宋 毅，宋曉姜，高志一，張志華，李 敏

（國(guó)家海洋環(huán)境預(yù)報(bào)中心，北京 100081）

基于貝葉斯理論的中國(guó)近海網(wǎng)格化氣象要素概率預(yù)報(bào)研究

宋 毅，宋曉姜，高志一，張志華，李 敏

（國(guó)家海洋環(huán)境預(yù)報(bào)中心，北京 100081）

基于貝葉斯理論建立了一種基本概率預(yù)報(bào)模式，將歐洲中期天氣預(yù)報(bào)中心數(shù)值模式的確定性海面風(fēng)場(chǎng)預(yù)報(bào)轉(zhuǎn)換為概率預(yù)報(bào)，并對(duì)概率化后的釋用產(chǎn)品進(jìn)行了評(píng)估與檢驗(yàn)。對(duì)2016年3月和4月釋用產(chǎn)品的檢驗(yàn)結(jié)果表明，在中國(guó)近海1 425個(gè)漁區(qū)的全風(fēng)速預(yù)報(bào)中，貝葉斯概率預(yù)報(bào)準(zhǔn)確率均較高；對(duì)6級(jí)及以上大風(fēng)的預(yù)報(bào)，貝葉斯概率預(yù)報(bào)的準(zhǔn)確率也較高，且空?qǐng)?bào)率低，無(wú)漏報(bào)。本文的研究成果為預(yù)報(bào)員進(jìn)行業(yè)務(wù)預(yù)報(bào)具有指導(dǎo)性意義，同時(shí)將為進(jìn)一步構(gòu)建海面風(fēng)場(chǎng)的網(wǎng)格化業(yè)務(wù)預(yù)報(bào)體系奠定了技術(shù)基礎(chǔ)。

貝葉斯理論；概率預(yù)報(bào)；網(wǎng)格化；業(yè)務(wù)預(yù)報(bào)

1 引言

隨著涉海項(xiàng)目日益頻繁，開(kāi)展海洋氣象要素網(wǎng)格化預(yù)報(bào)成為當(dāng)務(wù)之急。海洋預(yù)報(bào)要素網(wǎng)格化預(yù)報(bào)的主要思路是，以優(yōu)質(zhì)的數(shù)值預(yù)報(bào)產(chǎn)品及相對(duì)應(yīng)的歷史實(shí)況觀測(cè)或再分析數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，利用氣象學(xué)和海洋學(xué)診斷、統(tǒng)計(jì)等客觀方法輸出釋用后的預(yù)報(bào)數(shù)據(jù)，通過(guò)交互式、網(wǎng)格化預(yù)報(bào)發(fā)布平臺(tái)，結(jié)合預(yù)報(bào)員經(jīng)驗(yàn)訂正方法，最終完成預(yù)報(bào)要素的網(wǎng)格化發(fā)布。因此，選取優(yōu)質(zhì)的數(shù)值預(yù)報(bào)產(chǎn)品和適當(dāng)?shù)尼層梅椒?，以及預(yù)報(bào)員經(jīng)驗(yàn)訂正過(guò)程構(gòu)成了網(wǎng)格化最重要的3個(gè)環(huán)節(jié)。

目前國(guó)內(nèi)外主流預(yù)報(bào)機(jī)構(gòu)已經(jīng)開(kāi)展了一系列網(wǎng)格化預(yù)報(bào)工作。歐洲中期數(shù)值預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasts，ECMWF）針對(duì)溫度、氣壓要素、風(fēng)要素采用高斯密度分布對(duì)預(yù)報(bào)結(jié)果進(jìn)行訂正[1]，針對(duì)降水量采用邏輯回歸[2]或分位數(shù)回歸方法，貝葉斯平均方法[3]也被用于集合預(yù)報(bào)釋用訂正；美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NCEP）利用再預(yù)報(bào)技術(shù)[4]、貝葉斯平均方法[3]等對(duì)集合預(yù)報(bào)進(jìn)行釋用訂正；中國(guó)氣象局國(guó)家氣象中心研發(fā)了以“精細(xì)化氣象要素客觀預(yù)報(bào)平臺(tái)（Meteorology Element Objective Forecast Interation System，MEOFIS）”為代表的集成多種數(shù)值預(yù)報(bào)產(chǎn)品解釋?xiě)?yīng)用技術(shù)的客觀氣象要素預(yù)報(bào)系統(tǒng)，初步建立了網(wǎng)格化、定量化的產(chǎn)品體系。當(dāng)前，我國(guó)海洋預(yù)報(bào)機(jī)構(gòu)的網(wǎng)格化預(yù)報(bào)技術(shù)尚未建立，現(xiàn)階段主要依靠一線預(yù)報(bào)員主觀判斷對(duì)數(shù)值結(jié)果進(jìn)行人工訂正，主觀影響較大且耗費(fèi)大量人力，越來(lái)越無(wú)法滿足現(xiàn)代海洋預(yù)報(bào)業(yè)務(wù)的要求。因此，建立開(kāi)展網(wǎng)格化預(yù)報(bào)體系成為迫切需求。

由確定性預(yù)報(bào)向概率預(yù)報(bào)轉(zhuǎn)變已成為當(dāng)今天氣預(yù)報(bào)的熱點(diǎn)。由于數(shù)值模式輸出的單一確定性預(yù)報(bào)產(chǎn)品，否定了客觀存在的預(yù)報(bào)不確定性，據(jù)此而提供的預(yù)報(bào)信息是不完善的[5]，對(duì)預(yù)報(bào)員及使用者的指導(dǎo)意義有局限性。而通過(guò)概率天氣預(yù)報(bào)，為預(yù)報(bào)員及使用者提供了對(duì)天氣狀況未來(lái)發(fā)展趨勢(shì)認(rèn)知狀態(tài)的較完整表達(dá)，實(shí)現(xiàn)了對(duì)預(yù)報(bào)不確定性的定量化表達(dá)[6-8]。而將貝葉斯統(tǒng)計(jì)理論應(yīng)用于概率預(yù)報(bào)技術(shù)成為了近年來(lái)數(shù)值預(yù)報(bào)的新趨勢(shì)[3,9-11]。

本文工作著眼于目前亟待發(fā)展的我國(guó)海洋預(yù)報(bào)要素網(wǎng)格化技術(shù)，落腳于中國(guó)近海1 425個(gè)漁區(qū)（每個(gè)漁區(qū)范圍為0.5°×0.5°），選用ECMWF T1279模式，依據(jù)貝葉斯統(tǒng)計(jì)理論，實(shí)現(xiàn)海面風(fēng)的確定性預(yù)報(bào)向概率預(yù)報(bào)的轉(zhuǎn)變，初步構(gòu)建海洋氣象要素的網(wǎng)格化業(yè)務(wù)預(yù)報(bào)。

2 數(shù)據(jù)及方法介紹

2.1 數(shù)據(jù)資料

本文所用的數(shù)值預(yù)報(bào)產(chǎn)品為ECMWF T1279模式預(yù)報(bào)，水平分辨率為0.125°×0.125°，選用2014年12月—2016年4月的逐12h預(yù)報(bào)數(shù)據(jù)進(jìn)行分析，其中2014年12月—2016年2月數(shù)據(jù)用于概率預(yù)報(bào)模型建立，2016年3—4月作為預(yù)報(bào)試驗(yàn)的檢驗(yàn)期。為了評(píng)估模式預(yù)報(bào)性能，使用了對(duì)應(yīng)時(shí)期的ECMWF較高分辨率（0.125°）ERA-Interim再分析數(shù)據(jù)，該數(shù)據(jù)是ECMWF第三代再分析數(shù)據(jù)，使用了ECMWF的IFS（Integrated Forecast System）Cy31r2模型，其采用四維變分同化技術(shù)，結(jié)合改進(jìn)的衛(wèi)星數(shù)據(jù)誤差校正等技術(shù)，相比前兩代（ERA-15、ERA-40）再分析數(shù)據(jù)，其數(shù)據(jù)質(zhì)量有所提升?？紤]到中國(guó)近海浮標(biāo)數(shù)量有限、衛(wèi)星遙感數(shù)據(jù)則在時(shí)間、空間的不連續(xù)，本文在評(píng)估、訂正網(wǎng)格化數(shù)值預(yù)報(bào)產(chǎn)品時(shí)，選用ERA-Interim再分析數(shù)據(jù)作為“觀測(cè)值”。此外，為了討論再分析數(shù)據(jù)的可靠性，本文還使用了2014年的中國(guó)近海22個(gè)逐小時(shí)浮標(biāo)數(shù)據(jù)進(jìn)行對(duì)比分析。

2.2 貝葉斯方法

貝葉斯方法描述的是兩個(gè)事件的條件概率之間的關(guān)系。條件概率通常寫(xiě)為P(A|B)，表示在事件B發(fā)生的條件下事件A發(fā)生的概率。貝葉斯方法用公式表示如下：

式（1）即為貝葉斯公式的密度函數(shù)形式，其中P（AB）表示事件A與B（在本文中為實(shí)況與預(yù)報(bào)）的聯(lián)合概率密度函數(shù)；P（A）是事件A的邊緣或先驗(yàn)概率分布函數(shù)，包括了A的先驗(yàn)信息；P（B|A）表示在事件A發(fā)生的條件下B發(fā)生的概率密度函數(shù)；P（B）是事件B的邊緣或先驗(yàn)概率分布函數(shù)；P（A|B）稱為A的后驗(yàn)概率分布函數(shù)。

在本文中，基于確定性預(yù)報(bào)值與觀測(cè)值之間的統(tǒng)計(jì)關(guān)系，借助于貝葉斯統(tǒng)計(jì)理論，在已知預(yù)報(bào)因子的預(yù)報(bào)值情況下，獲得預(yù)報(bào)量后驗(yàn)概率分布，把一個(gè)確定性預(yù)報(bào)轉(zhuǎn)化為一個(gè)概率預(yù)報(bào)，從而實(shí)現(xiàn)對(duì)預(yù)報(bào)不確定性的定量化。

2.3 預(yù)報(bào)結(jié)果檢驗(yàn)與評(píng)估

為了檢驗(yàn)預(yù)報(bào)場(chǎng)與觀測(cè)場(chǎng)之間的差異，引入模式技巧評(píng)分公式（見(jiàn)式（2））[12-14]

式中：R是某一區(qū)域上數(shù)值預(yù)報(bào)與觀測(cè)數(shù)據(jù)時(shí)間序列相關(guān)系數(shù)；SDR是某一區(qū)域上數(shù)值預(yù)報(bào)與觀測(cè)數(shù)據(jù)標(biāo)準(zhǔn)偏差的比值。上述公式綜合檢驗(yàn)了數(shù)值預(yù)報(bào)與觀測(cè)數(shù)據(jù)的時(shí)間演變規(guī)律及預(yù)報(bào)偏差。根據(jù)經(jīng)驗(yàn)，將模式技巧評(píng)分劃分為5檔，優(yōu)秀（0.9≤S＜1）、良好（0.8≤S＜0.9）、中等（0.7≤S＜0.8）、及格（0.6≤S＜0.7）和較差（0≤S＜0.6）。

在對(duì)概率預(yù)報(bào)進(jìn)行檢驗(yàn)時(shí)，將實(shí)測(cè)風(fēng)速值與檢驗(yàn)時(shí)段下的概率預(yù)報(bào)風(fēng)速區(qū)間對(duì)比。相同時(shí)刻實(shí)測(cè)風(fēng)速值落在該概率預(yù)報(bào)區(qū)間內(nèi)稱為“準(zhǔn)確預(yù)報(bào)”，小于該區(qū)間最低風(fēng)速值稱為“空?qǐng)?bào)”，大于該區(qū)間最高風(fēng)速值為稱為“漏報(bào)”。按下列公式量化預(yù)報(bào)質(zhì)量：

預(yù)報(bào)準(zhǔn)確率（CS）：

空?qǐng)?bào)率（FAR）：

漏報(bào)率（PO）：

式中：NA為預(yù)報(bào)時(shí)段準(zhǔn)確預(yù)報(bào)次數(shù)；NB為空?qǐng)?bào)次數(shù)；NC為漏報(bào)次數(shù)。在本文中對(duì)全風(fēng)速概率預(yù)報(bào)的檢驗(yàn)只關(guān)注預(yù)報(bào)準(zhǔn)確率，對(duì)大風(fēng)過(guò)程預(yù)報(bào)檢驗(yàn)則同時(shí)關(guān)注預(yù)報(bào)準(zhǔn)確率、空?qǐng)?bào)率及漏報(bào)率。

3 結(jié)果

3.1 ECMWF數(shù)值模式性能評(píng)估

在應(yīng)用貝葉斯理論之前，首先對(duì)ECMWF確定性（單一）預(yù)報(bào)產(chǎn)品性能進(jìn)行了客觀檢驗(yàn)，本文基于ERA-Interim再分析風(fēng)場(chǎng)數(shù)據(jù)，評(píng)估了2014年12月—2016年2月ECMWF確定性預(yù)報(bào)風(fēng)場(chǎng)在預(yù)報(bào)時(shí)效分別為24h（見(jiàn)圖1a）、48h（見(jiàn)圖1b）和72h（見(jiàn)圖1c）的預(yù)報(bào)性能。如圖1所示，24 h預(yù)報(bào)時(shí)效下，數(shù)值模式對(duì)黃海、東海中北部、臺(tái)灣海峽、南海、日本海及西北太平洋遠(yuǎn)海的預(yù)報(bào)能力均較強(qiáng)，為優(yōu)秀檔次；對(duì)渤海、東海南部及北部灣的預(yù)報(bào)能力次之，為良好檔次；中國(guó)近海沿岸、菲律賓沿岸、日本沿岸及赤道西太平洋以中等偏上水平為主，但對(duì)個(gè)別沿岸地區(qū)的預(yù)報(bào)則相對(duì)較差。

相比24 h預(yù)報(bào)時(shí)效下模式預(yù)報(bào)能力，48 h預(yù)報(bào)能力有略微降低（見(jiàn)圖1b），主要表現(xiàn)在東海中北部、日本海及西北太平洋遠(yuǎn)海的預(yù)報(bào)能力由優(yōu)秀檔次降到良好；中國(guó)近岸預(yù)報(bào)能力仍以中等偏上水平為主。72 h的預(yù)報(bào)能力則有明顯降低（見(jiàn)圖1c），但整體仍維持在中等以上水平，僅在個(gè)別華南沿岸、臺(tái)灣島西南沿岸、日本沿岸及菲律賓沿岸的預(yù)報(bào)相對(duì)較差。

3.2 貝葉斯概率預(yù)報(bào)實(shí)例

3.2.1 貝葉斯概率預(yù)報(bào)模型

基于貝葉斯理論，對(duì)中國(guó)近海1 425個(gè)漁區(qū)逐一進(jìn)行處理，同時(shí)給出訂正后的最優(yōu)值及概率預(yù)報(bào)區(qū)間，完善預(yù)報(bào)信息?？紤]到統(tǒng)計(jì)訂正方法需要大量樣本作為基礎(chǔ)，訂正海域出現(xiàn)十級(jí)及以上風(fēng)力事件偏少，因此本文只訂正風(fēng)速≤25 m/s的過(guò)程；此外，依據(jù)2014年12月—2016年2月的再分析數(shù)據(jù)與預(yù)報(bào)數(shù)據(jù)建立的庫(kù)文件，當(dāng)樣本庫(kù)中某一區(qū)間樣本數(shù)占總時(shí)次的比重低于5%時(shí)，也不對(duì)該預(yù)報(bào)值進(jìn)行訂正，釋用方法不推薦。

圖1 西北太平洋不同預(yù)報(bào)時(shí)效下ECMWF模式海面風(fēng)速技巧評(píng)分結(jié)果

圖2給出了本文所用的簡(jiǎn)化貝葉斯概率預(yù)報(bào)模型流程圖。以283號(hào)漁區(qū)（位于臺(tái)灣海峽，24°～24.5°N，118.5°～119°E）24 h預(yù)報(bào)時(shí)效為例，詳細(xì)介紹簡(jiǎn)化貝葉斯概率預(yù)報(bào)模型的建立。如圖3a，在283號(hào)漁區(qū)，再分析數(shù)據(jù)與模式預(yù)報(bào)值具有顯著的線性關(guān)系，二者的聯(lián)合概率密度函數(shù)分布見(jiàn)圖3b。以預(yù)報(bào)值11.1 m/s為例，基于圖3b中的聯(lián)合概率密度分布，圖3c中給出了在該預(yù)報(bào)值范圍內(nèi)再分析場(chǎng)數(shù)據(jù)出現(xiàn)的可能分布概率及對(duì)應(yīng)的發(fā)生次數(shù)，當(dāng)預(yù)報(bào)值為11.1 m/s時(shí)，再分析數(shù)據(jù)出現(xiàn)最大概率的確定預(yù)報(bào)為9 m/s，共出現(xiàn)次數(shù)為173次，我們將該最大概率的確定性預(yù)報(bào)值作為最優(yōu)訂正值。將該方法推廣到25 m/s界限以內(nèi)所有可能的預(yù)報(bào)值中，從而建立預(yù)報(bào)值與最優(yōu)訂正值之間一一對(duì)應(yīng)關(guān)系（見(jiàn)圖3d）。此外，為了實(shí)現(xiàn)將確定性預(yù)報(bào)轉(zhuǎn)換為概率預(yù)報(bào)，通過(guò)設(shè)定某一出現(xiàn)概率閾值，從最大出現(xiàn)次數(shù)開(kāi)始，依次累加，計(jì)算出現(xiàn)概率，當(dāng)超過(guò)某一設(shè)定閾值時(shí)，得到概率預(yù)報(bào)的左右邊界值，隨后引入蒲氏風(fēng)級(jí)表，同時(shí)結(jié)合預(yù)報(bào)員經(jīng)驗(yàn)預(yù)報(bào)規(guī)律，將左右邊界值轉(zhuǎn)為風(fēng)力等級(jí)。根據(jù)經(jīng)驗(yàn)累積，在本文中概率閾值取60%，通過(guò)這種方式，將確定性預(yù)報(bào)轉(zhuǎn)化為概率預(yù)報(bào)，從而更加符合預(yù)報(bào)員及用戶的需求。3.2.2 貝葉斯概率預(yù)報(bào)產(chǎn)品

圖3 283號(hào)漁區(qū)24 h預(yù)報(bào)產(chǎn)品訂正過(guò)程

通過(guò)本文分析，最終呈現(xiàn)給一線預(yù)報(bào)員及用戶的釋用產(chǎn)品包括以下一些要素：ECMWF確定性預(yù)報(bào)，ECMWF模式評(píng)分，最優(yōu)訂正預(yù)報(bào)，概率區(qū)間預(yù)報(bào)，概率預(yù)報(bào)等級(jí)。其中，ECMWF確定性預(yù)報(bào)指ECMWF精細(xì)化預(yù)報(bào)在該漁區(qū)內(nèi)的最大風(fēng)速；ECMWF模式評(píng)分分為5個(gè)檔次，見(jiàn)第2.3節(jié)預(yù)報(bào)結(jié)果檢驗(yàn)與評(píng)估；最優(yōu)訂正值是通過(guò)概率預(yù)報(bào)得到的最優(yōu)確定性預(yù)報(bào)；概率區(qū)間預(yù)報(bào)給出了概率閾值超過(guò)60%的預(yù)報(bào)區(qū)間；根據(jù)概率預(yù)報(bào)區(qū)間的大小，來(lái)定義概率預(yù)報(bào)等級(jí)，劃分為5個(gè)檔次，一檔（interval≤1.0 m/s)、二檔（1.0 m/s＜interval≤1.5 m/s）、三檔（1.5 m/s＜interval≤2.0 m/s）、四檔（interval＞2.0 m/s）和五檔（當(dāng)模式預(yù)報(bào)值超出概率預(yù)報(bào)釋用的極大風(fēng)速，如25 m/s，或者當(dāng)樣本庫(kù)中該樣本數(shù)占總時(shí)次的比重低于5%時(shí)，概率預(yù)報(bào)釋用方法失效，歸為此檔；在此情況下，最優(yōu)訂正值和概率區(qū)間預(yù)報(bào)用缺測(cè)值－99.99表示）。

表1 最終產(chǎn)品示例（2016年6月19日12UTC的24 h預(yù)報(bào)）

以2016年6月19日12UTC的24 h預(yù)報(bào)時(shí)效為示例，表1給出了本文最終釋用產(chǎn)品。為進(jìn)一步完善預(yù)報(bào)產(chǎn)品，圖4中分別給出了2016年6月19日12UTC的24 h預(yù)報(bào)示例中ECMWF模式預(yù)報(bào)評(píng)分（見(jiàn)圖4a）和概率預(yù)報(bào)等級(jí)（見(jiàn)圖4b）的統(tǒng)計(jì)結(jié)果，ECMWF模式預(yù)報(bào)結(jié)果約78.8%的漁區(qū)處于良好及優(yōu)秀檔次，約16.6%的漁區(qū)處于中等和及格檔次，僅有約4.6%的漁區(qū)預(yù)報(bào)較差。概率預(yù)報(bào)等級(jí)統(tǒng)計(jì)結(jié)果顯示，約83.6%的漁區(qū)概率預(yù)報(bào)區(qū)間間隔低于1.5 m/s，僅有約3.9%的漁區(qū)概率預(yù)報(bào)區(qū)間間隔高于2.0 m/s。

3.2.3 概率預(yù)報(bào)產(chǎn)品結(jié)果檢驗(yàn)

采用上述產(chǎn)品釋用方法，進(jìn)行準(zhǔn)業(yè)務(wù)化運(yùn)行，目前積累了兩個(gè)月（2016年3月和4月）的釋用產(chǎn)品，將同期再分析數(shù)據(jù)視為觀測(cè)數(shù)據(jù)，通過(guò)計(jì)算預(yù)報(bào)準(zhǔn)確率、空?qǐng)?bào)率和漏報(bào)率來(lái)對(duì)概率預(yù)報(bào)產(chǎn)品結(jié)果進(jìn)行檢驗(yàn)。對(duì)全風(fēng)速24 h、48 h及72 h預(yù)報(bào)準(zhǔn)確率的統(tǒng)計(jì)如圖5所示，在中國(guó)近海大部分漁區(qū)，24 h及48 h預(yù)報(bào)準(zhǔn)確率可以達(dá)到90%以上，72 h預(yù)報(bào)準(zhǔn)確率達(dá)到80%以上；在東海東部及臺(tái)灣島以東部分漁區(qū)，預(yù)報(bào)準(zhǔn)確率相對(duì)較低。考慮到海上漁船較為關(guān)注的是大風(fēng)與大浪過(guò)程，只關(guān)注6級(jí)及以上大風(fēng)過(guò)程，再次對(duì)大風(fēng)概率預(yù)報(bào)進(jìn)行檢驗(yàn)。如圖6所示，24 h預(yù)報(bào)時(shí)效下，近海大部分漁區(qū)的大風(fēng)預(yù)報(bào)準(zhǔn)確率也能達(dá)到90%以上，且空?qǐng)?bào)率低于10%，無(wú)漏報(bào)，說(shuō)明該概率預(yù)報(bào)產(chǎn)品具有一定的可參考性，對(duì)預(yù)報(bào)員業(yè)務(wù)工作具有一定指導(dǎo)意義。

圖4 產(chǎn)品統(tǒng)計(jì)結(jié)果示例（2016年6月19日12UTC的24 h預(yù)報(bào)）

圖5 2016年3—4月的釋用產(chǎn)品中，全風(fēng)速概率預(yù)報(bào)在不同時(shí)效下的預(yù)報(bào)準(zhǔn)確率（單位：%）

圖6 2016年3—4月的釋用產(chǎn)品中，大風(fēng)（6級(jí)及以上）概率預(yù)報(bào)在24 h時(shí)效下的預(yù)報(bào)產(chǎn)品

另外，我們也檢驗(yàn)了釋用產(chǎn)品中最優(yōu)訂正值較ECMWF原始預(yù)報(bào)產(chǎn)品的優(yōu)劣。圖7a給出了全風(fēng)速的精度檢驗(yàn)結(jié)果，最優(yōu)訂正值改進(jìn)效果不明顯，1 425個(gè)漁區(qū)24 h最優(yōu)訂正值評(píng)分與模式結(jié)果評(píng)分相比基本在正負(fù)0.05之間，這與訂正前ECMWF模式對(duì)全風(fēng)速的預(yù)報(bào)性能已經(jīng)較好有關(guān)（見(jiàn)圖1a）。同樣地將小風(fēng)速過(guò)程剔除后，做風(fēng)速≥5.5 m/s（4級(jí)及以上）的精度檢驗(yàn)（見(jiàn)圖7b），24 h預(yù)報(bào)時(shí)效下，在巴士海峽、南海東北部及北部灣的預(yù)報(bào)性能提高較為明顯，模式評(píng)分增值超過(guò)0.1；48 h、72 h預(yù)報(bào)時(shí)效均有類似的特征（圖略），表明該釋用方法對(duì)預(yù)報(bào)性能具有一定的改善效果。

圖7 24 h海面風(fēng)最優(yōu)訂正值預(yù)報(bào)評(píng)分與ECMWF預(yù)報(bào)評(píng)分的差異

圖8 基于中國(guó)近海浮標(biāo)對(duì)ERA-Interim再分析風(fēng)場(chǎng)數(shù)據(jù)的檢驗(yàn)

4 結(jié)論與討論

4.1 結(jié)論

基于貝葉斯統(tǒng)計(jì)理論，本文把ECMWF數(shù)值模式的單一確定性風(fēng)場(chǎng)預(yù)報(bào)轉(zhuǎn)化為概率預(yù)報(bào)，并實(shí)現(xiàn)準(zhǔn)業(yè)務(wù)化試運(yùn)行，為初步構(gòu)建海洋風(fēng)場(chǎng)網(wǎng)格化業(yè)務(wù)預(yù)報(bào)體系奠定基礎(chǔ)。通過(guò)對(duì)釋用產(chǎn)品結(jié)果的檢驗(yàn)，得到如下結(jié)論：

（1）在對(duì)轉(zhuǎn)換后的概率預(yù)報(bào)釋用中，其既可作為確定性預(yù)報(bào)對(duì)外發(fā)布，也可以概率形式對(duì)外發(fā)布。因此，貝葉斯概率預(yù)報(bào)能夠提供更為全面、更高精度的預(yù)報(bào)，也更加符合預(yù)報(bào)員及用戶的需求；

（2）對(duì)概率預(yù)報(bào)釋用產(chǎn)品的檢驗(yàn)表明，對(duì)全風(fēng)速預(yù)報(bào)，貝葉斯概率預(yù)報(bào)準(zhǔn)確率均較高，可以達(dá)到90%以上。對(duì)6級(jí)及以上大風(fēng)的預(yù)報(bào)，貝葉斯概率預(yù)報(bào)的準(zhǔn)確率也較高，且空?qǐng)?bào)率低，無(wú)漏報(bào)；

（3）對(duì)釋用產(chǎn)品中最優(yōu)訂正值的精度檢驗(yàn)表明，對(duì)4級(jí)及以上風(fēng)速的精度預(yù)報(bào)，在部分漁區(qū)預(yù)報(bào)性能較ECMWF的確定性預(yù)報(bào)略有改善。

4.2 討論

本文工作是面向中國(guó)近海1 425個(gè)漁區(qū)，考慮到其覆蓋范圍廣，時(shí)空分辨率高的特點(diǎn)，本文選用精度較高的再分析數(shù)據(jù)ERA-Interim作為觀測(cè)值進(jìn)行分析。那么，再分析數(shù)據(jù)的質(zhì)量則備受關(guān)注。通過(guò)對(duì)比2014年中國(guó)近海22個(gè)浮標(biāo)數(shù)據(jù)，發(fā)現(xiàn)（見(jiàn)圖8），再分析數(shù)據(jù)對(duì)離岸風(fēng)場(chǎng)的刻畫(huà)效果相對(duì)較好，技巧評(píng)分維持在及格及中等檔次，但對(duì)近岸風(fēng)場(chǎng)的刻畫(huà)整體較差。因此，在后期工作中有必要基于再分析數(shù)據(jù)，采用合適的方法融合浮標(biāo)及衛(wèi)星數(shù)據(jù)，提高“觀測(cè)值”的精度。

考慮到業(yè)務(wù)預(yù)報(bào)的時(shí)效性、穩(wěn)定性等需求，本文選用了簡(jiǎn)化的貝葉斯統(tǒng)計(jì)理論來(lái)實(shí)現(xiàn)單一預(yù)報(bào)向概率預(yù)報(bào)的轉(zhuǎn)化。后期仍需不斷調(diào)研國(guó)內(nèi)外最新概率預(yù)報(bào)方法，改進(jìn)目前的概率預(yù)報(bào)方法，完善網(wǎng)格化業(yè)務(wù)預(yù)報(bào)平臺(tái)。

目前，釋用產(chǎn)品結(jié)果累積年月較少，得出相對(duì)穩(wěn)定和可靠的檢驗(yàn)結(jié)論仍需要后期進(jìn)一步系統(tǒng)測(cè)試。

[1]Gneiting T,Raftery A E,Westveld III A H,et al.Calibrated probabilistic forecasting using ensemble model output statistics and minimum CRPS estimation[J].Monthly Weather Review, 2005,133(5):1098-1118.

[2]Wilks D S.Extending logistic regression to provide full-probabilitydistribution MOS forecasts[J].Meteorological Applications,2009, 16(3):361-368.

[3]Raftery A E,Gneiting T,Balabdaoui F,et al.Using Bayesian model averaging to calibrate forecast ensembles[J].Monthly Weather Review,2005,133(5):1155-1174.

[4]Hamill T M,Whitaker J S.Probabilistic quantitative precipitation forecasts based on reforecast analogs:Theory and application[J]. Monthly Weather Review,2006,134(11):3209-3229.

[5]周秀驥.大氣隨機(jī)動(dòng)力學(xué)與可預(yù)報(bào)性[J].氣象學(xué)報(bào),2005,63(5): 806-811.

[6]Kelly K S,Krzysztofowicz R.Bayesian revision of an arbitrary prior density[C]//Proceedings of the Section on Bayesian Statistical Science.Alexandria:American Statistical Association,1995:50-53.

[7]Kelly K S,Krzysztofowicz R.A bivariate meta-Gaussian density for use in hydrology[J].Stochastic Hydrology and hydraulics, 1997,11(1):17-31.

[8]俞小鼎,張藝萍.天氣預(yù)報(bào)技巧和價(jià)值的關(guān)系[J].氣象科技, 2004,32(6):393-398.

[9]陳朝平,馮漢中,陳靜.基于貝葉斯方法的四川暴雨集合概率預(yù)報(bào)產(chǎn)品釋用[J].氣象,2010,36(5):32-39.

[10]陳法敬,矯梅燕,陳靜.亞高斯貝葉斯預(yù)報(bào)處理器及其初步試驗(yàn)[J].氣象學(xué)報(bào),2011,69(5):872-882.

[11]Herr H D,Krzysztofowicz R.Generic probability distribution of rainfall in space:The bivariate model[J].Journal of Hydrology, 2005,306(1-4):234-263.

[12]Taylor K E.Summarizing multiple aspects of model performance in asingle diagram[J].JournalofGeophysicalResearch: Atmospheres,2001,106(D7):7183-7192.

[13]Hirota N,Takayabu Y N,Watanabe M,et al.Precipitation reproducibility over tropical oceans and its relationship to the double ITCZ problem in CMIP3 and MIROC5 climate models[J]. Journal of Climate,2011,24(18):4859-4873.

[14]Chen L,Yu Y Q,Sun D Z.Cloud and water vapor feedbacks to the El Ni?o warming:Are they still biased in CMIP5 models?[J]. Journal of Climate,2013,26(14):4947-4961.

Probabilistic forecast of gridding 10 meter wind over China sea based on Bayesian theory

SONG Yi，SONG Xiao-jiang，GAO Zhi-yi，ZHANG Zhi-hua，LI Min

（National Marine Environmental Forecasting Center,Beijing 100081 China）

Based on Bayesian theory,a basic model of the probabilistic forecast was established out of the deterministic forecast of European Centre of Medium-Range Weather Forecast（ECMWF）.The probability forecast from March to April 2016 was evaluated by using ERA-Interim.The results show that the probability forecasts of both all wind and strong wind have better forecast values over China sea.This study not only provides a guidance forecast for forecaster and user,but also lays the foundation for building gridding operational forecast system of 10 meter wind over China sea.

Bayesian theory；probabilistic forecast；gridding；operational forecast

P732

A

1003-0239（2017）03-0001-09

10.11737/j.issn.1003-0239.2017.03.001

2016-08-15；

2016-10-24。

國(guó)家自然科學(xué)基金青年基金（41606033）。

宋毅（1988-），男，工程師，博士，主要從事海洋天氣預(yù)報(bào)及年代際氣候變率研究。E-mail:songy@mail.iap.ac.cn