沈春，項杰，蔣國榮，施偉來

（1.解放軍理工大學氣象海洋學院，江蘇南京 211101；2.河海大學港口海岸與近海工程學院，江蘇南京 210098）

1 引言

風是重要的海洋和氣象要素，評估運行海洋模式驅(qū)動場最重主要的要素之一就是海表面風（海面以上10 m處的風速），它將直接驅(qū)動海表面應力和湍流通量場。這意味著風場的誤差將直接影響模式驅(qū)動并影響模式模擬結果[1]。目前，風場資料主要有兩類：一是衛(wèi)星散射計反演產(chǎn)品，二是全球同化系統(tǒng)產(chǎn)品（比如ECMWF，NCEP，NCAR等）；為了提高精度，再分析產(chǎn)品都已經(jīng)用一些統(tǒng)計方法或譜分析方法對散射計反演風場做了修正[2]。Weller和Anderson在COARE-IFA實驗中比較了浮標資料和分析風場，證明ECMWF資料在赤道太平洋附近低估了風速[3]。相反，Weller等比較了阿曼海岸EC?MWF分析產(chǎn)品和站點觀測資料證明分析產(chǎn)品給出的是真實風場[4]。衛(wèi)星產(chǎn)品的應用解決了觀測站點少的問題，提供了全球覆蓋并且有高時空分辨率的風場資料。但是衛(wèi)星資料的精確度也需要確認[5]。

多個研究表明散射計產(chǎn)品和浮標資料比較的RMS值基本符合衛(wèi)星設計規(guī)范，風速誤差±2 m/s，風向誤差為±20°[6-7]。QuikSCAT的散射計獲取的風場已經(jīng)在多個區(qū)域使用現(xiàn)場觀測浮標或船測資料驗證了它的有效性[8-9]。Brennan等指出用QuikSCAT資料得到風半徑信息對于飛行器沒有偵查到的臺風來說非常重要，但比較臺風場散射計風產(chǎn)品與站點資料的研究很少[10]。

近年來“侵臺臺風之GPS Dropsonde飛機偵察觀測實驗”[11]是西北太平洋最重要的臺風下投式探空儀觀測之一。該試驗收集的GPS Dropsonde在西北太平洋觀測了大量的臺風海上探空觀測向量，且該資料具有較好的垂直解析度和精確度，為臺灣周邊區(qū)域遙感探測資料的精度驗證和校準提供了獨特的資料[12]。彭犁然等就利用了GPS Dropsonde資料對2005年第19號臺風“龍王”的結構進行了研究[13]。Chou等利用dropsonde資料對2003—2007年臺灣周邊QuikSCAT風場精度做了驗證，兩種資料的均方根誤差風速為2.6 m/s，風向為17°[14]。

Metop-A衛(wèi)星攜載的ASCAT散射計的風場產(chǎn)品已經(jīng)可以通過多家網(wǎng)站獲取，其中產(chǎn)品比較及時的是荷蘭皇家氣象協(xié)會（KNMI）和NOAA的衛(wèi)星應用研究中心的表面風研究組。QuikSCAT退役后，ASCAT產(chǎn)品被認為是目前比較理想的風場產(chǎn)品，對其風場反演精確性，特別是高風速風場的精確性進行驗證十分必要。

2 資料與方法

2.1 ASCAT風場數(shù)據(jù)

用于比較驗證的ASCAT數(shù)據(jù)來源于荷蘭皇家氣象協(xié)會（KNMI）網(wǎng)站提供的衛(wèi)星沿軌產(chǎn)品（http://www.knmi.nl/scatterometer/ascat_osi_12_prod/）。該產(chǎn)品是通過歐洲氣象衛(wèi)星組織（EUMETSAT）的衛(wèi)星應用分支機構（SAF，Satellite Application Facili?ties）收集資料后經(jīng)過質(zhì)量控制[15]，再由地球物理模型函數(shù)（GMF，geophysical model function）：CMOD5.n[16]和最大似然估計（MLE，maximum-likeliood estima?tor）方法[17]反演風速，使用二維變分方法（2D-VAR，two dimensional variational ambiguity removal）[18]實 施風向模糊去除得到風場產(chǎn)品。研究使用的是分辨率為12.5 km的產(chǎn)品。

研究重點比較的是有臺風場的ASCAT風場產(chǎn)品反演精度情況，通過比對2006年—2010年8個臺風現(xiàn)場觀測Dropsonde資料，找到三個時次的AS?CAT產(chǎn)品與現(xiàn)場觀測資料匹配：區(qū)域是中國近海（12°—40°N，107°—143°E），時間是2009年8月6日1:01—1:10UTC，2009年10月3日1:00—1:09UTC和2009年10月20日1:49—1:58UTC（見圖1）。

2.2 NCEP風場數(shù)據(jù)

用于驗證的NCEP數(shù)據(jù)來源于UCAR的計算與信息系統(tǒng)實驗室（CISL，Computational&Information Systems Laboratory）提供的產(chǎn)品（http://dss.ucar.edu/datasets/ds083.2/），該NCEP業(yè)務化全球分析資料是全球資料同化系統(tǒng)的產(chǎn)品。資料產(chǎn)品的空間分辨率是1°×1°，時間分辨率是6 h。

2.3 Dropsonde資料

Dropsonde資料指的是NCAR GPS dropwind?sonde觀測的臺風風速資料[11]。研究使用的Drop?sonde資料來自于臺灣國會資助的“侵臺臺風之GPS Dropsonde飛機偵察觀測實驗”（DOTSTAR，Dropsonde Observations for Typhoon Surveillance near the Taiwan Region）（代號：追風計劃）提供的資料。自2003年起，DOTSTAR觀測試驗在西北太平洋展開，針對即將影響我國的臺風，偵察飛機以每架次約5 h直接飛到臺風外圍距臺風中心約250—300 km、高度約200 hPa投擲Dropsonde，在掉落過程中每隔0.5 s測量一次大氣環(huán)境的壓力、溫度、濕度，每個探空儀的觀測過程歷時約15—20 min[13]。Dropsonde在對流層底部的觀測垂直分辨率大約是5 m[14]，觀測誤差大約為0.5—2.0 m/s[11]。本文使用的數(shù)據(jù)是DOTSTAR針對2009年第8號臺風“莫拉克”（Morakot）、2009年第 17號臺風“芭瑪”（Parma）、2009年第20號臺風“盧碧”（Lupit）的觀測資料。

圖1 用于比較的三個時次的ASCAT風速場

2.4 資料預處理

NCEP資料是1°×1°的格點資料，ASCAT沿軌資料是分辨率為12.5 km的不規(guī)則網(wǎng)格資料。NCEP資料給出的是風速分量u、v，ASCAT資料給出的是風速、風向。為了便于比較對ASCAT數(shù)據(jù)做預處理，將ASCAT資料先轉(zhuǎn)換成風速分量u、v，再用克里金（Kriging）插值方法插值到NCEP網(wǎng)格點上，搜索指定半徑為0.5°。

ASCAT的風場資料給出的是海面10 m出的風速，Dropsonde投放過程中在接近海面處大約每隔5 m給出一個觀測值，與ASCAT比較時選取的Drop?sonde資料是5—15 m高度處一個與10 m高度最接近的值進行比較，如果該高度區(qū)間沒有觀測值，則不使用該次觀測資料。與Dropsonde比較的ASCAT資料從沿軌資料中選取，選取比較的點是距離Drop?sonde位置最接近的一個點的反演的風速。

文章比較所用的三種資料ASCAT資料使用的是協(xié)調(diào)世界時（UTC），NCEP資料使用的也是協(xié)調(diào)世界時（UTC），dropsonde資料使用的是格林尼治標準時間（GMT）。UTC和GMT，這兩者幾乎是同一概念，區(qū)別在于前者是一個天文上的概念，而后者是基于一個原子鐘。這兩種時間相差只有幾秒，所以文中不考慮這兩個時間之間的差異。

3 結果與分析

3.1 ASCAT風場與NCEP風場比較結果

圖2 網(wǎng)格化ASCAT風速場和NCEP風速場

圖3 網(wǎng)格化ASCAT風向速和NCEP風向場

表1 ASCAT與NCEP資料風速、風向比較

格點化后的ASCAT風速和風向與NCEP資料的風速風向見圖2，3。從圖中可看出ASCAT資料反演的風場無論是風速還是風向與NCEP風場的一致性都較好。但是從風速圖可看出高風速部分AS?CAT反演的結果比NCEP資料相比更高風速區(qū)域更大。

比較ASCAT反演風場與NCEP風場風速風向的偏差，平均絕對偏差和均方根誤差（見表1）。綜合三個時次的軌道資料，風速的平均絕對偏差為2.06 m/s，風向的平均絕對偏差為21.98°；風速的均方根誤差為2.87 m/s，風向的均方根誤差為34.29°?？梢夾SCAT風場的風速反演精度與NCEP風場較為一致，而風向場誤差相對偏大。

風向場偏差較大有兩個原因：一是臺風風場是風速變化較為快速的風場，研究選取的ASCAT資料的軌道掃描時間與NCEP風場預報時間之間有時間差，時間差有一個多小時，這期間風速風向都會有一定變化，尤其是風向的變化會比較明顯。二是兩種資料的空間分辨率不一樣，ASCAT風場的分辨率明顯高于NCEP，比較時是通過空間平均的方法得到與NCEP同分辨率的ASCAT風場，臺風空間尺度小，風向變化快，這種空間平均對于臺風場誤差較大，會影響比較結果。

繪制散點圖綜合比較三個時次風場（845個點）的風速風向（見圖4）。ASCAT風速和NCEP風速的一元線性回歸擬合函數(shù)為SpeedNCEP=0.695·SpeedASCAT+2.325，這表明，風速小于7.6 m/s時，ASCAT反演風速小于NCEP風速；風速大于7.6 m/s時；ASCAT反演風速大于NCEP風速。ASCAT風速與NCEP風速的相關系數(shù)為0.72。QuikSCAT風場產(chǎn)品在風速反演中有反演不足的現(xiàn)象[14]，ASCAT散射計在這一點上做了很大改善。ASCAT風向和NCEP風向的一元線性回歸擬合函數(shù)為 DirectionNCEP=0.946·DirectionASCAT+9.112，一階多項式系數(shù)為0.946，可見ASCAT反演風向與NCEP風向整體較為一致，ASCAT風向與NCEP風向的相關系數(shù)為0.95。

3.2 ASCAT風場單點數(shù)據(jù)與Dropsonde觀測資料比較結果

圖4 ASCAT和NCEP的風速風向散點圖

表2 ASCAT與Dropsonde資料風速、風向比較

選取7個有ASCAT沿軌資料的dropsonde投放資料與ASCAT反演風速對比，選族的7個點分布位置見圖5。從ASCAT沿軌資料中選取與dropsonde投放點最接近的一個點的風速風向與dropsonde資料相比較（見表2），選取的點與dropsonde位置相距約20 km，兩者比較風速和風向的偏差見表2。風速偏差為-1.25 m/s，風向偏差為2.71°；風速的平均絕對偏差為1.55 m/s，風向平均絕對偏差為3.43°；風速的均方根誤差為1.73 m/s，風向的均方根誤差為4.15°。這個結果比Chou等[14]給出的QuikSCAT風場與dropsonde比較的結果（風速的平均絕對偏差為1.9m/s，風向平均絕對偏差為11.3°）要好?？梢夾S?CAT風場的反演結果，尤其是對臺風場的反演結果比較理想。

圖5 Dropsonde投放位置圖

由于臺灣的dropsonde投放地點只在臺風外圍，沒有深入到臺風眼的里面，且本文用于與ASCAT風場比較的實際觀測資料數(shù)量也有限，所得結果不能代表ASCAT全場的探測結果。但臺風外圍的探測結果與QuikSCAT比較結果[14]可見受云雨影響較小的C波段微波散射計（ASCAT）反演的風場比Ku波段微波散射計（QuikSCAT的SeaWinds）探測的風場對臺風的探測更具優(yōu)勢。

4 結論

本文通過對ASCAT三個沿軌資料反演的海面風速進行分析比較，發(fā)現(xiàn)其精度整體情況如下：

ASCAT反演風場與NCEP風場的風速的平均絕對偏差為2.06 m/s，風向的平均絕對偏差為21.98°；風速的均方根誤差為2.87 m/s，風向的均方根誤差為34.29°。兩者風速反演精度較一致，風向場誤差相對偏大。主要原因是兩種資料給出的風場時間有差別；且空間分辨率不一樣，對臺風場平均過程中帶來較大誤差。通過一元線性擬合發(fā)現(xiàn)低風速時ASCAT反演風速小于NCEP風速，中高風速時ASCAT反演風速大于NCEP風速。

ASCAT反演風場與dropsonde探測資料的風速平均絕對偏差為1.55 m/s，風向平均絕對偏差為3.43°；風速的均方根誤差為1.73 m/s，風向的均方根誤差為4.15°。該比較結果代表了較高的反演精度，但由于臺灣的dropsonde投放地點受限，且資料數(shù)量較少該所得結果不能代表ASCAT全場的探測結果。但臺風外圍的探測結果可看出可見受云雨影響較小的C波段微波散射計反演的風場比Ku波段微波散射計探測的風場對臺風的探測更具優(yōu)勢。

[1]Myers P G,Haines K,Josey S.On the importance of the choice of wind stress forcing to the modeling of the Mediterranean Sea circulation[J].J Geophys Res,1998,103:15729-15749.

[2]Paolo M R,Salvatore M,Fabrizio D,et al.Comparison of analyzed and measured wind speeds in the perspective of oceanic simulations over the Mediterranean basin:Analyses,QuikSCAT and buoy data[J].Journal of Marine Systerms,2008,70:33-48.

[3]Weller R A,Anderson S P.Surface meteorology and air-sea fluxes in the western equatorial pacific warm pool during TOGA coupled ocean-atmosphere response experiment[J].J Climate,1996,9:1959-1990.

[4]Weller R A,Baumgartner M F,Josey S A,et al.Atmospheric forcing in the Arabian Sea during 1994-1995:observations and comparisons with climatology and models[J].Deep-Sea Res,1998,Part II 45:1961-1999.

[5]Mears C,Smith D,Wentz F J.Comparison of SSM/I and buoy-measured wind speeds from 1987-1997[J].J Geophys.Res,2001,106(C6):11719-11729.

[6]Ebuchi N,Graber H C,Caruso M J.Evaluation of wind vectors observed by QuikSCAT/SeaWinds using ocean buoy data[J].J.Atmos.Oceanic Technol.,2002,19:2049-2062.

[7]Pickett M H,Tang W,Rosenfeld L K,et al.QuikSCAT satellitecomparison with nearshore buoy wind data off the U.S. west coast[J],J Atmos Oceanic Technol, 2003, 20:1869-1879.

[8]Draper D W,Long D G,An assessment of SeaWinds on QuikSCAT wind retrieval[J].J Geophys Res,2002,107C:3212.doi:10.1029/2002JC001330.

[9]Chelton D B,Freilich M H.Scatterometer-based assessment of 10-m wind analyses from the operational ECMWF and NCEP numerical weather prediction models[J].Mon Weather Rev,2005,2:409-429.

[10]Brennan M J,Hennon C C,Knabb R D.The operational use of QuikSCAT ocean surface vector winds at the National Hurricane Center[J].Weather Forecasting,2009,24:621-645.

[11]Hock T F,Franklin J L.The NCAR GPS dropwindsonde[J].Bull Amer Meteor Soc,1999,80(3):407-420.

[12]Chou K H,Wu C C.Development of the typhoon initialization in a mesoscale model:Combination of the bogused vortex with the dropwind sonde data in DOTSTAR[J].Mon Weather Rev,2008,136:865-879.

[13]彭犁然,舒守娟.利用GPS Dropsonde資料研究“龍王”臺風的結構特征[J].熱帶氣象學報,2010,26(1):13-21.

[14]Chou K H,Wu C C,Lin P H,et al.Validation of QuikSCAT wind vectors by dropwindsonde data from Dropwindsonde observations for Ty phoon Surveillance Near the Taiwan Region(DOTSTAE)[J].J Geophys Res,2010,115,D02109.doi:10.1029/2009JD012131.

[15]Portabella M,StoffelenA,VerhoefA,et al.Anew method for improving ASCAT wind quality control accepted[J].IEEE Gosci.Remote Sensing Letters,2012,accepted.

[16]Verspeek J A,Stoffelen A,Portabella M,et al.Validation and calibration of ASCAT using CMOD5.n[J].Geoscience and Remote Sensing,2010,48(1):386-395.

[17]Verspeek J A,Portabella M,Stoffelen,et al.Calibration and Validation of ASCAT Winds[R].OSI SAF Technical Report SAF/OSI/KNMI/TEC/TN/163,2011.

[18]Vogelzang J,Stoffelen A,Verhoef A,et al.Validation of two-dimensional variational ambiguity removal on Sea Winds scatterometer data[J].JAtm Oceanic Technol,2009,26:1229-1245.