楊曉玲，丁文魁，袁金梅，陳玲

(1.中國氣象局蘭州干旱氣象研究所，甘肅蘭州730020;2.甘肅省干旱氣候變化與減災重點實驗室，甘肅蘭州730020;3.中國氣象局干旱氣候變化與減災重點開放實驗室，甘肅蘭州730020;4.甘肅省武威市氣象局，甘肅武威733000;5.甘肅省永昌縣氣象局，甘肅永昌737200)

河西走廊東部大風氣候特征及預報

楊曉玲1，2，3，4，丁文魁4，袁金梅4，陳玲5

(1.中國氣象局蘭州干旱氣象研究所，甘肅蘭州730020;2.甘肅省干旱氣候變化與減災重點實驗室，甘肅蘭州730020;3.中國氣象局干旱氣候變化與減災重點開放實驗室，甘肅蘭州730020;4.甘肅省武威市氣象局，甘肅武威733000;5.甘肅省永昌縣氣象局，甘肅永昌737200)

利用河西走廊東部1971—2010年4個氣象站大風(≥6級，即10 min平均風速≥10.8～13.8 m/s)資料，系統(tǒng)分析了該區(qū)大風的時空分布、強度和持續(xù)性等氣候特征。結果表明，河西走廊東部大風天氣主要發(fā)生在山區(qū)和沙漠邊緣;年、年代際大風日數總體呈減少趨勢，3—5月是大風的高發(fā)期，占全年大風日數的34.8%～56.8%，其次是2月、6月和11月;各強度大風日數的變率較大，隨著大風強度的增強，大風日數迅速減少;大風天氣具有持續(xù)性特征，最大風速大多出現在持續(xù)大風時段內。采用2003—2007年逐日20時ECMWF數值預報格點場資料，按照Press準則進行預報因子初選，運用逐步回歸預報方法進行預報因子精選，使用最優(yōu)子集回歸建立大風預報方程，并用雙評分準則(CSC，couple score criterion)確定各季節(jié)各地大風預報全局最優(yōu)的顯著性方程，預報方程通過了α=0.01的顯著性檢驗。預報方程回代擬合率為66.7%～73.4%，預報準確率為58.8%～67.5%，達到了一定的預報水平，可為大風的業(yè)務預報提供客觀有效的指導產品。采用最大靠近原則確定了大風預報臨界值和預報、預警的級別。

河西走廊東部;大風;氣候特征;ECMWF;數值預報

0 引言

近年來，我國許多大城市的氣溫增幅明顯高于同期全國平均增幅(任國玉等，2005)，而與氣溫變化密切相關的風速變化及其導致的氣象災害也越來越受到社會各界和氣象工作者的廣泛關注(Powers，2007;Steinhoff et al.，2008)。王遵婭等(2004)對國內風速的變化進行了研究，結果表明，幾乎整個地區(qū)的風速都在減小，西北西部最明顯，該區(qū)域20世紀90年代的年平均風速比50年代減小約29%。金巍等(2009)對營口地區(qū)大風特征及其變化進行了分析，發(fā)現氣溫日較差減小是大風日數減少的原因之一。姚正毅等(2006)分析了甘肅河西地區(qū)大風日數時空分布特征，指出大風日數空間分布與地形有很大關系。王小玲和宋文玲(2008)分析了近30 a我國5級以上風日數的時空變化特征，認為我國5級以上風日數呈線性減少趨勢。

大風是指在某個時段內出現的10 min最大平均風速達到6級(10.8～13.8 m/s)或以上的風(朱乾根等，2007)。大風是破壞力很大的災害性天氣，幾乎遍布全國各地，常對公共設施、交通安全、生產和生態(tài)環(huán)境造成嚴重的影響。目前氣象部門已向社會公眾發(fā)布6級或以上大風的預警信號，并提出了防御大風的建議和措施。

河西地區(qū)東部地處干旱、半干旱的內陸地區(qū)，植被稀疏，沙漠戈壁眾多，降水量少，氣候干旱，冷空氣活動頻繁，大風天氣多。特別是冷空氣進入河西走廊，在其“狹管效應”的作用下，風力可被加速1.6倍(岳平等，2005)。大風是該地的主要災害天氣之一，同時也是沙塵暴天氣發(fā)生的主要誘因(李耀輝等，2004)，了解當地大風的氣候特征以及準確地預報大風，對防御大風、減輕風沙災害有著重要的現實意義。以往對大風的研究，大多是停留在大風的時空變化特征以及運用常規(guī)天氣資料進行診斷分析，對大風進行定性的預報，本文在分析大風時空變化特征的基礎上，對大風的持續(xù)性、強度特征進行了研究，并運用數值預報產品對大風進行客觀定量的預報。

1 資料和方法

以平均風力≥6級或極大風力≥7級定義為一個大風日，同時規(guī)定，有兩站平均風力≥6級或極大風力≥7級定義為一個區(qū)域性大風日，連續(xù)2 d或以上平均風力≥6級或極大風力≥7級定義為一次大風天氣過程。

采用河西走廊東部永昌、民勤、涼州、天祝的烏鞘嶺4個氣象站1971—2010年逐日大風觀測資料，求其月、季、年及年代際大風日數，分析其變化特征和極值，用線性和多項式擬合的方法分析其變化趨勢。統(tǒng)計各量級大風日數、大風強度及大風持續(xù)性。

預報因子選取2003—2007年逐日ECMWF數值預報20時(北京時間，下同)格點場資料，預報對象選取2003—2007年河西走廊東部4個氣象站逐日大風實況。采用Press準則進行因子初選，逐步回歸預報方法進行因子精選，使用最優(yōu)子集回歸建立大風預報方程。

2 結果與分析

2.1 大風日的空間分布

統(tǒng)計分析近40 a來河西走廊東部4個氣象站大風資料發(fā)現，永昌日平均風力≥6級的大風日數為1 359 d，占大風總日數的13.3%;民勤為1 573 d，占15.4%;涼州最少，為426 d，占4.2%;天祝最多，為6 829 d，占67.0%(圖1)。這是由于永昌地處北部山區(qū)，海拔較高，風速較大，大風日數相對較多;而民勤雖地勢較低，但地處沙漠邊緣，為空曠的戈壁荒漠，建筑物和遮擋物較少，風速大，大風日數比較多;涼州處于中部綠洲平原區(qū)，地勢低，風速小，大風日數少;天祝地處南部山區(qū)，平均海拔在3 000 m以上(在700 hPa的高度上)，常年風速大，大風日數多。由此可知，大風日數空間分布與海拔高度、地形地貌有很大關系，這與李耀輝等(2004)的研究結論一致。

圖1 1971—2010年各站大風日數及海拔高度(括號內為海拔高度;單位:m)Fig.1 The distribution of gale days and altitude of the stations from 1971 to 2010(The altitude is in the parenthesis;units:m)

2.2 大風日的時間變化

河西走廊東部各地逐年代大風日數呈減少趨勢(表1)，除天祝的減小幅度較小外，其他各地呈大幅度減少，但涼州21世紀10年代比20世紀90年代略有增加。永昌21世紀10年代比20世紀70年代年平均大風日數減少32.4 d，民勤為52 d，涼州為19.7 d，天祝為27.1 d。氣候變暖，冷空氣活動頻次相對減少，強度也有所減弱，這可能是大風日數減少的主要原因之一。

表1 1971—2010年各地逐年代年平均大風日數Table 1 Inter-decadal annual mean gale days in every region from 1971 to 2010d

由圖2可見，河西走廊東部年大風日數總體呈減少趨勢，永昌40 a年大風日數的增長率為－10.7 d/(10 a)，相關系數R=0.848;涼州為－6.4 d/(10 a)，R=0.805;民勤為－17.5 d/(10 a)，R=0.898;天祝為－9.0 d/(10 a)，R=0.491，各值均通過了α=0.001的顯著性檢驗，其中R的臨界值為0.49。各地年平均大風日數永昌為34 d、涼州為11.7 d、民勤為39.3 d、天祝為170.7 d。永昌大風日數最多的年份是1971年(63 d)，民勤是1972年(84 d)，涼州是1980年(32 d)，天祝是1984年(203 d)，除涼州1995年沒有出現大風外，其他三地每年都有大風天氣出現，其中大風日數最少的年份均出現在2005年，永昌為4 d，民勤為7 d，天祝為129 d。各地逐年大風日數的變化沒有明顯的周期性。

圖3給出了1971—2010年各站逐月平均大風日數變化曲線，可見各地大風日數在3—5月均有一個明顯的高峰，依次向兩端遞減，2月、6月、11月次之，1月、9月為兩個低谷。其中3—5月大風日數占大風總日數的34.8%～56.8%，2月、6月、11月共占16.0%～24.6%，其他各月總共占27.2%～41.8%。

表2給出了1971—2010年各站不同強度大風日數，可見，河西走廊東部各站不同強度大風日數的變率較大，隨著大風強度的增強，各地大風日數迅速減少(表2)。其中6級大風占大風總日數的66.5%～83.1%，7級大風占15.7%～27.82%，8級大風占1.2%～6.5%。

圖2 1971—2010年各地年大風日數變化曲線Fig.2 Variation curve of annual gale days in every region from 1971 to 2010

圖3 1971—2010年各站逐月平均大風日數變化Fig.3 Monthly average gale days in every region from 1971 to 2010

表2 1971—2010年各站不同強度大風日數Table 2 The number of gale days at different intensities in every region from 1971 to 2010d

由圖4可見，20世紀70—80年代大風強度變化比較均勻，沒有明顯的偏大值和偏小值;90年代永昌、民勤大風強度變化依然不大，但涼州的大風強度明顯減弱，天祝出現了兩個大風強度明顯偏大的年份，分別為1990、1993年;21世紀10年代永昌、民勤的大風強度有所減弱，涼州大風強度有所加強，天祝大風強度波動性較大，出現了40 a的最大值(2001年)和最小值(2009年)。各地風速40 a的平均值永昌為17.2 m/s，涼州為14.1 m/s，民勤為17.7 m/s，天祝為21.4 m/s。永昌最大風速出現在1973年12月30日和1975年4月4日(22.0 m/s)，涼州為1980年5月1日(20.0 m/s)，民勤為1977年5月19日(23.0 m/s)，天祝為2001年4月9日(27.3 m/s)。永昌次最大風速出現在1971年12月30日(21.0 m/s)，涼州為1984年11月5日(19.3 m/s)，民勤為1974年10月20日(22.7 m/s)，天祝為1990年4月8日和1993年5月6日(26 m/s)。

數據分析還發(fā)現，河西走廊東部大風天氣具有持續(xù)性特征，隨著持續(xù)日數的增長，大風過程數迅速減少(圖略)。各地出現持續(xù)2 d或以上的大風過程數達61～1 519個，其中持續(xù)2 d的大風過程數為54～640個，持續(xù)3 d的大風過程數為7～346個，均為涼州最少，天祝最多，涼州沒有出現持續(xù)4 d以上的大風過程，其他三地持續(xù)4 d及以上的大風過程數為5～515個，其中永昌最少，天祝最多。各地大風最長持續(xù)日數永昌為5 d，出現在1990年5月1—5日;民勤為7 d，出現在1974年3月18—24日;天祝為29 d，出現在2001年3月1—29日;涼州出現連續(xù)3 d大風過程數有7個。持續(xù)2 d以上大風的天氣過程大多出現在1—5月和11—12月，持續(xù)日數較長的大風過程以3—5月出現地居多。最大風速大多出現在持續(xù)大風時段內。

3 大風預報

3.1 資料選取與處理

選取2003—2007年逐日20時ECMWF數值預報格點場資料，范圍90～110°E、35～45°N，網格距為2.5°×2.5°經緯度，層次為850 hPa、700 hPa、500 hPa、200 hPa，基本要素以位勢高度(h)、溫度(t)、相對濕度(HR)以及風速的u、v分量等作為預報因子。預報對象為2003—2007年河西走廊東部4個站點逐日大風實況。

圖4 1971—2010年各地逐年最大風速變化(沒有出現大風的年份以10.5 m/s代替)Fig.4 Variation curve of annual gale intensity in every region from 1971 to 2010(The years with no gale are replaced by 10.5 m/s)

ECMWF數值預報產品的格距為2.5°×2.5°經緯度，而河西走廊東部各地的間距為60～100 km，因此，首先利用線性內插方法(中國氣象局科教司，1998)對格點資料進行插值處理，提高區(qū)域內站點的預報精度。插值后的格點資料為1°×1°經緯度，關鍵區(qū)域90～110°E、35～45°N共得到11×21個格點。其中經向差分距Δy約為111 km，緯向差分距Δx是隨緯度的變化而變化的，在赤道附近Δx約為111 km，隨著緯度的增高，Δx的間距減小，具體計算公式為:Δx=(π×R×cosφ)/180，其中:π為圓周率3.14;R為地球半徑，約6 370 km;φ為格點所在的緯度(角度)(裴洪芹等，2007)。

差分得到的關鍵區(qū)物理量格點資料采用診斷方法、因子組合等多種組合手段構造出多個具有經驗性的預選組合因子(牛叔超等，2000;陳百煉，2003)，共2 485個預報因子作為初選因子庫，供預報方程進行初選。

3.2 預報模式建立

為使預報模型具有較高的穩(wěn)定性和準確度，在建立預報方程時，分站點逐季節(jié)建立預報方程，并將每個季的資料上下各跨1個月，以確保在本季的預報時段內預報方程的穩(wěn)定性和準確度。

3.2.1 預報因子選取

由于單相關系數事實上反映了x與y之間用一個線性函數擬合的好壞，而不能完全反映預測的好壞。使用Press準則初選的因子既可以反映因子擬合的好壞，也可以衡量預測能力的好壞，用它可以選取預測能力較好的因子(俞善賢，1991)。

按照Press準則對大風預報因子初選，初選因子的標準為:1)預報因子與預報對象的相關系數≥0.5;2)因子物理意義要清晰;3)同一因子場上最多選取5個因子;4)初選后的因子數控制80～100個之間(谷湘潛等，2007;裴洪芹等，2007)。

對因子普查后得到的80～100個初選預報因子，用逐步回歸方法精選出8～10個最優(yōu)預報因子，作為進行最優(yōu)子集回歸的侯選因子。

3.2.2 最優(yōu)子集回歸預報模型

采用CSC(couple score criterion)雙評分準則選取最優(yōu)方程，CSC雙評分準則旨在使模型擬合精度更好，趨勢更準。當CSC達最大時相應的回歸模型為最優(yōu)(俞善賢和汪鋒，1998;萬誠等，2000)。將精選的8～10個最優(yōu)預報因子代入最優(yōu)子集回歸進行優(yōu)選，若有p個因子，則將得到(2p－1)個可能的回歸方程。從所有方程中優(yōu)選出CSC最大的預報方程，當CSC評分接近時，挑選預報因子較少的那一個預報方程。最終確定每個站各季節(jié)大風預報方程。

表3列出了最優(yōu)子集回歸大風預報方程，其中物理量后括號內數字(pm，pn)為某一物理量第m個因子到第n個因子的代數和，如w7(4，9)=

表3 大風預報方程Table 3 Gale forecast equation

由表3可知，方程中入選的因子有:1)500 hPa的變高(hb)，說明地面風速的大小與高空變高即氣壓梯度的關系很大;2)850 hPa的溫度(t)，說明地面風速的大小與低空冷空氣的強弱有關;3)700 hPa、500 hPa、200 hPa的全風速(w)及其分量(u)和(v)，說明地面風速的大小與高低空風速的大小有關。這些入選的預報因子物理意義明確，在經驗預報中也是預報大風的首選因子。

表4列出了方程的各項檢驗參數。從表4可以看出，各方程的復相關系數在0.38以上，復相關系數通過了α=0.001的顯著性檢驗，方程通過了α=0.01顯著性檢驗，說明利用最優(yōu)子集回歸確定的預報方程效果是顯著的。

表4 最優(yōu)子集回歸方程顯著性檢驗參數Table 4 Significance examination parameters of optimum subset regression equation

3.2.3 方程的檢驗

用建立的大風預報方程對2003—2007年的大風實況進行回代檢驗，按照大風預報準確率TS評定標準，若預報方程求出的預報值Y＜10.8 m/s，對應的實況也小于10.8 m/s，則為大風未預報未出現;若預報值Y≥10.8 m/s，對應的實況小于10.8 m/s，則為大風空報;若預報值Y＜10.8 m/s，對應的實況大于等于10.8 m/s，則為大風漏報;若預報值Y≥10.8 m/s，對應的實況大于等于10.8 m/s，則為大風預報準確。各方程預報的擬合率在66.7%～73.4%。方程于2008年投入業(yè)務試用，對2008—2010年大風預報的應用情況進行了預報效果檢驗。按以上Ts評定標準進行了評定，各方程預報準確率在58.8%～67.5%，大大超過了以往人工預報的準確率。由此可見，使用最優(yōu)子集回歸建立的大風預報方程達到了一定的擬合效果和預報水平，可為本地大風業(yè)務預報提供客觀有效的指導產品。

3.2.4 大風預報預警的確定

對4個站點利用最優(yōu)子集回歸求得的四季大風預報方程，采用最大靠近原則確定大風預報臨界值及預報、預警級別為:

1)Y＜8 m/s(＜5級)，不可能出現大風;

2)8 m/s≤Y＜10.8 m/s(5級)，有出現大風的可能性，根據情況發(fā)布大風藍色預警信號;

3)10.8m/s≤Y＜17.2 m/s(6～7級)，會出現一般性或中等強度的大風，發(fā)布大風藍色預警信號;

4)17.2m/s≤Y＜24.5 m/s(8～9級)，會出現強大風或特強大風，發(fā)布大風黃色預警信號;

5)24.5m/s≤Y＜32.6 m/s(10～11級)，會出現狂風或暴風，發(fā)布大風橙色預警信號;

6)Y≥32.6 m/s(≥12級)，發(fā)布大風紅色預警信號。

4 結論

1)河西走廊東部大風天氣主要發(fā)生在山區(qū)和戈壁沙漠邊緣。

2)年、年代際大風日數總體呈減少趨勢，大風主要發(fā)生在3—5月。

3)隨著大風強度的增強，大風日數逐漸減少;大風天氣具有持續(xù)性特征，隨著持續(xù)日數的增長，大風過程數迅速減少，最大風速大多出現在大風持續(xù)時段內。

4)采用診斷方法、因子組合等手段建立預報因子庫，使用Press準則進行因子初選和逐步回歸方法進行因子精選，選取的因子擬合程度好、預測能力強，具有較好的穩(wěn)定性。

5)使用最優(yōu)子集回歸建立預報方程，采用CSC雙評分準則從所有回歸方程中確定一個全局最優(yōu)的顯著性方程，預報方程通過了α=0.01的顯著性檢驗。

6)用ECMWF數值預報產品建立的大風預報方程擬合率和準確率均達到了一定的預報水平，可為業(yè)務預報提供客觀有效的指導產品。

7)按照最大靠近原則確定了大風預報臨界值及預報、預警級別。

陳百煉.2003.大風溫度分縣客觀預報方法研究［J］.氣象，29(8):48-51.

谷湘潛，李燕，陳勇，等.2007.省地氣象臺精細化天氣預報系統(tǒng)［J］.氣象科技，35(2):166-170.

金巍，周廣勝，曲巖.2009.1972—2000年營口地區(qū)大風特征及其變化分析［J］.氣候變化研究進展，5(4):237-240.

李耀輝，張存杰，高學杰.2004.西北地區(qū)大風日數的時空分布特征［J］.中國沙漠，24(6):715-723.

牛叔超，朱桂林，李燕.2000.T106產品夏季大風概率預報自動化系統(tǒng)［J］.氣象，26(3):37-39.

裴洪芹，邰慶國，吳君，等.2007.臨沂中尺度數值預報系統(tǒng)及應用［J］.氣象科技，35(4):464-469.

任國玉，初子瑩，周雅清，等.2005.中國氣溫變化以及最新進展［J］.氣候與環(huán)境研究，10(4):701-716.

萬誠，鄭建萌，解明思.2000.最優(yōu)子集回歸模型在低緯高原雨季開始期預報中的應用試驗［J］.氣象，26(11):24-27.

王小玲，宋文玲.2008.近30 a我國5級以上風日數的時空變化特征［J］.氣候變化研究進展，4(6):347-352.

王遵婭，丁一匯，何金海，等.2004.近50年中國來氣候變化特征的再分析［J］.氣象學報，62(2):228-236.

姚正毅，王濤，陳廣庭，等.2006.近40 a甘肅河西地區(qū)大風日數時空分布特征［J］.中國沙漠，26(1):65-70.

俞善賢.1991.一個著眼于預測能力及穩(wěn)定性的因子普查方法［J］.氣象，17(9):40-43.

俞善賢，汪鋒.1998.試用最優(yōu)子集與嶺跡分析相結合的方法確定回歸方程［J］.大氣科學，22(12):382-388.

岳平，牛生杰，劉曉云.2005.“7·12”特異沙塵暴成因研究［J］.干旱區(qū)研究，22(3):345-349.

中國氣象局科教司.1998.省地氣象臺短期預報崗位培訓教材［M］.北京:氣象出版社:75-111.

朱乾根，林錦瑞，壽紹文，等.2007.天氣學原理和方法［M］.4版.北京:氣象出版社:249.

Powers J G.2007.Numerical prediction of an Antarctic severe wind event with the weather research and forecasting(WRF)model［J］.Mon Wea Rev，135(9):3134-3157.

Steinhoff D F，Bromwich D H，Lambertson M，et al.2008.A dynamical investigation of the May 2004 McMurdo Antarctica severe wind event using AMPS［J］.Mon Wea Rev，136(1):7-26.

Climate characteristics of the gale and its forecast in east Hexi corridor

YANG Xiao-ling1，2，3，4，DIN Wen-kui4，YUAN Jin-mei4，CHEN Ling5

(1.Lanzhou Institute of Arid Meteorology，China Meteorological Administration，Lanzhou 730020，China;2.Key Laboratory of Arid Climatic Changing and Reducing Disaster of Gansu Province，Lanzhou 730020，China;3.Opening Key Laboratory of Arid Climatic Changing and Reducing Disaster，China Meteorological Administration，Lanzhou 730020，China;4.Wuwei Meteorological Bureau of Gansu Province，Wuwei 733000，China;5.Yongchang Meteorological Bureau of Gansu Province，Yongchang 737200，China)

Using gale data(≥level 6 with ten minute average wind velocity≥10.8—13.8 m/s)of four meteorological stations in east Hexi corridor from 1971 to 2010，such climate characteristics as space and time distribution，intensity and endurance of the gales were analyzed systematically.The results show that gales mainly occur in the mountainous area and the edge of desert.Annual gale days and interdecadal gale days presents a reducing tendency.March to May is gale frequent period，which occupies 34.8%—56.8%of annual gale days.Then it is February，June and November.Gale days of different intensities vary a lot.The number of gale days reduces rapidly along with the elevation of gale intensity.Gale weather presents long-enduring characteristic and strong gale usually occur in sustained peri-od of gale.Based on the daily data of ECMWF numerical forecast grid field at 20:00 BST from 2003 to 2007，forecast factor was initially elected by Press criterion and was further selected by stepwise regression forecast method.The gale forecast equations were built with optimal subset regression.The overall situation and the most superior significance forecast equations of the gale in every season in different areas were determined finally by the CSC double grading criterion.The forecast equations passed significance examination of α=0.01.Back substitution fitting rates of the prognostic equations were 66.7%—73.4%and forecast accuracy rates were 58.8%—67.5%，which achieved the forecast level to provide objective and effective instruction for gale forecast.The closest approaching principle was used to set forecast marginal value，ranks of gale forecast and early warning.

east Hexi corridor;gale;climate characteristic;ECMWF;numerical forecast

P425

A

1674-7097(2012)01-0121-07

2011-06-01;改回日期:2011-09-13

公益性行業(yè)(氣象)科研專項(GYHY(QX)201106029)

楊曉玲(1971—)，女，甘肅民勤人，高級工程師，研究方向為天氣預報，wwqxj6150343@163.com.

楊曉玲，丁文魁，袁金梅，等.2012.河西走廊東部大風氣候特征及預報［J］.大氣科學學報，35(1):121-127.

Yang Xiao-ling，Din Wen-kui，Yuan Jin-mei，et al.2012.Climate characteristics of the gale and its forecast in east Hexi corridor［J］.Trans Atmos Sci，35(1):121-127.

(責任編輯:劉菲)