华南地区暖锋区和锋面强降雨事件前对流环境的比较

《Frontiers in Earth Science》：Comparison of preconvective environments between warm-sector and frontal heavy rainfall events in South China

本研究利用2008-2021年南中国地面小时雨量和无线电探空数据，分析了132例WSHR与84例FHR事件的环境差异。结果表明：WSHR事件多发生在清晨（0800 LST），具更高500 hPa水汽含量、更深厚暖云层及更强低层暖湿平流；而FHR事件峰值在凌晨（0400 LST），垂直风切变更强，稳定性更高（SI指数显著差异）。

　　本研究旨在识别华南地区早夏（4月至6月）期间频繁发生的两种强降雨类型——锋面强降雨（FHR）和暖区强降雨（WSHR）之间的环境差异。通过使用14年的逐小时雨量数据和高分辨率探空观测数据，研究对132次WSHR事件和84次FHR事件进行了定量分析。研究发现，FHR事件在5月下旬最为频繁，而WSHR事件则呈现出从4月到6月逐渐上升的趋势。WSHR事件表现出明显的日变化特征，其降雨峰值出现在早晨（0800 LST），而FHR事件的峰值则集中在凌晨（0400 LST）。WSHR和FHR事件通常发生在有利的对流条件下，这些条件包括充足的水汽、适中的对流有效位能（CAPE）以及中等至强的深层风切变。与FHR相比，WSHR事件往往与更丰富的500 hPa水汽、更深的暖云层、更低的抬升凝结层（LCL）以及更强的暖平流相关联。FHR事件则表现出在低层大气中更多的水汽、更强的不稳定性以及更强的0–6 km高度范围内的风切变。此外，WSHR事件在800 hPa以下的风速高于FHR事件，而FHR事件在对流层高层（即800 hPa以上）的风速比WSHR事件高3–4 m/s。这些热力学特征对于增强对华南地区强降雨事件的理解具有重要意义。

华南地区早夏季节的强降雨事件是一种极具破坏性的自然灾害，对当地社会经济和人民生命安全造成重大影响。然而，当前的天气预报和科学研究在预测这些强降雨事件方面仍存在一定的不足。已有研究表明，在早夏季节，两种类型的强降雨通常同时出现，其中一种是锋面强降雨（FHR），另一种是暖区强降雨（WSHR）。FHR通常出现在大尺度锋面区域，当北方冷空气与南方暖空气交汇时形成。相比之下，WSHR则常出现在地表锋面前方超过200公里的暖区，或者出现在南西风和南东风气流交汇区，甚至在没有明显交汇的南西风中也可能发生。这两种强降雨事件都会导致严重的洪水、巨大的经济损失和人员伤亡。

以往的研究表明，WSHR和FHR事件在统计特征上存在差异。WSHR事件通常出现在沿海地区，而FHR事件则主要发生在内陆地区。WSHR事件的频率在4月至6月间逐渐上升，这与夏季风的开始密切相关，而FHR事件的月变化则不明显。WSHR事件的峰值多出现在清晨，这主要由夜间低层急流（LLJ）与陆海风的交汇所引起；而FHR事件的峰值则多集中在下午。与FHR事件由强的大尺度强迫机制驱动不同，WSHR事件的触发机制更为复杂，包括地形抬升（如Chen et al., 2016；Bai et al., 2021；Zhang et al., 2022）、低层急流引发的局地汇合（如Du and Chen, 2018；Du and Chen, 2019a；Zhang and Meng, 2019）以及陆海风环流（如Chen et al., 2016；Gao et al., 2022），以及这些机制之间的相互作用（如Du et al., 2020；Zhang S. et al., 2022；Su et al., 2023）。由于其复杂的触发和形成机制，预测WSHR事件在华南地区是否发生仍然是一个重大挑战（Huang and Luo, 2017；Huang et al., 2018；Wu et al., 2020b）。

WSHR事件的环境特征已在许多以往研究中有所揭示。一个温暖、湿润且条件不稳定的大气低层环境有助于WSHR事件的发生（Chen and Zhang, 2021；Zhang et al., 2022a）。WSHR事件的探空资料通常显示出中等至高对流有效位能（CAPE）、高可降水量（PWAT）、弱的垂直风切变（低于400 hPa）以及接近925 hPa的低层急流和弱暖平流（例如Wang et al., 2014；Wu and Luo, 2016；Chen and Zhang, 2021；Zeng et al., 2023）。相比之下，FHR事件则与大尺度系统相关的低层急流有关，其最大风速出现在850–700 hPa层（Du and Chen, 2018；Li and Du, 2021）。FHR事件的预对流条件以中等至高CAPE和高PWAT为特征（Luo et al., 2014；Han et al., 2021）。

多年来，许多研究已探讨了华南地区WSHR和FHR事件的环境和机制。尽管这两种强降雨事件在空间和时间上的差异已被注意到，但对WSHR和FHR事件预对流条件的差异研究仍相对较少。WSHR事件通常远离锋面，而FHR事件则与锋面密切相关。分析WSHR和FHR事件的预对流环境有助于理解这两种强降雨发生的根本原因。因此，有必要进行气候分析，以区分WSHR和FHR事件的预对流环境。

本研究的动机是识别华南地区WSHR和FHR事件的预报参数，并阐明这两种强降雨事件的不同形成机制。本文的其余部分组织如下：第2节描述了本研究使用的数据和方法；第3节展示了2008年至2021年华南地区WSHR和FHR事件的统计特征；第4节展示了WSHR和FHR事件在环境上的差异；最后，第5节给出了结论和讨论。

在数据方面，本研究关注的是位于20–27°N和105–120°E范围内的区域，几乎涵盖了整个华南地区，但不包括海南岛。所用的数据集包括中国气象局（CMA）提供的2008年至2021年4月至6月期间华南地区的地表和探空观测数据。地表观测数据以1小时的时间分辨率获取，共有188个国家级地表气象站（见图1）用于识别强降雨事件。探空数据则来自华南地区的14个探空站点（见图1），这些站点配备了先进的L波段探空系统，能够详细地对大气参数（如温度、气压、相对湿度和风特征）进行垂直剖面分析，其垂直分辨率达到约10米（Guo et al., 2016；Jiang et al., 2017；Miao et al., 2018）。L波段探空的常规观测时间为0800 LST和2000 LST，但在特殊天气条件或测试要求下，还会在0200 LST和14 LST进行观测。

为了识别冷锋并诊断WSHR和FHR事件的大气条件，本研究采用了ERA5数据（Hersbach et al., 2020）。ERA5数据的时间间隔为1小时，水平网格间距为0.25 × 0.25纬度-经度，包含37个气压层和地表数据。此外，还使用了中国气象局（CMA）提供的热带气旋（TC）最佳轨迹数据集（Ying et al., 2014；Lu et al., 2021），以排除受热带气旋影响的日期。

在强降雨事件的识别和分类方面，本研究将每日降水量定义为从2000 LST到2000 LST期间记录的总降水量。华南地区的强降雨事件被定义为至少有5个站点报告每日降水量超过50毫米。当每小时降水量达到或低于0.1毫米/小时时，定义为强降雨事件的开始和结束时间。如果某天在华南地区存在任何受热带气旋影响的观测站点，则排除该天的强降雨事件，因为热带气旋可能对降雨模式产生干扰。热带气旋的有效半径在本研究中设定为500公里，这一设定参考了以往的研究（Lee et al., 2010；Gu et al., 2017）。

通常，WSHR事件与大尺度锋面无关，发生在弱的大尺度强迫环境中，而FHR事件则与大尺度锋面密切相关。为了定义WSHR和FHR事件，首先需要识别锋面。在本研究中，锋面的位置由预报员通过结合位温水平梯度（?θ$?\theta$）和地表及925 hPa层的风观测数据进行主观定位（Thomas and Schultz, 2019；Wu et al., 2020a；Zeng et al., 2023）。如果地表分析中锋面特征明显，则基于每小时地表观测数据（主要通过显著的位温梯度）确定锋面位置。否则，主要基于925 hPa层的风向变化（显著的风向差异）和位温梯度来定义锋面。第二步是定义WSHR和FHR事件。仅选择持续时间超过6小时的WSHR和FHR事件。WSHR事件被定义为在锋面前方超过200公里或在弱强迫大尺度环境中发生的强降雨事件（Huang et al., 1986）。FHR事件则指在锋面附近发生的强降雨事件。为了充分描述WSHR和FHR事件的预对流条件，我们专注于影响探空站点的强降雨事件。在这些条件的约束下，2008年至2021年华南地区共识别出132次WSHR事件和84次FHR事件。其中，WSHR独有事件有125次，FHR独有事件有77次，同时存在WSHR和FHR事件的混合事件有7次。图2展示了纯FHR事件、纯WSHR事件以及同时存在FHR和WSHR的混合事件中锋面（925 hPa风切变）的位置。

为了研究WSHR和FHR事件之间的环境差异，精确理解如何确定预对流探空数据至关重要。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010），因此本研究选择在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采用以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

本研究选取了132次WSHR事件和84次FHR事件的预对流探空数据，以分析两种强降雨事件之间的差异。这些事件的时间跨度为2008年至2021年。根据这些条件，识别出132次WSHR事件和84次FHR事件。其中，有125次仅发生WSHR事件，77次仅发生FHR事件，7次同时发生WSHR和FHR事件。图2展示了在纯FHR事件、纯WSHR事件以及混合事件（同时发生FHR和WSHR）中锋面（925 hPa风切变）的位置。

为了深入了解WSHR和FHR事件之间的环境差异，我们需要精确掌握如何确定预对流探空数据。如果探空数据过于接近强降雨事件，其环境条件可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入了解WSHR和FHR事件之间的环境差异，我们需要精确掌握如何确定预对流探空数据。如果探空数据过于接近强降雨事件，其环境条件可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为2017年4月21日1600 LST，因此选择了2017年4月21日0800 LST的探空数据进行FHR事件的分析。当同时发生FHR和WSHR事件时，采取以下步骤：首先，确定每个站点经历的强降雨类型；然后，根据强降雨的开始时间选择最接近的探空数据进行分析。

为了探讨强降雨与华南地区对流层热力学特征之间的联系，本研究分析了15个由探空数据推导出的参数（表1）。这些参数包括T_d850、T_d500、T_d100和PWAT，用于评估水汽条件；θ_e100、Δθ_e950,500、CAPE、KI、SI和TT用于评估大气的稳定性；LCL和WCD则代表热力学状态。此外，WS_0-1km、WS_0-3km和WS_0-6km用于描述低层和中层大气的动态特征。这些参数在强降雨预报中经常被用作指标，并且与强降雨的生成和形成密切相关（Dyson et al., 2015）。

为了深入分析WSHR和FHR事件之间的环境差异，我们需要明确如何确定预对流探空数据。如果探空数据过于接近强降雨事件，可能会受到对流反馈的影响（Potvin et al., 2010）。因此，本研究选择了在强降雨事件开始前2小时的探空数据。例如，纯FHR事件（图2A）的开始时间为20