快速检索
  气象   2023, Vol. 49 Issue (1): 39-51.  DOI: 10.7519/j.issn.1000-0526.2022.072301

论文

引用本文 [复制中英文]

陈君芝, 施晓晖, 温敏, 2023. ERA5再分析10 m风速数据在“两洋一海”的适用性分析[J]. 气象, 49(1): 39-51. DOI: 10.7519/j.issn.1000-0526.2022.072301.
[复制中文]
CHEN Junzhi, SHI Xiaohui, WEN Min, 2023. Applicability of ERA5 Surface Wind Speed Data in the Region of "Two Oceans and One Sea"[J]. Meteorological Monthly, 49(1): 39-51. DOI: 10.7519/j.issn.1000-0526.2022.072301.
[复制英文]

资助项目

国家重点研发计划(2019YFC1510104)、国家自然科学基金重点项目(92158203)和中国气象科学研究院科技发展基金项目(2021KJ023)共同资助

第一作者

陈君芝,主要从事“两洋一海”海上强风的变化特征及其可能成因研究.E-mail:3462918502@qq.com

通信作者

施晓晖,主要从事东亚季风与气候变化研究.E-mail: shixh@cma.gov.cn.

文章历史

2022年4月27日收稿
2022年8月25日收修定稿
ERA5再分析10 m风速数据在“两洋一海”的适用性分析
陈君芝 , 施晓晖 , 温敏     
中国气象科学研究院灾害天气国家重点实验室,北京 100081
摘要:西太平洋-南海-东印度洋(以下简称“两洋一海”)地区对我国的天气气候、国家安全和社会经济有重要影响,但由于资料条件的限制,现有的海上高风速事件研究主要集中于近海,导致对“两洋一海”地区远洋高风速事件的时空分布、变化特征及其机理仍然不够了解,急需利用新的高分辨率资料进行深入的研究。目前欧州中期天气预报中心第五代全球大气再分析资料(ERA5)再分析近地面10 m风速数据与现场观测风速的比较研究还相对较少,因此本文将“两洋一海”地区的国际海洋大气综合数据集(ICOADS)锚定浮标观测资料与ERA5进行了对比分析。结果表明:ERA5再分析10 m风速数据能够较好地表现出海面风场的分布特点和变化特征。ERA5再分析资料具有较高的时空分辨率、较长的时间序列以及完整的数据记录,将其用于海上高风速事件的气候分析是可行的,且具有一定的优势。需要注意的是,ERA5再分析风速总体上存在低估实测风速的系统偏差,尤其是实测风速较大时,ERA5偏离于实测风速的现象更为明显。
关键词ERA5    ICOADS(International Comprehensive Ocean-Atmosphere Data Set)    近地面10 m风速    两洋一海    高风速事件    
Applicability of ERA5 Surface Wind Speed Data in the Region of "Two Oceans and One Sea"
CHEN Junzhi, SHI Xiaohui, WEN Min    
State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081
Abstract: The Western Pacific-South China Sea-East Indian Ocean (two oceans and one sea) region has an important impact on the weather and climate, national security, as well as social economy of China. However, due to the limitation of data conditions, the existing research on high sea winds are mainly focused on the offshore, resulting in the insufficient understanding of the temporal and spatial distribution, the characteristics of changes and their mechanisms of high sea winds in the two oceans and one sea region. So, it is urgent to use new high-resolution data for in-depth research, but at present, there are relatively few comparative studies between ERA5 reanalysis surface winds and the observation data. Therefore, this paper compares the ICOADS moored buoy observation data with the ERA5 reanalysis data in the two oceans and one sea region, and the results show that the ERA5 reanalysis 10 m winds can well reflect the distribution and variation characteristics of sea surface wind field. In addition, the ERA5 reanalysis data has high temporal and spatial resolution, long time-series and complete data records. Using the ERA5 reanalysis data is feasible and has certain advantages for climate analysis of high sea winds. However, it should be noted that the ERA5 reanalysis surface wind speed generally has a systematic bias of underestimating the observed wind speed. In particular, the greater the observed wind speed, the greater the deviation of ERA5 from the observed wind speed.
Key words: ERA5    International Comprehensive Ocean-Atmospheric Data Set (ICOADS)    10 m wind speed near the surface    two oceans and one sea    high sea wind    
引言

海上强风具有突发性强、瞬时性显著等特点,往往会对海上作业的渔船和沿海地区的人民生命及财产安全造成严重影响(吕爱民等,2018)。1999—2005年期间,我国近海风灾事故共发生1076起,其中由于海上强风导致的渔船全损事故占到全部近海事故的33.92 %(孙颖士和李冬霄,2007尹尽勇等,2009)。海上强风作为强破坏性天气的一种主要形式,会造成渔业生产的严重经济损失,并可能危害到人民的生命安全,但另一方面,海上强风可以搅动海洋混合层下的营养物质和浮游生物,为海洋生物提供丰富的饵料,还能促进海洋和大气在动量、热量等方面的交换(Lin et al, 2003; Sampe and Xie, 2007)。

随着“21世纪海上丝绸之路”国家战略的实施和开展,近海乃至远洋的海上高风速(6级及以上)预报逐渐成为现代天气预报业务中的重要组成部分。胡海川等(20172022)胡海川和周军(2019)曾提出海上极大风速预报属于业务预报难点,是否能够提供精准的预报,将关系到渔业生产和海洋监管部门的海上安全保障工作能否顺利开展。西太平洋-南海-东印度洋(以下简称“两洋一海”)地区包括了世界气象组织赋予我国的责任海区,而且特色鲜明,季风-信风交汇、台风频发、海洋环流复杂、温盐变化显著,细致分析“两洋一海”地区海上高风速事件的变化规律,并探讨其形成机制,可以为提高海上高风速的预报水平提供科学基础,对于保证航行安全和沿海灾害预防都有着极为重要的意义。由于资料条件的限制,以往的研究主要集中于近海(范苏丹等,2017陈艳春等,2017),近几年的研究则更多地关注了台风的活动特征和预报难点分析(邱金晶等,2021危国飞等,2021王叶红等,2019; 王天驹等,2019),导致对“两洋一海”地区远洋高风速事件的时空分布、变化特征及其机理不够了解,急需利用新的高分辨率资料进行深入的研究。

目前在海洋和气象科学研究常用的数据中,国际海洋大气综合数据集(International Comprehensive Ocean-Atmosphere Data Set,ICOADS)是目前观测时间最长、海洋表面记录最全的现场观测资料,其主要由船舶资料组成,还包括锚定浮标、漂浮浮标和海岸站点数据等(宝乐尔其木格和任国玉,2013Woodruff et al,2011)。随着卫星遥感技术的发展,微波散射计成为海面风场全球观测的一种有效技术手段,它可以通过雷达接收回波信号的强弱及不同角度的回波信号反演出10 m高度的海面风速和风向。自1996年以来,先后有美国的NSCAT、QuikSCAT、WindSAT,日本的SeaWinds以及欧洲的ASCAT等卫星测风资料发布,在物理海洋学、海洋气象数值预报和台风监测等方面发挥了重要的作用。再分析风场资料是基于数值模式并将各种历史观测资料(如卫星观测、地面观测和高空观测等),通过同化(如四维变分、Kalman滤波等)而生成的数值产品,近年来在海洋和气象的研究中也得到了广泛应用。

综合来看,由于航线的限制,ICOADS大部分观测都局限在北半球中纬度区域,在低纬度、高纬度和南半球的观测非常有限,部分海域的观测记录十分稀少。卫星测风资料具有观测精度高、覆盖范围广(大约90%的全球海洋)和空间分辨率高(25 km)等特点,但同时也存在时间分辨率较低(一天仅2次)的不足,与海上浮标观测值相比存在一定误差(Chelton and Freilich, 2005; Mears et al, 2001)。20世纪90年代以来,各类再分析产品相继推出,例如,NCEP/NCAR、NCEP/DOE、NCEP-CFSR、MERRA、MERRA-2、ERA-Interim、JRA-55等(Rienecker et al,2011Kalnay et al,1996Kanamitsu et al,2002Saha et al, 2010; Kobayashi et al, 2015; Uppala et al, 2008; Dee et al, 2011; 邓小花等,2010)。国内外一些专家学者开展了对上述再分析资料在海上风速适用性方面的讨论,结果表明,再分析资料与卫星测风资料相比,虽然存在一定的系统性误差(范苏丹等,2017陈艳春等,2017孟宪贵等,2018Carvalho,2019刘鸿波等,2021),但由于同化了大量的观测资料,保证了其基本的可信度。此外,再分析数据还具有时间序列长、覆盖范围广、空间分辨率高及要素记录更加完整等特点,其在探讨海上高风速事件的气候特征方面具备一定的优势。

最近,欧洲中期天气预报中心(ECMWF)推出了第五代全球大气再分析资料(ERA5),该资料的时空分辨率有了很大的提高,同化观测资料的种类和数量也明显增加(Hersbach et al, 2020)。与ERA-Interim再分析10 m风速和ASCAT卫星观测数据相比,ERA5的数据精度比ERA-Interim提高了约20 %,但仍存在一定的系统性误差,具体表现为中纬度地区的平均纬向风速偏小,而热带地区的平均经向风速偏小(Rivas and Stoffelen, 2019)。目前,ERA5再分析10 m风速与现场观测风速数据的对比研究还相对较少,需要进一步开展这方面的研究。另外,虽然ERA5同化的数据中包含了锚定浮标观测资料,但其地面风速再分析产品对现场观测数据的重现能力如何,它们之间存在怎样的差异?仍然值得进行细致的分析。因此,本文将根据国家气象中心提供的2020年中国近海大风事件记录,利用“两洋一海”地区的ICOADS锚定浮标观测资料与ERA5再分析数据进行对比分析,了解ERA5再分析10 m风速数据在海上高风速事件研究中的适用性和误差范围。

1 资料及预处理 1.1 ERA5简介

ERA5为逐小时再分析资料,取代了之前的ERA-Interim再分析资料。其起始时间为1979年1月1日00时(世界时,下同),并持续更新至实时5 d以内(Kanamitsu et al, 2002; Saha et al, 2010)。本文采用了2020年逐时ERA5再分析10 m风速数据,其水平分辨率为0.25°×0.25°。

1.2 ICOADS资料预处理

由于浮标站风速观测记录缺测较多,考虑到后续将与ERA5再分析资料进行逐时和逐日最大风速之间的对比,首先剔除了2020年全年逐时风速记录缺测率达到80%的锚定浮标,然后将逐日最大风速记录缺测日数超过122 d的锚定浮标也全部剔除。剩余的锚定浮标空间分布情况如图 1所示,并将“两洋一海”地区分为黄渤海-日本海(18个浮标)、东印度洋(13个浮标)和西太平洋(7个浮标)共三个海区。

图 1 锚定浮标(圆点)在“两洋一海”地区的分布情况 (蓝色方框A、B、C分别表示黄渤海-日本海海区、东印度洋海区和西太平洋海区,蓝色圆点为各海区资料质量较好的代表站,绿色圆点为黄渤海-日本海海区一次大风过程中最大风速≥20 m·s-1的典型浮标站) Fig. 1 The distribution of the moored buoys (dot) in the Western Pacific-South China Sea-East Indian Ocean (Blue boxes A, B, C indicate the Yellow Sea-Bohai Sea-Sea of Japan (SOJ) sea area, the Eastern Indian Ocean sea area and the Western Pacific sea area respectively, blue dots are the representative stations with good data quality in each sea area, and green dots are the representative stations with the maximum wind speed ≥20 m·s-1 during a strong wind in the Yellow Sea-Bohai Sea-SOJ)

表 1给出了各浮标站逐时观测在全年和不同季节的样本数、超过6级的高风速出现次数,以及浮标站和最近的ERA5格点的位置。可以看出,东印度洋海区的缺测较多,全年样本量较小;其余两个海区浮标站观测情况较好,全年样本数均超6000个。总体来看,各海区的总样本量是很充足的。对于不同的季节,除西太平洋海区的52321站(其夏季样本量为0个)以外,其他浮标站的观测在各个季节的分布基本均衡,表明数据具有较好的季节代表性。高风速的出现次数在黄渤海-日本海海区最多,西太平洋和东印度洋海区则相对较少。比较浮标站和ERA5最近格点的经纬度可以发现,由于ERA5资料的水平分辨率很高,使得它们之间的位置偏差很小,因此采用最近格点来和浮标站点进行比较是合理且方便易行的。

表 1 2020年三个海区各浮标站点逐时风速各季节、全年、高风速样本量,以及浮标站点与距离最近ERA5格点的地理位置对比 Table 1 Sample size of hourly wind speed at each buoy station by each season, year and high wind in the three sea areas, and comparison of geographical location between the buoy station and the nearest ERA5 grid point in 2020

锚定浮标的观测记录为海平面以上3 m高度的风速和风向,而ERA5再分析风速数据为10 m高度上的风速,因此需要进行高度外推的换算(Rivas and Stoffelen, 2019)。一般认为海洋边界层不都是中性稳定的,当风速达到6 m·s-1以上时才可将其近似作为中性层结,但最近有研究(Carvalho, 2019)指出,由于洋面的粗糙度很小,且外推的高度差也不大,可以利用对数风廓线外推公式将浮标风速值外推到10 m高度。

$ U(Z) = \frac{{\ln \frac{Z}{{{Z_0}}}}}{{\ln \frac{{{Z_{\rm{m}}}}}{{{Z_0}}}}}U\left({{Z_{\rm{m}}}} \right) $ (1)

式中:U(Z)是高度Z处的风速;Z0为粗糙度,海洋上一般取1.52×10-4 m;Zm为浮标测量高度。本文同样采用式(1)将浮标实测风速外推为10 m高度风速。

2 结果分析 2.1 ERA5与锚定浮标逐时数据的对比 2.1.1 总体情况

利用“两洋一海”地区全部38个锚定浮标站点和距离站点最近格点上的2020年全年逐小时10 m处风速数据,根据世界气象组织的风力等级标准,统计了不同风力等级的风速占比(图 2)。可以看到浮标和ERA5再分析风速均表现出准正态分布特征:大部分为3~5级风(浮标:74.8%,ERA5:73.8%),0~2级风和6级以上高风速所占的比例都相对较小,4级风在两套资料中的占比都是最高的,分别达到了35.8%和29.7%。两者分布基本一致,说明ERA5再分析10 m风速数据能够比较好地重现实测风速,同时从图 2也可以发现,6级以上高风速所占的百分率,ERA5始终比浮标的要低,如果按业务标准划分风力等级,ERA5中高风速事件出现的频率将比实际情况要低。

图 2 2020年浮标观测和ERA5再分析10 m风速数据的风力等级百分率分布 Fig. 2 Percentage distribution curve of wind scale for buoy observations and ERA5 reanalysis surface wind speed in 2020

逐时海面风速偏差(ERA5与浮标数据,记为VERA5-V浮标)随浮标风速的变化(图 3)在三个海区表现出相似的特征:随着浮标风速的增加,风速偏差逐渐减小,从正值偏多转为负值偏多,且偏离程度逐渐增大,其线性回归系数分别为-0.2486(图 3a)、-0.2483(图 3b)和-0.3063(图 3c)。这一特征表明,当浮标风速较大时,ERA5风速比浮标风速明显偏小,与ERA5再分析数据中6级以上高风速占比偏小的情况(图 2)相对应。此外,从三个海区逐时海面风速偏差随浮标风速风力等级的变化可以看出,除东印度洋海域在3级风力(3.4~5.4 m·s-1)处风速偏差由正转负外,其余两个海区都是在4级风力(5.5~7.9 m·s-1)处风速偏差由正转负(图 4)。因此,可以认为当浮标风速为0~3级时,ERA5总体上高估了实测风速;浮标风速超过3级后,ERA5则是普遍地低估了实测风速。

图 3 2020年不同海区逐时海面风速偏差(VERA5-V浮标)随浮标风速的变化(a)黄渤海-日本海,(b)东印度洋,(c)西太平洋 Fig. 3 Variation of hourly sea surface wind speed deviation (ERA5-buoy) with buoy wind speed in different sea areas in 2020(a) Yellow Sea-Bohai Sea-SOJ, (b) Eastern Indian Ocean, (c) Western Pacific

图 4 2020年不同海区逐时海面风速偏差随浮标风速风力等级的变化(a)黄渤海-日本海,(b)东印度洋,(c)西太平洋 Fig. 4 Variation of hourly sea surface wind speed deviation with buoy wind speed wind scale in different sea areas in 2020(a) Yellow Sea-Bohai Sea-SOJ, (b) Eastern Indian Ocean, (c) Western Pacific

进一步分别统计不同海区的浮标平均风速以及ERA5相对于浮标实测资料的平均偏差(海区内所有站点、所有时刻ERA5与浮标的风速偏差平均值)、相对偏差(平均偏差与浮标平均风速的百分比)、绝对偏差(海区内所有站点、所有时刻ERA5与浮标的风速偏差绝对值的平均值)、均方根误差和相关系数(表 2)。由表 2可见,在三个海区内,ERA5再分析风速相对于浮标实测风速的平均偏差均为负值,进一步表明ERA5再分析10 m风速数据低估实测风速的系统误差是确实存在的,但总体偏差幅度较小(低于1 m·s-1)。此外,两套资料的相关系数在三个海区均超过0.8,说明两套数据具有很好的相关性,ERA5再分析资料可以较好地表现出浮标站逐小时风速的变化。

表 2 2020年三个海区逐时ERA5再分析10 m风速相对于锚定浮标实测数据的统计量 Table 2 Statistics of hourly ERA5 reanalysis surface wind speed relative to the observed data of the moored buoys in three sea areas in 2020

具体到不同的海区,西太平洋海区两套资料的相对偏差、平均偏差和均方根误差都是最小的,这可能与太平洋海区宽广,几乎不受地形条件影响有关,但相关系数只有0.8032,也是三个海区中最小的,应该是受到了该海区浮标站点数量较少的影响。黄渤海-日本海海区的绝对偏差和均方根误差最大,可能是因为这一海区的浮标站点实测风速较大(表 2中黄渤海-日本海海区的平均风速是三个海区中最大的),进而使ERA5再分析10 m风速相对于实测风速的偏离程度也增加(图 3a)。东印度洋海区两套资料的相对偏差和平均偏差则是三个海区中最大的,ERA5再分析资料更为明显地低估了这一区域的风速。

针对高风速事件,挑选出大于10.8 m·s-1(6级以上)的逐时浮标风速与对应时刻最近格点的ERA5风速,分别计算了三个海区相应的统计量。结果表明,二者之间的偏差明显增大,如平均偏差分别达到-2.0 m·s-1(黄渤海-日本海海区)、-2.5 m·s-1(西太平洋海区)和-2.5 m·s-1(东印度洋海区)。相关系数则明显减小,其中黄渤海-日本海海区可达到0.7224,而西太平洋海区和东印度洋海区分别为0.3396和0.3237。进一步表明了实测风速越大,ERA5再分析风速的误差也越大的特点。

2.1.2 个例分析

根据国家气象中心提供的《2020年我国近海海域主要大风天气过程(台风除外)纪要表》,2020年1月6日夜间至8日白天,受入海气旋(黄淮气旋)和冷空气的共同影响,渤海、渤海海峡、黄海大部海域、东海北部海域出现了7~8级、阵风9~10级的大风。其中,8级大风主要出现在渤海东部、渤海海峡、黄海北部、中东部和东南部以及东海东北部,渤海及东海东北部的站点观测到风速为21~26 m·s-1的大风。本文针对此个例初步讨论了ERA5再分析数据对大风过程的表现能力。

图 5给出了此次大风过程中,黄渤海-日本海海区实测最大风速≥20 m·s-1的三个浮标站(图 1中绿色圆点)的实测风速及其距离最近格点的ERA5再分析10 m风速的对比,可以看到在三个站点上,二者的变化趋势都基本一致(相关系数分别达到0.9151、0.9025和0.8759),即ERA5再分析数据能够很好地表现出这次大风过程的演变特征。但同时也发现,在实测风速较大(≥15 m·s-1)时,三个站点均存在ERA5再分析风速相对于实测数据明显偏小的情况,体现了ERA5在高风速区显著低估实测风速的系统误差。经统计,在2020年1月6日20时至8日08时时间段内,三个浮标站ERA5再分析风速相对于3个浮标站实测风速的平均偏差均为负值(分别为-1.1、-0.5和-1.4 m·s-1),与表 2中黄渤海-日本海海区ERA5与浮标风速的平均偏差为负值的情况一致。

图 5 2020年1月6日20时至8日08时典型浮标站和ERA5再分析逐时风速的时间演变(a)21229号站,(b)22105号站,(c)22189号站 Fig. 5 Temporal evolution of hourly surface wind speed at typical buoy stations and ERA5 reanalysis from 20:00 UTC 6 to 08:00 UTC 8 January 2020(a) No.21229, (b) No.22105, (c) No.22189

此次大风事件逐4 h的10 m风场空间分布(图 6)显示,黄渤海-日本海海区的浮标站实测风速、风向与ERA5再分析风速、风向在各时刻都基本对应,较好地反映了此次大风过程的发生、发展情况(各时刻的平均风向偏差均在30°以内),但个别时刻存在浮标风向与ERA5再分析风向偏差较大的情况,如1月7日08时(图 6b),风向最大偏差达到-194.47°;7日12时(图 6c),风向最大偏差也达到了-188.57°。从图 6还可以看到,随着时间的推移,浮标实测风速>20 m·s-1的记录(红色风羽)依次出现在黄海中部、朝鲜海峡(图 6d6e)和日本海(图 6f6g),ERA5再分析风场则较为清楚地反映出了气旋入海后加强东移的过程,均与记录中的实际情况比较吻合。总体而言,ERA5再分析数据能较好地表现出此次大风过程的发展进程、天气形势和主要影响系统,但在具体的风速大小和风向上仍然存在一定的偏差。

图 6 2020年1月7日04时至8日08时黄渤海-日本海海区逐4 h的ERA5再分析(风矢)和浮标实测(红色风羽)近地面10 m风场(a)7日04时,(b)7日08时,(c)7日12时,(d)7日16时,(e)7日20时,(f)8日00时,(g)8日04时,(h)8日08时 (右下角是各时刻对应的ERA5-浮标风向偏差,单位:°;包括所有站点中风向的最小偏差、最大偏差以及平均偏差) Fig. 6 ERA5 reanalysis (wind vector) and the observed buoys (red barb) of the 10 m wind field every 4 h in the Yellow Sea-Bohai Sea-SOJ sea area from 04:00 UTC 7 to 08:00 UTC 8 January 2020 (a) 04:00 UTC 7, (b) 08:00 UTC 7, (c) 12:00 UTC 7, (d) 16:00 UTC 7, (e) 20:00 UTC 7, (f) 00:00 UTC 8, (g) 04:00 UTC 8, (h) 08:00 UTC 8 (The lower right corner shows the ERA5-buoy deviation of the wind direction at each moment, unit: °; including the minimum deviation, maximum deviation and average deviation of wind direction of all buoys)
2.2 ERA5与锚定浮标逐日最大风速的对比

由2.1节的分析结果可知,ERA5逐时再分析风速在实测风速较大时,存在明显低估实测风速的系统误差,而日最大风速是研究中经常用来定义海上高风速事件的一个气象要素,ERA5日最大风速数据的可信度如何?同样值得关注。为此,从2020年逐时数据中挑选出各浮标站点以及距离浮标站点最近格点的逐日最大风速,计算了各浮标站逐日最大风速和与浮标站点距离最近格点上的ERA5再分析10 m风速数据的平均偏差(ERA5-浮标,图 7)。从图 7中可以看到,除印度洋的23460号锚定浮标的日最大风速平均偏差为正值(0.1 m·s-1)外,其余站点的日最大风速平均偏差均为负值,说明ERA5再分析资料的日最大10 m风速普遍存在低估实测风速的误差。

图 7 2020年各浮标站日最大风速与ERA5再分析10 m日最大风速数据的平均偏差 Fig. 7 Average deviation between daily maximum wind speed of each buoy station and daily maximum 10 m wind speed ERA5 reanalysis data in 2020

类似地,利用2020年的逐日最大风速数据计算了三个海区两种资料之间的统计量(表 3),与逐时数据得到的结果(表 2)相比,ERA5日最大风速的平均偏差、相对偏差、绝对偏差和均方根误差都比逐时数据相应的结果更大,表明ERA5再分析的逐日10 m最大风速更加明显地低估了浮标站点的实测风速。

表 3 2020年三个海区逐日ERA5再分析10 m最大风速相对于锚定浮标实测风速的统计量 Table 3 Statistics of daily ERA5 maximum 10 m wind speed reanalysis data relative to the observed wind speed of the moored buoys in three sea areas in 2020

表 3还可以看出,西太平洋海区的相对偏差、平均偏差和均方根误差都是三个海区中最大的,而且相关系数也是最小的,这说明ERA5的日最大风速在西太平洋海区显著地低估了浮标站实测风速。黄渤海-日本海海区的两套资料的相关系数仍然是最高的,其相关系数高达0.9039,这表明在该海区,ERA5再分析资料能够很好地反映出浮标站逐日最大风速的变化,但是该海区的平均偏差达到-1.5 m·s-1,相对偏差超过了15 %,ERA5还是明显地低估了实测风速。东印度洋的情况与前两个海区类似,ERA5能较好地表现出日最大风速的变化(相关系数为0.8273),仍然是低估了实测风速,但偏差相对较小。

进一步分析各个站点日最大风速的纬向、经向风分量的平均偏差(图 8),可以看到大部分(28/38) 站点的日最大风速纬向风分量的平均偏差为正值,最大偏差可达10.4 m·s-1;经向风分量也类似,30个站点的平均偏差为正值,最大偏差为-3.6 m·s-1。考虑到日最大风速平均偏差多为负值(图 7),可以推断ERA5再分析10 m风速数据存在纬向分量低估东风,而经向分量低估北风的系统误差。

图 8 2020年各浮标站日最大纬向、经向风速与ERA5再分析10 m最大风速的平均偏差 Fig. 8 Average deviation of daily maximum zonal and meridional wind speed of each buoy station from ERA5 maximum 10 m wind speed reanalysis data in 2020

“两洋一海”地区所有浮标站点和ERA5日最大风速的纬向、经向分量偏差(ERA5-浮标)随浮标风速的变化(图 9)显示,纬向风速为负值(东风)时,风速偏差多为正值;纬向风速为正值(西风)时,风速偏差多为负值(图 9a)。类似地,经向风速为负值(北风)时,风速偏差多为正值;经向风速为正值(南风)时,风速偏差多为负值(图 9b)。证实了上述推论,即ERA5存在低估东风和北风的系统误差,同时发现ERA5对西风和南风也存在低估,共同造成了日最大风速偏小的误差。

图 9 2020年逐日最大风速(a)纬向分量和(b)经向分量的偏差随浮标风速的变化 Fig. 9 Variation of daily maximum sea surface wind speed deviation of (a) zonal wind and (b) meridional wind with the change in buoy wind speed in 2020

为了能更加直观地体现ERA5和浮标观测逐日最大风速的差异,在三个海区各自选取了一个观测记录比较完整的典型浮标站:位于黄海中部的22192号、西太平洋的52316号和东印度洋的23451号(图 1中蓝色圆点),与典型浮标站距离最近格点上的ERA5再分析数据进行了逐日最大风速的对比(图 10)。

图 10 2020年典型浮标站与距离最近格点ERA5再分析逐日最大风速的对比(a)黄海22192号站,(b)西太平洋52316号站,(c)东印度洋23451号站 Fig. 10 Comparison of typical buoy stations with the nearest grid point ERA5 reanalysis of daily maximum wind speed in 2020(a) No.22192 site in Yellow Sea, (b) No.52316 site in Western Pacific, (c) No.23451 site in Eastern Indian Ocean

图 10a可以发现,ERA5再分析与22192号锚定浮标观测的逐日最大风速的变化基本一致,相关系数可达到0.9560;平均偏差约为-1.8 m·s-1,且大部分时刻ERA5再分析风速都低于浮标风速,尤其是实测风速比较大的时候,ERA5再分析风速偏低的特征更为明显,这与陈艳春等(2017)发现的当实测风速达到6级以上时,再分析资料偏小更为明显的情况基本一致。在西太平洋海区,52316号浮标站实测与最近格点ERA5再分析日最大风速的相关系数为0.8238,两者的变化较为一致。平均偏差为-1.6 m·s-1,表明ERA5总体上低估了实测风速,尤其是在实测风速出现极大值时,低估程度更加明显,如1月17日,浮标实测风速达到24.7 m·s-1,而ERA5风速只有17.7 m·s-1,低估了7.0 m·s-1。除1月外,其他月份没有再出现超过20 m·s-1的实测风速,但实测风速的起伏变化很频繁,相较而言,ERA5风速变化曲线比较平滑,波动幅度明显小于浮标实测风速(图 10b)。ERA5与东印度洋上23451浮标站日最大风速的平均偏差为-0.7 m·s-1,是三个代表站中最小的,这可能与该站点实测最大风速偏低有关,图 10c显示,实测最大风速除了在夏季基本稳定在10~15 m·s-1外,其余月份风速大多在5~10 m·s-1。两者的相关系数为0.9363,变化十分一致。

综合上述对比分析结果,总体来看,ERA5的逐日10 m最大风速能很好地反映出实测最大风速的变化特征,但同样存在低估实测风速的系统误差。通过表 2表 3的对比还可以看出,与逐时风速的结果比较,三个海区的日最大风速的偏差幅度更大(超过1 m·s-1),即实测风速大则ERA5的偏离程度也大。因此,在使用ERA5进行海上高风速事件研究时,需要对其识别标准进行合理的调整,以避免出现过多的漏判。为此,分别计算了全部浮标站点及相应距离最近格点上的逐日最大风速从第5~95的百分位数阈值(图 11)。

图 11 锚定浮标观测和ERA5再分析逐日10 m最大风速的百分位数阈值 Fig. 11 Quantile threshold of daily maximum 10 m wind speed for moored buoy observation and ERA5 reanalysis

图 11可以看到,所有浮标实测风速的百分位数阈值都比ERA5再分析风速的高,且随着百分位数的增大,两套资料所对应阈值的差距也随之增大,这同样反映了ERA5在高风速区明显低估实测风速的系统误差。计算结果中,两套资料的第90百分位数阈值分别为13.5 m·s-1(浮标)和11.3 m·s-1 (ERA5),都在6级风(10.8~13.8 m·s-1)范围内。因此,为保证挑选出的高风速事件具有一定的极端性,同时也能够基本符合目前科研和业务上的常用标准(日最大风速达到6级及以上)(吕爱民等,2018徐蜜蜜和徐海明,2010王慧和隋伟辉,2013),可以考虑将ERA5日10 m最大风速大于11.3 m·s-1作为海上高风速事件的判断标准。

3 结论与讨论

通过“两洋一海”地区ICOADS锚定浮标实测和ERA5再分析风场的对比分析,发现水平分辨率为0.25°×0.25°的逐小时ERA5再分析10 m风速数据能够较好地表现出海面风场的分布特点和变化特征。ERA5再分析资料具有较高的时空分辨率、较长的时间序列以及完整的数据记录,将其用于海上高风速事件的气候分析是可行的,且具有一定的优势。具体结论如下:

(1) 无论是逐时风速还是逐日最大风速,ERA5再分析10 m风速数据与浮标实测风速的变化基本一致,表现为两套资料具有很好的相关性,三个海区逐时风速的相关系数均在0.8以上,逐日最大风速的相关系数都超过了0.7,表明ERA5再分析10 m风速数据能够很好地反映浮标实测风速的时间变化特征。

(2) 对近海大风天气过程的个例分析结果表明,ERA5再分析数据能较好地表现出大风天气过程的发展进程、天气形势和主要影响系统,但个别浮标站点在某些时刻会出现实测风向与ERA5再分析风向存在明显偏差的现象。

(3) 随着浮标风速的增大,风速偏差逐渐从正值偏多转为负值偏多。具体而言,浮标风速处于0~3级区间,ERA5高估实测风速;当浮标风速超过3级后,ERA5则是更为普遍地低估了实测风速。总体上看,ERA5再分析风速低估实测风速的系统偏差更为明显,且实测风速较大时,ERA5相对于实测风速的偏离程度更大。

(4) 在利用ERA5数据进行海上高风速事件分析时需要对高风速识别标准进行合理的调整。综合考虑高风速事件的极端性、科研和业务的常用标准,以及ERA5再分析风速低估实测风速的系统偏差等因素,可以通过比较实测和再分析风速的百分位数阈值,定义适当的海上高风速事件识别标准,例如本文提出的第90百分位数阈值。当然,本文只是使用了2020年的数据进行了初步分析,海上高风速事件的判别标准的具体数值还有待于利用更多的资料,并进行更为深入的研究来进一步加以确定。

参考文献
宝乐尔其木格, 任国玉, 2013. 海温观测方法及常用海温资料数据集比较[J]. 气象科技进展, 3(6): 52-57. Baoleerqimuge, Ren G Y, 2013. Sea surface temperature observation methods and comparison of commonly used sea surface temperature datasets[J]. Adv Meteor Sci Technol, 3(6): 52-57 (in Chinese).
陈艳春, 王娜, 顾伟宗, 等, 2017. 环渤海区域再分析资料地面风速场的适用性对比分析[J]. 海洋气象学报, 37(1): 67-72. Chen Y C, Wang N, Gu W Z, et al, 2017. Comparative analysis of wind velocity of reanalysis datasets over the Bohai Rim Region[J]. J Mar Meteor, 37(1): 67-72 (in Chinese).
邓小花, 翟盘茂, 袁春红, 2010. 国外几套再分析资料的对比与分析[J]. 气象科技, 38(1): 1-8. Deng X H, Zhai P M, Yuan C H, 2010. Comparative analysis of NCEP/NCAR, ECMWF and JMA reanalysis[J]. Meteor Sci Technol, 38(1): 1-8 (in Chinese). DOI:10.19517/j.1671-6345.2010.01.001
范苏丹, 盛春岩, 曲巧娜, 等, 2017. 利用春季黄渤海沿海大风观测资料评估CFSR风场再分析数据[J]. 气象科技, 45(5): 917-924. Fan S D, Sheng C Y, Qu Q N, et al, 2017. Evaluation and analysis of CFSR data based on spring gale observation over coastal areas of Yellow Sea and Bohai Sea[J]. Meteor Sci Technol, 45(5): 917-924 (in Chinese). DOI:10.19517/j.1671-6345.20160553
胡海川, 黄彬, 魏晓琳, 2017. 我国近海洋面10 m风速集合预报客观订正方法[J]. 气象, 43(7): 856-862. Hu H C, Huang B, Wei X L, 2017. Objective correction method of ensemble forecast of 10 m winds on Chinese offshore[J]. Meteor Mon, 43(7): 856-862 (in Chinese).
胡海川, 刘珺, 林建, 2022. 基于预报方程的我国近海阵风预报[J]. 气象, 48(3): 334-344. Hu H C, Liu J, Lin J, 2022. Application of prediction equation to gust forecasting for Chinese offshore areas[J]. Meteor Mon, 48(3): 334-344 (in Chinese).
胡海川, 周军, 2019. 集合预报在渤海极大风预报中的应用[J]. 气象, 45(12): 1747-1755. Hu H C, Zhou J, 2019. Application of ensemble extreme wind forecast in Bohai Sea[J]. Meteor Mon, 45(12): 1747-1755 (in Chinese). DOI:10.7519/j.issn.1000-0526.2019.12.012
刘鸿波, 董理, 严若婧, 等, 2021. ERA5再分析资料对中国大陆区域近地层风速气候特征及变化趋势再现能力的评估[J]. 气候与环境研究, 26(3): 299-311. Liu H B, Dong L, Yan R J, et al, 2021. Evaluation of near-surface wind speed climatology and long-term trend over China's mainland region based on ERA5 reanalysis[J]. Climatic Environ Res, 26(3): 299-311 (in Chinese).
吕爱民, 杨柳妮, 黄彬, 等, 2018. 中国近海大风的天气学分型[J]. 海洋气象学报, 38(1): 43-50. Lü A M, Yang L N, Huang B, et al, 2018. Classification of synoptic patterns for China offshore gales[J]. J Mar Meteor, 38(1): 43-50 (in Chinese).
孟宪贵, 郭俊建, 韩永清, 2018. ERA5再分析数据适用性初步评估[J]. 海洋气象学报, 38(1): 91-99. Meng X G, Guo J J, Han Y Q, 2018. Preliminarily assessment of ERA5 reanalysis data[J]. J Mar Meteor, 38(1): 91-99 (in Chinese).
邱金晶, 陈锋, 董美莹, 2021. 基于全球模式检验结果的海上台风初始场重建技术研制和应用[J]. 气象, 47(12): 1444-1456. Qiu J J, Chen F, Dong M Y, 2021. Development and application of typhoon initial field reconstruction technology over sea based on evaluation results of global models[J]. Meteor Mon, 47(12): 1444-1456 (in Chinese).
孙颖士, 李冬霄, 2007. 中国渔船安全分析报告[M]. 北京: 中国农业出版社: 45-52. Sun Y S, Li D X, 2007. Analysis Report of China Fishery Vessel Safety[M]. Beijing: China Agricultural Press: 45-52 (in Chinese).
王慧, 隋伟辉, 2013. 基于CCMP风场的中国近海18个海区海面大风季节变化特征分析[J]. 气象科技, 41(4): 720-725. Wang H, Sui W H, 2013. Seasonal variation analysis of sea surface winds in China Sea areas with CCMP wind field data[J]. Meteor Sci Technol, 41(4): 720-725 (in Chinese).
王天驹, 钟中, 王举, 等, 2019. 位涡倾向分布与台风Megi(2010)移动的关系及其影响因子[J]. 气象, 45(6): 791-798. Wang T J, Zhong Z, Wang J, et al, 2019. Correlation between PVT distribution and movement of Typhoon Megi (2010) and the impact factors[J]. Meteor Mon, 45(6): 791-798 (in Chinese).
王叶红, 赵玉春, 罗昌荣, 等, 2019. 双雷达风场反演拼图在登陆台风"莫兰蒂"(1614)强降水精细预报中的同化应用试验[J]. 气象学报, 77(4): 617-644. Wang Y H, Zhao Y C, Luo C R, et al, 2019. Assimilation experiments for the application of dual-radar retrieval wind mosaics in detailed heavy precipitation forecast produced by landfall Typhoon "Meranti" (1614)[J]. Acta Meteor Sin, 77(4): 617-644 (in Chinese).
危国飞, 刘会军, 潘宁, 等, 2021. 台风路径数值预报实时订正技术及其集成应用[J]. 大气科学, 45(1): 195-204. Wei G F, Liu H J, Pan N, et al, 2021. Real-time correction method for numerically modeled typhoon tracks and its integrated application[J]. Chin J Atmos Sci, 45(1): 195-204 (in Chinese).
徐蜜蜜, 徐海明, 2010. 我国近海大风分布特征及成因[J]. 热带气象学报, 26(6): 716-723. Xu M M, Xu H M, 2010. The characteristic of strong wind distribution in the coastal area of China and its causes[J]. J Trop Meteor, 26(6): 716-723 (in Chinese).
尹尽勇, 刘涛, 张增海, 等, 2009. 冬季黄渤海大风天气与渔船风损统计分析[J]. 气象, 35(6): 90-95. Yin J Y, Liu T, Zhang Z H, et al, 2009. Statistical analysis of the weather system types causing strong winds and fishery boat windage loss accidents in Bohai Sea and Yellow Sea in winter[J]. Meteor Mon, 35(6): 90-95 (in Chinese).
Carvalho D, 2019. An assessment of NASA's GMAO MERRA-2 reanalysis surface winds[J]. J Climate, 32(23): 8261-8281.
Chelton D B, Freilich M H, 2005. Scatterometer-based assessment of 10-m wind analyses from the operational ECMWF and NCEP numerical weather prediction models[J]. Mon Wea Rev, 133(2): 409-429.
Dee D P, Uppala S M, Simmons A J, et al, 2011. The ERA-Interim reanalysis: configuration and performance of the data assimilation system[J]. Quart J Roy Meteor Soc, 137(656): 553-597.
Hersbach H, Bell B, Berrisford P, et al, 2020. The ERA5 global reanalysis[J]. Quart J Roy Meteor Soc, 146(730): 1999-2049.
Kalnay E, Kanamitsu M, Kistler R, et al, 1996. The NCEP/NCAR 40-year reanalysis project[J]. Bull Am Meteor Soc, 77(3): 437-472.
Kanamitsu M, Ebisuzaki W, Woollen J, et al, 2002. NCEP-DOE AMIP-II reanalysis (R-2)[J]. Bull Am Meteor Soc, 83(11): 1631-1644.
Kobayashi S, Ota Y, Harada Y, et al, 2015. The JRA-55 reanalysis: general specifications and basic characteristics[J]. J Meteor Soc Japan, 93(1): 5-48.
Lin I, Timothy Liu W, Wu C C, et al, 2003. New evidence for enhanced ocean primary production triggered by tropical cyclone[J]. Geophys Res Lett, 30(13): 1718.
Mears C A, Smith D K, Wentz F J, 2001. Comparison of Special Sensor Microwave Imager and buoy-measured wind speeds from 1987 to 1997[J]. J Geophys Res: Oceans, 106(C6): 11719-11729.
Rienecker M M, Suarez M J, Gelaro R, et al, 2011. MERRA: NASA's modern-era retrospective analysis for research and applications[J]. J Climate, 24(14): 3624-3648.
Rivas M B, Stoffelen A, 2019. Characterizing ERA-Interim and ERA5 surface wind biases using ASCAT[J]. Ocean Sci, 15(3): 831-852.
Saha S, Moorthi S, Pan H L, et al, 2010. The NCEP climate forecast system reanalysis[J]. Bull Am Meteor Soc, 91(8): 1015-1058.
Sampe T, Xie S P, 2007. Mapping high sea winds from space: a global climatology[J]. Bull Am Meteor Soc, 88(12): 1965-1978.
Uppala S, Dee D, Kobayashi S, et al, 2008. Towards a climate data assimilation system: status update of ERA-Interim[J]. ECMWF Newsletter, (115): 12-18.
Woodruff S D, Worley S J, Lubker S J, et al, 2011. ICOADS Release 2.5:extensions and enhancements to the surface marine meteorological archive[J]. Int J Climatol, 31(7): 951-967.