流发生、发展和演变过程中，包含的对流风暴系统可能不止一个，但影响它们出现的大尺度天气形势是类似的。针对每次对流“事件”，从对流的出现时段、雷达回波演变特征、出现的强天气类型、大尺度天气背景等几方面进行了综合分析(表 1)。

在目前研究中所关注的是与风暴生消、发展密切相关的低层三维动力和热动力特征及其相互作用。对于新一代天气雷达来说，较大范围的径向速度和反射率因子的有效观测数据主要集中在最低几个仰角，因此对雷达四维变分分析系统来说，雷达观测所反映出的最有效的资料同化分析效果也主要集中在低层。Sun等(2010)的模拟对比以及陈明轩等(2016)的敏感性试验研究均表明，如果只关注于低层3 km以下的动力和热动力特征的话，在模式积分时间较短的前提下，在云模式中使用完整微物理参数化方案的全对流层同化模拟分析结果，与使用简化微物理参数化方案的低层配置同化模拟分析结果相似。另外，低层配置的模拟可大幅度缩减每个循环的墙钟时间，符合目前实际应用的终极目标。因此，为节约计算时间，文中的模拟采用仅考虑了雨水蒸发和降水冷却的简化微物理参数化方案的低层配置。

系统模拟配置基本上与陈明轩等(2016)的控制试验类似。考虑到京津冀6部雷达观测资料的有效覆盖范围，模拟范围设置为540 km×540 km，可覆盖京津冀大部分区域。模式中心点设定在(39.5836°N，116.1802°E)。在此模拟范围内，可同时对京津冀地区6部雷达的观测资料(包括径向速度和反射率因子)进行RR4DVar同化(雷达站位置及名称如图 1中“╋”所示；模拟范围如图 1中长虚线方框所示)。对比发现，虽然京津冀全部雷达均被6 min左右间隔、9个仰角的同步扫描模式控制，但精确的雷达体扫资料的时间间隔仍有约2 s的偏差，所以根据陈明轩等(2016)的对比试验结果，设定同化窗为730 s，以确保每个循环均能够同化每部雷达的3组体扫资料(其中第1组体扫资料的6 min观测时间未包括在内)。系统水平分辨率为3 km，垂直分辨率为375 m，垂直层数为15，模式层高为5.4375 km。其中，在3 km以下同化雷达资料，而3 km 以上为海绵边界层，由背景场、RR4DVar中的云模式积分动力调整及重力波阻尼算法控制，用来抑制重力波对模式上边界的影响和波动反射效应，同时确保有无雷达资料同化垂直层间的平滑过渡。另外，根据陈明轩等(2016)关于系统雷达资料同化背景场的计算方案，高空背景场主要基于北京快速更新循环数值预报系统(BJ-RUC)的结果计算得到，因此3 km以上由背景场控制的模式海绵边界层气象场与模式顶5.4375 km以上由BJ-RUC结果代表的中尺度气象场之间也是连续的，至少确保了模拟过程中对流风暴在3 km以上的垂直发展中尺度特征的合理性。模式最低层设置为水平分辨率的一半即187.5 m。模式积分步长设置为15 s，涡动粘滞系数设置为水平分辨率的一半即1500，以确保模式积分稳定并获得合理的模拟结果。根据以往的模拟经验(陈明轩等，2012a，2012b，2013，2016)，在代价函数最小化迭代达到45次时，代价函数梯度下降效率显著降低，因此设定迭代次数为50后输出分析结果，并利用云模式进行6 min预报，用于计算下一热启动循环的背景场。另外，雷达变分分析系统中的雷达探测资料质量控制是非常重要的环节，包括径向速度退模糊处理和杂波剔除等。系统还使用了京津冀地区近2000个自动站5 min的观测资料，包括气温、湿度、气压和风场，用于中尺度背景场地面分析的计算，可参见陈明轩等(2016)。

图 1 京津冀地形高度，北京、天津、石家庄和秦皇岛S波段雷达 (BJRS、TJRS、SJZRS、QHDRS) 及张北和承德C波段雷达 (ZBRC、CDRC) 的位置 (╋表示) ，检验所用的风廓线雷达 (○表示) 、地基微波辐射计 (◇表示) 、秒级探空 (□表示) 和边界层观测塔 (△表示) 的位置以及模拟范围 Fig. 1 Topography in Beijing-Tianjin-Hebei region and the numerical simulation domain; Radar sites of S-band in Beijing (BJRS) , Tianjin (TJRS) , Shijiazhuang (SJZRS) , and Qinhuangdao (QHDRS) , and C-band in Zhangbei (ZBRC) and Chengde (CDRC) are denoted by "╋"; observations used for verification at one wind profiler, two ground-based microwave radiometers, one second-level radiosonde, and one boundary layer tower are denoted by "○", "◇", "□", and "Δ", respectively

图选项

这里需要说明的是，目前该系统模式并不是设计在严格的地形追随坐标下，因此在包含如图 1所示的复杂地形条件下的计算中，可能会在云模式方程中引起一些误差。但是，对于所关心的模拟分析(反演)来说，在10—20 min的RR4DVar同化窗长度中，仅同化了每部雷达的2—3组体扫探测资料，并且在5—10 min的短时间预报窗内(主要为热启动循环提供背景场)，模式向前积分及伴随模式反向积分中的这种误差积累是非常不明显的。基于RR4DVar技术对雷达资料进行同化，每个雷达在地面以上的逐6 min体扫资料均被用来计算代价函数，其中也考虑了每个雷达9个仰角所包含的不同探测高度的信息(并且包含雷达站的海拔高度信息)，因此，模式高度(模拟结果的高度)可以被近似看作是地面以上高度(Chen et al，2007)。基于类似的雷达资料四维变分同化技术和三维数值云模式，对中国台湾地区复杂地形下的数值模拟试验研究也表明，因为雷达径向速度观测能够反映地形对气流的减速作用，所以复杂地形对动力场(三维风场)的影响也能够通过雷达资料四维变分同化较好地反映出来(Tai et al，2011)。另外，在温度场的模拟诊断中，也考虑了地形高度的影响。

这里选取表 1所列的2013年7月7日夜间至8日上午在北京地区发生的一次强对流事件，结合探空和雷达探测资料，对系统的模拟结果进行详细分析，重点关注此次强对流事件中风暴新生及组织加强、线状中尺度对流系统发展维持的机制。

从天气形势看(图略)，7日白天在500 hPa高度，贝加尔湖至40°N为平直西风气流控制，其上有短波槽活动并在河套地区加深发展东移；在700—850 hPa高度，河北北部至北京西北部有切变线，且低层偏南风较大；地面处于低压辐合区前部，受偏南风影响明显。从北京南郊观象台的探空对比分析来看(图 2)，7日白天对流有效位能(CAPE)显著增大，从14时的1356 J/kg，增至20时的2348 J/kg，而对流抑制能量(CIN)则明显减小；抬升凝结高度(LCL)和自由对流高度(LFC)在20时也比14时均有明显下降，抬升凝结高度从1024 m降至901 m，自由对流高度从2781 m降至1236 m，而且自由对流高度与抬升凝结高度之差也从1758 m减至335 m；下午中高空以上相对为干空气，1—2 km的相对湿度较大，到了傍晚，整层大气明显增湿，特别是低层大气湿度更大；自下午开始，出现了较为明显的低层风垂直切变和暖平流。总之，天气形势分析和探空对比表明，北京地区7日白天开始有西风槽过境，低层存在切变线和低空西南急流，地面处于偏南风(低空急流)控制下的低压辐合区前部，下午开始不稳定明显增强，低层湿度增大，存在非常有利的气块抬升条件、中层切变和暖平流，因此极易出现强对流天气。最近的一系列研究(Schumacher et al，2005; Peters et al，2014，2015a，2015b)表明，上述天气特征(特别是明显的低空急流、低层增湿、暖平流、不稳定和辐合上升)是中纬度地区具有“列车效应”和后向传播型暴雨中尺度对流系统形成的天气尺度特征。这预示了本次强对流事件的演变特征(从下面的雷达回波演变特征也证实了这一点，参考图 3)。

图 2 北京54511站2013年7月7日14时(a)和20时(b)的探空(右侧为探空风廓线，长横代表风速8 m/s，短横代表风速4 m/s) Fig. 2 Radiosonde observations at 54511 sounding stations in Beijing at 14:00 BT (a) and 20:00 BT (b) 7 July 2013 (a long bar and a short bar denote 8 m/s and 4 m/s, respectively, in right-hand sounding wind profile)

图选项

图 3 京津冀6部雷达2013年7月7—8日的组合反射率因子 (单位：dBz) 拼图 (a. 7日20时51分, b. 7日21时45分, c. 7日22时41分， d. 7日23时35分, e. 8日00时32分，f. 8日01时23分，g. 8日02时16分，h. 8日03时14分) Fig. 3 Composite reflectivity mosaic from the 6 CINRAD radars in Beijing-Tianjin-Hebei region during 7-8 July 2013 (a. 20:51 BT 7 July, b. 21:45 BT 7 July, c. 22: 41 BT 7 July, d. 23:35 BT 7 July, e. 00: 32 BT 8 July, f. 01: 23 BT 8 July, g. 02: 16 BT 8 July, h. 03:14 BT 8 July)

图选项

从雷达回波来看(图 3)，此次强对流事件中对流风暴的演变基本分为两个阶段：多单体风暴局地新生、合并加强为线状中尺度对流系统阶段，以及线状中尺度对流系统发展、传播阶段。在21时45分前后，北京地区北部山区层状云降水前部就出现零散的对流单体(图 3b)；到22时41分左右，在北京地区东北部已经发展形成了几条近似线状的多单体风暴(图 3c)；又经过近2 h的发展演变和合并，特别是风暴单体下山后快速增强，到00时30分左右，典型的西南—东北向的线状中尺度对流系统已经形成(图 3d、e)；在随后的3 h，根据图 3并参考逐6 min的雷达拼图动画可以看出，线状中尺度对流系统整体向偏东南方向缓慢传播，但中尺度对流系统中的对流单体则沿着近似风暴线的方向不断向偏东北方向移动，而在线状中尺度对流系统的尾部(西端)，即接近北京城区的西部山脚附近，则不断有对流单体新生并加入向东移动的风暴单体行列，整个中尺度对流系统存在明显的“列车效应”和后向传播特征(图 3f—h)。03时30分之后，线状中尺度对流系统逐渐减弱分裂为几个小的风暴单体并最终消散。整个对流事件持续时间超过6 h。

从模拟的低层风场来看(图 4a)，强对流风暴在北京地区北部形成之前(大约22时之前)，在平原地区就存在显著的低层偏东南风，而且风向在山前开始发生明显的逆时针偏转，风速也有所减小，山前平原地区在风暴形成前就存在明显的西南—东北向低层切变线。在北京地区西北部山区，则是明显的偏北风。上述风场特征从地面自动站观测也能看出来(图略)。另外，在风暴形成前，北京地区西北部山脚附近的低层辐合上升较为明显，表明地形对低层风的强迫非常显著(参考图 4a、b及图 5a、b)。从垂直剖面图还可以看出，风暴形成前，北京地区山前平原地区1000 m以下存在明显的偏东南风，0—3 km则存在明显的低层风垂直切变(图 5a、b)，与探空观测的天气尺度背景特征一致。可见，风暴形成前的低层动力特征非常有利于将京津冀南部平原地区的暖湿空气输送到北京地区山前并不断抬升，而探空指示出较低的环境抬升凝结高度和自由对流高度(图 2)，也表明这样的低层动力特征非常有利于对流风暴的形成。从热力条件看，至少在风暴新生前的近2 h内(20—22时)，对流风暴新生地点(北京城区及其周边)的低层温度偏高(图 6a、b)，热力不稳定也非常显著，对流有效位能基本在2200 J/kg以上，局 地超过2400 J/kg(图 4a、b)，与20时的探空观测值相当。热力条件也非常有利于对流风暴的局地新生。从水汽条件来看，在风暴新生前，北京东南部天津周边存在明显不断向西北扩展的“湿舌”(相对湿度 > 80%的区域)，在低层强东南风作用下不断将水汽输送到北京地区，形成风暴局地新生的有利水汽条件。随着时间的推移，低层偏东南风在地形强迫作用下使得山前的局地低层辐合上升不断维持(图 4c、d)；强的低层偏东南风输送通道附近的相对湿度明显增加(> 85%区域)，将京津冀东南部的充足水汽不断向北京地区输送(图 6c、d)；从连续的扰动温度场演变(图 6)可以看出，西北和东南部的冷空气不断向北京地区山前推进，冷空气的夹击也使得北京地区山前的低层辐合上升不断增强；另外，前述的 其他有利条件也依然维持。这些动力、热动力和水

图 4 模拟的2013年7月7—8日对流事件在7日20时54分(a)、21时48分(b)、22时42分(c)和23时36分(d)的低层187.5 m辐合辐散场 (彩色阴影，正值为辐合，量级为10-3 s-1) 和风场 (箭头) ，以及订正后的整层对流有效位能 (白色虚等值线，间隔100 J/kg；白色粗实等值线为30 dBz以上组合雷达反射率因子拼图观测，间隔10 dBz；黑色粗虚线AB对应图 5的垂直剖面位置；黑色粗实等值线为200 m地形等高线；粗黑虚线椭圆指示风暴新生区域) Fig. 4 Simulation results of low-level convergence/divergence (color shaded, convergence as positive, magnitude in 10-3 s-1) and winds (vectors) at 187.5 m, and the revised total CAPE (white dashed contours at 100 J/kg interval) at 20:54 BT (a), 21:48 BT (b), 22:42 BT (c), and 23:36 BT (d) 7 July 2013 (composite reflectivity mosaic over 30 dBz is denoted by thick white solid contours at 10 dBz interval; the thick black dashed lines from A to B indicate the location of vertical cross section in Fig. 5; thick black solid contours denote 200 m topography height; thick black dashed ellipses indicate storm initiation areas)

图选项

图 5 模拟的2013年7月7—8日对流事件在7日20时54分(a)、21时48分(b)、22时42分(c)和23时36分(d)的辐合辐散场 (彩色阴影及间隔0.05×10-3s-1的等值线，正值为辐合) 和风场 (箭头) 沿图 4 中AB所示的垂直剖面 (黑色阴影为地形剖面；横轴为剖面距离；粗实黑线框指示风暴新生区域) Fig. 5 Vertical cross sections of low-level convergence/divergence (color shaded and contours at 0.05×10-3s-1 interval, convergence as positive) and winds (vectors) from A to B shown in Fig. 4 at 20:54 BT (a), 21:48 BT (b), 22:42 BT (c), and 23:36 BT (d) 7 July 2013 (the black shaded areas indicates the topography across the section; the horizontal ordinate denotes the distance of the cross section; the thick black boxes indicate storm initiation locations)

图选项

图 6 模拟的2013年7月7—8日对流事件在7日20时54分(a)、21时48分(b)、22时42分(c)和23时36分(d)的低层187.5 m扰动温度场 (彩色阴影，单位:℃) 、风场(箭头)和80%以上的相对湿度场 (红色等值线，间隔5%;白色粗实等值线为30 dBz以上组合雷达反射率因子拼图观测(间隔10 dBz)；黑色粗实等值线为200 m地形等高线；粗黑虚线椭圆指示风暴新生区域) Fig. 6 Simulation results of low-level temperature perturbations (color shaded, unit:℃) , winds (vectors) , and relative humidity over 80% (red contours at 5% interval) at 187.5m at 20:54 BT (a), 21:48 BT (b), 22:42 BT (c), and 23:36 BT (d) 7 July 2013 (the composite reflectivity mosaic over 30 dBz is denoted bythick white solid contours at10dBz interval; thick black solid contours denote 200 m topography height; thick black dashed ellipses indicate storm initiation areas)

图选项

汽特征成为自22时前后开始对流风暴在北京地区北部不断新生、合并增强为线状中尺度对流系统的决定性因素。其中，冷空气(冷池)夹击导致低层辐合上升不断增强的机制，在其他的局地突发强对流个例研究中也已经发现(陈明轩等，2010，2011)。从剖面图进一步来看，当多单体风暴在北京城区附近的山脚逐渐形成时，临近风暴的低层辐合上升非常强烈，垂直速度最大超过10 m/s，2.5 km以上则为辐散，东南部近风暴环境为明显的低层风垂直切变(图 5c)。低层暖湿入流在地形强迫下辐合抬升，为多单体风暴的新生和快速加强提供充沛的动力和水汽条件。当多单体风暴下山并快速加强演变为线状中尺度对流系统后，伴随的低层辐合上升区也向东南移动，进入城区(图 5d)。

需要说明的是，这里的对流有效位能是经过订正后的对流层整层的值。因为所用模式高度为5.4375 km，因此为了计算对流层整层的对流有效位能，需要对模拟的对流有效位能进行整层订正。如前文所述，在雷达四维变分分析系统模拟中，3 km以上为海绵边界层且不同化雷达探测资料，因此3 km 以上至模式顶(5.4375 km)其实为中尺度背景场的信息，主要来自作为中尺度背景场的BJ-RUC的结果(陈明轩等，2016)，其与5.4375 km高度以上的BJ-RUC模式结果较为连续。另外，验证表明，BJ-RUC模式探空是相对可靠的(陈敏等，2011)。因此，这里采用BJ-RUC逐时模式探空进行对流有效位能的订正。计算BJ-RUC逐时模式探空的对流有效位能与最接近时次模拟值之差，利用这个对流有效位能差值来订正相距BJ-RUC模式探空时刻±30 min内的模拟值，近似得到模拟的整层对流有效位能。对最接近北京探空时刻(08、14和20时)和探空站点订正后的整层对流有效位能模拟值与探空观测值的对比发现，二者非常接近，这从前文20时前后的对流有效位能的分析对比也可看出。因此，至少从定性分析来说，订正后整层模拟的对流有效位能是可信的。

从前文的雷达回波演变分析可知，自00时30分前后开始的3 h内，多单体风暴发展为典型的西 南—东北向线状中尺度对流系统，整体向偏东南方向缓慢传播，但中尺度对流系统中的对流单体则沿着近似风暴线的方向不断向偏东北方向移动，中尺度对流系统尾部(西端)则不断有对流单体新生并加入向东移动的风暴单体行列，整个系统存在明显的“列车效应”和后向传播特征。

从数值模拟结果来看(图 7、8)，线状中尺度对流系统传播前方(南部)低层持续维持强的偏东南风(偏南低空急流)，将东南部低层丰富的水汽不断输送到中尺度对流系统的发展区域；在其传播前方近风暴环境存在明显的低层辐合区，非常有利于偏南低空急流带来的暖湿空气在其系统发展区域的上升；中尺度对流系统大部分在冷区发展，而且从00时30分开始由于中尺度对流系统降水形成的冷池导致其后部的冷区不断加强扩展，使得沿中尺度对流系统风暴线向偏东北方向移动的风暴单体在进入深厚的冷区后逐渐消散；在中尺度对流系统传播右前方，是明显的对流有效位能大值区(最大超过2200 J/kg)，而且低层也是明显的暖区，热力不稳定条件再配合强的低层暖湿空气辐合上升，非常有利于中尺度对流系统尾部(主轴后端)对流风暴单体的不断新生(再生)和后向传播，而线状中尺度对流系统则是整体向低层辐合上升最大区域传播，即向偏南传播发展(图 3)。从低层风场和辐合/辐散场的 垂直剖面(图 9)来看，线状中尺度对流系统传播前方(南部)存在明显的低层环境风垂直切变，切变平均方向与中尺度对流系统主轴方向存在较大夹角，1 km以下存在明显的偏南暖湿气流；在中尺度对流系统前侧对流单体新生区域附近低层则存在强的辐合上升气流。从与线状中尺度对流系统回波走向接近垂直的剖面(图 9a、b)进一步分析来看，中尺度对流系统前侧的低层辐合上升存在一定的斜压性，随着高度的上升，辐合区由中尺度对流系统传播前沿向其核区倾斜，对应的则是中尺度对流系统后侧低层明显的辐散下沉；从与地形走向接近垂直的剖面(图 9c、d)来看，山脚附近存在强的低层辐合上升，可见地形强迫也对中尺度对流系统中对流风暴单体新生(再生)起到重要作用。从回波演变来看，中尺度对流系统的整体传播特征、“列车效应”及后向传播特征与“7.21”特大暴雨中尺度对流系统的回波演变特征比较相似；从动力和热动力机制的分析来看，其诸多特征也符合“7.21”特大暴雨中尺度对流系统的低层动力和热动力概念模型的描述(陈明轩等，2013，参考其图 16)，也与美国中纬度地区缓慢移动、准静止或后向传播中尺度对流系统的诸多动力及热动力特征类似(Schumacher et al，2005，2006; Peters et al，2015b)。值得注意的是，模拟结果显示该线状中尺度对流系统并未产生强的出流边界，只是自01时24分开始，在中尺度对流系统传播的右前部可以看到弱的出流，风向切变指示的出流边界走向接近其回波带走向，位于低层冷暖区交汇处，并逐渐远离中尺度对流系统的母体(参考图 8)。这与北京“7.21”特大暴雨的中尺度对流系统(陈明轩等，2013)以及美国中纬度地区缓慢移动、准静止或后向传播的中尺度对流系统典型个例(Peters et al，2015a，2015b)产生明显的强出流边界特征存在差异。

图 7 模拟的2013年7月7—8日对流事件在8日00时30分(a)、01时24分(b)、02时18分(c)和03时12分(d)的低层187.5 m辐合辐散场 (彩色阴影，正值为辐合，量级为10-3 s-1) 和风场 (箭头) ，以及订正后的整层对流有效位能 (白色虚等值线，间隔100 J/kg;白色粗实等值线为30 dBz以上组合雷达反射率因子拼图观测，间隔10 dBz；黑色粗虚线A B及C D对应图 9的垂直剖面位置；黑色粗实等值线为200 m地形等高线；粗黑虚线椭圆指示风暴新生区域) Fig. 7 Simulation results of low-level convergence/divergence (color shaded, convergence as positive, magnitude in 10-3 s-1) and winds (vectors) at 187.5m, and the revised total CAPE (white dashed contours at 100 J/kg interval) at 00:30 BT (a), 01:24 BT (b), 02:18 BT (c), and 03:12 BT (d) 8 July 2013 (the composite reflectivity mosaic over 30 dBz is denoted bythick white solid contours at 10 dBz interval; the thick black dashed lines of AB and CD indicate locations of vertical cross sections in Fig. 9; thick black solid contours denote 200 m topography height; thick black dashed ellipses indicate storm initiation areas)

图选项

图 8 模拟的2013年7月7—8日对流事件在8日00时30分(a)、01时24分(b)、02时18分(c)和03时12分(d)的低层187.5 m扰动温度场 (彩色阴影，单位:℃) 、风场(箭头)和80%以上的相对湿度场 (红色等值线，间隔5%;白色粗实等值线为30 dBz以上组合雷达反射率因子拼图观测(间隔10 dBz)；黑色粗实等值线为200 m地形等高线；粗黑虚线椭圆指示风暴新生区域) Fig. 8 Simulation results of low-level temperature perturbation (color shaded, unit:℃), winds (vectors), and relative humidity over 80% (red contours at 5% interval) at 187.5 m at 00:30 BT (a), 01:24 BT (b), 02:18 BT (c), and 03:12 BT (d) 8 July 2013 (the composite reflectivity mosaic over 30 dBz is denoted bythick white solid contours at 10 dBz interval; thick black solid contours denote 200 m topography height; thick black dashed ellipses indicate storm initiation areas)

图选项

图 9 模拟的2013年7月7—8日对流事件在8日00时30分(a、c)及01时24分(b、d)的辐合辐散场 (彩色阴影及间隔0.05×10-3s-1的等值线，正值为辐合) 和风场 (箭头) 沿图 7中AB及CD所示的垂直剖面(黑色阴影为地形剖面；横轴为剖面距离；粗实黑线框指示风暴新生区域) Fig. 9 Vertical cross sections of low-level convergence/divergence (color shaded and contours at 0.05×10-3s-1 interval, convergence as positive) and winds (vectors) from the lines AB and from CD indicated in Fig. 7 at 00:30 BT (a and c) and 01:24 BT (b and d) 8 July 2013 (black shaded area indicates topography along the cross section; The horizontal ordinate denotes the distance of the cross section; thick black solid boxes indicate storm initiation locations)

图选项

这里针对全部18个对流事件的模拟结果，利用北京地区的特种加密观测资料进行检验和评估分析。观测站点分布如图 1所示，包括位于北京海淀的风廓线雷达(○表示)、位于北京观象台和顺义的地基微波辐射计(◇表示)、位于北京观象台的秒级探空(□表示)、位于北京中国科学院大气物理研究所的边界层观测塔(△表示)。其中，北京观象台的微波辐射计和秒级探空与北京雷达(BJRS)在同一个站点上。根据上述观测仪器的特性，这里主要针对模拟的风速、风向和温度进行检验，包括模拟与观测的偏差和均方根误差。每个事件的检验时段参见表 1。

根据前述雷达变分分析系统的模拟设置以及关注重点，这里仅考虑低层(2.8125 km以下)模拟结果的检验。

海淀风廓线雷达资料用于风速和风向检验。在3 km高度以下，海淀风廓线的垂直观测间隔在60—120 m，比模式垂直层密集。因此，首先利用3点滑动平均方法，对风廓线观测实施平滑。然后利用一个样条函数和距离权重垂直插值方法，将风廓线观测资料垂直插值到模式层上。再利用水平距离权重插值方法，将距离风廓线站点最近的4个模式格点资料插值到风廓线站点上。在时间上，海淀风廓线的观测间隔为6 min，因此取风廓线观测与模拟结果最接近的时次作为二者对比的时次。这样，就可得到模拟与观测的风速、风向廓线资料并进行检验。对于北京观象台和顺义的微波辐射计观测，用于对温度模拟结果进行检验。在3 km高度以下，微波辐射计的垂直观测间隔在100—250 m，也比模式垂直层密集，因此对温度观测和模拟廓线的时空处理和检验方法与风廓线类似。因为地基微波辐射计的探测时间间隔为1 min，所以在模拟资料的时间点上，将模拟的温度廓线与微波辐射计探测的温度廓线进行统计检验即可。最后，将基于两部微波辐射计的检验结果进行平均，得到总的温度检验。

这里进一步利用北京观象台的秒级探空数据进行风速、风向和温度的检验。秒级探空的优势就是可以得到与精确到秒的观测时间相匹配的不同观测空间(垂直层)上的探空数据。对于北京探空来说，除了08时(秒级探空时间一般在07—09时)和20时(秒级探空时间一般在19—21时)的常规观测外，在夏季还在14时(秒级探空时间一般在13—15时)增加一次观测。这样，针对每个对流事件，如果模拟时段(表 1所示)与探空观测时段(07—09时、13—15时或者19—21时)存在重合的话，就可以将3 km高度以下的模拟结果和探空观测数据根据时间和垂直层进行“匹配”。一般来说，探空气球的上升速度在5—6 m/s，在10 min内即可到达检验最高层2.8125 km。因此，对于18 min间隔的模拟结果来说，寻找与探空起始时间最接近的模拟时次即可近似满足时间匹配需求。在垂直层匹配上，根据探空气球的上升速度，秒级探空的层次非常密集，只需要将最接近模式层高度的探空资料进行匹配即可。根据统计研究(杨荣康等，2013)，探空气球在700 hPa(接近3 km)以下的漂移距离仅为2 km左右，对于3 km分辨率的数值模拟来说，为简便起见可将探空漂移忽略不计。因此，再利用水平距离权重插值方法，将距离探空站点最近的4个模式格点资料插值到探空站点上。这样，就得到了3 km以下模拟与探空观测的风速、风向及温度廓线资料，共计匹配到35个样本，进行相关检验。

最后，也利用边界层观测塔间隔20 s的观测数据，针对全部模拟结果，进行模式最低层187.5m的风速、风向和温度的检验。利用水平距离权重插值方法，将距离观测塔站点最近的4个模式格点的风速、风向和温度资料插值到观测塔站点上。观测选用最接近模式最低层高度的观测塔180 m高度的数据。对于观测风速，这里取观测塔东南和西北两个观测臂获得的最大风速在10 min内的平均值。对于观测风向，取10 min内风向频率最高象限的风向平均值。对于温度，取10 min平均值。然后，将经上述处理后的观测数据与插值到观测塔站点的最接近观测时次的模拟结果进行匹配和检验。

从风速检验来看(图 10a)，基于海淀风廓线数据检验得到的模式最低层风速的偏差和均方根误差 分别约为-0.5和0.8 m/s。随着高度的升高，基于风廓线数据检验的偏差和均方根误差逐渐增大，在最高层2.8125 km分别约为-0.9和1.6 m/s。但是也可看出，最低3层的均方根误差较小，基本在1 m/s以内。从观象台秒级探空数据检验结果来看，偏差和均方根误差趋势与风廓线检验结果类似，但均明显减小，最低层分别约为-0.3和0.6 m/s，最高层分别在-0.7和1.3 m/s左右。进一步地，从边界层观测塔数据对模式最低层187.5 m的风速检验来看(表 2)，18个对流事件的风速偏差和均方根误差存在大小差异，但总体来说在一个有意义的范围之内，而且偏差和均方根误差的平均值分别为-0.35和0.89 m/s，与风廓线及秒级探空检验结果类似。另外，风速偏差均为负值，表明模拟的大气低层风速平均值偏小，这种偏差趋势与陈明轩等(2011)针对2008年夏季10个对流风暴个例模拟数据的检验结果类似。

图 10 模拟的18个对流事件的风速(a)及风向(b)检验(黑线和红线分别为基于北京海淀风廓线和北京观象台秒级探空的检验；实线和虚线分别表示风向和风速的偏差和均方根误差) Fig. 10 Verification of wind speed (a) and wind direction (b) of the simulation results of the 18 convection events (black and red lines indicate the verification results based on observations at the wind profiler at Haidian station and the second-level radiosonde at Observatory in Beijing, respectively; solid and dashed lines denote biases and root-mean-square errors (RMSE) of wind speed and direction, respectively)

图选项

风向检验结果表明(图 10b)，除了最高层2.8125 km 高度外，风向偏差均为正值。其中，风廓线数据检验得到的风向偏差在16°—22°，秒级探空数据检验得到的风向偏差总体更小一些，基本在14°—18°。而两种观测检验得到的2.8125 km高度的风向偏差则转换为负值，分别约为-14°和-9°。如前文所述，模拟设置仅在3 km以下同化雷达资料，而3 km以上是由中尺度背景场、RR4DVar中云模式积分动力调整和重力波阻尼算法控制的海绵边界层，因此2.8125 km高度的风向偏差开始转换为负值可能与这个设置有关。从风向均方根误差检验结果来看，也是以秒级探空检验的风向均方根误差更小一些，基本均小于30°，而以风廓线检验的风向均方根误差在38°以内。由上述结果也可以看出，基于秒级探空检验的风速和风向的误差(包括偏差和均方根误差)更小。从基于边界层观测塔数据对模式最低层187.5 m的风向检验来看(表 2)，偏差和均方根误差的平均值分别为13.95°和34.58°，与上述两种资料的平均检验结果类似。从对18个对流事件的模式最低层风向模拟性能比较来看，差异较大，大部分个例的风向均方根误差在一个象限以内(很多个例远小于45°)，但对于个别个例，风向均方根误差接近50°。

从基于微波辐射计和秒级探空观测数据的温度检验结果来看(图 11)，偏差总体在-0.5—-1℃，均方根误差总体在1—1.8℃。基于两种资料检验的温度偏差均为负值，表明模拟的低层温度总体偏低，或者说，模拟的强对流风暴形成的冷池可能存在偏强的趋势。另外，从两种资料检验结果的对比来看，在模式的最低2层，基于微波辐射计观测的检验误差(包括偏差和均方根误差)小于基于秒级探空观测的检验误差，而在其他模式层则相反。进而，从基于边界层观测塔数据的温度检验来看(表 2)，针对18个对流事件的模式最低层187.5 m模拟温度偏差和均方根误差存在一定差异，但大部分个例的温度误差不大，偏差和均方根误差的平均值分别为-0.62℃和1.7℃，与基于上述两种资料的平均检验结果类似。

图 11 模拟的18个对流事件的温度检验(黑线和红线分别为基于北京微波辐射计和北京观象台秒级探空的检验；实线和虚线分别表示温度偏差和均方根误差) Fig. 11 Verification of the temperature simulation results of the 18 convection events (black and red lines indicate the verification results against observations from ground-based microwave radiometers in Beijing and second-level radiosonde at Observatory, Beijing, respectively; solid and dashed lines denote the bias and root-mean-square error (RMSE) of temperature, respectively)

图选项

为进一步认识系统模拟结果的误差特征，针对18个强对流事件所包含的全部对流风暴过程，开展了观测设备(风廓线、微波辐射计和边界层观测塔)分别位于对流风暴内/外时模拟结果的检验对比。而对于秒级探空，因为探空站位于对流风暴内的观测样本数太少，无法检验。这里仅对比分析模拟最低层187.5 m的风速、风向和温度的偏差和均方根误差(表 3)。

从上述结果来看，基本特征与总体检验结果比较一致，只是观测设备在对流系统内部时检验得到的模拟误差较大，而观测设备在对流系统外部时模拟误差则相对较小。对于风廓线和微波辐射计等特种观测设备，如果位于强对流内部，会受大气不均匀、强烈垂直运动和强降水的负面影响，使其观测误差增大。另外，雷达四维变分分析系统对强对流出现地点的动力和热动力特征的模拟分析误差有时可能也会较大。两个原因导致观测设备在对流系统内部时模拟误差较大。而当检验设备在对流系统外部时，大气运动相对较为平缓，风廓线和微波辐射计观测误差较小，代表大气中尺度特征的模拟分析结果误差也相对较小，这会导致检验得到的误差减小。但是对于边界层观测塔来说，观测误差与对流风暴出现位置关系不大，因此观测塔在对流风暴内部和外部的检验结果更加客观地指示了系统模拟误差的大小和差异。但总体而言，这些差异均在一个可允许的范围内。

从18个对流事件模拟结果的检验来看，低层3 km 以下的风速、风向和温度的误差总体较小，表明该系统在模拟与对流风暴生消发展密切相关的低层动力场和热动力场方面的独特优势。与陈明轩等(2011)利用早期的系统针对2008年夏季10个对流风暴个例的模拟检验结果对比来看，目前新的雷达四维变分分析系统对低层热、动力场的模拟结果误差更小，风速、风向和温度廓线的偏差和均方根误差均有不同程度的减小，这得益于对系统进行的大量改进(陈明轩等，2016)。

当然，如上所述，风廓线雷达和地基微波辐射计对强对流天气过程的观测误差有时较大，而秒级探空和边界层观测塔的可靠性更高。但是，用于检验的秒级探空观测样本数较少，观测塔数据则由于高度限制只能检验模式最低层结果。另外，检验插值也会造成一定误差。因此上述检验也存在一定不确定性。对于类似文中的高时空分辨率数值模拟结果，事实上目前并没有非常合适的高时空分辨率观测数据用于检验。

基于雷达资料快速更新四维变分同化(RR4DVar)技术和三维数值云模式所建立的高分辨率模拟分析系统(陈明轩等，2016)，通过同化京津冀区域6部新一代天气雷达逐6 min观测的径向速度和反射率因子资料，并融合区域自动站逐5 min观测资料和中尺度数值模式结果，对2010—2014年夏季发生在京津冀地区的18个对流风暴事件进行了逐18 min更新的数值模拟和典型个例结果分析，对模拟得到的与对流风暴生消和发展演变密切相关的低层风场和温度场结果进行了检验。

首先，从18个对流风暴事件中选取2013年7月7日夜间至8日上午发生的一次强对流事件，对模拟结果进行了详细分析。本次强对流风暴在北京地区局地突发，并不断组织形成线状中尺度对流系统，且存在明显的“列车效应”和后向传播特征。从风暴形成前的模拟结果来看，低层动力、热力和水汽特征均非常有利于对流风暴的局地突发。对流风暴形成前的低层动力条件非常有利于将京津冀南部平原地区的暖湿空气输送到北京地区山前的不稳定区域并不断强迫抬升，成为对流风暴在北京地区北部不断新生、合并增强为线状中尺度对流系统的决定性因素。模拟结果显示，线状中尺度对流系统传播前方(南部)低层持续维持强的偏南低空急流，将东南部低层丰富的水汽不断输送到中尺度对流系统发展区域附近的低层强辐合上升区，有利于中尺度对流系统中对流单体的不断新生及整个中尺度对流系统的维持和发展。中尺度对流系统强降水造成冷池不断增强扩展形成深厚的冷区，使得中尺度对流系统中沿风暴主轴线向偏东北方向移动的风暴单体在进入深厚的冷区中逐渐消散，从而维持了中尺度对流系统总体的缓慢传播和移动特征。在中尺度对流系统传播右前方存在明显的对流有效位能大值区和暖区，有利的热力不稳定条件再配合强的低层暖湿空气辐合上升，有利于中尺度对流系统尾部(主轴后端)对流风暴单体的不断新生(再生)和后向传播。模拟结果分析也发现，地形强迫对中尺度对流系统中对流风暴单体新生(再生)起到重要作用。通过个例分析可以看出，雷达四维变分分析系统的模拟结果对强对流天气的生消发展及生命史特征具有重要指示意义。

其次，利用风廓线雷达、地基微波辐射计、秒级探空、边界层观测塔等局地高频非常规观测数据，对18个对流风暴事件的低层3 km以下的模拟结果(风速、风向和温度)进行了检验分析。从0—3 km不同模式层的风速检验结果来看，最低层187.5 m风速偏差和均方根误差分别在-0.5和0.9 m/s以内，风速误差随高度逐渐增大，最高层2.8125 km的风速偏差和均方根误差分别在-0.9和1.6 m/s以内。另外，风速偏差指示模拟的大气低层风速平均值偏小。从风向检验结果来看，模拟的0—3 km的风向偏差在14°—22°，风向均方根误差在38°以内。从边界层观测塔对全部对流事件187.5 m高度的风向检验来看，系统对不同个例低层风向的模拟性能差异较大，但大部分个例的风向均方根误差在一个象限以内，甚至远小于45°。从不同资料检验的对比来看，基于秒级探空检验的风速、风向误差更小。从不同模式层的温度检验来看，偏差和均方根误差分别在-1和1.8℃以内。不同资料检验得到的温度偏差均为负值，表明模拟的低层大气温度偏低。从观测设备在对流风暴内、外的模拟结果检验对比来看，观测在风暴内部时检验得到的模拟误差较大，反之模拟误差则相对较小，但总体而言这些差异均在一个可允许的范围内。从18个对流事件模拟结果的检验总体来看，低层3 km以下的风速、风向和温度的误差总体较小，表明模拟得到的与对流风暴生消发展密切相关的低层动力场和热动力场是比较可靠的。

事实上，已经针对全部18个对流事件的模拟结果，从低层动力和热动力条件、地形强迫、出流边界触发等方面对风暴的新生、维持和消散机制进行了较为详细地分析。总体来看，模拟结果在解释不同类型强对流天气(包括多单体风暴、超级单体风暴、飑线、强降水中尺度对流系统等)的生消和发展演变机理方面具有明显优势，对强天气的临近预报和预警也具有重要指示意义。但对于部分局地新生的对流风暴，目前的模拟结果还无法明确解释这些风暴局地突发的机理(模式最低层设置为187.5 m可能偏高)，这有待于系统的进一步改进以及更高时空分辨率的模拟结果。特别是在云模式微物理方案中增加冰相和融化过程，会改进对流风暴中高层特征的模拟结果以及模式对流降水的临近预报效果(Chang et al，2016)，也可能会进一步改进低层大气三维动力和热动力特征的模拟，目前正在致力于这方面的试验研究。另外，将模拟结果与相关的对流风暴生消发展概念模型(Rotunno et al，1988；Weisman et al，2004；Schumacher et al，2005；Wilson et al，2006)相结合，并研究对应的强天气临近预报和预警的指标和判据，是将系统进行有效应用的一个关键，这方面还需要开展大量的工作。

致    谢： 就个例模拟结果分析与美国科罗拉多州立大学大气科学系Russ Schumacher博士进行了有益讨论，谨此致谢。