王滿，邊小勇，張旭東

（武漢科技大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院，武漢430065）

基于WRF模式的局地短期氣溫預(yù)測研究

王滿，邊小勇，張旭東

（武漢科技大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院，武漢430065）

利用WRF3.8模式，對工廠信息實時數(shù)據(jù)庫采集存儲的武漢局地24h氣溫數(shù)據(jù)，從初值、側(cè)邊界和物理過程優(yōu)選方案進(jìn)行氣溫預(yù)測研究，并利用實測資料進(jìn)行檢驗，驗證WRF模式在局地短期氣溫預(yù)測的能力。針對數(shù)值預(yù)報的“不確定性”問題，開展實時數(shù)據(jù)采集存儲、WRF優(yōu)選方案分析和基于WRF模式的局地短期氣溫預(yù)測方法。應(yīng)用結(jié)果表明，模式對局地短期氣溫預(yù)測效果較好，為基于多變量分析的指標(biāo)預(yù)測研究提供必要的參考。

PI實時數(shù)據(jù)庫；氣溫數(shù)據(jù)采集；WRF模式；數(shù)值模擬

0 引言

最近20～30年以來，隨著數(shù)值預(yù)報、資料同化技術(shù)和動力統(tǒng)計預(yù)報技術(shù)的發(fā)展，數(shù)值天氣預(yù)報取得了迅速的發(fā)展也涌現(xiàn)出了越來越多的應(yīng)用研究[1]。新一代中尺度預(yù)報模式WRF（Weather Research Forecast）具有區(qū)域精細(xì)化、高時空分辨率等特點，在暴雨、冰雹、濃霧、大風(fēng)雪、臺風(fēng)、霧霾等重大天氣過程和地質(zhì)災(zāi)害氣象預(yù)報系統(tǒng)中發(fā)揮日益重要的作用[2]。國內(nèi)外許多學(xué)者探討用數(shù)值模式來預(yù)測各類天氣系統(tǒng)和現(xiàn)象[3]。公穎等[4]采用WRFV3.3模式對東北地區(qū)4次大暴雨過程進(jìn)行預(yù)報及基于TS（Threat Score）評分和預(yù)報偏差的效果驗證，表明WRF對暴雨過程有較好的預(yù)報能力。盛春巖等[5]基于Hybrid-3DVar集合混合同化的WRF模式對“麥德姆”臺風(fēng)進(jìn)行了預(yù)報檢驗，研究指出選擇合適的WRF方案和同化系統(tǒng)可以改進(jìn)對臺風(fēng)的預(yù)報效果。陳俊文等[6]利用WRF中9種邊界層方案對南海大風(fēng)過程進(jìn)行預(yù)報，結(jié)果表明不同的邊界層方案對海區(qū)風(fēng)場的變化趨勢效果不一，所有方案對海陸交接的風(fēng)場模擬較差。袁有林等[7]通過應(yīng)用不同集合要素的擾動方案對暴雨過程的模擬研究指出，物理過程擾動、初值擾動和側(cè)邊界擾動對降水均有不同程度的影響，且多因子集合預(yù)報對降水預(yù)報有改善。王佳等[8]利用WRF模式優(yōu)選微物理過程和陸面過程方案對發(fā)生在滬寧高速公路大霧進(jìn)行模擬檢驗，發(fā)現(xiàn)WRF模式對平流霧模擬效果較好，對輻射霧模擬效果幾乎為零。程興宏等[9]比較了MM5和WRF模式提供的氣象場對華北地區(qū)S02和N02源同化反演效果及其質(zhì)量濃度預(yù)報的差異，認(rèn)為相對濕度和邊界層高度參數(shù)是影響CMAQ空氣質(zhì)量預(yù)報的關(guān)鍵氣象要素。此外，彭昱忠等[10]回顧和總結(jié)了常用數(shù)據(jù)挖掘方法在氣象預(yù)報中的應(yīng)用特點并指出數(shù)值天氣預(yù)報方法及其組合方法的必然趨勢。Li等[11]利用相對濕度、外部溫度變量計算出凈有效溫度并基于香港地區(qū)夏季氣候數(shù)據(jù)和天氣壓力因子預(yù)測酷暑高溫與死亡人數(shù)之間的關(guān)系，有一定的應(yīng)用價值。

盡管如此，數(shù)值模式預(yù)報水平仍受諸多不確定性因素的限制，例如，模式的邊界層參數(shù)化方案、陸面過程方案和初值誤差等。Lorenz[12]指出大氣的非線性特征在模式誤差累積中對模式預(yù)報能力的負(fù)面影響。在WRF模擬過程中，初值、側(cè)邊界條件和物理過程中的誤差如何產(chǎn)生影響？怎樣設(shè)計優(yōu)化的WRF模式能更好地提高局地氣溫預(yù)測準(zhǔn)確率？研究這類問題很有必要。本文采用WRF模式，通過PI實時數(shù)據(jù)庫對武漢局部地區(qū)的氣溫數(shù)據(jù)進(jìn)行采集存儲，從初值、側(cè)邊界和物理過程優(yōu)選方案進(jìn)行局地氣溫預(yù)測，并結(jié)合實測資料進(jìn)行檢驗分析。以期為提高數(shù)值模式對局地氣溫預(yù)測的模擬能力提供參考。

1 天氣預(yù)報方法

天氣預(yù)報就是應(yīng)用大氣變化的規(guī)律，根據(jù)當(dāng)前及近期的天氣形式，對某地區(qū)未來一定時期內(nèi)的天氣狀況進(jìn)行預(yù)測。它是根據(jù)對天氣衛(wèi)星圖分析，結(jié)合有關(guān)氣象資料、地形和季節(jié)特點、經(jīng)驗法則等綜合要素研究后作出的，目前主要分為統(tǒng)計學(xué)預(yù)報方法和數(shù)值預(yù)報方法。

（1）統(tǒng)計學(xué)方法

統(tǒng)計預(yù)報是通過對歷史資料進(jìn)行統(tǒng)計分析，找出預(yù)報量與已知量之間的關(guān)系，進(jìn)而歸納出預(yù)報模式而作出定量或定性預(yù)報方法。統(tǒng)計預(yù)報把概率論作為理論基礎(chǔ)，把預(yù)報對象看成隨機(jī)現(xiàn)象。因而統(tǒng)計預(yù)報的結(jié)論只是概率上達(dá)到某種可以置信的程度。以定量預(yù)報方法而言，涉及大氣平均狀態(tài)、大氣狀態(tài)異常、大氣狀態(tài)分布，以及極端天氣和氣候事件等概念，如表1所示。其中，變量數(shù)據(jù)為x，觀測值個數(shù)為n。

（2）數(shù)值預(yù)報方法

數(shù)值預(yù)報方法是以大氣運動的動力學(xué)和熱力學(xué)為基礎(chǔ)，應(yīng)用計算機(jī)數(shù)值計算的一種預(yù)報方法。它側(cè)重于大氣變化的物理過程的動力系統(tǒng)研究，建立描述系統(tǒng)變化的控制方程，也稱為動力學(xué)預(yù)報方法。數(shù)值預(yù)報的問題是由已知的初始時刻的大氣狀態(tài)做出未來時刻的氣象要素預(yù)報，優(yōu)點是預(yù)報的客觀化和定量化。

自1997年以來，美國多所科研機(jī)構(gòu)的科學(xué)家們共同研發(fā)了新一代中尺度預(yù)報方法——WRF模式，該模式集成了數(shù)值天氣預(yù)報、大氣模擬及數(shù)據(jù)同化系統(tǒng)。相對于MM5（Mesoscale Model5）模式，能夠改善區(qū)域中尺度天氣的模擬和預(yù)報。

（3）混合預(yù)報方法

將動力數(shù)值預(yù)報與統(tǒng)計方法相結(jié)合的預(yù)報方法做出氣象要素預(yù)報，這種方法稱為MOS（Model Output Statistics）方法，利用數(shù)值預(yù)報模式中輸出的各種動力統(tǒng)計量，建立與局地地面氣象要素統(tǒng)計關(guān)系模式進(jìn)行預(yù)報。該類方法出現(xiàn)較早且要求有大量樣本來建立統(tǒng)計方程。

為定量分析預(yù)報效果，可計算網(wǎng)格點的平均偏差MBE（Mean Bias Error）、均方根誤差 RMSE（RootMean-Square Error）、相關(guān)系數(shù) R（Correlation Coefficient）。計算公式如下：

式中，xi為每個時刻預(yù)測格點的氣象要素值，yi為每個時刻實況格點的氣象要素值，xˉ為每個時刻模式格點的氣象要素平均值，yˉ為每個時刻實況資料格點的氣象要素平均值。

進(jìn)一步根據(jù)氣象要素取值等級的劃分，還可以利用TS評分和預(yù)報偏差DEV進(jìn)行評估預(yù)報效果，具體為：

式（4）-（5）中，Na為預(yù)報時段在局地預(yù)報和實況氣象要素如溫度均出現(xiàn)在某一等級內(nèi)的模式格點數(shù)（檢測數(shù)），Nb為預(yù)報出現(xiàn)而實況未出現(xiàn)的模式格點數(shù)（虛警數(shù)），Nc為未預(yù)報而實況出現(xiàn)的模式格點數(shù)（漏報數(shù)），Nd為未預(yù)報且實況為出現(xiàn)的模式格點數(shù)。TS評分的值越大表明預(yù)報效果越好。

表1 大氣狀態(tài)定量預(yù)報描述

2 天氣數(shù)據(jù)采集與方法

2.1 數(shù)據(jù)采集與存儲

本文采用美國OSIsoft公司推出的PI（Plant Information）實時數(shù)據(jù)庫[13]采集存儲地面觀測數(shù)據(jù)，包括局地溫度、PM2.5、相對濕度等測量值，其技術(shù)架構(gòu)如圖1所示。首先，利用遠(yuǎn)程傳感器進(jìn)行實時數(shù)據(jù)采集，然后打包并通過RJ45網(wǎng)卡實時傳輸?shù)絇I服務(wù)器。由于PI具有永久高效存儲的能力，基于采集到的測量數(shù)據(jù)以及本地觀測資料的同化來實現(xiàn)對局地氣溫的預(yù)測分析。

圖1 基于PI的氣溫實時數(shù)據(jù)采集

表2給出了一組武漢局部地區(qū)冬天每隔10分鐘采集的室外溫度數(shù)據(jù)。

表2 氣溫數(shù)據(jù)實例

2.2 WRF模式設(shè)計

在建立溫度氣象模型時，需要設(shè)定WRF模式的參數(shù)化方案[14]，如嵌套網(wǎng)格的設(shè)計、微物理過程、區(qū)域分辨率、近地面層方案、長短波輻射方案、邊界層方案、積云參數(shù)化方案等。在此模型中，主要物理過程和參數(shù)化方案如表3所示。

3 區(qū)域短期氣溫預(yù)報模擬

表3 物理參數(shù)化方案

3.1 區(qū)域短期氣溫預(yù)報方案

基于上述討論，本文設(shè)計了如圖2所示的局地氣溫預(yù)測研究方案，其主要功能模塊為：

（1）天氣數(shù)據(jù)采集，利用專有傳感器進(jìn)行每間隔10min的天氣數(shù)據(jù)采集、處理，以及基于PI服務(wù)器的數(shù)據(jù)導(dǎo)入，完成批量天氣數(shù)據(jù)的采集和存儲；

（2）區(qū)域網(wǎng)格劃分，采用三層單項嵌套區(qū)域，最外層采用1min的地形數(shù)據(jù)。第二層采用2min地形數(shù)據(jù)，第三層采用30sec的地形數(shù)據(jù)，垂直方向上分為32層；

（3）邊界條件更新，利用從PI實時數(shù)據(jù)庫取出的真實的天氣數(shù)據(jù)，作為輸入，去更新WRF模式的邊界條件 wrfbd_d01，wrfinput_d01，wrfinput_d02和 wrfinput_d03，以此提高預(yù)測的準(zhǔn)確度；

（4）局地氣溫預(yù)測，利用更新的邊界條件，去生成預(yù)測結(jié)果，wrfout_d01_2017-01-01_00：00：00，

本文所提出的預(yù)報方法的特點在于：

（1）利用傳感器、PI接口自動采集和存儲不同密度的實時數(shù)據(jù)；

（2）提供不同時間尺度的氣象要素預(yù)報分析，易于擴(kuò)展；

（3）提供簡單有效的局地氣溫預(yù)測，輕量便捷。

3.2 結(jié)果分析

使用本實驗室采集的測試數(shù)據(jù)集。數(shù)據(jù)來自2016年11月～2017年2月，其中抽取2017年1月共1個月氣象場的各變量的每10min數(shù)據(jù)，將實時數(shù)據(jù)按照Little_R格式進(jìn)行本地同化，采用三層單項嵌套方案，然后基于上述物理參數(shù)化方案和同化系統(tǒng)作局地氣溫預(yù)測。針對初值的不確定性和物理過程的不確定性問題，本文采用表3所示的多種物理參數(shù)化方案來獲得較為穩(wěn)定的預(yù)測結(jié)果。實驗過程中使用GrADs（Grid Analysis and Display System）輔助設(shè)計嵌套網(wǎng)格和分辨率，如圖3所示。默認(rèn)為對d03網(wǎng)格內(nèi)的模擬結(jié)果進(jìn)行分析。

圖2 基于WRF模式的區(qū)域氣溫預(yù)報

圖3 模式嵌套網(wǎng)格

在完成上述設(shè)定后，生成邊界條件。將實時數(shù)據(jù)本地化嵌入為Little_R格式一起生成新的邊界條件，運行 WRF預(yù)測模塊獲得氣溫預(yù)報分布，如圖 4（a）-（b）分別為2017-01-01 00：00：00的數(shù)據(jù)模擬圖和模擬的地面10m處的壓強(qiáng)分布。

從測量站逐小時氣溫預(yù)測與實測時間分布可見（圖5），WRF模式可以預(yù)報該測量站在1日14時左右的1個氣溫峰值和2日0點左右氣溫波谷的先降再升的趨勢，該趨勢圖預(yù)報值與實測值基本吻合，只有局部時間點出現(xiàn)一些細(xì)微的差別，總體來說對氣溫預(yù)報的

圖4

圖5 2017年1月1日-2日武漢局地氣溫實測與WRF模式預(yù)報24小時溫度對比

為進(jìn)一步分析所提出的模型，本文計算了站點在2017年1月1日-2日24h的TS評分，空間相關(guān)系數(shù)R，預(yù)報偏差和漏報率，如圖6所示。

通過對連續(xù)幾次24h的局地氣溫預(yù)測結(jié)果的分析來看，模式對局地區(qū)域性、持續(xù)時間長的中低溫天氣過程預(yù)報能力較好，這也說明模式預(yù)報氣溫在一定程度上可應(yīng)用到極端天氣預(yù)警服務(wù)中。

圖6 武漢局地2017年1月1日-2日11時氣溫等級TS評分、預(yù)報偏差和漏報率

4 結(jié)語

作為新一代中尺度數(shù)值預(yù)報動力框架，WRF模式在中小尺度降水預(yù)報、風(fēng)場、溫度等氣象要素預(yù)報，以及海面大風(fēng)、濃霧等天氣潛勢預(yù)報，甚至在空氣質(zhì)量預(yù)報中都具有較好的性能，因此WRF在天氣預(yù)報領(lǐng)域有較重要的使用和研究價值。本文提出了基于WRF模式的局地短期氣溫預(yù)測并做了檢驗驗證，結(jié)果表明WRF模式能夠獲得較好的氣溫預(yù)報效果，但是在多參數(shù)化方案和初值側(cè)邊界條件的不確定性問題方面值得進(jìn)一步研究。另外，WRF模式可與其他多種模式進(jìn)行集成，進(jìn)行更加合理而有效的氣象研究與預(yù)報應(yīng)用。將WRF進(jìn)一步運用到多變量分析的指標(biāo)預(yù)測研究中，實現(xiàn)工業(yè)領(lǐng)域基于多個關(guān)鍵變量的指標(biāo)預(yù)測及其應(yīng)用拓展。

[1]杜鈞，錢維宏.天氣預(yù)報的三次躍進(jìn)[J].氣象科技進(jìn)展，2014，4（6）：13-26.

[2]Skamarock W.C.,Klemp J.B.,Dudhia J.,etal.A Description ofthe Advanced Research WRF Version 3[Z].Ncar Technical Note,NCAR/TN-475+STR,2008.

[3]王曉君，馬浩.新一代中尺度預(yù)報模式（WRF）國內(nèi)應(yīng)用進(jìn)展[J].地球科學(xué)進(jìn)展，2011，26（11）：1191-1199.

[4]公穎，周小珊，楊森，等.2012年東北地區(qū)重大天氣過程wRF模式預(yù)報效果檢驗[J].氣象與環(huán)境學(xué)報，2015，31（6）：27-33.

[5]盛春巖，范蘇丹，劉詩軍，夏凡，榮艷敏.山東WRF集合預(yù)報系統(tǒng)對“麥德姆”臺風(fēng)預(yù)報檢驗[J].山東氣象，2016,145（36）：1-7.[6]陳俊文，蔡揚，白毅平，林文實.南海冬季一次海面大風(fēng)天氣的WRF模式預(yù)報檢驗[J].海洋預(yù)報，2014，31（4）：32-40.

[7]袁有林，楊必華，周宏，等.WRF模式不同集合預(yù)報方案對一次大范圍暴雨過程的模擬研究[J].干旱氣象，2016，34（6）：1027-2036.

[8]王佳，郭根華，嚴(yán)明良，繆啟龍.WRF模式對滬寧高速公路濃霧的模擬與檢驗研究[J].熱帶氣象學(xué)報，2014，30（2）：377-381．

[9]程興宏，徐祥德，丁國安，等.MM5/WRF氣象場模擬差異對CMAQ空氣質(zhì)量預(yù)報效果的影響[J].環(huán)境科學(xué)研究，2009,22（12）：1411-1419

[10]彭昱忠，王謙，元昌安，等.數(shù)據(jù)挖掘技術(shù)在氣象預(yù)報研究中的應(yīng)用[J].干旱氣象，2015，33（1）：19-27.

[11]P.W.Liand S.T.Chan.Application ofa Weather Stress Index for Alerting the Public to StressfulWeatherin Hong Kong[J].Meteorol.Appl.7,369-375,2000.

[12]Lorenz E.N..The Essence ofChaos[M].Seattle：University ofWashington press,1993.

[13]邊小勇，張曉龍，余海，基于工廠信息的實時數(shù)據(jù)流分析與全過程質(zhì)量監(jiān)控[J].計算機(jī)應(yīng)用，第32卷，第10期,頁碼：2935-2939，2012

[14]NationalCenterfor Atmospheric Research（NCAR）,WRF User Support[DB/OL].2008,http：//wrf-model.org/users/users.php.

王滿（1991-），男，湖北人，本科，研究方向為數(shù)據(jù)仿真

邊小勇（1976-），男，江西人，博士，副教授，研究方向為圖像處理和數(shù)據(jù)分析

張旭東（1991-），男，湖北人，學(xué)士，研究方向為數(shù)據(jù)分析

Research on LocalRegion Short-Term Temperature Prediction Based on WRF Model

WANG Man，BIAN Xiao-yong，ZHANG Xu-dong
（Schoolof Computer Science and Technology,Wuhan University of Science and Technology,Wuhan 430065）

Temperature forecast research in Wuhan,where data are collected and extracted from plant information real-time database(PI),is performed using the WRF(version 3.8)model,meanwhile based on the initial value,the lateral boundary and physical process optimization scheme.Further,the verification is checked to testits ability in localregion short-term temperature prediction.As for the uncertainty question in numericalforecasting,a method including real-time data acquisition and storage,proposes WRF optimization scheme analysis and local region short-term temperature prediction based on WRF model.The results show that the model has better effect on local region short-term temperature prediction and provides the necessary reference for multivariate-based index prediction.

PlantInformation Real-Time Database;Outdoor-Temperature Data Acquisition;WRF（Weather Research Forecast）Model;Numeric Simulation

湖北省省級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（No.201410488039）

1007-1423（2017）30-0006-06

10.3969/j.issn.1007-1423.2017.30.002

2017-08-21

2017-10-10