WRF、EC和T639模式在福建沿海冬半年大风预报中的检验与应用

基于福建省冬半年沿海和港湾岛屿自动站的逐时极大风观测资料和WRF（Weather Research and Forecast）、EC（European Centre for Medium-Range Weather Forecasts）细网格以及T639（TL639L60）三种模式预报的10 m风场资料，将模式预报的风向风速与观测资料进行对比检验，结果表明：福建省沿海冬半年大风的盛行风向以东北风为主，大风的时空分布极为不均，沿海风力的脉动性、跳跃性、局地性突出。从三种模式对风速风向的模拟效果来看， WRF和EC细网格的预报效果较好，有可参考性， T639可参考性不高。对于风速，模式预报结果相比实况极大风速偏小，港湾岛屿代表站风速的平均绝对误差均小于沿海代表站，预报平均误差由沿海向内陆逐渐减小，由中部向南北逐渐减小。风向相比风速的预报效果要差， WRF和EC细网格的风向预报误差在45°-50°，有一定的参考意义；港湾岛屿代表站风向的平均绝对误差大于沿海代表站，以浮标站的误差最大。当观测风速出现7级及以上风速时，若对大风进行分级检验，则较低风速的预报平均绝对误差小于较高风速；风向预报的平均绝对误差也大大降低，且误差都在45°以内，具有良好的参考性。

MM5模式在三峡工程大风预报中的应用及检验分析

利用基于MM5中尺度模式的短时预警系统的逐小时风向风速预报产品和三峡工程周边自动气象站逐小时观测资料,对2007年1月至2008年5月三峡坝区发生的大风天气进行预报检验分析。结果表明,中尺度模式对雷雨大风基本无预报能力,但对晴空系统性大风有很强的预报能力,模式可以对晴空系统性大风的出现时间、强度变化趋势和风向提供较准确的预报,对晴空系统性大风的结束时间也有一定的预报能力。宜昌市气象局利用基于中尺度模式的短时预警系统预报晴空系统性大风,用多普勒雷达对雷雨大风进行临近监测,近年来在三峡工程气象保障服务中取得了良好的服务效果。

基于机器学习的风场预报订正方法研究

为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验,利用LightGBM模型对于3个站点预报进行订正,结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。

嵊泗两次寒潮天气过程对比分析

利用舟山市地面自动站观测资料、micaps资料以及数值预报资料对2020年12月29-31日以及2021年1月6-8日的两次寒潮过程进行对比分析。结果发现:(1)两次寒潮均是典型的横槽转竖引导冷空气南下造成强降温的过程,850hPa的强冷平流是形成强降温的最主要因素。(2)强的地面气压梯度、高低空急流活动、强冷平流多种因子共同作用致使味泗两次寒潮过程均出现了大风天气,且2020年末的寒潮过程中沿海大风在强度上及持续时间上均较2021年初的寒潮过程偏强。