基于DART +WACCM模式搭建的平流層同化、天氣預(yù)報(bào)和氣候預(yù)測(cè)模型研究

謝飛 田文壽 鄭飛 張健愷 陸進(jìn)鵬

1 北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院, 北京 100875

2 蘭州大學(xué)半干旱氣候變化教育部重點(diǎn)實(shí)驗(yàn)室, 蘭州 730000

3 中國(guó)科學(xué)院大氣物理研究所國(guó)際氣候與環(huán)境科學(xué)中心, 北京 100029

4 南京大學(xué)大氣科學(xué)學(xué)院，南京 210023

1 引言

平流層位于大氣10～50 km之間的高度層，屬于臨近空間的中低層部分。平流層空氣的垂直運(yùn)動(dòng)非常弱，大氣演變過(guò)程比較緩慢，穩(wěn)定度高，也幾乎沒(méi)有對(duì)流層中的那些復(fù)雜且瞬變的天氣現(xiàn)象。Baldwin and Dunkerton（2001）通過(guò)對(duì)日平均NCEP（National Centers for Environmental Prediction）再分析資料的分析證實(shí)，平流層中10 hPa以上的強(qiáng)位勢(shì)高度異常會(huì)隨著時(shí)間向下傳輸，并在15天左右傳輸?shù)綄?duì)流層中，影響對(duì)流層的天氣氣候變化。近些年來(lái)，國(guó)內(nèi)一些學(xué)者的研究甚至發(fā)現(xiàn)，我國(guó)所在的東亞地區(qū)，其氣候變化也會(huì)受平流層極渦、熱帶平流層過(guò)程的影響（例如：胡永云, 2006; Chen et al., 2011; 田 文 壽 等, 2011; Ren and Hu, 2014）。一方面，由于平流層環(huán)流異?？梢詫?duì)對(duì)流層天氣過(guò)程與氣候變化造成不可忽視的影響；另一方面，平流層是未來(lái)臨近空間低動(dòng)態(tài)飛行器活動(dòng)的新區(qū)域。研究平流層的環(huán)流、溫度及與其相關(guān)的化學(xué)成分變化，既能進(jìn)一步理解對(duì)流層氣候變化，也能為臨近空間低動(dòng)態(tài)飛行器飛行活動(dòng)提供氣象安全保障。因此，平流層大氣環(huán)流、溫度變化及與其相關(guān)的化學(xué)成分變化已受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注（例如：Yi et al., 2002; 呂達(dá)仁和陳洪濱, 2003; Zheng et al.,2004; 陳 洪 濱 等, 2006; Li et al., 2007; Chen et al.,2008; 陳月娟等, 2009; 劉毅和劉傳熙, 2009; 卞建春等, 2011; Xu et al., 2015）。

平流層作為傳統(tǒng)大氣科學(xué)和空間科學(xué)研究的過(guò)渡地帶，前人主要集中在平流層動(dòng)力—物理—化學(xué)過(guò)程機(jī)制方面的研究，而對(duì)平流層環(huán)流、溫度和化學(xué)成分變化的預(yù)報(bào)和短期氣候預(yù)測(cè)方面的相關(guān)工作卻非常少。在平流層大氣的研究中，一方面，平流層觀測(cè)數(shù)據(jù)少、種類(lèi)少、缺失值多，而大氣環(huán)流模式對(duì)平流層環(huán)流隨時(shí)間變化的模擬水平與觀測(cè)資料之間還有一定差距。數(shù)值同化技術(shù)可能為平流層研究產(chǎn)生更接近觀測(cè)值的、更完整的數(shù)據(jù)集。另一方面，由于平流層與對(duì)流層的相互作用，數(shù)值模式中平流層變化的預(yù)報(bào)預(yù)測(cè)效果可能會(huì)對(duì)對(duì)流層整個(gè)動(dòng)力過(guò)程和熱力場(chǎng)的預(yù)報(bào)預(yù)測(cè)，甚至對(duì)全球天氣預(yù)報(bào)和短期氣候預(yù)測(cè)結(jié)果都有極其重要的影響。天氣氣候變化的預(yù)報(bào)預(yù)測(cè)技術(shù)的高低，受數(shù)值模式本身包含的化學(xué)反應(yīng)和物理過(guò)程完整度、物理參數(shù)化方案優(yōu)化程度、邊界條件等影響；另外，預(yù)報(bào)預(yù)測(cè)數(shù)值試驗(yàn)的初始場(chǎng)精度也是影響預(yù)報(bào)預(yù)測(cè)結(jié)果的一個(gè)重要條件。當(dāng)下，使用觀測(cè)資料進(jìn)行數(shù)值同化就是估計(jì)數(shù)值模式初值這一問(wèn)題的重要方法和手段。21世紀(jì)以來(lái)，平流層大氣探測(cè)和反演技術(shù)在不斷的發(fā)展（呂達(dá)仁和陳洪濱, 2003），以往同化對(duì)流層氣象觀測(cè)資料的技術(shù)正在向平流層大氣延伸。

針對(duì)平流層大氣資料數(shù)值同化技術(shù)，近些年國(guó)內(nèi)外的一些學(xué)者對(duì)此核心問(wèn)題開(kāi)展了研究。比如，國(guó)際上就有學(xué)者基于三維變分同化方法開(kāi)發(fā)了中高層大氣數(shù)值同化技術(shù)。Jackson（2007）通過(guò)英國(guó)氣象局資料同化系統(tǒng)（基于三維變分同化方案）將MLS（Microwave Limb Sounder）衛(wèi)星的臭氧觀測(cè)資料同化到了數(shù)值模式中。他們的研究中發(fā)現(xiàn)，對(duì)MLS觀測(cè)資料同化后，模擬結(jié)果中平流層臭氧體積混合比的誤差標(biāo)準(zhǔn)差和平均分析誤差降低了。Pierce et al.（2007）指出將太陽(yáng)掩星臭氧體積濃度觀測(cè)資料（Stratospheric Aerosol and Gas Experiment III）同化到模式中，能夠顯著提高RAQMS（Realtime Air Quality Modeling System）模式中低平流層和上對(duì)流層的臭氧體積濃度的模擬效果。肖存英等（2017）也使用三維變分同化方案，在模式中連續(xù)同化了全球10～96 km（臨近空間）高度范圍內(nèi)MLS衛(wèi)星臭氧數(shù)據(jù)。此外，三維變分同化方法還被應(yīng)用到了準(zhǔn)兩日振蕩（McCormack et al., 2009）、極地云（Siskind et al., 2011）和平流層爆發(fā)性增溫事件（Coy et al., 2009; Ren et al., 2011; Wang et al.,2011）的研究中。四維變分資料同化，則是在三維變分資料同化的基礎(chǔ)上，加入時(shí)間維度信息，把多個(gè)時(shí)刻的大氣狀態(tài)數(shù)據(jù)聯(lián)系起來(lái)，找到數(shù)據(jù)之間的變化關(guān)系。通過(guò)四維變分方案，Errera et al.（2008）在一個(gè)化學(xué)傳輸模式中，同化了臭氧體積濃度觀測(cè)資料。他們的研究發(fā)現(xiàn)同化臭氧濃度觀測(cè)資料能夠較好地提高模式中平流層臭氧洞結(jié)構(gòu)變化的模擬效果。后來(lái)，Elbern et al.（2010）通過(guò)結(jié)合流依賴(lài)模型與四維變分同化技術(shù)，研發(fā)出了SACADA（The Synoptic Analysis of Chemical Constituents by Advanced Data Assimilation）系統(tǒng)。這是一種新型的中高層大氣化學(xué)數(shù)值同化系統(tǒng)，此系統(tǒng)甚至可以同時(shí)同化觀測(cè)的O3、N2O、CH4、HNO3、NO2和水汽等資料。然而，使用三維變分或者四維變分方法進(jìn)行數(shù)據(jù)同化也并非沒(méi)有潛在的問(wèn)題。特別是，由于錯(cuò)誤的設(shè)定背景誤差協(xié)方差，可能會(huì)導(dǎo)致出現(xiàn)虛假的相關(guān)關(guān)系（Polavarapu et al., 2005）。

集合數(shù)據(jù)同化是可用于大氣變化研究的另一種數(shù)據(jù)同化方法。集合數(shù)據(jù)同化會(huì)從集合成員中直接獲得背景誤差協(xié)方差，這樣就不需要指定背景誤差協(xié)方差，從而降低了由于指定背景誤差協(xié)方差而產(chǎn)生的虛假相關(guān)性的可能性。因此，集合數(shù)據(jù)同化方法在大氣模型數(shù)據(jù)同化中具有一定的潛在優(yōu)勢(shì)。由美國(guó)大氣研究中心（NCAR）開(kāi)發(fā)的DART（Data Assimilation Research TestBed）同化工具，采用的集合數(shù)據(jù)同化方法就是集合卡曼濾波方法。Pedatella et al.（2013）利用DART研究了WACCM（Whole Atmosphere Community Climate Model）模式在同化觀測(cè)資料以后，對(duì)中高層大氣中的日變率模擬性能的改善。他們發(fā)現(xiàn)，在同化了來(lái)自輻射傳感器和飛機(jī)的溫度和風(fēng)、衛(wèi)星的風(fēng)、低層大氣的COSMIC（Constellation Observing System for Meteorology,Ionosphere, and Climate）折射率，以及中高層大氣的SABER（Sounding of the Atmosphere using Broadband Emission Radiometry）溫度觀測(cè)資料后，模擬的全球大氣環(huán)流與觀測(cè)資料之間的均方根誤差減少了40%。他們指出，WACCM+DART可以重現(xiàn)中高層大氣的日變化規(guī)律，能夠深入研究從地表到平流層的真實(shí)日變化特征。隨后，Pedatella et al.（2013）利用WACCM+DART重現(xiàn)了2009年平流層爆發(fā)性增溫的時(shí)空演變過(guò)程。他們的研究中，同化了中高層大氣的MLS和SABER衛(wèi)星溫度觀測(cè)資料、COSMIC掩星觀測(cè)資料和低層大氣的飛機(jī)、探空、衛(wèi)星云軌跡風(fēng)等觀測(cè)資料。對(duì)2009年1月平流層爆發(fā)性增溫的模擬顯示，在升溫過(guò)程中，平流層的行星波活動(dòng)顯著增加，這可能是由于行星1波和2波之間的非線性波流相互作用所致。他們通過(guò)對(duì)全大氣數(shù)據(jù)同化系統(tǒng)的模擬分析還發(fā)現(xiàn)，對(duì)流層和平流層之間的大尺度動(dòng)態(tài)耦合過(guò)程，對(duì)熱層和電離層的變化具有提前數(shù)天的潛在預(yù)報(bào)能力。Sassi et al.（2013）同樣使用WACCM加數(shù)據(jù)同化技術(shù)，研究了2009年1月與2月之間發(fā)生的平流層大面積升溫事件，并成功地重現(xiàn)了事件發(fā)生后異常環(huán)流持續(xù)數(shù)周的現(xiàn)象，并重點(diǎn)研究了200公里（低層熱層）以下大氣環(huán)流的動(dòng)態(tài)響應(yīng)。

在前人的研究中，他們主要關(guān)心的是中高層大氣同化技術(shù)的發(fā)展，平流層天氣尺度預(yù)報(bào)和短期氣候預(yù)測(cè)相關(guān)技術(shù)的研究涉及較少。而且他們使用的中高層大氣模式和數(shù)值同化工具版本相對(duì)較老，有必要嘗試使用最新版本的模式和同化工具搭建的模型重新研究這些問(wèn)題。國(guó)內(nèi)平流層大氣的數(shù)值同化研究起步較晚。基于WACCM+DART，敬文琪等（2019）將2016年2月一次平流層爆發(fā)性增溫（SSW）過(guò)程作為個(gè)例模擬進(jìn)行了臭氧觀測(cè)同化試驗(yàn)，發(fā)現(xiàn)WACCM+DART臭氧分析場(chǎng)能夠較真實(shí)反映SSW期間北極上空平流層臭氧廓線隨時(shí)間的演變特征。但是，研究過(guò)程中，只同化了臭氧變量。特別是對(duì)于平流層大氣預(yù)報(bào)和預(yù)測(cè)方面的技術(shù)還沒(méi)有受到國(guó)內(nèi)科學(xué)家的足夠重視。為了將我國(guó)在平流層同化、預(yù)報(bào)和預(yù)測(cè)領(lǐng)域的研究推進(jìn)到國(guó)際領(lǐng)先地位，建立基于多源觀測(cè)的平流層大氣環(huán)境狀況數(shù)據(jù)庫(kù)，開(kāi)發(fā)面向平流層大氣高影響天氣的專(zhuān)業(yè)模式和數(shù)值預(yù)報(bào)，既能加強(qiáng)對(duì)平流層大氣的基礎(chǔ)認(rèn)識(shí)，推動(dòng)平流層大氣探測(cè)技術(shù)的發(fā)展，重新認(rèn)識(shí)平流層大氣中關(guān)鍵天氣、氣候要素和化學(xué)成分在不同時(shí)間尺度上的空間分布特征以及平流層大氣與對(duì)流層的動(dòng)力耦合機(jī)制，又能解決國(guó)家國(guó)防活動(dòng)重大需求，為臨近空間大氣飛行器提供氣象環(huán)境安全保障。這個(gè)研究中，我們基于WACCM最新的版本W(wǎng)ACCM6大氣化學(xué)氣候模式和DART最新版本DART_Manhattan同化工具搭建了一個(gè)具有多變量數(shù)值同化、0～30天天氣尺度預(yù)報(bào)和30～60天短期氣候預(yù)測(cè)能力的模型。為了檢測(cè)模型的性能，研究中進(jìn)行了同化、預(yù)報(bào)和預(yù)測(cè)3個(gè)方面的檢測(cè)。以2020年3、4月北極平流層出現(xiàn)的大規(guī)模損耗（Hu,2020; Witze, 2020）為主要研究個(gè)例，檢測(cè)了同化中高層衛(wèi)星資料后，模型對(duì)臭氧洞事件的重現(xiàn)能力。以2020月4月底的同化結(jié)果分析場(chǎng)為初值，對(duì)5、6月的平流層大氣狀態(tài)進(jìn)行了回報(bào)試驗(yàn)，并對(duì)比了預(yù)報(bào)預(yù)測(cè)結(jié)果與其他再分析資料的差異。文章的結(jié)構(gòu)如下：第2章詳細(xì)介紹了同化、預(yù)報(bào)和預(yù)測(cè)模型，第3章利用本模型重現(xiàn)了2020年3、4月北極平流層臭氧大規(guī)模損耗事件，第4章分析了模型對(duì)北極平流層環(huán)流和溫度的同化和預(yù)報(bào)、預(yù)測(cè)能力，第5章診斷了模型對(duì)全球平流層溫度和環(huán)流模擬、預(yù)報(bào)和預(yù)測(cè)能力的改善，第6章為討論和結(jié)論。

2 數(shù)據(jù)、模式與試驗(yàn)設(shè)計(jì)

2.1 數(shù)據(jù)

MERRA2 的溫度場(chǎng)和緯向風(fēng)再分析資料，用于同化效果的檢驗(yàn)。MERRA2是MERRA的第2版。其水平分辨率為0.625°×0.5°。MERRA2的垂直分辨率在中上層平流層約為2～4 km，在對(duì)流層上層和下層平流層約為1～2 km，從1000～0.1 hPa共72層。

MLS的臭氧體積濃度衛(wèi)星觀測(cè)資料，用于同化效果的檢驗(yàn)。MLS是搭載在由NASA于2004年7月15日發(fā)射升空的Aura 衛(wèi)星上的微波臨邊探測(cè)器。MLS探測(cè)器臨邊探測(cè)廓線水平間隔約為200～550 km，垂直分辨率為2.5～5.5 km，空間覆蓋范圍為82°S～82°N。本研究采用的MLS v4.2x標(biāo)準(zhǔn)臭氧體積濃度產(chǎn)品是由240 GHz的輻射值與115 GHz 輻射值獲取的大氣溫度產(chǎn)品反演得到的。根據(jù)MLS v4.2x 2 級(jí)產(chǎn)品質(zhì)量和描述文檔（Livesey,2015），261～0.02 hPa范圍之外的臭氧體積濃度資料不推薦用于科學(xué)研究用途，因此本研究只使用氣壓范圍為261～0.02 hPa 的臭氧體積濃度資料。

TIMED/SABER臭氧、水汽體積濃度和溫度衛(wèi)星觀測(cè)資料，用于中高層大氣數(shù)值同化，SABER是美國(guó)航天局TIMED衛(wèi)星上的四個(gè)儀器之一。SABER儀器的主要目標(biāo)是為我們研究平流層、中間層和熱層低層的能量、化學(xué)、動(dòng)力學(xué)和傳輸?shù)幕具^(guò)程和特征提供必要的數(shù)據(jù)。SABER通過(guò)使用10個(gè)通道寬帶的臨邊掃描紅外輻射計(jì)對(duì)大氣層進(jìn)行全球掃描，其光譜范圍為1.27 μm至17 μm。SABER可以提供動(dòng)力學(xué)溫度、壓強(qiáng)、位勢(shì)高度、痕量氣體O3、CO2、H2O、[O]和[H]的體積混合比等變量的垂直剖面圖。

2.2 WACCM模式

WACCM是美國(guó)大氣研究中心近年來(lái)發(fā)展的“對(duì)流層—平流層—中間層—熱層底部”一體化的全球三維大氣模式，采用有限體積動(dòng)力框架（Lin,2004）。WACCM中的化學(xué)過(guò)程通過(guò)三維全球大氣化學(xué)輸送模式MOZART來(lái)實(shí)現(xiàn)（Kinnison et al.,2007），包含50余種主要的化學(xué)成分以及多種中間層與熱層下層區(qū)域中的主要離子成分，并考慮了多種痕量氣體的化學(xué)反應(yīng)過(guò)程（Garcia et al., 2007）。

本研究采用的模式版本為WACCM的最新第6代版本（WACCM6），它代表了中層大氣直至中間層模擬的最新水平。WACCM6的水平分辨率使用0.9°（緯度）×1.25°（經(jīng)度）。在垂直方向上，WACCM6 從邊界層向上擴(kuò)展至熱層底部（5.96×10?6hPa；140 km）共70個(gè)垂直層次，垂直分辨率在對(duì)流層約為1.1 km，平流層低層1.1～1.4 km 之間，平流層頂（約50 km）高度附近為1.75 km，65 km 以上垂直分辨率約為3.5 km。與以往的WACCM版本相比，WACCM6再現(xiàn)的中層大氣中的溫度、風(fēng)和微量成分（如水汽和臭氧）的氣候態(tài)特征與觀測(cè)更接近，能夠更準(zhǔn)確模擬SSW導(dǎo)致的平流層變化，改善了全球溫度和平流層環(huán)流對(duì)火山噴發(fā)的響應(yīng)，對(duì)QBO和中層大氣的長(zhǎng)期趨勢(shì)有很好的模擬水平。其模擬的溫度、風(fēng)和水汽與觀測(cè)相比偏差很小，比以前版本的WACCM小得多。盡管模擬的南半球極地平流層在春季和初夏與觀測(cè)相比存在溫度偏差，但WACCM6能夠重現(xiàn)20世紀(jì)和21世紀(jì)臭氧的演變特征。另外，熱帶地區(qū)的模擬和觀測(cè)相比還存在一些偏差，這可能是由于熱帶上升流的速度模擬不好造成的。WACCM6對(duì)平流層模擬的改善，改善了全球氣候變化的模擬，甚至改善了地表氣候的模擬。WACCM6模擬的高緯變率，特別是冬季海平面氣壓的標(biāo)準(zhǔn)差，與觀測(cè)結(jié)果更為一致，而且在WACCM6中模擬的阻塞頻率也與觀測(cè)更接近。

2.3 DART 同化系統(tǒng)

DART是由NCAR資料同化研究部門(mén)研發(fā)的一款基于集合EAKF（Ensemble Adjustment Kalman Filter）濾波理論的、適用于資料同化教學(xué)、研究和開(kāi)發(fā)的開(kāi)源軟件工具（Anderson, 2010）。最小二乘框架下的EAKF基本算法（Anderson, 2003）分為兩步：第一步，分別在單個(gè)觀測(cè)位置上利用標(biāo)量集合濾波方法，計(jì)算每個(gè)觀測(cè)變量先驗(yàn)估計(jì)集合成員的更新增量；第二步，利用觀測(cè)變量先驗(yàn)估計(jì)集合的更新增量和觀測(cè)變量先驗(yàn)估計(jì)集合與每個(gè)模式狀態(tài)變量集合的線性回歸關(guān)系，線性化地計(jì)算每個(gè)模式狀態(tài)變量集合的更新增量。集合EAKF相對(duì)傳統(tǒng)的EnKF方法的主要優(yōu)點(diǎn)在于：一方面它不需要通過(guò)矩陣運(yùn)算構(gòu)建線性調(diào)整矩陣，從而耗費(fèi)大量計(jì)算資源；另一方面它將觀測(cè)向量分為多個(gè)單一觀測(cè)標(biāo)量，分別計(jì)算觀測(cè)增量，便于并行化，更符合實(shí)際的工作需求。目前，DART工具很多觀測(cè)類(lèi)型的同化接口有待進(jìn)一步開(kāi)發(fā)。

本研究使用的DART同化工具版本為最新的Manhattan版本。DART采用模塊化編程方法，應(yīng)用集成卡爾曼濾波器，該濾波器的作用是將模型值調(diào)整為與一組觀測(cè)數(shù)據(jù)信息更一致的狀態(tài)，這需要運(yùn)行DART輸入的多個(gè)觀測(cè)實(shí)例來(lái)生成一個(gè)狀態(tài)集合。也就是將適合被同化的觀測(cè)算子類(lèi)型應(yīng)用于每個(gè)狀態(tài)，以生成模型對(duì)觀測(cè)的估計(jì)，然后將這些估計(jì)及其不確定性與觀測(cè)值及其不確定性進(jìn)行比較，最終對(duì)模型的狀態(tài)進(jìn)行調(diào)整。

2.4 同化、預(yù)報(bào)和預(yù)測(cè)試驗(yàn)設(shè)計(jì)

本研究一共設(shè)計(jì)了四組試驗(yàn)。第一組為歷史重現(xiàn)試驗(yàn)，模擬時(shí)期為2020年3月1日至4月30日。采用WACCM6+DART的同化模擬，同化了SABER衛(wèi)星溫度、臭氧和水汽資料，溫室氣體強(qiáng)迫 來(lái) 自CMIP6（Coupled Model Intercomparison Project Phase 6）2020年3～4月多模式集合平均結(jié)果，海溫驅(qū)動(dòng)資料來(lái)自Hadley觀測(cè)資料。第二組也為歷史重現(xiàn)試驗(yàn)，模擬時(shí)期同樣為2020年3月1日至4月30日。采用WACCM6單獨(dú)模擬，溫室氣體強(qiáng)迫來(lái)自CMIP6 2020年3～4月多模式集合平均結(jié)果，海溫驅(qū)動(dòng)資料來(lái)自Hadley觀測(cè)資料。其與第一組試驗(yàn)相比，只是沒(méi)有進(jìn)行數(shù)值同化處理。第三組為預(yù)報(bào)預(yù)測(cè)試驗(yàn)，采用WACCM6模型，回報(bào)時(shí)段為2020年5月1日至6月30日。溫室氣體強(qiáng)迫來(lái)自CMIP6 2020年5～6月多模式集合平均預(yù)測(cè)結(jié)果，未來(lái)海溫海冰強(qiáng)迫資料來(lái)自NCEP CFSv2（Climate Forecast System Model version 2），預(yù)報(bào)初值為第一組試驗(yàn)輸出的4月30日分析場(chǎng)。第四組試驗(yàn)與第三組完全類(lèi)似，只是試驗(yàn)初值為第二組試驗(yàn)輸出的4月30日分析場(chǎng)。四組試驗(yàn)的模式時(shí)間積分步長(zhǎng)設(shè)置為1800秒。同化試驗(yàn)中，同化周期為6 h，同化窗區(qū)為±1.5 h。四組試驗(yàn)中，每組試驗(yàn)5個(gè)集合成員，文章中的結(jié)果均為5個(gè)集合試驗(yàn)平均結(jié)果。表1更清晰地顯示了四組試驗(yàn)的設(shè)計(jì)方案。

表1 四組試驗(yàn)設(shè)計(jì)Table 1 Design of experiments

第一組試驗(yàn)在本研究中有2個(gè)作用：（1）與第二組沒(méi)有進(jìn)行同化的試驗(yàn)對(duì)比，以說(shuō)明同化衛(wèi)星資料以后對(duì)歷史重現(xiàn)試驗(yàn)的改善效果；（2）第一組試驗(yàn)的2020年4月30日的分析場(chǎng)為第三組WACCM6模式預(yù)報(bào)預(yù)測(cè)試驗(yàn)提供初始場(chǎng)。而第二組試驗(yàn)的2個(gè)作用是：（1）與第一組試驗(yàn)結(jié)果對(duì)比（同上）；（2）第二組試驗(yàn)的2020年4月30日的分析場(chǎng)為第四組WACCM6模式預(yù)報(bào)預(yù)測(cè)試驗(yàn)提供初始場(chǎng)。第三組和第四組為歷史回報(bào)試驗(yàn)。第三組試驗(yàn)的作用是檢測(cè)利用WACCM6+DART同化模型為WACCM6提供了預(yù)報(bào)初值后，WACCM6預(yù)報(bào)預(yù)測(cè)模型對(duì)歷史過(guò)程的回報(bào)效果。第四組試驗(yàn)則是為了與第三組試驗(yàn)結(jié)果對(duì)比分析，檢測(cè)WACCM6的預(yù)報(bào)初值在沒(méi)有進(jìn)行同化改善的情況下，對(duì)歷史過(guò)程的回報(bào)能力。

3 2020年北極平流層臭氧3、4月同化模擬與5、6月預(yù)報(bào)預(yù)測(cè)

我們首先分析了第一組試驗(yàn)，也就是WACCM6+DRAT模型在中高層大氣同化了SABER溫度、臭氧和水汽3種變量以后，平流層臭氧的模擬結(jié)果。圖1給出了模擬的北極臭氧柱總量（TCO）隨時(shí)間的變化特征。圖1a–e分別表示3月1日、3月15日、3月30日、4月15日，4月30日TCO的變化?？梢?jiàn)，從3月1日開(kāi)始，北極圈內(nèi)已經(jīng)開(kāi)始出現(xiàn)臭氧損耗（圖1a）；到15日的時(shí)候，臭氧損耗繼續(xù)加強(qiáng)（圖1b）；到了3月30日，北極臭氧已經(jīng)開(kāi)始出現(xiàn)大規(guī)模損耗現(xiàn)象，TCO降低到了220 DU（Dobson Unit）以下（圖1c）；在4月15日時(shí)，北極臭氧損耗現(xiàn)象已經(jīng)開(kāi)始減弱（圖1d）；到4月30日，北極的臭氧大規(guī)模損耗事件基本結(jié)束（圖1e）。圖2給出了由MERRA2再分析資料計(jì)算得到的、整個(gè)北極地區(qū)平均的TCO隨時(shí)間的變化曲線。2020年的臭氧大規(guī)模損耗事件主要從2月底開(kāi)始并到4月中下旬結(jié)束（Hu，2020）。3月中下旬，臭氧含量降至最低值，這種創(chuàng)紀(jì)錄的低臭氧持續(xù)到2020年4月19日。這里需要注意的是，圖2的曲線中TCO的最低值在320 DU左右，這是因?yàn)閳D2中TCO曲線是60oN～90oN平均得到的。作為參考，在這段時(shí)間內(nèi)，整個(gè)北極地區(qū)TCO氣候態(tài)的平均臭氧總量柱400 DU以上，這是因?yàn)楸睒O極渦通常在3月破裂，使富含臭氧的空氣從低緯度地區(qū)進(jìn)入極地地區(qū)。自1979年以來(lái)，北極上空如此異常的低臭氧只在1997年和2011兩年出現(xiàn)過(guò)。2020年3月的異常低臭氧量在觀測(cè)記錄中是絕無(wú)僅有的。對(duì)比圖1和圖2可以看到，WACCM6+DRAT模型的同化試驗(yàn)?zāi)M結(jié)果很好地重現(xiàn)了2020年北極平流層臭氧3、4月大規(guī)模損耗情況。

圖1 第一組試驗(yàn)（同化SABER資料的試驗(yàn)，見(jiàn)表1）模擬的2020年（a）3月1日、（b）3月15日、（c）3月30日、（d）4月15日和（e）4月30日北極臭氧柱總量（TCO，單位：DU）分布Fig. 1 First set of experiments (Table 1) and simulated total column ozone (TCO, units: DU) distributions for (a) March 1, (b) March 15,(c) March 30, (d) April 15, and (e) April 30, 2020

圖2 MERRA2再分析資料中，過(guò)去30年（1990～2020年）60oN～90oN平均的TCO（單位：DU）月變化曲線。黑線為1990～2019年TCO月變化的平均結(jié)果，陰影區(qū)域代表1990～2019年TCO的月變化范圍，藍(lán)線代表2020年TCO月變化曲線Fig. 2 MERRA2 reanalysis of monthly TCO (units: DU) changes averaged over 60°–90° N for the past 30 years (1990–2020). The black line indicates the average of the monthly TCO changes from 1990–2019, while the shaded area represents the range of TCO changes from 1990–2019. The blue line indicates the monthly TCO change for 2020

圖3給出了第二組試驗(yàn)WACCM6模式在沒(méi)有進(jìn)行資料同化的情況下，模擬的北極臭氧柱總量（TCO）隨時(shí)間的變化特征。圖3a–e分別表示3月1日、3月15日、3月30日、4月15日，4月30日TCO的變化。在3月1日和3月15日（圖3a和b），可以看到北極臭氧也出現(xiàn)了損耗的現(xiàn)象。但是，臭氧損耗最嚴(yán)重的區(qū)域，TCO也在280 DU以上。到3月30日的時(shí)候（圖3c），臭氧損耗現(xiàn)象已經(jīng)完全消失，直到4月底也再?zèng)]有出現(xiàn)臭氧損耗現(xiàn)象（圖3d和e）。這說(shuō)明，沒(méi)有同化SABER資料的第二組試驗(yàn)并沒(méi)有重現(xiàn)2020年3、4月北極平流層臭氧大規(guī)模損耗的現(xiàn)象。這也說(shuō)明了，對(duì)于目前即使是包含了完整平流層過(guò)程的模式模擬的平流層變化與觀測(cè)之間還是存在一定的差距。而中高層大氣同化技術(shù)可能是解決這一問(wèn)題的一個(gè)有效手段。

圖3 第二組試驗(yàn)（未進(jìn)行同化的試驗(yàn)，見(jiàn)表1）模擬的2020年（a）3月1日、（b）3月15日、（c）3月30日、（d）4月15日和（e）4月30日TCO（單位：DU）分布Fig. 3 Second set of experiments (see Table 1) simulated TCO (units: DU) distributions for (a) March 1, (b) March 15, (c) March 30, (d) April 15,and (e) April 30, 2020

為了進(jìn)一步的分析歷史重現(xiàn)試驗(yàn)中（第一、二組試驗(yàn)）同化試驗(yàn)和未進(jìn)行同化的試驗(yàn)與觀測(cè)結(jié)果之間的差異，圖4a和圖4b給出了北極地區(qū)平均的平流層臭氧含量從2020年3月1日到4月30日之間的變化特征，并與MLS衛(wèi)星觀測(cè)資料進(jìn)行了對(duì)比。對(duì)于北極地區(qū)，臭氧高含量區(qū)域分布在50～1 hPa之間。圖4a、b表明同化試驗(yàn)?zāi)M的臭氧含量（圖4a）比未進(jìn)行同化的試驗(yàn)?zāi)M的臭氧含量（圖4b）要低得多。圖4c顯示了圖4a中的臭氧含量變化與過(guò)去20年平均的3月1日到4月30日臭氧含量變化之差?？梢钥吹?，相對(duì)于過(guò)去臭氧的含量變化，2020年3月1日到4月30日北極平流層臭氧的含量要低得多。圖4d顯示了圖4a中的臭氧含量變化與MLS觀測(cè)臭氧的差異。總體來(lái)說(shuō)，同化后模擬的平流層臭氧變化與觀測(cè)資料結(jié)果很接近，在1 hPa以上和100 hPa以下，它們之間的差異非常小。但是，30～1 hPa之間，同化后模擬的臭氧含量相對(duì)觀測(cè)值也偏小約0.5 ppmv，在100～30 hPa之間，相對(duì)觀測(cè)值偏大。

圖4 （a）第一組試驗(yàn)（同化SABER資料的試驗(yàn)，見(jiàn)表1）模擬的2020年3、4月北極地區(qū)平均的臭氧含量變化。（b）第二組試驗(yàn)（未進(jìn)行同化的試驗(yàn)，見(jiàn)表1）模擬的2020年3、4月北極地區(qū)平均的臭氧含量變化。（c）為（a）中的臭氧含量變化與過(guò)去20年北極地區(qū)平均的臭氧變化的氣候態(tài)的差值。（d）為（a）中的臭氧含量變化與MLS資料中的北極地區(qū)平均的臭氧含量變化的差值。單位：ppm（ppm=10?6）Fig. 4 (a) Simulated changes in Arctic-averaged ozone from the first set of experiments in March and April 2020 (Table 1). (b) Simulated changes in Arctic-averaged ozone from the second set of experiments in March and April 2020 (Table 1). (c) Difference between the ozone changes in (a) and Arctic-averaged ozone change over the past decade. (d) Difference between the ozone changes in (a) and the Arctic-averaged ozone changes based on MLS data. Units: ppm

可見(jiàn)，同化SABER衛(wèi)星資料有效地提高了WACCM6模擬平流層臭氧變化的能力。在試驗(yàn)中，一共同化了臭氧、溫度和水汽三種變量。DART的集成卡爾曼濾波器，會(huì)將WACCM6的臭氧、溫度和水汽輸出結(jié)果調(diào)整為與觀測(cè)數(shù)據(jù)信息更一致的狀態(tài)。這將可能從兩個(gè)方面對(duì)WACCM6的臭氧輸出結(jié)果進(jìn)行改善。一是，通過(guò)集成卡爾曼濾波器，模擬結(jié)果直接向觀測(cè)結(jié)果的調(diào)整。但是，SABER衛(wèi)星資料軌道覆蓋率不全面，僅僅靠模擬結(jié)果直接向觀測(cè)結(jié)果的調(diào)整，對(duì)于一些無(wú)臭氧觀測(cè)資料同化的區(qū)域，臭氧模擬改善效果有限。而研究中，溫度和水汽觀測(cè)資料的同化會(huì)從化學(xué)過(guò)程方面對(duì)臭氧模擬結(jié)果進(jìn)行影響。改善平流層溫度可以改善平流層臭氧的損耗和生成速度模擬。特別對(duì)于極地，平流層溫度是影響極地云形成的最重要因子之一。同化平流層溫度資料，使模擬的溫度更接近觀測(cè)結(jié)果，這也會(huì)使極地云的模擬更接近觀測(cè)結(jié)果。極地云上發(fā)生的非均相化學(xué)反應(yīng)釋放的活性鹵族元素，是造成臭氧洞的直接因素。圖1中，第一組同化試驗(yàn)中能重現(xiàn)2020年春季的臭氧洞現(xiàn)象，除了與直接同化臭氧有重要關(guān)系外，同化平流層溫度變化也可能是重要因素。而對(duì)于同化平流層水汽資料，水汽分解產(chǎn)生的OH離子可以把臭氧還原成氧氣，另外它也是生成極地云的主要成分。這些都說(shuō)明，通過(guò)同化技術(shù)對(duì)平流層溫度和水汽模擬的改善，對(duì)平流層臭氧模擬的改善作用是肯定的。這里需要說(shuō)明的是，本研究中，我們僅同化了一種衛(wèi)星資料。這可能意味著，對(duì)于改善平流層變化的模擬，雖然中高層大氣同化技術(shù)是一個(gè)有效手段，但是僅同化一種衛(wèi)星資料模擬的平流層變化可能還會(huì)與真實(shí)大氣之間存在一定誤差。未來(lái)還需要同化多種衛(wèi)星資料，通過(guò)多源資料同化的方式來(lái)進(jìn)一步改善平流層模擬效果。

以第一組同化試驗(yàn)輸出的4月30日分析場(chǎng)為初始場(chǎng)，第三組試驗(yàn)對(duì)2020年5月1日到6月30日的平流層臭氧變化進(jìn)行了回報(bào)試驗(yàn)檢驗(yàn)。圖5a給出了回報(bào)的平流層臭氧含量變化。圖5b為回報(bào)試驗(yàn)結(jié)果與MLS臭氧觀測(cè)結(jié)果之差。對(duì)于0～3天的預(yù)報(bào)結(jié)果，預(yù)報(bào)值與MLS觀測(cè)值之間只有在100～1 hPa存在明顯的差異，在30～1 hPa之間，預(yù)測(cè)值偏小0.5 ppmv，在100～30 hPa之間，預(yù)測(cè)值偏大0.5 ppmv；絕對(duì)誤差在0.5 ppmv之內(nèi)。對(duì)比圖4d可以看到，差異主要來(lái)自于同化試驗(yàn)輸出的4月30日分析場(chǎng)在100～1 hPa之間與MLS觀測(cè)值之間存在誤差。對(duì)從第4到第15天的預(yù)報(bào)結(jié)果，預(yù)報(bào)值與觀測(cè)值之間沒(méi)有出現(xiàn)誤差隨時(shí)間增益的現(xiàn)象，預(yù)測(cè)值與觀測(cè)值之間有很好的一致性。特別是對(duì)于第16到第30天的預(yù)報(bào)結(jié)果，其預(yù)報(bào)值與觀測(cè)值之間的差異相比于0～15的預(yù)報(bào)結(jié)果與觀測(cè)值之間的差異更小了。對(duì)比圖4a和圖5a可以看到，從5月開(kāi)始，100～1 hPa之間臭氧含量由于季節(jié)變化減小。15～30天預(yù)報(bào)值與觀測(cè)值之間差異的減少，應(yīng)該是由于臭氧總含量隨季節(jié)變化減少導(dǎo)致的。也就是說(shuō)15～30天預(yù)報(bào)值與觀測(cè)值之間的絕對(duì)誤差減少了，但是相對(duì)誤差可能并沒(méi)有顯著減少。從第30天開(kāi)始的短期氣候尺度預(yù)測(cè)中的預(yù)測(cè)值與觀測(cè)值之間的誤差突然出現(xiàn)了較大的差異，但是到了45天以后，誤差又減少了（圖5b）。此結(jié)果可能與MLS觀測(cè)值本身存在的觀測(cè)誤差有關(guān)。這個(gè)結(jié)果將來(lái)還需要與其他觀測(cè)資料對(duì)比以進(jìn)一步驗(yàn)證。總體來(lái)說(shuō)，短期預(yù)測(cè)尺度的結(jié)果與觀測(cè)值之間的誤差很穩(wěn)定，預(yù)測(cè)結(jié)果與觀測(cè)值有很高的一致性。

圖5 （a）第三組試驗(yàn)（以第一組同化試驗(yàn)輸出的分析場(chǎng)為初值的試驗(yàn)，見(jiàn)表1）預(yù)報(bào)的2020年5月和預(yù)測(cè)的6月北極地區(qū)平均的臭氧含量變化。（b）為（a）圖中的臭氧含量變化與MLS資料中臭氧含量變化的差值。單位：ppmFig. 5 (a) Arctic-averaged ozone changes forecasted and predicted by the third set of experiments (Table 1) for May and June 2020.(b) Difference between ozone changes in (a) and those in the MLS data.Units: ppm

Ivy et al.（2017）和Xie et al.（2016, 2017）發(fā)現(xiàn)，北極平流層臭氧損耗能顯著影響北半球氣候變化。利用數(shù)值同化技術(shù)提升目前模式中模擬、預(yù)報(bào)和預(yù)測(cè)平流層臭氧變化，這不但可能提升模式對(duì)流層氣候變化的模擬能力，也可能提升對(duì)流層延伸期預(yù)報(bào)和短期氣候預(yù)測(cè)能力。

4 2020年北極平流層溫度和環(huán)流3、4月同化模擬與5、6月預(yù)報(bào)預(yù)測(cè)

上一章分析了WACCM6+DRAT同化、預(yù)報(bào)預(yù)測(cè)模型對(duì)2020年發(fā)生的北極臭氧大規(guī)模損耗過(guò)程的重現(xiàn)能力以及對(duì)臭氧的預(yù)報(bào)預(yù)測(cè)能力。由于臭氧變化可以通過(guò)輻射作用影響平流層的溫度和環(huán)流，這一章節(jié)，我們將繼續(xù)分析WACCM6+DRAT模型對(duì)北極平流層溫度和環(huán)流2020年3、4月同化模擬和5、6月預(yù)報(bào)預(yù)測(cè)的結(jié)果。

圖6a、b和c分別顯示了，第一組同化了SABER溫度、臭氧和水汽資料的試驗(yàn)輸出的、第二組未進(jìn)行資料同化試驗(yàn)輸出的以及MERRA2再分析資料的2020年3、4月平流層溫度變化。相比于圖6c，同化試驗(yàn)和未進(jìn)行同化的試驗(yàn)都較好地模擬出了北極2020年3、4月平流層溫度的變化特征（圖6a和b），即平流層低層溫度從3月開(kāi)始升高，從190 K上升到210 K左右；而平流層中上層溫度變化不大。圖6d顯示了第一組試驗(yàn)輸出的平流層溫度變化與MERRA2再分析資料之間的差值，圖6e顯示了第二組試驗(yàn)輸出的平流層溫度變化與MERRA2再分析資料之間的差值?？梢钥吹?，在同化了SABER溫度、臭氧和水汽資料以后，在1 hPa以下的溫度變化與MERRA2再分析資料之間的差異小于2 K。但是在1 hPa以上，第一組同化試驗(yàn)?zāi)M的3月份溫度變化相對(duì)于MERRA2再分析資料結(jié)果偏大了4 K左右，而4月份卻偏小4 K左右，這可能與WACCM6模式模擬的平流層高層的semi-annual oscillation（SAO）性能有關(guān)。但是總體而言，同化后模擬的溫度變化和再分析資料有很高的一致性。未進(jìn)行同化的試驗(yàn)?zāi)M的平流層溫度變化與MERRA2再分析資料之間存在較大差異。例如，在3月中上旬，模擬的平流層溫度偏暖6 K左右，而從中下旬開(kāi)始，平流層下層溫度變化模擬仍然偏暖而上層模擬偏冷 8 K左右。這種差異一直持續(xù)到了4月底。

圖6 （a）第一組試驗(yàn)（同化SABER資料的試驗(yàn)，見(jiàn)表1）模擬的2020年3、4月北極地區(qū)平均的溫度變化。（b）第二組試驗(yàn)（未進(jìn)行同化的試驗(yàn)，見(jiàn)表1）模擬的2020年3、4月北極地區(qū)平均的溫度變化。（c）MERRA2再分析資料中的2020年3、4月北極地區(qū)平均的溫度變化。（d）為（a）與（c）的差值。（e）為（b）與（c）的差值。單位：KFig. 6 (a) Arctic-averaged temperature change in March and April 2020 simulated in the first set of experiments (Table 1). (b) Arctic-averaged temperature change in March and April 2020 simulated in the second set of experiments (Table 1). (c) MERRA2 reanalysis for Arctic-averaged temperature change in March and April 2020. (d) Difference between (a) and (c). (e) Difference between (b) and (c). Units: K

對(duì)應(yīng)北極平流層溫度的變化，圖7a、b和c分別顯示了，第一組同化了SABER溫度、臭氧和水汽資料的試驗(yàn)輸出的，第二組未進(jìn)行資料同化試驗(yàn)輸出的以及MERRA2再分析資料的2020年3、4月北極平流層環(huán)流變化。北極平流層緯向西風(fēng)在3月初最強(qiáng)，從三月中旬開(kāi)始減弱，這說(shuō)明平流層高層極渦從3月中旬開(kāi)始崩潰，但是平流層低層的極渦還在繼續(xù)維持，直到四月中旬以后，緯向西風(fēng)幾乎接近于零。第一組同化模擬試驗(yàn)和再分析資料之間表現(xiàn)出了很好的一致性（圖7a和c）。但是，未進(jìn)行數(shù)值同化的第二組試驗(yàn)?zāi)M得到北極平流層緯向風(fēng)強(qiáng)度與再分析資料結(jié)果存在明顯的差異。圖7b表明，由于未進(jìn)行資料同化，第二組試驗(yàn)?zāi)M的整個(gè)北極平流層極渦從3月中旬開(kāi)始就全部崩潰，此后模擬的平流層低層緯向風(fēng)速比再分析資料里的結(jié)果要弱得多。圖7d和圖7e進(jìn)一步展示了，第一組和第二組試驗(yàn)?zāi)M的2020年3、4月北極平流層環(huán)流變化與再分析資料之間的差異。圖7d所示，第一組同化試驗(yàn)?zāi)M的1 hPa以下北極平流層環(huán)流的變化與再分析資料之間存在高度的一致性；但是，在1 hPa以上，它們之間存在類(lèi)似日周期的波動(dòng)性差異。這可能與模式模擬潮汐波性能有一定關(guān)系。對(duì)于第二組未進(jìn)行同化的試驗(yàn)，相對(duì)于再分析資料，北極平流層高層的緯向風(fēng)模擬明顯偏強(qiáng)，但是中低層嚴(yán)重偏弱。

圖7 和圖6類(lèi)似，但是為緯向風(fēng)變化。單位：m s?1Fig. 7 Same as Fig. 6, but for zonal wind changes. Units: m s?1

同化SABER衛(wèi)星資料有效地提高了WACCM6模擬平流層溫度和環(huán)流變化的能力。同化臭氧、溫度和水汽三種變量，這將可能從兩個(gè)方面對(duì)WACCM6的溫度輸出結(jié)果進(jìn)行改善。一是，溫度模擬結(jié)果直接向溫度觀測(cè)結(jié)果的調(diào)整。臭氧和水汽分別可以吸收短波輻射和長(zhǎng)波輻射調(diào)整大氣溫度。二則是，臭氧和水汽的模擬通過(guò)同化改善后，會(huì)通過(guò)調(diào)整輻射過(guò)程改善平流層的溫度模擬。對(duì)于平流層的緯向繞極環(huán)流，平流層從極地到熱帶溫度梯度是一個(gè)主要決定因子。由于平流層熱帶溫度高極地溫度低，平流層溫度從熱帶向極地遞減。根據(jù)熱成風(fēng)原理，平流層會(huì)產(chǎn)生繞極環(huán)流。上面提到，同化SABER衛(wèi)星資料提高了WACCM6平流層溫度變化模擬，這也會(huì)改善平流層從熱帶到極地溫度梯度的模擬，從而改善平流層緯向風(fēng)的模擬。另外，對(duì)比圖4、圖6和圖7可以發(fā)現(xiàn)，由于第二組試驗(yàn)未同化SABER溫度、臭氧和水汽，其模擬的北極平流層溫度在上層區(qū)域偏冷下層區(qū)域偏暖，其導(dǎo)致的與中緯度溫度梯度的變化，引起的直接結(jié)果是平流層上層緯向風(fēng)速偏強(qiáng)而中下層偏弱。這對(duì)應(yīng)著北極極渦模擬偏弱。因此，第二組未進(jìn)行同化的試驗(yàn)?zāi)M的2020年3、4月北極臭氧損耗比第一組同化試驗(yàn)和觀測(cè)資料顯示的臭氧損耗要弱得多。這再次證明利用同化技術(shù)是提升目前模式中平流層模擬能力的一個(gè)重要手段。

以第一組同化試驗(yàn)輸出的4月30日分析場(chǎng)為初始場(chǎng)，第三組試驗(yàn)對(duì)2020年5月1日到6月30日的北極平流層溫度變化進(jìn)行了回報(bào)試驗(yàn)檢驗(yàn)。同樣，以第二組未進(jìn)行同化的試驗(yàn)輸出的4月30日分析場(chǎng)為初始場(chǎng)，第四組試驗(yàn)對(duì)2020年5月1日到6月30日的平流層溫度變化進(jìn)行了回報(bào)試驗(yàn)檢驗(yàn)。為了對(duì)比第一組和第二組試驗(yàn)為第三組和第四組試驗(yàn)提供的初始場(chǎng)的差別，這里圖8給出了第一組和第二組試驗(yàn)輸出的以及MERRA2資料中的2020年4月30日北極地區(qū)（60°～90°N）平均的溫度和緯向風(fēng)垂直曲線。對(duì)于溫度場(chǎng)來(lái)說(shuō)，在未同化衛(wèi)星資料的情況下，第二組試驗(yàn)提供的溫度初始值明顯與MERRA2再分析資料之間存在較大差異，在平流層低層溫度偏小6 k而在高層偏小近8 k（圖8a和b）。而第一組同化了SABER衛(wèi)星資料溫度的試驗(yàn)提供的溫度初始值與MERRA2再分析資料之間差異基本在1 hPa以下小于1 K（圖8a和b）。注意1 hPa以上，第一組試驗(yàn)提供的溫度初始場(chǎng)與MERRA2資料之間也存在2～4 K左右的差異，具體原因?qū)?lái)值得進(jìn)一步研究。對(duì)于緯向風(fēng)而言，第二組試驗(yàn)提供的緯向風(fēng)初始值在平流層低層風(fēng)速偏小約8 m s?1而在高層偏大約 4 m s?1（圖8c和d）。而第一組試驗(yàn)提供的緯向風(fēng)初始值與MERRA2再分析資料之間差異基本在1 hPa以下小于1 m s?1（圖8c和d）。同樣，在1 hPa以上，第一組試驗(yàn)提供的風(fēng)速初始場(chǎng)與MERRA2資料之間也存在6 m s?1左右的差異。但是，總體而言，同化試驗(yàn)提供的初始場(chǎng)相對(duì)于未同化的試驗(yàn)有較大幅度的改善。

圖8 （a）2020年4月30日北極地區(qū)（60°～90°N）平均的溫度垂直曲線。黑線基于MERRA2資料，藍(lán)線基于第一組試驗(yàn)（同化SABER資料的試驗(yàn)）資料，紅線基于第二組試驗(yàn)（未進(jìn)行同化的試驗(yàn)）資料。（b）中藍(lán)線為（a）中藍(lán)線與黑線之差，代表第一組試驗(yàn)結(jié)果與MERRA2的差值，紅線為（a）中紅線與黑線之差，代表第二組試驗(yàn)結(jié)果與MERRA2的差值。（c）、（d）與（a）、（b）類(lèi)似，但是為緯向風(fēng)的變化Fig. 8 (a) Average temperature vertical curve for the Arctic region (60°–90° N) for April 30, 2020. The black line corresponds to MERRA2, the blue line to the first set of experiments, and the red line to the second set of experiments. (b) Difference between the first set of experiments and the MERRA2 (blue line) and difference between the second set of experiments and the MERRA2 (red line). (c) and (d) are similar to (a) and (b), except for zonal wind changes

圖9a和圖9b給出了兩組試驗(yàn)回報(bào)的北極平流層溫度變化，圖9c為MERRA2再分析資料結(jié)果。從它們之間的差異可以看到（圖9d和e），以同化試驗(yàn)輸出的分析場(chǎng)為初始場(chǎng)的平流層溫度預(yù)報(bào)結(jié)果，不管是0～30天的天氣尺度預(yù)報(bào)還是30～60天的短期氣候尺度預(yù)測(cè)結(jié)果與再分析資料之間在1 hPa以下都非常一致，誤差在2 K以?xún)?nèi)（圖9d）。在1 hPa以上，0～60天的回報(bào)溫度相對(duì)再分析資料都偏低，最大偏差大約?6 K左右，特別是4～15天的預(yù)報(bào)結(jié)果相對(duì)再分析資料偏差最大。這主要是因?yàn)?，第一組同化試驗(yàn)中，模擬的4月底的北極平流層高層溫度相對(duì)再分析資料偏低造成的（圖8a和b）。以此作為預(yù)測(cè)初值，造成了回報(bào)試驗(yàn)中1 hPa以上溫度回報(bào)結(jié)果相對(duì)再分析資料結(jié)果偏低（圖9d）。但是有意思的是，此偏差在后續(xù)的預(yù)測(cè)中并沒(méi)有被放大而是穩(wěn)定在了約6 K左右。如前文所述，未進(jìn)行同化的第二組試驗(yàn)?zāi)M的4月北極平流層溫度變化與再分析資料之間存在較大的差異，特別是在30 hPa以上，模擬的平流層溫度嚴(yán)重偏低（圖8a和b）。因此，以第二組試驗(yàn)輸出的4月底分析場(chǎng)為初值的第四組試驗(yàn)，回報(bào)的北極平流層溫度在平流層高層和中層都出現(xiàn)了相對(duì)再分析資料結(jié)果偏低的現(xiàn)象（圖9e）。

圖9 （a）第三組試驗(yàn)（以第一組同化試驗(yàn)輸出的分析場(chǎng)為初值的試驗(yàn)，見(jiàn)表1）預(yù)報(bào)的2020年5月和預(yù)測(cè)的6月北極地區(qū)平均的溫度變化。（b）第四組試驗(yàn)（以第二組未進(jìn)行同化的試驗(yàn)輸出的分析場(chǎng)為初值的試驗(yàn)，見(jiàn)表1）預(yù)報(bào)的5月和預(yù)測(cè)6月北極地區(qū)平均的溫度變化。（c）MERRA2再分析資料中的2020年5、6月北極地區(qū)平均的溫度變化。（d）為（a）與（c）的差值。（e）為（b）與（c）的差值。單位：KFig. 9 (a) Forecasted and predicted changes in Arctic-averaged temperature for May and June 2020 by the third set of experiments (Table 1).(b) Forecasted and predicted changes in Arctic-averaged temperature for May and June by the fourth set of experiments (Table 1). (c) Arctic-averaged temperature changes for May and June 2020 based on MERRA2 reanalysis data. (d) Difference between (a) and (c). (e) Difference between (b) and (c).Unis: K

與圖9類(lèi)似，圖10顯示了北極平流層緯向風(fēng)變化的回報(bào)試驗(yàn)檢驗(yàn)?？梢钥吹接捎诩竟?jié)變化，從5月份開(kāi)始，北極平流層高層已經(jīng)從緯向西風(fēng)轉(zhuǎn)變?yōu)榫曄驏|風(fēng)（圖10a、b和c）。對(duì)于緯向風(fēng)的回報(bào)，第三組使用同化數(shù)據(jù)為初值的回報(bào)試驗(yàn)結(jié)果與再分析資料之間的差異較小，存在2 m s?1左右的差異（圖10d）。但是在5月初的北極平流層低層，出現(xiàn)了較大幅度的偏差，這可能與第三組試驗(yàn)對(duì)對(duì)流層的預(yù)報(bào)結(jié)果存在較大偏差有關(guān)。對(duì)于第四組沒(méi)有使用同化試驗(yàn)輸出的分析場(chǎng)為初值的試驗(yàn)，預(yù)報(bào)預(yù)測(cè)結(jié)果和再分析資料之間存在明顯差異（圖10e）。對(duì)于0～15天的天氣尺度預(yù)報(bào)，北極平流層中上層緯向東風(fēng)預(yù)報(bào)偏弱4 m s?1左右，而平流層低層緯向西風(fēng)預(yù)報(bào)同樣偏弱4 m s?1左右。這主要與未進(jìn)行數(shù)值同化的試驗(yàn)（第二組試驗(yàn)）提供的初值場(chǎng)與再分析資料間在平流層上層和低層存在差異有關(guān)（圖7e）。而對(duì)于15～30天的預(yù)報(bào)和30天以上的短期預(yù)測(cè)結(jié)果，預(yù)報(bào)預(yù)測(cè)的北極平流層上層緯向東風(fēng)偏弱（圖10e），差異甚至達(dá)到了5 m s?1以上。

圖10 同圖9，但為緯向風(fēng)變化。單位：m s?1Fig. 10 Same as Fig. 9, but for zonal wind changes. Units: m s?1

5 數(shù)值同化技術(shù)對(duì)全球平流層溫度和環(huán)流模擬、預(yù)報(bào)和預(yù)測(cè)能力的改善

圖11顯示了，第一組同化了SABER溫度、臭氧和水汽資料的試驗(yàn)和第二組未進(jìn)行資料同化試驗(yàn)輸出的2020年3、4月全球平流層溫度和緯向風(fēng)與MERRA2再分析資料之間的均方根誤差（RMSE）（圖11a–d）。同 化SABER資 料 后，在1 hPa以下，模擬的全球平流層溫度和緯向風(fēng)的RMSE分別小于2 K和2 m s?1（圖11a和c）。在1 hPa以上，溫度和緯向風(fēng)的RMSE分別超過(guò)了4 K和6 m s?1。平流層高層與再分析資料之間的差異可能與SABER資料與MERRA2資料之間本身存在差異有一定關(guān)系。圖11b和圖11d給出了沒(méi)有同化SABER衛(wèi)星資料的試驗(yàn)輸出的全球平流層溫度和緯向風(fēng)的RMSE?？梢钥吹?，全球平流層中，模擬的大部分區(qū)域的溫度的RMSE超過(guò)了4 K，而緯向風(fēng)的RMSE甚至超過(guò)了10 m s?1。對(duì)比圖11a和圖11b以及圖11c和圖11d可以看到，同化中高層大氣衛(wèi)星資料對(duì)模擬全球平流層大氣變化都有很顯著的改善效果，而不僅僅局限于上面討論的北極平流層。

圖11 （a）和（c）分別為第一組試驗(yàn)（同化SABER資料的試驗(yàn)，見(jiàn)表1）模擬的2020年3、4月平流層溫度和緯向風(fēng)與MERRA2再分析資料之間的RMSE。（b）和（d）分別為第二組試驗(yàn)（未進(jìn)行同化的試驗(yàn)，見(jiàn)表1）模擬的2020年3、4月平流層溫度和緯向風(fēng)與MERRA2再分析資料之間的RMSEFig. 11 (a) Stratospheric temperature and (c) wind RMSEs of March and April 2020 between the first set of experiments (Table 1) and the MERRA2 reanalysis data; (b) stratospheric temperature and (d) wind RMSEs of March and April 2020 between the second set of experiments (Table 1) and the MERRA2 reanalysis data

中高空大氣數(shù)值同化不但可以改善模式全球平流層大氣變化的模擬能力也可以改善平流層大氣變化的預(yù)報(bào)與預(yù)測(cè)性能。圖12顯示了，第三、四組試驗(yàn)天氣尺度預(yù)報(bào)和短期氣候尺度預(yù)測(cè)的2020年5、6月全球平流層溫度與MERRA2再分析資料之間的RMSE。第三組試驗(yàn)的初值來(lái)自于第一組同化試驗(yàn)輸出的分析場(chǎng)，而第四組試驗(yàn)的初值來(lái)自于第二組未進(jìn)行同化的試驗(yàn)輸出的分析場(chǎng)。對(duì)0～3天的天氣尺度預(yù)報(bào)（圖12a和b），第三組試驗(yàn)預(yù)報(bào)的平流層溫度的RMSE只在小部分區(qū)域超過(guò)了4 K，在大部分區(qū)域RMSE都小于2 K。而第四組試驗(yàn)預(yù)報(bào)的平流層溫度的RMSE在南半球高緯度地區(qū)的平流層高層超過(guò)了10 K；另外，北極平流層的溫度RMSE也較大，這個(gè)特征在前文的圖9也可以看到。第三組試驗(yàn)天氣尺度預(yù)報(bào)和短期氣候尺度預(yù)測(cè)的平流層溫度的RMSE分布相比短期預(yù)報(bào)并沒(méi)有發(fā)生變化，雖然RMSE數(shù)值有所增大，但是增益較小且穩(wěn)定（圖12c、e、和g）。而第四組試驗(yàn)天氣尺度預(yù)報(bào)和短期氣候尺度預(yù)測(cè)的平流層溫度的RMSE（圖12d、f、和h）相比第三組試驗(yàn)的結(jié)果要大得多。

圖12 第三組試驗(yàn)（以第一組同化試驗(yàn)輸出的分析場(chǎng)為初值的試驗(yàn)，見(jiàn)表1）輸出的平流層溫度2020年5月（a）0～3天預(yù)報(bào)、（c）4～15天預(yù)報(bào)和（e）16～30天預(yù)報(bào)以及（g）2020年6月短期氣候預(yù)測(cè)結(jié)果與MERRA2再分析資料之間的RMSE。（b）、（d）、（f）和（h）分別為第四組試驗(yàn)（以第二組未進(jìn)行同化的試驗(yàn)輸出的分析場(chǎng)為初值的試驗(yàn)，見(jiàn)表1）輸出的平流層溫度2020年5月（b）0～3天預(yù)報(bào)、（d）4～15天預(yù)報(bào)和（f）16～30天預(yù)報(bào)以及（h）6月短期氣候預(yù)測(cè)結(jié)果與MERRA2再分析資料之間的RMSEFig. 12 Stratospheric temperature RMSEs between the (a) 0–3 days forecast, (c) 4–15 days forecast, (e) 16–30 days forecast, and (g) short-term climate prediction from the third set of experiments (Table 1) and the MERRA2 reanalysis data; stratospheric temperature RMSEs between the (b) 0–3 days forecast, (d) 4–15 days forecast, (f) 16–30 days forecast, and (h) short-term climate prediction from the fourth set of experiments (Table 1) and the MERRA2 reanalysis data

圖13顯示了，第三、四組試驗(yàn)天氣尺度預(yù)報(bào)和短期氣候尺度預(yù)測(cè)的2020年5、6月全球平流層緯向風(fēng)與MERRA2再分析資料之間的RMSE。第三組試驗(yàn)0～3天的天氣尺度預(yù)報(bào)的平流層風(fēng)速的RMSE較小，15天以后的預(yù)報(bào)和短期氣候預(yù)測(cè)的緯向風(fēng)的RMSE有所增大；特別在熱帶和南半球平流層高層，緯向風(fēng)的預(yù)報(bào)預(yù)測(cè)結(jié)果與MERRA2再分析資料之間存在較大差異；北半球平流層環(huán)流預(yù)測(cè)結(jié)果相對(duì)較好（圖13a、c、e和g）。而第四組試驗(yàn)全球平流層緯向風(fēng)預(yù)報(bào)和預(yù)測(cè)結(jié)果的RMSE都很大（圖13b、d、f和h）。總體來(lái)說(shuō)，使用同化試驗(yàn)輸出的分析場(chǎng)作為初值，能較好地改善模式平流層溫度和環(huán)流的預(yù)報(bào)預(yù)測(cè)性能。

圖13 同圖12，但為緯向風(fēng)RMSEFig. 13 Same as Fig. 12, but for zonal wind RMSE

6 討論與結(jié)論

作為臨近空間的重要組成部分，平流層是未來(lái)空間飛行器的主要活動(dòng)區(qū)域。平流層的環(huán)境大氣狀態(tài)對(duì)飛行器的準(zhǔn)確入軌和安全都具有顯著影響，也是飛行器的設(shè)計(jì)參數(shù)、飛行試驗(yàn)的主要依據(jù)。但是，目前平流層的觀測(cè)資料相對(duì)較少，而數(shù)值模式在表達(dá)平流層環(huán)境大氣狀態(tài)時(shí)還存在一定缺陷。數(shù)據(jù)同化技術(shù)可將新的觀測(cè)數(shù)據(jù)引入模型，這有利于模擬減少甚至濾掉模型噪聲，使得模擬預(yù)測(cè)結(jié)果更加接近平流層環(huán)境真實(shí)狀態(tài)。同化技術(shù)與模型的結(jié)合，可以獲得許多沒(méi)有觀測(cè)儀器支持下的大氣狀態(tài)數(shù)據(jù)。因此，平流層的數(shù)據(jù)同化技術(shù)成為了連接觀測(cè)數(shù)據(jù)和模型模擬預(yù)測(cè)的主要橋梁，在平流層的狀態(tài)表征與研究中會(huì)起到重要作用。平流層數(shù)據(jù)同化、預(yù)報(bào)預(yù)測(cè)系統(tǒng)的研究，將對(duì)平流層數(shù)值預(yù)報(bào)質(zhì)量的提高起到關(guān)鍵作用，從而加強(qiáng)對(duì)平流層低動(dòng)態(tài)飛行器飛行活動(dòng)的氣象安全保障。本研究使用WACCM6模式+DART工具，開(kāi)發(fā)了中高層大氣溫度、臭氧和水汽資料的同化接口，搭建了包含完整平流層過(guò)程的數(shù)值同化、天氣預(yù)報(bào)和短期氣候預(yù)測(cè)模型。利用該模型，針對(duì)2020年3、4月北極平流層臭氧大規(guī)模損耗事件進(jìn)行了重現(xiàn)模擬試驗(yàn)，并以同化試驗(yàn)輸出的分析場(chǎng)作為初值，對(duì)5～6月的平流層大氣進(jìn)行了0～30天天氣尺度預(yù)報(bào)以及31～60天短期氣候尺度預(yù)測(cè)。結(jié)果表明：本模型能真實(shí)反映2020年3、4月北極平流層出現(xiàn)的大規(guī)模臭氧損耗事件隨時(shí)間的演變特征，和MLS衛(wèi)星觀測(cè)結(jié)果很接近；利用同化試驗(yàn)輸出的4月末分析場(chǎng)作為初值，預(yù)報(bào)的5月北極平流層臭氧變化與MLS衛(wèi)星觀測(cè)值的差值小于0.5 ppmv，預(yù)測(cè)的6月北極平流層臭氧變化只有在30～10 hPa之間區(qū)域，與觀測(cè)之間的差異超過(guò)了1 ppmv。該模型同化模擬的3～4月、預(yù)報(bào)預(yù)測(cè)的5～6月北極平流層溫度和緯向風(fēng)變化與MERRA2再分析資料結(jié)果具有很好的一致性，僅在北極平流層頂部，預(yù)報(bào)預(yù)測(cè)的溫度和緯向風(fēng)與再分析資料之間的RMSE分別為約3 K和約4 m s?1。與未進(jìn)行數(shù)值同化的試驗(yàn)相比，中高層大氣同化技術(shù)對(duì)平流層中低層模擬效果改善最為顯著，其預(yù)報(bào)預(yù)測(cè)結(jié)果比未進(jìn)行同化的試驗(yàn)的預(yù)報(bào)預(yù)測(cè)結(jié)果的誤差減少了50%以上。

目前該研究還存在以下一些問(wèn)題沒(méi)有討論：

（1）文章只描述了該模型對(duì)平流層環(huán)流等變量同化、預(yù)報(bào)和預(yù)測(cè)效果的好與壞，并沒(méi)有解釋導(dǎo)致這些效果的原因，這也是下一步工作需要詳細(xì)研究的問(wèn)題；

（2）由于臭氧和水汽有很強(qiáng)的輻射作用，它們的變化是影響平流層溫度變化的主要因子；平流層臭氧和水汽的變化又和溫度有關(guān)。本研究同時(shí)同化了溫度、臭氧、水汽3種變量，從而不能清楚判定哪一個(gè)變量的同化對(duì)平流層臭氧、溫度和環(huán)流模擬的改善效果最顯著；

（3）本研究只同化了一種衛(wèi)星資料，多種衛(wèi)星資料同時(shí)同化對(duì)模式的改善作用也有待進(jìn)一步研究；

（4）我們目前在模擬時(shí)間上只針對(duì)性地選取2020年3～6月進(jìn)行了研究，本模型對(duì)不同月份不同季節(jié)的改善效果還不清楚。這些問(wèn)題都需要進(jìn)一步的討論和研究。

致謝感謝NCAR提供的WACCM6模式和DART同化工具；感謝NASA提供的MERRA2、MLS和SABER資料；感謝北京師范大學(xué)超算中心提供的計(jì)算資源。