基于MOS 的广西北部湾沿海秋冬极大风速精细化预报

潘 静，陈峥蓉，黄燕波，于 潇，张雪波，何 滨

（1.钦州市气象局，广西 钦州 535000；2.北海市气象局，广西 北海 536000）

引言

海上大风是海洋气象预报的重要影响天气之一，目前海上大风预报主要是在EC、T639、WRF 等模式的基础上开展解释应用，随着精细化预报需求的提高，很多气象学者开展了大风精细化预报方法研究。候淑梅等［1］发现T639 预报产品对黄渤海大风具有较好的预报准确率，当预报大风时间长且范围大时，实况风将增大1～2 个蒲氏风级。荣艳敏［2］等基于中尺度数值模式WRF＿RUC 的预报产品，采用逐步回归的MOS 方法，对山东12 个精细海区代表站有关大风进行解释应用，结果表明MOS 预报方法对6 级以上日最大风速有较好的预报能力，较模式直接输出的预报结果有了明显的提高。朱智慧［3］用国家气象中心全球谱模式T639 预报产品对上海市南汇站24h 风速预报进行了检验，并利用逐步回归分析方法，结合逐步订正的MOS 方程建模，建立的几种风速MOS 方程均比T639 预报效果好。阎丽凤［4］对MM5、WRF＿RUC 和T639 模式在山东沿海9 个精细化海区代表站的日最大风速预报进行了检验，发现各模式普遍存在小风天气预报偏大，大风天气预报偏小的特点。精细化海区大风的预报技术在其它海域得到了广泛的应用［5-7］，但高分辨率数值预报风速产品在北部湾海域预报检验和应用研究较少。高安宁等［8］利用气压梯度、低空锋区和引导气流3个因子建立了北部湾北部海面强风中期预报方法，进行了大风过程预报检验。本文对EC 高分辨率数值预报产品用MOS 方法进行解释应用，建立精细化海区逐日极大风速预报方程，并进行检验评估，进一步提高北部湾海域极大风速精细化预报水平。

1 资料和方法

将北部湾海域按行政区划分为北海、钦州、防城港3 个海域，选出各海域代表站点进行研究分析。选取站点包括北海海域的涠洲岛（59647）、斜阳岛（N9080）和北海港（N9090），钦州海域的青菜头岛（N7610）和大庙墩岛（N7611），防城港海域的双墩岛（N9540）等6 个站点。实况资料采用2012—2016 年总共5 个冬半年（9 月到次年2 月）6 个站点逐日极大风数据；模式资料采用欧洲中心细网格数值预报2012—2016年冬半年逐日08 时和20 时起报的高度场、海平面气压场、相对湿度场、温度场、风场等产品。

目前北部湾海面偏北大风常用预报方法主要有：天气图分析方法、完全预报方法（PPM）和模式输出统计方法（MOS）。MOS 方法直接把数值预报模式的输出产品作为预报因子x（t），并与预报时效对应时刻的天气实况（预报对象Y（t））建立统计关系Y（t）＝f（x（t））。MOS 方法最大的优点是在建立方程时自动地考虑了数值预报的系统误差及局地气候学，同时大量利用了数值预报的物理量场，效果往往较好［9］。本文根据模式输出统计法（MOS），按秋季（9月—11 月），冬季（12 月—2 月）分别建立广西北部湾海域6 个站点24～72h 不同时效的多元线性回归预报方程，并用2017 冬半年的数据对预报方程进行TS 检验评分。

文中预报因子与风速关系通过计算相关系数（r）来表征，相关系数r 的计算公式如下：

式中，rxy表示物理量X 与Y 的相关系数，X 表示物理量X 的平均值，表示物理量Y 的平均值，Xt表示第t 个物理量X 的值，Yt表示第t 个物理量Y 的值，n 表示两个物理量的样本数。相关系数为0表示两个变量无关，相关系数大于0 称为正相关，相关系数小于0 称为负相关，相关系数在-1 与＋1 之间变化。

2 结果与分析

2.1 预报因子的初选

气压场、温度场、高度场、各层风场、相对湿度等预报因子与极大风速均有直接相关性，结合有关文献提出造成北部湾海面强风的3 个主导影响因素［8，10-15］：即地面气压梯度、850hPa锋区强度和500hPa 引导气流，以及北部湾冬季强风气候特征，本文选取了08 时和20 时起报的500hPa 高度场、海平面气压场、700hPa 和850hPa 相对湿度、850hPa 温度，以及200hPa、500hPa、700hPa、850hPa、925hPa、1000hPa 风速、10m 风速，桂林-汉口、桂林-恩施、海口-恩施、桂林-成都、海口-桂林、海口-汉口及桂林-兴仁的1000～850hPa 温度差，兰州-海口、乌鲁木齐-海口、汉口-海口、成都-海口、桂林-海口、兴仁-海口、兴仁-赣州、成都-杭州及桂林-兴仁的气压差等98 个预报因子［14］。

2.2 预报因子与风速的相关分析

将预报量极大风速与选出的各个因子进行相关性分析，经统计分析相关系数如下：

（1）除北海港外，其它5 个站点冬季（12—2 月）日极大风速均与代表高空引导气流的因子存在相关，其中与500hPa 蒙古槽相关系数最大，在0.3～0.4之间；

（2）代表南北气压梯度强弱的5 个气压差因子均与冬半年日极大风速呈明显的正相关，相关系数在0.3～0.8 之间，说明南北气压梯度是影响北部湾海面冬半年日极大风速的主要因子之一；

（3）6 个站点冬季（12—2 月）日极大风速与代表冷空气影响路径的东西气压梯度3 个因子存在相关，但这类因子在秋季（9—11 月）影响较小；

（4）代表低层南北温度梯度强弱的1000～850hPa温度差因子与6 个站点冬半年日极大风速值呈正相关；

（5）高空风速与各站点冬半年日极大风速呈正相关，越往低层相关系数越大，说明日极大风速受高空风动量下传的影响，这类因子与高空风速季节性变动、数值模式初始场准确性有关；

（6）各站低层（700hPa 和850hPa）湿度与冬半年日极大风速呈正相关，平均相关系数在0.2～0.3 之间，比较稳定。

2.3 多元线性回归方程的建立

在研究过程中，分别利用逐步回归方法和多元线性回归方法建立方程。结果显示,多元线性回归方程检验评估结果明显优于逐步回归方程，因此下文主要介绍多元线性回归方法。在风速与预报因子单点相关普查的基础上，选取相关系数大而且互相独立的预报因子按不同站点、不同预报时次分别建立因子库，同一物理量的不同起报时刻作为不同因子放入同一时次方程中。根据相关系数大小，按能通过0.05 显著性t 检验的标准对预报因子库进行排序筛选，剔除一些与预报量相关不大而且物理意义不明显的因子，将最后入选的因子和实况按一一对应关系建立多元线性回归方程，并进行统计显著性检验。结果显示：在显著水平α＝0.05 下，根据各站回归方程不同的样本得到的计算值，始终有F＞Fα，表明回归方程通过显著检验。从6 个站点冬季不同预报时效的回归方程参数分布图（略）可以看出：

（1）在总自由度固定的情况下，站点日极大风速值的总平方和（总离差平方和）是固定不变的。总平方和所分解的回归平方和与残差平方和成反比例，残差平方和越小，回归平方和越大，复相关系数R就越高，方程的残差均方差估计就越小。

（2）复相关系数平方R2是反映预报因子对预报量的线性回归解释的部分，可以作为衡量回归方程拟合量的一个指标［15］。对同一站点R2比较发现：随着预报时效增加，相关系数加大，R2减小；同一预报时效的方程R 冬季大于秋季，说明回归方程拟合随着预报时效增加而减小，冬季预报方程拟合好于秋季。对各站点预报方程的R2进行比较发现：秋季涠洲岛、大庙墩岛和青菜头岛的预报方程拟合最好，斜阳岛预报方程拟合最差；冬季双墩岛、青菜头岛和大庙墩岛的预报方程拟合最好，北海港的预报方程拟合最差，反映出北部湾冬季风速代表性好的站点相对于代表性差的站点对于预报因子更为敏感。

（3）从同时次预报方程可以看出：相关系数越高，预报因子引入减少，残差平方和升高。以涠洲岛冬季48h 预报方程为例，相关系数由0.5 降至0.4 时，组成回归方程的因子数由23 个增加到43 个，残差平方和下降了93.4，表明增加因子会使方程均方差缩小，有利于对风速的拟合。但当因子数增加到一定程度，残差平方和下降的幅度会变小，以涠洲岛冬季48h 预报方程为例，相关系数由0.3 降至0.2 时，组成回归方程的因子数由64 个增加到78 个，残差平方和只下降了56.4，说明增加因子对提高方程的精度作用减小。

2.4 多元线性回归方程的检验评分

采用对预报方程进行TS 检验的方法，选择出预报效果最好的方程。对2016 年12 月至2017 年2月（冬季）和2017 年9 月至11 月（秋季）6 个站点的不同相关系数方程得出的日极大风速≥5 级、≥6级、≥7 级和≥8 级进行TS 评分检验，检验公式如下：

其中k 为等级，NAk为预报正确次数、NBk为空报次数、NCk为漏报次数。预报正确指预报风速达到或超过5（或6 或7 或8）级，实况风速也达到或超过5（或6 或7 或8）级；空报指预报风速达到或超过5（或6 或7 或8）级，实况风速小于5（或6 或7 或8）级；漏报指预报风速小于5（或6 或7 或8）级，实况风速达到或超过5（或6 或7 或8）级。

设目标评分为正确率80%，空报率20%，漏报率为0，对各个站点48h 预报方程评分结果进行分析：

（1）涠洲岛站秋季所有预报方程中，5 级风和8级风TS 评分的正确率达到80%；冬季5 级风的正确率达到80%，但7 级、8 级的漏报率都在40%以上，说明冬季其预报方程对日极大风速级别的预报效果不好。

（2）大庙墩岛站秋季预报方程中各级风的正确率都在40%以上，5 级和6 级风都在70%以上；冬季预报方程中各级风的正确率都在60%以上，空报率都在40%以下，漏报率在20%以下，说明其正确率随风级变化不明显，冬季预报方程的预报效果好于秋季。

（3）青菜头岛站秋季5 级风的正确率达到80%，随着风级的加大正确率下降，8 级风的正确率较低在50%以下同时漏报率较高在40%以上；冬季预报方程中各级风的正确率都在60%以上，空报率和漏报率在30%以下，其中24h 预报方程中5 级风的正确率最高达到90.9%，48h 预报方程中8 级风的正确率最高达到87.5%，为所有站点同风级中最高。

（4）斜阳岛站秋冬季的预报方程结果相似，5 级和6 级风的48h 正确率基本上都在80%以上，5 级和6 级风的48h 正确率随着预报时效增加有下降趋势，8 级风48h 正确率在50%左右，漏报率较高在30%左右，其它风级48h 都在20%以下。

（5）北海港秋季和冬季的预报方程结果相似，5级风的正确率均在70%左右，其余风级都在60%以下，并且正确率随着预报时效和风级的加大有下降趋势，总体正确率在所有站点同风级中最低，其预报效果最差。

（6）双墩岛秋季预报方程中，5 级风TS 评分的正确率达到80%，正确率随着风级加大有下降趋势；冬季方程预报效果普遍好于秋季，各级风速的正确率都在60%～90%之间，正确率随着预报时效和风级的加大变化趋势不明显，冬季72h 预报方程中7级风的正确率最高达到91.7%，在各站点同风级中最高。

3 结论与讨论

（1）气压差、温度差和高空风速是与冬半年日极大风速相关性最大的因子，高空引导气流和低层湿度场与日极大风速存在相关。

（2）回归方程拟合度随着预报时效增加而减小，冬季预报方程的拟合度优于秋季。北部湾冬季风速代表性好的站点相对于代表性差的站点对于预报因子更为敏感。

（3）对冬半年日极大风速影响最大的因子是冷空气，文中选出的预报因子大多都是与冷空气密切相关的气压差和温度差，不考虑其它影响较小的因子，这可能导致部分预报方程TS 评分未能达到80%，有待进一步研究。

多数预报方程正确率随着预报时效和风级的增加有下降趋势，文中多元线性回归方程的建模时间仅有5a，进行检验的数据为1a，较大风级的样本量偏少，也会影响方程的预报效果。