2019年海面風網(wǎng)格化預報檢驗

張弛，蔡靖澤*，吳倫宇,2，宋曉姜，劉凱，陳越

（1.國家海洋環(huán)境預報中心，北京100081；2.國家海洋環(huán)境預報中心自然資源部海洋災害預報技術重點實驗室，北京100081;3.深中通道管理中心，廣東中山528400）

0 引言

隨著海洋項目日益發(fā)展，海洋氣象要素網(wǎng)格化預報已成為當今主流趨勢[1]，大量的業(yè)務需求也使直觀的海洋預報要素網(wǎng)格化預報產(chǎn)品成為主要輸出手段。20 世紀90 年代，美國國家環(huán)境預報中心（National Centers for Environmental Prediction，NCEP）開始研發(fā)網(wǎng)格化預報技術，并于21世紀初正式使用。澳大利亞緊隨其后開始網(wǎng)格化預報技術的研發(fā)。歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF，簡稱EC）于2010 年開始網(wǎng)格化預報產(chǎn)品的制作，其中海表10 m 風場預報是其最具代表性的網(wǎng)格化預報產(chǎn)品。網(wǎng)格化預報已成為國際海洋預報的發(fā)展趨勢。

表1 風向預報評分對照表Tab.1 Comparison of wind direction forecast score

智能網(wǎng)格化預報技術是在數(shù)值預報的基礎上，通過人工智能的方法并結合歷史和實況數(shù)據(jù)分析對預報產(chǎn)品進行釋用、訂正，從而提高預報精度。我國國家氣象中心的網(wǎng)格化預報開展較早，自2015年起開始制作并發(fā)布精細滾動的全要素海陸網(wǎng)格指導產(chǎn)品，其中涉及海洋預報要素的國家級海洋指導網(wǎng)格預報是其代表性核心產(chǎn)品。2016年11月，國家海洋環(huán)境預報中心引進的高性能計算機有效地提升了運算速度，使得海洋預報能力大幅提升，尤其在近海、近岸預報業(yè)務方面，具備了向更加精細化方向發(fā)展的計算條件，為海洋預報向“智能網(wǎng)格化”預報的轉(zhuǎn)變提供了運算支持。依托全國海洋漁業(yè)生產(chǎn)安全環(huán)境保障服務系統(tǒng)建設，基于國家海洋環(huán)境預報中心、海區(qū)分中心、沿海省預報臺上下聯(lián)動的預報發(fā)布機制，針對中國近海1 449 個漁區(qū)的地理位置分布情況，國家海洋環(huán)境預報中心實現(xiàn)了中國近海漁區(qū)網(wǎng)格化預報保障的24 h、48 h、72 h 服務。該預報產(chǎn)品基于EC 數(shù)值預報、EC 集合預報與新一代全球集合預報（Global Ensemble Forecast System，GEFS）開發(fā)。

預報準確率是網(wǎng)格化預報業(yè)務化運行的前提和業(yè)務發(fā)展的核心。檢驗產(chǎn)品的預報準確率有助于進一步提升產(chǎn)品質(zhì)量，滿足日益增長的網(wǎng)格化預報業(yè)務需求。本工作著眼于對2019 年每日的逐24 h、48 h、72 h 海面風預報，分別進行風向和風速預報檢驗。

1 數(shù)據(jù)與方法

中國近海漁業(yè)網(wǎng)格化預報用的是EC 集合預報與GEFS 融合處理后的預報結果，空間分辨率為0.5°×0.5°，選用2019年各月的逐12 h預報數(shù)據(jù)進行分析。為了評估模式的預報性能，使用對應時期的FNL（Final Operational Global Analysis）融合數(shù)據(jù)作為觀測值。選擇每格點為預報站點，對其進行轉(zhuǎn)換后與對應格點的觀測值對比進行檢驗。

1.1 浮標數(shù)據(jù)和再分析數(shù)據(jù)

本文采用NCEP 的FNL 再分析資料中的10 m風速（一天4 個時次，分別為02 時、08 時、14 時、20時，北京時，下同，水平分辨率為0.25°×0.25°，垂直方向為1 000～10 hPa，共26 層）[2]以及我國沿海23個浮標數(shù)據(jù)（浮標數(shù)據(jù)為每小時1 次，為了方便檢驗，將浮標數(shù)據(jù)時間與FNL 的標準時間同樣提取一天4個時次）對全國漁業(yè)網(wǎng)格化預報產(chǎn)品進行檢驗。之所以選擇FNL 數(shù)據(jù)，是因為美國國家環(huán)境預報中心/美國國家大氣研究中心（NCEP/NCAR）的CFSV2 數(shù)據(jù)、EC 數(shù)據(jù)以及CCMP（Cross-Calibrated Muti-Platform）風場數(shù)據(jù)等高精度的再分析數(shù)據(jù)更新較慢、時效性較差，不能滿足漁船季報檢驗的時效要求，經(jīng)綜合考慮選擇精度、時效均能滿足要求的FNL 再分析數(shù)據(jù)。我國沿海的23 個浮標數(shù)據(jù)是目前尚未公開的數(shù)據(jù)，對評估我國沿海數(shù)值預報效果和再分析數(shù)據(jù)的準確度具有重要作用，是沿海海面風預報參考的重要實況數(shù)據(jù)。再分析數(shù)據(jù)以及數(shù)值預報結果的釋用和訂正都沒有對浮標數(shù)據(jù)進行融合。FNL 作為實時性較強的再分析數(shù)據(jù)，其數(shù)據(jù)本身并未引入我國浮標信息，與浮標實況之間的相關性較低、誤差較大，即再分析數(shù)據(jù)反映出的天氣過程影響的起止時間和強度與實際均存在一定的差異，因此對后續(xù)的檢驗準確度具有一定的影響。本研究將利用Cressman 插值方法對FNL 數(shù)據(jù)進行融合，達到更好的檢驗效果。

1.2 數(shù)據(jù)處理方法和效果

空間內(nèi)插是指通過已知點的數(shù)據(jù)推求同一區(qū)域其他未知點數(shù)據(jù)。由于數(shù)據(jù)點空間位置的分布不同，利用不同的插值方法也會導致不同的結果[3]。常用的方法有距離反比加權法[4]、Kriging 法[5]和Cressman 客觀分析方法[6]等。馮錦明等[7]對上述的插值方法進行了詳細的對比總結，結果表明若已知點的數(shù)據(jù)較密，則上述幾種插值結果相近，若已知點的數(shù)據(jù)較分散，則插值結果差異較大。將上述3種插值方法得到的結果與觀測結果對比發(fā)現(xiàn)，Cressman 客觀分析方法偏差最小，距離反比加權法次之，Kriging法的偏差最大。

Cressman 客觀分析方法是一種將離散點內(nèi)插到規(guī)則格點引起誤差較小的一種逐步訂正內(nèi)插方法，被廣泛應用于各種診斷分析和數(shù)值預報方案的客觀分析中[8]。先給定第一猜測場，接著用實際觀測場逐步修正第一猜測場，直到訂正后的場逼近觀測記錄為止[9]。計算方法如下：

式中：ak為任一氣象要素（如降水、風、溫度等）；a0是a在格點（i，j）上的第一猜測；a′是變量ak在格點（i，j）上的訂正值；Δak是觀測點k上的觀測值與第一猜測值之差；wijk是權重因子，分別由香蕉形、橢圓形和圓形權重函數(shù)決定，數(shù)值在0.0～1.0之間；k是影響半徑（R）內(nèi)的臺站數(shù)。Cressman 客觀分析方法最重要的是權重函數(shù)wijk的確定，它的一般形式為：

式中：wijk一般取為1、2、4、7 和10 幾個常數(shù)；dijk是格點（i，j）到觀測點k的距離。

為了減小FNL 再分析數(shù)據(jù)在我國沿海的預報誤差，本文采用Cressman客觀分析方法對FNL再分析數(shù)據(jù)進行訂正，并將浮標數(shù)據(jù)融合到FNL 中。數(shù)據(jù)處理流程圖見圖1。首先將FNL 數(shù)據(jù)采用雙線性插值法插值到浮標坐標點上，計算出浮標數(shù)據(jù)與FNL 數(shù)據(jù)之間的誤差W1；再利用Cressman 客觀分析方法按照距離權重將W1 插值到FNL 的格點上，超過影響半徑的距離誤差視為0，得到W2；最后將W2與FNL相加得到融合后的數(shù)據(jù)。

圖1 數(shù)據(jù)處理流程圖Fig.1 Data processing flow chart

圖2 為2019 年10 月13 日一次冷空氣過程的風場數(shù)據(jù)對比。在此次冷空氣過程中，渤海南部海域浮標的實測風速達18.6 m/s，而原始FNL 再分析數(shù)據(jù)中渤海海域風速明顯較實測偏小；而在東海臺灣以東洋面，原始FNL 再分析數(shù)據(jù)風速又較實測偏大。以渤海QF105 浮標為例，經(jīng)計算，2019 年該浮標實測數(shù)據(jù)與原始FNL 再分析數(shù)據(jù)風場的平均誤差為1.53 m/s。融合浮標數(shù)據(jù)后的風場數(shù)據(jù)更加接近實際觀測值。

圖2 融合風場與原風場對比（單位：m/s）Fig.2 Comparison with fused wind field and original wind field(unit：m/s)

2 風預報檢驗

本文參考了中國氣象局《城鎮(zhèn)氣象要素預報的風預報質(zhì)量檢驗辦法（試行）》，對中國近海漁業(yè)網(wǎng)格化預報的風向、風速以及風預報綜合技巧分別進行了檢驗。

2.1 風向預報檢驗

風向預報檢驗是將各格點的風向預報按8個方位進行換算后再進行檢驗計算。公式如下：

式中：NRd,i為對第i個方位預報正確的站（次）數(shù)，其定義是預報風向中心角度與實況風向角度差在±45°內(nèi)的站數(shù)（詳見表1 風向預報評分中標值為1的情況）；SCd,i為第i個站風向預報得分（見表1）；NF為預報總站（次）數(shù)；k取值為1～8，代表8 個方位。

圖3 為2019 年風向預報評分綜合分布。經(jīng)計算（見表2），24 h 風向預報評分為0.86 分，風向預報準確率為65.37%；48 h 風向預報評分為0.83 分，風向預報準確率為61.98%；72 h 風向預報評分為0.81分，風向預報準確率為59.63%。

表2 2019年風向預報統(tǒng)計Tab.2 Wind direction forecast statistics in 2019

圖3 2019年風向預報評分綜合分布圖Fig.3 Comprehensive distribution of wind direction forecast score in 2019

從時間尺度來看，24 h預報由于時間跨度較小，預報相對更準確，評分相對最高，而48 h、72 h較24 h預報時效的評分和準確率略有下降。從空間分布來看，24 h預報對我國臺灣海峽南口、南海西部大部、巴士海峽北部的預報能力較強，評分可達0.9分（含）以上；對渤海、黃海、東海、南海東部大部、北部灣海域的預報能力次之，評分在0.8（含）～0.9 分（不含）之間；對臺灣以東洋面、南海南部近岸海域的預報能力最弱，評分小于0.8 分；而48 h、72 h 預報中渤海、黃海、南海西部海域的預報評分進一步下降。由此可見，EC對短時效、開闊海域的風向預報質(zhì)量較好，在近岸海域因其無法較好地反映因海拔高度、海陸分布、局地地形等因素造成的局地性風向差異，導致風向預報能力相對較差，由此說明EC 預報產(chǎn)品具有一定改善空間。

2.2 風速預報檢驗

風速預報檢驗是將各格點的風速預報按蒲氏風力等級[10-11]進行換算后再進行檢驗計算。公式如下：

式中：ACs為第i級風速預報正確的站（次）數(shù)，表示預報風速和實況風速在同一等級；NSs,i為第i級風速預報偏強的站（次）數(shù)，表示預報風速大于實況風速等級；NWs,i為第i級風速預報偏弱的站（次）數(shù)，表示預報風速小于實況風速等級；NF為預報總站（次）數(shù)；k 為風速預報等級，取值1～13；SCs,i為第i個站風速預報得分；Fi為第i站（次）預報風速；Oi為第i站（次）實況風速。NRs,i、SCs,i的計算結果詳見表3。

表3 風速預報評分對照表Tab.3 Comparison of wind speed forecast score

圖4 為2019 年風速預報評分綜合分布。經(jīng)計算（見表4），24 h 風速預報評分為0.82 分，風速預報準確率為57.57%，風速預報偏強率為21.92%，風速預報偏弱率為20.51%，誤差為0.92 m/s；48 h 風速預報評分為0.80 分，風速預報準確率為53.68%，風速預報偏強率為23.89%，風速預報偏弱率為22.42%，誤差為1.05 m/s；72 h 風速預報評分為0.78 分，風速預報準確率為50.17%，風速預報偏強率為25.35%，風速預報偏弱率為24.47%，誤差為1.18 m/s。

表4 2019年風速預報統(tǒng)計Tab.4 Wind speed forecast statistics in 2019

圖4 2019年風速預報評分綜合分布圖Fig.4 Comprehensive distribution of wind speed forecast score in 2019

由上述結果可見，24 h、48 h 風速預報評分可達0.80分以上，72 h預報稍遜色。隨著預報時效延長，風速預報準確率略有下降，預報偏強、偏弱率僅有2%左右的衰減，誤差在1 m/s 左右。從空間分布圖來看，靠近陸地的格點受海拔、地形等因素影響，誤差比遠離陸地的格點更大。

按照《全國智能網(wǎng)格氣象預報業(yè)務規(guī)定（試行）》將風速分別按小于6 級、6～8 級和大于8 級進行檢驗計算。此處選取最具代表性的24 h 預報作為示例（見圖5）。在2019 年所有格點的統(tǒng)計數(shù)據(jù)中，小于6 級、6～8 級和大于8 級的樣本數(shù)分別占比92%、7%以及1%。

圖5 實況風速樣本數(shù)量分布圖Fig.5 The distribution of the number of real wind speed samples

經(jīng)計算，當實況風力小于6 級時，24 h 風速預報評分為0.82 分，風速預報準確率54.42%，風速預報偏強率為23.30%，風速預報偏弱率為19.28%；當實況風力為6～8 級時，24 h 風速預報評分為0.83 分，風速預報準確率60.27%，風速預報偏強率為4.85%，風速預報偏弱率為34.88%；當實況風力大于8 級時，24 h 風速預報評分為0.58 分，風速預報準確率18.80%，風速預報偏強率為1.60%，風速預報偏弱率為79.60%。從預報偏強率、偏弱率來看，當實況風力小于6 級時，預報偏強率較低，偏弱率較高，且二者較為接近，隨著實況風速的增強，預報偏弱率顯著提升。而上文總體檢驗結果呈現(xiàn)的偏強率比偏弱率稍高，這是由于實況風力小于6 級的樣本數(shù)量占9成以上所致。在風力≥6級的后兩種情況下，預報偏強率遠不及偏弱率，即風速≥6 級時，預報風速有偏小趨勢。

3 結果與討論

總的來說，將中國近海漁業(yè)網(wǎng)格化預報結果與FNL 融合數(shù)據(jù)進行對比，24 h、48 h 和72 h 風向預報的檢驗結果接近，評分均在0.80 分以上，準確率保持在60%左右；近岸海域由于海陸分布、地形等因素造成局地性風向變化較快，其得分相對近海海域偏低。24 h、48 h 的風速預報評分可達0.80 分以上，72 h稍遜色。隨著預報時效延長，風速預報偏強、偏弱率僅有2%左右的衰減，誤差在1 m/s左右。

從空間分布來看，風向預報對我國黃海南部、東海北部、臺灣海峽、南海大部、巴士海峽的預報能力較強；對渤海、黃海北部、東海南部、北部灣海域的預報能力次之；對臺灣以東洋面、南海南部近岸海域的預報能力最弱。在風速預報中，靠近陸地的格點受海拔、地形等因素影響，誤差比遠離陸地的格點更大。

雖然風力小于6 級的樣本數(shù)量多達九成以上，但在實際業(yè)務應用中，當海面風力小于6級時，預報員極少發(fā)布海上災害警報信息。當實況風力為6～8 級時，風速預報評分最高，達0.83 分，優(yōu)于另外兩種情況。因此可以認為，當實際業(yè)務中需要發(fā)布例如海浪藍色、黃色警報時，即預報風力在6～8 級的情況下，預報可信度最高。而在極端大風情況下，例如有較強冷空氣南下、熱帶氣旋等容易出現(xiàn)8 級以上大風時，由于預報偏弱率明顯增加，預報員應酌情提高風力預報等級和警報等級。

綜上所述，ECMWF 的海表面風數(shù)值預報產(chǎn)品對我國漁區(qū)網(wǎng)格整體預報質(zhì)量較好。對于開闊海面的風向也具有較好的參考性，但無法精細地反映因海拔高度、海陸分布、局地地形等因素造成的局地性風向差異，導致其在近岸海域的風向預報能力相對較差，尤其是對于我國渤海、北部灣、南海南部及臺灣以東洋面的近岸海域。風速預報的釋用應更為謹慎，更多考慮在極端大風情況下預報偏弱率高的特點。自2022 年起ECMWF 數(shù)值預報已被國家海洋環(huán)境預報中心自主研發(fā)的集合預報產(chǎn)品取代，本文為其權重分配起到重要參考作用。