雷達和衛(wèi)星資料同化在一次華南暴雨預(yù)報中的應(yīng)用

張少婷，王東海，于星，陳權(quán)亮，丁偉鈺

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院，四川 成都 610225；2.中山大學(xué)大氣科學(xué)學(xué)院，廣東 珠海 519082；3.中國氣象局廣州熱帶海洋氣象研究所，廣東 廣州 510080；4.佛山市氣象局，廣東 佛山 528000)

近年來，隨著數(shù)值天氣預(yù)報理論和應(yīng)用技術(shù)的日臻完善、計算機處理能力的飛速提升、高時空分辨率觀測資料的不斷豐富，現(xiàn)代天氣預(yù)報技術(shù)取得了顯著的進步，在防災(zāi)減災(zāi)和各類專業(yè)服務(wù)中發(fā)揮著越來越重要的作用[1]。目前，數(shù)值天氣預(yù)報業(yè)務(wù)正向不斷提高預(yù)報預(yù)測準確率，加強對關(guān)鍵性、轉(zhuǎn)折性、災(zāi)害性重大天氣預(yù)警預(yù)報的水平，實現(xiàn)從傳統(tǒng)粗泛的預(yù)報預(yù)測向更準確及時、更精細、多時空尺度轉(zhuǎn)變[2]。為了更好的預(yù)報一些空間、時間尺度都較小的強對流天氣事件以及實際天氣過程的生命周期演變，如颮線、雷雨大風(fēng)、冰雹龍卷等，選擇高分辨率數(shù)值模式是非常必要的。由于大氣是一個高度非線性系統(tǒng)，數(shù)值模式的預(yù)報結(jié)果對初始場誤差非常敏感，在模式運行的時間內(nèi)這種誤差將隨時間累計，最終使預(yù)報結(jié)果失效[3]。資料同化技術(shù)可以有效融合背景場與觀測資料的信息，獲得最優(yōu)的模式初始場，是目前數(shù)值預(yù)報研究當中的一個關(guān)鍵問題[4]。

在資料同化領(lǐng)域，除了對同化方法有不斷的改進，雷達和衛(wèi)星資料作為目前使用最廣泛的非常規(guī)觀測資料，也被廣泛應(yīng)用于模式初始場的優(yōu)化，從而提高高分辨率區(qū)域數(shù)值預(yù)報的準確率。目前，主流的同化系統(tǒng)多與數(shù)值天氣預(yù)報模式緊密結(jié)合在一起，比如ARPS同化系統(tǒng)的ADAS云分析模塊就重點考慮冰向水凝物對反射率貢獻[5]，WRFDA同化模塊則包括了從數(shù)據(jù)預(yù)處理到后處理預(yù)報檢驗的整個過程[6-8]以及本文將使用的GSI格點分析系統(tǒng)，均設(shè)置好接口，可以同化常規(guī)和非常規(guī)觀測兩大類資料。其中，常規(guī)觀測一般指無線電探空觀測、常規(guī)地面氣象站觀測、船舶航線觀測和海上浮標觀測等得到的對大氣的溫、壓、濕、風(fēng)等氣象要素的直接觀測；非常規(guī)觀測手段主要指多普勒天氣雷達、衛(wèi)星、GPS及散射儀等對大氣狀態(tài)的探測，它們以后向散射率、輻射強度等物理量為觀測目標，觀測值經(jīng)反演處理可以得到大氣狀態(tài)信息。常規(guī)資料易于讀取和處理，但空間分辨率相對較低，非常規(guī)資料觀測密集卻較難處理，因而在使用的過程中也會面臨許多問題[9]。

多普勒天氣雷達觀測資料水平分辨率可達1 km，時間分辨率6 min，能夠提供強對流系統(tǒng)內(nèi)部三維結(jié)構(gòu)信息，能為風(fēng)暴尺度天氣系統(tǒng)初始化提供高時空分辨率的觀測。目前在國外的研究中，多使用3D-Var方法同化雷達反射率和徑向風(fēng)觀測資料，并引入業(yè)務(wù)預(yù)報系統(tǒng)以改進中小尺度溫濕度場，進一步提高短臨預(yù)報效果[10-13]。伴隨著近年來雷達資料同化技術(shù)的不斷發(fā)展，極軌和靜止衛(wèi)星的輻射觀測資料的直接同化也逐漸開始進步，有研究表明，對于全球模式的分析場，衛(wèi)星數(shù)據(jù)和常規(guī)探空資料提供的信息量已經(jīng)可以達到相當?shù)牧考塠14]。雷達反射率因子可以反映云、降水粒子的范圍和強度特性；徑向風(fēng)則可以給出粒子運動平行于雷達徑向的速度分量。

新一代葵花-8氣象衛(wèi)星(Himawari-8)攜帶先進的AHI成像儀，提供包括10個紅外、3個近紅外和3個可見光通道在內(nèi)的16個波段的地球全磁盤圖像。該衛(wèi)星觀測時空分辨率更高，可見光通道云圖分辨率達到0.5 km，近紅外和紅外通道云圖分辨率可達1～2 km，觀測頻率達到10 min一次。我國范圍內(nèi)的用戶都可以接收和利用該衛(wèi)星的觀測數(shù)據(jù)，它的運用也為中尺度天氣監(jiān)測和預(yù)報提供了一種更加先進更為有效的工具。過去很長一段時間里，衛(wèi)星資料的同化研究重點多集中于極軌氣象衛(wèi)星的工作[15-17]。近年來，在靜止衛(wèi)星的資料同化工作也有發(fā)展，Ma等[18]利用hybrid 4D-EnVar的方法直接同化葵花8衛(wèi)星Advanced Himawari Imager(AHI)產(chǎn)品，同化后對全球?qū)α鲗由蠈拥乃M有積極影響。在國內(nèi)，陳子通等[19]基于我國自主研發(fā)的區(qū)域預(yù)報模式GRAPES及其三維變分模塊，利用雷達、衛(wèi)星、飛機、常規(guī)地面和探空等觀測資料，開發(fā)了逐時循環(huán)同化系統(tǒng)(RUC)，并引入雷達回波，訂正模式的初始時刻的云水、雨水等信息，開展業(yè)務(wù)短臨預(yù)報。王洪等[20-21]針對氣象雷達探測資料的同化問題對北京2012年發(fā)生的“7.21”特大暴雨過程進行了降水模擬，得出在預(yù)報降水評分方面，同化雷達反射率資料的效果要優(yōu)于同化徑向風(fēng)的結(jié)論，之后又利用GSI系統(tǒng)嘗試直接同化我國風(fēng)云系列衛(wèi)星中FY-2E的紅外通道IR1、IR2和WV的輻射資料，并在2011年一次華南暴雨個例模擬分析中進行評估，得到預(yù)報結(jié)果有明顯改善的結(jié)論。

長期以來，對發(fā)生在華南地區(qū)的暴雨研究都受到廣泛關(guān)注[22-25]，胡瀟文等[26]針對2013年該地區(qū)的一次強降水天氣過程進行了常規(guī)觀測資料和AMSU-AMHSATMS 輻射率亮溫資料的直接同化研究，發(fā)現(xiàn)采用三維變分混合同化方法(3D-VarEnsemble)同化ATMS 的資料對預(yù)報試驗的改進表現(xiàn)最優(yōu)；文秋實等[27]也曾對2016年的一次颮線降水過程進行快速循環(huán)同化的模擬試驗，并評估了不同循環(huán)同化方案和雷達徑向風(fēng)資料同化對預(yù)報效果的改進情況。雖然目前對華南地區(qū)的暴雨研究已經(jīng)取得了一定的進展，但總體來說華南暴雨的預(yù)報準確率不高，與中國大陸其他地區(qū)(如江淮流域)的暴雨預(yù)報水平相比甚至更低。

本文將簡要介紹基于目前世界上獲取便捷、應(yīng)用技術(shù)比較成熟的GSI(gridpoint statistical interpolation)格點統(tǒng)計插值分析系統(tǒng)和ARW-WRF(advanced research WRF)模式建立的一套預(yù)報系統(tǒng)，并利用該系統(tǒng)對2017年7月發(fā)生在華南的一次降水個例進行預(yù)報試驗，同化雷達反射率、徑向風(fēng)和葵花-8衛(wèi)星資料后的預(yù)報結(jié)果對短臨預(yù)報能力的改善情況。

1 模式和資料

1.1 預(yù)報模式

本文使用的系統(tǒng)基于新一代高分辨率中尺度天氣研究預(yù)報模式WRF-ARW3.9版本和格點統(tǒng)計插值分析系統(tǒng)GSI3.5版本搭建，首先將GSI同化方案進行本地化改進，再與WRF模式連接，選取適用的參數(shù)化方案，從而建立包括資料預(yù)處理、同化系統(tǒng)和預(yù)報系統(tǒng)、后處理系統(tǒng)幾個模塊在內(nèi)的預(yù)報系統(tǒng)。

本文的模式區(qū)域設(shè)置如圖1所示。本同化試驗使用兩層雙向嵌套，水平格點分辨率分別為12 km(d01)和4 km(d02)，其中，d01包含了我國大部分地區(qū)，以求更好地把握大尺度天氣信息，d02則包含了我國華東到華南部分地區(qū)，區(qū)域的選取原則為既要利于本次降水過程的分析，也要節(jié)省計算資源。格點數(shù)分別為301×301，361×361，垂直方向為50層，模式頂高取為50 hPa。模式最外層區(qū)域中心經(jīng)度為114.8°E，中心緯度為25.4°N。2017年7月17日08時(北京時，BJT，下同)起報，預(yù)報時長為36 h，系統(tǒng)啟動后，將得到的側(cè)邊文件接入GSI同化系統(tǒng)，進行起報時刻各類觀測資料的同化，并接入WRF得到分別得到d01和d02的分析場，最后更新模式側(cè)邊界條件，進入WRF進行積分，得到預(yù)報結(jié)果。

圖1 (a)模擬區(qū)域設(shè)置，(b)模擬區(qū)域內(nèi)觀測站的分布(填色為地形高度，單位：m)Fig.1 (a)Simulation region setting and (b)distribution of observation stations (Shaded area is altitude, unit：m)

本文的幾組試驗均使用了相同的模式參數(shù)，其中，邊界層方案為YSU參數(shù)化方案，陸面過程選取NOAH參數(shù)化方案，輻射方案為長波輻射RRTMG和短波輻射Dudhia的參數(shù)化方案，云微物理參數(shù)化方案選擇為WDM 6，積云對流參數(shù)化方案被確定為Kain-Fritsch(New Eta)參數(shù)化方案等[28-29]。這些參數(shù)的選擇也是以更好地描繪華南，主要指本次個例中廣東沿海地區(qū)的降水為首要依據(jù)的。

基于上述模式設(shè)置，共設(shè)計6組試驗來驗證同化效果，幾組試驗不同參數(shù)設(shè)置見表1。其中控制試驗(CTL，下文也稱NDA)為僅使用GFS全球模式預(yù)報場提供的初、邊條件來進行模擬，不同化其他觀測資料；常規(guī)觀測資料同化試驗(CON)同化了GFS全球常規(guī)觀測、探空等burf/prebufr資料改進初始場；對雷達資料的同化包括僅同化雷達反射率因子和常規(guī)資料的試驗組(即RadarRef+CON，簡稱REF)，和僅同化雷達徑向風(fēng)和常規(guī)觀測資料的試驗組(即RadarVel+CON，簡稱VEL)；對葵花-8衛(wèi)星和常規(guī)資料的同化試驗組(AHI)；最后一組為同化上述所有4種資料來改進初始場的試驗組(ADA)。對于預(yù)報結(jié)果，選用ETS評分等常規(guī)方法來分析24 h累計降水，并通過計算同化試驗與不同化的對照組之前相應(yīng)氣象要素的均方根誤差(RMSE)，分析同化對溫、濕、風(fēng)場的改進情況。

表1 同化試驗方案設(shè)置1)Table 1 Data assimilation test scheme setting

1) √表示有同化對應(yīng)的觀測資料，×表示無同化對應(yīng)的觀測資料

1.2 資料處理

雷達數(shù)據(jù)來源于我國新一代SA型多普勒雷達，本次個例共同化12部雷達的徑向風(fēng)和反射率資料。其中，江西3部，廣東9部，具體位置見圖1。為了保證引入的觀測數(shù)據(jù)的質(zhì)量，在進入同化系統(tǒng)之前，需要進行極值檢驗、標準差檢查、與背景場的差值檢驗等一系列質(zhì)量控制工作，同時，由于多普勒天氣雷達的觀測資料是在以仰角、方位角以及徑向距離的三維極坐標中進行的[30]，而中尺度模式WRF采用的坐標是以水平方向和垂直方向上的格點坐標，即笛卡爾坐標系，所以在將雷達資料同化到WRF模式之前，需要對雷達產(chǎn)品進行不同坐標的空間轉(zhuǎn)換[20]。

反射率資料采用中國氣象科學(xué)研究院-災(zāi)害天氣國家重點實驗室的拼圖軟件[31-32]質(zhì)量控制后的三維格點反射率數(shù)據(jù)。徑向風(fēng)資料的處理源于俄克拉荷馬大學(xué)的風(fēng)暴分析預(yù)報中心(CAPS，Center for Analysis and Prediction of Storms)開發(fā)的自動雷達資料質(zhì)量控制程序88D2ARPS，通過改變其數(shù)據(jù)輸出接口，使之適用于GSI。Himawari-8衛(wèi)星資料使用從日本氣象廳(JMA，Japan Meteorological Agency)下載的NetCDF格式數(shù)據(jù)，并將各個衛(wèi)星通道的原始資料進行數(shù)據(jù)轉(zhuǎn)換，最終以bufr格式進入GSI格點系統(tǒng)。

2 試驗結(jié)果分析

2.1 個例介紹

2017年7月17～18日，我國多地出現(xiàn)降水過程(圖2)，降水覆蓋范圍十分廣泛。中央氣象臺連續(xù)3次發(fā)布暴雨藍色預(yù)警，指出福建南部、廣東東部和南部沿海、山東南部到河南中東部、陜西南部到四川盆地西部等地的部分地區(qū)有大到暴雨。廣東省多個沿海地市級氣象臺接連發(fā)布暴雨黃色預(yù)警，部分地區(qū)升級為橙色甚至紅色。從實況觀測結(jié)果來看，本次試驗的d02區(qū)域中，廣東沿海地區(qū)出現(xiàn)100 mm以上大暴雨，其中，珠江口兩岸和粵東部分地區(qū)24 h累計降水達到200 mm以上，局地最大小時降雨強度超過60 mm。

圖2 2017年7月17日08時～18日08時的24小時降水實況分布圖Fig.2 Twenty four hour actual precipitation over 08：00 BJT 17th to 08:00 BJT 18th, July 2017

本次降水個例的模擬分析主要關(guān)注華南，特別是廣東沿海一帶(圖2中紅色框線區(qū)域)。引起此次暴雨過程的天氣形勢(圖3)大致為，在高層500 hPa上，副高占據(jù)我國華東、華南大部分地區(qū)，副高脊線位于我國長江流域(27.5°N)附近，湖南到江西一帶存在暖中心，冷中心和低壓中心出現(xiàn)在川陜一帶，溫度場略超前于高度場；在低層700 hPa上有2017年第4號臺風(fēng)“塔拉斯”在中南半島登陸，雖然生成時間短，強度不大，但由于其結(jié)構(gòu)松散，強大的外圍云系覆蓋范圍較廣；低層存在很強的東南急流將水汽由南海向華南區(qū)域輸送；華南地區(qū)存在冷中心，再結(jié)合該區(qū)域的海陸熱力差異以及地形等因素的影響，各方面對本次廣東沿海地區(qū)的降水條件都比較有利。

2.2 同化結(jié)果分析

為了評估同化試驗對高度場、溫度場和風(fēng)場等物理量的改變情況，我們用各組同化試驗與不同化任何觀測(NDA組)進行對比。圖4為各組同化試驗中位勢高度(gpm)、溫度(℃)、相對濕度(%)、U分量(m/s)、V分量(m/s)的均方根誤差(RMSE)隨時間的變化情況(紅色、藍色、綠色、粉色、深棕色分別對應(yīng)CON、VEL、REF、AHI、ADA組)?？梢钥闯?，各組試驗隨預(yù)報時間的變化趨勢是相當一致的。其中，除了各組試驗對高度場的預(yù)報均略有偏高外，RMSE的值一直很小，說明幾組試驗對溫、濕、風(fēng)場的預(yù)報與NDA組的差異很小，但大致走向表明，預(yù)報開始后6 h內(nèi)，同化使得模擬區(qū)域內(nèi)溫度提升，相對濕度減小，6～20 h西南風(fēng)加強，溫濕場逐漸與不同化任何資料的NDA組趨近。特別是同化徑向風(fēng)的VEL組和同化全部觀測資料的ADA組，較其他三組試驗對預(yù)報場的改變更明顯。說明同化雷達徑向風(fēng)資料在本次全部觀測資料的同化試驗中做出了主要貢獻。

圖4 各組同化試驗中位勢高度(gpm)、溫度(℃)、相對濕度(%)、U和V分量(m/s)的均方根誤差(RMSE)隨預(yù)報時長的變化Fig.4 The variation of RMSEs (root mean square error) of geopotential height (gpm), temperature (℃), relative humidity (%), and U and V components (m/s) over forecast time under several assimilation tests

綜合來看，同化在0～10 h期間作用更大，說明非常規(guī)觀測資料的同化試驗在預(yù)報開始后10 h內(nèi)發(fā)揮主要作用，如果要進一步提升同化效果，則需加入循環(huán)同化，不斷改進。

圖5為各組同化試驗中位勢高度(gpm)、溫度(℃)、相對濕度(%)、U分量(m/s)、V分量(m/s)的均方根誤差(RMSE)隨高度(這里指氣壓層，單位，hPa)的變化情況。經(jīng)過對比發(fā)現(xiàn)，各組試驗隨預(yù)報高度的變化趨勢一致，再次說明幾組試驗對溫、濕、風(fēng)場的預(yù)報與NDA組的差異很小，大致走向表明了500 hPa以下，同化使得模擬區(qū)域內(nèi)低層風(fēng)向有東北分量，500 hPa以上西南風(fēng)不斷加強，同時200 hPa以下，相對濕度不斷減小，但溫度場整體改變不大。特別是同化徑向風(fēng)和全部觀測資料的兩組與不同化和僅同化常規(guī)資料相比變化較大，尤其是在中低層。

資料同化過程也改變了水平氣壓場和溫度場的分布，將各種資料加入同化并進行模擬1 h后的輸出結(jié)果進行水平場分析(見圖6)，圖中依次為d02區(qū)域中不同化任何資料(NDA組)、同化常規(guī)觀測資料(CON組)、同化雷達反射率(REF組)、同化雷達徑向風(fēng)(VEL組)、同化葵花-8氣象衛(wèi)星(AHI組)和同化所有資料(ADA組)的10 m風(fēng)場和2 m處溫度和海平面氣壓場。雖然各組差異不明顯，但對比不加入任何同化資料的對照組(NDA)來看，同化常規(guī)資料(CON)和同化雷達反射率資料(REF)對于地面低壓中心的刻畫更加細致，并在湖南到江西一帶出現(xiàn)分散性的低壓中心；同化雷達徑向風(fēng)資料(VEL)、葵花衛(wèi)星資料(AHI)對湖南一帶的暖中心的溫度上調(diào)了2℃左右，氣壓場的梯度增大，氣壓中心更加明顯；整個試驗區(qū)域內(nèi)南風(fēng)加強；同化全部非常規(guī)觀測資料(ADA)可以體現(xiàn)以上所有信息。

圖5 各組同化試驗中位勢高度(gpm)、溫度(℃)、相對濕度(%)、U和V分量(m/s)的均方根誤差(RMSE)隨高度的變化Fig.5 The variation of RMSEs (root mean square error) of geopotential height (gpm), temperature (℃), relative humidity (%), and U and V components (m/s) over height (hPa) under several assimilation tests

圖6 各組同化試驗在2017年17日09時的2 m溫度(℃)、10 m風(fēng)場(m/s)和海平面氣壓場(hPa)Fig.6 The temperatures at 2 m (℃, color filling), wind fields (m/s, arrow) and sea level pressures (hPa, contour lines) at 10 m under several assimilation tests at 9：00 BJT，17th 2017

經(jīng)過分析，發(fā)現(xiàn)本次強降水過程是由于廣東地區(qū)存在較強的氣流輻合而引發(fā)的。說明通過同化實驗，可以突出產(chǎn)生降水的各項條件，進一步對降水的產(chǎn)生機理進行揭示。

2.3 預(yù)報結(jié)果分析

圖7顯示的是觀測(OBS)和不同模擬試驗降水，其中第一到三行為17日08～20時、20～18日08時、18日08時到20時的12 h累計降水量，第一到七列分別為實況降水分布圖和各組試驗?zāi)M降水的分布(第2到7列分別對應(yīng)CON組，VEL組，REF組，AHI組，ADA組的模擬結(jié)果)。在預(yù)報開始的前12 h內(nèi)，同化雷達徑向風(fēng)資料對模式的改進比較明顯，但對廣東內(nèi)陸地區(qū)小到中雨的描述不足。12～24 h內(nèi)，同化葵花衛(wèi)星AHI成像儀的試驗組刻畫相對準確。

圖8顯示的是2017年7月17日08時～18日08時24 h觀測降水和相應(yīng)各組試驗?zāi)M降水。可以看出，各同化組對降水范圍和強度都刻畫得比較好，特別是對降水區(qū)域的描繪相當細致，大值區(qū)域的位置也比較精確；具體到每組試驗的模擬情況，各組對偏內(nèi)陸地區(qū)的降水范圍和強隊模擬偏大，這種偏大以單獨同化各個資料最為明顯，當同化全部資料(ADA)后，這種偏差反而變得不明顯。

圖9分別為2017年7月17日20時到18日20時(BJT)24 h實況降水和對應(yīng)的各組試驗?zāi)M的24 h累積降水。由于系統(tǒng)是在17日08時啟動，預(yù)報時效為36 h，考慮到spin-up的問題，系統(tǒng)啟動后第12～36 h的降水分布可能會更加準確。同化常規(guī)觀測(CON組)和葵花-8(AHI組)的模擬在雨帶和雨強方面表現(xiàn)較好，但是，對比后發(fā)現(xiàn)，模擬效果并不比直接冷啟動直接提取預(yù)報結(jié)果好太多。每組試驗對廣東地區(qū)的模擬略有提高，但仍是偏西偏大，同樣，同化全部資料(ADA)后，對降水量的預(yù)報最接近實際情況，再次說明同化盡可能多的資料對模式把握降水特點會有幫助，可能是由于常規(guī)觀測資料與非常規(guī)觀測資料的相互訂正的作用引起的。

2.4 雷達回波

考慮到雷達資料同化一般會對短時臨近預(yù)報有較大改善，故而關(guān)注模式啟動1 h和6 h后的雷達反射率(單位，dbz)。在模式啟動一小時后的組合反射率的實況和模擬情況見圖10，各組試驗均能抓住反射率因子的主要分布特征，尤其是加入各種資料進行同化后，對強回波的的把握更加準確；CON組、REF組和AHI組對雷達反射率的模擬結(jié)果相近，VEL組和ADA組對近海地區(qū)回波模擬結(jié)果吻合較好，特別是廣東省汕尾市一帶延伸到海上的回波范圍和大值區(qū)都明顯表現(xiàn)了出來，進一步體現(xiàn)了同化更多資料、為模式提供更加豐富的初始場對模擬效果的有利影響。

圖7 從起報開始的第一、二和三個12 h累計降水的實況(OBS)和各種模擬對比Fig.7 The comparison of the actual and simulated accumulative precipitations in first, second, and last 12 hours from starting forecast

圖8 觀測(OBS)和各組試驗?zāi)M的7月17日08時～18日08時24小時累積降水(mm)Fig.8 The actual and simulated accumulative precipitations(mm) in 24 hours from 08：00 BJT 17th to 08：00 BJT 18th, July 2017

圖9 觀測和各組試驗?zāi)M的7月17日20時到7月18日20時(BJT)24小時累積降水(mm)Fig.9 The actual and simulated accumulative precipitations(mm) in 24 hours from 20：00 BJT 17th to 20：00 BJT 18th, July 2017

在模式啟動6 h后的分析組合反射率的模擬情況見圖11，除了跟模式啟動1 h后所展現(xiàn)的相似結(jié)論外，加入各種資料進行同化后，對分散對流的模擬更加準確，尤其是VEL組和ADA組對廣東和福建一帶的回波模擬結(jié)果吻合較好，但從不同化資料(NDA組)開始，整體模擬的回波結(jié)果相對于實況分布略有偏南，直到ADA組的這個問題略有改善，說明各種資料的相互訂正也對模擬效果的提高有貢獻。同時，ADA組對雷達回波最強區(qū)域的模擬把握也相當準確，為系統(tǒng)的下一步完善提供了良好的借鑒意義。

2.5 預(yù)報評分

對這次華南降水過程模擬的評分結(jié)果如圖12所示，三行分別代表ETS評分、BIAS預(yù)報偏差和空報率FAR偏差估計，兩列圖分別代表預(yù)報從17日08時到18日08時的24 h累計降水和從17日20時到18日20h的24 h累計降水的評分，亮藍、淺藍、紅、橘、綠、粉6個顏色從左到右依次代表同化全部觀測資料(ada)、僅同化葵花衛(wèi)星資料(ahi)、僅同化常規(guī)觀測資料(con)、不同化觀測資料(nda)、僅同化雷達反射率資料(ref)和僅雷達徑向風(fēng)資料(vel)的六組試驗，每張圖的三個色柱組代表中雨量級25～50 mm，大雨量級50～100 mm和暴雨量級100 mm以上，小雨量級各組模式的TS/ETS評分均在0.8～0.9沒有畫出。

TS和ETS評分的區(qū)別在于ETS省去了隨機預(yù)測系數(shù)，從圖12可以看出，08時起預(yù)報24累計降水的話，在中雨量級，各組試驗均表現(xiàn)一般，預(yù)報評分整體偏低，空報率比較高；在大雨量級，僅同化雷達徑向風(fēng)資料表現(xiàn)最好，TS/ETS評分比其他組高0.2分以上，空報率低0.4以上，且預(yù)報偏差也相對較?。辉诒┯炅考?，僅同化常規(guī)資料和同化雷達反射率資料在各方面的表現(xiàn)都很好，較其他組平均高0.2～0.4分。17日20時到18日20時的24 h累計降水，在中雨量級，同化葵花-8衛(wèi)星資料的表現(xiàn)較好；在大雨量級，同化全部觀測資料和僅同化雷達反射率資料的試驗組表現(xiàn)較好；在暴雨量級，各組同化試驗均不太理想。

圖12 2017年7月17日08時～18日08時(a)和17日20時～18日20時(b)的各組試驗?zāi)M的24 小時降水評分Fig.12 Twenty four hour precipitation scores from 08：00 BJT 17th to 08：00 BJT 18th and 20：00 BJT 17th to 20：00 BJT 18th under various simulation tests

但是17日20時到18日20時的整體預(yù)報評分均比08時起報要低0.1左右；尤其是暴雨量級，這種差異更加明顯。進一步體現(xiàn)并不是同化全部資料或者單獨某一類資料會對預(yù)報效果有均勻而穩(wěn)定的改善。

3 結(jié) 論

利用WRF模式和GSI同化系統(tǒng)，采用3D-Var同化方法搭建了一套可以業(yè)務(wù)運行的預(yù)報系統(tǒng)，實現(xiàn)對多普勒天氣雷達的反射率和徑向風(fēng)、葵花-8氣象衛(wèi)星的AHI資料同化。利用該系統(tǒng)，針對同化常規(guī)和非常規(guī)資料可能帶來資料應(yīng)用和預(yù)報效果問題，設(shè)計多組對比試驗，對發(fā)生在華南地區(qū)的一次強降水個例進行模擬分析和同化試驗效果的評估。得到如下結(jié)論。

1)本系統(tǒng)能夠較好地把握本次降水過程范圍和強度，對雷達反射率因子的模擬也比較準確，同化對短時強降水預(yù)報的改善明顯。尤其是同化衛(wèi)星資料，對云水物質(zhì)的分析能力加強，對海上的天氣過程刻畫準確。

2)同時同化所有觀測資料對溫、濕、風(fēng)和降水等要素場的模擬技巧均有提高，但其預(yù)報效果并不絕對優(yōu)于單獨同化某一類資料。同化徑向風(fēng)對12 h內(nèi)50～100 mm量級的降水預(yù)報優(yōu)于同化其他兩種資料，但對100 mm以上量級，同化反射率的評分效果更佳；對36 h內(nèi)25～50 mm量級的降水預(yù)報，同化葵花-8衛(wèi)星資料更有優(yōu)勢。

3)對于12 h累計降水而言，各組試驗的預(yù)報結(jié)果均偏珠江口西岸，對粵東大部分地區(qū)的降水沒有明顯體現(xiàn)；對于要素場的預(yù)報，與不引入同化的對照組相比，各組試驗隨時間和高度的變化趨勢相當一致。需要指出的是同化徑向風(fēng)和反射率的同化試驗在0～12 h內(nèi)起主要作用，在24～36 h內(nèi)各組同化試驗對要素場的改變均有限。整體來說，同時加入所有資料的同化試驗表現(xiàn)比較平穩(wěn)，雖在各組檢驗中絕對優(yōu)勢不明顯，但一般都高于不同化任何資料和常規(guī)觀測資料的評分結(jié)果，說明各種資料的相互訂正對模擬降水過程有利。

從所選個例的模擬表現(xiàn)可以看出，多源觀測資料的同化對初始場的改進是有時效性的，在接下來的工作中需要從完善快速更新循環(huán)同化過程和采用引進集合思想的混合同化方法兩方面入手，不斷優(yōu)化預(yù)報初始場，進一步提高預(yù)報準確率。