EC模式和GFS模式對黃渤海10 m風速預報性能對比分析

王彬，李文博*，李銳，侯喬琨，孫雅文，劉桂艷

（1.自然資源部北海預報減災中心，山東青島266100；2.山東省海洋生態環境與防災減災重點實驗室，山東青島266100）

0 引言

黃渤海全年受冷空氣、氣旋（包括溫帶氣旋和熱帶氣旋）以及兩者的配合影響，海面易出現大風天氣，對船舶航行、海洋捕撈以及海上石油開發等活動造成嚴重影響，因此對黃渤海海面風的準確預報需求非常迫切。

早期海面風的預報以經驗預報和統計預報為主，近年來隨著計算機技術的發展，數值預報逐漸成為海面風預報的主要工具[1-4]。歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的細網格產品（簡稱EC）和美國國家環境預報中心（National Centers for Environmental Prediction, NCEP）的全球預報系統（Global Forecasting System）風速預報產品（簡稱GFS）是目前常用的兩種高分辨率氣象數值產品，兩種預報分別使用四維變分和集合卡爾曼濾波的同化技術，預報準確度較高。已有一些學者對兩種產品的海面風預報進行了檢驗和分析，例如吳俞等[5]利用南海4個海島站的觀測數據，對EC 模式10 m 風場預報產品的誤差進行了分析，指出EC 模式預報存在季節性的偏差；方艷瑩等[6]利用浙江沿海10 m 風的觀測結果，對EC 模式細網格產品的預報性能進行了評估，指出不同天氣系統下EC 模式的表現有所差異；于鑫等[7]基于EC 模式細網格產品對南海北部的預報能力進行了檢驗分析，結果表明EC模式對5級及以下風的預報效果較好；連喜虎等[8]基于黃渤海浮標觀測，對EC 模式預報的10 m 風速和風向進行了檢驗，發現EC 模式產品在黃海中部預報效果最佳，模式與實測風速相關性較好；DE CHIARA 等[9]評估了EC模式在同化衛星資料后對海面10 m風場的預報改進情況，指出同化后海面10 m 風速的標準偏差約為1.25 m/s；HAIDEN 等[10]利用2003—2021 年歐洲氣象觀測站的數據，計算得到60 h 和72 h EC 模式的10 m 風速預報的均方根誤差為2～3 m/s，平均偏差為-0.5～1 m/s；周榮衛等[11]利用氣象站和測風塔的實測風速序列，檢驗得到在我國沿海尤其是南部沿海地區EC 模式預報風場優于GFS 模式。相比而言，針對GFS 模式的海面10 m 風檢驗工作較少，黃渤海海域兩種模式的對比分析更加缺乏。

為了更好地開展黃渤海海上大風的預報服務，本研究擬利用EC 模式和GFS 模式數值預報產品，對黃渤海10 m 風進行預報評估和對比分析，以期為預報員在實際預報中釋用這兩種數值模式產品提供參考，從而提高海面風預報的準確率。

1 數據與方法

1.1 數據整理

本文選取黃渤海10 個浮標和5 個海洋站數據作為觀測結果，對EC模式和GFS模式24～72 h（24 h預報性能指模式前24 h 預報的平均計算結果）的10 m 風速預報性能進行對比檢驗。渤海包含MF01001、MF01002 和MF01004 浮標（分別位于遼東灣口、渤海中部和萊州灣口）以及東營港和龍口2個海洋站，渤海海峽包含MF02001和MF02002浮標（均位于海峽中部），黃海北部包含MF02004 浮標（位于成山頭東北方向的外海海域）和小長山海洋站，黃海中部包含MF03003（位于千里巖附近）、MF03005、MF03006和MF03007浮標（3個浮標均位于黃海中部的南部海域，按順序自西向東排列）以及日照港和小麥島兩個海洋站。

使用的資料包括：①2021 年1—12 月浮標和海洋站的3 h 間隔風速觀測（原始觀測為1 h 間隔，這里為了與模式產品保持一致，人為處理成3 h 間隔，并使用風速高度換算公式將其換算成海面10 m 風速[12-13]）；②20時（世界時，下同）起報的EC模式10 m風速預報產品（空間分辨率為0.125°×0.125°，時間分辨率為3 h），GFS 模式10 m 風速預報產品（空間分辨率為0.25°×0.25°，時間分辨率為3 h）。EC 模式和GFS 模式預報數據利用雙線性插值方法插值到浮標和海洋站站點。所有數據均通過嚴格的質量控制，GFS 模式和海洋站觀測數據的缺測率為0，EC 模式和浮標觀測數據有部分日期缺失并包含一些奇異值，整理后的缺測率較低（5%左右）。

1.2 誤差統計方法

相對誤差（Er，單位：%）反映了預報偏離觀測的相對程度。計算公式為：

均方根誤差（Erms，單位：m）反映了預報偏離觀測的離散程度。計算公式為：

平均偏差（Ebias，單位：m）反映了預報相對于觀測的整體偏離程度。計算公式為：

2 結果與分析

2.1 誤差總體情況

圖1 為24～72 h 兩種模式的均方根誤差，誤差范圍為1.75～2.35 m/s。隨著預報時效的增長，預報效果逐漸變差，EC模式48 h和72 h風速預報的均方根誤差分別比24 h 增大了14.3%和25.7%，GFS 模式分別增大了15.5%和25.7%。橫向對比來看，EC模式對10 m 風速的預報效果優于GFS 模式，24～72 h 的均方根誤差比GFS 模式減小了6.8%～8.0%。從相對誤差來看（圖略），雖然由于部分觀測值較小導致相對誤差較大（均大于47%），但EC 模式預報的相對誤差優于GFS模式。圖2為兩種模式的偏差箱線圖，用來體現不同預報時效下預報偏差的離散程度和數據的集中趨勢[14]。EC 模式24～72 h 風速預報偏差中位數為0.19～0.25 m/s，GFS 模式為0.33～0.41 m/s，兩種預報產品風速的預報結果整體略偏大，EC 模式的偏離程度更小，而且兩種模式預報偏差離散度隨著預報時效的增長而不斷增大。整體來看，兩種模式對10 m 風速的預報都具有較高水平，EC模式的預報效果更優。

圖1 EC模式和GFS模式24～72 h預報的均方根誤差Fig.1 EC and GFS model's root mean squared error of 24～72 h prediction

圖2 EC模式和GFS模式24～72 h預報偏差箱線圖Fig.2 EC and GFS model's box diagram of 24～72 h prediction

從24 h（48～72 h 結果類似，故省略）不同風速的預報誤差來看（見圖3a），EC 模式的相對誤差在6級風的預報時最小，為13.09%，之后逐漸變大，8 級及以上風的預報誤差明顯增大（相對于7 級風增大41.8%），這可能是因為模式對極大值的預報偏弱；GFS 模式的相對誤差在7 級風的預報時表現最好，為10.16%；EC模式對于5級及以下風的預報結果好于GFS 模式，更大風速下GFS 模式的預報效果更佳。兩種模式的均方根誤差整體呈現隨風速增加而逐漸增大的趨勢（見圖3b），8 級及以上風的預報的均方根誤差明顯上升（EC 模式增大63.5%，GFS模式增大53.7%），EC模式在5級風的預報的均方根誤差表現最好，為1.65 m/s，GFS 模式在4 級風時表現最好，為1.86 m/s，EC 模式在5級及以下風的預報效果比GFS 模式更好，GFS 模式對6 級及以上風的預報更佳。兩種模式對4級及以下風的預報整體偏大0.52～0.57 m/s，對5 級及以上風的預報偏小，偏離程度隨風速增加而逐漸增大，EC模式的偏差大于GFS 模式?？傮w來說，EC 模式對5 級及以下風的預報效果好于GFS 模式，而GFS 模式對6 級及以上風的預報效果更優。

圖3 不同風速條件下EC模式和GFS模式24 h預報的相對誤差和均方根誤差Fig.3 EC and GFS model's relative error and root mean squared error of 24～72 h prediction under different wind speed

在日常的預報業務中，5 級及以上風的天氣過程更值得關注，因此2.2 和2.3 節選取5 級及以上風的觀測風速作為對比，對兩種模式的時空特征以及強天氣過程的表現進行分析。

2.2 誤差時空分布

圖4為兩種模式所有觀測站點的泰勒圖。泰勒圖是由TAYLOR[15]于2001年首先提出，近年來被廣泛應用于模式評估與檢驗?；谟嘞叶ɡ恚├請D巧妙地將模式的相關系數、中心均方根誤差和標準差之比3個評價指標整合在一張極坐標圖上。圖中從圓點出發的徑向距離表示模式與觀測的標準差之比，比值越接近1，表示預報能力越好；中心均方根誤差是以觀測點為圓心的半圓弧，模式點越靠近觀測點，表明預報越接近觀測值；相關系數由方位角的余弦決定，當模式預報結果與觀測值較一致時，相對系數越接近1。從圖4 可以看出，GFS 模式和EC 模式數據在黃海中部最遠離陸地的MF03007站的誤差最小，而小長山站的兩種海面風場產品的誤差都較大，說明兩種模式對MF03007 站的預報效果最好，對小長山站的預報效果最差。兩種模式在近岸海洋站的預報效果比浮標站差很多，尤其是小長山、小麥島和日照港的預報效果遠遠低于其他站點，3個站的中心均方根誤差都大于1.2 m/s，標準差之比均大于1.3，相關系數均小于0.5，這可能與3 個站的地理位置有關（北側均為陸地）。此外，通過兩種海面風場產品的對比發現，整體上EC 模式的標準差預報效果更好，中心均方根誤差也優于GFS 模式，而兩個模式的相關系數比較接近。

圖4 EC模式和GFS模式24 h預報的泰勒圖Fig.4 EC and GFS model's Taylor diagram of 24 h prediction

為進一步分析兩種模式的時空預報差異，圖5給出外海、近岸以及不同海區（選取海上浮標站作為海區的代表，可以排除近岸海洋站的影響）兩種模式的風速預報均方根誤差對比。從圖中可以看出，兩種模式在近岸的預報誤差均遠高于外海，EC模式在外海的均方根誤差比近岸減小53.7%，GFS模式減小51.1%；兩種模式在外海和近岸的預報水平比較接近，EC模式在外海略好，GFS模式在近岸略好；EC模式在黃海中部的預報誤差最?。?.51 m/s），之后依次為渤海海峽、黃海北部和渤海，GFS 模式同樣對黃海中部的預報效果最好（1.53 m/s），其次為黃海北部、渤海海峽和渤海；GFS 模式在渤海的預報效果好于EC 模式，其他海區則EC 模式的預報效果更好。

圖5 不同區域EC模式和GFS模式24 h預報的均方根誤差Fig.5 EC and GFS model's root mean squared error of 24 h prediction in different areas

圖6 為兩種模式在不同月份的風速預報誤差。從圖中可以看出，兩種模式的誤差在1—8月整體呈上升趨勢，8 月EC 模式的均方根誤差最大，為2.89 m/s，GFS 模式最大誤差為3.11 m/s，9—12 月誤差逐漸減小，12 月EC 模式的誤差最小，為1.61 m/s，GFS模式最小誤差為1.51 m/s。橫向對比，EC 模式風速產品在4—8月的預報效果好于GFS模式，其他月份則GFS 模式的預報效果更好，造成這種差異的原因可能與模式對不同天氣過程的預報效果有關。

圖6 不同月份EC模式和GFS模式24 h預報的均方根誤差Fig.6 EC and GFS model's root mean squared error of 24 h prediction in different months

2.3 強天氣過程表現

考慮到兩種模式對不同月份預報效果的差異，本研究挑選了2021年的強天氣過程進行預報檢驗。結合日常業務預報要求，定義當黃渤海海區中不少于兩個站點的風速≥6級、至少有1個站點連續兩個時次的風速≥6級且至少有1個站點的有效波高＞2 m時，即為1次強天氣過程。

經統計（見表1），2021 年黃渤海海區的強天氣過程共有38 次，其中冷空氣過程18 次，氣旋過程10次，冷空氣和氣旋配合過程10 次。結合李培順等[16]對影響黃渤海海區的強天氣過程的分類，將冷空氣過程劃分為西北路、北路和西路，其中西北路冷空氣最多，有14 次，北路3 次，西路最少，只有1 次，集中分布在1—3 月和10—12 月，影響范圍一般是黃渤海整個海區，有3 次西北路冷空氣僅影響渤海海區；按氣旋過程可劃分為渤海氣旋、黃河氣旋、江淮氣旋和臺風4 種，其中渤海和江淮氣旋最多，各占4次，黃河氣旋和臺風過程各有1次，集中分布在4—9月，50%的氣旋過程影響范圍僅僅覆蓋黃海，另外50%的影響范圍是整個海區；按冷空氣與氣旋的配合可分為西北路冷空氣和黃河氣旋（3 次）、西北路冷空氣和江淮氣旋（5 次）、北路冷空氣和江淮氣旋（1次）以及北路冷空氣和臺風（1次），該類過程全年均有分布，影響范圍一般是整個海區，僅有1次西北路冷空氣和黃河氣旋的配合過程影響范圍是渤海。

表1 24 h不同天氣系統影響下的強天氣過程預報評分Tab.1 24 h forecast scores of strong weather processes under different weather systems

計算發現，隨著預報時效的增加，風速預報誤差逐漸增大。兩種模式對冷空氣的預報表現相對穩定，48 h 和72 h 風速預報的均方根誤差平均增大14%和28%，氣旋預報誤差增大最為明顯，其中EC模式的均方根誤差和平均偏差分別增大了21%和30%，GFS 模式分別增大了32%和54%。結合表1進一步分析，對于冷空氣影響下的強天氣過程，GFS模式的預報評分明顯好于EC 模式，僅在5 次過程（西北路3次，北路和西路各1次）中EC模式的預報評分超過GFS 模式。24 h EC 模式風速預報的平均均方根誤差為1.79 m/s，GFS 模式為1.65 m/s，造成這種差異的原因可能是模式對冷空氣的強度預報不足，其中EC模式風速預報平均偏低1.09 m/s，GFS模式平均偏低0.45 m/s。對于氣旋影響下的強天氣過程，兩種模式對黃河氣旋以及臺風“煙花”的預報結果基本一致，EC模式對渤海氣旋的風速預報效果更好，平均均方根誤差為1.98 m/s，GFS 模式為2.21 m/s。對于江淮氣旋的預報，兩種模式各有優劣，例如對于7 月2 日的江淮氣旋，GFS 模式的預報效果優于EC模式（EC 模式風速預報的均方根誤差為3.11 m/s，GFS 模式為2.46 m/s），對于8 月23 日的江淮氣旋，EC 模式的預報效果更優（EC 模式風速預報的均方根誤差為2.51 m/s，GFS模式為3.25 m/s）。從結論中我們能夠發現（圖略）預報路徑的偏差是導致評分差異的主要原因，平均來看，EC模式對氣旋風速預報的效果略優于GFS模式，均方根誤差分別為2.09 m/s和2.20 m/s，模式對氣旋強度的預報多偏弱，EC 模式平均偏低0.77 m/s，GFS 模式平均偏低0.45 m/s，僅有一次渤海氣旋出現了預報偏強的情況。對于冷空氣和氣旋配合影響下的強天氣過程，GFS 模式的評分好于EC 模式，僅有兩次過程（西北路和黃河氣旋配合1 次，北路和臺風“燦都”配合1 次）的EC 模式評分更好，GFS 模式風速預報的平均均方根誤差為1.82 m/s，EC 模式為1.96 m/s，GFS 模式預報平均偏弱0.30 m/s，EC模式平均偏弱1.08 m/s。

3 結論

本研究收集整理了2021年EC模式和GFS模式的10 m 風速數值預報產品以及黃渤海浮標和海洋站的風速觀測數據，通過比較模式數據和觀測數據，統計分析了多種誤差指標。主要結論如下：

①兩種模式對10 m 風速的預報都具有較高的水平，24 h預報的均方根誤差小于1.9 m/s，能夠為業務化預報提供參考。隨著預報時效的增長，預報效果逐漸變差，48～72 h 預報的均方根誤差比24 h 增大了15%和26%，EC模式24～72 h風速預報的偏差中位數為0.19～0.25 m/s，GFS模式為0.33～0.41 m/s，兩種預報產品的風速預報結果整體略偏大，EC模式的偏離程度更小。EC 模式的整體預報效果優于GFS 模式，24～72 h 預報的均方根誤差比GFS 模式減小了6.8%～8.0%。

②對于不同風速的預報，EC模式預報的相對誤差在6 級風時表現最好，GFS 模式在7 級風時表現最好，兩者的均方根誤差整體呈現隨風速增加而逐漸增大的趨勢。EC 模式對5 級及以下風的預報效果好于GFS 模式，GFS 模式對6 級及以上風的預報效果更好。

③對于5級及以上風的24 h預報，從空間上看，兩種模式對小長山站的預報效果最差，對黃海中部MF03007 站的預報效果最好，外海區域預報的均方根誤差比近岸減小50%以上，兩種模式對黃海中部的預報效果最好，對渤海的預報效果最差。兩種模式對外海和近岸的預報效果比較接近，GFS 模式在渤海的預報效果好于EC 模式，而在其他海區EC 模式的預報效果更好。從時間上看，兩種模式的預報誤差在1—8 月整體呈上升趨勢，9—12 月誤差逐漸減小，EC 模式風速產品在4—8 月的預報效果好于GFS模式，其他月份則GFS模式預報效果更好。

④在強天氣過程方面，隨著預報時效的增長，GFS 模式的氣旋預報出現誤差急劇增大的現象。GFS 模式對冷空氣的風速預報效果好于EC 模式，兩者的均方根誤差分別為1.65 m/s 和1.79 m/s；EC模式對渤海氣旋的風速預報誤差為1.98 m/s，優于GFS 模式的2.21 m/s，而對江淮氣旋來說，不同過程下兩種模式各有優劣；GFS 模式對冷空氣和氣旋的配合過程的風速預報誤差為1.82 m/s，好于EC 模式的1.96 m/s。模式誤差的來源主要是氣旋預報的路徑偏差以及對冷空氣強度的預計不足，EC模式對冷空氣的風速預報平均偏弱1.09 m/s，GFS 模式平均偏弱0.45 m/s。