Page 134 - 《高原气象》2026年第4期
P. 134

高     原      气     象                                 45 卷
              1064
                                                                5  方法检验


                                                                    为验证本文所构建的阵风风速参数化方法的
                                                                实际应用效果, 利用 2024 年 1 -11 月的数据开展独
                                                                立样本检验, 并将其与另外 3 种阵风预报方法对
                                                                比。本次对比聚焦模型构建过程中的三个核心问
                                                                题: 一是在构建模型前将阵风观测风向调整至与数
                                                                值模式预报风向一致, 是否对强阵风的预报有积极
                                                                作用; 二是分别针对 u、 v 风的参数化方案, 是否比
                                                                直接基于数值模式预报的 10 m 风速的参数化方案
                                                                更能捕捉预报细节, 进而提升效果; 三是基于样本
                                                                分位数计算阵风系数能否提升强阵风预报效果。
                                                                具体对比方案如表 1所示: 方案一(Gust1)为本文中
                                                                构建的参数化方案; 方案二(Gust2)与方案一构建

              图8 2022年1月至2023年12月道孚站阵风观测的u风速                    流程一致, 但在模型构建前未将观测数据进行风向
                         与u风速平方的累计密度分布                          调整, 通过与方案一的对比能够验证该风向调整的
              Fig. 8 The cumulative density distributions of u wind speed   有效性; 方案三(Gust3)直接基于数值模式预报的
                 and its square observed in gusts at Daofu Station from   10 m风速, 并同样选取第5~100分位数(间隔5分位
                         January 2022 to December 2023
                                                                数, 共 20 个分位点)计算阵风系数, 通过与方案一
             有助于提升预报的稳定性, 但建模过程中仍存在                             的对比, 明确考虑 u、 v风进行参数化与直接基于风
             小阵风样本占主导地位的情况。在 2022 年 1 月至                        速进行参数化的优劣; 方案四(Gust4)为整体阵风
                                                 -1
             2023 年 12 月的观测数据中, 13. 9 m·s 以下的阵                  系数方法, 通过与方案三的对比可验证基于样本分
             风占比超 99%, 这种极端不均衡的样本分布会导                           位数计算阵风系数对强阵风预报的提升作用。
                                                                    图 10为 2024年 1 -11月 4种阵风参数化方法对
             致建模过程过度偏向小阵风, 削弱强阵风的拟合
                                                                于 358 个站点整体预报的平均误差[图 10(a)]与均
             能力。为解决这一问题, 本文并未采用全样本, 而
                                                                方根误差[图 10(b)], 不同风速区间对应的样本数
             是基于经风向调整后阵风观测的 u、 v 风速平方与
                                                                自 左 至 右 依 次 为 34962、  104573、  52952、  24617、
             数值模式预报的 u、 v 风速平方的第 5~100 分位数,
                                                                9406、 3132、 1135 个。如图 10 所示, 对于 5. 4 m·s     -1
             以间隔 5 分位数的方式选取共计 20 个分位点, 将
                                                                及以下的阵风, Gust1 在两项误差指标中均无优
             每个选点作为对应区间的典型值参与阵风系数的
                                                                势, 表现与 Gust2 接近, 而 Gust4 的预报效果最优,
             计算。该方案的优势在于通过分位数划分减少小
                                                                这与小阵风样本占比高, 传统阵风系数方法在大样
             阵风样本的过度干扰, 避免传统阵风系数方法采
                                                                本区间拟合更充分的特点相符。当阵风风速≥5. 5
             用全部样本计算阵风系数时为了追求整体偏差最
                                                                m·s , Gust1 的优势逐渐凸显, 误差排序为 Gust1<
                                                                   -1
             小而忽视强阵风的缺陷, 同时借助高分位数点捕
                                                                Gust2<Gust3<Gust4,  其 中 阵 风 风 速 ≥13.  9  m·s ,
                                                                                                            -1
             捉强阵风特征, 从而提升模型对小样本数据的敏
                                                                Gust1 较 Gust4 的均方根误差减少 16%。上述结果
             感性。
                                                                表明, 本文针对传统阵风系数方法所提出的三项改
                  最终, 在数值模式预报 10 m 的 u、 v 风正负号                  进措施, 均能有效降低强阵风的预报误差。进一步
             的情况下, 基于特定分位数计算数值模式预报 10 m                         对比可见, Gust1 与 Gust2 的误差差异小于 Gust1 与
             的u、 v风速平方与经风向一致性调整后阵风观测的                           Gust3、 Gust3 与 Gust4 的误差差异, 这说明在强阵

             u、 v 风速平方间的阵风系数。图 9 中展示了利用                         风预报改进中, 模型构建前将观测阵风风向调整至
             2022 年 1 月至 2023 年 12 月数据, 针对道孚站计算                 与数值模式预报风向一致的措施, 对强阵风预报效
             的阵风系数。同样, 针对图 1 中其余 357 个站点,                       果提升程度略低于另外两项。
                                                                                               -1
             均按此方法分别构建预报模型。                                         为进一步验证 Gust1≥5. 5 m·s 阵风预报中的
   129   130   131   132   133   134   135   136   137   138   139