基于laps的逐時(shí)氣溫精細(xì)化預(yù)報(bào)應(yīng)用

基于laps的逐時(shí)氣溫精細(xì)化預(yù)報(bào)應(yīng)用

中尺度數(shù)值預(yù)報(bào)模式隨著科學(xué)技術(shù)的進(jìn)步和經(jīng)濟(jì)社會(huì)的發(fā)展，公眾，尤其是專(zhuān)業(yè)氣象用戶(hù)對(duì)氣候的需求和氣候服務(wù)的需求越來(lái)越大。這是氣象企業(yè)發(fā)展的必然趨勢(shì)。精細(xì)化預(yù)報(bào)是高分辨率天氣預(yù)報(bào)的深入應(yīng)用,高分辨率的數(shù)值模式是進(jìn)行精細(xì)化預(yù)報(bào)的基礎(chǔ)(谷湘潛等,2007)。云南省氣象科研所利用中尺度WRF數(shù)值模式及WRF三維變分同化系統(tǒng)建立了本地化的中尺度數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng),該系統(tǒng)能較好地刻畫(huà)本地下墊面的動(dòng)力和熱力狀況,預(yù)報(bào)能力有明顯改善(段旭等,2011)。武漢暴雨研究所已成功將局地分析預(yù)報(bào)系統(tǒng)(localanalysisandpredictionsystem,LAPS)移植到本地(李紅莉等,2008;2009),并且利用該系統(tǒng)融合了NCEP資料、S波段多普勒雷達(dá)資料、衛(wèi)星云導(dǎo)風(fēng)資料、地面觀測(cè)資料、探空資料以及GPS水汽資料等,實(shí)現(xiàn)了利用LAPS為中尺度數(shù)值模式提供初始場(chǎng)進(jìn)行中尺度數(shù)值預(yù)報(bào)。發(fā)展數(shù)值預(yù)報(bào)模式的釋用訂正技術(shù),提高數(shù)值預(yù)報(bào)模式輸出的氣象要素預(yù)報(bào)水平,是開(kāi)展精細(xì)化預(yù)報(bào)重要環(huán)節(jié)(矯梅燕,2007)?；谀Ｊ捷敵鼋y(tǒng)計(jì)(MOS)、神經(jīng)元網(wǎng)絡(luò)、卡爾曼(Kalman)濾波等統(tǒng)計(jì)釋用技術(shù)已被充分利用。辜旭贊(2008)基于T213模式產(chǎn)品,利用Kalman濾波技術(shù)建立湖北省多站多要素MOS預(yù)報(bào)方程,具有一定的評(píng)分水平。但是預(yù)報(bào)時(shí)間分辨率較粗,不能達(dá)到精細(xì)化要求,且預(yù)報(bào)效果受限于模式性能。郭虎等(2008)利用支持向量機(jī)和半周期函數(shù)擬合方法制作北京奧運(yùn)演練氣象要素客觀精細(xì)化預(yù)報(bào)產(chǎn)品,空間精細(xì)化到場(chǎng)館,時(shí)間精細(xì)化到3h,為奧運(yùn)演練做好氣象保障服務(wù)。張華等(2003)嘗試用最新的大氣運(yùn)動(dòng)實(shí)況資料修正MOS預(yù)報(bào)方程系數(shù),改善了MOS方程預(yù)報(bào)效果。吳君等(2007)基于MM5模式產(chǎn)品,利用BP神經(jīng)網(wǎng)絡(luò)模型建立了氣溫預(yù)報(bào)模型,時(shí)間分辨率3h,表明BP模型的氣溫預(yù)報(bào)準(zhǔn)確率高于模式直接預(yù)報(bào),可應(yīng)用于業(yè)務(wù)中制作氣溫的精細(xì)化預(yù)報(bào)。王輝贊等(2006)利用Kalman濾波方法對(duì)T106數(shù)值預(yù)報(bào)產(chǎn)品進(jìn)行誤差修正和預(yù)報(bào)優(yōu)化,結(jié)果對(duì)副熱帶高壓(以下簡(jiǎn)稱(chēng)副高)預(yù)報(bào)誤差修正效果良好。邱學(xué)興等(2012)統(tǒng)計(jì)訂正了T639模式預(yù)報(bào)系統(tǒng)誤差,表明“遞減平均法”總體表現(xiàn)為正的訂正技巧,對(duì)于地面2m溫度預(yù)報(bào)場(chǎng),冬半年訂正能力明顯高于夏半年。錢(qián)莉等(2010)基于ECMWF數(shù)值預(yù)報(bào)產(chǎn)品利用最優(yōu)子集神經(jīng)網(wǎng)絡(luò)分月建立了武威市逐日最高、最低溫度預(yù)報(bào)模型,結(jié)果表明該模型能較好地反映日極端溫度的變化,對(duì)明顯的升降溫過(guò)程反應(yīng)靈敏,對(duì)升降溫趨勢(shì)和幅度預(yù)報(bào)較為準(zhǔn)確。張禮平等(2008)利用遺傳神經(jīng)網(wǎng)絡(luò)技術(shù)釋用氣候模式預(yù)測(cè)產(chǎn)品,證明海氣耦合模式預(yù)測(cè)產(chǎn)品經(jīng)釋用后,可在業(yè)務(wù)中發(fā)揮更大的作用。氣溫要素與人民生活、生產(chǎn)密切相關(guān),尤其是電力行業(yè)中的電力負(fù)荷、用電量等對(duì)氣溫變化極為敏感。研究電力指標(biāo)與氣象因子的關(guān)系,建立電力負(fù)荷、用電量與氣溫等要素的評(píng)估預(yù)測(cè)模型已成為焦點(diǎn)(胡江林等,2002)。新疆氣象服務(wù)中心依托數(shù)值預(yù)報(bào)產(chǎn)品制作電力負(fù)荷預(yù)報(bào),實(shí)現(xiàn)為專(zhuān)業(yè)用戶(hù)提供指導(dǎo)性的專(zhuān)項(xiàng)服務(wù)產(chǎn)品(楊靜等,2010),但是準(zhǔn)確率明顯受T213模式預(yù)報(bào)能力所限。電力部門(mén)需要更精確、更精細(xì)的氣溫預(yù)報(bào),以做到供電量的合理調(diào)度,達(dá)到電網(wǎng)安全穩(wěn)定、優(yōu)質(zhì)經(jīng)濟(jì)地運(yùn)行。本文基于武漢暴雨研究所開(kāi)發(fā)的LAPS分析融合的WRF模式,主要對(duì)湖北省內(nèi)及華中區(qū)域部分用電量高峰地區(qū)代表站進(jìn)行氣溫精細(xì)化預(yù)報(bào)釋用研究,每日為區(qū)域站點(diǎn)提供次日00—23時(shí)逐時(shí)氣溫精細(xì)化預(yù)報(bào)產(chǎn)品。1精細(xì)數(shù)值預(yù)報(bào)系統(tǒng)利用武漢暴雨研究所引進(jìn)的局地分析預(yù)報(bào)系統(tǒng)(LAPS)作為分析融合系統(tǒng),WRF模式作為高分辨率預(yù)報(bào)模式,根據(jù)區(qū)域氣候、地形特點(diǎn)及系統(tǒng)建設(shè)要求,進(jìn)行本地化移植及調(diào)試,自動(dòng)化運(yùn)行保障等工作,建立每3h啟動(dòng)一次的精細(xì)化數(shù)值預(yù)報(bào)系統(tǒng),提供高時(shí)空分辨率的精細(xì)化數(shù)值預(yù)報(bào)產(chǎn)品。利用全球GFS每3h一次的預(yù)報(bào)場(chǎng)作為L(zhǎng)APS系統(tǒng)背景場(chǎng),將長(zhǎng)江流域各省市多普勒雷達(dá)基數(shù)據(jù)、常規(guī)探空觀測(cè)資料、常規(guī)地面觀測(cè)資料、加密自動(dòng)站觀測(cè)資料、GPS水汽資料、風(fēng)云二號(hào)衛(wèi)星資料等觀測(cè)資料進(jìn)行融合同化,每3h為中尺度數(shù)值模式WRF提供初始場(chǎng)。WRF模式版本利用WRFV3.1,預(yù)報(bào)區(qū)域采用WSM6顯式云物理方案,關(guān)閉對(duì)流參數(shù)化方案,利用YSU邊界層方案進(jìn)行設(shè)定,側(cè)邊界條件為時(shí)變邊界。預(yù)報(bào)區(qū)域中心點(diǎn)為30.5°N、110.5°E,水平分辨率3km,范圍為24°～37°N、104°～117°E,包括湖北、湖南、河南和重慶等省(市、區(qū)),預(yù)報(bào)時(shí)間分辨率為1h。2模式4:時(shí)間和模型選取為了滿(mǎn)足湖北電力、華中電力系統(tǒng)對(duì)逐時(shí)氣溫預(yù)報(bào)的需求,開(kāi)展氣溫精細(xì)化預(yù)報(bào)服務(wù),依據(jù)專(zhuān)業(yè)用戶(hù)指定湖北省內(nèi)及華中區(qū)域主要城市用電量高峰地點(diǎn),挑選區(qū)域55個(gè)自動(dòng)氣象觀測(cè)站(圖1),進(jìn)行氣溫精細(xì)化預(yù)報(bào),開(kāi)展專(zhuān)業(yè)氣象服務(wù)。選取資料長(zhǎng)度為2011年4月1日至7月20日。模式資料基于LAPS分析的WRF模式,輸出高時(shí)空分辨率精細(xì)化數(shù)值預(yù)報(bào)產(chǎn)品,要素包括三維溫、壓、濕、風(fēng)及地面2m氣溫等。起報(bào)時(shí)間為2011年3月30日至7月19日每日08時(shí),提取次日00—23時(shí)逐時(shí)物理量場(chǎng)。利用數(shù)值模式釋用技術(shù),每日為區(qū)域站點(diǎn)提供次日00-23時(shí)逐時(shí)氣溫精細(xì)化預(yù)報(bào)產(chǎn)品。將模式輸出的三維溫、壓、濕、風(fēng)場(chǎng)等插值到區(qū)域站點(diǎn)上,并設(shè)計(jì)以下幾種模式釋用方案:(1)采用逐時(shí)樣本“串連”,逐站建立MOS預(yù)報(bào)方程,記為MOS-1方案。(2)去除氣溫日間變化影響,逐站逐時(shí)刻建立MOS預(yù)報(bào)方程,記為MOS-2方案。(3)以模式產(chǎn)品為預(yù)報(bào)因子,采用卡爾曼(Kalman)濾波技術(shù),逐站逐時(shí)刻建立Kalman系統(tǒng)預(yù)報(bào)方程,記為Kalman-1方案。(4)在模式產(chǎn)品為預(yù)報(bào)因子的基礎(chǔ)上,引入前一日實(shí)況最高氣溫為預(yù)報(bào)因子,逐站逐時(shí)刻建立Kalman系統(tǒng)預(yù)報(bào)方程,記為Kalman-2方案。MOS方法中各因子的系數(shù)一般是固定的,而實(shí)際各預(yù)報(bào)因子對(duì)預(yù)報(bào)量的權(quán)重影響是動(dòng)態(tài)變化的。因此在業(yè)務(wù)運(yùn)行中,可采用“滾動(dòng)系數(shù)”的方式建立MOS預(yù)報(bào)模型。每日替換最新的實(shí)況和模式樣本數(shù)據(jù),訓(xùn)練一組新的方程參數(shù),使預(yù)報(bào)模型能夠適應(yīng)天氣、氣候的變化。而Kalman濾波方法具有利用上一次預(yù)報(bào)誤差的反饋信息來(lái)修正原預(yù)報(bào)方程參數(shù)的特點(diǎn),預(yù)報(bào)系統(tǒng)方程本身是動(dòng)態(tài)的。氣溫預(yù)報(bào)的檢驗(yàn)方法(張強(qiáng)等,2009)采用平均絕對(duì)誤差(TMAE)和預(yù)報(bào)準(zhǔn)確率:式中,Fi為第i站(次)預(yù)報(bào)氣溫,Oi為第i站(次)實(shí)況氣溫,K為1、2,分別代表|Fi-Oi|≤1℃、|Fi-Oi|≤2℃,為預(yù)報(bào)正確的站(次)數(shù),為預(yù)報(bào)的總站(次)數(shù)。文中檢驗(yàn)預(yù)報(bào)準(zhǔn)確率采用|FiOi|≤2℃的閾值。3報(bào)告方案的執(zhí)行3.1模式預(yù)報(bào)因子的選取MOS降水預(yù)報(bào)往往依據(jù)系統(tǒng)輻合抬升、水汽條件和高低層配置等結(jié)構(gòu)特征選取預(yù)報(bào)因子,這些因子符合動(dòng)力學(xué)原理和系統(tǒng)發(fā)展機(jī)制(孫永剛等,1998),如上升運(yùn)動(dòng)、渦散度、中低層水汽、水汽垂直輸送及綜合指數(shù)等。而將此類(lèi)因子引入MOS氣溫精細(xì)化預(yù)報(bào)方程后,由于預(yù)報(bào)因子與預(yù)報(bào)對(duì)象近乎無(wú)相關(guān)性,試驗(yàn)效果反而不理想。因此對(duì)氣溫預(yù)報(bào)因子的選取,先通過(guò)模式輸出要素與站點(diǎn)實(shí)況氣溫的相關(guān)普查,再經(jīng)過(guò)預(yù)報(bào)檢驗(yàn)篩選,發(fā)現(xiàn)選取以下8個(gè)因子時(shí)誤差檢驗(yàn)最小,見(jiàn)表1。選取的預(yù)報(bào)因子與預(yù)報(bào)對(duì)象是線(xiàn)性相關(guān)的,且具有一定的天氣學(xué)意義。模式直接預(yù)報(bào)2m氣溫與實(shí)況氣溫的相關(guān)系數(shù)高達(dá)0.9,可見(jiàn)基于LAPS分析的WRF模式預(yù)報(bào)信度較高,預(yù)報(bào)趨勢(shì)基本相一致。由于MOS-1方案將逐時(shí)樣本“串連”,大量擴(kuò)充了樣本,利于建立穩(wěn)定的預(yù)報(bào)模型。利用資料前80d作為擬合期,訓(xùn)練模型參數(shù),后31d作為預(yù)報(bào)期,檢驗(yàn)?zāi)Ｐ皖A(yù)報(bào)效果。圖2給出WRF模式和MOS-1方案預(yù)報(bào)氣溫的逐日區(qū)域平均絕對(duì)誤差(TMAE),由圖可見(jiàn),MOS-1在擬合期、預(yù)報(bào)期預(yù)報(bào)均穩(wěn)定,TMAE明顯小于模式直接預(yù)報(bào)。3.2mos-2預(yù)報(bào)模型考慮到氣溫日間變化可能影響預(yù)報(bào)準(zhǔn)確率,采用MOS-2方案,每個(gè)站逐時(shí)刻建立24個(gè)預(yù)報(bào)方程。由于擬合樣本數(shù)量有限,方程不利于引入過(guò)多個(gè)因子。試驗(yàn)表明,多個(gè)預(yù)報(bào)因子引入MOS-2方程,可使預(yù)報(bào)的擬合期誤差較小,而預(yù)報(bào)期誤差較大。通過(guò)引入不同因子進(jìn)行預(yù)報(bào)檢驗(yàn)篩選,基于業(yè)務(wù)簡(jiǎn)化原則,最后確定MOS-2方案的預(yù)報(bào)因子為2m氣溫和500hPa位勢(shì)高度。模式直接預(yù)報(bào)氣溫可信度高,位勢(shì)高度具有明確的天氣學(xué)意義。利用前80d資料建立預(yù)報(bào)模型,后31d資料進(jìn)行預(yù)報(bào)檢驗(yàn)。3.3預(yù)警系統(tǒng)的修正Kalman濾波方法是在MOS方程基礎(chǔ)上,通過(guò)對(duì)系數(shù)的動(dòng)態(tài)調(diào)整來(lái)達(dá)到減小誤差的目的?；跒V波的基本思想,利用前一次預(yù)報(bào)誤差的反饋信息來(lái)及時(shí)修正和調(diào)整預(yù)報(bào)方程,以提高下一次預(yù)報(bào)精度(陸如華等,1994)。在MOS-2方案基礎(chǔ)上,以2m氣溫和500hPa位勢(shì)高度為兩個(gè)預(yù)報(bào)因子,利用前80d資料估算Kalman濾波系統(tǒng)遞推起步的4個(gè)重要參數(shù)(陸如華等,1997),后31d資料進(jìn)行預(yù)報(bào)檢驗(yàn)。3.4引入預(yù)報(bào)因子試驗(yàn)表明,Kalman-1方案對(duì)午間氣溫預(yù)報(bào)存在較大負(fù)偏差。考慮在此基礎(chǔ)上,引入前一日實(shí)況最高氣溫作為其中預(yù)報(bào)因子,記為Kalman-2方案,武漢站日最高氣溫滯后24h的自相關(guān)系數(shù)達(dá)到0.75,引入該因子有望提高預(yù)報(bào)準(zhǔn)確率。4模式2:wrf逐時(shí)氣溫因子確定對(duì)各方案進(jìn)行預(yù)報(bào)檢驗(yàn),圖3給出后31d預(yù)報(bào)期逐時(shí)區(qū)域平均絕對(duì)誤差。TMAE控制在2℃以?xún)?nèi)為預(yù)報(bào)準(zhǔn)確。圖3a,WRF預(yù)報(bào)08—11時(shí)TMAE低于2℃,夜間23—07時(shí)TMAE均高于2.5℃,對(duì)最低氣溫預(yù)報(bào)準(zhǔn)確率較低。Kalman-1預(yù)報(bào)14—18時(shí)TMAE略大,夜間時(shí)刻TMAE明顯降低。Kalman-2方案引入實(shí)況最高氣溫因子后,逐時(shí)TMAE均比Kalman-1低0.1℃。圖3b,午間時(shí)刻MOS-1和MOS-2誤差均能控制在2℃以?xún)?nèi),并且略低于Kalman-2;夜間時(shí)刻MOS-2誤差明顯小于MOS-1,且Kalman-2誤差最小。此外對(duì)MOS-2引入實(shí)況最高氣溫因子,預(yù)報(bào)效果并無(wú)改善。圖4給出預(yù)報(bào)期逐站平均絕對(duì)誤差,由圖可見(jiàn),WRF絕大多數(shù)站點(diǎn)的逐時(shí)氣溫TMAE大于2℃,MOS-1誤差明顯減小,只有少數(shù)站點(diǎn)的TMAE大于2℃。Kalman-2及MOS-2平均誤差最低,僅鄭州、洛陽(yáng)和孟津站點(diǎn)TMAE略大于2℃,這與WRF預(yù)報(bào)誤差較大有關(guān),也可能與選取預(yù)報(bào)因子的地域差異有關(guān)。圖5分別給出各方案擬合期和預(yù)報(bào)期區(qū)域平均誤差及預(yù)報(bào)準(zhǔn)確率評(píng)分。由圖可見(jiàn),WRF逐時(shí)氣溫TMAE高于2℃,預(yù)報(bào)準(zhǔn)確率為50%左右,模式預(yù)報(bào)趨勢(shì)較好,但誤差偏大。通過(guò)模式釋用,各方案可使TMAE控制在2℃以?xún)?nèi)的容許范圍,預(yù)報(bào)準(zhǔn)確率也提高到60%～70%。各方案擬合期相當(dāng),預(yù)報(bào)期由于夜間Kalman-2誤差最小、MOS-2次之,Kalman-2預(yù)報(bào)評(píng)分也因此略高于MOS-2及MOS-1。5對(duì)模式釋用方案效果每日提供逐時(shí)氣溫精細(xì)化預(yù)報(bào)的同時(shí),檢驗(yàn)各方案能否提供較高準(zhǔn)確率的日最高、最低氣溫預(yù)報(bào)產(chǎn)品。這里最高、最低氣溫是24h預(yù)報(bào)時(shí)效的00—23時(shí)之間的極值。圖6統(tǒng)計(jì)了2011年4月1日至7月20日區(qū)域站點(diǎn)逐日最高氣溫(Tmax)和最低氣溫(Tmin),檢驗(yàn)各方案極值氣溫預(yù)報(bào)的平均絕對(duì)誤差和預(yù)報(bào)準(zhǔn)確率。由圖可見(jiàn),基于LAPS同化的WRF模式對(duì)高溫預(yù)報(bào)效果優(yōu)于低溫,Tmax誤差為2.3℃,Tmin誤差為2.5℃,Tmax評(píng)分為54%,Tmin評(píng)分為4%。模式釋用方案對(duì)Tmin改進(jìn)明顯,MOS-1、MOS-2及Kalman-2可分別使TMAE降低到1.6℃、1.5℃和1.4℃,預(yù)報(bào)評(píng)分分別提高到67%、73%和74%。但是對(duì)Tmax改進(jìn)效果不明顯,各方案預(yù)報(bào)效果相當(dāng),TMAE控制在2℃范圍,評(píng)分達(dá)到57%左右。通過(guò)計(jì)算區(qū)域站點(diǎn)平均系統(tǒng)性偏差(一段時(shí)間內(nèi)實(shí)況與預(yù)報(bào)的平均差值),模式預(yù)報(bào)最高、最低氣溫的系統(tǒng)性偏差分別為-0.7℃和1.9℃,即高溫預(yù)報(bào)偏高、低溫預(yù)報(bào)偏低,并且模式對(duì)低溫預(yù)報(bào)存在更明顯的系統(tǒng)偏差,因此對(duì)低溫的偏差訂正改進(jìn)效果更為明顯。通過(guò)模式釋用,最高、最低氣溫的系統(tǒng)性偏差分別降低為0.3℃和0.4℃。綜上所述,現(xiàn)有方案能夠有效降低輸出分辨率為逐小時(shí)的中尺度模式預(yù)報(bào)誤差,提高預(yù)報(bào)準(zhǔn)確率,能夠滿(mǎn)足現(xiàn)階段專(zhuān)業(yè)用戶(hù)(湖北電力和華中電力)對(duì)氣象部門(mén)氣溫預(yù)報(bào)分辨率及準(zhǔn)確率的要求。隨著專(zhuān)業(yè)用戶(hù)對(duì)氣象服務(wù)需求的日益增長(zhǎng),如新能源產(chǎn)業(yè)中風(fēng)電功率預(yù)報(bào)對(duì)風(fēng)速預(yù)報(bào)需求、太陽(yáng)能光伏發(fā)電預(yù)報(bào)對(duì)短波輻射需求,以及電力負(fù)荷預(yù)報(bào)對(duì)氣溫預(yù)報(bào)需求等,氣象部門(mén)應(yīng)當(dāng)充分發(fā)揮自身數(shù)值天氣預(yù)報(bào)模式的優(yōu)勢(shì),及時(shí)開(kāi)展對(duì)高分辨率模式的應(yīng)用,提高模式釋用水平,盡可能滿(mǎn)足專(zhuān)業(yè)氣象用戶(hù)對(duì)天氣預(yù)報(bào)要求及氣象服務(wù)的需求。6模式釋用及效果為了滿(mǎn)足湖北電力和華中電力系統(tǒng)對(duì)逐時(shí)氣溫預(yù)報(bào)的需求,開(kāi)展氣溫精細(xì)化預(yù)報(bào)服務(wù),基于LAPS分析融合的WRF模式,利用2011年4月1日至7月20日高時(shí)空分辨率精細(xì)化數(shù)值預(yù)報(bào)產(chǎn)品,對(duì)湖北省內(nèi)及周邊區(qū)域55個(gè)站點(diǎn)逐時(shí)氣溫進(jìn)行精細(xì)化預(yù)報(bào)釋用,檢驗(yàn)比較幾種模式釋用方案,得到以下結(jié)論。(1)基于LAPS分析的WRF模式預(yù)報(bào)趨勢(shì)較準(zhǔn)確,與實(shí)況氣溫相關(guān)系數(shù)達(dá)到0.9,逐時(shí)預(yù)報(bào)準(zhǔn)確率評(píng)分在50%左右。通過(guò)模式釋用,可使評(píng)分達(dá)到60%～70%。WRF日間(08—20時(shí))預(yù)報(bào)誤差小于夜間,對(duì)高溫預(yù)報(bào)準(zhǔn)確率較高,Tmax評(píng)分為54%,對(duì)低溫預(yù)報(bào)準(zhǔn)確率較低,Tmin評(píng)分為44%。模式釋用方案對(duì)Tmin預(yù)報(bào)改進(jìn)效果明顯,MOS-1、MOS-2及Kalman-2可使預(yù)報(bào)評(píng)分分別提高到