EC预报数据在中国近海的适用性研究

林晓娟，李响，刘晓燕，祖子清，王延强

（1.国家海洋环境预报中心，北京 100081；2.国家海洋环境预报中心自然资源部海洋灾害预报技术重点实验室，北京 100081）

0 引言

海面风是海表面运动的主要动力来源[1]。海上大风会引发海浪、风暴潮等海洋灾害，因此，海洋灾害的预报准确度十分依赖海面风场的预报能力，准确的海面风场预报是海洋防灾减灾的基础[2]。早期对海面风的研究主要通过经验预报和统计分析[3-4]开展，随着计算机运算能力的发展和海洋预报模式的成熟，数值预报方法依靠其更高的精度和准确度，逐渐发展成为海洋预报的主流方法[5-7]。欧洲中期天气预报中心（European Center for Medium-Range Weather Forecasts，ECMWF，简称EC）经过长时间的发展和积累得到了较好的预报结果[8]。国内也有许多专家学者参考并使用了EC 的细网格预报数据。万夫敬等[9]分析了EC 预报2 m 气温产品在山东地区最高气温和最低气温上的预报性能，并给出了订正思路；赵杰等[10]使用了EC 预报温度数据，并结合观测数据进行了订正。作为当前许多预报平台都会参考的预报数据，EC 预报10 m 风场数据在中国近海的使用频率较高，例如，吴俞等[11]在南海海域参考了EC 预报10m风场数据（0.25°×0.25°）进行了风向和风速预报，常奋华等[12]将东海海域的EC 数 据、WRF（Weather Research and Forecasting Model）数据以及华东区域的模型与实测数据作了对比检验，结果表明预报效果最好的是EC 数据，连喜虎等[13]评估了EC数据在渤海和黄海的预报能力。上述研究在一定程度上证明了EC 数据在中国近海的适用性，但是，吴俞等只运用了南海4个岛上的站点进行分析，且利用的是分辨率为0.25°的EC数据，连喜虎等没有对渤黄海的台风和冷空气大风过程进行分析。总的来说，目前还没有研究对EC 预报10 m 风速数据在中国近海各海域的预报性能进行定量分析，以及对台风和冷空气大风过程进行评估。

我国海域辽阔，EC 预报10 m 风场数据在我国近海的可信度、在不同海区的适用性以及EC 预报数据对我国近海台风的预报准确度等都是需要研究的问题。本文利用中国近海大型浮标的10 m 风观测数据，系统地评估了EC 预报10 m 风场产品的精度，验证其在我国近海和不同海区的适用性，以及对台风和冷空气大风过程的预报性能，为使用EC 预报10 m 风速数据提供参考，充分发挥ECMWF 的预报产品在海洋预报服务中的参考作用，有利于更好地开展海浪、风暴潮等海洋预报防灾减灾服务。

1 资料与方法

1.1 资料

本文选取2021 年1 月1 日—12 月31 日的EC 预报10 m 风场数据进行统计，检验10 m 风场数值预报产品在中国近海海域的预报准确度。EC 预报数据的空间分辨率为0.125°×0.125°，每天预报两次，起报时刻为00 时（世界时，下同）和12 时，72 h 内每3 h 输出一个数据，EC 预报数据为该时刻即时数据。

观测资料采用大型海洋观测浮标的10 m 风速和风向数据，浮标数据经过质量控制，删除了3个标准差之外的异常数据。浮标站位见图1，其中渤海选取4 个浮标（图1 中符号为B01—B04）、黄海6 个浮标（图1 中符号为H01—H06）、东海2 个浮标（图1中符号为D01、D02）、南海北部8 个浮标（图1 中符号为N01—N08）、南海南部2 个浮标（图1 中符号为N09、N10），共计22 个浮标观测的10 m 风速和风向数据，利用3 次样条插值法将EC 预报10 m 风场数据插值到观测站点并进行误差统计，浮标时刻数据为该时刻过去10 min的平均值。

1.2 方法

本文使用的误差统计指标有平均偏差（BIAS）、均方根误差（Root Mean Square Error，RMSE）和平均绝对误差（Mean Absolute Error，MAE）。具体公式如下：

平均偏差：

均方根误差：

平均绝对误差：

式中：Bi代表浮标观测数据；Ei代表EC 预报10 m 风场数据插值到浮标站点后的值；n代表总样本数。

风向误差（Wind Direction Error，WDE）的范围是-180°～180°，WDE的计算公式为：

同样使用BIAS、RMSE 和MAE 进行WDE 检验，式（1）—（3）中的Ei-Bi用WDE 的计算结果来替代。

2 风场数据对比评估

2.1 风速预报误差评估

将各实测风速（浮标站点观测值）与EC 预报数据相应位置的值进行对比分析。利用箱型图能直观地看出数据的异常值、判断数据的离散程度，并根据数据的中位数集中程度看出数据的集中趋势。图2 表明，中国近海22 个浮标站的风速24 h 预报偏差中位数为-0.12～0.44 m/s，48 h 预报偏差中位数为-0.33～0.49 m/s，72 h 预报偏差中位数为-0.39～0.53 m/s。随着预报时效的增加，偏差中位数略有增大。从箱线图来看，EC预报结果在渤海和黄海总体略偏大，在东海略偏小，南海略偏大。EC在黄海、南海和东海的预报效果优于渤海海区，随着预报时效的增大，预报偏差离散度增大。

为了进一步对比分析EC预报的10 m 风速与实测风速之间的差别，表1 列出了各海区不同预报时效下EC 预报数据的风速和风向检验结果。各浮标站24 h 预报的10 m 风速的MAE 为0.96～1.62 m/s（图略），22个站点的平均MAE为1.27 m/s（见表1），均方根误差为1.71 m/s，48 h 预报的10 m 风速的平均MAE 为1.46 m/s，72 h 的为1.64 m/s，各浮标站点的MAE 随着预报时效的增长而增大，BIAS 随着预报时效的增长而减小。

表1 各海区不同预报时效下EC预报数据的10 m风速和风向检验结果Tab.1 Validation results of the EC 10 m wind speed and direction forecasts at various leading time in different seas

图3 为各海区24 h 预报值和观测值的散点图及BIAS、RMSE 和相关系数（R），渤海海区R 为0.83，黄海为0.88，东海为0.87，南海为0.88，黄海和南海的预报效果最好，东海次之，渤海相对较差。总体而言EC 的10 m 风速在中国近海的预报效果较好。

图3 各海区风速散点图Fig.3 Wind speed scatter plot in different seas

图4为各浮标站在不同风速等级下EC 24 h、48 h、72 h 预报数据的BIAS 和MAE。从图中可以看出，不同预报时效的BIAS 和MAE 数据具有相同的变化趋势，各站点BIAS 为0 的点分布在风力为3～5级之间，大部分在4 级左右，说明EC 预报数据在风力等级小于4 级时，预报数据偏大，大于4 级时，预报数据偏小，当风力为3～5 级时，预报数据较为准确。这一点也可以从风力等级的MAE 中体现，当风力为3～6 级时，MAE 最小。当浮标站的实测风力为4～5 级时，预报风速与实测风速的BIAS 最小，随着风力增大（或减小），BIAS和MAE都增大。

图4 平均偏差和平均绝对误差随风力等级的变化Fig.4 Change of mean error and mean absolute error with various wind levels

2.2 风向预报误差评估

图5 为各海区不同风向的预报和观测误差以及频率图。从图中可以看出，渤海各个风向的频率分布较为均匀，偏东和偏南方向风频率略高于其他风向；黄海偏西方向风频率较小，其他方向频率分布较为均匀；东海的盛行风向为北偏西和偏东方向，西风较少；南海的盛行风向为北北东—东，即东北偏东。渤海和黄海的风向预报偏差总体分布在±40°之间，各海区的风向预报BIAS 均为0°左右。

图5 各海区不同风向的预报平均偏差（红线）和频率（数字代表该方向风频率）Fig.5 Mean error(red line)and frequency(the number represents the wind frequency in this direction)of each wind direction in different seas

为了更全面地评估EC预报10 m 风场在中国近海海域的预报性能，图6 给出了不同浮标站EC 24 h预报的风向和观测风向的偏差分布以及各个风向的偏差分布，图中红色虚线为各个方向上风向预报的平均偏差。从图中可以看出，渤海海域B02、B03、B04 浮标的预报效果较好，风向预报角度偏差集中在±30°之间，平均偏差都在±20°之间。B02 浮标站点的主导风向是SSW，出现的频次最大，为65次，在该方向上大部分误差集中在-20°～15°；次主导风向是SE，误差也较为集中，集中在-30°～10°；这也可以看出在主导风向上，预报偏差不大。黄海海域（H 系列）选取的6 个浮标站点总体的风向预报偏差集中在±20°之间，其中H03 站点预报效果较差，风向偏差较大，其他站点的预报效果都很好，预报风向偏差较为集中，平均偏差较小；主导风向和次主导风向的表现均较为良好；除H05 站点的平均偏差为正值，其他站点的平均偏差多为负值。东海区域D01站点的EC预报效果较好，平均偏差在0°左右，主导风向和次主导风向的误差大体分布在±20°之间；但该站点在W方向的总体偏差较大，有4个数据不具备参考价值。D02预报平均偏差在45°左右，总体偏大。南海海域共有10 个站点，N01—N04 靠近岸边分布，这几个站点的主导风向和次主导风向的预报效果较好，预报效果较差的是WNW、NW、NNW 方向的风；N05—N08 站点预报效果总体较好，平均偏差在10°左右，在NW、NNW 方向上预报效果较差，但是这两个方向上的风频率较小，可信度较低；N09 和N10 站点在南海中部，N10 站点预报效果较好（图略），主导风向NE 和次主导风向ENE的预报平均偏差较小，且偏差分布较为集中，N09站点总体预报效果较差，这可能是由于浮标观测数据受客观条件影响产生观测误差，需要更长的时间序列和其他观测数据辅助验证。不同风向下风向预报的平均误差大部分在0°～20°。

图6 站点风向偏差分布和风向频次（红线代表平均偏差）Fig.6 Distribution of error and frequency of each wind direction at different stations(the red line represents the mean error)

图7 为不同风力等级的风向预报BIAS、RMSE和MAE，预报时效为24 h。从图中可以看出，随着风力等级逐渐增大，风向预报的RMSE 和MAE 在5 级达到最小后趋于稳定，随着风力等级变大，风向预报的RMSE 和MAE 减小。风力等级小，预报偏差较大，风力等级大，预报偏差较小。48 h和72 h的预报结果也有同样变化趋势（图略）。对比4 个海区的结果可以看出，渤海和黄海的RMSE 和MAE 相对较小。

图7 不同风力等级的风向预报平均偏差、均方根误差和平均绝对误差Fig.7 BIAS，RMSE and MAE of wind direction forecasts for different wind levels

2.3 台风天气过程下的适用性评估

台风是海上大风的典型过程，选取经过中国近海的台风过程，评估EC 预报10 m 风场对台风过程的适用性。本文选取受台风影响浮标观测风力达到7级及以上的时间段进行评估。为了更直观地看到EC 预报数据的效果，选取24～33 h（3 h 一个数据）预报时效的数据进行绘图分析。

台风“烟花”在2021 年7 月18 日生成后，先向西后逐渐向西北方向靠近我国（见图8）。利用台风“烟花”在行进过程中影响的两个浮标D02（24日00 时，台风中心到浮标的距离为191 km）、D01（25 日00 时，台风中心到浮标的距离为97 km）的风速、风向数据，对两个站点的EC 预报数据进行检验。浮标站点的分布位置和检验结果见图8 和图9。当台风“烟花”逐渐靠近D02 站点，风速在24 日06 时左右达到峰值，在21 日00 时—25 日00时这个时间段内（见图9），EC 预报风速较好地再现了台风的风速变化趋势，通过风羽结果可以看出，D02 的风向预报总体存在一定偏差，在23 日18时前，预报风向为北偏东，而观测风向为北偏西。当台风“烟花”靠近D01 站点后，风速在24 日12 时到达峰值，EC 预报风速的大体变化趋势与实况相同，但对于最大风速的预报存在滞后性，整体风速预报略偏小。从D01 的风羽图可以看出，该站点的风向预报效果较好，浮标风向与预报风向变化趋势也较为一致，其原因可能是D01 站点观测风速较大，这与我们在2.2 节评估得出的结论是一致的。

图8 台风路径及受影响浮标点位图Fig.8 Typhoon path and map of buoy points

图9 台风“烟花”过程下D02和D01浮标及EC预报风速和风向的时间序列Fig.9 Time series of wind speed and direction at D02,D01 buoys and EC wind forecasts during the Typhoon"In-Fa"

针对台风“烟花”影响到的两个浮标站点，从24 h 预报时效的统计结果来看（见表2），风速预报的平均误差为-0.76 m/s，总体略偏小，MAE 为1.93 m/s，预报效果总体较好；风向预报的MAE 为24.66°，误差较大，主要是由于D02 站点的风向预报误差大。

表2 台风过程EC预报风速和风向的统计评估结果Tab.2 Statistical results of the EC wind speed and direction during typhoon process

台风“卢碧”自2021 年8 月2 日在南海生成后，沿着东北方向贴近海岸线移动（见图8），利用台风“卢碧”在行进过程中影响的3 个浮标N06（4 日12时，台风中心到浮标的距离为337 km）、N07（4 日18时，台风中心到浮标的距离为265 km）和N05（5 日00 时，台风中心到浮标的距离为33 km）对3 个站点的EC 预报数据进行检验，浮标站点分布位置和检验结果见图8 和图10。从图10 可以看出EC 预报数据较好地再现了部分风速的变化趋势，但是大风时的风速预报偏差较大（例如N05 站点8-5-00 时刻）。从图10 的风羽图对比可以看出，3 个站点预报和观测风向的一致性较好，风向偏差不大。24 h 预报数据统计显示风速预报的BIAS 为-0.57 m/s（见表2），总体略偏小，MAE 为1.89 m/s；风向预报的BIAS 为1.16°，MAE为8.74°。通过3个浮标站点的数据可以看出，EC预报数据对台风“卢碧”的预报效果较好。

图10 台风“卢碧”过程下N06、N07和N05浮标及EC预报风速和风向的时间序列Fig.10 Time series of wind speed and direction at N06，N07，N05 buoys and EC wind forecasts during the Typhoon"LUPIT"

台风“灿都”自2021 年9 月7 日生成后，11 日00时开始经过台湾东侧，后一路向北经过东海、黄海（见图8）。利用台风“灿都”行进过程中影响的东海浮标D02（12 日12 时，台风中心到浮标的距离为30 km）、D01（13 日00 时，台风中心到浮标的距离为58 km）对EC 预报数据进行检验，浮标站点分布位置和检验结果见图8 和图11。当台风靠近D02 站点，距离站点最近时的最大观测风速达到38.6 m/s，而预报风速为25.9 m/s，两者差距较大。从D02、D01的风速折线图可以看出（见图11），EC预报数据模拟出了风速变化的趋势，但是预报的最大风速普遍比浮标观测值小。从对应时刻的风羽来看，预报和浮标观测风向的偏差较小，预报风向能较好地反应出浮标风向的变化趋势。24 h预报统计显示风速预报BIAS 为-1.70 m/s（见表2），预报风速较观测风速偏小，MAE 为2.82 m/s，RMSE 为4.49 m/s。相较其他两个台风，台风“灿都”风速预报的MAE 和RMSE 都更大，这是因为台风“灿都”离两个观测浮标距离更近，强度更强，而EC 对大风的风速预报偏小。风向预报的平均误差较小，为-0.08°，MAE 为13.70°。

图11 台风“灿都”过程下D02、D01浮标及EC预报风速和风向的时间序列Fig.11 Time series of wind speed and direction at D02,D01 buoys and EC wind forecasts during the Typhoon"CHANTHU"

2.4 典型冷空气大风过程下的适用性评估

选取典型冷空气大风过程，评估EC 预报10 m风场数据在不同天气过程下的可信度。选取2021年11 月6 日09 时—8 日12 时（简称1106—1108）和2021 年12 月23 日06 时—25 日12 时（简称1223—1225）两次冷空气过程中实测风力达7 级及以上的时间段，检验结果见表3、图12 和13，相应站点位置见图1。从风速结果来看，1106—1108冷空气过程中浮标观测到的最大风速出现在B01站点，为20.80 m/s，此时EC 预报风速为15.53 m/s，误差为5.27 m/s。表3 统计了两次过程中24 h 预报数据的各项误差，其中1106—1108 过程的MAE 为2.02 m/s，1223—1225 过程的MAE 为1.70 m/s，这可能是因为1106—1108过程的风力更大，而1223—1225过程中中观测到的最大风速不超过20 m/s，风速越小，EC 预报的误差也越小。经统计，两次过程中7级风的MAE 为1.84 m/s，8 级风为2.96 m/s，后者的预报误差明显大于前者，即随着风力等级的增大，MAE也变大，这与2.1 节得出的结论一致。总的来看，EC 预报10 m 风速能较好得模拟出风速的变化趋势，但是对大风的预报结果偏小。从风向的预报结果来看，表3 统计得到的1106—1108 过程的MAE 为20.61°，1223—1225过程的MAE为14.67°。从图12和图13也可以看出EC 预报结果能够较好地预报两次冷空气过程引起的风向变化。

表3 典型冷空气大风过程EC预报风速和风向的统计评估结果Tab.3 Statistical results of the EC wind speed and direction during typical cold air processes

图12 11月6日—8日冷空气过程下受影响浮标站点的风速和风向时间序列Fig.12 Time series of wind speed and direction of affected buoy sites during cold air processes from November 6 to 8

图13 12月23日—25日冷空气过程下受影响浮标站点的风速和风向时间序列Fig.13 Time series of wind speed and direction at affected buoy sites during cold air processes from December 23 to 25

3 结论

本文利用2021 年中国近海22 个浮标点位数据与EC 细网格预报数据，对24 h、48 h 和72 h 的风速及风向数据进行对比检验。结论如下：

①总体而言EC细网格10 m 风速数据在中国近海预报效果较好。风力小于4级时，EC预报数据偏大，风力大于4 级时，EC 预报数据偏小，当风力为3～6级时，风速预报的MAE最小。

②不同风向条件下，EC 风向预报的BIAS 大部分在0°～20°。渤海、黄海风向预报BIAS 最小值出现在4～5 级风力附近，东海、南海风向预报BIAS 最小值出现在3～5 级风力附近。风力等级越小，风向的预报偏差越大，风力等级越大，预报偏差则越小。

③EC 预报数据对于台风引起的风向变化有较好的反应，台风“灿都”和台风“卢碧”预报风向的MAE 均小于20°，台风“烟花”预报风向的MAE 偏大，为24.66°。在风速较低时，EC 预报数据表现较好，而在台风最大风速的预报上效果欠佳。

④EC 预报数据对于冷空气引起的风向变化有较好的反映，两次冷空气过程的风向预报MAE 分别为20.61°和14.67°。风速越小，EC 预报的误差也越小，风力等级增大，预报误差明显增大，EC对大风的风速预报偏小，误差偏大。

本文对EC细网格10 m 风速和风向的预报性能进行了初步的研究，并对台风和冷空气大风过程进行了直观的时间序列分析，以期为沿海使用EC 预报数据的专家学者提供参考，也为日后对数据进行订正提供初步分析。