ENVISAT星载合成孔径雷达反演风场在江苏近海风场研究中的应用初探

为了弥补海上风的常规直接观测资料较少的不足,探索将合成孔径雷达(Advanced Synthetic Aperture Radar,ASAR)观测资料用于风场研究,以江苏近海为研究对象,利用沿海地面观测数据和2008年11幅ASAR影像反演获得的风速和风向进行对比,并将卫星反演风场同化至数值模式,分析对海上风场模拟效果的改进。结果表明:ASAR影像反演的海面风场和地面实测吻合度较高,可以作为没有直接风观测的海上区域的补充。风速反演值略大于观测值,均方根误差为1.8 m·s~(-1),83.6%的站点偏差在±2 m·s~(-1)之内;风向反演值比观测值偏北,均方根误差为39.3°,41.8%的站点偏差在±22.5°之内。将反演风场同化至WRF模式后,提高了海上风场的模拟效果,风速均方根误差1月降低至0.9 m·s~(-1),7月降低至1.6 m·s~(-1);风向均方根误差1月降低为57.3°,7月降低为50.6°。     

上海组网风廓线雷达数据质量评估

利用2014年6月美国国家环境预报中心(NCEP)的全球模式分析资料,对上海及周边地区组网的七部边界层风廓线雷达的水平测风数据进行了初步分析和比较。由于NCEP全球模式分析资料并未使用上海13:15加密观测探空秒间隔数据,首先用该数据对NCEP分析资料的准确性和代表性进行了检验。结果表明,两者平均偏差与均方根误差均较小,故认为NCEP分析资料可用于客观检验上海及周边地区组网的七部边界层风廓线雷达的水平测风数据。对比分析风廓线雷达与NCEP分析资料表明总体上,风廓线雷达与NCEP分析资料的平均风场风速偏差为-0.14 m·s~(-1),均方根误差为2.72 m·s~(-1),风向偏差为-4.28°。上海组网风廓线雷达测风资料质量与探空观测水平接近,有较高的可用性。     

QuikSCAT和ASCAT卫星反演风场在中国南海北部的适用性研究

对QuikSCAT和ASCAT原始轨道10 m反演风场与浮标资料在中国南海北部的统计检验分析结果表明:两套卫星资料在中国南海北部具有较好的适用性,QuickSCAT反演风速偏高0.46 m·s~(-1),ASCAT反演风速在近海偏高0.45 m·s~(-1),在开阔海域偏高0.07 m·s~(-1)。超过半数的QuickSCAT反演风向误差30°。在近岸海域,ASCAT反演风向误差30°的超过56%,在开阔海域,误差绝对值30°的达到64%。小风时卫星反演风速偏大,大风时卫星反演风速明显偏小,且白天的偏差大于夜间;在5~10 m·s~(-1)风速条件下,两者的一致性较好。用WRF模式模拟的近海风能资源存在高估的可能,卫星资料对近海风能资源评估是个有益的补充,本文对卫星反演风场误差的分析结果也可以为卫星反演风场的资料同化提供参考。     

ASCAT散射计风场在我国近海的初步检验与应用

为了弥补中国近海海区缺乏洋面风场观测资料,提高海洋气象预报能力,对MetOP-A极轨卫星搭载的ASCAT散射计反演风场资料和中国气象局在近海布设的18个浮标站测风资料进行对比。结果表明,离岸较远的海域中ASCAT反演风场的质量要优于离岸较近的海域,在较远的海域中,ASCAT风速和浮标观测风速的平均偏差为0.9 m·s~(-1),ASCAT的风速高于浮标站的风速,平均绝对偏差和均方根误差分别为1.2和1.4 m·s~(-1),风速的相关系数为0.94。统计特征分析结果显示,ASCAT散射计风场资料在中国近海有较好的可信度,在高风速的时候,ASCAT和浮标资料一致性较好,而低风速时候,ASCAT比浮标略偏大。目前,中央气象台正在逐步开展ASCAT资料的业务应用,ASCAT洋面的MICAPS格式产品和图形产品现已实现准实时运行。     

济南边界层风廓线雷达与L波段雷达大风探空测风对比

基于相同站点的济南边界层风廓线雷达(WPR)和L波段雷达大风探空测风(以下简称LW)资料,采用相关、拟合、廓线分析等方法,系统地对比两者大风(≥10.8 m·s~(-1))数据的各统计特征、相关性、时空变化规律的异同。结果表明:(1)两者u分量、v分量、风向、风速的相关系数分别为0.973、0.965、0.994、0.665,标准偏差分别为2.04 m·s~(-1)、2.88 m·s~(-1)、10.82°、2.53 m·s~(-1),大风数据相关性总体较高,且相关系数风向优于风速的、降水样本优于非降水的,表明WPR观测大风数据可信、降水期间WPR水平大风数据可以使用。(2)两者大风风向、风速基本一致,但在低层差异较高层的大,尤其是340 m及以下高度层更显著,降水、非降水、全部样本在2980、1900、2740 m以下WPR风向值均略小于LW,而在1300、2740、1660 m以下WPR风速值均略大于LW。(3)两者资料互补性总体较好,大风风向、风速、v分量差值随高度变化符合对数律递增或递减规律,但u分量需分段拟合;在进行回归方程求算和资料互补时,应考虑差异随高度等的变化。     

华中区域中尺度业务模式水平风场预报能力的检验评估

利用经过质量控制的风廓线雷达组网资料(以下简称观测)对华中区域中尺度业务模式(WHMM)水平风场的预报能力进行检验评估,分别从总体、不同高度、不同风速以及单站等方面对全风速(wspd)、纬向风(u)、经向风(v)进行1个月(2013年5月)的统计分析。结果表明:(1) WHMM对风场具有较好的预报能力。其12 h和24 h的预报与观测的相关系数在0.6以上,通过α=0.01的显著性检验,12 h相关系数大于24 h的,预报风速整体存在负偏差,较观测偏小。随预报时效延长,风场的预报误差增大。u和wspd的预报能力好于v。(2)在垂直方向上,WHMM的wspd、u和v预报的均方根误差(RMSE)随高度先增加后减小,在1～2 km高度预报误差较大,4～5 km的预报误差较小。(3)按照风廓线雷达测风wspd间隔5 m·s~(-1)将模式预报分组,在30 m·s~(-1)以下不同速度分组中,WHMM 12 h预报的wspd、u和v与观测值的相关系数均大于24 h的,且通过α=0.01的显著性检验,12 h预报的RMSE大于24 h的,并随风速增加而增大。(4)从单站的风廓线来看,模式可以预报出站点上空风场随高度的变化趋势,广州站预报效果好于芜湖和秭归站。     

青岛沿海ASCAT卫星反演风场与浮标海岛实测风场的对比分析

本文通过对比检验2013年1月至2016年6月ASCAT卫星反演风场与青岛浮标海岛站实测10m风场资料,开展ASCAT卫星反演风场在青岛沿海的适用评估。结果表明:ASCAT反演风速整体偏大,风向偏左,但整体偏差均较小。ASCAT反演风场和浮标海岛站实测风场的风速和风向的整体偏差分别为1.6m/s和-9.6°,说明ASCAT反演风场在青岛沿岸有很好的适用性,比EC再分析资料能更细致地反映青岛沿岸的风场空间分布。从风速分级比较来看,风速越弱,卫星反演风速越接近站点实测风速,反演结果越好,而风向反演结果则反之。风速和风向的反演效果皆是晚上比早晨好。并且季节变化对风速反演效果影响不大,但是对风向反演效果有一定的影响,秋冬季节风向反演结果好于春夏季节。最后,对ASCAT反演风速分别进行线性回归订正、综合误差、风速等级误差和升降轨误差订正,发现线性回归订正结果最佳。     

利用神经网络从118.75 GHz附近通道亮温反演大气温度

为了准确快速地从118.75 GHz附近六通道亮温计算大气温度,作者开展了利用人工神经网络技术反演大气温度的数值模拟研究。与线性统计反演算法比较,海面上大气温度反演的总体均方根误差减小17%,陆面上大气温度反演的总体均方根误差减小15%。两种下垫面条件下的温度反演结果表明,近陆面的温度反演结果优于近海面的温度反演结果。另外,对温度廓线垂直结构反演性能的分析结果表明,对于具有较厚逆温层结构的温度廓线,神经网络反演对廓线的复现能力优于线性统计反演。     

多普勒激光雷达风场反演方法研究

采用三维变分同化反演(3DVAR)、 四维变分同化反演(4DVAR) 对多普勒激光雷达资料反演风场的方法进行了研究, 利用车载多普勒激光雷达在2008年残奥会测试赛期间外场试验取得的数据, 反演了海面10 m高度处的风场, 并将风场反演结果与浮标资料进行了对比分析, 结果表明: 3DVAR、4DVAR风场反演方法均能实现近海面风的精细化风场反演, 并能反映出风向的变化, 反演风场与浮标数据基本一致, 在风速较大的天气情况, 3DVAR与4DVAR反演风场的一致性要好于风速较小的天气情况; 4DVAR反演方法中以浮标资料作为背景场, 使得其与浮标的符合程度要好于3DVAR方法反演风场; 反演风场的风向与浮标风向具有很好的相关关系, 反演风场的风速与浮标风速具有一定的相关关系, 反演风场的风向、风速与浮标的风向、风速之间平均均方根误差和平均绝对误差表明, 这两序列之间具有一定差别, 在风速较小的天气情况下使用时需要注意。     

风廓线雷达与天气雷达风廓线数据的融合及应用

风廓线雷达与多普勒天气雷达风廓线产品均可以获取高时间分辨率的高空风信息,但两种遥感测风的探测原理及时空代表性不同。在对风廓线雷达进行质量控制处理、剔除降水粒子空间不均匀分布对数据可信度影响之后,根据风廓线雷达与天气雷达风廓线数据探测原理差异,进行不同时间代表性的风廓线数据的空间匹配试验,确定与天气雷达风廓线数据进行融合的风廓线雷达数据最优时间分辨率,结果为1 h。利用2015年7月北京南郊观象台的探空、风廓线雷达、天气雷达测风数据进行三种高空风的一致性比对,结果表明三种测风数据具有较好的一致性,均方根误差分别为2.3和2.5 m·s~(-1);60、30以及6 min不同时间代表性风廓线雷达数据与天气雷达风廓线数据之间的均方根误差分别为2.6、2.8及3.1 m·s~(-1),60 min数据的融合效果最佳,低空尤其明显。利用广东省2014年5月的风廓线雷达观测网以及天气雷达网风廓线数据进行了高空风场的融合分析试验,融合分析场提供了更为丰富的高空中尺度水平风场信息,低空的涡旋更加明显。     

利用AMDAR数据分析厦门、泉州双雷达三维风场反演误差

利用2016年全年进出厦门机场和晋江机场航班的AMDAR(Aircraft Meteorological DAta Relay)数据对双雷达反演风场进行检验,分析了厦门、泉州双雷达风场反演的总体误差,研究结果表明:1)验证了双雷达连线附近区域反演风场的平均绝对误差较大,发现了与两部雷达连线的夹角小于15°和大于165°的区域的反演结果的平均绝对误差明显大于误差的年平均值。2)对于反演风向而言,误差随着高度增加而减小。对于反演风速而言,高度在9 km以下的反演误差在5 m/s左右,而9 km以上的反演误差较小。3)剔除了双雷达连线附近区域(与两部雷达连线的夹角小于15°和大于165°的区域)和反射率因子小于5 dBZ以及等于100 dBZ(剔除非气象回波)的反演结果后,双雷达反演风场误差较小,相对于AMDAR数据的风向年平均绝对误差为29.4°,风速年平均绝对误差为3.28 m/s,总体误差在可接受范围之内,反演结果接近"真值",该反演方法稳定可靠。     

ASCAT反演风场与华南及南海站点观测对比分析

利用2014—2017年华南沿海及南海的浮标站、海岛站、石油平台站、沿海自动站等277个自动站风场数据,与ASCAT反演风场进行了对比分析。结果表明,当观测风速小于5 m/s(大于15 m/s)时,ASCAT反演风速的平均绝对误差在3 m/s左右(存在2级左右的高(低)估);当风速介于5～10 m/s时,平均绝对误差在2 m/s左右(多数ASCAT有1～2级的高估);介于10～15 m/s时,ASCAT反演结果相对最好,风速、风向准确率能够达到60%以上。ASCAT对风速的反演结果受陆地影响较大,与观测风速的相关系数从高到低可分为三类:(1)浮标、平台站;(2)西沙、南沙自动站;(3)广东沿海自动站及海岛站、海南海岛站。ASCAT反演风场在风向的应用较风速更优,其中,东北风样本数最多,其次分别为西南风、东南风和西北风。浮标站、平台站、西沙自动站的风向反演质量相对较好;所有测站风向偏差主要由5 m/s以下的弱风贡献。单站多年月平均风速变化显示,ASCAT反演风速相对测站主要为正偏差,且秋冬季比春夏季偏差更大,这可能与大气稳定度有关。     

登陆台风站点大风预报的人工神经网络方法

利用数值预报格点资料预报登陆台风影响时,沿海地区站点风的预报是各站点的定时二分钟风向风速。通过对MICAPS站点资料进行整合、分析,选取了沿海地区400多个资料比较齐全的站点和海岛站作为预报站点。用NCEP再分析场的格点资料做相关性分析,选定9个预报因子。运用BP网络对每个站点分别建立纬向风和经向风人工神经网络模型,拟合风速的绝对值误差是1.3 m·s~(-1)。独立样本检验,风速绝对误差在2 m·s~(-1)以内。     

降水时风廓线雷达风场反演效果评估

风廓线雷达（wind profile radar,WPR）因具有高时空分辨率特点,成为当前短时临近预报的重要参考工具。降水时WPR同时接收大气湍流回波和降水粒子散射回波,现有技术不能有效分离叠加在一起的湍流信号和降水信号,导致降水期间风廓线雷达反演的风场数据严重缺失或失真。根据风廓线雷达探测技术原理及降水天气的功率谱特点,提出了降水天气时风廓线雷达湍流信号提取方法（WPR-HW）,并选取2015—2018年天津10次降水过程对WPR-HW方法进行模式检验及个例效果评估。结果表明：WPR-HW方法对改善降水期间风廓线雷达风场数据缺失问题效果明显,在选取的10次降水过程中,目前通用的风廓线雷达风场反演方法（WIND）风场数据平均缺失率为25.4%,WPR-HW方法未出现风场数据缺失现象;WPR-HW方法较WIND方法反演风场数据可信度有显著提高,反演数据与再分析数据的风速均方根误差由WIND方法的2.3 m·s-1降至WPR-HW方法的1.6 m·s-1,风向均方根误差由WIND方法的45°降至WPR-HW方法的22°,从而验证WPR-HW方法在降水期间适用。     

琼州海峡海面风场特征的观测分析

在检验资料可靠性的基础上，利用船载自动站、浮标站与岸基自动站测风资料分析了琼州海峡海面风速空间变化规律，以及秋冬季节的海面风场的日变化特征。结果表明：(1) 琼州海峡海面风速平均比沿岸风速大3～4 m/s，当沿岸风速≥8.0 m/s(5级)时，海面风速比沿岸大5～6 m/s；(2) 海峡海面阵风系数随着风速加大而减小。沿岸风速<5级时，海面平均阵风系数在1.4～1.5之间，风速≥5级时，平均阵风系数为1.35左右；(3) 秋冬季节，海面的平均风速日较差与风一致率均小于沿岸，当海面出现≥10.8 m/s(6级)强风时，海面与沿岸的风速日较差减小，风一致率增加。     

新疆哈密复杂地形风场的数值模拟及特征分析

为了实现复杂地形下高分辨率风场的数值模拟及特征分析,采用中尺度气象模式WRF(Weather Research and Forecasting M odel)结合牛顿松弛逼近Nudging资料同化技术,实现哈密地区水平分辨率1 km的近地层风场数值模拟计算。基于模拟区域测风塔实测数据的对比检验发现,同化观测资料后风速风向的模拟结果均与实测更加接近,70 m高度风速模拟结果的绝对误差降低0. 25 m·s~(-1),同化后的模拟结果可以较好的修正风速较小时模拟值偏高和风速较大时模拟值偏小的问题,同时风廓线的模拟结果也与实测更加吻合。通过分析哈密复杂地形下水平分辨率1 km逐10 min风场输出结果发现:(1)哈密地区地形比较复杂,风速平面分布差异很大,4月份风速较大区域主要分布在山北地区和西部山南垭口附近,而7月份风速较大区域则位于西部的山坳南部和北部地区;(2)复杂地形下风速较小时风速为负切变,且平均风速越小负切变值越大,地形越复杂负切变值越大;风速较大即使是复杂地形下同样为正切变,但是正切变值比平坦地区的值要小,平坦地形下风速越大正切变值越大;(3)哈密地区复杂地形下,风速12～25 m·s~(-1)的风速占比在时间和空间上分布差异较大,风速较大的4月份,大部分地区占比达到20%以上,尤其是山北和西部垭口附近,占比甚至达到了50%以上,风速为12～25 m·s~(-1)的情况下80 m高度平均风速比60 m高0. 60～0. 80 m·s~(-1),比月平均风速的垂直变化值要大;(4)风速较大时,风向10 min变化不明显,风速较小时,风向变化值较大,且地形较平坦地区风向变化值较大,地形复杂地区变化值较小;(5)风向的垂直变化与风速大小关系比较明显,风速越小,其垂直变化越大,风向垂直变化的区域分布与地形复杂程度相关,地形越复杂风向的垂直变化值越大。     

高频地波雷达在辽宁省海上大风预警中的应用研究

基于辽宁省大连和盘锦高频地波雷达的海上大风探测资料,与辽宁省沿岸海域区域自动气象站的风场观测资料进行对比分析,利用有效样本数、获取率、可用性、平均偏差及标准差等数据,采用连续探测全部时间和分级处理风力评估高频地波雷达的工作状态,评判高频地波雷达资料反演的总体性能。结果表明:大连高频地波雷达的总体性能优于盘锦高频地波雷达;大连高频地波雷达风向和风速观测资料的获取性能相当,总体基本满足业务应用需求;盘锦和大连高频地波雷达资料的获取率基本持平,但二者数据的可用性均较低,与实际海况存在一定的差异。在低环境风力情况下(风速小于6 m·s~(-1)),大连和盘锦高频地波雷达探测的风场均与实际风场偏差较大;当环境风力超过6 m·s~(-1)时,大连高频地波雷达的的探测性能显著提高,可以整体反应实际风场的变化,盘锦高频地波雷达表现一般;当环境平均风力超过10 m·s~(-1)时,大连高频地波雷达的探测性能显著提高。     

第24届冬奥会海坨山赛区近两年冬季地面风场特征

基于北京市海坨山赛区4个自动气象站2014、2015年冬半年地面风场资料,分析第24届冬奥会海坨山赛区冬季地面风场分布特征。结果表明:(1)各站冬季地面风场具有明显的风向取向以及风速值分布区间特征,其中海拔较高的A1492站风向呈明显的西西南至西北4个方位取向,10.0 m·s~(-1)以上风速的发生频率约为49.1%,月平均风速均10.0 m·s~(-1);(2)各站月平均风速最大值均出现在1月,A1489、A1490和A1491站风速最小值均出现在11月,A1492站最小值出现在3月;(3)各站日逐小时平均风速呈典型的日变化特征,08:00—16:00风速逐渐增大、16:00—18:00缓慢减小。     

基于随机森林算法的岸基GNSS-R海面风速反演

GNSS-R技术可应用于海面风速反演,但传统的反演方法存在计算量大、反演精准度不高等缺点。利用随机森林算法,对东营沿海东青五号石油平台上的岸基GNSS-R数据进行海面风速反演,结果显示：训练集的决定系数R2为094,均方根误差为102 m/s;测试集的R2为084,均方根误差为155 m/s。与传统方法相比,随机森林算法反演效果大幅提升,可应用于GNSS-R海面风速反演中。岸基GNSS-R反演海面风速中最重要的特征因子是风向和相关时间,不同风力等级下的反演结果也存在明显差异。     

基于加密探空资料的上海不同云天下AIRS/Aqua相对湿度廓线反演精度研究

目前云对卫星相对湿度廓线反演精度的影响研究大多是针对云量,对其他云属性的影响研究尚少,云高也是影响卫星相对湿度廓线反演精度的重要因素。利用上海宝山站L波段(1型)加密探空资料,分析了上海地区7—9月不同质量控制标识、云量和云顶高度条件下大气红外探测器AIRS/Aqua (Atmospheric Infrared Sounder)相对湿度廓线的反演精度,以期为今后开展AIRS等卫星资料的同化研究提供科学依据。结果表明：（1）AIRS相对湿度廓线反演误差随着云量的增加而逐渐增大,并且随着气压值的升高,少云与多云时的均方根误差(Root Mean Squared Error, RMSE)之差有逐渐增大的趋势;（2）云顶高度越高,AIRS相对湿度廓线反演精度越差,云顶以上湿度廓线反演精度更高,而云顶以下高度的反演误差较大;（3）高云且多云时,AIRS相对湿度廓线的反演精度最差,850 hPa处,AIRS相对湿度反演数据与探空资料绝对误差的下限达到了-63.51%;(4)虽然质量控制标识为0时,AIRS湿度廓线在对流层范围内的反演精度仍达不到无线电探空的水平,但是相对于质量控制标识1时,反演精度...