浙江多源资料高空风对比分析

杨 程，董美莹，陈 锋，余贞寿

（浙江省气象科学研究所，浙江 杭州310008）

风廓线雷达起源于20世纪80年代，其原理是[1]通过向高空发射不同方向的电磁波束，接收并处理这些电磁波束因大气垂直结构不均匀而返回的信息进行高空风场探测的一种遥感设备。早在20世纪90年代初期多个发达国家就开始建立覆盖全面的风廓线雷达气象观测网，并投入业务运行[2-3]。多年的运行结果表明：风廓线雷达数据在满足观测精度要求的前提下，其时空分辨率远远超过其他高空风观测系统，为天气和气候观测预报系统的运行提供了强有力的资料保障[4-5]。我国在1989年由中国气象科学研究院研制了第一代UIIF风廓线雷达探测仪，随后的多年风廓线雷达的发展和架设取得了长足进展[6-7]。刘青松等[8]的研究表明同化风廓线雷达资料后降水预报产品有明显改善。张崇莉等[9]利用风廓线雷达等多源资料讨论了多资料在降雹天气中的应用。在《风廓线雷达及应用业务发展规划（2013—2020年）》中提出要进一步完善风廓线仪探测系统，风廓线仪作为一种先进的探测技术将在21世纪的高空探测领域发挥巨大作用，其对于改进天气分析和预报、降低测风成本和提高时效性等均具有重要的意义。

对于风廓线雷达数据的验证早期国外研究者曾利用飞机测风来进行分析，但该方法成本较高。近年来对于风廓线雷达的检验以探空资料为主[10，11]。万蓉等[12]利用湖北地区的探空与风廓线雷达资料进行过对比分析，结果显示两类数据相关性较好，可用于常规业务工作。浙江省第一台边界层风廓线雷达仪器于2010年3月在慈溪市综合气象探测基地架设，到2015年浙江省安装调试正常运行的风廓线雷达仪共6部。随着后期浙江省风廓线雷达观测网的建立，对省内已有风廓线雷达数据的评估工作显得异常重要。这份评估工作一方面可以为后期风廓线雷达仪器的架设提供指导依据，另一方面为风廓线雷达数据的业务化提供质量保证。因此本文拟使用探空数据，从对风廓线雷达数据进行统计检验入手，首先对多年来风廓线雷达数据进行评估，随后使用风廓线雷达数据，对近年来在浙江产生重大影响的多个台风进行个例分析，讨论风廓线雷达在台风分析中的应用。

1 资料与方法

1.1 资料

边界层风廓线雷达数据主要使用湖州站和义乌站1 h平均风场资料，用于检验的探空数据分别选取离两者最近的杭州站和衢州站。统计检验的时间段为2010年8月—2013年10月共计39个月。其中湖州站在2011年8月—2012年3月风廓线雷达资料缺测，所以该站点的检验数据共计31个月。由于雷达资料站点与探空资料的站点相距较远，为保证评估的有效性，研究中引入ECMWF再分析数据（简称：EC再分析数据）。该数据空间分辨率0.125°×0.125°，覆盖全球，选取的时间段与探空数据一致。以往研究显示风廓线雷达资料会受到降水因素的影响，因此在对风廓线数据进行评估时会选取评估时间段内多个包含降水的时间段。文中所用降水数据为浙江省1 h平均降水数据，时间的选取配合风廓线数据的评估时间段。

1.2 方法

由于风廓线数据和探空数据的观测方法不同，使得两者的时空分辨率差异较大（不论是时间还是空间分辨率，风廓线雷达数据都比探空数据精细）。要对两者进行检验，首先需将两者时空分辨率调整到一致状态。以往的研究中由于两类站点距离不是特别远，会忽略空间上的差异[12],直接进行时间和空间的插值后进行比对。而本文选取的资料两类站点之间的距离分别为71.4 km和121.1 km。忽略这种差异，势必会对评估结果产生影响。为此本文引入了EC再分析数据解决这一问题。首先选取离两个探空站点最近的EC再分析数据中的格点，评估每两个点之间的相关性。在确认两者相关性显著的前提下，再选取离两个风廓线雷达站点最近的EC再分析数据的格点,对风廓线数据进行评估。具体的站点位置精确经纬度见表1。简而言之，文中的方法是以高分辨率的EC再分析数据为桥梁，以探空资料为观测数据，先评估EC数据的有效性，再用EC再分析数据评估风廓线雷达数据。引入EC再分析数据后使得用于评估的站点间最远距离不超过6 km。

两类数据的对比，主要用以下统计变量计算。其中Voi为某站的探空风速；Vpi为该站与探空风速对比的雷达风速或EC风速。

平均相对误差（mean relative error）：

平均绝对误差（mean absolute error）：

平均绝对偏差（mean absolute deviation）：

均方根误差（Root mean square error）：

相关系数（correlation coefficient）：

表1 不同资料站点的经纬度及距离

EC再分析数据的高度层为气压高度，与风廓线和探空数据的高度层都有所差异。为此文中将EC再分析数据插值到对应的站点数据高度再进行比对。首先将气压高度转换成几何高度。以h站点高度上风力值V站（h站点）为例，对应该高度的EC值为VEC（h站点）由公式（6）计算所得：

式（6）中h+和h-为离h站点最近的两个高度。

2 评估结果分析

2.1 探空资料与EC再分析数据比对

表2给出了用探空数据对EC再分析数据进行评估的结果。两类数据的相关性较好，相关系数都超过0.85，其中两类数据风速的相关性略好于风向，达到0.9，这是因为观测中风向的瞬时误差本身要大于风速。两类数据风向绝对误差衢州站是14.3°，杭州站是16.5°；风速绝对误差衢州站是1.62 m·s-1，杭州站是1.88 m·s-1。EC风力数据在衢州站与探空资料绝对误差更小。从两类数据平均绝对偏差可知，风向和风速的绝对偏差都为正值，说明相对于探空风向，EC的风向平均偏左；相对于探空风速，EC的风速平均偏小。这种误差若体现在相对误差上，则两类资料的相对误差都小于15% 。

表2 EC再分析数据与探空数据的评估结果

通过以上分析可见EC再分析数据总体是可信的。图1给出了EC再分析数据与探空数据相关性随高度演变廓线图。图中两站点风速的相关性都好于风向。除衢州站的风向，其他的风力相关性最好的高度层都在3～4 km。次好的高度层为2～3 km和4～5 km。而在0～1 km相关性较差，造成这个现象有两方面原因：一是EC再分析数据最低层为1000 hPa，在0～1 km插值时观测较少造成误差；另一方面由于近地面风受不同下垫面影响造成观测误差。高层4 km以上两类数据风力相关性也开始变差，这是因为探空观测随着时间的推移离站点的位置会越来越远造成误差随着高度变大。虽然低层和高层的相关性不如中层，但从图1中可以发现，这种相关性的差异只是相对的。除了杭州站的风向，其它站风力在任一高度相关性都超过0.8。

综上分析可知，EC再分析数据与探空风数据相关性较好，可用其对风廓线雷达数据进行评估。

2.2 风廓线雷达资料与EC再分析数据比对

图1 EC再分析数据与探空数据相关性随高度的变化特征

由于以往的众多研究显示风廓线雷达数据会受到降水的影响[11-12]，因此在对该数据进行评估时，作者将挑选研究时间段内有连续降水的天气过程进行比对，将有降水和无降水的时次分开评估。具体的选择需满足以下条件：（1）连续6 h每小时降水量超过0.1 mm；（2）6 h总降水超过5 mm；（3）降水比率（有降水的时次与总时次的比值）超过20% 。若降水比率低于20% ，但某1 h降水量超过20 mm亦满足选择条件。这主要是为了将短时强降水、特大暴雨过程包含进去。根据上述条件，两站分别选取了36个和41个降水过程。

通过对上述降水过程风廓线雷达数据的统计检验，表3给出了该数据的评估结果。从表3可知，当无降水时风廓线雷达与EC再分析数据表现出很好的相关性，风向的相关性约0.85，风速的相关性超过0.9。两类数据的平均绝对偏差都为负值。由于研究以EC再分析数据作为观测，所以偏差的计算是EC的值减去风廓线雷达的值。因此若平均绝对偏差为负值则说明风廓线雷达风向相对于EC偏右；风速相对于EC偏大。对比表2中EC再分析数据与探空的平均绝对偏差，可见当没有降水时，风廓线雷达数据位于EC再分析数据和探空数据之间。

而当有降水时，两类数据的相关系数明显低于无降水的情况，约在0.7～0.8。两类数据的平均绝对偏差虽也为负值，但比无降水时更接近EC再分析数据。而平均绝对误差显示有降水时的绝对误差却大于无降水的情况。出现这一现象是因为，计算偏差是为了体现两类数据的整体大小趋势，很有可能正负值互相抵消。这里绝对误差更能体现两类数据的误差情况，从表3可以看出有降水时两类数据风向的绝对误差约为15°，风速的误差为2.5 m·s-1。

由于相对误差比绝对误差更能说明两类资料误差的相对性，对于风廓线雷达数据和EC再分析数据误差随高度的变化见图2。从图2中可知不论是湖州站还是义乌站，两类数据没有降水时相对误差在中层1～4 km都比较小，约为15% 。而在低层1～2 km和高层4 km以上相对误差较大，这是由于EC的低层和风廓线雷达数据的高层边界值的缺测造成。有降水时风力的相对误差低于没有降水的情况。风速的相对误差略好于风向。湖州站相对误差随高度变化的特征不明显。义乌站在1～3 km相对误差最小。

表3 风廓线雷达数据评估结果

图2 风廓线雷达数据平均相对误差随高度变化特征曲线

图3和图4更为直观地反映风廓线雷达的评估结果。当没有降水时风廓线雷达位于EC再分析数据和探空数据之间。有降水时，风廓线雷达不论风向还是风速，平均偏差都位于EC再分析数据与探空数据之间；但其与EC再分析数据的风速和风向绝对误差都大于探空数据与EC再分析数据的绝对误差。

图3 风廓线雷达数据风向评估结果

图4 风廓线雷达数据风速评估结果

3 台风个例分析

浙江是受台风影响最严重的省份之一。将以两个雷达站点数据为主，辅以探空站点数据共同分析台风个例中风力的演变特征。

3.1 1211号台风“海葵”风力分析

2012年第12号台风“海葵”于2012年8月3日08时在日本冲绳县东偏南方向约1360 km的西北太平洋洋面上生成，8月7日13时发展成强台风级别，8月8日3时登陆浙江象山县，随后向西北方向移动。从“海葵”移动路径可知4个站点分别位于其移动方向的两侧，可以很好的观察其移动过程中风力的演变特点。“海葵”登陆前后降水云系深厚，在浙北到浙中附近有一块红外黑体亮温（Black Body Temperature,以下简称TBB）＜-60℃的强对流云系，造成了浙中到浙北区域内多地的强降水天气。湖州站和义乌站的降水都是从7日18时开始，湖州站小时降水最大时间段在8日08时附近，最大降水量超过15 mm，义乌站降水强度略小于湖州站。将重点关注7日18时之后的风力演变特点。

图5给出了7日18时—9日00时4站风力廓线时间演变图。由图5可知，风廓线雷达在整个降水过程中时间连续性较好，受降水污染情况较小。图5a为义乌站风力廓线图，义乌站的在7日19—20时有一波短时降水，对应于风力廓线图上从高空到低层深厚的偏东北气流。由于强对流云系造成的降水主要分布在8日02时—8日12时。这段时间图5a显示测站上空风向存在从偏东北向逆时针转向偏西南气流的过程。这是台风从测站东侧向西北方向移入的过程，移入后台风位于测站北侧符合台风路径特征。图5c衢州站探空资料由于中低层资料缺失对于这段时间风向的转变特征刻画不明显，未能清晰捕捉到风向的变化过程。图5b为湖州站风力廓线图，8日03—06时测站上空存在深厚的偏东风急流，说明此时台风位于测站东侧尚未过境，深厚的偏东气流造成了02—06时间的降水。8日8日06—12时风向逐渐从偏东风转为偏东南气流，说明此时测站位于季风槽的顶部。风廓线雷达风向的转变虽不如图5d杭州站探空资料明显，但也可以观测到风向的变化。这种风向的转变是典型的台风从西南移入的过程，造成了06—12时的降水。同时在8日12时测站上空低层1 km处的风速约25 m·s-1,＞2.5 km处的风速10 m·s-1，弱的风速切变使得大气斜压性增大，有利于降水加强。

图5 台风“海葵”期间风力演变时序

通过对图5的分析，台风“海葵”造成的两站降水过程，由风力演变特征显示，当测站上空存在深厚且高低空一致的急流，风向开始转向时较容易产生降水。风速的高低空差异造成的大气斜压性，有利于降水加强。

3.2 1323号台风“菲特”风力分析

2013年第23号台风“菲特”于2013年9月30日在菲律宾以东洋面生成，10月4日傍晚加强为强台风，2013年10月7日凌晨1时登陆福建省福鼎市，造成至少5死4失踪，经济损失超过623亿人民币，是1949年以来10月份登陆中国大陆的最强台风。“菲特”登陆后的路径主要位于浙闽交界处，但其中心台风云系造成了浙北地区极其严重的大暴雨。文中主要关注“菲特”影响的时间段为其登陆后的阶段。义乌站降水主要在6日12时—7日02时，最大小时降水超过10 mm。湖州站降水时间段从6日14时开始，后期降水强度较大，最大小时降水量超过20 mm。

图6给出了台风“菲特”期间两站风力的时序图。与台风“海葵”的风力廓线图相似，风廓线雷达资料在关注时间段内受降水的污染较小，时空连续性都比较好。义乌站降水时段偏前，主要在6日12时—7日02时，降水强度最大值出现在6日18时附近，从图6a可以看出，18时附近测站上空高层为一致的偏东北气流，风速超过25 m·s-1,中低层则为偏东南气流，风速在15 m·s-1左右，这种高低层风力切变造成了此次降水过程。从降水强度看，虽然义乌站离台风本体更近，但降水明显低于湖州站，因为义乌地区是东南北三面环山的丘陵地形，这种地形不利于降水的加强。6日23时小时降水超过20 mm，在风力演变上可以看到23时湖州站上空高层为偏东南气流，中层为偏东气流，低层为偏东北气流，总体风向偏东，同时中高层风速大于中低层，存在风速上的差异，这种高低层风向一致风速略有偏差的配置，促使降水加强。该站小时降水超过10 mm的连续性降水从7日05时开始，图6b上显示06—12时中低层风向变化不明显，都以偏东北气流为主，风速略有加强,说明气流在此处堆积，中高层方向则由偏东转为偏东南方向，说明影响湖州地区的降水云系中低层移速慢，高层移速块，降水云系呈现以测站上空向西北方向倾斜的趋势。湖州西侧为天目山山脉，中低层气流受地形迎风坡影响有所滞留造成了连续性降水过程。衢州站（图6c）和杭州站（图6d）探空资料的高度廓线，也可分析出类似图6a和图6b的高低空风向的变化，但由于该资料时间间隔为12 h，对于更短时间内降水过程风力变化的表现不够清晰。

图6 台风“菲特”期间风力演变时序

造成台风“菲特”期间湖州站连续性降水主要由于台风本体充沛的水汽条件受地形影响有所滞留造成。而义乌站的降水则是由于高低空风力的切变，使得大气斜压性增强造成。

4 结论与讨论

以高分辨率EC再分析数据作为桥梁，首先使用杭州站和衢州站探空数据对EC再分析数据进行评估，发现两类数据存在较好的相关性，可用EC再分析数据取代探空数据对湖州站和义乌站风廓线雷达数据进行评估。

（1）评估结果显示当无降水时，风廓线雷达数据与EC再分析数据相关系数在0.85～0.9，进一步分析可知风廓线雷达的值位于EC再分析数据和探空数据之间。有降水时，风廓线雷达与EC再分析数据相关系数在0.7～0.8。

（2）无降水时风廓线雷达数据在中层2～4 km与EC再分析数据相对误差较小，在低层和高层由于相关资料的缺测造成相对误差较大。有降水时风廓线雷达数据与EC再分析数据相对误差随高度变化特征不明显。

（3）通过对2012年第12号台风“海葵”和2013年23号台风“菲特”造成降水期间的两站风力演变特征分析发现，风廓线雷达资料的时空完整性都比较好。相对探空数据来说可以观察到风力演变过程中更加精细的风力结构。

（4）对台风“海葵”的分析显示当测站上空存在深厚且高低空一致的急流，风向开始转向时较容易产生降水。造成台风“菲特”期间两站的降水则与地形作用关系密切。两个个例分析都表明，当风力存在高低空差异时造成的大气斜压性，有利于降水加强。

上述结论表明以往研究中关于风廓线雷达数据受降水影响较大的现象在新型风廓线雷达仪有所改进，浙江省风廓线雷达数据可应用于日常常规天气过程的分析。由于风廓线雷达本身变量的单一性以及目前省内架设风廓线雷达仪仍然较少等现状，使得仅用风廓线资料进行分析显得异常困难，这一方面需要不断增加仪器铺设，同时也需要将风廓线资料与其他数据融合才能体现其重要性，这些都需要在今后的研究工作中进一步深入探讨。