Page 137 - 《高原气象》2026年第4期
P. 137
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 1067
-1
测到≥13. 9 m·s 的阵风, 该时次为 2024 年 1 -11 月 Gust1的平均绝对误差也明显低于Gust4。
代表观测站点同时出现强阵风频次最高时刻, 观测 业务预报中, ECMWF 模式的阵风预报产品被
-1
最大阵风风速为 22. 9 m·s [图 13(a)]。为此本文 广泛参考, 该产品采用多元回归方法, 在预报时段
选取该典型冷空气大风过程, 验证整体阵风系数方 内平均风速的基础上, 加入湍流及对流对地面阵风
法 Gust4[图 13(b)]与本文方法 Gust1[图 13(c)]在 的影响项: 湍流项由下垫面参数乘统计学参数得
2024 年 3 月 23 日 20:00 的 24 h 预报效果。结合前文 出, 对流项用 850 hPa与 950 hPa间正风速差乘以统
检验结果, Gust1 对强阵风的预报表现最优, Gust4 计 学 参 数 表 示(ECMWF, 2021)。 本 文 所 用 EC‐
最差, 通过对比两者可直观凸显预报差异。对于 24 MWF 模式阵风预报为预报时刻前 3 h 内的最大阵
日 20:00 四川东部和南部、 贵州北部等地的强阵 风预报, 为与文中针对小时内最大阵风所构建的参
风, Gust4 预报风速值普遍偏低; 而 Gust1 的预报更 数化方法有效对比, 对 2024 年 1 -11 月数据进行重
接近观测, 对强阵风空间分布的指示性更好。同 新处理, 筛选出预报时刻前 3 h 内最大阵风风速与
时, Gust1 对四川盆地、 陕西南部以及河南西南部 预报时刻所对应的小时内最大阵风风速一致的样
等地的弱阵风预报未出现过度高估。从误差量化 本, 最终得到 13. 9 m·s⁻¹及以上阵风样本 686 个。
分析来看: 全风速范围内, Gust4对 358个站点的平 对比结果显示: ECMWF 模式对该风速段的预报准
均误差与平均绝对误差分别为-2. 60 m·s 、 3. 51 确率为 11. 66%, 本文方法为 13. 27%, 这表明尽管
-1
-1
-1
m·s , 而 Gust1仅为-0. 54 m·s 与3. 11 m·s , 误差 ECMWF模式的阵风预报已融入下垫面参数及高空
-1
-1
显著降低; 针对 13. 9 m·s 及以上风速, Gust4 的平 风速等因素, 但其强阵风预报准确率并未优于本文
均误差为-7. 26 m·s , 而 Gust1 为-3. 93 m·s , 且 方法。其中ECMWF模式对该风速段阵风的误差较
-1
-1
-1
图13 2024年3月24日20:00观测阵风风速(彩色点, 单位: m·s )及ECMWF确定性模式零预报时效500 hPa高度(等值线,
单位: hPa)(a), 以及Gust4(b)与Gust1(c)在3月23日20:00的24 h预报阵风风速(单位: m·s )
-1
-1
Fig. 13 Observed gust wind speed at 20:00 on March 24, 2024 (colored dots, unit: m·s ), and 500 hPa geopotential
height initial field from the ECMWF deterministic model (contours) (a), 24-hour forecast gust wind
-1
speeds vaild at 20:00 on 23 March from Gust4 (b) and Gust1 (c) (unit: m·s )

