臺風(fēng)影響期間文昌航天發(fā)射場淺層風(fēng)預(yù)報技術(shù)研究

貴志成 王艷瑩 趙小平 甘思舊

（1 63796部隊，西昌 615000；2 民航海南空管分局，?？?570100）

0 引言

淺層風(fēng)是近地面層中的風(fēng)，近地面層是大氣邊界層最接近地表面的部分，約為距離地表10～100 m的大氣。航天發(fā)射任務(wù)中，火箭在垂直轉(zhuǎn)運和加注發(fā)射階段，遇到強(qiáng)淺層風(fēng)天氣，可能會影響航天發(fā)射任務(wù)成敗，因此淺層風(fēng)預(yù)報一直是航天氣象保障的重點。熱帶氣旋是最具破壞力的自然災(zāi)害之一[1]，文昌航天發(fā)射場（以下簡稱場區(qū)）位于海南島東北海岸，年平均受到3.58個熱帶氣旋影響，大多數(shù)臺風(fēng)都是從東南方向移近海南島，海南島東部海岸受臺風(fēng)影響最嚴(yán)重，受到臺風(fēng)影響時間也較長[2]。而出現(xiàn)強(qiáng)淺層風(fēng)天氣個例中，熱帶氣旋造成的淺層風(fēng)風(fēng)速大、大風(fēng)影響時間長、風(fēng)速變化規(guī)律較復(fù)雜。夏秋季場區(qū)頻繁受到臺風(fēng)影響，受臺風(fēng)影響時淺層風(fēng)變化特征一直是淺層風(fēng)預(yù)報研究的重點和難點。日常淺層風(fēng)預(yù)報保障中，臺風(fēng)影響文昌場區(qū)時淺層風(fēng)風(fēng)速的定量化研究較不足，臺風(fēng)開始影響的具體時間也較難把握，如2016年臺風(fēng)莎莉嘉登陸萬寧時，24 h風(fēng)速預(yù)報最大偏差為14.5 m/s。場區(qū)受臺風(fēng)影響時，淺層風(fēng)強(qiáng)風(fēng)是造成設(shè)備設(shè)施的損壞、危害人員安全的主要因素，提高淺層風(fēng)預(yù)報準(zhǔn)確率可以為航天發(fā)射任務(wù)氣象保障提供支撐。

目前對臺風(fēng)機(jī)理研究和臺風(fēng)引發(fā)區(qū)域大風(fēng)研究的主要方法是基于動力學(xué)的數(shù)值模擬分析[3-5]。孫學(xué)金等[6]利用WRF-LES模式對大氣邊界層內(nèi)大尺度湍渦進(jìn)行解析，提高了干旱湖區(qū)近地面風(fēng)場數(shù)值模擬的真實性和準(zhǔn)確性。馮慧敏等[7]利用數(shù)值預(yù)報資料進(jìn)行鄭州市地面風(fēng)的多模式預(yù)報試驗，發(fā)現(xiàn)在數(shù)值預(yù)報的基礎(chǔ)上，通過統(tǒng)計降尺度預(yù)報能進(jìn)一步提高地面風(fēng)預(yù)報準(zhǔn)確率。

對基層氣象預(yù)報員來說，統(tǒng)計學(xué)方法在計算效率和應(yīng)用層面上較數(shù)值模式更具優(yōu)勢，在數(shù)據(jù)趨勢描述方面，線性回歸具有直觀性和簡潔性。黃奕武等[8]利用T639數(shù)據(jù)線性回歸方法，建立了臺風(fēng)中心預(yù)報誤差與環(huán)境風(fēng)整層垂直切變的24～120 h線性預(yù)估模型，且預(yù)估模型有較好的預(yù)估效果。農(nóng)吉夫[9]也通過條件數(shù)分析方法，建立了西北太平洋臺風(fēng)強(qiáng)度多元回歸模型?？蒲袉挝恢饕芯恐攸c為臺風(fēng)發(fā)生發(fā)展機(jī)理和臺風(fēng)結(jié)構(gòu)分析，地方業(yè)務(wù)單位主要進(jìn)行地面風(fēng)預(yù)報，對淺層風(fēng)的預(yù)報技術(shù)研究較少。風(fēng)力發(fā)電站有淺層風(fēng)精確預(yù)報的需求，但是大多是向氣象公司尋求商業(yè)服務(wù)，利用統(tǒng)計學(xué)方法進(jìn)行臺風(fēng)影響時淺層風(fēng)特征及其預(yù)報技術(shù)的研究相對較少，本文針對業(yè)務(wù)工作中的實際需求，以提高預(yù)報準(zhǔn)確率為目的，通過統(tǒng)計分析的方法研究臺風(fēng)影響場區(qū)時淺層風(fēng)預(yù)報偏差的影響因子，進(jìn)行因子設(shè)計試驗，建立受臺風(fēng)影響時場區(qū)淺層風(fēng)24 h預(yù)報回歸方程。

1 數(shù)據(jù)來源及統(tǒng)計范圍

淺層風(fēng)實況數(shù)據(jù)是架設(shè)在文昌場區(qū)內(nèi)的三個淺層風(fēng)測風(fēng)塔探測2015—2017年50 m高度10 min平均風(fēng)向風(fēng)速。資料統(tǒng)計范圍為2015年6月—2017年10月影響場區(qū)的9個臺風(fēng)個例。

場區(qū)淺層風(fēng)受臺風(fēng)影響日的定義：

1）臺風(fēng)開始影響日：淺層風(fēng)風(fēng)速比上一日平均風(fēng)速增大4 m/s或以上。

2）臺風(fēng)影響結(jié)束日：當(dāng)日淺層風(fēng)平均風(fēng)速比前一日淺層風(fēng)平均風(fēng)速減小4 m/s且最大風(fēng)速小于10 m/s，則前一日為臺風(fēng)影響結(jié)束日。

2 淺層風(fēng)預(yù)報偏差分析

2.1 預(yù)報概況

場區(qū)24 h淺層風(fēng)預(yù)報共分為四段，分別為18：00—24：00、00：00—06：00、06：00—12：00、12：00—18：00。預(yù)報每個時段50 m高度最大風(fēng)速和最大風(fēng)對應(yīng)風(fēng)向。根據(jù)臺風(fēng)影響場區(qū)的定義，共篩選出受臺風(fēng)影響日數(shù)26 d，每天數(shù)據(jù)分為4段，共整理了臺風(fēng)影響場區(qū)共26 d（104段）實況和預(yù)報數(shù)據(jù)。26 d淺層風(fēng)24 h預(yù)報準(zhǔn)確率為67 %，離淺層風(fēng)精準(zhǔn)精細(xì)預(yù)報的要求還有一定差距。

2.2 預(yù)報偏差的過程能力分析

臺風(fēng)影響期間，由于淺層風(fēng)風(fēng)速較大，風(fēng)向變化相對連續(xù)[10]，淺層風(fēng)風(fēng)向預(yù)報準(zhǔn)確率高，按照風(fēng)向的評分標(biāo)準(zhǔn)基本不會出現(xiàn)風(fēng)向預(yù)報錯誤的情況，因此本文主要對風(fēng)速預(yù)報偏差進(jìn)行分析。

通過正態(tài)檢驗發(fā)現(xiàn)，淺層風(fēng)預(yù)報偏差服從正態(tài)分布，且各數(shù)據(jù)間相互獨立，可以進(jìn)行過程能力分析。過程能力指數(shù)反映過程在受控狀態(tài)下時，客戶要求與過程表現(xiàn)（產(chǎn)品質(zhì)量或服務(wù)質(zhì)量的變動程度）的比值，如果過程表現(xiàn)越能滿足顧客要求，則過程能力指數(shù)值越大[11]。

根據(jù)淺層風(fēng)預(yù)報評定標(biāo)準(zhǔn)，設(shè)定目標(biāo)為淺層風(fēng)預(yù)報準(zhǔn)確率大于80 %，假設(shè)24 h 4段淺層風(fēng)預(yù)報和實況風(fēng)速偏差均小于等于3 m/s時，預(yù)報準(zhǔn)確率為84 %（在風(fēng)向全部正確的情況下），滿足目標(biāo)要求。因此將上下限規(guī)定為±3 m/s，即USL=3 m/s，LSL=?3 m/s。

通過計算得到各段淺層風(fēng)預(yù)報偏差的能力直方圖（圖1），其中，Cp值反映過程的潛在能力，Cp值越大，則過程受控程度越高，Cpk反映過程的實際表現(xiàn)，能反映出工序偏離規(guī)格中心的問題，Cpk值越大，則過程偏移量越小。

淺層風(fēng)預(yù)報平均絕對偏差為3.46 m/s，預(yù)報偏差組內(nèi)標(biāo)準(zhǔn)差為4.72，平均偏差Cp值為0.21，Cpk值為0.13，4段淺層風(fēng)預(yù)報偏差都存在正偏倚情況，即實況風(fēng)速大于預(yù)報風(fēng)速出現(xiàn)次數(shù)較多。

3 臺風(fēng)關(guān)鍵因子的識別

從臺風(fēng)特點出發(fā)，考慮臺風(fēng)強(qiáng)度、臺風(fēng)相對場區(qū)位置和臺風(fēng)與場區(qū)距離三個影響因素與預(yù)報偏差的關(guān)系[12]，通過統(tǒng)計發(fā)現(xiàn)，臺風(fēng)與場區(qū)距離對預(yù)報偏差有正相關(guān)關(guān)系，即臺風(fēng)距離場區(qū)越近，越容易出現(xiàn)預(yù)報偏差。接下來將對臺風(fēng)強(qiáng)度、臺風(fēng)相對場區(qū)位置兩個要素與預(yù)報偏差的關(guān)系進(jìn)行分析。

3.1 臺風(fēng)強(qiáng)度與預(yù)報偏差的分析

從影響場區(qū)淺層風(fēng)臺風(fēng)強(qiáng)度對預(yù)報偏差的卡方檢驗來看（圖2），熱帶風(fēng)暴級出現(xiàn)的頻數(shù)最高，且對預(yù)報偏差的貢獻(xiàn)率最大，其次為強(qiáng)熱帶風(fēng)暴級影響場區(qū)時容易出現(xiàn)淺層風(fēng)預(yù)報偏差。熱帶低壓級雖然出現(xiàn)頻數(shù)第二，但是對預(yù)報偏差的貢獻(xiàn)率較小，即熱帶低壓影響場區(qū)時淺層風(fēng)預(yù)報偏差較小?？偟膩碚f不同強(qiáng)度臺風(fēng)對預(yù)報偏差有顯著差異，但二者并不是呈正/負(fù)相關(guān)關(guān)系。

圖1 淺層風(fēng)預(yù)報偏差的過程能力分析Fig. 1 Analysis of process forecast capability based on shallow layer wind forecast deviations

3.2 臺風(fēng)方位與預(yù)報偏差的分析

影響海南島臺風(fēng)生成源地為南海和西太平洋，臺風(fēng)主要從海上向西或西北方向移動影響場區(qū)[13]，不同方位的臺風(fēng)對場區(qū)淺層風(fēng)的影響有一定差別，為了將不同方向移近并影響場區(qū)的臺風(fēng)進(jìn)行區(qū)分，對受臺風(fēng)影響時淺層風(fēng)風(fēng)向進(jìn)行劃分，將水平方向風(fēng)向劃分為八個象限，角度分別為（0°≤第一象限＜45°、45°≤第二象限＜90°、90°≤第三象限＜135°、135°≤第四象限＜180°、180°≤第五象限＜225°、225°≤第六象限＜270°、270°≤第七象限＜315°、315°≤第八象限＜360°），按照八個象限對淺層風(fēng)風(fēng)向進(jìn)行劃分，不同的象限反映出臺風(fēng)相對于場區(qū)的方位。通過統(tǒng)計風(fēng)向和預(yù)報偏差的卡方擬合度檢驗（圖3），發(fā)現(xiàn)場區(qū)受到臺風(fēng)影響的風(fēng)向主要在第一至第六象限，未出現(xiàn)第七、第八象限風(fēng)向。場區(qū)淺層風(fēng)風(fēng)向為七、八象限時，臺風(fēng)位于場區(qū)西北方向，很有可能已經(jīng)登陸大陸地區(qū)，臺風(fēng)登陸后強(qiáng)度減弱明顯，大風(fēng)區(qū)影響范圍也顯著減小，因此對場區(qū)影響也不明顯。從圖中分析可以發(fā)現(xiàn)，風(fēng)向為第一、第三象限時對淺層風(fēng)偏差貢獻(xiàn)率最大，且出現(xiàn)頻率也較高，第六象限卡方值的貢獻(xiàn)較大，但主要為負(fù)貢獻(xiàn)。臺風(fēng)影響場區(qū)時，南風(fēng)（包括西南風(fēng)、南風(fēng)、東南風(fēng)）比北風(fēng)（包括西北風(fēng)、北風(fēng)、東北風(fēng)）出現(xiàn)偏差的可能性更高，淺層風(fēng)為北風(fēng)時臺風(fēng)位于場區(qū)東側(cè)海上，淺層風(fēng)為南風(fēng)時，臺風(fēng)位于場區(qū)西側(cè)，很有可能已經(jīng)登陸海南島，因此臺風(fēng)中心距離場區(qū)位置相對于北風(fēng)時更近，風(fēng)速變化幅度更大，所以也更容易出現(xiàn)淺層風(fēng)預(yù)報偏差。

4 臺風(fēng)影響時淺層風(fēng)預(yù)報方程建立與檢驗

圖3 影響場區(qū)淺層風(fēng)預(yù)報偏差和風(fēng)向的卡方擬合度檢驗Fig. 3 The goodness of Chi-Square fitting test between shallow wind forecast deviation and typhoon wind direction

臺風(fēng)的預(yù)報主要依靠數(shù)值預(yù)報模式，數(shù)值預(yù)報模式對未來24 h內(nèi)臺風(fēng)強(qiáng)度的預(yù)報準(zhǔn)確率可達(dá)80 %左右[14]，24 h內(nèi)臺風(fēng)路徑預(yù)報的偏差不超過100 km。淺層風(fēng)預(yù)報中主要參考場區(qū)附近數(shù)值預(yù)報低層風(fēng)速，在研究中發(fā)現(xiàn)，建立回歸方程時選取925 hPa高度風(fēng)場作為回歸方程自變量有較好的顯著性。因此在建立回歸方程時考慮四個自變量，分別為925 hPa數(shù)值預(yù)報風(fēng)速、臺風(fēng)強(qiáng)度、臺風(fēng)象限、臺風(fēng)相對場區(qū)距離。

由于數(shù)值預(yù)報產(chǎn)品中925 hPa高度風(fēng)場分辨率為0.25°×0.25°，場區(qū)位置沒有處于數(shù)值預(yù)報網(wǎng)格點中，因此選取場區(qū)周圍4個網(wǎng)格點進(jìn)行數(shù)據(jù)分析（圖4），4個點的經(jīng)緯度分別為場區(qū)左上（19.75°N，110.75°E）、左下（19.50°N，110.75°E）、右上（19.75°N，111.00°E）、右下（19.50°N，111.00°E），下文分別以a、b、c、d代表4個網(wǎng)格點，對4點數(shù)據(jù)進(jìn)行單因子試驗設(shè)計。

4.1 數(shù)值預(yù)報風(fēng)速的單因子檢驗

分別對選取的4點數(shù)據(jù)進(jìn)行一天4段的相關(guān)性分析（表1），從表中可以看到，a、b、c、d點和四點平均與實況的相關(guān)系數(shù)均在0.6以上，且均通過水平為95 %的可信度檢驗，縱向來看，數(shù)值預(yù)報與第一段實況的相關(guān)系數(shù)最大為0.81，與第四段實況的相關(guān)系數(shù)最小為0.68，相關(guān)系數(shù)由第一段實況向第四段實況逐漸遞減。橫向比較a、b、c、d點和四點平均與實況的相關(guān)系數(shù)，發(fā)現(xiàn)各點之間相關(guān)系數(shù)差異較小，a點和四點平均與實況的相關(guān)系數(shù)略大。

圖4 場區(qū)位置及網(wǎng)格點的選取Fig. 4 Location of the site and grid selection

表1 數(shù)值預(yù)報與實況序列的相關(guān)系數(shù)Table 1 Correlation coefficient between numerical prediction and observed data

分析各點數(shù)據(jù)與實況風(fēng)速偏差的基本統(tǒng)計量（表2），可以看到，b點的平均偏差值最小，四點平均偏差數(shù)據(jù)的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤差最小。綜合考慮相關(guān)系數(shù)與基本統(tǒng)計量結(jié)果，選取相關(guān)系數(shù)最大，且偏差的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤差最小的四點平均數(shù)據(jù)作為擬合方程中的基本數(shù)據(jù)。

表2 各點數(shù)值預(yù)報值與實況偏差的基本統(tǒng)計量 Table 2 Basic statistics of numerical prediction and observed data deviation in different grids

通過相關(guān)性檢驗可以發(fā)現(xiàn)，數(shù)值預(yù)報風(fēng)速與實況風(fēng)速有很高的相關(guān)性，而臺風(fēng)強(qiáng)度、臺風(fēng)方位、臺風(fēng)距離與實況風(fēng)速的相關(guān)性均不超過±0.3，因此在因子設(shè)計中主要分析這三個要因與實況風(fēng)速的檢驗。

4.2 因子設(shè)計分析

為了確定因子對響應(yīng)變量的影響，確定關(guān)鍵因素的適當(dāng)設(shè)置以取得響應(yīng)變量的變異最小化。對925 hPa數(shù)值預(yù)報風(fēng)速、臺風(fēng)強(qiáng)度、臺風(fēng)方位（象限）、臺風(fēng)與場區(qū)距離四個因子進(jìn)行因子設(shè)計?？紤]到進(jìn)行因子設(shè)計、選定回歸模型后要進(jìn)行模型效果檢驗，因此在進(jìn)行因子分析時選取2015—2016年場區(qū)受臺風(fēng)影響的17 d×4段共68段數(shù)據(jù)，在模型效果檢驗階段選擇2017年5次臺風(fēng)的9 d×4段共36段數(shù)據(jù)進(jìn)行效果檢驗。

因子設(shè)計階段共設(shè)計三組對照試驗（表3），通過因子逐步剔除的方法，將回歸方程中不顯著項剔除，方程中自變量能通過顯著性檢驗，則方程的穩(wěn)定性較高，因此試驗1至試驗3的因子數(shù)量逐漸減少。在建立回歸方程過程中，首先考慮回歸方程的穩(wěn)定性，其次考慮回歸方程擬合度。

對比三組試驗回歸效果（表4），其中S為殘差的標(biāo)準(zhǔn)差，R-Sq為回歸模型誤差占總誤差的百分比，取值范圍為0～100%，數(shù)值越大，表明回歸模型數(shù)據(jù)溫和越好。R-Sq（調(diào)整）為調(diào)整后的R-Sq，與R-Sq數(shù)值越接近，表明回歸模型越可靠。各試驗間S、R-Sq和R-Sq（調(diào)整）差距不大，但從因子的顯著性來看，試驗3中各因子都能通過顯著性檢驗，而且在回歸效果差距不大的情況下，選擇更少的因子可以節(jié)約計算量。

表3 試驗設(shè)計及各試驗回歸方程Table 3 Tests designs and the regression equations

表4 各試驗效果對比Table 4 Comparison of test results

4.3 試驗3可靠性分析

通過逐步剔除法找到試驗3為最理想回歸方程，對試驗3回歸方程的可靠性進(jìn)行分析，回歸方程的顯著性檢驗P值為0.0，可以通過可信度為99 %的顯著性檢驗。從回歸方程的殘差圖中可以看到（圖5），圖5a為殘差正態(tài)性概率圖，累計的概率點列沿對角線分布，則說明殘差服從正態(tài)分布，且概率點越接近對角線分布，說明回歸效果越好。圖5b為響應(yīng)變量對應(yīng)的殘差圖，殘差點在橫軸上下隨機(jī)波動，即不存在某種連續(xù)性的波動趨勢。圖5c為殘差的正態(tài)分布圖，可以看到殘差分布集中的區(qū)域為?4～4。圖5d為按觀測值順序的殘差分布，殘差分布為隨機(jī)波動。通過對殘差圖的分析，認(rèn)為試驗3回歸方程（Y=12.2+0.523×風(fēng)速?0.0133×距離）穩(wěn)定性較好，且方程結(jié)果不發(fā)散，是逐步剔除試驗中的最優(yōu)選擇。

4.4 回歸方程效果檢驗

將2017年9d 36段風(fēng)速數(shù)據(jù)代入試驗3回歸方程Y=12.2+0.523×風(fēng)速?0.0133×距離，算出預(yù)報風(fēng)速后與實況對比，對偏差進(jìn)行過程能力分析（圖6），偏差的組內(nèi)標(biāo)準(zhǔn)差為3.74，整體標(biāo)準(zhǔn)差為3.68，Cp值為0.27，Cpk值為0.19。

將試驗3的回歸驗證結(jié)果與淺層風(fēng)預(yù)報偏差的過程能力分析進(jìn)行對比（表5），回歸方程得到預(yù)報風(fēng)速有8次偏差大于等于4 m/s。改進(jìn)前預(yù)報偏差有12次風(fēng)速大于等于4 m/s。建立回歸方程后得到的回歸風(fēng)速標(biāo)準(zhǔn)差比改進(jìn)前減小21 %，Cp值提高28 %，Cpk值提高46 %，說明運用回歸方程的預(yù)報準(zhǔn)確率有提升、穩(wěn)定性更好。

5 結(jié)論

本文通過分析2015—2017年臺風(fēng)影響場區(qū)的26 d淺層風(fēng)實況、24 h預(yù)報數(shù)據(jù)，分析預(yù)報偏差與臺風(fēng)強(qiáng)度、臺風(fēng)與場區(qū)方位的關(guān)系，找出建立回歸方程的4個因子（數(shù)值預(yù)報925 hPa風(fēng)速、臺風(fēng)強(qiáng)度、臺風(fēng)方位、臺風(fēng)與場區(qū)距離），通過因子試驗設(shè)計，找到顯著性和穩(wěn)定性最高的淺層風(fēng)預(yù)報回歸方程，并對最優(yōu)回歸方程進(jìn)行數(shù)據(jù)檢驗，通過研究發(fā)現(xiàn)：

1）不同臺風(fēng)的強(qiáng)度、臺風(fēng)的方位對淺層風(fēng)預(yù)報偏差影響不同，這種影響為非線性關(guān)系。

2）場區(qū)周圍4點算數(shù)平均的數(shù)值預(yù)報925 hPa風(fēng)場數(shù)據(jù)與實況偏差最小，最適合作為建立回歸方程的自變量之一。

3）利用2015—2016年72段數(shù)據(jù)，通過因子分析試驗發(fā)現(xiàn)，臺風(fēng)強(qiáng)度、臺風(fēng)方位兩個因子在回歸方程中顯著性不明顯，選取顯著性、穩(wěn)定性最高，且標(biāo)準(zhǔn)差最小的試驗3方程作為淺層風(fēng)預(yù)報回歸方程。

4）利用2017年36段數(shù)據(jù)對試驗3回歸方程效果進(jìn)行檢驗，發(fā)現(xiàn)回歸方程能有效減小預(yù)報偏差，且減少較大誤差出現(xiàn)次數(shù)，回歸效果較好。

圖5 試驗3風(fēng)速的殘差四合一圖Fig. 5 Four-in-one diagram of wind speed residuals in test 3

圖6 試驗3回歸方程的效果檢驗Fig. 6 The verification of regression equation in test 3

表5 試驗效果對比Table 5 Comparison of verified results

通過建立風(fēng)速預(yù)報回歸方程，可以有效提高24 h預(yù)報準(zhǔn)確率，但由于場區(qū)受臺風(fēng)影響時淺層風(fēng)數(shù)據(jù)積累不夠多，還需進(jìn)行資料收集，通過增大樣本數(shù)據(jù)個數(shù)改善回歸方程。后續(xù)研究中還應(yīng)進(jìn)行回歸方程效果評定，針對臺風(fēng)影響后期風(fēng)速明顯減小時擬合效果不好的情況進(jìn)行改進(jìn)提高。