龔俊強，劉朝順，劉延安，喬楓雪

（1.華東師范大學地理信息科學教育部重點實驗室，上海200241；2.華東師范大學地理科學學院，上海200241；3.華東師范大學中國科學院對地觀測與數字地球科學中心環(huán)境遙感與數據同化聯合實驗室，上海200241）

1 引 言

我國是世界上臺風登陸最多、災害最重的國家，平均每年登陸我國的臺風有7～8個[1]。因此，提高臺風的預報預測能力，加強臺風數值預報的可靠性和準確性研究，對于防御和減少臺風災害有十分重要的意義[2]。模式過程、側邊界和物理過程是影響數值預報結果的重要因素[3]。其中初值不確定性是數值天氣預報模式中預報誤差的最主要來源之一，即使小的初始誤差也可能隨預報時效的延長而迅速增長，最終導致確定性預報的失敗[4]。周菲凡等[5-6]研究指出，通過消除初始誤差、提高初始分析場的精度，可以有效提高預報技巧，從而改善臺風預報水平。除了改進數值模式以外，改善初始場也是提高臺風預報能力的關鍵因素，而這依賴于觀測資料同化[7]。對于臺風系統(tǒng)的預報誤差研究表明其具有顯著的中小尺度結構特征，在混合資料同化系統(tǒng)中采用合適的耦合系數對分析和預報質量有正效果[8]。

目前的觀測資料由常規(guī)觀測資料 (主要為地面測站資料、無線電探空資料)和非常規(guī)探測資料(如雷達資料、衛(wèi)星輻射率資料)構成。近年來，在衛(wèi)星資料、雷達資料、探空資料、地面自動站資料等的同化應用研究中取得了一系列成果。例如，鄒力等[9]發(fā)現直接同化衛(wèi)星亮溫資料能夠改善初始場結構，尤其是對西太平洋反氣旋系統(tǒng)，進而提高對熱帶氣旋路徑的模擬精度。余意等[10]研究表明同化IASI資料有利于改善臺風預報技巧。Srivastava等[11]研究發(fā)現同化多普勒雷達資料可以有效改進熱帶氣旋結構、強度、移動路徑以及風速風向。李昕等[12]比較研究了雷達徑向速度同化和反演風同化對臺風“燦都”分析和預報的影響，研究發(fā)現聯合同化策略的預報表現最優(yōu)。朱磊等[13]研究認為，對我國東南沿海有可能達到較強的臺風進行同化雷達徑向風觀測資料可改善登陸臺風的預報水平。

在探空資料的同化應用研究方面，李躍清等[14-16]針對西南渦加密觀測試驗中得到的加密觀測資料（包括探空資料）在西南地區(qū)業(yè)務數值天氣預報中的應用進行了分析，結果表明：同化加密探空資料改進了模式初始場質量，提高了降水業(yè)務預報水平，尤其是區(qū)域性暴雨天氣預報。寶興華等[17]利用WRF-EnKF系統(tǒng)同化常規(guī)探空資料，顯著改善了數值預報的初始場，減小了各物理量的預報偏差和預報均方根誤差，進而提高了暴雨過程的降水落區(qū)和強度的預報準確率。徐同等[18]利用華東區(qū)域中尺度數值預報業(yè)務系統(tǒng)比較同化加密探空觀測資料前后模式預報結果的差異，發(fā)現同化加密探空資料后模式初始場更接近實況，對強降水及形勢場預報均有不同程度改進，24 h暴雨和大暴雨量級降水的預報技巧分別提高了2.5%和8.1%。莫毅等[19]利用WRF-3DVAR同化系統(tǒng)同化了常規(guī)探空和地面觀測資料，結果表明同化能夠改進初始場，并可改進暴雨落區(qū)和強度預報。張釗揚等[20]研究表明，同時同化常規(guī)觀測資料和GPS探空廓線數據可以有效彌補常規(guī)數據精度不高、GPS數據水平分辨率低的缺點，無論是對降水的落區(qū)還是強度都有很好的改善。

針對探空資料同化對于臺風數值模擬的影響，也有部分學者進行了研究。邱學興等[21]對比分析了LAPS系統(tǒng)中兩種資料融合方法對臺風“?？钡念A報效果，結果表明探空資料的融合具有明顯正效果，探空資料對6 h后臺風路徑預報改進明顯。曲曉波等[22]研究發(fā)現，同化下投式探空資料為數值預報提供了較為接近實際的初始場，從而提高了數值預報的精度，改善了颶風路徑預報，其中以濕度場和風場的貢獻為最大。張誠忠等[23]基于下投探空觀測資料，進行了有無以同化下投探空為初始場的GRAPES模式的模擬試驗，以了解下投探空資料對臺風“莫拉克”預報的影響作用。結果表明：同化下投探空資料后改進了模式初值場，臺風的路徑更接近實況，48 h臺風路徑預報誤差比原來減少18%。

Benjamin 等[24]利用 OSE（Observation System Experiment）方法分析比較了地面報、飛機報、風廓線、探空、VAD（Velocity Azimuth Display）和 GPS水汽等多種數據在快速更新循環(huán)系統(tǒng)中的相對貢獻率，發(fā)現飛機報對模式起報后3～6 h的預報貢獻率最大，其次為探空，風廓線、GPS水汽和地面資料也對短時預報有正貢獻。陳鋒等[25]以臺風“菲特”為例，利用WRF模式與GSI-3DVAR同化系統(tǒng)開展觀測系統(tǒng)試驗(OSE)研究，探討了不同類型資料同化對“菲特”（2013）路徑、強度、形勢場和降水短時預報的相對貢獻及可能影響機理。結果表明：對高空場和臺風路徑模擬影響較大的是探空和飛機報，對臺風強度模擬影響較大的依次是雷達徑向風、反射率、探空和飛機報，而對降水模擬影響較大的依次是雷達反射率、探空和飛機報。董海萍等[26]針對臺風“潭美”的多源同化研究表明常規(guī)觀測資料對臺風路徑預報改善效果最明顯，衛(wèi)星資料對海上臺風路徑的修正較好，而雷達資料則對臺風登陸后的路徑預報有改善，并且多源資料的融入效果最好。

以往的研究多集中于衛(wèi)星、雷達等非常規(guī)觀測資料同化對數值模擬的影響，對于探空、飛機報資料的同化應用尤其是對于臺風數值模擬的影響研究仍然較少。本文主要針對2015年臺風“蘇迪羅”二次登陸過程，基于中尺度數值天氣預報模式WRF（Weather Research Forecast）和國內外廣泛使用的 WRFDA（WRF Data Assimilation），利用NCEP （National Centers for Environmental Prediction）ADP（Automated Data Processing）提供的全球高空觀測天氣數據（Global Upper Air Observational Weather Data），同時同化其中的無線電探空、飛機報觀測資料，并進行模擬預報，對比同化前后模擬的降水、初始場、臺風結構的差異，評估探空、飛機報資料同時同化對臺風“蘇迪羅”數值模擬的同化效果。

2 臺風個例簡介

超強臺風“蘇迪羅”（Soudelor）是2015年太平洋臺風季第13個被命名的熱帶氣旋，于北京時間7月30日20時在西北太平洋洋面上生成，強度逐漸加強，8月2日開始快速加強，8月3日加強為超強臺風級，爾后達到其巔峰強度17級以上（65 m/s）；8月8日凌晨，以中心附近最大風力15級（48 m/s）在臺灣省花蓮市登陸，并于同日晚22時以中心附近最大風力13級（38 m/s）在福建省莆田市登陸，進入內陸后逐漸減弱，8月9日減弱為熱帶低壓，8月10日17時停止編號。臺風“蘇迪羅”帶來的降水量大、持續(xù)時間長、影響范圍廣，給社會造成巨大經濟損失[27]。臺風影響期間，浙江福建兩省普降暴雨，溫州全市過程平均雨量271.9 mm，日降雨量最大為文成縣桂山站608.5 mm，暴雨重現期超200年一遇[28]。

3 模式方案設計

本文使用的模式版本為WRF3.8.1，采用單層嵌套，中心經緯度為120°E，30.5°N。格點數為185×190，格距為 12 km，模式頂部氣壓為 50 hPa，垂直層數為30層。模式積分步長為72 s，每隔6 h輸出一次模擬結果。選用的長波輻射方案為RRTMG，短波輻射方案為Dudhia，微物理參數化方案為WSM5，積云對流參數化方案為KF，邊界層參數化方案為YSU，陸面過程方案為Noah。

模式驅動數據采用 1°×1°逐 6 h的NCEP/FNL全球分析資料，使用的數據時間段為2015年8月8日00時—8月10日00時（世界時，下同）共48 h，其中前12 h為模式spin-up階段。FNL數據也作為觀測數據與模擬結果進行對比驗證。臺風路徑觀測數據來自于中國氣象局熱帶氣旋資料中心（tcdata.typhoon.org.cn）提供的熱帶氣旋最佳路徑數據集。觀測降水資料采用從中國氣象數據網（http://data.cma.cn/）下載的中國自動站與CMORPH（CPC MORPHing technique）降水產品融合的逐時降水量網格數據集（1.0版），該數據水平分辨率為0.1°×0.1°。產品的總體誤差＜10%，對強降水和站點稀疏區(qū)的誤差＜20%。蘇傳程等[29]對比了多種融合降水產品對臺風“蘇迪羅”降水的監(jiān)測效果，發(fā)現CMORPH融合產品能清晰呈現臺風降水分布，降水誤差比多衛(wèi)星集成降水產品小一個量級。

本文采用WRF-3DVAR同化系統(tǒng)對高空觀測資料進行同化。所使用的觀測資料為NCEP ADP提供的全球高空觀測天氣數據（下載地址：https://rda.ucar.edu/datasets/ds351.0/）。該數據來自于全球氣象數據交互系統(tǒng)中的無線電探空、船舶和飛機報。時間為2015年8月8日12時。同化時所選擇的資料為地面探空站點和飛機報資料，其中探空資料包含氣壓、風向、風速、溫度、露點、濕度五種氣象要素，而飛機報資料不含露點和濕度參數。探空站點個數為46，飛機報觀測記錄為1 796個；經過觀測資料前處理剔除一部分重復數據后，參與同化的探空站點個數為45個，飛機報觀測記錄為1 784個。王瑞文等[30]研究表明，飛機報資料主要集中在1 000 m（對應900 hPa左右）以下的低層（起飛階段）和10 000～12 000 m（對應100 hPa左右）的高層（平飛階段）。模式模擬范圍以及探空站點和飛機觀測數據分布如圖1所示。

WRF模式起始時刻為8日00時，同化分析時刻為8月8日12時，同化窗口為前后3 h。將WRF模擬預報12 h后的預報場作為WRFDA三維變分系統(tǒng)的背景場，引入探空及飛機報觀測資料，同化得到分析場后作為WRF模式新的初始場繼續(xù)積分36 h，作為同化試驗（下稱ADP）。未同化而繼續(xù)積分36 h的模擬作為控制試驗（下稱CTL）。兩組試驗均采用相同的動力、物理過程及相同的時間積分步長。

4 環(huán)流背景分析

臺風的發(fā)生發(fā)展與環(huán)流形勢的演變密不可分。本文以500 hPa位勢高度場分析對流層中層環(huán)流形勢的演變。圖2為2015年8月8日12時—9日18時共30 h的500 hPa位勢高度場逐6 h的變化情況?？梢钥闯?，在臺風發(fā)展移動過程中，中高緯度地區(qū)始終維持兩槽一脊的形勢：貝加爾湖附近為一較明顯的高壓脊；我國東北附近則存在一個較明顯的低渦中心，東北受低槽控制；西伯利亞地區(qū)為一強大的低壓及低槽區(qū)，等高線非常密集。中低緯度30°N附近主要存在兩個高壓，分別是中亞的大陸高壓、西太平洋副熱帶高壓。副高東西兩側分別存在兩個熱帶氣旋，隨著臺風的二次登陸，副高強度逐漸減弱，且不斷收縮南退。大陸高壓及副高的東西夾擊形勢，控制并引導著臺風的移動方向。

5 模擬結果分析

5.1 臺風移動路徑

圖3為兩組試驗及觀測的移動路徑及路徑誤差。從圖3a中可以看出，兩組試驗模擬的臺風移動路徑與觀測基本一致，均是二次登陸后繼續(xù)穿過福建進入江西，而后進入鄂贛皖交界處，移動方向也由西北移轉為近乎向北。從與實測的路徑偏差（圖3b）來看，在36 h的預報時效內，兩組試驗的預報誤差均呈先升后降的變化形勢，尤其是預報18～30 h的范圍內誤差最大。對比兩組試驗路徑誤差可以看出，控制試驗(CTL)與同化NCEP高空資料的試驗（ADP）路徑誤差均在110 km以下，ADP試驗在同化后第12 h預報誤差改善最為明顯，減小了約50 km，誤差減小了52.8%；從均方根誤差來看，CTL試驗的均方根誤差為79.246 km，ADP試驗為65.4 km，同化后均方根誤差減小了約17.5%。

5.2 臺風強度

臺風中心附近最低氣壓和最大風速是表征臺風強度的指標之一，也是判斷強度預報準確性的重要依據。圖4給出了觀測與模式模擬的同化分析時刻后36 h內的中心最低氣壓及最大風速變化及其與觀測值偏差圖，表1為兩組試驗模擬的均方根誤差。從圖4a中可以看出，在臺風登陸過程中，中心最低氣壓逐漸升高，最大風速逐漸減小，表明臺風強度逐漸減弱。而對比觀測與兩組模擬試驗可以發(fā)現，模擬結果中心最低氣壓均比觀測值要低，強度偏強。其中，ADP試驗較CTL試驗更接近實測，ADP試驗在同化后0～24 h內模擬的中心附近最低氣壓偏差減小較為明顯，尤其是第12 h減小了約2 hPa，表1中顯示ADP試驗最低氣壓的均方根誤差減小了1.1 hPa，改進了約18.1%。對于中心附近最大風速的模擬，圖4c顯示兩組試驗在同化后12 h前模擬較觀測偏小，對應臺風強度偏弱，12 h后模擬較觀測偏大，對應臺風強度偏強。同時由圖4d可知，0～12 h內，ADP試驗模擬的最大風速偏差要大于CTL試驗，而18～24 h和第36 h，CTL試驗大于ADP試驗，表明同化效果直到18 h后才開始顯現。從表1中可以看出，ADP試驗模擬的最大風速均方根誤差比CTL試驗小。總體而言，同化對于臺風近中心最大風速的模擬有一定的改進作用，但仍存在偏差，可能與觀測資料尤其是飛機報資料在東南沿海地區(qū)分布較為稀疏有關。

表1 模擬與觀測的臺風中心最低氣壓（MSLP）與最大風速（MWS）的均方根誤差

5.3 臺風降水預報評估

臺風暴雨一直以來都是數值天氣預報研究的重難點之一。臺風“蘇迪羅”二次登陸期間，給浙江福建兩省帶來了大范圍的強降水，尤其是浙閩交界部分地區(qū)遭遇了百年一遇的特大暴雨。本文重點關注東南沿海地區(qū)（114～124 °E，22～32 °N）的強降水事件的模擬。由于該區(qū)域強降水主要發(fā)生在9日12時之前，因而本文主要分析8日12時—9日12時這一時段的降水模擬情況。

圖5給出了觀測與模擬的逐6 h和24 h累積降水分布情況?？梢钥闯鼋邓饕性?～12 h內，其中浙閩交界處部分站點6 h累積雨量超100 mm，同時24 h累積雨量部分站點超200 mm。兩組試驗都較好地模擬出了強降水落區(qū)及量級，不足之處在于強降水模擬偏弱、范圍偏小。CTL試驗模擬的24 h累積最大降水量為231 mm，ADP試驗模擬最大降水量為255 mm，而觀測最大降水量為345 mm。模式對于同化時刻后0～6 h、6～12 h、0～24 h的累積降水分布模擬較接近觀測，但總體而言降水模擬強度偏弱、范圍偏大。對12～18 h、18～24 h的模擬則與觀測差異較大，螺旋雨帶結構不明顯，對安徽南部的降水模擬明顯偏弱。此外，比較兩組試驗中湖北、安徽、江西降水的分布范圍可以看出，ADP試驗模擬的5 mm以上的降水范圍比CTL小，更接近觀測分布。

為進一步定量評估降水模擬情況，本文利用均方根誤差（RMSE）和相關系數來比較模擬與觀測的差異以及同化前后的降水預報改進情況。由于模式與觀測降水數據的水平分辨率不一致，需要先對模式模擬的降水數據利用雙線性插值方法統(tǒng)一插值到水平分辨率為0.1°×0.1°的格點上，然后計算均方根誤差和相關系數。表2給出了計算結果，除了0～6 h以外，其他時段ADP試驗與觀測的相關系數均高于CTL試驗，0～6 h相關系數和 CTL 試驗也很接近，并且 0～6 h、6～12 h、0～24 h的相關系數均在0.65以上，相關程度較高。從均方根誤差來看，除0～6 h外，其它時段ADP試驗的均方根誤差均較CTL試驗有不同程度的減小，其中 同 化 后 6～12 h、12～18 h、18～24 h、0～24 h 的RMSE分別減小了1.02 mm、2.04 mm、0.59 mm、2.61 mm，減小幅度約為8.46%、17.11%、4.27%、8.80%。

均方根誤差和相關系數只是評估降水的整體預報效果，對于各量級降水的模擬預報通常采用氣象部門業(yè)務上廣泛使用的TS評分方法來評估。表3是氣象業(yè)務部門通用的24 h累積降水等級分類標準。

表3 降水等級分類

通過前面分析已知，ADP試驗對東南沿海地區(qū)24 h累積降水預報有所改進。由于觀測的降水主要集中在浙江福建兩省，強降水落區(qū)位于浙閩交界處，故而重點關注該區(qū)域的降水模擬效果。本文選取 116～122 °E，23～31 °N 作為 TS 評分檢驗區(qū)域，每隔0.2°一個評分格點，共1 271個格點，評估該區(qū)域24 h累積降水預報效果。圖6a為TS評分區(qū)域樣本分布圖，其中黑點為有效樣本，共878個，紅點為觀測數據中的缺測點，有393個。

其中，Na表示在檢驗區(qū)域內模擬和實況降水量都出現在某一等級內的樣本個數，Nb表示模擬出現而實況未出現的樣本個數，Nc表示模擬未出現而實況出現的樣本個數。

圖6b給出了TS評分結果，兩組試驗對大雨和大暴雨的預報評分較高，并且隨著降水等級的增加（除特大暴雨外），預報評分有升高的趨勢。對比同化前后預報評分變化可以看出，除大雨外，ADP同化試驗對其他各等級降水預報評分均高于CTL控制試驗，并且大雨評分僅略微低于CTL試驗，這表明同時同化探空及飛機報觀測資料對于該區(qū)域的降水預報確實有明顯的改進。其中ADP試驗對中雨和特大暴雨的改進最為明顯，TS得分增加了約10%，這表明同化方案對特大暴雨等極端降水預報的改進較為理想。

6 同化對模式初始場的影響

資料同化的目的在于改進模式初始場，進而改進預報效果。為了分析探空和飛機報資料同化對初始場不同高度上各要素模擬的影響，進而研究其對降水模擬的作用，本文以FNL再分析資料作為觀測值，將同化分析時刻（8日12時）模式模擬范圍內溫度、相對濕度、緯向風、經向風四個物理量分別插值到水平分辨率為1°×1°的格點上，然后計算不同高度上的區(qū)域平均值，并求出模擬相對于觀測的均方根誤差，評估同化對于初始場的改進效果。

6.1 模式初始場分析

圖7給出了兩組試驗初始場各要素均方根誤差的垂直分布情況。圖8為同化前后各要素各高度上均方根誤差的差值。結合圖7和圖8可以看出，同化探空和飛機報資料之后，溫度、緯向風和經向風在各高度上均方根誤差均有所減小，而在中高層400～150 hPa，相對濕度的均方根誤差反而略有增大。從減小的數值來看，溫度減小最多的為100 hPa，減小了0.33℃；相對濕度減小最多的為100 hPa，減小了2.29%；緯向風減小最多的為900 hPa，減小了0.62 m/s；經向風減小最多的為450 hPa，減小了0.83 m/s。從減小的最大幅度來看，400 hPa溫度減小了約為44.8%；850 hPa相對濕度減小了約為9.6%；900 hPa緯向風減小了約為17.4%；450 hPa經向風減小了約為29%。從各高度均方根誤差的平均變化情況來看，溫度在各高度上平均減小了0.13℃，約為19%；相對濕度平均增加了0.5%，約為0.6%；緯向風平均減小了0.27 m/s，約為9.9%；經向風平均減小了0.38 m/s，約為13.4%。從圖8中均方根誤差減小的垂直分布情況來看，溫度、相對濕度、緯向風和經向風在900 hPa、850 hPa高度上均方根誤差減小的均較為明顯，同化改進效果較好，這可能與飛機報資料主要集中在低層且不含露點和相對濕度有關?？傮w而言，同化探空和飛機報資料后確實對模式初始場有了較為明顯的改進。

6.2 同化前后增量分析

由6.1分析可知，溫度、相對濕度、緯向風和經向風在900 hPa、850 hPa高度上的均方根誤差減小較為明顯。由降水形成條件可知，水汽是影響降水產生的重要條件之一，而水汽既與相對濕度有關，又和風場對水汽的輸送有著密切聯系。為進一步分析同化之后初始場改善與降水預報之間的關系，選取850 hPa相對濕度、風場和水汽通量進行同化增量分析，即同化與未同化的偏差，進一步分析同化效果。圖9給出了同化前后850 hPa相對濕度、風場、水汽通量對比以及增量分布。從圖中可以看出，在浙閩交界地區(qū)，相對濕度表現為北部變濕南部變干，850 hPa風速減小，20 m/s以上的區(qū)域范圍也有所減小。這表明低層850 hPa臺風環(huán)流有所減弱，對于水汽的輸送可能有所減少。

進一步分析850 hPa水汽通量，可以看出：除臺風中心附近以外，東南沿海地區(qū)的水汽通量明顯減少，減小最為明顯的是浙閩交界地區(qū)。由5.3中分析可知，ADP試驗模擬的降水范圍較CTL試驗有所減小，更接近實測。水汽通量減少有可能使得降水范圍有所縮小。

7 同化對臺風結構的影響

臺風的強度與路徑除了與大尺度環(huán)境流場有關外，也和臺風自身結構密不可分。為了進一步分析同化對初始場臺風水平和垂直結構的影響，選取海平面氣壓場和地面風場、水平溫度異常和水平風速剖面進行分析。圖10為同化前后海平面氣壓場和地面風場、水平溫度異常和水平風速剖面圖。其中，水平溫度異常剖面圖反映的是臺風暖心結構的分布，暖心結構是熱帶氣旋的主要特征之一，而且這種暖心結構對于熱帶氣旋的形成與發(fā)展是必不可少的。以圖10a中觀測臺風中心位置東西約 10個經距（115～125°E）為研究區(qū)域，求出區(qū)域內垂直方向上各層溫度平均值，再由每一層上各點的溫度值減去相同層的溫度平均值得到各層的水平溫度距平。

從臺風水平結構來看（圖10第一行），兩組試驗模擬的最低氣壓位置與觀測臺風中心位置（119.6 °E，25.9°N）基本一致，并且臺風北側的氣壓梯度更大。同化后，海平面氣壓低值區(qū)范圍較同化前有所縮小，并且臺風中心附近地面風速也有所減弱，對應臺風強度有所減弱，這與5.2中分析一致。

從暖心結構垂直分布（第二行）來看，臺風中心附近存在明顯的水平溫度正距平區(qū)，并且大于1℃的范圍從底層一直延伸至100 hPa附近。這一正距平區(qū)存在兩個較為明顯的中心，一個位于250～350 hPa之間，另一個位于 500～700 hPa之間。對比同化前后的暖心結構可以看出，同化前后溫度異常分布基本一致，但范圍略微有所減小。

對于成熟的臺風結構而言，臺風中心會存在一個垂直的低風速區(qū)，也就是“臺風眼”，而臺風中心周圍則是風速大值區(qū)。圖10e和10f清晰呈現了這一結構，并且具有一個明顯對稱的水平風場垂直結構。臺風中心東西兩側低層700～850 hPa之間存在風速最大值區(qū)，最大值達40 m/s以上。并且除臺風中心附近以外，高層150 hPa附近也明顯存在一對稱分布的風速低值區(qū)，對應于高層強烈的輻散流出。對比同化前后可以看出，臺風中心西側的風速大值區(qū)基本不變，而東側的大值區(qū)范圍及強度均有所減小。這表明臺風中心東側的氣旋性環(huán)流有所減小，可能造成低層的水汽輸送減弱，這與6.2中分析一致。

8 結論與討論

本文基于中尺度數值天氣預報模式WRF和WRFDA三維變分同化系統(tǒng)，針對2015年臺風“蘇迪羅”二次登陸過程，利用NCEP ADP提供的無線電探空、飛機報觀測資料，同時同化兩種資料，并進行36小時模擬預報，從臺風移動路徑、強度、降水及模式初始場改進、臺風結構等方面對比分析了同化模擬效果。主要試驗結果和結論如下：

（1）路徑預報方面。ADP試驗在同化后第12 h預報誤差改善最為明顯，減小了約50 km，誤差減小了52.8%；從均方根誤差來看，CTL試驗的均方根誤差為79.246 km，ADP試驗為65.4 km，同化后均方根誤差減小了14.846 km，約17.5%。

（2）強度預報方面。同化后0～24 h內模擬的中心附近最低氣壓誤差減小較為明顯，尤其是第12 h減小了約2 hPa。同化后36 h最低氣壓的均方根誤差減小了1.1 hPa，改進了約18.1%。對于中心附近最大風速的模擬，同化效果在18 h后開始顯現。同化對最低氣壓和最大風速模擬的均方根誤差均有所減小。

（3）降水預報方面。同化對 6～12 h、12～18 h、18～24 h及0～24 h的累積降水均有不同程度的改進。24 h累積降水的TS評分結果顯示，同化后除大雨外其它各等級降水均有不同程度的改進，其中對中雨和特大暴雨的改進最為明顯。

（4）初始場改進方面。除中高層相對濕度外，同化對各高度上溫度、相對濕度、緯向風和經向風的均方根誤差均有一定程度的改進。溫度在各高度上平均減小了0.13℃，約為19%；相對濕度平均增加了0.5%，約為0.6%；緯向風平均減小了0.27 m/s，約為9.9%；經向風平均減小了0.38 m/s，約為13.4%。從均方根誤差減小的垂直分布情況來看，溫度、相對濕度、緯向風和經向風在950 hPa、850 hPa高度上改善較為明顯。

（5）臺風結構模擬方面。同化對初始場臺風水平和垂直結構的調整主要體現海平面氣壓和地面風場、暖心結構強度和不同高度的水平風速均有不同程度的減弱。

本文得出的結論僅適用于臺風“蘇迪羅”個例，對其他個例不一定同樣適用，鑒于此，以后有待選取多個個例進一步統(tǒng)計研究。同時，改進同化方案例如采用循環(huán)同化的方法分析同化次數對臺風預報的影響也是下一步研究的重點。此外，在本研究的基礎上，還可以對探空資料和飛機報資料分別進行同化，進一步探討和比較兩者對臺風路徑、強度和降水等不同方面改進的貢獻。