刘徐康 刘志虹
北海市气象局 536000
摘要：本文利用回归分析的方法对北海市2001年至2011年雷暴发生规律进行分析。北海市每年的雷暴主要发生在夏季，2001—2011年发生雷暴总数为771天，年平均为70.1天。其中8月份发生雷暴日数为最多，总数达到了196天，平均会出现17.82次雷暴。11年内6月—9月出现的雷暴日数为606天，占总雷暴日数的79％，占了11年所发生雷暴日数的三分之二，对人们的生产，生活均造成严重的影响。运用回归分析方法对2001—2011年气象要素（温度、湿度、气压）进行统计分析，及利用2012—2013年23个月的月平均湿度，月平均温度，月平均气压进行回归验证、预报，其结果，回归方程是显著的，利用上月的预报因子预报下月雷暴日数，效果同样也是显著的，可为当地防雷减灾提供气象科学依据。
关键词：北海市；雷暴；回归分析；验证
引言
在气象学中，雷暴是指由于强积雨云引起的伴有雷电活动和阵性降水的局地风暴，在地面观测中仅指伴有雷鸣和闪电的天气现象[1]。我国的雷暴多数发生在南方山区，而夏秋季节则是雷暴的多发期[3]。
随着社会经济的不断发展，高强度的雷电所造成的直接经济损失和灾害将会越来越严重，防雷减灾成为社会各界关注的课题。20世纪70年代以来，随着尖端技术的发展，特别是航天、计算机部门频遭雷电灾害，损失惊人，促使雷电的监测、预报和防护在技术及理论上都取得了很大的发展，国内出现了大量新的研究成果[4-5]。
在雷电发生机理研究方面，由于雷电发生的随机性、瞬时性和危险性，不能采用常规方法进行研究，因此对雷电的认识和理解进展比较缓慢。20世纪80年代以来也有了很大进展。中国气象科学研究院在雷电探测技术和资料应用方面进行了一定的分析，缩小了我国与国际雷电研究前沿的差距。
1、雷暴规律分析
1.1雷暴日及其统计分析
雷暴日是指该天发生雷暴的日子，即在一天内，只要听到雷声一次或一次以上的就算一个雷暴日，而不论该天雷暴发生的次数和持续时间。雷暴日的统计通常分为月雷暴日、季雷暴日和年雷暴日等。
月雷暴日是指一个月雷暴的天数，单位为天。它反映的是一个月雷暴活动日的多少；季雷暴日是一个季度内雷暴天数，单位为天；年雷暴日是一年中的雷暴天数，单位为天，能可靠地反映全年雷暴的活动，但所有雷暴日都不能反映一天中雷暴发生多少次或雷暴持续时间。
平均雷暴日分平均月雷暴日、平均季雷暴日和平均年雷暴日，平均雷暴日指月雷暴日的多年平均结果，单位为天，它进一步反映全年各个月份雷暴活动日数的多年平均情况。
雷暴月是指该月中发生过雷暴，而不论该月发生过多少天的雷暴，年雷暴月是一年中雷暴月数，单位为月。平均雷暴月指年类包月的多年平均成果，单位月；它概略地反映了全年雷暴活动月份多少的多年平均情况。
由北海市2001—2011年雷暴日数统计表明，11年内的雷暴总日数为771天，年平均为70.1天。雷暴主要发生在夏季，以6月，7月，8月，9月居多。其中8月份发生雷暴日数为最多，总数达到了196天，该月平均将会出现17.82次雷暴。11年内6月—9月出现的雷暴日数为606天，占总雷暴日数的79％，而其余的7个月出现雷暴日数为165天，占总雷暴日数的21％，由此表明夏季低纬度地区的强对流天气发生频繁，对人们的生产，生活均造成严重的影响。历年出现的雷暴日数幅度在60—80天之间，其中2006年和2011年发生的雷暴日数与其余九年的相比较少，分别是58天和56天；发生雷暴最多的是2002年和2005年，雷暴日数均为80天，而2001年、2003年、2007年、2008年、2010年发生的雷暴均在70天以上，在2003年发生雷暴日数为79天，与2002年和2005年的雷暴日数相近，相对而言，这三年发生的雷暴日数相当的雷暴发生较早在2001年和2003年的1月份，雷暴天数为1天，而2010年和2011年雷暴发生较晚，分别在4月和5月，雷暴日数分别为7天和8天。每年的1、2、11、12月份，雷暴发生较少。
1.2年内各月平均雷暴日数
由图1得知，每年的雷暴主要发生在夏季，8月份最多，平均出现17.82次雷暴，而11月、12月、1月、2月，这四个月出现的雷暴次数会很少，平均发生雷暴在0.43次。6月和7月的平均雷暴日数比较接近，雷暴次数均在13次以上。
.png)
1.3雷暴持续日数
雷暴持续日数是指一年中初雷日期与终雷日期之间的天数，单位为天，雷暴持续日数表示一年中可能发生雷暴的持续天数，而不表示一年中雷暴可能发生的多少天。
由图2得知，在2001—2011年间各年雷暴持续日数不相同，其中2001年的雷暴持续日数达到了324天，最少的则在2011年，只持续了161天。2001—2011年平均雷暴持续日数为251天，则表明北海市每年雷暴持续时间较长。整体而言，北海市11年间雷暴持续日数有下降的趋势。
.png)
综合以上分析，北海市2001—2011年雷暴总日数为771天，年平均为70.1天。雷暴主要发生在夏季，以6月，7月，8月，9月居多，其中8月份发生雷暴日数为最多，11年内6月—9月出现的雷暴日数为606天，占总雷暴日数的79％，而其余的7个月出现雷暴日数为165天，占总雷暴日数的21％，表明夏季低纬度地区的强对流天气发生频繁，对人们的生产，生活均造成严重的影响。而每年的1月、2月、11月、12月，雷暴发生较少，平均发生雷暴在0.43次。2001—2011年平均雷暴持续天数为251天，表明了北海市每年雷暴持续时间较长。整体而言，北海市11年间雷暴持续日数有下降的趋势。
2、雷暴预报方法的建立
2.1回归分析法
回归分析是目前气象学统计分析中最为常用的一种方法，以多元统计分析方法为主，它是一种统计模型，它包括线性回归和和非线性回归，是分析研究大气科学规律的高效数学工具[6-7]。回归分析法是研究两个或者多个随机变量间关联性的方法；它不仅可以提供变量间相关关系的数学表达式，还可以利用关系式，由一个或者多个变量值，预测和控制另一个变量的取值，并进行相关因素的分析。
回归分析是用来寻找若干变量之间统计联系关系的一种方法。利用所找到的统计关系对某一变量做出未来时刻的估计，称为预报值。利用某个气象要素和前期多个因子进行多元回归，设预报量为Y，研究多个因子与它的定量统计关系。
在气象中利用回归方程进行方程预报可归结为下列步骤：
第一步：确定预报量并选择恰当的因子；
第二步：根据数据计算回归系数标准方程组所包含的有关统计量（因子的交叉积、矩阵协方差阵或相关阵，以及因子与预报量交叉积向量等）；
第三步：解线性方程组定出回归系数；
第四步：建立回归方程组并进行统计显著性检验；
第五步：利用已出项的因子值回代入回归方程做出预报量的估计，求出预报值的置信区间。
利用多元线性回归分析方法对北海市进行雷暴的预测和预报分析。
将预报量Y设为下月雷暴天数，预报因子设为X1湿度，X2气压，X3为气温，X4为月份，然后建立方程组,得：
.png)
其中b0、b1、b2、b3、b4为回归系数，S11、S12 S13、S14分别为湿度距平方差，湿度气压距平协方差，湿度温度距平协方差，湿度月份距平协方差；S1y、S2y、S3y、S4y分别为湿度下月雷暴日数距平协方差，气压下月雷暴日数距平协方差，温度下月雷暴日数距平协方差，月份下月雷暴日数距平协方差。为下月雷暴日数平均，湿度平均，气压平均，温度平均，月份。
代入资料值计算出，b0=1077.619，b1 = -1.037，b3= -0.03，b4= -0.495，得到回归方程：
Y=1077.619-0.255X1-1.037X2-0.03X3-0.495X4
对回归方程检验，要求出复相关系数 ，从而得到：R2=0.653
经计算，F=59.190，在5%显著水平下，分子自由度为2分母自由度为300时，Fa=3.03，F﹥Fa，故回归方程是显著的。
2.3回归验证
利用2012—2013年前一个月的月平均相对湿度、月平均温度、月平均气压，进行验证回归，预报下月雷暴日数。
由2012—2013年下月雷暴日数模型验证的计算结果表明，将2012年和2013年23个月的月平均相对湿度、月平均温度、月平均气压、月份，代入公式Y=1077.619-0.255X1-1.037X2-0.03X3-0.495X4，Y值与实际值相差不大，将北海雷暴影响最严重的4月—8月的月平均相对湿度、月平均温度、月平均气压、月份，代入上述公式计算，平均误差的绝对值接近0，平均误差率为12％，误差较小。因此，回归方程是显著的，可以用上月的月平均湿度，月平均温度，月平均气压，月份，预报下月雷暴日数。
3、结论
利用北海市2001—2011年的气象要素及雷暴资料对北海市雷暴规律进行统计及回归分析，具体结论如下：
1、雷暴规律：北海市每年的雷暴主要发生在夏季，2001—2011年发生雷暴总数为771天，年平均为70.1天，以6月，7月，8月，9月居多，其中8月份发生雷暴日数为最多，达196天，平均将会出现17.82次雷暴。11年内6—9月出现的雷暴日数为606天，占总雷暴日数的79％，而其余的7个月出现雷暴日数为165天，占总雷暴日数的21％，表明夏季低纬度地区的强对流天气发生频繁，对人们的生产，生活均造成严重影响。历年发生的雷暴天数幅度大多在60—80天之间，发生雷暴最多的是2002年和2005年，雷暴日数均为80天，而2001年、2003年、2007年、2008年、2010年发生的雷暴日数均在70天以上， 2003年发生雷暴日数为79天，与2002年、2005年的雷暴日数相近。而每年的冬季，雷暴发生较少。北海市2001—2011年雷暴持续时间较长，平均雷暴持续天数为251天。
2、回归分析：雷暴发生可以用回归分析和判别分析的方法进行预报，本文采用回归分析法对雷暴进行分析，利用2001—2011年的月平均湿度、月平均温度、月平均气压，作为预报因子，建立回归方程，即Y=1077.619-0.255X1-1.037X2-0.03X3-0.495X4，对回归方程检验，求出复相关系数，R2=0.653，经查表，当F=59.190，在5%显著水平下，分子自由度为2分母自由度为300时，Fa=3.03，F﹥Fa，故回归方程是显著的。经验证回归预报，利用2012—2013年23个月的月平均湿度，月平均温度，月平均气压，月份，四个因子代入上述方程，Y值与实际值相差较小，平均误差的绝对值接近0，总平均误差率为12％，误差不大。因此，回归方程是显著的，可以用上月的预报因子，预报下月雷暴日数，模型效果同样是显著的。
参考文献
[1] 陈渭民.雷电学原理. 北京:气象出版社,2006(2):370-388.
[2] 李家启.防雷减灾管理及其法律制度研究.北京:气象出版社,2006:49-56.
[3] 李勇.孔期.2006年5—9月雷暴天气几各种物理量指数的统计分析. 北京:气象出版社,2009：35（2）.
[4] 孔燕燕，沈建国,强雷暴预报.[M].北京:气象出版社，2001.
[5] 宋培国,李宁,杨慧娟.基于GIS技术的雷电监测系统[J].自然灾害学报,2006,15(6):72—76
[6] 李发龙.雷暴过境与地面气象要素变化特征分析.苏盐科技,2001. 01期44页
[7] 黄嘉佑.气象统计分析与预报方法（第三版）. 北京:气象出版社,2004.
作者简介：刘徐康（1988.03），男，汉族，辽宁营口人，大学本科学历，职称：助理工程师，从事研究方向或职业：防雷。