在國家氣象中心強對流與強降水潛勢頂報業務平台上，增加雷電潛勢預報方法研究和業務平台建設，完善雷暴分析預測手段，並指導全國雷電天氣預報業務的開展，實現對雷電及與其相關的強對流天氣的移向、移速、強度、影響範圍以及持續時間等的預報，形成雷電天氣潛勢預報指導產品。雷電天氣潛勢預報產品包括以3～6h的間隔，給出未來0～12h內雷電天氣落區預報6h間隔，未來0～12h雷電天氣出現機率的預報3h間隔，未來6～24h目標區域雷電落區集合預報。同時開展雷電預報產品的檢驗與評估，建立科學合理的檢驗方法，對雷電天氣預報產品的準確程度和誤差進行綜合分析，形成客觀定量的檢驗評估產品，為產品的有效使用和預報水平的不斷提高提供參考。
基本介紹
- 中文名：雷電潛勢預報
- 外文名：Lightning potential forecast
- 形式1：雷電天氣潛勢預報
- 形式2：雷電數值模式預報
- 形式3：雷電決策樹算法預報
- 發展：完善雷暴分析預測手段等
雷電天氣潛勢預報,雷電決策樹算法預報,雷電數值模式預報,
雷電天氣潛勢預報
雷暴中存在著強對流、強起電、強降水等天氣現象。雷電與強對流及短時強降水是雷暴的必然產物，相互依存，因此雷電天氣潛勢預報與強對流潛勢預報具有相似性。雷電天氣潛勢預報是天氣預報和雷電預報共同關注的交叉點，是天氣研究和雷電研究相結合的產物，因此其預報方法的研究也可從天氣預報技術和雷電物理過程的數值預報出發，探討雷暴中雷雨雲發展、強風暴系統與雷電活動的發展演變規律。
雷電潛勢預報主要思路包括依託國內外雷電天氣預報方面的科研成果，基於對雷電天氣與其他強對流天氣發生之間的關係的分析，利用歷史資料建立我國不同地區雷電易發天氣形勢背景類型庫，尋找造成雷電天氣的各種敏感因子，分析天氣實況並利用具有業務化能力的中尺度數值模式產品，並改進高分辨數值預報產品的動力釋用和統計釋用技術，開展大氣物理參數的動力診斷分析，結合雷暴系統活動及變化特徵，建立雷電天氣物理參數的動力診斷分析，結合雷暴系統活動及變化特徵，建立雷電天氣潛勢預報方法。如華北地區產生強對流天氣的基本形勢主要有冷渦型、橫槽型、渦前低槽型、階梯槽型和西北氣流型等5種，各地氣象台站還有更多的經驗總結，為便於推廣使用，CAMS_LNWS的天氣形勢預報產品套用模組中所有參數的設定都採用配置檔案來實現，對於不同地區，預報員可以設定不同的天氣形勢以及發生雷暴天氣的機率等參數。
雷電天氣潛勢預報也可以直接建立在雷電天氣數值預報的基礎上。雷電的發生是雷暴雲中電荷累積的結果，只有當雷暴雲中電荷積累到一定程度達到擊穿電場強度之後閃電才開始發生，雷電定位和監測系統也才能對其進行監測。因此結合中尺度數值預報對雷電進行動力診斷和潛勢預報，研究雷暴雲發生首次閃電之前的強電荷活動中心的發生髮展演變特徵，對雷電的預警預報非常重要。如果能準確了解首次閃電發生之前雷暴雲的電活動狀況，將可以大大提前預報閃電的發生。利用三維雷暴動力——電模式與數值預報模式的耦合，選擇適合的時空格距，在數值預報提供的背景場中，選定分析區域觸發雷暴動力一電模式，並結合地面大氣電場觀測網的觀測，研究雷電和雷暴發生髮展演變過程，能夠提供雷電天氣潛勢預報產品。
雷電決策樹算法預報
決策樹方法（decision tree method, DTM）因其具有直觀、簡要、清晰的決策過程的特點而被廣泛套用，DTM是科研人員和預報員根據專業知識和經驗設計的一種決策方法。決策樹學習是套用最廣的歸納推理算法之一，是一種逼近離散值函式的方法，對噪聲數據有很好的穩健性並且能夠學習析取表達式（張義軍等，2009）。將探空資料計算得到的對流有效位能（convective available potential energy, CAPE）、對流性穩定度指數和潛在性穩定指數作為預報白天雷電活動的條件屬性，利用北京地區08 00BT的探空資料（1995-1997年6-9月）和與每一次探空對應時間之後12h內、以中國氣象局為中心250km範圍內的地閃個數得到決策樹。對決策結果給出的雷電活動等級（4種可能取值無、弱、中、強）、雷暴天氣發生機率（所有符合該路徑的個例中有雷電發生的個例所占的百分比）和符合該路徑的總個例數（163個）分析發現，決策樹共有25條路徑，其中只有8條路徑上的個例數不低於10個，有6條路徑只有1個個例（有2條路徑還只用到了兩個條件屬性就得到了決策結果）。
另外，DTA不僅僅適用於探空資料套用模組，只要涉及的是利用多種參數進行決策的過程並具有足夠多的個例可用時就可以採用DTA來遴選較為合適的參數，並生成決策樹。當然，結合預報員的專業知識和經驗知識，建立DTM，或者對DTA生成的決策樹進行改進（尤其是對總個例數比較少的路徑）都將有利於提高雷電潛勢預報的準確度。
雷電數值模式預報
雷暴雲起電、放電模式的研究隨著實驗室實驗結果的增多、探測技術和計算機技術的飛速發展而取得了很大的進展，CAM_LNWS中也初步考慮了雷暴雲起電、放電模式的套用。目前採用的模式是中國科學技術大學大氣遙感實驗室基於中國氣象科學研究院積雲數值模式的框架，考慮了感應和非感應起電參數化方案並成雙向隨機放電模式建立起來的二維雷暴雲起電、放電模式，輸入資料採用MICAPS提供的探空數據，包括各層的氣壓、海拔、溫度、露點溫度、風向和風速等。CAMS_LNWS會根據用戶設定的時間自動獲取之前12h之內的探空資料（每天0800BT和2000BT兩次），能夠模擬得在該探空的天氣條件下可能產生的雲閃和地閃次數等特徵。
對於北京及周邊地區夏季的雷電活動，統計結果表明該地區閃電活動在時間分布上存在兩個峰值時間段，1300-2100BT和2300—次日0500BT。下午的對流活動主要是太陽輻射造成地表加熱引起的，而凌晨的對流活動主要是由於雲頂輻射冷卻和夜間行星邊界層急流等原因造成的。而利用雷暴雲起電、放電模式進行模擬時，是在模式初始場地面附近加入了一個暖濕泡擾動引起對流，與自然情況是有一些差異的，加上一天只有兩次探空，所以模擬結果只是大致表示了探空之後12h內該地區發生閃電的可能性。
