基于ERA5再分析资料的余姚地区阵风预报模型探究

吕艺影 牛海林 郝囝 刘建勇 高益波

(1 余姚市气象局，浙江 余姚 315400；2南京信息工程大学 气象灾害预报预警与评估协同创新中心/中国气象局气溶胶与云降水重点开放实验室，南京 210044；3 天津市气象局，天津 300000；4 宁波市气象局，浙江 宁波 315000)

引 言

余姚是河姆渡文化的发源地，南起四明山森林公园、北至宁绍冲积平原，既是余姚江的发源地、又毗邻杭州湾沿岸。独特的地理位置造成余姚地区冷空气大风、低压大风、台风大风、南大风、雷暴大风等多种类型的大风频发[1-5]。近年来，随着设施农业成为余姚农业生产、农民增收的主导产业，当灾害性大风天气发生时，阵风的预报比平均风更为重要。业务规范中平均阵风系数约为1.4，具有较大的主观性。因此，开展大风短临预报预警服务、提高阵风的预报准确率是定量评估大风、尤其是阵风对设施农业影响的关键点。

数值模式输出产品往往是平均风，因而用平均风进行阵风预报是当前农业大风灾害预警亟需解决的难题。众多气象工作者通过研究阵风因子的物理影响因素来讨论大风的成因，张晶晶等[4]在宁波两次南大风过程分析中发现强的垂直风切变和夜间高层辐射造成的大气不稳定性有利于大风动量的下传；陈德花等[6]认为水平气压梯度和垂直动量下传以及地面摩擦力是造成台风强风的主要因素；乌仲勋等[7]对冷空气大风研究认为，高空槽是引发动量下传进而引发大风的重要原因；李亚春等[8]认为湍流特征参数与强风样本的匹配程度受样本和统计方法的影响较大；谢文锋等[9]在对“山竹”登陆前后的阵风预报讨论中认为主要考虑边界层湍流动能的TKE方案最适合台风天气的阵风预报。

在阵风因子的相关性研究中，胡波等[10]通过高斯过程回归方法得出阵风与大气低层的动力因子相关较好，而在近中层则与热力因子相关较好，阵风的最佳预报因子集中在875 hPa以下；周福等[11]认为400 m以上的山区站与70 m以下的低海拔站点在阵风系数特征上有较大不同；YU，et al[12]分析发现下垫面粗糙度增大会导致湍流强度和阵风系数的增大；风向对阵风因子的影响存在极大的不确定性，周福等[11]认为其不影响阵风系数；而胡波等[13]认为地形差异导致的风力堆积作用表明当地的风向对阵风因子有一定影响。

大量的观测和研究表明，当风速达到一定等级后阵风系数不再随风速大小产生线性变化，王志春等[14]提出6级为阵风预报的临界值，此后应适用于指数函数或对数函数。董双林[15]对中国地区阵风进行统计，得出阵风因子随稳定风速、平均时间、距地面高度、地面粗糙度和稳定风速三阶矩变化的经验公式。但胡波[16]认为针对不同地区的地貌差异以及天气系统的影响不同，应对阵风因子做本地化的专项分析。

尽管很多学者探究了阵风的影响因素并做出了定性评估，但建立本地化阵风预报模型定量评估大风的研究却很少。本文将在前人的基础上，从物理机制和统计学原理出发，构建阵风预报模型，准确、定量地评估大风，并对预报模型进行检验，从而更好地服务于大风短临预报预警的研究。

1 观测资料与再分析资料

1.1 观测资料

随着观测自动化的普及，余姚的气象观测站网建设日益完善，自2006年末逐步建设了一批区域自动气象观测站进行温压风湿和雨量等气象要素的观测。本文的地面风场资料来源于2007—2019年余姚国家一般自动站(站号：58468)和43个区域自动观测站。其中，2007—2017年的数据用于统计分析，2018—2019年的数据用于模型验证。由于自动站建设时间差异，各站在预报模型建立中的资料选用时段不一，表1给出了各站的资料使用时段和数据质量。

表1 气象站资料起始时间及数据质量Table 1 Start time of every weather station and the quality of the data

在阵风因子的预报中，董双林[15]、胡波[16]都认为地面粗糙度是阵风因子的一大重要影响因素，而余姚地区地形复杂，素有“五山二水三分田”之称，由图1可知，余姚主要有4类不同下垫面类型，即海陆、平原、湖陆、山地，分析不同下垫面的大风分布有利于讨论不同下垫面的影响。余姚44个自动气象站中平原代表站17个；山地代表站有10个，主要分布在姚南四明山地区；海陆代表站7个，主要分布在姚北杭州湾沿岸；湖陆代表站10个，主要分布在姚江及水库周边。

图1 余姚44个自动站的4类下垫面分类Fig.1 Classification of Yuyao’s 44 automatic weather stationson four underlying surfaces

1.2 ERA5再分析资料

近年来，大气再分析资料已经被广泛应用于气象要素长期变化趋势研究中[17]。欧洲中期天气预报中心(Europe Center of Medium-range Weather Forecast，ECMWF)发布的ERA5再分析资料在数值预报的基础上四维同化了地面资料和卫星资料，与ERA-Interim相比，它不仅更接近实时更新，还具有高水平分辨率、高时间分辨率的特征，并且在原来的基础上增加了10 m阵风、摩擦速度、K指数、全总指数等变量。本文采用的ERA5物理变量有：10 m平均风速、925 hPa风速、地面气压、10 m阵风、摩擦速度、地面粗糙度、K指数、全总指数，各物理量的时间分辨率为1 h，水平分辨率均为0.1°×0.1°，高分辨率的再分析资料对于余姚地区小尺度区域站的数据对比分析更为有利。

2 阵风预报模型

2.1 余姚地区大风统计

业务规范中，大风是指风力达到8级以上，即瞬时风速≥17.2 m·s-1的风。随着区域站数量的增多，综合气象观测能力大大提升，大风的监测也更加有效。根据2007—2019年余姚44个自动站数据统计得出(图2)，余姚地区的日极大风呈正态分布，风力峰值为4～5级，平均每年大风日占比达7.03%，累计大风时次占比3.32%，平均大风站次占0.76%，这就意味着各站的累计大风日次数达1 154站次。

图2 2007—2019年余姚44站的大风统计：(a)日极大风分布；(b)逐年累计大风时次、大风日、雷暴大风日统计；(c)各站大风日统计Fig.2 Statistics of gale in Yuyao’s 44 automatic weather stations from 2007 to 2019: (a) distribution of daily maximum wind; (b) frequency of gale hour、gale day and thunderstorm gale day year by year;(c) frequency of gale day of every weather station

按照上文提及的4种下垫面将44个自动站归类，山地代表站大风次数最多，共出现了有398次大风，按站均分布来看，山地(39.8次)>湖陆(26.4次)>平原(20.9次)>海陆(19.4次)。各类型排名前五的站k2620、k2623、k2637、k2649、k2613分别代表山地、山地、湖陆、湖陆、平原。根据以上统计特征，可以发现下垫面对风速有一定的影响，山地和湖陆下垫面的大风频率相对较高。这与周福等[11]、YU，et al[12]对下垫面粗糙度的分析一致。因此，在阵风预报方程的建立中，本文引入了地表粗糙度和摩擦速度两个指标。

有众多学者的研究可知，浙北的大风类型主要有5种，即冷空气大风、台风大风、低压大风、高压后部大风和雷暴大风，而雷暴大风预报往往不太理想，雷暴大风的预报主要通过判断树方法实现短临预警[18-19]。图2b给出了逐年累计大风时次、大风日、雷暴大风日的分布，从年际角度来看，由于区域自动气象站的增加，大风时次有一定的增长趋势，但大风日数变化不大，每年的大风日在26 d上下浮动。2007—2019年累计大风时次3 779次，累计大风日数334 d，其中雷暴大风日数79 d。

2.2 阵风预报因子分析(以k2612为例)

以海陆代表站k2612为例，图3给出了实际日极大风速与ERA5再分析资料8个要素日大极值之间的相关关系。图3a、b实况场的日极大风速与再分析资料的日极大10 m平均风速、瞬时10 m阵风都有较好的拟合优度，单要素10 m风速的拟合优度最高，达到了50.6%，10 m阵风的相关性略低于10 m平均风。此外，风力越小线性拟合效果越好，6级及以下(≤13.8 m·s-1)的风速线性拟合效果相对于6级以上更好，这与王志春等[14]提出的风速达到6级以后，阵风系数不随风速大小产生线性变化结论相近。

图3 日极大风速与ERA5再分析资料8个要素日极大值关系(以k2612为例)：(a)EC10_V：10 m平均风；(b)EC10gust_V：10 m阵风；(c)EC925_V：925 hPa风速；(d)F_V：摩擦速度；(e)3hΔP：3 h变压；(f)1hΔP：1 h变压；(g)K_index：K指数；(h)T_index：T指数Fig.3 Take station k2612 as an example：(a) EC10_V: 10 meter mean winds; (b) EC10gust_V: 10 meter wind gusts;(c) EC925_V: 925 hPa mean winds; (d) F_V: friction velocity; (e) 3 hΔP: 3 hours pressure change; (f) 1 hΔP: 1 hour pressure change; (g) K_index: K index; (h) T_index: T index

Bradbury，et al[20]和Nakamura，et al[21]认为对流拖拽导致的垂直动量传输以及水平气压梯度力导致的水平动量传输均扮演了重要角色。考虑到高空风速对地面风速的拖曳作用，本文引入925 hPa日极大风速，图3c中925 hPa风速的相关系数为0.56，拟合优度也达到了31.3%。变压场在一定程度上反映了系统移动的快慢，也代表着水平动量的传输，但1 h变压、3 h变压与日极大风速的线性拟合效果并不明显(图3e、f)，这一部分是考虑到了地面气压资料在南部山区误差较大，另一个主要原因是大尺度大风过程的持续时间较长，持续时间内气压变化不大。

考虑到近地面湍流切应力做功和层气流内部摩擦力，本文分析了日极大摩擦速度和日极大风速的关系(图3d)，结果表明两者相关系数0.704，线性拟合优度达49.5%。由上文讨论可知，下垫面对日极大风速有一定的影响，ERA5给出了各站的地面粗糙度预报，对各个站点进行测算后发现，每个站点的粗糙度基本保持在一个常值附近，变化在0.1%～6.3%之间，故本文阵风模型的建立中引入了地面粗糙度因子R(图4)。

图4 非雷暴日各站要素相关系数与地面粗糙度Fig.4 Variables’ correlation coefficient and roughness of stations except thunderstorm day

经日期筛查后发现，欧洲中期天气预报中心(Europe Center，EC)的10 m平均风速、瞬时10 m阵风、925 hPa风速、摩擦速度较低而实况风速较高的情况多出现于雷暴天气，这在一定程度上反映了强对流天气阵风预报的难度。雷暴日的日极大风速与预报平均风的相关性不大，但K指数和全总指数T对大风有较强的指示意义。另一个难点在于，雷暴大风天气的K指数一般达35 K以上、全总指数T达40 K以上，但K≥35 K、T≥40 K时并不一定会在本站出现大风(图3g、h)，这就说明雷暴日对流系统的尺度之小。王黉等[22]通过研究雷暴大风机理认为系统的时空尺度小是造成大风漏报的主要原因。

剔除雷暴日后，6级及以下和6级以上的各站实际日极大风速与各物理要素之间的线性拟合优度见图4。研究表明6级以上的阵风预报仅用线性函数表示，其拟合效果远低于6级及以下的阵风预报。如只用10 m平均风预报，6级以上的拟合效果降低了41.3%。因此分等级建立余姚本地的经验预报方程是提高阵风预报的关键。

3 阵风预报模型建立与检验

3.1 阵风预报方程

本文定义了一种建立在物理机制和统计学原理上的余姚本地阵风预报方程，考虑到EC再分析资料对小尺度对流系统预报的准确性，以下的讨论中不包括雷暴日的阵风预报。主要用到的统计方法为方差分析和回归分析。6级及以下的阵风与平均风有较好的线性关系，但6级以上的阵风与平均风的相关关系较差，因此建立6级以上阵风预报方程需要考虑其物理机制[6]，本文定义其由平均场项、垂直动量下传项、水平动量传输项、摩擦项组成，其中摩擦项考虑了海拔高度订正。具体公式如(1)和(2)：

(1)

(2)

U=1.775·V10，

(3)

当V10>7.7 m·s-1时，经验方程(4)适用于6级以上阵风预报：

(4)

其中:U为日极大阵风预报值；V10代表日极大10 m平均风；V925代表日极大925 hPa平均风；ΔP3即日极大3 h变压；F为摩擦速度；H为海拔高度；R为地面粗糙度；H、R对各站来说均为常值。对于6级及以下阵风预报，经验系数1.4容易造成本地阵风预报偏低，对本地的适用意义不大，修正后的余姚本地阵风预报经验参数为1.775，陈雯超等[23]、黄世成等[24]也认为现行规范推荐的关于表征阵风特性的参数不一定完全适用于不同下垫面情况。6级以上的阵风考虑了指数变换，与925 hPa风速的平方呈正相关，与摩擦速度呈自然指数相关。分级讨论之后，大风预报模型拟合优度调整前后的对比由表2给出，通过单独拟合6级以上预报方程，其拟合优度提升了59.61%。

表2 大风预报模型拟合优度调整对比Table 2 Wind gust forecast model’s goodness offit check before and after

3.2 预报方程验证

利用2018—2019年余姚44个气象自动站的数据对方程进行检验，结果表明6级以下的阵风拟合在3～5级效果最好，1～2级阵风预报偏高，6级阵风的预报偏低；6级以上的阵风等级预报准确率达55.2%(图5)。

图5 2018—2019年日极大风速观测值与预报值对比：(a)6级及以下；(b)6级以上Fig.5 Comparison of observed and forecast wind gust using data from 2018 to 2019: (a) below or equal to wind scale 6; (b) over wind scale 6

4 台风大风和冷空气大风预报讨论

台风大风和冷空气大风是导致余姚地区受灾最多的两种大风类型[3，25-26]。当台风大风或冷空气大风发生时，余姚地区的平均风力5～7级，阵风8～10级以上，各地面气象站测得的日极大风均在8 m·s-1以上(风力5级)。根据上文得出的余姚本地化经验阵风预报模型，利用2007—2017年期间累计出现的35次台风大风过程、77次冷空气大风过程，分别对台风大风和冷空气大风建立预测模型，旨在得出拟合优度更高的方程提高阵风预报服务效果。

台风大风和冷空气大风通常是持续性的过程大风，对余姚地区的影响时长一般在48 h以上。当受到台风或冷空气影响时，初始时刻的气压猛升往往与气温骤降相对应，而气压突变的后1 h内风力变化也极为明显，这就表明1 h正变压在一定程度上对阵风预报具有指导意义。但随着台风或冷空气过程持续，温度变化不再明显，气压变化波动幅度减小，日极大阵风与1 h变压或3 h变压的相关关系减弱，不再具备良好的对应关系。且再分析资料中的小时气压值是基于预报数据的插值，其模型误差较大，故在这两类阵风预报模型中不予讨论变压项，即水平动量传输项。图6给出了台风和冷空气过程日极大风速与平均场项、动量下传项、摩擦项的拟合优度。由陈德花等[6]、程婧等[27]学者的研究讨论可知，地形摩擦和地形抬升作用对台风大风的形成具有重要的影响，而余姚北部的四明山与城区平原的海拔高度差最大达815 m，因此摩擦项应当具有更高的权重系数。周福等[11]认为冷空气与热带气旋大风的阵风系数空间分布基本相同，这与本文预测模型观点基本一致，不同的是，本文认为台风带来的动量下传比冷空气更为明显，因而台风过程中的阵风预报模型将对垂直动量下传项赋予更高的权重，地形摩擦作用在这两种类型天气过程中同样重要。

图6 台风过程(a—c)和冷空气过程(d—f)中日极大风速与方程各项的拟合优度：(a、d)平均场项；(b、e)动量下传项；(c、f)摩擦项Fig.6 Goodness of fit check between daily maximum wind speed and each item of the equation during (a-c) the typhoons and(d-f) cold air events : (a，d) averaged velocity term; (b，e) downward momentum term; (c，f) friction term

通过对上述方程(4)变形，得到台风大风和冷空气大风过程的余姚本地化经验阵风预报模型如下(5)、(6)，各变量的物理意义与上文相同：

当台风过程发生时，

(5)

当冷空气过程发生时，

(6)

由表3可以看出，针对台风和冷空气过程的日极大阵风预报效果有明显提升。台风大风过程的阵风预报拟合优度提升了24.13%，冷空气大风过程的阵风预报拟合优度提升了17.4%。据统计，台风大风过程累计出现6级以上大风585站次，8级及以上大风160站次；冷空气大风过程累计出现6级以上大风和8级及以上大风分别为201站次、920站次。以风力等级预报≤(±1级)为标准，台风和冷空气过程的6级以上风力等级的预报准确率大大提升，分别达到了93.85%和94.67%。

表3 台风和冷空气过程阵风预报模型拟合优度及风力等级预报准确率Table 3 Typhoon gale and cold air gale forecast model’s goodness offit check and forecast accuracy of wind scale

5 结论

本文利用2007—2017年余姚地区44个气象自动站观测数据和欧洲中心ERA5再分析资料，对余姚地区日极大风分布进行了统计分析，并提出一种本地化的经验阵风预报模型。主要结论如下：

(1)余姚地区日极大风呈正态分布，风力峰值为4～5级，平均每年大风日占比达7.03%，累计大风时次占比3.32%，年平均大风日26 d。4种下垫面类型中山地、湖陆的大风频次较高，平原、海陆的大风频次相对较低。

(2)非雷暴日影响阵风预报的因子主要有10 m平均风速、925 hPa风速、地面粗糙度、摩擦速度和3 h变压，雷暴日的阵风预报难度较大，应综合考虑K指数、全总指数等。

(3)风力越小，阵风与平均风之间的线性拟合效果越好，6级以上的阵风预报应在统计学基础上结合物理机制以提高预报准确率。

(4)6级及以下阵风预报中，业务中的阵风经验系数1.4容易造成余姚本地阵风预报偏低，适用于余姚本地阵风预报经验系数为1.775。

(5)余姚本地的6级以上阵风预报经验方程由平均场项、垂直动量下传项、水平动量传输项、摩擦项组成，其中摩擦项考虑了海拔高度订正，其与925 hPa风速的平方呈正相关，与摩擦速度呈自然指数相关，经验方程相对于经验阵风系数的预报拟合优度提升了59.61%。

(6)利用2018—2019年数据对经验方程进行检验，发现6级以下的阵风拟合在3～5级效果最好，1～2级阵风预报偏高，6级阵风的预报偏低；6级以上的阵风等级预报准确率达55.2%。

(7)对台风和冷空气两种不同的阵风分别建立预测模型，其拟合优度分别相对原来提升了24.13%和17.4%。

(8)地形摩擦作用在冷空气大风与台风大风过程中尤为重要，这两类过程阵风系数分布类似，但台风带来的动量下传比冷空气更为明显。