基于EC集合预报的渤海灾害性大风风速预报方法研究

作者：刘彬贤1  陈宏2  左涛1  王亚男1  孙晓磊1  罗凯1

单位：1. 天津海洋中心气象台, 天津 300074; 2. 天津市气象台, 天津 300074

关键词：集合预报 最优百分位 渤海 风速误差

分类号：P732.4

出版年·卷·期（页码）：2018·35·第二期（19-26）

摘要：

利用2014—2015年渤海埕北A平台逐小时风场特征对7级以上且持续6 h以上的大风个例进行统计，共出现36次大风过程。利用欧洲中心集合预报51个预报成员分别比较最优成员和最优百分位预报产品在预报海上大风风速预报的效果，结果表明：EC集合预报对于7级以上大风有低估的效果，从优选成员来看，集合预报最优成员并不唯一确定；6种（最大值、95、90、85、80、75百分位）集合预报百分位预报的10 m风速，多数预报与实况相比是偏小的，利用历史偏差对EC集合预报的误差进行校准，反算校准后误差缩小。总之，集合灾害性大风风速的预报有低估的效果，反算后预报水平有明显提高，可利用EC集合预报最优百分位订正后的10 m风场产品应用于渤海灾害性大风的预报。

Based on the hourly wind data at Bohai A flat platform from 2014 to 2015,the numbers of gale defined as higher than 7 level and continuous 6h are counted with a total number of 36.Using forecasting 51 forecast members of the European Center set,the effects of optimal membership and optimal percentile forecasting products to predict the effect of 10 m wind speed are compared.The results show that the set forecast has the effect of underestimation for the wind above 7,and the optimal members of the set forecast are not only determined from the preferred members.Six sets of forecast percentiles (maximum,95,90,85,80,75 percentile) predict wind farms,and most forecasts are smaller than actual.The error of the set forecast is calibrated by the historical deviation,and the error is reduced after the inverse calculation.Therefore,the forecast of the annihilated winds has the effect of underestimation,and the forecasting level of the post-antecedent forecast is obviously improved,and the optimal wind percentage of the wind farm products can be used to forecast the severe winds in the Bohai Sea.

参考文献：

[1] 张新玲, 吴增茂. 渤海海上测风与沿岸实测风的对比分析[J]. 海洋预报, 1998, 15(4):24-31. [2] 张增海, 曹越男, 赵伟. 渤海湾海域风况特征分析与海-陆风速对比分析[J]. 海洋预报, 2011, 28(6):33-39. [3] 王京太. 渤海、黄海偏北大风自动化预报系统[J]. 气象, 1994, 20(2):37-39. [4] 尹尽勇, 刘涛, 张增海, 等. 冬季黄渤海大风天气与渔船风损统计分析[J]. 气象, 2009, 35(6):90-95. [5] 朱男男, 刘彬贤. 一次引发黄渤海大风的爆发性气旋过程诊断分析[J]. 气象与环境学报, 2015, 31(6):59-67. [6] 孙密娜, 朱男男, 王亚男, 等. 近10年渤海近海A平台大风特征分析[J]. 海洋通报, 2016, 35(4):367-379. [7] 侯淑梅, 张少林, 盛春岩, 等. T639数值预报产品对黄渤海沿海大风预报效果检验[J]. 海洋预报, 2014, 31(6):48-56. [8] 张志华, 郭伟, 魏皓. 黄、渤海大风频次的年际变化及其影响因子分析[J]. 海洋预报, 2013, 30(1):1-8. [9] 颜梅, 范宝东, 满柯, 等. 黄渤海大风的客观相似预报[J]. 气象科技, 2004, 32(6):467-470. [10] 王畅, 刘倩, 龙强, 等. 唐山湾精细化海区大风特征初步分析[J]. 海洋预报, 2016, 33(1):11-18. [11] 荣艳敏, 闫丽凤, 盛春岩, 等. 山东精细化海区风的MOS预报方法研究[J]. 海洋预报, 2015, 32(3):59-67. [12] 朱智慧, 黄宁立. 全球谱模式T639产品在南汇站风速预报中的统计释用[J]. 大气科学研究与应用, 2011, (1):30-37. [13] 阎丽凤, 盛春岩, 肖明静, 等. MM5、WRF-RUC及T639模式对山东沿海风力预报分级检验[J]. 气象科学, 2013, 33(3):340-346. [14] 朱桦, 智协飞, 俞永庆. 消除偏差集合平均在黄海渤海大风预报中的应用[J]. 安徽农业科学, 2011, 39(6):3547-3550. [15] 杜钧, 李俊. 集合预报方法在暴雨研究和预报中的应用[J]. 气象科技进展, 2014, 4(5):6-20. [16] 智协飞, 林春泽, 白永清, 等. 北半球中纬度地区地面气温的超级集合预报[J]. 气象科学, 2009, 29(5):569-574. [17] 陈博宇, 郭云谦, 代刊, 等. 面向台风暴雨的集合预报成员优选订正技术研究及应用试验[J]. 气象, 2016, 42(12):1465-1475.

服务与反馈：

【文章下载】【发表评论】【查看评论】【加入收藏】