EC 平均风预报场在温州沿海大风预报适用方法的研究

戴益斌，周洁雯

1.永嘉县气象局，浙江永嘉 325100；2.温州市气象局，浙江温州 325000；3.温州市台风监测预报技术重点实验室，浙江温州 325000；4.温州市气象台院士工作站，浙江温州 325000

大风是温州常见的气象灾害之一，其中尤以沿海风灾风险高，海上大风对海上航运、渔业生产和人民群众生命财产安全造成严重影响或危害。温州沿海大风受冷空气、倒槽和台风等因素影响[1-3]。冷空气大风主要出现在冬春季，并伴随强降温等天气；台风大风则以夏秋季为主，冷空气和台风大风都具有范围较广、持续时间较长等特点；雷雨大风多出现于春夏季，具有范围小、时间短、强度大、破坏性强等特点。

欧洲中心(ECMWF)细网格10 m风场是目前主流的精细化数值预报产品之一，且空间分辨率较高，这对开展温州市域及沿海这种较小范围内的气象要素的精细化预报有着较为明显的优越性。利用现有沿海风力的常规观测资料，建立对欧洲中心网格10 m风场科学、有效的本地化客观订正方法，为预报员提供参考依据，也为开展温州沿海大风精细化、精准化预报及服务提供支撑，对防御沿海风灾、减少人员伤亡和经济损失具有重要意义。

利用2017—2019年温州沿海气象观测站实况极大风数据分析了温州沿海大风的分布特征，并尝试寻找实况数据和欧洲中心细网格10 m风场预报产品相关性，建立线性回归方程，提高欧洲中心细网格10 m风场在温州沿海的应用能力。

1 资料与方法

1.1 资料

所用资料包括温州沿海气象观测站2017—2019年逐小时整点极大风数据。因地域限制，这42个站点主要集中在温州沿海中部的洞头区，北部的乐清、南部的苍南沿海等站点分布较少。其中，温州浮标站距离陆地最远，大概70 km，受地形影响最小，对海平面10 m风场具有很好的代表性，但维护困难，存在一定的缺测情况；其他站点的海拔为1～127 m，其中16个站点海拔在50 m以上，2个站点在100 m以上。海拔较高的站点受海拔和地形影响，有一定的局地性。

欧洲中心细网格10 m风场预报产品空间分辨率0.125°×0.125°，逐日2次(北京时每天08:00、20:00)起报，预报时效达10 d(240 h)，前72 h时间分辨率为3 h，72 h后分辨率为6 h。基于时效的延长会导致风向风速预报的误差逐渐加大的统计结果，仅研究前24 h预报时效。

1.2 方法

利用双线性插值方法，将欧洲中心细网格10 m风场插值到选取的42个温州沿海观测站点，根据插值后的u和v分量计算风速，将其与对应的观测站风力进行比较，剔除缺测值后，采用相关系数(r)等统计指标评估其预报效果。

2 观测站实况风力分析

统计2017—2019年温州沿海观测站逐小时极大风数据得到日极大风风速并按蒲福风力等级表进行分级，得到温州沿海极大风的分布特征。

2.1 极大风的分布特征

从2017、2018和2019年逐年日最大风力等级分布看，整体均呈现正态分布特征，沿海风力均在4级及以上，6～8级风出现频次最多，极少有16级极大风。从2017—2019年所有风力统计看，6～8级风力占比分别均在20%以上，其中7级风力最多，达24.9%；超渔船最大承受能力的9级及以上风力，合计占比也有大约20%，其中主要为9～10级风，11级以上极大风较少。

2.2 极大风的季节特征

将极大风分四季进行统计，发现不同季节每年的风力等级也基本均呈正态分布，计算2017—2019年4个季节不同等级的平均天数，特征比较明显。

从2017—2019年四季风力平均天数的等级分布看，温州沿海8级及以上的大风过程一年四季均可能产生，但冬季最容易出现，这主要是因为冬季冷空气活动频繁；而这种系统性造成的大风以8～9级大风为主，10级及以上的极端性大风出现频次较少。

2.3 过程性大风分布特征

实测大风过程的定义：在业务工作中，将小时极大风≥8级(17.2 m/s)定义为大风，根据沿海渔船最大抗风能力，着重分析了9级(20.8 m/s)。因为欧洲中心细网格为全球模式预报产品，所以对强对流造成的风雨没有较好的表现，即雷雨大风的瞬时风力对欧洲中心细网格10 m风场评估的参考意义不大。为剔除局地强对流造成的个别站点的雷雨大风，分别统计了8级风和9级风站点数超5%、10%、15%和20%的过程大风，发现2017—2019年每年8级及以上风超5%站点数的天数大约为40%，9级及以上风超5%站点数的天数在15%上下；8级及以上风超10%站点数的天数均超过30%，9级及以上风超过10%站点数的天数则超10%。

3 EC风场与实况风力关系

因2017年观测站点较少，基于大样本的原则，主要利用2018—2019年欧洲中心细网格10 m风场进行双线性插值，根据u和v分量计算风速并逐一计算其与对应站点实况风力的相关系数。

由图1可知，根据2018—2019年计算结果，关于欧洲中心细网格10 m风场风速与实况风力，不同站点的相关系数存在一定的差异，站点的00:00、12:00(世界时)风场与实况风力的相关系为0.26～0.45，呈较为明显的正相关关系，均通过0.01显著性检验。而针对相同站点，00:00(世界时)起报场与实况的相关系数与12:00(世界时)起报场相关系数整体差异不大，说明欧洲中心细网格10 m风场的预报能力比较稳定，与起报时次无关，该结论与申华羽等[4]的研究结果一致。

图1 2018—2019年各站点00:00、12:00起报EC逐3 h风速与实况极大风的相关系数

对2018年和2019年欧洲中心细网格10 m风场逐3 h数据分别与当年实况风力计算相关系数发现，同一年度，00:00起报和12:00(世界时)起报整体差异不大；除个别站点外，2018年的相关系数整体要高于2019年，但2019年的整体相关系数稳定性强于2018年。北麂小虎头屿站的相关系数出现负值，主要与样本数量过少有关，其2018年风力样本数仅29，不具参考性，2019年样本数量较多时，为正相关关系。

将欧洲中心细网格24 h预报时效中的最大风力和实况数据的日极大风进行逐日风力的相关系数的计算，除其中北麂小虎头屿2018年的数据仅4 d无法计算外，其余站点的正常。计算结果显示，2018年的00:00(世界时)起报数据的相关系数分布在0.32～0.67，12:00(世界时)起报数据的相关系数分布为0.32～0.69，2019年00:00(世界时)起 报数据的相关系数为0.30～0.51，12:00(世界时)起报数据的相关系数分布在0.26～0.47，且均通过了0.01的显著性检验。相较逐3 h的数据结果，同一年的00:00起报和12:00起报的逐日数据的相关系数虽然也整体吻合，但其差异性明显要大于逐3 h数据的相关系数，从这两年的数据看，2018年12:00起报的EC风力数据与实况极大风的相关系数高于00:00(世界时)起报数据，即12:00(世界时)起报的风力数据预报能力稍强于00:00(世界时)；2019年 则是00:00(世界时)起报数据稍强于12:00(世界时)起报数据。针对不同年度差异，在今后的应用中，有必要根据前2～3年的风力甚至更长的时间，年度滚动调整订正线性回归方程[5]。

对比同一年度同一起报时刻逐日相关系数和逐3 h相关系数，以2019年12:00起报数据为例(图2)，发现除个别站点外，多数站点的EC逐日风速与实况极大风的相关系数都高于逐3 h风速与实况极大风的相关系数，这说明在构建线性回归方程时，逐日大风的方程较逐3 h的方程更具参考价值，数据时刻越精细，线性回归方程的订正能力越有限。

图2 2019年各站点12:00起报EC逐日/逐3 h风速与实况极大风的相关系数

根据上述分析可知，欧洲中心细网格10 m风场与温州沿海观测站极大风呈明显的正相关关系，可据此构建各个站点的线性回归方程。以下展示了以洞头站、鹿西站、南麂站、北麂站和温州浮标站逐3 h和逐日风速订正方程(表1)。

表1 逐3 h/逐日风速订正方程

根据上述方程，将订正后的风速进行分级，计算与实况风力相差的风力级数，并与EC风场与实况所差级数相比。以洞头站和南麂站逐日数据为例，可以发现，洞头站订正后的风速的准确率达35.9%，较EC预报风场提高了12.6%；南麂站订正后的风速的准确率为24.4%，较EC预报风场提高了15.6%。洞头站±1级的差异不大，两者均接近50%；但南麂站±1级天数也是订正风速要明显大于EC预报风场。±2级至±4级的风力，两站均显示订正风速要少于EC原始数据，±5级及以上两者均极少。以上分析总体说明，针对温州沿海逐个站点构建的线性回归方程能够较明显地提高风力等级的准确率，或是减小相差的级数，达到了较好的释用效果。

分别针对8级及以上风力、9级及以上风力检验线性回归方程的订正效果，以南麂站为例，发现回归方程能够较明显地减小与实况风力的相差级数，其中对8级及以上风力的订正效果要显著，准确率为10.6%，主要差级集中在0到±2级以内；9级及以上风力也有一定的订正效果，能缩小差级将其主要集中在±1级至±3级，但准确率没有明显提高，说明虽然订正方程能够较明显地提高风力等级准确率或缩小差级，但对于9级级以上的大风，尤其是对极端大风的订正能力有限。

4 结论与讨论

通过对2017—2019年温州沿海42个海岛站极大风实况数据的分析，发现温州沿海风力最小风力为4级，6～8级风出现频次最多，占比分别均在20%以上，超渔船最大承受能力的9级及以上风力，合计占比约为20%，极少有16级极大风。

不同季节，春季(3—5月)6级风力最多，夏季(6—8月)和秋季(9—11月)7级风力最多，冬季(12月—翌年1月)8级风力最多；说明冬季温州沿海更容易出现大风，这主要是因为冬季冷空气活动频繁；而这种系统性造成的大风以8～9级大风为主，10级及以上的极端性大风出现频次较少。

欧洲中心细网格10 m风场数据与温州沿海观测站实况极大风有较好的正相关关系，00:00和12:00(世界时)起报整体差异不大，但年度差异显著，不同站点之间也有所差异，据此可针对不同站点构建线性回归方程，且实况检验发现这些方程均能较明显地提高风力等级的准确率，或是减小相差的级数，有较好的释用效果。此外，逐日风速与实况极大风的相关系数高于逐3 h与实况极大风的相关系数，因此逐日大风的线性回归方程较逐3 h的方程更具参考意义。

由于气象观测站主要布置在海岛上，选用的42个站点多数集中在洞头区，体现了较大的空间分布不均匀，相关订正仅针对对应站点，在无站点的海域参考价值有其局限性。后期进一步增设沿海站点，尤其是北部的乐清沿海及南部的苍南沿海实况风力的补充，应当及时涵盖。

鉴于实际预报预警和服务首要需求，仅针对风速大小进行了相关研究和分析，未对风向进行检验和评估，后期可以进一步组织研究；仅根据月份简单地分季节统计分析了风速等级特征，后续可根据不同天气系统造成的大风进行分类，分析不同天气背景下的温州沿海大风特征和欧洲中心细网格的10 m风场的预报能力，可能可以据此构建出更具针对性的回归方程。本研究未去除高海拔站点，主要是考虑实际业务应用中，尤其是监测与预警均以站点为标准，站点的海拔和地形的因素造成的误差是始终存在且基本保持不变的，但针对不同年度欧洲中心细网格的10 m风场与温州沿海极大风的相关系数的差异性，每年应该至少针对前2～3年的实况风力，动态更新线性回归方程以取得较好的释用效果。