亢興，梅杰，王華

（國家海洋局東海預(yù)報中心，上海 200136）

1 引言

大風(fēng)（風(fēng)速≥10.8 m/s）是江蘇沿海常見的氣象災(zāi)害之一[1]。大風(fēng)除了直接影響航運、漁業(yè)生產(chǎn)和近海養(yǎng)殖外，還可能誘發(fā)“激流怪潮”[2]，給從事灘涂養(yǎng)殖的人民群眾帶來生命威脅[3]，因此，開展大風(fēng)預(yù)報工作十分必要。

江蘇沿海大風(fēng)主要由冷空氣、黃海氣旋和臺風(fēng)等天氣系統(tǒng)引起，其中冷空氣占比近50%，黃海氣旋約17%，臺風(fēng)約5%[1，4-5]。提高大風(fēng)風(fēng)速的閾值后，臺風(fēng)在大風(fēng)天數(shù)中的占比顯著提升[6]。

在大風(fēng)預(yù)報工作中，最大風(fēng)速和極大風(fēng)速的預(yù)報難度最大，其危害也最強。在目前的觀測中，極大風(fēng)速較難獲得，例如蘇北淺灘海域僅有近岸站點有日極大風(fēng)速觀測記錄。前人在最大風(fēng)速和極大風(fēng)速預(yù)報方面做了多方面探索。陳錦冠等[7]通過評估氣象站的10 min 平均最大風(fēng)速與極大風(fēng)速，發(fā)現(xiàn)兩者具有較好的近似線性的相關(guān)關(guān)系。胡波等[8]基于神經(jīng)網(wǎng)絡(luò)方法，將平均風(fēng)速作為輸入因子預(yù)報浙江沿海的極大風(fēng)速，平均準(zhǔn)確率達(dá)到了70%。隨著數(shù)值預(yù)報穩(wěn)定性和精確性的提升，其產(chǎn)品也被應(yīng)用于極大風(fēng)速的預(yù)報。涂小萍等[9]使用K 最鄰近分類算法對歐洲中期天氣預(yù)報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的數(shù)值預(yù)報產(chǎn)品分析場進(jìn)行分型，預(yù)報了11 月至次年3 月近海最大風(fēng)速，取得較好效果。朱智慧等[10]使用實測數(shù)據(jù)和數(shù)值預(yù)報產(chǎn)品建立了上海沿海極大風(fēng)速的客觀預(yù)報方程，預(yù)報評分達(dá)到74 分以上，預(yù)報效果比較理想。此外，BP神經(jīng)網(wǎng)絡(luò)法和最小二乘法等方法也被應(yīng)用于極大風(fēng)速預(yù)報訂正中，提升了預(yù)報精度[11-12]。

依托海洋公益性行業(yè)科研專項（蘇北淺灘‘怪潮’災(zāi)害監(jiān)測預(yù)警關(guān)鍵技術(shù)研究及示范應(yīng)用），國家海洋局東海預(yù)報中心在蘇北淺灘海域建立了多個測站，基于數(shù)值預(yù)報和人工研判提供日常預(yù)警報，但是在最大風(fēng)速和極大風(fēng)速預(yù)報方面仍有欠缺。本文將利用蘇北淺灘海域2018—2020 年的日常觀測和預(yù)報產(chǎn)品，通過一元回歸統(tǒng)計方法，開展最大風(fēng)速和極大風(fēng)速的推算研究。

2 實測數(shù)據(jù)與方法

2.1 數(shù)據(jù)

（1）蘇北淺灘海域?qū)崪y數(shù)據(jù)。測站包括大豐港（120.81°E，33.29°N）、呂四（121.61°E，32.13°N）、洋口港（121.42°E，32.51°N）、火星沙（121.58°E，32.43°N）和竹根沙（121.39°E，32.82°N）。數(shù)據(jù)長度是2018年1月1日—2020年12月31日，其中呂四站在2020年9月1日后缺測。觀測要素包括逐時的平均風(fēng)速和最大風(fēng)速以及日最大風(fēng)速和極大風(fēng)速。最大風(fēng)速是從每日觀測數(shù)據(jù)記錄的10 min 平均風(fēng)速中挑出對應(yīng)時段的最大風(fēng)速，極大風(fēng)速是從每日觀測數(shù)據(jù)記錄的3 s 平均風(fēng)速中挑出對應(yīng)時段的最大風(fēng)速[13]。本文使用2018 年和2019 年的數(shù)據(jù)用于建立客觀預(yù)報方程，2020年數(shù)據(jù)用于預(yù)報檢驗。

（2）蘇北淺灘海域預(yù)報數(shù)據(jù)。數(shù)據(jù)來自東海預(yù)報中心業(yè)務(wù)化運行氣象預(yù)報系統(tǒng)的24 h 預(yù)報產(chǎn)品，時間序列與實測相同。該系統(tǒng)基于中尺度氣象模式（Weather Research and Forecast Model，WRF）建立，使用全球預(yù)報系統(tǒng)（Global Forecast System，GFS）每日20 時（北京時，下同）的初始場開展預(yù)報，空間分辨率為3 km，時間分辨率為1 h。本文采用最近點原則從模式預(yù)報數(shù)據(jù)中提取與實測站點相應(yīng)位置的預(yù)報數(shù)據(jù)。

2.2 方法

整理觀測和預(yù)報數(shù)據(jù)，剔除有誤記錄后，提取蘇北淺灘海域各測站2018—2019年的大風(fēng)記錄，即逐時平均風(fēng)速≥10.8 m/s。樣本數(shù)及相關(guān)系數(shù)見表1，各站相關(guān)系數(shù)均通過了顯著性檢驗，顯著性水平為1%（樣本數(shù)≥622，檢驗臨界值t0.01=0.10；樣本數(shù)≥135，t0.01=0.22，下文均采用顯著性水平為1%的顯著性檢驗）。表1可見在大風(fēng)條件下，逐時平均風(fēng)速與最大風(fēng)速以及日最大風(fēng)速和極大風(fēng)速之間都有非常好的相關(guān)關(guān)系。因此，確立本文的思路是通過逐時平均風(fēng)速推算最大風(fēng)速，再通過日最大風(fēng)速推算日極大風(fēng)速。設(shè)y為推算結(jié)果，x為因子，建立y和x的一元n次回歸方程：

表1 蘇北淺灘海域各測站風(fēng)速相關(guān)性分析Tab.1 Correlation analysis of wind speed at different stations in northern Jiangsu shoal

2.3 評分方法

目前，檢驗風(fēng)速預(yù)報精度，普遍采用預(yù)報風(fēng)速和實際風(fēng)速之差的絕對值Δv作為評分標(biāo)準(zhǔn)（Vs）[7-8]。評分方法為：當(dāng)Δv≤1 m/s，Vs為100分；1＜Δv≤2 m/s，Vs為80 分；2＜Δv≤3 m/s，Vs為60 分；3＜Δv≤4 m/s，Vs為50 分；Δv＞4 m/s，Vs為0 分，最后按照絕對誤差占各項的比例計算預(yù)報的合計得分。

3 預(yù)報檢驗

在實際預(yù)報工作中，通過數(shù)值預(yù)報可以獲取目標(biāo)海域的未來風(fēng)況。最大風(fēng)速和極大風(fēng)速的推算基于數(shù)值預(yù)報產(chǎn)品開展，因此需要首先檢驗預(yù)報精度。本文使用2018—2019 年預(yù)報和實測逐時風(fēng)速（轉(zhuǎn)換到10 m 高度）進(jìn)行精度檢驗。表2 為24 h 風(fēng)速預(yù)報誤差綜合分析結(jié)果，各測站相關(guān)系數(shù)在0.65～0.72之間，都通過了顯著性檢驗；各站預(yù)報平均絕對誤差在1.66～2.08 m/s 之間，大豐港、呂四和火星沙平均絕對誤差小于2 m/s；各站|Δv|≤2 m/s 的比例在55%～72%之間，大豐港比例最高；|Δv|>4 m/s 的比例在7%～13%，洋口港比例最高；各站預(yù)報評分在69～78 分。綜上，數(shù)值預(yù)報在單站大風(fēng)預(yù)報中各站差距較小，整體預(yù)報精度較高，可以用于客觀預(yù)報方程的建立。

表2 數(shù)值預(yù)報24 h風(fēng)速預(yù)報誤差分析Tab.2 Error analysis of 24 h wind speed of numerical product

4 最大風(fēng)速推算

4.1 方程建立

基于2018—2019 年的大風(fēng)實測和數(shù)值預(yù)報產(chǎn)品，對逐時最大風(fēng)速y和預(yù)報xmodel進(jìn)行回歸分析，分別得到一元一次、一元二次、一元三次和一元四次回歸方程，所有測站的擬合結(jié)果均通過了顯著性檢驗。表3 所示為竹根沙站回歸計算結(jié)果yf與實測y的相關(guān)系數(shù)，從中可以看出增加因子的指數(shù)并不能顯著提升相關(guān)性，因此后續(xù)將構(gòu)建一元一次客觀預(yù)報方程。式（2）為各測站的預(yù)報方程。

表3 竹根沙站風(fēng)速相關(guān)性分析Tab.3 Correlation analysis of wind speed of Zhugensha station

4.2 誤差分析

將2020 年的模式預(yù)報產(chǎn)品代入式（2）計算最大風(fēng)速。表4 為各測站最大風(fēng)速預(yù)報誤差綜合分析，預(yù)報相關(guān)系數(shù)在0.48～0.63 之間，通過了顯著性檢驗（檢驗臨界值t0.01=0.17，樣本數(shù)≥226）；平均絕對誤差在1.20～1.45 m/s 之間；各站預(yù)報絕對誤差|Δv|≤2 m/s 所 占 比 例 在75%～83% 左 右，|Δv|＞4 m/s 的比例不超過6%；各站預(yù)報評分在81～85分之間，其中大豐港、竹根沙和火星沙的預(yù)報效果較好。綜上，基于數(shù)值預(yù)報產(chǎn)品的單站最大風(fēng)速預(yù)報取得了較好的效果，各站預(yù)報質(zhì)量差距不大。

表4 最大風(fēng)速預(yù)報誤差分析Tab.4 Error analysis of maximum wind speed forecast

冷空氣、黃海氣旋和臺風(fēng)是引起蘇北淺灘海域大風(fēng)的主要天氣系統(tǒng)。按照高發(fā)季節(jié)可將大風(fēng)天氣系統(tǒng)進(jìn)行分類，其中，黃海氣旋引發(fā)的大風(fēng)天氣主要集中發(fā)生在4—6 月，臺風(fēng)大風(fēng)主要發(fā)生在7—10 月，冷空氣大風(fēng)主要發(fā)生在11—3 月。以竹根沙站為例，按照天氣系統(tǒng)類型構(gòu)建最大風(fēng)速預(yù)報方程并進(jìn)行預(yù)報，預(yù)報誤差分析如表5所示。2020年，冷空氣大風(fēng)樣本數(shù)約占50%，黃海氣旋和臺風(fēng)大風(fēng)各占約25%。經(jīng)過檢驗發(fā)現(xiàn)：冷空氣的預(yù)報精度高于臺風(fēng)，黃海氣旋的預(yù)報精度最低；預(yù)報與實測相關(guān)系數(shù)方面，冷空氣相關(guān)性最高；各天氣系統(tǒng)預(yù)報評分方面差別不大。圖1為竹根沙站最大風(fēng)速預(yù)報與實測曲線對比，可見預(yù)報和實測具有一致的變化。如表5 所示，對于90%左右的大風(fēng)樣本，預(yù)報誤差在3 m/s 以下，剩余約10%樣本的最大風(fēng)速預(yù)報偏小，尤其對于8 級（≥17.2 m/s）風(fēng)力以上樣本的預(yù)報誤差較大。

圖1 竹根沙站2020年實測與預(yù)報最大風(fēng)速Fig.1 Observation and forecast of maximum wind speed at Zhugensha station in 2020

表5 竹根沙站最大風(fēng)速預(yù)報誤差分析Tab.5 Error analysis of maximum wind speed forecast at Zhugensha station

5 極大風(fēng)速推算

5.1 方程建立

提取2018—2019 年預(yù)報最大風(fēng)速的日最大值，與觀測日極大風(fēng)速建立預(yù)報方程。各站樣本數(shù)如表1 所示，由于極大風(fēng)速每日僅保存1 個記錄，因此各站樣本都較少。式（3）為各站日極大風(fēng)速預(yù)報方程，其中x是預(yù)報日最大風(fēng)速。

5.2 誤差分析

將2020年的預(yù)報逐時風(fēng)速相繼代入式（2）和式（3）進(jìn)行計算，獲取各站的日極大風(fēng)速預(yù)報結(jié)果，并與實測進(jìn)行比對，各站樣本數(shù)及綜合誤差分析詳見表6。

表6 極大風(fēng)速預(yù)報誤差分析Tab.6 Error analysis of extreme wind speed forecast

預(yù)報極大風(fēng)速相關(guān)系數(shù)在0.53～0.71 之間，超過了樣本數(shù)≥159 的顯著性檢驗（t0.01=0.20）；風(fēng)速平均絕對誤差在1.77～2.30 m/s之間；各站預(yù)報絕對誤差|Δv|≤2 m/s 所占比例在42%～65%，|Δv|＞4 m/s 的比例在5%～10%；綜合評分來看各站預(yù)報得分在65～76 之間。對于蘇北淺灘海域的5 個測站，日極大風(fēng)速預(yù)報效果比較理想。以竹根沙站為例，圖2所示的該站預(yù)報和實測日極大風(fēng)速散點圖中，95%的樣本落在±25%范圍內(nèi)。當(dāng)風(fēng)速超過8 級（≥17.2 m/s）時，預(yù)報整體較實測極大風(fēng)速偏小。

圖2 竹根沙站2020年日極大風(fēng)速散點圖Fig.2 Scatter chart of daily maximum wind speed at Zhugensha station in 2020

6 結(jié)論與討論

本文通過對蘇北淺灘海域的實測和數(shù)值預(yù)報數(shù)據(jù)進(jìn)行分析，并基于數(shù)值預(yù)報產(chǎn)品建立了最大風(fēng)速和極大風(fēng)速的客觀預(yù)報方程。結(jié)論如下：

（1）單站一元一次最大風(fēng)速和極大風(fēng)速客觀預(yù)報結(jié)果與實測接近且趨勢一致，可應(yīng)用于最大風(fēng)速和極大風(fēng)速的預(yù)報工作中，但是，當(dāng)出現(xiàn)8級以上風(fēng)力時，最大風(fēng)速和日極大風(fēng)速會出現(xiàn)偏小的情況，在實際預(yù)報中需要人工研判。

（2）客觀方程的預(yù)報精度依賴于數(shù)值預(yù)報精度，因此，實際工作中可考慮對多源預(yù)報產(chǎn)品進(jìn)行客觀評估，形成預(yù)報數(shù)據(jù)集。