应用气象学报  2011, 22 (6): 673-680   PDF    
引用本文
孙明华. 一个集合海浪预报系统及其初步试验[J]. 应用气象学报, 2011, 22(6): 673-680.
Sun Minghua. An Ensemble Ocean Wave Forecast System and Preliminary Experiment[J]. Journal of Applied Meteorological Science, 2011, 22(6): 673-680  
一个集合海浪预报系统及其初步试验
孙明华     
国家气象中心，北京 100081
2011-03-09 收到, 2011-08-03 收到修改稿.
资助项目: 国家973计划项目“台风登陆前后异常变化及机理研究”(2009CB421500)    
通讯作者: 孙明华, E-mail: sunmh@cma.gov.cn.
摘要: 使用集合天气预报系统的多个成员的风场预报来驱动海浪模式WAVEWATCH Ⅲ, 计算出含多个成员的海浪预报场，并相应开发出各海浪要素的集合预报产品，如集合平均、离散度、集合概率等，建立了一个集合海浪数值预报系统。使用该系统进行了2007年9—10月为期两个月的预报试验，利用太平洋和大西洋海域范围的浮标观测资料对系统的预报水平的初步检验分析显示，该集合海浪预报方法能够有效地将传统的确定性预报扩展到概率预报领域，且集合平均的预报水平要优于单一的确定性预报，采用集合预报方法可以提供单纯确定性预报所不能够提供的额外信息，具有较好的应用潜力。
关键词: 集合预报    海浪数值预报    WAVEWATCH Ⅲ    概率    
An Ensemble Ocean Wave Forecast System and Preliminary Experiment
Sun Minghua     
National Meteorological Center, Beijing 100081
Abstract: The basic methods of ensemble wave prediction at home and abroad and an ensemble wave numerical forecast system are introduced. The system is established by running the operational wave model WAVEWATCH Ⅲ using wind data from the 15 members' ensemble weather forecast system, which is based on the T213L31 model and operational running in China National Meteorological Center. The ensemble model calculates 15 members wave field, including one control forecast and 14 perturbation members forecast. The model computes the waves over all the oceans up to 10 days at 12:00 with 1° by 1° resolution. Based on hot initialization, the model uses the 12 h wave hindcast as its initial field. Through the information extraction and processing from the 15 member's wave fields, the system produces the ensemble wave products such as ensemble mean and spread, spaghetti charts and probability charts. Forecast experiment for the period from 1 Sep to 31 Oct in 2007 is done using the system and buoys data in the Pacific and Atlantic at the same period. The main verifying indexes are bias and root mean square error. For the mean monthly bias of 10 m wind speed and significant wave height, the performance of the ensemble mean is better than the control forecast, however both of them have a relatively low system deviation and one cause is that the spin up time of the system may not be long enough. For the monthly root mean square error, the ensemble mean of 10 m wind speed is lower than the control forecast by 3—12 percentage for the different forecast periods, meanwhile the ensemble mean of significant wave height is lower than the control forecast by 3—17 percentage with consistent variation trend. Comparing 15 ensemble members' forecast to the Buoy_46006 data, it shows that the ensemble members can follow the changes of the observation well and cover the variation range of the observation other than the deterministic forecast. In summary, the verification results show that the ensemble technique can provide a successful method of extending the standard deterministic forecasts to the probabilistic domain and the prediction skill of the ensemble mean is better than that of one single deterministic forecast. The ensemble method could provide additional information that could not be gleaned from a purely deterministic approach and has a good prospect of application in the field of wave forecast.
Key words: ensemble prediction     wave numerical forecast     WAVEWTCH Ⅲ     probability    
引言

目前国内外的海浪数值预报主要基于第2代和第3代海浪模式[1-2]，以数值天气预报结果 (主要是风场预报) 来驱动海浪谱模式，做出每个格点上的海浪谱预报，再计算出统计意义上的有效浪高、周期、浪向等海浪要素预报。在天气预报领域，由于大气初值等存在不确定性，使得集合预报方法逐渐成为现代数值天气预报技术发展的新方向[3-4]。与天气预报相似，海浪数值预报也存在初值的不确定性，同时支持它的天气预报系统的不确定性也会明显影响到海浪预报系统，因此海浪数值预报的研究可在集合天气预报基础上进行进一步的开发，将集合预报直接与海浪模式相联系，研究开发集合海浪数值预报方法并进一步开发海浪定量概率预报工具。传统的海浪数值预报方法使用确定性的海浪初始条件，且使用的数值天气预报模式采用确定性的大气条件，从而计算出的海浪预报场也是确定性预报，但它不能包含海浪未来可能出现的所有状态。集合海浪预报方法则可将传统意义上的单一的确定性预报变成不确定性预报，尽可能使得到的这组不确定性预报包含未来海浪变化可能出现的所有状态，从而达到提高海浪预报技巧的目的。

采用集合预报方法进行海浪预报主要有两种方法：一种是采用给海浪初始场加入初始扰动的方法生成多个海浪初始场，从而通过海浪模式计算出多个海浪预报场，这种方法同集合天气预报方法比较相似；另一种方法是直接使用集合天气预报生成的多个洋面风预报场来驱动海浪模式, 从而计算出多个海浪预报场，这种方法直接依赖于集合天气预报系统。已有研究表明[5-7]，第1种方法对海浪模式初始海浪场进行扰动能够估计初始海浪场误差的增长，可以影响1~2 d的海浪预报，而对更长时效的海浪预报无明显影响；但第2种方法中驱动海浪模式的风场的预报能力却对较长时效的海浪预报影响明显，这是因为风场的预报精度对于海浪的预报精度起着非常重要的作用，而风场的不确定性是引起海浪预报不确定性的最主要因子，第2种方法因为考虑到1周时间的天气变化可以为1周时间尺度的海浪预报提供有意义的信息。因此，目前国际上开展的集合海浪数值预报业务普遍采用第2种集合海浪预报方法。

欧洲气象中心 (ECWMF) 从1998年就开展了集合海浪数值预报业务[8-9]，它采用集合天气预报系统与海浪模式WAM进行双向耦合，由集合天气预报系统成员为海浪模式提供风的驱动，集合海浪模式成员使用未扰动的海浪分析场作为初始场，包括一个控制预报和50个集合成员预报做15 d的集合海浪预报。2010年其集合海浪模式的分辨率提升到0.5°，海浪概率产品已得到很好的应用。美国NCEP和日本气象厅等业务部门[6, 10]也都相继开展了海浪的集合预报业务，且预报产品在业务上的应用成果令人鼓舞[11-12]。我国目前还没有开展集合海浪预报业务，本文作者在此方面进行了初步尝试，在国家气象中心运行的集合天气预报系统的基础上建立了一个集合海浪预报系统并开展了初步试验。本文首先介绍使用的基本模式情况及其研发采用的基本方法，然后介绍集合海浪预报信息提炼及产品的开发，最后介绍使用该系统进行的初步试验和结果分析。

1 集合海浪预报系统的建立 1.1 数值模式系统概况

本文使用的集合天气预报系统为国家气象中心业务运行的集合天气预报系统[13-16]。该系统建立在全球中期数值天气预报模式系统T213L31基础上，基于增长模繁殖法，通过解决增长模繁殖法中的关键技术rescaling在全球谱模式的应用，建立了7对扰动成员和控制预报共15个成员的全球集合天气预报系统。该系统预报稳定，对形势场的集合平均预报明显好于控制预报，且集合预报的概率分布合理，能使可用预报的时效比确定性预报延长约1 d。

本文使用的海浪预报系统是基于国家气象中心业务使用的全球海浪数值预报系统[17]。该系统通过引进第3代海浪模式WAVEWATCH Ⅲ，使用T213预报的洋面风场等洋面气象要素驱动海浪模块，生成洋面海浪数值预报场。系统分辨率为1°× 1°，系统每天运行2次，预报时效为240 d，模式的初始场为模式12 h后报的海浪场。海浪模式WAVEWATCH Ⅲ[18]是美国NOAA/NCEP环境模拟中心海洋模拟小组 (Marine Modeling and Analysis Branch) 的Hendrik在Delft技术大学和美国航空航天局Goddard空间飞行中心分别开发的WAVEWATCHⅠ和WAVEWATCHⅡ基础上，开发的一个全谱空间的第3代海浪模式，简称WWATCH。本研究使用的版本是WAVEWATCHⅢ 2.22版本。该模式对过去模式的控制方程、程序结构、数值和物理的处理方法等作了改进，使得该模式不仅在考虑波流相互作用和风浪物理机制方面更加合理，而且有利于采用并行计算技术，从而提高模式的性能和效率。

1.2 集合海浪预报方法

本文使用的集合海浪预报方法不对海浪场进行初始扰动，而是直接使用全球集合天气预报系统的15个预报成员分别驱动全球海浪数值预报模式, 计算出15个海浪谱预报成员，其中集合天气预报的15个预报成员包括1个风场控制预报和14个风场扰动预报，计算的海浪场成员也包括1个海浪场控制预报和14个海浪场扰动预报。再根据各预报成员相应地开发出各海浪要素的集合预报产品如集合平均、离散度、集合概率等，从而形成集合的海浪数值预报。各海浪预报成员的初始海浪场是由模式控制预报12 h后报的海浪场来提供。表 1为集合海浪成员使用的基本参数概况。

表 1 集合海浪模式成员基本参数概况 Table 1 Outline of the ensemble wave forecast models

1.3 集合海浪预报信息提炼及基本产品

同集合天气预报系统一样，集合海浪预报输出大量的预报场资料，包含丰富的信息量。要使这些资料能更有效地为用户所利用, 就必须解决如何从集合预报中提炼有用信息的问题。本系统中，主要开发了3类集合海浪预报产品，包括集合平均预报和离散度、面条图、集合概率预报等。

① 集合平均预报和离散度

将有效浪高、风速、平均浪周期等要素的集合平均与离散度分别绘于图上 (如图 1a所示)。集合平均为集合预报各成员的数学平均，给出集合预报的总体趋势。一般情况下, 由于计算平均的过程中可将不能预报的随机信息过滤掉, 集合平均预报通常比单个预报准确。集合离散度为预报成员对集合平均值的标准差，反映了集合成员之间的差别，离散度越大，集合成员预报差异越大，可预报性越低，反之离散度越小，集合成员预报差异越小，可预报性越高，预报的可信度越大[19]。集合成员间的离散度应大小适宜，离散度太大，虚假的预报会增多，离散度太小，则会使得集合预报结果难于包含真值，导致漏报太多。

图 1. 集合海浪数值预报产品图示 (a)2007年9月17日12:00(世界时，下同) 起报的120 h有效浪高集合平均 (实线, 单位：m) 及离散度 (阴影), (b)2007年9月18日12：00起报的10 m高风速为11.3 m·s-1的24 h预报面条图，(c)2007年9月17日12：00起报的平均浪周期大于11 s的72 h概率预报图 Fig 1. The products of the ensemble wave forecast system (a) the 120-hour forecast of ensemble mean (solid line, unit: m) and spread (shaded) of significant wave height at 12:00 17 September 2007, (b) the 24-hour forecast of spaghetti chart of 10 m wind speed of 11.3 m·s-1 at 12:00 18 September 2007, (c) the 72-hour forecast of probability chart of mean wave period larger than 11 s at 12:00 17 September 2007

② 面条图

面条图可以用来表示某一预报要素在集合预报中的发散程度，即选取1条等值线，将所有成员对该等值线的预报都综合绘在1张图上来表示 (如图 1b所示)。线条越集中，则预报的可信度越大、线条越发散时，这次预报的不确定性就可能越大。针对各海浪预报要素的变化情况，选取不同的等值线参考值，表 2为集合海浪预报系统面条图产品列表。

表 2 面条图产品列表 Table 2 The list of pruducts of spaghetti charts

③ 概率预报

概率分布预报产品包含了该集合海浪预报系统所提供的全部信息, 最大程度地包含了实际海浪可能发生的种种情况。一般来说, 对海浪预报依赖性不太大的用户, 只有当遇到预报概率高 (如90%) 的事件时才采取相应的措施以保证最高的经济效益。而由于洋面作业、海滩旅游、航海等用户对于海浪预报依赖性非常大，因此对于预报概率不太高 (如30%) 的大浪狂浪情况，就应该及时采取相应的防范措施以避免更大的经济损失。集合海浪预报系统的概率预报产品根据不同海浪预报要素的选取情况基本与面条图的选取情况相同 (表 2)，其具体产品图示如图 1c所示。

2 预报试验及结果

本文使用上面介绍的集合海浪预报系统开展了预报试验，预报时间为2007年9月1日—10月31日，为使海浪初始场达到与真实海浪场比较接近的稳定状态，系统从2007年8月15日起报，并滚动运行，对于业务预报系统提前运行的时间还应该加长，海浪初始场才能达到比较理想的状态。

浮标站资料选自于美国NOAA的浮标数据中心NDBC (http://www.ndbc.noaa.gov)，共选取太平洋和大西洋内29个浮标站点，其中西北太平洋范围有1个站，夏威夷海域范围选取了5个站，东北太平洋范围选取了13个站，西北大西洋范围选取了10个站。取系统每天12：00的预报数据，对风速、有效浪高等预报要素的0~120 h的预测值与对应浮标观测值进行了统计检验分析。

首先对集合平均预报值与单独的控制预报结果进行对比分析，检验指标包括29个站单月平均的预测值与观测值的相对误差 (偏差) 和均方根误差。从系统对于风速和有效浪高的预报月平均偏差来看，系统对于风速 (图 2a，图 3a) 的集合平均的预报偏差略优于控制预报，且基本在0附近，没有明显的系统偏差。对于有效浪高的月平均偏差，9月和10月 (图 2b，图 3b) 都显示集合平均明显优于控制预报，总的来说，集合平均和控制预报都有偏低的偏差，9月比10月偏低更多，这可能与模式系统提前起报的时间不够长有关。集合平均的月平均均方根误差都明显低于控制预报的误差水平，其中风速的均方根误差 (图 2c，图 3c) 随不同时效集合平均比控制预报有2%~21%的降低，有效浪高的均方根误差 (图 2d，图 3d) 集合平均较控制预报随不同时效有3%~17%的降低，显示集合平均的预报性能明显优于控制预报的性能。从对风速和有效浪高的均方根误差检验可看出二者的变化趋势相一致，这也反映出有效浪高的预报准确性与风场的预报准确性的对应关系。随着时效的延长，各变量的误差逐渐增大，这与模式实际的预报水平相符合。图 2d，图 3d同时显示了平均离散度变化，可看出本系统的离散度偏小于集合平均预报误差。一个好的集合预报系统，其成员间的离散度同均值预报误差大小应大体上相当，但现有的绝大多数集合系统的离散度均偏小[20]。有效浪高离散度的低估在现在的集合海浪预报系统中也普遍存在[21]，可能是在集合海浪预报系统的设计中，只扰动了风强迫力，因此只有风浪的扰动生成，而实际上涌浪在生成时也存在不确定性，由于涌浪在离散度上的贡献明显被低估，从而导致系统的离散度偏小。

图 2. 2007年9月10 m风速和有效浪高不同时效预报误差变化曲线 (a) 风速平均误差，(b) 有效浪高平均误差，(c) 风速均方根误差, (d) 有效浪高均方根误差 Fig 2. The verification curves of 10 m wind speed and significant wave height in September 2007 (a) wind speed bias, (b) significant wave height bias, (c) root mean square error of wind speed, (d) root mean square error of significant wave height

图 3. 2007年10月10 m风速和有效浪高不同时效预报误差变化曲线 (a) 风速平均误差, (b) 有效浪高平均误差, (c) 风速均方根误差, (d) 有效浪高均方根误差 Fig 3. The verification curves of 10 m wind and significant wave height in October 2007 (a) wind speed bias, (b) significant wave height bias, (c) root mean square error of wind speed, (d) root mean square error of significant wave height

集合平均是集合预报中比较初级的产品，而且它仍然属于确定性预报的范畴，集合预报的意义更多在于可以提供预报的多种可能性。取1个单独的浮标站 (46006站) 数据，对2007年9月15日12:00各集合海浪预报成员的10 m风速 (图 4a)、有效浪高 (图 4b) 的预测值与观测值进行对比，可以看出，系统对有效浪高的预报与风速的预报呈比较一致的变化趋势，且对于风速和有效浪高的预报, 各集合预报成员在观测值附近较为均匀的分布，且基本涵盖了观测值的变化范围。集合预报样本能够很好地随观测变化，显示了集合预报的优势，即能够提供确定性预报所不能提供的多种可能性，能够得到预报要素可能的变化范围和可预报性。预报时效低于72 h时，集合预报样本具有比较一致的趋势，而72~120 h预报时效期间，集合预报样本之间的预报差异较大，反映集合离散度较大，可预报性较低，预报时效超过72 h，与控制预报相比，集合平均的变化趋势明显更接近于观测。

图 4. 浮标站 (46006)2007年10月15日12：00起报的不同时效集合预报与观测对比 (a)10 m风速，(b) 有效浪高 Fig 4. Ensemble of 15 members vs observation data at Buoy_46006 forecast at 12:00 15 Oct 2007 (a)10 m wind speed, (b) significant wave height

3 小结

本文介绍了集合海浪预报的基本方法，建立了分辨率为1°×1°的全球集合海浪预报试验系统，开发了可应用的集合海浪预报产品如集合平均、离散度、面条图和集合概率等，并开展了两个月的试验，使用浮标观测值开展了初步的检验分析，得到以下结论:

1) 从系统对于有效浪高的预报月平均偏差来看，9月和10月都显示集合平均优于控制预报，同时，集合平均和控制预报都有偏低的系统偏差，9月比10月偏低更多，这可能与模式系统提前起报的时间不是足够长有关。

2) 集合平均与控制预报对比的指标显示，10 m风速的均方根误差随不同时效集合平均比控制预报有2%~21%的降低，有效浪高的均方根误差集合平均较控制预报随不同时效有3%~17%的降低。

3) 通过集合预报成员和控制预报与浮标站单站观测值的对比可以看出，相比单一的确定性预报，集合预报结果与观测变化一致，可以提供更多的预报可能性，将确定性预报扩展到概率预报。

应该指出，要完整地检验一个集合海浪数值预报系统的性能，还需要更长时间序列的试验与更多检验指标分析，这有待于继续深入研究。集合海浪预报系统对极端海浪事件具有较强的分辨能力, 可以提高对极端海浪事件的预报水平；集合预报不仅在于可以提高预报精度，还可以给出预报要素可能的变化范围和可预报性，且集合预报产品能够识别出模式的系统性偏差，具有很好的发展前景。

参考文献
[1] WMO. Guide to Wave Analysis and Forecasting (Second Edition). WMO-No.702, Geneva: WMO, 1998.
[2] 闻斌, 刘俊. 海浪数值模式研究回顾与进展. 海洋预报, 2006, 23, (4): 76–81. DOI:10.11737/j.issn.1003-0239.2006.04.010
[3] 王太微, 陈德辉. 数值预报发展的新方向-集合数值预报. 气象研究与应用, 2007, 28, (1): 6–12.
[4] 陈静, 陈德辉, 颜宏. 集合数值预报的发展与研究进展. 应用气象学报, 2002, 13, (4): 497–507.
[5] Farina L. On ensemble prediction of ocean waves. Tellus, 2002, 54: 148–158. DOI:10.3402/tellusa.v54i2.12133
[6] Nobuhito M, Hiromaru H. Developing Ensemble Wave Prediction System. Workshop on Wave, Tide Observations and Modelings in the Asion-Pacific Region, 2004.
[7] Chen H S. An Ensemble Global Ocean Wave Forecast System. NOAA THORPEX PI Workshop, Camp Springs, MD, 2006.
[8] Mark S R, Jerome E, von Hardenberg J, et al. Forecasting wave height probabilities with numerical weather prediction model. Ocean Engineering, 2005, 32: 1841–1863. DOI:10.1016/j.oceaneng.2004.11.012
[9] Peter A E M J, Bjorn H, Bidlot J R. Verification of the ECMWF wave forecasting system against buoy and altimeter data. Wea Forecasting, 1997, 12: 763–784. DOI:10.1175/1520-0434(1997)012<0763:VOTEWF>2.0.CO;2
[10] Chen H S. Ensemble Prediction of Ocean Waves at NCEP. Proceedings of 28th Ocean Engineering Conference in Taiwan, NSYSU, 2006.
[11] Cao D G, Chen H S, Tolman H L. Verification of Ocean Wave Ensemble Forecast at NCEP. 10th International Workshop on Wave Hindcasing and Rorecasting & Coastal Hazards Symposium, Turtle Bay, Oahu, Paper G1, 2007.
[12] Mori N, Hirakuchi H. Verification of Ensemble Ocean Wave Prediction using Ensemble Weather Prediction System. Abiko Reserch Lab Rep, No.U03017, 2003.
[13] 李泽椿, 陈德辉. 国家气象中心集合数值预报业务系统的发展及应用. 应用气象学报, 2002, 13, (1): 1–15.
[14] 皇甫雪官. 国家气象中心集合数值预报检验评价. 应用气象学报, 2002, 13, (1): 29–36.
[15] 田华, 邓国, 胡江凯, 等. 全球T213数值集合预报业务系统简介. 2007年中国气象学会年会论文集, 2007: 2658-2662.
[16] 田华. 国家气象中心中期集合预报系统概况. 新疆气象, 2004, 27, (5): 1–6.
[17] 孙明华, 胡江凯. 基于T213的全球海浪数值预报系统. 2006年中国气象学会年会论文集, 2006: 964-968.
[18] Tolman H L. User Manual and System Documentation of WAVEWATCH-Ⅲ Version 2.22. NOAA/NWS/NCEP/MMAB Technical Note 222, 2002.
[19] 杜钧. 集合预报的现状和前景. 应用气象学报, 2002, 13, (1): 16–28.
[20] 邓国, 龚建东, 邓莲堂, 等. 国家级区域集合预报系统研发和性能检验. 应用气象学报, 2010, 21, (5): 513–523.
[21] Saetra O, Bidlot J R. Potential benefits of using probabilistic forecasts for waves and marine winds based on the ECMWF ensemble prediction system. Wea Forecasting, 2004, 19: 673–689. DOI:10.1175/1520-0434(2004)019<0673:PBOUPF>2.0.CO;2