曾曉青 薛 峰 姚 莉 趙聲蓉

(國家氣象中心， 北京 100081)

引 言

隨著互聯(lián)網的快速發(fā)展，移動互聯(lián)網已融入人們的工作和生活中。人們可以利用智能手機中的天氣APP(application，應用程序)方便地查詢所需天氣狀況和信息，及時定制或調整未來活動計劃。其中，風的預報是精細化預報產品的重要組成部分，也是政府和公眾重點關注的預報要素之一。2022年北京冬季奧運會(簡稱冬奧會)臨近，風的預報結果對室外奧運比賽至關重要，大風天氣容易導致冬奧會多項賽事受到影響，如2018年2月14日白天韓國江原道地區(qū)出現平均風速為10 m·s-1的大風，給平昌冬奧會的賽事運營帶來了極大不便。如果能為各機構和公眾提供及時準確的風場預報，將會降低災害風險和損失，提升服務體驗，讓全社會受益。

為了更好地滿足社會需求和完善氣象預報產品結構，同時推進精細化氣象格點預報業(yè)務與技術的發(fā)展，將對模式風預報產品釋用技術進行研究。數值模式[1]發(fā)展至今，系統(tǒng)誤差依然存在[2-3]。由于地形的復雜性，數值模式的近地面風場預報效果與實況還有很大差距。數值模式預報結果訂正能很好解決部分預報誤差問題[4-5]。陳豫英等[6]基于聚類天氣分型的KNN(k-nearest neighbor)方法對風的預報進行改進。曾曉青等[7]基于T639模式資料對北京地區(qū)20個站點進行風向、風速的MOS研究表明，采用緯向風、經向風建模的風向預報較直接對風向的建模效果更佳。王彬濱等[8]提出一種諧波分析與人工神經網絡相結合的24 h短期風速數值預報的訂正方法，訂正試驗結果表明：訂正后的風速預報的系統(tǒng)性偏差下降明顯。石嵐等[9]對與風速相關度高的風機區(qū)域進行劃分后，引入測風塔的觀測產品進行風場訂正，對于提高風電場風速預報及功率預測精度和準確率具有很好作用。姚日升等[10]通過模糊分型后，選取有代表性的站點建立回歸模型，進行風速訂正，有一定效果。胡海川等[11]采用歐洲中期天氣預報中心(European Center for Medium-Range Weather Forecasts,簡稱ECMWF)3年集合預報產品以及沿海88個站點觀測，基于預報眾數的方法訂正后的6～7級、8～9級風速偏小的誤差及TS評分有明顯改進，其中72～120 h預報時效的8～9級風速預報的TS評分由0.04增至0.44，能夠有效提高中長期時效大量級風速的預報能力。

從以往的研究中可以看到，數值模式的風速預報結果訂正后誤差會有所減小，大部分研究僅關注風速預報，同時訂正風速和風向的研究報道較少，同時過去的研究都是將模式預報產品插值到站點上與同時刻站點實況建立統(tǒng)計關系進行站點訂正預報。隨著格點化預報業(yè)務的發(fā)展，每日兩次的站點預報在空間和時間精度上已遠遠不能滿足業(yè)務需求。國內高分辨率、高頻次的格點觀測融合資料產品已經出現。為了將格點觀測融合產品及時對預報結果進行修訂，獲得精確度更高的格點預報產品，研究將使用高頻次格點實況融合產品，采用不同的誤差訂正方案，對ECMWF 10 m風預報產品進行訂正預報試驗，并對訂正前后的風場進行檢驗，找出最優(yōu)訂正方案。

1 資料和訂正方案

1.1 資 料

10 m風格點預報產品采用ECMWF細網格資料(簡稱為EC)，模式起報時間是08:00(北京時，下同)，資料覆蓋0～60°N，70°～140°E，時間分辨率為3 h，預報時效0～48 h，空間分辨率為0.125°×0.125°。10 m風格點實況資料(grid observation,簡稱GOBS)采用國家氣象信息中心HRCLDAS(High Resolution China Meteorological Administration Land Data Assimilation System)業(yè)務系統(tǒng)產生的多元融合產品[12-14]，覆蓋0～60°N，70°～140°E，時間分辨率為1 h，空間分辨為0.05°×0.05°。1 h的10 m風站點觀測資料來自2400個國家級地面氣象觀測站。研究中的訂正場空間分辨率為0.05°×0.05°，需要先用雙線性插值方法將ECMWF風預報產品插值為0.05°×0.05°網格(direct model output,簡稱DMO)。所有資料均取自2017年1月1日—9月30日。

1.2 訂正方案

目前主要的模式釋用技術都是基于經典MOS(model output statistics)訂正思想[15-16]，在數值模式未達到完美、計算機速度還有待提高時，該方法能讓模式預報效果變得更加準確和有效，業(yè)務自動化率大幅提升，減少了預報員工作量。基于MOS思想的細網格風預報產品訂正將使用DMO與GOBS進行逐格點建模，根據模型對未來24 h的風場進行預報。為了消除模型預報結果中的系統(tǒng)誤差，得到誤差更小、準確率更高的預報產品，將利用最新實況資料作為因子融入預報模型，建立多因子格點預報模型進行訂正預報。研究中使用8種訂正方案對ECMWF風預報產品進行訂正，具體訂正方案如下。

方案1(簡單誤差訂正)：模式風預報產品存在系統(tǒng)性誤差，為消除這些系統(tǒng)性誤差，根據式(1)求出t時刻格點實況與DMO每個格點誤差Et，用簡單的誤差訂正方案將誤差訂正到t+n(n=1 h,2 h,…，24 h)時刻的DMO(式(2))，得到最終訂正場。

方案2(加權誤差訂正)：由于誤差Et對最臨近的預報影響最大，隨著預報時效的延長，影響可能會減弱，需要用權重來調節(jié)，將權重調節(jié)的誤差訂正到t+n時刻的DMO(式(3))，得到最終訂正場。權重是根據過去31 d[17]預報檢驗進行人工調整得到的固定權重。

方案3(回歸誤差訂正)：由于很多格點誤差變化很大，單一的權重方案訂正效果可能有限，采用最小二乘回歸的思路對t時刻的誤差與t+n時刻的預報誤差建模(式(4))，得到權重系數(b0，b1) 樣本時間段為過去31 d。即誤差的全格點回歸建模，根據模型回報得到訂正場。

方案1，2，3都是基于實況的誤差訂正方案，預報對象與預報因子之間非同時刻。而使用ECMWF同時刻的風預報產品作為因子，根據式(5)建模，即方案4(MOS訂正)。由于t時刻的實況與t+n時刻的DMO都對訂正結果產生影響，那么將t時刻的實況與t+n時刻的DMO作為預報因子，根據式(6)建模預報后得到最終的訂正預報結果，即方案5(雙因子MOS訂正)。

方案6(滾動誤差訂正)、方案7(滾動MOS訂正)、方案8(雙因子滾動MOS訂正)分別與方案3，4，5相對應，模型公式采用式(4)、式(5)、式(6)。方案3，4，5中的模型建立完成后，模型不隨時間而變化，因子選擇和建模方法都完全一致，區(qū)別是方案6，7，8中的模型是隨預報日期滑動建模，即建模樣本(31 d)隨預報時間滑動選擇，這樣模型變?yōu)閯討B(tài)模型。以上8種訂正方案對比見表1。

Et=Ot-Yt，

(1)

(2)

(3)

(4)

(5)

(6)

由于風是矢量，研究中使用兩種風場建模方案，方案A針對風速建模(WS模型)，風速模型中使用風速Yt+n和誤差Et作為因子。方案B針對緯向風(u)和經向風(v)分別建模(UV模型)，使用緯向風Yt+n和經向風Yt+n與實況的u和v誤差Et作為因子，得到u和v的訂正結果后，再將u和v轉換為風速和風向。兩個方案產生了兩種風速訂正結果和一種風向訂正結果，研究中風速模型采用方案A，風向模型采用方案B。

表1 8種訂正方案對比Table 1 Comparison of eight correction methods

檢驗方法采用平均絕對偏差(EMA)和準確率(A):

(7)

(8)

其中，m是總樣本量，h是絕對偏差在規(guī)定范圍內的樣本量，EMA是m個預報樣本與實況樣本的平均絕對偏差，A是m個樣本絕對偏差在風速2 m·s-1或風向22.5°以內的準確率。同時，A也是風速在0～1 m·s-1，1.1～2 m·s-1，2.1～4 m·s-1，4.1～8 m·s-1，8.1～12 m·s-1等范圍和風向在0°～22.5°,22.6°～45°,45.1°～90°, 90.1°～135°,135.1°～180°等范圍的頻率統(tǒng)計結果。

2 試驗與分析

預報由兩個試驗組成，全面測試風場訂正的效果。試驗1選擇2017年1月1—31日作為模型樣本，以2017年2月1—28日作為預報樣本；試驗2選擇2017年6月1—30日作為模型樣本，以2017年7月1—31日作為預報樣本。方案6、方案7、方案8的模型樣本為預報日期前31 d的滑動樣本。方案2中的權重采用過去31 d預報結果的平均EMA檢驗為標準，通過人工調整權重直到EMA不再減小，調整后的權重為0.98,0.90,0.8,0.7,0.6,0.6,0.7,0.8，不同起報時間略有調整(不影響趨勢)。業(yè)務中EC在08:00后4～5 h可以獲得，6 h之后的預報產品才真正有實際預報作用，15 h后20:00的新預報產品產生，因此，針對08:00后6 h(14:00)，12 h(20:00)分別進行未來24 h(間隔3 h)的訂正預報研究將更有意義。

圖1和圖2是試驗1和試驗2中8種訂正場的平均絕對偏差檢驗對比，圖3是試驗2中8種訂正場的平均準確率檢驗對比，圖4是試驗2中8種訂正場的3 h預報絕對偏差頻率分布。從兩次試驗看，DMO風速絕對偏差為0.81～1.2 m·s-1，風向絕對偏差為26°～35°，方案1～8 3 h風速預報絕對偏差為0.5～0.65 m·s-1，平均訂正幅度為42%，風向絕對偏差為14°～23°，平均訂正幅度為40%。

圖3中，DMO的風速準確率在0.89以下，第24小時預報準確率減小到0.82，8種方案中，3 h風速準確率最高是方案8的0.97和0.95，最低是方案1的0.94和0.91。方案1在3 h預報之后的準確率出現了負技巧。圖3中UV模型14：00起報的DMO的3 h風向預報準確率最高0.81，最低減小到0.73附近。圖4中14:00起報的DMO風速絕對偏差為0～1 m·s-1,1.1～2 m·s-1,2.1～4 m·s-1的頻率為0.71，0.18，0.09。方案1～8的風速絕對偏差為0～1 m·s-1的頻率從0.78增加到0.84,1～2 m·s-1的頻率從0.16減小到0.126，2.1～4 m·s-1的頻率從0.056減小到0.028。4.1～8 m·s-1,8.1～12 m·s-1的頻率同樣減小。DMO風向絕對偏差為0°～22.5°,22.6°～45°,45.1°～90°的頻率為0.66，0.14，0.11。對于UV模型，方案1～8的風向絕對偏差在0°～22.5°的頻率從0.73增加到0.76，22.6°～45°和45.1°～90°的絕對偏差頻率分別從0.125 減小到0.117，0.085減小到0.07。其他范圍頻率也同樣減小。但是方案4和方案7的風速為0～1 m·s-1和風向為0°～22.5°的絕對偏差頻率比其他方案增幅小，同時其他區(qū)間絕對偏差頻率降幅也比其他方案小，UV模型20：00起報結果也保持了同樣的變化趨勢。是由于方案4和方案7建模和預報中未使用實況因子。

圖1 試驗1中8種訂正場的平均絕對偏差檢驗對比Fig.1 Comparison of mean absolute error for 8 corrected results in Test 1

圖2 試驗2中8種訂正場的平均絕對偏差檢驗對比Fig.2 Comparison of mean absolute error for 8 corrected results in Test 2

續(xù)圖2

圖3 試驗2中8種訂正場的平均準確率對比Fig.3 Comparison of average hit rate for 8 corrected results in Test 2

圖4 試驗2中8種方案3 h預報訂正場格點絕對偏差頻率分布Fig.4 The grid absolute error frequency of 8 methods for 3 h forecast corrected filed in Test 2

所有方案對3 h預報結果都取得了正技巧訂正效果。隨著預報時效增加，方案1的絕對偏差快速增加，6 h后預報絕對偏差已超過DMO，準確率低于DMO，說明直接的誤差訂正在前6 h效果明顯。而方案2能將風速、風向的誤差訂正效果均控制在DMO的絕對偏差之下?？梢钥吹?，根據檢驗得到的權重有很好的控制誤差增長的效果。方案3和方案6是方案2的升級，從兩個試驗看，方案3和方案6無論在風速和風向上都比方案2的絕對偏差明顯減小。在前6 h預報中，方案4和方案7預報效果較方案3和方案6效果差，方案3和方案6的風速絕對偏差比方案4和方案7的絕對偏差平均偏小0.1 m·s-1，方案3和方案6的風向絕對偏差比方案4和方案7的平均偏小4.5°。但在9 h以后，方案4和方案7的風速、風向絕對偏差比方案3和方案6的絕對偏差減小明顯，風速絕對偏差平均減小0.07 m·s-1，風向絕對偏差平均減小1.1°。方案5和方案8使用了同時刻的模式和初始時刻的格點實況作為因子，風速、風向的絕對偏差優(yōu)于上述方案，而方案8的效果更勝一籌。

圖5是試驗2中8種訂正場和DMO的3 h風速預報絕對偏差分布(14:00起報，WS模型)，中國區(qū)域DMO的絕對偏差大值區(qū)(2～8 m·s-1)主要分布在新疆南部和東部地區(qū)(與蒙古交界地區(qū))、甘肅河西走廊和內蒙古地區(qū)，湖南、湖北以及遼寧和黑龍江地區(qū)也有分散的絕對偏差大值區(qū)，如果考慮1～2 m·s-1的絕對偏差，除四川南部和云南中西部外，誤差幾乎覆蓋整個中國，經過方案1～8訂正后，風速誤差都有很大程度的減小，特別是方案8，華南、華東、華北大部分地區(qū)的風速訂正后的誤差基本在1 m·s-1以下，但青藏高原、新疆中部和內蒙古地區(qū)仍有1～3 m·s-1的絕對偏差。風向訂正的效果不如風速訂正的效果明顯(圖略)，訂正后，中國區(qū)域風向平均絕對偏差有不同程度的減小，但絕對偏差大值區(qū)域22.6°～135°依然存在較大面積。

從兩個試驗的格點檢驗結果看，使用最新實況作為因子，對3～6 h預報效果有明顯改進，在所有方案中方案8的效果最好。方案8和方案5在所有預報時次的效果都優(yōu)于其他方案，方案4和方案7的3 h預報較方案3和方案6效果差，6 h后預報方案4和方案7效果明顯好于方案3和方案6，方案2比方案1有明顯優(yōu)勢，誤差始終低于DMO誤差。試驗2的絕對偏差總體上要高于試驗1，這是因為7月為汛期，天氣過程頻發(fā)，所以預報難度要高于2月。

圖5 試驗2中8種方案的3 h預報訂正場和DMO的風速絕對偏差分布(14:00起報，WS模型)Fig.5 The absolute error of 3 h forecast wind speed grid field in Test 2 (forecast started at 1400 BT,WS Model)

為了更好地與實況進行對比，將格點訂正結果雙線性插值到2400個站點上。圖6和圖7是試驗1和試驗2中8種訂正結果的站點平均絕對偏差檢驗對比，圖8是試驗2中8種訂正結果的站點平均準確率檢驗對比圖，圖9是試驗2中8種訂正場的站點3 h預報絕對偏差頻率分布圖。試驗1和試驗2的GOBS風速8個時次平均絕對偏差為0.77 m·s-1和0.85 m·s-1，風向平均絕對偏差為26°和29°，試驗2中GOBS風速2 m·s-1的平均準確率為0.91，風向0°～22.5°的準確率平均為0.61。實況格點插值到站點后比站點觀測的誤差小，說明實況格點產品比較可靠。兩個試驗中，DMO的風速8個時次平均絕對偏差為1.23 m·s-1和1.25 m·s-1，風向絕對偏差平均為50°和55°，風速2 m·s-1的平均準確率為0.80。0°～22.5°風向的準確率平均是0.33°。使用方案1訂正后，風速和風向的絕對偏差反而增加，準確率降低，整體效果較DMO差，出現了負技巧。方案2能很好地避免方案1的缺陷，其訂正效果出現正技巧，風速平均絕對偏差比DMO平均降低，但是風向的訂正效果不理想，依然是負技巧。方案3和方案6的預報效果幾乎是一致的。圖6中，使用WS模型，14：00起報的方案3和方案6的3～18 h風速絕對偏差均低于DMO，其他時效高于DMO；20：00起報的3～12 h的風速絕對偏差均低于DMO，其他時效均高于DMO?；赨V模型的結果看，方案3和方案6的3～24 h預報風速絕對偏差都低于DMO,風向絕對偏差與DMO基本一致，沒有正技巧。

由圖6～8可知，方案4～8在兩個試驗中使用WS模型的站點預報效果基本一致，風速24 h平均絕對偏差為1.06 m·s-1，平均準確率為0.86；使用UV模型的風向訂正結果比DMO有小幅度提升，24 h平均絕對偏差為48°，僅比DMO平均提高2°。使用UV模型的風速預報訂正結果在不同時次的站點效果不同，使用UV模型進行風速訂正后的站點結果沒有使用WS模型的訂正效果穩(wěn)定。由圖9也可以看到，格點實況插值風速在0～1 m·s-1的頻率最高，平均為0.6～0.74，DMO為0.49～0.52，訂正后，方案4、方案5、方案7、方案8的0～1 m·s-1絕對偏差頻率增加，2.1～4 m·s-1和4.1～8 m·s-1的絕對偏差頻率降低。采用UV模型的風速絕對偏差頻率提升幅度不大，誤差大的風速沒有得到有效訂正。

從兩個試驗的站點檢驗結果看，格點實況產品較可靠，插值到站點的誤差最小，準確率最高。方案1的訂正效果最差，除部分3 h預報時效外基本上都會對原始DMO結果造成負效果。方案2的訂正效果比方案1有較大改進，誤差保持在DMO誤差附近，但沒有正技巧，失去了訂正的意義。方案3和方案6在大部分時效的訂正效果有較大改進，比DMO誤差減小很多，但依然出現負訂正現象。從方案4、方案5、方案7、方案8的站點檢驗結果看，其訂正效果基本一致，方案7和方案8略微有優(yōu)勢。站點的風向訂正效果不是很明顯，訂正難度比較大，另外使用UV模型進行風速訂正后的站點結果較使用WS模型訂正效果差，穩(wěn)定性也不好。由于風的局地效應，雖然使用了5 km的格點實況，但DMO格點預報插值結果與訂正后的插值結果依然與站點實況有一定差距。

圖6 試驗1中8種訂正結果的站點平均絕對偏差檢驗對比Fig.6 Comparison of site average absolute error for 8 corrected results in Test 1

圖7 試驗2中8種訂正結果的站點平均絕對偏差檢驗對比Fig.7 Comparison of site average absolute error for 8 corrected results in Test 2

圖8 試驗2中8種訂正結果的站點平均準確率檢驗對比Fig.8 Comparison of site average hit rate for 8 corrected results in Test 2

續(xù)圖8

圖9 試驗2中8種方案3 h預報訂正場的站點絕對偏差頻率分布Fig.9 The site absolute error frequency of 8 methods for 3 h forecast corrected field in Test 2

3 結論與討論

研究使用國家氣象信息中心HRCLDAS業(yè)務系統(tǒng)產生的高頻次格點風場融合產品作為實況資料，采用8種誤差訂正方案，對ECMWF10 m 風預報產品進行訂正試驗，試驗選擇2017年1月1日—2月28日以及2017年6月1日—7月31日兩個時間段進行模擬，并對訂正前后的結果進行檢驗分析，得到以下主要結論：

1) 從格點檢驗結果看，使用最新實況作為因子，對3～6 h的預報效果有明顯改進，方案8訂正效果最好，方案5次之。從訂正場絕對偏差空間分布看，方案8訂正后，華南、華東、華北大部分地區(qū)的風速誤差基本低于1 m·s-1，特別是誤差大值區(qū)明顯改善，同時風向誤差也有所減小，但青藏高原、新疆中部和內蒙古地區(qū)仍有部分1～3 m·s-1的絕對偏差。

2) 從站點檢驗結果看，格點實況插值到站點的風速、風向誤差最小，準確率最高。對于風速，方案1的訂正效果最差，方案2的訂正效果較方案1有較大改進，方案3和方案6在大部分時效具有訂正正技巧。方案4、方案5、方案7、方案8的訂正效果基本一致，方案7和方案8略有優(yōu)勢。方案8同樣為最優(yōu)。對于風向，站點訂正效果有一定提高，但提高幅度不大。

3) 總體上，基于模式和實況因子的全格點滑動建模(方案8)訂正效果最優(yōu)。試驗2的誤差總體上高于試驗1，主要原因是7月為汛期，天氣過程頻發(fā)，風場變化頻繁，預報難度高于2月。

由于風的局地效應，訂正場插值到站點后依然與站點實況有一定差距，如果開展站點和格點預報結果融合技術,會取得更好的格點站點一體化預報效果。