雷暴大风是常见的强对流天气之一，通常指由强对流天气系统引发的风速≥17 m·s^-1的大风(美国≥50 kn，即25.72 m·s^-1)(Bunkers et al，2020；樊李苗和俞小鼎，2013)，常伴随强降水和冰雹发生，是一种可产生巨大灾害的中小尺度强对流天气。雷暴大风会对工农业生产、人民生活、航空、基础设施和应急管理等产生重大影响，经常造成重大人员伤亡和经济损失(Doswell Ⅲ，2003；Ashley and Mote, 2005；Ashley，2007；Brown et al，2023)。例如，2015年6月1日由于强下击暴流导致的湖北监利“东方之星”游轮翻沉事件，造成442人死亡(郑永光等，2016)。随着全球变暖的不断加剧，雷暴大风的强度和频率有不断上升的趋势，因此提升雷暴大风的临近预报水平具有重大意义(郑永光等，2015)。但是由于雷暴大风具有局地性、突发性和破坏力大的特点，并且缺少对雷暴大风形成机理的认识，所以目前对雷暴大风的临近预报和预警仍然十分困难(Yang et al，2017)。

欧美对于雷暴大风的研究起步较早，有大量详细的观测资料和研究成果(Ashley，2007；Black and Ashley, 2010；Gatzen，2013；Groenemeijer et al，2017；Taszarek et al，2019)。美国的雷暴大风主要发生在落基山脉东部，在大平原地区最为频发(Doswell Ⅲ et al，2005)，61%的雷暴大风发生在6月和7月的午后(Kelly，1985)，平均每年造成84人死亡(Ashley，2007)。而欧洲的雷暴大风在欧洲中部特别是波兰最容易出现，夏天出现的频率最高，达到平均每两天一次(Pacey et al，2021)。

我国关于雷暴大风的研究也取得了一系列丰富成果，但受限于观测还存在较多不足, 一方面由于我国缺少针对雷暴大风的大样本详细灾害记录信息; 另一方面因为雷暴大风尺度较小，业务天气雷达和中尺度地面观测网无法有效完整地记录灾害信息。费海燕等(2016)统计分析了我国的强雷暴大风(>25 m·s^-1)的气候特征，发现中东部地区是强雷暴大风的高发区，3月开始在华南和江南出现，4月进入华中和华东，5月进入华北、东北和西北地区。而Yang et al(2017)发现我国雷暴大风主要发生在东部地区暖季的午后，春季广东出现的频率最高，夏季华北和广东出现的频率都比较高。

为了了解目前国内外关于雷暴大风的研究进展和存在的难题，本文对雷暴大风的形成机理和临近预报进行了系统性回顾。第一部分介绍发生雷暴大风的天气形势和环境特征，第二部分和第三部分分别介绍雷暴大风的形成机理和风暴组织形态，第四部分介绍雷暴大风的临近预报技术，最后一部分探讨了需要进一步解决的问题。

雷暴大风的发生常常受到天气尺度系统、热动力条件和水汽等多种环境因素的影响(廖晓农等，2008)。识别雷暴大风发生的天气形势和环境特征有利于提高其临近预报水平(Brooks et al，2011；Hitchens and Brooks, 2014)。关于发生雷暴大风的天气形势国内外已经进行了大量研究(Coniglio et al，2004；杨晓霞等，2014；杨新林等，2017)。例如，Coniglio et al(2004)将美国大部分Derecho的背景环流分为高空槽型(40%)、高空脊型(20%)和纬向型(12%)。杨晓霞等(2014)将山东雷暴大风的天气形势分为槽前型、槽后型、副热带高压(以下简称副高)边缘型和横槽型。陈晓欣等(2022)将我国Derecho的背景环流分为强槽型、弱槽型、副高边缘型和高空干冷平流强迫型，其中强槽型出现的频率最高，高空干冷平流强迫型出现的频率最低。

此外，研究雷暴大风发生的环境特征也有助于提前预警这类灾害性天气(俞小鼎和郑永光，2020；郑永光，2020)。国内外很多学者发现，绝大多数雷暴大风发生时对流层中层存在明显的干层(700~400 hPa)，并有较大的垂直风切变和温度直减率(Taszarek et al，2017；Pacey et al，2021；Gallus and Duhachek, 2022；廖晓农等，2009；方翀等，2014; 2015；费海燕等，2016)。强的垂直风切变环境有利于对流系统的组织(Schumacher and Rasmussen, 2020)，而强组织性对流系统的大面积降水蒸发可以产生沿着系统前边界的强下沉出流和大范围地面大风(Johns and Hirt, 1987)。在有强垂直风切变和一定对流有效位能(CAPE)的环境中，可以产生超级单体风暴和飑线(Doswell Ⅲ，2001；郑媛媛等，2004)。在有较弱垂直风切变和较大CAPE的环境中，也可能产生脉冲风暴(Wakimoto，2001)，但其生命史一般不超过15 min，初始回波高度明显高于普通雷暴单体，可以产生下击暴流，对其进行临近预报和预警十分困难。

目前国内外针对雷暴大风的形成机理做了许多研究，发现雷暴大风可由不同的物理机制产生(Wakimoto，2001)，具有显著的时空变化特征(Brown et al，2023)，主要机制包括：(1)强下沉气流[后侧入流急流(RIJ)或下击暴流](Weisman，1992); (2)阵风锋(密度流)(Droegemeier and Wilhelmson, 1987); (3)高空向地面的动量传输(Mahoney et al，2009); (4)出流和环境风之间的水平气压梯度(Richter et al，2014); (5)超级单体低层中气旋的动力强迫(Trapp and Weisman, 2003); (6)准线状对流系统(QLCS)中涡旋或书端涡的累加效应(Atkins and St. Laurent，2009a)；(7)上升流对低层暖湿入流的抽吸作用(Johns and Doswell Ⅲ，1992)等。其中入流区域地面大风较少见，多出现在上升气流很强的风暴附近。有时同一大风过程中会有多个机制同时发生，不同机制可以产生不同量级的风，目前其对雷暴大风的贡献程度很难分离，需进一步量化分析(陈圣劼等，2022)。雷暴大风平均每年造成美国19.1人死亡，欧洲7.8人死亡，这两个地区的雷暴大风死亡率量级相同，其中下击暴流大风和Derecho是非常强烈的雷暴大风(Schoen and Ashley, 2011；Pacey et al，2021)。

大多数雷暴大风由对流风暴内的强下沉气流产生(Johns and Doswell Ⅲ，1992；廖晓农等，2009)。下击暴流是强对流中的强下沉气流，会产生地面辐散型直线或曲线大风(Fujita，1978；Fujita and Wakimoto, 1983)，通常持续时间短，局地性强，一般最大风速超过15 m·s^-1(Doswell Ⅲ，2001)。关于下击暴流的研究始于20世纪60年代美国商业客机坠毁事件和美国国家运输安全委员会(NTSB)随后的调查。芝加哥大学的Fujita(1976)在对1975年美国东方航空66号航班事故的详细分析之后，假设一个还没被观测到和了解的低层风切变可能是这个事故的原因，他将这个现象称为“下击暴流”。但是Fujita关于存在下击暴流的假说遭到了科学界的质疑，随后在1978年的伊利诺斯州北部下击暴流气象研究项目(NIMROD)期间，大约有50个微下击暴流被多普勒天气雷达探测到，因此证明了下击暴流的存在(Fujita，1978)。之后为了更好地研究下击暴流，于1982年又开展了联合机场天气研究项目(JAWS)(McCarthy et al，1982)，相关研究描述了下击暴流的成因、结构和演化(Wilson et al，1984；Fujita，1985；Mahoney Ⅲ and Rodi，1987；Hjelmfelt，1988)，证实了下击暴流与低层垂直风切变之间的联系，并且开发了专门用于探测下击暴流的机场终端多普勒天气雷达(TDWR)网。随后，1986年在美国东南部也进行了微下击暴流和强雷暴项目(MIST)(Dodge et al，1986)。

下击暴流通常为γ中尺度(约2~20 km)，可以分为微下击暴流(< 4 km，最小可能 < 100 m)(Wakimoto，1985；Atkins and Wakimoto, 1991)和宏下击暴流(>4 km)(Fujita，1985)。微下击暴流可以产生持续时间不超过5 min的大风(Fujita，1990)，宏下击暴流产生的大风可持续至少45 min，影响路径超过50 km(Childs et al，2021)。多个下击暴流同时发生可以形成下击暴流簇或下击暴流群(主轴大于400 km)(Fujita and Wakimoto, 1981)。另外，还可以根据下击暴流发生期间是否伴有强降水分为干下击暴流(Wakimoto，1985)和湿下击暴流(Atkins and Wakimoto, 1991)。当对流较弱时，常常出现干下击暴流，即不伴随降水或降水量非常小。美国平原上的下击暴流以干下击暴流为主(Wakimoto，1985)，我国的干下击暴流通常发生在水汽含量较小的春季高原地区，如青藏高原、黄土高原和内蒙古高原。产生干下击暴流时通常边界层较厚，云底较高，云底之下基本为干绝热层，相对湿度很低，下沉气流内的降水蒸发，在云底形成雨幡，但当下沉气流到达地面后仍然可能产生较强的地面大风。虽然产生干下击暴流的雷暴看上去不强，很浅薄，但也会对飞机的起降产生严重威胁(俞小鼎等，2006a)。湿下击暴流通常发生在美国东南部，环境较湿，边界层较浅(Atkins and Wakimoto, 1991)。湿下击暴流在产生大风的同时也会产生强降水或冰雹(俞小鼎等，2006b)。当下击暴流的冷池出流显著加强时会形成阵风锋(Wilson and Wakimoto, 2001；Cui et al，2023)，阵风锋也可以产生地面大风(王秀明等，2023)。此外，Fujita(1981)将下击暴流分为静止型和移动型。当冷的下沉气流聚集在地面附近，并随着时间的推移将最强的出流风转移到地表上方时，就会发生静止型下击暴流。相反，移动型下击暴流将冷空气和高压区域抛在身后，使最强的风下降到地面。

普通单体风暴多产生单个下击暴流，超级单体风暴和多单体风暴可以产生多个下击暴流(王一童等，2022)。下击暴流主要是由风暴内的强下沉气流在近地面辐散造成，目前基于观测和数值模拟的研究发现，产生下击暴流的机制主要有：垂直扰动气压梯度力、降水的拖曳作用、降水相变(蒸发、融化和升华)的潜热释放、动量下传和水平气压梯度力等(Doswell Ⅲ，1982；Mueller and Carbone, 1987；Srivastava，1987；Vescio and Johnson, 1992；Markowski and Richardson, 2010；Orf et al，2012)。降水的拖曳作用是云中下沉气流的启动机制，之后在初始阶段最主要的机制是液态水蒸发或冰晶融化引起的中层冷却(Srivastava，1987)，这种负浮力是下沉气流维持甚至加强的重要因素(Wakimoto，2001)，持续的降水拖曳作用是气流下沉到近地面的主要机制(Straka and Anderson, 1993；刘洪恩，2001)。在下沉气流到达地面前的最后阶段，前端入流阻挡形成的高压产生向下的气压梯度力，是下沉气流最终到达地面形成灾害性大风的重要机制(Kessinger et al，1988)。

Derecho是由飑线(Hocker and Basara, 2008)和弓状回波(Celiński-Mysław and Matuszko, 2014)等产生的持续数小时的大范围直线大风(Hinrichs，1888；Johns and Hirt, 1987；Corfidi et al，2016a；陈晓欣等，2022)，水平尺度可达几百千米(Fujita and Wakimoto, 1981)，移动速度较快。“Derecho”一词最早由Finley(1888)在一篇关于艾奥瓦州龙卷的文章中提出，但是爱荷华大学的物理学教授Hinrichs认为Finley列出的艾奥瓦州龙卷事件中混杂了许多直线大风事件(Galway and Finley, 1984)，随后他决定使用“Derecho”(西班牙语的意思是“径直的”)来定义这些直线大风(Hinrichs，1888)，这与“Tornado”的引用类似，“Tornado”也起源于西班牙语，表示“旋转的”(Ludlum，1970)。Johns and Hirt(1987)首先将下击暴流簇或下击暴流群(Fujita and Wakimoto, 1981)导致的直线大风事件称为Derecho(Fujita and Wakimoto, 1981；Johns and Hirt, 1987)，并基于观测风场和风破坏报告总结出识别Derecho的六条标准(Weiss et al，2002；Smith et al，2013)。前人研究中经常使用的Derecho识别标准为Johns and Hirt(1987)标准(简称JH87标准)，Bentley and Mote(1998)标准(简称BM98标准)和Coniglio and Stensrud(2004)标准(简称CS04标准)，这是美国最常用的三种Derecho识别标准。而Corfidi et al(2016a)增加了Derecho定义中的强风带长度和宽度阈值，来更好区分Derecho事件和一般雷暴大风事件，同时也纳入了产生Derecho的风暴结构信息，包括弓状回波、RIJ和中尺度对流涡旋(MCV)等中尺度对流特征(Weisman，1993)。陈晓欣等(2022)考虑到我国显著的季风气候特点和地形分布影响，对美国的Derecho识别标准进行修正，提出了我国的Derecho识别标准，该标准与美国大部分标准的差异主要体现在站点大风记录的阈值上，该标准的阈值为25 m·s^-1，而美国大多数标准的阈值为33 m·s^-1。表 1列出了国内外主要的Derecho识别标准，虽然不同标准存在分歧，但是所有的定义都表明Derecho是大面积(400 km或更长)的破坏性大风，因此可能会造成巨大的经济损失和人员伤亡(Ashley and Mote, 2005)。

表 1 Table 1

表 1 五种Derechos识别标准 Table 1 Criteria used to identify Derechos 序号 JH87标准 BM98标准 CS04标准 Corfidi16标准 Chen22标准 1 必须存在一个超过26 m·s-1的对流性阵风集中区域，区域长轴长至少400 km 同JH87标准 同JH87标准 必须存在一个超过26 m·s-1的对流性阵风集中区域，区域长轴长至少650 km 必须存在一个超过25 m·s-1的对流性阵风集中区域，区域长轴长大于400 km 2 风力报告显示事件发生不是随机的，必须按时间顺序演变 同JH87标准 同JH87标准 同JH87标准 同JH87标准 3 区域中必须至少有3个达到F1级损害或阵风超过33 m·s-1的风力报告，且每个报告点之间的间隔至少64 km 不采用此条标准 低级别大风事件不采用此条标准；中级别大风事件同JH87标准；高级别大风事件定义为区域中必须至少有3个阵风超过38 m·s-1或相同级别破坏的风力报告，且其中至少2个必须发生在此次大风过程中的MCS阶段 不采用此条标准 区域中必须至少有3个阵风超过25 m·s-1的国家级观测站，且任意2个观测站之间的距离超过64 km，站点出现大风的时刻与风暴过境的时刻大致对应 4 连续风力报告之间的时间间隔不超过3 h 连续风力报告之间的时间间隔不超过2 h 连续风力报告之间的时间间隔不超过2.5 h 连续风力报告之间的时间间隔不超过1 h 同JH87标准 5 由地面气压场和风场所反映的相关MCS必须具有时间和空间连续性 相关MCS必须具有时间和空间连续性，且连续风力报告之间的纬度或经度间距不超过2° 相关MCS必须具有时间和空间连续性，且在阵风范围中的每个风力报告必须距离其他风力报告不超过200 km 相关MCS必须具有时间和空间连续性，且在阵风范围中的每个风力报告必须距离其他风力报告不超过100 km 同JH87标准 6 通过雷达图像确认破坏性大风区必须是同一MCS的一部分 将对应时刻的事件发生位置绘制在地图上，确认破坏性大风区必须是同一MCS的一部分 同JH87标准 同JH87标准 造成多个大风站点记录的MCS在雷达图像或卫星云图上必须属于同一个对流系统 注：引自Johns and Hirt, 1987；Bentley and Mote, 1998；Coniglio and Stensrud, 2004；Corfidi et al，2016a；陈晓欣等，2022。

表 1 五种Derechos识别标准 Table 1 Criteria used to identify Derechos

美国的Derecho大约每年发生15次(Bentley and Mote, 1998；Bentley and Sparks, 2003)，风速有时很大(超过44 m·s^-1)，春季、夏季平均移动路径约为700 km(Coniglio and Stensrud, 2004)。暖季Derecho主要出现在春末和夏季的明尼苏达州—俄亥俄州西部和大平原南部，发生时间主要集中在夜间，而冷季Derecho主要出现在密西西比河下游和墨西哥湾沿岸，主要集中在下午到夜间，经常与窄冷锋雨带(NCFR；Gatzen，2011)有关，暖季Derecho多于冷季(Bentley and Mote, 1998；Bentley and Sparks, 2003；Coniglio and Stensrud, 2004)。而且美国的Derecho具有群发性，平均每年约有6个Derecho序列(在72 h内形成的连续Derecho)，大多数序列包括2~3个Derecho事件(Ashley et al，2005；2007)。Surowiecki and Taszarek(2020)发现波兰1.5%的中尺度对流系统(MCS)和9.1%的QLCS可以产生Derecho，暖季Derecho比冷季的影响更大，但破坏路径更短。中国的Derecho较少，风速大部分为十几到三十几米每秒，影响范围较小(付晓辉等，2007)，主要发生在华北、华东、江南和华南地区，高频区从春季到夏季先向北移动后向南移动，主要出现在3—8月的午后到前半夜，6月的频率最高(陈晓欣等，2022)。

Derecho可以分为单个细长地带的前进型(76%)和一系列细长地带的连续型(24%)(Johns and Hirt, 1987)。前进型Derecho比连续型Derecho移动得快，经常发生在晚春和夏季的暖锋或静止锋附近或北面(Bentley and Mote, 1998；Coniglio and Stensrud, 2004；Guastini and Bosart, 2016)，通常与弱天气尺度系统相关，伴随强烈的低层不稳定性，因此难以预测。常对应一条相对短的飑线(约60~400 km)，有一个或多个弓状回波，可以传播数百千米，风暴的平均移速为23 m·s^-1，移动方向常相对平均风矢量(850~200 hPa)略偏右(平均15°)。连续型Derecho经常发生在冬末和春季的冷锋前面，常由大范围的飑线产生，飑线的平均移速通常≤15 m·s^-1，移动方向几乎与平均气流方向垂直，常伴随一个强地面低压中心(Johns and Hirt, 1987)。另外，Derecho也可以分为强强迫型、弱强迫型和混合型(Evans and Doswell Ⅲ，2001)。强强迫型Derecho出现在有较大低层风和低层垂直风切变，以及较小不稳定性的环境中，而弱强迫型Derecho发生在垂直风切变较小和CAPE较大的环境中。强强迫出现在大多数连续型Derecho中，而弱强迫在前进型Derecho中更常见。

与一般的雷暴大风相比，产生Derecho的环境有深层垂直风切变(特别是0~10 km)，较大的不稳定性和低层湿度，较低的地面露点温度，中高层较干，存在高空急流(Evans and Doswell Ⅲ，2001；Coniglio et al，2004; 2011；Bentley and Logsdon, 2016；Corfidi et al，2016b)。陈晓欣等(2022)发现中国的Derecho环境与美国相比，CAPE明显较小，0~6 km垂直风切变较大，这是因为中美Derecho的季节分布存在差异。一般产生Derecho的风暴比平均风移动得快，这样Derecho才能长期存在(Corfidi，2003；Campbell et al，2017)。产生Derecho的机制主要有：下沉RIJ(Weisman，1992)、下击暴流(Fujita and Wakimoto, 1981)、阵风锋(Wakimoto，1982)、中高压(Johnson and Hamilton, 1988)和中涡旋(MV)(Evans et al，2014)。当存在较干的中层环境时，有利于更强的蒸发冷却和下沉运动，下沉RIJ(Weisman，1992)或下击暴流(Fujita，1978)更可能导致地面大风(Mahoney and Lackmann, 2011)，而MV可以产生狭窄的大风(Atkins and St. Laurent，2009a)，与Derecho产生的最严重风破坏直接相关(Miller and Johns, 2000)。

大部分雷暴大风由超级单体(Richter et al，2014)和QLCS(Earl and Simmonds, 2019)产生。QLCS主要包括飑线和弓状回波，雷暴大风多位于QLCS的前沿(李国翠等，2014)。美国和欧洲冷季的雷暴大风通常由QLCS产生(Gatzen，2013；Ashley et al，2019)，欧洲暖季的雷暴大风大部分由超级单体产生(Pacey et al，2021)，其他地区则主要由无组织对流或超级单体产生(Smith et al，2013；Yang et al，2017)。有时在一个雷暴大风过程中会有多个风暴组织形态出现，例如，2009年6月3日由超级单体风暴演变为弓状回波飑线的过程在河南商丘和安徽产生了大范围雷暴大风，最大风速超过30 m·s^-1，导致32人死亡。超级单体阶段的地面大风由多个超级单体的强下沉气流的冷池合并导致，弓状回波飑线阶段的地面大风由风暴的强下沉气流辐散、强冷池密度流和层状云内的降水粒子蒸发产生(王秀明等，2012)。

我国超级单体造成的雷暴大风事件较多，最大风速可达60.3 m·s^-1。超级单体可以单独存在或镶嵌在QLCS中。超级单体产生的灾害性大风大多位于后侧下沉出流附近，前侧下沉气流和强烈的上升气流偶尔也会在地面附近产生小范围强风(郑媛媛等，2004；吴芳芳等，2013；王一童等，2022)。超级单体风暴的中气旋可以将环境中的干空气夹卷进下沉气流中，降水蒸发形成向下的负浮力，从而产生强下沉气流(王秀明等，2023)。如果中气旋向地面发展，导致地面气压下降，低压中心与下沉气流在地面附近形成的高压中心之间形成强的气压梯度，当下沉气流到达地面后，在该水平气压梯度力的作用下地面风速进一步加强，可能产生灾害性地面大风，且一般出现在超级单体钩状回波附近(俞小鼎，2011)。低层中气旋因为会产生扰动低压，所以过境时会引起地面降压(翟丽萍等，2019)，但应当注意没有中气旋的多单体风暴过境时也会出现类似的地面降压(Mahale et al，2016)。

超级单体风暴的概念模型如图 1所示，地面观测站的风速首先会因前侧阵风锋的过境而增大，而且风向突变。阵风锋过境时一般没有降水，其后是前侧下沉气流(FFD)——第一个近地面大风核。前侧阵风锋与风暴主体的距离在不同的风暴中有一定的差异，有时当阵风锋紧贴风暴主体时，在雷达回波上很难将其分辨出来。在暴雨、冰雹和龙卷等强对流天气之后是后侧下沉气流(RFD)——第二个近地面大风核(Markowski，2002)。

图 1 一个超级单体风暴的概念模型(引自Lemon and Doswell Ⅲ，1979；Markowski and Richardson, 2010) Fig. 1 Schematic diagram of a supercell windstorm (from Lemon and Doswell Ⅲ, 1979; Markowski and Richardson, 2010)

飑线和弓状回波属于QLCS，是导致雷暴大风的两种主要对流系统(Smith et al，2012)，回波特征为有低层径向速度大值区、阵风锋和显著的中层径向辐合(MARC)等(俞小鼎等，2020)。飑线是我国夏季较常见的强对流系统之一，常包含弓状回波结构。即使不出现弓状回波，飑线也会产生雷暴大风，若飑线某一段中出现MARC或中气旋，则该段飑线前沿出现雷暴大风的可能性很大(谢健标等，2007；俞小鼎，2011)。成熟阶段飑线的典型结构如图 2所示，地面中尺度气压扰动包括：对流带前侧的中低压、对流带后侧的中高压和层状降雨区后侧的尾流低压。在初始阶段，中高压后面还没有出现尾流低压，发展到成熟阶段，在层状降雨区的后边界地面出现由于下沉加热导致的尾流低压，这时飑线内出现一个从对流线后方5 km高度下沉到对流层低层的RIJ。一般在地面中高压前方形成地面大风，如果通过宽阔的水域，地面摩擦减小，在尾流低压的附近也可能产生地面大风(Johnson and Hamilton, 1988；Vescio and Johnson, 1992)。

图 2 一个成熟阶段飑线的剖面和近地面图(引自Johnson and Hamilton, 1988；Houze et al，1989；Vescio and Johnson, 1992；Wakimoto，2001；Markowski and Richardson, 2010) Fig. 2 Schematic cross-section and surface field during a squall line mature stage (from Johnson and Hamilton, 1988; Houze et al, 1989; Vescio and Johnson, 1992; Wakimoto, 2001; Markowski and Richardson, 2010)

弓状回波是MCS的一种，一个小区域内加速导致雷达回波中出现弓形，经常在顶点处产生雷暴大风(Johns and Doswell Ⅲ，1992；Przybylinski，1995；俞小鼎和郑永光，2020)。弓状回波的形成方式主要有以下四种：(1)离散单体合并(Burke and Schultz, 2004；Klimowski et al，2004); (2)飑线演变为弓状回波(Burke and Schultz, 2004); (3)超级单体演变为弓状回波(王福侠等，2016)和(4)飑线-单体合并(French and Parker, 2012；2014)。弓状回波大多数情况下是飑线的一部分，镶嵌在飑线中(廖晓农等，2008)，一条飑线有时会包含好几段弓状回波，每一段弓状回波的顶点处通常都会产生地面大风(范玉芬等，2015)。线状对流演变为弓状回波，之后变为逗点云系的详细过程见图 3(Fujita，1978)。弓状回波北部的气旋式书端涡(直径70~80 km)增强了RIJ，并启动了“弓状过程”，在弓状回波阶段破坏性大风可能出现在顶点处(Wakimoto，2001)。之后科氏力作用增强了北部气旋性涡旋(Skamarock et al，1994)，随着时间的推移产生了一个不对称的系统尺度结构(Houze et al，1989)，此时弓状回波进入逗号回波阶段，下击暴流减弱。在逗号回波阶段也可以产生破坏性大风(Pfost and Gerard, 1997；Trapp et al，1999)，北部气旋性涡旋下降到地面也会增强地面风速(Atkins et al，2004)。

图 3 一个弓状回波生命周期示意图(引自Fujita，1978；Wakimoto et al，2006b) 注：黑色粗箭头表示RIJ，黑点表示龙卷的位置。 Fig. 3 Schematic diagram of the life cycle of a bow echo (from Fujita, 1978; Wakimoto et al, 2006b)

下降的RIJ到达地面是造成弓状回波地面大面积破坏性大风的主要原因(Wheatley et al，2006)，然而在这些大面积的破坏中嵌入了较小尺度的破坏，这些较小尺度的破坏是由下击暴流(Wakimoto，2001)、低层MV(Trapp and Weisman, 2003；Weisman and Trapp, 2003)或龙卷造成(Forbes and Wakimoto, 1983)。RIJ由扰动低压引起的水平扰动气压梯度力产生(Lafore and Moncrieff, 1989)，中层RIJ源自书端涡，低层RIJ源自地面斜压水平涡度(Meng et al，2012)，能否产生雷暴大风还要看RIJ是否及地(Wakimoto，2001)。一般MV产生向下的垂直扰动气压梯度力，可以局部增强中低层RIJ(Xu et al，2015b)，最强的地面大风出现在MV南侧与RIJ出流的共同作用区域(Atkins et al，2005；Wakimoto et al，2006a；Wheatley et al，2006)。MV也可以产生中低压，从而产生扰动水平气压梯度力来加速地面大风(Trapp and Weisman, 2003；Wakimoto et al，2006a)。MV主要通过垂直运动对近地面斜压水平涡度的作用产生(Trapp and Weisman, 2003；Atkins and St. Laurent，2009a；2009b)，其强度取决于环境的垂直风切变、冷池强度、科氏力和微物理过程，也与地面摩擦形成的水平涡度和水平切变不稳定性有关(Xu et al，2015a；Conrad and Knupp, 2019)，不过水平涡度与垂直运动的关系还需要进一步研究(Parker et al，2020)。

除了上述与雷暴大风相关的典型风暴组织形态以外，还有相当一部分雷暴大风由弱组织或非线状对流系统产生。例如，Klimowski et al(2003)统计美国北部高原地区导致雷暴大风的主要对流组织形态时发现，49%的雷暴大风由QLCS产生，9%由超级单体产生，其他的由普通孤立单体和多单体风暴等产生。Yang and Sun(2018)对华北雷暴大风的统计研究表明，超过36%的雷暴大风由普通孤立单体和多单体风暴产生。孤立风暴产生的雷暴高压可以通过水平扰动气压梯度力来增强水平出流，也可以产生与负浮力方向相反的垂直扰动气压梯度力，从而减弱下沉气流使其无法及地(Mahale et al，2016)。郭英莲和孙继松(2019)的统计结果表明造成湖北省地面大风的主要是非线状中尺度对流系统(41.9%)，孤立对流风暴次之(39.3%)。目前关于非典型风暴在什么条件下会产生雷暴大风的研究较少，这是因为非线状中尺度对流系统中形成的局地大风比较复杂，常常由两种以上不同尺度的风叠加形成(Wakimoto，2001)。内部镶嵌的强风暴单体的下沉辐散出流(Miller and Johns, 2000)、阵风锋前沿的γ中尺度涡旋(Trapp and Weisman, 2003)、阵风锋后几千米处与开尔文-亥姆霍兹不稳定性(KHI)有关的小尺度强下沉气流(Mahoney Ⅲ，1988)、重力内波(Bernardet and Cotton, 1998)和单体局地的动量下传等不同物理过程导致的局地强风机制还需要更加深入细致的研究。当冷池和雷暴高压很强时，冷池单纯的气压梯度力也可以产生致灾性大风(Markowski and Richardson, 2010)。此外，也要注意冷池周围的中尺度热低压，强风一般会出现在雷暴高压与热低压之间，此处出现的大风可能没有对流回波，预报和预警难度较大(马中元等，2009)。

中外学者在雷暴大风的预报和预警方面做了大量研究。已有研究利用常规探空和多普勒天气雷达资料，对雷暴大风过程的环境条件、多普勒雷达回波特征和雷达衍生参数进行分析，总结提炼出雷暴大风的预报指标。其中探空T-lnp图和对流参数在雷暴大风的潜势预报中有一定指示意义。例如，地面露点温度、0℃层高度、大气温度直减率、自由对流高度(LFC)、CAPE、深层垂直风切变和沙氏指数(SI)等。多普勒天气雷达因其高时空分辨率，成为雷暴大风临近预报和预警的重要数据来源。业务上雷暴大风主要通过弓状回波、MARC(通常位于2~7 km高度处，径向速度差>25 m·s^-1)、低层大风核、低层径向辐散和高质心反射率因子等雷达回波特征来进行识别预警(Schmocker，1996；俞小鼎等，2020)。此外，也可以根据高分辨率雷达和/或卫星图像检测到的阵风锋/雷暴速度和阵风锋平均速度与地面阵风峰值比率，发布雷暴大风警告(Sherburn et al，2021)。目前，国内外多个机构已经研发了不同强对流天气的临近预报算法，包括对雷暴大风的临近预报。例如，美国国家强风暴实验室(NSSL) 开发的预警决策支持系统-综合信息系统(WDSS-Ⅱ)使用多部雷达产品进行风暴单体、冰雹、雷暴大风的识别和追踪，能够进行0~1 h的强对流天气预报(Lakshmanan et al，2007)。香港天文台从20世纪90年代就开始建设的“小涡旋”临近预报系统(SWIRLS) 能够进行风暴的追踪和预报(Li et al，2000)。另外，国内外学者也根据雷达回波特征研发了多个针对下击暴流的算法，例如，NSSL的破坏性下击暴流预报和探测算法(DDPDA)(Eilts，1996)，Smith et al(2004)的致灾性下击暴流(>26 m·s^-1)预警算法，以及我国学者研发的多个下击暴流算法(陶岚和戴建华，2011；罗辉等，2015；肖艳姣等，2021)。

在多种强对流天气中，雷暴大风的产生往往受多种因素的影响，很难通过多普勒天气雷达中的一个或几个特征指标判断是否会出现雷暴大风，这导致在强对流天气预报中，关于雷暴大风的自动识别算法远少于冰雹和短时强降水的自动识别算法，而且雷暴大风的识别效果也有待提高。除了利用观测数据和数值模式输出数据进行雷暴大风的临近预报之外，近年来图像处理技术和机器学习方法的快速发展也为雷暴大风的临近预报提供了新思路。这是因为一方面将图像处理技术与人工识别经验相结合可以更有效地从雷达图像中自动识别和提取与雷暴大风相关的特征；另一方面使用机器学习方法可以充分挖掘雷达图像提供的观测信息，发现数据中潜在的客观规律，自动给出雷暴大风的临近预报结果。最近很多国内外学者已经开始热衷于研究人工智能在这方面的应用(袁悦，2020)。周金莲等(2011)和李国翠等(2013;2014)利用天气雷达的识别特征和模糊逻辑法建立了雷暴大风的识别算法。Lagerquist et al(2017)使用5种机器学习方法对雷达数据和模式输出数据中的几百个特征进行分类，得到雷暴大风识别模型，取得了较好的预报效果。杨璐等(2018)使用支持向量机算法和从雷达反射率因子、径向速度和速度谱宽数据中确定的9个特征，建立了一个雷暴大风预报模型。袁悦(2020)使用图像处理、计算机视觉和机器学习的理论和方法，并与气象学知识和业务经验相结合，设计了预报雷暴大风的智能算法。上述算法中的很多特征来源于识别强对流天气的特征，专门针对雷暴大风设计的特征较少，因此设计一些与雷暴大风相关的新特征将有助于提高雷暴大风的识别效果。另外，很多机器学习模型是一个“黑箱”系统，只能给出最终的概率预报结果，因此使用人工智能方法设计一个可解释和具有辅助决策能力的模型比一个仅给出最终决策结果的模型对气象预报员更有帮助。这样可以发现更多的预报因子和提高对模型的认知，进而为预报员和决策者提供更准确和及时的指导(Gagne et al，2019)。

综上所述，关于雷暴大风的临近预报还有很多困难，需要在已有的研究成果和预报员经验的基础上，改进现有预报方法和引入人工智能等新技术方法，不断推动该领域研究和应用的发展。同时，教育公众了解雷暴大风的严重性也很重要，这样他们就可以在风暴接近时采取措施来减轻这些系统的潜在危害。

本文回顾了国内外关于雷暴大风形成机理和临近预报的研究成果，主要得到以下结论：

(1) 绝大多数雷暴大风发生时的环境特征为对流层中层存在明显的干层，有较大的垂直风切变、温度直递减率和CAPE等。大部分雷暴大风由超级单体和QLCS(主要包括飑线和弓状回波)产生。

(2) 雷暴大风形成机制主要包括：强下沉气流(RIJ或下击暴流)、阵风锋(密度流)、高空向地面的动量传输、出流和环境风之间的水平气压梯度、超级单体低层中气旋的动力强迫、QLCS中涡旋或书端涡的累加效应和上升流对低层暖湿入流的抽吸作用等。

(3) 多普勒天气雷达因其高时空分辨率，成为雷暴大风临近预报的重要数据来源，雷达反射率因子和径向速度的典型模态以及其他雷达产品可为预报人员提供预报依据。除了利用观测数据和数值模式输出数据进行临近预报之外，近年来图像处理技术和机器学习方法的快速发展也为雷暴大风的临近预报提供了新思路，能够克服人工预报的主观性，提高预报时效，充分利用雷达数据中的潜在信息，从而做出更准确的预报。

虽然目前国内外在雷暴大风的机理研究和临近预报方面做了一系列工作，并取得了多项研究成果，但相关工作仍有以下不足和值得深入研究之处：

(1) 受制于灾害信息观测，我国目前针对雷暴大风的研究还有很多不足之处，因此需要增加识别雷暴大风的详细观测资料，包括加密自动气象站数据、多种雷达数据(X波段多普勒天气雷达、相控阵天气雷达和双偏振多普勒天气雷达等)、人工和无人机观测报告以及其他观测资料。利用多种天气雷达组网进行协同自适应观测，开展组网技术与观测技术方面的科学探索来提高雷达数据分辨率，并增加雷达近地面扫描来弥补低空探测的不足。通过观测提升来增加雷暴大风的预警时效是有一定上限的，因此还需要综合使用多种观测数据和数值模式输出数据，或对不同数据源的模型进行融合，从而提高对雷暴大风的预报能力。

(2) 对雷暴大风形成过程的不断深入理解，可以帮助数值模式对相关物理过程的描述更趋完善，因此需要加强关于雷暴大风发生发展机理的研究。不同风暴以及不同风暴发展阶段的主要物理过程是不同的，下沉辐散出流、阵风锋前沿的γ中尺度涡旋、阵风锋后与KHI有关的小尺度强下沉气流、重力内波和动量下传等不同物理过程导致的局地强风机制和复杂的相互作用还需要更加深入细致的研究。灾情调查还发现了很多小范围雷暴大风，目前其形成机制尚不清楚。此外，现在关于非典型风暴在什么条件下会产生雷暴大风的研究还比较少，还需要进一步研究。

(3) 多普勒天气雷达反射率因子中的弓状回波和阵风锋等回波形态以及径向速度中的MARC和大风速核等特征与雷暴大风密切相关，对这些特征进行自动化识别的难度较大，有待于进一步深入研究。目前很多业务上的雷暴大风预报预警指标只是针对强对流天气的，并不是专门针对雷暴大风设计的，所以需要进一步研究专门针对雷暴大风的预报预警指标。此外由于雷暴大风的雷达特征和物理参数具有明显的区域性和季节性，我国目前缺乏系统性的分析，所以需要总结提炼出具有广泛适用性的雷暴大风预报预警指标，并在实际应用中不断验证和修改，为雷暴大风的预报和预警提供更好的支持。

(4) 近年来图像处理技术和机器学习方法快速发展，可以与人工识别经验相结合来自动识别和提取与雷暴大风相关的特征，充分挖掘数据中的潜在非线性信息，自动给出雷暴大风的临近预报结果，这样能够克服人工预报的主观性，做出更准确的预报。另外，目前很多机器学习模型是一个“黑箱”系统，只能给出最终的概率预报结果，因此使用人工智能方法设计一个可解释和具有辅助决策能力的模型十分重要，这可以帮助预报员和决策者发现更多的预报因子，提高对模型的认知。此外，预报员也要及时对雷暴大风短时临近预报技术进行总结，促进临近预报能力的持续提升。

表 附表 1 Table 附表 1

表 附表 1 缩略语表 Table 附表 1 List of abbreviations 缩略语 英文全称 中文全称 CAPE convective available potential energy 对流有效位能 DDPDA damaging downburst prediction and detection algorithm 破坏性下击暴流预报和探测算法 FFD forward flank downdraft 前侧下沉气流 JAWS Joint Airport Weather Studies 联合机场天气研究项目 KHI Kelvin-Helmholtz instability 开尔文-亥姆霍兹不稳定性 LFC level of free condensation 自由对流高度 MARC mid-altitude radial convergence 中层径向辐合 MCS mesoscale convective system 中尺度对流系统 MCV mesoscale convective vortex 中尺度对流涡旋 MIST Microburst and Severe Thunderstorm 微下击暴流和强雷暴项目 MV mesovortex 中涡旋 NCFR narrow cold-frontal rainband 窄冷锋雨带 NIMROD Northern Illinois Meteorological Research on Downbursts 伊利诺斯州北部下击暴流气象研究项目 NSSL National Severe Storm Laboratory 美国国家强风暴实验室 NTSB National Transportation Safety Board 美国国家运输安全委员会 QLCS quasi-linear convective system 准线状对流系统 RFD rear flank downdraft 后侧下沉气流 RIJ rear inflow jet 后侧入流急流 SI Showalter index 沙氏指数 SWIRLS Short-range Warning of Intense Rainstorms in Localized Systems “小涡旋”临近预报系统 TDWR Terminal Doppler Weather Radar 机场终端多普勒天气雷达 WDSS-Ⅱ Warning Decision Support System-Integrated Information System 预警决策支持系统-综合信息系统

表 附表 1 缩略语表 Table 附表 1 List of abbreviations