阵风，指短时间内风向变动不定、风速剧烈变化的风，通常指风速突然增强的风。高动量空气被带到地面时往往会伴随强烈的阵风，阵风产生于对流环境或非对流环境，前者通常与下沉气流和强对流垂直混合有关，而后者则与边界层内湍流和动量垂直输送有关（Sheridan，2011）。阵风不仅威胁航运、海运及施工安全，还可造成严重的空气污染，对海上交通、桥梁、航空业、风力发电、火灾危险以及生态环境等都具有重要影响（李玲萍等，2017；Sheridan，2018；吴焕波等，2018；查书瑶等，2020）。阵风预报是天气预报和气象服务的一个关键因素，可靠的阵风预报对保护人民的生命财产安全、提高海上经济效益，具有非常重要的意义。值得注意的是，与发生强对流天气时的大风（台风、雷暴大风）相比，在非强对流天气形势下出现的阵风预报员更容易放松警惕，因此可能会造成更多的伤亡（Ashley and Black，2008）。可靠的阵风预报可以减少人员危险、财产损失和结构损坏的风险，因此阵风预报对风力预报具有更高的要求（Kahl，2020；韦惠红等，2023）。

目前阵风客观预报方法主要基于边界层湍流等物理过程和统计预报方法（Sheridan，2018）。非对流环境下的阵风，Beljaars（1987）认为是平均风和湍流脉动部分的总和。只考虑湍流脉动影响，并不适用斜压以及强对流引起的阵风，Bechtold和Bidlot（2009）在阵风中增加了对流贡献。近年来，随着对边界层物理过程认识的不断深化和各种高分辨率数值模式发展，数值模式预报成为一种常见的阵风预报方法。欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecast，ECMWF）细网格预报产品是目前预报员主要参考的模式产品之一，该模式使用了先进的四维变分同化系统，预报准确度较高（连喜虎等，2020），但不同区域ECMWF细网格预报产品误差也有差异。Pinson和Hagedorn（2012）使用欧洲地区近地层10 m风场实况观测数据对ECMWF发布的风速集合预报进行了检验评估，指出集合预报的准确率与观测站所处地形、季节、模式的水平分辨率等因素相关；对辽宁大连地区ECMWF细网格10 m风场预报的检验也表明预报误差与地域、季节、风向、风级、起报时次等因素有关（杨景泰等，2021；隋玉秀等，2022）；吴俞等（2015）对ECMWF细网格10 m风场预报产品在南海海域的检验表明风速预报比实况观测偏大，不同风向及不同季节预报误差也存在一定差异。虽然近年来针对ECMWF 10 m平均风预报产品进行了较多的检验工作，但关于阵风预报的评估检验相对较少。另外，目前针对风速数值预报的检验基本以实况风级为分类基准开展（申华羽等，2020；连喜虎等，2020；杨景泰等，2021），鲜有按预报风级作为分类基准的检验，两种分类检验结果是否一致?两种检验结果对实际预报订正哪种更合理还需要进一步探究。

大连位于辽东半岛最南端，濒临渤海、黄海之间，三面环海，大连至山东半岛之间的渤海海峡，是中国北方海域最繁忙的海上通道，而大连东部海域的长山群岛不仅是我国黄海非常重要的渔业基地，里长山海峡航线更是长海县当地群众的“生命线”。正是由于大连所处的特殊地理环境，海陆风和地形风效应都非常明显，加之大连所处纬度，南北系统交汇频繁，使得大风过程往往更为复杂，因此大风是大连地区最为常见的灾害天气之一。受限于海上观测资料稀少，我国近海的系统性大风预报评估较为缺乏（申华羽等，2020），为了更好地开展沿海地区大风预报服务，本文利用大连地区9个国家气象站逐3 h极大风观测数据对ECMWF细网格逐3 h阵风预报能力进行检验评估，分析预报误差分布特点，以期为预报订正提供参考，从而提高阵风预报水平，为充分发挥精细化预报在海洋预报服务中的作用打基础。

选取2017年1月至2019年12月每日08：00、20：00（北京时，下同）两个起报时次的ECMWF细网格10 m阵风和10 m平均风场预报数据，预报时效选取3~72 h，时间分辨率为3 h，空间分辨率为0.125°×0.125°。考虑到观测资料的代表性、连续性和准确性，选取大连辖区内的大连、旅顺、金州、长海、普兰店、瓦房店、长兴岛、庄河、皮口9个国家气象观测站（图1），这些站点分布在渤海、黄海北部及渤海海峡的沿岸、内陆、海岛地区，能够较好地代表大连海陆分布的特殊地理状况。ECMWF细网格逐3 h阵风是指过去3 h最大的10 m阵风，与WMO定义的极端阵风观测实况相一致（ECMWF，2018），因此观测资料采用与ECMWF细网格预报相对应的逐3 h极大风速和风向数据。

采用双线性插值方法（Persson and Grazzini， 2007），将ECMWF细网格10 m阵风和10 m平均风u、v分量预报数据插值到观测站点，然后用插值后的u、v分量计算10 m平均风速和风向。由于阵风预报不包含风向，采用同时次的10 m平均风风向近似代替。

误差统计用平均误差（Mean Error，ME）、平均绝对误差（Mean Absolute Error，MAE）及相关系数（Correlation Coefficient，r），计算公式如下：

式中：fi为阵风插值后的预报风速；yi为3 h极大风速观测值；f-和y-分别是阵风预报风速f和极大风速y的样本均值；N为某种分类后的检验样本总数。差值均为ECMWF细网格阵风预报值减站点实况观测值，正值表示预报偏大，负值为预报偏小。

对各时效、各风级的预报误差检验采用3~72 h时效资料进行分析，为了减少一些大风过程在3~24 h、24~48 h、48~72 h不同时段内可能在某风向、某时刻、某测站等由于重复计算而产生增大或减小的叠加效应，在风向误差、预报ME日变化及误差空间分布中只采用3~24 h预报资料进行检验分析。

按预报时间与实况时间相对应，构建ECMWF细网格风场预报数据与实况风数据检验个例表（表1）。按阵风预报风级和实况风级分类基准进行检验分析，探究两种检验结果是否一致。依据两种基准再分风向、风级、站点等进行误差分析，风向按8个方位进行划分，风级按“蒲福风级”标准划分。按预报风级、风向分类就是以预报的风速、风向作为分类划分依据，按实况风级、风向分类亦然。如3~72 h预报时效，预报8级阵风风速平均误差就是将风速大于等于17.2 m·s^-1且小于20.8 m·s^-1的全部个例作为样本，计算其平均误差。

对2017—2019年ECMWF细网格3~72 h阵风预报，分别按预报风级和实况风级为分类基准的各风级阵风ME见图2。可以看出，按实况风级分类，5级及以下阵风ME>0，预报偏大且风级越小偏大越明显，3级及以下阵风偏大1.92 m·s^-1；5级以上阵风ME<0，预报偏小且风级越大偏小越明显，10~11级阵风偏小超过6.00 m·s^-1；全部风级预报平均偏大0.96 m·s^-1。按预报风级分类，所有风级的阵风预报均偏大，且风级越大偏大越明显，8级及以下阵风ME为0.29~1.35 m·s^-1，偏大幅度相对较小，9级阵风预报ME为3.53 m·s^-1，10级ME增至7.27 m·s^-1，11级以上由于发生站次太少，统计意义较差，不予讨论，全部风级的预报ME为0.96 m·s^-1。

按实况风级作分类基准进行检验，当实况为6级及以上阵风时，预报小于实况，因此，当阵风预报大于等于6级时，可推测实况应大于6级；但按照预报风级为分类基准的统计结果，所有风级阵风预报均大于实况，并且预报风级越大，偏大程度越大，因此预报的6级阵风，推测实况应小于等于6级。出现这种情况，需考察不同风级预报偏大、偏小的站次数分布和预报准确率，具体见表2。按预报风级分类，4级以上阵风预报准确率呈明显下降趋势，4~8级预报准确率为37%~41%，9级则降至20%，10级为7%，11级为0；4级以上预报阵风偏大个例数远多于预报偏小个例数，且预报风级越大、预报偏大比例越高，致使误差越大。同理，按实况风级分类，6级以下阵风预报风力偏大个例数明显多于偏小个例数，所以预报风力偏大；6级以上则相反，预报偏小个例数明显多于偏大个例数，且风级越大偏小比例越大，所以实况6级以上阵风预报偏小。

按集合的观点，无论按预报风级还是实况风级为分类基准，若不分风级，两类总样本数相同，ME均为0.96 m·s^-1，预报平均偏大，结论一致。但具体到各风级时，两种不同分类各风级样本个例数不同，属于不同的集合，相同风级两种分类的交集，若按实况风级分类基本少于样本总数的52%，而按预报风级分类基本低于41%，因此造成按预报（实况）分类统计出的结果应用到实况（预报）分类时并不一定成立。而从表2也可看出，4级及以上阵风预报均可能出现预报偏大或偏小情况，这为简单按增大或减小对预报进行订正带来不确定性。

为进一步证实上述分类得出的不同结论，分别按照对风级区分和不区分进行预报与实况的相关性检验（表3）。表3中各时效相关系数的计算全部风级指某预报时效的全部个例作为样本计算其相关系数，具体到某个时效某个风级时其样本既要满足预报时效要求也要满足风级标准。可以看出，不区分风级时，各时效预报相关系数均在0.7以上，均通过α=0.01的显著性检验。虽然随预报时效延长相关系数呈减小趋势，但差异并不明显。而按预报风级分类进行相关性检验时，各风级各时效相关系数几乎均降至0.4以下，虽然7级及以下各风级各时效相关系数均通过α=0.01的显著性检验，但与不分风级的相关性相比则明显降低，而8级则从15 h时效开始、9级及以上各时效相关性均未通过α=0.01的显著性检验，说明8级及以上阵风预报的可信度大幅降低。

将两种分类得出的结论若简单应用于实际预报，若按实况风级分类应适当增加6级以上风力预报等级，以减少对大风过程的漏报，但容易增加精细化格点预报的空报率；若按预报风级分类结论对实际预报风级进行减小订正，虽会提高精细化格点预报的准确率，但易造成大风过程的漏报。因此，有必要进一步探究预报偏差原因，进行有针对性、差别化的预报订正。实际预报工作基于模式预报开展，因此，下文以预报分类为基准，对阵风预报误差进行进一步的检验与分析。

对ECMWF细网格3~72 h逐3 h阵风预报与实况风速进行预报误差检验（图3）。可以看出，各时效预报最大误差为11.1~17.7 m·s^-1，最小误差为-20.4~-10.5 m·s^-1，ME为0.88~1.06 m·s^-1，随着预报时效延长平均误差没有明显变化趋势，但MAE却逐渐增大（表略）。将ME按照数值大小进行统计，最大的前10%在4.67~5.36 m·s^-1，随着预报时效延长呈震荡增大趋势；最小10% ME为-3.56~-2.53 m·s^-1，随着预报时效延长ME基本呈（负差）增大趋势；各时效最大、最小10% ME的绝对值与各自的MAE完全相等，说明预报偏大（偏小）的10%个例均为正差（负差）。

ECMWF细网格10 m阵风预报ME随风级增大而增大，当风力达到6级及以上，不同风向的预报误差开始出现差异（表4）。5级及以下风力，所有风向ME均随风级增大而增加（-0.02~1.55 m·s^-1）；6~9级风力，只有西北风、东风、东南风和南风ME随风级增大而增加，而西南风、东北风、北风ME随风力增大而减小，西风6级ME相比5级有所减小，但7~9级西风ME也随风力增大而增加；9级及以下北风和西风、8级及以下东北风和西南风，ME随风级递增幅度相对较小，预报稳定性优于其他风向；9级或以上风力，多数风向ME迅速增大，其中东北风、东风、南风、西南风9级风力预报ME都在5.00 m·s^-1以上，但10级以上风力出现站次明显减少，统计意义较差，这也导致东南风、南风和西北风10级风力ME出现大幅减小的情况。若不进行风级区分，则各风向风力预报ME差异并不大，其中北风、东北风、东风、东南风预报ME相对偏小，东南风最小为0.70 m·s^-1，南风、西南风、西风、西北风预报ME相对偏大，西北风最大为1.15 m·s^-1。

对不同风向的阵风预报进行相关性检验（表略），结果表明，各风向任一时效均通过α=0.01的显著性检验。在不区分风向情况下，3~72 h所有时效相关系数是0.627，具体到各风向看，北风最好（0.681），其次是西北风（0.635），其他风向相关系数均小于0.627，最小的是东风（0.503）和南风（0.509）。各风向不同时效的相关系数随预报时效延长均呈减小趋势，其中北风除72 h（0.783）略低外，其他时效均在0.800以上，最高达0.887；东风最大0.800，最小0.566，所以从预报稳定性及其与实况的相关性来看，对北风的预报最好。各风级、各时效预报与实况相关系数比较来看，按风向分类的相关性远大于按风级分类的相关性，不同风向预报ME差异也明显小于不同风级间的差异。

阵风对边界层湍流、表面粗糙度、层结稳定性和地形波等物理因素都很敏感（Harris and Kahl，2017；Letson et al.，2018）。由于大气运动存在明显日变化，湍流、动量下传等影响风速大小的因子也存在明显日变化，这可能导致ECMWF细网格10 m平均风和阵风预报误差也具有相应的日变化。杨景泰等（2021）研究表明，大连地区的ECMWF 10 m平均风速预报与正点最大风速对应最好，ECMWF 10 m平均风速预报ME有白天小、夜间大的明显日变化。统计2017—2019年3~24 h共8个时效的ECMWF 10 m平均风ME、ECMWF 10 m阵风ME、实况正点最大风日平均值、ECMWF 10 m平均风速的日平均值，探讨大连地区ECMWF 10 m阵风预报ME日变化情况及原因。由图4（a）可以看出，ECMWF细网格阵风ME日变化分布呈单峰型，半夜至上午误差明显大于下午至前半夜，08：00 ME（1.31 m·s^-1）最大，20：00 ME（0.64 m·s^-1）最小；对比ECMWF 10 m平均风ME发现，阵风ME与平均风ME日变化趋势基本一致，只是阵风ME达到最小值的时间略有延迟。探究其原因，首先某时效3 h预报阵风是该时效前3 h内的阵风最大值，并非该时刻值，所以存在延迟的可能；其次，李昱茜等（2022）在研究大连地区阵风系数日变化特征时发现，平均阵风系数最小的时段为18：00—23：00，也就是该时段风的阵性最小，阵风小其预报误差也相对偏小，这也可能是阵风ME延迟的原因之一。

ECWMF IFS Documentation（ECMWF，2018）模式方案中，ECMWF细网格模式中的阵风已被参数化为10 m平均风、湍流阵风以及对流阵风的总和，阵风可简单理解为湍流阵风和对流阵风（将这两项统称为“叠加阵风”）叠加在10 m平均风上构成，由于阵风ME日变化与平均风ME趋势基本一致[图4（a）]，且“叠加阵风”预报ME（分别将实况阵风和预报阵风去除平均风得到各自的“叠加阵风”项，用预报减去实况值再求出平均值）日变化则与湍流、对流的日变化完全一致[图4（b）]，因此，可以认为阵风ME日变化主要由平均风ME变化引起，实况最大风速日平均值昼夜差值（1.82 m·s^-1）明显大于ECMWF预报的10 m平均风昼夜差值（1.09 m·s^-1），ECMWF 10 m平均风速预报没有完全反映出实况风的日变化，致使ECMWF 10 m平均风、阵风预报ME均产生明显的日变化。因此，如果对预报风速误差进行订正，按每日不同时刻订正效果可能会更好。

研究指出ECMWF 10 m平均风预报误差随地域或海陆的不同存在差异（吴俞等，2015；方艳莹等，2019），大连地区ECMWF 10 m风场与实况资料对比检验中也发现不同站点风级、风向预报存在明显差异（杨景泰等，2021），因此有必要对ECMWF 10 m阵风预报的地区差异进行检验。从图5（a）看出，9个测站大致分为3类，庄河站的各风级预报ME最大均为正差，且随风级增加预报ME持续增大；金州、长兴岛8级或9级以下风力预报ME偏小，部分风级ME为负差；其他6站预报ME介于这两类之间。除庄河站外，其他各站3~5级风力预报ME均随风级增大而增大，6~8级（皮口6~7级、长兴岛6~9级）预报ME变化趋缓或略有回落，8级或9级以上又迅速增大。针对某一风向，各站预报ME表现出明显差异[图5（b）]，其中差异最大的北风，庄河站ME最大达2.69 m·s^-1，金州站ME最小为-0.48 m·s^-1；其次是西南风和南风，不同站点最大和最小预报ME相差分别为2.88 m·s^-1和2.83 m·s^-1。针对某一站点，不同风向同样也表现出明显差异，其中金州和长兴岛站虽然风级预报ME最小，但不同风向预报ME却最大，金州站南风ME为1.26 m·s^-1，东风ME为-0.73 m·s^-1，长兴岛站西北风与南风预报ME差值达1.77 m·s^-1；不同风向预报ME差值最小的是大连站，其西风ME最大（1.48 m·s^-1），南风和北风ME最小（0.68 m·s^-1）。总之，各站之间以及每个站的预报ME在不同风级、风向上均存在明显差异，且前者差异大于后者。上述分析表明，不同风向预报ME差异大（金州、长兴岛）或差异小（大连）的站点，以及各站整体预报ME偏大（庄河、皮口）或偏小（金州、长兴岛）的测站均位于沿海。

应用2017—2019年ECMWF细网格3~72 h阵风和平均风预报与大连9个国家站观测数据对阵风预报ME等进行了检验分析，开展了以预报和观测为不同分类基准的对比分析，以预报为基准按风级、风向、站点的误差检验分析，并对预报ME日变化进行了分析解释，得到如下结论：

（1）按预报风级和实况风级为分类基准进行的对比检验，得到的结论并不一致。从实际预报工作应用角度看，以预报风级为分类基准更合理。

（2）ECMWF细网格10 m阵风3~72 h预报与实况整体相关性很好，各时效预报相关系数均在0.700以上。但按风级分类统计相关性，其相关系数大幅减小，8级以上转为不相关；而按风向分类的相关性则较好，各风向、各时效预报相关系数均在0.566以上。

（3）ECMWF细网格10 m阵风3~72 h预报整体偏大，平均偏大0.96 m·s^-1。预报ME随风级增大而增大，3~8级风增大趋势缓慢，8级以上则随风级迅速增大。

（4）各风向预报ME差异明显，但不同风向差异要小于不同风级的差异，各风向预报ME随风级变化趋势各异，但主要在6~8级间差异明显。综合预报ME、相关系数以及各时效预报的稳定性看，北风预报效果最好。

（5）针对不同风向和风级，不同测站ME差异均较明显，其中沿海测站差异更明显。

（6）预报ME存在明显的日变化，08：00前后最大，20：00前后最小，其原因主要是由10 m平均风的ME日变化所致。

从检验分析中可以得出，预报误差与站点、风向、风级等均密切相关，且存在明显的日变化，本文应用地面及高空要素因子对地面风的预报进行了回归订正，初步的订正效果检验表明，按站点、风向分类订正明显好于不分站点、风向的订正效果，而按风级再分类进行订正其效果还需做进一步的分析，这也与风向、风级的相关性检验相一致，因此，本文的阵风预报误差检验分析对预报订正有很好的指导意义，但在检验分析中发现每个风级及各个风向的预报都存在偏大偏小的个例，简单预报订正或回归订正都存在个别增大预报误差的情况，因此有必要进一步探寻预报偏大、偏小的原因，以便更好地实现对预报偏差的订正。