不同的热带气旋强度预报因子和预报方法在台风快速增强概率预报中的对比研究

高晓云

摘 要 Lin等人提出在考虑海洋耦合作用时热带气旋（TC）最大可能强度（MPI），与台风峰值强度的相关性明显提高，能有效降低基于海表温度预报台风峰值的高估。现有的预报模型并没有利用这个因子。本文将用线性判别分析法，贝叶斯判别法，二次判别法以及马氏距离判别法对热带气旋（TC）最大可能强度（MPI）与台风峰值强度的相关性进行研究。对比研究表明利用其与海表温度的统计关系计算的经验MPI对RI的预报非常有帮助。在快速增强的临界值定为25kt的时候，加入经验MPI因子后基于贝叶斯理论的概率预报模型的PSS值提高了40.6%。不同模型的对比发现，贝叶斯判别模型对RI预报最好，而马氏距离判别模型对非RI预报最准确。

关键词 台风;快速增强;概率预报

引言

热带气旋（TC）是全球发生频率高、影响严重的一种自然灾害。在沿海地区的各种自然灾害中，TC灾害造成的损失最为严重。而与TC强度变化密切相关的又都是强风、暴雨、强雷暴等灾害性天气[1-3]。所以，对TC快速增强（RI）的分析和预测具有十分重要的研究意义。TC快速增强是指海表风速在未来24小时内增加值超过25，30，35kt的热带气旋。

近来Lin等提出用考虑海洋耦合作用时TC的最大可能强度（MPI）来替代传统的MPI，可能对RI的预报有帮助，而现有的模型并没有用到这个因子。基于此，本文将加入这个预报因子，并利用四种预报模型对西北太平洋TC的快速增强进行对比预报分析，并对所选预报因子和Rozoff等的研究所用的预报因子作对比分析。

1资料和方法

1.1 资料

在文章中提到的四种方法所使用的数据资料都一样。TC的最佳路径资料来自于日本东京气象厅的区域专业气象中心（RSMCTokyo）。该数据集包含在北太平洋西部包括中国南海所有的热带气旋每6小时台风中心的位置，中心最低气压以及持续10分钟的最高风速（MWS）。热带气旋24小时的强度变化（即MWS的24小时变化），在这项研究中选取三个阈值（即25，30和35kt）来定义RI。

大气环境数据来自于美国国家环境预报中心（NCEP）的全球预报系统（GFS）提供每六小时且分辨率为 1°的FNL再分析格点资料。变量包括200hPa到850hPa的风、100hPa到1000 hPa之间各层大气的温度和相对湿度、200hPa散度和相对涡度通量还有利用风场和中央差分法计算得出的850 hPa上每个格点的相对涡度。所有的环境变量数据都是以热带气旋中心相应半径区域内的平均值。

海表到80米深的平均海温（T80a）和海表到100米深的平均海温（T100a）由上层海洋温度分布的线性插值计算得到。上层海洋热含量（UOHC）根据Leipper和Volgenau（1972）从海表到D26计算。最大潜热强度（MPI）用经验方法（DeMaria和 Kaplan，1994）和理论方法（Emanuel，1988;Holland，1997）计算得到。

所有的潜在预报因子，如表1所示，收集了从2000到2011期间的每6小时的数据，代表了所有可用数据的交叉且相关系数大于0.2的数据。本文只用到海上的热带气旋样本因为陆地上无海洋温度资料。2000-2009年的数据用于建立快速增强的预测模型，2000-2011阶段数据用于进行独立验证。

1.2 试验方法

将表1中挑选出的数据分为六组。选择线性判别模型（linear模型）、贝叶斯判别模型（diaglinear模型）、二次判别模型（quadratic模型）以及马氏距离判别模型（mahalanobis模型）四种模型进行台风快速增强的预报。运用四种预报模型在快速增强临界值分别为25，30，35kt的条件下进行概率预报。六组实验中第一组MWS0、DMWS、LAT;第二组除第一组选择的预报要素外加入：U200、T200、SHR;第三组在第二组的基础上加上POT_E;第四组将第三组的POT_E换成POT_T;第五组将第四组的POT_T换成POT_T100a;第六组将第四组的POT_T100a换成POT_T80a。并依次进行试验。

1.3 评价方法

用于数据分析的主要工具是2×2列联表，假设四种情况：观测结果和预报结果一致都是台风快速增强记为A;观测结果为不是快速增强而预报结果为快速增强记为B;观测结果是快速增强而预报结果不是快速增强记为C;观测结果不是快速增强预报结果也不是快速增强记为D（表3）。由此可计算出预报的准确率（POD）：POD=A/（A+C）;错误率（FRA）：FAR=B/（A+B）;以及预报成功指数（CSI）：CSI=A/（A+B+C）。最后计算出可能性预测的预测水平指数PSS[10]：PSS=（A*D-B*C）/（（A+C）（B+D）），当PSS的值越接近于1说明预报效果越好越接近于0说明预报效果越不好。

2各组实验对比分析

由图1可知，在第四次试验中mahalanobis模型的PSS比较小，为0.274，而当阈值取35kt时mahalanobis模型的PSS值取到了一个最大值0.487，与其相反的是quadratic模型和diaglinear模型在第四次试验阈值取35kt时取到最小值，分别为0.353和0.208 。linear模型只有在第三次试验的时候表现出比较大的PSS值，为0.771，在其他试验的趋势不是很明显。总体而言第三次试验的预报效果要好，四个模型中diaglinear的PSS值相对比较大。因此选择第三组的预报因子进行预报。效果相对比较好的是diaglinear和linear两个函数，在第三次和第五次的试验中表现比较好。

由图2可知，mahalanobis的預报准确率要小于其余三个。其中diaglinear的正确率最高，但在第四次试验时它的预报效果不是很好，且POD值小于0.5只选择气候连续性变化的第一组。所以在选择加入预报因子POT_T后反而阻碍了模式的预报效果。相比而言第三组的预报效果比较好，POT_E对台风快速增强预报的贡献比较大。

由图3可知：diaglinear，linear，quadratic三种模型的FAR值趋势和大小都相差不大，主要区别为，第三次试验中阈值取30kt时的时候quadratic模式的值格外小，这是由A和B的比值比较大造成。mahalanobis的PSS值比较小主要是因为B和D值比较大，且趋势也不固定。

如图4所示：diaglinear，linear ，quadratic三种模型的CSI值趋势和大小都相差不大，但mahalanobis的CSI值明显比较大，且前三次试验都是随阈值的增大而增大而后三次都是阈值取30kt的时候最小。且整体大于第一次试验。mahalanobis的CSI值比较大主要是对非快速增强事件分类比较准确。

综上可知，试验主要是对加入因子对预报效果的改变做检验。在选择第三组的预报因子时，每一个模型的预报效果都比较好。四种方法中diaglinear模型的对台风快速增强的预报比较准确，而mahalanobis模型的CSI值比较大主要是因为mahalanobis模型对非快速增强的预报比较准确。

3结束语

通过四种模型在三种不同阈值下的预报结果表明

（1）对各种预报因子对RI事件的概率预报所作出的贡献进行研究时，在预报因子中加入经验计算的最大潜在强度相关因子（POT_E）时，模型的预报效果要好于加入其他因子，同时也好于只选气候持续性因子的预报效果。

（2）四种模型比较发现diaglinear模型的对台风快速增强的预报比较准确，而mahalanobis模型对RI个例预报不准确但是对非RI的个例预报非常准确。所以，我们在选择预报模型的时候可以选择这两种模型结合预报，这样与两个预报的效果在进行综合分析判断是否应该发布预警，这样有助于提高台风快速增强的预报效果。

參考文献

[1] 殷洁，戴尔阜，吴绍洪，等.中国台风强度等级与可能灾害损失标准研究[J].地理研究，2013，32（2）：266-274.

[2] 孔宁谦，陈润珍，蔡敏.南海中北部热带气旋强度突变的天气气候特征分析[J].台湾海峡，2007，26（2）：188-196.

[3] 孔宁谦，蔡敏，陈润珍.广西影响区热带气旋强度突变的天气气候特征分析[J].热带地理，2007，27（1）：15-20.