基于東亞區(qū)域再分析系統(tǒng)模擬2015年西北太平洋熱帶氣旋

潘裕山，徐建軍，張 宇，袁 帥，朱文清

基于東亞區(qū)域再分析系統(tǒng)模擬2015年西北太平洋熱帶氣旋

潘裕山，徐建軍，張 宇，袁 帥，朱文清

（廣東海洋大學(xué)：海洋與氣象學(xué)院 // 南海海洋氣象研究院，廣東 湛江 524088；南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室（湛江），廣東 湛江 524025）

【】基于東亞區(qū)域再分析系統(tǒng)（EARS）模擬西北太平洋熱帶氣旋的路徑和強(qiáng)度，評(píng)估模擬效果。用WRF-ARW（Advanced Research Weather Research and Forecasting Model）中尺度模式和GSI（Gridpoint Statistical Interpolation）同化系統(tǒng)發(fā)展東亞區(qū)域再分析系統(tǒng)。以EARS的初步結(jié)果為基礎(chǔ)，以熱帶氣旋路徑和強(qiáng)度的模擬結(jié)果為對(duì)象，與美國(guó)環(huán)境預(yù)報(bào)中心再分析資料（NCEP）、歐洲中期天氣預(yù)報(bào)中心再分析資料（ERA-Interim）、歐洲中期天氣預(yù)報(bào)中心新一代再分析資料（ERA5）、日本氣象廳（JMA）55年再分析資料（JRA55）比較，同時(shí)與中國(guó)氣象局（CMA）最佳路徑數(shù)據(jù)集觀(guān)測(cè)值進(jìn)行對(duì)比分析，評(píng)估西北太平洋熱帶氣旋模擬的路徑和強(qiáng)度。1）EARS、NCEP、ERA-Interim、ERA5、JRA55再分析資料分別與CMA最佳路徑數(shù)據(jù)集的22個(gè)西北太平洋熱帶氣旋中心的平均距離偏差為20 ~ 140 km，表明EARS和其他4套再分析資料可準(zhǔn)確產(chǎn)生熱帶氣旋路徑。ERA5產(chǎn)生的熱帶氣旋路徑最佳，JRA55、EARS和ERA-Interim次之，NCEP最差。當(dāng)EARS使用ERA5作為初始場(chǎng)時(shí)，對(duì)熱帶氣旋“Mujigae”路徑的模擬基本與ERA5基本一致，模擬的路徑更準(zhǔn)確。EARS模擬的熱帶氣旋運(yùn)動(dòng)方向誤差在發(fā)展和消亡階段較大；當(dāng)使用ERA5作為初始場(chǎng)時(shí)，模擬的熱帶氣旋“Mujigae”運(yùn)動(dòng)方向誤差得到改善。2）EARS具有更高的時(shí)空分辨率和合理的資料同化方案，可同化更精確的區(qū)域觀(guān)測(cè)資料，對(duì)熱帶氣旋近中心最大風(fēng)速模擬能力較佳，略?xún)?yōu)于ERA5，明顯比JRA55、ERA-Interim、NCEP準(zhǔn)確，可更好地反映熱帶氣旋強(qiáng)度和獲得熱帶氣旋精細(xì)化結(jié)構(gòu)。

東亞區(qū)域再分析；數(shù)值模式；資料同化；熱帶氣旋

東亞地區(qū)氣候系統(tǒng)的變化與異常引起我國(guó)氣候的季節(jié)內(nèi)、年際和年代際的變化與異常，從而造成我國(guó)發(fā)生氣候?yàn)?zāi)害[1]，全球氣候變化也與東亞氣候變化緊密聯(lián)系，因此研究東亞氣候特點(diǎn)對(duì)研究我國(guó)乃至全球氣候變化有重大意義。熱帶氣旋是影響我國(guó)的主要災(zāi)害性天氣系統(tǒng)之一，其引起的大風(fēng)、暴雨、風(fēng)暴潮等對(duì)我國(guó)人民的生命和財(cái)產(chǎn)產(chǎn)生不同程度的威脅，嚴(yán)重的可釀成巨災(zāi)[2]。

科學(xué)家使用數(shù)值天氣預(yù)報(bào)中的資料同化技術(shù)恢復(fù)長(zhǎng)期歷史氣候記錄（即用大氣資料的再分析），可彌補(bǔ)觀(guān)測(cè)資料的缺陷[3-5]。目前，國(guó)際上主要的再分析中心為美國(guó)環(huán)境預(yù)報(bào)中心（NCEP）、歐洲中期數(shù)值預(yù)報(bào)中心（ECMWF）、日本氣象廳（JMA）和美國(guó)國(guó)家海洋和大氣管理局（NOAA）等[6]。全球大氣再分析資料分辨率較粗，僅側(cè)重于大尺度大氣活動(dòng)，對(duì)中尺度大氣活動(dòng)特征研究擬合效果并不理想，同時(shí)不能用于大多數(shù)由中小尺度大氣活動(dòng)引發(fā)的氣象災(zāi)害研究[7]。近年來(lái)，區(qū)域模式得到充足發(fā)展，不僅比全球大氣再分析資料時(shí)空分辨率更高，還可捕獲小尺度系統(tǒng)變化信息，對(duì)局地強(qiáng)迫引起的氣象特征有較好的反映能力[8]，并可反映復(fù)雜地形中現(xiàn)有全球大氣再分析資料不能分辨的區(qū)域溫度、降水以及土壤水分特征[9]。

西北太平洋是全球熱帶氣旋活動(dòng)最為強(qiáng)烈和頻繁的海域之一，平均每年約生成26個(gè)熱帶氣旋，而我國(guó)位于西北太平洋沿岸，每年平均約有7.2個(gè)熱帶氣旋登陸，是受熱帶氣旋影響較多的國(guó)家之一。當(dāng)代氣候特征模擬試驗(yàn)多在區(qū)域氣候模式發(fā)展基礎(chǔ)上進(jìn)行，但仍停留在檢驗(yàn)?zāi)Ｊ叫阅艿碾A段。區(qū)域再分析資料的發(fā)展還需要科學(xué)家們不懈地探索開(kāi)發(fā)，提高其準(zhǔn)確性[10]。因此，利用先進(jìn)的資料同化系統(tǒng)和數(shù)值模式發(fā)展的東亞區(qū)域再分析系統(tǒng)（EARS）對(duì)觀(guān)測(cè)資料缺乏的西北太平洋熱帶氣旋的研究極有意義，也是國(guó)家重點(diǎn)研發(fā)項(xiàng)目之一。筆者擬使用EARS評(píng)估2015年西北太平洋熱帶氣旋路徑和強(qiáng)度的模擬結(jié)果，以期探討適用于西北太平洋熱帶氣旋的東亞區(qū)域再分析系統(tǒng)的資料同化和模擬方案。

1 東亞區(qū)域再分析系統(tǒng)

東亞區(qū)域?qū)Ω叻直鎱^(qū)域再分析資料的需求日益增強(qiáng)，筆者使用美國(guó)氣象界新一代的中尺度非靜力數(shù)值預(yù)報(bào)模式WRF-ARW（Advanced Research Weather Research and Forecasting Model）3.9.1.1和NCEP的資料同化系統(tǒng)GSI 3.6搭建EARS。EARS采用已研制一年?yáng)|亞區(qū)域再分析試驗(yàn)數(shù)據(jù)，同化方法為以部分循環(huán)同化方式三維變分。

1.1 背景場(chǎng)和同化的資料

EARS數(shù)值模擬試驗(yàn)初始場(chǎng)和邊界條件使用ECMWF發(fā)布的第三代再分析資料(ERA-Interim)[11]，水平分辨率為0.75°×0.75°，時(shí)間分辨率為6 h，同化試驗(yàn)背景場(chǎng)數(shù)據(jù)為WRF-ARW模式的6 h預(yù)報(bào)輸出。

GSI（Gridpoint Statistical Interpolation）同化的常規(guī)觀(guān)測(cè)資料為NCEP全球資料同化系統(tǒng)（GDAS）的地面站、探空站、船舶和浮標(biāo)站、全球電信系統(tǒng)（GTS）的測(cè)風(fēng)氣球和飛機(jī)報(bào)資料。同化的衛(wèi)星資料為GDAS的大氣紅外探測(cè)器（AIRS）、先進(jìn)的微波探測(cè)裝置A型（AMSUA）、高分辨率紅外探測(cè)儀4型（HIRS4）和微波濕度探測(cè)器（MHS）衛(wèi)星輻射資料。AMSUA儀器主要用于大氣溫度的垂直探測(cè)，MHS主要用于濕度的垂直探測(cè)，AIRS主要用于探測(cè)精細(xì)的大氣溫度和濕度廓線(xiàn)，HIRS4主要用于探測(cè)大氣垂直方向溫度、濕度。

1.2 模式和資料同化方案設(shè)計(jì)

圖1為EARS模擬區(qū)域，右下角黑色框?yàn)榇u(píng)估熱帶氣旋路徑和強(qiáng)度的區(qū)域。由于EARS的東向邊界僅至145°附近，關(guān)注的區(qū)域?yàn)槟虾＜捌渲苓吅Ｓ颍x取評(píng)估的CMA最佳路徑數(shù)據(jù)集區(qū)域?yàn)?00 ~ 145° E，10 ~ 45° N。

模式方案為：?jiǎn)螌泳W(wǎng)格，水平分辨率為12 km，格點(diǎn)數(shù)為760×900，模擬區(qū)域中心為100°E，38°N，基本覆蓋整個(gè)東亞區(qū)域，包括南海和部分西太平洋海域。試驗(yàn)時(shí)間為2015年1月1日至12月31日。垂直層74層，模式頂層氣壓為10 hPa。模式參數(shù)化方案為New Thompson微物理方案、Kain-Fritsh積云參數(shù)化方案、快速輻射傳輸模型（Rapid Radiative Trasnfer Model, RRTM)長(zhǎng)波輻射方案、Dudhia短波輻射方案、Noah-MP Land Surface Model陸面方案和YSU行星邊界層方案。

圖2為EARS同化流程圖。冷啟動(dòng)從前一天18:00開(kāi)始，初始場(chǎng)和邊界條件為ERA-Interim，不做資料同化，并預(yù)報(bào)6 h。從00:00開(kāi)始，采用循環(huán)同化方案，每6 h同化資料1次，同時(shí)進(jìn)行結(jié)果預(yù)報(bào)，共預(yù)報(bào)30 h。在起旋（Spin-up）過(guò)程中[世界時(shí)(UTC)18:00?0:00]無(wú)重復(fù)同化衛(wèi)星和常規(guī)觀(guān)測(cè)資料，隨后24 h的循環(huán)同化方案中用于同化的模式背景場(chǎng)為前6 h的預(yù)報(bào)輸出場(chǎng)，同化的觀(guān)測(cè)資料為所分析時(shí)刻的常規(guī)和衛(wèi)星等觀(guān)測(cè)資料。

圖1 東亞區(qū)域再分析系統(tǒng)模擬區(qū)域和待評(píng)估區(qū)域

圖2 資料同化試驗(yàn)方案設(shè)計(jì)

1.3 資料同化質(zhì)量控制

觀(guān)測(cè)資料進(jìn)入資料同化系統(tǒng)前需進(jìn)行質(zhì)量控制，即剔除不能達(dá)到同化要求的資料，保證同化計(jì)算、分析，后期模擬的結(jié)果質(zhì)量。在GSI同化系統(tǒng)中，對(duì)衛(wèi)星資料質(zhì)量控制主要有兩個(gè)步驟：一是位置檢查，剔除位于模式之外的觀(guān)測(cè)資料，然后對(duì)資料進(jìn)行稀疏化處理，排除時(shí)空信息重疊和不完整的觀(guān)測(cè)數(shù)據(jù)，并確保垂直方向上的連續(xù)性；二是利用多種質(zhì)量控制參數(shù)，對(duì)經(jīng)過(guò)CRTM（Community Radiative Transfer Model）輻射傳輸模式的衛(wèi)星亮溫變量進(jìn)行多次質(zhì)量控制檢查?？筛鶕?jù)衛(wèi)星不同通道的特性和掃描軌跡的位置調(diào)節(jié)控制參數(shù)，判斷觀(guān)測(cè)數(shù)據(jù)是否位于陸地、海洋、雪蓋、海冰、過(guò)渡區(qū)域等，判斷經(jīng)緯度位置和真實(shí)地形差異[12]。

圖3為GDAS的常規(guī)觀(guān)測(cè)資料在GSI資料同化系統(tǒng)中質(zhì)量控制情況。同化的氣象要素為溫度、比濕、風(fēng)速和海平面氣壓。GSI讀取的溫度、比濕和海平面氣壓的總資料數(shù)為5 000 ~ 18 500，風(fēng)速的總資料數(shù)為27 000 ~ 90 000，讀取資料數(shù)最多的時(shí)刻是0:00和12:00，溫度、比濕和海平面氣壓的讀取最多資料數(shù)為16 000左右，風(fēng)速的為80 000左右。經(jīng)過(guò)第一階段質(zhì)量控制后溫度資料的平均保留比例為93.79%，比濕為83.88%，風(fēng)速為43.28%，海平面氣壓為57.35%。經(jīng)過(guò)兩個(gè)階段的質(zhì)量控制后，用于同化系統(tǒng)的常規(guī)觀(guān)測(cè)資料數(shù)再次下降，溫度資料的平均同化比例為41.53%，比濕為20.29%，風(fēng)速為21.50%，海平面氣壓為47.84%。

圖3 2015年1月1日GSI對(duì)常規(guī)觀(guān)測(cè)資料中溫度、比濕、風(fēng)速、海平面氣壓讀取、保留、同化的資料數(shù)和同化比例

全球氣象衛(wèi)星觀(guān)測(cè)系統(tǒng)日益完善，可為氣象資料同化提供具有覆蓋面積更廣、時(shí)空分辨率更高和全天候等特點(diǎn)的衛(wèi)星資料，很大程度上彌補(bǔ)常規(guī)觀(guān)測(cè)資料不足區(qū)域（如海洋和高原）的觀(guān)測(cè)。圖4為GDAS的AMSUA、MHS、AIRS和HIRS4衛(wèi)星輻射資料在同化系統(tǒng)中質(zhì)量控制情況。

圖4 2015年1月1日GSI對(duì)四衛(wèi)星輻射資料讀取、保留、同化的資料數(shù)和同化比例

圖4可見(jiàn)，GSI讀取的AMSUA資料總數(shù)為6.5×105~ 13.8×105，MHS為8.8×105~ 13.0×105，AIRS為5.9×105~ 18.0×105，HIRS4為6.1×105~ 9.6×105；其中讀取資料數(shù)最多的時(shí)刻均為6:00和18:00。經(jīng)過(guò)第1階段質(zhì)量控制后，AMSUA資料平均保留比例約37%，MHS約10%，AIRS約8%，HIRS4約29%。經(jīng)過(guò)第2階段質(zhì)量控制后，用于同化系統(tǒng)的資料數(shù)皆下降，AMSUA的同化比例略高，平均為18.16%，MHS、AIRS、HIRS4較低，平均分別為4.23%、3.12%、1.71%。

2 用于評(píng)估的最佳路徑數(shù)據(jù)集和全球再分析資料

2.1 CMA熱帶氣旋最佳路徑數(shù)據(jù)集

用于評(píng)估2015年EARS的熱帶氣旋觀(guān)測(cè)資料為CMA熱帶氣旋資料中心的最佳路徑數(shù)據(jù)集，提供1949年以來(lái)西北太平洋海域（含南海、赤道以北、東經(jīng)180°以西）熱帶氣旋每6 h的位置和強(qiáng)度[13]。CMA最佳路徑數(shù)據(jù)集對(duì)熱帶氣旋定位和預(yù)報(bào)精度的評(píng)定方法參考《臺(tái)風(fēng)業(yè)務(wù)和服務(wù)規(guī)定》。評(píng)估方法涵蓋6個(gè)官方及衛(wèi)星定位方法，13個(gè)主觀(guān)和13個(gè)客觀(guān)路徑預(yù)報(bào)（含登陸點(diǎn)預(yù)報(bào)）方法，7個(gè)主觀(guān)和14個(gè)客觀(guān)強(qiáng)度（近中心地面最大風(fēng)速）預(yù)報(bào)方法[14]。

圖5為用于評(píng)估的2015年22個(gè)西北太平洋熱帶氣旋路徑，其中登陸我國(guó)的熱帶氣旋共有5個(gè)（3個(gè)登陸華南、2個(gè)登陸華東，超強(qiáng)臺(tái)風(fēng)“蘇迪羅”和“杜鵑”分別登陸我國(guó)2次）。選取的熱帶氣旋為Mekkhala（米克拉）、Bavi（巴威）、Maysak（美莎克）、Noul（紅霞）、Dolphin（白海豚）、Kujira（鯨魚(yú)）、Chan-hom（燦鴻）、Linfa（蓮花）、Nang ka（浪卡）、Halola（哈洛拉）、Soudelor（蘇迪羅）、Molave（莫拉菲）、Goni（天鵝）、Etau（艾濤）、Vamco（環(huán)高）、Krovanh（科羅旺）、Dujuan（杜鵑）、Mujigae（彩虹）、Koppu（巨爵）、Champi (薔琵)、In-fa（煙花）、Melor（茉莉）。

2.2 全球再分析資料

如表1所示，用于評(píng)估EARS的全球再分析資料為NCEP Reanalysis 2[15]、ECMWF ERA-Interim、ERA5[16]和日本氣象廳（JMA）Japanese 55-year Reanalysis （JRA55）再分析資料[17]。NCEP分辨率為200 km，ERA-Interim為80 km，ERA5為31km，JRA55為55 km，后3種再分析資料使用的是四維變分同化（4D-Var）方案。ERA-Interim、ERA5、JRA55和NCEP等再分析資料在熱帶氣旋研究工作中廣泛應(yīng)用，可提供完整且長(zhǎng)期的時(shí)空分辨率資料，減少熱帶氣旋年際變化和趨勢(shì)不確定性[18-19]。再分析資料由不同的參數(shù)化和資料同化方案的大氣環(huán)流模式研制，對(duì)熱帶氣旋的產(chǎn)生存在一定差異。如CFSR和JRA25再分析資料由于分別同化渦旋重新定位和熱帶氣旋風(fēng)廓線(xiàn)資料，對(duì)熱帶氣旋路徑和強(qiáng)度的反映較佳[20]。JRA55較JRA25分辨率更高且同化熱帶氣旋風(fēng)廓線(xiàn)資料，對(duì)熱帶氣旋的反映更佳[21]。ECMWF 0.125°高分辨率再分析資料再現(xiàn)熱帶氣旋的能力整體表現(xiàn)良好，可獲得熱帶氣旋的非對(duì)稱(chēng)、精細(xì)化結(jié)構(gòu)，且其分辨率與模式相匹配，在數(shù)值模式和資料同化中起到積極作用[22]。當(dāng)然，再分析資料分辨率越高并不代表再現(xiàn)的熱帶氣旋路徑和強(qiáng)度越接近觀(guān)測(cè)，也取決于模式參數(shù)化和資料同化的方案、誤差校準(zhǔn)系統(tǒng)等，如新一代MERRA-2再分析資料較MERRA在風(fēng)速和平均海平面氣壓的強(qiáng)度反映顯著提高[23]。

圖5 用于評(píng)估的CMA熱帶氣旋最佳路徑數(shù)據(jù)集中2015年22個(gè)西北太平洋熱帶氣旋路徑

表1 評(píng)估用的全球再分析資料

再分析資料再現(xiàn)熱帶氣旋的能力值得肯定，但由于其分辨率不同，研究時(shí)需用不同閾值標(biāo)準(zhǔn)搜索熱帶氣旋。如Walsh等[24]假設(shè)熱帶氣旋強(qiáng)度廓線(xiàn)依賴(lài)再分析資料的水平分辨率，把風(fēng)速大于17.5 m/s的熱帶擾動(dòng)定義為熱帶氣旋，并把觀(guān)測(cè)到的熱帶氣旋方位平均強(qiáng)度廓線(xiàn)插值到某個(gè)分辨率，把插值后的最大風(fēng)速定義為該分辨率熱帶氣旋的閾值標(biāo)準(zhǔn)。Strachan等[25]第1步將再分析資料中的渦度場(chǎng)插值成T42分辨率，用固定渦度值0.5×10-5s-1搜索生成的熱帶氣旋；第2步將原分辨率的渦度場(chǎng)插值成T63分辨率，最后使用固定渦度值6.0×10-5s-1搜索熱帶氣旋，同時(shí)還需滿(mǎn)足低層最大渦度大于上層的條件，并持續(xù)1 d，方可確定為生成的熱帶氣旋。Murakami等[26]假設(shè)，相對(duì)于觀(guān)測(cè)資料，低分辨率再分析資料低估熱帶氣旋的強(qiáng)度，使用常用的表面最大風(fēng)速、低層渦度、溫度異常和持續(xù)時(shí)間等的優(yōu)化閾值標(biāo)準(zhǔn)搜索生成的熱帶氣旋。

3 東亞區(qū)域再分析系統(tǒng)對(duì)熱帶氣旋模擬結(jié)果

將EARS、NCEP、ERA-Interim、ERA5、JRA55再分析資料分別聯(lián)合CMA最佳路徑數(shù)據(jù)集，計(jì)算并分析熱帶氣旋中心距離和近中心最大風(fēng)速偏差。識(shí)別再分析資料和EARS中熱帶氣旋的中心位置和近中心最大風(fēng)速的具體方法和步驟如下：1）為去除其他熱帶擾動(dòng)的影響，根據(jù)CMA最佳路徑某個(gè)時(shí)刻提供的位置（經(jīng)緯度信息），在再分析資料中找到該經(jīng)緯度±5°對(duì)應(yīng)的格點(diǎn)區(qū)域；2）把該格點(diǎn)區(qū)域最低海平面氣壓對(duì)應(yīng)的經(jīng)緯度確定為該時(shí)刻熱帶氣旋在再分析資料的中心位置；3）把該格點(diǎn)區(qū)域10 m高度層的最大風(fēng)速確定為該時(shí)刻熱帶氣旋近中心最大風(fēng)速。以上方法需CMA最佳路徑數(shù)據(jù)集提供熱帶氣旋中心位置作為參考，如缺CMA資料，EARS可使用美國(guó)國(guó)家海洋和大氣管理局（NOAA）的地球物理流體動(dòng)力學(xué)實(shí)驗(yàn)室（GFDL）渦旋追蹤器（Vortex Tracker，VT）識(shí)別EARS中的熱帶氣旋活動(dòng)。GFDL VT可客觀(guān)分析預(yù)報(bào)數(shù)據(jù)，提供熱帶氣旋中心位置（緯度和經(jīng)度）的估計(jì)值，并在預(yù)報(bào)期間追蹤風(fēng)暴；還可預(yù)報(bào)熱帶氣旋度量標(biāo)準(zhǔn)，如10 m高度層的最大風(fēng)速、最低平均海平面氣壓、風(fēng)半徑、最外側(cè)封閉等壓線(xiàn)等。使用NCEP的后處理系統(tǒng)UPP（Unified Post Processor）將EARS轉(zhuǎn)換成GFDL VT識(shí)別的GRIB格式資料，且該資料網(wǎng)格位于圓柱等距的經(jīng)緯網(wǎng)格上。GFDL VT將EARS提供用于追蹤的10 m高度層，750、850 hPa氣壓層的相對(duì)渦度，平均海平面氣壓，700、850 hPa氣壓層的位勢(shì)高度6個(gè)主要變量分別進(jìn)行一步Barnes分析[27-28]，從而確定該變量的最大值或最小值，并保存所得的在指定距離閾值內(nèi)位置，并用于后面平均定位位置計(jì)算；然后追蹤渦旋中心的10 m高度層，700、850 hPa氣壓層的最小風(fēng)速等3個(gè)與風(fēng)相關(guān)的次要變量，以完善渦旋定位；輸出結(jié)果為熱帶氣旋位置、強(qiáng)度和結(jié)構(gòu)信息；輸出結(jié)果格式為：原始和稍微改動(dòng)后自動(dòng)熱帶氣旋預(yù)報(bào)格式（ATCF）[29]。

3.1 東亞區(qū)域再分析系統(tǒng)對(duì)熱帶氣旋路徑的模擬

EARS與ERA5、ERA-Interim、NCEP、JRA55全球再分析資料分別和CMA熱帶氣旋最佳路徑數(shù)據(jù)集2015年22個(gè)西北太平洋熱帶氣旋中心的平均距離偏差為20 ~ 140 km，均較接近最佳路徑數(shù)據(jù)集，表明再分析資料產(chǎn)生的熱帶氣旋路徑可信。其中ERA5最接近觀(guān)測(cè)值，平均距離偏差為38.9 km，EARS僅對(duì)熱帶氣旋“Vamco”的路徑模擬優(yōu)于ERA5；NCEP產(chǎn)生的路徑最差，平均距離偏差為114 km。EARS、JRA55和ERA-Interim產(chǎn)生的熱帶氣旋路徑基本一致，平均距離偏差約70 km。其中EARS對(duì)熱帶氣旋“Dolphin”“Chan-hom”“Nangka”“Etau”“Vamco”的路徑模擬比JRA55和ERA-Interim的準(zhǔn)確，對(duì)熱帶氣旋“Krovanh”“Infa”“Melor”的路徑模擬優(yōu)于ERA-Interim（圖6）。

圖6 EARS、ERA5、NCEP、JRA55、ERA-Interim再分析資料分別與CMA最佳路徑數(shù)據(jù)集中2015年22個(gè)西北太平洋熱帶氣旋中心的平均距離偏差

圖6可知，整體而言，ERA5對(duì)2015年22個(gè)產(chǎn)生的熱帶氣旋路徑最佳，平均距離偏差約為28 ~ 52 km。因?yàn)镋RA5為最新一代再分析資料，時(shí)空分辨率分別為31 km和1 h，垂直層共137層，時(shí)空分辨率較其前身ERA-Interim大幅提升，而ERA-Interim的時(shí)空分辨率為80 km和6 h，垂直層共60層；同時(shí)ERA5還利用集合再分析產(chǎn)品評(píng)估大氣的不確定性[30]。NCEP平均距離偏差為110 ~ 120 km，均大于其他再分析資料，可能因?yàn)槠渌椒直媛瘦^低，為110 km。EARS、JRA55、ERA-Interim的平均距離偏差的波動(dòng)范圍相差不大，均為70 km左右（圖7）。EARS對(duì)熱帶氣旋路徑描述的距離偏差比ERA5大，EARS與CMA熱帶氣旋中心平均距離偏差的均方根誤差基本大于ERA5（圖8）。當(dāng)EARS使用ERA5作為初始場(chǎng)時(shí)，模擬的熱帶氣旋“Mujigae”中心與CMA最佳路徑的距離偏差與ERA5基本一致，優(yōu)于ERA-Interim，模擬的路徑更準(zhǔn)確（圖9）。

圖7 EARS、ERA5、NCEP、JRA55、ERA-Interim再分析資料分別和CMA最佳路徑數(shù)據(jù)集中2015 年22個(gè)西北太平洋熱帶氣旋中心的平均距離偏差的箱線(xiàn)圖

圖8 EARS、ERA5分別和CMA最佳路徑數(shù)據(jù)集中2015年22個(gè)西北太平洋熱帶氣旋中心平均距離偏差的均方根誤差

圖9 EARS（ERA-Interim為初始場(chǎng)）、EARS（ERA5為初始場(chǎng)）、ERA5分別和CMA最佳路徑數(shù)據(jù)集中熱帶氣旋“彩虹”中心的距離偏差

熱帶氣旋路徑還包括運(yùn)動(dòng)方向，下文將討論EARS對(duì)熱帶氣旋運(yùn)動(dòng)方向的模擬。圖10為CMA最佳路徑數(shù)據(jù)集和EARS中2015年22個(gè)西北太平洋熱帶氣旋的路徑。圖10可見(jiàn)，EARS模擬的熱帶氣旋運(yùn)動(dòng)方向基本與CMA一致，方向誤差波動(dòng)較小的為熱帶氣旋“Chan-hom”“Dolphin”“Goni”“Soudelor”“Maysak”“Etau”；方向誤差波動(dòng)較大的為“Krovanh”“In-fa”“Mekkhala”“Melor”“Linfa”。EARS模擬的方向誤差在熱帶氣旋發(fā)展階段明顯，如熱帶氣旋“Vamco”“Melor”“Noul”“Mujigae”“Linfa”；消亡階段也明顯，如熱帶氣旋“Kujira”“Mujigae”“Melor”“Soudelor”“Nangka”；在成熟階段較小。圖11為EARS（ERA-Interim為初始場(chǎng)）、EARS（ERA5為初始場(chǎng)）和CMA最佳路徑數(shù)據(jù)集熱帶氣旋“Mujigae”的路徑，當(dāng)“Mujigae”處于發(fā)展和消亡階段時(shí)，EARS（ERA-Interim為初始場(chǎng)）模擬其運(yùn)動(dòng)方向的誤差波動(dòng)明顯；得益于ECMWF新一代的ERA5再分析資料，EARS（ERA5為初始場(chǎng)）模擬的運(yùn)動(dòng)方向誤差波動(dòng)明顯小于EARS（ERA-Interim為初始場(chǎng)）。當(dāng)“Mujigae”處于成熟階段時(shí)，EARS模擬的運(yùn)動(dòng)方向誤差波動(dòng)較小，基本與CMA最佳路徑相似（圖11）。

圖10 CMA最佳路徑數(shù)據(jù)集（實(shí)線(xiàn)）和EARS（虛線(xiàn)）2015年22個(gè)西北太平洋熱帶氣旋的路徑

圖11 EARS（ERA-Interim為初始場(chǎng)）、EARS（ERA5為初始場(chǎng)）和CMA最佳路徑數(shù)據(jù)集中熱帶氣旋“彩虹”路徑

3.2 東亞區(qū)域再分析系統(tǒng)對(duì)熱帶氣旋強(qiáng)度的模擬

國(guó)內(nèi)外熱帶氣旋預(yù)報(bào)中心一直致力于熱帶氣旋的強(qiáng)度預(yù)報(bào)。按照熱帶氣旋近中心最大風(fēng)速可把熱帶氣旋劃分成超強(qiáng)臺(tái)風(fēng)、強(qiáng)臺(tái)風(fēng)、臺(tái)風(fēng)、強(qiáng)熱帶風(fēng)暴、熱帶低壓6個(gè)熱帶氣旋等級(jí)。再分析資料因?yàn)樗椒直媛瘦^低，均系統(tǒng)地低估熱帶氣旋強(qiáng)度[26]，本研究用于評(píng)估的全球再分析資料（NCEP、ERA-Interim、ERA5、JRA55）的熱帶氣旋近中心的風(fēng)速平均偏差均為負(fù)，均低估熱帶氣旋近中心的最大風(fēng)速，而EARS存在稍偏大情況（熱帶氣旋“Etau”偏大約1.07 m/s、“Vamco”偏大約1.46 m/s）。EARS對(duì)熱帶氣旋近中心最大風(fēng)速的模擬能力較好，平均偏差基本在-20 m/s以?xún)?nèi)，略?xún)?yōu)于ERA5，明顯優(yōu)于ERA-Interim、JRA55和NCEP；并對(duì)熱帶氣旋“Bavi”“Maysak”“Kujira”“Chan-hom”“Linfa”“Soudelor”“Goni”“Etau”“Dujuan”“Mujigae”近中心最大風(fēng)速的模擬最接近CMA最佳路徑數(shù)據(jù)集（圖12）。

圖12 全球再分析資料分別與CMA最佳路徑數(shù)據(jù)集中2015年22個(gè)西北太平洋熱帶氣旋近中心最大風(fēng)速的平均偏差

EARS模擬的熱帶氣旋近中心最大風(fēng)速平均偏差為-17.5 ~ -1.5 m/s，中位數(shù)為-10.8 m/s；ERA5的為-16 ~ -4 m/s，中位數(shù)為-10.5 m/s；NCEP的為-24 ~ -3.5 m/s，中位數(shù)為-16 m/s；JRA55的為-24.5 ~ -6 m/s，中位數(shù)為-18 m/s；ERA-Interim的為-24 ~ -5.5 m/s，中位數(shù)為-16.5 m/s。EARS對(duì)熱帶氣旋近中心最大風(fēng)速的模擬能力較好，這是因?yàn)镋ARS擁有更高的分辨率和更合理的資料同化方案，更好地反映熱帶氣旋的強(qiáng)度（圖13）。

EARS還可獲得熱帶氣旋精細(xì)化結(jié)構(gòu)，以2015年9月27日熱帶氣旋“杜鵑”的水平風(fēng)分量的垂直剖面分布為例，其中心位于125.9°E，22.8°N，最大風(fēng)速為58 m/s。當(dāng)EARS以ERA-Interim再分析資料為初始場(chǎng)時(shí)，水平風(fēng)分量在中心附近極值可達(dá)30 m/s以上（圖14a），ERA-Interim的為20 m/s以上（圖14b）；當(dāng)EARS以ERA5再分析資料為初始場(chǎng)時(shí)，水平風(fēng)分量在中心附近極值可達(dá)45 m/s以上（圖14c），ERA5的為40 m/s以上（圖14d）。

圖13 EARS、ERA5、NCEP、JRA55、ERA-Interim再分析資料分別與CMA最佳路徑數(shù)據(jù)集中2015年22個(gè)西北太平洋熱帶氣旋近中心最大風(fēng)速平均偏差的箱線(xiàn)圖

圖14 2015年9月27日熱帶氣旋“杜鵑”的EARS（EAR-Interim為初始場(chǎng)）、ERA-Interim、EARS (ERA5為初始場(chǎng))和ERA5再分析資料水平風(fēng)量u的垂直剖面分布

4 結(jié)論與討論

對(duì)東亞區(qū)域再分析系統(tǒng)模擬的2015年西北太平洋的熱帶氣旋進(jìn)行評(píng)估，得到如下結(jié)論：

1）EARS、ERA5、NCEP、JRA55和ERA-Interim再分析資料分別與CMA最佳路徑數(shù)據(jù)集中22個(gè)2015年西太平洋熱帶氣旋中心的平均距離偏差為20 ~ 140 km，表明再分析資料可準(zhǔn)確產(chǎn)生熱帶氣旋路徑。ERA5產(chǎn)生的路徑最佳，與CMA最佳路徑數(shù)據(jù)集中熱帶氣旋中心的平均距離偏差為28 ~ 52 km；其次為JRA55、EARS和ERA-Interim，平均距離偏差主要在70 km左右；較差的是水平分辨率較低的NCEP，平均距離偏為110 ~ 120 km。當(dāng)EARS使用ERA5作為初始場(chǎng)時(shí)，模擬的熱帶氣旋“Mujigae”中心與CMA最佳路徑的距離偏差與ERA5基本一致，優(yōu)于ERA-Interim，模擬的路徑更準(zhǔn)確。EARS模擬的熱帶氣旋運(yùn)動(dòng)方向誤差主要集中在熱帶氣旋的發(fā)展和消亡階段；當(dāng)用ERA5作為初始場(chǎng)時(shí)，模擬的熱帶氣旋“Mujigae”運(yùn)動(dòng)方向誤差得以改善。

2）EARS對(duì)熱帶氣旋近中心最大風(fēng)速的模擬略偏大（熱帶氣旋“Etau”偏大約1.06 m/s、“Vamco”偏大約1.46 m/s），而其他4套再分析資料均低估。EARS對(duì)熱帶氣旋近中心最大風(fēng)速模擬能力較佳，略?xún)?yōu)于ERA5，明顯比NCEP、JRA55、ERA-Interim準(zhǔn)確，還可獲得熱帶氣旋精細(xì)化結(jié)構(gòu)。這是因?yàn)镋ARS的時(shí)空分辨率更高和資料同化方案合理，還可同化更精確的區(qū)域觀(guān)測(cè)資料，從而對(duì)西北太平洋熱帶氣旋近中心最大風(fēng)速的模擬能力更強(qiáng)，更好地反映熱帶氣旋的強(qiáng)度。

僅一年的EARS遠(yuǎn)不足于評(píng)估西北太平洋熱帶氣旋。目前存在的不足和下一步工作為：

1）EARS使用ERA5再分析資料作為初始場(chǎng)，較使用ERA-Interim為初始場(chǎng)更精確地模擬熱帶氣旋的路徑和強(qiáng)度，后續(xù)會(huì)進(jìn)行更長(zhǎng)時(shí)間段和更多的以ERA5為初始場(chǎng)的試驗(yàn)，確定使用ERA5為初始場(chǎng)的優(yōu)缺點(diǎn)。

2）目前EARS初步再分析試驗(yàn)數(shù)據(jù)同化的資料為從NCEP GDAS獲取的常規(guī)觀(guān)測(cè)和衛(wèi)星資料，后續(xù)將深入開(kāi)展優(yōu)化該系統(tǒng)中的資料同化方案，并同化更多的東亞區(qū)域觀(guān)測(cè)資料，特別是全球再分析資料未使用的資料，如海面散射計(jì)資料反演的海面風(fēng)場(chǎng)資料、加密觀(guān)測(cè)資料（地面、探空和飛機(jī)報(bào)等資料）等，找出減小熱帶氣旋模擬誤差的方法。

[1] 黃榮輝, 陳際龍, 周連童, 等. 關(guān)于中國(guó)重大氣候?yàn)?zāi)害與東亞氣候系統(tǒng)之間關(guān)系的研究[J]. 大氣科學(xué), 2003, 27(4): 770-787.

[2] 陳聯(lián)壽, 丁一匯. 西太平洋臺(tái)風(fēng)概論[M]. 北京: 科學(xué)出版社, 1979.

[3] 韋芬芬. 不同再分析資料驅(qū)動(dòng)場(chǎng)對(duì)我國(guó)夏季區(qū)域氣候模擬的不確定性研究[D]. 南京: 南京大學(xué), 2013.

[4] BENGTSSON L, SHUKLA J. Integration of space and in situ observations to study global climate change [J]. Bull Amer Meteor Soc, 1988, 69(10): 1130-1143

[5] TRENBERTH K E, OLSON J G. An evaluation and intercomparison of global analyses from the national meteorological center and the European centre for medium range weather forecasts[J]. Bull Amer Meteor Soc, 1988, 69(9): 1047-1057.

[6] 趙天保, 符淙斌, 柯宗建, 等. 全球大氣再分析資料的研究現(xiàn)狀與進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2010, 25(3): 242-254.

[7] 朱智, 師春香, 張濤, 等. 多種再分析地表溫度資料在中國(guó)區(qū)域的適用性分析[J]. 冰川凍土, 2015, 37(3): 614-624.

[8] 張冬峰, 高學(xué)杰, 趙宗慈, 等. RegCM3區(qū)域氣候模式對(duì)中國(guó)氣候的模擬[J]. 氣候變化研究進(jìn)展, 2005, 1(3): 119-121.

[9] BOLLMEYER C, KELLER J D, OHLWEIN C, et al. Towards a high-resolution regional reanalysis for the European CORDEX domain[J]. Quarterly Journal of the Royal Meteorological Society, 2015, 141(686): 1-15.

[10] 劉鴻波, 張大林, 王斌. 區(qū)域氣候模擬研究及其應(yīng)用進(jìn)展[J]. 氣候與環(huán)境研究, 2006, 11(5): 649-668.

[11] DEE D, UPPALA S M, SIMMONS A J, et al. The ERA?Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597.

[12] 周昊. GSI三維變分同化技術(shù)在降水預(yù)報(bào)中的應(yīng)用[D]. 南京: 南京信息工程大學(xué), 2012.

[13] YING M, ZHANG W, YU H, et al. An overview of the China meteorological administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 287-301.

[14] 陳國(guó)民, 白莉娜, 萬(wàn)日金. 2015年西北太平洋熱帶氣旋預(yù)報(bào)精度評(píng)定[J]. 氣象, 2017, 43(4): 119-125.

[15] KANAMITSU M, EBISUZAKI W, WOOLLEN J, et al. NCEP–DOE AMIP-II reanalysis (R-2)[J]. Bulletin of the American Meteorological Society, 2002, 83(11): 1631-1643.

[16] HERSBACH H, BELL W, BERRISFORD P, et al. Global reanalysis: goodbye ERA-Interim, hello ERA5[J/OL]. ECMWF Newsletter: Meteorology Section, 2019, 159: 17-24. https://www.ecmwf.int/node/ 19027.

[17] EBITA A, KOBAYASHI S, OTA Y, et al. The Japanese 55-year reanalysis “JRA-55”: an interim report[J]. Sola, 2011, 7: 149-152.

[18] THORNE P W, VOSE R S. Reanalyses suitable for characterizing long-term trends[J]. Bulletin of the American Meteorological Society, 2010, 91(3): 353-362.

[19] TRUCHELUT R E, HART R E, LUTHMAN B. Global identification of previously undetected pre-satellite-era tropical cyclone candidates in NOAA/CIRES twentieth-century reanalysis data[J]. Journal of Applied Meteorology and Climatology, 2013, 52(10): 2243-2259.

[20] SCHENKEL B A, HART R E. An examination of tropical cyclone position, intensity, and intensity life cycle within atmospheric reanalysis datasets[J]. Journal of Climate, 2012, 25(10): 3453-3475.

[21] HATSUSHIKA H, TSUTSUI J, FIORINO M, et al. Impact of wind profile retrievals on the analysis of tropical cyclones in the JRA-25 reanalysis[J]. Journal of the Meteorological Society of Japan, Ser. II, 2006, 84(5): 891-905.

[22] 李霽杭, 黃燕燕, 萬(wàn)齊林. ECMWF資料和Bogus資料的2015年熱帶氣旋結(jié)構(gòu)的對(duì)比分析[J]. 熱帶氣象學(xué)報(bào), 2018, 34(1): 48-58.

[23] HODGES K, COBB A, VIDALE P L. How well are tropical cyclones represented in reanalysis datasets[J]. Journal of Climate, 2017, 30(14): 5243-5264.

[24] WALSH K J E, FIORINO M, LANDSEA C W, et al. Objectively determined resolution-dependent threshold criteria for the detection of tropical cyclones in climate models and reanalyses[J]. Journal of Climate, 2007, 20(10): 2307-2314.

[25] STRACHAN J, VIDALE P L, HODGES K, et al. Investigating global tropical cyclone activity with a hierarchy of AGCMs: The role of model resolution[J]. Journal of Climate, 2013, 26(1): 133-152.

[26] MURAKAMI H. Tropical cyclones in reanalysis data sets[J]. Geophysical Research Letters, 2014, 41(6): 2133-2141.

[27] BARNES S L. A technique for maximizing details in numerical weather map analysis[J]. Journal of Applied Meteorology, 1964, 3(4): 396-409.

[28] BARNES S L. Mesoscale objective analysis using weighted time-series observations[R]. NOAA Technical Memorandum ERL NSSL-62, National Severe Storms Laboratory Norman OK73069, 1973..

[29] BISWAS M K, STARK D, CARSON L. GFDL Vortex Tracker Users’ Guide V3.9a[EB/OL]. US: Developmental Testbed Center. 2018-04-01. https:// dtcenter.org/community-code/gfdl-vortex-tracker/documentation.

[30] 孟憲貴, 郭俊建, 韓永清. ERA5再分析數(shù)據(jù)適用性初步評(píng)估[J]. 海洋氣象學(xué)報(bào), 2018, 38(1): 91-99.

East Asian Regional Reanalysis System Evaluation of Tropical Cyclone Simulation in the Northwest Pacific

PAN Yu-shan, XU Jian-jun, ZHANG Yu, YUAN Shuai, ZHU Wen-qing

（//,,524088,;(),524025,）

【】Track and intensity evaluation of the tropical cyclone track and intensity in the Northwest Pacific based on the East Asian regional reanalysis system. 【】East Asian regional reanalysis system (EARS) was developed using Advanced Research Weather Research and Forecasting Model (WRF-ARW) mesoscale model and Gridpoint Statistical Interpolation(GSI) assimilation system. Based on the preliminary results of EARS, this paper takes the simulation results of tropical cyclone track and intensity as the research object, compares them with several global reanalysis around the world and the China Meteorological Administration (CMA) best track database. 【】 (1) The average distance error of the 22 tropical cyclone centers between the EARS, NCEP, ERA-Interim, ERA5, JRA55 and the CMA best track database respectively is 20 – 140 km, indicating that the EARS and the other four reanalysis datasets can accurately reproduce the tropical cyclone track. The tropical cyclone tracks reproduced by ERA5 is the best, followed by JRA55, EARS and ERA-Interim The worst is NCEP. When EARS used ERA5 as initial field, the simulation of the tropical cyclone “Mujigae” track was basically consistent with ERA5, and the simulated track is more accurate. The direction error of tropical cyclone motion simulated by EARS is large in the development and extinction phases. EARS used ERA5 as the initial field can improve the direction error of the tropical cyclone “Mujigae” motion. (2) EARS is regional reanalysis system with higher spatial and temporal resolution and a reasonable data assimilation scheme. It can assimilate more accurate regional observations. It has a better ability to simulate the maximum wind speed near the center of tropical cyclone, slightly better than ERA5, and significantly more accurate than JRA55, ERA-Interim, NCEP. It can better reflect the intensity of tropical cyclones and obtain the refined structure of tropical cyclones.

East Asian Reanalysis; numerical weather forecast; data assimilation; tropical cyclone

P432

A

1673-9159（2020）05-0053-11

10.3969/j.issn.1673-9159.2020.05.007

2019-11-15

中國(guó)氣象科學(xué)研究院國(guó)家重點(diǎn)研發(fā)計(jì)劃（2017YFC1501802）；南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室（湛江）資助項(xiàng)目（ZJW-2019-08）；廣東海洋大學(xué)“創(chuàng)新強(qiáng)?！辟Y助項(xiàng)目（230419053）；廣東海洋大學(xué)“沖一流”學(xué)科建設(shè)科研項(xiàng)目（平臺(tái)）（231419022）；海洋與氣候變化人才培養(yǎng)和創(chuàng)新團(tuán)隊(duì)（002026002002）

潘裕山（1992－），男，碩士研究生，研究方向?yàn)閰^(qū)域數(shù)值模擬和資料同化。E-mail: panyushan@vip.qq.com

徐建軍（1963－），男，教授，博士，研究方向?yàn)楹Ｑ髿庀笈c區(qū)域資料同化研究。E-mail:gmuxujj@163.com

潘裕山，徐建軍，張宇，等. 基于東亞區(qū)域再分析系統(tǒng)模擬2015年西北太平洋熱帶氣旋[J]. 廣東海洋大學(xué)學(xué)報(bào)，2020，40（5）：53-63.

（責(zé)任編輯：劉慶穎）