河南高速公路沿线最大风速精细化预报产品检验及订正研究

肖 瑶 ， 席世平 ， 王 丽

(1.中国气象局·河南省农业气象保障与应用技术重点实验室，郑州 450003；2.河南省气象服务中心，郑州 450003)

引 言

随着国家经济与城市化的快速发展，由气象条件引起的高速公路交通安全保障问题已成为影响生命安全、经济发展的一个关键因素[1-3]。统计结果表明，高速公路交通事故的高发期多为多雾、多雨、多大风、多冰雪和沙尘的季节，高速公路上因恶劣天气造成的交通事故大约占总事故的30%[4-5]。气象要素中的大风要素对高速公路交通安全运营有直接不利影响：大风的影响是增加行车阻力、降低能见度，侧向大风可能使车辆偏离行车路线，甚至吹翻车辆[6-7]；强风还可能吹倒路边设施造成交通事故，使交通设施产生振动和变形。2017年中国气象局公共气象服务中心研发了一套逐3 h的全国公路交通精细化指导预报。该预报产品可以精细到高速公路沿线每个乡、镇，但模式的模拟结果与观测值之间的误差不可避免[8-9]，该指导产品的实际预报能力和适用性有待检验和分析。

由于初始场的不确定性、大气的混沌性及模式自身的模拟能力等原因，模式预报产品都存在着不同程度的误差[10-11]。引入大量历史资料，发展经验性方法，建立预报产品与实况观测的统计关系[12-14]来减小误差已成为提高数值预报产品准确率的重要方向之一。王彬滨等[15]应用一种谐波分析与人工神经网络结合的方法，对沿海风塔的数值预报结果进行订正，订正后的风速数值预报的系统性偏差明显下降。曾晓青等[16]将格点观测融合产品应用于模式预报产品的滚动订正中，结果表明采用基于模式和实况因子的全格点滑动建模订正方案具有最佳的订正效果。近年来，由Cui等[17]提出的卡尔曼滤波类型的自适应递减平均法在模式误差订正[17]中表现良好，已被运用在NCEP全球集合预报系统中。李莉等[18]在对T213全球集合预报系统进行订正时应用了该方法，有效地改进了2 m气温集合预报的均一性及预报的均方根误差；佟华[19]、肖瑶[20]、邱学兴[21]等在应用类卡尔曼滤波方法进行误差订正研究时，分别尝试对该方法进行改进，使模式产品预报质量得到进一步改善。

本文通过对公共气象服务中心提供的高速公路沿线最大风速精细化预报指导产品进行检验分析，然后采用滑动平均法、类卡尔曼滤波递减平均法两种方法的多种方案，对该预报指导产品进行偏差订正，确定最佳订正方案，得到更适用于行业气象服务的最大风速精细化预报产品。

1 资料与方法

1.1 使用资料

本文采用的资料是由中国气象局公共气象服务中心提供的北京时08时起报逐3 h间隔的高速公路交通最大风速精细化预报指导产品。提取的河南省主要高速公路预报产品，精细到河南省高速公路沿线共511个乡镇，空间分辨率为2～3 km。预报资料选取时间长度为2017年12月1日至2018年1月31日，预报时效为24 h。用于对比分析的观测资料选取CIMISS数据库中相同时间段的河南省121个国家级自动站的逐3 h最大风速观测数据。观测资料经过质量控制，删除嵩山、鸡公山两个高山站的数据。采用双线性插值的方法，将高速沿线10 km以内的站点观测资料插值到指导预报中的乡(镇)站的位置上。插值后观测资料与需要订正的精细化预报指导产品地理位置一一对应，其数值作为检验本文订正效果的实况分析值。

1.2 使用方法

1.2.1 滑动平均法

通过顺序滑动逐期增减数据来计算误差，计算方法如下：

(1)

其中,t为当前预报时刻，B(t)表示t时刻的偏差订正值，k为滑动窗长度，i为参与滑动订正的日期，Vf为预报值，Vo为分析值。

1.2.2 类卡尔曼滤波法

类卡尔曼滤波递减平均偏差订正法(以下简称递减平均法)，是通过对不同时段预报偏差的加权平均和迭代更新来估计订正时刻的递减平均偏差的。该方法通过增加的资料实时修正预报结果，利用权重平均使计算得到的状态估计更加接近真实数值，目前已经得到广泛应用。计算方法如下：

B(t)=(1-w)×B(t-1)+w×(Vf(t)-Vo(t))

(2)

式中，t为当前预报时刻，B(t)表示t时刻的偏差订正值，B(t-1)表示前一个时刻的偏差订正值，Vf和Vo分别表示t时刻对应的预报值和真实值，w为递减平均权重参数，取值范围为0～1，反映前期不同时刻的偏差值对于预报时刻偏差的贡献大小。采用“冷启动”，即t=1时，B(t-1)= 0[22]。

1.2.3 误差分析方法

本文选用相关系数、绝对误差、均方根误差、误差改进百分比进行检验分析。公式如下。

相关系数

(3)

绝对误差

(4)

均方根误差

(5)

误差改进百分比

(6)

其中，Vf和Vo分别表示预报值和真实值,RMSEf和RMSEc分别表示原始预报的均方根误差和经过订正之后的均方根误差。

2 订正试验与结果分析

2.1 原始预报误差特征分析

首先对2017年12月1日至2018年1月31日最大风速精细化预报指导产品和实况分析值进行对比检验，分析指导产品的预报性能。图1是2017年12月1日至2018年1月31日高速公路沿线各站点平均最大风速实况与原始预报值对比图(以3 h预报时效为例)。经过检验，原始预报场与实况场分布形态相似，长济高速、连霍高速洛阳段、宁洛高速平顶山段、二广高速济源段、京港澳高速鹤壁段及济广高速实况场平均最大风速的几处大值区，沪陕高速等实况场平均最大风速的几处小值区，在预报场中均有反映。但与此同时也可以看出，原始预报产品较实况值呈现出明显的系统性偏差，预报结果相比实况值大体呈现较为一致的偏低现象，且在各预报时效上均有体现。

对原始预报指导产品3-24 h预报时效的绝对误差、均方根误差进行检验分析(图2)发现：绝对误差和均方根误差的时间变化趋势较为一致，其中夜间的预报误差小于白天的，且夜间误差变化相对平缓；计算的3-24 h的平均绝对误差为1.19 m/s，均方根误差为1.54 m/s。该产品在精细化行业气象服务中具有一定的应用价值，尚需要通过有效的订正方法对不同预报时效的预报指导产品进行偏差订正。

图1 2017年12月1日至2018年1月31日3 h预报时效的平均最大风速实况(a)与原始预报(b)空间分布

图2 2017年12月1日至2018年1月31日最大风速原始预报绝对误差、均方根误差随预报时效的变化

2.2 滑动平均误差订正效果检验

针对上述河南高速公路交通最大风速精细化预报指导产品,应用滑动平均方法进行订正试验。结合自然天气周期、双周期振荡，滑动窗长度分别选择5 d、7 d、14 d 3种方案进行滑动平均订正。

原始预报均方根误差的地理分布如图3(a)所示(以3 h预报时效为例)，均方根误差范围为0.9～3.1 m/s，整体来看豫东南的均方根误差小于豫西北的，均方根误差的大值区域主要在长济高速、连霍高速三门峡-洛阳段、沪陕高速南阳段、京港澳高速黄河以北段等，部分路段均方根误差超过2.5 m/s。订正前均方根误差与经过3种滑动平均方案订正后均方根误差的差值如图3(b)-(d)。总体来看，滑动平均法呈现“+”的订正效果，大部分站点均方根误差减小幅度为0～0.8 m/s，减小的大值区域主要在西部，像连霍高速三门峡-洛阳段、沪陕高速南阳段等较好地对应了原始预报的误差大值区域。结合均方根误差随预报时效的变化(图4)来看，3种滑动平均订正方案中5 d和14 d滑动平均方案订正效果较好，尤其是在原始预报不够理想的3-9 h预报，订正后均方根误差最大减小了0.23～0.65 m/s，减小幅度更为明显。

图3 2017年12月1日至2018年1月31日3 h预报时效的最大风速原始预报均方根误差(a)及其与

图4 2017年12月1日至2018年1月31日最大风速原始预报及滑动平均订正后的均方根误差随预报时效的变化

表1为经过滑动平均法订正后的误差检验分析。由表1可以看出，经过订正后3-24 h预报时效的平均绝对误差和平均均方根误差均显著减小，3种方案中14 d滑动平均订正法的效果最优，与实况场的相关系数提升了0.02，平均绝对误差减小了0.22 m/s，平均均方根误差减小了0.25 m/s，误差缩小15.08%，且在各个预报时效上均有体现。

表1 2017年12月1日至2018年1月31日最大风速原始预报及滑动平均订正后的误差检验

2.3 递减平均误差订正效果检验

针对上述河南高速公路交通最大风速精细化预报指导产品，应用递减平均方法进行订正试验。在应用递减平均法时，参数w的选取，首先参考NCEP的取值,为固定的常值权重0.02。经检验发现，w为0.02时订正效果不理想。对参数w进行敏感性试验发现，针对河南地区最大风速订正时，参数w取0.05时订正后的预报结果较为理想，下文简称w(常数)递减平均方案。进一步从w的物理意义出发，参考佟华等[19]的改进思路，考虑到选取不同长度的历史资料信息对订正结果的影响不同及各站地形、海拔等地理条件的不同，将参数w改进为包含地理信息的函数。w的取值范围在0到1之间，以0.001为间隔，对前15 d的滞后平均进行训练，以模式预报的系统误差达到收敛且每个站点的预报偏差最小为标准确定权重系数w(i)，其中i为涵盖地形、海拔等因素的站点信息，下文简称w(i)递减平均方案。

经过2种递减平均方案订正后的均方根误差较订正前的均方根误差减小的差值分布如图5所示(以预报时效3 h为例)。总体来看，递减平均法呈现“+”的订正效果。高速沿线绝大部分站点的均方根误差明显减小，其中减小的大值区域主要位于西部、东南部，像连霍高速三门峡-洛阳段、沪陕高速南阳段等较好地对应了原始预报的误差大值区域，一定程度上改进了原始预报“地理不均衡”的问题，即误差越大的地方改进效果越明显。图6为经过递减平均订正后均方根误差随预报时效的变化。由图6可看出，经过递减平均法订正后，均方根误差在各个时效上均明显减小，其中在原始预报误差偏大的3-9 h均方根误差减小幅度更为显著，即对于白天的订正效果好于对夜里的订正效果，订正后的预报效果在各个时效上更为平均。结合表2的误差检验分析，可以看出，经过订正后3-24 h预报时效的平均绝对误差和平均均方根误差均显著减小，其中改进的w(i)递减平均法订正的效果更为明显，与实况场的相关系数提升了0.04，平均绝对误差减小了0.25 m/s，平均均方根误差减小了0.28 m/s，误差改进百分比为17.23%，订正效果较为理想。

图5 2017年12月1日至2018年1月31日3 h预报时效的最大风速原始预报均方根误差与w(常数)递减平均(a)、

图6 2017年12月1日至2018年1月31日最大风速原始预报及递减平均订正后的均方根误差随预报时效的变化

表2 2017年12月1日至2018年1月31日最大风速原始预报及递减平均订正后的误差检验

综合来看，两种订正方法均表现出较好的订正能力，在原始预报误差较大的站点和误差较大的预报时效，订正效果更为明显。两种方法中递减平均方法的订正效果整体上好于滑动平均法的。其中选择14 d滑动窗长度是当前最优的滑动平均方案；改进的w(i)递减平均方案优于w(常数)递减平均方案，且是当前几种方案中订正效果最好的。

2.4 不同风速等级的误差订正分析

以原始预报结果和订正方案中表现最优的w(i)递减平均法订正结果为例，分析不同等级风速情况下的订正效果(图7)。按照实况风速大小进行分级统计，风速间隔取为1 m/s。总体来看，随着实况风速的增加，原始预报及w(i)递减平均法订正预报的均方根误差都呈现先减小后增大的趋势。实况风速为0-4 m/s，预报均方根误差随着风速的增加而减小；当风速大于4 m/s时，预报均方根误差随着风速的增加而明显增大；经过订正后的预报结果在风速为3-5 m/s时预报误差最小。从w(i)递减平均法的订正效果来看，风速在0～2 m/s内订正表现为“-”的订正效果，即对于微小风速，订正方案并不理想；当风速大于2 m/s时均表现为“+”的订正效果，当风速大于6 m/s时，虽然原始预报误差增大，但w(i)递减平均法订正效果仍然较为显著；尤其是在风速大于8 m/s范围时,订正能力表现最优，预报均方根误差平均减小了0.87 m/s，平均误差缩小达20%。

图7 2017年12月1日至2018年1月31日不同等级风速订正前后的均方根误差

3 结 论

(1)对中国气象局公共气象服务中心提供的2017年12月1日至2018年1月31日河南高速公路沿线最大风速精细化指导预报进行检验分析发现，预报产品表现出有较好的预报能力，但仍存在较明显的系统性偏差。

(2)采用滑动平均、类卡尔曼滤波法递减平均订正法进行误差订正研究，订正结果表明，两种订正方法均表现为正的订正效果，较好地降低了模式预报结果的系统性偏差。在原始预报误差较大的站点和误差较大的预报时效，两种方法的订正效果更为明显。滑动平均法订正后24 h平均均方根误差由原始的1.54 m/s减小到1.29～1.42 m/s，递减平均法订正后平均均方根误差进一步降低到1.26 m/s，误差缩小8.03%～17.23%。其中选择14 d滑动窗长度是当前最优的滑动平均方案；改进的w(i)递减平均方案优于w(常数)递减平均方案，且是当前几种方案中订正效果最好的。

(3)不同等级的实况风速其误差订正结果存在差异。以w(i)递减平均订正法为例，风速在0～2 m/s范围内,表现为负的订正效果，当风速大于2 m/s时均表现为正的订正效果。当风速大于6 m/s时，虽然原始预报误差增大，但w(i)递减平均法订正效果仍然较为显著；当风速大于8 m/s时,订正后的预报均方根误差平均减小了0.87 m/s，误差缩小达20%。