ATOVS資料同化方案對(duì)暴雨模擬效果的影響

張斌 張立鳳 熊春暉

?

ATOVS資料同化方案對(duì)暴雨模擬效果的影響

張斌 張立鳳 熊春暉

解放軍理工大學(xué)氣象海洋學(xué)院，南京 211101

本文利用WRF模式及其3DVar同化系統(tǒng)，以2009年6月29日00時(shí)到30日00時(shí)的湖北鶴峰暴雨為研究個(gè)例，對(duì)ATOVS探測(cè)器的AMSU-A、AMSU-B和HIRS三類資料進(jìn)行了不同的同化方案試驗(yàn)。結(jié)果表明：同化ATOVS三類資料對(duì)暴雨模擬的影響不同，HIRS資料對(duì)暴雨模擬效果改進(jìn)最大，AMSU-B次之，AMSU-A最小。同時(shí)同化ATOVS三類資料時(shí)，AMSU-A資料起主要作用，其同化效果與同時(shí)同化ATOVS三類資料相近，優(yōu)化組合同化AMSU-B和HIRS資料的效果最好。同化ATOVS不同資料對(duì)初始要素場(chǎng)的影響不同，AMSU-A資料主要影響大氣溫度場(chǎng)，AMSU-B資料對(duì)中高空要素場(chǎng)的影響較大，HIRS資料對(duì)低空濕度場(chǎng)及風(fēng)場(chǎng)的協(xié)同改變最有利于降水模擬的改善。同時(shí)ATOVS資料的稀疏分辨率也是影響同化效果的一個(gè)因子，在模式分辨率不變時(shí)，同化資料稀疏分辨率可能存在最佳選擇。

暴雨 ATOVS資料 變分同化 稀疏化 數(shù)值模擬

1 引言

中尺度數(shù)值模式已成為研究暴雨等中尺度天氣的重要工具，隨著模式的不斷發(fā)展完善，模式的初值精度成為了制約模擬效果的重要因素。初始場(chǎng)的形成依賴于觀測(cè)資料的精度、時(shí)空分布及客觀分析方法，由于常規(guī)觀測(cè)資料存在著時(shí)間取樣不連續(xù)、空間分布不均勻、覆蓋范圍不完整等問題，所以僅依賴于常規(guī)資料產(chǎn)生的初始場(chǎng)遠(yuǎn)遠(yuǎn)不能滿 足描述中尺度天氣系統(tǒng)的要求（孫建華和趙思雄，2002；閔愛榮等，2009）。隨著衛(wèi)星、雷達(dá)等探測(cè)技術(shù)的發(fā)展，極大地豐富了觀測(cè)數(shù)據(jù)，特別是衛(wèi)星資料具有分布范圍廣、時(shí)次多、全天候觀測(cè)等特點(diǎn)，能極大緩解暴雨區(qū)域的常規(guī)氣象資料時(shí)空分辨率不足的問題。

近十年來，對(duì)NOAA極軌衛(wèi)星提供的ATOVS 垂直探測(cè)器（Advanced TIROS-N Operational Vertical Sounder）資料的直接同化與應(yīng)用技術(shù)已經(jīng)成為國(guó)內(nèi)外研究熱點(diǎn)。English et al（2000）針對(duì)NOAA極軌衛(wèi)星的ATOVS資料進(jìn)行了一系列影響試驗(yàn)，發(fā)現(xiàn)微波資料可以明顯減小數(shù)值預(yù)報(bào)誤差。Bouttier and Kelly（2001）檢驗(yàn)了不同來源觀測(cè)資料對(duì)歐洲中期數(shù)值預(yù)報(bào)中心模式預(yù)報(bào)水平的影響，指出極軌衛(wèi)星TOVS輻射率資料對(duì)數(shù)值預(yù)報(bào)水平的影響已經(jīng)達(dá)到或超過傳統(tǒng)的探空觀測(cè)資料。Lee and Lee（2003）通過用弱強(qiáng)迫4D-Var技術(shù)同化衛(wèi)星反演資料發(fā)現(xiàn)，TOVS資料對(duì)海洋上中尺度系統(tǒng)的模擬有著積極的作用。2003年日本氣象中心實(shí)現(xiàn)了對(duì)ATOVS資料的同化業(yè)務(wù)，Okamoto et al（2005）介紹了日本氣象中心的ATOVS資料同化方法，并在此基礎(chǔ)上對(duì)預(yù)處理階段的偏差訂正預(yù)報(bào)因子進(jìn)行了改進(jìn)。Xu et al（2006）將CRTM輻射傳輸模式，GSI-3DVAR同化系統(tǒng)以及WRF模式三者結(jié)合，對(duì)ATOVS資料進(jìn)行直接同化，結(jié)果表明：對(duì)ATOVS輻射資料的直接同化能夠改進(jìn)暴雨的24 h預(yù)報(bào)。

潘寧等（2003）基于MM5模式用增量3DVar同化方法對(duì)ATOVS輻射亮溫資料進(jìn)行了直接同化，結(jié)果發(fā)現(xiàn)同化AMSU-A資料對(duì)中高層溫度場(chǎng)的影響很明顯，但對(duì)降水預(yù)報(bào)的改善作用不大。齊琳琳等（2005）采用3DVar和MM5-V3模式對(duì)NOAA16的ATOVS輻射率資料進(jìn)行直接同化，并對(duì)長(zhǎng)江流域的一次暴雨過程進(jìn)行數(shù)值模擬，發(fā)現(xiàn)直接同化ATOVS資料，可以有效改進(jìn)對(duì)流層溫度、濕度場(chǎng)分布，且對(duì)暴雨中尺度系統(tǒng)的初期發(fā)生發(fā)展過程和強(qiáng)暴雨落區(qū)、雨強(qiáng)的模擬效果均有明顯改善。Qi and Sun（2006）和閔愛榮等（2009）分別利用GRAPES-3DVar同化模塊，對(duì)ATOVS資料 的AMSU-A和AMSU-B資料進(jìn)行同化，結(jié)果表 明，直接同化ATOVS輻射率資料獲得的初始場(chǎng)可通過有效改進(jìn)溫度場(chǎng)和濕度場(chǎng)的分布，對(duì)降雨的落區(qū)、強(qiáng)度和暴雨時(shí)段有更好預(yù)報(bào)效果，衛(wèi)星資料的直接同化是提高中國(guó)夏季暴雨的有效方式。郭銳等（2010）利用數(shù)值模式T213L31及其三維變分同化系統(tǒng)SSI，針對(duì)川渝地區(qū)的一次暴雨過程，對(duì)NOAA16-17的全球ATOVS資料進(jìn)行了同化試驗(yàn)，試驗(yàn)表明，加入同化AMSU資料后，可以改善降水預(yù)報(bào)，尤其是降水強(qiáng)度的預(yù)報(bào)。

從以上研究可以看出，同化ATOVS資料，可改善數(shù)值模式的預(yù)報(bào)水平，特別是對(duì)于暴雨預(yù)報(bào)有重要意義。前人的工作大多是基于不同的個(gè)例，針對(duì)ATOVS的某一類資料進(jìn)行同化，然后分析同化對(duì)降水模擬的影響，但ATOVS探測(cè)器有AMUS-A、AMSU-B和HIRS三種不同類型的資料，不同類型資料的同化對(duì)初始場(chǎng)及降水模擬的影響是否一致？不同類型資料同化對(duì)初始要素場(chǎng)有什么影響？這些問題還需要細(xì)致深入的研究。ATOVS資料的分辨率很高，但各種資料間存在著難以估計(jì)的相關(guān)性（Liu and Rabier, 2002; English et al, 2002; Ochotta et al., 2005; Zavodsky et al., 2008），同化前需要對(duì)資料進(jìn)行適當(dāng)?shù)南∈杼幚?，因而稀疏方案?duì)同化效果有直接影響，而這類研究也相對(duì)較少。衛(wèi)星資料是非常規(guī)資料，有效利用其為數(shù)值模式提供更為準(zhǔn)確的初始場(chǎng)，決定于衛(wèi)星資料的應(yīng)用技術(shù)，即衛(wèi)星資料在模式中的同化方案。為了更有效的應(yīng)用ATOVS資料，改善暴雨預(yù)報(bào)效果。基于上述問題，本文對(duì)ATOVS資料不同類型資料、不同稀疏化方案等對(duì)同化效果的影響進(jìn)行研究分析，其結(jié)果對(duì)合理應(yīng)用資料信息、提高衛(wèi)星資料的應(yīng)用效果具有很大的意義。

2 降水過程介紹

2009年6月28日至7月1日，長(zhǎng)江中下游地區(qū)出現(xiàn)了當(dāng)年范圍最大、強(qiáng)度最強(qiáng)的一次暴雨天氣過程，大部分地區(qū)過程降水量達(dá)100～150 mm，部分地區(qū)達(dá)150～200 mm。湖北鶴峰29日00時(shí)至 30日00時(shí)（協(xié)調(diào)世界時(shí)，下同）24 h累積降水達(dá)到300 mm，打破了當(dāng)?shù)厝战邓康臍v史記錄。

29日00時(shí)500 hPa高度場(chǎng)上（圖略），中高緯的歐亞區(qū)域表現(xiàn)為兩槽一脊，長(zhǎng)波槽位于烏拉爾山地區(qū)和我國(guó)東北至朝鮮半島地區(qū)，形成閉合低渦中心，東北冷渦發(fā)展強(qiáng)盛，中心值達(dá)到5540 gpm；兩槽之間的貝加爾湖地區(qū)為高壓脊。烏拉爾山地區(qū)的長(zhǎng)波槽東移并加強(qiáng)南壓，東北冷渦也持續(xù)發(fā)展，但位置穩(wěn)定少動(dòng)，貝加爾湖高壓變窄且向南壓。中低緯度地區(qū)，四川東部到云貴交接處為逐漸發(fā)展加深的短波槽，且位置少動(dòng)；西太平洋副高逐漸西移北抬，脊點(diǎn)到達(dá)105°E左右，在此穩(wěn)定的環(huán)流形勢(shì)下，湖北地區(qū)處于副高西北方和短波槽前的暖濕氣流及貝加爾湖高壓脊前的西北干冷氣流的交匯處，有利于降水形成和發(fā)展（張斌等，2011）。

3 數(shù)值模擬試驗(yàn)設(shè)計(jì)

3.1 ATOVS資料簡(jiǎn)介

ATOVS垂直探測(cè)器主要搭載在美國(guó)NOAA-KLM系列極軌氣象衛(wèi)星NOAA-15、16、17和18上，其由三個(gè)相互獨(dú)立的儀器組成：一是高分辨率紅外探測(cè)器3型（HIRS/3），由20個(gè)通道組成，其中19個(gè)紅外通道，1個(gè)可見光通道，星下點(diǎn)分辨率約20 km，可以提供大氣溫度、濕度以及表面探測(cè)信息；二是先進(jìn)的微波探測(cè)器A型（AMSU-A），15個(gè)通道組成，星下點(diǎn)分辨率約為45 km，可以提供大氣溫度、濕度以及地面探測(cè)信息；三是先進(jìn)的微波探測(cè)器B型（AMSU-B），由5個(gè)通道組成，星下點(diǎn)分辨率約15 km，可以提供大氣濕度以及表面探測(cè)信息（劉志權(quán)等，2007）。ATOVS具有探測(cè)通道多，空間分辨率高等特點(diǎn)。由于ATOVS探測(cè)性能的改進(jìn)和提高，ATOVS不僅可以提供晴空和部分有云區(qū)的大氣溫度、濕度廓線，而且還可提供云天條件下大氣溫度、濕度廓線，使衛(wèi)星大氣探測(cè)達(dá)到全天候探測(cè)能力。本文同化的衛(wèi)星資料為ATOVS探測(cè)的三類資料。

3.2 模擬方案及參數(shù)化選擇

試驗(yàn)?zāi)Ｊ讲捎肳RF3.3.1及其WRF3DVar同化系統(tǒng)，試驗(yàn)資料為NCEP1°×1°的再分析資料?？紤]到模式中普遍存在的spin-up問題，即模式在運(yùn)行初始階段，動(dòng)力和熱力的適應(yīng)調(diào)整過程需要一段時(shí)間，導(dǎo)致對(duì)于降水的發(fā)生時(shí)間預(yù)報(bào)滯后，因而本文模擬積分6 h后開始同化，即由2009年6月28日18時(shí)的NCEP1°×1°的再分析資料開始積分，將積分6 h后的29日00時(shí)的預(yù)報(bào)場(chǎng)作為同化試驗(yàn)的初始場(chǎng)進(jìn)行衛(wèi)星資料的同化，然后以同化后的分析場(chǎng)為初值積分24 h至30日00時(shí)，分析后24 h的模擬結(jié)果。

試驗(yàn)的參數(shù)設(shè)置如下：模式中心位于（30°N，110°E），水平格距為30 km，水平格點(diǎn)數(shù)為180× 120，垂直層數(shù)為28層，地形選擇為30 s；時(shí)間步長(zhǎng)為120 s。模式物理過程采用New Thompson微物理方案，Betts-Miller-Janjic積云參數(shù)化方案，RRTM長(zhǎng)波輻射方案，Dudhia短輻射方案，Noah Land Surface Model陸面方案和Yonsei University scheme邊界層方案。

3.3 同化試驗(yàn)設(shè)計(jì)

在研究和業(yè)務(wù)應(yīng)用（Liu and Rabier，2002；English et al., 2002；Ochotta et al., 2005；Zavodsky et al., 2008）中，為了合理有效的使用衛(wèi)星資料，同化前需對(duì)資料進(jìn)行稀疏處理。本文稀疏處理采用方法的基本思想是，確定稀疏分辨率，在稀疏分辨率的網(wǎng)格內(nèi)，一般有多個(gè)觀測(cè)點(diǎn)數(shù)據(jù)，通過比較各個(gè)觀測(cè)點(diǎn)的物理參數(shù)，選擇保留一個(gè)觀測(cè)點(diǎn)數(shù)據(jù)。在選擇過程中，首先，做云和降水檢測(cè)，保留晴空像素點(diǎn)；其次，在晴空觀測(cè)數(shù)據(jù)中，考慮分布的均勻性，盡可能選擇距離這個(gè)稀疏網(wǎng)格中心比較近的觀測(cè)數(shù)據(jù)。當(dāng)不同衛(wèi)星軌道重疊時(shí)稀疏網(wǎng)格內(nèi)觀測(cè)點(diǎn)的觀測(cè)時(shí)間差異較大，取最接近分析時(shí)間的觀測(cè)點(diǎn)。如果在某個(gè)稀疏網(wǎng)格內(nèi)沒有晴空觀測(cè)，那么只需考慮數(shù)據(jù)的均勻性和分析時(shí)間選擇觀測(cè)點(diǎn)。從該方法的流程上看，稀疏網(wǎng)格的分辨率越高則可以同化的資料數(shù)量越大。

由于ATOVS三類觀測(cè)資料包含的信息不同，各類資料同化對(duì)于降水模擬可能有不同影響。為了考察同化ATOVS三類不同資料和稀疏分辨率對(duì)于暴雨模擬效果的影響，針對(duì)鶴峰暴雨，選取NOAA-15、16 的ATOVS資料設(shè)計(jì)了不同的敏感性試驗(yàn)，其中AMSU-A選取通道4～10，AMSU-B選取通道18～20，HIRS選取通道2～7、11～17。同化試驗(yàn)的時(shí)間窗均為分析時(shí)刻（2009年6月29日00時(shí)）的前后1.5 h。具體試驗(yàn)方案見表1。

表1 同化試驗(yàn)方案

注：分辨率均指衛(wèi)星資料的稀疏分辨率，下文同。

表1中的試驗(yàn)CTL和DA_ATOVS為控制試驗(yàn)和同時(shí)同化ATOVS三類資料（同化資料數(shù)目最多）的同化試驗(yàn)，目的是考察同化衛(wèi)星資料對(duì)降水模擬的影響；試驗(yàn)3～11為采用不同分辨率的稀疏方案，分別同化AMSU-A資料、AMSU-B資料和HIRS資料的同化試驗(yàn)，目的是考察不同稀疏分辨率和不同資料同化對(duì)降水模擬效果的影響；試驗(yàn)DA_BH12為資料的組合同化試驗(yàn)，目的是考察資料的優(yōu)化組合同化對(duì)降水模擬的效果的影響。

4 降水模擬結(jié)果分析

同化衛(wèi)星資料的主要目的是改善降水模擬效果，因而分析同化效果首先要考察對(duì)降水落區(qū)和強(qiáng)度的模擬結(jié)果。為了更客觀的評(píng)價(jià)降水模擬效果，對(duì)試驗(yàn)結(jié)果進(jìn)行了TS (Threat Score)定量評(píng)估。

4.1 同化ATOVS三類資料

圖1給出了2009年6月29日00時(shí)～30日00時(shí)24 h的降水實(shí)況（來源于中國(guó)逐日格點(diǎn)降水量實(shí)時(shí)分析系統(tǒng)）和試驗(yàn)CTL、DAC_ATOVS的模擬結(jié)果。從圖1a可以看出模擬區(qū)域內(nèi)，降水中心位于湖北西南部的鶴峰地區(qū)（30°N，110.1°E），中心雨量達(dá)300 mm；試驗(yàn)CTL（圖1b）大致模擬出了降水的分布，降水中心位于（29.7°N，110.1°E），雨量為160 mm，與實(shí)況相比，中心位置偏南，中心強(qiáng)度偏弱較多，特別是在鶴峰地區(qū)的西北部又出現(xiàn)了降水量達(dá)120 mm的虛假中心。試驗(yàn)DAC_ ATOVS（圖1c）模擬的降水分布與試驗(yàn)1有很大不同，這說明同化ATOVS資料對(duì)降水模擬影響較大，但對(duì)比實(shí)況可以看出，試驗(yàn)DAC_ATOVS對(duì)模擬效果并沒有明顯改善，模擬的降水分布過于分散，降水中心較多，如在（29.2°N，108.7°E）和（30°N，109.2°E）分別出現(xiàn)了180 mm和140 mm的虛假中心。表2為相應(yīng)試驗(yàn)的TS評(píng)分。試驗(yàn)DA_ATOVS的TS評(píng)分高于試驗(yàn)CTL，但在大于150 mm等級(jí)上卻低于試驗(yàn)CTL。由此可見，同化ATOVS資料后，對(duì)降水預(yù)報(bào)效果有較大影響，但改善效果不明顯，尤其是對(duì)特大暴雨的模擬。

以上結(jié)果是否是由于不同衛(wèi)星資料的同化效應(yīng)不同或資料密度過高造成。為揭示不同資料不同稀疏分辨率的影響，下面進(jìn)行了一系列敏感性試驗(yàn)。

表2 各試驗(yàn)降水TS(Threat Score)評(píng)分

4.2 同化的敏感性試驗(yàn)

4.2.1 不同稀疏分辨率

圖2為試驗(yàn)3-11模擬的29日00時(shí)～30日00時(shí)24 h累積降水分布?？梢钥闯觯黝愘Y料不同稀疏分辨率的同化模擬效果差異較大。

圖2 2009年6月29日00時(shí)～30日00時(shí)24 h累積降水（單位：mm）。圖a1、a2、a3為試驗(yàn)DA_A6、DA_A12、DA_A24；圖b1、b2、b3為試驗(yàn)DA_B6、DA_B12、DA_B24；圖c1、c2、c3為試驗(yàn)DA_H6、DA_H12、DA_H24

對(duì)于AMSU-A資料，試驗(yàn)DA_A6和試驗(yàn)DA_ A12模擬的暴雨中心強(qiáng)度均為160 mm，相對(duì)實(shí)況偏弱，但模擬落區(qū)相差較大，試驗(yàn)DA_A6模擬的降水中心位于（29.8°N，111.4°E），試驗(yàn)DA_A12位于（30°N，110.3°E），與實(shí)況降水中心（30°N，110.1°E）更為接近。試驗(yàn)DA_A24模擬的中心降水量為120 m，相對(duì)實(shí)況偏弱較多，中心落區(qū)與實(shí)況相比也偏北較多。

對(duì)于AMSU-B資料，試驗(yàn)DA_B6模擬的虛假降水中心較多，模擬降水中心與實(shí)況相比偏北0.3°，中心降水僅為110 mm，雨量偏弱很多。試驗(yàn)DA_B12模擬的降水強(qiáng)度為180 mm，相對(duì)于試驗(yàn)CTL增加了20 mm，落區(qū)也更接近于實(shí)況，試驗(yàn)DA_B24模擬的降水中心強(qiáng)度與試驗(yàn)DA_B12相同，但中心位置（29.6°N，110.3°E）相對(duì)試驗(yàn)DA_B12偏離實(shí)況較多。

對(duì)于HIRS資料，試驗(yàn)DA_H6模擬的降水中心位置為（29.8°N，110.3°E），強(qiáng)度為200 mm，而試驗(yàn)DA_H12模擬的降水中心位置為（30°N，110.1°E)，強(qiáng)度為240 mm，與試驗(yàn)DA_H6相比更接近實(shí)況，試驗(yàn)DA_H24模擬的降水中心位于（29.6°N，110.1°E），中心降水量?jī)H為160 mm，較試驗(yàn)DA_H12模擬效果下降。

從表2中的試驗(yàn)3?11的TS評(píng)分來看，對(duì)大于50 mm的暴雨模擬，試驗(yàn)DA_A12的TS評(píng)分都高于試驗(yàn)DA_A6和DA_A24，試驗(yàn)DA_B12的TS評(píng)分也高于試驗(yàn)DA_B6和DA_B24，對(duì)大于150 mm的暴雨模擬，試驗(yàn)DA_B12的TS評(píng)分達(dá)到了0.125。試驗(yàn)DA_H12的TS評(píng)分在各個(gè)降水量 級(jí)上都要高于試驗(yàn)DA_H6和DA_H24，特別是對(duì)大于200 mm暴雨模擬的評(píng)分為0.06667。

綜上所述，對(duì)于ATOVS三類資料，采用不同稀疏分辨率的同化方案，降水的模擬的效果不同，總的來說對(duì)于試驗(yàn)所用模式，各類資料同化稀疏分辨率為120 km時(shí)，模擬效果最好。這說明同化稀疏分辨率大，可用同化資料變少，同化的作用小，對(duì)模擬效果的影響也??；而稀疏分辨率高，同化的資料增多，但模擬的效果也不一定有提高，這是因?yàn)橘Y料分辨率高，誤差的相關(guān)性增大，資料之間的相關(guān)性可能會(huì)削弱同化帶來的正效應(yīng)，甚至使模擬效果變差；因而稀疏分辨率不能取得太小，也不能取的太大。在固定模式分辨率下，存在著最佳稀疏化分辨率。

4.2.2 不同類型資料

從以上對(duì)ATOVS三類資料的不同稀疏分辨率的試驗(yàn)結(jié)果可見，稀疏分辨率取為120 km時(shí)，同化模擬效果最好，下面分析在120 km的稀疏分辨率情況下，各類資料的同化效果。

從表2中可以看出，對(duì)暴雨的模擬效果，試驗(yàn)2-11相對(duì)于試驗(yàn)CTL都有不同程度的提高。試驗(yàn)CTL，試驗(yàn)DA_ATOVS和試驗(yàn)DA_A12的TS評(píng) 分相近且提高最小，在大暴雨量級(jí)上甚至低于試驗(yàn)CTL的評(píng)分，這說明同化ATOVS三類資料和只同化AMSU-A資料都不能明顯提高模擬效果；而試驗(yàn)DA_B12和試驗(yàn)DA_H12的評(píng)分相對(duì)于試驗(yàn)CTL提高較大，特別是在暴雨以上等級(jí)上有明顯提高，試驗(yàn)DA_B12和試驗(yàn)DA_H12對(duì)大于150 mm的模擬評(píng)分分別達(dá)到了0.125和0.129，試驗(yàn)DA_H12對(duì)大于200 mm等級(jí)暴雨中也具有一定的模擬能力，評(píng)分為0.06667，這說明只同化AMSU-B或HIRS資料對(duì)模擬效果有正貢獻(xiàn)。同化AMSU-A資料的作用是否影響了同時(shí)同化ATOVS三類資料的效果？為揭示這個(gè)問題，設(shè)計(jì)了試驗(yàn)12，將同化效果好的AMSU-B和HIRS資料進(jìn)行組合同化。

圖3為試驗(yàn)DA_BH12的24 h降水模擬結(jié)果，從圖可見降水模擬效果有了明顯改善，更為接近實(shí)況，模擬的暴雨中心位于（30.3°N，110.5°E），較實(shí)況偏西北，降水量達(dá)240 mm。試驗(yàn)DA_BH12的評(píng)分幾乎都高于試驗(yàn)DA_B12和試驗(yàn)DA_H12。這也說明同時(shí)同化ATOVS三類資料并不一定產(chǎn)生最好的效果，要改進(jìn)模擬效果，不同類型的資料存在最優(yōu)組合。這不僅與同化方法有關(guān)，更可能與不同資料之間的相容性有關(guān)。

圖3 2009年6月29日00時(shí)～30日00時(shí)試驗(yàn)DA_BH12的24 h累積降水（單位：mm）

從上面的分析可以看出，對(duì)于本次降水，ATOVS的三類資料AMSU-A、AMSU-B和HIRS對(duì)于降水模擬的影響不同。AMSU-A資料對(duì)于降水模擬效果的改善較小，甚至為負(fù)效應(yīng)，AMSU-B和HIRS資料對(duì)模擬效果有正的貢獻(xiàn)。而AMSU-A資料對(duì)同時(shí)同化ATOVS三類資料時(shí)的影響最大，并減弱了其他兩類資料的正貢獻(xiàn)，所以不同類型資料的優(yōu)化組合同化是提高同化效果的有效途徑。

5 關(guān)鍵要素的同化增量分析

降水的發(fā)生與溫、濕、風(fēng)等要素場(chǎng)的分布密切相關(guān)，這些要素場(chǎng)的初始分布對(duì)數(shù)值模擬有著重要影響，資料同化正是通過改變這些要素的初始場(chǎng)分布進(jìn)而改進(jìn)降水模擬效果。

從上面的試驗(yàn)可以看出各種同化試驗(yàn)方案的降水模擬結(jié)果不同，這主要是不同的同化方案形成了不同的初始場(chǎng)，為揭示同化不同類型資料對(duì)形成初始場(chǎng)的作用，下面基于五組試驗(yàn)DA_ATOVS、DA_A12、DA_B12、DA_H12和DA_BH12，分析了初始要素場(chǎng)的同化增量場(chǎng)。

5.1 700 hPa溫度場(chǎng)

圖4為各同化試驗(yàn)的700 hPa溫度增量場(chǎng)。由圖可見，試驗(yàn)DA_ATOVS（圖4a）和DA_A12（圖4b）的增量場(chǎng)分布相似，溫度增量大小基本一致，都表現(xiàn)為30°N以南增量為正、以北部為負(fù)，這種增量的分布，使得南北溫差增大，有利于鋒生和激發(fā)上升運(yùn)動(dòng)，從而有利降水發(fā)展，這也說明在同時(shí)同化ATOVS三類資料中，AMSU-A資料對(duì)溫度場(chǎng)的改變占主導(dǎo)作用。試驗(yàn)DA_B12（圖4c）的溫度增量較小，即同化AMSU-B資料對(duì)溫度場(chǎng)的影響很小。試驗(yàn)DA_H12（圖4d）和DA_BH12（圖4e）的溫度場(chǎng)增量的分布相似，增量值不大，在模擬區(qū)域?yàn)樨?fù)，且增量場(chǎng)基本呈經(jīng)向分布，因而南北溫差改變較小，對(duì)激發(fā)鋒生輻合的作用也較小。

圖4 2009年6月29日00時(shí)700 hPa溫度增量（單位：k）。圖a–e分別為試驗(yàn)DA_ATOVS、DA_A12、DA_B12、DA_H12和DA_BH12

5.2 700 hPa相對(duì)濕度和風(fēng)場(chǎng)

圖5為各同化試驗(yàn)的 700 hPa相對(duì)濕度和風(fēng)場(chǎng)增量。從圖可見，試驗(yàn)DA_ATOVS（圖5a）的風(fēng)場(chǎng)增量幾乎一致為偏南風(fēng)，強(qiáng)度最大，這有利于水氣從南向北輸送；但相對(duì)濕度的增量在鶴峰附近（即30°N）及以南區(qū)域?yàn)樨?fù)值，即同化增量不有利于暴雨區(qū)域水汽的增加。試驗(yàn)DA_A12（圖5b）的增量分布與試驗(yàn)DA_ATOVS相似，即同時(shí)同化ATOVS三類資料時(shí)，AMSU-A資料起了主導(dǎo)作用。試驗(yàn)DA_B12（圖5c）的增量場(chǎng)中，鶴峰地區(qū)以北相對(duì)濕度降低，鶴峰及其以南地區(qū)的相對(duì)濕度改變較小，風(fēng)場(chǎng)增量也很小。試驗(yàn)DA_H12（圖5c）的增量場(chǎng)中，相對(duì)濕度有不同程度的增加，特別在（28°N～30°N，108°E～110°E）有一條濕度增量大值帶，對(duì)應(yīng)風(fēng)場(chǎng)增量為西南風(fēng)，強(qiáng)度較大，增量風(fēng)將南部暖濕空氣向降水地區(qū)輸送，有利于降水發(fā)展。試驗(yàn)DA_BH12（圖5e）的相對(duì)濕度、風(fēng)場(chǎng)增量與試驗(yàn)DA_H12相似，即在組合同化中HIRS資料對(duì)同化效果的影響更大。

圖5 2009年6月29日00時(shí)700 hPa相對(duì)濕度（等值線）和風(fēng)場(chǎng)增量（箭頭，單位：m s?1）。圖a–e分別為試驗(yàn)DA_ATOVS、DA_A12、DA_B12、DA_H12、DA_BH12

從上述分析可以看出，700 hPa增量場(chǎng)中，同時(shí)同化ATOVS三類資料時(shí)，AMSU-A資料對(duì)于初始場(chǎng)影響最大。同化AMSU-A資料對(duì)溫度場(chǎng)、濕度場(chǎng)和風(fēng)場(chǎng)的改變都是最大，但由于相對(duì)濕度的改變不利于降水的加強(qiáng)，所以同化AMSU-A資料對(duì)降水模擬的改善效果不大。同化AMSU-B資料對(duì)溫度、濕度和風(fēng)場(chǎng)的改變都較??；同化HIRS資料對(duì)溫度場(chǎng)的影響較小，但對(duì)濕度場(chǎng)和風(fēng)場(chǎng)的改變有利降水發(fā)生。聯(lián)合同化AMSU-B和HIRS資料與只 同化HIRS資料的增量相似。將700 hPa層的增量場(chǎng)與模擬降水對(duì)照發(fā)現(xiàn)，試驗(yàn)DA_H12和DA_ BH12在鶴峰及其以南地區(qū)相對(duì)濕度增大最為明顯，模擬的降水與實(shí)況也最為接近，這說明對(duì)此次暴雨過程，相對(duì)濕度的變化是影響降水效果的首要因素。

5.3 相對(duì)濕度和風(fēng)場(chǎng)增量的垂直分布

圖6為相對(duì)濕度和風(fēng)場(chǎng)增量沿110°E剖面的垂直分布。從圖6a、6b和6c可以看出，同時(shí)同化ATOVS三類資料時(shí)，AMSU-A主要影響大氣的低層（550 hPa以下），尤其是低層的雨區(qū)南面，使得相對(duì)濕度減小，偏南風(fēng)分量增大，在雨區(qū)（30°N附近）上升運(yùn)動(dòng)有所加強(qiáng)；AMSU-B資料對(duì)大氣中高層的相對(duì)濕度和流場(chǎng)影響較大，但對(duì)流場(chǎng)的影響強(qiáng)度要小于AMSU-A。試驗(yàn)DAC_H12（圖6d）垂直方向上相對(duì)濕度增量基本為正值，30°N以南低層增量最為明顯，對(duì)應(yīng)流場(chǎng)增量大值區(qū)也主要在低層，為偏南風(fēng)，強(qiáng)度較大，低層的30°N附近上升運(yùn)動(dòng)也有明顯增長(zhǎng)，這說明同化HIRS資料，無(wú)論是水汽條件還是動(dòng)力條件都產(chǎn)生有利于降水發(fā)生的 增量。試驗(yàn)DAC_BH12（圖6e）的增量場(chǎng)在低層與試驗(yàn)DAC_H12（圖6d）相似，但高空有所差異，即優(yōu)化組合同化時(shí)，HIRS資料對(duì)于低層的影響占主導(dǎo)作用。增量的垂直分布表明：同時(shí)同化ATOVS三類資料時(shí)，AMSU-A資料對(duì)于流場(chǎng)和低層濕度場(chǎng)的改變占據(jù)主導(dǎo)作用；同化AMSU-B資料主要影響中高層大氣；同化HIRS資料產(chǎn)生的濕度場(chǎng)、風(fēng)場(chǎng)、上升運(yùn)動(dòng)增量，有利于降水發(fā)生發(fā)展，所以有利降水模擬效果的改善。

圖6 2009年6月29日00時(shí)相對(duì)濕度（等值線）和風(fēng)場(chǎng)增量（箭頭代表風(fēng)矢，單位：m s?1，經(jīng)向風(fēng)速和垂直速度增量合成，垂直速度增量放大100倍）沿110°E方向垂直分布。圖a–e分別為試驗(yàn)DA_ATOVS、DA_A12、DA_B12、DA_H12和DA_BH12

6 結(jié)論

本文采用WRF模式及其3DVar同化系統(tǒng)，針對(duì)ATOVS衛(wèi)星輻射率資料，對(duì)2009年6月29～30日發(fā)生在湖北鶴峰地區(qū)的特大暴雨進(jìn)行了不同同化方案的模擬試驗(yàn)，通過對(duì)試驗(yàn)結(jié)果的分析，得到以下主要結(jié)論：

（1）同時(shí)同化ATOVS三類資料對(duì)于降水模擬影響較大，但效果改進(jìn)不明顯；分別三類資料時(shí)，同化HIRS資料對(duì)模擬效果改進(jìn)最大，AMSU-B次之，AMSU-A的改善作用最小，甚至為負(fù)效應(yīng)。同時(shí)同化ATOVS的三類資料時(shí)，AMSU-A資料對(duì)同化效果起主要作用，很大程度上決定了同化三類資料的模擬效果，組合同化AMSU-B和HIRS時(shí)，降水模擬效果最好，且HIRS資料起主要作用。

（2）稀疏分辨率大小對(duì)ATOVS資料的同化效果有影響。稀疏分辨率大，資料信息變少，對(duì)模擬效果的影響也變?。幌∈璺直媛市?，觀測(cè)誤差相關(guān)性增大，也會(huì)削弱同化帶來的正效應(yīng)，因而在一定的模式分辨率下，稀疏化尺度可能存在最佳選擇。

（3）同化不同的資料時(shí)，初始場(chǎng)增量分布不同，AMSU-A資料的分析增量主要體現(xiàn)在低層（700 hPa以下），對(duì)溫度場(chǎng)的改變有利于降水加強(qiáng)，但對(duì)濕度場(chǎng)的改變不利于降水的發(fā)展；AMSU-B資料的分析增量主要體現(xiàn)在中高層的濕度場(chǎng)上，對(duì)于低層影響較?。煌疕IRS資料對(duì)于風(fēng)場(chǎng)的影響較大，對(duì)濕度的影響主要在低層降水地區(qū)以南，且對(duì)風(fēng)場(chǎng)和濕度場(chǎng)的改變均有利于降水的發(fā)展，同化對(duì)降水模擬的影響，主要是通過分析增量形成有利降水發(fā)生的初始條件來實(shí)現(xiàn)。

（4）在此次暴雨過程中，濕度場(chǎng)的改變是降水模擬效果改善的關(guān)鍵因子，在有利的濕度場(chǎng)分布條件下，風(fēng)場(chǎng)是關(guān)鍵因素，風(fēng)場(chǎng)與濕度場(chǎng)的配合決定了降水的模擬效果；同時(shí)低層要素場(chǎng)的改變對(duì)降水的模擬影響作用要大于高空要素場(chǎng)。

本文的研究只是對(duì)2009年夏季的一個(gè)鶴峰暴雨過程，其結(jié)果的普適性還有待進(jìn)一步檢驗(yàn)，但研究結(jié)論對(duì)同化技術(shù)研究和業(yè)務(wù)應(yīng)用還是有借鑒意義的。

Bouttier F, Kelly G. 2001. Observing-system experiments in the ECMWF 4D-Var data assimilation system [J]. Quart. J. Royal Meteor. Soc., 127 (574): 1469–1488.

English S J, Renshaw R J, Dibben P C, et al. 2000. A comparison of the impact of TOVS arid ATOVS satellite sounding data on the accuracy of numerical weather forecasts [J]. Quart. J. Roy. Meteor. Soc., 126 (569): 2911–2931.

郭銳, 張國(guó)平, 李澤椿. 2010. 對(duì)于一次川渝暴雨的ATOVS資料同化數(shù)值模擬 [J]. 大氣科學(xué)學(xué)報(bào), 33 (5): 615–623. Guo Rui, Zhang Guoping, Li Zechun. 2010. Assimilation and numerical simulation of ATOVS data of the heavy rain over Eastern Sichuan Province and Chongqing [J]. Trans. Atmos. Sci. (in Chinese), 33 (5): 615–623.

Lee M S, Lee D-K . 2003. An application of a weakly constrained 4DVAR to satellite data assimilation and heavy rainfall simulation [J]. Mon. Wea. Rev., 131 (9): 2151–2176.

Liu Z Q, Rabier F. 2002. The interaction between model resolution, observation resolution and observation density in data assimilation: A one-dimensional study [J]. Quart. J. Roy. Meteor. Soc., 128 (582): 1367–1386.

劉志權(quán), 張鳳英, 吳雪寶, 等. 2007. 區(qū)域極軌衛(wèi)星ATOVS輻射偏差訂正方法研究 [J]. 氣象學(xué)報(bào), 65 (1): 113–123. Liu Zhiquan, Zhang Fengying, Wu Xuebao, et al. 2007. A regional ATOVS radiance-bias correction scheme for radiance assimilation [J]. Acta Meteor. Sinica, 65 (1): 113–123.

閔愛榮, 廖移山, 王曉芳, 等. 2009. ATOVS資料的變分同化對(duì)一次暴雨過程預(yù)報(bào)的影響分析[J]. 熱帶氣象報(bào), 25 (3): 314–320. Min Airong, Liao Yishang, Wang Xiaofang, et al. 2009. Analyzing the effect of variational data assimilation of satellite radiance on a heavy rain [J]. J. Tropical Meteor. (in Chinese), 25 (3): 314–320.

Ochotta T, Gebhardt C, Saupe D, et al. 2005. Adaptive thinning of atmospheric observations in data assimilation with vector quantization and filtering methods [J]. Quart. J. Roy. Meteor. Soc., 131 (613): 3427–3437.

Okamoto K, Kazumori M, Owada H. 2005. The assimilation of ATOVS radiances in the JMA global analysis system [J]. J. Meteor. Soc. Japan, 83 (2): 201–217.

潘寧, 董超華, 張文建. 2003. ATOVS輻射率資料的直接變分同化試驗(yàn)研究 [J]. 氣象學(xué)報(bào), 61 (2): 226–236. Pan Ning, Dong Chaohua, Zhang Wenjian. 2003. The experiments on direct assimilating ATOVS radiance [J]. Acta Meteorological Since (in Chinese), 61 (2): 226–236.

Qi Linlin, Sun Jianhua. 2006. Application of ATOVS microwave radiance assimilation to rainfall prediction in Summer 2004 [J]. Adv. Atmos. Sci., 23 (5): 815–830.

齊琳琳, 孫建華, 張小玲, 等. 2005. ATOVS資料在長(zhǎng)江流域一次暴雨過程模擬中的應(yīng)用 [J]. 大氣科學(xué), 29 (5): 780–789. Qi Linlin, Sun Jianhua, Zhang Xiaoling, et al. 2005. The ATOVS data assimilating experiments on the heavy rain over the Yangtze River basin [J]. Chinese J. Atmos. Sci. (in Chinese), 29 (5): 780–789.

孫建華, 趙思雄. 2002. 華南“94.6” 特大暴雨的中尺度對(duì)流系統(tǒng)及其環(huán)境場(chǎng)研究I. 引發(fā)暴雨的中β尺度對(duì)流系統(tǒng)的數(shù)值模擬研究[J]. 大氣科學(xué), 26 (4): 541–557. Sun Jianhua, Zhao Sixiong. 2002. A study of mesoscale convective systems and its environmental fields during the June 1994 record heavy rainfall of South China. Part I: A numerical simulation study of meso-β convective system inducing heavy rainfall [J]. Chinese J. Atmos. Sci. (in Chinese), 26 (4): 541–557.

Xu J, Wan Q, Wang D. 2006. Application of ATOVS radiance data assimilation in reduction of rainstorm over the South China Sea [C]. Western Pacific Geophysics Meeting.

張斌, 張立鳳, 彭軍, 等. 2011. 湖北鶴峰一次特大暴雨過程的數(shù)值模擬及偏差成因分析 [J]. 暴雨災(zāi)害, 30 (4): 343–348. Zhang Bin, Zhang Lifeng, Peng Jun, et al. 2011. Numerical simulation and analysis on the origion of deviation of an excessive storm in Hefeng, Hubei Province [J]. Torrential Rain and Disasters (in Chinese), 30 (4): 343–348.

Zavodsky B, Lazarus S, Li X, et al. 2008. Intelligent data thinning algorithms for satellite imagery [C]. Geoscience and Remote Sensing Symposium.

張斌, 張立鳳, 熊春暉. 2014. ATOVS資料同化方案對(duì)暴雨模擬效果的影響[J]. 大氣科學(xué), 38 (5): 1017?1027, doi:10.3878/j.issn.1006-9895.1401.13215. Zhang Bin, Zhang Lifeng, Xiong Chunhui. 2014. Effects of ATOVS data assimilation schemes on the simulation of heavy rain [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (5): 1017?1027.

Effects of ATOVS Data Assimilation Schemes on the Simulation of Heavy Rain

ZHANG Bin, ZHANG Lifeng, and XIONG Chunhui

,,211101

In this paper, the Weather Research and Forecasting (WRF) model and its 3DVar assimilation system were used to examine a heavy rain event that occurred in Hefeng, Hubei Province, from 0000 UTC June 29 to 0000 UTC June 30, 2009, for which assimilation experiments were conducted with various schemes of Advanced Television and Infrared Observational Satellite (TIROS; ATOVS) including advanced microwave sounding unit (AMSU)-A, AMSU-B, and High-Resolution Infrared Sounder (HIRS) data. The effect on the simulation of heavy rain differed according to the assimilation of the three different types of ATOVS data. HIRS data produced a larger improvement on the simulation of heavy rain; AMSU-B data was inferior to the HIRS data; and the AMSU-A data appeared to show the poorest improvement. AMSU-A data produced the main effect on the assimilation result, which was close to the effect of assimilating the three types of ATOVS data simultaneously. The assimilation of the optimal combination containing AMSU-B and HIRS data was the best. Assimilation of various types of data led to varied effects on the initial field. AMSU-A data contributed mainly to the adjustment of the atmospheric temperature, whereas the effect of AMSU-B data was mainly at the middle and upper atmosphere. The assimilation of HIRS, resulted in the collaborative change on the humidity and wind field at the lower atmosphere that was most conducive to improvement of the precipitation simulation. When the model resolution was unchanged, best thinning resolution was noted.

Rainfall, ATOVS data, Variational assimilation, Thinning, Numerical simulation

1006–9895(2014)05–1017–11

P456

A

10.3878/j.issn.1006-9895.1401.13215

2013?07?16, 2014?01?08 收修定稿

國(guó)家自然科學(xué)基金項(xiàng)目41375063、41205074

張斌，男，1986年生，博士研究生，主要從事資料同化研究。E-mail: zhangbinzhb1985@163.com