• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)方法的氣溫預(yù)報技術(shù)應(yīng)用與評估*

    2022-12-28 02:36:16蔡榮輝陳靜靜傅承浩
    氣象 2022年11期
    關(guān)鍵詞:方根站點(diǎn)氣溫

    陳 鶴 蔡榮輝 陳靜靜 傅承浩 周 莉 陳 龍

    1 湖南省氣象臺,長沙 410118

    2 氣象防災(zāi)減災(zāi)湖南省重點(diǎn)實驗室,長沙 410118

    提 要: 基于2017—2019年歐洲中期天氣預(yù)報中心的全球預(yù)報系統(tǒng)(ECMWF-IFS),結(jié)合對應(yīng)時間段站點(diǎn)觀測實況,采用深度學(xué)習(xí)方法建立了多層全連接神經(jīng)網(wǎng)絡(luò)模型(簡稱DL模型),對未來84 h的地面氣溫進(jìn)行訂正預(yù)報。使用湖南省2020年全年的預(yù)報結(jié)果進(jìn)行對比檢驗評估,得到以下結(jié)論:從空間分布來看,DL模型平均均方根誤差(RMSE)在大部分地區(qū)為1.5~2.0℃(全省平均RMSE為1.78℃),其對ECMWF-IFS模式的訂正效果明顯,尤其是在高海拔地區(qū),改善率隨著預(yù)報站點(diǎn)海拔的增加而上升;數(shù)值預(yù)報的RMSE有明顯的日變化特征,每日午后誤差最大,DL模型的改善幅度也最大,日出前時效誤差最小,改善率在不同海拔高度有不同的日變化特征;DL模型每個月相對ECMWF-IFS的平均RMSE都有明顯的訂正效果,其中10月、11月RMSE改善率最高,12月最低;從2020年年底一次寒潮過程的日最高、最低及逐3 h氣溫檢驗效果來看,DL模型對ECMWF-IFS的系統(tǒng)誤差有明顯的訂正效果,在單站的曲線上,也能看出DL模型更接近觀測實況。評估結(jié)果表明:模型可以顯著地減小ECMWF-IFS的預(yù)報誤差,其輸出結(jié)果基本滿足日常預(yù)報業(yè)務(wù)的需求。

    引 言

    現(xiàn)代天氣預(yù)報在數(shù)值預(yù)報模型的支持下,正在快速發(fā)展,但由于資料同化方法、地理分辨率的限制,數(shù)值模式的應(yīng)用仍有較大的提升空間。早期國際上常用模式輸出統(tǒng)計(MOS)等技術(shù),使用數(shù)值預(yù)報與觀測數(shù)據(jù),通過線性回歸方法推導(dǎo)預(yù)報方程,評估表明,MOS方法在最高氣溫等要素預(yù)報中能顯著減小數(shù)值預(yù)報的誤差,是有效的客觀預(yù)報技術(shù)(Glahn and Lowry,1972),美國國家氣象局將其進(jìn)行了業(yè)務(wù)化(Klein and Glahn,1974)。大氣本身是非線性的動力系統(tǒng),其對初始條件非常敏感,增加初始條件的擾動,生成多成員的集合預(yù)報方法,也能有效的優(yōu)化單模型的預(yù)報結(jié)果(Leutbecher and Palmer,2008)。根據(jù)我國氣象部門智能網(wǎng)格預(yù)報發(fā)展要求,現(xiàn)已在全國范圍推行逐3 h精細(xì)化網(wǎng)格預(yù)報業(yè)務(wù)。針對數(shù)值預(yù)報的氣溫訂正,已有較多試驗性的研究:智協(xié)飛等(2009)分別利用固定訓(xùn)練期超級集合和滑動訓(xùn)練期超級集合方法對北半球中緯度地面氣溫進(jìn)行預(yù)報試驗,發(fā)現(xiàn)均有效降低了預(yù)報誤差,滑動訓(xùn)練期效果更優(yōu);李佰平和智協(xié)飛(2012)分別利用一元線性回歸、多元線性回歸、單時效消除偏差和多時效消除偏差平均等訂正方法,對ECMWF-IFS的2 m氣溫預(yù)報結(jié)果進(jìn)行訂正,能有效地減小地面氣溫多個時效預(yù)報的誤差;王敏等(2012)采用非齊次高斯回歸技術(shù)對國家氣象中心區(qū)域集合預(yù)報系統(tǒng)的2 m溫度預(yù)報結(jié)果進(jìn)行校準(zhǔn),預(yù)報可靠性和預(yù)報技巧均顯著提高;王婧等(2015)采用平均法、雙權(quán)重平均法、滑動平均法和滑動雙權(quán)重平均法對GRAPES_RAFS系統(tǒng)2 m溫度預(yù)報產(chǎn)品進(jìn)行偏差訂正,結(jié)果表明大部分地區(qū)的平均誤差、均方根誤差都有顯著降低;馮慧敏等(2016)利用多模式集合平均、消除偏差集合平均、加權(quán)消除偏差集合及多模式超級集合方法,對地面逐3 h氣溫進(jìn)行多模式集成預(yù)報試驗,結(jié)果表明集成方案對預(yù)報效果有不同程度的改善。近幾年,基于模式輸出統(tǒng)計方法(吳啟樹等,2016)、滑動雙權(quán)重平均訂正法和空間誤差逐步訂正法綜合訂正技術(shù)(薛諶彬等,2019)對ECMWF-IFS逐日最高/最低氣溫進(jìn)行訂正,較好地改善了站點(diǎn)溫度的預(yù)報質(zhì)量并應(yīng)用于業(yè)務(wù)系統(tǒng)中;曾曉青等(2019)使用溫度格點(diǎn)多源融合產(chǎn)品和ECMWF-IFS的2 m溫度預(yù)報場,采用簡單誤差訂正、誤差回歸訂正等8種方案,進(jìn)行訂正預(yù)報試驗,對格點(diǎn)、站點(diǎn)的檢驗結(jié)果表明,多種方案都對3~24 h(預(yù)報時間間隔3 h)預(yù)報有明顯的訂正作用;王丹等(2019)使用遞減平均法和一元線性回歸法對ECMWF-IFS的定時最高(低)氣溫預(yù)報誤差進(jìn)行訂正,訂正后的預(yù)報質(zhì)量有提升,但在較長預(yù)報時效不太理想,部分地區(qū)訂正技巧為負(fù);郝翠等(2019)采用最優(yōu)集合預(yù)報方法對北京市各站1~7 d的日最高氣溫和日最低氣溫進(jìn)行訂正,結(jié)果表明滑動訓(xùn)練期、優(yōu)化變量權(quán)重兩種方案能改善模式固有偏差,其結(jié)果優(yōu)于或與預(yù)報員主觀預(yù)報相當(dāng),但在某些局地天氣影響下不如主觀預(yù)報;王在文等(2019)使用相似集合方法對北京快速更新循環(huán)數(shù)值預(yù)報系統(tǒng)的地面要素開展訂正試驗,并將其與支持向量機(jī)的訂正效果進(jìn)行了對比,在有效減小氣溫預(yù)報誤差的同時,其計算資源要求更低;盛春巖等(2020)使用氣溫偏差訂正和準(zhǔn)對稱混合滑動訓(xùn)練期MOS方法集成訂正ECMWF-IFS的氣溫預(yù)報,取得較好的效果,但也發(fā)現(xiàn)從第3天開始客觀方法高溫準(zhǔn)確率有明顯下降趨勢;尹珊等(2020) 應(yīng)用滑動平均誤差訂正方法和歷史偏差訂正方法,對ECMWF-IFS延伸期2 m溫度預(yù)報進(jìn)行誤差訂正,兩種方法在全年各月都有正訂正技巧,其中1—3月效果最明顯,但無法訂正模式對變溫時間的預(yù)報誤差;任萍等(2020)分別基于機(jī)器學(xué)習(xí)方法XGBoost、等權(quán)重平均方法、線性回歸方法且考慮地形因子影響,構(gòu)建出多種模型,對北京地區(qū)快速循環(huán)同化數(shù)值預(yù)報系統(tǒng)輸出的結(jié)果進(jìn)行訂正,在包括氣溫在內(nèi)的多要素上XGBoost表現(xiàn)最優(yōu)。

    深度學(xué)習(xí)(deep learning,DL)方法是處理氣象大數(shù)據(jù)的前沿技術(shù)。雖然受到一些客觀因素的制約,現(xiàn)階段DL技術(shù)無法完全學(xué)習(xí)到大氣運(yùn)動的物理規(guī)律,但累積的數(shù)值模式歷史預(yù)報數(shù)據(jù),可處理成為一項有效的數(shù)據(jù)集輸入到DL模型中。當(dāng)前,從注重數(shù)理原理解釋到注重動力熱力方程求解與人工智能方法相結(jié)合,已經(jīng)取得了重大進(jìn)展(許小峰,2018)。圖像處理單元(GPU)計算技術(shù)對比傳統(tǒng)中央處理單元(CPU)具有更高效率,給更大規(guī)模、更深層次的數(shù)據(jù)挖掘提供了可能,因此,基于深度學(xué)習(xí)方法的氣溫訂正技術(shù)相比傳統(tǒng)MOS方法,能從數(shù)值預(yù)報中挖掘出更多時間、空間相關(guān)信息。

    目前,有學(xué)者使用DL方法對數(shù)值預(yù)報結(jié)果進(jìn)行改進(jìn)。在氣溫預(yù)報的應(yīng)用上,Li et al(2019)基于模式輸出機(jī)器學(xué)習(xí)(MOML)方案,將已有的機(jī)器學(xué)習(xí)回歸算法應(yīng)用到處理后的訓(xùn)練集、測試集中,結(jié)果比ECMWF-IFS模式結(jié)果和MOS方法更好,尤其是冬季更明顯。陳昱文等(2020)基于TIGGE的ECMWF-IFS資料,建立深度學(xué)習(xí)模型,并對部分站點(diǎn)進(jìn)行氣溫誤差訂正,結(jié)果表明機(jī)器學(xué)習(xí)在數(shù)值模式預(yù)報結(jié)果訂正中具有較大的應(yīng)用潛力。門曉磊等(2019)使用基于嶺回歸、隨機(jī)森林和深度學(xué)習(xí)的3種后處理模型,應(yīng)用多模式預(yù)報結(jié)果進(jìn)行逐日氣溫預(yù)報,對比了多種模型的訂正效果,發(fā)現(xiàn)DL方法在空間分布上效果最好。Han et al(2021)基于U-Net(為生物醫(yī)學(xué)圖像分割而開發(fā)的卷積神經(jīng)網(wǎng)絡(luò))提出深度學(xué)習(xí)模型CU-Net,對ECMWF-IFS的2 m溫度、2 m相對濕度、10 m風(fēng)的24~240 h預(yù)報進(jìn)行格點(diǎn)訂正,在多個檢驗指標(biāo)上都取得了更優(yōu)的結(jié)果,并指出深度學(xué)習(xí)方法具有從NWP海量數(shù)據(jù)中直接進(jìn)行學(xué)習(xí)從而構(gòu)建NWP偏差特征的能力。在第二屆AI Challenger全球挑戰(zhàn)賽中,使用基于時間序列分析、梯度提升樹、深度概率預(yù)測等AI模型構(gòu)建的多組集合預(yù)報方法,相比之前的相似集合預(yù)報方法,顯著提高了2 m氣溫的預(yù)報水平(嵇磊等,2019)。

    由于對數(shù)據(jù)獲取、模型運(yùn)行的穩(wěn)定性要求高等原因,大多數(shù)深度學(xué)習(xí)預(yù)報方法僅停留在試驗階段(大多數(shù)預(yù)報為逐日最高/最低氣溫預(yù)報),有的標(biāo)簽、驗證數(shù)據(jù)使用了一日2次的模式分析場(或者再分析場)而并非實際觀測數(shù)據(jù),或者使用較為稀疏的氣象站,代表性不足,真正建立預(yù)報模型并應(yīng)用到智能網(wǎng)格預(yù)報業(yè)務(wù)且取得較好效果的先例較少。從2016—2018年國家級網(wǎng)格指導(dǎo)預(yù)報、省市級訂正反饋網(wǎng)格預(yù)報的氣溫要素檢驗來看,國家級網(wǎng)格統(tǒng)計預(yù)報模型建立后,預(yù)報誤差呈現(xiàn)出數(shù)值模式、國家級、省市訂正逐級減小的趨勢,體現(xiàn)出智能預(yù)報的巨大優(yōu)勢(韋青等,2020)。湖南省位于江南地區(qū)西部,地形上東、南、西三面環(huán)山,北部海拔稍低,東北部洞庭湖地區(qū)為其最主要的南下冷空氣輸入路徑。目前針對湖南地區(qū)的氣溫預(yù)報,較少進(jìn)行系統(tǒng)的評估,更無有效的客觀訂正方法,從日常預(yù)報業(yè)務(wù)檢驗看,ECMWF-IFS等數(shù)值預(yù)報對湖南的氣溫預(yù)報結(jié)果存在明顯的誤差。例如,在湖南西部的雪峰山、西北部的武陵山及南部的南嶺部分地區(qū),數(shù)值預(yù)報平均偏差3℃以上,部分海拔超過800 m的站點(diǎn)平均偏差4℃以上,東部部分低海拔地區(qū)也出現(xiàn)了3℃以上的偏差。誤差并非簡單隨海拔變化而線性增長,它受到下墊面、坡向,以及各個層次溫度平流等多個氣象要素的共同影響,無法使用簡單的消除偏差方法去除。本文以改善湖南全省逐3 h氣溫預(yù)報為目標(biāo),建立了精細(xì)化氣溫預(yù)報流程,并使用氣象站觀測資料進(jìn)行結(jié)果驗證與評估。

    1 資 料

    本研究使用湖南省氣象信息中心通過CMACast接收保存的北半球區(qū)域ECMWF-IFS高分辨率數(shù)值預(yù)報模式產(chǎn)品進(jìn)行訓(xùn)練,模式地面層分辨率為0.125°×0.125°,氣壓層分辨率為0.25°×0.25°,選取了地面層所有預(yù)報要素,以及19個氣壓層的氣溫、高度、濕度、風(fēng)場等要素;訓(xùn)練期為2017年1月1日至2019年12月31日,將2020年1月1日至12月31日的數(shù)據(jù)作為測試集進(jìn)行預(yù)報評估分析,模式每日00時和12時(世界時,下同)起報?;谥? h精細(xì)化氣象要素預(yù)報工作的需要,本文選擇了0~84 h,一共27個預(yù)報時效的要素預(yù)報數(shù)據(jù)。使用湖南省全境421個氣象站(包含國家站和骨干站)逐3 h(分別為00、03、06、09、12、15、18、21時)氣溫觀測數(shù)據(jù),數(shù)據(jù)來源為湖南省氣象信息中心CIMISS系統(tǒng),數(shù)據(jù)總長度為2017年1月1日至2020年12月31日,其中將2020年的數(shù)據(jù)作為測試集進(jìn)行評估與對比分析。

    2 模型與方法

    2.1 深度學(xué)習(xí)模型

    本文設(shè)計了一種適用于氣象要素預(yù)測訂正的深度學(xué)習(xí)模型,模型使用了多層全連接神經(jīng)網(wǎng)絡(luò)模型對數(shù)值預(yù)報氣溫訂正函數(shù)進(jìn)行擬合。

    多層全連接網(wǎng)絡(luò)模型是一種經(jīng)典的神經(jīng)網(wǎng)絡(luò)模型,具有輸入層、隱藏層和輸出層三種結(jié)構(gòu)。其中輸入層和輸出層有且只有一層神經(jīng)元結(jié)構(gòu),隱藏層可以根據(jù)計算量的接受程度設(shè)計為多層神經(jīng)元結(jié)構(gòu)。相鄰層之間的神經(jīng)元全部相互連接,并在每個連接上賦予一個計算權(quán)重。每層神經(jīng)元(除輸入層)的輸入均為上一層神經(jīng)元的輸入,每個神經(jīng)元的輸出均為上層各神經(jīng)元的值與相應(yīng)連接權(quán)重的相乘后再相加,并經(jīng)過激活函數(shù)計算之后形成的值。經(jīng)過前期試驗,考慮到計算強(qiáng)度和過擬合問題,最終全連接結(jié)構(gòu)使用了4個隱藏層,分別設(shè)置了256、128、64和32個神經(jīng)元,全連接網(wǎng)絡(luò)結(jié)構(gòu)示意圖(圖1)中,Hij為第i個隱藏層的第j個神經(jīng)元;輸入數(shù)據(jù)為某時刻經(jīng)過篩選的各個氣象要素的值xi,輸出為各個氣象要素的綜合提取特征y。為避免神經(jīng)元死亡的問題,本文在初始試驗階段控制、調(diào)整了學(xué)習(xí)率。模型中使用了Dropout技術(shù),在神經(jīng)網(wǎng)絡(luò)中丟棄部分隱藏神經(jīng)元(圖1中表現(xiàn)為虛線圓),能夠避免在訓(xùn)練數(shù)據(jù)上產(chǎn)生復(fù)雜的相互適應(yīng)。為了模擬天氣運(yùn)動的復(fù)雜多樣,激活函數(shù)一般采用非線性函數(shù),本文使用的是線性整流函數(shù)(ReLU),ReLU具有收斂速度快、效率高、能克服梯度消失等優(yōu)點(diǎn)。在激活函數(shù)ReLU示意圖(圖2)中,x軸為上一層神經(jīng)網(wǎng)絡(luò)的輸入量,進(jìn)行變換后,y軸為輸出的下一層神經(jīng)元或者神經(jīng)網(wǎng)絡(luò)最終結(jié)果。

    圖1 全連接網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    圖2 激活函數(shù)ReLU示意圖

    由于天氣的演變過程復(fù)雜多變,所以模型的選擇應(yīng)該重點(diǎn)考慮提取各個氣象要素的時序特征。同時天氣預(yù)報具有時效性,影響天氣變化的氣象要素多種多樣,所以模型也要考慮輸入數(shù)據(jù)集的大小以及網(wǎng)絡(luò)訓(xùn)練的時間成本問題。常見的模式后處理方法在對站點(diǎn)要素進(jìn)行訂正預(yù)報時,采用單點(diǎn)、多層、多種氣象要素因子進(jìn)行建模。基于這個思路,本文使用全連接神經(jīng)網(wǎng)絡(luò)建立了站點(diǎn)的氣溫預(yù)報模型(下文簡稱為DL模型),從而減少網(wǎng)絡(luò)訓(xùn)練時間,以達(dá)到快速高效的預(yù)報訂正效果。在建立模型時,分別按單站、區(qū)域建立了多類預(yù)報模型,以測試集的訂正效果自動優(yōu)選誤差低的模型,盡量避免站點(diǎn)因為樣本量過少而出現(xiàn)過擬合。

    2.2 數(shù)據(jù)預(yù)處理

    本文從數(shù)值模式訓(xùn)練集中提取了高空多層的位勢高度、比濕、溫度、風(fēng)場等要素和地面單層的氣溫、降水等要素。先使用最近格點(diǎn)法插值到421個目標(biāo)站點(diǎn),再對數(shù)據(jù)集進(jìn)行篩查、清洗等相關(guān)預(yù)處理,使用氣象觀測閾值過濾或替換奇異值。最終進(jìn)行標(biāo)準(zhǔn)化處理:使用Z-score算法對數(shù)據(jù)集進(jìn)行縮放,公式如下:

    (1)

    式中:x為需被標(biāo)準(zhǔn)化的原始數(shù)據(jù)值,u為氣象要素的總體數(shù)據(jù)均值,σ是總體數(shù)據(jù)的標(biāo)準(zhǔn)差。

    然后將數(shù)據(jù)歸一處理到0~1,公式如下:

    (2)

    式中:Xmax為樣本數(shù)據(jù)的最大值,Xmin為樣本數(shù)據(jù)的最小值。

    本文中使用的每個樣本包含因子198個(實際訓(xùn)練中有經(jīng)過調(diào)整和篩選),2017—2019年數(shù)據(jù)集共有樣本22 457 196個,使用經(jīng)過篩查、清洗后的數(shù)據(jù)進(jìn)行建模,其中86%的數(shù)據(jù)作為訓(xùn)練集,14%的數(shù)據(jù)作為驗證集;以收集到的2020年實際預(yù)報業(yè)務(wù)數(shù)據(jù)作為測試集。分配如表1所示。

    表1 建立氣溫預(yù)報模型使用的數(shù)據(jù)集樣本數(shù)(單位:個)

    2.3 檢驗方法

    均方根誤差(RMSE)是回歸問題的常用性能指標(biāo),不僅可以作為深度學(xué)習(xí)模型中的損失函數(shù),還可以明確地指示訂正效果優(yōu)劣,公式如下:

    (3)

    式中:NF為預(yù)報總站數(shù),i為預(yù)報站標(biāo)識,F(xiàn)i為第i站預(yù)報值,Oi為第i站觀測值。

    改善率I是訂正前后的均方根誤差的差值相對原預(yù)報均方根誤差的比值,公式如下:

    (4)

    式中:RMSEEC、RMSEDL分別為ECMWF-IFS、DL模型的均方根誤差。

    3 訂正效果

    從2020年1月1日開始業(yè)務(wù)數(shù)據(jù)輸出站點(diǎn)預(yù)報訂正數(shù)據(jù),同時與同期ECMWF-IFS輸出的2 m氣溫(使用最近格點(diǎn)插值到421個站點(diǎn))進(jìn)行對比分析。本文重點(diǎn)分析氣溫的均方根誤差以及訂正預(yù)報的改善率(訂正前后均方根誤差的差值與訂正前的均方根誤差之比)。由于業(yè)務(wù)需要,使用B-樣條基函數(shù)插值得到逐3 h預(yù)報產(chǎn)品,并制作了逐日的最高、最低氣溫。

    3.1 整體誤差的空間分布

    0~84 h 的ECMWF-IFS原始預(yù)報的全省平均RMSE為2.16℃(圖3a)。結(jié)合湖南省地形可以看出,西北部的武陵山區(qū)、西南部的東北—西南向的雪峰山脈周邊、南部的南嶺山脈及大部分海拔超過400 m區(qū)域,平均RMSE在2.0℃以上,海拔100 m以下大部分地區(qū)為1.5~2.0℃。

    DL模型訂正后的全省平均RMSE為1.78℃,從全省地理分布上看,誤差值分布較為均勻,大部分地區(qū)為1.5~2.0℃,少量高海拔地區(qū)及個別平原地區(qū)站點(diǎn)達(dá)到2.0℃以上(圖3b)。

    從所有訂正時效(0~84 h)進(jìn)行的均方根誤差統(tǒng)計上來看,全省范圍均方根誤差平均減小了15.6%。結(jié)合地形分析改善率的空間分布(圖3c),改善最明顯的地區(qū)位于湖南省西部和南部山區(qū),部分高海拔地區(qū)達(dá)到20%~30%,湘西南(雪峰山地區(qū))、湘西北(武陵山地區(qū))、南部(南嶺地區(qū))等山地站點(diǎn)的幅度最大,少數(shù)站點(diǎn)達(dá)到50%~70%;極少數(shù)站點(diǎn)(10個站)改善率為負(fù),但控制在10%之內(nèi)。由于數(shù)值預(yù)報初始場依賴各類觀測資料同化,而資料在復(fù)雜地形存在系統(tǒng)誤差等原因,導(dǎo)致數(shù)值預(yù)報對某些高海拔地區(qū)的預(yù)報存在偏差。

    圖3 2020年湖南不同區(qū)域站點(diǎn)的氣溫(a,b)平均均方根誤差(彩色圓點(diǎn))及其(c)改善率(彩色圓點(diǎn))分布

    經(jīng)統(tǒng)計發(fā)現(xiàn),隨海拔高度的增加,改善率有明顯的上升趨勢(表2):海拔400 m及以下站點(diǎn)共347個,占總站數(shù)的82.4%,平均改善率為13.5%,但也有10個站平均改善率為負(fù)(經(jīng)過深入查看,RMSE增大是因為8月、12月實時數(shù)據(jù)源切換出現(xiàn)了單位不一致的問題);海拔400~800 m的站點(diǎn)占總站數(shù)12.1%,平均改善率為19.4%;海拔1200 m以上大部分站點(diǎn)改善率達(dá)50%以上。改善率與海拔高度呈正相關(guān),經(jīng)計算得到相關(guān)系數(shù)為0.560。改善率最高的3個站為大圍山站(72.6%,海拔為1378 m)、南岳站(69.6%,海拔為1265.9 m)、雪峰山站(67.8%,海拔為1420 m)。前文中已提到,誤差的變化并非隨海拔線性增長,海拔只是造成誤差的眾多因素之一,從誤差分布上也可清晰看到DL預(yù)報在東部平原地區(qū)也存在一些改善不明顯的站點(diǎn)。

    表2 2020年湖南地區(qū)不同海拔高度站點(diǎn)的均方根誤差改善率

    3.2 不同預(yù)報時間的差異

    從00時和12時起報的結(jié)果(表3)綜合來看,氣溫預(yù)報的平均RMSE有明顯的日變化,每日06時對應(yīng)的時效誤差達(dá)到最大(兩個起報時次平均誤差ECMWF-IFS為2.78℃,訂正后為2.27℃,減小了0.51℃),每日21時對應(yīng)的時效誤差最小(兩個起報時次平均誤差ECMWF-IFS為1.79℃,訂正后為1.46℃,減小了0.33℃)。隨著預(yù)報時效的增加(圖4),每天對應(yīng)時間的RMSE也在緩慢增加,在每日06時、09時,可以看到ECMWF-IFS預(yù)報的RMSE明顯偏高,而DL模型RMSE的訂正幅度也最大(達(dá)0.50℃左右);不同起報時間(00時和12時)的預(yù)報誤差也有不同,但日變化規(guī)律基本一致。

    表3 2020年湖南地區(qū)不同起報時間的逐3 h氣溫預(yù)報與實況的均方根誤差(單位:℃)

    圖4 2020年湖南地區(qū)不同起報時間的各預(yù)報時效的ECMWF-IFS與DL模型氣溫預(yù)報均方根誤差(a)00時起報,(b)12時起報

    結(jié)合海拔高度與觀測時間(圖5),可以發(fā)現(xiàn)預(yù)報誤差基本遵從海拔越高、DL模型對數(shù)值預(yù)報的改善越明顯的規(guī)律,但在不同海拔上,改善率具有不同的日變化特征。其中:海拔1200 m以上改善率最高的是00、09、12、21時,平均達(dá)40%以上,800~1000 m則在日落以后改善幅度最高,800 m以下地區(qū)以每日午后(06時、09時)為主。

    圖5 2020年湖南地區(qū)不同海拔高度、不同觀測時間的氣溫預(yù)報均方根誤差改善率

    從所有站點(diǎn)的統(tǒng)計可以得出,每天06時和09時的誤差改善率最高,本文選取這兩個預(yù)報時間的誤差改善率,分析其地理分布。午后時段(圖6a),改善最明顯的是海拔200 m以上地區(qū),大部分誤差降低20%以上,傍晚(圖6b)改善率更高,很多午后改善不明顯的海拔100 m以下地區(qū)(東部平原為主),改善率達(dá)到20%以上。

    圖6 2020年湖南地區(qū)不同海拔站點(diǎn)的氣溫預(yù)報平均均方根誤差改善率(彩色圓點(diǎn))分布

    在同年的不同月份,數(shù)值預(yù)報與DL模型的預(yù)報誤差也有變化(圖7):ECMWF-IFS只有6、9、12月平均RMSE<2℃,其他月份均>2℃,DL模型僅5月平均RMSE>2℃,其他月份均<2℃;ECMWF-IFS在4月的平均RMSE最高為2.48℃(DL訂正后為1.94℃),5月RMSE為2.38℃(DL訂正后為2.04℃),說明4月、5月預(yù)報難度較大。每個月,DL模式都有明顯的訂正效果,其中10月、11月(秋季)其對數(shù)值預(yù)報的改善率最高(超過23%),其次是3月、4月(春季,20%左右),12月最低(9%)。

    圖7 2020年不同月份的ECMWF-IFS模式與DL模型訂正后的氣溫預(yù)報均方根誤差

    從全年所有日期的全省所有站RMSE變化趨勢(圖略)來看,兩個產(chǎn)品的誤差變化趨勢基本一致。DL訂正方法在絕大部分時間對于ECMWF-IFS數(shù)值預(yù)報結(jié)果進(jìn)行了有效改善,特別是在3、4、10、11月改善較為明顯。

    3.3 寒潮降溫過程檢驗

    2020年12月29日湖南省出現(xiàn)一次寒潮降溫天氣過程,此次過程為明顯的轉(zhuǎn)折天氣:冷空氣從湘東北洞庭湖地區(qū)南下影響全省,其中29日00時至30日00時,全省大部分地區(qū)24 h最高、最低氣溫相比前一日下降8~10℃,最低氣溫降至0℃左右。數(shù)值模式對降溫幅度有較好的體現(xiàn),但準(zhǔn)確率不夠,而基于深度學(xué)習(xí)方法訂正后的預(yù)報,準(zhǔn)確率有明顯的提升。

    從此次過程統(tǒng)計上(表4)看,過程3 d全省站點(diǎn)高、低溫準(zhǔn)確率(誤差2℃以內(nèi))和逐3 h均方根誤差都是DL模型占優(yōu)勢(除了第3天低溫準(zhǔn)確率ECMWF-IFS表現(xiàn)稍好);其中:第2天、3天的高溫準(zhǔn)確率,DL提高了近20個百分點(diǎn),第1天低溫準(zhǔn)確率,DL模型從49.0%提升至80.7%,優(yōu)勢非常明顯。

    表4 2020年12月29日00時開始的湖南寒潮過程DL模型與ECMWF-IFS的氣溫預(yù)報評估

    以第1天誤差分布(圖8)為例:ECMWF-IFS在湘西、湘東南地區(qū)(山地為主)部分站點(diǎn)高溫預(yù)報偏低2~3℃,DL模型在西部地區(qū)訂正較好,將大部分地區(qū)的偏差控制在±2℃以內(nèi),但在東南部山區(qū)的預(yù)報的訂正提升效果不明顯,在東北部平原地區(qū)甚至比ECMWF-IFS預(yù)報偏高;從低溫誤差分布上看,ECMWF-IFS在全省大部分地區(qū)預(yù)報偏低2℃,局地偏低3℃以上,DL模型將大部分地區(qū)的誤差控制在±2℃以內(nèi),效果較明顯。

    圖8 2020年湖南地區(qū)站點(diǎn)(a,b)最高、(c,d)最低氣溫預(yù)報的偏差(彩色圓點(diǎn))分布

    DL訂正在減小系統(tǒng)性誤差的同時,因為受“學(xué)習(xí)到的經(jīng)驗”影響,對轉(zhuǎn)折天氣可能也有負(fù)向訂正,對其極端性考慮不夠(例如第2天降溫最顯著的東部平原地區(qū)氣溫預(yù)報偏高,第3天低溫準(zhǔn)確率低于ECMWF-IFS)。此外,經(jīng)過分析同時段ECMWF集合預(yù)報的50個擾動成員,發(fā)現(xiàn)每個單獨(dú)站都存在理論上最優(yōu)成員,其對逐3 h氣溫、日高低溫的準(zhǔn)確率接近100%,訂正方法對原始預(yù)報的改善幅度仍不及理想中的最優(yōu)集合成員(但不同條件下最優(yōu)成員的選取值得研究)。

    岳陽國家基本氣象站位于湖南省東北部洞庭湖平原地區(qū),是冷空氣直接影響、降溫顯著的地區(qū)。從單站逐3 h預(yù)報、觀測時序中(圖9)可以看出,相對實況觀測(紅色折線),ECMWF-IFS(綠色折線)的預(yù)報偏低,特別是每天日出前的最低氣溫偏差明顯,大部分時次,DL模型(藍(lán)色)預(yù)報值比ECMWF-IFS更接近觀測值,改善幅度(黑色虛線)為正且大多在50%以上。也有個別時次DL模型誤差稍大,但也在可接受的范圍內(nèi)。

    圖9 2020年12月29日00時至2021年1月1日00時岳陽站逐3 h氣溫預(yù)報與觀測對比

    此次過程,DL模型在逐3 h預(yù)報上,RMSE減少了0.2℃左右,說明逐3 h預(yù)報也是氣溫預(yù)報的難點(diǎn)。在實際業(yè)務(wù)應(yīng)用中,預(yù)報員將偏差明顯的個別站點(diǎn)進(jìn)行了手工訂正,起到了最終把關(guān)作用。

    4 結(jié)論與討論

    本文從站點(diǎn)預(yù)報實際應(yīng)用的角度,評估了基于深度學(xué)習(xí)算法的氣溫訂正方法相對數(shù)值預(yù)報性能的改進(jìn),并簡要介紹了數(shù)據(jù)處理、訓(xùn)練模型、評估檢驗到實際應(yīng)用的方法。檢驗結(jié)果表明:

    (1)從空間分布來看,DL模型預(yù)報的氣溫RMSE在大部分地區(qū)控制在2℃以下,其對ECMWF-IFS模式的訂正效果明顯,尤其是在湖南省西部和南部的雪峰山、武陵山、南嶺地區(qū)有顯著的改善,從海拔分布上看,改善率隨著預(yù)報站點(diǎn)海拔的增加而上升,特別是海拔1200 m以上的站點(diǎn),改善率達(dá)到50%左右。

    (2)模型預(yù)報的RMSE有明顯的日變化,每日06時、09時,ECMWF-IFS誤差最大(達(dá)2.7℃左右),DL模型對其訂正的幅度也最大(RMSE平均減小0.5℃),二者在每日21時對應(yīng)的時效誤差最小,在不同海拔高度有不同的日變化特征。

    (3)DL模型每個月相對ECMWF-IFS模式的平均RMSE都有明顯的訂正效果,二者在4月、5月(春季)誤差最大,其中10月、11月(秋季)RMSE改善率最高(超過23%),其次是3月、4月(春季,20%左右),12月最低(9%);DL訂正產(chǎn)品在5月的平均RMSE>2℃,其他月份<2℃。

    (4)單次寒潮過程的檢驗效果表明,DL模型對ECMWF-IFS模式的系統(tǒng)誤差有明顯的訂正效果:降溫開始當(dāng)天,日最低氣溫準(zhǔn)確率提升30個百分點(diǎn),第2天、第3天日最高氣溫準(zhǔn)確率提升20個百分點(diǎn),大部分時間的最低氣溫準(zhǔn)確率也有明顯的改善,在逐3 h預(yù)報上,RMSE平均減小0.2℃;在單站的曲線上,也能看出DL模型比ECMWF-IFS預(yù)報更接近觀測實況。

    湖南省氣象臺原有業(yè)務(wù)中使用的多模式最優(yōu)集成,并沒有針對數(shù)值模式帶來誤差的原因進(jìn)行消除,其效果僅優(yōu)于單個數(shù)值模式,但在一些地區(qū)(特別是山地)存在較明顯的系統(tǒng)性誤差,需要人工逐站訂正。人工訂正往往基于經(jīng)驗,一般參考前1~3 d數(shù)值預(yù)報的氣溫要素預(yù)報,假定短時期內(nèi)預(yù)報偏差固定不變,并直接減去固定的偏差,這種方式無法定量考慮多要素對氣溫預(yù)報的影響,容易受到干擾和誤導(dǎo)。

    對比由他人發(fā)展的訂正方法(如滑動雙權(quán)重訂正方法等),本文中使用的方案更接近的是依據(jù)數(shù)值模式對當(dāng)前天氣形勢場各要素的預(yù)報,來對不同下墊面不同地區(qū)的氣溫進(jìn)行重新預(yù)報,而不是從原始預(yù)報值減去推導(dǎo)出的偏差值。在不同的地形, 氣溫預(yù)報偏差受海拔、氣壓、云量、風(fēng)場、濕度等因素影響,基于多氣象因子的深度學(xué)習(xí)偏差訂正更具有物理意義。

    本文中采用的深度學(xué)習(xí)訂正方法針對單站、單點(diǎn)建模,輸出站點(diǎn)預(yù)報,在實際業(yè)務(wù)中設(shè)計出使用站點(diǎn)預(yù)報對背景預(yù)報場進(jìn)行誤差訂正的方案,可以直接輸出成各類服務(wù)產(chǎn)品,并作為第一優(yōu)選客觀預(yù)報源加入智能網(wǎng)格預(yù)報系統(tǒng)。在業(yè)務(wù)實踐中,此產(chǎn)品逐3 h準(zhǔn)確率評分高于其他所有參考預(yù)報來源、每日業(yè)務(wù)檢驗的高低溫也高于其他來源。預(yù)報員大部分時間已不再進(jìn)行手動訂正(手動訂正結(jié)果評分經(jīng)常低于客觀輸出結(jié)果),特別是在極端天氣高發(fā)時期,節(jié)省了大量的時間和精力,體現(xiàn)了研究型業(yè)務(wù)成果在實際工作中發(fā)揮的巨大作用。

    研究初期,統(tǒng)計了本地ECMWF-IFS、CMA-GFS全球預(yù)報以及華東、華南等區(qū)域模式的氣溫預(yù)報準(zhǔn)確率及均方根誤差,發(fā)現(xiàn)ECMWF-IFS綜合誤差最小,因此優(yōu)先采用其進(jìn)行建模訓(xùn)練。

    因為時間關(guān)系,本文模型暫未就日最高/最低氣溫單獨(dú)建模,僅使用擬合日變化曲線計算高/低溫,未進(jìn)行針對性評估(針對日最高/最低氣溫的預(yù)報模型也在研究、改進(jìn)中),基于我國高分辨率區(qū)域數(shù)值預(yù)報、CLDAS氣溫分析場的逐小時智能網(wǎng)格預(yù)報模型也在研究中,但因數(shù)據(jù)量較大,每次建模需要較長時間。但隨著模型的逐步優(yōu)化、算力的提升,后期將得到更加精準(zhǔn)的預(yù)報結(jié)果。

    猜你喜歡
    方根站點(diǎn)氣溫
    氣溫的神奇“魔法”
    方根拓展探究
    基于FY-3D和FY-4A的氣溫時空融合
    基于Web站點(diǎn)的SQL注入分析與防范
    電子制作(2019年14期)2019-08-20 05:43:42
    2017~2018年冬季西北地區(qū)某站點(diǎn)流感流行特征分析
    首屆歐洲自行車共享站點(diǎn)協(xié)商會召開
    中國自行車(2017年1期)2017-04-16 02:53:52
    均方根嵌入式容積粒子PHD 多目標(biāo)跟蹤方法
    怕被人認(rèn)出
    故事會(2016年21期)2016-11-10 21:15:15
    揭開心算方根之謎
    與氣溫成反比的東西
    俄罗斯特黄特色一大片| 久9热在线精品视频| 国产精品自产拍在线观看55亚洲| 欧美午夜高清在线| 男人舔奶头视频| 在线十欧美十亚洲十日本专区| 啦啦啦观看免费观看视频高清| 操出白浆在线播放| 露出奶头的视频| 一区二区日韩欧美中文字幕| 老熟妇乱子伦视频在线观看| 日日夜夜操网爽| xxxwww97欧美| 久99久视频精品免费| 99久久无色码亚洲精品果冻| 91av网站免费观看| 美女免费视频网站| 亚洲欧美精品综合一区二区三区| 日本 欧美在线| 深夜精品福利| 午夜免费观看网址| 老司机靠b影院| 一级毛片精品| 琪琪午夜伦伦电影理论片6080| 精品电影一区二区在线| 又紧又爽又黄一区二区| 国产午夜福利久久久久久| 精品卡一卡二卡四卡免费| 国产在线精品亚洲第一网站| 午夜成年电影在线免费观看| 非洲黑人性xxxx精品又粗又长| 免费女性裸体啪啪无遮挡网站| 宅男免费午夜| av中文乱码字幕在线| 老熟妇乱子伦视频在线观看| 亚洲 欧美一区二区三区| 精品欧美一区二区三区在线| 午夜福利视频1000在线观看| 欧美性猛交╳xxx乱大交人| 国产真人三级小视频在线观看| 精品一区二区三区视频在线观看免费| 日日夜夜操网爽| 中出人妻视频一区二区| 欧美日韩一级在线毛片| 亚洲五月婷婷丁香| 一边摸一边抽搐一进一小说| 欧美黑人巨大hd| or卡值多少钱| 精品国产乱码久久久久久男人| 免费在线观看完整版高清| 国产精品久久久人人做人人爽| 精品人妻1区二区| 日韩欧美国产一区二区入口| 成人国产一区最新在线观看| 激情在线观看视频在线高清| 亚洲av片天天在线观看| 国产成人av激情在线播放| 99久久综合精品五月天人人| 国产亚洲欧美在线一区二区| 亚洲最大成人中文| 欧美一级a爱片免费观看看 | 色综合亚洲欧美另类图片| 国产三级在线视频| 久久久久久免费高清国产稀缺| 国产精品亚洲美女久久久| 我的亚洲天堂| 精品久久久久久成人av| 日本撒尿小便嘘嘘汇集6| 国产色视频综合| 久久午夜综合久久蜜桃| 亚洲成人精品中文字幕电影| 此物有八面人人有两片| 12—13女人毛片做爰片一| 日本免费一区二区三区高清不卡| 日本黄色视频三级网站网址| 久久久久久免费高清国产稀缺| 亚洲成人久久性| 麻豆久久精品国产亚洲av| 久久中文字幕一级| 91av网站免费观看| cao死你这个sao货| 最近最新免费中文字幕在线| av超薄肉色丝袜交足视频| 亚洲国产欧美一区二区综合| 亚洲aⅴ乱码一区二区在线播放 | 草草在线视频免费看| avwww免费| 亚洲久久久国产精品| 丝袜美腿诱惑在线| 亚洲五月天丁香| 俺也久久电影网| 欧美日韩福利视频一区二区| 国产成人一区二区三区免费视频网站| 一级作爱视频免费观看| tocl精华| 很黄的视频免费| 国产97色在线日韩免费| 婷婷丁香在线五月| 女人被狂操c到高潮| 久久久精品国产亚洲av高清涩受| 一边摸一边抽搐一进一小说| 18禁裸乳无遮挡免费网站照片 | 色av中文字幕| 欧美中文综合在线视频| 国产av一区在线观看免费| 午夜久久久在线观看| 日韩欧美在线二视频| 亚洲av电影不卡..在线观看| 欧美一级毛片孕妇| 成人18禁高潮啪啪吃奶动态图| 日韩欧美在线二视频| 久久久久久久久免费视频了| 国产aⅴ精品一区二区三区波| 黑人欧美特级aaaaaa片| 欧美色欧美亚洲另类二区| 在线观看免费午夜福利视频| 国内精品久久久久久久电影| 亚洲成国产人片在线观看| 人人妻人人澡人人看| 最新在线观看一区二区三区| 色av中文字幕| 国产片内射在线| 高潮久久久久久久久久久不卡| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av五月六月丁香网| 亚洲va日本ⅴa欧美va伊人久久| 精品卡一卡二卡四卡免费| 色综合婷婷激情| 午夜日韩欧美国产| 亚洲午夜理论影院| 精品国产国语对白av| 亚洲av片天天在线观看| 色综合婷婷激情| 亚洲av片天天在线观看| 黄色毛片三级朝国网站| 啦啦啦韩国在线观看视频| 夜夜躁狠狠躁天天躁| 欧美一级a爱片免费观看看 | 中文字幕精品亚洲无线码一区 | 欧美国产日韩亚洲一区| 熟女少妇亚洲综合色aaa.| 成人三级做爰电影| 欧美一级毛片孕妇| 国产精品 欧美亚洲| 日本三级黄在线观看| www.精华液| www.精华液| svipshipincom国产片| 亚洲国产中文字幕在线视频| 色综合欧美亚洲国产小说| 特大巨黑吊av在线直播 | 97碰自拍视频| 韩国精品一区二区三区| 99国产极品粉嫩在线观看| 国产精品影院久久| 91成人精品电影| 久久国产乱子伦精品免费另类| av中文乱码字幕在线| 精华霜和精华液先用哪个| 欧美av亚洲av综合av国产av| 国产主播在线观看一区二区| www.999成人在线观看| 欧美性猛交╳xxx乱大交人| 啪啪无遮挡十八禁网站| 最近最新免费中文字幕在线| 两性夫妻黄色片| 很黄的视频免费| 日韩欧美在线二视频| 窝窝影院91人妻| 国产乱人伦免费视频| 一边摸一边做爽爽视频免费| 亚洲精品国产区一区二| 美女大奶头视频| 免费在线观看完整版高清| 国产精品九九99| 亚洲av第一区精品v没综合| 国产激情欧美一区二区| 国产精品1区2区在线观看.| 韩国精品一区二区三区| 男女做爰动态图高潮gif福利片| 亚洲av美国av| 黄频高清免费视频| 免费搜索国产男女视频| 一级作爱视频免费观看| 久久久精品国产亚洲av高清涩受| 欧美久久黑人一区二区| 熟妇人妻久久中文字幕3abv| 精品国产亚洲在线| 欧美在线黄色| 88av欧美| 中文字幕另类日韩欧美亚洲嫩草| 视频区欧美日本亚洲| 成在线人永久免费视频| 黄片小视频在线播放| 韩国精品一区二区三区| 伊人久久大香线蕉亚洲五| 中文亚洲av片在线观看爽| 免费一级毛片在线播放高清视频| 欧美日韩一级在线毛片| 一进一出抽搐动态| 亚洲男人的天堂狠狠| 精品国产乱子伦一区二区三区| 午夜日韩欧美国产| 亚洲午夜精品一区,二区,三区| 黄网站色视频无遮挡免费观看| 动漫黄色视频在线观看| 久久久国产欧美日韩av| 亚洲国产毛片av蜜桃av| 久久国产精品男人的天堂亚洲| 国产真人三级小视频在线观看| 香蕉av资源在线| 90打野战视频偷拍视频| а√天堂www在线а√下载| 色精品久久人妻99蜜桃| 国产精品美女特级片免费视频播放器 | 久久久久久久久久黄片| 一个人免费在线观看的高清视频| 99久久无色码亚洲精品果冻| 亚洲人成电影免费在线| 亚洲第一欧美日韩一区二区三区| 黄色丝袜av网址大全| 韩国av一区二区三区四区| 国产精品亚洲一级av第二区| 久久国产精品男人的天堂亚洲| 亚洲av美国av| 亚洲欧美一区二区三区黑人| 91国产中文字幕| 成年免费大片在线观看| xxx96com| 久久久久免费精品人妻一区二区 | 12—13女人毛片做爰片一| 男人舔奶头视频| av在线播放免费不卡| 亚洲精品美女久久久久99蜜臀| 亚洲中文av在线| 狠狠狠狠99中文字幕| 大香蕉久久成人网| 女警被强在线播放| 成人亚洲精品av一区二区| 一本精品99久久精品77| 欧美最黄视频在线播放免费| 又黄又粗又硬又大视频| 亚洲五月色婷婷综合| 午夜福利高清视频| 国产精品久久久av美女十八| 深夜精品福利| 国内毛片毛片毛片毛片毛片| 亚洲国产欧美一区二区综合| 99在线视频只有这里精品首页| 女人被狂操c到高潮| 老司机福利观看| 高清在线国产一区| 午夜免费鲁丝| 国产乱人伦免费视频| 国产精品综合久久久久久久免费| 18禁黄网站禁片免费观看直播| 国产一卡二卡三卡精品| 丝袜美腿诱惑在线| 男人的好看免费观看在线视频 | 亚洲精华国产精华精| 亚洲成人久久爱视频| 日本三级黄在线观看| 亚洲av片天天在线观看| 色老头精品视频在线观看| 国产一区二区三区视频了| 久久国产精品男人的天堂亚洲| 亚洲成av片中文字幕在线观看| av在线天堂中文字幕| 免费看十八禁软件| 两人在一起打扑克的视频| 国产人伦9x9x在线观看| 国产亚洲精品av在线| 又紧又爽又黄一区二区| 亚洲真实伦在线观看| 国产私拍福利视频在线观看| 听说在线观看完整版免费高清| 一区二区三区精品91| 久久精品国产99精品国产亚洲性色| 91老司机精品| 白带黄色成豆腐渣| 男女那种视频在线观看| xxx96com| 色老头精品视频在线观看| 一进一出抽搐gif免费好疼| 久久99热这里只有精品18| 亚洲人成77777在线视频| 久久精品成人免费网站| 国产精品美女特级片免费视频播放器 | 麻豆成人午夜福利视频| 级片在线观看| 亚洲精品一卡2卡三卡4卡5卡| 日本 av在线| 极品教师在线免费播放| 别揉我奶头~嗯~啊~动态视频| 黄色丝袜av网址大全| 不卡av一区二区三区| 日本免费一区二区三区高清不卡| 一级a爱片免费观看的视频| 听说在线观看完整版免费高清| 国产熟女午夜一区二区三区| 黄片播放在线免费| 国产99白浆流出| 国产蜜桃级精品一区二区三区| 国产欧美日韩精品亚洲av| 免费在线观看黄色视频的| 脱女人内裤的视频| 一区二区三区激情视频| 久久精品国产亚洲av香蕉五月| 91av网站免费观看| 亚洲人成伊人成综合网2020| 啦啦啦观看免费观看视频高清| 欧美成人午夜精品| 美女午夜性视频免费| 亚洲无线在线观看| 非洲黑人性xxxx精品又粗又长| 免费观看精品视频网站| 国产午夜福利久久久久久| 亚洲精品久久成人aⅴ小说| 性色av乱码一区二区三区2| 热99re8久久精品国产| 黄色毛片三级朝国网站| 国内少妇人妻偷人精品xxx网站 | aaaaa片日本免费| 看片在线看免费视频| 一进一出抽搐gif免费好疼| 在线天堂中文资源库| 日韩高清综合在线| www国产在线视频色| 欧美绝顶高潮抽搐喷水| 久久欧美精品欧美久久欧美| 久久久久久国产a免费观看| 别揉我奶头~嗯~啊~动态视频| 怎么达到女性高潮| 欧美成人午夜精品| 宅男免费午夜| 99riav亚洲国产免费| 国产成人av激情在线播放| 欧美三级亚洲精品| 亚洲成av片中文字幕在线观看| 成人手机av| 久久人妻av系列| 又紧又爽又黄一区二区| 久久精品国产亚洲av香蕉五月| 母亲3免费完整高清在线观看| 黄色丝袜av网址大全| 麻豆成人av在线观看| 在线观看一区二区三区| 国产高清有码在线观看视频 | av欧美777| 亚洲av第一区精品v没综合| 亚洲成a人片在线一区二区| 波多野结衣巨乳人妻| 天天躁夜夜躁狠狠躁躁| 国产一区二区激情短视频| 欧美人与性动交α欧美精品济南到| 91大片在线观看| 亚洲 欧美 日韩 在线 免费| 免费电影在线观看免费观看| 18禁裸乳无遮挡免费网站照片 | 国产熟女xx| 韩国精品一区二区三区| 色综合站精品国产| 一级作爱视频免费观看| 亚洲国产欧美网| 国产精品久久久久久亚洲av鲁大| 黄色视频不卡| 欧美一级毛片孕妇| 少妇 在线观看| 97人妻精品一区二区三区麻豆 | 国产熟女午夜一区二区三区| 我的亚洲天堂| 国产一区二区三区视频了| 免费看美女性在线毛片视频| 国产激情久久老熟女| 一级a爱视频在线免费观看| 国产精品一区二区三区四区久久 | 天堂影院成人在线观看| 国产精品免费视频内射| 久久久水蜜桃国产精品网| 老司机午夜十八禁免费视频| 一本大道久久a久久精品| 国产不卡一卡二| a级毛片在线看网站| 正在播放国产对白刺激| 999精品在线视频| 欧美性猛交黑人性爽| av片东京热男人的天堂| 亚洲最大成人中文| 日韩成人在线观看一区二区三区| 两个人视频免费观看高清| 欧美另类亚洲清纯唯美| 亚洲成人免费电影在线观看| 久久香蕉国产精品| 日韩一卡2卡3卡4卡2021年| 欧美性长视频在线观看| 日韩欧美一区二区三区在线观看| 国产精华一区二区三区| 啦啦啦观看免费观看视频高清| 伊人久久大香线蕉亚洲五| 亚洲狠狠婷婷综合久久图片| 亚洲一区高清亚洲精品| 日韩精品中文字幕看吧| 性色av乱码一区二区三区2| www国产在线视频色| 欧美精品亚洲一区二区| 亚洲av美国av| 人人妻人人澡人人看| 一本大道久久a久久精品| 在线观看一区二区三区| 一本久久中文字幕| 丁香六月欧美| 日韩成人在线观看一区二区三区| 欧美zozozo另类| 在线播放国产精品三级| 老汉色∧v一级毛片| 男女之事视频高清在线观看| 亚洲第一电影网av| 波多野结衣av一区二区av| 桃红色精品国产亚洲av| 真人做人爱边吃奶动态| 美女免费视频网站| 18禁裸乳无遮挡免费网站照片 | 无限看片的www在线观看| avwww免费| 给我免费播放毛片高清在线观看| 亚洲av中文字字幕乱码综合 | 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲av中文字字幕乱码综合 | 国产精品 欧美亚洲| 免费在线观看影片大全网站| 国产一区二区三区在线臀色熟女| 精品日产1卡2卡| 999精品在线视频| 日日干狠狠操夜夜爽| 91老司机精品| 亚洲真实伦在线观看| 99国产精品一区二区蜜桃av| 黄色a级毛片大全视频| 亚洲真实伦在线观看| 亚洲国产欧美一区二区综合| 看片在线看免费视频| 一区二区日韩欧美中文字幕| 精品熟女少妇八av免费久了| 国产免费男女视频| 宅男免费午夜| 少妇的丰满在线观看| 久久婷婷成人综合色麻豆| 久久欧美精品欧美久久欧美| 国产精品一区二区精品视频观看| 久久久水蜜桃国产精品网| 久久久久久亚洲精品国产蜜桃av| 黑人巨大精品欧美一区二区mp4| 国产一区二区在线av高清观看| 成人亚洲精品av一区二区| 午夜视频精品福利| 欧美黑人巨大hd| 久久精品国产综合久久久| 深夜精品福利| 亚洲国产精品久久男人天堂| 午夜视频精品福利| 日韩av在线大香蕉| 日日摸夜夜添夜夜添小说| 搡老岳熟女国产| 香蕉国产在线看| 一本大道久久a久久精品| 岛国视频午夜一区免费看| 很黄的视频免费| 亚洲欧美精品综合一区二区三区| 琪琪午夜伦伦电影理论片6080| 99热这里只有精品一区 | 婷婷精品国产亚洲av在线| 老鸭窝网址在线观看| 看免费av毛片| 日韩 欧美 亚洲 中文字幕| 成年人黄色毛片网站| 欧美绝顶高潮抽搐喷水| 男女床上黄色一级片免费看| 女人被狂操c到高潮| 精品一区二区三区视频在线观看免费| 日韩视频一区二区在线观看| 伦理电影免费视频| 亚洲精品在线观看二区| 视频在线观看一区二区三区| 波多野结衣巨乳人妻| 久久99热这里只有精品18| 麻豆成人午夜福利视频| 欧美日韩瑟瑟在线播放| 在线天堂中文资源库| 久久人妻av系列| 巨乳人妻的诱惑在线观看| 18禁黄网站禁片午夜丰满| 女同久久另类99精品国产91| а√天堂www在线а√下载| 男男h啪啪无遮挡| 一进一出好大好爽视频| 欧美成人免费av一区二区三区| 此物有八面人人有两片| 在线观看午夜福利视频| 日本熟妇午夜| av有码第一页| 久久热在线av| 巨乳人妻的诱惑在线观看| 一本一本综合久久| 久久香蕉精品热| 亚洲国产精品成人综合色| 欧美乱码精品一区二区三区| 日本精品一区二区三区蜜桃| 成人18禁在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 午夜老司机福利片| 亚洲 欧美 日韩 在线 免费| 亚洲国产精品成人综合色| 亚洲国产日韩欧美精品在线观看 | 美女午夜性视频免费| 非洲黑人性xxxx精品又粗又长| 国产99白浆流出| 日韩av在线大香蕉| 欧美乱码精品一区二区三区| 淫秽高清视频在线观看| 免费观看精品视频网站| 免费av毛片视频| 欧美中文日本在线观看视频| 亚洲 国产 在线| 麻豆国产av国片精品| 黄色成人免费大全| 制服丝袜大香蕉在线| netflix在线观看网站| 美女高潮到喷水免费观看| 级片在线观看| 久久99热这里只有精品18| 成熟少妇高潮喷水视频| 丁香欧美五月| 日本撒尿小便嘘嘘汇集6| ponron亚洲| 国产成人精品久久二区二区免费| 美女高潮喷水抽搐中文字幕| 成人亚洲精品av一区二区| 精品人妻1区二区| 久久香蕉激情| 亚洲一区二区三区色噜噜| 青草久久国产| 一二三四在线观看免费中文在| 母亲3免费完整高清在线观看| 超碰成人久久| 日韩欧美免费精品| 一级毛片高清免费大全| www.999成人在线观看| 国产高清videossex| av在线播放免费不卡| 在线av久久热| 午夜免费成人在线视频| 女警被强在线播放| 免费在线观看影片大全网站| 久久久久九九精品影院| 久久精品91蜜桃| 69av精品久久久久久| 亚洲国产精品合色在线| 国产成人精品久久二区二区91| 国产成人精品久久二区二区免费| 国产三级黄色录像| 国产99久久九九免费精品| 天堂动漫精品| 国产精品一区二区免费欧美| 午夜福利一区二区在线看| 熟女少妇亚洲综合色aaa.| 精华霜和精华液先用哪个| 桃色一区二区三区在线观看| 天天躁夜夜躁狠狠躁躁| 男女之事视频高清在线观看| 欧美大码av| 免费av毛片视频| 国产精品永久免费网站| 88av欧美| 国产视频内射| 国内少妇人妻偷人精品xxx网站 | 国产成人av教育| 国产高清视频在线播放一区| 制服诱惑二区| 一区二区三区激情视频| 国产成人影院久久av| 在线观看免费视频日本深夜| 1024视频免费在线观看| 亚洲精品一卡2卡三卡4卡5卡| 免费人成视频x8x8入口观看| 婷婷亚洲欧美| 亚洲黑人精品在线| 欧美日韩精品网址| 人成视频在线观看免费观看| 又黄又爽又免费观看的视频| а√天堂www在线а√下载| 不卡av一区二区三区| 搡老妇女老女人老熟妇| 岛国在线观看网站| 日日干狠狠操夜夜爽| 色婷婷久久久亚洲欧美| 午夜亚洲福利在线播放| 搞女人的毛片| 两个人视频免费观看高清| 欧美乱色亚洲激情| 51午夜福利影视在线观看| 日本熟妇午夜| 大型av网站在线播放| 亚洲专区国产一区二区| 黄片大片在线免费观看| 亚洲国产高清在线一区二区三 | 精品日产1卡2卡| 亚洲片人在线观看| svipshipincom国产片| 免费av毛片视频| xxx96com| 十八禁网站免费在线| 脱女人内裤的视频| av有码第一页| 好看av亚洲va欧美ⅴa在| 成人午夜高清在线视频 |