玉環(huán)市沿海精細(xì)化風(fēng)力預(yù)報(bào)的數(shù)值訂正釋用

陳華忠 史敏濤 徐偉 林海濤 王鼎宇

摘? 要：根據(jù)玉環(huán)海域港口航線分布和地理位置特征將玉環(huán)海域劃分為4個(gè)海區(qū)，通過(guò)各家模式預(yù)報(bào)對(duì)玉環(huán)4海區(qū)風(fēng)速預(yù)報(bào)進(jìn)行對(duì)比評(píng)分，找出最優(yōu)數(shù)值模式。利用線性回歸對(duì)最優(yōu)數(shù)值模式的風(fēng)速預(yù)報(bào)與實(shí)況監(jiān)測(cè)風(fēng)速進(jìn)行線性擬合，建立預(yù)報(bào)方程。對(duì)訂預(yù)報(bào)程進(jìn)行釋用檢驗(yàn)，效果較好，8級(jí)大風(fēng)預(yù)報(bào)日數(shù)顯著減少。

關(guān)鍵詞：數(shù)值預(yù)報(bào);線性回歸;精細(xì)化釋用

中圖分類號(hào)：S16? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? DOI：10.11974/nyyjs.20181032056

引言

玉環(huán)市地處浙江省東南部，臺(tái)州市東南端，東瀕東海，南瀕洞頭洋與溫州市洞頭縣相連，西、西北隔樂(lè)清灣與溫州市樂(lè)清市相望。玉環(huán)本島面積170km2，是浙江省第二大島，海域面積1930km2。 境內(nèi)島嶼林立，海礁棋布，全境由楚門——玉環(huán)半島及雞山、披山、洋嶼、大鹿、茅埏、橫床等55個(gè)島嶼組成。全市海岸線長(zhǎng)298km，綿長(zhǎng)曲折，港灣眾多，支流小港遍布全市沿海鄉(xiāng)村。市境西南的大麥嶼港位于溫州甌江口外、樂(lè)清灣內(nèi)，為國(guó)家對(duì)外開(kāi)放港區(qū)，是全國(guó)沿海八大避風(fēng)錨地之一，可建港口岸線45km。市境東南的坎門漁港為國(guó)家一級(jí)漁港，是遼、魯、江、浙、滬、閩、臺(tái)等地漁民銷售、避風(fēng)、補(bǔ)給的大型基地和?？康闹饕劭?。由于玉環(huán)島嶼眾多，海陸分布復(fù)雜，受各類天氣系統(tǒng)的影響，玉環(huán)海域的風(fēng)力、海浪等具有明顯的局地特征。玉環(huán)東部的雞山島海區(qū)瀕臨東海，海區(qū)寬闊風(fēng)大浪高，南部的坎門、大麥嶼海區(qū)次之，西部的海山島海區(qū)由于地形遮蔽，通常風(fēng)浪較小。

目前，玉環(huán)市沿海風(fēng)力預(yù)報(bào)（公眾預(yù)報(bào)）籠統(tǒng)，沒(méi)有分海區(qū)預(yù)報(bào)，不能準(zhǔn)確精細(xì)化反映玉環(huán)市沿海各海區(qū)風(fēng)力預(yù)報(bào)。而玉環(huán)多數(shù)海事活動(dòng)的風(fēng)力安全閾值為8級(jí)，小部分為7級(jí)。即出現(xiàn)8級(jí)及以上大風(fēng)，諸多海事活動(dòng)禁止開(kāi)展。偏大的沿海風(fēng)力預(yù)報(bào)常導(dǎo)致大量船只的停航和影響各類海上工程和海洋灘途漁業(yè)生產(chǎn)作業(yè)等， 以致海事經(jīng)濟(jì)效益明顯降低。因此，玉環(huán)發(fā)達(dá)的海上交通運(yùn)輸業(yè)、海洋漁業(yè)等對(duì)玉環(huán)沿海風(fēng)力精細(xì)化預(yù)報(bào)也提出了更高的要求。在保障安全的同時(shí)，提高提升經(jīng)濟(jì)效益已經(jīng)愈來(lái)愈成為玉環(huán)海事行業(yè)的迫切愿望。

許多學(xué)者[1-5]利用實(shí)況觀測(cè)資料和數(shù)值預(yù)報(bào)模式對(duì)沿海大風(fēng)的時(shí)空演變特征進(jìn)行了研究，如張?jiān)龊５萚6]利用氣象站觀測(cè)風(fēng)資料進(jìn)行擬合，討論了海上和陸上風(fēng)速的對(duì)應(yīng)關(guān)系。王雷等[7]利用地轉(zhuǎn)風(fēng)作為預(yù)報(bào)風(fēng)力探討海島分區(qū)大風(fēng)預(yù)報(bào)。陳豫英等[8]采用MOS預(yù)報(bào)方法對(duì)風(fēng)的精細(xì)化預(yù)報(bào)進(jìn)行研究。胡波[9]則從臺(tái)風(fēng)陣風(fēng)角度，研究了一種概率方法在沿海海島臺(tái)風(fēng)大風(fēng)預(yù)報(bào)中的應(yīng)用等。

利用數(shù)值模式預(yù)報(bào)數(shù)據(jù)是目前大風(fēng)預(yù)報(bào)的主要途徑。W.C de Rooy等[10]通過(guò)統(tǒng)計(jì)與物理參數(shù)結(jié)合方法對(duì)數(shù)值模式風(fēng)速預(yù)報(bào)進(jìn)行釋用，取得一定的效果。近年來(lái)，基層臺(tái)站基于本地區(qū)地理位置和局地氣候特點(diǎn)，充分利用數(shù)值預(yù)報(bào)模式產(chǎn)品進(jìn)行本地化精細(xì)化釋用已成為基層預(yù)報(bào)業(yè)務(wù)發(fā)展的趨勢(shì)。黨英娜等[11]也對(duì)風(fēng)力數(shù)值模式進(jìn)行研究訂正釋用，但僅對(duì)風(fēng)級(jí)進(jìn)行對(duì)比分析，沒(méi)有進(jìn)行更加量化的指標(biāo)在風(fēng)速上進(jìn)行訂正。本文擬通過(guò)建立各家數(shù)值模式格點(diǎn)預(yù)報(bào)與各海區(qū)實(shí)況風(fēng)速觀測(cè)資料之間的擬合關(guān)系，找出最佳的預(yù)報(bào)模式及本地化精細(xì)化釋用方法。

1? ? ?資料與方法

本文選取2018年1—6月EC、JMA、GFS和浙江省氣象臺(tái)數(shù)值模式（以下簡(jiǎn)稱OCF）4家模式的風(fēng)速格點(diǎn)預(yù)報(bào)和玉環(huán)市各區(qū)域自動(dòng)站風(fēng)力實(shí)測(cè)相應(yīng)時(shí)段風(fēng)速資料。首先根據(jù)玉環(huán)海域港口、航線分布和地理位置特征將玉環(huán)海域劃分為4個(gè)海區(qū)（圖1）。并分別使用4個(gè)海區(qū)內(nèi)的雞山、坎門、大麥嶼、海山4個(gè)自動(dòng)站風(fēng)速數(shù)據(jù)代表各自海區(qū)風(fēng)力。

通過(guò)插值法對(duì)各家數(shù)值模式風(fēng)速格點(diǎn)預(yù)報(bào)進(jìn)行處理計(jì)算，求得各家模式分別與4個(gè)海區(qū)相對(duì)應(yīng)的風(fēng)速預(yù)報(bào)。再將各家模式對(duì)4個(gè)海區(qū)風(fēng)速預(yù)報(bào)與自動(dòng)站實(shí)測(cè)風(fēng)速進(jìn)行預(yù)報(bào)評(píng)分，找出最優(yōu)模式。之后將最優(yōu)模式分別與4個(gè)海區(qū)自動(dòng)站實(shí)測(cè)風(fēng)速數(shù)據(jù)建立線性回歸方程，最后對(duì)回歸方程進(jìn)行釋用檢驗(yàn)。

各家數(shù)值模式資料均采用每天20時(shí)預(yù)報(bào)未來(lái)24h的風(fēng)速的最大值，自動(dòng)站對(duì)應(yīng)的實(shí)測(cè)數(shù)據(jù)采用對(duì)應(yīng)24小時(shí)內(nèi)的極大風(fēng)風(fēng)速。風(fēng)力預(yù)報(bào)評(píng)分標(biāo)準(zhǔn)為：當(dāng)預(yù)報(bào)與實(shí)況差值小于1m/s，評(píng)定為100分，當(dāng)預(yù)報(bào)與實(shí)況差值大于等于1m/s小于2m/s評(píng)定為80分，當(dāng)預(yù)報(bào)與實(shí)況差值大于等于2m/s小于3m/s評(píng)定為40分，當(dāng)預(yù)報(bào)與實(shí)況差值大于等于3m/s小于4m/s評(píng)定為20分，當(dāng)預(yù)報(bào)與實(shí)況差值大于等于4m/s評(píng)定為0分。

2? ? ?數(shù)值模式預(yù)報(bào)產(chǎn)品評(píng)分對(duì)比

以2018年1月1日至2月28日作為全時(shí)段，對(duì)EC、JMA、GFS和OCF 4家模式每天20：00預(yù)報(bào)未來(lái)24h風(fēng)速的最大值進(jìn)行統(tǒng)計(jì)，再將4家數(shù)值模式對(duì)玉環(huán)4個(gè)海區(qū)風(fēng)速預(yù)報(bào)與4個(gè)海區(qū)對(duì)應(yīng)的大麥嶼站（K8509）、海山站（K8504）、雞山站（K8513）、坎門站（58667）實(shí)況極大風(fēng)速進(jìn)行對(duì)比評(píng)分（圖2）。

從圖2看，OCF模式對(duì)玉環(huán)4個(gè)海區(qū)風(fēng)速預(yù)報(bào)效果最好，4個(gè)海區(qū)預(yù)報(bào)平均均在50分以上，平均分為59.9分，最高為大麥嶼海區(qū)76.3分，最低為雞山海區(qū)52.3分;GFS、EC兩家模式次之，4個(gè)海區(qū)預(yù)報(bào)平均分分別為28.2分、20.0分，JMA模式效果最差19.8分。鑒于GFS、EC、JMA 3家模式對(duì)玉環(huán)海區(qū)風(fēng)速預(yù)報(bào)效果均較OCF模式明顯偏差。因此，選取4家數(shù)值模式中最優(yōu)模式，即OCF模式進(jìn)行研究。

3? ? ?OCF數(shù)值模式訂正方程建立與應(yīng)用檢驗(yàn)

3.1? ? ?訂正方程的建立

以2018年1月1日至2月28日作為全時(shí)段，將OCF數(shù)值模式風(fēng)速預(yù)報(bào)值（X）與玉環(huán)4個(gè)海區(qū)自動(dòng)站實(shí)測(cè)每日極大風(fēng)速值（Y）利用最小二乘法建立4個(gè)海區(qū)的線性回歸訂正方程，擬合方程最大誤差在1級(jí)，經(jīng)F檢驗(yàn)，回歸方程達(dá)到了0.01的信度檢驗(yàn)水平。

將2018年1月1日至2月28日OCF模式對(duì)玉環(huán)4個(gè)海區(qū)每天20：00預(yù)報(bào)未來(lái)24h風(fēng)速的最大值帶入線性回歸訂正方程進(jìn)行擬合，將擬合的風(fēng)速預(yù)報(bào)值與對(duì)應(yīng)的4個(gè)海區(qū)實(shí)測(cè)風(fēng)速進(jìn)行對(duì)比評(píng)分（圖3）。

從圖3可以看出OCF模式在訂正擬合后對(duì)玉環(huán)4個(gè)海區(qū)風(fēng)速預(yù)報(bào)有顯著的擬合效果，訂正擬合后4個(gè)海區(qū)預(yù)報(bào)平均分為81.7分，較訂正擬合前提升21.8分。其中海山海區(qū)風(fēng)速預(yù)報(bào)評(píng)分提升最多，為29.9分，坎門海區(qū)提升了27.3分，雞山海區(qū)提升了25分，大麥嶼海區(qū)提升有限、僅提升了4.7分。

3.2? ? ? 訂正方程的應(yīng)用檢驗(yàn)

3.2.1? ? ?訂正方程的應(yīng)用檢驗(yàn)

為檢驗(yàn)訂正方程應(yīng)用效果，本文選取2018年3月1日—6月30日OCF模式對(duì)玉環(huán)4個(gè)海區(qū)每天20：00預(yù)報(bào)未來(lái)24h風(fēng)速的最大值，分別帶入表1中的訂正方程。得到2018年3月1日—6月30日OCF模式訂正后的風(fēng)速預(yù)報(bào)值，并訂正前預(yù)報(bào)和訂正后預(yù)報(bào)與2018年3月1日—6月30日玉環(huán)4個(gè)海區(qū)實(shí)測(cè)極大風(fēng)速值進(jìn)行對(duì)比評(píng)分（圖4）。

2018年3月1日至6月30日OCF模式對(duì)玉環(huán)4個(gè)海區(qū)風(fēng)力預(yù)報(bào)平均分為64.1分，經(jīng)過(guò)訂正后評(píng)分提升至75.9分，較訂正前提升11.8分。其中雞山海區(qū)風(fēng)速預(yù)報(bào)訂正后較訂正前評(píng)分提升最多，為17.9分，坎門海區(qū)提升了17分，大麥嶼海區(qū)提升了10.5分，海山海區(qū)提升了不大、只有1.8分?？傮w訂正釋用效果較好。

3.2.2? ? ?日常預(yù)報(bào)和訂正后預(yù)報(bào)8級(jí)大風(fēng)日檢驗(yàn)

通過(guò)風(fēng)速評(píng)分來(lái)檢驗(yàn)訂正效果，得出訂正效果較好，但考慮日常預(yù)報(bào)業(yè)務(wù)對(duì)外預(yù)報(bào)服務(wù)產(chǎn)品均用風(fēng)力等級(jí)來(lái)制作，且通常以是否達(dá)到8級(jí)陣風(fēng)為標(biāo)準(zhǔn)來(lái)判定船只或海事活動(dòng)的適宜閾值，因此再將訂正后的風(fēng)速預(yù)報(bào)值轉(zhuǎn)換為對(duì)應(yīng)的風(fēng)力等級(jí)，統(tǒng)計(jì)8級(jí)風(fēng)預(yù)報(bào)日數(shù)，進(jìn)行更業(yè)務(wù)服務(wù)化的釋用。

統(tǒng)計(jì)2018年3月1日—6月30日玉環(huán)發(fā)布的公眾沿海海面風(fēng)力預(yù)報(bào)，預(yù)報(bào)第二天有8級(jí)陣風(fēng)日數(shù)共43d，而實(shí)際玉環(huán)4個(gè)海區(qū)出現(xiàn)的8級(jí)陣風(fēng)日數(shù)較預(yù)報(bào)日數(shù)顯著偏少（表2）。將OCF模式經(jīng)過(guò)訂正后的風(fēng)速預(yù)報(bào)轉(zhuǎn)換成對(duì)應(yīng)的風(fēng)力等級(jí)， 8級(jí)大風(fēng)日數(shù)均接近實(shí)際8級(jí)陣風(fēng)日數(shù)。2018年3月1日—6月30日OCF模式訂正后預(yù)報(bào)大麥嶼、海山、雞山、坎門4個(gè)海區(qū)8級(jí)大風(fēng)日數(shù)較之前公眾預(yù)報(bào)的43d分別減少42d、41d、37d、39d。

4? ? ? 結(jié)論

EC、JMA、GFS、OCF四家模式通過(guò)插值法生成的玉環(huán)4個(gè)海區(qū)精細(xì)化風(fēng)速預(yù)報(bào)中，以O(shè)CF模式預(yù)報(bào)評(píng)分最高，預(yù)報(bào)效果最佳，有較好的參考和訂正意義，另外的EC、JMA、GFS 3家模式則預(yù)報(bào)效果較差，預(yù)報(bào)評(píng)分不及OCF模式評(píng)分的50%。

利用線性回歸方法將最優(yōu)數(shù)值模式——OCF模式風(fēng)速預(yù)報(bào)值與自動(dòng)站實(shí)測(cè)每日極大風(fēng)速值進(jìn)行線性擬合，分別建立的4個(gè)海區(qū)的線性回歸訂正方程有較好的訂正擬合效果，4個(gè)海區(qū)訂正擬合平均分較訂正前提升21.8分，最高提升29.9分。

利用2018年1月1日—2月28日OCF模式預(yù)報(bào)風(fēng)速和自動(dòng)站實(shí)測(cè)風(fēng)速得出的訂正方程來(lái)訂正2018年3月1日—6月30日OCF模式預(yù)報(bào)4個(gè)海區(qū)風(fēng)速的訂正效果仍較好，訂正后評(píng)分較訂正前提升11.8分。因此，利用歷史同期模式預(yù)報(bào)數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)建立訂正方程訂正未來(lái)同期模式預(yù)報(bào)的訂正思路是可行的，且訂正效果好。

將訂正后OCF模式風(fēng)速預(yù)報(bào)轉(zhuǎn)換為對(duì)應(yīng)風(fēng)力，于4個(gè)海區(qū)風(fēng)力精細(xì)化預(yù)報(bào)服務(wù)產(chǎn)品中釋用，8級(jí)大風(fēng)預(yù)報(bào)日數(shù)較之前預(yù)報(bào)極大減少。可顯著提升玉環(huán)海事經(jīng)濟(jì)效益，較好的解決玉環(huán)海事活動(dòng)的安全和經(jīng)濟(jì)效益間的矛盾。

參考文獻(xiàn)

[1]辛寶恒.黃海渤海大風(fēng)概論[M].北京：氣象出版社，1989：? ?18-39.

[2]張新玲，吳增茂.渤海海上測(cè)風(fēng)與沿岸實(shí)測(cè)風(fēng)的對(duì)比分析[J].海洋預(yù)報(bào)，1998，15（4）：24-31.

[3]王雷，黃輝，何文岳.舟山群島海域航線氣象預(yù)報(bào)[J].氣象科技，2002，30（4）：241-245.

[4]王日東，姜俊玲，郭衛(wèi)華，等. 渤海海峽海島站與沿岸站大風(fēng)對(duì)比分析[J].海洋預(yù)報(bào)，2010，27（2）：22-29.

[5]趙金霞，曲平，何志強(qiáng)，等.渤海灣大風(fēng)的特征及其預(yù)報(bào)[J].氣象科技，2014，42（5）：847-851.

[6]張?jiān)龊?，曹越男，趙偉.渤海灣海域風(fēng)況特征分析與海—陸風(fēng)速對(duì)比分析[J].海洋預(yù)報(bào)，2011，28（6）：33-39.

[7]王雷，王堅(jiān)坎.海島地區(qū)分區(qū)大風(fēng)預(yù)報(bào)探討[J].氣象科技，2005，? ?33（5）：404-408.

[8]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.

[9]胡波.一種概率方法在沿海海島臺(tái)風(fēng)陣風(fēng)預(yù)報(bào)中的應(yīng)用試驗(yàn)[J].氣象科技，2016，44（2）：246-251.

[10]de Rooy W C，Kok K.A combined physical-statistical approach for the down scaling of model wind speeds[J].Weather Forecast，2004（19）：485-495.

[11]黨英娜，黃本峰，郭慶利，等.渤海海峽海上客運(yùn)航線大風(fēng)精細(xì)化預(yù)報(bào)的數(shù)值釋用[J].海洋預(yù)報(bào)，2013，30（1）：36-44.