王世強，夏冬，李韻婕，黃照亮，劉洋，王東海

（1.珠海市公共氣象服務中心，廣東珠海 519000；2.珠海市氣象局，廣東珠海 519000；3.中山大學大氣科學學院，廣東珠海 519082）

臺風作為一種可造成嚴重影響的自然災害，往往伴隨大風、暴雨、風暴潮等災害［1-2］，尤其是臺風造成的極端大風災害［3］，可造成巨大的經濟損失。目前，臺風影響下的大風預報多是基于數(shù)值模式預報的結果，但在下墊面模擬還不夠精細、中小尺度系統(tǒng)機理不完全清晰等數(shù)值預報不完善的背景下，數(shù)值模式預報的大風仍存在一定的誤差，臺風精細化預報亟待提高［4］。而基于本地歷史氣象資料統(tǒng)計分析［5］建立局地風速與臺風中心位置和強度關系，從而將數(shù)值模式對于臺風路徑、強度的預報與本地的資料結合起來，可以有效地彌補數(shù)值預報對于臺風影響下風速預報的不足。

關于臺風中心位置、強度與其造成的大風的關系，已有許多專家學者進行了研究。Li等［6］通過對華南地區(qū)部分自動氣象站數(shù)據(jù)分析，建立了熱帶氣旋影響下陣風預報模型；梁莉等［4］對2008—2014年的臺風統(tǒng)計研究結果表明，6級及以上大風主要發(fā)生在距離臺風中心300 km內、強度達到臺風級別以上時，且主要位于臺風移動方向的右側；薛霖等［5］統(tǒng)計分析我國海南島附近區(qū)域熱帶氣旋低層風場的變化特征，結果表明臺風中心位于海南島上時出現(xiàn)大風比率最高，位于島南側時次之，島北側時最小。

珠海市地處珠三角南部沿海，每年都會受到臺風影響［7-10］，大風災害尤為嚴重［8］。本研究利用2006—2016年珠海站逐小時最大風速資料和周圍400 km內的臺風資料，通過線性回歸方法，研究珠海站周圍不同象限、距離的臺風與本地大風之間的規(guī)律和關系，基于線性回歸方法建立臺風影響下風速預報模型，為臺風造成的大風預報作參考。

1 資料和方法

1.1 資料

本研究使用的風速資料為珠海站逐時最大的平均風（10 min）和陣風（3 s）值。由于在2006年之后珠海站才有自動觀測小時資料數(shù)據(jù)，因此研究時段為2006—2016年。臺風資料為該時段中國氣象局（CMA）的最佳路徑數(shù)據(jù)集，其資料包括臺風定位、2 min平均近中心最大風速（簡稱臺風中心風速）和中心最低氣壓等數(shù)據(jù)。按照業(yè)務規(guī)定臺風中心附近最大風速在10 m／s以下停止定位，因此本研究的臺風中心風速最低值為10 m／s。

1.2 方法

臺風大風分布與臺風強度、結構、范圍大小都有關系［11］，通常情況下，臺風中心風速越大、距離越近，臺風造成的大風越大（臺風眼附近除外），并且臺風最大風速分布在移動方向的右側［11］。本研究選取以珠海站為中心、半徑400 km的圓形區(qū)域為研究區(qū)域，統(tǒng)計了2006—2016年研究區(qū)域內的臺風活動位置；以珠海站為中心，將其周圍分為東北（NE）、東南（SE）、西北（NW）、西南（SW）4個象限，同時根據(jù)臺風中心與珠海站的距離每隔50 km分為一圈，分別統(tǒng)計不同象限、距離圈內的臺風風速與珠海站風速的關系。

1）插分方法。

由于CMA臺風最佳路徑數(shù)據(jù)集時間間隔為6 h，為了擴大樣本數(shù)量并與珠海站的逐時風速資料相匹配，在研究時將臺風按照其位置和強度（中心附近最大風速）將原來的6 h間隔線性插值成1 h［12］。

在2017年臺風資料中，登陸前24 h臺風資料的時間間隔加密為3 h一次。本研究對比了用分辨率6 h資料線性插值結果與臺風實際位置（共71個樣本），結果表明兩者差異并不明顯，空間差值的均方差為10 km，最大風速差值的均方差為1.57 m／s。

2）線性擬合。

以臺風中心附近最大風速為自變量，珠海站風速（平均風和陣風）為因變量，建立線性回歸方程，并以可決系數(shù)（R2）作為判定線性回歸擬合程度優(yōu)劣的標準。

2 珠海市周圍臺風活動特征

2006—2016年共有51個臺風進入研究區(qū)域（圖1a），年平均4.6個，主要集中在6—10月（圖1b）。對臺風資料進行線性插值到1 h，共得到臺風樣本1 796個（圖1c-d）。

圖1 2006—2016年研究區(qū)域內臺風樣本分布特征

從臺風路徑和強度的分布（圖1c）來看，東北象限的臺風移動路徑以偏北和西北偏西為主，較強的臺風主要在近海；東南象限的臺風移動路徑以西北和東北偏北為主，其中東北偏北路徑的臺風主要集中在250 km以外的區(qū)域；西南象限的臺風移動路徑以西北為主；西北象限的臺風移動路徑以西北和東北為主，強度基本都在熱帶風暴級別以下。

從樣本分布數(shù)量的分布（圖1d）來看，在0～50 km范圍內的樣本數(shù)目很少，僅有35個，且多集中在西北象限；在50～100 km范圍內臺風數(shù)量明顯增多達到127個，尤其是西南象限，多達53個；在100～150和150～200 km范圍內樣本數(shù)在170個左右，西南象限最多，其次為東南和東北象限；在200～250和250～300 km范圍內的樣本總數(shù)在200個以上，東南象限樣本數(shù)逐漸超過西南象限，東北、西北象限樣本數(shù)目所占比例明顯減少；300～350和350～400 km范圍內的樣本總數(shù)都在400個以上，東南和西南象限的樣本數(shù)目在140～180個，東北和西北氣象的樣本數(shù)目大致在50個左右。

3 臺風中心風速與珠海站風速的線性回歸

3.1 回歸擬合的效果

0～50 km范圍內的西南象限由于樣本數(shù)目過少（只有2個），未做線性回歸。從平均風（圖2a）和陣風（圖2b）回歸方程的可決系數(shù)R2值來看，當臺風中心在0～50 km范圍內時，各個象限擬合效果一般，最大的是東南象限，R2在0.3左右；在50～100 km范圍內時，擬合效果明顯提升，東南和西南象限的R2達到0.8左右，其次是西北象限，而東北象限只有0.2左右；在100～150 km范圍內時，擬合效果開始有所下降，東南和西南象限的R2降至0.6～0.7，西北和東北象限在0.3左右；在150～200 km范圍內時，僅有東南象限的R2較100～150 km有所下降；在200～250、250～300和300～350 km范圍內時，各象限的擬合都明顯下降，西南和西北象限擬合要優(yōu)于東北和東南象限；在350～400 km范圍內時，西南象限的R2仍有0.4以上，而其它象限均已很低。

3.2 建立回歸方程查算表

根據(jù)線性擬合結果，建立出回歸方程查算表（表1、表2）。除0～50 km外，其它幾乎所有的回歸方程均通過P＝0.05的顯著性F檢驗，大部分方程更是都通過了P＝0.01的非常顯著性F檢驗。對比不同象限回歸方程斜率可以看出，臺風位于西南象限時的珠海站風速最大，其次東南象限，西北和東北象限最小。

表1 不同象限平均風回歸方程

表2 不同象限陣風回歸方程

3.3 回歸方程檢驗

為了檢驗回歸方程效果，將2017年的臺風路徑資料插值到每小時，共得到188個樣本。據(jù)查算表得到對應珠海站的時最大平均風和陣風，并與珠海站錄得風速實況進行對比。

圖3為回歸方程的預測風速與實際風速差值的標準差。從圖3可以看出，西南象限誤差最大，其次為東南象限，東北和西北象限誤差最?。痪嚯x越遠，誤差越小。西南象限的效果可能由2個原因引起：（1）西南象限的樣本數(shù)目很少，全部樣本數(shù)量僅有23個；（2）臺風“天鴿”、“帕卡”是2017年影響珠海站最嚴重的臺風，其都在西南象限150 km范圍內經過，而回歸方程對極端臺風的預測結果明顯偏低。

圖3 利用回歸方程預報的平均風（a）和陣風（b）風速與珠海站實際風速差值的標準差

4 結論

1）珠海站附近區(qū)域年均有4.6個臺風活動，主要集中在6—10月，以西北行路徑為主；東南象限和西南象限是臺風主要活動象限。

2）不同象限臺風中心風速與珠海站風速的線性關系差異較大，其中西南象限和東南象限最好。

3）在相同臺風中心風速和距離圈內時，臺風位于西南象限時的珠海站風速最大，其次為東南象限，在西北象限和東北象限時最小。

4）通過2017年臺風數(shù)據(jù)對預報方程進行檢驗，結果表明其對東北、東南、西北象限活動臺風均有較好的預測效果，而西南象限由于樣本少、2017年極端臺風較多等原因，檢驗效果較差。

由于珠海站逐時最大風速觀測資料時間年限有限，回歸方程使用的樣本數(shù)量還相對較少，在累積了更多的臺風資料后，擴大樣本數(shù)量，相信可以進一步提升方程的預報效果。