温州浮标站与海岛站极大风的相关性研究

谷铁城

(浙江省温州市气象局，浙江 温州 325000)

1 引言

沿海大风预报一直与沿海城市的航运、渔业及海岛旅游等行业息息相关，为这些相关行业经济收益、人员生命、财产安全提供保障，而如何做好沿海大风精细化预报则是气象部门重要的课题。范其平等[1]曾用舟山各港口海岛站的小时最大风和极大风资料将美国NECP风速的初始场资料进行订正处理，并用NCEP 10 m风的预报资料来预报各站点的风力，取得良好的效果。孙喜艳[2]等利用广东省汕尾红海湾大型浮标站的观测资料，统计分析汕尾红海湾近海海面风的日变化特征、季节变化特征和大风特点，结果表明：红海湾近海海面秋、冬风速大，夏季风速小，风向以东北风为主；平均情况下中午前后风速较小，早晚较大，风向以东北风为主；冷空气和热带气旋是造成红海湾近海大风的主要天气系统。陈锦冠等[6]运用统计分析和气象统计预报的方法，对广东省8个气象站的日10 min平均最大风速和日瞬间极大风速资料进行分析，发现这两种风速资料有较好的近似线性的关系。通过建立这两种风速的回归方程,获得判别这两风速记录的准确性及估计两风速数值的客观方法。黄辉等[9]利用海岛测风站资料研究的MM5数值预报产品在舟山海域风力分区预报中的释用技术，实践证明该释用技术能为风力分区预报提供重要的技术支撑，并为研究同类数值预报产品释用技术提供重要的参考依据。

温州地处我国东南沿海，由于温州海域内各海岛的地理位置、地形及海拔高度的影响，导致海岛站的风力监测并不能像浮标站一样代表其附近海域的实况风，与数值模式中的风力预报也存在一定的差异；另一方面，目前温州沿海只有一个浮标站，从精细化的角度来看并不能代表海域内不同区域风的实况，从而导致气象台对沿海海面及航线的大风预报存在误差。本文主要研究温州浮标站与温州几个主要海岛站之间极大风的相关性，以期能为温州沿海大风的精细化预报的人工订正提供参考依据。

2 资料来源与处理

资料来源于2011年1月1日—2015年12月31日洞头、南麂、北麂、北龙共4个海岛站及温州浮标站的逐小时极大风数据(表1)。其中浮标站由于中途几次故障维修导致部分数据缺测，而目前的北麂站是2014年4月刚建立的新站，与之前的老站不在同一个位置，由于受岛上不同方位、地形、新老测站高度差异的影响，本文仅选取北麂新站建立之后至2015年12月期间所测得的小时极大风数据作为初始样本。另外，洞头、南麂及北龙这3个站也有极小部分的数据缺测。

表1 2011—2015年各站小时极大风样本数(单位：个)Tab.1 The hour extreme wind speed sample size in different stations of 2011—2015

3 结果与分析

3.1 不同季节极大风分布

本文研究的小时极大风针对6级及以上的风力，假设用浮标站的小时极大风近似地代表温州沿海大风的总体分布情况，从而筛选初始样本中所有风力≥6级的浮标站小时极大风做图可以得知温州沿海海面大风随季节有着不同的分布(图1)，其中春季以北—东北风为主，偏北风加东北风共约占90%；夏季南—西南风约占55%，北—东北风约占30%；秋冬季受北方冷高压影响盛行一致的偏北风，占秋冬季的80%左右。

图1 浮标站小时极大风随季节的分布情况((a)春季；(b)夏季；(c)秋季；(d)冬季)Fig.1 The season distribution of hour extreme wind speed in the buoy station(a)spring；(b)summer；(c)autumn；(d)winter

3.2 研究样本组的建立

以洞头站为例，选取所有浮标站≥6级时的小时极大风，及同时次的洞头站小时极大风，记为“浮标—洞头”，其中某一时次的浮标站极大风与洞头站极大风即为“浮标—洞头”中的一对极大风样本。由于海岛地形的不规则，不同方向吹来的风受地形影响的情况不同，而浮标站周围没地形的影响，更能真实地反应海平面风速风向，因此为了区分地形对风的影响，根据“浮标—洞头”中浮标站小时极大风的8个风向方位将“浮标—洞头”这组数据分成8个小组，每组即为一组新的研究样本，而其中某一时次的一对浮标极大风和洞头极大风即为该组研究样本中的一个单位。同理得出浮标站与其余3个海岛站之间的24组样本，共计32组研究样本(见表2)。

表2 32组极大风研究样本数量(单位：对)Tab.2 The 32 sets of extreme wind speed research sample size

3.3 关系式的建立

以“浮标—洞头”中浮标站风向为偏北风(>337.5°或≤22.5°)的这组研究样本为例，记为“浮标—洞头—北”。设“浮标—洞头—北”中浮标站的小时极大风速为x，对应的同时次的洞头站小时极大风速为y做散点图，并针对散点图分别作线性、乘幂、对数和指数等不同类型的趋势线，同时得出各趋势线在散点图中所对应的拟合系数R2[3](也称决定系数，代表趋势线对两组数据的拟合程度)(图2)，选择R2值最大，即拟合效果最佳的趋势线作为“浮标—洞头—北”的相关性公式。通过比较可以得出：线性的趋势线y=0.711 6x-0.30 09(R2=0.493 1)的拟合效果最佳(图2a)，从而选择该趋势线作为“浮标—洞头—北”这组样本的相关性公式，即为偏北大风环境下洞头站极大风与浮标站极大风之间的相关性公式。

图2 “浮标—洞头—北”散点图及各类型趋势线((a)线性趋势线；(b)指数趋势线；(c)对数趋势线：(d)乘幂趋势线)Fig.2 The‘buoy-Dongtou-north’scatter diagram and different trend lines(a)linear trend；(b)exponential trend；(c)logarithmic trend；(d)power trend

同理对其余31组研究样本也建立各自对应的相关性公式，结果显示：与这32组样本拟合效果最佳的关系式均为线性关系式。由此可见浮标站极大风风速与海岛站极大风风速之间最为明显的关系即为线性相关。

3.4 相关系数

由于散点图中线性趋势线的拟合系数R2即为两组数据之间线性相关系数r的平方[3]，即R2=r2，因此根据R2可同时求出浮标站与海岛站之间极大风的线性相关系数r。

根据线性相关程度表(表4)可知由于浮标站极大风与海岛站极大风的线性相关系数r在0.35～0.9之间，因此线性相关程度为低度相关至高度相关之间不等，其中高度相关的8组，中度相关的19组，低度相关的共有5组研究样本。

表4 线性相关程度表Tab.4 The linear relation degree table

4 关系式的检验

4.1 关系式检验的误差计算

统计并收集2016年温州浮标、洞头、南麂、北麂和北龙5个站全年的小时极大风数据，根据表2中资料处理的方法将其分成不同海岛站不同风向共32组检验样本，将检验样本组中浮标站实况小时极大风速代入表3中对应的相关性公式中，求得海岛站极大风的预估值，将预估值与检验样本组中海岛站的实况极大风风速进行误差计算，并将误差值作为定性判断关系式可靠性的标准。

表5 32组相关性公式的检验误差(单位：m/s)Tab.5 The verify error of 32 couples relations (unit:m/s)

由表5可以看出，这32组相关性公式的误差在1.26～4.38 m/s之间。其中浮标站与北麂、南麂站之间各风向的关系式可靠性较好，误差在1.27～3.45 m/s及1.53～2.85 m/s之间，而浮标站与北龙站之间各风向的关系式可靠性相对较弱，误差在2.01～4.83 m/s之间；而从风向的角度看，北、东北方向极大风的关系式可靠性较强，误差在1.27～2.03 m/s之间，西和东南方向极大风的关系式可靠性较弱，误差在2.14～4.38 m/s之间。(南麂站相对离大陆远)

图3 浮标站与各海岛之间的位置示意图Fig.3 Position diagram between buoy station and island station

4.2 影响检验误差的因子

检验误差σ的大小直接体现了关系式的可靠程度，因此研究影响检验误差σ的因子有利于日后对关系式进行进一步的改进。

洞头、南麂、北麂和北龙4个海岛的地形在各个方向上均不一致，但据表5可知，4个海岛站与浮标站之间相关性公式的检验误差均表现为一致的北、东北方向误差小，西、东南方向误差大，由此可见，海岛站的地形差异与关系式的检验误差没有明显的关系，所以首先排除地形对检验误差的影响。

将对关系式的检验误差可能存在影响的样本个数、关系式的拟合系数R2以及检验误差σ排列在一起(表6)并分析可求得关系式拟合系数R2与检验误差σ之间的相关系数分别为r浮标-洞头=0.18、r浮标-南麂=-0.70、r浮标-北麂=0.20和r浮标-北龙=-0.24，其中浮标站与洞头站、北麂站之间的关系式拟合系数R2与各自检验误差σ成正相关，浮标站与南麂站、北龙站之间的R2与各自的σ成负相关，另外根据线性相关程度表(表4)可知，尽管浮标站与南麂站之间R2与σ成中度相关，但浮标站与其它3个站之间R2与σ的相关性极弱。可见不论是从线性相关的性质还是程度上来看，浮标站与不同海岛站间的关系式拟合系数R2与检验误差σ均存在明显的不一致性。

而根据浮标站与4个海岛站之间各方向的研究样本数与对应的关系式检验误差σ可求得：r浮标-洞头=-0.48、r浮标-南麂=-0.50、r浮标-北麂=-0.40和r浮标-北龙=-0.59，研究样本数与检验误差σ表现为一致的负相关性，线性相关程度处于低度至中度之间，相差不大，可见检验误差σ的大小在一定程度上受研究样本数的影响，可以定性的理解为对于同一个海岛站而言，某个风向的样本个数越多，该风向上拟合出来的关系式稳定性更强。

综上所述，浮标站与海岛站极大风关系式的稳定性与地形及关系式的拟合系数R2无明显关系，但与研究样本的数量存在一定程度上的对应关系，对于同一个海岛站而言，某个风向的样本个数越多，越有利于该风向上关系式的稳定。

表6 研究样本数、拟合系数及检验误差(研究样本单位：对；σ单位：m/s)Tab.6 The research sample,fitting coefficient and rerifg error(Sample unit: couple unit:m/s)

5 结论

①温州沿海海面大风随季节有着不同的分布，其中春季以北—东北风为主，偏北风加东北风共约占90%；夏季南—西南风约占55%，北—东北风约占30%；秋冬季盛行一致的偏北风，占80%左右。

②通过分析初步建立浮标站与海岛站之间极大风风速的关系，发现浮标站的极大风风速与4个海岛站的极大风风速之间最明显的关系为线性相关，线性相关程度从低度相关至高度相关不等，其中中度与高度相关的样本组占84%。

③通过检验关系式的误差可以发现，浮标站与南麂站之间各风向的关系式可靠性较好，与北龙站之间各风向的关系式可靠性相对较弱；而从风向的角度看，北、东北方向极大风的关系式可靠性较强，西和东南方向极大风的关系式可靠性较弱。

④浮标站与海岛站极大风风速的关系式的稳定性并不受风向及关系式的拟合系数R2的影响，但与研究样本的数量存在一定程度上的对应关系，样本数量越多，越有利于关系式的稳定。

[1] 范其平,林伟,唐跃,等.利用NCEP产品制作舟山港口精细化风力预报方法研究[J].浙江海洋学院学报(自然科学版),2008,27(3):311-315.

[2] 孙喜艳,程正泉,李楚燕.汕尾浮标站的风况特征分析[J].广东气象,2014,(6)：6-10.

[3] 张建华.关于相关系数作拟合优度判据的研究[J].郑州工业大学学报(自然科学版),2001,22(3)：72-74.

[4] 孙喜艳,李世光.汕尾浮标站与周边自动站观测资料对比[J].广东气象,2010,32(4):70-72.

[5] 李晓丽,唐跃,范其平,等.PPM方法在马迹山港船舶靠离泊临界值预报中的应用[J].浙江气象,2010,31(4):23-27.

[6] 陈锦冠,林少冰.10分钟平均最大风速与极大风速评估方程的建立[J].气象,2001,27(10):38-41.

[7] 胡波,杜惠良,俞燎霓.几种不同方法在舟山海岛阵风预报试验中的对比分析[J].海洋预报,2015,32(3):43-50.

[8] 胡波,杜惠良,俞燎霓.一种经验相似方法在沿海海岛阵风预报中的应用[J].海洋预报,2014,31(3):37-44.

[9] 黄辉,陈淑琴.MM5数值预报产品在舟山海域风力分区预报中的释用[J].海洋预报,2006,23(2):67-71.

[10]高山红,吴增茂.海岛测站大风资料代表性的数值模型分析[J].应用气象学报,1999,10(3):333-338.