不同的熱帶氣旋強度預報因子和預報方法在臺風快速增強概率預報中的對比研究

高曉云

摘 要 Lin等人提出在考慮海洋耦合作用時熱帶氣旋（TC）最大可能強度（MPI），與臺風峰值強度的相關性明顯提高，能有效降低基于海表溫度預報臺風峰值的高估。現有的預報模型并沒有利用這個因子。本文將用線性判別分析法，貝葉斯判別法，二次判別法以及馬氏距離判別法對熱帶氣旋（TC）最大可能強度（MPI）與臺風峰值強度的相關性進行研究。對比研究表明利用其與海表溫度的統計關系計算的經驗MPI對RI的預報非常有幫助。在快速增強的臨界值定為25kt的時候，加入經驗MPI因子后基于貝葉斯理論的概率預報模型的PSS值提高了40.6%。不同模型的對比發現，貝葉斯判別模型對RI預報最好，而馬氏距離判別模型對非RI預報最準確。

關鍵詞 臺風;快速增強;概率預報

引言

熱帶氣旋（TC）是全球發生頻率高、影響嚴重的一種自然災害。在沿海地區的各種自然災害中，TC災害造成的損失最為嚴重。而與TC強度變化密切相關的又都是強風、暴雨、強雷暴等災害性天氣[1-3]。所以，對TC快速增強（RI）的分析和預測具有十分重要的研究意義。TC快速增強是指海表風速在未來24小時內增加值超過25，30，35kt的熱帶氣旋。

近來Lin等提出用考慮海洋耦合作用時TC的最大可能強度（MPI）來替代傳統的MPI，可能對RI的預報有幫助，而現有的模型并沒有用到這個因子。基于此，本文將加入這個預報因子，并利用四種預報模型對西北太平洋TC的快速增強進行對比預報分析，并對所選預報因子和Rozoff等的研究所用的預報因子作對比分析。

1資料和方法

1.1 資料

在文章中提到的四種方法所使用的數據資料都一樣。TC的最佳路徑資料來自于日本東京氣象廳的區域專業氣象中心（RSMCTokyo）。該數據集包含在北太平洋西部包括中國南海所有的熱帶氣旋每6小時臺風中心的位置，中心最低氣壓以及持續10分鐘的最高風速（MWS）。熱帶氣旋24小時的強度變化（即MWS的24小時變化），在這項研究中選取三個閾值（即25，30和35kt）來定義RI。

大氣環境數據來自于美國國家環境預報中心（NCEP）的全球預報系統（GFS）提供每六小時且分辨率為 1°的FNL再分析格點資料。變量包括200hPa到850hPa的風、100hPa到1000 hPa之間各層大氣的溫度和相對濕度、200hPa散度和相對渦度通量還有利用風場和中央差分法計算得出的850 hPa上每個格點的相對渦度。所有的環境變量數據都是以熱帶氣旋中心相應半徑區域內的平均值。

海表到80米深的平均海溫（T80a）和海表到100米深的平均海溫（T100a）由上層海洋溫度分布的線性插值計算得到。上層海洋熱含量（UOHC）根據Leipper和Volgenau（1972）從海表到D26計算。最大潛熱強度（MPI）用經驗方法（DeMaria和 Kaplan，1994）和理論方法（Emanuel，1988;Holland，1997）計算得到。

所有的潛在預報因子，如表1所示，收集了從2000到2011期間的每6小時的數據，代表了所有可用數據的交叉且相關系數大于0.2的數據。本文只用到海上的熱帶氣旋樣本因為陸地上無海洋溫度資料。2000-2009年的數據用于建立快速增強的預測模型，2000-2011階段數據用于進行獨立驗證。

1.2 試驗方法

將表1中挑選出的數據分為六組。選擇線性判別模型（linear模型）、貝葉斯判別模型（diaglinear模型）、二次判別模型（quadratic模型）以及馬氏距離判別模型（mahalanobis模型）四種模型進行臺風快速增強的預報。運用四種預報模型在快速增強臨界值分別為25，30，35kt的條件下進行概率預報。六組實驗中第一組MWS0、DMWS、LAT;第二組除第一組選擇的預報要素外加入：U200、T200、SHR;第三組在第二組的基礎上加上POT_E;第四組將第三組的POT_E換成POT_T;第五組將第四組的POT_T換成POT_T100a;第六組將第四組的POT_T100a換成POT_T80a。并依次進行試驗。

1.3 評價方法

用于數據分析的主要工具是2×2列聯表，假設四種情況：觀測結果和預報結果一致都是臺風快速增強記為A;觀測結果為不是快速增強而預報結果為快速增強記為B;觀測結果是快速增強而預報結果不是快速增強記為C;觀測結果不是快速增強預報結果也不是快速增強記為D（表3）。由此可計算出預報的準確率（POD）：POD=A/（A+C）;錯誤率（FRA）：FAR=B/（A+B）;以及預報成功指數（CSI）：CSI=A/（A+B+C）。最后計算出可能性預測的預測水平指數PSS[10]：PSS=（A*D-B*C）/（（A+C）（B+D）），當PSS的值越接近于1說明預報效果越好越接近于0說明預報效果越不好。

2各組實驗對比分析

由圖1可知，在第四次試驗中mahalanobis模型的PSS比較小，為0.274，而當閾值取35kt時mahalanobis模型的PSS值取到了一個最大值0.487，與其相反的是quadratic模型和diaglinear模型在第四次試驗閾值取35kt時取到最小值，分別為0.353和0.208 。linear模型只有在第三次試驗的時候表現出比較大的PSS值，為0.771，在其他試驗的趨勢不是很明顯。總體而言第三次試驗的預報效果要好，四個模型中diaglinear的PSS值相對比較大。因此選擇第三組的預報因子進行預報。效果相對比較好的是diaglinear和linear兩個函數，在第三次和第五次的試驗中表現比較好。

由圖2可知，mahalanobis的預報準確率要小于其余三個。其中diaglinear的正確率最高，但在第四次試驗時它的預報效果不是很好，且POD值小于0.5只選擇氣候連續性變化的第一組。所以在選擇加入預報因子POT_T后反而阻礙了模式的預報效果。相比而言第三組的預報效果比較好，POT_E對臺風快速增強預報的貢獻比較大。

由圖3可知：diaglinear，linear，quadratic三種模型的FAR值趨勢和大小都相差不大，主要區別為，第三次試驗中閾值取30kt時的時候quadratic模式的值格外小，這是由A和B的比值比較大造成。mahalanobis的PSS值比較小主要是因為B和D值比較大，且趨勢也不固定。

如圖4所示：diaglinear，linear ，quadratic三種模型的CSI值趨勢和大小都相差不大，但mahalanobis的CSI值明顯比較大，且前三次試驗都是隨閾值的增大而增大而后三次都是閾值取30kt的時候最小。且整體大于第一次試驗。mahalanobis的CSI值比較大主要是對非快速增強事件分類比較準確。

綜上可知，試驗主要是對加入因子對預報效果的改變做檢驗。在選擇第三組的預報因子時，每一個模型的預報效果都比較好。四種方法中diaglinear模型的對臺風快速增強的預報比較準確，而mahalanobis模型的CSI值比較大主要是因為mahalanobis模型對非快速增強的預報比較準確。

3結束語

通過四種模型在三種不同閾值下的預報結果表明

（1）對各種預報因子對RI事件的概率預報所作出的貢獻進行研究時，在預報因子中加入經驗計算的最大潛在強度相關因子（POT_E）時，模型的預報效果要好于加入其他因子，同時也好于只選氣候持續性因子的預報效果。

（2）四種模型比較發現diaglinear模型的對臺風快速增強的預報比較準確，而mahalanobis模型對RI個例預報不準確但是對非RI的個例預報非常準確。所以，我們在選擇預報模型的時候可以選擇這兩種模型結合預報，這樣與兩個預報的效果在進行綜合分析判斷是否應該發布預警，這樣有助于提高臺風快速增強的預報效果。

參考文獻

[1] 殷潔，戴爾阜，吳紹洪，等.中國臺風強度等級與可能災害損失標準研究[J].地理研究，2013，32（2）：266-274.

[2] 孔寧謙，陳潤珍，蔡敏.南海中北部熱帶氣旋強度突變的天氣氣候特征分析[J].臺灣海峽，2007，26（2）：188-196.

[3] 孔寧謙，蔡敏，陳潤珍.廣西影響區熱帶氣旋強度突變的天氣氣候特征分析[J].熱帶地理，2007，27（1）：15-20.