WT模型在山區高速公路風預報訂正中的應用

曲曉黎 張杏敏 尤琦,3 張中杰 吳丹

(1 河北省氣象服務中心，石家莊 050021; 2 河北省氣象與生態環境重點實驗室，石家莊 050021; 3 中國氣象局交通氣象重點開放實驗室，南京 210041；4 河北省氣象科學研究所，石家莊 050021)

引言

近地層風的狀況是天氣過程形成的重要因素，也對諸多行業運營和人們的生產生活有著重要影響。隨著我國氣象觀測站網的精密程度不斷提升以及數值模擬水平的提高，對風的觀測和預報都有了長足進步，然而復雜地形風的狀況和預報仍是熱點和難點。宋麗莉等[1-2]多年來基于觀測事實對復雜山地及沿海地區近地層風的特性進行了詳細的計算分析，得出了近地層大風的演變規律和特征。賈春暉等[3]利用延慶-張家口一帶的地面氣象觀測數據和探空數據揭示了這一帶復雜地形對近地面風場的動力和熱力作用及風場的精細化分布特征。馮婧等[4]對京津冀地區20世紀50年代以來的日平均風速序列進行了非均一性檢驗和均一化訂正。對于風的數值預報，很多學者開展了大量的數值模擬試驗和訂正研究[5-10]，結果表明單純依靠數值模式還有一定的局限性。近年來，CFD(Computational Fluid Dynamics)流體力學計算方法也被較多地應用于復雜地形風場的模擬研究。李磊等[11]對“中尺度模式/CFD”耦合過程中CFD解域頂高及入流邊界條件設置2個關鍵問題進行了詳細探討。另外，很多學者分別利用數值模擬與CFD結合的方法對我國不同區域復雜地形的風環境進行模擬，取得了較好的模擬效果[12-17]。

針對影響高速公路安全通行的橫風或側風，已有關于其時空分布特征、致災危險性評價以及行車安全性和安全速度等方面的研究[18-23]。然而，對于復雜山區高速公路沿線風的預報少見報道。張承高速公路張家口至崇禮段全長57 km，是2022年北京冬奧會張家口賽區的重要交通線路，該路段穿過崇禮山區，沿線有多處山谷，大風條件下對高速公路行車會產生較大影響，而數值預報往往對這些區域的風的預報尤其是風速的預報能力不足。因此本文試圖應用基于計算流體力學原理的Meteodyn WT模型(以下簡稱WT模型)，以及ECMWF數值模式風的預報產品，模擬輸出張承高速沿線特殊地形的風的預報訂正結果，以便提升山區高速公路風的精細化預報能力。

1 資料與方法

1.1 資料來源

在分析大風日數分布特征和風速變化背景時，選取河北省氣象信息中心提供的2001—2020年全省142個國家氣象站逐日最大風速資料；驅動WT模型的風的數值預報選取ECMWF數值模式輸出的逐3 h地面10 m風；在對風速進行檢驗時，選取張家口市崇禮區范圍內崇禮國家氣象站、南窩鋪及場地2套區域氣象觀測站，高家營及西灣子2套交通氣象觀測站的分鐘級風的觀測數據。

1.2 WT模型原理

WT模型是法國美迪公司研發的基于CFD計算流體力學的、主要用于野外復雜地形風的評估和模擬的模型。具體原理如下：假設在給定空間與時間的任意一點處的風速是由平均風速與隨機分量疊加而成，則瞬時風速分量可以表示為：

(1)

將式(1)代入大氣連續方程式(2)進行積分，可得式(3)和式(4)，即定常不可壓縮質量守恒和平均雷諾納維葉-斯托克斯方程(RANS):

(2)

(3)

Fi=0

(4)

采用K-L湍流模型來預測雷諾應力對平均流的影響[24]:

(5)

其中，Pk為湍流動能生成項，VT為湍流粘度,u、v、w分別為風速在x、y、z方向上的分量。

1.3 WT模型處理流程

圖1所示，WT模型可以按照360°等分或指定的風向角，根據指定風廓線、地表邊界條件(地面粗糙度、森林冠層模型)、熱穩定度等級分別進行定向模擬計算, 由此得到標準入口風速、不同風向條件下的風場分布。再根據定向計算結果中測風觀測與計算區域內相同位置之間的統計關系, 推算給定地點或區域的風速值和風能參數。

圖1 WT模型計算處理流程

2 河北省大風日數分布及日最大風速變化特征

利用2001—2020年河北省142個國家氣象站逐日最大風速資料，繪制過去20年河北省各站6級及以上大風日數分布(圖2)，可見張家口西北部及承德西部是6級及以上大風日數最多的區域，而崇禮及周邊地區大風日數并不是很多，據分析，這可能與崇禮氣象觀測站的位置有一定關系，因此就更有必要對該區域復雜地形處的風的情況進一步模擬和分析。對利用EOF正交函數分解的2001—2020年各站逐日最大風速距平場進行分析發現，前3個主要模態方差貢獻較大分別為71.3%、11.7%以及5.4%。第一模態(圖3a)在空間上呈現全省一致性負距平的變化特征；第二模態(圖略)南北反向，省中北部為正距平，東南部為負距平；第三模態(圖略)東西反向，西部地區為負距平。結合時間系數(圖3b)綜合來看，全省絕大部分地區在過去20年中日最大風速呈現明顯減少的趨勢(這與已有研究結論一致[25-28])，其中張家口、承德北部地區在第二、第三模態中略有增大的趨勢，這說明這些區域的大風還是需要格外關注的。

圖2 2000—2020年河北省142個國家氣象站6級及以上大風日數分布

圖3 2001—2020年河北省142個國家氣象站逐日最大風速距平場EOF第一空間模態(a)和第一時間系數(b)

3 張承高速公路沿線山區路段風的模擬及檢驗

3.1 模擬區域及參數設置

模擬的區域如圖4所示，位于張家口崇禮區的南部，處于陰山山脈東段的大馬群山和燕山余脈交接地帶，屬于壩上壩下過渡型山區的山地地形。該區域山勢陡峻，山峰海拔多在1500～2000 m之間，最大高差可達1300 m多。2個解域區域幾乎均為正方形，邊長約9.3 km，中心位置分別為位于(115.067°E，40.881°N)和(115.219°E,40.948°N)，2022年北京冬奧會張家口賽區的主干要道張承高速公路沿山谷底部邊緣自西南向東北方向穿過該區域。區域內有5處氣象觀測站，分別為：南窩鋪區域氣象觀測站(站號：B2963，海拔930 m)，距高速公路約1209 m，位于區域西部較開闊西北—東南走向山谷底部；場地區域氣象觀測站(站號：B3197，海拔1050 m)，距高速公路約191 m，位于區域東部接近南北走向山谷底部；崇禮國家氣象觀測站(站號：54304，海拔1240 m)，距高速公路約159 m；位于張承高速公路沿線K34和K57處的高家營和西灣子交通氣象站。

圖4 張承高速公路沿線解域區域地形分布(紅色線條為張承高速公路，藍框內為解域區域，地形圖來自World Imagery遙感影像)

在模擬試驗過程中，WT模型采用非結構化網格，解域最小水平分辨率為25 m、水平擴展系數1.1；最小垂直分辨率為4 m、垂直擴展系數1.2，解域頂高由WT模型根據計算區域內地形高度自動確定：

Ztop=Zmax+max(2800，5(Zmax-Zmin))

(6)

其中，Ztop為頂面邊界的海拔高度，Zmax和Zmin分別為解域區域內的地形最高和最低海拔高度。

選用ECMWF數值模式每日2次輸出的逐3 h、分辨率為0.125°的地面10 m風的預報產品來驅動WT模型，選取代表站周邊最近一個ECMWF格點預報結果作為該站的環境風輸入WT模型，再運用WT模型進行間隔10°的定向計算，生成各方向風加速因數，輸出解域區域內未來24 h預報時效、逐50 m空間分辨率、3 h時間分辨率的地面10 m風產品。進而對張承高速公路沿線山區路段的風的數值預報產品進行訂正。

3.2 天氣過程描述

模擬的天氣過程包括30個代表日，日極大風的最大值出現在崇禮本站2021年4月16日下午，為18.8 m/s(8級)。這些大風過程的天氣背景較為相似，500 hPa高度場(圖略)上，烏拉爾山以東地區均為一脊一槽形勢，高壓脊位于貝加爾湖西側，高空槽處于110°～130°E，且大部分過程有冷渦與之配合，槽脊振幅較大，等高線密集。700 hPa與850 hPa高度場(圖略)上存在鋒區，850 hPa上風場與等溫線近乎垂直，有較強的冷平流。地面天氣圖(圖略)上，河北中北部至內蒙一帶地面等壓線較為密集，氣壓梯度大，達到12.5～22.5 hPa/10°。

3.3 模擬結果檢驗分析

將30個代表日中圖4所示的5套氣象觀測站的10 min平均風速與WT模型模擬輸出的10 min平均風速兩組數據進行對比，有效樣本數為1167個，其相關系數達到0.6225，通過0.001的顯著性水平檢驗。繪制5個觀測站實況和WT模擬結果的散點圖(圖5)以及崇禮代表站30個大風日的實況和模擬結果對比曲線(圖6)可見，散點相對集中且均勻的分布在趨勢線兩側，模擬的數值比實際觀測的數據略偏高，模擬結果與實況的誤差在-4.69～4.12 m/s之間。具體分析各站的誤差(表1)發現，崇禮國家站和西灣子交通站的模擬結果偏高明顯，位于山谷地帶的場地區域站和高家營交通站的模擬結果明顯偏小，而地形相對開闊的南窩鋪區域站模擬結果相對其他4站誤差范圍明顯要小。整體來看，各站模擬的結果與實況之間的誤差在±1 m/s之間的均占40%以上(圖7)，±2 m/s之間的占比基本能夠達到80%以上。從模擬的風向來看，均是較為一致的偏北風或西北風，與天氣過程相符。

圖5 2021年2—5月張家口、崇禮區域5個觀測站10 min平均風速實況與WT模擬風速

圖6 2021年2—5月崇禮站30個大風日逐3 h間隔10 min平均風速實況與WT模擬風速

表1 2021年2—5月張家口、崇禮區域5個觀測站10 min平均風速檢驗

圖7 2021年2—5月張家口、崇禮區域各觀測站10 min平均風速模擬與實況誤差占比

由于在開展高速公路氣象服務過程中更關注極大風，因此將這5個氣象觀測站過去10年(其中2套交通氣象站為5年)的歷史觀測資料，通過最小二乘法建立起10 min平均風速與該站極大風之間的關系[29]，得到5套氣象觀測站的極風系數(表2)。再由WT輸出的10 min平均風按照極風系數預測某一點或路段的極大風可能值。

表2 張家口、崇禮區域5個觀測站2—5月極風系數

4 結論與討論

(1)分析了2001—2020年河北省142個國家氣象站風的特征，發現張家口西北部及承德西部是6級及以上大風日數最多的區域。利用EOF正交函數分解各站逐日最大風速距平場并分析發現，在過去20年中日最大風速呈現明顯減少的趨勢，但是張家口、承德北部地區在第二、第三模態中略有增大的趨勢，這說明這些區域的大風還是需要格外關注。

(2)應用WT模型對張承高速公路沿線2個區域的30個代表日的風進行模擬，并運用區域內5套氣象站的逐分鐘觀測數據進行檢驗。發現WT模型模擬輸出的10 min平均風速與實際觀測值相關系數達到0.6225并通過0.001的顯著性水平檢驗。各站模擬的結果與實況之間的誤差在±1 m/s之間的均占40%以上，±2 m/s之間的占比基本能夠達到80%以上。

(3)本文提供了一種對高速公路沿線山區復雜地形風的數值預報模擬和訂正的可行方法。在高速公路精細化氣象服務中，可應用本地地形資料以及時空分辨率更高的智能網格預報產品或其他數值預報模式輸出的風預報產品作為驅動WT模型的數據源，進而對特殊地形的風速進行訂正。另外，可根據區域內代表站的極風系數進行極大風的預報。

(4)復雜地形的風的預報難度較大，今后需要進一步積累觀測數據，不斷優化WT模型的參數，以提高這些區域高速公路沿線風的預報和訂正能力。