福建省沿海冬半年東北大風的數值預報釋用方法研究

曾瑾瑜，劉愛鳴，高珊，冷典頌，吳幸毓

（福建省氣象臺,福建福州350001）

福建省沿海冬半年東北大風的數值預報釋用方法研究

曾瑾瑜，劉愛鳴，高珊，冷典頌，吳幸毓

（福建省氣象臺,福建福州350001）

基于福建省冬半年沿海32個自動站的極大風觀測資料和WRF、EC細網格以及T639 3種模式預報的10m風場資料，將模式預報的風速與觀測資料進行對比分析，結果表明：WRF和EC細網格的預報效果較好，有可參考性，T639可參考性不高。模式預報結果相比實況極大風速偏小，預報平均絕對誤差由沿海向內陸逐漸減小，由中部向南北逐漸減小。擇取預報效果較好的WRF和EC細網格模式，對沿海代表站點進行風速集成，建立集成預報方程，并進行集成訂正。誤差訂正后，與誤差較小的WRF模式相比，預報準確率提高了10%左右，改善效果顯著，為提高福建省沿海冬半年東北大風的預報準確率提供定量的預報方法。

WRF；EC；T639；絕對誤差；準確率；集成訂正

1 引言

福建省沿海地區的大風主要出現于冬季風盛行的冬半年，從9月開始到次年的4月是大風日數最多的時段。大風的盛行風向比較集中，最多風向是東北大風。統計分析表明沿海地區由于受冷空氣影響而出現大風的機會最多，其次是冷空氣和臺風共同作用形成的大風，第三的是臺風引起的大風[1]。

回顧沿海大風的預報方法，早期以經驗預報[2]和統計預報[3-5]居多，隨著數值預報技術的發展和對大氣邊界層物理過程認識的不斷深化，目前的主流預報模式已經達到相當高的預報水平，數值產品釋用方法應運而生，PP法[6]和MOS法[7-12]是較常見的兩種方法。多模式集成預報也是MOS方法的一種，它并不局限于一種模式，優點是可以發揮多種成員模式的優點，從而提高預報要素的準確率。楊育強等[13]開發的多模式集成預報系統在青島奧帆賽期間為預報員精細化預報提供了重要的參考，系統融合了6種模式產品資料，權重系數根據檢驗的結果動態分配，經檢驗，風速的均方根誤差為1.4m/s，風向的均方根誤差為45°。國家氣象中心開發的多模式集成海上大風預報系統，綜合了歐洲中心（EC）細網格10 m風產品、T639 10 m風產品、T639 1000 hPa風產品，根據成山頭站測風數據分大風（6級及以上）和小風分別建立預報方程，采用最小二乘法分配給各模式權重系數，經檢驗，多模式集成產品在大風風速預報時的平均誤差和均方根誤差均優于成員模式的預報效果[14]。劉鴻升等[15]利用歐洲中心中期數值預報結果,從不同側面選取因子,建立了日最大平均風速的4種統計預報方程,在此基礎上設計了幾種集成方法對預報結果進行集成,表明最大值—閥值綜合集成法取得了很好的效果,特別是2—3 d的大風預報準確度較高。

福建本省開展與沿海風有關的釋用研究[2,16-18]偏少，目前在福建省業務運行中，數值模式提供風的預報產品，主要有中央氣象臺下發的EC-thin、T639的全球譜模式產品，本省引進的有限區域WRF

（Weather Research and Forecast）模式預報產品。為了進一步反映各種模式大風預報產品在福建沿海區域的預報性能，使得各模式預報產品能更好地在福建省得到應用，我們對其大風預報產品進行檢驗評估，分析不同地理位置對大風預報的影響。擇取預報效果較好的模式進行風速集成，建立集成預報方程，并對誤差進行集成訂正。

2 資料與方法

2.1 實況資料

定義沿海大風為沿海出現極大風≥7級(≥13.9m/s)[19]。本方法主要是研究2011—2012年冷空氣過程中造成福建沿海東北大風最多的10月到次年3月(即冬半年)的資料。從福建省風向的氣候特點得知，福建省沿海冬半年以東北風為主，故本文的討論重點是風速。在自動站大風資料的統計中，我們采用從2011—2012年福建省沿海32個代表區域自動站冬半年觀測的極大風速的資料作為研究對象。使用的自動站資料為每小時一次的風速資料。

2.2 模式資料

選取3個模式包括全球模式（我國的T639模式、EC細網格模式）和福建引進開發的WRF中尺度數值模式，其中T639模式分辨率為1°×1°，數據格式是M icaps2類格式，輸出間隔為3 h；EC細網格模式分辨率為0.25°×0.25°，數據格式是M icaps 11類格式，輸出間隔為3 h；WRF模式水平采用正方形網格，分辨率為9 km×9 km，數據格式是netCDF格式，輸出間隔為1 h。

2.3 檢驗方法

為統一預報時效，選取3個模式對20時起報的72 h預報時效內的10m風進行檢驗。為了考慮各模式結果檢驗的公平性，統一采用雙線性插值方法將各模式格點資料插值到32個代表站上，對各模式和實況資料求0—72 h內的極大風。對模式而言，因模式輸出的10m風是平均風，我們取平均風的最大值來進行研究對比，在24 h、48 h、72 h時效內分別取一最大風速值代表該時效內極大風預報；對實況而言，將24 h、48 h、72 h時效內風速的極大值作為日極大風速。

主要采用目前氣象部門應用廣泛的平均絕對誤差（Mean Absolute Error,MAE）對上述數值模式10m風場預報產品進行檢驗分析，具體計算公式如下：

式中：Fi為第i站次預報風速（風向），Oi為第i站次實況風速（風向）。

3 模式誤差對比分析

利用WRF、EC細網格、T639模式10m風速預報產品對2011—2012年冬半年逐日的極大風進行平均絕對誤差的計算，分析海陸分布對風速預報的影響。

在32個沿海代表站中，有3個浮標站，分別位于北、中、南距海岸線50 km左右的海上，代表福建省的3個近海海區風力，其中平潭浮標和廈門浮標分別位于臺灣海峽的北部和南部；13個代表站或位于海島的邊緣，或位于沿海岸線上，一面靠海，地勢平坦開闊，具有較好的代表性，將其歸類為海島站；其余站點位置相對而言較為靠近內陸，以緊靠近海岸線的近海站和位于海岸線5 km以內的偏內陸站為主。

圖1 32個沿海代表站點

32個代表站包含了不同地理位置的站點，能真實反映冬半年沿海大風的變化特征（見圖1）。

總體來說，風速的平均絕對誤差，WRF模式的誤差隨時效減小，以24 h的預報誤差為最大，達3.10m/s（見圖2）；而EC細網格模式和T639模式的誤差均隨時效增大，72 h的預報誤差最大，平均絕對誤差分別為4.22m/s和8.85m/s。從風速的模擬效果來看，預報效果最好的模式是WRF模式，其次是EC細網格模式，T639模式誤差最大，可參考性最小。3個模式的預報風速與實況極大風速相比，總體來說都偏小。其中24—72 h時次風速偏小的, WRF模式分別占78.8%、72.8%、70.7%，EC細網格模式分別占93.8%、93.0%、93.1%，T639模式分別占96.2%、96.0%、96.0%。3個模式的風速平均絕對誤差由沿海向內陸逐漸減小，依次是浮標站＞海島站＞近海站＞偏內陸站。

圖2 不同模式預報的風速平均絕對誤差

32個代表站中，對于海上浮標站而言，空間分布為南北小于中部，這可能由于海面粗糙度不同引

起的，中部海域由于風速較大，海面粗糙度大于南北兩地。

海島站的平均絕對誤差低于浮標站，空間分布特征EC和WRF比較一致，都是中部的莆田、北部的福州沿海以及寧德沿海較大，而T639則是中部的莆田、南部的漳州沿海以及北部的福州沿海較大，其他地區較小，最小的都是泉州。

對于近海站而言，風速誤差小于海島站。空間分布特征EC和WRF都是中部的莆田沿海較大，其次為南部漳州沿海和泉州沿海。T639是南部漳州沿海最大，其次中部的莆田沿海和南部的廈門沿海。

偏內陸站的風速誤差最小。EC和WRF以北部的福州沿海和寧德沿海最大，其次是南部的廈門沿海。T639則是南部的廈門沿海最大，其次是漳州沿海。在實際應用時需根據局地地形情況考慮。

可以看出，風速誤差由沿海向內陸逐漸減小，空間分布總的特點EC和WRF比較一致，是中部、北部沿海的誤差最大，而T639是中部、南部沿海的誤差最大，其他地區較小。

T639相對誤差較大，是插值方法導致的，雙線性插值法是取插值站點周圍4個最近的模式格點進行雙線性插值，由于T639分辨率較低，格距較大，在沿海地區，4個格點中可能有1個或2個在陸地上。而陸地上風的形成既與大型環流背景有關，又與中小尺度天氣系統密切相聯，并受地形、地貌、地理位置、觀測環境等眾多因素的影響，模式很難精細反映它們的變化，預報效果差。

4 誤差訂正

考慮到T639模式誤差最大，可參考性最小，故主要選用WRF和EC細網格模式對32個代表站點進行風速集成。

4.1 加權集成法

會來的。一定會來的。信里講了會來，就一定會來。何牦深信無疑。他隨身帶了一張凳子，每天坐在街口等歐陽橘紅，怕她找不到竹溪街47號。

我們采用加權集成法[20]進行研究，基于誤差概率權重的兩種方法的集成記憶，設選中的兩種方法的誤差概率為P1、P2，其預報值為S1、S2，對這兩種方法進行集成，則有

式中：S12為此2種方法的集成優選點；

為基于誤差概率的第一種、第二種預報方法在集成中的權重系數，是歸一化的。

應用到本文中，F1為WRF各個時效預報的風值，F2為EC細網格各個時效預報的風值。R1為WRF各個時效的風速誤差，R2為EC細網格各個時效的風速誤差，這個誤差指的是預報風速和實際風速之差的絕對值的平均值即絕對誤差的平均值，則得出風速集成預報方程：

式中：F12為WRF和EC細網格兩種模式的集成優選預報風速；

式中：R12和R21為基于誤差概率的WRF和EC細網格模式預報方法在集成中的權重系數。

4.2 集成優選預報風速誤差分析

將32個代表站點研究時效內WRF各個時效預報的風速誤差，EC細網格各個時效預報的風速誤差代入式（4），對其回算，與實況對比檢驗，得出兩種模式各個時效的集成優選預報風速誤差。從不同的預報方法平均風速誤差的對比可以看出（見表1），集成優選預報風速誤差落在WRF和EC細網格的誤差之間，比WRF大，比EC細網格小，效果并不明顯，無明顯訂正意義。故要對式（4）進行訂正。

第3節中已得出結論，模式的預報風速與實況極大風速相比，大部分偏小。我們令訂正值

表1 各類預報方法平均絕對誤差對比（單位/（m/s））

式中：D1，D2……Dn為實況極大風速與預報風速的差值，且差值必須是大于0的數，即取的是預報風速偏小數的偏小量是偏小量的總和，n是偏小量的個數，訂正值C則是偏小量的平均值。計算出WRF和EC細網格各個時效的訂正值（見表2和3）。

表2為WRF各個時效預報的訂正值即C1，表3為EC細網格各個時效預報的訂正值即C2。

表2 WRF各個時效預報的訂正值（單位/（m/s））

我們將方程（4）訂正為

為檢驗集成訂正方程的可靠性，將C1和C2代入訂正后的式（7），對研究時效內的風進行回算，與實況對比檢驗，得出兩種模式各個時效訂正后的集成優選預報風速誤差。在表1中增列訂正后的集成優選預報風速誤差值，對比不同的預報方法平均風速誤差。

每個站不同時效訂正后的集成優選預報風速誤差在1—3.25m/s之間，是最小的，比兩個模式中

預報效果較好的WRF還要小，訂正效果顯著。

從表1可以明顯看出：

（1）集成訂正法的預報誤差明顯小于其它幾家預報的誤差，尤其是24 h預報的平均風速誤差，得到了明顯的改善，其平均絕對誤差僅為1.71m/s，比誤差較小的WRF預報改善了1.4m/s；

（2）在誤差較小的WRF預報中，第24 h預報的平均絕對誤差反而是3個時效內最大的，而集成訂正方法則是：隨著時效的增長，各家預報誤差增長，隨著預報時效的增長準確率有所下降。另外，集成訂正方法預報的最大誤差小于其它預報，可見，本集成訂正法預報具有一定的穩定性；

（3）集成訂正方法的平均預報準確率24 h、48 h、72 h分別達89%、87%、86%，與誤差較小的WRF預報準確率的75%、76%、77%相比，分別改進了14%、11%、9%，改善效果是顯著的。

4.4 預報檢驗

運用該集成訂正預報方法形成的業務產品已經在福建省氣象臺業務化使用，取得了良好的效果。為檢驗該方法在實際業務預報中的可靠性，我們特別選取2013年12月份較強的一次冷空氣大風過程，對其進行檢驗。

2013年12月14日20時（北京時，下同）—17日20時，受冷空氣影響，福建省沿海出現7—8級，陣風9—10級大風。沿海共計16個縣市47個站出現極大風≥9級的沿海大風，以福鼎海洋站的31.7m/s（11級）為最大。福建省氣象臺共發布6期大風黃色預警信號。

利用集成訂正預報方法，對此次過程進行了預報，并回算檢驗。集成預報起報時間為2013年12月12日20時，預報時效為120 h，即預報時段為2013年12月12日20時—17日20時。

經過集成訂正后的誤差有明顯改善，比預報誤差較小的WRF模式直接釋用方法改善了1m/s左右（見表4）。集成訂正方法的平均風速預報準確率24 h、48 h、72 h分別達90%、89%、87%，訂正效果十分顯著。

在實際預報中，我們通常是預報幾級風，并不預報數值，所以計算出來的集成風速值和集成訂正風速值轉換成風力級別。具體統計結果表明（見表5）離岸最遠的3個浮標站，實況7級大風出現的持續天數達到5天，海島站中位于中部的莆田西高和莆田三佛山，以及位于北部的臺山站，同樣達到5天，大風持續時間較長；而其他海島站和近海站，大風出現的天數則相對較少。經對比實況與風力預報結果，我們發現，集成后預報的極大風普遍偏小，

預報出現極大風的天數普遍少于實況極大風；而集成訂正后預報極大風情況良好，雖然部分站點存在風級偏大的情況，但與實況更為接近，其預報風級準確率的站數達到53.1%，遠超集成預報的18.8%，相對于集成的效果有了明顯的改善。

表4 集成和集成訂正方法的平均絕對誤差對比（單位/（m/s））

表5 風力預報結果與實況對比

5 總結

綜合全文的分析，可以得出以下結論：

（1）將EC-thin、T639和WRF 3個模式（預報時效0—72 h）的地面10m風場預報數據插值到代表站上，將代表站風場資料與插值好的模式風場資料進行細致的對比與統計分析，可以看出，預報效果最好的模式是WRF模式，平均絕對誤差為3—4m/s；其次是EC細網格模式，平均絕對誤差為4—5m/s；T639模式誤差最大，可參考性最小。3個模式的預報風速與實況極大風速相比，總體來說都偏小。風速誤差由沿海向內陸逐漸減小，空間分布總的特點EC和WRF是中部、北部沿海的誤差最大，而T639是中部、南部沿海的誤差最大；

（2）擇取預報效果較好的WRF和EC細網格模式，對沿海代表站點進行風速集成，建立集成預報方程，并進行集成訂正。誤差訂正后，與誤差較小的WRF模式相比，預報準確率提高了10%左右，改善效果顯著，為提高福建省沿海冬半年東北大風的預報準確率提供定量的預報方法。

[1]林新彬,劉愛鳴,林毅,等.福建省天氣預報技術手冊[M].北京:氣象出版社,2013:32.

[2]劉京雄,唐文偉,朱持則,等.浙閩沿海和臺灣海峽海域冬季大風風速計算方法探討[J].臺灣海峽,2004,23(1):8-13.

[3]毛紹榮,林鎮國,梁健,等.廣東沿海強東北季風的概率預報方法[J].熱帶氣象學報,2003,19(1):94-100.

[4]周偉隆,陳往溪,肖巍.粵東海面冷空氣強風的統計分析與預報[J].廣東氣象,2005,(4):20-22.

[5]顏梅,范寶東,滿柯,等.黃渤海大風的客觀相似預報[J].氣象科技,2004,32(6):467-470.

[6]林良勛,程正泉,張兵,等.完全預報(PP)方法在廣東冬半年海面強風業務預報中的應用[J].應用氣象學報,2004,15(4):485-493.

[7]葉燕華,王平魯,孫蘭東.用MOS法建立預報方程的試驗流程[J].甘肅氣象,2002,20(1):13-15.

[8]Facsim ile Products:M ax/M in Temperature Forecasts.National Weather Service Forecasting Handbook No.1(July 1979)U.S.[Z]. Departmentof Commerce NOAA NationalWeather Service,1979.

[9]劉還珠,趙聲蓉,陸志善,等.國家氣象中心氣象要素的客觀預報—MOS系統[J].應用氣象學報,2004,15(2):181-191.

[10]陳豫英,陳曉光,馬金仁,等.風的精細化MOS預報方法研究[J].氣象科學,2006,26(2):210-216.

[11]陳貝,張勇,詹曉琴,等.MOS預報方法研究[J].四川氣象,2005, 25(2):6-8.

[12]辜旭贊.湖北分縣MOS預報系統建立與評分[J].氣象,2008,34 (2):43-51.

[13]楊育強,高榮珍,馬艷,等.海面風精細化集成預報系統在青島奧帆賽期間的應用[J].氣象,2008,34(S1):241-245.

[14]尹盡勇,徐晶,曹越男,等.我國海洋氣象預報業務現狀與發展[J].氣象科技進展,2012,2(6):17-26.

[15]劉鴻升,余功梅.偏北大風的數值預報釋用方法研究[J].氣象科學,2002,22(1):100-106.

[16]陳春忠,曾文慧,吳婷婕,等.莆田市沿海冬季大風時空分布極為不均的成因探討[C].福建省2012年氣象學會年會論文集.福州:福建省氣象學會,2012:71-75.

[17]葉賓賓,藍秋萍,饒灶鑫,等.T213的1000HPa風場預報檢驗與應用[C].福建省2009年氣象學會年會論文集.福州:福建省氣象學會,2009:212-215.

[18]陳德花,劉銘,蘇衛東,等.BP人工神經網絡在MM 5預報福建沿海大風中的釋用[J].暴雨災害,2010,29(3):263-267.

[19]福建省氣象局科技與預報處.關于印發《福建省災害性天氣預報服務用語暫行規定》的通知(閩氣科預函〔2012〕8號文)[Z].福建：福建省氣象局,2012.

[20]張菊芳,沈樹勤,韓桂榮,等.優選概率權重訓練法預報西太平洋副高脊線位置[J].氣象,1990,25(2):19-22.

Study on interp retation of numericalp redictionmethod on northeastw inds along the coastof Fujian Province in w inter half year

ZENG Jin-yu,LIUAi-m ing,GAO Shan,LENG Dian-song,WU Xing-yu
（Fujian MeteorologicalObservatory，Fuzhou 350001 China）

Based on the hourly maximum w ind speed data from 32 automatic observation stations located at coastal islands,and modeled 10m w ind data from WRF,EC,T639,the comparison between modeled data and actual data were analyzed.The results showed that:the prediction effect ofWRF and EC thin is better,and the reference of T639 is poor.Prediction ofw ind speed is smaller than themaximum wind speed of observation.The spatial distribution of the errorofw ind speed gradually decreases from coastal to the inland,gradually decreases from the center to thenorth and south.Wind speed on the coastalstationswasdeveloped by integratingWRFand EC models which have good prediction effect.The integrated forecasting equation was established,and integrated revised.A fter error correction,compared with the WRF model whose error was smaller,the forecasting accuracy is improved by about 10%which are significantly improved.This method provides a quantitative forecastingmethod in order to improve the accuracy of prediction of northeastw indsalong the coast of Fujian inw interhalf year.

WRF；EC；T639；absolute error；accuracy；integrated revised

P732.4

A

1003-0239（2015）05-0061-08

2015-03-04

福建省氣象局青年科技專項(2015q26)；福建省自然科學基金資助項目（2014J01147）；福建省氣象局自研業務成果專項項目(2015z02)

曾瑾瑜（1984-），女，工程師，碩士，主要從事數值模擬和資料同化研究。E-mail：zjy10218@126.com

10.11737/j.issn.1003-0239.2015.05.008