不同同化方案在臺風“白鹿”強降水預報中的應用*

梁鈞怡，王東海，張宇，姚樂寶

1. 中山大學大氣科學學院/廣東省氣候變化與自然災害研究重點實驗室，廣東 珠海 519082

2. 南方海洋科學與工程廣東省實驗室（珠海），廣東 珠海 519082

3. 佛山市氣象局，廣東 佛山 528000

4. 廣東海洋大學南海海洋氣象研究院，廣東 湛江 524088

5. 內蒙古自治區(qū)氣象臺，內蒙古 呼和浩特 010051

隨著數值天氣預報理論和應用技術的蓬勃發(fā)展，推進現(xiàn)代天氣預報能力的大步前進，在預警預報和氣象服務中發(fā)揮著重要的作用［1］。我國數值天氣預報研究和業(yè)務應用一直受到高度重視，在理論、方法和數值模式研究方面存在廣泛的國際影響，隨著災害性重大天氣預警預報水平的不斷提高，不斷實現(xiàn)從傳統(tǒng)簡單的預警預報邁向更準確及時、更精細、多時空尺度轉變［2］。而對于臺風、颮線、暖區(qū)暴雨等中尺度天氣過程的數值模擬和預報仍然面臨著巨大的挑戰(zhàn)。如何充分地、有效地利用多種觀測資料和不同同化方法，獲取更準確的模式初始場，更有效地提高預報效果，已成為提高中尺度數值預報水平的關鍵問題。

與此同時，隨著氣象衛(wèi)星觀測技術的快速發(fā)展，越來越多樣化的氣象衛(wèi)星觀測資料將更有效地應用到數值模式中，對調整模式初始場和改善模式預報效果蘊含著巨大的潛力，這對資料同化技術的發(fā)展十分重要［3］。資料同化技術可以更好地融合背景場與觀測資料，有利于獲得更精確的模式初始場，是目前數值預報研究中的一個非常關鍵的技術之一［4］。而目前的數值天氣預報模式與不同的同化系統(tǒng)相結合，比如APRS 同化系統(tǒng)的ADAS云分析模塊就重點考慮冰向水凝物對反射率貢獻［5］，WRFDA 同化模塊則包括了從數據預處理到后處理預報檢驗的整個過程［6-7］以及使用的GSI格點分析系統(tǒng)，可以同化常規(guī)和非常規(guī)觀測兩大類資料［8］。眾多研究已表明基于3DVar同化方法的衛(wèi)星微波觀測資料同化，對提高暴雨、臺風等災害性天氣的預報水平有明顯的正貢獻［9］。已有的研究中，多使用3DVar同化方法來同化雷達反射率和徑向風觀測資料，并應用于業(yè)務預報系統(tǒng)以改進中小尺度氣象要素場，進一步提高短臨預報效果［10-11］。但是3DVar同化方法本身存在明顯的局限性，其背景誤差協(xié)方差是靜態(tài)的，而實際的大氣環(huán)境中背景誤差協(xié)方差則是隨大氣狀態(tài)動態(tài)演變的［12］。而集合預報可以給出預報不確定性的分布，減小了初始條件不確定性與模式不確定性對數值預報結果的影響［13］。然而單純的集合同化也存在不足之處，同化效果依賴于集合成員的質量，所構造的集合能否使得集合方差體現(xiàn)實際誤差協(xié)方差的分布是同化效果的關鍵。因此，針對變分同化和集合同化的各自優(yōu)缺點，將二者有機結合起來，3DEnVar 同化方法有效地引入了具有“流依賴”屬性背景誤差協(xié)方差的同時也繼承了3DVar框架的優(yōu)勢［14］，Hamil等［15］將EnKF和3DVar同化方法相結合，將背景誤差協(xié)方差構建為3DVar的靜態(tài)背景誤差協(xié)方差與集合預報估計的動態(tài)背景誤差協(xié)方差的線性組合。隨著方法的逐步成熟，針對變分同化和集合同化的各自優(yōu)缺點在不斷完善。Wang 等［16］和Li 等［17］的研究表明采用3DEnVar 同化方法獲取的分析場優(yōu)于僅應用3DVar同化方法的結果，在資料稀缺區(qū)域和對流層上層優(yōu)化效果明顯。然而，目前混合同化研究正在不斷深入，在多個個例模擬研究中證明了混合同化方法仍存在不確定性，優(yōu)缺點并存。針對臺風預報，En3DVar同化模擬雷達資料能有助于初始化臺風，為下一步真實多普勒雷達觀測資料在臺風的初始化和集合預報的研究工作提供了技術支撐［18-20］。黃江平等［21］和Xu 等［22］采用GTS 觀測資料和NOAA 衛(wèi)星資料對臺風個例進行分析同化，結果表明混合同化方法在臺風路徑和強度模擬方面均有明顯改進。目前3DVar和混合同化方法仍然是資料同化領域的熱點和主要研究方向，對改善預報效果都需要進行深入的探討［23］。

本文將簡要介紹基于WRF 模式和GSI 同化所搭建的同化預報系統(tǒng)，分別采用3DVar和3DEnVar兩種同化方法，對臺風“白鹿”個例進行模擬，擬設計三組敏感性試驗，并檢驗在臺風型強降水預報中的分析同化效果，針對特定時刻的降水情況進行分析并且選用TS評分等常規(guī)方法進行對比，以及探討同化對溫、濕、風場的改進情況。以更好地評估不同同化方法對該天氣系統(tǒng)的模擬效果之間的異同，為優(yōu)化臺風等強天氣系統(tǒng)的預報系統(tǒng)提供一定的參考經驗。

1 同化系統(tǒng)和試驗設計

1.1 同化預報系統(tǒng)

本文使用的同化預報系統(tǒng)由WRF 模式4.0 版本和GSI 同化系統(tǒng)3.5 版本搭建，形成一套涵蓋資料處理、同化系統(tǒng)、預報系統(tǒng)和后處理系統(tǒng)的多模塊預報系統(tǒng)。研究模擬區(qū)域設置如圖1所示。同化試驗采用雙層嵌套設置，水平格點分辨率為第一層區(qū)域（d01 區(qū)域）為12 km，第二層嵌套區(qū)域（d02 區(qū)域）為4 km，其中d01 區(qū)域包含了我國大部分華南地區(qū)，d02 則包含了本次系統(tǒng)的主要影響地區(qū)。d01 區(qū)域水平格點數為95×121，d02 區(qū)域水平格點數為115×157，采用地形追隨垂直坐標，垂直層數為50層，模式頂高取50 hPa。

圖1 分為外層d01和嵌套內層d02兩區(qū)域的模式區(qū)域設置Fig.1 Simulation region setting of WRF model with outer domain d01 and inner domain d02

另外，本文三組試驗均使用了相同的模式設置，其中，WRF 模式的固定積分步長為30 s，參數化方案包括：Thompson微物理過程方案，Grell-Freitas 積云參數化方案，RRTMG 長波輻射方案，RRTMG 短波輻射方案，YSU 邊界層方案，Revised MM5 Monin-Obukhov 近地面層方案和Noah陸面過程方案。這組參數設置的根據是以華南地區(qū)以及廣東沿海熱帶氣旋降水為主。

基于上述模式設置，針對3DVar 和3DEnVar（Hybrid）同化方法，共設計了三組敏感性試驗驗證同化效果（見表1）。

表1 同化試驗名稱及設計方案Table 1 The data assimilation tests and their schemes setting

根據預報系統(tǒng)和試驗設計，完整的試驗流程見圖2，在2019 年8 月25 日00 時（UTC，下同）起報，預報時長為36 h。本文采用了循環(huán)同化方式，在2019 年08 月25 日00 時刻進行模式的冷啟動，06～12 時（逐6 h）進行循環(huán)同化（循環(huán)同化間隔6 h），其中12時進行循環(huán)同化后向后預報24 h。

圖2 試驗流程圖Fig.2 Flow chart of experiments

本文采用的3DEnVar（Hybrid）同化方法中所選用的20 個集合成員，是利用GEFS（global ensemble forecast system）全球集合預報系統(tǒng)格點集合預報資料采用動力降尺度后結合多物理參數化方案從25 日00 時向后預報12 h 生成的，其目的在于給循環(huán)同化的過程中進行為3DEnVar（Hybrid）同化提供集合預報成員，具體的多物理參數化方案組合見表2。

表2 20個集合成員的物理參數化方案Table 2 Physical parameterization scheme designs of 20 ensemble members

1.2 數據資料

在模式預報過程中使用GFS（gobal forecast system）全球模式預報數據場作為背景場提供初始和邊界條件、在同化過程中利用常規(guī)觀測資料、衛(wèi)星觀測資料作為同化資料改進初始場。試驗使用的觀測和衛(wèi)星資料，包括全球常規(guī)觀測資料（PrepBUFR 數據）、高分辨率紅外探測數據（HIRS4和HIRS3數據）、先進的微波探測器A型數據（AMSU-A數據）。

而對模擬結果的評估檢驗所使用的地面氣象觀測資料來源于國家氣象信息中心的逐小時數據集，時段為2019年8月25～26日，由國家站及區(qū)域站組成。為了彌補常規(guī)實況觀測資料的不足，本文采用中國自動站與CMORPH 降水產品融合的逐時降水量網格數據集。中國自動站與CMORPH 降水產品融合的逐時降水量網格數據集（1.0 版）的空間分辨率為0.1°×0.1°。同時，利用ERA5 再分析數據集進行相關氣象要素的對比以分析降水原因，其分辨率為0.25°×0.25°，時空分辨率為60 min。

2 結果與分析

2.1 個例介紹

本文所研究個例為2019 年第11 號臺風“白鹿”（強熱帶風暴級），臺風中心于8月25日8時在福建省東山縣沿海登陸，登陸時中心附近最大風力10級（風速約25 m/s），中心最低氣壓為988 hPa。受臺風“白鹿”影響，降水覆蓋廣泛，中央氣象臺發(fā)布臺風藍色預警，福建和廣東的部分地區(qū)及珠江口沿海地區(qū)達到暴雨。臺風登陸后，華南地區(qū)受強尾流的影響，多地出現(xiàn)大到暴雨天氣過程，其中廣東東部地區(qū)大暴雨（降雨量超過25 mm/h），北部和南部沿海出現(xiàn)局地特大暴雨（超過50 mm/h）。臺風“白鹿”生成時間不長，強度不大，但由于結構松散，強大的外圍云系覆蓋廣；低層存在的強度較大的東南急流將南海的充沛水汽不斷向廣東地區(qū)輸送造成強大的尾流，同時登陸地區(qū)附近的地區(qū)存在冷中心，結合了地形抬升和海陸熱力差異的各類因素，對本次廣東地區(qū)的降水條件都非常有利?！鞍茁埂睂V東地區(qū)的降水具有正貢獻，同時一般的模式預報對降水落區(qū)和強度的預報效果存在不足，因此針對該個例開展資料同化的應用研究，更好地評估不同同化方法的優(yōu)缺，是進一步改進模式預報和提高預報效果的重要方面。

2.2 同化增量分析

在臺風“白鹿”的預報過程中，為了更好地對不同的同化方案的效果展開分析，首先對風場、溫度、濕度等氣象要素場的同化增量進行對比，分析三組同化方案對氣象要素場的調整效果。在2019年08月25日00時刻第一次冷啟動同化時，三組試驗的背景場一致，當d01 和d02 區(qū)域采用相同的同化方法時，三組試驗的分析增量大小和分布高度相似，分析增量的最大值所在垂直層也相同（圖略）。第二循環(huán)同化后，使用3DEnVar（Hybrid）同化方式的4 個變量的流依賴特征比冷啟動時更加明顯，其流依賴性與實際天氣形勢吻合（圖略）。而在25 日12 時進行第3 次熱啟動循環(huán)同化時，給出了擾動位溫、U 風分量、V 風分量和水汽混合比最大增量值和對應的垂直層（見表3），從表3 中三次循環(huán)同化的分析增量可以看出，采用3DEnVar（Hybrid）同化方法的試驗，其分析增量具有明顯的流依賴特征。此外，雖然試驗Hybrid_3DVar 和試驗Hybrid_Hybrid 在d01 區(qū)域均采用3DEnVar（Hybrid）同化方式，但兩個試驗在d02 區(qū)域采用的同化方法不同，會由于兩個區(qū)域的相互反饋作用，導致兩個試驗在d01區(qū)域產生的分析增量不完全一致，且這種現(xiàn)象隨著循環(huán)同化次數的增加愈發(fā)明顯。

表3 第三次啟動同化后擾動位溫、U風分量、Ⅴ風分量和水汽混合比最大增量值以及其所在的垂直層Table 3 The maximum increment of perturbation potential temperature，U-wind component，V-wind component and water vapor mixing ratio in the third assimilation and their vertical layer

2.3 降水預報結果分析

2.3.1 模擬結果和降水實況的逐小時比本研究選取臺風“白鹿”登陸過程中降水在廣東省的主要影響地區(qū)，從2019 年8 月25 日00 時（UTC，下同）起，主要降水過程發(fā)生在廣東省大部分地區(qū)，集中在珠三角地區(qū)以及廣東北部和東部。對廣東陸地區(qū)域降水平均得到整個預報過程（36 h）的平均降水隨時間的變化情況（圖3），并清楚給出強降水發(fā)生的時刻，以及逐小時的區(qū)域平均降水量的變化趨勢。由圖可以看出預報過程中，第6～10 h 的逐小時平均降水量迅速增加，第10 h 整個區(qū)域的每小時平均降水量超過6 mm，之后雨量呈波動型減弱。同時有3個時刻發(fā)生強降水過程，分別是第10 h（25 日10 時）每小時降水量超過6 mm，第13 h（25 日13 時）和第15 h（25 日15 時）每小時降水量在5 mm 以上，其中15 h 是臺風“白鹿”強尾流帶來的一次較大的強降水。第1～4 h 三組試驗均存在預報偏強的現(xiàn)象，第5～11 h 試驗預報大致情況與實況相一致，呈現(xiàn)一個降水量大幅上升的趨勢，第12～15 h 試驗3DVar_3DVar 預報的平均降水量更加接近實況數據，第17～30 h 試驗Hybrid_Hybrid 的預報變化趨勢與實況更符合，但三組試驗均與實況開始存在波動性的差異，其中主要的原因可能是模式預報在不斷進行時間積分的過程中同化效果會弱化，以及模式本身會隨積分時長變長導致預報效果逐漸變差。為此，接下來將對這三個時刻的強降水預報效果進行更加深入的分析。

圖3 廣東地區(qū)的逐時平均降水演變圖Fig.3 Hourly evolution of average precipitation in Guangdong

在“白鹿”登陸后，25 日10 時中國融合數據集與三組試驗方案預報結果的逐小時降水量進行對比（圖4）。起報后的第10 h 的逐小時累積降水中，試驗3DVar_3DVar 對臺風降水的位置模擬效果更有優(yōu)勢，對降水區(qū)域的預報更接近實際情況，整個臺風外圍降水圈基本能夠給出較好預報，但對整個雨帶的模擬效果與實況對比較為分散，且對廣東內陸小雨到中雨位置的預報欠佳。另外，在試驗Hybrid_Hybrid 中，雨帶降水的模擬比較集中，但對于廣東北部降水大值區(qū)的模擬強度偏小。

圖4 2019年8月25日10時d02區(qū)域實況和三組同化試驗的逐時降水量（mm）Fig.4 The actual and three tests hourly precipitation(mm)in d02 at 10:00 UTC 25th August,2019

在25 日13 時的逐小時降水量的預報情況中（圖5），可以看出，試驗3DVar_3DVar 對降水范圍的模擬比較貼合實際，大部分降水落區(qū)都能較好地呈現(xiàn)，表明它能夠較好地預報出本次過程的降水落區(qū)分布。而試驗Hybrid_Hybrid 在該時刻模擬的降水區(qū)域位于廣東東北部，其降水大值區(qū)域的位置和強度模擬比較準確。試驗Hybrid_Hybrid 和試驗Hybrid_3DVar 均運用了3DEnVar（Hybrid）同化，該同化方法會在模擬過程中對一些降水量不大的位置的預報并不明顯。

圖5 2019年8月25日13時d02區(qū)域實況和三組同化試驗的逐時降水量（mm）Fig.5 The actual and three tests hourly precipitation(mm)in d02 at 13:00 UTC 25th,August 2019

“白鹿”不斷移動，整個外圍環(huán)流控制著廣東上空。在25 日15 時的降水預報中能夠發(fā)現(xiàn)，在“白鹿”登陸后，其外圍雨圈會出現(xiàn)一次較大的降水過程，因此著重分析該時刻模式對廣東北部的降水落區(qū)的預報情況。從圖6 可以看出，試驗3DVar_3DVar能夠較好地模擬出北部的降水圈，并且很好地模擬出部分小雨到中雨的位置，但會出現(xiàn)降水強度模擬過強且范圍過小的情況。而試驗Hybrid_Hybrid 和試驗Hybrid_3DVar 同樣選用了Hybrid 同化，因此對降水大值區(qū)的位置模擬得更好，特別是兩層區(qū)域均使用3DEnVar（Hybrid）同化的方案，對最大降水區(qū)域的強度和位置的預報更加精確，說明了Hybrid 同化對改善模式模擬最大降水位置會有所幫助。

圖6 2019年8月25日15時d02區(qū)域實況和三組同化試驗的逐時降水量（mm）Fig.6 The actual and three tests hourly precipitation(mm)in d02 at 15:00 UTC 25th August,2019

2.3.2 模式預報結果和自動站的降水實況的6 h和12 h 累計降水對比在整個登陸過程中，盡管“白鹿”在廣東和福建交界登陸但仍給廣東地區(qū)帶來的降水充沛，特別是廣東北部和大灣區(qū)范圍。圖7 為三組試驗在25 日12～18 時的6 h 累積降水預報結果與實況數據的對比，可以看出6 h 累積降水中心主要集中在廣東中北部和汕尾一帶海岸線上，雨量大約在25.0 mm 以上，局部區(qū)域達50.0 mm以上。試驗3DVar_3DVar 對廣東北部的強降水中心落區(qū)偏北，試驗Hybrid_Hybrid 能大致呈現(xiàn)強降水中心的落區(qū)，預報強度偏強，而試驗Hybrid_3DVar中預報的降水區(qū)域比較分散，但對降水強度的預報與實況對比較為符合。另外，三組試驗都能大致預報出沿汕尾一帶海岸線的降水分布，而試驗3DVar_3DVar 預報的降水區(qū)域與中國融合數據的分布情況更為相似，但強度與實況數據對比偏強，試驗Hybrid_Hybrid 對該處的降水強度預報效果更優(yōu)。

圖7 2019年8月25日13～18時d02區(qū)域實況和三組同化試驗的6 h累積降水量（mm）Fig.7 The actual and three tests 6-h accumulated precipitation(mm)in d02 from 13:00 UTC to 18:00 UTC 25th August,2019

另外，在對比12 h 累積降水結果中，發(fā)現(xiàn)其大部分降水量在30.0 mm 以上，局部區(qū)域達100.0 mm 以上（圖8）。對于試驗3DVar_3DVar，降水中心的位置與實況數據對比偏西北方，而試驗Hybrid_3DVar 和試驗Hybrid_Hybrid 預報的最大降水中心位置與實況位置對比較準確，且試驗Hybrid_Hybrid 對位于廣東中北部地區(qū)的強降水帶的位置預報更優(yōu)。針對降水強度而言，試驗Hybrid_Hybrid 的模擬效果更好，其他同化方案均出現(xiàn)模擬過強的現(xiàn)象，因此該試驗方案對于預報最大降水中心的強度有一定參考意義。三組試驗在預報強降水中心的量級時存在預報過強的情況，這也反映出預報系統(tǒng)在預報過程中的不足之處。同時，再次說明不同的同化方案會對模式預報降水大致分布和強度時帶來不同程度的影響，因此后續(xù)可能需要開展多個典型個例的研究，進一步研究不同同化方案的優(yōu)劣。

圖8 2019年8月25日13時～26日00時d02區(qū)域實況和三組同化試驗的12 h累積降水量（mm）Fig.8 The actual and three tests 12-h accumulated precipitation(mm)in d02 from 13:00 UTC 25th to 00:00 UTC 26th August,2019

2.3.3 預報評分對模擬臺風“白鹿”帶來的降水過程的TS 評分總體情況如圖9。由圖9 可以看出，在第二層嵌套區(qū)域（d02）的TS評分結果中，發(fā)現(xiàn)三組試驗在對6、12和24 h累積降水預報結果評分大致相似，這也可能是由于d02區(qū)域的自動站點數據不足，區(qū)域中包含的中國地面站點資料密度偏小，導致三者之間差異不大。但是總體而言，對于6和12 h的累積降水模擬與實況對比，試驗Hybrid_Hybrid 的TS 評分稍占優(yōu)勢，而試驗3DVar_3DVar 對24 h 的累積降水評分較高，達到0.53。就此進一步對第一層區(qū)域（d01）和第二層嵌套區(qū)域（d02）做準確率、虛報率、誤報率、偏差評分以及優(yōu)勢評分。圖10中第1列為d01區(qū)域三組試驗的模擬結果與實況降水的5 個指標，模式預報6 和12 h 累積降水的結果中，試驗Hybrid_Hybrid 的準確率最高，分別占49.58%和51.75%，同時虛報率和誤報率最低，偏差評分較大，達3.19 和2.56，在優(yōu)勢評分上也稍占優(yōu)勢。而模式預報24 h 累積降水結果中，試驗3DVar_3DVar 的準確率較高分別占58.95%，同時虛報率和誤報率相對較低，偏差評分中試驗3DVar_3DVar 和 試 驗Hybrid_Hybrid 都 達 到1.73，但優(yōu)勢評分中試驗3DVar_3DVar 較高，達到0.76。另外，d02 區(qū)域的結果為圖10 中第2 列，預報6 h累積降水的效果時，試驗3DVar_3DVar 和試驗Hybrid_3DVar 的預報準確率較高，分別占60%和60.7%，兩者偏差評分相同，優(yōu)勢評分中試驗Hybrid_3DVar的評分稍高。而預報12 h和24 h累積降水結果對比，試驗Hybrid_Hybrid 的準確率較高，占69.1%，但誤報率較大說明對降水分布預報存在不足，同時優(yōu)勢評分高，說明該試驗方案對d02區(qū)域的降水預報中優(yōu)勢仍然存在?；谝陨戏治?，三組試驗在d02區(qū)域預報降水大致情況均在評分中表現(xiàn)得差異并不大，但仍然能分析出試驗Hybrid_3DVar 針對6 h 的評分稍高，且試驗Hybrid_Hybrid在模式預報區(qū)域中對12 h 和24 h 的降水效果更準確，說明本系統(tǒng)對臺風帶來的強降水預報中，這兩組試驗有各自的優(yōu)勢，需要進一步對臺風個例研究得到更加明確的證明。

圖9 2019年8月25日12時啟動模擬后d02區(qū)域的6、12和24 h的TS評分Fig.9 The 6,12 and 24 h accumulated precipitation TS scores in d02 after starting forecast at 12 00 UTC 25th August,2019

圖10 2019年8月25日12時啟動模擬后d01和d02區(qū)域的6、12和24 h預報指標Fig.10 The 6,12,and 24 h accumulated precipitation factors in d01 and d02 after starting forecast at 12:00 UTC 25th August,2019

2.3.4 氣象要素預報分析除此之外，各組試驗降水預報效果的好壞一定程度上與動力要素和熱力要素相關。圖11給出了三組試驗沿113.5°E的垂直速度經向剖面圖，第1 列為試驗3DVar_3DVar，第2 列為試驗Hybrid_3DVar，第3 列為試驗Hybrid_Hybrid，其中第10 h（圖11a，b，c）、13 h（11d，e，f）以及15 h（圖11g，h，i）的。在第10 h 的23°N 上空處，試驗3DVar_3DVar（圖11a）在近海珠江口上空附近存在一個大于0.4 m/s 的強上升氣流，此處強對流出現(xiàn)的位置剛好與圖6融合數據實況降水分布圖中的降水大值中心位置相吻合，這可能是試驗3DVar_3DVar 對該時刻降水的預報效果更好的原因，因為其能夠更好的模擬出對流運動的發(fā)生位置和強度。第13和15 h兩次強降水發(fā)生的時刻，降水集中在廣東的北部，山地的抬升的作用使得強大的臺風氣流上升形式垂直對流，而試驗Hybrid_Hybrid（圖11f，i）可以更好的描繪出在廣東北部的強對流發(fā)生，其對流運動的大值區(qū)位置與最大降水區(qū)位置大致相同，也能說明其對廣東北部的兩次強降水過程的預報比其他兩組試驗的效果更優(yōu)。

圖11 2019年8月25日10，13和15時d02區(qū)域三組同化試驗垂直風場沿113.5°E的垂直剖面（m/s）Fig.11 Vertical profile of vertical velocity（color shading）and wind field flow vectors（black vector）along 113.5°E in d02 for three tests at 10：00，13：00 and 15：00 UTC 25th August，2019

臺風“白鹿”外圍大風速帶為廣東地區(qū)輸送大量的水汽，使得降水連續(xù)性增強。在第13 h（25日13 時）的ERA5 再分析數據中，發(fā)現(xiàn)廣東處于臺風外圍強盛的西南氣流內，形成了一條的水汽輸送帶不斷向近岸靠近（圖12）；廣東北部山區(qū)的水汽混合比處于一個極大值區(qū)，形成的濕區(qū)為強降水提供了充分的條件，這可能是廣東北部的降水大值區(qū)的原因。三組試驗均模擬出沿海地區(qū)的水汽通量輸送大值區(qū)，比濕達到20.6 g/kg；其中試驗3DVar_3DVar 中，近海區(qū)域的水汽含量更大，且整個廣東內陸上空的水汽大值區(qū)較其他兩組試驗范圍更廣水汽濃度更大，比濕超過18.8 g/kg。兩層嵌套區(qū)域均采用3DEnVar 同化（Hybrid_Hybrid） 的試驗，珠江口地區(qū)的水汽混合比與ERA5 的分布更為準確，并且整個風場更為順暢強度更大，輻合條件較好，廣東中北部有風速的輻合，這可能會對強降水中心的預報帶來一些幫助。

圖12 2019年8月25日13時d02區(qū)域ERA5和三組同化試驗950 hPa的水汽混合比（g/kg）Fig.12 Water vapor mixing ratio(color shading,g/kg)and horizontal wind(black vector,m/s)at 925 hPa in d02 for three tests at 13:00 UTC 25th August,2019

前人研究發(fā)現(xiàn)不同的同化試驗對濕度場的修正不同，會導致預報降水落區(qū)和強度出現(xiàn)差異［24］。圖13 同樣是第13 h（25 日13 時），沿113.5°E 的相對濕度垂直剖面圖，由圖可知，ERA5 再分析數據中整層濕度超過60%，三組試驗整體預報的濕度場過強，但如果兩層區(qū)域均采用相同同化方法的試驗能更好地描述出21°～23°N范圍900 hPa以下的濕度大值區(qū)。在900 hPa 以上的濕度大值區(qū)，三組試驗的數值能反映出一個相對較厚的濕層。

圖13 2019年8月25日13時d02區(qū)域ERA5和三組同化試驗相對濕度沿113.5oE的垂直剖面（%）Fig.13 Relative humidity(%)along 113.5oE in d02 for three tests at 13:00 UTC 25th August,2019

另外，近地面的熱力場中，三組試驗的10 m風場和2 m 溫度場分布都是以西南偏南氣流主導，廣東近海中有暖區(qū)中心（圖14a），而試驗3DVar_3DVar 在廣東中部和北部的近地面溫度場偏弱（圖14b），而采用了3DEnVar（Hybrid）同化的兩組試驗（圖14c，d）對風場風速的模擬強度更吻合ERA5數據，并且暖區(qū)中心的位置和范圍都更準確，可能由于低層風的輻合以及近地面2 m 溫度場中廣東中部到北部存在偏強的冷中心，兩者共同作用促使強降水中心的降水量加強。

圖14 2019年8月25日13時d02區(qū)域ERA5和三組同化試驗的10 m風場（m/s）和2 m溫度場（℃）Fig.14 10 m horizontal wind(black vector,m/s)and 2 m temperature(color shading,℃)in d02 for three tests at 13:00 UTC 25th August,2019

總體而言，不同的同化試驗在預報氣象要素場時會出現(xiàn)差異，當兩層區(qū)域均使用3DEnVar（Hybrid）的同化方法（試驗Hybrid_Hybrid）時，對降水相關的氣象要素場的預報效果更好，更加有利于對強降水落區(qū)的預報，其中包括動力、熱力以及水汽含量等方面，這為系統(tǒng)不斷的完善和改進提供良好的借鑒意義。

3 結 論

基于WRF 模式和GSI 同化系統(tǒng)，本文采用3DVar 同化和3DEnVar（Hybrid）同化兩種方法，設計了關于這兩種同化方案的敏感性試驗。通過搭建的同化預報系統(tǒng)，針對臺風“白鹿”引起的強降水過程進行模擬，對模擬結果進行對比分析，得到如下結論：

1）本系統(tǒng)能較好地模擬臺風“白鹿”所引起的強降水過程的范圍和強度，說明同化能有效改善預報效果。 針對逐小時的降水預報情況，試驗中兩層區(qū)域均選用3DVar方法有利于本系統(tǒng)預報降水范圍的分布情況，與實況降水分布接近，能夠抓住小雨到中雨的量級的降水落區(qū)，更有效地描繪出降水的范圍以及整體降水強度；而試驗中兩層區(qū)域均選用3DEnVar（Hybrid）方法有利于預報強降水大值中心的位置，表現(xiàn)出對暴雨和大暴雨等一系列極端暴雨事件有良好預報能力，但預報強度存在偏強的情況。

2）對于整個臺風降水過程而言，不同同化方案在本次個例模擬的結果中絕對優(yōu)勢并不明顯。在6、12和24 h累積降水的評分表現(xiàn)中，三組試驗的評分效果差異不大，兩層區(qū)域均選用3DEnVar（Hybrid）方法的試驗在12 和24 h 的累積降水評分中表現(xiàn)相對較好。

3）不同的同化試驗在預報氣象要素場時會出現(xiàn)差異，因此會對降水落區(qū)以及強度的預報帶來影響。當兩層區(qū)域均使用3DEnVar（Hybrid）的同化方法時，對相關的動力（風場）和熱力（溫度場）以及水汽含量等方面的預報效果更好，更加有利于對強降水落區(qū)以及強度的預報，這為系統(tǒng)不斷的完善和改進提供良好的借鑒意義。

本文從所選個例的模擬結果說明，不同區(qū)域采用不同的同化方案對預報效果的改進存在不同的優(yōu)勢，由于本文研究是關于不同的同化方法對臺風“白鹿”的降水預報效果的差異，從而進一步討論針對不同同化方法在預報臺風強降水過程中的應用。下一步將從同化更多的觀測資料如多普勒雷達觀測資料，以及增加集合成員數等多方面入手，結合不同的降水類型探討不同的同化方案針對模式預報的適應性問題。進而能夠更有針對性地提高同化預報效果，通過不斷優(yōu)化和改進，進一步提高該系統(tǒng)預報的準確率。