北印度洋风浪流数值预报系统：II-检验分析

张志远，楼伟，蔡夕方，李斌，尹朝晖，王毅，高姗

（1.海军海洋水文气象中心，北京100161；2.清华大学计算机科学与技术系，北京100084；3.国家海洋环境预报中心，北京100081）

北印度洋风浪流数值预报系统：II-检验分析

张志远1,2，楼伟1，蔡夕方1，李斌1，尹朝晖3，王毅3，高姗3

（1.海军海洋水文气象中心，北京100161；2.清华大学计算机科学与技术系，北京100084；3.国家海洋环境预报中心，北京100081）

摘要：基于系统构建工作[1]，开展北印度洋风浪流数值预报系统后报和准业务化预报，并利用2013年9月—2014年3月共6个月的资料对预报结果进行了统计检验。结果显示北印度洋风浪流数值预报业务运行稳定可靠，大气模式（WRF）72 h预报的500 hPa位势高度距平相关系数达到89%，海浪模式（SWAN）的72 h有效波高预报的相对误差低于20%，海流模式（ROMS）的72 h海表温度预报的均方根误差在0.5℃左右；同时对2013年10月期间孟加拉湾的超级气旋风暴“PHAILIN”的预报结果进行了分析。该风、浪、流预报系统能够较好地预报“PHAILIN”的移动路径、最低气压及相应的海浪和海流过程。该系统的试运行和检验分析结果，对建立新一代海洋环境数值预报系统具有一定借鉴意义。

关键词：北印度洋；数值预报；模式检验；误差分析

1　引言

目前，数值预报产品已经成为各级水文气象部门发布天气和海洋预报的主要依据。尽管数值预报模式日益完善，计算精度不断提高，但现在数值预报模式还不能完全达到模拟真实海洋环境变化程度。而准确的业务预报、高质量的服务都必须建立在尽可能准确的数值预报产品的基础上的，为此，要进一步用好北印度洋风浪流数值预报系统的预报产品，必须对模式误差进行统计分析，掌握预报规律，同时利用该系统对影响该地区的主要天气系统活动的关键区的预报误差进行研究。很多学者对北印度洋区域的数值预报产品的检验做了大量研究[2-3]。

一个数值预报系统从研制建立到正式运行阶段中间，必须要有业务化试运行阶段。在试运行阶段，要从数值预报系统完整性、准确性、稳定性、时效性、自动化和可视化程度等方面考核模式的成熟度，以便通过验收进入正式业务化运行阶段。预报系统的主要预报要素的准确性是否满足业务化需求，主要根据后报检验报告和业务化试运行评估报告进行评价，因此业务运行单位必须开展预报结果精度检验评估工作。

本文从评估北印度洋风浪流数值预报系统模式性能出发，对预报结果进行分析，为用户提供预报产品准确度范围和可信度，供其在使用数值预报产品时作为参考依据。本文一方面利用历史观测数据对系统进行多月份的预报结果统计检验，另一方面选取重要天气系统开展典型个例检验。

2　准业务化预报统计检验

2013年7月2日投人准业务运行以来，北印度洋风浪流数值预报系统已稳定运行约1年时间，运行故障率低，出图率达到100%。该系统一直不间断地提供每日2次北印度洋区域大气、海浪、海流要素场和形势场预报，同时根据水文气象保障部门的需要，提供有针对性的二次开发定制产品。系统可输出0—72 h的各种预报产品，对特殊保障任务，还可以提供有较好参考价值的72 h以上预报产品。由于本系统及时、准确、客观定量的预报和高度的自动化运行服务，使预报保障人员能够得到更多、更详细的预报信息，对日常水文气象保障工作起到了较好的指导作用。

该系统由大气模式WRF、海浪模式SWAN和海流模式ROMS构成，具体模式设计结构、分辨率、嵌套关系、驱动场、强迫场设置等设计实现内容，请参见《北印度洋风浪流数值预报系统：I-设计与实现》[1]。

2.1统计检验方法

数值预报产品检验一直是本领域研究人员非常观测的研究热点问题，本文给出较为常用的统计检验方法。

2.1.1大气模式检验方法

本文主要选择形势场检验来评估WRF模式在指定统计范围内的系统性误差、预报稳定性和可用预报时效等。这里采用的是世界气象组织WMO （World Meteorological Organization）基本系统委员会推荐的数值预报产品标准化检验方法即该区域500 hPa位势高度预报距平相关系数（ACC）[4]，如式（1）：

该检验利用NCEP FNL(Final Global Analysis)全球大气分析资料作为检验数据，对预报产品进行检验。

2.1.2海洋模式检验方法

海洋模式的统计检验包括时空配准和统计计算两部分。

首先，进行预报数据与观测数据（比如高度计资料有效波高数据、XBT、ADCP数据等）的时间空间配准。（1）时间配准：因为观测数据的观测时间分布不规则，无法与整点时刻产生一一对应关系，而海洋是慢变过程，在1个小时内，观测数据所含物理要素的变化幅度不大。因此，本文将任意整点时刻前后0.5 h内的观测数据作为该整点时刻的数据。这样，在时间维上，将观测数据时间整点化。而预报数据是每小时整点时刻输出的，这样就实现了预报数据与观测数据的时间配准；（2）空间配准：本文不再讨论其本身的误差。因此本文的空间配准方式是将格点化的预报数据插值到观测数据点上。读取0—24 h预报时段内整点时刻的预报场，按照观测数据的经纬度坐标，将预报数据利用双线性插值方法插到该点上，作为1对（观测和预报）检验数据。所有1个月内的预报检验数据作为一个基本统计数据集。

其次，按照上述步骤形成的0—24 h、24—48 h、48—72 h预报检验数据集。对每一个数据集，按照张志远等[5]给出的相对误差RE（Relative Error）和均方根误差（RMS）定义予以统计计算。

2.2大气预报效果检验

图1是针对2013年9月—2014年3月做的500 hPa位势高度距平相关系数统计。从结果上看，72 h内的距平相关系数均在89%以上，该相关系数较高表明预报准确率较高。尤其是在冬季的预报效果更好，这与北印度洋的天气变化规律基本相符。北印度洋冬季盛行东北季风，这段时期印度洋的风向以东北向为主，风力、风向稳定，相应距平相关系数值较高，9—10月份和3—4月份为夏季风向冬季风或冬季风向夏季风转换的季节，风力较小，风向多变不稳定，相应距平相关系数稍低。

从表1看出，除2014年9月份72 h的500 hPa位势高度距平相关系数外，其他数据均在90%以上，这个数据可以证明大气模式对该区域短期大气环流的预报结果可信。

图1　500 hPa位势高度距平相关系数

表1　大气模式WRF统计检验结果

表2　有效波高检验结果（检验数据源：Jason-2卫星高度计数据）

从表1看，本文还完成了对该区域大气模式500 hPa风速、温度的距平相关系数检验。对于海洋环境保障来讲，不仅要关注中尺度天气的温压风湿等要素情况，更重要是关注海面风场和潜热、感热等通量对海浪、海流模式的影响。因此，在后续的工作中，我们还将进行海面风场等指标的检验。

2.3海浪预报效果检验

该系统将HY-2A高度计资料中的有效波高数据同化到海浪模式中，这里主要利用Jason-2有效波高观测值作为检验数据。统计结果见表2。秋冬季的印度洋24 h海浪有效波高的各月平均相对误差为13.3%，各月平均均方根误差均在0.40 m；48 h海浪有效波高的各月平均相对误差为14.1%，各月平均均方根误差均在0.41 m；72 h海浪有效波高的各月平均相对误差为15.1%，各月平均均方根误差均在0.44 m。

图2给出了4条Jason-2高度计观测轨迹上北印度洋有效波高的分布以及对应时刻沿卫星轨道模式值和观测值的比较，图中（a, c, e, g）分布是对应时刻Jason-2高度计观测轨迹，图中（b, d, f, h）是对应轨迹附近模式预报结果与观测值分布示意图。从图中看出，模式较好地预报了北印度洋海区海浪的变化状况。

2.4海流预报效果检验

本文选取2013年11月—2014年2月期间，在北印度洋海区获得的XBT和ADCP资料对海流模式进行检验。检验要素主要包括印度洋海区的海温剖面和0 m、50 m、75 m、100 m、150 m、200 m和500 m标准层的海流流速、流向。海温剖面检验结果显示，海表温度的均方根误差在0.5℃左右，绝对平均误差在0.3℃。

如图3所示，随着水深增加，在通常的50—200 m左右的温度跃层附近，均方根误差和绝对平均误差都有明显的增大。在温跃层以深水体中，海温的均方根误差或绝对平均误差变化也较小。这显示出在波动较大的温跃层附近，预报误差较大，海流模式在跃层附近的模拟精度和技巧还需要进一步提高。

图2　不同时刻模式预报值与高度计观测值的比较

图3　利用XBT数据检验海流模式海温误差垂向分布图

同时，从表3海流流速流向的检验结果看，海流流速的平均误差呈现较稳定的负偏差，而较大值也出现在50—200 m的跃层范围内；海流流向的平均误差均在15°以下，可以看出在100 m以浅的水深范围内，海水的流动方向不稳定，有各种上混合层和跃层物理过程相互影响流向平均误差均在10°以上，而100 m以深的水深范围内，海流的流动方向主要受大洋洋流趋势影响，相对稳定，因此误差有明显的降低。

3　重要天气过程的数值预报检验

除了完成统计检验外，对于数值预报效果的评估，更为直观和有比对效果的是选取具有典型海区特点的重要天气过程，比如台风、热带气旋等进行短期预报效果检验。本文选取北印度洋风浪流数值预报系统准业务化运行过程中2013年10月的超级气旋风暴“PHAILIN”（02B）进行分析，检验大气、海浪和海流模式对超级气旋风暴的预报效果。

表3　海流流速流向检验结果（检验数据源：ADCP数据）

3.1超级气旋风暴“PHAILIN”

2013年10月出现的超级气旋风暴“PHAILIN”是北印度洋海区有完整记载以来出现的最强热带气旋。10月5日，在泰国湾海面上因强扰动生成热带低压，并于7日进入安达曼海。9日联合台风警报中心JTWC（Joint Typhoon Warning Center）将其升格为热带风暴。在进入孟加拉湾后，“PHAILIN”沿着副热带高压的南部边缘向西北方向移动，并逐渐加强发展。并于9日下午并形成稳定的风眼。10日下午2时升格其为三级热带气旋，6 h后升格为四级热带气旋。在11日中午12时达到最大强度，中心最低气压为940 hPa，风速达59 m/s，升格为五级热带气旋。在12日17时“PHAILIN”以超级气旋风暴的强度在印度奥里萨邦戈巴尔布尔附近登陆。登陆时中心最低气压为942 hPa，最大风速56m/s。由于孟加拉湾水汽充沛，导致“PHAILIN”引起的暴雨规模很大。13日减弱为热带风暴。

3.2“PHAILIN”的路径预报

图4给出大气模式WRF模拟的超级气旋风暴“PHAILIN”路径和印度气象局台风预警中心的客观定位路径[6]，模式超级气旋风暴中心位置由整层平均的流场气旋中心确定，从预报结果与客观定位比较看，WRF模式预报的登陆地点比实际稍偏北，但与客观定位非常接近。

图4　超级气旋风暴“PHAILIN”的路径与印度气象局台风预警中心客观定位路径

本系统做出的24 h预报登陆点与印度气象局台风预警中心的客观定位登陆点之间只差14.11 km，48 h预报登陆点差44.91 km，72 h预报登陆点与客观定位登陆点差98.17 km。从结果看，24 h、48 h的登陆路径预报效果较好，72 h稍差，整体看本系统WRF模式对超级气旋风暴“PHAILIN”路径模拟是成功的。

3.3“PHAILIN”的气压强度预报

气旋风暴强度包括气旋中心气压强度和气旋风力预报。图5是WRF模式模拟的气旋中心气压强度变化与印度气象局台风预警中心发布的实况结果比较示意图。结果表明，登陆前的强度变化比较小，登陆后中心气压强度迅速减弱，这与实况较为一致。24 h预报的绝对误差为8.11 hPa，48 h预报的绝对误差为8.45 hPa，72 h预报的绝对误差为10.72 hPa。但WRF对气旋登陆前后的模拟均偏弱，这与本文试验中没有人工干预采用Bogus技术[7]有关系。但WRF模拟的气旋强度强弱的变化过程还是比较成功的。

从模拟台风登陆前海平面气压和风矢量场，如图6可见，风速在台风中心的西北象限最大，呈NW-SE向非对称分布。

加密观测资料数值试验研究[8]表明，呈NW-SE向非对称分布的气旋风暴往往使气旋呈现偏北方向运动。而印度气象局台风预警中心发布的后期客观定位路径，如图4所示，也证明了这一点。

图5　模拟的超级气旋风暴“PHAILIN”中心气压强度变化与实况比较示意图

3.4海浪数值预报

气旋能产生很强的海面风应力，从而引发海上巨大的海浪，直接威胁海上作业和航行安全。图7是模拟超级气旋风暴“PHAILIN”过境时海浪响应过程，预报结果显示海浪浪高、浪向和浪高最大值的区域和变化趋势与气旋轨迹、中心强度等结构特征相符。海浪的分布和演变受气旋强度和移动的影响，浪高大值区与气旋的风场大值区相对应，浪高的大小随气旋的增强而增大，气旋减弱登陆后，海浪也相应减小。气旋风暴中心附近处，最大浪高超过14 m以上。而且可以较为明显地看出海浪浪高大值区主要分布于气旋行进方向的右侧。

气旋风暴的风场分布极大地影响了浪向的分布，在气旋风暴中心的右侧，波浪一直处于强风速的持续作用下，风浪很大，波浪沿着气旋风暴路径的方向传播，波向与风向基本一致；而在气旋风暴中心的左侧，由于风速较右侧小，涌浪占很大成分，波向由风浪和涌浪的方向共同决定，波浪的传播方向与风向不一致。

图6　2013101112时刻海平面气压和海面风场预报

3.5海流数值预报

气旋风暴所带来的强大风应力，还给海洋上混合层和跃层的海水流动施加动量从而激起很强的海流运动，形成较强的风海流。图7是模拟超级气旋风暴“PHAILIN”过境过程中海表流场的响应过程，预报结果显示海流流速和流向，以及流速大值区域和变化趋势与气旋风暴轨迹、中心强度等结构特征相符。随着气旋风暴的移动过程，我们发现气旋风暴中心附近处出现了一个逆时针方向的较强的环流区，逆时针方向的环流区随着气旋风暴中心的移动而移动，流速强度和范围都随台风强度逐渐增大。气旋风暴移动路径的右侧海表流速大于左侧，这与3.4节中有效波高的分布原因一致。

图7　台风“PHAILIN”过境时海浪浪高、浪向预报

图8　2013年10月9日海表流速和流向预报

4　小结

北印度洋风浪流数值预报系统自建立以来，保持准业务化运行，通过检验分析，本文得出如下结论：

（1）大气模式WRF在北印度洋区域的模拟检验结果较好，台站和浮标风的响应分析反映出该模式在精细化预报方面具有较强的潜力。WRF在风场的模拟上具有较好的性能。所有检验月份的500 hPa的72 h内的风速距平相关系数均大于0.89，满足目前舰船航行对风速预测的精度要求。针对台风等重要天气过程，WRF模式能较好地预报出台风的路径、气旋风暴中心最低气压和风力等情况，但数值预报结果相对实况整体偏弱，未来的业务化工作中，我们将在系统中加入人工Bogus方案[7]，以便更好的完成“台风”等重要天气过程的模拟工作；

（2）海浪模式SWAN的模拟结果与观测数据均基本吻合，均方根误差时效及季节分布与绝对误差分布基本一致，但同时次的值较绝对误差略大，说明预报质量随预报时效增大而减弱。另外，风场精度的提高对海浪模式结果有重要影响。针对重要天气系统，可以较好地模拟台风过程中的海浪变化情况，SWAN模拟台风过程海浪的分布与台风有较好的对应关系，能较好地再现海浪的发展过程和合理地反映台风浪的分布；

（3）海流模式ROMS的模拟结果与XBT和ADCP等观测数据基本吻合，较大误差主要出现在上混合层和跃层附近，海温剖面的统计结果与美国

海军的检验数据基本一致，说明我们的海流模式模拟效果较好。针对重要天气系统，风海流的响应过程和程度都与气旋风暴的发展吻合。因此，在未来工作中我们将结合收集到的各类观测资料，对气旋风暴引起的增水、海表温度异常下降、垂直方向上各物理量的变化等情况进行分析检验。

参考文献：

[1]蔡夕方,张志远,楼伟,等.北印度洋风浪流数值预报系统: I-设计与实现[J].海洋预报, 2014: 32(2): 7-13.

[2]齐鹏,范秀梅.高度计波高数据同化对印度洋海域海浪模式预报影响研究[J].海洋预报, 2013, 30(4): 70-78.

[3]杨永增,孙玉娟,王关锁,等.基于MASNUM海浪预报系统的北印度洋波浪特征模拟与预报分析[J].海洋科学进展, 2011, 29(1): 1-9.

[4] Yang F L, Pan H L, Krueger S K, et al. Evaluation of the NCEP Global Forecast System at the ARM SGP Site[J]. Monthly Weather Review, 2006, 134(12): 3668-3690.

[5]张志远,宋顺强,刘利,等.浪流耦合模式数值模拟及检验分析[J].海洋技术, 2011, 30(4): 87-92.

[6] Very Severe Cyclonic Storm, PHAILIN over the Bay of Bengal (08-14 October 2013): A Report[R]. New Delhi: Cyclone Warning Division, India Meteorological Department, 2013.

[7] Kurihara Y, Bender M A, Ross R J. An Initialization Scheme of Hurricane Models by Vortex Specification[J]. Monthly Weather Review, 1993, 121(7): 2030-2045.

[8]陈联寿,罗哲贤.台风科学、业务试验和天气动力学理论的研究(二)[M].北京:气象出版社, 1996: 371-374.

North Indian Ocean wind-wave-circulation numerical forecast system: II-validation and analysis

ZHANG Zhi-yuan1,2，LOU Wei1，CAI Xi-fang1，LI Bin1，YIN Zhao-hui3，WANG Yi3，GAO Shan3
(1.Hydro-Meteorological Center of Navy, Beijing 100161 China; 2. Department of Computer Science and Technology, Tsinghua University, Beijing 100084 China; 3. National Marine Environmental Forecasting Center, Beijing 100081 China)

Abstract：Hindcasting and quasi-operating forecasting of the North Indian Ocean wind-wave-circulation numerical forecast system were implemented for system construction and some statistical tests and verification had been done using the 6 months（from September 2013 to March 2014）data in this paper. The results showed that the predictability and reliability of the system was perfect. The statistical results showed that the WRF simulated time series and trend analysis in 72hours of geopotential height anomaly correlation coefficient at 500 hPa was reached above 89%. The SWAN simulated result’s relative error of 72 hours of significant wave height (SWH) was less than 20%. The root mean square error (RMSE) of the sea surface temperature of 72 hour forecast results in ROMS was about 0.5℃. The verification of the case (the Very Severe Cyclonic Storm, PHAILIN) showed that the prediction of the track and the lowest central pressure of this storm, and the corresponding process of the wave and circulation were accurate. The validation and analysis of the wind-wave-circulation forecast system is expected to be a certain reference for the new generation of marine numerical prediction system.

Key words：NorthIndian Ocean；numerical forecast；model validation；error analysis

作者简介：张志远（1978-），男，工程师，博士，主要从事海洋环境信息化和数值预报研究。E-mail：generalzzy@139.com

基金项目：国家自然科学基金面上项目（41275098）；国家海洋局海洋公益性行业科研专项（201005033）

收稿日期：2014-10-10

DOI:10.11737/j.issn.1003-0239.2015.03.007

中图分类号：P731

文献标识码：A

文章编号：1003-0239（2015）03-0051-08