国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

概率密度匹配方法在我國近海海面10 m風速預(yù)報中的應(yīng)用

2021-05-07 08:10胡海川趙偉董林
熱帶氣象學報 2021年1期
關(guān)鍵詞:概率密度實況時效

胡海川,趙偉, 董林

(國家氣象中心,北京100081)

1 引 言

隨著數(shù)值模式的不斷發(fā)展,各氣象要素的預(yù)報效果有了明顯的提升,但由于模式的動力框架、物理參數(shù)化、初始場誤差等因素的影響,數(shù)值模式存在著不可避免的系統(tǒng)性誤差,各要素的預(yù)報與實況觀測仍有一定差距[1]。對于模式的預(yù)報問題,初始場的質(zhì)量無疑是至關(guān)重要的,其生成是以氣象觀測提供的數(shù)據(jù)和信息為基礎(chǔ)[2]。海上資料嚴重缺乏,無論海面還是高空資料都很稀少,這給構(gòu)建高質(zhì)量的初始場造成了很大的困難[3],使得數(shù)值模式難以對海上氣象要素進行準確刻畫。海面風速直接影響航運安全及海上生產(chǎn)作業(yè),因此需要對數(shù)值模式的預(yù)報結(jié)果進行后處理,以進一步提升10 m 風的預(yù)報效果。常用的風速訂正方法以統(tǒng)計學方法為主,包括傳統(tǒng)的統(tǒng)計學方法及機器學習方法,通過建立實況觀測數(shù)據(jù)與數(shù)值模式預(yù)報的數(shù)學模型,實現(xiàn)對風速的客觀訂正[4]。相比于陸地開展的風速訂正工作[5-12],受限于海上觀測資料的稀缺及衛(wèi)星反演的洋面風場數(shù)據(jù)的較大誤差[13-15],海上風速訂正工作開展的相對較少,且多集中在沿岸、海島或近海小范圍海域。陳德花等[16]利用BP 神經(jīng)網(wǎng)絡(luò)方法對MM5 模式在福建沿海站點的風速預(yù)報進行訂正,經(jīng)訂正后的風速預(yù)報較訂正前有一定改善,特別是對大風(>10 m/s)的預(yù)報能力提升明顯。胡波等[17]利用高斯回歸方法建立陣風與氣象要素的概率模型,實現(xiàn)對浙江沿海海島的陣風預(yù)報。李輝等[18]利用港灣碼頭的小時極大風觀測數(shù)據(jù)與熱帶氣旋特性因素建立預(yù)報模型,進行重點區(qū)域的最大陣風值預(yù)報。王亞男等[19]、榮艷敏等[20]分別利用遞減平均法及MOS方法開展了渤海及山東近海的風速預(yù)報工作。隨著國家綜合實力的全面提升,海洋氣象服務(wù)需求的不斷加大,僅針對沿岸、海島或小范圍海域的風速訂正已不能滿足需求,應(yīng)進一步提升海上大風預(yù)報準確率及服務(wù)能力,開展基于海表面風場預(yù)報的客觀訂正工作。海洋下墊面相對均一,在一定程度上降低了風速訂正的難度,為海面風速訂正提供了有力基礎(chǔ)。胡海川等[21-22]利用我國沿海代表站點觀測數(shù)據(jù)對集合預(yù)報海面10 m 風速預(yù)報產(chǎn)品及極大風預(yù)報產(chǎn)品進行誤差檢驗分析,并將誤差適用于我國近海海域,實現(xiàn)對海面10 m 風速及極大風的客觀訂正。上述方法只能針對分辨率相對較低的集合預(yù)報進行,在集合預(yù)報成員眾多信息量大的特性基礎(chǔ)上開展訂正工作,并不能適用于分辨率較高的確定性模式。本文將采用相同思路,在我國沿海代表站觀測數(shù)據(jù)的基礎(chǔ)上,利用概率密度匹配方法對確定性模式海面10 m 風速預(yù)報的系統(tǒng)性誤差進行訂正。

概率密度匹配方法是通過調(diào)整模式結(jié)果,使其與實況觀測的概率密度分布一致,從而實現(xiàn)訂正。該方法計算簡單,在系統(tǒng)誤差的訂正方面具有較好效果,且不必分析資料產(chǎn)生系統(tǒng)誤差的復(fù)雜來源,因而被廣泛應(yīng)用在模式降水及衛(wèi)星觀測等資料的訂正中[23-27]。造成我國近海大風天氣過程的天氣系統(tǒng)主要可分為冷空氣型、溫帶氣旋型和熱帶氣旋型,其中冷空氣型又包括小槽東移型、小槽發(fā)展型和橫槽轉(zhuǎn)豎型;溫帶氣旋又包括東海氣旋型、黃渤海氣旋型和蒙古氣旋型[28]。模式對于不同天氣系統(tǒng)的預(yù)報誤差不同,而概率密度匹配方法不必分析復(fù)雜的誤差來源,可更好地適用于資料稀少且影響系統(tǒng)復(fù)雜的海面風速訂正上。錢磊等[29]已基于概率密度匹配方法對安徽省地區(qū)開展了WRF 模式的陣風訂正工作,當實況風速大于6級時,經(jīng)概率密度匹配方法訂正后的結(jié)果與實況較一致。本文將利用概率密度匹配方法開展我國近海海面10 m 風速的訂正工作,利用該方法的優(yōu)勢,提升數(shù)值模式對海上大風預(yù)報的準確率。

2 資 料

本文利用2017—2019年ECMWF確定性模式的10 m 風場預(yù)報數(shù)據(jù)及地面實況觀測數(shù)據(jù),ECMWF 數(shù)據(jù)空間分辨率為0.25 °×0.25 °,預(yù)報時效為12~120 h,間隔12 h。選取我國沿岸及近海88 個觀測站點作為代表站,分布如圖1 所示。2017—2018年的數(shù)值模式及地面觀測數(shù)據(jù)用于模式風速預(yù)報誤差的分析與訂正系數(shù)的求解,2019年數(shù)據(jù)用于訂正效果的驗證。文中所選取的代表站點基本覆蓋我國東部沿岸和近海區(qū)域,求解出的訂正系數(shù)可適用于我國近海。在計算數(shù)值模式10 m 風速誤差時將所有站點進行統(tǒng)一計算,且所選取站點平均海拔高度為21 m,因此未進行實況風速的高度訂正。

圖1 沿岸及近海代表站點分布

3 預(yù)報誤差

圖2 為2017—2018 年ECMWF 確定性模式10 m風場預(yù)報的平均偏差,對于實況出現(xiàn)8 m/s以下風速,模式在各個時效的平均誤差均表現(xiàn)為正偏差。對于實況出現(xiàn)8 m/s以上風速,模式表現(xiàn)為負偏差,且隨風速增大、預(yù)報時效的延長,負偏差程度顯著增加。在24 h 預(yù)報中,模式對于實況出現(xiàn)8~10 m/s 風速預(yù)報的平均誤差為-0.4 m/s,18~20 m/s 風速預(yù)報的平均誤差為-4.5 m/s。在120 h 預(yù)報中,模式對于實況出現(xiàn)8~10 m/s 風速預(yù)報的平均誤差為-1.1 m/s,18~20 m/s 風速預(yù)報的平均誤差達-6.0 m/s。

觀測實況中,8 m/s 以下風速的樣本量較大,但模式對于8 m/s 以下風速的預(yù)報較實況觀測略有偏大。在圖3的散點圖中可看出,各個預(yù)報時效中,實況出現(xiàn)8 m/s以下風速時的散點集中分布在對角線左側(cè)。實況出現(xiàn)8 m/s以上風速時,散點更多地分布在對角線右側(cè),隨著預(yù)報時效的延長,對角線右側(cè)分布的散點數(shù)量明顯增加。綜上,數(shù)值模式10 m 風速預(yù)報存在明顯的小風預(yù)報偏大、大風預(yù)報明顯偏小的誤差特點。

圖2 2017—2018年ECMWF模式10 m風速預(yù)報平均偏差

圖3 2017—2018年ECMWF模式10 m風速預(yù)報散點圖 a. 24 h預(yù)報;b. 48 h預(yù)報;c. 72 h預(yù)報;d. 96 h預(yù)報。

針對數(shù)值模式10 m 風速預(yù)報所表現(xiàn)出的“小風大、大風小”特點,計算實況觀測及模式預(yù)報數(shù)據(jù)出現(xiàn)不同風速閾值時頻次,計算公式如下:

式中,Ai為出現(xiàn)某一量級風速閾值的站點次數(shù),B為總站次,Pi為出現(xiàn)某一風速閾值的頻率。如圖4a所示,對于小量級風速,數(shù)值模式預(yù)報的頻率略高于實況出現(xiàn)的頻率,因而造成數(shù)值模式對于小量級風速預(yù)報偏大;對于大量級風速(圖4b),數(shù)值模式預(yù)報的頻率明顯低于實況出現(xiàn)的頻率,因而出現(xiàn)模式對大量級風速預(yù)報明顯偏小的情況。利用概率密度匹配方法將數(shù)值模式對于不同風速閾值預(yù)報的頻率進行有效的調(diào)整,使其趨于實況觀測的頻率,以改善“小風大、大風小”的誤差特性,提高其預(yù)報準確率。

圖4 2017—2018年ECMWF模式10 m風速預(yù)報與風速實況觀測頻率對比 a. 2~8 m/s風速頻率對比;b. 12~18 m/s風速頻率對比。

4 概率密度匹配方法

概率密度匹配方法是通過調(diào)整模式結(jié)果,使其與實況觀測的概率密度分布一致,從而實現(xiàn)訂正。如概率密度匹配方法示意圖所示(圖5),當實況出現(xiàn)8 m/s以下風速時,模式的概率密度要高于實況觀測,當實況出現(xiàn)8 m/s 以上風速時,模式的概率密度要低于實況觀測。如圖5 中紅色箭頭所示,將模式的概率密度向?qū)崨r觀測進行調(diào)整,即可實現(xiàn)對風速預(yù)報的客觀訂正。具體步驟如下:(1)利用公式(1)計算實況觀測風速出現(xiàn)不同風速閾值時的頻率,建立實況風速值與實況風速頻率的函數(shù)f(x);(2) 利用公式(1)計算數(shù)值模式預(yù)報的10 m風速出現(xiàn)不同風速閾值時的頻率,并帶入f(x)中,可求新的風速值;(3) 將步驟2 中所求解的風速值除以其對應(yīng)的風速閾值,即可求解出不同風速閾值的訂正系數(shù)。

圖5 概率密度匹配方法示意圖

圖6為實況觀測風速出現(xiàn)某一閾值的頻率,隨風速增大,實況觀測出現(xiàn)頻率明顯降低。8 m/s 以上風速出現(xiàn)的頻率為16.02%,20 m/s 以上風速出現(xiàn)的頻率為0.748%,28 m/s 以上的風速出現(xiàn)的頻率僅為0.096%。

圖6 2017—2018年風速實況觀測頻率

由于大量級風速樣本量較少,直接利用多項式插值方法建立實況風速值與實況風速頻率的函數(shù)并不能實現(xiàn)對大量級風速的有效訂正(圖7a)。如圖7a 所示,16 m/s 以上風速值所對應(yīng)的風速頻率均在0附近,將數(shù)值模式對于大量級風速預(yù)報的頻率值帶入到該函數(shù)中并不能合理地求解出其所對應(yīng)的風速值,難以實現(xiàn)對大量級風速的有效訂正。為突出大量級風速的重要性,在構(gòu)建函數(shù)前對實況風速頻率進行l(wèi)n函數(shù)處理(自然對數(shù)),建立實況風速值與實況風速頻率自然對數(shù)的函數(shù),數(shù)學表達式如公式(2)所示:

式中,f(x)為實況風速,lnP為實況風速頻率對數(shù),a1~a7分別為-0.000 6、-0.018 8、-0.213 1、-1.141 7、-3.185 1、7.341 1、0.412 1。利用多項式插值方法(6 次插值)建立的實況風速值與實況風速頻率自然對數(shù)的函數(shù)如圖7b所示。經(jīng)自然對數(shù)處理后的風速頻率越小,其對應(yīng)的負值越大。16~28 m/s 的風速值對應(yīng)著-5~-9 的值。將模式對于大量級風速預(yù)報的頻率自然對數(shù)值帶入到該函數(shù)中,可合理地求解出其所對應(yīng)的風速值,進而實現(xiàn)對大量級風速的有效訂正。

圖7 風速實況觀測與風速實況觀測頻率(a)、風速實況觀測頻率自然對數(shù)(b)的函數(shù)

圖8 為根據(jù)上述方法求解出數(shù)值模式在24 h預(yù)報時效中不同風速閾值的訂正系數(shù),訂正系數(shù)隨風速的增加而增大,從2 m/s 的0.53 增加到28 m/s 的1.34。對于2~6 m/s 的風速,由于模式預(yù)報頻率高于實況出現(xiàn)的頻率且有明顯的正平均誤差,其訂正系數(shù)均在1 以下;對于8 m/s 風速,模式預(yù)報頻率與實況出現(xiàn)頻率相當,其訂正系數(shù)近似為1;對于10 m/s 以上風速,其訂正系數(shù)均在1 以上;對于20 m/s以上的風速,訂正系數(shù)在1.3附近??傮w上,訂正系數(shù)與模式預(yù)報誤差特征較一致,小量級風速的訂正系數(shù)小于1,大量級風速的訂正系數(shù)大于1。

圖8 ECMWF模式24小時10 m風速預(yù)報訂正系數(shù)

5 檢驗分析

為進一步驗證概率密度匹配方法對我國近海海域風速預(yù)報的訂正效果,將上述方法所求解出的不同預(yù)報時效不同風速閾值下的訂正系數(shù)帶入到2019 年ECMWF 模式的10 m 風速預(yù)報中,并進行站點誤差檢驗(圖1 所示站點)及冷空氣大風和臺風大風天氣過程的對比分析。

5.1 站點檢驗

圖9 為2019 年1—12 月48 h 風速預(yù)報訂正前后的平均誤差對比。對于實況出現(xiàn)3 級及以下風速的預(yù)報,訂正后風速的正偏差較訂正前有所減小,表明對于3級及以下風速預(yù)報的偏大程度有所降低。對于實況出現(xiàn)5級及以上風速的預(yù)報,訂正后預(yù)報的負偏差較訂正前均有減少,尤其8、9級風速的負偏差減少程度明顯,表明訂正后對于大量級風速預(yù)報效果有所改進,且風速越大,改進程度越為明顯,12~120 h 中其他預(yù)報時效的風速預(yù)報與48 h預(yù)報時效的的平均誤差情況基本一致(圖略)。

圖9 2019年1—12月48 h風速預(yù)報訂正前后平均偏差對比

平均誤差的改善并不能足以證明訂正后風速預(yù)報的改善,過量的空報同樣可使大量級風速預(yù)報的平均誤差降低。為驗證概率密度匹配方法可有效提升對大量級風速的預(yù)報效果,計算了2019年1—12 月實況出現(xiàn)8、9 級風時訂正前后的平均絕對誤差(圖10)。如圖10 所示,當實況出現(xiàn)8、9級風速時,訂正后風速的平均絕對誤差在各個預(yù)報時效均小于訂正前。在12 h 預(yù)報時效中,訂正前8、9 級風速預(yù)報的平均絕對誤差分別為4.15 m/s、5.61 m/s,訂正后風速預(yù)報的平均絕對誤差分別為3.12 m/s、4.08 m/s。在120 h 預(yù)報時效中,訂正前8、9 級風速預(yù)報的平均絕對誤差為7.38 m/s、9.35 m/s,訂正后風速預(yù)報的平均絕對誤差分別為6.46 m/s、8.07 m/s。

圖10 2019年1—12月8級、9級10 m風速預(yù)報訂正前后平均絕對誤差對比

表1 為2019 年1—12 月ECMWF 模式10 m 風速預(yù)報訂正前后漏報率對比,其中括弧外為訂正后的漏報率,括弧內(nèi)為訂正前的漏報率。漏報率計算公式如下所示:

式中F為漏報率;NA 表示為預(yù)報正確,即預(yù)報大于某一量級風速且實況也大于該量級風速;NC表示為漏報,即實況大于某一個量級風速但預(yù)報未達到;k表示不同風速級別。在各個預(yù)報時效中,當實況出現(xiàn)4~5級風時,訂正前后的漏報率基本相當,表明基于概率密度匹配方法的風速訂正并未造成小量級風速的漏報。當實況出現(xiàn)6 級及以上風速時,訂正后的漏報率要明顯低于訂正之前,尤其實況出現(xiàn)7 級以上風速時,大部分預(yù)報時效的漏報率可減少10%以上。

表1 2019年1—12月ECMWF模式10 m風速預(yù)報訂正前后漏報率對比

通過站點的誤差及空報率的檢驗表明,基于概率密度匹配方法的風速訂正可有效改善數(shù)值模式對大量級風速預(yù)報偏小、小量級風速預(yù)報偏大的情況,且不會造成空報。

5.2 2019年1月15日渤海冷空氣大風

2019 年1 月13—16 日,高空槽東移引導冷空氣快速南下,造成我國出現(xiàn)一次明顯冷空氣過程。1 月15 日,地面冷高壓中心位于我國河套地區(qū),中心強度達1 040 hPa 以上,渤海位于高壓東側(cè)的等壓線密集區(qū)中,出現(xiàn)了較大范圍7級的偏北風。圖11 為2019 年1 月15 日08 時(北京時,下同)地面風速觀測實況。

圖12 分別為2019 年1 月12 日08 時訂 正前及訂正后的72 h 預(yù)報時效的10 m 風速預(yù)報。訂正前ECMWF模式在渤海以6級風為主,僅在渤海中部海域預(yù)報出個別的7級風,預(yù)報較實況明顯偏弱(圖12a)。利用概率密度匹配方法訂正后的預(yù)報在渤海預(yù)報出大范圍7 級風,與實況觀測更接近(圖12b)。

圖11 2019年1月15日08時風速觀測實況(≥13.9 m/s)

圖12 2019年1月12日08時ECMWF模式72 h預(yù)報時效10 m風場預(yù)報(a)及風速訂正后10 m風預(yù)報(b)

5.3 1918號臺風“米娜”大風

2019 年9 月29 日—10 月2 日,受1918 號臺風“米娜”的影響,我國近海出現(xiàn)了一次明顯的大風天氣過程。如圖12 所示,臺風“米娜”于9 月29 日開始影響我國近海海域,在趨向我國近海期間強度不斷增強,9 月30 日20 時,其強度達到最強為40 m/s。10 月1 日08 時后,臺風“米娜”的強度開始減弱,20 時30 分前后登陸我國浙江舟山時的強度為30 m/s(強熱帶風暴級)[30]?!懊啄取笔冀K沿西太平洋副熱帶高壓外圍環(huán)流運行,在我國近海海域北上登陸后轉(zhuǎn)向東北。數(shù)值模式對于“米娜”的路徑預(yù)報相對準確,但強度預(yù)報明顯偏弱,其可能是由于人們對臺風結(jié)構(gòu)和強度變化的復(fù)雜性以及海陸氣相互作用缺乏足夠的認識或模式分辨率較低造成的[31-32]。

2019 年10 月1 日08 時我國浙江南部沿海觀測站中出現(xiàn)了10~11 級大風,個別站點風力達12級(圖14)。2019 年9 月29 日08 時起報的ECMWF模式在48 h預(yù)報中僅對我國浙江南部近海海域預(yù)報出9~10 級風,個別格點風速達11 級,明顯較實況觀測偏小(圖15a)。訂正后的48 h 風速預(yù)報在我國浙江南部近海預(yù)報出10~11 級大風,個別格點風速達12 級(圖15b)。總體上,訂正后的風速預(yù)報與實況觀測及中央氣象臺臺風定強(38 m/s)更接近。在風速訂正前后差異圖中可看出(圖15c),概率密度匹配方法主要是針對臺風外圍大風速區(qū)進行訂正,風速增幅大值區(qū)主要集中在臺風中心的北側(cè),增幅最大達8 m/s 以上。對于受臺風“米娜”的影響較小的東海北部海域,訂正前后風速變化不大。

圖13 臺風“米娜”路徑圖

圖14 2019年10月1日08時觀測實況(≥24.5 m/s)

圖15 2019年9月29日08時ECMWF模式48 h預(yù)報時效10 m風預(yù)報(a)、訂正后48 h預(yù)報時效10 m風速預(yù)報(b)、訂正前后風速差(c)

針對此次大風天氣過程,比對了小明甫島站2019 年9 月28 日08 時—10 月1 日08 時36 h 預(yù) 報時效訂正前后的風速(圖16),小明甫島站的位置如圖12 中藍色標記所示。在9 月28 日08 時—30日08 時1918 號臺風“米娜”影響前,訂正前后風速基本一致,并與實況較接近。隨著臺風“米娜”的不斷北上,9 月30 日20 時,小明甫島站的風力達14 m/s,訂正前風速預(yù)報為12.1 m/s,訂正后風速預(yù)報為13.8 m/s。10 月1 日08 時,小明甫島站風力達29 m/s,訂正后風速預(yù)報與實況較一致,訂正前的風速預(yù)報較實況偏小近4.5 m/s。通過對小明甫島站訂正前后風速的對比可發(fā)現(xiàn),基于概率匹配方法的風速訂正對大風預(yù)報的改進效果明顯,且對小風不會造成明顯空報。

圖16 小明甫島站2019年9月28日08時—10月1日08時36 h預(yù)報時效訂正前后風速對比

6 小結(jié)與討論

本文利用中國氣象局地面氣象觀測數(shù)據(jù)及12~120 h 預(yù)報時效的ECMWF 模式10 m 風預(yù)報數(shù)據(jù),在統(tǒng)計數(shù)值模式10 m 風速誤差的基礎(chǔ)上,采用概率密度匹配方法對其進行訂正,通過對獨立樣本的對比檢驗得出以下結(jié)論。

(1) 概率密度匹配方法可有效地改善數(shù)值模式10 m 風速預(yù)報對于小量級風速預(yù)報偏大、大量級風速預(yù)報偏小的誤差特點,訂正后各個預(yù)報時效、各個風速量級的預(yù)報平均誤差均較訂正前有所降低。

(2) 統(tǒng)計檢驗表明:采用概率密度匹配方法的訂正,12 h預(yù)報時效的8、9級風速預(yù)報的平均絕對誤差分別由4.15 m/s、5.61 m/s 降低至3.12 m/s、4.08 m/s。120 h 預(yù)報時效的8、9 級風速預(yù)報的平均絕對誤差由7.38 m/s、9.35 m/s 減小至6.46 m/s、8.07 m/s。7級及以上風速的漏報率可減少10%以上。

(3) 個例檢驗表明:在渤海冷空氣大風及臺風大風天氣過程中,訂正后風速均較訂正前有明顯改進,與實況觀測更接近。

基于概率密度匹配方法的我國近海洋面10 m風速訂正效果依賴于代表站點的選取及數(shù)值模式預(yù)報能力。本文中所選取的代表站點基本覆蓋我國東海東部沿岸和近海區(qū)域,求解出的風速訂正系數(shù)可試用于我國近海。但不同月份的實況風速觀測頻率略有不同,后期可按照不同月份進行訂正系數(shù)的求解,訂正效果會更好。單一模式預(yù)報能力有限,對于某些可預(yù)報性較差的天氣過程,訂正方法仍需進一步檢驗分析。充分發(fā)揮不同預(yù)報中心數(shù)據(jù)模式的優(yōu)勢,將多模式集成與概率匹配方法進行有效結(jié)合,以期取得更好的預(yù)報效果。

猜你喜歡
概率密度實況時效
預(yù)時效對6005A鋁合金自然時效及人工時效性能的影響
勞動關(guān)系確認不應(yīng)適用仲裁時效
連續(xù)型隨機變量函數(shù)的概率密度公式
計算連續(xù)型隨機變量線性組合分布的Laplace變換法
鄉(xiāng)村小學的愿望與現(xiàn)實——宜君鄉(xiāng)村教育實況
基于GUI類氫離子中電子概率密度的可視化設(shè)計
擠壓態(tài)Mg-Dy-Cu合金板材的顯微組織及時效硬化行為
天舟一號貨運飛船發(fā)射實況掠影
可愛潮咖們的獨門彩妝實況直播
環(huán)保執(zhí)法如何把握對違法建設(shè)項目的追責時效?