• <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
    啦啦啦韩国在线观看视频| 精品久久久久久久末码| 久久久久网色| 国产在线一区二区三区精 | 国产精品久久久久久久电影| 最新中文字幕久久久久| 两个人视频免费观看高清| 精品久久久久久电影网 | 亚洲丝袜综合中文字幕| h日本视频在线播放| 亚洲真实伦在线观看| 99在线人妻在线中文字幕| 久久韩国三级中文字幕| 亚洲国产精品国产精品| 成年版毛片免费区| 五月伊人婷婷丁香| 一级毛片久久久久久久久女| 干丝袜人妻中文字幕| 午夜视频国产福利| 国产av在哪里看| 国产一区二区亚洲精品在线观看| 好男人在线观看高清免费视频| 高清在线视频一区二区三区 | 国产av不卡久久| 亚洲国产精品专区欧美| 国产成人a区在线观看| 中文在线观看免费www的网站| 久热久热在线精品观看| 欧美成人免费av一区二区三区| 极品教师在线视频| 亚洲精品乱码久久久v下载方式| 亚洲精品一区蜜桃| 亚洲在线自拍视频| 亚洲丝袜综合中文字幕| 伦精品一区二区三区| 国产精品国产高清国产av| 亚洲成人av在线免费| 欧美日韩一区二区视频在线观看视频在线 | 美女被艹到高潮喷水动态| 高清午夜精品一区二区三区| 亚洲18禁久久av| 丰满少妇做爰视频| 国产成人a区在线观看| 你懂的网址亚洲精品在线观看 | 国产伦精品一区二区三区四那| 日本-黄色视频高清免费观看| 久久久久久久久大av| 成人无遮挡网站| 亚洲不卡免费看| 日本熟妇午夜| 日韩制服骚丝袜av| 午夜精品在线福利| 成人午夜精彩视频在线观看| 只有这里有精品99| 青青草视频在线视频观看| 韩国av在线不卡| 成人午夜精彩视频在线观看| 国产三级在线视频| 狠狠狠狠99中文字幕| 亚洲精品456在线播放app| 欧美人与善性xxx| 久久国产乱子免费精品| 18禁在线播放成人免费| 中文字幕亚洲精品专区| 成人高潮视频无遮挡免费网站| 国产午夜精品久久久久久一区二区三区| 国产亚洲最大av| 少妇人妻精品综合一区二区| 午夜久久久久精精品| 色5月婷婷丁香| 日本免费在线观看一区| 蜜桃久久精品国产亚洲av| 国产欧美日韩精品一区二区| 1000部很黄的大片| 最近视频中文字幕2019在线8| 最近2019中文字幕mv第一页| 国产成人一区二区在线| 久久久久精品久久久久真实原创| 精品久久久久久久末码| 男女那种视频在线观看| 亚洲欧美精品自产自拍| 欧美性猛交黑人性爽| 秋霞在线观看毛片| 欧美激情久久久久久爽电影| 国产精品久久久久久精品电影| 亚洲婷婷狠狠爱综合网| 夜夜爽夜夜爽视频| 午夜福利在线在线| 丝袜美腿在线中文| 国产免费又黄又爽又色| 日韩一本色道免费dvd| 97在线视频观看| 亚洲国产精品成人久久小说| 中国美白少妇内射xxxbb| 日本与韩国留学比较| 一级毛片久久久久久久久女| 高清在线视频一区二区三区 | av卡一久久| 高清毛片免费看| 人人妻人人澡人人爽人人夜夜 | 国产一区二区亚洲精品在线观看| 蜜桃亚洲精品一区二区三区| 国产老妇女一区| 爱豆传媒免费全集在线观看| 精品无人区乱码1区二区| 亚洲国产日韩欧美精品在线观看| 欧美bdsm另类| 亚洲四区av| 美女被艹到高潮喷水动态| 久久欧美精品欧美久久欧美| 国产免费视频播放在线视频 | 老司机影院毛片| 国产私拍福利视频在线观看| 乱系列少妇在线播放| 国产成人午夜福利电影在线观看| av免费观看日本| 卡戴珊不雅视频在线播放| 老司机福利观看| 国产毛片a区久久久久| 欧美bdsm另类| 亚洲va在线va天堂va国产| 国产成人a区在线观看| 日韩人妻高清精品专区| av在线播放精品| 国产精品永久免费网站| 精品人妻偷拍中文字幕| 岛国在线免费视频观看| 中文字幕久久专区| 亚洲精品日韩av片在线观看| 亚洲精品国产av成人精品| 国产精品电影一区二区三区| 欧美bdsm另类| 国产人妻一区二区三区在| 国产精品人妻久久久久久| 日韩欧美精品v在线| 国产黄片视频在线免费观看| 内地一区二区视频在线| 特级一级黄色大片| 久久久久久久久久黄片| 日韩高清综合在线| 国产又黄又爽又无遮挡在线| 日产精品乱码卡一卡2卡三| 一区二区三区四区激情视频| 啦啦啦韩国在线观看视频| 亚洲真实伦在线观看| 少妇猛男粗大的猛烈进出视频 | 精品99又大又爽又粗少妇毛片| 一级黄色大片毛片| 国产欧美另类精品又又久久亚洲欧美| 狠狠狠狠99中文字幕| 久久精品久久久久久久性| 中文字幕亚洲精品专区| 欧美97在线视频| 久久久欧美国产精品| 99视频精品全部免费 在线| 国产精品国产三级专区第一集| 国产男人的电影天堂91| 亚洲aⅴ乱码一区二区在线播放| 最近2019中文字幕mv第一页| 国产 一区 欧美 日韩| 高清视频免费观看一区二区 | 国产真实伦视频高清在线观看| 男女边吃奶边做爰视频| 狂野欧美白嫩少妇大欣赏| 熟妇人妻久久中文字幕3abv| 免费不卡的大黄色大毛片视频在线观看 | 少妇熟女欧美另类| 亚洲av二区三区四区| 精品午夜福利在线看| 在线免费观看不下载黄p国产| 搞女人的毛片| 欧美精品国产亚洲| 中文字幕亚洲精品专区| 久久精品人妻少妇| 日韩欧美精品免费久久| 久久久久免费精品人妻一区二区| 久久久久久久久久黄片| 女的被弄到高潮叫床怎么办| 91午夜精品亚洲一区二区三区| 日本av手机在线免费观看| 高清在线视频一区二区三区 | 毛片女人毛片| 看免费成人av毛片| 国产一区二区在线av高清观看| 干丝袜人妻中文字幕| 精品不卡国产一区二区三区| 免费看美女性在线毛片视频| 国产日韩欧美在线精品| 国产精品无大码| videossex国产| 国产欧美日韩精品一区二区| 久久久久久伊人网av| 非洲黑人性xxxx精品又粗又长| 亚洲最大成人中文| 丰满人妻一区二区三区视频av| 51国产日韩欧美| 九草在线视频观看| 成人特级av手机在线观看| 一卡2卡三卡四卡精品乱码亚洲| 精品熟女少妇av免费看| 亚洲欧美日韩卡通动漫| 精品久久久久久久人妻蜜臀av| 色噜噜av男人的天堂激情| 国产片特级美女逼逼视频| 欧美一级a爱片免费观看看| 人体艺术视频欧美日本| 99热网站在线观看| 亚洲自拍偷在线| a级毛片免费高清观看在线播放| 能在线免费观看的黄片| 级片在线观看| 欧美区成人在线视频| 色综合亚洲欧美另类图片| 国产免费视频播放在线视频 | 国产一区有黄有色的免费视频 | 国产精品99久久久久久久久| 欧美日本亚洲视频在线播放| 麻豆国产97在线/欧美| 日韩亚洲欧美综合| 又黄又爽又刺激的免费视频.| 老司机影院毛片| 国产成人免费观看mmmm| 美女内射精品一级片tv| 国产乱人偷精品视频| 亚洲成色77777| 色综合亚洲欧美另类图片| 色播亚洲综合网| 午夜精品国产一区二区电影 | 狠狠狠狠99中文字幕| 大又大粗又爽又黄少妇毛片口| 日本午夜av视频| 丰满少妇做爰视频| 少妇高潮的动态图| 亚洲av电影在线观看一区二区三区 | 欧美激情在线99| 日韩一区二区视频免费看| 欧美bdsm另类| 婷婷色av中文字幕| 亚洲精品亚洲一区二区| 精品一区二区三区视频在线| 国产黄片美女视频| 精品免费久久久久久久清纯| 亚洲av中文字字幕乱码综合| 亚洲精品乱久久久久久| 亚洲图色成人| 汤姆久久久久久久影院中文字幕 | 久久精品国产亚洲网站| av在线蜜桃| 男女视频在线观看网站免费| 欧美人与善性xxx| 国产成人精品婷婷| av黄色大香蕉| 久久婷婷人人爽人人干人人爱| 国产乱来视频区| 你懂的网址亚洲精品在线观看 | 国产一级毛片七仙女欲春2| 久久综合国产亚洲精品| 亚洲国产精品久久男人天堂| 午夜福利高清视频| 免费观看的影片在线观看| 国产成人精品一,二区| 又粗又爽又猛毛片免费看| 好男人视频免费观看在线| 亚洲性久久影院| 长腿黑丝高跟| 亚洲在线自拍视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日本av手机在线免费观看| 美女被艹到高潮喷水动态| www.色视频.com| 国产精品伦人一区二区| 日本五十路高清| 在现免费观看毛片| 亚洲电影在线观看av| 久久精品久久精品一区二区三区| 中国美白少妇内射xxxbb| 久久人人爽人人爽人人片va| 亚洲国产精品国产精品| 亚洲欧美成人综合另类久久久 | 七月丁香在线播放| 国产精品久久电影中文字幕| 久久精品国产自在天天线| 人妻系列 视频| 国产一级毛片七仙女欲春2| 嫩草影院入口| 国产精品国产高清国产av| 乱人视频在线观看| 亚洲人成网站在线播| 精品国产一区二区三区久久久樱花 | 精品久久久久久久久久久久久| 国产高清不卡午夜福利| 国产国拍精品亚洲av在线观看| 国产淫片久久久久久久久| 成人一区二区视频在线观看| 亚洲精品乱码久久久久久按摩| 噜噜噜噜噜久久久久久91| 国产单亲对白刺激| .国产精品久久| 亚洲av男天堂| 一本一本综合久久| 欧美变态另类bdsm刘玥| 少妇人妻一区二区三区视频| 亚洲高清免费不卡视频| 久久精品熟女亚洲av麻豆精品 | 国产精品熟女久久久久浪| 啦啦啦韩国在线观看视频| 精品国产三级普通话版| 欧美zozozo另类| 内地一区二区视频在线| 九九在线视频观看精品| 久久精品综合一区二区三区| 三级国产精品片| 伊人久久精品亚洲午夜| 日韩制服骚丝袜av| 国产69精品久久久久777片| 最近中文字幕2019免费版| 91久久精品国产一区二区三区| 国产精品久久久久久精品电影小说 | 亚洲欧美日韩高清专用| 欧美潮喷喷水| 黄片无遮挡物在线观看| 一区二区三区四区激情视频| 高清在线视频一区二区三区 | 最近视频中文字幕2019在线8| 老司机福利观看| 国产精品久久久久久久电影| 身体一侧抽搐| 97在线视频观看| 极品教师在线视频| 国产成人精品久久久久久| 国产高清国产精品国产三级 | av又黄又爽大尺度在线免费看 | 久久精品国产自在天天线| 七月丁香在线播放| 国产乱人偷精品视频| 精品国产三级普通话版| 午夜福利成人在线免费观看| 看非洲黑人一级黄片| 成人鲁丝片一二三区免费| 国产精品国产三级专区第一集| 日韩 亚洲 欧美在线| 成人毛片a级毛片在线播放| 男插女下体视频免费在线播放| 日本熟妇午夜| 日韩av在线大香蕉| 三级男女做爰猛烈吃奶摸视频| 一区二区三区四区激情视频| 欧美不卡视频在线免费观看| 一二三四中文在线观看免费高清| 岛国毛片在线播放| 亚洲五月天丁香| 黄色一级大片看看| 91久久精品国产一区二区成人| 国产伦一二天堂av在线观看| 超碰av人人做人人爽久久| 看黄色毛片网站| 色综合站精品国产| 中文字幕av在线有码专区| 亚洲国产欧美人成| 日韩在线高清观看一区二区三区| 国产高清国产精品国产三级 | 国产精品久久视频播放| 国产av码专区亚洲av| 97热精品久久久久久| 国产白丝娇喘喷水9色精品| 欧美zozozo另类| 精品酒店卫生间| 日韩av在线大香蕉| 亚洲成人av在线免费| 欧美xxxx黑人xx丫x性爽| 免费av不卡在线播放| 一二三四中文在线观看免费高清| 欧美最新免费一区二区三区| 丰满少妇做爰视频| 寂寞人妻少妇视频99o| 精品欧美国产一区二区三| 天堂中文最新版在线下载 | АⅤ资源中文在线天堂| 国产欧美日韩精品一区二区| 亚洲精品国产成人久久av| 久久久欧美国产精品| 嫩草影院精品99| 97超碰精品成人国产| 91久久精品国产一区二区三区| 国产成人午夜福利电影在线观看| 我要搜黄色片| 成年版毛片免费区| 午夜免费激情av| 国产极品精品免费视频能看的| 日本欧美国产在线视频| 天天躁夜夜躁狠狠久久av| 少妇人妻精品综合一区二区| 亚洲欧美日韩无卡精品| 如何舔出高潮| 国产精品久久久久久精品电影| videos熟女内射| 亚州av有码| 天堂网av新在线| 国产精品一区二区三区四区久久| 国产精品电影一区二区三区| 我要看日韩黄色一级片| 搞女人的毛片| 美女内射精品一级片tv| 国产极品精品免费视频能看的| 欧美色视频一区免费| 日本免费一区二区三区高清不卡| 日本黄色片子视频| www日本黄色视频网| 亚洲av不卡在线观看| 日本wwww免费看| 国产乱人偷精品视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 大香蕉97超碰在线| 午夜福利网站1000一区二区三区| 亚洲人与动物交配视频| 日韩精品青青久久久久久| 日本黄色片子视频| 久久亚洲精品不卡| 日本免费一区二区三区高清不卡| 简卡轻食公司| av在线观看视频网站免费| 一级av片app| 精品国产三级普通话版| 久久久a久久爽久久v久久| 国产精品一区二区三区四区久久| 欧美变态另类bdsm刘玥| 日本免费a在线| 亚洲精华国产精华液的使用体验| 国产成人精品婷婷| 免费看日本二区| 级片在线观看| 中文天堂在线官网| 一边摸一边抽搐一进一小说| 欧美+日韩+精品| 亚洲综合色惰| 国产乱来视频区| 两个人的视频大全免费| 色播亚洲综合网| 人人妻人人看人人澡| 亚州av有码| 国产久久久一区二区三区| 久久久亚洲精品成人影院| 国产成人a∨麻豆精品| 99久久精品一区二区三区| av免费观看日本| 少妇熟女欧美另类| 精品熟女少妇av免费看| 久久韩国三级中文字幕| 国产亚洲精品av在线| 国产精品人妻久久久影院| 欧美另类亚洲清纯唯美| 2021天堂中文幕一二区在线观| 最近的中文字幕免费完整| 日韩欧美 国产精品| 亚洲欧美清纯卡通| 波野结衣二区三区在线| 卡戴珊不雅视频在线播放| 国产精品野战在线观看| 国产精品一区二区在线观看99 | 国产一级毛片七仙女欲春2| 听说在线观看完整版免费高清| 联通29元200g的流量卡| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美成人免费av一区二区三区| 永久网站在线| 国产精品精品国产色婷婷| 国产精品人妻久久久久久| or卡值多少钱| 特大巨黑吊av在线直播| 1000部很黄的大片| 好男人视频免费观看在线| .国产精品久久| 久久6这里有精品| 欧美不卡视频在线免费观看| 国产高清国产精品国产三级 | 国产乱人视频| 国产亚洲精品av在线| 亚洲av福利一区| 久久精品国产鲁丝片午夜精品| 日本wwww免费看| 久热久热在线精品观看| 亚洲精品久久久久久婷婷小说 | 在线播放无遮挡| 精品午夜福利在线看| 国产探花在线观看一区二区| 美女国产视频在线观看| 亚洲图色成人| 国产一区二区在线观看日韩| 久热久热在线精品观看| 日本免费一区二区三区高清不卡| 看十八女毛片水多多多| 有码 亚洲区| 丝袜喷水一区| 国产 一区精品| 女的被弄到高潮叫床怎么办| www日本黄色视频网| 老司机福利观看| 看非洲黑人一级黄片| 晚上一个人看的免费电影| av免费观看日本| 一卡2卡三卡四卡精品乱码亚洲| 深夜a级毛片| 晚上一个人看的免费电影| 国产一区二区在线观看日韩| 国产精品伦人一区二区| 国产一区二区三区av在线| 啦啦啦啦在线视频资源| 国产精品福利在线免费观看| 色视频www国产| 国产av在哪里看| 日本黄色片子视频| 黄片无遮挡物在线观看| 久久久国产成人精品二区| 亚洲成人精品中文字幕电影| 超碰97精品在线观看| 国产真实伦视频高清在线观看| 成人二区视频| 精华霜和精华液先用哪个| 亚洲av不卡在线观看| 日韩精品有码人妻一区| 精品99又大又爽又粗少妇毛片| 免费播放大片免费观看视频在线观看 | 欧美3d第一页| 国产三级在线视频| 91精品国产九色| 3wmmmm亚洲av在线观看| 又爽又黄无遮挡网站| 少妇人妻一区二区三区视频| 干丝袜人妻中文字幕| 中文欧美无线码| 如何舔出高潮| 搡女人真爽免费视频火全软件| av线在线观看网站| 国产私拍福利视频在线观看| 男女那种视频在线观看| 我的女老师完整版在线观看| 国产亚洲av片在线观看秒播厂 | 日本五十路高清| 欧美丝袜亚洲另类| 婷婷色麻豆天堂久久 | 国产极品天堂在线| 国产乱来视频区| 日本色播在线视频| 内地一区二区视频在线| 国产成人免费观看mmmm| 日韩视频在线欧美| 成人特级av手机在线观看| av在线亚洲专区| 欧美激情在线99| 一级黄色大片毛片| 春色校园在线视频观看| 国内少妇人妻偷人精品xxx网站| 精品99又大又爽又粗少妇毛片| 九色成人免费人妻av| 国产精品.久久久| 国产精品一区www在线观看| 久久精品夜夜夜夜夜久久蜜豆| 国产在线男女| 午夜老司机福利剧场| 国产精品国产三级专区第一集| 中文在线观看免费www的网站| 久久综合国产亚洲精品| 大话2 男鬼变身卡| 午夜福利成人在线免费观看| 欧美一区二区国产精品久久精品| 精品酒店卫生间| 热99re8久久精品国产| 看非洲黑人一级黄片| 看片在线看免费视频| 国模一区二区三区四区视频| 亚洲精品日韩在线中文字幕| 国产综合懂色| 国产精品女同一区二区软件| 国内精品美女久久久久久| 一卡2卡三卡四卡精品乱码亚洲| 国产精品日韩av在线免费观看| 国产黄片美女视频| 国产精华一区二区三区| 日本免费一区二区三区高清不卡| 免费看av在线观看网站| 婷婷六月久久综合丁香| 国产一区有黄有色的免费视频 | 嫩草影院新地址| 久久久久久九九精品二区国产| 久久精品国产鲁丝片午夜精品| 深爱激情五月婷婷| 国产成人精品久久久久久| 99热这里只有精品一区| 九九热线精品视视频播放| 人体艺术视频欧美日本| 91精品国产九色| 成人特级av手机在线观看| 亚洲国产高清在线一区二区三| 久久久国产成人精品二区| 国产成人福利小说| 精品国产一区二区三区久久久樱花 | 欧美日本视频| 国产亚洲av嫩草精品影院| 少妇丰满av| 国产精品人妻久久久久久| 亚洲av免费高清在线观看| 久久亚洲精品不卡| 国产午夜精品论理片| 99在线视频只有这里精品首页| 亚洲怡红院男人天堂| 特级一级黄色大片| 日韩 亚洲 欧美在线| 日韩欧美三级三区| 99久久九九国产精品国产免费| 精品无人区乱码1区二区| 又粗又硬又长又爽又黄的视频| 中文资源天堂在线| 久久久久久伊人网av| 亚洲av免费高清在线观看| 久久热精品热|