雷達資料同化對一次颮線過程的模擬影響

鄒瑋 沈晗 ,2 袁慧玲

1 南京大學(xué)大氣科學(xué)學(xué)院/中尺度災(zāi)害性天氣教育部重點實驗室, 南京 210023 2 中國民用航空華北地區(qū)空中交通管理局氣象中心，北京 100621

1 引言

颮線是由多個雷暴單體組成的線狀強對流系統(tǒng)，在其發(fā)展期間不斷有新的回波生成與減弱，生命史短、空間尺度小，但其突發(fā)性強，發(fā)生發(fā)展強度大，移動快，往往造成不可估量的災(zāi)害。因此研究提高颮線系統(tǒng)的預(yù)報對防災(zāi)減災(zāi)有重要意義。

國內(nèi)外諸多學(xué)者基于不同角度對颮線系統(tǒng)進行了深入研究。從統(tǒng)計角度，Bluestein and Jain（1985）基于雷達反射率數(shù)據(jù)將美國俄克拉荷馬州的春季颮線分為斷裂線型（Broken line）、后向建立型（Back building）、斷裂區(qū)域型（Broken areal）及嵌入?yún)^(qū)域型（Embedded areal）。Meng et al.（2013）統(tǒng)計了發(fā)生在中國東部地區(qū)的96個颮線個例，指出國內(nèi)颮線垂直風(fēng)切變?nèi)?，環(huán)境場濕度大。從颮線結(jié)構(gòu)角度，Zhang et al.（2012）提出干線附近是強對流天氣的高發(fā)地帶，冷渦后的橫槽引導(dǎo)冷空氣南下觸發(fā)颮線生成。Ahasan and Debsarma（2015）發(fā)現(xiàn)高層副熱帶急流能加強垂直風(fēng)切變，從而觸發(fā)強對流系統(tǒng)的生成。Thorpe et al.（1982）指出垂直風(fēng)切變是對流單體長時間維持的原因。Yang and Houze（1995）用2D非靜力模式模擬了一次颮線過程，提出冰相微物理過程對尾向入流的結(jié)構(gòu)很重要，修改水成物類型、冰相微物理方案以及環(huán)境濕度對風(fēng)暴結(jié)構(gòu)有明顯影響。Dawson and Xue（2004）通過復(fù)雜云分析處理衛(wèi)星及雷達數(shù)據(jù)提高了對弓形回波的位置預(yù)報。Adams-Selin et al.（2013）采用天氣研究與預(yù)報模式（Weather Research and Forecast Model，簡稱WRF）中的8種微物理方案對一次颮線個例進行敏感性試驗，結(jié)果表明含霰方案降水量峰值遠(yuǎn)遠(yuǎn)小于含雹方案，但前者產(chǎn)生了更強的大風(fēng)。Bryan and Morrison（2012）探討了不同水平分辨率對颮線模擬的影響，指出水平分辨率越粗，則系統(tǒng)發(fā)展越慢，且產(chǎn)生更多降水。張建軍等（2016）采用ARPS模式針對一次颮線過程進行了二維數(shù)值模擬，指出低層水汽的能量釋放直接影響了冷池前沿的動力結(jié)構(gòu)，從而改變颮線強度模擬。周圍等（2018）利用WRF模擬了華東地區(qū)的一次颮線過程，提出位勢散度對颮線過程降水有較好的指示意義。

前人從不同角度對颮線進行了深入探討，但如何利用這些特征對其進行精準(zhǔn)預(yù)報仍是當(dāng)前一大難題，利用觀測資料及數(shù)值模式提升極端天氣預(yù)報能力是當(dāng)前國際發(fā)展的趨勢（張小玲等, 2018）。高時空分辨率的雷達信息可以模擬強對流系統(tǒng)的四維精確的結(jié)構(gòu)，但是雷達徑向速度和反射率不是模式常規(guī)變量，因此許多研究致力于將雷達資料同化進入模式預(yù)報初始場。目前常用方法有集合卡爾曼濾波（Ensemble Kalman Filter，簡稱EnKF）（Tong and Xue, 2005; Aksoy et al., 2009; Wang et al., 2013a）、四 維 變 分（Four-Dimensional Variational，簡 稱4DVAR）（Xu, 1996; Sun and Crook, 1997, 1998;Sun, 2005; Sun and Zhang, 2008; Wang et al.,2013b）。近年來，越來越多學(xué)者試驗混合同化，并得到了較好的預(yù)報結(jié)果（Houtekamer and Mitchell,1998; Hamill and Snyder, 2000; Gao and Stensrud,2014; Tai et al., 2017; Kong et al., 2018; Pan et al.,2018）。然而以上方法要求的計算資源條件非常高。三 維 變 分（Three-Dimensional Variational，簡 稱3DVAR）是目前世界上區(qū)域業(yè)務(wù)數(shù)值預(yù)報中主要的模式初始化系統(tǒng)（孫娟珍等, 2016），相較其他方法，3DVAR計算快速，分析結(jié)果穩(wěn)定，通過循環(huán)同化可以加入天氣系統(tǒng)隨時間變化的信息，因此如何最優(yōu)化利用3DVAR同化雷達資料以提高模式預(yù)報初始場具有至關(guān)重要的意義?？紤]到變分系統(tǒng)能直接在代價函數(shù)中應(yīng)用觀測變量，通過最小化代價函數(shù)得到較為準(zhǔn)確的分析場，美國俄克拉荷馬大學(xué)的風(fēng)暴分析及預(yù)報中心（Center for Analysis and Prediction of Storms, CAPS）研發(fā)了中尺度區(qū)域氣象預(yù)報模式（Advanced Regional Prediction System，簡稱ARPS）3DVAR系統(tǒng)，并針對一次龍卷個例進行探討，結(jié)果表明該系統(tǒng)極大地改善了模式預(yù)報結(jié)果（Xue et al., 2003）。

初始場中云水信息對強對流系統(tǒng)的數(shù)值預(yù)報至關(guān)重要。ARPS云分析系統(tǒng)基于美國國家海洋和大氣管理局預(yù)報實驗室研發(fā)的局地分析和預(yù)報系統(tǒng)（Local Analysis and Prediction System，LAPS）中的云分析模塊（Albers et al., 1996）進行了修改，該模塊包含了多種調(diào)整參數(shù)，直接處理雷達反射率數(shù)據(jù)，反演出熱力場和微物理場。有少量研究對部分參數(shù)進行了探討，如Hu and Xue（2007）的研究表明云分析中潛熱溫度調(diào)整方案適用于較長的同化間隔。Zhao and Xue（2009）發(fā)現(xiàn)若不進行水汽調(diào)整，則Ike臺風(fēng)的預(yù)報強度會被大大削弱。

同化雷達資料能改善強對流天氣的預(yù)報，但是不同同化試驗設(shè)置對系統(tǒng)初始和預(yù)報場有不同影響。Hu et al.（2006）運用ARPS 3DVAR系統(tǒng)和復(fù)雜云分析研究一次龍卷個例，發(fā)現(xiàn)間隔10 min同化雷達資料能抓住雷暴發(fā)展前3 h的主要特征。Dong and Xue（2013）設(shè)計了不同同化方案對臺風(fēng)個例進行預(yù)報，結(jié)果表明30 min間隔和10 min間隔試驗結(jié)果類似。Pan and Wang（2019）探討了不同同化間隔對模式平衡的影響，結(jié)果表明20 min的間隔更易使模式達到平衡。

隨著國內(nèi)強對流天氣過程發(fā)生頻率增加，提高其預(yù)報精確度至關(guān)重要，但是前期研究多集中于探討颮線發(fā)生發(fā)展機制，而鮮有研究針對如何提高颮線降水預(yù)報，以及深入討論雷達資料同化和復(fù)雜云分析系統(tǒng)中不同參數(shù)對颮線觸發(fā)及發(fā)展機制的影響。因此本文選取2018年3月4日發(fā)生在中國南部的一次典型颮線過程，基于ARPS 3DVAR同化系統(tǒng)對雷達資料做同化分析，結(jié)合WRF數(shù)值模式模擬此次颮線過程，以期積累更多國內(nèi)雷達資料同化提升颮線預(yù)報的經(jīng)驗。不同于以往文章只采用了少量雷達數(shù)據(jù)，本文采用了遍布湖南等省的共13部雷達觀測數(shù)據(jù)，區(qū)域覆蓋了此次颮線的發(fā)生發(fā)展范圍。不僅如此，考慮到在同化方法中，ARPS復(fù)雜云分析系統(tǒng)能改善云微物理場的分布，但其對初始場及預(yù)報場的具體修改效果研究較少，尤其對雨水調(diào)整參數(shù)和垂直速度相關(guān)參數(shù)鮮有探討，因此本文基于此角度進行了深入研究。

2 方法與試驗設(shè)計

2.1 個例回顧

從2018年3月3日開始，連續(xù)有三段颮線過程在華中、華南區(qū)域不斷生成，最后一段颮線從3月4日15時（協(xié)調(diào)世界時，下同）由零散回波開始發(fā)展，17時于湖南南部及江西中部地區(qū)形成完整弓形結(jié)構(gòu)（圖1），之后逐漸加強東移。系統(tǒng)在19時發(fā)展到最強，最大回波達到71 dBZ，此時橫跨湖南、江西、福建、浙江四個省，最強小時降水量超過了40 mm。隨后颮線向東南方向移動并且逐漸減弱，最終颮線于3月5日04時移到廣東北部，其線性結(jié)構(gòu)完全消散。這次強對流過程造成58.5萬人受災(zāi)，14人死亡，直接經(jīng)濟損失達9.3億元。

圖1 2018年3月4日17時（協(xié)調(diào)世界時，下同）中國南部13部新一代天氣雷達組合反射率因子（單位：dBZ）。紅色實線表示垂直于颮線移動方向的垂直剖面位置Fig. 1 Composite radar reflectivity (units: dBZ) of 13 new-generation weather radars in southern China at 1700 UTC 4 March 2018. The red solid line indicates a cross section perpendicular to the moving direction of the squall line

本文基于美國環(huán)境預(yù)報中心（National Centers for Environmental Prediction，簡稱NCEP）全球預(yù)報模式（Global Forecast System，簡稱GFS）每日發(fā)布的分析場數(shù)據(jù)探討此次過程的環(huán)流背景。2018年3月4日12時（颮線發(fā)生前3 h），湖南等省位于高空300 hPa急流軸風(fēng)核的左前象限（圖略），500 hPa（圖2a）有一支高空槽位于湖南中部上空（27°N，110°E），高空盛行西南偏西氣流。850 hPa（圖2b）湖南中北部出現(xiàn)一個低空切變線，并有強低渦發(fā)展，構(gòu)建了水汽通道（圖2c），水汽在湖南、江西等地大量輻合，高空急流出口區(qū)的正渦度區(qū)與低空急流大風(fēng)核左前方上下重疊。但是此次過程的不穩(wěn)定能量比較低（圖2d），Takemi（2007）提出靜力穩(wěn)定度才是決定颮線強度的控制參數(shù)，只有在環(huán)境靜力穩(wěn)定度均勻一致時，對流有效位能（Convective Available Potential Energy，簡稱CAPE）才能很好地表征對流系統(tǒng)的發(fā)生、發(fā)展。因此高低空急流之間相互配置，高空槽與低空切變線觸發(fā)了此次強對流天氣過程，再加上充足的水汽來源，增強了此次過程的對流活動。根據(jù)丁一匯等（1982）對中國颮線的分類，此次颮線屬于槽前型。

圖2 2018年3月4日12時GFS分析場（a）500 hPa、（b）850 hPa風(fēng)場（風(fēng)向桿，單位：m s?1）和位勢高度（填色，單位：gpm），（c）850 hPa水汽通量散度（填色，單位：g s?1 cm?2 hPa?1，負(fù)值表示水汽輻合）、水汽通量（箭頭，單位：g s?1 cm?1 hPa?1），（d）地面對流有效位能（單位：J kg?1）Fig. 2 Wind (barbs, units: m s?1) and geopotential height (shadings, units: gpm) at (a) 500 hPa and (b) 850 hPa, (c) moisture flux divergence(shadings, units: g s?1 cm?2 hPa?1, negative values represent horizontal mass convergence) and its corresponding moisture flux (arrows, units: g s?1 cm?1 hPa?1), (d) convective available potential energy (CAPE) (units: J kg?1) at the surface from the GFS (Global Forecast System) analysis at 1200 UTC 4 March 2018

2.2 模擬試驗設(shè)計

本文運用WRFV3.7數(shù)值模式進行積分預(yù)報，使用3 km水平格點分辨率，區(qū)域水平格點設(shè)置為620（緯向）×460（經(jīng)向），覆蓋了系統(tǒng)發(fā)展及傳播的整個區(qū)域（圖3），垂直層數(shù)為60層，模式頂層氣壓為50 hPa，模擬未采用嵌套。利用3月4日12時的GFS分析場作為預(yù)報初始背景場，控制試驗（CNTL）中模式預(yù)報了18 h，總體設(shè)置了四組同化試驗（圖4），使用ARPS 3DVAR（Gao et al., 2002）分析雷達徑向風(fēng)速（Vr）數(shù)據(jù)，并通過ARPS包含的復(fù)雜云分析模塊（Brewster, 1996,2002; Zhang et al., 1998）處理雷達反射率（Z）數(shù)據(jù)。第一組試驗僅同化了3月4日12時一個時次，在此基礎(chǔ)上進行18 h的預(yù)報，該部分由三個試驗組成，即僅同化Vr（Exp1Vr），僅分析Z（Exp1Z），以及同時同化Vr和Z（Exp1All），旨在探討Vr和Z對颮線系統(tǒng)初始場和預(yù)報場的影響。為了考察模式直接同化與自調(diào)整（spin-up）后再同化的區(qū)別，設(shè)計了ExpSPstart試驗（先通過WRF模式積分3 h至15時，再利用ARPS同化15時單次時刻的雷達資料）。為了探討模擬颮線過程的最優(yōu)循環(huán)同化方案，另外三組試驗均先用WRF模式從12時積分2 h至14時，在14～15時同化窗口內(nèi)進行循環(huán)同化（表1、表2）；其中，第二組試驗討論不同同化時間間隔方案：1 h（Exp2All1h2t）、30 min（Exp2All30m3t）、12 min（Exp2All12m6t）、6 min（Exp2All6m11t）。第三組試驗以12 min為間隔討論不同同化次數(shù)的影響，分別同化2次（Exp3All12m2t）、4次（Exp3All12m4t）以及6次（Exp2All12m6t），其中Exp3All12m2t同化了14:48、15時的資料，Exp3All12m4t同化了14:24、14:36、14:48、15時的資料。

圖3 模式區(qū)域設(shè)置。填色表示地形高度（單位：m）Fig. 3 Model domain configuration. The shadings represent the elevation (units: m)

圖4 同化試驗流程圖Fig. 4 Flowchart of data assimilation experiments

表1 第一組、第二組和第三組同化試驗設(shè)計Table 1 List of different data assimilation experiments

表2 云分析參數(shù)敏感性試驗設(shè)計Table 2 Design of cloud analysis parameter sensitivity test

ARPS云分析模塊包含多種微物理調(diào)整參數(shù)，該模塊在處理雷達反射率數(shù)據(jù)時，首先給定云內(nèi)達到濕絕熱上升后生成液態(tài)含水量時的反射率閾值，利用反射率方程進行反演計算，從而判斷出水成物類型，并基于模式背景場的相對濕度進行云內(nèi)濕度場調(diào)整，結(jié)合給定的云微物理方案進行水汽調(diào)整，最后依據(jù)選擇的溫度調(diào)整方案進行溫度場調(diào)整。雨水調(diào)整過程分別采用Kessler（Kessler, 1995）和Ferrier（Ferrier, 1994）方案，后者考慮了冰相過程。Qrlimit參數(shù)是分析場中的雨、雪及雹的最大輸出混合比，F(xiàn)rac_qr_2_qc參數(shù)調(diào)整初始場中雨水/冰向云水轉(zhuǎn)換的比例。溫度調(diào)整主要有云內(nèi)凝結(jié)潛熱釋放方案（LH）和濕絕熱廓線調(diào)整方案（MA），LH主要基于云水/冰的潛熱釋放調(diào)整分析場內(nèi)的溫度，MA考慮了濕空氣塊上升時的溫度變化，因此后者更能表征對流單體中的物理狀態(tài)。垂直速度調(diào)整參數(shù)可以調(diào)整積云及層狀云內(nèi)垂直速度，其中積云內(nèi)最大垂直速度由云高與Wmhr_Cu參數(shù)的乘積決定，因此，改變Wmhr_Cu參數(shù)間接調(diào)整了積云內(nèi)的最大垂直速度。在第二組和第三組試驗中，云分析調(diào)整參數(shù)開關(guān)均打開，為了討論不同參數(shù)對分析場水成物的影響，基于第二組試驗的最優(yōu)結(jié)果開展了第四組試驗（表2）。首先，分別關(guān)閉水汽調(diào)整（Qcopt=0，Exp4AllQC0）、濕度調(diào)整（Qvopt=0，Exp4AllQV0）、溫度調(diào)整（Ptopt=0，Exp4AllPT0）、雨水調(diào)整（Qropt=0，Exp4AllQR0）、垂直速度調(diào)整（Wopt=0，Exp4AllW0）。其次，探討溫度調(diào)整中LH方案（Ptopt=3，Exp4AllPT3）和MA方案（Ptopt=5，Exp2All12m6t），以及雨水調(diào)整中Kessler（Qropt=1，Exp4AllQR1）和Ferrier（Qropt=2，Exp2All12m6t）計算方案的影響。最后，將雨水向云水轉(zhuǎn)換比例參數(shù)Frac_qr_2_qc（Exp4Allqr2qc）從0增大至0.4，將Wmhr_Cu參數(shù)增大10倍（Exp4AllwmhrCu），將Qrlimit參數(shù)（Exp4Allqrlmt）縮小10倍；針對以上每個參數(shù)各設(shè)置了敏感性試驗，第四組試驗中循環(huán)同化設(shè)置和第二組試驗中的Exp2All12m6t試驗相同。循環(huán)同化雷達資料后利用WRF模式從15時開始積分15 h。所有試驗采用的物理方案保持一致，云微物理方案采用WDM6（Lim and Hong, 2010），長波輻射方案采用RRTM方案（Mlawer et al., 1997），短波輻射方案采用Dudhia方案（Dudhia, 1989），邊界層方案采用MYJ方案（Janji?, 2001），陸面方案采用Noah方案（Chen et al., 1996）；由于分辨率足夠高，因此沒有使用積云參數(shù)化方案。采用湖南、江西、廣西共12部S波段新一代多普勒雷達及1部C波段雷達的反射率和徑向風(fēng)數(shù)據(jù)，采用ARPS中的88d2arps模塊對雷達觀測數(shù)據(jù)進行質(zhì)量處理，并使用ARPS后處理模塊生成雷達拼圖作為觀測對比。

3 試驗結(jié)果與討論

3.1 雷達徑向風(fēng)速和反射率對颮線系統(tǒng)的影響

首先考察Vr及Z對初始場中組合反射率的影響，初始時刻回波主體位于江西省與湖南省的交界處，湖南南部有零散回波塊（圖5a），CNTL試驗（圖5b）和Exp1Vr試驗（圖5c）均未能模擬出對流回波，Exp1Z試驗（圖5d）和Exp1All試驗（圖5e）較準(zhǔn)確地模擬出了對流回波的結(jié)構(gòu)及位置，并且精準(zhǔn)預(yù)報出了最強回波帶的強度，Exp1All和Exp1Z試驗結(jié)果差別很小，表明利用復(fù)雜云分析系統(tǒng)同化Z后明顯改善了模式預(yù)報初始場。

圖5 2018年3月4日12時組合反射率（單位：dBZ）：（a）中國南部13部新一代多普勒天氣雷達；（b）CNTL試驗；（c）Exp1Vr試驗；（d）Exp1Z試驗；（e）Exp1All試驗Fig. 5 Composite reflectivity (units: dBZ) at 1200 UTC 4 March 2018: (a) 13 new generation weather radars in southern China; (b) CNTL experiment; (c) Exp1Vr experiment; (d) Exp1Z experiment; (e) Exp1All experiment

1 h后回波向東南向移動（圖略），Exp1All試驗和Exp1Z試驗預(yù)報的回波結(jié)構(gòu)與位置和觀測一致，最大值為55 dBZ，接近實際觀測（59.9 dBZ），且其預(yù)報出了系統(tǒng)東南向的移動。CNTL試驗仍在調(diào)整階段，沒有預(yù)報出系統(tǒng)，Exp1Vr試驗預(yù)報出了主體回波結(jié)構(gòu)，但是回波位置偏差很大，位于江西中部，并且強度遠(yuǎn)遠(yuǎn)弱于觀測。綜上所述，在颮線系統(tǒng)的預(yù)報中，由于Z改善了初始場的水凝物信息，明顯減少了模式自調(diào)整時間，使初始場和預(yù)報場與實際觀測十分接近，這也表明復(fù)雜云分析系統(tǒng)能較明顯改善對颮線系統(tǒng)的模擬。4 h后，Exp1Vr試驗中颮線結(jié)構(gòu)得到了較好的發(fā)展，生成的系統(tǒng)位置及反射率強度與另外兩組同化試驗（Exp1All和Exp1Z）近乎一致，并接近于觀測，說明同化Vr后通過模式的動力調(diào)整，改善了系統(tǒng)預(yù)報。CNTL試驗中回波大值區(qū)較同化后的試驗偏弱，且仍未預(yù)報出位于湖南的零散塊狀回波，但CNTL試驗預(yù)報的颮線主體弓形回波結(jié)構(gòu)與幾組同化試驗趨于一致（圖略），表明云分析的作用在此次颮線過程中只能維持3～4 h。相較而言，ExpSPstart試驗得到的組合反射率強度以及結(jié)構(gòu)與觀測更為接近（圖略），所以讓模式先自行調(diào)整生成較為平衡的初始場，在此基礎(chǔ)上再進行同化會得到更好的預(yù)報結(jié)果，因此本文之后的循環(huán)同化試驗均先讓模式自調(diào)整2 h后再進行同化。

鄭淋淋等（2019）提出垂直風(fēng)切變減弱了強對流系統(tǒng)中上升氣流與下沉氣流的相互干擾，有利于系統(tǒng)的加強維持，Rotunno et al.（1988）經(jīng)過數(shù)值模擬試驗也證實了RKW（Rotunno-Klemp-Weisman）颮線維持機制，即當(dāng)冷池與垂直風(fēng)切變強度相當(dāng)時最利于系統(tǒng)的發(fā)展傳播。颮線是準(zhǔn)二維結(jié)構(gòu)分布系統(tǒng)，在雷達回波上主要呈現(xiàn)狹窄帶狀分布，考慮到本文的颮線個例主要向東南方向發(fā)展移動，為了使全文較一致，本文垂直于颮線，平行于其移動方向截取了一個剖面（27°N，114°E）–（25°N，116°E）。如圖1紅色實線所示，該剖面經(jīng)緯度跨度相對較大，延展范圍包含了從颮線弓形結(jié)構(gòu)初始形成時（17時）到強烈發(fā)展（19時）整個階段?？疾祜R線發(fā)展最強時刻（19時）雷達資料同化對系統(tǒng)動力場和溫度場的影響（圖6）。700～1000 hPa層，Exp1Vr試驗的切變值達到24 m s?1，屬于強垂直風(fēng)切變，而CNTL試驗僅為12 m s?1，Exp1Z試驗為16 m s?1，僅為中等強度，由此可知Vr通過改善系統(tǒng)動力場為對流系統(tǒng)的組織發(fā)展提供了有利條件。根據(jù)James et al.（2006）定義，擾動溫度低于?1 K時可以定義為冷池。如圖6中紅色圓圈內(nèi)所示，颮線系統(tǒng)前沿在（26.0°N，115.0°E）處旺盛發(fā)展，Exp1All試驗及Exp1Z試驗中對流單體發(fā)展后方（26.2°N，114.8°E），近地面產(chǎn)生了較為深厚的冷池，擾動溫度低于了?9 K，Exp1Vr試驗的最大擾動值也達到了?6 K，但是冷池較淺，相較之下CNTL試驗冷空氣下沉產(chǎn)生的變溫最弱。因此同化Vr和Z有效改善了颮線熱動力場，從而促進其發(fā)生、發(fā)展。

圖6 2018年3月4日19時擾動位溫（填色，單位：K）、組合反射率（黑色等值線，單位：dBZ）及水平風(fēng)場的垂直切變（風(fēng)羽，單位：m s?1）沿（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（a）CNTL試驗；（b）Exp1Vr試驗；（c）Exp1Z試驗；（d）Exp1All試驗Fig. 6 Cross sections of temperature perturbation (shadings, units: K), composite reflectivity (black contours, units: dBZ), and vertical wind shear(barbs, units: m s?1) of horizontal wind field along (27°N, 114°E)–(25°N, 116°E) at 1900 UTC 4 March 2018: (a) CNTL experiment; (b) Exp1Vr experiment; (c) Exp1Z experiment; (d) Exp1All experiment

采用公平技巧評分（Equitable Threat Score，簡稱ETS）定量考察同化雷達數(shù)據(jù)對颮線系統(tǒng)降水預(yù)報的影響，選定不同的每小時降水量閾值0.1 mm、2.5 mm、8 mm、16 mm，分別對應(yīng)小雨、中雨、大雨、暴雨?？傮w來看，Exp1All試驗和Exp1Z試驗的評分走向較為一致（圖7），在13時，Exp1Z試驗甚至略高于Exp1All試驗，針對不同量級降水，兩者評分均為最高，但在2 h后急劇下降，而后又呈U型結(jié)構(gòu)上升，這是因為模式動力場和熱力場不斷調(diào)整和平衡的原因（Zhao and Xue, 2009），兩個試驗在預(yù)報時段內(nèi)整體表現(xiàn)較好。對不同閾值，Exp1Vr試驗初始階段評分最低，符合客觀分析結(jié)果，僅同化Vr并不能在一開始就調(diào)整出回波；但是在2 h后評分不斷升高，尤其是對于小雨和暴雨量級，Exp1Vr試驗在對流發(fā)展強烈階段（19時）評分最高。分析垂直速度剖面（圖略），發(fā)現(xiàn)Exp1Vr試驗對流發(fā)展區(qū)域垂直速度增強，加入Vr信息改善了動力結(jié)構(gòu)，因此更能維持系統(tǒng)對流活動的發(fā)展，提高后期降水預(yù)報。Xue et al.（2014）也指出徑向速度和3DVAR的動力約束對低層的中尺度渦旋比較重要，只同化反射率則不能預(yù)報出中尺度氣旋的強度，因此對系統(tǒng)之后的維持起的作用相對于Vr較小。CNTL試驗一開始評分很較低，經(jīng)過了4 h的平衡調(diào)整后評分也逐漸升高，但整體評分仍低于Exp1All試驗和Exp1Z試驗。在3月5日00時后幾個試驗結(jié)果趨于一致，這表明雷達數(shù)據(jù)的影響在這之后開始消散。綜上所述，從定量分析的角度也可以看出由于Z改善了初始場中水凝物分布，因此在模式預(yù)報前幾個小時，Exp1Z試驗的評分較高；而Vr主要對系統(tǒng)動力進行了改善，從而更能維持強對流發(fā)展，因此Exp1Vr試驗的評分雖然一開始不高，但在之后逐步上升，并且從該試驗也可看出同化雷達信息后明顯縮短了模式自調(diào)整時間。

圖7 2018年3月4日12時至3月5日06時第一組試驗（表1）不同閾值下每小時累積降水量ETS評分：（a）0.1 mm；（b）2.5 mm；（c）8 mm；（d）16 mmFig. 7 ETS scores of predicted hourly accumulated rainfall at the thresholds of (a) 0.1 mm, (b) 2.5 mm, (c) 8 mm, and (d) 16 mm for the first group of experiments (Table 1) from 1200 UTC 4 March to 0600 UTC 5 March 2018

3.2 不同同化方案設(shè)計

3.2.1 不同同化間隔

同化Vr和Z均對系統(tǒng)有正效應(yīng)，并且由ExpSPstart試驗得到讓模式先自調(diào)整一定時間后得到的初始場更與實際相符合，因此在第二組試驗中，同時同化兩種數(shù)據(jù)，設(shè)計不同的循環(huán)同化方案，選擇颮線系統(tǒng)預(yù)報的最優(yōu)方案。

考察初始場（15時），回波主體位于江西，湖南和廣東西北部有零散回波單體，最強回波值達到54 dBZ（圖8a）。幾個試驗均準(zhǔn)確模擬出了回波結(jié)構(gòu)，Exp2All1h2t試驗（圖8b）和Exp2All30m3t試驗（圖8c）模擬的回波最大值為55 dBZ，與觀測接近，但是最大值位于西南回波帶上，其余地方均為50 dBZ，尤其對于東北帶回波模擬相對較弱。Exp2All12m6t試驗?zāi)M的回波最大值為60 dBZ，雖然有所高估，但是大值區(qū)出現(xiàn)的位置與觀測對應(yīng)，且在西南帶和東北帶上大值均為55 dBZ，與雷達拼圖相符合。Exp2All6m11t試驗的模擬結(jié)果與12 min間隔近似，但前者未模擬出湖南西北部零散回波的分布?？傮w來看，循環(huán)同化雷達數(shù)據(jù)大大改善了回波的初始結(jié)構(gòu)，不同間隔時間對于回波強度、大值區(qū)分布及其中小回波的分布有較大影響。

圖8 2018年3月4日15時 組 合 反 射 率（單 位：dBZ）：（a）中 國 南 部13部 新 一 代 多 普 勒 天 氣 雷 達；（b）Exp2All1h2t試 驗；（c）Exp2All30m3t試驗；（d）Exp2All12m6t試驗；（e）ExpSPstart試驗Fig. 8 Composite reflectivity (units: dBZ) at 1500 UTC 4 March 2018: (a) 13 new generation weather radars in southern China; (b) Exp2All1h2t experiment; (c) Exp2All30m3t experiment; (d) Exp2All12m6t experiment; (e) ExpSPstart experiment

1 h預(yù)報中（圖略），回波分為三塊：位于湖南西北部的颮線后部回波、位于廣東西北部邊界的零散回波、跨越湖南南部至江西省弓形結(jié)構(gòu)回波，最大反射率為59.2 dBZ，回波主體有多個大值區(qū)，系統(tǒng)東南移動方向上新的回波不斷生成。不同間隔同化試驗均較準(zhǔn)確地預(yù)報出了回波結(jié)構(gòu)，Exp2All1h2t試驗和Exp2All30m3t試驗只預(yù)報出了一個60 dBZ的大值中心，接近觀測，但是新生回波位置稍偏北，Exp2All12m6t試驗預(yù)報的最大反射率偏強，為65 dBZ，但是較準(zhǔn)確地預(yù)報出了颮線移動前方新回波生成以及寬廣的回波范圍，并且系統(tǒng)移動速度與觀測更為一致。Exp2All6m11t試驗預(yù)報的強度以及結(jié)構(gòu)都與觀測接近，但產(chǎn)生了較多的虛假回波。

由RKW機制可知當(dāng)近地面冷池產(chǎn)生的負(fù)渦度與低層垂直風(fēng)切變產(chǎn)生的正渦度大小相當(dāng)時最有利于颮線系統(tǒng)的發(fā)展。在颮線觸發(fā)階段（16時），Exp2All1h2t（圖9a）垂直上升運動很弱，垂直P速度最大只有10 Pa s?1，Exp2All30m3t（圖9b）也僅達到了20 Pa s?1，且負(fù)渦度較弱，不利于系統(tǒng)進一步發(fā)展。Exp2All12m6t（圖9c）低層產(chǎn)生了很強的正渦度，表明有較強低空垂直風(fēng)切變，冷池出流加強了單體上升運動，最大垂直P速度達到了50 Pa s?1，對流活動最高伸展至300 hPa，并且颮線移動前方正負(fù)渦度強度相當(dāng)，利于新單體發(fā)展。Exp2All6m11t（圖9d）移動前方（26.6°N，114.4°E）產(chǎn)生了具有強上升速度的新對流單體，因此組合反射率預(yù)報偏強，產(chǎn)生許多虛假回波。

圖9 2018年3月4日16時不同同化間隔下絕對渦度（填色，單位：10?5 s?1）及p坐標(biāo)系下垂直速度（黑色等值線，單位：Pa s?1）沿圖1中紅色線段（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（a）1 h；（b）30 min；（c）12 min；（d）6 minFig. 9 Cross sections of absolute vorticity (shadings, units: 10?5 s?1) and vertical velocity (black contours, units: Pa s?1) on the p coordinate with different assimilation intervals along red line (27°N, 114°E)–(25°N, 116°E) in Fig. 1 at 1600 UTC 4 March 2018: (a) 1 h; (b) 30 min; (c) 12 min;(d) 6 min

低層濕環(huán)境有利于颮線系統(tǒng)的發(fā)生、發(fā)展，相對于國外颮線，國內(nèi)颮線低層濕度往往更大（Meng et al., 2013; Zhang, 1999）。幾個試驗中單體前方高層均有大范圍的干冷空氣入侵（圖10），低層有暖濕氣流，產(chǎn)生下暖上冷的不穩(wěn)定層結(jié)，但是Exp2All1h2t試驗（圖10a）中對流單體發(fā)展區(qū)域整層空氣溫度為330 K，相對較低。Exp2All30m3t試驗（圖10b）中相對濕度達到90%的范圍較小，但低層冷池溫度相對較高。Exp2All6m11t試驗（圖10d）冷池較強，低至300 K，但其冷空氣范圍更小。而Exp2All12m6t試驗（圖10c）系統(tǒng)對流上升造成潛熱釋放，因此在單體對流區(qū)域垂直方向上形成了一條暖濕通道，從低層到500 hPa相對濕度都達到了90%，并且在近地面冷池很強，相對位溫低至310 K?？傮w而言，同化間隔時間越長，預(yù)報的熱力條件以及濕度條件是相對較弱的，因此產(chǎn)生的系統(tǒng)強度也偏弱。

圖10 同圖9，但為相當(dāng)位溫（填色，單位：K）、相對濕度（黑色等值線，單位：%）的垂直剖面分布Fig. 10 As in Fig. 9, but for cross sections of equivalent potential temperature (shadings, units: K) and relative humidity (black contours, units: %)

從動力角度分析不同同化方案對初始場的改善，分析300 hPa（圖略）和850 hPa輻合、輻散場，Exp2All1h2t試驗和Exp2All30m3t試驗?zāi)M的輻合、輻散場均偏弱。Exp2All12m6t試驗和Exp2All6m11t試驗?zāi)M出了尾流低壓，中心位勢高度為1360 gpm，低空切變線北部風(fēng)速更大，颮線系統(tǒng)前面的西南風(fēng)速達到28 m s?1。結(jié)果表明同化雷達資料后，通過改善高低空風(fēng)場，模擬出觸發(fā)颮線生成的低空切變線，得到了更好的對流活動發(fā)展條件，從而提高預(yù)報水平，而同化間隔越短，初始場動力觸發(fā)機制越強。

考慮到此次個例在17時完全形成弓形回波的結(jié)構(gòu)，然后開始發(fā)展加強，因此接下來考察該時刻下不同同化方案對系統(tǒng)垂直風(fēng)切變的模擬（圖略）。Exp2All1h2t試驗中近地面冷池強度較弱，低空垂直風(fēng)切變?yōu)?6 m s?1。Exp2All30m3t試驗新生成的單體后方近地面冷池也有所加強，但是低空垂直風(fēng)切變很弱。Exp2All12m6t試驗和Exp2All6m11t試驗中近地面冷池均很強，擾動位溫達到了?9 K，低空垂直風(fēng)切變達到了20 m s?1，并且與回波近似垂直。

從定量的角度考慮，考慮對不同降水量級的ETS評分（圖略），Exp2All12m6t試驗和Exp2All6m11t試驗的評分是最高的，但是分?jǐn)?shù)下降較快，只維持了3 h的同化效果，而后評分開始再次升高，表明通過Vr對系統(tǒng)動力場的改善，在模式動力及熱力相互適應(yīng)調(diào)整后提高了降水預(yù)報水平。Exp2All1h2t試驗在不同降水量級下評分都是最差的，30 min次之?？傮w而言，12 min間隔得到了最好的降水預(yù)報結(jié)果。

由以上結(jié)論可知，并不是同化間隔越短得到的分析場及預(yù)報場結(jié)果越好，6 min間隔生成了很多虛假回波，這是因為模式在短時間內(nèi)沒有調(diào)整到穩(wěn)定狀態(tài)，因此在此基礎(chǔ)上接連同化不能生成較好的分析場。參考Pan and Wang（2019），本文通過1 h預(yù)報內(nèi)最大垂直速度的變化表征模式自調(diào)整的穩(wěn)定特征（圖11），其中1 h和30 min間隔產(chǎn)生的垂直速度均偏小，而6 min間隔遲于12 min間隔調(diào)整到穩(wěn)定狀態(tài)，因此并不是同化間隔時間越短越好。

圖11 2018年3月4日第二組試驗（表1）初始1 h預(yù)報時段（15～16時）850 hPa每分鐘最大垂直速度（單位：m s?1）的變化Fig. 11 Variation of the maximum vertical velocity (units: m s?1) per minute at 850 hPa during the initial 1 h forecast period (from 1500 UTC to 1600 UTC) for the second group of experiments (Table 1) on 4 March 2018

3.2.2 不同同化次數(shù)

第二組試驗結(jié)果表明12 min為最優(yōu)間隔同化時間，基于此結(jié)論對同化次數(shù)進行探討。對反射率初始場及1 h預(yù)報場進行分析（圖略），發(fā)現(xiàn)同化次數(shù)越少得到的對流回波越弱。深入研究其動力結(jié)構(gòu)（圖略），也可以發(fā)現(xiàn)，同化次數(shù)越少，產(chǎn)生的垂直對流活動是較弱的，并且Exp3All12m2t試驗在對流正旺盛發(fā)展區(qū)域有下沉運動?？紤]對熱力場的影響（圖略），Exp3All12m2t試驗在對流發(fā)展區(qū)域，整層大氣溫度均較低，低層相對濕度僅達到70%。增加同化次數(shù)，Exp3All12m4t試驗由于對流上升運動釋放凝結(jié)潛熱，對流發(fā)展區(qū)域從近地面到中高層溫度相對較高，低層相對濕度增大，達到了90%，因此同化次數(shù)的增多也能改善颮線發(fā)展的熱力條件。考慮幾組試驗高空輻散場分布，Exp3All12m2t試驗和Exp3All12m4t試驗相對于Exp3All12m6t試驗的高空輻散結(jié)構(gòu)更加分散，并且相對偏弱。850 hPa位勢高度場上，Exp3All12m2t試驗系統(tǒng)后部低壓中心最弱，隨著同化次數(shù)增加，系統(tǒng)尾流低壓逐漸增強，切變線的位置南移。不僅如此，Exp3All12m2t試驗和Exp3All12m4t試驗產(chǎn)生的低空垂直風(fēng)切變和冷池強度明顯比Exp3All12m6t試驗弱（圖略）。

定量分析同化次數(shù)對降水預(yù)報的影響（圖12），結(jié)果表明，對于小雨和中雨量級，同化次數(shù)越多得到的評分越高，對于大到暴雨的降水評分反之，這可能是同化次數(shù)越多在初始時刻對天氣系統(tǒng)加強明顯，造成大值降水與實際觀測相較在一定程度上偏強；2 h后Exp3All12m6t試驗評分明顯高于Exp3All12m2t試驗和Exp3All12m4t試驗，表明同化次數(shù)越多，降水預(yù)報越能得到改善。

圖12 2018年3月4日15時至3月5日06時第三組試驗（表1）不同閾值下每小時累積降水量ETS評分：（a）0.1 mm；（b）2.5 mm；（c）8 mm；（d）16 mmFig. 12 ETS scores of predicted hourly accumulated rainfall at the thresholds of (a) 0.1 mm, (b) 2.5 mm, (c) 8 mm, and (d) 16 mm for the third group of experiments (Table 1) from 1500 UTC 4 March to 0600 UTC 5 March 2018

由于ETS評分并未考慮降水空間分布情況，僅根據(jù)格點之間預(yù)報和觀測的相互對應(yīng)進行評判，因而隨著模式分辨率的增大，評分誤差也會相應(yīng)增大，因此本文進一步采用分?jǐn)?shù)技巧評分（Fraction Skill Score，簡稱FSS）對第三組試驗預(yù)報結(jié)果進行評估。FSS評分結(jié)果與ETS評分結(jié)果幾乎一致，針對小雨和中雨量級（圖13a、b），同化次數(shù)越多，對系統(tǒng)初始及發(fā)展時刻的降水預(yù)報結(jié)果越好，而對大到暴雨量級（圖13c、d），系統(tǒng)發(fā)展階段的FSS評分相對較低。與ETS評分有所差異的是，對中雨量級的降水，三組試驗最初幾個小時的評分差異較??；對大雨量級的降水，Exp3All12m6t試驗初始幾個小時評分較低，但在系統(tǒng)強烈發(fā)展階段，評分遠(yuǎn)高于另外兩組試驗。

圖13 同圖12，但為每小時累積降水量的FSS評分Fig. 13 As in Fig. 12, but for FSS scores of predicted hourly accumulated rainfall

4 云分析參數(shù)敏感性試驗

分析初始場水凝物分布，Exp2All12m6t試驗（圖14a）中云水混合比極大值位于700 hPa，颮線移動前方400～800 hPa云水含量充足，利于對流發(fā)展。若分別關(guān)閉水汽（圖14d）、濕度（圖14e）、雨水調(diào)整（圖14f），分析場中云水過少。若減小雨水/冰上限分析值（Qrlimit）（圖14h），由于雨水/冰輸出量受到限制，增大了高層云水含量，極大值位于500 hPa以上，達到1.2 g kg?1。若增大雨水/冰 至 云 水 轉(zhuǎn) 換 率（Frac_qr_2_qc）（圖14i），則更多雨水向云水轉(zhuǎn)換，因此分析場中云水混合比明顯增多。若通過潛熱方案（LH）調(diào)整溫度場（圖14c），由于循環(huán)同化過程中生成的水凝物通過凝結(jié)釋放加入了過多潛熱，造成更強的對流運動，因此在400 hPa出現(xiàn)了云水極大值。而由于濕絕熱廓線方案（MA）考慮了氣塊上升過程中的溫度變化，因此產(chǎn)生的云水混合比分布高度不會過高（圖14a）。改變垂直速度相關(guān)參數(shù)，幾乎未對初始場中云水含量產(chǎn)生影響（圖14j、k）。

圖14 2018年3月4日15時Exp2All12m6t試驗（a）初始參數(shù)配置、（b–k）調(diào)整參數(shù)后云水混合比（單位：g kg?1）沿圖1中紅色線段（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（b）溫度調(diào)整方案Ptopt=0；（c）溫度調(diào)整方案Ptopt=3；（d）水汽調(diào)整方案Qcopt=0；（e）濕度調(diào)整方案Qvopt=0；（f）雨水調(diào)整方案Qropt=0；（g）雨水調(diào)整方案Qropt=1；（h）水成物最大輸出混合比Qrlimit=0.0005；（i）雨水/冰向云水的轉(zhuǎn)換比例Frac_qr_2_qc=0.4；（j）垂直速度調(diào)整方案Wopt=0；（k）積云內(nèi)最大垂直速度Wmhr_Cu=0.005Fig. 14 Cross sections of the cloud water mixing ratio (units: g kg?1) in (a) the initial parameter configuration, (b–k) after adjusting the parameters of Exp2All12m6t experiment along red line (27°N, 114°E)–(25°N, 116°E) in Fig. 1 at 1500 UTC 4 March 2018: (b) Temperature option Ptopt = 0;(c) temperature option Ptopt = 3; (d) water vapor Qcopt = 0; (e) humidity Qvopt = 0; (f) rainwater Qropt = 0; (g) rainwater Qropt = 1; (h) maximum mixing ratio of hydrometeors Qrlimit = 0.0005; (i) conversion ratio of rain/ice to cloud water Frac_qr_2_qc = 0.4; (j) vertical velocity Wopt = 0;(k) maximum vertical speed in cumulus clouds Wmhr_Cu = 0.005

雨水調(diào)整相關(guān)參數(shù)直接影響了初始場中的雨水及云冰混合比，若關(guān)閉濕度及雨水調(diào)整，雨水混合比大幅增加（圖略），云冰含量降低。減小雨水/冰上限分析值（Qrlimit）和增大雨水/冰至云水轉(zhuǎn)換率（Frac_qr_2_qc），均使分析場中雨水含量明顯減少，因此高空中由于溫度過低，云水直接轉(zhuǎn)換為云冰，導(dǎo)致云冰混合比增大（圖略）。其余云分析參數(shù)對液態(tài)水含量影響較小。

系統(tǒng)最大垂直速度（Wmax）表征不同云分析參數(shù)對動力結(jié)構(gòu)的影響（圖15），當(dāng)不進行水汽調(diào)整、溫度調(diào)整、濕度調(diào)整時，Wmax偏小，不進行雨水調(diào)整也會引起最大垂直速度的較大差異；而直接關(guān)掉垂直速度調(diào)整參數(shù)對系統(tǒng)整體模擬最初幾個小時影響不大，但在2 h后Wmax有所下降，整體來看垂直速度調(diào)整參數(shù)影響較小，這可能是因為通過初始場水成物潛熱釋放過程仍能產(chǎn)生強對流活動。4 h后，幾個試驗趨于一致，這表明云分析作用隨后逐漸消失。因此云分析調(diào)整參數(shù)不僅對水成物初始場有影響，對系統(tǒng)動力場也有較大改善。

圖15 2018年3月4日15時至3月5日06時不同云參數(shù)敏感性試驗每小時700 hPa最大垂直速度（單位：m s?1）Fig. 15 Hourly maximum vertical velocity (units: m s?1) at 700 hPa of different sensitivity tests on complex cloud analysis from 1500 UTC 4 March to 0600 UTC 5 March 2018

檢驗不同云分析參數(shù)對降水預(yù)報的影響（圖略）表明，對小雨、中雨及大雨量級而言，若不進行濕度調(diào)整，則評分會大幅降低。溫度調(diào)整方案對降水預(yù)報影響僅次于濕度調(diào)整，針對本次個例，溫度調(diào)整中MA方案對小雨和中雨量級的降水預(yù)報較好，LH方案對大雨及暴雨預(yù)報的評分較高，這是因為LH方案釋放了較多潛熱，在系統(tǒng)發(fā)展后期更能維持對流發(fā)展。如果不進行雨水調(diào)整，則評分在2 h后下降明顯，使用Kessler方案在大雨和暴雨量級得到了更高的評分，這是由于在此次對流個例中，主要是液相粒子作用。對于大雨，若不進行垂直速度調(diào)整，在2 h后評分降低，但對于其他降水量級，垂直速度相關(guān)參數(shù)的影響都較弱，表明垂直參數(shù)仍能在一定程度上增強對流。

5 總結(jié)與討論

本文利用ARPS的三維變分模塊（ARPS 3Dvar）、復(fù)雜云分析模塊及WRF模式，針對華南一次春季颮線過程展開研究，討論颮線觸發(fā)及其發(fā)展機制及預(yù)報的可行性。得出以下結(jié)論：

（1）雷達反射率數(shù)據(jù)同化主要是改善了初始場的水凝物分布，而雷達徑向速度數(shù)據(jù)同化主要改善了颮線系統(tǒng)動力結(jié)構(gòu)的預(yù)報。徑向速度數(shù)據(jù)同化使WRF模式在此過程積分后期更有利于維持對流系統(tǒng)的發(fā)展，從而提高降水預(yù)報準(zhǔn)確性。雷達反射率數(shù)據(jù)同化大大減少了WRF模式自適應(yīng)（spin-up）時間，經(jīng)過2 h左右的自行調(diào)整后，預(yù)報結(jié)果更加合理可靠。

（2）不同同化時間間隔的對比試驗表明，12分鐘同化間隔的預(yù)報效果最優(yōu)。模擬的冷池和垂直風(fēng)切變較強，且相當(dāng)位溫和相對濕度分布結(jié)果更有利于颮線系統(tǒng)發(fā)展；客觀ETS和FSS評分結(jié)果也定量表明，12分鐘同化間隔產(chǎn)生的降水預(yù)報效果最佳。在12分鐘同化間隔固定條件下，同化次數(shù)越多得到的降水預(yù)報結(jié)果越好。這表明雷達實況數(shù)據(jù)經(jīng)過合理時間間隔的多次融合，可以使預(yù)報結(jié)果更好。

（3）復(fù)雜云分析參數(shù)主要對水凝物初始場進行調(diào)整，其中水汽、雨水調(diào)整對系統(tǒng)初始場影響較大，而垂直速度調(diào)整影響相對較小。由于改善水成物分布，模擬的強對流系統(tǒng)發(fā)展后期潛熱釋放更利于對流上升運動增強，使颮線系統(tǒng)內(nèi)的云水及冰晶粒子增加。同時，云分析參數(shù)對系統(tǒng)動力結(jié)構(gòu)也有一定影響，濕度調(diào)整、溫度調(diào)整和水汽調(diào)整對最大垂直速度的模擬結(jié)果影響較大，雨水調(diào)整則對系統(tǒng)動力結(jié)構(gòu)模擬結(jié)果有較大影響。

本文工作僅是針對一次颮線過程，得到的結(jié)果有一定的局限性，考慮到不同個例發(fā)生、發(fā)展機制的不同，今后應(yīng)該對更多實際颮線過程進行研究。同時，云分析的主要作用是改善模式中初始場水凝物等氣象要素的分布，使其更接近于實況，進而改善短時預(yù)報質(zhì)量，對于較長時間的降水預(yù)報，微物理方案的合理設(shè)置更為關(guān)鍵，因此，如何利用云分析方案與微物理方案合理搭配來提高降水預(yù)報效果，也是值得深入探討的問題。