上海沿海極大風(fēng)速預(yù)報(bào)方程的建立和應(yīng)用

朱智慧，黃寧立，秦婷

(1.上海海洋氣象臺(tái)，上海201306；2.民航華東空管局氣象中心，上海200335)

1 引言

上海沿海地區(qū)的長(zhǎng)江口深水航道、洋山深水港等貨運(yùn)系統(tǒng)，對(duì)上海國(guó)際航運(yùn)中心的建設(shè)和長(zhǎng)三角地區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展具有重要的意義，然而，這里也是我國(guó)海難頻發(fā)的地區(qū)之一，海上大風(fēng)是造成海難事故的重要原因[1-2]，因此提高海上大風(fēng)的預(yù)報(bào)準(zhǔn)確度十分必要。很多學(xué)者進(jìn)行過海上大風(fēng)預(yù)報(bào)的研究，并建立了一些有效的方法。陳錦冠等[3]分析了10 min平均最大風(fēng)速與極大風(fēng)速的關(guān)系，并建立了兩種風(fēng)速的回歸方程。一些研究[4-5]利用人工神經(jīng)網(wǎng)絡(luò)方法建立了沿海的極大大風(fēng)預(yù)報(bào)模型。涂小平等[6]利用KNN 方法建立了中國(guó)近海11-3月的日最大風(fēng)速預(yù)報(bào)模型，該方法對(duì)近海測(cè)站日最大風(fēng)速有較好的預(yù)報(bào)能力。林良勛等[7]用經(jīng)驗(yàn)加統(tǒng)計(jì)的因子挑選方法，形成了一套應(yīng)用日本數(shù)值預(yù)報(bào)模式輸出、適用于廣東海面強(qiáng)風(fēng)預(yù)報(bào)的完全預(yù)報(bào)（PP）方法。

如今，數(shù)值模式成為現(xiàn)代氣象業(yè)務(wù)的主要預(yù)報(bào)手段，但是數(shù)值模式預(yù)報(bào)的風(fēng)為平均風(fēng)，而日常的預(yù)報(bào)業(yè)務(wù)和服務(wù)需求更關(guān)注的是極大風(fēng)速[8]。目前，利用數(shù)值模式預(yù)報(bào)的風(fēng)場(chǎng)來估計(jì)極大風(fēng)速，主要還是根據(jù)預(yù)報(bào)員的主觀分析，缺少客觀的評(píng)估方法，因此，分析上海沿海2 min平均風(fēng)速和極大風(fēng)速的關(guān)系，建立兩者關(guān)系的客觀方程，將有助于預(yù)報(bào)員更加準(zhǔn)確的進(jìn)行上海沿海的大風(fēng)預(yù)報(bào)。

2 資料與方法

2.1 資料

本文所使用的資料為：

（1）上海沿海3 個(gè)浮標(biāo)站的實(shí)測(cè)資料，分別為海礁浮標(biāo)（122.93°E，30.41°N）、洋山浮標(biāo)（122.05°E，30.62°N）、黃澤洋船標(biāo)（122.56°E，30.51°N）。資料時(shí)間段為2010年1月1日—2011年3月15日，時(shí)間分辨率為1 h；

（2）上海臺(tái)風(fēng)研究所中尺度WRF模式20時(shí)（北京時(shí)）預(yù)報(bào)風(fēng)速數(shù)據(jù)。數(shù)據(jù)時(shí)間段為2010年1月1日—2011年3月15日，空間分辨率為9 km，時(shí)間分辨率為1 h。在本文的分析中，均取離浮標(biāo)站最近的WRF模式格點(diǎn)數(shù)據(jù)代表該站點(diǎn)的風(fēng)速預(yù)報(bào)值。

2.2 回歸分析方法

設(shè)y 為極大風(fēng)速，x 為2 min平均風(fēng)速，x，y 的關(guān)系由一元n 次回歸方程確定，即：

為了分析不同回歸方程的效果，本文分別建立了x 和y 的一元一次、一元二次、一元三次和一元四次回歸方程。

2.3 預(yù)報(bào)評(píng)分方法

在風(fēng)速預(yù)報(bào)進(jìn)行檢驗(yàn)時(shí)，將預(yù)報(bào)風(fēng)速與實(shí)測(cè)風(fēng)速的絕對(duì)誤差Δv 作為評(píng)分標(biāo)準(zhǔn)[5,9]。即：Δv ≤1 m/s，TS=100；1 m/s＜Δv ≤2 m/s, TS=80；2 m/s＜Δv ≤3 m/s,TS=60；3 m/s＜Δv ≤4 m/s，TS=50；Δv ＞4 m/s，TS=0。

3 回歸方程建立和擬合結(jié)果分析

3.1 回歸方程建立

在日常的海洋預(yù)報(bào)中，預(yù)計(jì)未來將出現(xiàn)6級(jí)（≥10.8 m/s）以上大風(fēng)就要考慮發(fā)布大風(fēng)預(yù)警，而2 min平均風(fēng)速達(dá)到5級(jí)（≥8.0 m/s）就可能出現(xiàn)6級(jí)陣風(fēng)，因此本文針對(duì)5 級(jí)以上的2 min 平均風(fēng)速和極大風(fēng)速進(jìn)行了分析。

剔除缺測(cè)數(shù)據(jù)和有誤數(shù)據(jù)，本文得到的3 個(gè)浮標(biāo)站的樣本個(gè)數(shù)分別為：海礁浮標(biāo)1974 個(gè)，洋山浮標(biāo)636個(gè)，黃澤洋船標(biāo)2158個(gè)。對(duì)海礁浮標(biāo)和黃澤洋船標(biāo)，取后500個(gè)數(shù)據(jù)進(jìn)行試報(bào)，前面的數(shù)據(jù)用來建立單站回歸方程，對(duì)洋山浮標(biāo)，因?yàn)? min平均風(fēng)速5 級(jí)以上的樣本數(shù)較少，取后200 個(gè)數(shù)據(jù)進(jìn)行試報(bào)。

首先，計(jì)算了建立擬合方程的2 min 平均風(fēng)速和極大風(fēng)速的相關(guān)系數(shù)，見表1。

表1 各站點(diǎn)x 和y 的相關(guān)系數(shù)

從表1 中可以看到，3 個(gè)浮標(biāo)的2 min 平均風(fēng)速和極大風(fēng)速都具有很高的相關(guān)性，通過了信度0.01的相關(guān)性檢驗(yàn)（t0.01=0.24），這說明兩種風(fēng)速具有很明顯的內(nèi)在聯(lián)系。

以海礁浮標(biāo)為例，對(duì)x 和y 進(jìn)行回歸分析得一元一次、一元二次、一元三次和一元四次回歸方程分別為：

計(jì)算實(shí)測(cè)極大風(fēng)速和利用一元一次、一元二次、一元三次和一元四次回歸方程求得的擬合極大風(fēng)速的相關(guān)系數(shù)見表2。

表2 n 次回歸方程擬合極大風(fēng)速與實(shí)測(cè)極大風(fēng)速的相關(guān)系數(shù)

從表2中可以看到，對(duì)海礁浮標(biāo)，建立的一元一次、一元二次、一元三次和一元四次回歸方程計(jì)算得到的極大風(fēng)速與實(shí)測(cè)的極大風(fēng)速具有很高的相關(guān)性，通過了信度0.01 的相關(guān)性檢驗(yàn)，這說明幾種回歸方程的擬合效果都很好，其中，一元一次方程的擬合效果最好，擬合極大風(fēng)速與實(shí)測(cè)極大風(fēng)速的相關(guān)系數(shù)達(dá)到了0.9414。因此，在實(shí)際預(yù)報(bào)業(yè)務(wù)中，僅用一元一次回歸方程就能取得很好的預(yù)報(bào)效果。其他兩個(gè)浮標(biāo)站的一元一次回歸方程分別為：

洋山浮標(biāo)：y1=1.29x-0.44

黃澤洋船標(biāo)：y1=1.21x-0.07

它們的擬合極大風(fēng)速與實(shí)測(cè)極大風(fēng)速的相關(guān)系數(shù)分別為0.92 和0.95，這說明，對(duì)這幾個(gè)浮標(biāo)站，一元一次回歸方程都能很好得反映2 min平均風(fēng)速和極大風(fēng)速的關(guān)系。

從圖1 中可以看到，隨著2 min 平均風(fēng)速的增大，極大風(fēng)速也基本呈線性增長(zhǎng)，兩者的分布形態(tài)呈現(xiàn)較好的線性相關(guān)性，回歸方程很好的反映了兩種風(fēng)速的線性關(guān)系。

圖1 實(shí)測(cè)極大風(fēng)速與擬合極大風(fēng)速（海礁浮標(biāo)）

3.2 極大風(fēng)速擬合方程誤差分析

分析3個(gè)浮標(biāo)站的擬合極大風(fēng)速和實(shí)測(cè)極大風(fēng)速的誤差，結(jié)果見表3，表中正偏差代表預(yù)報(bào)值比觀測(cè)值大，負(fù)偏差代表預(yù)報(bào)值比觀測(cè)值小。

從表3中可以看到，3個(gè)浮標(biāo)實(shí)測(cè)數(shù)據(jù)與擬合數(shù)據(jù)的平均絕對(duì)誤差均小于1 m/s，但對(duì)一些較大的值，擬合效果較差，黃澤洋船標(biāo)的最大絕對(duì)誤差達(dá)到了12.8 m/s。3 個(gè)浮標(biāo)的擬合數(shù)據(jù)都是以正偏差為主，這說明擬合方程以偏大的情形居多。3 個(gè)浮標(biāo)中，Δv ＞2 m/s 的樣本數(shù)都在5%以下，Δv ＞4 m/s和Δv ＞6 m/s 的樣本數(shù)最多分別只有0.3 %和0.1%，由此可見，對(duì)3個(gè)浮標(biāo)站，回歸方程的擬合效果都比較理想。

3.3 上海沿海極大風(fēng)速通用預(yù)報(bào)方程的建立

利用3 個(gè)浮標(biāo)都有實(shí)測(cè)數(shù)據(jù)的時(shí)次，共計(jì)417 個(gè)樣本，建立上海沿海2 min平均風(fēng)速和極大風(fēng)速的通用一元一次回歸方程，結(jié)果如下：

可以看到，上海沿海2 min 平均風(fēng)速和極大風(fēng)速通用回歸方程與單站計(jì)算的回歸方程的系數(shù)a0和a1比較一致，因此在實(shí)際業(yè)務(wù)中，對(duì)上海沿海極大風(fēng)速進(jìn)行估計(jì)時(shí)，可以采用通用回歸方程。

表3 實(shí)測(cè)極大風(fēng)速與擬合極大風(fēng)速誤差分析

4 數(shù)值模式試報(bào)結(jié)果分析

通過以上的分析，已經(jīng)得到了利用2 min 平均風(fēng)速計(jì)算極大風(fēng)速的客觀方程，在實(shí)際業(yè)務(wù)中，只要利用數(shù)值模式輸出的10 m 風(fēng)速就可以進(jìn)行極大風(fēng)速的估算。但是數(shù)值模式與實(shí)況相比，會(huì)有誤差，因此在使用數(shù)值模式的預(yù)報(bào)結(jié)果前，首先要對(duì)數(shù)值模式的預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)。利用3 個(gè)浮標(biāo)2010年1月1日—2011年3月15日的觀測(cè)數(shù)據(jù)對(duì)WRF 模式的0—24 h 風(fēng)速預(yù)報(bào)進(jìn)行檢驗(yàn)，樣本均為2 min 平均風(fēng)速5 級(jí)以上的觀測(cè)數(shù)據(jù)和對(duì)應(yīng)時(shí)次的模式預(yù)報(bào)數(shù)據(jù)，結(jié)果給于表4。

表4 WRF模式0—24 h風(fēng)速預(yù)報(bào)檢驗(yàn)

從表4 中可以看到，WRF 模式對(duì)3 個(gè)浮標(biāo)站的風(fēng)速預(yù)報(bào)都與實(shí)況比較接近，相關(guān)系數(shù)分別達(dá)到了0.72、0.56 和0.52，超 過 了 信 度0.01 的 檢 驗(yàn)（t0.01=0.24）。其中，對(duì)海礁浮標(biāo)的預(yù)報(bào)效果最好，平均絕對(duì)誤差為1.4 m/s，Δv ＞2 m/s 的樣本數(shù)僅占23.2%，而Δv ＞4 m/s 和Δv ＞6 m/s 的樣本數(shù)則只有4.6 %和0.9 %，預(yù)報(bào)評(píng)分為82；對(duì)洋山浮標(biāo)的預(yù)報(bào)效果最差，平均絕對(duì)誤差為2.5 m/s，Δv ＞2 m/s 的樣本數(shù)為51.0%，而Δv ＞6 m/s的樣本數(shù)為5.0%，預(yù)報(bào)評(píng)分為76，此外，WRF 模式對(duì)洋山浮標(biāo)的預(yù)報(bào)正偏差顯著，樣本數(shù)達(dá)到了93.9 %。

利用建立的單站極大風(fēng)速預(yù)報(bào)方程和300 個(gè)WRF模式0—24 h風(fēng)速預(yù)報(bào)樣本，對(duì)0—24 h極大風(fēng)速進(jìn)行試報(bào)，并與實(shí)測(cè)極大風(fēng)速進(jìn)行對(duì)比，結(jié)果見圖2和表5。

圖2 實(shí)測(cè)極大風(fēng)速與預(yù)報(bào)極大風(fēng)速（海礁浮標(biāo)）

從圖2 中可以看到，海礁浮標(biāo)實(shí)測(cè)極大風(fēng)速與預(yù)報(bào)極大風(fēng)速具有較為一致的變化，對(duì)大部分的樣本，兩者的數(shù)值都比較接近。預(yù)報(bào)極大風(fēng)速與實(shí)測(cè)極大風(fēng)速相比，既有偏大又有偏小，而且對(duì)少數(shù)樣本偏差較大。

從表5中可以看到，3個(gè)浮標(biāo)實(shí)測(cè)極大風(fēng)速與預(yù)報(bào)極大風(fēng)速都具有較好的相關(guān)性，相關(guān)系數(shù)分別為0.75、0.50 和0.64，平均絕對(duì)誤差均在2.0 m/s 以下，最大1.9 m/s。3 個(gè)浮標(biāo)中，海礁浮標(biāo)和黃澤洋船標(biāo)的預(yù)報(bào)極大風(fēng)速以負(fù)偏差為主，洋山浮標(biāo)以正偏差為主。3個(gè)浮標(biāo)中，Δv ＞2 m/s的樣本數(shù)都在40%以下，最多的洋山浮標(biāo)為37.8%；Δv ＞4 m/s 的樣本數(shù)都在10%以下，最多的洋山浮標(biāo)為9.3%；Δv ＞6 m/s的樣本均在4%以下，最多的洋山浮標(biāo)為3.1%。3個(gè)浮標(biāo)極大風(fēng)速預(yù)報(bào)的預(yù)報(bào)評(píng)分均在74 分以上。由此可見，對(duì)3個(gè)浮標(biāo)站，利用建立的極大風(fēng)速客觀預(yù)報(bào)方程和數(shù)值模式結(jié)果進(jìn)行的的極大風(fēng)速預(yù)報(bào)效果都比較理想。

5 結(jié)論與討論

通過對(duì)上海沿海2 min 平均風(fēng)速與極大風(fēng)速的關(guān)系進(jìn)行分析，并利用WRF模式預(yù)報(bào)結(jié)果進(jìn)行極大風(fēng)速試報(bào)，本文主要得出以下結(jié)論：

（1）上海沿海2 min 平均風(fēng)速與極大風(fēng)速具有明顯的線性相關(guān)性。對(duì)這幾個(gè)浮標(biāo)站，單站一元一次回歸方程都能很好得反映2 min平均風(fēng)速和極大風(fēng)速的關(guān)系。3個(gè)浮標(biāo)實(shí)測(cè)數(shù)據(jù)與擬合數(shù)據(jù)的平均絕對(duì)誤差均小于1 m/s。3個(gè)浮標(biāo)的擬合數(shù)據(jù)都是以正偏差為主，這說明擬合方程以偏大的情形居多。3 個(gè)浮標(biāo)中，Δ v ＞2 m/s 的樣本數(shù)都在5 %以下；

表5 實(shí)測(cè)極大風(fēng)速與預(yù)報(bào)極大風(fēng)速誤差分析

（2）上海沿海2 min 平均風(fēng)速和極大風(fēng)速的通用回歸方程和單站回歸方程具有較為一致的回歸系數(shù)，在實(shí)際業(yè)務(wù)中，對(duì)沿海極大風(fēng)速進(jìn)行估計(jì)時(shí)，可以采用通用回歸方程；

（3）WRF模式對(duì)3個(gè)浮標(biāo)站的風(fēng)速預(yù)報(bào)都與實(shí)況比較接近，平均絕對(duì)誤差均小于2.5 m/s, 預(yù)報(bào)評(píng)分在75 分以上，利用WRF 模式風(fēng)速預(yù)報(bào)的極大風(fēng)速與實(shí)測(cè)極大風(fēng)速都具有較好的相關(guān)性，相關(guān)系數(shù)分別為0.75、0.50 和0.64，平均絕對(duì)誤差均在2 m/s以下。3 個(gè)浮標(biāo)中，預(yù)報(bào)極大風(fēng)速和實(shí)測(cè)極大風(fēng)速Δ v ＞4 m/s的樣本數(shù)都在10%以下，Δ v ＞6 m/s的樣本均在4%以下。3 個(gè)浮標(biāo)極大風(fēng)速預(yù)報(bào)的預(yù)報(bào)評(píng)分均在74分以上。說明對(duì)3個(gè)浮標(biāo)站，利用建立的極大風(fēng)速客觀預(yù)報(bào)方程和WRF 模式結(jié)果進(jìn)行的的極大風(fēng)速預(yù)報(bào)效果都比較理想。隨著未來數(shù)值模式預(yù)報(bào)準(zhǔn)確度的提高，利用這種客觀方法計(jì)算的極大風(fēng)速也將更加準(zhǔn)確。

[1]黃少軍,薛波,石磊,等.渤海海峽客滾船海難事故與大風(fēng)事件關(guān)系分析[J].氣象與環(huán)境學(xué)報(bào),2006，22(3):30-32.

[2]劉學(xué)萍.煙臺(tái)海域海難事故氣象條件分析及預(yù)防對(duì)策[J].氣象,2001,27(3):55-57.

[3]陳錦冠,林少冰.10分鐘平均最大風(fēng)速與極大風(fēng)速評(píng)估方程的建立[J].氣象,2001,27(10):38-41.

[4]胡波, 杜惠良. 浙江省沿海海面日極大風(fēng)預(yù)報(bào)[J]. 海洋預(yù)報(bào),2006,23(S):64-67.

[5]陳德花,劉銘,蘇衛(wèi)東,等.BP 人工神經(jīng)網(wǎng)絡(luò)在MM5 預(yù)報(bào)福建沿海大風(fēng)中的釋用[J].暴雨災(zāi)害,2010,29(3):263-267.

[6]涂小萍,趙聲蓉,曾曉青,等.KNN方法在11-3月中國(guó)近海測(cè)站日最大風(fēng)速預(yù)報(bào)中的應(yīng)用[J].氣象, 2008,34(6):67-72.

[7]林良勛,程正泉,張兵,等.完全預(yù)報(bào)（PP）方法在廣東冬半年海面強(qiáng)風(fēng)業(yè)務(wù)預(yù)報(bào)中的應(yīng)用[J].應(yīng)用氣象學(xué)報(bào),2004,15(4):485-490.

[8]黃世成,周嘉陵,程婷,等.工程區(qū)臺(tái)風(fēng)大風(fēng)災(zāi)害評(píng)估方法的研究與應(yīng)用[J].防災(zāi)減災(zāi)工程學(xué)報(bào),2009,29(3):329-335.

[9]朱智慧,黃寧立.全球譜模式T639產(chǎn)品在南匯站風(fēng)速預(yù)報(bào)中的統(tǒng)計(jì)釋用[J].大氣科學(xué)研究與應(yīng)用,2011,40:30-37.