福建省沿海冬半年東北大風(fēng)的數(shù)值預(yù)報(bào)釋用方法研究

曾瑾瑜，劉愛鳴，高珊，冷典頌，吳幸毓

（福建省氣象臺(tái),福建福州350001）

福建省沿海冬半年東北大風(fēng)的數(shù)值預(yù)報(bào)釋用方法研究

曾瑾瑜，劉愛鳴，高珊，冷典頌，吳幸毓

（福建省氣象臺(tái),福建福州350001）

基于福建省冬半年沿海32個(gè)自動(dòng)站的極大風(fēng)觀測(cè)資料和WRF、EC細(xì)網(wǎng)格以及T639 3種模式預(yù)報(bào)的10m風(fēng)場(chǎng)資料，將模式預(yù)報(bào)的風(fēng)速與觀測(cè)資料進(jìn)行對(duì)比分析，結(jié)果表明：WRF和EC細(xì)網(wǎng)格的預(yù)報(bào)效果較好，有可參考性，T639可參考性不高。模式預(yù)報(bào)結(jié)果相比實(shí)況極大風(fēng)速偏小，預(yù)報(bào)平均絕對(duì)誤差由沿海向內(nèi)陸逐漸減小，由中部向南北逐漸減小。擇取預(yù)報(bào)效果較好的WRF和EC細(xì)網(wǎng)格模式，對(duì)沿海代表站點(diǎn)進(jìn)行風(fēng)速集成，建立集成預(yù)報(bào)方程，并進(jìn)行集成訂正。誤差訂正后，與誤差較小的WRF模式相比，預(yù)報(bào)準(zhǔn)確率提高了10%左右，改善效果顯著，為提高福建省沿海冬半年東北大風(fēng)的預(yù)報(bào)準(zhǔn)確率提供定量的預(yù)報(bào)方法。

WRF；EC；T639；絕對(duì)誤差；準(zhǔn)確率；集成訂正

1 引言

福建省沿海地區(qū)的大風(fēng)主要出現(xiàn)于冬季風(fēng)盛行的冬半年，從9月開始到次年的4月是大風(fēng)日數(shù)最多的時(shí)段。大風(fēng)的盛行風(fēng)向比較集中，最多風(fēng)向是東北大風(fēng)。統(tǒng)計(jì)分析表明沿海地區(qū)由于受冷空氣影響而出現(xiàn)大風(fēng)的機(jī)會(huì)最多，其次是冷空氣和臺(tái)風(fēng)共同作用形成的大風(fēng)，第三的是臺(tái)風(fēng)引起的大風(fēng)[1]。

回顧沿海大風(fēng)的預(yù)報(bào)方法，早期以經(jīng)驗(yàn)預(yù)報(bào)[2]和統(tǒng)計(jì)預(yù)報(bào)[3-5]居多，隨著數(shù)值預(yù)報(bào)技術(shù)的發(fā)展和對(duì)大氣邊界層物理過程認(rèn)識(shí)的不斷深化，目前的主流預(yù)報(bào)模式已經(jīng)達(dá)到相當(dāng)高的預(yù)報(bào)水平，數(shù)值產(chǎn)品釋用方法應(yīng)運(yùn)而生，PP法[6]和MOS法[7-12]是較常見的兩種方法。多模式集成預(yù)報(bào)也是MOS方法的一種，它并不局限于一種模式，優(yōu)點(diǎn)是可以發(fā)揮多種成員模式的優(yōu)點(diǎn)，從而提高預(yù)報(bào)要素的準(zhǔn)確率。楊育強(qiáng)等[13]開發(fā)的多模式集成預(yù)報(bào)系統(tǒng)在青島奧帆賽期間為預(yù)報(bào)員精細(xì)化預(yù)報(bào)提供了重要的參考，系統(tǒng)融合了6種模式產(chǎn)品資料，權(quán)重系數(shù)根據(jù)檢驗(yàn)的結(jié)果動(dòng)態(tài)分配，經(jīng)檢驗(yàn)，風(fēng)速的均方根誤差為1.4m/s，風(fēng)向的均方根誤差為45°。國(guó)家氣象中心開發(fā)的多模式集成海上大風(fēng)預(yù)報(bào)系統(tǒng)，綜合了歐洲中心（EC）細(xì)網(wǎng)格10 m風(fēng)產(chǎn)品、T639 10 m風(fēng)產(chǎn)品、T639 1000 hPa風(fēng)產(chǎn)品，根據(jù)成山頭站測(cè)風(fēng)數(shù)據(jù)分大風(fēng)（6級(jí)及以上）和小風(fēng)分別建立預(yù)報(bào)方程，采用最小二乘法分配給各模式權(quán)重系數(shù)，經(jīng)檢驗(yàn)，多模式集成產(chǎn)品在大風(fēng)風(fēng)速預(yù)報(bào)時(shí)的平均誤差和均方根誤差均優(yōu)于成員模式的預(yù)報(bào)效果[14]。劉鴻升等[15]利用歐洲中心中期數(shù)值預(yù)報(bào)結(jié)果,從不同側(cè)面選取因子,建立了日最大平均風(fēng)速的4種統(tǒng)計(jì)預(yù)報(bào)方程,在此基礎(chǔ)上設(shè)計(jì)了幾種集成方法對(duì)預(yù)報(bào)結(jié)果進(jìn)行集成,表明最大值—閥值綜合集成法取得了很好的效果,特別是2—3 d的大風(fēng)預(yù)報(bào)準(zhǔn)確度較高。

福建本省開展與沿海風(fēng)有關(guān)的釋用研究[2,16-18]偏少，目前在福建省業(yè)務(wù)運(yùn)行中，數(shù)值模式提供風(fēng)的預(yù)報(bào)產(chǎn)品，主要有中央氣象臺(tái)下發(fā)的EC-thin、T639的全球譜模式產(chǎn)品，本省引進(jìn)的有限區(qū)域WRF

（Weather Research and Forecast）模式預(yù)報(bào)產(chǎn)品。為了進(jìn)一步反映各種模式大風(fēng)預(yù)報(bào)產(chǎn)品在福建沿海區(qū)域的預(yù)報(bào)性能，使得各模式預(yù)報(bào)產(chǎn)品能更好地在福建省得到應(yīng)用，我們對(duì)其大風(fēng)預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)評(píng)估，分析不同地理位置對(duì)大風(fēng)預(yù)報(bào)的影響。擇取預(yù)報(bào)效果較好的模式進(jìn)行風(fēng)速集成，建立集成預(yù)報(bào)方程，并對(duì)誤差進(jìn)行集成訂正。

2 資料與方法

2.1 實(shí)況資料

定義沿海大風(fēng)為沿海出現(xiàn)極大風(fēng)≥7級(jí)(≥13.9m/s)[19]。本方法主要是研究2011—2012年冷空氣過程中造成福建沿海東北大風(fēng)最多的10月到次年3月(即冬半年)的資料。從福建省風(fēng)向的氣候特點(diǎn)得知，福建省沿海冬半年以東北風(fēng)為主，故本文的討論重點(diǎn)是風(fēng)速。在自動(dòng)站大風(fēng)資料的統(tǒng)計(jì)中，我們采用從2011—2012年福建省沿海32個(gè)代表區(qū)域自動(dòng)站冬半年觀測(cè)的極大風(fēng)速的資料作為研究對(duì)象。使用的自動(dòng)站資料為每小時(shí)一次的風(fēng)速資料。

2.2 模式資料

選取3個(gè)模式包括全球模式（我國(guó)的T639模式、EC細(xì)網(wǎng)格模式）和福建引進(jìn)開發(fā)的WRF中尺度數(shù)值模式，其中T639模式分辨率為1°×1°，數(shù)據(jù)格式是M icaps2類格式，輸出間隔為3 h；EC細(xì)網(wǎng)格模式分辨率為0.25°×0.25°，數(shù)據(jù)格式是M icaps 11類格式，輸出間隔為3 h；WRF模式水平采用正方形網(wǎng)格，分辨率為9 km×9 km，數(shù)據(jù)格式是netCDF格式，輸出間隔為1 h。

2.3 檢驗(yàn)方法

為統(tǒng)一預(yù)報(bào)時(shí)效，選取3個(gè)模式對(duì)20時(shí)起報(bào)的72 h預(yù)報(bào)時(shí)效內(nèi)的10m風(fēng)進(jìn)行檢驗(yàn)。為了考慮各模式結(jié)果檢驗(yàn)的公平性，統(tǒng)一采用雙線性插值方法將各模式格點(diǎn)資料插值到32個(gè)代表站上，對(duì)各模式和實(shí)況資料求0—72 h內(nèi)的極大風(fēng)。對(duì)模式而言，因模式輸出的10m風(fēng)是平均風(fēng)，我們?nèi)∑骄L(fēng)的最大值來進(jìn)行研究對(duì)比，在24 h、48 h、72 h時(shí)效內(nèi)分別取一最大風(fēng)速值代表該時(shí)效內(nèi)極大風(fēng)預(yù)報(bào)；對(duì)實(shí)況而言，將24 h、48 h、72 h時(shí)效內(nèi)風(fēng)速的極大值作為日極大風(fēng)速。

主要采用目前氣象部門應(yīng)用廣泛的平均絕對(duì)誤差（Mean Absolute Error,MAE）對(duì)上述數(shù)值模式10m風(fēng)場(chǎng)預(yù)報(bào)產(chǎn)品進(jìn)行檢驗(yàn)分析，具體計(jì)算公式如下：

式中：Fi為第i站次預(yù)報(bào)風(fēng)速（風(fēng)向），Oi為第i站次實(shí)況風(fēng)速（風(fēng)向）。

3 模式誤差對(duì)比分析

利用WRF、EC細(xì)網(wǎng)格、T639模式10m風(fēng)速預(yù)報(bào)產(chǎn)品對(duì)2011—2012年冬半年逐日的極大風(fēng)進(jìn)行平均絕對(duì)誤差的計(jì)算，分析海陸分布對(duì)風(fēng)速預(yù)報(bào)的影響。

在32個(gè)沿海代表站中，有3個(gè)浮標(biāo)站，分別位于北、中、南距海岸線50 km左右的海上，代表福建省的3個(gè)近海海區(qū)風(fēng)力，其中平潭浮標(biāo)和廈門浮標(biāo)分別位于臺(tái)灣海峽的北部和南部；13個(gè)代表站或位于海島的邊緣，或位于沿海岸線上，一面靠海，地勢(shì)平坦開闊，具有較好的代表性，將其歸類為海島站；其余站點(diǎn)位置相對(duì)而言較為靠近內(nèi)陸，以緊靠近海岸線的近海站和位于海岸線5 km以內(nèi)的偏內(nèi)陸站為主。

圖1 32個(gè)沿海代表站點(diǎn)

32個(gè)代表站包含了不同地理位置的站點(diǎn)，能真實(shí)反映冬半年沿海大風(fēng)的變化特征（見圖1）。

總體來說，風(fēng)速的平均絕對(duì)誤差，WRF模式的誤差隨時(shí)效減小，以24 h的預(yù)報(bào)誤差為最大，達(dá)3.10m/s（見圖2）；而EC細(xì)網(wǎng)格模式和T639模式的誤差均隨時(shí)效增大，72 h的預(yù)報(bào)誤差最大，平均絕對(duì)誤差分別為4.22m/s和8.85m/s。從風(fēng)速的模擬效果來看，預(yù)報(bào)效果最好的模式是WRF模式，其次是EC細(xì)網(wǎng)格模式，T639模式誤差最大，可參考性最小。3個(gè)模式的預(yù)報(bào)風(fēng)速與實(shí)況極大風(fēng)速相比，總體來說都偏小。其中24—72 h時(shí)次風(fēng)速偏小的, WRF模式分別占78.8%、72.8%、70.7%，EC細(xì)網(wǎng)格模式分別占93.8%、93.0%、93.1%，T639模式分別占96.2%、96.0%、96.0%。3個(gè)模式的風(fēng)速平均絕對(duì)誤差由沿海向內(nèi)陸逐漸減小，依次是浮標(biāo)站＞海島站＞近海站＞偏內(nèi)陸站。

圖2 不同模式預(yù)報(bào)的風(fēng)速平均絕對(duì)誤差

32個(gè)代表站中，對(duì)于海上浮標(biāo)站而言，空間分布為南北小于中部，這可能由于海面粗糙度不同引

起的，中部海域由于風(fēng)速較大，海面粗糙度大于南北兩地。

海島站的平均絕對(duì)誤差低于浮標(biāo)站，空間分布特征EC和WRF比較一致，都是中部的莆田、北部的福州沿海以及寧德沿海較大，而T639則是中部的莆田、南部的漳州沿海以及北部的福州沿海較大，其他地區(qū)較小，最小的都是泉州。

對(duì)于近海站而言，風(fēng)速誤差小于海島站?？臻g分布特征EC和WRF都是中部的莆田沿海較大，其次為南部漳州沿海和泉州沿海。T639是南部漳州沿海最大，其次中部的莆田沿海和南部的廈門沿海。

偏內(nèi)陸站的風(fēng)速誤差最小。EC和WRF以北部的福州沿海和寧德沿海最大，其次是南部的廈門沿海。T639則是南部的廈門沿海最大，其次是漳州沿海。在實(shí)際應(yīng)用時(shí)需根據(jù)局地地形情況考慮。

可以看出，風(fēng)速誤差由沿海向內(nèi)陸逐漸減小，空間分布總的特點(diǎn)EC和WRF比較一致，是中部、北部沿海的誤差最大，而T639是中部、南部沿海的誤差最大，其他地區(qū)較小。

T639相對(duì)誤差較大，是插值方法導(dǎo)致的，雙線性插值法是取插值站點(diǎn)周圍4個(gè)最近的模式格點(diǎn)進(jìn)行雙線性插值，由于T639分辨率較低，格距較大，在沿海地區(qū)，4個(gè)格點(diǎn)中可能有1個(gè)或2個(gè)在陸地上。而陸地上風(fēng)的形成既與大型環(huán)流背景有關(guān)，又與中小尺度天氣系統(tǒng)密切相聯(lián)，并受地形、地貌、地理位置、觀測(cè)環(huán)境等眾多因素的影響，模式很難精細(xì)反映它們的變化，預(yù)報(bào)效果差。

4 誤差訂正

考慮到T639模式誤差最大，可參考性最小，故主要選用WRF和EC細(xì)網(wǎng)格模式對(duì)32個(gè)代表站點(diǎn)進(jìn)行風(fēng)速集成。

4.1 加權(quán)集成法

會(huì)來的。一定會(huì)來的。信里講了會(huì)來，就一定會(huì)來。何牦深信無疑。他隨身帶了一張凳子，每天坐在街口等歐陽橘紅，怕她找不到竹溪街47號(hào)。

我們采用加權(quán)集成法[20]進(jìn)行研究，基于誤差概率權(quán)重的兩種方法的集成記憶，設(shè)選中的兩種方法的誤差概率為P1、P2，其預(yù)報(bào)值為S1、S2，對(duì)這兩種方法進(jìn)行集成，則有

式中：S12為此2種方法的集成優(yōu)選點(diǎn)；

為基于誤差概率的第一種、第二種預(yù)報(bào)方法在集成中的權(quán)重系數(shù)，是歸一化的。

應(yīng)用到本文中，F(xiàn)1為WRF各個(gè)時(shí)效預(yù)報(bào)的風(fēng)值，F(xiàn)2為EC細(xì)網(wǎng)格各個(gè)時(shí)效預(yù)報(bào)的風(fēng)值。R1為WRF各個(gè)時(shí)效的風(fēng)速誤差，R2為EC細(xì)網(wǎng)格各個(gè)時(shí)效的風(fēng)速誤差，這個(gè)誤差指的是預(yù)報(bào)風(fēng)速和實(shí)際風(fēng)速之差的絕對(duì)值的平均值即絕對(duì)誤差的平均值，則得出風(fēng)速集成預(yù)報(bào)方程：

式中：F12為WRF和EC細(xì)網(wǎng)格兩種模式的集成優(yōu)選預(yù)報(bào)風(fēng)速；

式中：R12和R21為基于誤差概率的WRF和EC細(xì)網(wǎng)格模式預(yù)報(bào)方法在集成中的權(quán)重系數(shù)。

4.2 集成優(yōu)選預(yù)報(bào)風(fēng)速誤差分析

將32個(gè)代表站點(diǎn)研究時(shí)效內(nèi)WRF各個(gè)時(shí)效預(yù)報(bào)的風(fēng)速誤差，EC細(xì)網(wǎng)格各個(gè)時(shí)效預(yù)報(bào)的風(fēng)速誤差代入式（4），對(duì)其回算，與實(shí)況對(duì)比檢驗(yàn)，得出兩種模式各個(gè)時(shí)效的集成優(yōu)選預(yù)報(bào)風(fēng)速誤差。從不同的預(yù)報(bào)方法平均風(fēng)速誤差的對(duì)比可以看出（見表1），集成優(yōu)選預(yù)報(bào)風(fēng)速誤差落在WRF和EC細(xì)網(wǎng)格的誤差之間，比WRF大，比EC細(xì)網(wǎng)格小，效果并不明顯，無明顯訂正意義。故要對(duì)式（4）進(jìn)行訂正。

第3節(jié)中已得出結(jié)論，模式的預(yù)報(bào)風(fēng)速與實(shí)況極大風(fēng)速相比，大部分偏小。我們令訂正值

表1 各類預(yù)報(bào)方法平均絕對(duì)誤差對(duì)比（單位/（m/s））

式中：D1，D2……Dn為實(shí)況極大風(fēng)速與預(yù)報(bào)風(fēng)速的差值，且差值必須是大于0的數(shù)，即取的是預(yù)報(bào)風(fēng)速偏小數(shù)的偏小量是偏小量的總和，n是偏小量的個(gè)數(shù)，訂正值C則是偏小量的平均值。計(jì)算出WRF和EC細(xì)網(wǎng)格各個(gè)時(shí)效的訂正值（見表2和3）。

表2為WRF各個(gè)時(shí)效預(yù)報(bào)的訂正值即C1，表3為EC細(xì)網(wǎng)格各個(gè)時(shí)效預(yù)報(bào)的訂正值即C2。

表2 WRF各個(gè)時(shí)效預(yù)報(bào)的訂正值（單位/（m/s））

我們將方程（4）訂正為

為檢驗(yàn)集成訂正方程的可靠性，將C1和C2代入訂正后的式（7），對(duì)研究時(shí)效內(nèi)的風(fēng)進(jìn)行回算，與實(shí)況對(duì)比檢驗(yàn)，得出兩種模式各個(gè)時(shí)效訂正后的集成優(yōu)選預(yù)報(bào)風(fēng)速誤差。在表1中增列訂正后的集成優(yōu)選預(yù)報(bào)風(fēng)速誤差值，對(duì)比不同的預(yù)報(bào)方法平均風(fēng)速誤差。

每個(gè)站不同時(shí)效訂正后的集成優(yōu)選預(yù)報(bào)風(fēng)速誤差在1—3.25m/s之間，是最小的，比兩個(gè)模式中

預(yù)報(bào)效果較好的WRF還要小，訂正效果顯著。

從表1可以明顯看出：

（1）集成訂正法的預(yù)報(bào)誤差明顯小于其它幾家預(yù)報(bào)的誤差，尤其是24 h預(yù)報(bào)的平均風(fēng)速誤差，得到了明顯的改善，其平均絕對(duì)誤差僅為1.71m/s，比誤差較小的WRF預(yù)報(bào)改善了1.4m/s；

（2）在誤差較小的WRF預(yù)報(bào)中，第24 h預(yù)報(bào)的平均絕對(duì)誤差反而是3個(gè)時(shí)效內(nèi)最大的，而集成訂正方法則是：隨著時(shí)效的增長(zhǎng)，各家預(yù)報(bào)誤差增長(zhǎng)，隨著預(yù)報(bào)時(shí)效的增長(zhǎng)準(zhǔn)確率有所下降。另外，集成訂正方法預(yù)報(bào)的最大誤差小于其它預(yù)報(bào)，可見，本集成訂正法預(yù)報(bào)具有一定的穩(wěn)定性；

（3）集成訂正方法的平均預(yù)報(bào)準(zhǔn)確率24 h、48 h、72 h分別達(dá)89%、87%、86%，與誤差較小的WRF預(yù)報(bào)準(zhǔn)確率的75%、76%、77%相比，分別改進(jìn)了14%、11%、9%，改善效果是顯著的。

4.4 預(yù)報(bào)檢驗(yàn)

運(yùn)用該集成訂正預(yù)報(bào)方法形成的業(yè)務(wù)產(chǎn)品已經(jīng)在福建省氣象臺(tái)業(yè)務(wù)化使用，取得了良好的效果。為檢驗(yàn)該方法在實(shí)際業(yè)務(wù)預(yù)報(bào)中的可靠性，我們特別選取2013年12月份較強(qiáng)的一次冷空氣大風(fēng)過程，對(duì)其進(jìn)行檢驗(yàn)。

2013年12月14日20時(shí)（北京時(shí)，下同）—17日20時(shí)，受冷空氣影響，福建省沿海出現(xiàn)7—8級(jí)，陣風(fēng)9—10級(jí)大風(fēng)。沿海共計(jì)16個(gè)縣市47個(gè)站出現(xiàn)極大風(fēng)≥9級(jí)的沿海大風(fēng)，以福鼎海洋站的31.7m/s（11級(jí)）為最大。福建省氣象臺(tái)共發(fā)布6期大風(fēng)黃色預(yù)警信號(hào)。

利用集成訂正預(yù)報(bào)方法，對(duì)此次過程進(jìn)行了預(yù)報(bào)，并回算檢驗(yàn)。集成預(yù)報(bào)起報(bào)時(shí)間為2013年12月12日20時(shí)，預(yù)報(bào)時(shí)效為120 h，即預(yù)報(bào)時(shí)段為2013年12月12日20時(shí)—17日20時(shí)。

經(jīng)過集成訂正后的誤差有明顯改善，比預(yù)報(bào)誤差較小的WRF模式直接釋用方法改善了1m/s左右（見表4）。集成訂正方法的平均風(fēng)速預(yù)報(bào)準(zhǔn)確率24 h、48 h、72 h分別達(dá)90%、89%、87%，訂正效果十分顯著。

在實(shí)際預(yù)報(bào)中，我們通常是預(yù)報(bào)幾級(jí)風(fēng)，并不預(yù)報(bào)數(shù)值，所以計(jì)算出來的集成風(fēng)速值和集成訂正風(fēng)速值轉(zhuǎn)換成風(fēng)力級(jí)別。具體統(tǒng)計(jì)結(jié)果表明（見表5）離岸最遠(yuǎn)的3個(gè)浮標(biāo)站，實(shí)況7級(jí)大風(fēng)出現(xiàn)的持續(xù)天數(shù)達(dá)到5天，海島站中位于中部的莆田西高和莆田三佛山，以及位于北部的臺(tái)山站，同樣達(dá)到5天，大風(fēng)持續(xù)時(shí)間較長(zhǎng)；而其他海島站和近海站，大風(fēng)出現(xiàn)的天數(shù)則相對(duì)較少。經(jīng)對(duì)比實(shí)況與風(fēng)力預(yù)報(bào)結(jié)果，我們發(fā)現(xiàn)，集成后預(yù)報(bào)的極大風(fēng)普遍偏小，

預(yù)報(bào)出現(xiàn)極大風(fēng)的天數(shù)普遍少于實(shí)況極大風(fēng)；而集成訂正后預(yù)報(bào)極大風(fēng)情況良好，雖然部分站點(diǎn)存在風(fēng)級(jí)偏大的情況，但與實(shí)況更為接近，其預(yù)報(bào)風(fēng)級(jí)準(zhǔn)確率的站數(shù)達(dá)到53.1%，遠(yuǎn)超集成預(yù)報(bào)的18.8%，相對(duì)于集成的效果有了明顯的改善。

表4 集成和集成訂正方法的平均絕對(duì)誤差對(duì)比（單位/（m/s））

表5 風(fēng)力預(yù)報(bào)結(jié)果與實(shí)況對(duì)比

5 總結(jié)

綜合全文的分析，可以得出以下結(jié)論：

（1）將EC-thin、T639和WRF 3個(gè)模式（預(yù)報(bào)時(shí)效0—72 h）的地面10m風(fēng)場(chǎng)預(yù)報(bào)數(shù)據(jù)插值到代表站上，將代表站風(fēng)場(chǎng)資料與插值好的模式風(fēng)場(chǎng)資料進(jìn)行細(xì)致的對(duì)比與統(tǒng)計(jì)分析，可以看出，預(yù)報(bào)效果最好的模式是WRF模式，平均絕對(duì)誤差為3—4m/s；其次是EC細(xì)網(wǎng)格模式，平均絕對(duì)誤差為4—5m/s；T639模式誤差最大，可參考性最小。3個(gè)模式的預(yù)報(bào)風(fēng)速與實(shí)況極大風(fēng)速相比，總體來說都偏小。風(fēng)速誤差由沿海向內(nèi)陸逐漸減小，空間分布總的特點(diǎn)EC和WRF是中部、北部沿海的誤差最大，而T639是中部、南部沿海的誤差最大；

（2）擇取預(yù)報(bào)效果較好的WRF和EC細(xì)網(wǎng)格模式，對(duì)沿海代表站點(diǎn)進(jìn)行風(fēng)速集成，建立集成預(yù)報(bào)方程，并進(jìn)行集成訂正。誤差訂正后，與誤差較小的WRF模式相比，預(yù)報(bào)準(zhǔn)確率提高了10%左右，改善效果顯著，為提高福建省沿海冬半年東北大風(fēng)的預(yù)報(bào)準(zhǔn)確率提供定量的預(yù)報(bào)方法。

[1]林新彬,劉愛鳴,林毅,等.福建省天氣預(yù)報(bào)技術(shù)手冊(cè)[M].北京:氣象出版社,2013:32.

[2]劉京雄,唐文偉,朱持則,等.浙閩沿海和臺(tái)灣海峽海域冬季大風(fēng)風(fēng)速計(jì)算方法探討[J].臺(tái)灣海峽,2004,23(1):8-13.

[3]毛紹榮,林鎮(zhèn)國(guó),梁健,等.廣東沿海強(qiáng)東北季風(fēng)的概率預(yù)報(bào)方法[J].熱帶氣象學(xué)報(bào),2003,19(1):94-100.

[4]周偉隆,陳往溪,肖巍.粵東海面冷空氣強(qiáng)風(fēng)的統(tǒng)計(jì)分析與預(yù)報(bào)[J].廣東氣象,2005,(4):20-22.

[5]顏梅,范寶東,滿柯,等.黃渤海大風(fēng)的客觀相似預(yù)報(bào)[J].氣象科技,2004,32(6):467-470.

[6]林良勛,程正泉,張兵,等.完全預(yù)報(bào)(PP)方法在廣東冬半年海面強(qiáng)風(fēng)業(yè)務(wù)預(yù)報(bào)中的應(yīng)用[J].應(yīng)用氣象學(xué)報(bào),2004,15(4):485-493.

[7]葉燕華,王平魯,孫蘭東.用MOS法建立預(yù)報(bào)方程的試驗(yàn)流程[J].甘肅氣象,2002,20(1):13-15.

[8]Facsim ile Products:M ax/M in Temperature Forecasts.National Weather Service Forecasting Handbook No.1(July 1979)U.S.[Z]. Departmentof Commerce NOAA NationalWeather Service,1979.

[9]劉還珠,趙聲蓉,陸志善,等.國(guó)家氣象中心氣象要素的客觀預(yù)報(bào)—MOS系統(tǒng)[J].應(yīng)用氣象學(xué)報(bào),2004,15(2):181-191.

[10]陳豫英,陳曉光,馬金仁,等.風(fēng)的精細(xì)化MOS預(yù)報(bào)方法研究[J].氣象科學(xué),2006,26(2):210-216.

[11]陳貝,張勇,詹曉琴,等.MOS預(yù)報(bào)方法研究[J].四川氣象,2005, 25(2):6-8.

[12]辜旭贊.湖北分縣MOS預(yù)報(bào)系統(tǒng)建立與評(píng)分[J].氣象,2008,34 (2):43-51.

[13]楊育強(qiáng),高榮珍,馬艷,等.海面風(fēng)精細(xì)化集成預(yù)報(bào)系統(tǒng)在青島奧帆賽期間的應(yīng)用[J].氣象,2008,34(S1):241-245.

[14]尹盡勇,徐晶,曹越男,等.我國(guó)海洋氣象預(yù)報(bào)業(yè)務(wù)現(xiàn)狀與發(fā)展[J].氣象科技進(jìn)展,2012,2(6):17-26.

[15]劉鴻升,余功梅.偏北大風(fēng)的數(shù)值預(yù)報(bào)釋用方法研究[J].氣象科學(xué),2002,22(1):100-106.

[16]陳春忠,曾文慧,吳婷婕,等.莆田市沿海冬季大風(fēng)時(shí)空分布極為不均的成因探討[C].福建省2012年氣象學(xué)會(huì)年會(huì)論文集.福州:福建省氣象學(xué)會(huì),2012:71-75.

[17]葉賓賓,藍(lán)秋萍,饒?jiān)铞?等.T213的1000HPa風(fēng)場(chǎng)預(yù)報(bào)檢驗(yàn)與應(yīng)用[C].福建省2009年氣象學(xué)會(huì)年會(huì)論文集.福州:福建省氣象學(xué)會(huì),2009:212-215.

[18]陳德花,劉銘,蘇衛(wèi)東,等.BP人工神經(jīng)網(wǎng)絡(luò)在MM 5預(yù)報(bào)福建沿海大風(fēng)中的釋用[J].暴雨災(zāi)害,2010,29(3):263-267.

[19]福建省氣象局科技與預(yù)報(bào)處.關(guān)于印發(fā)《福建省災(zāi)害性天氣預(yù)報(bào)服務(wù)用語暫行規(guī)定》的通知(閩氣科預(yù)函〔2012〕8號(hào)文)[Z].福建：福建省氣象局,2012.

[20]張菊芳,沈樹勤,韓桂榮,等.優(yōu)選概率權(quán)重訓(xùn)練法預(yù)報(bào)西太平洋副高脊線位置[J].氣象,1990,25(2):19-22.

Study on interp retation of numericalp redictionmethod on northeastw inds along the coastof Fujian Province in w inter half year

ZENG Jin-yu,LIUAi-m ing,GAO Shan,LENG Dian-song,WU Xing-yu
（Fujian MeteorologicalObservatory，F(xiàn)uzhou 350001 China）

Based on the hourly maximum w ind speed data from 32 automatic observation stations located at coastal islands,and modeled 10m w ind data from WRF,EC,T639,the comparison between modeled data and actual data were analyzed.The results showed that:the prediction effect ofWRF and EC thin is better,and the reference of T639 is poor.Prediction ofw ind speed is smaller than themaximum wind speed of observation.The spatial distribution of the errorofw ind speed gradually decreases from coastal to the inland,gradually decreases from the center to thenorth and south.Wind speed on the coastalstationswasdeveloped by integratingWRFand EC models which have good prediction effect.The integrated forecasting equation was established,and integrated revised.A fter error correction,compared with the WRF model whose error was smaller,the forecasting accuracy is improved by about 10%which are significantly improved.This method provides a quantitative forecastingmethod in order to improve the accuracy of prediction of northeastw indsalong the coast of Fujian inw interhalf year.

WRF；EC；T639；absolute error；accuracy；integrated revised

P732.4

A

1003-0239（2015）05-0061-08

2015-03-04

福建省氣象局青年科技專項(xiàng)(2015q26)；福建省自然科學(xué)基金資助項(xiàng)目（2014J01147）；福建省氣象局自研業(yè)務(wù)成果專項(xiàng)項(xiàng)目(2015z02)

曾瑾瑜（1984-），女，工程師，碩士，主要從事數(shù)值模擬和資料同化研究。E-mail：zjy10218@126.com

10.11737/j.issn.1003-0239.2015.05.008