雷电是全世界最严重的十大自然灾害之一,对地面建筑物、电力电子设备、通信等会造成很大的破坏,甚至会威胁到人类的生命安全。因此,除了在重要场所采取全面的雷电防护措施以外,利用多种资料进行雷电活动的监测和临近预警也是十分必要的。目前国内外雷电临近预警技术主要有基于物理模型的WRF(Weather Research Forecast)模式预警和利用多种观测资料外推两种方法。其中WRF模式是一种中尺度预报模式和同化系统。国外很多研究者都尝试利用WRF模式对强对流过程进行模拟,并讨论使用不同物理参数化方案对模拟效果的影响,从而得出模拟强对流过程的最佳参数化方案组合。如:Pessi等[1](2009)基于MM5模式,利于TRMM卫星得到的闪电和降水资料,建立了闪电和降水率之间的关系式;Papadopoulos等[2](2005)通过分析多个对流过程,总结出了地闪与水汽廓线的经验公式。利用观测资料进行临近预警,主要是利用不同的算法对各种观测资料进行识别、跟踪和外推。目前使用的算法主要有:1)Zepka等(2008)[3]利用神经网络的方法对巴西闪电定位数据进行外推,发现神经网络可以作为预报闪电发生的重要的工具,而且预报的准确性与探测数据的分辨率、天气系统的尺度之间有密切的关系。2)利用矩形网格在搜索半径内寻找最大相关系数来跟踪雷达回波(TREC)[4-6],Wong[7]利用TREC方法对闪电定位数据进行识别外推,对香港国际机场的雷暴天气进行预警。3)单体质心外推算法,这也是使用较多的方法,主要有雷暴的识别、跟踪和临近预报(TITAN)[8],风暴单体识别和跟踪算法(SCIT)[9]。其中TITAN算法是一种由Michael Dixon and Gerry Wiener提出的基于雷达体扫资料对雷暴实现识别、追踪以及临近预报的算法[10]。此后,Rinehart和Garvey[11],Tuttle和Foote[12]提出了交互相关技术来分析雷暴的移动。Dixon和Wiener[13](1993年)最终提出TITAN算法。TITAN算法在国内外的闪电的识别跟踪和外推中应用较为广泛,如:吕伟涛等[14]基于TITAN算法研发了雷电临近预警系统(mans_LNWS),对北京奥运会期间的天气过程进行预警。Wilson[15]利用TITAN算法对雷达回波反射率进行识别、跟踪和外推发现,外推30 min内的闪电活动准确率较高。综上所述,利用多种观测资料外推已有很多学者进行了研究,但仍存在下列不足:1)多数学者只利用雷达强回波区进行外推,没有结合其他的资料,如对闪电高密度区进行识别、跟踪及外推。2)由于观测资料的外推算法与外推开始时刻、以及外推时间的长短有关,比如外推1个小时的精度小于30分钟的结果,但目前的相关研究中没有涉及。因此,本文将选取深圳市2012年4月27日一次强对流过程,对该次过程中的闪电活动与雷达回波特征进行研究,发现地闪分布与雷达回波强度之间表现出很好的对应关系:地闪集中分布在40d BZ以上的强回波区。利用TITAN(Thunderstorm Identification,Tracking,Analysis,and Nowcasting)算法对这次强风暴过程中40d BZ以上的强回波区进行识别、跟踪和外推,并与闪电高度密度区域的识别、跟踪和外推结果进行对比分析。结果表明:1)TITAN算法能对雷达强回波区和闪电高密度区进行理想的识别,但识别结果存在差异:对于发展旺盛的单体,雷达强回波区与闪电高密度区质心位置相差较小;而对于刚刚发展的单体,雷达强回波区与闪电高密度区质心位置相差较大,最大达到10.2km。2)雷达强回波区和闪电高密度区的外推精度与外推开始时刻、以及外推时间的长短有关,外推时间越长,误差越大。当外推时间小于20min时,上述两种外推结果的质心误差小于20km。而当外推20min以外质心误差超过20km,且质心误差随外推时间急速增大,预报的越早预报精度越低,而预报越晚精度越高。