渤海海霧數值預報系統建立及應用

史得道，吳振玲，高山紅，楊悅

（1.天津海洋中心氣象臺，天津300074；2.天津市氣象臺，天津300074；3.中國海洋大學，山東青島266100）

1 引言

海霧是受海洋影響發生在海上或沿海地區低層大氣中大量水滴或冰晶使大氣水平能見度小于1 km的天氣現象[1]。海霧是中國近海多發的災害性天氣之一，會對海上船舶通航造成很大影響[2-3]，每年因海霧造成的船舶碰撞、觸礁和擱淺等事故時有發生。據舟山海事局統計，海上發生的船舶碰撞和觸礁等海難事故有70%左右由海霧引起[4]，例如1989年6月6日某部“575船”在福建東山海域霧中航行時與浙?！?03船”碰撞，致使“103船”沉沒，9名船員失蹤，1名溺亡[5]。海霧的生成、持續和消散受水文條件和氣象條件共同影響，成因復雜，預報難度較大。目前氣象部門預報業務中大霧的預報方法主要有天氣學方法和統計預報方法[6]。天氣學方法對預報員的主觀經驗依賴性高，但準確率較低[7]；統計預報方法缺乏對海霧過程物理規律的描述，多依賴于歷史統計資料的質量和數量[8]。隨著計算機技術的進步以及對海霧發生和發展規律的深入認識，數值模式逐漸成為海霧模擬和預報的重要方法[7]。

現階段海霧數值模式多用于科研[9-11]，真正實現業務應用的還很少[12]。渤海是海霧多發海域，也是海上航運和石油開采最繁忙的海域之一，海霧預報的準確率關系到社會經濟活動的開展和航運安全[13]，因此迫切需要改進渤海海霧的預報技術方法和手段。本文利用氣象研究與預報（Weather Research and Forecasting，WRF）模式的中尺度數值預報模式，基于循環三維變分（Three Dimen sional VARiation，3DVAR）數據同化方案，選擇合適的參數化方案，建立渤海海霧數值預報系統，為環渤海區域海霧預報提供重要支撐。

2 海霧數值預報系統

2.1 預報區域設置

天津市氣象臺基于WRF 3.7.1版本模式的海霧數值預報系統于2015年12月搭建完成。該系統開展35°N以北的黃渤海海域海霧數值預報，每天08時（北京時，下同）和20時各預報1次，每次預報模式運行時間約3 h。模式采用預報區域雙重嵌套，小區為35°N以北的黃渤海海域，大區為數值預報背景場區域，經緯度范圍大致為25°～50°N、100°～140°E，為小區提供初始場和開邊界條件。兩個區域都采用蘭伯特投影（Lambert Conformal）方式，區域中心點為39.9°N、121.0°E。大區格點數120×108，水平分辨率30 km，小區格點數100×94，水平分辨率10 km，兩區垂直分層都為44層。

2.2 參數化方案

在WRF模式參數化方案選擇上，一方面結合前人研究結果選用公認預報效果最好的參數化方案，比如積云方案選用Kain-Fritsch方案，長短波輻射方案選用RRTMG方案等；另一方面選取典型海霧個例進行數值模擬試驗，設計不同邊界層方案和微物理方案組合，檢驗不同組合方案具體預報效果，并參考陸雪等[14]研究成果，確定邊界層方案與微物理方案的最佳組合為YSU和Lin方案（見表1）。

表1 WRF模式參數化方案設置

2.3 背景場和同化數據

海霧預報系統用的初始場數據與側邊界條件由美國國家環境預報中心（National Centers for Environmental Prediction，NCEP）的全球預報系統（Global Forecast System，GFS）數據（0.25°×0.25°，3 h/次）提供，海溫數據來源于NCEP日平均海溫數據集（0.083°×0.083°）。系統同化的常規和非常規觀測數據包括：3 h/次的地面觀測資料和船舶氣象資料[20]、12 h/次的探空觀測資料[20]、一天2次的ASCAT（Advanced SCATterometer）散射計海面風資料[20]。地面、船舶和探空數據來自于世界氣象組織全球通信系統（Global Telecommunication System，GTS）的觀測數據，可在全球范圍內共享。ASCAT數據來源于歐洲航天局MetOP-A衛星上搭載的新一代微波散射計[21]，是數值模式中重要的初始場同化資料[22-23]，空間分辨率12.5 km，在我國近海有較好的可信度[21,24-26]。這些資料通過互聯網方式下載到本地服務器，插值到WRF數值模式水平網格點上進行同化。

2.4 循環3DVAR數據同化方案

WRF數值預報模式的同化方案多采用單時次3DVAR同化方式，同化窗較短，只能利用到很少的非常規觀測數據[27]。為了同化更多的非常規觀測數據，我們選擇高山紅等[27-28]設計的循環3DVAR同化方案（見圖1）來增加同化時段，以便同化更多觀測資料從而提高預報效果。本系統設計同化5次，3 h 1次，每次同化該時刻前后各1.5 h內觀測資料。運行流程如下：

圖1 循環3DVAR同化方案[27]

（1）首先下載模式運行所需背景場數據和同化觀測數據。

（2）運行WRF模式前置模塊（WRF Preprocessing System，WPS）程序，對系統所用GFS背景場數據和海溫數據進行預處理，插值到WRF模式水平格點場中，并從地形與植被數據庫中獲取陸面模式所需的信息。

（3）運行WRF模式主模塊的real.exe程序，將WPS模塊運行結果插值到模式垂直44層上，得到單純由GFS格點背景場數據形成的初始條件與時變邊界條件。

（4）運用3DVAR數據同化手段，消化各種觀測數據，將觀測數據插值到real.exe形成的數據場中。對real.exe程序形成的初始條件進行優化，得到質量較高的初始場。

（5）運行WRF模式主模塊的wrf.exe程序，驅動WRF模式積分到下一個同化時刻進行下一次3DVAR同化。同化結果為WRF模式提供初始場，如此重復循環。

（6）最后一次3DVAR同化完畢后，再次運行wrf.exe程序向前積分，得到各種預報數據。

相較以前的海霧數值模擬和預報，本系統采用的循環3DVAR數據同化方案有其獨特的優勢，主要體現在以下幾個方面：

（1）不同于以往的單次三維變分同化[29]模塊，循環3DVAR同化方案可以通過增加同化次數來延長同化數據時段從而同化更多的觀測資料。本項目設計5次循環同化能同化15 h內的觀測資料，從而更好地優化模式初始場。

（2）循環3DVAR同化方案擴展的同化時段恰好可供模式進行動力調整，從而有效地消除模式“spin-up”現象[27]。

（3）同化的觀測資料更多更廣，包括3 h/次的地面氣象資料和船舶資料、12 h/次的探空資料以及ASCAT衛星反演風場資料，對提高初始場質量有很大幫助。

（4）WRF模式邊界層方案采用YSU方案，微物理方案采用Lin方案，該組合在霧區模擬以及邊界層溫濕信息垂直分布方面與實況更加接近[14]。

2.5 產品研發

海霧數值預報系統主要開發了高空產品、地面產品、站點產品、剖面產品和云霧產品5大類數值預報產品，可以通過天津市氣象局內網查看。每類產品中包含多種相關產品（見圖2），高空物理量有：位勢高度場、風場、溫度場、流場與混合比、垂直速度和渦度；地面物理量有：海平面氣壓、地面10 m風場、2 m溫度、相對濕度、水平能見度和降水；站點產品有塘沽、渤海A平臺、渤中28平臺、綏中36平臺、長島和成山頭的探空圖以及溫度、露點溫度、氣壓、相對濕度和降水的時間序列；云霧產品包括霧區總覽、霧頂高度、云幕高度和云頂溫度等。剖面產品包括經向和緯向剖面產品；產品形式主要分4種：平面圖、站點序列圖、剖面圖和郵票圖，方便預報員查看。

圖2 渤海海霧數值預報系統

3 海霧預報預警業務系統

3.1 系統功能

渤海海霧預報預警業務系統是基于渤海海霧數值預報系統建立的，可供預報員進行海霧實況監測和預報預警產品制作。系統功能框架主要包括海霧實時監測、數值預報產品顯示、主觀預報訂正與顯示、預報檢驗評估和歷史個例庫等幾個模塊（見圖3），同時也建立了包含海霧歷史個例、海霧實時監測數據和海霧數值預報數據的綜合數據庫。

圖3 渤海海霧預報預警業務系統

本系統采用B/S結構和C/S結構相結合的方式。綜合顯示部分采用B/S結構，以查詢瀏覽為目的和以產品制作為核心的用戶，可以通過Web方式在任何客戶端上訪問，實現方便快速的產品瀏覽和制作。數據綜合采集部分采用C/S結構，開發的窗體應用程序可以從ftp站點、共享文件夾和網絡資源上，實現輪詢方式的資料數據檢查、自動下載、分析和歸并，將各種來源的數據統一為同種格式入庫保存，作為綜合顯示部分的數據源。

3.2 數據采集處理

海霧預報與觀測數據的來源多種多樣，數據格式繁多。本系統采用多數據源模式，將多種數據格式、空間分辨率格式和時間分辨率格式的數據重新規格化為統一的時空分辨率數據格式后進行顯示。數據采集處理綜合平臺涉及并處理5大類數據：

（1）實況資料數據，包括地面填圖資料、自動站資料、衛星資料和海溫再分析數據等，以Orcale數據庫形式存儲。

（2）數值預報格點數據，包含高空、地面和站點預報資料，還包括合成產品數據（風、濕度、能見度、霧頂高度、霧區和降水等要素在不同時間段合成后的格點預報數據），以NC（NetCDF）文件格式存儲。

（3）能見度訂正數據，對能見度客觀預報產品進行人工訂正后錄入訂正數據庫，在繪制海霧落區時進行調用，以NC文件存儲。

（4）主觀預報產品數據，包括人工繪制不同等級（輕霧、霧、濃霧和強濃霧）的海霧落區圖和海霧預報預警文本文件等，以圖形和文本形式存儲。

（5）歷史個例數據，提供近10 a渤海海霧個例庫，可設置按時間、海區、霧等級、影響系統和持續時間等進行查詢，并能實時添加新個例。

4 海霧數值預報系統應用

4.1 海霧過程統計檢驗

為評估海霧數值預報系統的預報能力，我們統計了2016—2017年的海霧過程，以此對海霧數值預報結果進行檢驗。2016年1—4月渤海有4次海霧過程，其中有兩次被數值預報模式成功預報，1次過程漏報是由于海霧只發生在局部海域，另外1次由于系統故障沒有預報。2016年10月—2017年4月有19次海霧過程，海霧范圍有的覆蓋整個渤海，有的只在渤海某個區域。將實測結果與海霧數值預報系統的預報結果進行對比分析，我們發現有7次過程漏報，10次過程準確預報，但從海霧出現范圍和起止時間上看，部分個例存在預報范圍偏大且持續時間偏長的情況；另有兩次過程因服務器調整沒有預報資料。綜合兩次檢驗結果，在23次海霧過程中，12次預報有霧，8次漏報，3次過程沒有預報資料。有預報資料的20次過程中預報有霧的準確率達到60%。

4.2 海霧個例檢驗分析

（1）2016年3月3—5日海霧過程

2016年3月3—5日，黃渤海出現一次比較明顯的海霧過程[30]。3月3日凌晨02時左右，海霧出現在黃海北部海域，慢慢向南向西擴展，3日白天海霧主要分布在黃海和渤海海峽，夜間海霧慢慢擴展到渤海中西部。4日白天和夜間黃渤海海霧處于維持階段，主要位于渤海灣、渤海中部、遼東灣、渤海海峽北部以及黃海北部和中部海域。隨著冷空氣來臨，5日08時前后海上西北風逐漸加大，渤海、渤海海峽和黃海海霧從西向東逐漸消散。

此次海霧發生時黃渤海位于高壓后部低壓前部，盛行南到東南風，渤海觀測站點最小能見度為0。渤海西部平臺能見度從3日20時的15 km迅速下降到4日08時的200 m，5日08時能見度增大到1.2 km，5日14時霧完全消散，能見度回升到15 km。成山頭位于山東半島東部沿海，海霧出現時間比渤海西部平臺早，3月2日20時能見度為6 km，3日05時能見度下降到0，為強濃霧。此后強濃霧一直持續到5日早上，5日08時能見度略有好轉，增大到2.1 km，14時又下降到700 m，20時增大到4.6 km，之后霧消散，能見度逐漸好轉。

從2016年3月3—5日海霧數值預報產品來看，此次海霧過程預報比較成功。2月28日20時提前3 d預報出3月3日02時左右黃海海域有霧，與實際霧生成時間非常接近。3月2日20時預報結果顯示，3日白天海霧主要出現在黃海北部和中部海域，夜間海霧從遼東灣逐漸向南擴展到渤海中西部和南部，黃海海霧也向西擴展至渤海海峽，兩片霧區連在一起，4日白天到前半夜黃渤海海霧維持，預報結果與實際情況比較接近。5日凌晨開始，受冷空氣影響海霧從西向東逐漸消散，比實際霧消散時間略有提前。3日20時預報結果顯示5日05時左右渤海西部霧消散，08時渤海中部霧消散，11時渤海海峽霧消散，14時黃海海霧也逐漸消散，與實際情況更加接近?？梢婎A報時效越臨近，預報效果越好。另外，此次海霧預報范圍覆蓋到渤海、渤海海峽、黃海北部和中部，與實際衛星反演海霧范圍也比較一致。

（2）2017年4月5—7日海霧過程

2017年4月5—7日，渤海出現了一次明顯海霧過程。4月5日下午渤海中部海域首先出現能見度小于1 km的霧，后向南擴展到萊州灣，向西向北擴展到渤海灣和遼東灣，至6日08時前后整個渤海海域基本被海霧覆蓋。6日上午海霧維持，午后能見度逐漸好轉，部分海域仍有輕霧天氣。7日上午渤海中南部海域又出現小于1 km的霧，7日夜間遼東灣海域也出現海霧。

海霧數值預報系統從4月2日08時提前72 h開始預報此次過程，5日05時前后渤海西部出現海霧，然后范圍慢慢擴大，到5日14時擴展到整個渤海海域，直到5日夜間海霧一直維持。4月4日08時預報5日02時渤海西部開始出現海霧，范圍逐漸擴大，到5日17時擴展到整個渤海海域，然后一直持續到4月7日。實際上4月6日下午到夜間屬于海霧空報，但總體來說此次過程也成功被預報。

5 結論與展望

本文利用WRF 3.7.1中尺度數值模式，基于循環3DVAR數據同化方案，選擇合適的參數化方案，建立了渤海海霧數值預報系統并進行業務應用，系統輸出產品包括高空和地面物理量產品、站點時間序列產品、海霧霧區和霧頂高度產品及霧區剖面圖產品等?？陀^預報這些產品對環渤海區域海霧預報預警具有參考意義。

經過對2016—2017年20次渤海海霧過程的統計檢驗，發現海霧數值預報系統對海霧過程預報準確率達到60%。挑選2016年1次海霧過程進行詳細分析，海霧數值預報系統能提前3 d對海霧進行準確預報。預報時效越臨近，預報效果越好，預報海霧范圍、起止時間和持續時間等與實際情況比較接近。

但是在實際預報業務中，也發現海霧數值預報系統在客觀預報上存在一些問題，比如對局地發生的和持續時間短的海霧預報能力較差，對大范圍海霧預報有時存在持續時間偏長和預報范圍偏大的問題。后期需要針對這些問題進行改進，一方面提高同化觀測數據的數量和質量，改進模式初始場；另一方面開展海霧外場觀測試驗，加強海霧發生發展機理研究，為數值模式參數化方案的改進提供參考。