天津市多模式气温集成预报方法

吴振玲, 潘璇, 董昊, 徐姝, 汪靖

吴振玲, 潘璇, 董昊, 等. 天津市多模式气温集成预报方法. 应用气象学报, 2014, 25(3): 293-301.
引用本文: 吴振玲, 潘璇, 董昊, 等. 天津市多模式气温集成预报方法. 应用气象学报, 2014, 25(3): 293-301.
Wu Zhenling, Pan Xuan, Dong Hao, et al. Forecast method of multi-model air temperature consensus in Tianjin. J Appl Meteor Sci, 2014, 25(3): 293-301. .
Citation: Wu Zhenling, Pan Xuan, Dong Hao, et al. Forecast method of multi-model air temperature consensus in Tianjin. J Appl Meteor Sci, 2014, 25(3): 293-301. .

天津市多模式气温集成预报方法

资助项目: 

中国气象局气象关键技术集成与应用项目 CMAGJ2012M04

详细信息
    通信作者:

    吴振玲, email: bigwiselyyn@yahoo.com

Forecast Method of Multi-model Air Temperature Consensus in Tianjin

  • 摘要: 在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。
    Abstract: Based on genetic algorithm and particle swarm optimization, multi-model air temperature consensus forecast technology (MMATCFT) of hybrid evolutionary algorithm (HEG) is studied. The main technical thought of this method is that two integrated forecast models are set up respectively by using the genetic algorithm and particle swarm optimization, and then the final mixed forecasting model is established by the weight distribution scheme, which is founded through comparing forecast mean errors between the two models.In order to eliminate the impact of seasonal temperature characteristics of Tianjin, the daily rolling integrated forecast model based on 30-day data is adopted in practical operation applications with hybrid evolutionary algorithm. Using 2 m air temperature output data of four models of T639, GRAPES, TJWRF, BJ-RUC and observations of 35 automatic weather stations (AWS) in villages and towns of Tianjin from May to October in 2012, the forecast test of MMTCFT is carried out. Then the experimentation result is evaluated using the way of classification and station-separation, according to the meteorological standard that absolute error of temperature forecast is within 2℃. T639, GRAPES, TJWRF and BJ-RUC are separately run by China National Meteorological Center, Tianjin Meteorological Bureau and Beijing Meteorological Bureau. The analysis shows that the temperature consensus forecast model is effective and reliable. The technical scheme of the consensus forecast based on rolling model is more rational. The forecast errors are obviously smaller than any model mentioned above, and the forecast accuracy is higher. The average forecast accuracy of 6 h temperature, the daily maximum and minimum temperature in 35 AWS is 76.34%, 77.88% and 78.00% from May to October, respectively.
  • 改革开放后,我国与世界各国贸易不断增加,远洋运输担当着重要的角色。为了给远洋运输带来巨大的安全和经济效益,船舶气象导航技术应运而生。所谓船舶气象导航就是根据大洋气候资料及长、中、短期天气预报和海况预报,结合船舶性能和装载特点,为船舶选择最佳航线,并在航行中利用不断更新的天气和海况预报修正航线,指导船舶航行,以达到在最短的时间内和损失最小的情况下完成航行的一种技术[1]。中央气象台海洋气象导航中心利用国家气象中心的气象资源,结合船舶导航技术,进行了气象导航的研究[2-5] 已经为千余艘次船舶跨洋航行提供了气象导航服务,取得了巨大的经济效益。为了更好地将气象条件应用到气象导航中去,本文通过近10 年欧洲中心格点资料的客观分析,发现在特定区域建立的特定形式的北太平洋冬季阻塞性高压十分有利于北太平洋冬季西行船舶高纬度航线的航行,利用这种有利的阻塞性高压天气形势,适时地选择高纬度航线不仅获得有利的天气条件,而且航行距离最短,其经济效益也是巨大的。

    气象航线的设计原理是根据当前天气和短、中期天气海况预报,即在假设全航程海上天气、海况已知的前提下,结合船舶性能、装载情况,选择一条既能充分利用有利的风、浪、 流等因素,又能尽量避开大风浪,特别是顶头浪和横浪等不利因素的影响,使之达到所要求的最佳程度[1]。实际上,要达到上述目的还受到中长期预报能力的限制。因此,在超出中期预报时效的航线上,采用气候形势场或特定类型的天气形势场予以补充,不断地对这些形势场进行细致的分析研究,使其尽可能地满足预报分析的目的。

    1) 风和海浪:风不仅直接作用于船体,而且它还通过海浪间接地表现出来。风作用于船体产生风压作用,会使船舶偏离计划航线,同时风所引起的海表面上的海浪也会在某种程度上使航向偏离。2) 海流:顺流可提高航速、缩短航期,逆流则反之,强流还会影响在狭窄水域内的操作和系泊安全。北太平洋高纬度西行航线除了在阿拉斯加湾有较小的逆流外,其它大部分航程为顺流。3) 海雾:海雾影响海面的能见度,特别是海上发生浓雾时,能见度会变得相当差,增大了船舶碰撞及搁浅的危险性,应引起极大的注意。冬季阿留申群岛和日本北海道多大雾,必须借助气象导航及雷达设备提高安全性。4) 海冰:冰山和浮冰对船舶构成较大的威胁,它可使船舶受阻、受损及沉没。冬季白令海时有浮冰,老旧船应避免驶入该海域[6]

    在影响船舶航行诸因素中,风的作用对船舶的影响最大。冬季白令海为深厚的低压所控制[7],北太平洋中高纬度海域风大浪高,西行船舶往往采用中低纬度航线航行(北纬 35 度以南的航线),而极少采用高纬度航线(经乌尼马克海峡,阿图岛北,津轻海峡至中国的航线)[8]。实践证明,中低纬度航线并非最佳航线,高纬度航线也不是航行禁区 [5]。在气象导航的预报应用中,北太平洋冬季阻塞性高压活动特征的研究是提高中期预报时效的重要内容。北太平洋冬季阻塞性高压一旦建立,其天气形势将至少稳定3-5 天,多者可达10 天以上,这对气象导航的航线设计十分有利。为了更好地了解北太平洋冬季阻塞性高压对船舶西行高纬度航线的影响,本文划定50°~80°N,130°E-130°W 为研究区域,并将该区域细分为3 个分区,Ⅰ 区:50°~80°N,130°~160°E,Ⅱ区:50°~80°N,160°E~160°W,Ⅲ区:50°~80°N,160°~130°W。按上述区域对10 年北太平洋冬季12 月至1 月阻塞高压建立和崩溃的天气过程给予一定的概括和分析 [9],以便找出有利于西行高纬度航线的阻塞高压生成地和天气类型。关于阻塞性高压的定义和主要的天气分型,本文参考叶笃正等著的《北半球冬季阻塞形势的研究》一书[10],然后利用欧洲中心自1989-1998 年冬季12 月至1 月高空500 hPa 的格点客观分析资料,对以上划定区域所发生的阻塞形势进行统计和分析(表略)。统计结果表明:在10 年冬季中,该地区500 hPa 出现的阻塞性高压共计49 个,总天数为340 天,其中有利于西行高纬度航线的21 个,有利天数158 天。Ⅰ 区生成4 个阻塞性高压(17 天),没有有利的个例;Ⅱ区生成38 个阻塞性高压(263 天),有利个例17 个(122 天);Ⅲ区生成7 个阻塞性高压(60 天),有利个例4 个(36 天)。 可见白令海及其以北地区是北太平洋冬季阻塞高压主要的生成地(见表 1)。

    表  1  1989-1998 年冬季北太平洋阻塞高压各生成地的个例统计表
    下载: 导出CSV 
    | 显示表格

    Ⅰ区:该区生成阻塞高压的个例较少,这与北半球冬季500 hPa 的气候特征相一致。 即整个东亚地区以低压槽控制为主,白令海以东为弱的高压脊。从Ⅰ区生成的4 个个例分析来看,均是由于阿拉斯加湾和白令海高压脊发展西移,在Ⅰ 区生成闭合高压中心,然后形成阻塞形势。但由于远东分裂低涡路径较北和北美大陆低涡西伸槽的影响,导致航线上有较强的气旋生成,这在西行高纬度航线中不论初期还是后期均不利于船舶西行 (图略)。

    ① 中央气象局研究所编印。北半球高空气候图集.1976,27-39.

    Ⅱ区:该区是北太平洋冬季阻塞高压主要生成地。其建立过程有两类:低涡切断和经向发展。通过对有利于西行高纬度航线的阻塞高压形势的分析,发现影响航线的因素既与阻塞高压的生成地有关,也与阻塞高压东西两侧的切断低涡的位置和强度也有关系。

    (1) 低涡切断型:阻塞性高压由白令海南或阿拉斯加湾的高压脊发展而成。东亚大槽位于130°~140°E,槽前有低涡中心分裂东移,位置偏南,约40°~50°N,其北侧的白令海西北部为阻塞高压中心区。与此同时,美洲长波槽较浅,阿拉斯加湾是弱的高压脊区。 在这种形势下,地面图上白令海及阿拉斯加湾水域多为弱的偏东风,对船舶选择西行高纬度航线十分有利。这类过程发展的天气类型如图 1(a)(以1989 年12 月18 日00 :00 500 hPa 阻高形势为代表)和(b)(以1995 年1 月23 日00 :00 500 hPa 阻高形势为代表)所示。 当东亚长波槽前的低涡路径较北(50°N 以北)时,切断低涡影响白令海海域,且航线上有多个气旋生成和发展,因而对船舶选择高纬度航线不利。这类过程的天气类型如图 1(c) (以1996 年1 月19 日00 :00 500 hPa 阻高形势为代表)所示。另一种形式是,尽管阻塞性高压南侧的切断低涡位置偏南(40°~50°N),但由于高空长波槽处在调整期,即北美高压脊南压消散,极涡有槽伸向阿拉斯加并南下加深,在东太平洋建立一支长波槽区。这使得阿拉斯加湾处在低压槽的控制下,地面图上有气旋发展,其形势直接导致了航行初期的不利天气。天气类型如图 1(d)(以1991 年2 月1 日00 :00 500 hPa 阻高形势为代表)所示。

    图  1  Ⅱ 区500 hPa 低涡切断型阻塞高压高空形势图
    ((a)、(b):有利于西行高纬度航线,(c)、(d):不利于西行高纬度航线)

    (2) 经向发展型:阻塞高压由阿拉斯加湾高压脊发展而成。东亚长波槽前后有两个低涡中心分裂东移,北太平洋中高纬度呈移动性短波槽脊分布形势。第一个短波脊的作用是加强阿拉斯加湾高压脊并使其经向发展,进而形成阻塞高压。第二个短波脊叠加其上,起到进一步加强和稳定的作用。这一经向发展强盛的高压脊控制了整个白令海及阿拉斯加湾海域,其阻塞形势有利于船舶选择高纬度航线。这类过程的天气类型如图 2(a) (以1994 年2 月22 日00 :00 500 hPa 阻高形势为代表)所示。另一种经向发展阻塞高压是极地的阻塞高压受东亚大槽槽前暖气流的作用不断加强。随阻塞高压范围的向南扩展,其东西两侧的低涡势力也得以削弱。白令海被高压脊控制,地面有弱的偏东风,对西行高纬度航线有利。天气类型如图 2(b)(以1994 年1 月10 日00 :00 500 hPa 阻高形势为代表)所示。然而,当东亚不断有低涡分裂东移,北美又有低槽西伸时,位于中太平洋的经向型高压在白令海地区则被削弱变窄,再加上低涡位置偏北,造成阿拉斯加湾海域及白令海有气旋发展且持续时间长,这种天气形势不利于船舶选择高纬度航线航行。这类过程的天气类型如图 2(c)(以1991 年2 月19 日00 :00 500 hPa 阻高形势为代表)所示。

    图  2  Ⅱ 区500 hPa 经向发展型阻塞高压高空形势图
    ((a)、(b):有利于西行高纬度航线,(c)不利于西行高纬度航线)

    Ⅲ区:虽然仅有7 个阻塞性高压生成,但竟有4 个个例对西行高纬度航线有利,占整个Ⅲ区生成个例的57 %。通过对这些个例分析(图略),发现阿拉斯加湾阻塞中心在低涡前西南气流作用下,西伸发展较快,并在白令海及以北地区趋于稳定。在阻高中心西移进入Ⅱ区过程中,其西侧低涡也南移减弱,阻塞形势演变成Ⅱ区低涡切断阻塞形式。反之,由于东亚大槽前分裂东移的低涡路径偏北,使得长波脊也随之向北发展,环流经向度加大,阻塞中心在较高纬度稳定,其阻塞形式演变成Ⅱ区经向发展型。有利和不利于西行高纬度航线航行的阻塞形式可参照Ⅱ区阻塞高压形式。

    一般来说,静水船速为22 节的集装箱货轮从温哥华起航,走高纬度航线经阿拉斯加湾及白令海海域进入津轻海峡大约需要7-8 天,而静水船速为14 节的杂货轮则要12 天。中央气象台海洋气象导航中心需在船舶离港前24 h 将设计航线提供给船长,其预报时效至少需要8 天。目前导航中心利用国家气象中心的T106 数值预报产品冬季北太平洋预报时效为6 天,欧洲中心数值预报产品ECMWF 预报时效为8 天。所以,不论使用哪家的数值预报产品,都可以做到通过对500 hPa 形势场分析,捕捉有利的阻塞高压形式,及时选择高纬度西行航线,以达到安全、节时、增效之目的。例如,1992 年2 月13 日马龙海轮从温哥华起航,导航中心于12 日分析13-14 日白令海有高压脊生成,其西南侧低涡可促使高压脊发展,并将于18 日形成闭合中心。地面图上白令海海域将从18 日开始有3-5 天受高压控制,海平面出现弱的偏东风。导航中心依据这一预报结论,及时向船长建议了高纬度航线。实际结果,阻塞高压形势稳定维持了7 天,马龙海轮一路上基本顺风和侧顺风,风力仅为5 级左右(图 3 所示),较中纬度航线缩短1305 海里,节约航时 84 h,为船东带来了可观的经济效益。

    图  3  (a)1992 年2 月19 日12:00 500 hPa 高空形势图 (b)1992 年2 月19 日12 :00 地面形势图及马龙海轮航线(粗黑线)

    ① 国家气象中心。数值预报产品评价公报.2000 年第1 期.

    ②ECMWF.The scient ific and t echnical f oundat ion of ECMWF strat egy.1998.

    冬季北太平洋50°N 以北的高纬度洋面一直被船长认为是航行的危险区,随着气象预报手段的提高和船舶技术装备的完善,越来越多的船长开始采用高纬度航线。通过对上述影响高纬度航线的北太平洋冬季阻塞高压的分析总结,得出以下看法:

    (1) 白令海地区是冬季500 hPa 阻塞高压的主要生成地。

    (2) 高纬度航线的选择不仅依赖于阻塞高压的生成地,而且还依赖于切断低涡的位置。发生在白令海的低涡切断型阻塞高压,其南侧的切断低涡一般位于40°~50°N,是对航线有利的阻塞高压形式。

    (3) 当东亚大槽和北美长波槽都较弱,东亚大槽前不断有低涡中心分裂东移,北太平洋中高纬度呈短波移动性槽脊分布时,因短波脊多次叠加而形成的白令海经向型阻塞高压对航行是有利的。而东西两侧有低涡发展且位置较北(50°N 以北),阻塞高压被削弱变窄的经向发展型阻塞形势对高纬度航线的选择是不利的。

    (4) 在气象导航工作中,应用当前数值产品预报白令海区500 hPa 阻塞高压的建立和演变,作为中期天气预报的补充手段,可及时地建议船长选择高纬度航线,为船东带来巨大的经济效益。

  • 图  1   2012年5—10月集成预报与GRAPES,BJ-RUC,T639,TJWRF模式预报总体平均绝对误差

    Figure  1.   Mean absolute error of temperature from consensus forecast and GRAPES, BJ-RUC, T639, TJWRF forecasts from May to October in 2012

    图  2   2012年5—10月集成预报与GRAPES,BJ-RUC,T639,TJWRF模式预报气温平均绝对误差

    Figure  2.   Monthly mean absolute error of temperature from consensus forecast and GRAPES, BJ-RUC, T639, TJWRF forecasts

    图  3   2012年5—10月35个区域自动气象站气温集成预报的平均准确率

    Figure  3.   Mean accuracy of temperature at 35 automatic meteorological stations from May to October in 2012

    图  4   2012年9—10月最低气温、最高气温集成预报与实况对比

    Figure  4.   Comparison between consensus forecast and observation of minimin and maximum temperatures from September to October in 2012

    表  1   2012年5—10月集成预报与GRAPES,BJ-RUC,T639,TJWRF模式预报气温平均绝对误差 (单位:℃)

    Table  1   Monthly mean absolute error of temperature from consensus forecast and GRAPES, BJ-RUC, T639, TJWRF forecasts from May to October in 2012(unit:℃)

    预报模式 5月 6月 7月 8月 9月 10月
    集成预报 1.44 1.37 1.46 1.49 1.35 1.40
    GRAPES模式 3.36 3.49 3.52 2.92 3.64 2.92
    BJ-RUC模式 2.46 2.39 2.67 2.53 2.45 1.93
    T639模式 4.88 4.00 4.03 4.29 4.09 4.02
    WRF模式 2.30 2.11 2.61 2.51 2.28 1.81
    下载: 导出CSV

    表  2   2012年5—10月定时气温集成预报平均准确率

    Table  2   Mean accuracy of specified temperature consensus forecast from May to Octorber in 2012

    Ea范围 02:00 08:00 14:00 20:00
    Ea≤1℃ 51.04% 52.25% 41.67% 43.76%
    1℃<Ea≤2℃ 30.35% 28.53% 28.96% 28.80%
    Ea≤2℃ 81.39% 80.78% 70.63% 72.56%
    下载: 导出CSV

    表  3   2012年6月平均最低气温集成预报准确率 (单位:%)

    Table  3   Mean accuracy of minimin temperature from consensus forecast in June 2012(unit:%)

    Ea范围 遗传算法 粒子群优化算法 等权重混合算法 平均误差计算混和算法
    Ea≤1℃ 45.5 45.0 45.3 45.5
    1℃<Ea≤2℃ 28.9 29.2 28.9 29.0
    Ea≤2℃ 74.4 74.2 74.2 74.5
    下载: 导出CSV
  • Leslie L M, Helland G L.Predicting regional forecast skill using single and ensemble forecast technique.Mon Wea Rev, 1991, 119(2):425-435. DOI: 10.1175/1520-0493(1991)119<0425:PRFSUS>2.0.CO;2

    金龙, 陈宁, 林振山.基于人工神经网络的集成预报方法研究比较.气象学报, 1999, 57(2):198-207. DOI: 10.11676/qxxb1999.018
    魏凤英.全国夏季降水区域动态权重集成预报试验.应用气象学报, 1999, 10(4):402-409. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=19990489&flag=1
    周家斌, 彭瑶.制作汛期降水集成预报的分区权重法.应用气象学报, 1999, 10(4):428-435. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=19990488&flag=1
    周家斌, 张海福.一种汛期降水分布的客观集成预报方法.应用气象学报, 2000, 11(增刊):93-97. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=19990488&flag=1
    周家斌, 张海福, 杨桂英, 等.制作汛期降水集成预报的分区权重法.应用气象学报, 1999, 10(4):428-435. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=19990488&flag=1
    刘还珠, 郝为, 林孔元, 等.基于智能计算的多模型气象综合预报暴雨落区预报实用方法.北京:气象出版社, 2000:30-37.
    陈桂英.权重分布法集成预报试验.应用气象学报, 2000, 11(增刊):51-57. http://www.cnki.com.cn/Article/CJFDTOTAL-YYQX2000S1005.htm
    苗爱梅, 吴晓荃, 董存仙, 等.太原地区温度集成预报方法研究.山西气象, 1997(3):2-6. http://www.cnki.com.cn/Article/CJFDTOTAL-SXQX703.001.htm
    赵声蓉.多模式温度集成预报.应用气象学报, 2006, 17(1):52-58. DOI: 10.11898/1001-7313.20060109
    李倩, 胡邦辉, 王学忠, 等.基于BP人工神经网络的区域温度多模式集成预报试验.干旱气象, 2011, 29(2):231-235. http://www.cnki.com.cn/Article/CJFDTOTAL-GSQX201102018.htm
    熊聪聪, 王静, 宋鹏, 等.遗传算法在多模式集成天气预报中的应用.天津科技大学学报, 2008, 23(4):80-84. http://www.cnki.com.cn/Article/CJFDTOTAL-TQYX200804024.htm
    熊聪聪, 许淑祎, 徐姝.基于粒子群算法的天气滚动预报集成技术.天津科技大学学报, 2012, 27(1):75-78. http://www.cnki.com.cn/Article/CJFDTOTAL-TQYX201201019.htm
    牛保山, 姚继先, 郭文孝, 等.县站温度集成预报方法.河南气象, 2004(1):11. http://cpfd.cnki.com.cn/Article/CPFDTOTAL-ZGQX200510001878.htm
    林春泽, 智协飞, 韩艳, 等.基于TIGGE资料的地面气温多模式超级集合预报.应用气象学报, 2009, 20(6):706-712. DOI: 10.11898/1001-7313.20090608
    杞明辉, 许美玲, 程建刚, 等.天气预报集成技术和方法应用研究.北京:气象出版社, 2006:77-87.
图(4)  /  表(3)
计量
  • 文章访问数:  3809
  • HTML全文浏览量:  1084
  • PDF下载量:  1182
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-06-12
  • 修回日期:  2014-02-26
  • 纸刊出版:  2014-05-30

目录

/

返回文章
返回