王亞男，王慶元，劉彬賢

(1.天津市氣象臺，天津 300074)

黃、渤海冷空氣海浪場的集合預報試驗

王亞男1，王慶元1，劉彬賢1

(1.天津市氣象臺，天津 300074)

利用歐洲集合天氣預報系統(tǒng)51個預報風場驅動SWAN海浪模式，對黃、渤海2013年12月-2014年2月期間受冷空氣影響的海浪場進行數(shù)值模擬試驗，并利用浮標觀測資料對海浪集合預報結果進行初步檢驗分析，結果顯示：從逐時平均偏差結果可知，24 h預報時效內集合平均與控制預報性能相近，48～72 h預報時效內，集合平均明顯優(yōu)于控制預報，但均比實況偏小；集合分位值(75、90百分位值和極端值)明顯優(yōu)于集合平均，且預報時效越長，優(yōu)勢越明顯，集合預報極端值與實況相當或略偏大；從逐24 h平均偏差結果可知，集合分位值(75、90百分位值和極端值)比集合平均和控制預報更接近實況?？偟姆治霰砻鳎杭戏治恢?75、90百分位值和極端值)對受冷空氣影響的海浪場具有較強的分辨能力，可以提高對海浪場的預報水平，且有較好的應用潛力。

集合海浪預報；SWAN海浪模式；冷空氣

1 引言

目前，國內多使用WAVEWATCHⅢ海浪模式[1—4]和SWAN海浪模式[4—5]來制作海浪預報，為單一的確定性預報，這兩者以數(shù)值天氣預報風場為基礎來驅動海浪模式，從而制作有效波高等要素預報。而在國外，除單一的確定性海浪預報外，歐洲氣象中心、美國氣象環(huán)境預報中心和日本氣象廳等業(yè)務部門均已經開展了集合海浪預報業(yè)務，且預報產品在業(yè)務上已經廣泛使用，并取得良好的效果[6]。但在我國，集合海浪預報業(yè)務的開展還屬于起步階段，僅孫明華[6]使用WAVEWATCHⅢ海浪模式和T213集合天氣預報系統(tǒng)構建了一個集合海浪預報系統(tǒng)；相比單一確定性預報方法，集合海浪預報方法則可將傳統(tǒng)意義上的單一的確定性預報變成不確定性預報，盡可能使得到的這組不確定性預報包含未來海浪可能出現(xiàn)的所有狀態(tài)，從而達到提高海浪預報技巧的目的[6]，發(fā)展集合海浪預報業(yè)務是海浪預報發(fā)展的一個新方向。

目前，采用集合預報方法進行海浪預報主要有兩種方法：一種是采用海浪初始場加入初始擾動的方法生成多個海浪初始場，從而通過海浪模式計算出多個海浪預報場；另一種方法是直接使用集合天氣預報生成的多個洋面風預報場來驅動海浪模式，從而計算出多個海浪預報場。已有研究表明，第一種方法可以影響1～2 d的海浪預報，而對更長時效的海浪預報無明顯影響；第二種方法對較長時間的海浪預報影響明顯，這種方法風場的不確定性是引起海浪預報不確定性的最主要因子。目前，國際上開展的集合海浪數(shù)值預報業(yè)務普遍采用第二種集合海浪預報方法[6]。同時，從2014年開始，集合預報方法在天氣預報業(yè)務中已經開始普遍應用，使用第二種方法，將集合天氣預報與海浪模式相聯(lián)系，研究開發(fā)集合海浪數(shù)值預報方法，使集合海浪預報的業(yè)務化成為可能。

在冬季冷空氣活動頻繁，渤海和黃海的海浪場主要受冷空氣天氣系統(tǒng)影響[7—10]；對冷空氣海浪場，已有少數(shù)學者做過專門的數(shù)值模擬分析，如劉鐵軍等[11]，姚琪等[12]，周兆黎和楊顯宇[13]等，但都是使用單一的模式進行確定性預報。在這樣的背景下，本文作者在歐洲集合天氣預報系統(tǒng)和SWAN海浪模式的基礎上，對2013年12月-2014年2月黃、渤海冷空氣影響下的海浪場進行初步集合試驗預報和結果檢驗分析。

2 集合海浪預報試驗

2.1 集合海浪預報方法

本文使用的集合預報方法是用歐洲集合預報10 m風場的51個預報成員分別驅動SWAN海浪模式，計算出51個海浪預報結果，其中集合天氣預報的51個成員包括1個10 m風場控制預報和50個10 m風場擾動預報，計算得到的海浪場成員也包括1個海浪控制預報和50個海浪擾動預報，其中各海浪預報成員的初始海浪場為模式控制預報前一預報時次制作的12 h海浪預報場。之后，再根據(jù)各預報成員計算集合平均、離散度、站點箱須圖、煙羽圖及集合概率值預報產品等，形成集合海浪數(shù)值預報產品。所使用SWAN海浪模式的基本參數(shù)和概括如表1所示。其中，歐洲集合預報10 m風場分辨率為0.5°×0.5°，使用距離平方反比的方法插值到SWAN海浪模式的格點上，分辨率為0.1°×0.1°。

表1 SWAN海浪模式的基本參數(shù)概括Tab.1 Parameters of the SWAN wave forecast model

2.2 冷空氣過程說明

2013年12月到2014年2月期間，共有7次較明顯的冷空氣過程影響黃、渤海海域，如表2所示。這7次冷空氣過程有6次為西來槽東移發(fā)展影響黃、渤海，地面配合明顯的冷鋒和鋒后冷高壓，海上代表站已偏北風為主，風力均達7級以上，僅過程三受東北冷渦影響，冷空氣為東北路徑影響黃、渤海海域，地面配合回流冷鋒和冷高壓，海上代表站已東北風為主，風力7級以上。

表2 冷空氣過程簡單描述Tab.2 Characteristics of the cold air processes

3 預報檢驗

本文使用上述SWAN海浪集合預報方法，對2013年12月-2014年2月的冷空氣過程進行預報試驗，冷空氣過程描述如表2所示，預報時間從每次冷空氣過程前3天開始到冷空氣過程結束，起報時間為每天8時和20時。

實況資料共選取渤海到黃海中部內8個浮標、平臺、海島站，具體位置如圖1所示，其中實心圓圈為有效波高實況觀測站，空心圓圈為風場觀測站，為了保持一致性和可對比性，認為鄰近有效波高站點的風場觀測即為有效波高站點風場實況，取所有樣本預報數(shù)據(jù)，其中位于山東半島以北臨近的兩個有效波高測站，均使用位于其中間的風場測站進行風速檢驗;對風速和有效波高的12～72 h的預報值與對應浮標觀測值進行統(tǒng)計檢驗分析。

圖1 站點地理位置(○風場測站，●有效波高測站) Fig.1 Site location (○ wind observatory，● significant wave height observatory)

首先對比集合平均預報值與單站的控制預報結果，檢驗指標包括所有預報樣本的預報值與觀測值的逐時平均相對誤差(偏差)。從系統(tǒng)對于風速和有效波高的逐時平均預報偏差來看，在24 h預報時效內，系統(tǒng)對于風速和有效波高的集合平均的預報偏差略優(yōu)于控制預報，但這種優(yōu)勢并不明顯，而在48～72 h預報時效內，集合平均的預報偏差明顯優(yōu)于控制預報；同時平均偏差均小于0，但偏小并不明顯，72 h預報時效內風速和有效波高分別平均偏小在2 m/s和0.3 m以內；風速和有效波高的變化趨勢相一致，這反映了有效波高的預報準確性與風場的預報準確性的關系，而集合天氣預報系統(tǒng)對風速的低估，是導致本系統(tǒng)對有效波高低估的一個主要因素。圖2c，d顯示了風速和有效波高逐時平均均方根誤差和離散度的變化情況，從圖中可看出，風速和有效波高的集合平均逐時平均均方根誤差要略低于控制預報的逐時平均均方根誤差，但差距不明顯，兩者變化趨勢一致，且數(shù)值相近，預報時效越長(48～72 h)，差距越明顯；而逐時平均離散度比集合平均和控制預報的逐時平均均方根誤差明顯偏小。有效波高離散度的偏低在現(xiàn)在的集合海浪預報系統(tǒng)中普遍存在，有學者認為可能是在集合海浪預報系統(tǒng)的設計中，只擾動了風強迫力，因此只有風浪的擾動生成，而實際上涌浪在生成時也存在不確定性，由于涌浪離散度上的貢獻明顯被低估，從而導致系統(tǒng)的離散度偏小[7]，而對于本系統(tǒng)來說集合天氣預報系統(tǒng)對風速離散度的低估，可能也是平均離散度明顯偏小的原因。

從以上分析來看，隨著預報時效的延長，集合平均的優(yōu)勢越明顯，集合平均比單一的控制預報的誤差增長速度明顯偏小，體現(xiàn)了集合預報方法的優(yōu)越性。同時集合平均是集合預報的初級產品，仍屬于確定性預報的范疇，集合預報的意義更多在于可以提供預報的多種可能性。由于集合平均和控制預報比實況偏小，進一步統(tǒng)計了風速和有效波高的集合分位值(75、90百分位和極端值)相對于實況的平均偏差，如圖3所示。從風速和有效波高的集合分位值逐時預報平均偏差來看，集合分位值(75、90百分位和極端值)產品的平均偏差明顯要優(yōu)于集合平均的平均偏差，且預報時效越長，優(yōu)勢越明顯。風速的集合75、90百分位值平均偏差比集合平均的平均偏差分別減少約0.3～0.6 m/s和0.5～1 m/s；有效波高的集合75、 90百分位值的平均偏差比集合平均的平均偏差分別減少約0.05～0.1 m和0.1～0.2 m；而風速和有效波高的極端值平均偏差均大于0或在0值左右，說明從逐時平均情況來看風速和有效波高的集合極端值預報與實況相當或略偏大。集合分位值(75、90百分位和極端值)的平均偏差明顯優(yōu)于集合平均(同理明顯優(yōu)于控制預報)，在一定程度上彌補了控制預報和集合平均比實況偏小的情況，提供了預報的多種可能性。

取54641站浮標數(shù)據(jù)，對2013年12月8日20時起報的有效波高集合成員預報值與觀測值進行對比，如圖4所示，有效波高各集合預報成員的變化趨勢與觀測值相一致，但集合成員預報并不能完全涵蓋觀測值的范圍，比觀測值偏小，與前面逐時平均偏差分析相一致；將集合統(tǒng)計量即集合平均、集合分位值(75、90百分位和極端值)與觀測值進行對比，如圖4b所示，實況有效波高極端值要高于集合有效波高極端值，但其變化趨勢，與實況接近，對有效波高的預報具有一定的指示意義。

以上集合統(tǒng)計量分析為逐時多個樣本平均偏差分析，在一定程度上，有平滑的作用，減小了最值的影響，為了更好的檢驗分析本系統(tǒng)對在冷空氣影響時的風速和有效波高最大值的模擬結果，取逐24 h間隔內集合平均、控制預報、集合分位值(75、90百分位和極端值)預報最大值與實況24 h內最大值進行對比，檢驗指標為所有預報樣本的逐24 h預報最大值與觀測最大值的平均相對誤差(偏差)。從圖5來看，系統(tǒng)對于風速和有效波高的逐24 h最大值預報，控制預報、集合平均以及集合分位值(75、90百分位和極端值)均比實況偏小，集合分位值(75、90百分位和極端值)的誤差明顯小于控制預報；有效波高極端值平均偏差隨時效延長，增大不明顯，誤差在0.2 m左右，接近實況。有效波高集合分位值(75、90百分位和極端值)在一定程度上彌補了控制預報和集合平均預報的不足，雖然仍比實況偏小，但明顯要更接近于實況。

圖2 逐時平均偏差變化曲線Fig.2 The hourly deviation curves a.10 m風速，b.有效波高，c.10 m風速均方根誤差和離散度，d.有效波高均方根誤差和離散度 a.10 m wind speed，b.significant wave height，c.root mean square error and spread of 10 m wind speed，d.root mean square error and spread of significant wave height

圖3 集合統(tǒng)計量(集合平均、極端值、90(75)百分位)逐時平均偏差變化曲線(a.風速，b.有效波高)Fig.3 The hourly deviation curves of ensemble statistics(ensemble mean、extreme、90(75)quantile)(a.10 m wind speed，b.significant wave height)

圖4 2013年12月8日20時起報54641站(38.85°N，118.55°E)有效波高逐時集合成員、集合平均和控制預報與實況對比變化曲線(a)，集合統(tǒng)計量(集合平均、90百分位和極端值)與實況對比變化曲線(b)Fig.4 The comparison of the ensemble forecast with the observation data at 20：00 8 Dec 2013 51 ensemble members、ensemble mean and control(a)，ensemble mean、90 quantile and extreme(b)

圖5 逐24 h最大值平均偏差變化曲線(a.有效波高，b.風速)Fig.5 The deviation curves of 24 h maximum value (a.significant wave height，b.10 m wind speed)

4 小結

本文在SWAN海浪模式的基礎上，使用歐洲集合預報10 m風場中的1個控制預報和50個成員預報的預報結果，對黃、渤海范圍內，2013年12月到2014年2月的冷空氣海浪場進行集合預報模擬試驗，并使用浮標觀測值展開初步的檢驗分析，得到以下結論：

(1) 從風速和有效波高的逐時預報平均偏差來看，預報時效越長，集合平均比控制預報的優(yōu)勢越明顯；72 h預報時效內，風速和有效波高的預報均比實況略偏小，分別平均偏小在2 m/s和0.3 m以內。

(2) 風速和有效波高的逐時平均均方根誤差要大于平均離散度，說明本系統(tǒng)的離散度偏?。患咸鞖忸A報系統(tǒng)對風速離散度的低估，可能是離散度偏小的一個原因。

(3) 從風速和有效波高的集合分位值(75、90百分位和極端值)的逐時、逐24 h預報平均偏差來看，集合分位值(75、90百分位和極端值)明顯要優(yōu)于集合平均和控制預報，且預報時效越長，優(yōu)勢越明顯。

應指出，集合天氣預報系統(tǒng)在冷空氣影響前后對風速的低估，是造成集合海浪預報所得結果比實況偏小的主要原因。而相比單一的確定性預報，即控制預報，集合天氣預報系統(tǒng)對風速的低估已明顯減小。從以上分析來看，雖然在冷空氣影響時，集合海浪預報系統(tǒng)的集合平均比實況偏小，但集合分位值(75、90百

分位和極端值)對冷空氣影響時的海浪場具有較強的分辨能力，在一定程度上彌補了控制預報和集合平均比實況偏小的不足，提供了預報的多種可能性，可以提高對冷空氣影響時的海浪場的預報水平，具有較好的發(fā)展前景。

[1] 李燕，黃振，張俊峰，等.WAVEWATCHⅢ模式在渤海海浪預報的應用與檢驗[J].氣象與環(huán)境學報，2014，30(1)：23-29．

Li Yan，Huang Zhen，Zhang Junfeng，et al.Application and verification of sea wave forecast by WAVEWATCHⅢ model in the Bo hai Sea of China[J].Journal of Meteorology and Environment，2014，30(1)：23-29．

[2] 毛科峰，蕭中樂，王亮，等.數(shù)值模式與統(tǒng)計模型相耦合的近岸海浪預報方法[J].海洋學報，2014，36(9)：18-29．

Mao Kefeng，Xiao Zhongle，Wang Liang，et al.Coastal wave forecasting by dynamical model coupled with a statistical model[J].Haiyang Xuebao，2014，36(9)：18-29．

[3] 毛科峰，陳希，李妍，等.WAVEWATCH-Ⅲ海浪模式中島嶼次網(wǎng)格效應的檢驗與比較[J].海洋學報，2012，34(5)：11-19．

Mao Kefeng，Li Xi，Li Yan，et al.Validation and comparison of sub-grid islands effect in ocean wave model of WAVEWATCH-Ⅲ[J].Haiyang Xuebao，2012，34(5)：11-19．

[4] 梅嬋娟，趙棟梁，史劍.兩種海浪模式對中國黃海海域浪高模擬能力的比較[J].海洋預報，2008，25(2)：92-98．

Mei Chanjuan，Zhao Dongliang，Shi Jian. The analysis of Yellow Sea wave with WAVEWATCH and SWAN models[J].Marine Forecasts，2008，25(2)：92-98．

[5] 王道龍，華鋒，江志輝.SWAN近岸海浪模式在遼東灣的應用[J].海洋科學進展，2010，28(3)：285-291．

Wang Daolong，Hua Feng，Jiang Zhihui. Application of coastal wave model SWAN to Liaodong Bay[J].Advances in Marine Science，2010，28(3)：285-291．

[6] 孫明華.一個集合海浪預報系統(tǒng)及其初步試驗[J].應用氣象學報，2011，22(6)：673-680．

Sun Minghua.An Ensemble ocean wave forecast system and preliminary experiment[J].Journal of Applied Meteorological Science，2011，22(6)：673-680．

[7] 張薇，高山，訚忠輝，等.渤海災害性海浪特征分析[J].海洋預報，2012，29(5)：73-77．

Zhang Wei，Gao Shan，Yin Zhonghui，et al.Characteristics of the disastrous wave in the Bohai Sea[J].Marine Forecasts，2012，29(5)：73-77．

[8] 許富祥，余宙文.中國近海及其鄰近海域災害性海浪監(jiān)測和預報[J].海洋預報，1998，15(3)：64-68．

Xu Fuxiang，Yu Zhouwen. Monitoring and Predicting of the disastrous wave over ocean area near China[J].Marine Forecasts，1998，15(3)：64-68．

[9] 許富祥.中國近海及其鄰近海域災害性海浪的時空分步[J].海洋學報，1996，18(2)：26-31．

Xu Fuxiang.Spatial and Temporal distribution of the disastrous wave over ocean area near China[J].Haiyang Xuebao，1996，18(2)：26-31．

[10] 許富祥，韋鋒余，邢闖.090415渤海黃海北部災害性海浪風暴潮過程災情成因分析及災后反思[J].海洋預報，2009，26(3)：39-44．

Xu Fuxiang，Wei Fengyu，Xing Chuang. The review and rethinking after the disaster of disastrous waves and storm surges in the northern Bohai and Yellow Sea 09 on April 15[J].Marine Forecasts，2009，26(3)：39-34．

[11] 劉鐵軍，鄭崇偉，周林，等.基于QN混合風場和SWAN 模式的一次冷空氣海浪場模擬分析[J].氣象水文海洋儀器，2013，9(3)：8-12．

Liu Tiejun，Zheng Chongwei，Zhou Lin，et al.Analysis on a clod air wave by using QN mixed wind data and SWAN model[J].Meteorological，Hydrological and Marine Instruments，2013，9(3)：8-12．

[12] 姚琪，鄭崇偉，蘇勤，等.基于WAVEWATCHⅢ模式的一次冷空氣過程海浪場模擬研究[J].海洋預報，2013，30(2)：49-54．

Yao Qi，Zheng Chongwei，Su Qin，et al.Simulation of wave field in the China Sea by using WAVEWATCHⅢ wave model[J].Marine Forecasts，2013，30(2)：49-54．

[13] 周兆黎，楊顯宇.WAVEWATCHⅢ模式模擬南海冷空氣過程海浪場的有效性檢驗[J].熱帶海洋學報，2008，27(2)：1-6．

Zhou Zhaoli，Yang Xianyu.Numberical simulation of wave field in South China Sea using WAVEWATCHⅢ[J].Journal of Tropical Oceanography，2008，27(2)：1-6．

The ensemble wave forecast and test of cold air wave by using SWAN model in the Bohai Sea and the Yellow Sea

Wang Ya，nan1，Wang Qingyuan1，Liu Binxian1

(1.TianjinMeteorologicalObservatory，Tianjin300074，China)

In the paper，a wave forecast system is established by running the wave model SWAN (Simulating Waves Nearshore). The forcing wind field in this system is reconstructed by the 51 members of EC ensemble weather forecast system. Then，a case study of the cold air during December 2013 to February 2014 is conducted to analysis the features of wave effected by the cold air using this system. Furthermore，using buoys data，the system forecasts are verified and compared. The main results are as follows: for the view of hourly mean bias，in 24 h forecast period the performance of ensemble mean is similar to control forecast，in 48 to 72 h forecast period the performance of ensemble mean is better than control forecast. The forecast of ensemble mean and control forecast are smaller than the reality. In both periods，the performance of ensemble statistics (75%，90% and extreme value) is better than control forecast and especially better in the long period of validity. Meanwhile，the forecast of ensemble extreme value is equal to or slightly larger than the reality; for the view of 24 hourly mean bias，the products of ensemble statistics (75%，90% and extreme value) are closer to the reality than the ensemble mean and control forecast value. To sum up，the products of ensemble statistics (75%，90% and extreme value) have higher accuracy of cold wave field. Conclusions show this system can improve the forecast level of wave influenced on cold air and have a good prospect of application.

10.3969/j.issn.0253-4193.2015.09.002

2014-09-12；

2015-06-10。

國家公益行業(yè)(氣象)科研專項(GYHY201006034)。

王亞男(1982—),女,遼寧省綏中縣人,工程師，主要從事海上大風、海浪等預報和研究工作。E-mail:wang_ya_nan05@126.com

P731.33

A

0253-4193(2015)09-0010-07

王亞男，王慶元，劉彬賢. 黃、渤海冷空氣海浪場的集合預報試驗[J]. 海洋學報，2015，37(9):10-16，

Wang Ya，nan，Wang Qingyuan，Liu Binxian. The ensemble wave forecast and test of cold air wave by using SWAN model in the Bohai Sea and the Yellow Sea[J]. Haiyang Xuebao，2015，37(9):10-16，doi：10.3969/j.issn.0253-4193.2015.09.002