2019年海面风网格化预报检验.pdf

第40卷 第4期2023年8月海洋预报MARINE FORECASTSVol.40，No.4Aug.2023收稿日期：2022-03-01。基金项目：广东省重点领域研发计划资助（2019B111105012）。作者简介：张弛（1991-），男，工程师，学士，主要从事智能预报技术研究。E-mail:*通信作者：蔡靖泽（1992-），男，工程师，硕士，主要从事海浪预报技术研究。E-mail:2019年海面风网格化预报检验张弛1，蔡靖泽1*，吴伦宇1,2，宋晓姜1，刘凯1，陈越3（1.国家海洋环境预报中心，北京 100081；2.国家海洋环境预报中心 自然资源部海洋灾害预报技术重点实验室，北京 100081;3.深中通道管理中心，广东 中山 528400）摘要：使用FNL（Final Operational Global Analysis）再分析资料中的10 m风速和我国沿海23个浮标的风速数据，并采用Cressman插值的方法对FNL再分析数据进行订正，将浮标数据融合到FNL中作为观测值，与欧洲中期天气预报中心（ECMWF）的数值预报进行对比，以达到对全国渔业网格化预报产品更优的检验效果。根据全国智能网格气象预报业务规定（试行）中的风向、风速检验规则进行判定，结果表明：2019年24 h、48 h和72 h的风向预报评分均可达0.80分以上，24 h和48 h的风向预报准确率达60%以上，72 h准确率则不足60%；24 h 和48 h风速预报评分可达0.80分以上，72 h风向预报稍逊色，随着预报时效延长，预报准确率略有下降，预报偏强、偏弱率仅有2%左右的衰减，误差在1 m/s左右。自2022年起ECMWF数值预报已被国家海洋环境预报中心自主研发的集合预报产品取代，本文为其权重分配起到重要参考作用。关键词：FNL再分析资料；数值预报；网格化；预报检验中图分类号：P732.1 文献标识码：A文章编号：1003-0239（2023）04-0056-08DOI:10.11737/j.issn.1003-0239.2023.04.0060引言随着海洋项目日益发展，海洋气象要素网格化预报已成为当今主流趋势1，大量的业务需求也使直观的海洋预报要素网格化预报产品成为主要输出手段。20世纪 90年代，美国国家环境预报中心（NationalCentersforEnvironmentalPrediction，NCEP）开始研发网格化预报技术，并于21世纪初正式使用。澳大利亚紧随其后开始网格化预报技术的研发。欧洲中期天气预报中心（European Centrefor Medium-Range Weather Forecasts，ECMWF，简称EC）于2010年开始网格化预报产品的制作，其中海表10 m风场预报是其最具代表性的网格化预报产品。网格化预报已成为国际海洋预报的发展趋势。智能网格化预报技术是在数值预报的基础上，通过人工智能的方法并结合历史和实况数据分析对预报产品进行释用、订正，从而提高预报精度。我国国家气象中心的网格化预报开展较早，自2015年起开始制作并发布精细滚动的全要素海陆网格指导产品，其中涉及海洋预报要素的国家级海洋指导网格预报是其代表性核心产品。2016年11月，国家海洋环境预报中心引进的高性能计算机有效地提升了运算速度，使得海洋预报能力大幅提升，尤其在近海、近岸预报业务方面，具备了向更加精细化方向发展的计算条件，为海洋预报向“智能网格化”预报的转变提供了运算支持。依托全国海洋渔业生产安全环境保障服务系统建设，基于国家海洋环境预报中心、海区分中心、沿海省预报台上下联动的预报发布机制，针对中国近海1 449个渔区的地理位置分布情况，国家海洋环境预报中心实现了中国近海渔区网格化预报保障的24 h、48 h、72 h服务。该预报产品基于EC数值预报、EC集合预报与新一代全球集合预报（Global Ensemble ForecastSystem，GEFS）开发。张弛等：2019年海面风网格化预报检验4期预报准确率是网格化预报业务化运行的前提和业务发展的核心。检验产品的预报准确率有助于进一步提升产品质量，满足日益增长的网格化预报业务需求。本工作着眼于对 2019 年每日的逐 24 h、48 h、72 h 海面风预报，分别进行风向和风速预报检验。1数据与方法中国近海渔业网格化预报用的是EC集合预报与 GEFS 融合处理后的预报结果，空间分辨率为0.50.5，选用2019年各月的逐12 h预报数据进行分析。为了评估模式的预报性能，使用对应时期的FNL（Final Operational Global Analysis）融合数据作为观测值。选择每格点为预报站点，对其进行转换后与对应格点的观测值对比进行检验。1.1浮标数据和再分析数据本文采用 NCEP的 FNL再分析资料中的 10 m风速（一天 4个时次，分别为 02时、08时、14时、20时，北京时，下同，水平分辨率为0.250.25，垂直方向为 1 00010 hPa，共 26层）2以及我国沿海 23个浮标数据（浮标数据为每小时 1次，为了方便检验，将浮标数据时间与FNL的标准时间同样提取一天4个时次）对全国渔业网格化预报产品进行检验。之所以选择FNL数据，是因为美国国家环境预报中心/美 国 国 家 大 气 研 究 中 心（NCEP/NCAR）的CFSV2 数据、EC 数据以及 CCMP（Cross-CalibratedMuti-Platform）风场数据等高精度的再分析数据更新较慢、时效性较差，不能满足渔船季报检验的时效要求，经综合考虑选择精度、时效均能满足要求的FNL再分析数据。我国沿海的23个浮标数据是目前尚未公开的数据，对评估我国沿海数值预报效果和再分析数据的准确度具有重要作用，是沿海海面风预报参考的重要实况数据。再分析数据以及数值预报结果的释用和订正都没有对浮标数据进行融合。FNL作为实时性较强的再分析数据，其数据本身并未引入我国浮标信息，与浮标实况之间的相关性较低、误差较大，即再分析数据反映出的天气过程影响的起止时间和强度与实际均存在一定的差异，因此对后续的检验准确度具有一定的影响。本研究将利用Cressman插值方法对FNL数据进行融合，达到更好的检验效果。1.2数据处理方法和效果空间内插是指通过已知点的数据推求同一区域其他未知点数据。由于数据点空间位置的分布不同，利用不同的插值方法也会导致不同的结果3。常用的方法有距离反比加权法4、Kriging 法5和Cressman客观分析方法6等。冯锦明等7对上述的插值方法进行了详细的对比总结，结果表明若已知点的数据较密，则上述几种插值结果相近，若已知点的数据较分散，则插值结果差异较大。将上述3种插值方法得到的结果与观测结果对比发现，Cressman客观分析方法偏差最小，距离反比加权法次之，Kriging法的偏差最大。Cressman客观分析方法是一种将离散点内插到规则格点引起误差较小的一种逐步订正内插方法，被广泛应用于各种诊断分析和数值预报方案的客观分析中8。先给定第一猜测场，接着用实际观测场逐步修正第一猜测场，直到订正后的场逼近观测记录为止9。计算方法如下：a=a0+aij（1）aij=k=1k(w2ijkak)k=1kwijk（2）式中：ak为任一气象要素（如降水、风、温度等）；a0是a在格点（i，j）上的第一猜测；a是变量ak在格点（i，j）上的订正值；ak是观测点k上的观测值与第一猜测值之差；wijk是权重因子，分别由香蕉形、椭圆形和圆形权重函数决定，数值在0.01.0之间；k是影响半径（R）内的台站数。Cressman客观分析方法最重要的是权重函数wijk的确定，它的一般形式为：wijk=R2-d2ijkR2+d2ijk当dijk R0当dijk R（3）式中：wijk一般取为1、2、4、7和10几个常数；dijk是格点（i，j）到观测点k的距离。为了减小FNL再分析数据在我国沿海的预报误差，本文采用Cressman客观分析方法对FNL再分析数据进行订正，并将浮标数据融合到FNL中。数57海洋预报40卷据处理流程图见图1。首先将FNL数据采用双线性插值法插值到浮标坐标点上，计算出浮标数据与FNL数据之间的误差W1；再利用Cressman客观分析方法按照距离权重将W1插值到FNL的格点上，超过影响半径的距离误差视为0，得到W2；最后将W2与FNL相加得到融合后的数据。图1数据处理流程图Fig.1Data processing flow chart图2为2019年10月13日一次冷空气过程的风场数据对比。在此次冷空气过程中，渤海南部海域浮标的实测风速达18.6 m/s，而原始FNL再分析数据中渤海海域风速明显较实测偏小；而在东海台湾以东洋面，原始 FNL 再分析数据风速又较实测偏大。以渤海QF105浮标为例，经计算，2019年该浮标实测数据与原始FNL再分析数据风场的平均误差为1.53 m/s。融合浮标数据后的风场数据更加接近实际观测值。2风预报检验本文参考了中国气象局 城镇气象要素预报的风预报质量检验办法（试行），对中国近海渔业网格化预报的风向、风速以及风预报综合技巧分别进行了检验。2.1风向预报检验风向预报检验是将各格点的风向预报按8个方位进行换算后再进行检验计算。公式如下：图2融合风场与原风场对比（单位：m/s）Fig.2Comparison with fused wind field and original wind field(unit：m/s)58张弛等：2019年海面风网格化预报检验4期风向预报准确率：ACd=i=1kNRd,iNF（4）风向预报评分：SCd=SCd,iNF（5）式中：NRd,i为对第i个方位预报正确的站（次）数，其定义是预报风向中心角度与实况风向角度差在45内的站数（详见表1风向预报评分中标值为1的情况）；SCd,i为第i个站风向预报得分（见表 1）；NF为预报总站（次）数；k取值为 18，代表 8 个方位。图 3为 2019年风向预报评分综合分布。经计算（见表2），24 h风向预报评分为0.86分，风向预报准确率为65.37%；48 h风向预报评分为0.83分，风向预报准确率为61.98%；72 h风向预报评分为0.81分，风向预报准确率为59.63%。从时间尺度来看，24 h预报由于时间跨度较小，预报相对更准确，评分相对最高，而48 h、72 h较24 h预报时效的评分和准确率略有下降。从空间分布来看，24 h预报对我国台湾海峡南口、南海西部大部、巴士海峡北部的预报能力较强，评分可达0.9分（含）以表1 风向预报评分对照表Tab.1 Comparison of wind direction forecast score实况/022.5337.5360.022.567.567.5112.5112.5157.5157.5202.5202.5247.5247.5292.5292.5337.5预报/022.5337.5360.01.00.6000000.622.567.50.61.00.60000067.5112.500.61.00.60000112.5157.5000.61.00.6000157.5202.50000.61.00.600202.5247.500000.61.00.60247.5292.5000000.61.00.6292.5337.50.6000000.61.0图32019年风向预报评分综合分布图Fig.3Comprehensive distribution of wind direction forecast score in 201959海洋预报40卷表3 风速预报评分对照表Tab.3 Comparison of wind speed forecast score实况/（m/s）00.20.31.51.63.33.45.45.57.98.010.710.813.813.917.117.220.720.824.424.528.428.532.632.736.937