舟山風力智能網格精細化訂正釋用技術

於敏佳，劉菡，李曉麗

（舟山市氣象局，浙江舟山316000）

1 引言

舟山地處中緯度地帶，是“絲綢之路經濟帶”和“21世紀海上絲綢之路”的交匯點，區位優勢明顯。海上的物流運輸、油品加注、生產作業和項目建設等都與氣象因素緊密相關，其中尤以風力最受關注。風力預報的準確與否直接關系到生產發展與生命安全，深入研究風力預報技術，對于推動“21世紀海上絲綢之路”建設并促進我國經濟更快更好發展具有十分重要的意義。舟山年平均8級以上大風日數142.7 d，其中8～9級大風日數129.2 d[1]。舟山群島地形復雜，受島嶼和山系遮蔽影響，各海域風力具有明顯的局地性特征[2]。針對舟山各港口風力局地性特點，精細化的智能格點預報顯得尤為重要。

關于精細化網格天氣預報技術，國內外都有一些研究成果。美國最早于2003年開始發展國家數字預報數據庫[3]，提供逐1h更新、2.5/5 km分辨率和0～45 d延伸期的無縫隙網格天氣預報。奧地利氣象局發展了無縫隙概率預報系統[4]，逐10 min更新生成最小分辨率1 km的概率和確定性天氣預報，預報時效由分鐘級臨近預報～72 h，同時也提供15 km分辨率的14 d中短期網格預報。德國基于強大的數值模式能力，利用多個模式解釋應用和統計后處理預報的優化集成預報方法，提供逐5 min更新2.5 km分辨率的分鐘級～30 d延伸期的訂正網格預報。澳大利亞自2012年起開展了基于業務集成預報技術的5 km分辨率8 d內網格指導預報[5]。

我國無縫隙精細化網格預報業務技術起步于2014年，2012年起發展的多源資料融合實況分析業務系統[6-8]為網格預報模型建立、實況信息更新和預報產品檢驗提供了基礎條件。中國氣象局自主研發了全球/區域同化預報系統（Global/Regional Assimilation and PrEdiction System，GRAPES），在動力框架、物理過程和變分同化技術等方面均取得顯著進展[9-14]，并且建立了體系完善的全球、區域和集合預報模式系統。目前，我國初步建立了逐1 h滾動更新并實時共享的全國5 km分辨率0～30 d和每日兩次滾動更新的全球10 km分辨率0～10 d無縫隙精細化網格天氣預報業務[15]。舟山市氣象局已開展各港口風力專業專項預報服務業務，經過多年的數值模式預報與站點實況風力對比，已得出各港口風力預報實況偏差的定性經驗判斷，但并未獲得精確定量的訂正數值，因此，做好舟山風力智能網格訂正釋用產品，提供精準的高時空分辨率的氣象產品，具有十分重要的意義。

2 資料與方法

2.1 資料介紹

10 m風格點預報產品采用歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF，簡稱“EC”）細網格資料（ERAInterim），模式起報時間是20時（北京時，下同），資料覆蓋10°S～60°N，60°～150°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°。選取時間段為2020年8月1日—11月1日，每日20時起報場預報數據，預報效果檢驗共計1 456個時次，17 472個檢驗樣本。

10 m風格點實況資料采用經篩選的46個舟山本地觀測站點風力資料（見表1），站點包括嵊泗、普陀、岱山和定海等國家基準站、基本站和一般站，其中包括秀山和新奧等港區和港口指標站點，還包括舟山浮標和蝦峙門浮標等浮標站，這些站點代表性強，數據完整，且經過人工異常值剔除和缺測記錄消除，得到的實況數據真實可靠。

2.2 釋用技術

2.2.1 訂正釋用總體思路

（1）加密EC細網格預報風力資料，空間上采用雙線性插值法將網格資料加密至0.05°精度，時間上采用線性插值法加密至1 h間隔（見圖1）。

圖1 訂正釋用總體思路

（2）根據46個觀測站點經緯度，選取最鄰近網格點作為訂正釋用點。

（3）對照網格訂正釋用點的EC加密風力預報值和站點實況平均風值，起報20～05時，采用20時、23時、02時和05時4個時次的預報實況誤差平均值進行平均風修正，05時后采用逐時加權滾動訂正的方法進行平均風修正。

（4）應用考慮地形的站點平均風極大風對應關系，對修正后的EC加密風力預報進行極大風釋用，得到46個站點0～48 h的極大風釋用結果。

（5）對EC加密網格海面區域的風力預報資料進行訂正釋用，采用舟山浮標站作為整個舟山沿海海面的指標站點，進行平均風訂正后，應用舟山浮標站平均風極大風對應關系，得到海面區域格點的極大風釋用值。

（6）整合（4）、（5）兩步得到的加密網格訂正釋用極大風值，采用雙線性插值的方法插值得到陸地上的加密網格空缺點，最終形成0.05°×0.05°的智能網格訂正釋用產品。

2.2.2逐時加權滾動訂正釋用方法

目前，在風力預報方面，較為成熟的方法是以天氣形勢為基礎，參考各家模式的風力要素預報，結合預報員的主觀預報經驗，最終得出風力預報。在各家的風力要素預報中，尤以EC模式的預報最為穩定和準確，平時業務中對EC的參考比重也較大，因此，選用EC細網格資料作為智能網格產品的初始材料。經過多年的對比釋用，我們發現EC風要素預報與平均風較為對應，而站點的極大風又與平均風存在對應的關系，大致滿足線性關系，這與國內一些專家的研究互為映證[16-17]。我們也發現，由于站點地形的原因，存在同樣梯度下個別風向極大風與平均風關系較為特殊的現象，如國家基準站嵊泗站就存在NNE風平均風較大且與極大風相差小的現象，這些都與地形有關，因此，在做平均風與極大風的對應關系研究時需考慮地形因素，并分風向研究各測站點的平均風和極大風對應關系。在應用EC風力要素預報時發現，實況平均風力值與預報風力值之間的誤差存在變化，即時而實況大于預報，時而預報大于實況，且不存在明顯的規律性，因此，在訂正EC預報風力值時，需要抓住實況和預報之間的變化趨勢，而這個變化趨勢又以最臨近時次的參考為最大，且需要根據最新實況資料逐時滾動更新平均風預報實況偏差。按照以上思路，本文設計了逐時加權滾動訂正釋用方法。

2.2.3 平均風逐時加權滾動訂正

EC模式風力要素預報產品的訂正主要考慮3個方面，分別為預報大小、預報快慢和偏差趨勢。預報大小方面，對于開闊地遮蔽較少的站點，如國家基準站嵊泗和舟山浮標，EC模式的風力要素預報與實況平均風比較對應，相差較小，而對于受地形影響較大或遮蔽較多的站點，如基本站定海和一般站普陀，卻相差較大，針對這種現象，必須根據實況加以修正。預報快慢方面，由于模式預報的系統與實況并不完全一致，存在系統偏快或偏慢的問題，有時一個系統預報偏慢可長達半天之多，也需要及時根據實況修正之后的預報。偏差趨勢方面，指的是在大小相差不大和系統快慢基本準確的情況下，預報與實況之間的偏差也存在變化，可能前幾個時次都是預報大于實況，而接下來就變成了實況大于預報，這樣的變化趨勢也需要捕捉。綜上考量，設計了逐時加權滾動訂正方法，具體如下：

式中，Si和Yi分別為前i時次的實況平均風和EC加密資料風力；Et-1為平均風實況預報滾動修正誤差；Yt為當前時次EC加密資料風力，Y′t為當前時次訂正后的平均風。

2.2.4 平均風極大風關系釋用

對于平均風和極大風關系探究，除了其自身存在的大致的線性關系外，還必須考慮地形的影響。具體表現為，同一站點各風向關系式不同，不同站點同風向關系式也不同，實際上，隨著風力的增大，極大風和平均風之間的差距也在加大，而線性關系并不能反映這個變化趨勢，因此，文章采用一元二次模型，分風向對46個實況站點進行平均風和極大風關系研究。

由于站點和風向較多，此處隨機選取了4個縣區本站個別風向的平均風和極大風關系圖進行說明。由圖2可知，同一站點，如嵊泗和普陀，不同風向的平均風與極大風對應關系不同；同一風向下，如NE風，嵊泗、定海和岱山的平均風與極大風對應關系也不同。

圖2 嵊泗、岱山、定海和普陀4個縣區本站個別風向平均風與極大風關系圖（單位：×0.1 m/s）

2.2.5 智能網格精細化風場訂正釋用

經過以上兩步，已得出46個站點的EC細網格加密資料的訂正釋用結果，但對于舟山沿海（范圍為121.1°～123.7°E，29.1°～31.4°N，精度為0.05°×0.05°，共計2 491個格點）來說還是少數，多數格點位于海上，因此缺乏對比觀測站點。由于海上地形開闊平坦，平均風與極大風的差異不如陸地站點大（見圖3），對比2012年1月—2020年1月嵊泗、岱山、普陀和定海4個縣區本站和舟山浮標站的實況平均風與極大風之差，發現4個縣區本站平均差相差較小，分別為2.51 m/s、2.37 m/s、2.37 m/s和2.51 m/s，舟山浮標站的平均差僅為0.91 m/s，因此，在空曠的海上，由于平均風與極大風相差較小，若將陸地觀測點上平均風與極大風的關系套用到沿海大風預報中，是存在較大不科學性的。

圖3 嵊泗、岱山、定海、普陀和舟山浮標16風向極大風與平均風之差對比圖

因此，對于大量的海上格點，我們采用舟山浮標平均風與極大風對應關系進行釋用。對于沒有對應觀測站點或觀測站點數據質量不合格的格點，本文采用了簡單的雙線性插值法進行補充。至此，整張舟山沿海0.05°精度的智能網格訂正釋用完成。

3 預報檢驗

3.1 訂正釋用效果評價方法

本文采用平均絕對誤差（Mean Absolute Error，MAE）和均方根誤差（Root Mean Squared Error，RMSE）的統計指標參數來評價各考核關鍵點的訂正釋用效果，具體對2020年8月1日—11月1日每日48 h預報時效內逐時次進行檢驗評估。具體公式如下：

式中，Yi和分別是站點實況極大風和訂正釋用極大風。

對浙江省氣象局要求考核檢驗的12個考核關鍵點進行了統計檢驗評估，結果見表2。各考核關鍵點0～6 h、0～12 h、0～24 h和0～48 h平均極大風絕對誤差為1.14 m/s、1.23 m/s、1.48 m/s和1.72 m/s，均方根誤差為1.58 m/s、1.69 m/s、1.99 m/s和2.27 m/s，總體上訂正釋用效果較好。

表2 考核關鍵點各預報時效誤差評價表（單位：m/s）

3.2 臺風、低壓個例檢驗評估

為將本訂正釋用方法用于平時業務工作，給預報員提供一個相對準確可靠的風力預報基數據參考，我們開發了舟山風力智能網格精細化訂正釋用平臺。該平臺可實時展示縣區本站、公益港區、服務港口、沿海浮標和考核關鍵點等46個點48 h的實況平均風、實況極大風、EC原始加密預報風力、訂正平均風和釋用極大風（見圖4）。預報員可輸入具體坐標點，查看舟山沿海任意點48 h 10 m平均風和極大風預報，平臺還具有考核點預報質量檢驗功能。該平臺能逐時滾動更新訂正，時效越近，預報越精準。下面對臺風“美莎克”和2020年9月11日低壓這兩次過程進行檢驗，檢驗站點為4個縣區本站。

圖4 舟山風力智能網格精細化訂正釋用平臺

受臺風“美莎克”影響，2020年9月1日08時—2日18時，舟山市沿海出現9～10級西北風。嵊泗、岱山、定海和普陀4個縣區本站分別出現了20.9 m/s、18.8 m/s、15.5 m/s和18.8 m/s的過程極大風力，平臺預報過程極大風力對應為20.9 m/s、16.0 m/s、15.8 m/s和16.9 m/s，實況和預報分別相差0.0 m/s、2.8 m/s、0.3 m/s和1.9 m/s，其中嵊泗和定海預報最為準確，而岱山和普陀偏差相對較大。這主要是因為兩地有臺風螺旋雨帶降水，雨滴攜帶高層的動能，風力陣性加大，因此，需要在今后分系統進一步研究平均風和極大風的對應關系。

對嵊泗站點進行分析（見圖5），平臺最新更新時間為9月1日17時，平臺根據EC原始風力預報和之前已經出現的站點實況平均風，對之后時次的極大風預報進行了訂正釋用。根據平臺最新預報，在9月1日23時和9月2日08時將出現兩個20.9 m/s的峰值，實況在1日21時和2日07時出現20.9 m/s和19.2 m/s兩個峰值，這兩個峰值預報在時間和大小上總體較為精準。但在1日23時以后，訂正釋用的極大風與實況極大風存在相對較大的差距，主要原因在于1日17時之前的9個時次，實況平均風略大于EC原始預報風力，在做訂正時，將平均風進行了上調。從圖5可以看到，1日8—17時的訂正釋用效果較好，18—22時臨近的4個時次預報效果也不錯，而從23時之后，實況的平均風明顯小于EC原始預報平均風，平均風偏差由正變負且變化較大，致使訂正釋用的極大風偏大明顯，這也進一步說明了根據實況不斷修正EC原始預報的重要性。

圖5 嵊泗站點9月1日17時平臺最新預報與實況對比圖

對岱山站點進行分析（見圖6），總體上EC原始預報風力對平均風的預報偏差較大，經過加權修正后對平均風預報效果顯著改良。9月1日17時之前訂正平均風與實況平均風基本吻合，釋用得到的極大風略偏小于實況，個別時次偏差較大，這也說明臺風系統的陣性較大。1日18時—2日04時10個時次的預報效果較好，平均風基本吻合，極大風相差也較小，從2日05時開始，平均風修正誤差發生明顯變化，實況平均風明顯大于訂正平均風，對應實況極大風與訂正釋用極大風之間的差距也加大，由此同樣反映了及時更新的重要性。

圖6 岱山站點9月1日17時平臺最新預報與實況對比圖

受東海小尺度低壓影響，2020年9月11日8—16時，舟山市自西向東依次出現了9～10級東北風，此次小低壓過程，美國和日本兩家的模式均無反應，只有ECWMF報了低壓，但路徑預報較實況略偏北，導致北部站點預報偏大。如嵊泗站，從EC預報來看，下午14時會出現9～10級的過程最大風力，可實況過程最大風力僅13.9 m/s，各級氣象臺站當天也均未提前做出準確預報。而舟山風力智能網格精細化訂正釋用平臺通過逐時加權滾動訂正釋用，預報14時的極大風為12.7 m/s（見圖7），實況14時極大風為10.2 m/s，將極大風從9～10級訂正到7級以下，訂正釋用效果非常明顯。

圖7 嵊泗站點9月11日13時平臺最新預報

針對數值模式的訂正釋用技術已有不少研究[18-20]，主要有完全預報法（Perfect Prognosis，PP）、模式輸出統計法（MOS）和神經網絡方法等，這些方法各有優勢，都是對過去一段時間內模式預報資料與實況資料之間的關系的最優擬合，但得出的關系對于臺風和低壓等小概率系統適用性并不太好；另外，海島地形復雜且局地性強，須對大量站點進行局地性研究。海陸差異的存在，進一步增加了精細化訂正釋用的研究需求，本文設計的訂正釋用新方法在這兩方面都有較好的改進效果。

4 結論

本文介紹了一種智能網格訂正釋用技術，該技術對EC細網格風力資料進行簡單加密，對比EC加密風力資料和站點實況，采用逐時加權滾動更新的方法，利用站點平均風和極大風關系進行訂正釋用，目前取得了一定的應用成效。結論如下：

（1）站點平均風和極大風存在一元兩次關系，平均風增大，極大風增大，且兩者之間的差距也增大。受地形等因素影響，不同站點的平均風和極大風關系不同，同一站點不同風向時平均風和極大風關系也不同。

（2）受地形和下墊面等因素影響，與陸地相比，海面風力的陣性明顯較弱，平均風和極大風相差較小，陸地平均風與極大風對應關系不適用于海面。

（3）EC風力預報與實況平均風較為對應，但兩者之間的偏差并不穩定，需要及時根據實況資料進行訂正，本文設計的逐時加權滾動訂正方法訂正效果較好。

（4）省氣象局指定的各考核關鍵點0～6 h、0～12 h、0～24 h和0～48 h平均極大風絕對誤差為1.14 m/s、1.23 m/s、1.48 m/s和1.72 m/s，取得了一定的訂正釋用效果。

（5）針對臺風等風力陣性較強的系統還需進一步研究，今后可開展分系統的站點平均風和極大風對應關系研究。