南海冬季一次海面大風天氣的WRF模式預報檢驗

陳俊文，蔡揚，白毅平，林文實

南海冬季一次海面大風天氣的WRF模式預報檢驗

陳俊文1，蔡揚2，白毅平2，林文實1

(1.中山大學環境科學與工程學院，廣東廣州510275；2.國家海洋局南海預報中心，廣東廣州510310）

為尋找出適合南海冬季海面大風天氣預報的邊界層參數化方案，利用中尺度氣象模式WRF中9種邊界層方案（YSU、MYJ、QNSE-EDMF、MYNN2、MYNN3、ACM2、BouLac、UW、GBM），對2012年12月29-31日的大風過程進行預報，并用最終分析資料（FNL）檢驗10 m風場預報。結果表明：風速風向預報的整體平均偏差相當，風向預報的均方根誤差較風速大；風速風向與實況的相關隨著預報時間增加，整體呈現下降趨勢；各方案對海陸交界風速預報普遍偏大2 m/s以上，而在遠離陸地的海域偏差較小；YSU方案對北部灣、東沙群島、西沙群島、南沙群島4個海區風場的變化趨勢均能較好預報；整體而言，南海大部分海域的預報偏差較小，YSU、MYNN2、MYNN3方案對風速預報較好，ACM2方案對風向預報較好。

海面風場；WRF；邊界層參數化方案；模式檢驗

1 引言

南海冬半年常受北方南下冷空氣影響，海面出現大風天氣，對航運、遠洋捕撈、海水養殖、海島旅游、石油開采等造成嚴重影響。因此對南海海面大風天氣的預報需求日益增長，準確預報海面大風的消長、位置、風力顯得尤為重要。

氣象臺站通常采用經驗預報、統計預報、數值模式預報、統計動力預報[1]等方法預報海面風場，其中數值模式預報已成為一種重要方式。但海上觀測資料密度低，對構造真實的初始場有很大困難。不少學者采用GRAPES三維變分同化模式[2]、MM5中尺度模式[3-5]、WRF中尺度模式[6]對大陸近海、海峽或海面冷空氣大風天氣過程進行模擬預報，均能較好模擬區域的風場演變、突變及分布特征，但對單點的最大風速模擬偏小，WRF模式模擬結果優于MM5模式[7-8]。Chen等[9]利用MM5模式對緬因灣海面氣象場進行預報，風速預報優于風向。盛春巖等[10]對比分析了MM5、WRF-RUC和T639模式對山東沿海最大風速預報的結果，各模式對小風預報偏大，大風預報偏小，對6級以上大風WRF模式預報效果最好。崔琳琳等[11]利用WRF模式模擬了2008年東海海面風場，并與QuikSCAT衛星散射計資料進行比較分析，臺風月份兩者偏差波動較大。但是利用數值模式對南海海面風場進行預報檢驗的工作較少。

數值模式對風場的準確模擬與模式的邊界層參數化方案[12]、陸面過程方案以及使用的地形、下墊面數據[13]有很大關系。不少學者認為需因地制宜選用不同的邊界層參數化方案，以達到最好的預報效果。王穎等[14]采用WRF模式的3種邊界層參數化方案（YSU、MYJ和ACM2）對蘭州地面風場進行模擬，模擬風速均偏大，認為ACM2方案效果最好；張小培等[15]則采用4種邊界層參數化方案（YSU、ACM2、MYNN2和BouLac）對黃山周邊風場進行模擬，同樣認為ACM2方案效果最好；而Miglietta等[16]用YSU和MYJ方案結合不同的擴散參數對地中海克里特島附近海域風場進行模擬，認為不采用擴散參數的YSU方案模擬效果最好。Han等[17]利用MM5模式中5種邊界層參數化方案（MRF、BLK、MYJ、GS和PC）結合3種陸面過程方案對東亞地區氣象場進行模擬，風速模擬整體偏大，白天風速演變模擬優于夜間，風向模擬較差，并認為模擬誤差主要來自次網格尺度受下墊面影響的湍流[18]。Zhang等[19]利用MM5模式中5種邊界層參數化方案（BLK、GS、MRF、MYJ和BT）對美國中部地面風場進行模擬，認為地面風場對邊界層參數化方案非常敏感，模擬與觀測風速相位一致，而風向有5—6h相位差，白天風速模擬偏小，夜間風速模擬偏大[20]。

本文主要分析不同邊界層參數化方案對南海冬季海面大風天氣的預報效果，選用WRF-ARW（Advanced Research WRF）模式對南海冬季海面大風天氣進行48 h預報，對模式中9種邊界層參數化方案的預報效果進行評估，從而尋找出適合南海冬季海面大風預報的方案。

2 資料和方法

2.1風場實況資料

考慮到實況資料需要足夠的分辨率及準確度與模式預報結果進行對比，本文選取NCEP（National Centers for Environmental Prediction）發布的6 h更新一次的FNL 1°×1°資料作為南海海面風場的實況資料。

2.2WRF模式設計

2.2.1 WRF模式基本參數

WRF是新一代中尺度數值預報模式，是完全可壓的非靜力模式。水平方向采用Arakawa C格點，垂直方向采用地形追隨非靜力氣壓垂直坐標。時間積分采用3階Runge-Kutta顯式差分方案，5階或6階平流差分，采用通量形式的預報方程。

本文選用3.5版本的WRF-ARW模式，預報區域采取兩重嵌套（見圖1），水平網格距分別為45 km、15 km，最外層積分步長為270 s。為加強邊界層的模擬，1 km高度以下分12層，垂直共分42層。模式采用Lin云微物理方案，Kain-Fritsch積云參數化方案，RRTM（Rapid Radiative Transfer Model）長波輻射方案，Dudhia短波輻射方案，Noah陸面過程方案。初始場及邊界場采用0.5°×0.5°的GFS（Global Forecast System）逐3 h預報資料，積分時長為48 h，每6 h輸出一次結果。

圖1 預報區域

表1 模式試驗方案設計

2.2.2 WRF模式試驗設計

本文選用9種邊界層參數化方案（見表1）對預報區域進行預報，由于部分方案只能選取相應的近地面層方案，所以無法統一近地面層方案，但大部分近地面層方案為MM5 Monin-Obukhov方案。

2.3風場預報檢驗方法

2.3.1 指數檢驗

風場預報檢驗的范圍是D02區域（見圖1）中3°—24°N，105°—122°E的海域，陸地風場不算入檢驗范圍，海陸邊界判定采取多數原則（1°×1°范圍），海域面積大于等于陸地面積記為海域，反之記為陸地。

由于實況資料的水平分辨率是1°×1°，而模式預報結果的水平分辨率是15 km×15 km，兩者無法直接進行點對點分析，故將預報結果進行區域平均，降低分辨率到1°×1°，與實況資料匹配。

為定量分析預報效果，分別計算10 m風速和風向的平均偏差（mean bias error,MBE）、均方根誤差（root mean square error,RMSE）、相關系數（correlation coefficient,R）。計算公式如下：

式中，xwrfi為每個時刻模式格點的氣象要素值，xobsi為每個時刻實況資料格點的氣象要素值，xˉwrf為每個時刻模式格點的氣象要素平均值，xˉobs為每個時刻實況資料格點的氣象要素平均值。

由于平均風向和風向差的計算存在過零問題。采用算術平均法計算平均風向會增加南風分量，為減小平均風向的計算誤差，本文采用矢量法[21]計算平均風向Awd，定義如公式（4）：

2.3.2 海區預報檢驗

為檢驗海島集中或航運繁忙海區的風場預報效果，選取北部灣（20°N,108°E）、東沙群島（21°N, 117°E）、西沙群島（16°N,112°E）、南沙群島（9°N, 114°E）共4個海區的風速風向預報與實況進行比較分析。

3 預報個例分析檢驗

本文選取2012年冬季一次南海海面大風過程進行預報檢驗，WRF模式預報時間是12月29日08時至31日08時。

3.1海面大風天氣形勢

如圖2所示，2012年12月28日08時長江中下游的冷高壓逐漸減弱東移入海，29日08時冷高壓主體（1061 hPa）位于西藏以北。30日08時冷高壓主體分裂出一個冷高壓（1041 hPa）單體向東南方向移動進入華中地區，位于冷高壓前沿的廣東沿岸氣壓梯度加大，北部灣和南海東北部出現8—9級東北大風，中北部出現7級東北大風。31日08時冷高壓減弱東移，南海的東北部至西南部維持6級以上東北大風。2013年1月1日08時南海大風天氣基本結束。

3.2預報效果檢驗

3.2.1 指數檢驗

分析9種試驗方案風速及風向預報時段的平均MBE、RMSE、R（見表2），發現所有方案對風速的預報整體偏大1 m/s以內，BouLac方案風速的MBE最小。不同方案風速的RMSE相差較小，均為2.5 m/s左右，表明預報誤差整體相當。從相關系數R上分析，風速相關較好，除了QNSE方案均能達到0.8以上，不同方案差異并不大，YSU、MYNN2及MYNN3方案最高。整體分析，MYNN2、MYNN3、YSU和BouLac方案的風速預報效果較好。

圖2 28—31日海平面氣壓場（來自FNL資料）

表2 9種試驗方案預報的風速向平均MBE、RMSE、R

風向預報則明顯差于風速，整體偏差基本比風速大，YSU方案的MBE最小。相關系數R則明顯差于風速，均在0.6以下。RMSE均偏大在23°—26°左右，說明預報誤差偏大，這是由于風向變化范圍（0°—360°）大，即使風向在1個方位（按16方位劃分）內變化，RMSE也可達到這個程度。整體分析，ACM2和MYJ方案的風向預報效果較好。

通過分析9種試驗方案不同預報時刻的風速及風向預報與實況相關系數R（見圖3），整體而言兩者均隨著預報時間增加呈現下降趨勢。前12 h預報風速的相關迅速下降，隨后有所上升，這是由于前12 h模式處于調整期，預報準確率較低。在預報30 h后R值逐漸下降，其中QNSE和MYJ方案下降較快，可能與這兩個方案采用相應的而非MM5 Monin-Obukhov近地面層方案有關。風向的相關顯著差于風速且波動較劇烈，但未出現前12 h預報相關迅速下降的情況，反而在30 h預報出現急劇下降，48 h預報出現異常高值。ACM2方案在30 h預報風向均表現出比其余方案高許多的相關，這與其余方案的走勢不一致。

初始場的風速和風向相關均分別是0.92和0.70，表明GFS的初始場存在一定偏差，在初始場并不準確的情況下，后續計算的誤差在不斷加大。

3.2.3 海區檢驗

綜合以上分析，YSU、MYNN2、MYNN3、ACM2方案對風場的整體預報效果較好，下面選取YSU方案為例對各個預報時刻風場做檢驗分析。

圖3 9種試驗方案各個預報時刻的風速風向相關系數R（虛線為95%的信度檢驗）

從各個預報時刻的風場差值矢量圖（見圖4）可以看出，對于海陸交界地區的風場預報較差，東北風預報普遍偏大2 m/s以上，廣東和越南沿岸偏差較大，局地偏大8 m/s以上（其余方案均有此問題，圖略），說明模式低估了下墊面如地形、城市冠層對風速的拖曳作用，使得預報風速偏大不少。對于12 h預報，廣東沿岸大部的東北風偏大6—8 m/s。隨后這種偏大趨勢向南海中部推移并逐漸減弱，在30 h預報偏差消失，說明模式對海陸交界的內邊界層模擬較差，當氣流從相對粗糙干冷的陸地移向平坦暖濕的海洋，在近海上空將形成一個內邊界層，氣流在經過相當一段距離后，風速廓線才達到平坦表面的平衡狀態，這種預報偏差也就消失，而模式沒有準確描述這種風廓線平衡適應的過程。除此之外，南海大部分海域預報偏差較小，南部海域少數預報時刻出現2—4 m/s偏差，說明模式對均一平坦下墊面的風場模擬較好。

對比選取4個海區的風速風向預報與實況（圖5），YSU方案能較好預報各個海區風速及風向的變化趨勢，風速風向的突變也能很好體現。北部灣的風速風向預報與實況基本一致，前12 h風速風向預報有偏差，隨后預報效果較好。東沙群島風速預報普遍偏大1—3 m/s，風向的預報基本吻合。西沙群島風速預報偏差在2 m/s以內，風向預報吻合。南沙群島風速預報偏差最大，在±3 m/s之間，這與之前分析的在南海南部預報偏差有時較大一致，風向在12 h預報后偏差較大。整體而言，各海區風場的預報與實況較吻合，可以為海島附近海域的預報提供一定的幫助，中北部海域預報效果較好，南部海域稍差一些。

圖4 YSU方案各個預報時刻風場差值矢量圖（WRF-FNL），陰影部分為風速差

4 結論

本文采用3.5版本WRF-ARW模式中9種邊界層參數化方案，對2012年12月29—31日南海海面大風天氣過程進行預報，并對海面10 m風場進行預報檢驗，結果表明：

（1）風速風向預報的整體平均偏差相當，所有方案對風速的預報整體偏大1 m/s以內。風向的預報誤差大于風速，風向平均均方根誤差在23—26°之間，這與風向容易變化且變化范圍大有關。風速平均相關系數較高在0.76至0.83之間，風向則較低在0.55至0.60之間。從指數檢驗分析，MYNN2、MYNN3、YSU和BouLac方案對風速的預報效果較好，而ACM2和MYJ方案對風向的預報效果較好；

（2）隨著預報時間的增加，風速風向預報與實況的相關系數R整體呈現下降趨勢。前12 h預報風速的R值迅速下降，隨后有所上升，這是由于前12 h模式處于調整期，但風向預報沒有此情況，風速預報后期QNSE和MYJ方案R值下降較快，可能與該兩個方案采取的近地面層方案有關。風向的R值不穩定，波動劇烈，30 h預報出現急劇下降，而48 h預報出現異常高值，ACM2方案在30 h預報風向出現比其余方案均高的R值；

（3）所有方案均對海陸交界的風場模擬較差，風速偏大2 m/s以上，廣東和越南沿岸偏差較嚴重，局部可達8 m/s以上。這與模式對下墊面的拖曳作用、海陸交界的內邊界層模擬不準確有關，在遠離陸地的海域偏差則較小。整體而言，南海大部分海域的預報偏差較小；

圖5 YSU方案各海區風速及風向預報與實況對比（時間為UTC）

（4）YSU方案能較好預報北部灣、東沙群島、西沙群島、南沙群島4個海區風場的變化趨勢，能預報出風速及風向的突變，北部灣預報效果最好，東沙群島和西沙群島海域居中，南沙群島海域預報效果相對較差。

5 存在的不足及展望

通常而言，預報員更關注的是南海海面大風的風力大小，因為風向可從大氣環流中基本確定，冬季大風基本為東北或偏北風向，故風力的準確預報顯得更為重要。從指數檢驗分析，對風速預報均較準確的是YSU、MYNN2、MYNN3方案，還需要從物理機制上進一步探討預報較準確的原因，對方案描述邊界層的方程做進一步分析。同時本文僅分析了2012年12月一次大風過程，結論有一定的局限性，下一步應對數年的冬季海面大風天氣做預報檢驗，增大樣本容量分析YSU、MYNN2、MYNN3方案哪個最適合于南海冬季海面大風天氣預報。并進一步探討使用更精細準確的地形和下墊面資料對海陸交界風場的模擬是否有改善，嘗試從物理機理上分析海陸交界風場預報差的問題。

[1]李敏,王輝,金啟華.中國近海海面風預報方法綜述[J].海洋預報,2009,26(3):114-120.

[2]黃潮光,李曉欣,王偉,等.GRAPES模式在一次近海強風預報中的應用[J].海洋預報,2012,29(3):15-19.

[3]季曉陽,吳輝碇,楊學聯.海面風場數值預報的歷史和現狀[J].海洋預報,2005,22(S):167-171.

[4]陳德文,張世民,余金田.MM5模式風場檢驗及一次寒潮大風過程模擬[C].福建省海洋學會2008年學術年會暨海峽西岸經濟區建設的海洋科技支撐與海洋資源開發學術研討會論文集,2010, 182-189.

[5]凌鐵軍,張蘊斐,楊學聯,等.中尺度數值預報模式(MM5)在海面風場預報中的應用[J].海洋預報,2004,21(4):1-9.

[6]楊仁勇,馮文,許向春,等.瓊州海峽大風數值模擬及地形敏感性試驗[J].熱帶氣象學報,2011,27(1):95-100.

[7]趙洪,楊學聯,邢建勇,等.WRF與MM5對2007年3月初強冷空氣數值預報結果的對比分析[J].海洋預報,2007,24(2):1-8.

[8]GilliamR C,PleimJ E.Performance Assessment of New Land Surface and Planetary Boundary Layer Physics in the WRF-ARW [J].Journal of Applied Meteorology and Climatology,2010,49: 760-774.

[9]Chen C S,Beardsley R C,Hu S,et al.Using MM5 to Hindcast the Ocean Surface Forcing Fields over the Gulf of Maine and Georges Bank Region[J].Journal of Atmospheric and Oceanic Technology, 2005,22:131-145.

[10]盛春巖,閻麗鳳,肖明靜,等.MM5、WRF-RUC和T639模式對山東沿海風的預報分級檢驗[J].氣象科學,2013,33(3):340-346.

[11]崔琳琳,胡松.2008年東海海面WRF風場和QuikSCAT風場差異分析[J].海洋預報,2012,29(5):39-47.

[12]王澄海,胡菊,靳雙龍,等.中尺度WRF模式在西北西部地區低層風場模擬中的應用和檢驗[J].干旱氣象,2011,29(2):161-167.

[13]苗世光,孫桂平,馬艷,等.青島奧帆賽高分辨率數值模式系統研制與應用[J].應用氣象學報,2009,20(3):370-379.

[14]王穎,張鐳,胡菊,等.WRF模式對山谷城市邊界層模擬能力的檢驗及地面氣象特征分析[J].高原氣象,2010,29(6):1397-1407.

[15]張小培,銀燕.復雜地形地區WRF模式四種邊界層參數化方案的評估[J].大氣科學學報,2013,36(1):68-76.

[16]Miglietta M M,Zecchetto S,De Biasio F.WRF model and ASAR-retrieved 10m wind field comparison in a case study over Eastern Mediterranean Sea[J].Advances in Science and Research, 2010,4:83-88.

[17]Han Z H,Ueda H,An J L.Evaluation and intercomparison of meteorological predictions by five MM5-PBL parameterizations in combination with three land-surface models[J].Atmospheric Environment,2008,42:233-249.

[18]Hanna S R,Yang R X.Evaluations of Mesoscale Models’Simulations of Near-Surface Winds,Temperature Gradients,and Mixing Depths[J].Journal of Applied Meteorology,2001,40: 1095-1104.

[19]Zhang D L,Zheng W Z.Diurnal Cycles of Surface Winds and Temperatures as Simulated by Five Boundary Layer Parameterizations[J].Journal ofApplied Meteorology,2004,43:157-169.

[20]Pleim J E.A Combined Local and Nonlocal Closure Model for the Atmospheric Boundary Layer.Part II:Application and Evaluation in a Mesoscale Meteorological Model[J].J Journal of Applied Meteorology and Climatology,2010,49:760-774.

[21]邱傳濤,李丁華.平均風向的計算方法及其比較[J].干旱氣象, 1997,16(1):94-98.

Simulation of one gale case in winter in the South China Sea

CHEN Jun-wen1，CAI Yang2，BAI Yi-ping2，LIN Wen-shi1
(1.School of Environmental Science and Engineering,Sun Yat-Sen University,Guangzhou 510275,China; 2.South China Sea forecasting Center,State Oceanic Administration,Guangzhou 510300,China)

In order to find out the Planetary Boundary Layer(PBL)parameterization scheme which suits gale winds forecast in winter in the South China Sea(SCS),nine PBL parameterization schemes(YSU,MYJ, QNSE-EDMF,MYNN2,MYNN3,ACM2,BouLac,UW,GBM)were used in WRF model to simulate gale winds during 29th-31thDecember 2012.Wind speed and wind direction of 10 m from forecast were tested by comparing with the FNL data.Results indicate that the mean bias error of wind speed and wind direction was overall fairly, while the root mean square error of wind direction was larger than wind speed;the correlation between forecast and observation of wind speed/wind direction was going down as time passed by;predicted wind speed was 2 m/s or more higher than observed wind speed over coastal areas while smaller deviation over the sea far from mainland in all schemes;YSU scheme did well in forecast of wind field variability over the Gulf of Tonkin, Dongsha Islands,Xisha Islands and Nansha Islands;overall,the forecast error over the most parts of SCS was small,YSU,MYNN2 and MYNN3 were better schemes in wind speed forecast while ACM2 scheme was better in wind direction forecast than other scheme.

sea surface wind field；WRF；planetary boundary layer parameterization scheme；model verification

P732

A

1003-0239（2014）04-0032-09

10.11737/j.issn.1003-0239.2014.04.005

2013-08-02

“973”計劃（2014CB953904）；高等學校博士學科點專項科研基金（20130171110027）；中央高校基本科研業務費專項（13LGJC03）

陳俊文（1990-），男，碩士研究生，主要從事大氣數值模擬研究。E-mail:chjunw@mail2.sysu.edu.cn