河西走廊东部大风气候特征及预报

杨晓玲，丁文魁，袁金梅，陈玲

(1.中国气象局兰州干旱气象研究所，甘肃兰州730020;2.甘肃省干旱气候变化与减灾重点实验室，甘肃兰州730020;3.中国气象局干旱气候变化与减灾重点开放实验室，甘肃兰州730020;4.甘肃省武威市气象局，甘肃武威733000;5.甘肃省永昌县气象局，甘肃永昌737200)

河西走廊东部大风气候特征及预报

杨晓玲1，2，3，4，丁文魁4，袁金梅4，陈玲5

(1.中国气象局兰州干旱气象研究所，甘肃兰州730020;2.甘肃省干旱气候变化与减灾重点实验室，甘肃兰州730020;3.中国气象局干旱气候变化与减灾重点开放实验室，甘肃兰州730020;4.甘肃省武威市气象局，甘肃武威733000;5.甘肃省永昌县气象局，甘肃永昌737200)

利用河西走廊东部1971—2010年4个气象站大风(≥6级，即10 min平均风速≥10.8～13.8 m/s)资料，系统分析了该区大风的时空分布、强度和持续性等气候特征。结果表明，河西走廊东部大风天气主要发生在山区和沙漠边缘;年、年代际大风日数总体呈减少趋势，3—5月是大风的高发期，占全年大风日数的34.8%～56.8%，其次是2月、6月和11月;各强度大风日数的变率较大，随着大风强度的增强，大风日数迅速减少;大风天气具有持续性特征，最大风速大多出现在持续大风时段内。采用2003—2007年逐日20时ECMWF数值预报格点场资料，按照Press准则进行预报因子初选，运用逐步回归预报方法进行预报因子精选，使用最优子集回归建立大风预报方程，并用双评分准则(CSC，couple score criterion)确定各季节各地大风预报全局最优的显著性方程，预报方程通过了α=0.01的显著性检验。预报方程回代拟合率为66.7%～73.4%，预报准确率为58.8%～67.5%，达到了一定的预报水平，可为大风的业务预报提供客观有效的指导产品。采用最大靠近原则确定了大风预报临界值和预报、预警的级别。

河西走廊东部;大风;气候特征;ECMWF;数值预报

0 引言

近年来，我国许多大城市的气温增幅明显高于同期全国平均增幅(任国玉等，2005)，而与气温变化密切相关的风速变化及其导致的气象灾害也越来越受到社会各界和气象工作者的广泛关注(Powers，2007;Steinhoff et al.，2008)。王遵娅等(2004)对国内风速的变化进行了研究，结果表明，几乎整个地区的风速都在减小，西北西部最明显，该区域20世纪90年代的年平均风速比50年代减小约29%。金巍等(2009)对营口地区大风特征及其变化进行了分析，发现气温日较差减小是大风日数减少的原因之一。姚正毅等(2006)分析了甘肃河西地区大风日数时空分布特征，指出大风日数空间分布与地形有很大关系。王小玲和宋文玲(2008)分析了近30 a我国5级以上风日数的时空变化特征，认为我国5级以上风日数呈线性减少趋势。

大风是指在某个时段内出现的10 min最大平均风速达到6级(10.8～13.8 m/s)或以上的风(朱乾根等，2007)。大风是破坏力很大的灾害性天气，几乎遍布全国各地，常对公共设施、交通安全、生产和生态环境造成严重的影响。目前气象部门已向社会公众发布6级或以上大风的预警信号，并提出了防御大风的建议和措施。

河西地区东部地处干旱、半干旱的内陆地区，植被稀疏，沙漠戈壁众多，降水量少，气候干旱，冷空气活动频繁，大风天气多。特别是冷空气进入河西走廊，在其“狭管效应”的作用下，风力可被加速1.6倍(岳平等，2005)。大风是该地的主要灾害天气之一，同时也是沙尘暴天气发生的主要诱因(李耀辉等，2004)，了解当地大风的气候特征以及准确地预报大风，对防御大风、减轻风沙灾害有着重要的现实意义。以往对大风的研究，大多是停留在大风的时空变化特征以及运用常规天气资料进行诊断分析，对大风进行定性的预报，本文在分析大风时空变化特征的基础上，对大风的持续性、强度特征进行了研究，并运用数值预报产品对大风进行客观定量的预报。

1 资料和方法

以平均风力≥6级或极大风力≥7级定义为一个大风日，同时规定，有两站平均风力≥6级或极大风力≥7级定义为一个区域性大风日，连续2 d或以上平均风力≥6级或极大风力≥7级定义为一次大风天气过程。

采用河西走廊东部永昌、民勤、凉州、天祝的乌鞘岭4个气象站1971—2010年逐日大风观测资料，求其月、季、年及年代际大风日数，分析其变化特征和极值，用线性和多项式拟合的方法分析其变化趋势。统计各量级大风日数、大风强度及大风持续性。

预报因子选取2003—2007年逐日ECMWF数值预报20时(北京时间，下同)格点场资料，预报对象选取2003—2007年河西走廊东部4个气象站逐日大风实况。采用Press准则进行因子初选，逐步回归预报方法进行因子精选，使用最优子集回归建立大风预报方程。

2 结果与分析

2.1 大风日的空间分布

统计分析近40 a来河西走廊东部4个气象站大风资料发现，永昌日平均风力≥6级的大风日数为1 359 d，占大风总日数的13.3%;民勤为1 573 d，占15.4%;凉州最少，为426 d，占4.2%;天祝最多，为6 829 d，占67.0%(图1)。这是由于永昌地处北部山区，海拔较高，风速较大，大风日数相对较多;而民勤虽地势较低，但地处沙漠边缘，为空旷的戈壁荒漠，建筑物和遮挡物较少，风速大，大风日数比较多;凉州处于中部绿洲平原区，地势低，风速小，大风日数少;天祝地处南部山区，平均海拔在3 000 m以上(在700 hPa的高度上)，常年风速大，大风日数多。由此可知，大风日数空间分布与海拔高度、地形地貌有很大关系，这与李耀辉等(2004)的研究结论一致。

图1 1971—2010年各站大风日数及海拔高度(括号内为海拔高度;单位:m)Fig.1 The distribution of gale days and altitude of the stations from 1971 to 2010(The altitude is in the parenthesis;units:m)

2.2 大风日的时间变化

河西走廊东部各地逐年代大风日数呈减少趋势(表1)，除天祝的减小幅度较小外，其他各地呈大幅度减少，但凉州21世纪10年代比20世纪90年代略有增加。永昌21世纪10年代比20世纪70年代年平均大风日数减少32.4 d，民勤为52 d，凉州为19.7 d，天祝为27.1 d。气候变暖，冷空气活动频次相对减少，强度也有所减弱，这可能是大风日数减少的主要原因之一。

表1 1971—2010年各地逐年代年平均大风日数Table 1 Inter-decadal annual mean gale days in every region from 1971 to 2010d

由图2可见，河西走廊东部年大风日数总体呈减少趋势，永昌40 a年大风日数的增长率为－10.7 d/(10 a)，相关系数R=0.848;凉州为－6.4 d/(10 a)，R=0.805;民勤为－17.5 d/(10 a)，R=0.898;天祝为－9.0 d/(10 a)，R=0.491，各值均通过了α=0.001的显著性检验，其中R的临界值为0.49。各地年平均大风日数永昌为34 d、凉州为11.7 d、民勤为39.3 d、天祝为170.7 d。永昌大风日数最多的年份是1971年(63 d)，民勤是1972年(84 d)，凉州是1980年(32 d)，天祝是1984年(203 d)，除凉州1995年没有出现大风外，其他三地每年都有大风天气出现，其中大风日数最少的年份均出现在2005年，永昌为4 d，民勤为7 d，天祝为129 d。各地逐年大风日数的变化没有明显的周期性。

图3给出了1971—2010年各站逐月平均大风日数变化曲线，可见各地大风日数在3—5月均有一个明显的高峰，依次向两端递减，2月、6月、11月次之，1月、9月为两个低谷。其中3—5月大风日数占大风总日数的34.8%～56.8%，2月、6月、11月共占16.0%～24.6%，其他各月总共占27.2%～41.8%。

表2给出了1971—2010年各站不同强度大风日数，可见，河西走廊东部各站不同强度大风日数的变率较大，随着大风强度的增强，各地大风日数迅速减少(表2)。其中6级大风占大风总日数的66.5%～83.1%，7级大风占15.7%～27.82%，8级大风占1.2%～6.5%。

图2 1971—2010年各地年大风日数变化曲线Fig.2 Variation curve of annual gale days in every region from 1971 to 2010

图3 1971—2010年各站逐月平均大风日数变化Fig.3 Monthly average gale days in every region from 1971 to 2010

表2 1971—2010年各站不同强度大风日数Table 2 The number of gale days at different intensities in every region from 1971 to 2010d

由图4可见，20世纪70—80年代大风强度变化比较均匀，没有明显的偏大值和偏小值;90年代永昌、民勤大风强度变化依然不大，但凉州的大风强度明显减弱，天祝出现了两个大风强度明显偏大的年份，分别为1990、1993年;21世纪10年代永昌、民勤的大风强度有所减弱，凉州大风强度有所加强，天祝大风强度波动性较大，出现了40 a的最大值(2001年)和最小值(2009年)。各地风速40 a的平均值永昌为17.2 m/s，凉州为14.1 m/s，民勤为17.7 m/s，天祝为21.4 m/s。永昌最大风速出现在1973年12月30日和1975年4月4日(22.0 m/s)，凉州为1980年5月1日(20.0 m/s)，民勤为1977年5月19日(23.0 m/s)，天祝为2001年4月9日(27.3 m/s)。永昌次最大风速出现在1971年12月30日(21.0 m/s)，凉州为1984年11月5日(19.3 m/s)，民勤为1974年10月20日(22.7 m/s)，天祝为1990年4月8日和1993年5月6日(26 m/s)。

数据分析还发现，河西走廊东部大风天气具有持续性特征，随着持续日数的增长，大风过程数迅速减少(图略)。各地出现持续2 d或以上的大风过程数达61～1 519个，其中持续2 d的大风过程数为54～640个，持续3 d的大风过程数为7～346个，均为凉州最少，天祝最多，凉州没有出现持续4 d以上的大风过程，其他三地持续4 d及以上的大风过程数为5～515个，其中永昌最少，天祝最多。各地大风最长持续日数永昌为5 d，出现在1990年5月1—5日;民勤为7 d，出现在1974年3月18—24日;天祝为29 d，出现在2001年3月1—29日;凉州出现连续3 d大风过程数有7个。持续2 d以上大风的天气过程大多出现在1—5月和11—12月，持续日数较长的大风过程以3—5月出现地居多。最大风速大多出现在持续大风时段内。

3 大风预报

3.1 资料选取与处理

选取2003—2007年逐日20时ECMWF数值预报格点场资料，范围90～110°E、35～45°N，网格距为2.5°×2.5°经纬度，层次为850 hPa、700 hPa、500 hPa、200 hPa，基本要素以位势高度(h)、温度(t)、相对湿度(HR)以及风速的u、v分量等作为预报因子。预报对象为2003—2007年河西走廊东部4个站点逐日大风实况。

图4 1971—2010年各地逐年最大风速变化(没有出现大风的年份以10.5 m/s代替)Fig.4 Variation curve of annual gale intensity in every region from 1971 to 2010(The years with no gale are replaced by 10.5 m/s)

ECMWF数值预报产品的格距为2.5°×2.5°经纬度，而河西走廊东部各地的间距为60～100 km，因此，首先利用线性内插方法(中国气象局科教司，1998)对格点资料进行插值处理，提高区域内站点的预报精度。插值后的格点资料为1°×1°经纬度，关键区域90～110°E、35～45°N共得到11×21个格点。其中经向差分距Δy约为111 km，纬向差分距Δx是随纬度的变化而变化的，在赤道附近Δx约为111 km，随着纬度的增高，Δx的间距减小，具体计算公式为:Δx=(π×R×cosφ)/180，其中:π为圆周率3.14;R为地球半径，约6 370 km;φ为格点所在的纬度(角度)(裴洪芹等，2007)。

差分得到的关键区物理量格点资料采用诊断方法、因子组合等多种组合手段构造出多个具有经验性的预选组合因子(牛叔超等，2000;陈百炼，2003)，共2 485个预报因子作为初选因子库，供预报方程进行初选。

3.2 预报模式建立

为使预报模型具有较高的稳定性和准确度，在建立预报方程时，分站点逐季节建立预报方程，并将每个季的资料上下各跨1个月，以确保在本季的预报时段内预报方程的稳定性和准确度。

3.2.1 预报因子选取

由于单相关系数事实上反映了x与y之间用一个线性函数拟合的好坏，而不能完全反映预测的好坏。使用Press准则初选的因子既可以反映因子拟合的好坏，也可以衡量预测能力的好坏，用它可以选取预测能力较好的因子(俞善贤，1991)。

按照Press准则对大风预报因子初选，初选因子的标准为:1)预报因子与预报对象的相关系数≥0.5;2)因子物理意义要清晰;3)同一因子场上最多选取5个因子;4)初选后的因子数控制80～100个之间(谷湘潜等，2007;裴洪芹等，2007)。

对因子普查后得到的80～100个初选预报因子，用逐步回归方法精选出8～10个最优预报因子，作为进行最优子集回归的侯选因子。

3.2.2 最优子集回归预报模型

采用CSC(couple score criterion)双评分准则选取最优方程，CSC双评分准则旨在使模型拟合精度更好，趋势更准。当CSC达最大时相应的回归模型为最优(俞善贤和汪锋，1998;万诚等，2000)。将精选的8～10个最优预报因子代入最优子集回归进行优选，若有p个因子，则将得到(2p－1)个可能的回归方程。从所有方程中优选出CSC最大的预报方程，当CSC评分接近时，挑选预报因子较少的那一个预报方程。最终确定每个站各季节大风预报方程。

表3列出了最优子集回归大风预报方程，其中物理量后括号内数字(pm，pn)为某一物理量第m个因子到第n个因子的代数和，如w7(4，9)=

表3 大风预报方程Table 3 Gale forecast equation

由表3可知，方程中入选的因子有:1)500 hPa的变高(hb)，说明地面风速的大小与高空变高即气压梯度的关系很大;2)850 hPa的温度(t)，说明地面风速的大小与低空冷空气的强弱有关;3)700 hPa、500 hPa、200 hPa的全风速(w)及其分量(u)和(v)，说明地面风速的大小与高低空风速的大小有关。这些入选的预报因子物理意义明确，在经验预报中也是预报大风的首选因子。

表4列出了方程的各项检验参数。从表4可以看出，各方程的复相关系数在0.38以上，复相关系数通过了α=0.001的显著性检验，方程通过了α=0.01显著性检验，说明利用最优子集回归确定的预报方程效果是显著的。

表4 最优子集回归方程显著性检验参数Table 4 Significance examination parameters of optimum subset regression equation

3.2.3 方程的检验

用建立的大风预报方程对2003—2007年的大风实况进行回代检验，按照大风预报准确率TS评定标准，若预报方程求出的预报值Y＜10.8 m/s，对应的实况也小于10.8 m/s，则为大风未预报未出现;若预报值Y≥10.8 m/s，对应的实况小于10.8 m/s，则为大风空报;若预报值Y＜10.8 m/s，对应的实况大于等于10.8 m/s，则为大风漏报;若预报值Y≥10.8 m/s，对应的实况大于等于10.8 m/s，则为大风预报准确。各方程预报的拟合率在66.7%～73.4%。方程于2008年投入业务试用，对2008—2010年大风预报的应用情况进行了预报效果检验。按以上Ts评定标准进行了评定，各方程预报准确率在58.8%～67.5%，大大超过了以往人工预报的准确率。由此可见，使用最优子集回归建立的大风预报方程达到了一定的拟合效果和预报水平，可为本地大风业务预报提供客观有效的指导产品。

3.2.4 大风预报预警的确定

对4个站点利用最优子集回归求得的四季大风预报方程，采用最大靠近原则确定大风预报临界值及预报、预警级别为:

1)Y＜8 m/s(＜5级)，不可能出现大风;

2)8 m/s≤Y＜10.8 m/s(5级)，有出现大风的可能性，根据情况发布大风蓝色预警信号;

3)10.8m/s≤Y＜17.2 m/s(6～7级)，会出现一般性或中等强度的大风，发布大风蓝色预警信号;

4)17.2m/s≤Y＜24.5 m/s(8～9级)，会出现强大风或特强大风，发布大风黄色预警信号;

5)24.5m/s≤Y＜32.6 m/s(10～11级)，会出现狂风或暴风，发布大风橙色预警信号;

6)Y≥32.6 m/s(≥12级)，发布大风红色预警信号。

4 结论

1)河西走廊东部大风天气主要发生在山区和戈壁沙漠边缘。

2)年、年代际大风日数总体呈减少趋势，大风主要发生在3—5月。

3)随着大风强度的增强，大风日数逐渐减少;大风天气具有持续性特征，随着持续日数的增长，大风过程数迅速减少，最大风速大多出现在大风持续时段内。

4)采用诊断方法、因子组合等手段建立预报因子库，使用Press准则进行因子初选和逐步回归方法进行因子精选，选取的因子拟合程度好、预测能力强，具有较好的稳定性。

5)使用最优子集回归建立预报方程，采用CSC双评分准则从所有回归方程中确定一个全局最优的显著性方程，预报方程通过了α=0.01的显著性检验。

6)用ECMWF数值预报产品建立的大风预报方程拟合率和准确率均达到了一定的预报水平，可为业务预报提供客观有效的指导产品。

7)按照最大靠近原则确定了大风预报临界值及预报、预警级别。

陈百炼.2003.大风温度分县客观预报方法研究［J］.气象，29(8):48-51.

谷湘潜，李燕，陈勇，等.2007.省地气象台精细化天气预报系统［J］.气象科技，35(2):166-170.

金巍，周广胜，曲岩.2009.1972—2000年营口地区大风特征及其变化分析［J］.气候变化研究进展，5(4):237-240.

李耀辉，张存杰，高学杰.2004.西北地区大风日数的时空分布特征［J］.中国沙漠，24(6):715-723.

牛叔超，朱桂林，李燕.2000.T106产品夏季大风概率预报自动化系统［J］.气象，26(3):37-39.

裴洪芹，邰庆国，吴君，等.2007.临沂中尺度数值预报系统及应用［J］.气象科技，35(4):464-469.

任国玉，初子莹，周雅清，等.2005.中国气温变化以及最新进展［J］.气候与环境研究，10(4):701-716.

万诚，郑建萌，解明思.2000.最优子集回归模型在低纬高原雨季开始期预报中的应用试验［J］.气象，26(11):24-27.

王小玲，宋文玲.2008.近30 a我国5级以上风日数的时空变化特征［J］.气候变化研究进展，4(6):347-352.

王遵娅，丁一汇，何金海，等.2004.近50年中国来气候变化特征的再分析［J］.气象学报，62(2):228-236.

姚正毅，王涛，陈广庭，等.2006.近40 a甘肃河西地区大风日数时空分布特征［J］.中国沙漠，26(1):65-70.

俞善贤.1991.一个着眼于预测能力及稳定性的因子普查方法［J］.气象，17(9):40-43.

俞善贤，汪锋.1998.试用最优子集与岭迹分析相结合的方法确定回归方程［J］.大气科学，22(12):382-388.

岳平，牛生杰，刘晓云.2005.“7·12”特异沙尘暴成因研究［J］.干旱区研究，22(3):345-349.

中国气象局科教司.1998.省地气象台短期预报岗位培训教材［M］.北京:气象出版社:75-111.

朱乾根，林锦瑞，寿绍文，等.2007.天气学原理和方法［M］.4版.北京:气象出版社:249.

Powers J G.2007.Numerical prediction of an Antarctic severe wind event with the weather research and forecasting(WRF)model［J］.Mon Wea Rev，135(9):3134-3157.

Steinhoff D F，Bromwich D H，Lambertson M，et al.2008.A dynamical investigation of the May 2004 McMurdo Antarctica severe wind event using AMPS［J］.Mon Wea Rev，136(1):7-26.

Climate characteristics of the gale and its forecast in east Hexi corridor

YANG Xiao-ling1，2，3，4，DIN Wen-kui4，YUAN Jin-mei4，CHEN Ling5

(1.Lanzhou Institute of Arid Meteorology，China Meteorological Administration，Lanzhou 730020，China;2.Key Laboratory of Arid Climatic Changing and Reducing Disaster of Gansu Province，Lanzhou 730020，China;3.Opening Key Laboratory of Arid Climatic Changing and Reducing Disaster，China Meteorological Administration，Lanzhou 730020，China;4.Wuwei Meteorological Bureau of Gansu Province，Wuwei 733000，China;5.Yongchang Meteorological Bureau of Gansu Province，Yongchang 737200，China)

Using gale data(≥level 6 with ten minute average wind velocity≥10.8—13.8 m/s)of four meteorological stations in east Hexi corridor from 1971 to 2010，such climate characteristics as space and time distribution，intensity and endurance of the gales were analyzed systematically.The results show that gales mainly occur in the mountainous area and the edge of desert.Annual gale days and interdecadal gale days presents a reducing tendency.March to May is gale frequent period，which occupies 34.8%—56.8%of annual gale days.Then it is February，June and November.Gale days of different intensities vary a lot.The number of gale days reduces rapidly along with the elevation of gale intensity.Gale weather presents long-enduring characteristic and strong gale usually occur in sustained peri-od of gale.Based on the daily data of ECMWF numerical forecast grid field at 20:00 BST from 2003 to 2007，forecast factor was initially elected by Press criterion and was further selected by stepwise regression forecast method.The gale forecast equations were built with optimal subset regression.The overall situation and the most superior significance forecast equations of the gale in every season in different areas were determined finally by the CSC double grading criterion.The forecast equations passed significance examination of α=0.01.Back substitution fitting rates of the prognostic equations were 66.7%—73.4%and forecast accuracy rates were 58.8%—67.5%，which achieved the forecast level to provide objective and effective instruction for gale forecast.The closest approaching principle was used to set forecast marginal value，ranks of gale forecast and early warning.

east Hexi corridor;gale;climate characteristic;ECMWF;numerical forecast

P425

A

1674-7097(2012)01-0121-07

2011-06-01;改回日期:2011-09-13

公益性行业(气象)科研专项(GYHY(QX)201106029)

杨晓玲(1971—)，女，甘肃民勤人，高级工程师，研究方向为天气预报，wwqxj6150343@163.com.

杨晓玲，丁文魁，袁金梅，等.2012.河西走廊东部大风气候特征及预报［J］.大气科学学报，35(1):121-127.

Yang Xiao-ling，Din Wen-kui，Yuan Jin-mei，et al.2012.Climate characteristics of the gale and its forecast in east Hexi corridor［J］.Trans Atmos Sci，35(1):121-127.

(责任编辑:刘菲)