上海沿岸海域灾害性大风特征研究与预报检验

2020-05-15蔡晓杰王琴朱智慧沈其艳

海洋预报 2020年2期

蔡晓杰，王琴，朱智慧，沈其艳

（上海海洋中心气象台，上海201306）

1 引言

上海背靠长江，面朝东海，是长江东西运输通道与海上南北运输通道的交汇点，不仅是中国沿海的主要枢纽港，更是中国参与国际经济大循环的重要口岸。海上作业对大风、低能见度、强对流等灾害性天气尤为敏感，尤其是海上大风，四季频发，严重影响海上航行与作业安全，风浪还会造成船只侧翻等事故[1-2]。海上大风的预报需要结合地形对大风特征有全面的认识[3-4]，但是针对性的对上海沿岸灾害性大风特征的分析仍较少。要建立对灾害性大风的全面认识，需要将海上的浮标站、船舶站、石油平台、海岛站等观测资料进行有效的整合，使观测资料充分为预报所用。本文利用海上观测资料，将对上海沿岸海域灾害性大风进行时空特征分析，并进行海浪对风的滞后响应分析。

海上大风的精细化预报离不开数值模式的发展，对数值模式进行检验可以将不同模式的预报能力反馈给预报员和模式开发人员。不同地区的大风特征不同，气象学者对各家模式预报进行了检验和对比。福建省沿海冬半年大风的盛行风向以东北风为主，大风的时空分布极为不均，欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）细网格的预报效果较好[5]。应用模式输出统计方法（Model Output Statistics，MOS）对福建宁德海区风向风速的预报，可显著改进夏季风速和冬季风向的预报效果[6]。对渤海7级以上且持续6 h以上的大风个例进行统计，ECMWF集合预报对于7级以上大风有所低估[7]。当黄渤海预报有气旋、或预报大风时间长范围大时，实况风将增大1—2个量级；对于大风的开始时间预报略偏早，而对于大风的结束时间和最大风速的开始和结束时间预报均略偏晚[8]。基于机器学习方法对华北地区ECMWF预测的10 m风速进行订正，LASSO回归、随机森林和深度学习3种机器学习算法的订正效果均好于MOS方法[9]。数值模式朝着时间和空间分辨率更为精细化的方向发展，上海台风研究所在2013年对原华东区域中尺度模式（SMS-WARMS V1.0）进行了升级改进，包括扩大了模式预报区域，增加了垂直层次，升级了同化系统，新一代区域中尺度模式（SMS-WARMS V2.0）于2014年开始业务运行，预报性能得到明显改善，但是仍缺乏大风精细化的检验[10-11]。本文在海上大风特征研究的基础上，还将针对大风过程对SMSWARMS V2.0进行检验，使模式更好的为预报所用，力求为海洋气象预报提供可靠定量的参考数据。

2 数据和方法

选取2011—2017年上海沿岸海域5个浮标站站点（见图1红色标注），取逐小时极大风速、2 min平均风速和风向数据、海浪数据，取2014—2017年20个站点（含5个浮标站，另外15个站点见图1绿色标注）的逐小时2 min平均风速和风向数据。风场预报数据来自上海台风研究所提供的SMSWARMS V2.0，预报时效为72 h，时间分辨率为1 h，空间分辨率为9 km×9 km，预报空间范围为：117°～127°E，22°～41°N。本文对于灾害性大风的定义为2 min平均风速≥14 m/s。

图1 上海沿岸海域20个站点分布及2014—2017年大风时数百分率分布（红色：5个浮标站，绿色：15个站点）

模式检验运用TS（Threat Score）评分方法，依次计算风速误差、风速准确率、风速偏强率、风速偏弱率、风向准确率、风向误差[12]。

3 上海沿岸海域灾害性大风空间和时间特征

3.1 空间分布

统计2014—2017年上海沿岸海域20个站点大风时数占总时数的百分率，再用克里金法将站点数据插值到格点，绘制等值线图，大风时数百分率的分布情况如图1等值线所示，等值线的数值表示大风时数占所有时数的百分比，2 min平均风速的大风时数较少，但是仍可看出上海沿岸海域的大风空间分布。由图可见，越往东部海域，大风时数越多，与实际预报保持一致，长江口区有两个站风速较大，一个是九段沙，一个是鸡骨礁，这两个站风速大可能与海拔和地理位置有关，九段沙位于长江口区，由于峡管效应造成风速较大，鸡骨礁海拔33 m，造成风速较大。

3.2 大风与海浪极值

2011—2017年上海沿岸海域5个浮标站逐小时极大风速和最大波高极值见表1，风速极值都在11～12级，风向西北风和东北风居多，8月最多，以台风过程为主，出现时段都为傍晚到半夜；浪高极值海礁浮标最大是怒涛级别，其他站都是狂浪级，浪向以东北到东南向居多。期间风速极值出现在海礁浮标，出现时间为2015年7月11日，是受1509号台风“灿鸿”影响，极值为36.7 m/s（12级），风向偏南，同时海礁浮标的最大波高也出现了13.6 m的极值。南槽灯船和长江口灯船的大风与最大波高极值都出现在2012年8月27日，受1214号台风“天秤”和1215号台风“布拉万”的共同影响，造成了持续性的大风过程。

表1 2011—2017年5个浮标站极大风速和最大波高极值

3.3 月际变化

2011—2017年5个浮标站灾害性大风总时数的月变化统计如图2，可以看出，大风出现频率有明显的季节变化，秋冬季大风时数多，大风比较高的时间集中在10—12月，12月大风最多，5—6月大风时数最少。海礁浮标（A5906）大风时数明显高于其他站点，这与海礁浮标的位置有关，位置最为靠外，风浪较大。黄泽洋灯船（A5905）大风时数最少，并且秋冬季大风时数无明显增加，因为黄泽洋灯船西北侧有群岛遮挡，冬季的冷空气过程造成的西北向大风对此站点影响不大。

3.4 风向分布

2011—2017年5个浮标站灾害性大风风向频率如图3，分为16个风向进行统计，灰色圆形虚线表示各风向所占百分率，由图可见除黄泽洋灯船外，其余各站大风风向以西北到东北风为主。其中口外浮标以北风为主；南槽灯船以东北风为主；黄泽洋灯船以偏东风居多，由于西北侧有群岛遮挡，偏北和西北大风频率较其他站少，反而偏东大风居多；海礁浮标以西北风为主；长江口灯船以西到西北风为主。

图2 2011—2017年5个浮标站灾害性大风时数月变化

图3 2011—2017年5个浮标站灾害性大风风向频率

3.5 海浪响应时间

海上大风的持续作用会使得浪涌加大，增加船舶航行和港口作业危险性，一般认为海浪的成长滞后于风，下面将对上海沿岸海域5个浮标站的大浪过程进行筛选，并按照风向分类，定量计算其风浪关系。

假设海浪成长过程中，其能量的获取（用有效波高Hs表征）正比于风能（用风速的平方U2表征）的输入。海浪成长过程与起风过程的相对滞后时间，用滑动相关分析方法来计算，以海礁浮标2017年12月24日的一次过程为例（见图4）：首先通过斜率变化找出海浪的成长过程主要时间段，本文将连续6 h或以上海浪持续增大的过程选为一次海浪成长过程，此次过程海浪连续12 h持续增大，有效波高从1.2 m增加到3.4 m；将2017年12月24日07—18时的有效波高Hs与同时间段的风速（2 min平均）的平方（U2）进行拟合获得相关系数R0，此过程R0=0.91，然后将风速对应时间向前滑动1 h，风速时间段取06—17时，求取R1=0.92，以此类推R2=0.93，R3=0.84，求至 N次，获得 RN；最后比较 R0至RN，其中最大值Rn表示两者相关系数最高，其下标即视为海浪成长滞后的时间n小时，并且两者相关系数需大于0.76，通过99%置信区间[13-15]，此次过程R2=0.93最大，通过置信区间检验，即得到海浪滞后2 h。

2011—2017年5个站点海浪达到6 h以上成长时间的过程个数依次为：海礁浮标282次，口外浮标151次，长江口灯船149次，南槽灯船104次，黄泽洋灯船51次，可见，海浪的成长过程与地理位置密切相关，越往东部海域，大风时数多，成长空间大，故海浪成长过程越多。

对这些海浪成长过程再进行8个风向分类，各站点风向百分比分布如图5，总体来说，风向分布是东南-西北走向，除长江口灯船以西到西北风为主，其他站都以风向以东到东南风为主，离岸距离较远的海礁浮标和口外浮标对于风向敏感性最低。长江口灯船偏西风和西北风分别占31%和27%；口外浮标东北风和偏东风分别占25%和17%；海礁浮标偏东风和偏南风分别占23%和18%；南槽灯船偏东风占42%；黄泽洋灯船偏东风占41%，风向为偏北和西北时没有海浪充分成长过程。

图4 海礁浮标2017年12月24日风浪观测分析

图5 5个浮标站海浪充分成长过程8个风向百分比分布

图6 5个浮标站海浪对8个风向滞后响应的时间分布

运用滑动相关分析统计各个风向的海浪滞后时间，结果如图6所示：总体来看，海浪对风的响应滞后时间平均为3—4 h，最短的为1 h，最长的为7 h。各站均是东西向风比南北向风的海浪滞后时间短，东西向风平均滞后时间4 h左右，南北向风平均滞后时间3 h左右。黄泽洋灯船曲线不闭合，代表没有西北向风的海浪成长过程，而且由于群岛遮挡，风和浪都比较小，样本量少。

4 大风预报检验

在上文大风特征研究的基础上，大风的预报离不开模式的检验，预报员对于实况已出现的大风过程与模式预报进行比对，可以有效的积累预报经验。下面将筛选大风过程，选用最近距离插值方法将模式的格点预报数据插值到观测站点，进行针对大风过程的预报检验，包括起风时间的预报提前或滞后量，风速误差、准确率、偏强率和偏弱率检验，还有风向准确率和误差检验。

首先对2016—2017年5个浮标站灾害性大风进行过程筛选，将逐小时2 min平均风速≥14 m/s且持续6 h及以上的过程记为一次大风过程，5个站点大风过程个数依次为：海礁浮标共有14次大风过程，平均持续时长13.8 h；口外浮标9次大风过程，平均时长13.3 h；黄泽洋灯船8次大风过程，平均时长8.4 h；长江口灯船6次大风过程，平均时长10.5 h；南槽灯船4次大风过程，平均时长10.6 h。海礁浮标大风过程最多，且过程平均持续时间最长，黄泽洋灯船虽然大风过程个数多于长江口灯船和南槽灯船，但是大风平均持续时间最短。

4.1 起风时间的预报

根据实况大风开始的时间，选择提前一天对应的20时或者08时的预报数据进行匹配，计算实况与预报数据的相关性，结合风速≥14 m/s开始时间，判断起风时间预报提前或滞后。对5个浮标站的每次大风过程计算提前或滞后量取时间平均可知，口外浮标的9次大风过程模式预报平均滞后0.5 h，南槽灯船4次大风过程平均滞后1 h，黄泽洋灯船8次过程均值为0，海礁浮标14次大风过程平均滞后0.4 h，长江口灯船6次大风过程平均滞后1.8 h，可见起风时间预报都比较好，预报较实况略有滞后，各站大风时间提前和滞后值分布无明显规律，具体的预报提前和滞后量还是要根据特定过程来分析。

4.2 风速检验

5个浮标站大风过程检验风速误差分布如图7，由图可见，各项误差都较小，平均误差除了黄泽洋灯船为正值，其余各站都为负值，说明黄泽洋灯船预报值较实况偏大，由于地形的阻挡造成黄泽洋灯船实况风较小，与上文大风特征分析结论一致，其余各站预报值都比实况值偏小，其中口外浮标偏小最为明显，平均误差为-1.3 m/s，其余各站平均误差均在±1 m/s之间；绝对误差分布在1.2～1.8 m/s之间，均方根误差在1.4～2.0 m/s之间。其中各项误差都是长江口灯船最小。

5个浮标站风速准确率、偏弱率和偏强率检验分布如图8，由图可见，南槽灯船准确率最高，达99%，对应偏弱率最低，口外浮标准确率最低，准确率仅为50%，对应偏弱率最高，偏弱率为50%，其余各站准确率均在70%～90%之间，偏弱率对应在10%～30%之间；各站偏强率均为0。由此可见，风速预报的准确率总体在70%以上，大部分过程预报都较实况偏弱，口外浮标偏弱最明显。

图7 5个浮标站风速误差检验分布

图8 5个浮标站风速准确率、偏弱率和偏强率检验分布

4.3 风向检验

5个浮标站风向误差和准确率检验分布如图9，总体而言风向预报准确率低，误差大，准确率最高的站为黄泽洋灯船，为48%，长江口灯船和南槽灯船，准确率都为0，长江口灯船误差最大，达到了116°。大风过程往往伴随着转风，模式对于转风开始和持续时间预报较差，所以造成误差比较大，并且本文的风速评分标准较为严格，相邻风向即算错误，会造成评分偏低。

图9 5个浮标站风向误差和准确率检验分布

由以上检验结果可知，SMS-WARMS V2.0模式对于大风风速预报较好，准确率高，虽然存在预报偏弱的情况，但是误差基本都在2 m/s以内，预报员可以根据各站地理位置、大风特征和检验误差，在模式预报的基础上来订正预报；风向预报准确率较低，误差大，模式对于大风过程的风向预报还有待提高，同时在今后的风向检验评分标准中可以提高预报相邻风向的得分。