基于数值模式的苏北浅滩海域单站最大风速和极大风速预报方程建立

亢兴，梅杰，王华

（国家海洋局东海预报中心，上海 200136）

1 引言

大风（风速≥10.8 m/s）是江苏沿海常见的气象灾害之一[1]。大风除了直接影响航运、渔业生产和近海养殖外，还可能诱发“激流怪潮”[2]，给从事滩涂养殖的人民群众带来生命威胁[3]，因此，开展大风预报工作十分必要。

江苏沿海大风主要由冷空气、黄海气旋和台风等天气系统引起，其中冷空气占比近50%，黄海气旋约17%，台风约5%[1，4-5]。提高大风风速的阈值后，台风在大风天数中的占比显著提升[6]。

在大风预报工作中，最大风速和极大风速的预报难度最大，其危害也最强。在目前的观测中，极大风速较难获得，例如苏北浅滩海域仅有近岸站点有日极大风速观测记录。前人在最大风速和极大风速预报方面做了多方面探索。陈锦冠等[7]通过评估气象站的10 min 平均最大风速与极大风速，发现两者具有较好的近似线性的相关关系。胡波等[8]基于神经网络方法，将平均风速作为输入因子预报浙江沿海的极大风速，平均准确率达到了70%。随着数值预报稳定性和精确性的提升，其产品也被应用于极大风速的预报。涂小萍等[9]使用K 最邻近分类算法对欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的数值预报产品分析场进行分型，预报了11 月至次年3 月近海最大风速，取得较好效果。朱智慧等[10]使用实测数据和数值预报产品建立了上海沿海极大风速的客观预报方程，预报评分达到74 分以上，预报效果比较理想。此外，BP神经网络法和最小二乘法等方法也被应用于极大风速预报订正中，提升了预报精度[11-12]。

依托海洋公益性行业科研专项（苏北浅滩‘怪潮’灾害监测预警关键技术研究及示范应用），国家海洋局东海预报中心在苏北浅滩海域建立了多个测站，基于数值预报和人工研判提供日常预警报，但是在最大风速和极大风速预报方面仍有欠缺。本文将利用苏北浅滩海域2018—2020 年的日常观测和预报产品，通过一元回归统计方法，开展最大风速和极大风速的推算研究。

2 实测数据与方法

2.1 数据

（1）苏北浅滩海域实测数据。测站包括大丰港（120.81°E，33.29°N）、吕四（121.61°E，32.13°N）、洋口港（121.42°E，32.51°N）、火星沙（121.58°E，32.43°N）和竹根沙（121.39°E，32.82°N）。数据长度是2018年1月1日—2020年12月31日，其中吕四站在2020年9月1日后缺测。观测要素包括逐时的平均风速和最大风速以及日最大风速和极大风速。最大风速是从每日观测数据记录的10 min 平均风速中挑出对应时段的最大风速，极大风速是从每日观测数据记录的3 s 平均风速中挑出对应时段的最大风速[13]。本文使用2018 年和2019 年的数据用于建立客观预报方程，2020年数据用于预报检验。

（2）苏北浅滩海域预报数据。数据来自东海预报中心业务化运行气象预报系统的24 h 预报产品，时间序列与实测相同。该系统基于中尺度气象模式（Weather Research and Forecast Model，WRF）建立，使用全球预报系统（Global Forecast System，GFS）每日20 时（北京时，下同）的初始场开展预报，空间分辨率为3 km，时间分辨率为1 h。本文采用最近点原则从模式预报数据中提取与实测站点相应位置的预报数据。

2.2 方法

整理观测和预报数据，剔除有误记录后，提取苏北浅滩海域各测站2018—2019年的大风记录，即逐时平均风速≥10.8 m/s。样本数及相关系数见表1，各站相关系数均通过了显著性检验，显著性水平为1%（样本数≥622，检验临界值t0.01=0.10；样本数≥135，t0.01=0.22，下文均采用显著性水平为1%的显著性检验）。表1可见在大风条件下，逐时平均风速与最大风速以及日最大风速和极大风速之间都有非常好的相关关系。因此，确立本文的思路是通过逐时平均风速推算最大风速，再通过日最大风速推算日极大风速。设y为推算结果，x为因子，建立y和x的一元n次回归方程：

表1 苏北浅滩海域各测站风速相关性分析Tab.1 Correlation analysis of wind speed at different stations in northern Jiangsu shoal

2.3 评分方法

目前，检验风速预报精度，普遍采用预报风速和实际风速之差的绝对值Δv作为评分标准（Vs）[7-8]。评分方法为：当Δv≤1 m/s，Vs为100分；1＜Δv≤2 m/s，Vs为80 分；2＜Δv≤3 m/s，Vs为60 分；3＜Δv≤4 m/s，Vs为50 分；Δv＞4 m/s，Vs为0 分，最后按照绝对误差占各项的比例计算预报的合计得分。

3 预报检验

在实际预报工作中，通过数值预报可以获取目标海域的未来风况。最大风速和极大风速的推算基于数值预报产品开展，因此需要首先检验预报精度。本文使用2018—2019 年预报和实测逐时风速（转换到10 m 高度）进行精度检验。表2 为24 h 风速预报误差综合分析结果，各测站相关系数在0.65～0.72之间，都通过了显著性检验；各站预报平均绝对误差在1.66～2.08 m/s 之间，大丰港、吕四和火星沙平均绝对误差小于2 m/s；各站|Δv|≤2 m/s 的比例在55%～72%之间，大丰港比例最高；|Δv|>4 m/s 的比例在7%～13%，洋口港比例最高；各站预报评分在69～78 分。综上，数值预报在单站大风预报中各站差距较小，整体预报精度较高，可以用于客观预报方程的建立。

表2 数值预报24 h风速预报误差分析Tab.2 Error analysis of 24 h wind speed of numerical product

4 最大风速推算

4.1 方程建立

基于2018—2019 年的大风实测和数值预报产品，对逐时最大风速y和预报xmodel进行回归分析，分别得到一元一次、一元二次、一元三次和一元四次回归方程，所有测站的拟合结果均通过了显著性检验。表3 所示为竹根沙站回归计算结果yf与实测y的相关系数，从中可以看出增加因子的指数并不能显著提升相关性，因此后续将构建一元一次客观预报方程。式（2）为各测站的预报方程。

表3 竹根沙站风速相关性分析Tab.3 Correlation analysis of wind speed of Zhugensha station

4.2 误差分析

将2020 年的模式预报产品代入式（2）计算最大风速。表4 为各测站最大风速预报误差综合分析，预报相关系数在0.48～0.63 之间，通过了显著性检验（检验临界值t0.01=0.17，样本数≥226）；平均绝对误差在1.20～1.45 m/s 之间；各站预报绝对误差|Δv|≤2 m/s 所 占 比 例 在75%～83% 左 右，|Δv|＞4 m/s 的比例不超过6%；各站预报评分在81～85分之间，其中大丰港、竹根沙和火星沙的预报效果较好。综上，基于数值预报产品的单站最大风速预报取得了较好的效果，各站预报质量差距不大。

表4 最大风速预报误差分析Tab.4 Error analysis of maximum wind speed forecast

冷空气、黄海气旋和台风是引起苏北浅滩海域大风的主要天气系统。按照高发季节可将大风天气系统进行分类，其中，黄海气旋引发的大风天气主要集中发生在4—6 月，台风大风主要发生在7—10 月，冷空气大风主要发生在11—3 月。以竹根沙站为例，按照天气系统类型构建最大风速预报方程并进行预报，预报误差分析如表5所示。2020年，冷空气大风样本数约占50%，黄海气旋和台风大风各占约25%。经过检验发现：冷空气的预报精度高于台风，黄海气旋的预报精度最低；预报与实测相关系数方面，冷空气相关性最高；各天气系统预报评分方面差别不大。图1为竹根沙站最大风速预报与实测曲线对比，可见预报和实测具有一致的变化。如表5 所示，对于90%左右的大风样本，预报误差在3 m/s 以下，剩余约10%样本的最大风速预报偏小，尤其对于8 级（≥17.2 m/s）风力以上样本的预报误差较大。

图1 竹根沙站2020年实测与预报最大风速Fig.1 Observation and forecast of maximum wind speed at Zhugensha station in 2020

表5 竹根沙站最大风速预报误差分析Tab.5 Error analysis of maximum wind speed forecast at Zhugensha station

5 极大风速推算

5.1 方程建立

提取2018—2019 年预报最大风速的日最大值，与观测日极大风速建立预报方程。各站样本数如表1 所示，由于极大风速每日仅保存1 个记录，因此各站样本都较少。式（3）为各站日极大风速预报方程，其中x是预报日最大风速。

5.2 误差分析

将2020年的预报逐时风速相继代入式（2）和式（3）进行计算，获取各站的日极大风速预报结果，并与实测进行比对，各站样本数及综合误差分析详见表6。

表6 极大风速预报误差分析Tab.6 Error analysis of extreme wind speed forecast

预报极大风速相关系数在0.53～0.71 之间，超过了样本数≥159 的显著性检验（t0.01=0.20）；风速平均绝对误差在1.77～2.30 m/s之间；各站预报绝对误差|Δv|≤2 m/s 所占比例在42%～65%，|Δv|＞4 m/s 的比例在5%～10%；综合评分来看各站预报得分在65～76 之间。对于苏北浅滩海域的5 个测站，日极大风速预报效果比较理想。以竹根沙站为例，图2所示的该站预报和实测日极大风速散点图中，95%的样本落在±25%范围内。当风速超过8 级（≥17.2 m/s）时，预报整体较实测极大风速偏小。

图2 竹根沙站2020年日极大风速散点图Fig.2 Scatter chart of daily maximum wind speed at Zhugensha station in 2020

6 结论与讨论

本文通过对苏北浅滩海域的实测和数值预报数据进行分析，并基于数值预报产品建立了最大风速和极大风速的客观预报方程。结论如下：

（1）单站一元一次最大风速和极大风速客观预报结果与实测接近且趋势一致，可应用于最大风速和极大风速的预报工作中，但是，当出现8级以上风力时，最大风速和日极大风速会出现偏小的情况，在实际预报中需要人工研判。

（2）客观方程的预报精度依赖于数值预报精度，因此，实际工作中可考虑对多源预报产品进行客观评估，形成预报数据集。