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。     

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。     

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。     

WRF模式在“大洋一号”随船预报中的应用

首次使用WRF模式对"大洋一号"科考船第二十六航次第二航段大西洋工作海区进行了风场和气压场数值预报,并对预报结果与实况资料进行了对比分析。结果表明,在资料稀少的大洋科考工作海区,WRF模式预报的天气形势变化与实况完全吻合,其定点的风速、风向和气压预报误差都比较小。尤其是风场能较好的反映出北大西洋10 m风的变化趋势,可以有效弥补大洋科考海区资料短缺的不足。根据WRF模式数值预报图做出的主观预报与船测实况吻合程度较高,为大洋科考海区风场预报提供了一种新的途径,为今后开展大洋考察工作海区精细化业务预报打下基础。     

ASCAT近岸风在山东沿海的适用性分析

利用2013年1月—2014年12月山东近海的8个浮标站、海岛站和自动站资料与ASCAT近岸风速和风向进行对比,以分析ASCAT反演风场在山东沿海的适用性。研究发现:总体上看,ASCAT近岸风速与代表站实况风速正相关,ASCAT近岸风速在山东沿海误差较小,风向有明显的偏离。ASCAT近岸风在渤海、渤海海峡和黄海北部的适用性优于黄海中部。风力不同时,ASCAT近岸风速与实况偏差有明显差别,表现为当实况出现6级及以上的大风,ASCAT近岸风速小于实况;当实况出现6级以下的风,ASCAT近岸风速大于实况。就ASCAT风速偏差而言,6级以下的风速偏差小于6级及以上风。ASCAT近岸风向与实况偏差也有明显差别,当实况出现6级及以上的大风,ASCAT近岸风向与实况的偏离变小;当实况出现6级以下的风,ASCAT近岸风向与实况的偏离变大。因此,ASCAT近岸风速在山东沿海有较好的适用性,6级以下风更优;ASCAT近岸风向也有一定的适用性,6级及以上风向可用性比6级以下强。     

北部湾冬季强风的主分量神经网络预报方法研究

本文首先分析造成北部湾冬季强风的天气动力学机理，在此基础上以相关分析法确定强风的预报因子(气压梯度、气温梯度、高层风速等因子)与预报量之间存在着较好的相关性；进而采用人工神经网络与主分量分析(PCA)相结合的方法建立了北部湾冬季强风的预报模型．该预报方法所构造的预报模型对历史样本风速拟合平均绝对误差为1．80m/s，对独立样本风速试报的平均绝对误差为1．46m/s．计算结果表明，该方法的拟合效果及预报稳定性较好，可在预报业务中应用．     

山东沿海精细化海区大风特征分析

利用山东沿海12个精细化预报海区2010—2012年的实况代表站逐时大风资料,统计分析了山东沿海的大风日数、风速分布、大风持续时间及大风风向等特征。结果表明,山东沿海风速分布特征表现为:东部海区平均风速最大,在7 m/s左右,西部海区次之,在5 m/s左右,南部海区最小,在4 m/s左右,其中烟台南部沿海甚至在3 m/s以下。当出现大风过程时,各海区的风速相差更大。山东沿海的大风日数、大风持续时间都与平均风速表现为相同的分布特征。山东沿海的大风过程主要为偏北大风,并且量级主要分布在6—7级。由于山东沿海风的局地特征明显,因此在一次大风过程的预报中,各海区预报同一量级是不合适的,需要对预报量级和大风影响时间更加精细的把握。     

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。     

0418号台风"艾利"路径转折的多普勒速度特征模拟分析

2004年18号热带风暴"艾利"在移动过程中先后发生两次转折,这种路径在历史上极为罕见.本文重点分析了"艾利"台风在靠近福建东部海岸线发生第二次转折时的多普勒速度特征,并与多普勒正负速度区的对称性及极值变化的模拟结果进行比较,说明了通过对多普勒正负极值区变化的分析可以判断环境风的风向,进而判断台风未来的走向,且环境风风向的变化对于台风未来移向变化的影响有1～2 h的提前量.这有助于我们提高预报时效,对台风的预报有一定的指导意义.     

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2.6...     

基于影像纹理特征和外部风向的星载 SAR 海面风场反演研究

在合成孔径雷达(Synthetic Aperture Radar,SAR)海面风场反演中,基于风条纹影像纹理特征的海面风向反演方法精度高,但是依赖于图像风条纹的存在,而外部风向信息与SAR资料时空分辨率不易匹配、精度较低,从而影响大面积、高分辨率海面风场反演的精度。针对此问题,提出一种将SAR图像风条纹线性纹理特征与外部风向信息相结合的星载SAR海面风向获取方法,在SAR影像线性纹理特征明显的区域采用二维连续小波变换得到高精度的海面风向,其余区域采用与之时空相匹配的数值预报模式风向填充;并利用地球物理模型函数进一步得到海面风速,进而实现高精度、大范围海面风场的反演。为验证本文方法的有效性,利用ENVISAT/ASAR数据进行风场反演试验,并将反演结果与浮标实测数据进行比对。结果表明:在线性纹理特征明显的区域,小波方法的反演精度优于快速傅里叶变换(FFT)法和数值预报模式风向;外部风向精度略低,但与SAR观测资料时空匹配性较好,弥补了风条纹风向的不足。二者的结合为星载SAR海面风场反演的业务化应用提供了支持。     

浙江近海典型寒潮浪的数值模拟:以2015年3月和2016年1月为例

本文选用第三代海浪模式SWAN(SimulatingWAveNearshore),以CCMP(Cross-CalibratedMultiPlatform)风场作为驱动风场,数值模拟了2015年3月份和2016年1月份影响浙江省的两次典型寒潮,并将模拟结果与实测数据进行了对比,模拟误差均在20%之内,属于可以接受的范围,表明SWAN模型和CCMP风场能够满足此次寒潮浪数值模拟的需要。本文从风场的强度、最值风速、风向、持续时间等方面,对比了两次寒潮期间的寒潮风场;从寒潮浪的强度、最值波高分布、持续时间、涌浪分布区域等方面,对两次典型寒潮期间的寒潮浪时空分布的异同进行了研究。总体而言,2015年3月份寒潮的风场从强度上弱于2016年1月份寒潮, 3月份寒潮风场的主流大风是6～7级风,风向偏正北风;1月份寒潮风场的主流大风是6～8级风,风向偏西北风。2015年3月份的寒潮浪强度上弱于2016年1月份寒潮浪, 3月份寒潮浪波高变化剧烈的区域位于研究区域的东北部, 1月份寒潮浪波高变化剧烈的区域位于研究区域的中部和东部; 3月份寒潮浪的大浪主要是5级浪, 1月份寒潮浪的大浪主要是5、6级浪。当寒潮对研究区域的波浪场影响最为显著时,2015年3月份寒潮期间研究区域的北部多为涌浪,2016年1月份寒潮期间研究区域的南部多为涌浪。     

利用多年卫星资料分析青岛和茂名附近海域海面风场变化

文章围绕青岛海洋经济开发和茂名海洋气象基础科学综合试验对附近海域基础环境数据的需求,利用多年卫星资料开展了青岛和茂名附近海域海面风场统计分析研究。结果表明:青岛附近海域风向频率和风速频率最大的方向均为北,相对应的平均风速值为3.5m/s;茂名附近海域风向频率最大方向为ENE,风速频率最大方向为NNE,茂名附近海域平均风速值全年均大于青岛附近海域平均风速值,研究成果可为开展海洋气象业务观测和科学试验提供基础数据支持,为"一带一路"海上风能资源开发与利用提供决策支撑。     

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。     

降雨条件下全极化微波辐射计海面风场校正

为提高降雨条件下星载全极化微波辐射计海面风场精度,通过匹配WindSat海面风场和降雨率数据以及美国国家浮标中心浮标观测数据,得到18 996组匹配样本,深入分析了降雨对海面风场反演精度的严重影响,构建了风场校正模型。试验结果表明,降雨导致海面风速被严重高估,风向误差随着降雨率的增大而增大。校正后的风速精度在低风速段提升明显。无论降雨率多大,校正后风速精度均比校正前高。风速均方根误差由原来的2.9 m/s降低到了2.1 m/s,风向均方根误差由原来的26.9°降低到了26.3°。     

唐山近海海域波浪要素特征分析

本文基于唐山近海海域1#、2#浮标2017年4月至11 月实时海浪观测数据及部分风速风向数据, 对唐山近海海域波浪有效波高、有效波向、有效波周期等波参数特征进行了统计分析, 并利用origin 软件对波参数与风速、风向相关性进行了研究。研究结果表明： 1#、2# 浮标海域常浪向为SSW、SW、SSE, 常浪向有效波高均以0.2 ～ 0.4 m 小浪及3 ～ 4 s 短周期为主,有效波高1 m 以上较大波浪极少出现; 该海域波浪以风浪为主, 波浪破碎速度较快, 有效波高与风速相关性较强, 相关系数r 为0.71, 风向与波向、有效波高与周期基本无相关性, 该研究资料可为海上活动及防灾减灾提供技术依据。     

HY-2B卫星载荷联合观测海面阵风的一种反演方法

国内外对海上阵风的研究并不多,且大多集中在阵风预报和应用研究方面,对于海洋阵风数据的获取技术未见文献系统论述。本文利用HY-2B卫星雷达高度计观测的后向散射系数,结合校正微波辐射计观测的亮度温度信息,提出联合反演阵风风速的方法。两个遥感载荷联合反演得到的阵风风速与2019–2021年美国国家浮标数据中心（NDBC）浮标数据进行真实性检验,结果显示：阵风风速均方根误差（RMSE）为0.98 m/s,相关系数为0.82;基于本方法利用国外同类卫星Jason-3得到的阵风风速与2016–2018年NDBC浮标数据的RMSE为0.96 m/s,相关系数为0.88。本文在HY-2B卫星雷达高度计海面风速观测的基础上,纳入同一卫星平台校正微波辐射计的同步观测信息联合实现了海面阵风的观测,数据的比对结果证明文中方法具有较高的观测精度。同时,该方法对于具有相同观测体制的国内外卫星也适用。     

Back-scattering from rough sea surface with foams

INTRODUCTION Eleetromagnetie baek一seattering from randomly rough surfaee driven by wind,and funetion-al dePendenee on wind sPeed and direetion,and the eharaeteristie Parameters of sea surfaee havebeen interested in the ocean remote sensing.One of the approaehes to eleetromagnetie seatteringfrom randomly rough surfaee 15 the Kirehhoff approximation(KA),and the geometrie opties 50-lution in high frequeney 15 used by the stationary phase method(Bass and Fueks,1979) .TheKA solution 15 val…     

全极化合成孔径雷达近岸风场反演研究

Coastal winds are strongly influenced by topology and discontinuity between land and sea surfaces. Wind assessment from remote sensing in such a complex area remains a challenge. Space-borne scatterometer does not provide any information about the coastal wind field, as the coarse spatial resolution hampers the radar backscattering. Synthetic aperture radar （SAR） with a high spatial resolution and all-weather observation abilities has become one of the most important tools for ocean wind retrieval, especially in the coastal area. Conventional methods of wind field retrieval from SAR, however, require wind direction as initial information, such as the wind direction from numerical weather prediction models （NWP）, which may not match the time of SAR image acquiring. Fortunately, the polarimetric observations of SAR enable independent wind retrieval from SAR images alone. In order to accurately measure coastal wind fields, this paper proposes a new method of using co-polarization backscattering coefficients from polarimetric SAR observations up to polarimetric correlation backscattering coefficients, which are acquired from the conjugate product of co-polarization backscatter and cross-polarization backscatter. Co-polarization backscattering coefficients and polarimetric correlation backscattering coefficients are obtained form Radarsat-2 single-look complex （SLC） data.The maximum likelihood estimation is used to gain the initial results followed by the coarse spatial filtering and fine spatial filtering. Wind direction accuracy of the final inversion results is 10.67 with a wind speed accuracy of 0.32 m/s. Unlike previous methods, the methods described in this article utilize the SAR data itself to obtain the wind vectors and do not need external wind directional information. High spatial resolution and high accuracy are the most important features of the method described herein since the use of full polarimetric observations contains more information about the space measured.This article is a useful addition to the work of independent SAR wind retrieval. The experimental results herein show that it is feasible to employ the co-polarimetric backscattering coefficients and the polarimetric correlation backscattering coefficients for coastal wind field retrieval.