一种基于冷池的飑线强度评估方法

1.本发明涉及天气预报业务技术领域，具体涉及一种基于冷池的飑线强度评估方法。


背景技术：

2.飑线又称不稳定线或气压涌升线，是由若干排列成行的雷暴单体或雷暴群所组成的风向、风速发生突变的狭窄强对流天气系统；飑线过境时常伴有雷暴、阵风、强降水等天气，甚至还有冰雹，从而造成极强的破坏力，容易造成巨大的经济损失；
3.研究表明，飑线等线状对流系统的低层冷池对其发展、演变与成熟结构的形成十分重要；冷池的冷出流与低层环境风的辐合作用使对流运动能够长时间维持；冷池中与浮力梯度相关的水平涡度和与垂直风切变相关的水平涡度的相对大小决定了上升流的倾斜结构，即“低层冷池—垂直风切变”相互作用是飑线系统重要的发展和维持机制，而冷池的形成与早期对流活动存在密切的联系；在对流触发、调整阶段，初始对流上升运动携带水汽进入上层产生降水物质；大量的降水物质加强了下沉气流，与降至地面处的降水共同作用，导致低层温度迅速减小，使得飑线系统伴生低层冷池迅速成型，而冷池的出流与低层环境风产生强辐合，使得飑线系统发展强烈；对流与冷池扩张的相互作用使得对流活动得到加强，而加强了对流又会产生更多的降水对冷池产生正反馈作用，可见冷池强度直接决定了系统所处的生命周期状态；
4.飑线发生时除了伴随较强的雷达回波和较大的风速以外，还伴随气压涌升、气温骤降以及地面冷池等显著特征；目前的天气预报业务通常根据雷达回波的强度和风速来定性判断飑线的强度，但还没有一套合理的公式来定量评估飑线的强度，而且仅仅采用雷达回波和地面风速判断飑线的强度对某些飑线存在明显的缺陷，如我国长江中下游地区，夏季午后常发生对流，并在一定的背景条件下演变成飑线，该地区夏季水汽充沛，飑线伴随的冷池强度较强，而由于多种非线性动力作用的共同作用，飑线发生时的地面风速不一定很大；
5.因此，亟需设计一种能够综合各影响因子来定量评估飑线强度的方法，来对飑线强度进行评估计算，以便于人们提前做出反应，避免经济损失。


技术实现要素：

6.针对上述存在的问题，本发明旨在提供一种基于冷池的飑线强度评估方法，本方法在计算飑线强度的过程中，通过考虑不同天气要素以及不同气象要素之间具有相关性对飑线强弱的影响，来计算飑线强度，并综合评价飑线强度，给飑线的预报以及气象部门发布紧急预案提供技术支撑，具有鲁棒性好、计算结果准确率高的特点。
7.为了实现上述目的，本发明所采用的技术方案如下：
8.一种基于冷池的飑线强度评估方法，包括步骤
9.step1.根据位温、水汽以及各类水凝物物理量计算扰动位温密度；
10.step2.基于等高面浮力计算方法，利用扰动位温密度求等高面浮力，并根据扰动位温密度判断冷池边界，计算冷池强度；
11.step3.利用主成分分析法，结合冷池强度、地面风速、地面变压、地面变温、模拟雷达回波计算分析飑线强度；
12.step4.根据步骤step3得到的飑线强度分析整体飑线强度，完成对整体飑线强度的评估。
13.优选的，步骤step1所述的扰动位温密度的计算过程包括
14.step101.根据数值预报输出的结果中相态粒子的分布计算位温密度θ
ρ
：
15.θ
ρ
＝θ(1+0.608r
v-r
w-r
i-r
r-r
s-r
g-rh)
16.其中：θ
ρ
为位温密度，θ为位温，rv、rw、ri、rr、rs、rg、rh分别指水汽混合比、液态云水混合比、云冰混合比、雨混合比、雪混合比、霰混合比和冰雹混合比；
17.step102.将得到的位温密度θ
ρ
进行6小时时间滑动平均：
[0018][0019]
其中l《τ≤k
–
l，为某一个格点第τ个时刻θ
ρ
的6小时滑动平均；
[0020]
step103.将进行经向和纬向空间尺度为200km的空间滑动平均，得到平均位温密度：
[0021][0022]
其中，m《lon≤n
–
m，m《lat≤n
–
m，为经纬网格序号为(lon,lat)的格点第j个时刻θ
ρ
的6小时滑动平均以及200km经向和纬向滑动平均；
[0023]
step104.利用经纬网格序号为(lon,lat)格点的位温密度θ
ρ,τ,lon,lat
减去平均位温密度得到局地位温密度δθ
ρ,τ,lon,lat
：
[0024][0025]
step105.利用局地位温密度δθ
ρ,τ,lon,lat
求区域平均得到局地平均位温密度
[0026][0027]
step106.利用局地位温密度减去局地平均位温密度，可得到局地扰动位温密度δθ
′
ρ,τ,lon,lat
：
[0028][0029]
优选的，步骤step2所述的冷池强度的计算过程包括
[0030]
step201.根据步骤step1得到的平均位温密度和局地扰动位温密度，得到等高面浮力b：
[0031][0032]
其中：g为重力加速度；
[0033]
step202.设δθ
′
ρ,τ,lon,lat
＜-2k为各个高度冷池的水平范围，地面至b＝0为冷池的厚度；
[0034]
step203.则在冷池范围内，每个格点上浮力b的垂直积分为该点的冷池强度i，积分范围为地面z＝0至z＝h(h为b＝0的高度)：
[0035][0036]
其中：冷池强度i的单位为ms-1
。
[0037]
优选的，步骤step3利用主成分分析法，结合冷池强度、地面风速、地面变压、地面变温、模拟雷达回波综合分析飑线强度的过程包括：
[0038]
step301.采集天气预报数据，进行包含m个影响因子的相关性检验，得到相关系数矩阵；
[0039]
step302.在得到相关系数矩阵后，利用格点相关系数矩cormatrixm╳m求解主成分，然后计算得格点的飑线强度。
[0040]
优选的，步骤step301所述的相关系数矩阵放入计算过程包括：
[0041]
step3011.取某点上m个影响因子时间长度为n的序列xn×m：
[0042][0043]
其中：a
ij
表示第i个时次第j个影响因子的数值预报值，其中1≤i≤n，1≤j≤m，cj表示第j个影响因子的时间序列，n为滑动平均后的时间序列长度，n＝k-2l或n＝k；
[0044]
step3012.将数据进行归一化；
[0045]
step3013.对区域内任何一个格点，计算矩阵xn×m的相关系数矩阵cormatrixm╳m：
[0046][0047]
其中：cor(c
j1
,c
j2
)表示第j1个影响因子的时间序列和第j2个影响因子的时间序列的相关系数cor(c
j1
,c
j2
)：
[0048][0049]
其中：x
j1,k
是第j1个影响因子第i时次数值预报值，x
j2,k
是第j2个影响因子第i时次数值预报值，为第j1个影响因子的时间序列平均值,为第j2个影响因子的时间序列平均值。
[0050]
优选的，步骤step302所述的利用格点相关系数矩cormatrixm╳m求解主成分的过程包括
[0051]
step3021.利用主成分分析得到特征值向量latent、特征矩阵及主成分系数矩阵coem╳m、以及主成分贡献率explained；
[0052]
其中：特征值向量latent＝(λ1,λ2,
…
,λm)为长度m的一维数组，explained＝(explained1,explained2,
…
,explainedm)为长度m的一维数组；
[0053]
step3022.根据主成分系数得到主成分表达式：
[0054][0055]
其中：y1,y2,
…
ym分别表示第1个到第m个主成分，其中任意一个y
p
为时间序列长度为n的一维数组；
[0056]
step3023.用累计贡献率达到99％的主分量来描述飑线的局地强度，计算格点的飑线强度。
[0057]
优选的，步骤step3021所述的主成分贡献率explained的具体计算过程包括：
[0058]
(1)计算相关系数矩阵cormatrixm╳m的特征值与特征向量，解特征方程|λe-cormatrix|＝0，其中e为单位矩阵，λ为特征值，特征方程的m个解对应m个特征值，使其按大小顺序排列，λ1≥λ2≥
…
≥λm≥0；
[0059]
(2)根据(λ
p
e-cormatrix)e
p
＝0(p＝1,2
…
,m)，且||e
p
||2＝1，||e
p
||表示特征向量的模，求出特征值第p个特征值λ
p
对应的特征向量e
p
(p＝1,2
…
,m)，其中e
p
为长度为m的列向量，e
pj
表示特征向量e
p
的第j个分量，也表示第p个主分量中第j个影响因子的系数；
[0060]
(3)得到主成分系数矩阵为：
[0061]
[0062]
(4)计算主成分贡献率：
[0063][0064]
其中：1≤p≤m，explained
p
表示第p个主成分的贡献率；
[0065]
(5)计算主成分累计贡献率：
[0066][0067]
其中：1≤p≤m，sum_explained
p
表示1～p个主成分的累计贡献率。
[0068]
优选的，步骤step3023所述的格点飑线强度的计算过程包括：
[0069]
(1)检索累计贡献率达到99％的主成分个数quota；
[0070]
(2)计算格点的飑线强度sqli_grid(t,lon,lat)，对t时刻(lon,lat)格点：
[0071][0072]
其中：y
p
为该格点上的第p个主成分，explained
p
为对应的主成分贡献率。
[0073]
优选的，步骤step4所述的整体飑线强度的具体计算过程包括：
[0074]
step401.按照步骤step3求出区域内所有格点的飑线强度；
[0075]
step402.对区域内飑线强度sqli_grid(t,lon,lat)求积分，可得到t时刻的整体飑线强度：
[0076][0077]
本发明的有益效果是：本发明公开了一种基于冷池的飑线强度评估方法，与现有技术相比，本发明的改进之处在于：
[0078]
本发明提出了一种利用高分辨率数值模式数据，基于冷池的飑线强度评估方法，利用本方法在计算飑线强度的过程中，考虑飑线发生时伴随的温度、气压、湿度、风等天气要素的变化都对判断飑线强弱的影响；考虑到不同气象要素之间具有相关性，且由于中尺度天气现象的高度非线性特征以及地形因素的影响，气象要素之间的相关性会随着区域的改变发生变化；利用主成分分析，综合评价飑线强度，经实验验证，本方法具有很好的鲁棒性，能够有效的计算和预估飑线强度，给飑线的预报以及气象部门发布紧急预案提供技术支撑，具有鲁棒性好、计算结果准确率高的优点。
附图说明
[0079]
图1为本发明基于冷池的飑线强度评估方法的计算流程图。
[0080]
图2为本发明实施例2冷池强度演变分布图。
[0081]
图3为本发明实施例2冷池厚度演变分布图。
[0082]
图4为本发明实施例2冷池强度与地面风速相关性检验图。
[0083]
图5为本发明实施例2冷池强度与逐小时降水量相关性检验图。
[0084]
图6为本发明实施例2飑线强度演变分布图。
[0085]
图7为本发明实施例2整体飑线强度演变曲线图。
[0086]
其中：在图2中，图(a)为15:15时冷池强度分布图，图(b)为16:15时冷池强度分布图，图(c)为17:15时冷池强度分布图，图(d)为18:15时冷池强度分布图，图(e)为19:15时冷池强度分布图，图(f)为20:15时冷池强度分布图，且在图(a)-图(f)中，图中阴影部分表示冷池强度分布(m s-1
)，箭头表示地面的风速(m s-1
)；
[0087]
在图3中，图(a)为15:15时冷池厚度分布图，图(b)为16:15时冷池厚度分布图，图(c)为17:15时冷池厚度分布图，图(d)为18:15时冷池厚度分布图，图(e)为19:15时冷池厚度分布图，图(f)为20:15时冷池厚度分布图，且在图(a)-图(f)中，图中阴影部分表示冷池厚度分布(m)，箭头表示地面的风速(m s-1
)；
[0088]
在图4中，图(a)为风场超前冷池15分钟时冷池强度与地面风速相关性检验图，图(b)为风场超前冷池30分钟时冷池强度与地面风速相关性检验图，图(c)为同时交叉相关时冷池强度与地面风速相关性检验图，图(d)为风场滞后冷池15分钟时冷池强度与地面风速相关性检验图，图(e)为风场滞后冷池30分钟时冷池强度与地面风速相关性检验图；且在图(a)-图(e)中，图中阴影表示相关系数，lag表示滞后相关(lag＝-1表示风场超前冷池15分钟，lag＝-2表示风场超前冷池30分钟，lag＝0表示同时交叉相关，lag＝1表示风场滞后冷池15分钟，lag＝2表示风场滞后冷池30分钟)；
[0089]
在图5中，图(a)为风场超前冷池15分钟时冷池强度与逐小时降水量相关性检验图，图(b)为风场超前冷池30分钟时冷池强度与逐小时降水量相关性检验图，图(c)为同时交叉相关时冷池强度与逐小时降水量相关性检验图，图(d)为风场滞后冷池15分钟时冷池强度与逐小时降水量相关性检验图，图(e)为风场滞后冷池30分钟时冷池强度与逐小时降水量相关性检验图；且在图(a)-图(e)中，图中阴影表示相关系数，lag表示滞后相关(lag＝-1表示风场超前冷池15分钟，lag＝-2表示风场超前冷池30分钟，lag＝0表示同时交叉相关，lag＝1表示风场滞后冷池15分钟，lag＝2表示风场滞后冷池30分钟)；
[0090]
在图6中，图(a)为15:15时飑线强度分布图，图(b)为16:15时飑线强度分布图，图(c)为17:15时飑线强度分布图，图(d)为18:15时飑线强度分布图，图(e)为19:15时飑线强度分布图，图(f)为20:15时飑线强度分布图，且在图(a)-图(f)中，图中阴影部分表示飑线强度，箭头表示地面的风速(m s-1
)；
[0091]
在图7中，横坐标为北京时，纵坐标为总体飑线强度。
具体实施方式
[0092]
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
[0093]
实施例1：参照附图1所示的一种基于冷池的飑线强度评估方法，其包括步骤
[0094]
step1.根据数值预报的位温、水汽以及各类水凝物等物理量计算扰动位温密度；
[0095]
step2.在求得扰动位温密度后，基于等高面浮力计算方法，利用扰动位温密度求等高面浮力，并根据扰动位温密度判断冷池边界，计算冷池强度；
[0096]
step3.利用主成分分析法，结合冷池强度、地面风速、地面变压、地面变温、模拟雷达回波综合分析飑线强度；
[0097]
step4.根据步骤step3得到的飑线强度分析整体飑线强度，完成对整体飑线强度的评估。
[0098]
优选的，步骤step1所述的扰动位温密度的计算过程包括：
[0099]
step101.根据数值预报输出的结果中相态粒子的分布的位温θ、水汽、液态云水、云冰、雨、雪、霰和冰雹的混合比rv、rw、ri、rr、rs、rg、rh，计算位温密度θ
ρ
：
[0100]
θ
ρ
＝θ(1+0.608r
v-r
w-r
i-r
r-r
s-r
g-rh)
[0101]
其中：θ
ρ
为位温密度，θ为位温，rv、rw、ri、rr、rs、rg、rh分别指水汽混合比、液态云水混合比、云冰混合比、雨混合比、雪混合比、霰混合比和冰雹混合比；
[0102]
step102.将得到的位温密度θ
ρ
进行6小时时间滑动平均，以消除温度日变化对判断冷池范围带来的影响：
[0103]
假设数值预报输出数据的总时间序列长度为k，给定一个量l，使得6小时内的数据长度为2l+1(由于6小时时间序列长度包括初始时刻，即6小时时间序列中的左端点，因此数据长度为奇数)，计算时间滑动平均的公式为：
[0104][0105]
其中l《τ≤k
–
l，为某一个格点第τ个时刻θ
ρ
的6小时滑动平均，i表示τ的循环计数；
[0106]
step103.考虑到飑线为典型的β中尺度强对流系统，将进行经向和纬向空间尺度为约200km的空间滑动平均，得到平均位温密度：
[0107]
设模式经纬网格空间分辨率均为δx(δx也称为格距)，设n倍格距为恰好等于或刚超过200km，且n为奇数(作为中尺度滑动平均，空间范围大致取为200km，为方便，一般滑动平均格点数取为奇数)，则定义计算平均位温密度的公式为：
[0108][0109]
其中，m《lon≤n
–
m，m《lat≤n
–
m，为经纬网格序号为(lon,lat)的格点第j个时刻θ
ρ
的6小时滑动平均以及约200km经向和纬向滑动平均；
[0110]
step104.利用经纬网格序号为(lon,lat)格点的位温密度θ
ρ,τ,lon,lat
减去平均位温密度即得到局地位温密度δθ
ρ,τ,lon,lat
：
[0111][0112]
step105.利用局地位温密度δθ
ρ,τ,lon,lat
求区域平均得到局地平均位温密度
[0113]
设求平均的区域经向网格格点数为num_lon，纬向网格数num_lat，则距地平均位
温密度可由下式求得：
[0114][0115]
step106.局地位温密度减去局地平均位温密度，可得到局地扰动位温密度δθ
′
ρ,τ,lon,lat
：
[0116][0117]
即完成局地扰动位温密度的计算。
[0118]
优选的，步骤step2所述的冷池强度的计算过程包括：
[0119]
step201.根据步骤step103得到的平均位温密度和步骤step106得到的局地扰动位温密度δθ
′
ρ,τ,lon,lat
，可得到等高面浮力b：
[0120][0121]
其中：g为重力加速度；
[0122]
step202.定义δθ
′
ρ,τ,lon,lat
＜-2k为各个高度冷池的水平范围，地面至b＝0为冷池的厚度，其中，k是温度的单位；
[0123]
step203.则在冷池范围内，每个格点上浮力b的垂直积分为该点的冷池强度i，积分范围为地面z＝0至z＝h(h为b＝0的高度)：
[0124][0125]
其中：冷池强度i的单位为ms-1
；
[0126]
通过上述过程，即得到冷池强度i。
[0127]
优选的，步骤step3所述的利用主成分分析法，结合冷池强度、地面风速、地面变压、地面变温、模拟雷达回波综合分析飑线强度的过程包括：
[0128]
step301.采集天气预报数据，进行包含m个影响因子(如冷池强度、地面风速、海平面变压、地面降温量、模拟雷达回波等)的相关性检验，得到相关系数矩阵，其具体过程包括：
[0129]
step3011.取某一个点上m个影响因子时间长度为n的序列xn×m(若考虑冷池，则时间长度n则为滑动平均后的时间序列长度，即n＝k-2l，若不考虑冷池，则时间序列长度n＝k)：
[0130][0131]
其中：a
ij
表示第i个时次第j个影响因子的数值预报值(1≤i≤n，1≤j≤m)，cj表示第j个影响因子的时间序列；
[0132]
step3012.由于不同影响因子具有不一样的量级，将数据进行归一化消除不同影响因子之间量级的影响；
[0133]
step3013.对区域内任何一个格点，计算矩阵xn×m的相关系数矩阵cormatrixm╳m：
[0134][0135]
其中：cor(c
j1
,c
j2
)表示第j1个影响因子的时间序列和第j2个影响因子的时间序列的相关系数cor(c
j1
,c
j2
)：
[0136][0137]
其中：x
j1,k
是第j1个影响因子第i时次数值预报值，x
j2,k
是第j2个影响因子第i时次数值预报值，为第j1个影响因子的时间序列平均值,为第j2个影响因子的时间序列平均值；
[0138]
step302.利用格点相关系数矩cormatrixm╳m求解主成分：
[0139]
step3021.利用主成分分析得到特征值向量latent、特征矩阵及主成分系数矩阵coem╳m、以及主成分贡献率explained，其具体过程包括：
[0140]
其中：特征值向量latent＝(λ1,λ2,
…
,λm)为长度m的一维数组，explained＝(explained1,explained2,
…
,explainedm)为长度m的一维数组；
[0141]
(1)计算相关系数矩阵cormatrixm╳m的特征值与特征向量，解特征方程|λe-cormatrix|＝0，其中e为单位矩阵，λ为特征值，特征方程的m个解对应m个特征值，使其按大小顺序排列，λ1≥λ2≥
…
≥λm≥0；
[0142]
(2)根据(λ
p
e-cormatrix)e
p
＝0(p＝1,2
…
,m)，且||e
p
||2＝1，||e
p
||表示特征向量的模，求出特征值第p个特征值λ
p
对应的特征向量e
p
(p＝1,2
…
,m)，其中e
p
为长度为m的列向量，e
pj
表示特征向量e
p
的第j个分量，也表示第p个主分量中第j个影响因子的系数(其中1≤
j≤m，1≤p≤m)；
[0143]
(3)因此得到主成分系数矩阵为：
[0144][0145]
(4)计算主成分贡献率，公式为：
[0146][0147]
其中：1≤p≤m，explained
p
表示第p个主成分的贡献率；
[0148]
(5)计算主成分累计贡献率，公式为：
[0149][0150]
其中：1≤p≤m，sum_explained
p
表示1～p个主成分的累计贡献率；
[0151]
step3022.根据主成分系数得到主成分表达式：
[0152][0153]
其中：y1,y2,
…
ym分别表示第1个到第m个主成分，其中任意一个y
p
为时间序列长度为n的一维数组；
[0154]
step3023.通常认为累计贡献率达到85％的主分量可以表示出数据的主要特征，后几个主成分的贡献率虽然很小，但却说明了标准化变量之间可能存在一个或多个共线性关系，因此为了更好地描述飑线的局地特征，本方法利用累计贡献率达到99％的主分量来描述飑线的局地强度，利用主成分贡献率得到飑线强度的综合主成分值，其具体过程包括：
[0155]
(1)检索累计贡献率达到99％的主成分个数quota(quota≤m)；
[0156]
(2)计算格点的飑线强度sqli_grid(t,lon,lat)，对t时刻(lon,lat)格点：
[0157][0158]
其中：y
p
为该格点上的第p个主成分，explained
p
为对应的主成分贡献率。
[0159]
优选的，步骤step4所述的根据步骤step3得到的飑线强度分析整体飑线强度的具体过程包括：
[0160]
step401.按照步骤step3023的(2)的求解公式求出区域内所有格点的飑线强度；
[0161]
step402.对区域内飑线强度sqli_grid(t,lon,lat)求积分，可得到t时刻的整体飑线强度：
[0162][0163]
即完成对分析整体飑线强度的评估。
[0164]
实施例2：参照附图2-7，为对上述飑线强度评估方法的可行性和优越性进行验证，本实施例以现实数据模拟对上述方法进行验证
[0165]
本案例选自2012年发生在江苏苏南地区的一次飑线过程，数据为数值模式输出数据，模式网格分辨率为3km，初始时间为2012年5月16日08时(北京时)，结束时间为2012年5月17日08时，共24h，数据输出时间间隔为15分钟；
[0166]
(1)冷池强度计算
[0167]
根据数值模式输出的水汽、液态云水、云冰、雨、雪、霰和冰雹的混合比，计算得到飑线发展过程中冷池强度(图2)和厚度(图3)的演变；
[0168]
由上图2和图3可以看到，冷池前缘与大风区重合，为飑线阵风锋处，表明本方法定义的冷池范围符合飑线发生时各要素场配置关系；
[0169]
(2)影响因子的选取
[0170]
飑线生成通常伴随地面大风、强降水、增压、降温，形成冷池，雷达回波有明显的带状强回波特征；因此初步选取冷池强度、地面大风、增压、降温、雷达回波以及降水等6个影响因子；考虑到不同的影响因子之间会有不同的相关性，如果两个影响因子的相关性很高，只选取其中一个作为评估飑线强度的指标；首先对6个因子进行相关性检验；以飑线发生区域某一个格点为例，其6个影响因子的相关系数矩阵如表1所示：
[0171]
表1：某一个格点不同影响因子间的交叉相关系数
[0172]
影响因子飑线强度地面风速增压降温雷达回波降水量飑线强度10.61660.98620.86510.80830.8644地面风速0.616610.62770.76730.92030.4072增压0.98620.627710.91600.84840.8317降温0.86510.76730.916010.94780.6664雷达回波0.80830.92030.84840.947810.5928降水量0.86440.40720.83170.66640.59281
[0173]
试验结果表明，受下垫面地形等因素的影响，在不同的格点，影响因子之间的相关性大小不同，如冷池强度与地面风速相关性以及冷池强度与逐小时降水的相关性即是如此；
[0174]
对某一格点(lat,lon)，由于积分24小时，模式输出时间间隔15min，共有97个数据，采用23点(时间序列)平滑，因此开头和结尾各去除11个时间点，合计去除22个时间点，得到75个时间点；利用时间序列的数据，求冷池强度与地面风场大小的在不同之后系数下
的交叉相关系数；根据飑线冷池范围的定义，对于此次飑线过程未受到影响的区域，冷池强度始终为0，根据相关系数公式：
[0175][0176]
飑线未影响区域的冷池强度与其他物理量的相关系数为0；
[0177]
从图4冷池强度与地面风速相关性检验可以看出，冷池强度与地面风速之间存在较弱的相关性，即冷池强度越强，地面风速不一定越大，因此可以将冷池强度和地面风场结合起来综合判断飑线强度，而关于降水，由于等高面浮力包含水汽等各相态，其与降水的相关性非常高(图5)，因此本方法在选择评估飑线强度的影响因子时，选择冷池强度，去掉逐小时降水；
[0178]
以此类推，得到5个综合判断冷池强度的因子：冷池强度、地面风速、变压、降温以及近地面层模拟雷达回波；
[0179]
(3)主成分分析
[0180]
利用主成分分析得到主成分系数矩阵以及贡献率和累计贡献率，以发生飑线区域某一格点为例，其主成分系数矩阵，主成分贡献率，主成分累计贡献率如下：
[0181][0182]
由主分量贡献率可知，第一和第二主分量的累计贡献率大于99％，因此该区域格点可取第一和第二主分量进行综合主分量分析；
[0183]
类似的，计算得到整个飑线发生区域内格点飑线强度演变，如图6所示；
[0184]
(4)飑线整体强度分析
[0185]
图7为整体飑线强度的演变情况，由于飑线在发展过程中移动较快，且其形态几乎呈准线性，因此在飑线范围内求各格点飑线强度的积分表示整体飑线强度，得到此次飑线发生发展过程中整体表现强度的变化，而在次日凌晨飑线强度上升是因为飑线入海得到进一步发展；
[0186]
依据以上的步骤可以看出，根据本方法能够计算出冷池强度和飑线强度并且与其他气象要素场配合较好；结合了5个影响因子可以判断出不同特征飑线过程的强度。
[0187]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。