基于mm5模式的精细化mos风速预报方法

基于mm5模式的精细化mos风速预报方法

地面客户内风预报风是气候因素预测的困难之一。它的形成不仅与一般循环背景密切相关，而且与中小型气候系统密切相关。同时，它也受到地形和地形的影响。理论探讨中曾给出了风的表达式,业务预报中则以天气学经验为主,依据初始时刻的天气图资料,估计出未来的形势场,考虑现有天气系统的移动、变化以及动量下传、日变化、地形等因素作出风向风速的预报。一些国家已将风预报列入数值产品释用正式项目,国内客观定量地预报风的工作开展得比较少,江苏省曾用欧洲中心1000hPa气压场各点预报值,计算地转风得到风向风速。MM5模式在我国已得到普及,但大多侧重于模式研究、数值模拟及业务运行等方面,而对其产品进行深加工,进一步提高预报精度方面所做工作相对较少。宁夏气象局当前运行的MM5模式分辨率已达到20×20km,可以根据用户需要输出逐时不同层次的各种气象要素,为制作定时、定点、定量的要素预报和专业气象预报提供了基础条件,为此本文介绍一种基于MM5模式产品基础上的精细化MOS风向风速预报方法,并给出了2004年6月～2005年4月的预报评估结果。1风的气候特征1.1气温随季节变化的变化宁夏各地年平均风速在1.8～7.7m/s之间,高山地区比平原地区风速要大。风速有明显的季节性变化,一般春季最大,冬夏季次之,秋季最小。风速有较明显的日变化,当气压形势稳定少变时,大致随温度的升降而增减。一天中,最低气温出现时刻是风速最小时段。日出以后随气温的升高、乱流的增强而风速增大,10～16h为风速最强时段;一般在最高气温出现时段风速最大,随着日落风速变化趋于稳定。1.2偏南风和偏北风宁夏是季风地区的边缘,风向有较明显的季节性变化。冬半年处在蒙古冷高压控制之下,绝大部分地区以偏北风和偏西风为主。夏半年受大陆热低压影响,各地以东南风和偏南风为主。由于受地形影响,平原地区多偏北风和偏南风,与贺兰山及黄河河谷的走向基本一致;山区多东南风和偏南风,也与六盘山走向一致。2模式输出产品为得到连续完整的样本资料,利用当前运行的MM5模式对2002年9月到2003年8月进行了逐日反算,每天08∶00(北京时,下同)、20∶00分别积分48h,得到样本长度为359的MM5输出产品。模式输出产品是采用Cressman客观分析方法将模式输出的格点资料插值到宁夏25个站点,得到的每隔1h的站点基本要素预报场和物理量诊断场。实况资料选用2002年9月到2003年8月宁夏25个测站逐日逐时的风向风速自记观测资料。风向的逐时自记观测资料按国家气象局下发的观测标准有16个风向,而从宁夏风向的气候特点得知:宁夏常年以偏北风和偏南风为主,所以从宁夏风向的气候特点和实际业务出发,我们将16个风向简化为4个:0～90°为东北风、91～180°为东南风、181～270°为西南风、271～360°为西北风。在实际计算过程中,将上述4个风向又转换为代码1、2、3、4,静风处理为0。3筛选预报因子采用MOS方法建立逐站、逐时风速风向预报模型。在考虑风速风向季节性变化差异的基础上,首先将资料按自然季节划分为春(3～5月)、夏(6～8月)、秋(9～11月)、冬(12～2月)四季,然后根据物理因子与预报对象的相关性,初选预报因子,并据相关分析和相关检验原理对初选的因子进行筛选排序,将通过0.05显著性T检验的因子按不同季节、不同站点、不同时次分别建立因子库,应用多元线性回归和逐步回归两种方法建立0～48h逐时MOS风速风向方程,根据历史拟合率和预报试验结果选出最终模型。4地面风和风向风在大尺度运动中当不考虑摩擦力时,空气质点的运动遵从地转风规则,这是我们进行风预报的基础。但是,实际大气地面摩擦力不等于零,所以地面风向和等压线之间存在一个交角,而地面风速也不等于地转风风速,气象上将不满足地转风关系的部分称为偏差风。理论研究表明,近地面层摩擦力来自于粗糙的地面以及近地面层空气的粘性力,而空气粘性力主要是由湍流活动引起,近地面层湍流与低层温度层结有关,也即与大气稳定度相关。由于摩擦力的存在,使定量地表示地面风有一定困难,特别是摩擦力大小的估计是难以精确做到的,从对实测风的读数中就显而易见风向风速均存在着明显的脉动现象,以致于只能以自记曲线的10min平均作为平均风,而以某一时段中最大平均风作为该时段的平均风。所以,挑选因子时应从大气稳定度入手,寻求表示估计偏差风的统计关系式。5报告模型的构建5.1影响煤水s的影响权重函数目前在国外比较成熟的MOS预报业务中,预报因子的处理基本是将数值预报产品的格点预报值直接内插到站点上作为站点的预报因子,再与站点的预报对象建立预报方程,即Vs=Σi=1N(Vi⋅Wi)Σi=1NWiVs=Σi=1Ν(Vi⋅Wi)Σi=1ΝWi(1)其中Vs为站点因子值,VI和WI分别为第i个网格点的数值预报值和该格点对站点S影响的权重函数,N为可能对站点S造成影响的格点总数。考虑离预报站点不同距离的格点对站点所产生的影响各不相同,其影响权重函数采用Cressman客观分析方法函数进行计算方程(2)中Ri和R0分别为第i个网格点到插值站点S的水平距离和站点S在插值时考虑的影响半径。在使用时发现当R0等于5倍格距时,插值结果最好。5.2热力、动力因子由于MM5模式输出产品种类繁多、数量庞大,因此在选取因子时依据风预报的动力学理论,根据人工经验选取了52个与大气稳定度有关的因子,这些因子包括4个层次(地面、850hPa、700hPa、500hPa)的预报场或诊断场:温度、气压、相对湿度、风、降水、温度平流、水汽通量散度、涡度、垂直速度、散度、位涡、潜热通量、能量、位势高度、Q矢量、锋生函数、螺旋度、对流不稳定等热力、动力因子。由于不同的物理量有不同的量纲,所以具体计算预报因子时需对各物理量先进行标准化处理,这里采用方差标准化处理。5.3建立因子库及排序在预报对象与预报因子单点相关普查的基础上,选取相关系数大而且相互独立的高相关因子按不同站点、不同时次分别建立因子库,并依据相关系数大小,按能通过0.05显著性T检验的标准对因子库进行排序筛选,对因子库进行排序筛选,剔除了一些与预报量相关不大而且物理意义不明显的因子,将最后入选的因子和实况按一一对应关系建立逐站逐时回归方程。5.4回归主成分分析和因子自选择原则回归分析是目前气象统计中最为常用的一种方法。对于多个因子通常采用的是多元线性回归和逐步回归,我们同时用这两种方法建立MOS预报方程,其中求解回归系数采用最小二乘法和乔里司基(Kholesky)分解法(即平方根法))。针对这两种不同的统计方法,采取不同建模方式。多元回归统计方法最大的优点是可以根据要求的Fα值自行选取与预报对象相关好的,而与其它因子又相对较独立的预报因子,那么在样本容量固定的情况下(4个季节的样本长度平均在90d左右),因子数究竟控制在多少才能既保证方程的稳定性又不降低预报精度?根据历史拟合率和预报试验情况,发现:当因子数控制在15个的时候,预报效果最好,Fα值取1.77。逐步回归方法应用双重检验逐步回归方案,计算因子方差贡献和求解回归系数同时进行,由于每步都作检验,因而保证了最后所得方程中的所有因子都是显著的。F1、F2分别为欲选入与剔除因子时显著性检验的F-分布值,分别取2.76和2.73。5.5数据平滑实验风速的变化是连续的、有规律的,但从历史拟合率和预报试验情况中,发现个别站点、个别时次有时会出现预报值异常偏高或偏低,为了降低这种由于统计方法带来的误差,采用五点三次平滑方法对48个时次的预报值进行平滑。公式如下yi−2¯¯¯¯¯¯=170(69yi−2+4yi−1−6yi+4yi+1−yi+2)(3)yi−1¯¯¯¯¯¯=135(2yi−2+27yi−1+12yi−8yi+1+2yi+2)(4)yi¯¯¯=135(−3yi−2+12yi−1+17yi+12yi+1−3yi+2)(5)yi+1¯¯¯¯¯¯=135(2yi−2−8yi−1+12yi+27yi+1+2yi+2)(6)yi+2¯¯¯¯¯¯=170(−yi−2+4yi−1−6yi+4yi+1+69yi+2)(7)yi-2¯=170(69yi-2+4yi-1-6yi+4yi+1-yi+2)(3)yi-1¯=135(2yi-2+27yi-1+12yi-8yi+1+2yi+2)(4)yi¯=135(-3yi-2+12yi-1+17yi+12yi+1-3yi+2)(5)yi+1¯=135(2yi-2-8yi-1+12yi+27yi+1+2yi+2)(6)yi+2¯=170(-yi-2+4yi-1-6yi+4yi+1+69yi+2)(7)其中,yi¯¯¯yi¯是yi的平滑值,对于开始和最后两点分别由上述公式(3)、(4)与(6)、(7)进行平滑。该方法要求数据点数n≥5。经过平滑后的结果与实况的误差较原值与实况的误差有所降低(表略)。另外,为了避免风速和风向之间出现预报相互矛盾的现象,当预报风速为0时,风向也为0,即静风。6整体将sdi2004和sgi2004计算为网络传输时,网络传输将较短时长为6个月时的计算在sgi2005精细化预报的各种计算均在SGI300高性能计算机上完成。由于该机自身硬件的反应速度远高于网络传输速度,所以计算的结果写到SGI300的硬盘上。全部计算完成后,通过一个SHELL程序调用FTP,根据我们指定的参数,自动将最新产品按顺序传输到宁夏气象信息骨干网服务器的设定位置上形成产品库,并将最后的输出结果处理到业务工作平面上以供预报员随时调用。7原模式与原有模式预测效果比较,但模型效果差异大,总结报效果特征,其预报效果尚需进一步改进该预报模型在2004年夏季投入业务试运行,利用宁夏已建成的17个自动气象站的逐时风速、风向资料,对2004年6月～2005年4月的预报效果进行检验,经过统计分析预报和实况之间的差异(图1～2),发现:该方法对逐时风速有较强的预报能力,对逐时风向有一定的预报能力,但尚未达到可用程度,还有待于进一步的改进,但都较原模式预报水平有了显著的提高。7.1预报的脉动结果(1)分析48h逐时风速预报平均绝对误差(图1),发现:MOS预报在整个48h内误差都在1.2～1.6m/s之间变化,误差随预报时效延长变率都保持在0.4m/s以内,预报稳定,而且08∶00和20∶00预报效果相当,说明该方法对逐时风速有较强的预报能力。MM5与MOS误差演变趋势基本相同,但MM5误差明显高于MOS,稳定性也不如MOS。(2)分析48h逐时风向预报Ts评分(图2),发现:08∶00MOS预报在整个48h内Ts评分在30～40%之间变化,随预报时效延长Ts评分在32%附近小幅振荡;20∶00MOS预报效果略低于08∶00的趋势预报。MM5与MOS预报演变趋势基本相同,但MM5预报Ts评分明显低于MOS预报10～15%。无论是MOS预报还是MM5预报,整个48h内都存在着明显的脉动现象,这与实测风的风向变化一致。(3)进一步分析发现:5个风向的预报准确率和对应风向上的风速误差明显不同(如表1)。风速误差在静风上最大,西北风次之,东南风最小;MOS预报西北风准确率最高,东南风次之,其它风向预报效果都比较差;MM5只对静风和东北风有预报能力,其它风向预报没有参考价值。这与影响宁夏大风的冷空气路径多是西北路径有关,而静风上的风向由风速订正得到,静风风向预报准确率本身就很低,所以相应静风上的风速误差也比较大。(4)分析2004～2005年春、夏、秋、冬四个季节风的预报效果(如表2),发现:春季预报效果最差,秋冬季次之,夏季相对较好。春季由于降水稀少,低层大气不稳定以及冷暖空气交替活动频繁,容易产生大风天气,而且产生的大风稳定性较差,阵性明显,尤其是3月,天气形势多变,预报效果最差;夏季受大陆热低压影响,全区盛行偏南风,除冷锋或积雨云过境造成短时大风外,很少出现区域性或持续时间较长的大风,预报效果相对较好;冬季处于蒙古高压控制,秋季处在夏、冬转换季节,接近冬季风形势,风向、风速变化较春季相对平稳,预报效果虽然比夏季差,但好于春季。(5)虽然多元和逐步是两种不同的统计预报方法,但预报结果相近,从图1～2可以看出:两条误差曲线几乎重合。(6)风速的预报不仅有区域性差异,还有日变化差异。区域性表现在:平原地区的风速预报误差较高山地区小,且随预报时效延长误差增幅也较高山地区小;日变化差异表现在:无论08h预报,还是20h预报,预报白天的误差都大于夜间,而且白天预报误差变率有波动起伏,夜间预报误差基本维持在一个平稳状态。这与宁夏风速的气候特点有关,高山地区比平原地区风速变化大,随日出风速变化增大,随日落风速变化趋于稳定。(7)风向的预报区域性差异表现在:高山站预报效果稍差,其它地区预报效果相当。这是由于宁夏地形对风的特殊作用和影响的结果。宁夏高山站海拔高,山脉走向和地势利于冷空气的入侵和气流的抬升,当气流遇到山脉阻挡时,将在迎风坡被迫爬升或绕流改道,风向将显著地偏离等压线,如较大的西北风遇到贺兰山阻挡会绕山北上进入引黄灌区吹西风、西南风。另外也与高山站选入的因子质量不高、稳定性较差有关。7.2个别月、不同风向、冷暖空气活动时预报误差较大时进一步考察各站逐日逐时风速预报结果(图略)得知,当天气形势变化较平稳时,各站逐时风速预报误差在1m/s左右,个别站、个别时次预报误差有时甚至为0m/s,比如夏冬两季,预报效果相对较好,风向的预报与风速基本类似,但预报效果不如风速明显;当有明显冷暖空气活动,特别是冷锋过境前后和河套热低压强烈发展时,大部分测站预报误差较大,个别站、个别时次风速预报误差达到4～6m/s,风向的预报和实况就相差更远,春季表现尤为明显。而且MOS预报冷空气活动具有滞后性,冷空气到来前后预报结果不稳定。8mos预报算法确定(1)MOS方法对逐时风速有较强的预报能力,对逐时风向有一定的预报能力,但尚未达到可用程度,还有待于进一步的改进,但通过多元线性回归和逐步回归两种方法建立的逐时MOS方程,确实使风速风向预报比MM5模式直接输出的预报有了明显的提高,可是,当天气变化剧烈、