福建省沿海冬半年东北大风的数值预报释用方法研究

基于福建省冬半年沿海32个自动站的极大风观测资料和WRF、EC细网格以及T639 3种模式预报的10 m风场资料,将模式预报的风速与观测资料进行对比分析,结果表明:WRF和EC细网格的预报效果较好,有可参考性,T639可参考性不高。模式预报结果相比实况极大风速偏小,预报平均绝对误差由沿海向内陆逐渐减小,由中部向南北逐渐减小。择取预报效果较好的WRF和EC细网格模式,对沿海代表站点进行风速集成,建立集成预报方程,并进行集成订正。误差订正后,与误差较小的WRF模式相比,预报准确率提高了10%左右,改善效果显著,为提高福建省沿海冬半年东北大风的预报准确率提供定量的预报方法。     

WRF、EC和T639模式在福建沿海冬半年大风预报中的检验与应用

基于福建省冬半年沿海和港湾岛屿自动站的逐时极大风观测资料和WRF(Weather Research and Forecast)、EC(European Centre for Medium-Range Weather Forecasts)细网格以及T639(TL639L60)三种模式预报的10 m 风场资料, 将模式预报的风向风速与观测资料进行对比检验, 结果表明: 福建省沿海冬半年大风的盛行风向以东北风为主, 大风的时空分布极为不均, 沿海风力的脉动性、跳跃性、局地性突出。从三种模式对风速风向的模拟效果来看, WRF 和EC 细网格的预报效果较好, 有可参考性, T639可参考性不高。对于风速, 模式预报结果相比实况极大风速偏小, 港湾岛屿代表站风速的平均绝对误差均小于沿海代表站, 预报平均误差由沿海向内陆逐渐减小, 由中部向南北逐渐减小。风向相比风速的预报效果要差, WRF 和EC 细网格的风向预报误差在45°～50°, 有一定的参考意义; 港湾岛屿代表站风向的平均绝对误差大于沿海代表站, 以浮标站的误差最大。当观测风速出现7 级及以上风速时, 若对大风进行分级检验, 则较低风速的预报平均绝对误差小于较高风速; 风向预报的平均绝对误差也大大降低, 且误差都在45°以内, 具有良好的参考性。     

南海冬季一次海面大风天气的WRF模式预报检验

为寻找出适合南海冬季海面大风天气预报的边界层参数化方案,利用中尺度气象模式WRF中9种边界层方案(YSU、MYJ、QNSE-EDMF、MYNN2、MYNN3、ACM2、BouLac、UW、GBM),对2012年12月29-31日的大风过程进行预报,并用最终分析资料(FNL)检验10 m风场预报。结果表明:风速风向预报的整体平均偏差相当,风向预报的均方根误差较风速大;风速风向与实况的相关随着预报时间增加,整体呈现下降趋势;各方案对海陆交界风速预报普遍偏大2 m/s以上,而在远离陆地的海域偏差较小;YSU方案对北部湾、东沙群岛、西沙群岛、南沙群岛4个海区风场的变化趋势均能较好预报;整体而言,南海大部分海域的预报偏差较小,YSU、MYNN2、MYNN3方案对风速预报较好,ACM2方案对风向预报较好。     

山东精细化海区风的MOS预报方法研究

基于中尺度数值模式WRF_RUC的预报产品,采用逐步回归的MOS方法,对山东12个精细海区代表站有关大风进行解释应用。对2013年9月—2014年4月海区风的客观预报产品进行检验,结果表明:MOS预报方法对6级以上日最大风速有较好的预报能力,较WRF_RUC模式直接输出的预报结果有了明显的提高,但对4级以下小风预报效果较差。选取4级风作为阈值,当WRF_RUC模式预报风力大于4级时,用MOS预报结果替换,显著提高了风速分级预报效果,无论是4级以下小风还是6级以上大风,MOS预报评分都要高于WRF_RUC模式预报。将平均风速与阵风的统计关系应用到阵风客观预报中,MOS方法对于改进的日极大风速的预报效果有明显提高,对10级强风也有一定的预报能力。     

黄、渤海冷空气海浪场的集合预报试验

利用欧洲集合天气预报系统51个预报风场驱动SWAN海浪模式,对黄、渤海2013年12月-2014年2月期间受冷空气影响的海浪场进行数值模拟试验,并利用浮标观测资料对海浪集合预报结果进行初步检验分析,结果显示:从逐时平均偏差结果可知,24h预报时效内集合平均与控制预报性能相近,48~72h预报时效内,集合平均明显优于控制预报,但均比实况偏小;集合分位值(75、90百分位值和极端值)明显优于集合平均,且预报时效越长,优势越明显,集合预报极端值与实况相当或略偏大;从逐24h平均偏差结果可知,集合分位值(75、90百分位值和极端值)比集合平均和控制预报更接近实况。总的分析表明:集合分位值(75、90百分位值和极端值)对受冷空气影响的海浪场具有较强的分辨能力,可以提高对海浪场的预报水平,且有较好的应用潜力。     

2014年6—8月数值模式产品对山东气温预报的检验分析

为检验不同数值模式产品对山东不同站点2m日最高、最低气温24h预报效果,利用2014年6—8月逐3h的WRF-RUC、En WRF确定性预报、不同集合百分位数、T639、中国气象局下发的T639-MOS解释应用产品以及EC细网格预报进行TS评分、误差等分析。结果表明:EC细网格对内陆最高气温预报准确率最高,En WRF确定性预报次之,EC细网格和T639-MOS对内陆最低气温预报准确率最高。T639和EC细网格分别对沿海最高和最低气温预报准确率最高。对各模式单站气温预报进行最优模式分析发现,对于最高气温预报最优的模式为EC细网格和En WRF确定性预报,分别集中在鲁西南和鲁北、鲁中和鲁东南。对于最低气温预报最优的模式为EC细网格和T639-MOS,T639-MOS主要对鲁中山区预报较好,其他地区两个模式预报效果基本相当。     

基于贝叶斯理论的中国近海网格化气象要素概率预报研究

基于贝叶斯理论建立了一种基本概率预报模式,将欧洲中期天气预报中心数值模式的确定性海面风场预报转换为概率预报,并对概率化后的释用产品进行了评估与检验。对2016年3月和4月释用产品的检验结果表明,在中国近海1425个渔区的全风速预报中,贝叶斯概率预报准确率均较高;对6级及以上大风的预报,贝叶斯概率预报的准确率也较高,且空报率低,无漏报。本文的研究成果为预报员进行业务预报具有指导性意义,同时将为进一步构建海面风场的网格化业务预报体系奠定了技术基础。     

山东省2015年秋季(9—11月)数值预报产品检验

根据中短期天气预报质量检验办法,对2015年9—11月T639、EC细网格、WRF确定性预报(En WRF)12km和4km分辨率及不同集合百分位、上海区域模式(BCSH)以及T639-MOS在山东省陆地120站和沿海12个精细海区的降水、日最大风以及日最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

T639数值预报产品对黄渤海沿海大风预报效果检验

根据影响系统对2008—2011年黄渤海沿海的大风分了四个天气类型:气旋、低槽冷锋、台风和综合类。对不同类型的大风天气,就T639数值预报产品天气系统的影响时间、强度和中心位置以及大风出现的开始时间、结束时间、大风落区、最大风速值和最大风速值的开始时间、结束时间和落区的预报准确率进行了统计。结果表明,T639数值预报对黄渤海沿海大风具有较好的预报准确率,漏报率较低;对于台风类的预报能力偏差;预报数值比实况偏小,当预报有气旋、或预报大风时间长范围大时,实况风将增大1—2个量级;对于大风的开始时间预报略偏早,而对于大风的结束时间和最大风速的开始和结束时间预报均略偏晚。     

EC细网格产品在复杂海岛地形条件下的大风滚动订正释用

应用EC细网格资料和站点实况资料,结合风速高度订正和分风向误差风速分析,建立考虑地形的PP法模型。释用结果表明:考虑地形的PP法模型能有效提高EC细网格产品大风预报精度,平均绝对误差低至2.57 m/s;应用卡尔曼滤波法实时吸收最新资料,能实现释用模型回归系数的滚动更新,预报风速平均绝对误差由2.91 m/s降至2.66 m/s。     

山东省2015年夏季(6—8月)数值预报产品检验

根据短期天气预报质量检验办法,对2015年6—8月T639、EC细网格、WRF确定性预报(En WRF)12km和4km分辨率及不同集合百分位、上海区域模式(BCSH)以及T639-MOS在山东省陆地120站和沿海12个精细海区的降水、日最大风速以及日最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

黄,渤海大风预报研究综述

本文介绍了近20年来黄、渤海大风预报诊断研究的进展。着重概述了冬半年产生黄、渤海偏北大风的环流分型,偏北大风的各种预报方法,由陆地风推算海上风场模式和黄、渤海气旋的诊断研究以及影响黄、渤海台风的研究概况。     

中国近海海面风场预报方法综述

海上大风是一种灾害性海洋天气现象,能够准确、及时的预报海上大风对沿海地区的防灾减灾具有十分重要的意义.目前近海风场的预报方法有经验预报、统计预报、数值模式预报和统计动力(数值产品的释用)预报等.本文主要针对这些预报方法进行汇总与分析,为预报员提供可靠的依据.     

山东省2014年冬季(2014年12月—2015年2月)数值预报产品检验

根据短期天气预报质量检验办法,对2014年12月—2015年2月T639、EC细网格、MM5、逐3h的WRF-RUC、WRF确定性预报(En WRF)及不同集合百分位、上海区域模式(BCSH)、T639-MOS在山东省陆地120站和沿海12个精细海区的日最大风速、最高最低气温预报,以及济南和青岛的逐6h内最大风速和6h内最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

山东省2015年春季(2015年3—5月)数值预报产品检验

根据短期天气预报质量检验办法,对2015年3月—2015年5月T639,EC细网格、WRF-RUC,WRF确定性预报(En WRF)及不同集合百分位、上海区域模式(BCSH)以及T639-MOS在山东省陆地120站和沿海12个精细海区的降水、日最大风速以及日最高最低气温预报进行检验,分析了不同数值模式产品的预报能力。     

上海沿岸海域灾害性大风特征研究与预报检验

选取2011-2017年上海沿岸海域5个浮标站点的风场和海浪数据,分析了大风过程的时间和空间特征;对海浪成长过程进行风向分类,运用滑动相关分析统计了8个风向的海浪滞后时间;计算了大风起风时间的预报提前和滞后量,进行了风速风向的误差和准确率检验。结果表明:越往东部海域,大风时数越多,长江口区东部风速较大;大风极值主要出现在8月份台风过程,出现时段都为傍晚到半夜,大浪极值浪向以东北到东南向为主;秋冬季大风时数多,5-6月大风时数最少;大风风向以西北到东北风为主;海浪成长过程风向分布是东南-西北走向,海浪对风的响应滞后时间平均为3~4 h;大风起风时间预报较实况略有滞后,风速预报的准确率总体在70%以上,预报值较实况值偏小,口外浮标偏小最为明显,偏强率都为0;风向预报准确率低,误差大。     

渤海中南部突发性大风成因分析及预报思考

利用常规资料、自动气象站、风廓线、ERA Interim 0.25°×0.25°再分析资料、EC-thin和TJwrf模式结果,对2017年11月23日夜间渤海突发性大风成因进行了诊断分析,并探讨短期时效的预报失败原因及订正思路。研究表明:(1)高空动量下传是风速快速增长的原因,较强的高层动量下传及风速垂直切变明显增强了近地层风速的突发性和对流性;(2)大风过程冷平流强度的增强直接造成地面增压,前期增温使冷锋过境时锋区强度加大地面气压梯度加强,风速变化与最大变压梯度对应,大风区位于正变压梯度中心;(3)由于前期增温导致补充冷空气过境前层结不稳定伴有上升运动,有利于空气的垂直能量交换;(4)数值模式因对地面高压强度及移速的预报偏差,导致模式对于渤海23日风场预报大幅度偏弱。     

基于MOS方法的宁德海区风的预报检验分析

基于WRF模式的预报产品,利用MOS方法预报宁德沿海24个站点的风向、风速,并给出2014年1—12月的预报评估结果。结果表明:MOS对宁德海区风向风速的预报效果优于WRF,其对夏季风速和冬季风向的预报效果最好,预报误差随预报时效的延长而不断增大,白天的预报误差比夜间的大。MOS预报的风速平均绝对误差由海上向内陆逐渐减小,由北而南逐渐增大;而对于风向的平均绝对误差则是由海上向内陆逐渐增大。除了1级以下风,风力越小,MOS预报的风速准确率越高。MOS对东北风的预报准确率最高,北风和西北风次之,对西南风也有30%以上的预报准确率,而对东南风的预报效果最差。     

1307号台风“苏力”期间T639风场预报产品的有效性检验及应用

文章利用T639风场预报产品,对发生在2013年7月中旬的201307号台风"苏力"的海表风场进行预报,分析台风的结构特征,并探索性地利用来自我国台湾、韩国的观测资料,检验T639风场预报产品在台风期间的精度,以期可为台风风场预报、防灾减灾等提供科学依据。结果表明:(1)从定性的角度来看,预报风速与观测风速在曲线走势上保持了很好的一致性,预报风速具有较高可信度;综合考虑相关系数、偏差、均方根误差、平均绝对误差,定量地分析发现,预报风速具有较高精度,预报值在数值上稍大于观测值。(2)T639风场预报产品在中国海范围整体上具有较高精度,但在部分小区域没有充分考虑到地形效应。(3)T639风场预报产品很好地刻画了台风"苏力"的结构特征,对台风眼、台风尾迹、大风区等台风的显著特征刻画的较为形象,预报的台风走向与观测路径也大体上保持一致。     

基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究

基于海洋气象历史观测资料和再分析数据等，利用LSTM深度神经网络方法，开展在有监督学习情况下的海面风场短时预报应用研究。以中国近海5个代表站为研究区域，通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集。选取21个变量作为预报因子，分别构建两个LSTM深度神经网络框架(OBS_LSTM和ALL_LSTM)。经与2017年WRF模式6 h预报结果对比分析，得出如下结论:构建的两个LSTM风速预报模型可以大幅降低风速预报误差，RMSE分别降低了41.3%和38.8%，MAE平均降低了43.0%和40.0%；风速误差统计和极端大风分析发现，LSTM模型能够抓住地形、短时大风和台风等敏感信息，对于大风过程预报结果明显优于WRF模式；两种LSTM模型对比发现，ALL_LSTM模型风速预报误差最小，具有很好的稳定性和鲁棒性，OBS_LSTM模型应用范围更广泛。