Page 129 - 《高原气象》2026年第4期
P. 129
4 期 胡海川等:基于平均风分量的阵风风速参数化方法研究 1059
-1
式中: GF 为阵风系数; V G 为预报时段内最大阵风 -8. 72 m·s , 均方根误差为 10. 07 m·s ; 而分级阵
-1
-1
风速(单位: m·s ); V 10 为预报时段内的平均风速; 风系数方法分别为-12. 06 m·s 与 12. 64 m·s 。两
-1
-1
n 为样本数。依据是否对平均风速分级, 可得到两 种方法均明显低估强阵风, 主要原因是所用 10 m
种阵风系数: 基于全风速计算得到的阵风系数, 反 风速数据为数值模式特定时刻预报, 无法完整刻画
映平均风速与阵风风速的整体关系; 按平均风速等 预报时段内的风速极值。业务常用的全球模式不
级计算的阵风系数, 随平均风速增加而减小并趋于 提供预报时段内最大平均风速数据, 因此基于全球
稳定, 能体现不同平均风速下两者的关系差异。利 模式开展统计后处理的阵风参数化工作, 需以时刻
用 2022 年 1 月至 2023 年 12 月数据计算 358 个站点 风速预报作为输入。此外, 复杂下垫面导致数值模
的整体与分级阵风系数并回算预报误差(图 2), 其
式难以精准刻画地面风速(徐景峰等, 2025; 常俊
中分级阵风系数是基于数值模式预报 10 m 风速按
等 , 2025), 10 m 风 速 预 报 误 差 较 大(杨 璐 等 ,
-1
2 m·s 间隔划分后计算。如图 2 所示, 阵风风速在
2022), 加剧强阵风的低估。分级计算会增加阵风
5. 4 m·s 以下时, 两种方法误差基本相当; 随阵风
-1
系数的不确定性, 因此整体阵风系数方法对研究区
风速增大, 预报误差均显著上升。对于 13. 9 m·s -1
域内的强阵风更具优势。
及以上阵风, 整体阵风系数方法的平均误差为
复杂下垫面不仅影响数值模式 10 m 风场预报
精度, 还会显著增加阵风风速的预报难度与不确定
性(Hu et al., 2018)。图 3(a)为 2022 年 1 月至 2023
年 12 月全风速下整体阵风系数方法对 358 个站点
拟合结果的绝对误差标准差分布。如图 3(a)所示,
绝对误差标准差的空间分布与地形复杂程度呈明
显对应关系: 地形越复杂, 站点绝对误差标准差越
大, 其中四川西部高原等地形复杂区域远大于四川
盆地等相对平坦区域, 表明地形复杂度越高, 全风
图2 2022年1月至2023年12月各观测阵风风速区间下
速下的预报稳定性越差。对强阵风而言, 地形影响
整体与分级阵风系数的拟合误差对比
更为突出: 风速较小时, 地形作用影响有限; 风速
Fig. 2 Comparison of fitting errors for overall and graded
gust factors across intervals of observed gust wind speeds 增大后, 地形强迫、 狭管效应以及局地环流影响显
from January 2022 to December 2023 著增强, 最终加剧强阵风的低估。如图 3(b)所示,
-1
图3 2022年1月至2023年12月整体阵风系数方法预报误差分布(填色, 单位: m·s )
-1
(a)全风速下358个站点绝对误差标准差分布; (b)39个出现≥15次13. 9 m·s 阵风站点的平均误差分布,
图中散点颜色及大小均表示对应的误差数值大小
Fig. 3 Distribution of forecast errors by the overall gust factor method from January 2022 to December 2023(shading, unit: m·s ).
-1
(a) standard deviation distribution of absolute errors for 358 stations under the full wind speed range; (b) mean errors
1
distribution for 39 stations with no less than 15 gust occurrences of 13. 9 m·s⁻ and above. Both the color
and size of scatter points represent the corresponding error values

