引言

气象卫星由于能对降水的母体即对流云团进行有效观测，及时反映云团发生、发展和移向、移速等宏观特征，因此基于卫星云图短时降水估算开展了大量研究。20世纪70年代以来，国内外提出了多种方法，如概率匹配法(PMM)^[1]、查询表法(LUT)^[2]、对流云与层状云分类法(CSI)^[3]、生命史法^[4]。国内主要根据“云指数法”和“生命史法”这二类降水估计法，进行了大量的本地化研究^[5-6]，同时对方法本身存在的一些缺陷进行改进，如考虑云团环境场、水汽输送、地形作用、临界温度等因子^[7-9]，取得一定效果，但仍没有很好解决方法本身的缺陷。这些方法没有对强降水云团的类型进行系统划分，实际上不同对流云团所对应的地面雨量分布差异很大，强降水集中在云团中心和两侧位置均有可能，另外，单凭卫星云图不能获得云团的边界层微观信息和环境流场，很难预测云团未来发展趋势(如增强、减弱等)。实际上梅汛期雨带的维持、发展都出现在特定、有利的天气形势场中，目前天气形势场数值预报已经达到了很高的水平，因此可以通过分析环境要素场和强降水、对流云团之间的关系，以降水母体即对流云团为研究对象，结合雷达和卫星观测资料优点，综合分析云团的宏观和微观信息，对云团的发生和发展进行估计，提高云团强降水落区预报准确率。

1 资料及处理

资料包括：(1)2005—2008年浙江省梅汛期地面自动站1小时雨量资料。(2)2005—2008年浙江省梅汛期宁波、温州、杭州等多普勒雷达资料。(3)2005—2008年浙江省梅汛期FY2C卫星红外云图资料。以上资料均来自浙江省气象信息网络中心。(4)2005—2008年浙江省梅汛期间NECP全球模式资料，分辨率为1°×1°，区域为27°～32°N、118°～123°E，要素包括绝对涡度、垂直速度、比湿、风，层次包括850hPa、700hPa、500hPa，物理量包括对流有效位能和对流抑制能量。

资料处理:(1)利用FY2C卫星红外云图和地面自动站1小时雨量资料，挑选浙江省梅汛期间的中小尺度强降水对流云团个例(强降水对流云团指其在影响浙江期间至少有一个地面自动站观测到1小时的地面降水在10mm以上，红外云团上表现为围绕一个亮温低值中心区的等值线，其中也可能有若干次低值区，但同主中心明显具有统一的云区外围，下面均简称云团)，共得到146个强降水时次个例；分析云顶中心亮温极值和-40℃、-50℃、-60℃云顶亮温等值线覆盖面积；利用连续二个时次云团中心的移动确定其移向和移速。(2)根据挑选的强降水云团个例和对应的地面自动站1小时雨量资料，确定云团1小时地面雨量极值、10mm/h以上降水覆盖面积、强降水落区相对于云团中心的方位等信息；另外根据1小时地面雨量极值的落区计算相应区域的1小时云顶变温和亮温梯度。(3)利用NCEP资料计算850hPa、700hPa、500hPa三层水汽通量和水汽通量散度等物理量。

2 浙江省梅汛期强降水云团的特征 2.1 强降水云团中心相对于雨带位置的分类

根据梅汛期强降水云团中心相对于主雨带(主雨带指梅雨锋影响时，地面自动站1小时降水在3mm以上的区域)的位置，得到三种类型的云团，分别为居中型、偏南型和偏北型(见图 1)，分别占总个例数的48%、32%和20%，偏南型和偏北型云团中心位于主雨带边缘，而居中型则在主雨带中间，这三种云团在影响浙江的过程中一般保持稳定，类型转换常常出现在主雨带明显移动时。

2.2 云团云顶特征量与地面强降水关系统计特征 2.2.1 云顶亮温-50℃等值线覆盖面积与地面强降水关系

为了分析三类云团的宏观特征与地面强降水的关系，统计了三类云团云顶亮温-50℃等值线覆盖面积与所对应的地面雨量极值分布情况(图 2)，可见居中型云团10～20mm/h和20～30mm/h降水出现在覆盖面积10000km²以上个例最多，分别占总数53%和56%，30mm/h以上降水出现个例随着覆盖面积增大，其出现概率有下降的趋势，从覆盖面积5000km²以下时的26%减少到10000km²以上时的14%；相反偏南型和偏北型云团10～20和20～30mm/h降水出现5000km²以下的个例最多，偏南型占总数的58%和53%，偏北型占总数的46%和80%，随着覆盖面积的增大，两种类型30mm/h以上降水出现概率明显增加，偏南型从覆盖面积5000km²以下时的12%增加到10000km²以上时的33%，偏北型则从0%增加到60%。可见偏南型和偏北型云团云顶亮温覆盖面积与地面降水之间具有相似特征，而与居中型云团相反。

另外，对三类云团云顶亮温-50℃等值线覆盖面积与所对应的地面10mm/h以上雨量覆盖面积关系统计表明(图略)，居中型云团以覆盖面积10000km²以上个例最多，占总数的53%，随着云顶亮温-50℃等值线覆盖面积的增大，所对应的地面1小时强降水面积并没有增加趋势，大部分个例仍然在800km²以下，而偏南和偏北型云团以覆盖面积5000km²以下个例最多，分别占总数50%和45%，随着云顶亮温-50℃等值线覆盖面积的增大，1小时强降水面积有较明显增加趋势。可见单从云团覆盖面积指标上看，偏南和偏北型云团比居中型云团降水效率更高一些。

2.2.2 云团中心亮温与地面1小时强降水关系

统计了三类强降水云团在不同中心亮温时地面10mm/h以上降水不同覆盖面积出现频次(见图 3)，中心亮温在-40℃以上时，三类云团强降水覆盖面积主要表现为500km²以下，没有出现超过1000km²个例，在-40～-60℃时三类云团大部分降水个例覆盖面积在500～1000km²，低于-60℃以后偏南和偏北型云团仍以500～1000km²覆盖面积个例最多，而居中型则以500km²以下个例最多，随着云团中心亮温的降低，偏南型和偏北型云团地面1小时强降水覆盖面积具有相似的特征，相对而言偏南型云团出现>2000km²降水覆盖面积的概率更高一些。

另外对三类强降水云团中心亮温与地面1小时降水极值关系进行分析(图略)，中心亮温在-40℃以上时，居中型和偏南型云团地面降水极值没有出现超过20mm/h的个例，随着中心亮温的降低，这二类云团对应的降水极值在10～20mm/h、20～30mm/h和≥30mm/h三个档次所占的比例基本保持一致，可见其地面降水极值并没有随着中心亮温降低而发生明显变化，相反偏北型云团随着中心亮温降低，雨量极值有较明显的增大趋势。

2.2.3 1小时地面雨量与云顶特征量的关系

对云团各种参数与地面雨量进行相关统计，结果如表 1所示，雨带特征量与云团-60℃的覆盖面积相关最明显，显著性水平均达到0.05，云团-50℃的覆盖面积次之，达到显著性水平0.01，而云团-40℃的覆盖面积只与雨量极值具有相关性。可见降水的主体对流云团宏观特征与其降水直接相关。

2.2.4 云团1小时强降水相对云团中心移动路径的落区

统计三种类型云团1小时地面强降水具体的落区，结果如图 4和表 2所示，图 4为强降水落区相对于云团中心移动路径的分类，表 2为各种分类出现的概率，可见每类云团的1小时强降水落区相对于云团的移动有明显不同分布，云团居中型强降水出现概率最多的为a型即后部型，占54%，其次b型即前部型，占28%，最后为c型即中部型，云团偏南型强降水出现概率最多的为左后部型占53%，其余三种类型出现概率相差不大，偏北型云团没有出现超过50%概率的落区，在这三种类型云团中其强降水落区为最复杂。总的来说，云团1小时强降水落区出现在云团移向的前部、中部和后部都有可能，与实际的强降水轴紧密联系，并没有固定模式。

2.2.5 云顶1小时变温和亮温梯度与地面1小时强降水关系

在梅雨锋这种大尺度天气系统，往往有若干个对流云团镶嵌在雨带之中，然而在这个宽广的雨带之中一般只有1～2条窄强降水轴，只有经过这些窄强水汽辐合轴的云团才能引发新一轮的强降水，而其他云团虽然也沿着雨带移动，造成前方云顶亮温降低和温度梯度增加，但引发的降水相对小很多，甚至没有降水；从三种类型云团各自所对应的地面1小时强降水落区也可以看出，强降水有时出现在云团移向前方，有时出现在移向后方，因此与地面1小时强降水所对应的云顶出现正变温和负变温都有可能；由于对流云团镶嵌在锋面宽广的对流云系及其衍生的层状云系中，其周围云顶亮温一般较低，所以在移动过程中造成的亮温梯度一般较小；可见梅汛期强降水与云顶1小时变温和亮温梯度的相关并不明显。

3 强降水云团与环境要素场的关系

梅汛期强降水云团是在有利的天气形势中生成，一些云团有高达数十毫米的降水率，这么高的降水率必须具备十分有利的水汽条件、动力条件和不稳定能量等因子，为了对强降水云团的发生发展进行预报，有必要研究云团与这些因子的关系。水汽条件因子采用水汽通量和水汽通量散度，动力条件因子采用绝对涡度和垂直速度，层次包括850hPa、700hPa、500hPa，不稳定能量衡量采用CAPE指数和CIN指数，分别对这些物理量与云团云顶-40℃、-50℃和-60℃等亮温值线覆盖面积、云团中心亮温和地面1小时降水极值进行相关分析，结果如表 3，可见云顶亮温的宏观特征与中高层的垂直速度、水汽通量密切相关，两者均通过0.01显著性检验，而地面降水极值则同不稳定能量和中低层水汽通量有更好的相关性。

4 人工神经网络预报方程的设计与试报

作为云团宏观特征量在短时强降水预报中的应用尝试，本文以环境要素场为神经网络输入层，具体因子取表 3中通过0.01显著性检验的物理量，三种类型的云团云顶特征量为人工神经网络输出层，具体包括-40℃、-50℃、-60℃等值线覆盖面积和云顶中心亮温，建立预报方程；由于偏南型和偏北型具有较多类似特征，将两者个例合并建立方程。需要指出的是，云团强降水一般都发生在云团成熟期，这样组建的方程所做的预报一般代表云团成熟形态。

大量研究发现，诸多因素会影响人工神经网络预测能力，其中主要的有：网络过度拟合、网络结构、训练样本的数量和质量、初始权值和网络的误差(目标)函数。神经网络结构是指网络输入结点数、隐层数、隐层节点数和激励函数等。网络结构与预测对象的复杂程度不匹配是影响网络预测能力最主要因素，也是神经网络泛化理论研究的核心。结构简单，规模过小，不能逼近复杂对象；结构复杂，规模过大，也会引起预测能力下降。要使一个网络达到给定的预测能力，必须使网络的结构复杂性与训练样本数匹配。实际应用中，要提高网络的预测能力，我们的选择只能是，要么增加训练样本，要么减小神经网络规模，本文根据网络“最简原则”，建模过程中不断自动调整网络结构；在样本挑选方面，尽量选用更多的具有差异性的目标场，作为训练和学习，其他样本作测试和检验；每个预报目标都自动经过几种不同网络结构试验和比较；为了防止网络过拟合，建立预报模型后，进行“伪样本”实验，最后选择输出预报效果较好的五种“简单”模型，并对预报结果进行集合，结果如表 4。

然后，以云顶特征量和表 3中通过0.01信度的物理量为神经网络输入层，分别以地面1小时雨量极值和10mm/h以上覆盖面积为输出层，应用与前面类似的神经网络设计方案，建立人工神经网络预报模型，试验的结果如表 5。

由试验可知，三类云团预报误差接近，随着云团覆盖面积的增大，预报绝对平均误差有减少的趋势，但总的来说，相对误差有增加的趋势；云团中心亮温预报效果较好，绝对误差在2℃左右，部分弥补了-60℃亮温覆盖面积预报误差较大的情况。地面1小时雨量极值预报绝对误差在3～4mm，10mm/h以上雨量覆盖面积居中型云团误差较偏北和偏南型小。应用上述方法，对2008年6月26日14—18时3个云团12个时次、2008年6月18日00—08时2个云团12个时次进行跟踪预报表明，地面1小时雨量极值和10mm/h以上雨量覆盖面积预报的平均相对误差在20%左右，具有较好的应用效果。

5 结论

(1) 梅汛期强降水云团中心相对于主雨带的位置存在三种类型，分别为居中型、偏南型和偏北型，其中偏南型和偏北型云团宏观特征与地面1小时强降水极值和10mm/h以上降水覆盖面积之间具有较多相似特征，而与居中型云团有较多相反特征。

(2) 在浙江省梅汛期间，强降水云团云顶1小时变温和亮温梯度与地面1小时强降水落区并无明显配对模型。

(3) 云顶亮温的宏观特征与中高层的垂直速度、水汽通量密切相关，而地面1小时降水极值则同不稳定能量和中低层水汽通量有更好的相关性。

(4) 基于云团的梅汛期短时临近强降水人工神经网络集合预报对业务有一定指导意义。