论文部分内容阅读
随着互联网的快速发展,移动互联网已无处不在、无时不有。智能手机中的天气APP已经能够让任何地方的任何人在任意时间了解所需的天气状况和信息,及时定制或调整未来活动计划。其中风的预报是精细化预报产品的重要组成部分,也是政府和公众重点关注的预报要素。特别随着2022年北京冬奥会的临近,风的预报结果对整个奥运比赛都至关重要,大风天气容易导致冬奥会多项运营受影响,例如2018年2月14日白天韩国江原道地区刮起平均每秒10米左右的大风,给平昌冬奥会的赛事运营带来了极大的不便。如果能为各机构和公众提供及时准确的风场预报结果,将会降低灾害风险和损失,提升服务体验,让全社会受益。1、资料10m风格点预报场采用欧洲中心(EC)细网格资料,模式起报时间是北京时8:00,资料范围是70-140°E、0-60°N,时间分辨率为3h,预报时效0-48h,空间分辨为0.125×0.125°。10m格点风场实况资料采用国家气象信息中心HRCLDAS业务系统产生的化多元融合产品,范围是70-140°E、0-60°N,时间分辨率为1h,空间分辨为0.05×0.05°。1h的10m风场站点观测资料来自全国2400个国家气象观测站。研究中的最终订正预报场空间分辨率为0.05×0.05°,需要先用双线性插值方法将EC风场空间插值为0.05×0.05°的数据。所有资料样本时间均从2017年1月1日到2017年9月30日中截取。2、方法目前主要的模式释用技术都是基于GLAHN等(1972)的经典MOS订正思想而形成的,在数值模式没有达到完美、计算机速度还有待提高之前,该方法能让模式预报效果变得更加准确和有效,业务自动化率大幅提升,减少了预报员工作量。基于MOS思想的格点化风场预报订正将使用EC10m风预报场插值结果与格点化10m风场实况资料进行格点建模。根据模型对未来24h的风场进行预报。为了得到误差更小,准确率更高的预报产品,将利用最新的实况资料作为因子融入到预报模型中,建立多因子的格点化预报模型,进行订正预报。研究中使用8种预报订正方案对EC风场进行订正,具体订正方法如下:首先根据公式1求出t时刻实况格点场与EC预报场的误差Et,用简单的误差订正方法(方法 1)将误差订正到t+n(n=1h,2h,..24h)时刻的EC预报场(公式2),得到最终订正预报场。方法 2:由于误差Et对最临近的预报场影响最大,随着预报时效的延长,影响可能会减弱,需要用一个权重来调节,将权重调节的误差订正到t+n时刻的EC预报场(公式3),得到最终订正预报场。权重是根据过去31天(吴启树2016)预报检验进行人工调整得到的固定权重。方法 3:由于很多格点误差变化很大,单一的权重方法订正效果可能有限,采用最小二乘回归的思路对t时刻的误差与t+n时刻的预报误差进行建模(公式4),得到权重系数(b0, b1)。即偏差的全格点回归建模。方法 1、2、3都是基于实况的偏差订正方法,预报对象与预报因子之间非同时刻。而使用EC同时刻的风场预报作为因子,根据公式5进行建模,即为MOS订正预报(方法 4)。由于t时刻的实况与t+n时刻的EC预报场都对预报结果可能产生影响,那么将t时刻的实况与t+n时刻的EC预报场都作为预报因子,根据公式6进行建模预报后得到最终的订正预报结果(方法 5)。方法 3、4、5中的模型建立完成后,模型不随时间而变化。方法 6、7、8分别与方法 3、4和5相对应,因子选择和建模方法都完全一致,区别是方法 6、7、8中的模型是随预报日期滚动建模。这样模型变为动态模型。Et=Ot-Yt(1)Y′t+n=Yt+n+Et(2)Y′t+n=Yt+n+WxEt(3)Y′t+n=Yt+n+(b0+b1xEt)(4)Y′t+n=b1Yt+n+b0(5)Y′t+n=b1Yt+n+b2xEt+b0(6)其中:Ot是t时刻的实况格点场,Yt和Yt+n是t时刻和t+n时刻的EC预报场,Et)是t时刻的实况格点场与EC预报场的误差,Y′t+n是t+n时刻的订正预报场。W是权重系数[0,1]。b0,b1,b2是利用最小二乘法建立的模型系数。3、结论对欧洲中心10m风场进行订正预报试验,试验选择2017年1月1日到2017年2月28日以及2017年6月1到2017年6月30日两个时间段,进行了两次预报模拟试验,在每种模型中,对比8种格点化订正方法的预报结果,并对结果进行格点检验,同时将格点结果插值到站点,使用全国2400个气象站风资料进行站点检验,结果表明,无论从格点还是站点检验的平均绝对误差、准确率、误差分布频率结果来看,采用动态系数的双因子模型具有最佳的订正效果。