QuikSCAT和ASCAT卫星反演风场在中国南海北部的适用性研究

对QuikSCAT和ASCAT原始轨道10 m反演风场与浮标资料在中国南海北部的统计检验分析结果表明:两套卫星资料在中国南海北部具有较好的适用性,QuickSCAT反演风速偏高0.46 m·s~(-1),ASCAT反演风速在近海偏高0.45 m·s~(-1),在开阔海域偏高0.07 m·s~(-1)。超过半数的QuickSCAT反演风向误差30°。在近岸海域,ASCAT反演风向误差30°的超过56%,在开阔海域,误差绝对值30°的达到64%。小风时卫星反演风速偏大,大风时卫星反演风速明显偏小,且白天的偏差大于夜间;在5~10 m·s~(-1)风速条件下,两者的一致性较好。用WRF模式模拟的近海风能资源存在高估的可能,卫星资料对近海风能资源评估是个有益的补充,本文对卫星反演风场误差的分析结果也可以为卫星反演风场的资料同化提供参考。     

青岛沿海ASCAT卫星反演风场与浮标海岛实测风场的对比分析

本文通过对比检验2013年1月至2016年6月ASCAT卫星反演风场与青岛浮标海岛站实测10m风场资料,开展ASCAT卫星反演风场在青岛沿海的适用评估。结果表明:ASCAT反演风速整体偏大,风向偏左,但整体偏差均较小。ASCAT反演风场和浮标海岛站实测风场的风速和风向的整体偏差分别为1.6m/s和-9.6°,说明ASCAT反演风场在青岛沿岸有很好的适用性,比EC再分析资料能更细致地反映青岛沿岸的风场空间分布。从风速分级比较来看,风速越弱,卫星反演风速越接近站点实测风速,反演结果越好,而风向反演结果则反之。风速和风向的反演效果皆是晚上比早晨好。并且季节变化对风速反演效果影响不大,但是对风向反演效果有一定的影响,秋冬季节风向反演结果好于春夏季节。最后,对ASCAT反演风速分别进行线性回归订正、综合误差、风速等级误差和升降轨误差订正,发现线性回归订正结果最佳。     

浙北沿岸海域海面风场反演方法的研究

高质量的海面实况风场是海洋气象监测和预报的基础,卫星反演的大陆沿岸海域海面风场的准确率不高。文章基于反映近地面风速廓线变化的指数律公式,利用浙江北部沿岸海岛或滩涂上布设的中尺度自动站来反演附近海面风场,并使用客观分析方法将反演的离散风场值转换到中尺度网格上,从而获得完整的高分辨率海面风场。指数律中参数α值对于反演风场的准确率至关重要,它主要受到下垫面状况以及大气层结状态的影响,而后者的影响较前者更大。文章使用多个风塔站的风廓线率值进行了反演风场的误差试验,结果表明:目前单一风速廓线还无法取得最优的反演效果,有必要分季节使用多站风速廓线。使用混合风速廓线得到的总体样本的平均偏差为0.04 m·s~(-1),平均绝对误差为1.51 m·s~(-1),均方根误差为2.01 m·s~(-1)。对海面反演风场的优化可以将总体样本的平均绝对误差和均方根误差分别降低到1.28和1.68 m·s~(-1)。     

基于机器学习的风场预报订正方法研究

为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验,利用LightGBM模型对于3个站点预报进行订正,结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。     

ASCAT与HY-2A风场产品在南海的精度评估

基于中国科学院南海海洋研究所提供的2012年1月1日—2013年12月31日西沙自动气象站观测资料以及同时间序列的欧洲中心ERA-interim再分析风场产品,统计了ASCAT和HY-2A散射计风场产品的误差特征,分析散射计资料在南海的适用性。分析得出:ASCAT和HY-2A的风速、风向与自动站一致性高,相关系数均大于0.85,ASCAT风速和风向均方根误差分别为1.57 m/s和15.42 °,HY-2A均方根误差略微偏大,分别为2.02 m/s和24.75 °;ASCAT和HY-2A散射计与ERA-interim风速、风向有很好的一致性,在不考虑低风速（ < 3 m/s）的条件下,风速均方根误差分别为1.40 m/s和1.56 m/s,风向均方根误差分别为15.09 °和17.07 °,与设计精度一致,表明ASCAT与HY-2A风场产品在南海是适用的。此外,散射计相对再分析风场的偏差没有明显的季节性变化      

多普勒激光雷达风场反演方法研究

采用三维变分同化反演(3DVAR)、 四维变分同化反演(4DVAR) 对多普勒激光雷达资料反演风场的方法进行了研究, 利用车载多普勒激光雷达在2008年残奥会测试赛期间外场试验取得的数据, 反演了海面10 m高度处的风场, 并将风场反演结果与浮标资料进行了对比分析, 结果表明: 3DVAR、4DVAR风场反演方法均能实现近海面风的精细化风场反演, 并能反映出风向的变化, 反演风场与浮标数据基本一致, 在风速较大的天气情况, 3DVAR与4DVAR反演风场的一致性要好于风速较小的天气情况; 4DVAR反演方法中以浮标资料作为背景场, 使得其与浮标的符合程度要好于3DVAR方法反演风场; 反演风场的风向与浮标风向具有很好的相关关系, 反演风场的风速与浮标风速具有一定的相关关系, 反演风场的风向、风速与浮标的风向、风速之间平均均方根误差和平均绝对误差表明, 这两序列之间具有一定差别, 在风速较小的天气情况下使用时需要注意。     

ASCAT散射计风场在我国近海的初步检验与应用

为了弥补中国近海海区缺乏洋面风场观测资料,提高海洋气象预报能力,对MetOP-A极轨卫星搭载的ASCAT散射计反演风场资料和中国气象局在近海布设的18个浮标站测风资料进行对比。结果表明,离岸较远的海域中ASCAT反演风场的质量要优于离岸较近的海域,在较远的海域中,ASCAT风速和浮标观测风速的平均偏差为0.9 m·s~(-1),ASCAT的风速高于浮标站的风速,平均绝对偏差和均方根误差分别为1.2和1.4 m·s~(-1),风速的相关系数为0.94。统计特征分析结果显示,ASCAT散射计风场资料在中国近海有较好的可信度,在高风速的时候,ASCAT和浮标资料一致性较好,而低风速时候,ASCAT比浮标略偏大。目前,中央气象台正在逐步开展ASCAT资料的业务应用,ASCAT洋面的MICAPS格式产品和图形产品现已实现准实时运行。     

高时空分辨率三维风场在强对流天气临近预报中的融合应用研究

以业务应用为目标,开展高时、空分辨率三维风场在强对流天气临近预报中的融合应用研究。运用北京快速更新多尺度分析和预报系统集成子系统（RMAPS-IN,Rapid-refresh Multi-scale Analysis and Prediction System-Integration）,对雷达四维变分分析系统（VDRAS）30 min临近预报的高时、空分辨率三维风场作为数据源与自动气象站风场观测进行快速融合处理。结果表明,以VDRAS临近预报风场取代数值模式预报场作为融合初猜场后形成的分析结果对于风场有明显的改善:（1）长时间序列客观检验结果表明,地面10 m高风场U/V分量绝对误差分别为0.05和0.06 m/s。实时融合对未来预报的影响随着预报时效的延长,U/V分量的绝对误差不断增大。（2）对于11个强对流个例,地面10 m高风场风速均方根误差降低0.3 m/s,风向均方根误差降低13°;边界层三维风场,风速均方根误差降低0.8 m/s,风向均方根误差降低10°。平原站点融合以后风速、风向预报效果有较大改善,山区站点融合以后改善相对较小。（3）通过对2017年7月20日暴雨和7月7日雷暴大风个例的详细分析,发现融合基于雷达资料四维变分同化获得的高分辨率临近预报风场对各对流系统中的中尺度结构特征给出了更加细致准确的描述。      

雷达资料快速更新四维变分同化中增加地面资料同化对强对流临近数值预报的影响

基于雷达资料快速更新四维变分同化（RR4DVar）技术和三维数值云模式发展的快速更新雷达四维变分分析系统（VDRAS）,通过在系统中加入地面自动气象站观测资料的同化方法,对发生在北京地区的10个强对流过程开展了地面资料同化的高分辨率模拟分析和检验评估,并与已经业务使用的地面资料融合方法进行对比。研究结果发现,地面观测资料同化使边界层1 km高度以下的分析场改善最为明显,风速和风向的均方根误差分别平均降低0.1 m/s和7.2°,温度的均方根误差降低0.2℃。模式最低层100 m高度的风速均方根误差降低0.5 m/s,风速的误差随高度上升逐渐增大。模式最低层风向的均方根误差降低15.5°,温度的均方根误差降低0.4℃,且1.5 km高度以下的温度偏差都减小。区域内地面10 m高风速的均方根误差平均降低0.2 m/s,风向的均方根误差降低10.8°,地面2 m气温的偏差也降低。随着预报时效的延长,地面温度和风场的误差不断增大,但地面资料同化方法在一定程度上可以提高1 h内地面气象要素的预报效果。对2019年5月17日北京地区局地强对流新生和增强过程的详细分析表明,地面自动气象站观测资料的同化方法相对于融合,可以通过更细致准确地分析低层大气的热动力特征,改善低层气象要素的预报效果。在此基础上,通过探究对流单体的局地触发机理发现,海风锋辐合线与城市的相互作用一定程度上影响了对流的局地新生和发展,该同化方法可以进一步提高北京地区局地突发强对流的临近数值预报能力。      

2020年CLDAS风场数据在辽宁省的适用性分析

选用2020年辽宁省286个气象站点地面10 m风场数据与中国气象局陆面数据同化系统(CLDAS)10 m风场数据,统计逐小时CLDAS网格插值到站点的风速数据与站点观测风速数据的相关系数(COR)、平均偏差(ME)、均方根误差(RMSE)和平均绝对误差(MAE),进行CLDAS风场数据在辽宁省的适用性分析和评估。结果表明：CLDAS风场格点数据分辨率1 km较5 km更接近站点观测数据,邻近点插值法较双线性插值法偏差更小。辽宁省286个站点中,逐小时CLDAS风场数据与观测数据相关系数低于0.95的站数仅占总站数的1.7%。辽宁沿海低海拔地区和北部地区较其他内陆地区的CLDAS风速与站点风速偏差大。CLDAS风速与观测风速误差的平均值为负,其中,秋季平均偏差最小,夏季、冬两季次之,春季偏差最大;夜间夏季、秋季日变化偏差最小,冬季次之,春季最大;白天冬季偏差最小,夏季、秋季次之,春季最大。辽宁省3次大风个例分析均表明,CLDAS风场数据有较好的适用性。     

新疆哈密复杂地形风场的数值模拟及特征分析

为了实现复杂地形下高分辨率风场的数值模拟及特征分析,采用中尺度气象模式WRF(Weather Research and Forecasting M odel)结合牛顿松弛逼近Nudging资料同化技术,实现哈密地区水平分辨率1 km的近地层风场数值模拟计算。基于模拟区域测风塔实测数据的对比检验发现,同化观测资料后风速风向的模拟结果均与实测更加接近,70 m高度风速模拟结果的绝对误差降低0. 25 m·s~(-1),同化后的模拟结果可以较好的修正风速较小时模拟值偏高和风速较大时模拟值偏小的问题,同时风廓线的模拟结果也与实测更加吻合。通过分析哈密复杂地形下水平分辨率1 km逐10 min风场输出结果发现:(1)哈密地区地形比较复杂,风速平面分布差异很大,4月份风速较大区域主要分布在山北地区和西部山南垭口附近,而7月份风速较大区域则位于西部的山坳南部和北部地区;(2)复杂地形下风速较小时风速为负切变,且平均风速越小负切变值越大,地形越复杂负切变值越大;风速较大即使是复杂地形下同样为正切变,但是正切变值比平坦地区的值要小,平坦地形下风速越大正切变值越大;(3)哈密地区复杂地形下,风速12～25 m·s~(-1)的风速占比在时间和空间上分布差异较大,风速较大的4月份,大部分地区占比达到20%以上,尤其是山北和西部垭口附近,占比甚至达到了50%以上,风速为12～25 m·s~(-1)的情况下80 m高度平均风速比60 m高0. 60～0. 80 m·s~(-1),比月平均风速的垂直变化值要大;(4)风速较大时,风向10 min变化不明显,风速较小时,风向变化值较大,且地形较平坦地区风向变化值较大,地形复杂地区变化值较小;(5)风向的垂直变化与风速大小关系比较明显,风速越小,其垂直变化越大,风向垂直变化的区域分布与地形复杂程度相关,地形越复杂风向的垂直变化值越大。     

基于WRF-LES的崇礼复杂地形局地风场模拟研究

采用四重嵌套的WRF-LES,针对2022年北京冬奥会张家口崇礼赛区开展局地风场模拟试验,基于地面自动气象站和激光雷达观测资料,对一次晴空高压系统控制下的具有明显局地风环流特征的天气个例模拟结果进行检验评估。文中引入了STRM1 30 m地形数据、glc2015 27 m土地利用数据和CL‐DAS的土壤湿度数据用以提高模拟结果的准确性,并设计了敏感性试验来探讨不同资料对模拟结果的影响。结果表明：(1)WRF-LES能够呈现出复杂地形下局地风场的时空变化特征,各站风向绝对误差在10°～60°,风速绝对误差在0.5～2 m·s^-1。在山谷和山沟区域,模拟风场和观测风场都表现出明显的日变化特征,海拔较高站点的误差比海拔相对较低站点的误差更小。海拔较低站点在山谷风或上下坡风发展稳定时段风向误差较小,风向转换时段误差较大。(2)更新地形、土地利用以及CLDAS土壤湿度初始场对模拟结果都有一定程度改善。其中更新CLDAS土壤湿度初始场对风向和2 m气温的改善效果最为明显,风向绝对误差减小4.26°,2 m气温绝对误差减小0.84℃。更新土地利用对风速的改善效果最明显,风速绝对...     

利用AMDAR数据分析厦门、泉州双雷达三维风场反演误差

利用2016年全年进出厦门机场和晋江机场航班的AMDAR(Aircraft Meteorological DAta Relay)数据对双雷达反演风场进行检验,分析了厦门、泉州双雷达风场反演的总体误差,研究结果表明:1)验证了双雷达连线附近区域反演风场的平均绝对误差较大,发现了与两部雷达连线的夹角小于15°和大于165°的区域的反演结果的平均绝对误差明显大于误差的年平均值。2)对于反演风向而言,误差随着高度增加而减小。对于反演风速而言,高度在9 km以下的反演误差在5 m/s左右,而9 km以上的反演误差较小。3)剔除了双雷达连线附近区域(与两部雷达连线的夹角小于15°和大于165°的区域)和反射率因子小于5 dBZ以及等于100 dBZ(剔除非气象回波)的反演结果后,双雷达反演风场误差较小,相对于AMDAR数据的风向年平均绝对误差为29.4°,风速年平均绝对误差为3.28 m/s,总体误差在可接受范围之内,反演结果接近"真值",该反演方法稳定可靠。     

基于名单控制方法的探空测风数据质量分析

提出一种基于观测数据获取率、获取准时率、质量控制正确率和模式一致率的综合名单控制方法,使用2019年全国120个探空站测风数据对该方法进行验证,并对观测数据质量进行分析。结果显示:名单控制可以有效检查出观测数据存在问题的站点,名单站点观测数据相对于模式数据存在明显的系统性偏差,偏差和均方根误差相对于全国平均值都显著偏大。探空测风数据质量较好,四季风向、风速观测数据和模式数据较为一致,偏差分别在±1°和±1.5 m·s~(-1)内;秋季风向一致性较好;夏季和冬季风速一致性低于春季和秋季;风向一致性春季和夏季随气压减小先减小后增大,秋季和冬季则相反;风速一致性随气压减小基本呈三峰型变化。     

上海组网风廓线雷达数据质量评估

利用2014年6月美国国家环境预报中心(NCEP)的全球模式分析资料,对上海及周边地区组网的七部边界层风廓线雷达的水平测风数据进行了初步分析和比较。由于NCEP全球模式分析资料并未使用上海13:15加密观测探空秒间隔数据,首先用该数据对NCEP分析资料的准确性和代表性进行了检验。结果表明,两者平均偏差与均方根误差均较小,故认为NCEP分析资料可用于客观检验上海及周边地区组网的七部边界层风廓线雷达的水平测风数据。对比分析风廓线雷达与NCEP分析资料表明总体上,风廓线雷达与NCEP分析资料的平均风场风速偏差为-0.14 m·s~(-1),均方根误差为2.72 m·s~(-1),风向偏差为-4.28°。上海组网风廓线雷达测风资料质量与探空观测水平接近,有较高的可用性。     

变分方法在渤海海域ASCAT风场订正中的应用

利用渤海观测站风场对ASCAT风场进行检验,发现其风速、风向均有较大误差,尤其在渤海中部以外的海域可信度相对较低。为提高ASCAT风场在渤海海域的精度,基于变分方法,利用渤海观测站风场对2017年9月—2018年2月的ASCAT风场进行订正,得到空间分辨率为12.5 km×12.5 km的订正风场。并对辽东湾、渤海湾、莱州湾、渤海中部和渤海海峡5个海域风场的订正误差进行检验,结果表明:ASCAT风场订正后精度提高显著,风速平均偏差从4 m·s-1减小为1 m·s-1,风向平均偏差从-30°~30°减小为-7°~4°,可见变分方法对渤海ASCAT风场有很好的订正效果,尤其对误差较大的渤海湾订正效果最为明显。对2017年12月18日的一次大风过程进行订正分析,结果表明:订正风场可以很好地反映沿岸风场信息和大风过程中的风速极值区,并能动态监测大风变化过程。变分方法解决了海面观测数据空间分辨率低、ASCAT数据精度低的问题,能够实时监测海上大风,且对大风预报有很好的指导意义,能够为海洋模式提供更精确的初始场。     

基于渤海石油平台海面风观测的FNL资料评估

对2018年全年渤海石油平台海上观测的15个站点的风速风向进行了分析,并利用4个代表站1、4、7和10月的资料对分辨率为0.25°×0.25°NCEP/NCAR的FNL资料分析风场的误差进行了对比评估。结果表明:(1)观测风速风向存在较大区域性差异;(2)FNL风场资料在渤海地区近海风速整体偏大;(3)夏季当风速小于15 m/s时,FNL的风速可信度最高;冬季当风速大于15 m/s时,FNL的风向可信度最高;(4)秋季风向误差最高,春季次之。当风速小于5 m/s时,风向误差较大。     

华中区域中尺度业务模式水平风场预报能力的检验评估

利用经过质量控制的风廓线雷达组网资料(以下简称观测)对华中区域中尺度业务模式(WHMM)水平风场的预报能力进行检验评估,分别从总体、不同高度、不同风速以及单站等方面对全风速(wspd)、纬向风(u)、经向风(v)进行1个月(2013年5月)的统计分析。结果表明:(1) WHMM对风场具有较好的预报能力。其12 h和24 h的预报与观测的相关系数在0.6以上,通过α=0.01的显著性检验,12 h相关系数大于24 h的,预报风速整体存在负偏差,较观测偏小。随预报时效延长,风场的预报误差增大。u和wspd的预报能力好于v。(2)在垂直方向上,WHMM的wspd、u和v预报的均方根误差(RMSE)随高度先增加后减小,在1～2 km高度预报误差较大,4～5 km的预报误差较小。(3)按照风廓线雷达测风wspd间隔5 m·s~(-1)将模式预报分组,在30 m·s~(-1)以下不同速度分组中,WHMM 12 h预报的wspd、u和v与观测值的相关系数均大于24 h的,且通过α=0.01的显著性检验,12 h预报的RMSE大于24 h的,并随风速增加而增大。(4)从单站的风廓线来看,模式可以预报出站点上空风场随高度的变化趋势,广州站预报效果好于芜湖和秭归站。     

第24届冬奥会海坨山赛区近两年冬季地面风场特征

基于北京市海坨山赛区4个自动气象站2014、2015年冬半年地面风场资料,分析第24届冬奥会海坨山赛区冬季地面风场分布特征。结果表明:(1)各站冬季地面风场具有明显的风向取向以及风速值分布区间特征,其中海拔较高的A1492站风向呈明显的西西南至西北4个方位取向,10.0 m·s~(-1)以上风速的发生频率约为49.1%,月平均风速均10.0 m·s~(-1);(2)各站月平均风速最大值均出现在1月,A1489、A1490和A1491站风速最小值均出现在11月,A1492站最小值出现在3月;(3)各站日逐小时平均风速呈典型的日变化特征,08:00—16:00风速逐渐增大、16:00—18:00缓慢减小。     

南海海面风场变分融合的初步研究

利用二维变分同化(2DVar)方法,把南海海域(110.12~117.92 °E,10.12~17.92 °N)QuikSCAT散射计风场资料融合到区域高分辨率数值模式(华南中尺度天气预报模式GZMM)风场资料中,并利用独立的观测数据(西沙站海面风场观测值)对融合效果进行了检验。得到结论:(1) 风场单点融合试验表明,风场融合设计方案基本合理;(2) 与独立观测数据的偏差分析表明,融合后的风场在经向和纬向的均方根误差分别为2.59 m/s、2.76 m/s,明显好于模式风场(3.63 m/s、2.81 m/s)和散射计风场(2.79 m/s、2.80 m/s),这说明融合的风场优于模式风场和散射计风场;(3) 与独立观测数据的相关性分析表明,融合后的风场在经向和纬向的相关系数分别为0.80和0.81,好于散射计风场(0.74和0.79),而比模式风场(0.91和0.94)的要差。最后讨论了均方根误差与相关系数不一致的可能原因。