引 言

极端暴雨作为一种小概率事件，因其降水量过大，极易引发洪涝、山洪、泥石流等自然灾害，从而造成严重人员伤亡和巨大经济损失。河南“75·8”特大暴雨是我国著名的极端降水事件，过程最大雨量达1 631 mm，板桥水库附近的林庄自动气象站最大6 h雨量为830 mm，创造了国内同类指标的最高纪录，特大暴雨致驻马店地区60多个水库垮坝溃决，超过2.6万人死难，直接经济损失近百亿元(李泽椿等，2015)。近50年来中国极端降水事件研究表明, 在全球变暖背景下极端降水事件的频率和强度均有升高的趋势(高涛和谢立安，2014)。近年来，我国大城市极端暴雨频繁发生，如2012年“7·21”、2016年“7·20”、2018年“7·16”北京的极端暴雨，2017年“5·7”广州极端暴雨等事件，引发城市交通瘫痪，经济损失和社会影响巨大，因而受到全社会的普遍关注。

国内外气象学者在极端降水表征值的确定、极端降水分布和演变趋势、极端降水的影响因子分析及极端降水模拟等方面取得了丰硕成果。王苗等(2012)、高霞等(2009)用通用的极端气候指数分析了近45年河北省极端降水事件频率变化的时空特征，指出河北省强降水日数和暴雨日数在降水日数中的比重有增大趋势。王登炎等(2010)认为湖北省极端暴雨事件与南亚高压的东西向移动密切相关。南亚高压的停滞、摆动以及强度等因素均对暴雨的关键影响系统产生重要影响。张芳华等(2014)指出，锋生过程是构成有利于极端暴雨过程的天气尺度环流背景，来自孟加拉湾异常充沛的水汽输送形成了冷季暴雨的水汽条件。

近年来，多位学者通过个例诊断分析，获得了极端暴雨过程中环境场和物理参数的一些共性特征，对于预报业务具有很好的参考价值。例如：肖递祥等(2017)对1981—2015年四川盆地23例极端暴雨过程的基本特征做了详细分析，认为极端暴雨过程中环境参数具有低层高比湿、整层相对湿度大、暖云层厚、垂直风切变小、850 hPa比湿和假相当位温具有显著正距平等特征。李琴等(2016)采用数值模拟资料分析了四川盆地一次灾害暴雨过程12个动力因子的演变特征，认为动力因子对该次强降水过程的发展演变具有一定预报能力。多位学者对北京2012年“7·21”和2016年“7·20”大暴雨过程(谌芸等，2012；孙军等，2012；赵洋洋等，2013；雷蕾等，2017；赵思雄等，2018)分析后认为：极端降水过程发生在高层辐散、中低层低涡切变和地面辐合线等高低空系统耦合的背景下；高层位涡异常向南发展造成低空低涡(气旋)新生、发展和移动，极大地加强了天气尺度垂直上升运动，触发对流；异常大的水汽含量(可降水量达60~80 mm)及与其相关的物理量异常, 可作为判断极端降水的重要因子。马月枝等(2017)分析了2016年“7·9”豫北特大暴雨过程，发现雨区上空存在着异常的水汽供应和不稳定条件，异常的垂直上升运动和太行山地形抬升是降水增幅的主要原因。而广州2017年“5·7”极端暴雨过程(傅佩玲等，2018；田付友等，2018；伍志芳等，2018)的研究结果则有所不同，极端暴雨过程环境条件和动力强迫较弱，天气尺度的动力、热力和水汽条件等极端性不显著，强降水是由中尺度对流系统直接产生的，偏南暖湿气流的持续输送、花都地形的阻挡和冷池的作用是高效率强降水对流系统较长时间维持的主要原因。

极端降水事件预报，目前仅在气候预测和短时临近预警方面有少量公开发表成果，李正泉等(2018)采用累积概率分布函数转换方式，降尺度预估了未来气候情景下杭州极端降水发生趋势；周莉等(2018)使用NEX-GDDP(NASA Earth Exchange Global Daily Downscaled Projections)提供的19个CMIP5降尺度高分辨率数据(0.25°×0.25°)，给出21世纪前期(2016—2035年)长江中下游流域极端降水的可能变化。王坚红等(2015)基于局地雷达回波基数据强度与雷达体扫面内相应地区强降水量之间的统计关系, 构建了未来1 h极端暴雨短时临近预警方法。而针对极端暴雨的中短期预报技术方法目前公开发表的成果不多见。

以往对极端暴雨个例的研究成果显示，环境参数及物理量在极端暴雨过程中有一定的异常特征，但因极端暴雨机理复杂，影响因子众多，同一地区不同的极端暴雨过程中，各环境参数的表现特征也不尽相同，单一参数难以全面描述复杂暴雨过程。因此，本研究通过对1981—2016年间河南省13例极端暴雨事件的环境参数异常性做诊断分析，寻找对极端暴雨预报有指示意义的因子组建极端暴雨综合预报指数(以下简称极端暴雨指数，以ERI表示)，旨在为极端暴雨预报业务提供一个新的参考指标。

1 资料说明及极端暴雨定义 1.1 资料说明

本文所用降水资料选自国家气候中心质量控制后的地面气象站基本气象要素日值数据集(V3.0)逐日20时至次日20时的24 h日雨量资料；分析诊断及极端暴雨指数构建和回代均采用欧洲中期天气预报中心(ECWMF)1981—2016年逐日6 h间隔1°×1°再分析资料(ERA-Interim)；ERI指数业务应用采用ECWMF细网格分析场和预报场资料。

1.2 极端暴雨定义

极端暴雨尚无统一标准和定义。一些学者依据经验或对社会和经济是否有重大影响等作为判断依据，孙继松等(2015)将一次暴雨过程中北京地区所辖区域的任意一个区(县)代表站24 h内降水量超过100 mm，且暴雨区内至少有一个自动气象站降水强度超过40 mm·h^-1的暴雨事件定义为极端暴雨事件；王登炎等(2010)定义研究区域内一个以上自动气象站24 h雨量≥200 mm，同时相邻两站≥100 mm，或一个以上站48 h累计雨量≥300 mm作为一次极端暴雨过程。

由于河南省地形复杂，日降水量差异大，不能用统一固定的日降水量简单定义，故本文借鉴翟盘茂和潘晓华(2003)提出的百分位法定义：将1981—2010年30年逐年日降水量序列的第99个百分位值的30年平均值设定为极端降水事件阈值，当某站某日降水量超过本站极端降水事件阈值时，称之为该站的一次极端降水事件；若某日河南省范围内有超过25%的测站发生极端降水事件时，称之为一次区域性极端暴雨事件。

2 基于环境参数的极端暴雨指数构建 2.1 河南省极端暴雨阈值分布特征

依据1.2节极端降水事件定义，利用1981—2010年的30年逐日20时至次日20时的日降雨量资料，计算了河南省119个站极端暴雨阈值如图 1a所示，河南省极端暴雨阈值呈现由西向东、自北向南递增趋势，豫西地区极端暴雨阈值普遍低于60 mm，尤其是三门峡和洛阳西部地区，阈值低于50 mm，而东部和南部地区阈值大于80 mm，其他地区为60~80 mm，极端暴雨阈值的分布特征与余卫东等(2008)研究的1971—2000年极端暴雨阈值分布特征较接近。

1981—2016年逐月极端暴雨站次分布显示(图 1b)，河南省极端暴雨在3—11月都有发生，36年来共4784站次出现极端暴雨，3月、4月、10月及11月出现极少(总计出现站次数占总站次的4%)，96%的极端暴雨出现在5—9月，以主汛期6—8月为集中时段(占总站次80.7%)，其中又以7月出现频率最高(占总站次42%), 8月次之(占总站次25%)。

2.2 河南省极端暴雨个例选取

参考河南省极端暴雨的时空分布特点，选取每年5—9月份为研究时段，依据1.2节中区域性极端暴雨的定义，1981—2016年共挑选出区域极端暴雨个例13例，采用欧洲中期天气预报中心1981—2016年逐日6 h间隔1°×1°再分析资料(ERA-Interim)诊断分析环境参数的气候特征及其在极端暴雨过程中的异常表现。

分析13例区域极端暴雨过程影响系统发现：台风影响3例，西南涡影响4例，切变线影响5例，黄淮气旋影响1例，不同影响系统下，极端暴雨过程的雨带位置具有一定相似性特征，有9例极端暴雨雨带位于豫西和豫北，呈准南北向分布，4例位于东部和南部，呈准东西向分布，这或与河南省地形特征密切相关，因此，采用EOF分析方法，将河南省的极端暴雨分为南(4例)、北(9例)两片，分片示意图见图 2，所选个例基本概况见表 1。

2.3 极端暴雨过程的环境参数特征 2.3.1 环境参数的选取及气候平均值特征

选取表征环境水汽、热力、动力、不稳定等特征的物理参数如：比湿、水汽通量、水汽通量散度、涡度、散度、垂直速度、V风分量、假相当位温、垂直风切变、温度平流等共32类(高空参数自1 000~100 hPa共10层)，依据2.2节中分片规则，分别计算了1981—2010年30年河南省南北两片区域的环境参数逐月气候平均值和13个极端暴雨个例过程中超阈值站点的环境参数平均值，对比极端暴雨过程中环境参数与相应月份相应区域的气候平均值，依据各环境参数在极端暴雨过程中的数值应明显大于(小于)其气候平均值、对极端暴雨的预报有指示意义的原则，筛选出如表 2所示的14个参数做进一步分析(下文中环境参数的名称及单位均参照表 2)。

图 3给出了部分环境参数南、北两片区域的气候平均值，大多数环境参数具有明显的月变化特征，整层可降水量、850 hPa比湿、850 hPa水汽通量等表征水汽的参数自5月起明显增大，7—8月为最大，9月开始明显下降，如整层可降水量，5月气候平均值已升至20 mm以上，7—8月则超过40 mm(图 3a)；700 hPa上升运动亦是7月、8月为最盛，该参数7—8月30年气候平均值小于0(图 3b)，说明动力上升运动在盛夏季节降水中扮演着重要角色；与水汽和上升运动相对应，700 hPa的V风分量呈相同变化趋势，7月南风分量明显强于其他月份，南风加强有利于水汽的增强和输送，同时也使动力条件加强；K指数的气候平均值更是在7月达到30℃(图 3c)，而0~3 km环境风垂直切变在盛夏则为一年中较小值(图 3d)。各环境参数的逐月变化特征表明，7月和8月是水汽充足、上升运动最强、不稳定能量最大的时段，也是出现强降水最有利的时段，统计表明，1981年以来13例极端暴雨有11例出现在7—8月(占总次数84.6%)，其中7月有7例(占总次数53.8%)。

图 3中各参数的南、北片气候平均值对比也反映出，河南省南部和北部环境场有一定差异，南部的水汽条件较北部更好，低层动力条件也比北片显著，同等的环境参数，北部的异常性要较南部更大，因而，当有较强系统影响使环境条件具备时，北部更易出现极端降水。

2.3.2 极端暴雨过程的环境参数特征

(1) 环境参数异常及其标准差倍数特征

不同影响系统造成的极端暴雨，环境参数的极端性并不相同，如2016年7月19日豫北的极端暴雨过程中，700 hPa垂直速度异常偏强，为1980—2016年间该区域所有强降水过程最大值，呈现出明显极端性，而水汽条件并未表现出极端偏强的特征(栗晗等，2018)。

那么，极端暴雨过程中，环境参数与气候平均值相比具有什么样的异常特征？分别计算了极端暴雨过程中超过极端暴雨阈值的站点环境参数平均值，并计算了环境参数相对于同月份气候平均的距平百分率(5月、6月极端暴雨仅有南部个例，气候平均取南片值；7月、8月南北片均有，气候平均和极端暴雨的参数值取南北两片平均)，见图 4。

极端暴雨过程中，出现极端暴雨的各站环境参数除850 hPa假相当位温和沙氏指数外(沙氏指数极端暴雨站点也大于0)，其他参数有明显异于气候平均值的表现，特别是对流层低层850 hPa水汽通量散度、涡度，200 hPa散度，700 hPa垂直速度、V风分量等环境参数，极端暴雨过程中的参数值较气候平均值的距平百分率达数倍甚至上百倍，这些指数通常较敏感，在一般天气情况下数值较小，一旦有强降水过程则迅速增大(减小)，导致距平百分率迅速增大；而整层可降水量、K指数等，月变化特征明显，盛夏季节气候均值相应较大，极端暴雨过程中偏离气候值的幅度则明显偏小。

发生在不同季节的极端暴雨过程，环境参数偏离气候值的程度也不尽相同，5月(春季)的极端暴雨过程整层可降水量、850 hPa比湿等表征水汽的参数表现更异常，而7—8月，700 hPa垂直运动偏离气候态程度更大。

依据参数意义明确，在极端暴雨过程中异常性明显、计算便捷、业务获取方便等原则，兼顾极端暴雨产生的各条件，从上述14个环境参数中，筛选出850 hPa比湿、整层可降水量、700 hPa V风分量、700 hPa垂直速度、850 hPa涡度、200 hPa散度、K指数、0~3 km垂直风切变等8个参数，作为后期极端暴雨指数构建的入选因子。

由于不同时期环境参数值差异较大，各参数的距平百分率差异亦较大，无法统一衡量，进一步计算了各环境参数相对于历史同期气候平均值(历史同期指的是计算日及其前后两天共5 d的气候平均值)的标准差倍数，计算公式见下式

$ n = \frac{{X - \mu }}{\sigma } $

(1)

式中：μ为计算日及前后两天共5 d的气候态平均值，σ为计算日及前后两天共5 d的气候态标准差，X为计算日的环境参数平均值。

由于极端暴雨有三种情况：较强系统影响但移速快、中等强度系统影响持续时间相对较长、较强系统影响且持续时间长，考虑环境参数这一时刻的状态量与暴雨累积量间的匹配，每一个站点环境参数的计算规则如下：利用ERA-Interim资料计算每个极端暴雨日逐6 h共4次的超过极端暴雨阈值的站点环境参量值，依据式(1)得到相对于同期气候平均的标准差倍数；取4次的标准差倍数平均值与极大值(极小值)的算术平均作为该站点的物理量标准差值。这样取值规则一定程度上表征了环境参数对降水强度和持续时间的双重影响。

图 5给出了13例极端暴雨个例中出现极端降水站点的平均环境参数箱线图，每个极端暴雨过程中，环境参数的箱线值特征有明显差异，有的过程中，仅有个别环境参数的标准差倍数异常偏高，而有些极端暴雨过程中，则有多个环境参数均表现异常。平均降水量较大的极端暴雨过程，通常会有更多数量的环境参数的标准差倍数平均值表现异常。如1984年8月9日和1994年7月12日出现在河南省北部的两例极端暴雨，平均降水量分别高达89和92 mm，两次过程的整层可降水量、850 hPa比湿、700 hPa垂直速度等3个环境参数标准差倍数与其他个例相比呈现更明显极端性，而1989年6月7日发生在南部的极端暴雨，平均降水量达82 mm，是南部4例中平均降水量最大的1例，与其他同区域个例相比，该个例的700 hPa垂直速度标准差倍数弱于其他个例，但850 hPa比湿、整层可降水量、0~3 km垂直风切变、700 hPa V风分量及K指数等5个参数均较其他个例表现更极端。

发生在不同区域的极端暴雨过程，同一环境参数表现的差异性也各不相同。如：北片个例中，850 hPa比湿的标准差倍数的平均值一般为1~2倍(图 5e₁)，整层可降水量的标准差倍数的平均值为1.5~2.5倍(图 5d₁)，而南片个例850 hPa比湿有两例接近3倍(图 5e₂)，整层可降水量则大于3倍(图 5d₂)，说明河南南部出现极端暴雨时，其湿度条件的极端性明显高于北部；但700 hPa垂直速度北部通常较南部个例更强，北部多个个例的平均倍数在5倍以上，而南部通常不足5倍。这一特征或与北片有太行山和伏牛山地形的动力抬升有关。

选取北片中安阳和南片中方城作为代表站，制作日降水量≥50.0 mm时降水量和各环境参数标准差倍数的点聚图(图 6)，拟合结果显示：环境参数标准差倍数与降水量之间存在一定的关联，但由于降水机理的复杂性，各环境参数的标准差倍数并非随降水量增大而增大，某一站点雨量最大的极端暴雨过程，其环境参数标准差倍数不一定是最大的，如安阳站历史降水量最大为249.2 mm，发生在1994年7月12日，由9406号台风Tim造成，该过程中，各环境参数标准差倍数均不是最大值，但有多个环境参数标准差倍数明显较大，其环境特征总体极端性更强；方城站最大日雨量为287.8 mm，发生在2004年7月17日，是由西南低涡东移影响所致，该过程中的各环境参数同样具有极端性，但单个环境参数却并非最极端值。而两站未达到极端暴雨阈值的过程中，也有环境参数标准差倍数较大的特征出现。两个代表站的点聚图反映出，依据单个环境参数的标准差倍数大小无法将极端暴雨与一般暴雨区分开，但极端暴雨过程中，综合多个环境参数或能区分出极端暴雨。

(2) 环境参数与降水二者分位值关系分析

为进一步研究环境参数的历史排位与其对应的降水排位间的相关性，逐月制作了1981—2016年上述8个环境参数标准差倍数与降水的分位聚类图(图 7)，图中横坐标是降水分位值, 纵坐标是环境参数标准差倍数分位值, 采用高斯核密度估计方法对样本点的分布函数进行估计，计算样本的二维密度估计函数，从而得到平滑的样本点分布曲线，绘图上的值代表单位面积的样本点数目。直观上看, 深色区域是点的集中区域，如果点更多地集中在y=x直线上说明两个量的一致性最好；右上角和左下角的点密度较大，表明有更多点集中在这两个区域, 其对应的结果是指环境参数高排位和降水的高排位对应较好，而环境参数低排位和降水的低排位对应较好。

分析逐月各环境参数与降水的分位聚类，各月间各环境参数具有一些一致性特征，各参数的标准差倍数与降水量的分位值基本沿y=x的对角线分布，特别是降水分位＜30%时，各环境参数的标准差倍数排位也多＜40%，而降水分位较高达80%~90%以上时，环境参数的分位值一般也≥60%，这样的对应特征，使基于环境参数标准差倍数分位数来预测降水的分位数成为可能。

逐月计算了降水分位≥90%和＜30%时(图 8)，环境参数标准差倍数的各分位出现频率，发现：当降水分位≥90%时(图 8a₁~8e₁)，各环境参数标准差倍数分位≥90%的频率在20%~40%，≥60%的频率达60%~80%；说明环境参数的高分位与降水异常密切相关，环境参数标准差倍数分位≥60%时，有60%~80%概率的降水排位≥90%。降水分位≥90%时，各环境参数高分位出现频率并不相同，以700 hPa垂直速度和整层可降水量出现高分位频率最高，各月的700 hPa垂直速度≥90%的频率高达30%~40%，有接近80%站次的垂直速度排位≥60%，且其对应着≥90%分位的降水，该环境参数分位与降水分位相关性最好。

对于较小量级降水，其分位较低，对应的环境参数分位是否同样较低？图 8a₂~8e₂给出了＜30%分位的降水，各环境参数标准差倍数的不同分位值出现的频率。可看到，环境参数标准差倍数分位值＜40%的站次出现的频率超过了50%。

综合图 8a、8b，环境参数分位值≥60%时，尤其是分位≥80%的环境参数，对异常降水(降水分位≥90%)有明显正相关；而环境参数分位较低时(＜40%)，则更多地对应了小量级的降水，也就是说极端降水过程中，出现分位较低的环境参数可能性较小。

2.4 极端暴雨指数的构建方法

综合上文分析，极端暴雨过程中，各环境参数标准差倍数的分位值与降水分位值具有一定正相关性，但每一个环境参数在极端暴雨过程中的异常性表现不尽相同，单一环境参数的异常不能体现降水异常程度，因此，基于多个环境参数，组建极端暴雨指数，据此定量地预测降水的极端程度。

极端暴雨指数公式如下

$ \begin{array}{l} ERI = {a_1}{f_1} + {a_2}{f_2} + {a_3}{f_3} + {a_4}{f_4} + \\ {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {a_5}{f_5} + {a_6}{f_6} + {a_7}{f_7} + {a_8}{f_8} \end{array} $

(2)

式中：ERI为极端暴雨指数，f₁，f₂，…，f₈为8个预报因子，对应表 1中的8个环境参数。取一日中02、08、14、20时四个时次的环境参数和当日最大环境参数做算术平均，作为该日环境参数的基础值，再采用式(1)计算其标准差倍数，取其历史分位值做为预报因子。a₁，a₂，…，a₈为各因子权重系数，权重系数的确定方案如下：

对于1981—2016年5—9月间大于1 mm的逐月降水样本数据集，取降水排位≥90%的降水样本子集，计算此样本子集中上述预报因子分位值≥70%占该子集样本总数的比例，并对逐月的各预报因子占比进行归一化得到各因子逐月权重如表 3。

各预报因子分位数值取0.1~1.0(对应10%~100%的分位数)，为减少空报，对预报因子分位数＜40%的认为对极端暴雨的产生无正贡献，取其值为0，8个预报因子权重之和为1，采用式(2)计算所得的ERI值为0~1。

2.5 极端暴雨指数历史回代效果及预报阈值

极端暴雨指数建成后，对13例极端暴雨个例的ERI指数做历史回算，并将ERI指数分为≥0.5、≥0.6、≥0.7、≥0.8、≥0.9五个等级，按不同阈值做TS评分，综合TS评分结果，确定极端暴雨指数的预报参考阈值。

评分规则：当某站ERI达某阈值时，若站点降水量≥该站极端暴雨阈值，则认为ERI预报正确，站点降水量＜极端暴雨阈值认为空报，若站点降水量≥该站极端暴雨阈值，而ERI指数小于某阈值，则认为漏报。

13例极端暴雨过程不同阈值的ERI评分结果见图 9，逐个个例评分结果显示(图 9b~9d)，除2007年7月14日极端暴雨ERI指数的预报效果较差外，其他个例预报效果相对较好，当ERI取0.5、0.6、0.7阈值时TS评分相当且高于其他阈值评分(图 9a)；当ERI≥0.7时，TS平均为0.35，空报率0.49，而ERI阈值为0.5和0.6时的空报率则明显偏高，分别为0.63和0.61，且ERI≥0.7时，有相对较低的漏报率。综合三者的TS评分、空报率和漏报率，选取ERI=0.7作为预报极端暴雨的参考阈值，即当某站的ERI≥0.7时，认为该站将出现超过极端阈值的降水。

3 极端暴雨指数的应用

采用EC细网格模式预报产品，计算相应环境参数，应用式(2)形成24~84 h逐24 h间隔的极端暴雨指数客观预报产品，供预报业务参考应用。

2017—2018年，河南省共发生区域性暴雨6例，达到区域极端暴雨的仅有1例，为2018年1818号台风温比亚影响所致。其余5例为区域暴雨，对流性强，极端暴雨站点较少且较分散，计算的ERI指数相对较小，多小于0.7，因此，本文主要以“温比亚”台风极端暴雨为例说明该指数的业务应用。

3.1 极端降水概况

台风温比亚登陆后西行，于8月18日03时进入河南东南部，移速减慢在河南省境内滞留时间长达40 h，引发河南东部大范围特大暴雨，有478站超过100 mm，占全省总站的17.8%，降水超过500 mm的有2站，分别为柘城县远襄集(553.5 mm)、睢县长岗(543.4 mm)，最大小时雨强为112 mm·h^-1，共有43个自动站超过极端暴雨阈值，其中有8个站日降水量突破建站以来历史极值(图 10)。

3.2 极端暴雨指数预报

图 11是不同起报时次的18日08时至19日08时24 h降水ERI预报图，可以看出，72 h时效≥0.7的区域主要位于河南省北中部及东南部，其中有分散的、若干个ERI中心值≥0.95的高值区，商丘地区ERI值在0.6~0.7；48 h和24 h时效≥0.7的区域向东调整，≥0.9的高值区位于商丘、周口两地区，尤其是24 h时效≥0.8的区域与实况中出现极端降水的区域相对应，且≥0.95区域位于商丘地区和周口地区北部，与实况中商丘、周口降水量突破历史极值的站点相吻合。

该过程中极端暴雨指数的TS评分如图 12，随着预报时效的临近，TS评分逐渐提高，空报率及漏报率有明显下降，特别是极端指数≥0.8时，TS评分最高，且有相对ERI≥0.7较小的空报率，该阈值在本次过程中更具参考性。

3.3 极端暴雨的定量预报试验

EC细网格模式是业务中常用数值模式之一，因其要素场预报较稳定且与实况误差小而被各级预报员信赖，但应用检验评估显示，该模式对河南的降水预报常有偏差，特别是对大暴雨以上降水预报能力较弱。

上文分析可知，基于EC细网格的要素场建立的ERI指数，一定程度上能够预报降水的极端性及其极端程度，当ERI≥0.9时，出现破历史极值的降水可能性极大，因此，采用基于EC细网格要素场计算所得的ERI指数、各站历史降雨极值、极端降水阈值和降水分位数等数据，依据ERI的使用经验，尝试对EC细网格的降水量预报产品作订正，目的是弥补EC细网格模式对河南省大暴雨预报偏小的不足。订正规则如下：

(1) 当ERI≥0.9，以EC降水预报和历史极值中最大者赋值；

(2) 当0.8≤ERI＜0.9时，以EC降水预报和极端暴雨阈值最大者赋值；

(3) 当0.7≤ERI＜0.8时，若EC细网格预报降水≥50 mm，以EC降水预报和极端阈值最大者赋值；当30 mm＜EC＜50 mm时，取EC值和分位值最大者赋值；否则取EC值。

(4) ERI＜0.7时，不做订正。

采用该规则对2016年“7·19”和2018年“温比亚”两次极端暴雨过程的EC细网格定量降水预报产品进行订正(图 13)，给出了两次过程中该方法24 h时效的预报结果(图 13a₁, 13a₂)与EC细网格数值模式的同时段预报结果(图 13b₁, 13b₂)对比和预报时段降水实况(图 13c₁, 13c₂)，该方法对“温比亚”所致的豫东特大暴雨有较好预报能力(图 13a₁)，对EC模式的大暴雨以上量级降水有较好订正效果；而在2016年“7·19”豫北特大暴雨过程中，通过该方法订正，报出了豫北的特大暴雨(EC细网格模式预报偏弱)(图 13a₂)，但对东南部降水预报量级偏大，极端暴雨明显空报。

4 结论与讨论

(1) 采用百分位法和1981—2010年30年逐年日降水量资料，设置了河南省极端暴雨阈值，分析发现：河南省极端暴雨阈值呈现由西向东、自北向南递增的趋势，豫西地区极端暴雨阈值最低，多低于55 mm；豫东和豫南极端暴雨阈值较高，多高于80 mm。80%以上站次的极端暴雨发生在主汛期6—8月，其中又以7月出现频率最高(占总站次42%)。

(2) 大多数环境参数具有明显的月变化特征，7—8月是水汽充足、上升运动最强、不稳定能量最大的时段，1981年以来河南省共出现13例区域极端暴雨，有11例发生在盛夏的7—8月(占总次数84.6%)，其中7月发生7例为最多(占总次数53.8%)。

(3) 表征大气水汽、动力及不稳定条件的环境参数，如850 hPa的比湿、水汽通量、涡度，700 hPa垂直速度、V风分量，200 hPa散度及整层可降水量、K指数、0~3 km垂直风切变等，在极端暴雨过程中的平均值远远大于气候平均值，上述环境参数对极端暴雨的预报有指示意义。

(4) 环境参数的标准差倍数与降水量具有较好相关性，一般极端暴雨过程中，降水量超过极端阈值的站点，其环境参数的标准差倍数一般可达至数倍；二者的分位值基本沿y=x的对角线分布，环境参数标准差倍数分位值≥60%时，尤其是分位≥80%的环境参数，对异常降水(降水分位≥90%)有明显正相关；而环境参数标准差倍数分位较低时(＜40%)，则更多地对应了小量级的降水，环境参数的上述特征表明，标准差倍数为高分位的环境参数更有利于极端降水的发生，而较低分位的环境参数出现极端降水的可能性较小。

(5) 各环境参数在极端暴雨过程中的异常性表现不尽相同，单一环境参数的异常往往不能体现降水异常程度。基于对极端暴雨有明确指示意义的8个环境参数，组建极端暴雨指数，经13例极端暴雨个例回代，ERI≥0.7时，极端暴雨的TS评分达35%，漏报率为27%，空报漏49%。

(6) 该指数在2018年河南省1818号“温比亚”台风极端暴雨过程有较好表现，24 h时效预报的ERI≥0.7时，极端暴雨的TS评分达44%，仅有6%的漏报率，空报率为55%。

(7) 初步尝试依据环境场建立的极端暴雨指数，对2016年“7·19”和2018年台风温比亚两次极端暴雨过程的EC细网格定量降水预报产品进行订正，该方法对EC数值模式大暴雨以上量级降水具有较好订正能力, 但也存在一定的空报风险, 其普适性还需今后进一步完善和改进。

基于环境参数构建的极端暴雨指数，可作为对EC细网格数值产品大暴雨以上量级降水预报能力订正的依据之一；同时也可对雨带偏差订正具有一定参考。但由于极端暴雨属小概率事件，机理复杂，影响因子众多，从历史个例回代及2018年业务应用中发现，该指数尚存在较高空报；基于数值模式计算的环境参数，因模式分辨率和模式自自身误差等因素，对环境参数标准差倍数及其分位值有不同程度影响，需在业务应用中适当订正；此外，极端暴雨的定量化预报及极值估测等科学问题有待于今后做进一步研究。