受下垫面诸多因素的影响,近地面风速本身具有强烈不稳定性,而数值天气预报模式又存在分辨率不足和物理参数化方案不完善等问题,上述原因共同导致复杂地形区域的近地面风速预报极易存在明显误差,给我国防灾减灾以及风资源评估等带来巨大挑战。本研究以上海快速更新同化数值预报系统(Shanghai Meteorological Service-WRF ADAS Rapid Refresh System,SMS-WARR)为代表,分析当前数值天气预报模式的近地面风速预报误差特征,通过研究预报误差和若干地形特征参量间的联系探讨了复杂地形所致风速预报误差的可能成因,并特别关注了台风影响期间的强风速预报问题。在此基础上,进一步建立了模式近地面风速预报的统计订正方案,评估表明可显著提高风速预报准确率。具体研究内容和主要结论如下:首先,利用江苏、浙江、上海、福建共计5500多个观测站点近一年的风速观测资料,对SMS-WARR模式的近地面风速预报进行了偏差、均方根误差和统计分布特征分析。结果表明:该模式对于实测小于六级的风存在系统性的高估,且预报时效越长,高估越明显;对于实测六级及以上的风存在系统性的低估,且随预报时效增长,低估会改善。模式预报风速和实测风速在5%至90%分位数之间的分布相似。台风影响期间,SMS-WARR模式预报的台风强风区域位置与实际基本符合,但范围明显偏大,偏差大值区大部分集中在预报风速六级及六级以上的区域以及大面积水体附近。为了认识复杂地形区域的风速预报误差特征,引入高度误差(dh)、坡角(sa)、坡长(sl)、相对坡长(rps)、网格地形标准差(std＿3km)和次网格地形标准差(std＿sso)等物理量来定量描述地形特征,进一步讨论地形对风速预报误差的影响。结果表明:dh与模式近地面预报风速的偏差有显著正相关关系;sa与偏差呈负相关关系,且预报风速越大,偏差随sa的减小越明显;对rps的分析表明,上坡时风的偏差从坡底到坡顶持续增大,下坡时风的偏差从坡底到坡顶整体增大,仅在坡后部到坡顶有略微减小。sl和std＿sso与偏差的相关性很弱。上述dh、sa和rps对风速偏差的影响与WRF模式中对高地形(如山峰)的明显低估和近地面层物理参数化方案的不足有关。台风影响时,dh和sa与风速偏差的关系在十级风圈外较为明显,且与上述总体的误差分析结果相似。在上述分析的基础上,将地形参数引入SMS-WARR模式近地面风速的统计订正模型,对比了逐步回归订正方法和神经网络订正方法的效果,并探讨了在台风条件下的适用性。结果表明:引入地形参数的线性回归订正方法可使均方根误差减小超过40%,偏差接近零,订正效果最好的是风速分级逐步回归订正模型;利用BP神经网络方法可使均方根误差进一步减小约2%,是否结合遗传算法进行优化对神经网络模型的订正效果没有明显差别。台风影响期间,风速分级订正模型能够改善大风区域过大的缺点,但存在订正后个别站点大风速预报明显减弱的问题,说明后期需进一步改进订正模型以适用于台风等灾害天气。