黄渤海及其邻近地区阵风估测改进

为定量化下垫面等局地性因素对阵风拟合效果的影响,利用2021年1月—2022年12月风速观测数据,分析阵风系数方法在黄渤海及其邻近地区不同观测站拟合能力差异的原因,并基于差异系数及频率匹配构建阵风估测改进(gust estimation correction,GECO)方法,对阵风系数方法拟合结果进行订正。结果表明:阵风系数方法的拟合结果随风速增加更倾向于整点观测时刻阵风,使用小时内最大阵风与整点观测时刻阵风计算得到的差异系数可以定量表征观测站局地特性对阵风系数拟合结果的影响。对差异系数大的观测站,阵风系数方法对其强阵风拟合结果的负偏差也较大,需对其进行更大幅度订正。基于12个基准观测站构建的GECO方法同样适用于黄渤海及其邻近地区的364个观测站。对于风速为12 m·s^-1及以上和16 m·s^-1及以上的阵风,经GECO方法订正后的均方根误差较阵风系数方法分别减少12.3%和11.5%。对台风梅花(2212)的检验显示,GECO方法能够有效提升大级别阵风的估测能力,可为阵风客观预报方法改进提供参考。     

基于一元线性回归的ECMWF细网格阵风预报产品订正评估

利用2021年10月至2022年3月(2021年冬半年)欧洲中期天气预报中心(European centre for medium-range weather forecasts, ECMWF)细网格阵风预报数据和河南省国家级地面气象站阵风观测资料,基于一元线性回归(linear regression, LR)方法,对河南省ECMWF阵风预报进行订正,并对其检验评估。结果表明：(1)2021年冬半年,河南省多出现6级以下的阵风天气。ECMWF模式对于7级及以下的阵风预报存在整体高估的现象,对于7级以上的阵风预报存在低估的现象。(2)LR订正后准确率、均方根误差在所有预报时效均有明显的改善。订正后准确率较高、均方根误差较小的站点主要分布在京广线以东大部分地区、焦作、南阳南部;豫西山区订正效果一般,其复杂的地形易导致阵风偏高,而6级以上阵风样本数较少,预报订正值稳定性相对较差。(3)阵风预报与起报时次的关系不大。LR方法针对6级以下阵风预报有一定的优势,技巧评分(T_s评分)较ECMWF预报高,预报偏差(B_ias评分)更接近1。     

基于ERA5再分析资料的余姚地区阵风预报模型探究

利用2007—2017年余姚地区44个气象自动站观测数据和欧洲中心ERA5再分析资料,对余姚地区日极大风分布进行了统计分析,并提出一种本地化的经验阵风预报模型(雷暴日除外)。研究发现:余姚地区日极大风呈正态分布,风力峰值为4～5级,平均每年大风日占比达7.03%,累计大风时次占比3.32%,年平均大风日26 d。风力越小,阵风与平均风之间的线性拟合效果越好。影响阵风预报的因子主要有10 m平均风速、925 hPa风速、地面粗糙度、摩擦速度和3 h变压。6级及以下阵风预报中,业务中的阵风经验系数1.4容易造成余姚本地阵风预报偏低,适用于余姚本地阵风预报经验系数为1.775;6级以上阵风预报经验方程考虑了平均风速、垂直动量下传、水平动量传输、地面摩擦和海拔高度订正,其与925 hPa风速的平方呈正相关,与摩擦速度呈自然指数相关,经验方程相对于经验阵风系数的预报拟合优度提升了59.61%;经验阵风预报方程通过了2018—2019年的数据检验,该方程对1～2级阵风预报偏高,3～5级效果最好,6级阵风的预报偏低;6级以上的阵风等级预报准确率达55.2%。地形摩擦作用在冷空气大风与台风大风过程中尤为重要,这两类过程阵风系数分布类似,但台风带来的动量下传比冷空气更为明显。     

基于概率密度匹配方法的WRF模式阵风风速误差订正

为提高数值模式对阵风风速预报能力,采用概率密度匹配方法 (Probability Density Function Matching Method,简称PDF方法)对WRF模式地面极大风速预报数据开展误差订正。结果表明:①基于PDF方法订正后的阵风预报效果明显优于WRF预报结果,当实况极大风力≤5级时,两种预报结果均与实况较为一致;当实况极大风力≥6级时,WRF预报相比实况明显偏小,而PDF方法订正结果则与实况较为接近;②对比不同地形条件下两种预报结果发现,在实况风力整体偏弱的平原地区,WRF预报和PDF订正结果对极大风的预报效果均较好;在风力偏强的山区和沿江河谷地区,PDF订正结果的预报效果相比WRF预报则有明显提升;③对2017年安徽省81个国家站逐日极大风速的预报效果检验发现:预报误差和过去五年整体拟合误差基本相当,说明基于2012—2016年历史数据建立的概率密度分布函数可以代表安徽各站多年的实况和WRF预报极大风速的联合分布特征,利用PDF方法进行逐日极大风速预报具有一定的可靠性。     

复杂地形下高精度风场融合预报订正技术在冬奥会赛区风速预报中的应用研究

几乎所有的数值预报模式都存在系统偏差.虽然目前利用统计订正方法降低个别站点的风速偏差已经取得了一些成功,但基于站点的订正具有空间局限性,仍迫切需要基于格点开展复杂地形下高精度风场的融合预报偏差订正.本研究提出了一种复杂地形下北京冬奥赛区不同海拔高度高精度风场的融合预报订正技术.首先利用冬奥山地赛区及周边133个自动气象...     

渤海湾大风的特征及其预报

利用1988—2011年渤海湾两个站的大风资料,对渤海湾多年大于17m/s强风特点进行分析,发现冬季以西北风为主,春、夏、秋季以东北风为主,偶尔会出现偏南风。渤海湾海面大于10级的强风主要出现在10月、11月和12月。强风年分布特征呈两峰两谷型,最多月份是11月,最少月份是8月。根据天气学原理和因子统计筛选,发现强风的极大风速与当日最大风速有较好的相关性;对不同下垫面(海面、陆面)分别建立了极大风速与当日最大风速的预报方程。预报方程通过了α=0.01的显著性检验。方程回代拟合率达到75%~94%。将WRF数值预报计算出当日的最大风速值进行订正、代入预报方程、快速计算出强阵风,为灾害性大风预报提供了客观、有效的预报手段。     

冬奥会延庆赛区气象要素分布特征分析

基于2019—2020年1—3月延庆赛区11个站点的实况观测数据,分析了2022年北京冬奥会延庆赛区风、气温的时空分布特征,建立了阵风因子与平均风速、湍流强度之间的关系,为延庆赛区气温、风场尤其是阵风因子预报提供参考.结果表明:平均来讲,各站点在15时或16时出现日最高气温,06—08时出现日最低气温,气温日较差随海拔...     

针对模式风场的格点预报订正方案对比

为了将格点观测融合产品用于模式预报产品的滚动订正中,获得精准的预报效果,使用国家气象信息中心HRCLDAS（High Resolution China Meteorological Administration Land Data Assimilation System）业务系统产生的高频次格点风场融合产品作为实况资料,采用两种风场模型和8种格点误差订正方案,对模式风预报产品进行订正预报试验,试验选择欧洲中期天气预报中心10 m风预报产品的2017年1月1日—2月28日以及2017年6月1日—7月31日两个时间段,进行了预报模拟试验,对8种格点误差订正方案的订正结果进行检验,同时将订正场插值到站点,使用国家级2400个地面气象站风场资料进行站点检验,结果表明:无论从格点还是站点检验的平均绝对偏差、准确率、绝对偏差分布频率结果看,采用基于模式和实况因子的全格点滑动建模订正方案具有最佳的订正效果。     

基于莫宁-奥布霍夫相似理论的地面站点风速预报偏差订正

地形不匹配会导致风速预报出现偏差。Monin-Obukhov(莫宁-奥布霍夫)相似理论表明近地面风速垂直变化符合对数率特征,基于相似理论并引入大气稳定度判定因子构建偏差订正方案,将地面风速预报由模式地形订正到实际地形。针对冬季和夏季华北区域内760多个站点进行15 d的批量试验发现,使用订正方案后冬季和夏季00时(世界时)起始预报的模式前12 h风速预报的平均偏差可以降低20%以上,24 h预报偏差降幅也可达到10%以上,不同预报时效内风速的均方根误差可降低5%～8%。说明使用偏差订正方案可以对模式地面风速预报产生明显正效果。     

两次台风过程近地层湍流度和阵风因子分析

利用2005年台风"麦莎"和"卡努"期间青岛海岸实测三维风观测资料,挑选6个10 min平均风速≥8 m/s的强风时段,使用矢量分析方法研究台风影响华东地区时近地层的平均风速风向变化、湍流度和阵风因子变化等湍流特性,结果表明台风影响期间,近地层湍流脉动风速不稳定,水平方向、垂直方向风速风向快速变化;虽然台风"麦莎"、"卡努"入海地点不同,不同强风时段近地层湍流度差异也较大,但湍流强度都表现为Iu(横向)＞Iv(纵向)＞Iw(垂直向).两次台风影响过程不同强风时段近地层阵风因子的变化与湍流度的变化是一致的,在风速增大风向转变的时段,湍流度和阵风因子明显增大.     

冬奥会复杂山地百米尺度10m风速预报的机器学习订正对比试验

本文以传统机器学习算法XGBoost和深度学习算法CU-Net为基础,针对北京快速更新无缝隙融合与集成预报系统（RISE系统）预报的北京冬奥会延庆及张家口赛区100米分辨率的冬季近地面10 m风速数据,进行每日逐小时起报的未来逐6小时间隔的冬奥高山站点及其周边地区风速预报偏差订正方法研究和对比分析。对于站点订正,首先将RISE系统预测的10 m风速插值到对应的自动气象站站点,然后根据风速等级表归类,针对每个分类单独构建XGBoost模型,每个区间模型合并后形成L-XGBoost,使用均方根误差和预报准确率作为评分标准,结果表明风速归类的L-XGBoost算法订正效果比不归类的原始XGBoost模型有一定提升,说明在传统机器学习中加入归类方法有助于改善复杂山地站点风速预报技巧。对于站点及其周边地区风速订正,本文在CUNet模型基础上,通过引入不同深度的CU-Net子网络,构建了新的算法模型CU-Net++,并考虑了预报日变化误差和复杂地形对10 m风速的影响,以自动气象站为中心构建空间小区域样本数据,对RISE系统风速预报偏差进行订正。试验结果表明,CU-Net和CU-Net++均可以充...     

一种偏差订正方法在平昌冬奥会气象预报的应用

为了提高GRAPES_3 km（Global/Regional Assimilation and Prediction System）模式在2018年平昌冬奥会气象服务中的预报能力,采用一阶自适应的卡尔曼滤波方法对GRAPES_3 km模式的2 m气温、2 m相对湿度和10 m风开展偏差订正。结果表明:偏差订正方法明显提高了地面要素的预报效果,其中2 m气温的均方根误差整体减小到2℃左右,站点订正改善率为10%~60%;10 m风速的均方根误差减小到2 m·s-1左右,站点订正改善率为10%~45%;2 m相对湿度减小到20%以下,站点订正改善率为0~20%。与韩国气象厅LDAPS（Local Data Assimilation and Prediction System）及美国宇航局NU-WRF（NASA-Unified WRF）模式相比,GRAPES_3 km模式的风速预报表现更为优异,各站点整体预报效果明显优于LDAPS和NU-WRF模式。偏差订正方法可有效改善模式在复杂地形条件下的预报能力,是提高精细化预报准确率的重要手段。     

基于大涡模拟的冬奥赛区风环境精细化评估

风是北京冬奥会场外赛事考虑的首要气象因素,精细评估竞赛场地核心区域风环境对赛道施工建设、遴选防风方案及赛事安排非常必要.以北京冬奥会延庆赛区为中心,将2009-2021年冬奥赛事月份(2-3月)天气环流场进行客观天气环流分型(分为93组),采用北京城市气象研究院睿图-大涡模式系统对各组的典型个例开展37 m×37 m分...     

基于风速高相关分区的风电场风速预报订正

为了提高风电场风速预报和功率预测的精度和准确率,并考虑风机测风数据的不稳定因素,以多年服务的内蒙古中部某风力发电场A为研究区,在勘察风电场地形及风机布局后,按照季节、风向进行风机间风速时空相关性分析,划分出风机轮毂高度风速高相关为典型特征的风机网格分类片区,采用卡尔曼滤波方法,通过直接和间接两种订正方案,分别进行风机片区风速订正。结果表明:风速高相关风机片区的划分,对于提高风电场风速预报及功率预测精度和准确率具有一定作用,利用风电场区测风塔梯度观测风速,对风机片区进行间接订正,可有效改善数值模式预报风速,15个片区类型下相关系数由0.18~0.72提高至0.67~0.91,误差绝对值由1.6~2.9 m·s-1降低至1.0~1.5 m·s-1。     

相似误差订正方法在风电短期风速预报中的应用研究

为降低风电场短期预报风速误差,减少风电场短期风功率偏差积分电量,提高风电场发电功率预测准确率,分季节研究了相似误差订正方法对ECMWF单台风机预报风速的订正效果.结果表明:相似误差订正后不同风机预报风速的误差差距减小;预报风速的平均绝对偏差和均方根误差明显降低,其中夏季和秋季华能义岗风电场两个指标降低幅度均超过0.1 ...     

概率密度匹配方法在我国近海海面10m风速预报中的应用

海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差.为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017-2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正.分析结果表明,概...     

Adaptive neuro-fuzzy inference system to forecast peak gust speed during thunderstorms

The aim of the present study is to develop an adaptive neuro-fuzzy inference system (ANFIS) to forecast the peak gust speed associated with thunderstorms during the pre-monsoon season (April?CMay) over Kolkata (22°32??N, 88°20??E), India. The pre-monsoon thunderstorms during 1997?C2008 are considered in this study to train the model. The input parameters are selected from various stability indices using statistical skill score analysis. The most useful and relevant stability indices are taken to form the input matrix of the model. The forecast through the hybrid ANFIS model is compared with non-hybrid radial basis function network (RBFN), multi layer perceptron (MLP) and multiple linear regression (MLR) models. The forecast error analyses of the models in the test cases reveal that ANFIS provides the best forecast of the peak gust speed with 3.52% error, whereas the errors with RBFN, MLP, and MLR models are 10.48, 11.57, and 12.51%, respectively. During the validation with the 2009 observations of the India Meteorological Department (IMD), the ANFIS model confirms its superiority over other comparative models. The forecast error during the validation of the ANFIS model is observed to be 3.69%, with a lead time of <12?h, whereas the errors with RBFN, MLP, and MLR are 12.25, 13.19, and 14.86%, respectively. The ANFIS model may, therefore, be used as an operational model for forecasting the peak gust speed associated with thunderstorms over Kolkata during the pre-monsoon season.     

大连地区阵风系数特征分析

利用2015年5月至2020年4月辽宁省大连地区9个国家气象站、2017年165个区域气象站逐10 min测风资料, 从风向、风级、月际变化、日变化、空间分布和天气影响系统等对大连地区最大、平均、最小阵风系数进行统计分析。结果表明: 1—12月平均阵风系数的变化范围为1.66~1.77, 秋末冬初平均阵风系数偏大, 春夏季节偏小; 与冷空气相对应风向的平均阵风系数大于与暖空气相对应的风向; 随着风级的增大, 最大、最小阵风系数向平均阵风系数收敛; 不同风级下阵风系数的频率分布均呈单峰型分布, 风级越大, 分布范围越窄。除西南风外, 其他风向的阵风系数均表现出白天大、夜间小的特点。大连地区阵风系数具有明显的地域特点, 东南和西北部沿海区域的阵风系数比内陆和西南沿海偏小, 风向基本不影响阵风系数的空间分布。大连的大风过程多受海上气旋和高压前部双系统共同影响, 气旋、台风以及雷暴大风的平均阵风系数大于同风级的平均值。     

大连地区ECMWF细网格10 m风场与观测实况对比与检验

选取2016年1月至2018年12月ECMWF(简称EC)细网格10 m风资料,与大连地区8个国家气象观测站地面各类实况风速资料进行对比分析,得出EC 10 m风速预报与最大风速最为接近,与极大风速相关性最好,EC 10 m风速对大连地区8站整体预报平均偏大.通过对EC 10 m风速各预报时限资料与其对应的最大风速误差...