萬(wàn)齊林，何金海

(1.南京信息工程大學(xué)，南京 210044;2.中國(guó)氣象局廣州熱帶海洋氣象研究所，廣州 510080)

1 前言

熱帶氣旋(TC)是發(fā)生在熱帶或副熱帶洋面上的低壓渦旋，按國(guó)家標(biāo)準(zhǔn)(GBT 19201—2006)劃分為6個(gè)強(qiáng)度等級(jí)，包括超強(qiáng)臺(tái)風(fēng)(Super TY)、強(qiáng)臺(tái)風(fēng)(STY)、臺(tái)風(fēng)(TY)、強(qiáng)熱帶風(fēng)暴(STS)、熱帶風(fēng)暴(TS)、熱帶低壓(TD)。在公眾服務(wù)和口語(yǔ)中，有時(shí)把熱帶風(fēng)暴、強(qiáng)熱帶風(fēng)暴、臺(tái)風(fēng)、強(qiáng)臺(tái)風(fēng)和超強(qiáng)臺(tái)風(fēng)統(tǒng)稱為“臺(tái)風(fēng)”。臺(tái)風(fēng)是一種破壞力很強(qiáng)的災(zāi)害性天氣系統(tǒng)，深受政府、公眾和各類機(jī)構(gòu)的關(guān)注。

2011年第9號(hào)臺(tái)風(fēng)“梅花”，于7月28日14時(shí)在西北太平洋洋面上生成，8日18時(shí)30分左右在朝鮮西北沿海登陸。在這11天內(nèi)，“梅花”與人類“捉起了迷藏”，登陸地點(diǎn)從最初預(yù)測(cè)的浙江到江蘇一帶沿海，不斷變更到山東半島、遼東半島，最終在朝鮮西海岸登陸?！懊坊ā睌?shù)天之內(nèi)幾次變身，從強(qiáng)臺(tái)風(fēng)到超強(qiáng)臺(tái)風(fēng)，又減弱為強(qiáng)臺(tái)風(fēng)，又再次增強(qiáng)，反復(fù)變化多次，移動(dòng)路徑飄忽不定。但是，為了防御這個(gè)可能是近十幾年來(lái)最嚴(yán)重的臺(tái)風(fēng)，相關(guān)地區(qū)和部門紛紛拉響了警報(bào):浙閩滬轉(zhuǎn)移61萬(wàn)余人，山東轉(zhuǎn)移36萬(wàn)余人，遼寧轉(zhuǎn)移近13萬(wàn)人，隨著中央氣象臺(tái)對(duì)“梅花”編號(hào)的解除，人們才發(fā)現(xiàn)，“梅花”是一個(gè)驚動(dòng)我國(guó)東部海岸地區(qū)的“玩笑”。

無(wú)獨(dú)有偶，2011年在美國(guó)，颶風(fēng)(大西洋地區(qū)對(duì)臺(tái)風(fēng)的稱謂)“艾琳”對(duì)人們的影響不亞于“梅花”?！鞍铡币鹈绹?guó)東部沿海十個(gè)州先后宣布進(jìn)入緊急狀態(tài)，并下令將約230萬(wàn)居民進(jìn)行緊急疏散，這是美國(guó)歷史上第一次因自然災(zāi)害進(jìn)行如此大規(guī)模的疏散行動(dòng)。紐約市還在歷史上第一次因?yàn)閼?yīng)對(duì)自然災(zāi)害而宣布地鐵停運(yùn)。盡管美國(guó)對(duì)“艾琳”應(yīng)對(duì)充分，將損失減少到最低。但是，由于“艾琳”預(yù)報(bào)強(qiáng)度、路徑同實(shí)況存在偏差，“艾琳”的實(shí)際影響遠(yuǎn)沒有預(yù)測(cè)的嚴(yán)重，導(dǎo)致美國(guó)社會(huì)產(chǎn)生對(duì)政府過度防御的質(zhì)疑。不過，正如紐約市長(zhǎng)布隆伯格解釋說，對(duì)颶風(fēng)這類可進(jìn)行預(yù)測(cè)的自然災(zāi)害，預(yù)防總是比疏忽好，盡管預(yù)測(cè)有時(shí)不夠準(zhǔn)確。

事實(shí)確實(shí)如此，人們對(duì)臺(tái)風(fēng)活動(dòng)的掌控還遠(yuǎn)遠(yuǎn)不足，臺(tái)風(fēng)預(yù)報(bào)在國(guó)際上是公認(rèn)的難題。多位美國(guó)氣象學(xué)家面臨記者質(zhì)疑時(shí)說，監(jiān)控颶風(fēng)的動(dòng)向是一項(xiàng)非常復(fù)雜的科學(xué)活動(dòng)，由于決定颶風(fēng)變化的因素太多，需要大量數(shù)據(jù)和合理模型作支撐，目前還沒有國(guó)家能保證預(yù)測(cè)的準(zhǔn)確度，甚至在預(yù)測(cè)颶風(fēng)的路徑上也無(wú)法做到完全精確。究其原因，主要是所獲得的海洋氣象觀測(cè)資料較少，臺(tái)風(fēng)又主要在海上活動(dòng)，以至于缺乏對(duì)臺(tái)風(fēng)變化的認(rèn)識(shí)，特別是預(yù)測(cè)臺(tái)風(fēng)活動(dòng)必要的觀測(cè)信息不充足或觀測(cè)信息利用效率不高，制約了臺(tái)風(fēng)預(yù)報(bào)能力的提升。當(dāng)前的天氣預(yù)報(bào)非常依賴于數(shù)值天氣預(yù)報(bào)，而熱帶氣旋數(shù)值預(yù)報(bào)又很大程度上取決于其模式的初值，熱帶氣旋初值環(huán)流的好壞對(duì)其路徑、強(qiáng)度和風(fēng)雨預(yù)報(bào)技巧水平有重要影響。資料同化是合理形成熱帶氣旋初值環(huán)流的必要手段，提高資料同化能力、增強(qiáng)資料利用效率，從而改善熱帶氣旋初值環(huán)流，是當(dāng)前提高熱帶氣旋預(yù)報(bào)水平的重要途徑。

目前，國(guó)際上用得較多的資料同化方法有變分方法和集合卡爾曼濾波方法，由于變分方法和集合卡爾曼濾波方法的互補(bǔ)性，變分-集合卡爾曼濾波混合方法成為國(guó)際上另一個(gè)新的發(fā)展趨勢(shì)。變分同化方法、集合卡爾曼濾波方法、變分-集合卡爾曼濾波混合同化方法也是當(dāng)前獲取熱帶氣旋初值環(huán)流的主要方法。a.變分同化方法[1～6]:構(gòu)建分析場(chǎng)與觀測(cè)及背景場(chǎng)之間偏差的目標(biāo)函數(shù)，通過求解該目標(biāo)函數(shù)的極小化問題，得到最優(yōu)分析值。20世紀(jì)90年代開始，變分同化方法在少數(shù)國(guó)家實(shí)現(xiàn)了業(yè)務(wù)化，并逐步成為當(dāng)前國(guó)內(nèi)外資料同化方法發(fā)展的主流。b.集合卡爾曼濾波同化方法[7～13]:利用集合預(yù)報(bào)成員進(jìn)行統(tǒng)計(jì)得到背景誤差協(xié)方差后再進(jìn)行最優(yōu)分析，從而實(shí)現(xiàn)了對(duì)背景誤差協(xié)方差的更新。近十年來(lái)，這種方法顯示了其強(qiáng)大的活力。c.集合-變分混合同化方法[14～19]:它是資料同化部分采用變分同化，背景誤差協(xié)方差用集合預(yù)報(bào)估計(jì)，這樣，背景誤差協(xié)方差既包含大氣流型的信息，又能在較少集合成員的條件下進(jìn)行。目前這種方法的使用越來(lái)越多。通過分析可以發(fā)現(xiàn)，這3種方法各有不足之處:三維變分同化方法一般假設(shè)背景誤差協(xié)方差不隨時(shí)間變化(氣候態(tài))，在空間上是一個(gè)預(yù)先給定的高度模型化的、各向同性的誤差結(jié)構(gòu);四維變分同化方法計(jì)算量大，需要多次積分切線性和伴隨模式，實(shí)現(xiàn)難度也較大，其背景誤差也只是隱式地發(fā)展而不能保證合理地發(fā)展;對(duì)于集合卡爾曼濾波同化方法，若集合成員不是足夠多、集合預(yù)報(bào)成員對(duì)熱帶氣旋的預(yù)報(bào)過于離散或渦旋中心位置存在系統(tǒng)性偏離，估計(jì)出的背景誤差協(xié)方差并不準(zhǔn)確，既可能產(chǎn)生虛假相關(guān)而導(dǎo)致觀測(cè)資料不能被同化，也可能因矩陣不滿秩而導(dǎo)致最優(yōu)化失敗;變分-集合卡爾曼濾波混合同化方法在一定程度上彌補(bǔ)了前面二者的不足，但是沒有根本上消除它們的不足。對(duì)熱帶氣旋這樣一個(gè)強(qiáng)渦旋系統(tǒng)的資料同化，目前國(guó)內(nèi)外沒有較好地解決問題，正處于積極探索階段。

所以，為了同化海洋氣象觀測(cè)資料而獲得優(yōu)質(zhì)的熱帶氣旋初值環(huán)流，進(jìn)而改善熱帶氣旋分析、研究和預(yù)報(bào)，必須進(jìn)一步探索適合熱帶氣旋環(huán)流基本特征的資料同化技術(shù)。本文嘗試?yán)谩岸喑叨?分塊逐批資料同化技術(shù)”[20]，融合海洋氣象觀測(cè)形成熱帶氣旋初值環(huán)流。

2 海洋氣象觀測(cè)的特點(diǎn)

正如CBLAST(coupled boundary layer air-sea transfer，耦合邊界層海氣交換)-Hurricane等科學(xué)試驗(yàn)的分析表明:海氣相互作用對(duì)熱帶氣旋路徑和強(qiáng)度有顯著影響[21，22]。所以，獲取熱帶氣旋邊界層結(jié)構(gòu)及相應(yīng)海氣相互作用的信息，對(duì)改善熱帶氣旋分析和預(yù)報(bào)有重要作用。正因?yàn)槿绱耍瑖?guó)內(nèi)外非常重視海洋氣象的觀測(cè)，中國(guó)氣象局正在逐步建立包括海洋氣象觀測(cè)平臺(tái)、岸基海洋氣象觀測(cè)站、海島海洋氣象觀測(cè)站、浮標(biāo)氣象觀測(cè)站、船舶氣象觀測(cè)站、海上石油平臺(tái)氣象觀測(cè)站等，并同氣象衛(wèi)星觀測(cè)等組成海洋氣象信息監(jiān)測(cè)業(yè)務(wù)觀測(cè)網(wǎng)。

華南區(qū)域各省氣象部門也一直以南海海洋氣象業(yè)務(wù)發(fā)展為重點(diǎn)，為此，制訂了《南海海洋氣象業(yè)務(wù)發(fā)展專項(xiàng)規(guī)劃(2010—2020年)》。該規(guī)劃將推進(jìn)南海海洋氣象觀測(cè)系統(tǒng)建設(shè)(見圖1)。南海海洋氣象觀測(cè)系統(tǒng)以海洋氣象綜合觀測(cè)基地為核心，建設(shè)地基氣象觀測(cè)站網(wǎng)及衛(wèi)星遙感、飛機(jī)探測(cè)相互補(bǔ)充的南海海域立體氣象監(jiān)測(cè)站網(wǎng)，形成一個(gè)綜合監(jiān)測(cè)網(wǎng)(“882”工程)。建設(shè)內(nèi)容包括:在南海沿岸及島嶼建設(shè)八個(gè)海洋氣象綜合觀測(cè)基地;完善8個(gè)地基氣象觀測(cè)站網(wǎng)，即區(qū)域氣象自動(dòng)站網(wǎng)、海上浮標(biāo)觀測(cè)站網(wǎng)、新一代天氣雷達(dá)站網(wǎng)、GPS/MET水汽觀測(cè)站網(wǎng)、風(fēng)廓線雷達(dá)站站網(wǎng)、高頻地波雷達(dá)站網(wǎng)、雷電監(jiān)測(cè)站網(wǎng)、大氣成分觀測(cè)站網(wǎng);建立兩個(gè)監(jiān)測(cè)系統(tǒng)，即衛(wèi)星遙感、飛機(jī)探測(cè)系統(tǒng)組成的南海海洋氣象綜合監(jiān)測(cè)網(wǎng)。對(duì)于觀測(cè)資料的同化應(yīng)用而言，海洋氣象觀測(cè)的主要特點(diǎn)如表1所示:海面氣象要素和海溫的觀測(cè)點(diǎn)相對(duì)較多，其他觀測(cè)在空間上非常稀少;衛(wèi)星觀測(cè)的范圍分布較廣，但分辨率不高，觀測(cè)信息在垂直方向分離較困難，也可能存在系統(tǒng)性偏差。所以，在未來(lái)一段時(shí)期，盡管海洋氣象觀測(cè)越來(lái)越豐富，將逐步滿足海洋氣象的監(jiān)測(cè)需求，但是，對(duì)于數(shù)值天氣預(yù)報(bào)的資料同化分析來(lái)說，依舊缺乏四維的全氣象要素的觀測(cè)，特別是全氣象要素立體觀測(cè)的分辨率遠(yuǎn)遠(yuǎn)達(dá)不到精準(zhǔn)數(shù)值預(yù)報(bào)的需求，這主要是由于海上氣象觀測(cè)的高難度造成的。

從海洋氣象觀測(cè)的特點(diǎn)來(lái)看，要進(jìn)一步適應(yīng)熱帶氣旋精準(zhǔn)分析和預(yù)報(bào)的要求，必須克服海洋氣象觀測(cè)在立體觀測(cè)方面的不足，這要求發(fā)展合適的資料同化技術(shù)，提高海洋氣象觀測(cè)的利用效率。合理高效地利用海洋氣象觀測(cè)資料是當(dāng)前及未來(lái)一段時(shí)期的關(guān)鍵性工作。

圖1 海洋氣象觀測(cè)系統(tǒng)示意圖Fig.1 The diagram of marine meteorological observation system

表1 海洋氣象觀測(cè)特點(diǎn)(針對(duì)資料同化)Table 1 The character of marine meteorological observation，applying to data assimilation

3 觀測(cè)資料同化方案

當(dāng)前，資料同化技術(shù)的進(jìn)步和發(fā)展依賴于對(duì)背景場(chǎng)和觀測(cè)場(chǎng)不確定信息的描述上，這樣的不確定性正是由背景誤差協(xié)方差和觀測(cè)誤差協(xié)方差所決定的，也是決定分析質(zhì)量的關(guān)鍵。對(duì)于任何同化方法，背景誤差協(xié)方差對(duì)同化結(jié)果都有著舉足輕重的影響，它決定了觀測(cè)對(duì)背景場(chǎng)的修正尺度和結(jié)構(gòu)，即控制了觀測(cè)信息在分析空間的傳播，還會(huì)通過變量間的約束關(guān)系讓觀測(cè)信息傳播到其他變量。從三維變分的高度模型化的背景誤差協(xié)方差到四維變分的背景誤差協(xié)方差在同化時(shí)間窗中隨天氣形勢(shì)隱式的發(fā)展，以及集合卡爾曼濾波方法的背景誤差協(xié)方差由其集合預(yù)報(bào)成員的離散度進(jìn)行估計(jì)，對(duì)背景誤差協(xié)方差的恰當(dāng)描述越來(lái)越受到重視，而且，得到符合實(shí)際的背景誤差協(xié)方差的恰當(dāng)估計(jì)已經(jīng)成為提高資料同化技術(shù)的關(guān)鍵。熱帶氣旋具有明顯的多尺度特征，其資料同化的背景誤差協(xié)方差具有強(qiáng)的流依賴特征，熱帶氣旋資料同化技術(shù)的選擇有必要適應(yīng)這些特征，才能提高資料利用效率而克服海上資料稀少的不足。然而，目前的資料同化技術(shù)都不能很好地適應(yīng)熱帶氣旋的這些特征，必須探索更合適的資料同化技術(shù)，其資料同化的背景誤差協(xié)方差的估計(jì)也是難點(diǎn)。

熱帶氣旋具有強(qiáng)自組織性，在空間相關(guān)性上，明顯存在背景環(huán)流的較大尺度相關(guān)和熱帶氣旋自身環(huán)流的相關(guān)，兩個(gè)環(huán)流相關(guān)也存在明顯區(qū)別的特征。并且，熱帶氣旋自身環(huán)流甚至不會(huì)與其背景環(huán)流存在明顯相關(guān)，也就是說，針對(duì)熱帶氣旋自身環(huán)流的觀測(cè)信息不會(huì)顯著地傳播到渦旋系統(tǒng)之外的背景區(qū)域。所以，如果將兩個(gè)尺度的觀測(cè)信息傳播進(jìn)行分離，既有利于針對(duì)性地考慮各自不同的背景誤差協(xié)方差流依賴特征和觀測(cè)信息傳播，也有利于按尺度而分的分組資料同化技術(shù)的實(shí)現(xiàn)。

萬(wàn)齊林研究建立了一個(gè)適合熱帶氣旋環(huán)流的多尺度/分塊逐批資料同化技術(shù)[20]，并研究相應(yīng)的背景誤差協(xié)方差構(gòu)造方案和重要觀測(cè)要素的觀測(cè)算子，高效地將臺(tái)風(fēng)警報(bào)、海洋氣象觀測(cè)、衛(wèi)星觀測(cè)等在時(shí)、空上零散分布的、間接的觀測(cè)資料融合成為符合物理規(guī)律和代表熱帶氣旋結(jié)構(gòu)的同化數(shù)據(jù)，用于改善熱帶氣旋分析、研究和預(yù)報(bào)。該資料同化方法的簡(jiǎn)介如下。

將觀測(cè)分成兩部分，第1組觀測(cè)反映大尺度環(huán)流，第2組觀測(cè)反映熱帶氣旋自身環(huán)流。第1組觀測(cè)的信息能夠傳播到熱帶氣旋渦旋環(huán)流所在的區(qū)域，會(huì)影響到熱帶氣旋渦旋的背景環(huán)流，第2組觀測(cè)的信息非常局域化，主要在熱帶氣旋渦旋環(huán)流所在區(qū)域傳播，只是影響到熱帶氣旋的自身環(huán)流，對(duì)其大尺度背景環(huán)流的影響不明顯。不失一般性，將觀測(cè)的信息傳播分為兩個(gè)尺度，相應(yīng)地，觀測(cè)信息傳播矩陣A=BHT(B為背景誤差協(xié)方差，H為觀測(cè)算子)可以表示為

按照多尺度/分塊逐批資料同化方法，具體同化過程如下。

式(2)中，H1是第1組資料的觀測(cè)算子，R1是第1組資料的觀測(cè)誤差協(xié)方差，d1是第1組觀測(cè)的新息向量(觀測(cè)與背景反演觀測(cè)的偏差)。

2)對(duì)第2組觀測(cè)的信息傳播矩陣進(jìn)行修訂，觀測(cè)信息傳播矩陣的修訂公式為

3)同化第2組資料，計(jì)算該組資料同化的增益為

式(4)中，H2是第2組資料的觀測(cè)算子，R2是第2組資料的觀測(cè)誤差協(xié)方差，d2是第2組觀測(cè)的新息向量(第2組觀測(cè)與同化第1組資料分析場(chǎng)反演觀測(cè)的偏差)。

4)總的同化增量為

在熱帶氣旋資料同化的實(shí)際過程中:第一步可以先在整個(gè)模式區(qū)域同化熱帶氣旋自身環(huán)流范圍之外的觀測(cè)，這一步可利用常見的資料同化技術(shù)進(jìn)行，余下少量的熱帶氣旋范圍內(nèi)的資料;第二步可以在相對(duì)小的熱帶氣旋環(huán)流區(qū)，同化剩余的較少觀測(cè)，此時(shí)信息傳播矩陣A和觀測(cè)誤差協(xié)方差矩陣R相對(duì)小，可以采取直接計(jì)算或順序法的方式進(jìn)行，并且，可用接近熱帶氣旋實(shí)際流型(typhoon-dependent)的背景誤差協(xié)方差，而不必用均勻、各向同性模型來(lái)模擬實(shí)際背景誤差協(xié)方差。

正如前面所述，合理估計(jì)背景誤差協(xié)方差是熱帶氣旋資料同化的關(guān)鍵問題。但是，人們不知道大氣的真實(shí)狀態(tài)，背景誤差實(shí)際上是無(wú)法確切計(jì)算的。在業(yè)務(wù)資料同化方案中，無(wú)一例外地采用數(shù)值模式的先驗(yàn)預(yù)報(bào)結(jié)果作為背景場(chǎng)，這就要求背景誤差協(xié)方差的估計(jì)能反映數(shù)值預(yù)報(bào)模式短期預(yù)報(bào)誤差協(xié)方差的結(jié)構(gòu)，一般的做法是近似估計(jì)或模擬背景誤差的平均統(tǒng)計(jì)特征，包括方差、自相關(guān)和動(dòng)力平衡性質(zhì)。常用3類方法來(lái)確定背景誤差協(xié)方差:a.新息向量方法(Hollingsworth and L?nnberg，1986)[23]，從包含背景誤差和觀測(cè)誤差的新息向量的空間協(xié)方差中，通過觀測(cè)誤差空間不相關(guān)的假設(shè)分離背景誤差和觀測(cè)誤差，在觀測(cè)與背景誤差都是均勻無(wú)偏的基本假定下進(jìn)行背景誤差與觀測(cè)誤差的統(tǒng)計(jì)特性的估計(jì)，其優(yōu)點(diǎn)是可以直接估計(jì)背景與觀測(cè)誤差的方差與背景誤差的空間相關(guān)性，但一般只能在觀測(cè)資料相對(duì)密集的地區(qū)實(shí)施;b.背景誤差協(xié)方差法(NMC法)[24]，假定背景誤差的空間相關(guān)近似于同一時(shí)刻不同時(shí)效預(yù)報(bào)之差(例如同一時(shí)刻的48 h預(yù)報(bào)減去24 h預(yù)報(bào)或24 h預(yù)報(bào)減去12 h預(yù)報(bào))的相關(guān)，于是可以直接計(jì)算誤差統(tǒng)計(jì);c.分析集合方法[25]，是近年發(fā)展的一種新的方法，它利用集合預(yù)報(bào)成員間的離散度來(lái)模擬背景誤差和進(jìn)行誤差結(jié)構(gòu)的統(tǒng)計(jì)。

背景誤差協(xié)方差通常可以分解為相關(guān)系數(shù)和誤差方差的乘積。那么，一個(gè)隨流型演變的背景誤差協(xié)方差也就意味著相關(guān)系數(shù)和誤差方差都是隨流型演變的。由于熱帶氣旋是一個(gè)移動(dòng)性的強(qiáng)渦旋系統(tǒng)，觀測(cè)信息傳播的流依賴特征非常突出，以上3種背景誤差協(xié)方差的估計(jì)方法不是非常合適。在第1種和第2種方法中，利用較長(zhǎng)時(shí)間序列的資料，熱帶氣旋這樣的移動(dòng)性天氣尺度系統(tǒng)的流依賴特征不能被估計(jì);在第3種方法中，熱帶氣旋位置預(yù)報(bào)的離散度或系統(tǒng)性偏差會(huì)影響背景誤差協(xié)方差估計(jì)。所以，有必要針對(duì)熱帶氣旋的基本特性，設(shè)計(jì)一個(gè)適合的背景誤差協(xié)方差估計(jì)方案。

對(duì)于熱帶氣旋，建議采用如下背景誤差協(xié)方差估計(jì)方法:a.將熱帶氣旋渦旋環(huán)流從統(tǒng)計(jì)樣本的要素場(chǎng)中分離開來(lái);b.利用已經(jīng)剔除熱帶氣旋渦旋環(huán)流的樣本，計(jì)算熱帶氣旋大尺度環(huán)境的背景誤差協(xié)方差;c.計(jì)算熱帶氣旋渦旋環(huán)流的背景誤差協(xié)方差，建議兩種統(tǒng)計(jì)樣本生成方案:對(duì)所分離出的渦旋環(huán)流進(jìn)行必要的處理，如熱帶氣旋重定位和偏差擾動(dòng)，得到熱帶氣旋渦旋環(huán)流的樣本;利用熱帶氣旋模型，經(jīng)過參數(shù)隨機(jī)擾動(dòng)得到熱帶氣旋渦旋環(huán)流的樣本。

圖2是海洋氣象觀測(cè)系統(tǒng)同化應(yīng)用的流程圖。工作流程的主要步驟如下:a.對(duì)各類海洋氣象觀測(cè)進(jìn)行收集和質(zhì)量控制;b.對(duì)各類儀器觀測(cè)的海洋氣象資料，按照質(zhì)量評(píng)估等級(jí)，進(jìn)行資料篩選，將位置接近的相同資料中低質(zhì)量等級(jí)的儀器觀測(cè)剔除;c.將各種儀器觀測(cè)的資料按照同化技術(shù)的要求進(jìn)行分類整理，如歸納成為海面觀測(cè)、大氣要素廓線觀測(cè)、降水觀測(cè)、輻射觀測(cè)等幾類;d.利用海面常規(guī)觀測(cè)，對(duì)衛(wèi)星觀測(cè)進(jìn)行必要的校正;e.讀取臺(tái)風(fēng)警報(bào)中的熱帶氣旋中心位置、中心氣壓和最大風(fēng)速半徑等信息(由衛(wèi)星觀測(cè)、雷達(dá)觀測(cè)、地面觀測(cè)等綜合確定)，利用這些熱帶氣旋警報(bào)信息及其設(shè)定范圍內(nèi)的隨機(jī)擾動(dòng)、熱帶氣旋初估環(huán)流進(jìn)行熱帶氣旋模型的構(gòu)造，形成熱帶氣旋環(huán)流的擾動(dòng)樣本集，用于計(jì)算熱帶氣旋背景誤差協(xié)方差;f.將上一次熱帶氣旋數(shù)值預(yù)報(bào)場(chǎng)作為資料同化的初估場(chǎng)，利用熱帶氣旋警報(bào)信息，對(duì)熱帶氣旋初估場(chǎng)進(jìn)行熱帶氣旋環(huán)流重定位，形成熱帶氣旋資料同化的背景場(chǎng);g.利用上述預(yù)處理得到的海洋氣象觀測(cè)、熱帶氣旋環(huán)流的擾動(dòng)樣本集和資料同化背景場(chǎng)，進(jìn)行資料同化，將這些資料融合成熱帶氣旋分析場(chǎng)，并作為模式初值完成預(yù)報(bào)。

圖2 海洋氣象觀測(cè)應(yīng)用的流程圖Fig.2 The application flowchart of marine meteorological observation

表1中所列各類儀器觀測(cè)的大氣要素多能被有效地同化利用，如海島和船舶等自動(dòng)氣象站觀測(cè)、海洋氣象觀測(cè)平臺(tái)和氣象探空觀測(cè)、風(fēng)廓線儀觀測(cè)、微波輻射計(jì)溫濕觀測(cè)、天氣雷達(dá)和氣象衛(wèi)星觀測(cè)等。在海面之上的這些海洋氣象觀測(cè)中，除了部分衛(wèi)星觀測(cè)包含了大氣溫度、濕度的三維信息、少數(shù)幾層云跡風(fēng)和大氣整層可降水量信息之外，其他的主要是海面觀測(cè)信息。鑒于數(shù)值天氣預(yù)報(bào)需要立體觀測(cè)信息，在數(shù)值天氣預(yù)報(bào)中衛(wèi)星觀測(cè)一直具有舉足輕重的作用。但是，對(duì)于熱帶氣旋精細(xì)預(yù)報(bào)而言，僅有衛(wèi)星觀測(cè)是非常不夠的。氣象衛(wèi)星的三維溫度、濕度等觀測(cè)除了精度不足之外，更缺乏反映熱帶大氣非平衡發(fā)展的要素觀測(cè)，所以，增添海面氣象綜合觀測(cè)，對(duì)衛(wèi)星觀測(cè)作不可缺少的補(bǔ)充，越來(lái)越受到重視。隨著資料同化技術(shù)的進(jìn)步，特別是流依賴背景誤差協(xié)方差的資料同化技術(shù)的實(shí)現(xiàn)，海面氣象觀測(cè)信息可以向高層傳播，海面氣象觀測(cè)信息的作用就越來(lái)越大。提升海洋氣象綜合觀測(cè)逐步成為改善熱帶氣旋、強(qiáng)對(duì)流等海上災(zāi)害性天氣預(yù)報(bào)能力的重要手段。

4 觀測(cè)系統(tǒng)模擬試驗(yàn)

在海洋氣象觀測(cè)系統(tǒng)中，氣象探空、氣象衛(wèi)星等觀測(cè)在資料同化和數(shù)值預(yù)報(bào)中的有效作用已經(jīng)被多次證實(shí)。根據(jù)海洋氣象觀測(cè)系統(tǒng)在近海面大氣綜合觀測(cè)的最近進(jìn)展，以及最新發(fā)展使用的資料同化技術(shù)，近海面的大氣要素觀測(cè)對(duì)改善資料同化的作用更應(yīng)該受到重點(diǎn)關(guān)注，特別是需要檢驗(yàn)觀測(cè)信息通過流依賴背景誤差協(xié)方差合理構(gòu)造和應(yīng)用所產(chǎn)生的傳播，如海面氣象要素的觀測(cè)信息向高層各氣象要素的傳播。在觀測(cè)資料同化中，如果各類觀測(cè)信息能夠在三維空間內(nèi)恰當(dāng)傳播，觀測(cè)信息的應(yīng)用效率被極大發(fā)揮，同化效果必將有較大的改善，從而達(dá)到同化技術(shù)的發(fā)展帶動(dòng)海洋氣象觀測(cè)的應(yīng)用和發(fā)展，進(jìn)而改善資料同化質(zhì)量和預(yù)報(bào)水平，反過來(lái)，又促進(jìn)資料同化技術(shù)的發(fā)展。

為此，設(shè)計(jì)一個(gè)觀測(cè)系統(tǒng)模擬試驗(yàn)(OSSE)，主要考察觀測(cè)信息在熱帶氣旋環(huán)流背景下的傳播和影響，從而說明海洋氣象觀測(cè)的同化應(yīng)用效率，及其對(duì)改善熱帶氣旋初值環(huán)流的重要作用。這里，以2006年7月12日—23日熱帶氣旋為例，說明海洋氣象觀測(cè)在熱帶氣旋資料同化中所能取得的效果。資料選自于日本再分析資料(20 km水平分辨率)，同化分析過程中以12日18時(shí)為分析的初估場(chǎng)(渦旋強(qiáng)度稍作削減，這樣處理是為突顯同化分析的作用)，13日00時(shí)為分析目標(biāo)場(chǎng)(真值)。

圖3是2006年7月13日00時(shí)(世界時(shí)，下同)850 hPa位勢(shì)高度場(chǎng)(m)和風(fēng)場(chǎng)(m/s)，其中，圖3a為初估場(chǎng)(12日18時(shí));圖3b為分析目標(biāo)場(chǎng)(13日00時(shí));圖3c為初估場(chǎng)與目標(biāo)的差值;圖3d為背景場(chǎng)與目標(biāo)的差值。需要說明的是:同化分析中的背景場(chǎng)是初估場(chǎng)經(jīng)過熱帶氣旋渦旋重定位后得到的。因?yàn)?，資料同化的基本假設(shè)之一是誤差無(wú)偏，如果背景場(chǎng)中熱帶氣旋渦旋位置同真值中的位置不一致，誤差一定是有偏的，所以，必須利用熱帶氣旋警報(bào)數(shù)據(jù)對(duì)熱帶氣旋渦旋環(huán)流進(jìn)行重定位，不能直接用初估場(chǎng)作為資料同化的背景場(chǎng)?？梢钥吹?由于渦旋中心位置的差異，熱帶氣旋環(huán)流的初估場(chǎng)與分析目標(biāo)場(chǎng)之間存在非常大的差異(見圖3c);經(jīng)過渦旋重定位所得到的資料同化背景場(chǎng)與目標(biāo)場(chǎng)間的差異也非常明顯(見圖3d)，從偏差場(chǎng)的分布來(lái)看，背景場(chǎng)與目標(biāo)場(chǎng)之間既有渦旋強(qiáng)度的差異，也有渦旋形態(tài)的不同。資料同化的目標(biāo)是利用觀測(cè)和背景場(chǎng)，得到一個(gè)接近目標(biāo)場(chǎng)的分析場(chǎng)，所以，需要能夠通過觀測(cè)信息調(diào)整背景場(chǎng)的渦旋強(qiáng)度和空間分布形態(tài)。

圖3 850 hPa位勢(shì)高度場(chǎng)和風(fēng)場(chǎng)Fig.3 The geopotential-height and wind on 850 hPa

海洋氣象觀測(cè)最主要的觀測(cè)是海面附近的氣象要素觀測(cè)，這里以海平面氣壓為例，了解近海面觀測(cè)的信息傳播及其對(duì)高層環(huán)流的影響，進(jìn)而說明觀測(cè)對(duì)獲取熱帶氣旋環(huán)流的作用。在分析目標(biāo)場(chǎng)中取渦旋中心周圍的8個(gè)點(diǎn)(如表2所示)作為觀測(cè)點(diǎn)。由于本文所采用的資料同化方法可以進(jìn)行逐批資料同化，所以，為了清楚說明觀測(cè)信息的傳播和作用，將8個(gè)觀測(cè)的海平面氣壓分成三批(表2中編號(hào)1和2的觀測(cè)點(diǎn)為第1組、編號(hào)3和4的觀測(cè)點(diǎn)為第2組、編號(hào)5和8的觀測(cè)點(diǎn)為第3組)，逐批進(jìn)行同化。

表2 觀測(cè)(海平面氣壓)Table 2 The observation(the pressure of sea-level)hPa

本文利用中國(guó)氣象局廣州熱帶海洋氣象研究所業(yè)務(wù)數(shù)值預(yù)報(bào)中的熱帶氣旋模型，進(jìn)行參數(shù)的隨機(jī)擾動(dòng)(擾動(dòng)參數(shù)為熱帶氣旋強(qiáng)度、尺度大小和中心位置)得到統(tǒng)計(jì)樣本集，用于估算熱帶氣象渦旋環(huán)流的背景誤差協(xié)方差。由于背景誤差協(xié)方差矩陣是一個(gè)超大矩陣，直接計(jì)算和應(yīng)用處理所占用的計(jì)算資源非常巨大，以至于當(dāng)前絕大多數(shù)計(jì)算機(jī)系統(tǒng)難以承受，所以，在本文所利用的多尺度/分塊逐批資料同化中，不是直接計(jì)算背景誤差協(xié)方差，而是按照前一節(jié)介紹的技術(shù)要求計(jì)算觀測(cè)的信息傳播向量(R=BHT)。這樣，所要求的計(jì)算機(jī)資源少很多，在當(dāng)前計(jì)算機(jī)條件下可以實(shí)現(xiàn)業(yè)務(wù)計(jì)算。

圖4是觀測(cè)點(diǎn)A(表2中編號(hào)3)海平面氣壓作用于850 hPa位勢(shì)高度和風(fēng)的信息傳播向量(等值單位:hPa·m)，其中，圖4a為統(tǒng)計(jì)樣本的估計(jì)(同化第1組資料時(shí)使用)，圖4b為第1組資料同化后的修訂估計(jì)(同化第2組資料時(shí)使用)。從圖4a可看到:A點(diǎn)的海平面氣壓對(duì)850 hPa位勢(shì)高度和風(fēng)的影響具有明顯的流依賴特征，呈相對(duì)于熱帶氣旋渦旋中心的環(huán)狀分布，而不是以觀測(cè)點(diǎn)A為中心的圓形分布，并且，低層氣壓的觀測(cè)信息不僅對(duì)較高層位勢(shì)高度有作用，而且，對(duì)較高層風(fēng)場(chǎng)也有明顯影響，這正是背景誤差協(xié)方差具有流依賴特征時(shí)所表現(xiàn)出的優(yōu)點(diǎn);對(duì)比圖4a和圖4b可看到:信息傳播向量的修訂量是顯著的，說明信息傳播矩陣的修訂是必需的，反映了第1組觀測(cè)對(duì)第2組觀測(cè)的影響十分明顯。

圖4 觀測(cè)點(diǎn)A海平面氣壓對(duì)850 hPa高度和風(fēng)的信息傳播Fig.4 The information transfer of the sea-level pressure at point A on 850 hPa geo-height and wind

圖5為觀測(cè)資料同化的分析增量，等值線對(duì)應(yīng)于850 hPa位勢(shì)高度(m)，矢量對(duì)應(yīng)于850 hPa風(fēng)(m/s)，其中，圖5a是同化第1組資料的增量，圖5b是同化第2組資料的增量，圖5c是同化第3組資料的增量，圖5d是同化所有資料后的總增量。從圖5a可看到:第1組資料同化增量呈明顯的相對(duì)熱帶氣旋渦旋中心的環(huán)形分布，鑒于第1組資料位于渦旋中心的下側(cè)，這個(gè)環(huán)形分布的同化增量正是背景誤差協(xié)方差具有流依賴特征的結(jié)果，不會(huì)因?yàn)橘Y料偏于渦旋中心的一側(cè)而造成虛假的顯著非對(duì)稱增量，仔細(xì)分析10 m等值線，在外圈有觀測(cè)信息傳遞的非對(duì)稱性，且是隨著環(huán)流向下游傳遞的。從圖5b可看到:盡管第2組觀測(cè)與背景的偏差與第1組相當(dāng)，但是，相對(duì)于第1組資料同化的分析增量，第2組資料同化的分析增量明顯較小，只能算是一個(gè)較小的修正，說明第2組觀測(cè)的同化作用大部分被第1組觀測(cè)通過熱帶氣旋環(huán)流的內(nèi)部關(guān)聯(lián)而取代，這從一個(gè)側(cè)面反映出合適的資料同化技術(shù)可以提高資料的利用效率，從而可以適當(dāng)減少對(duì)觀測(cè)點(diǎn)空間密度的要求，更能適應(yīng)三維空間密度小的海洋氣象觀測(cè)。從圖5c可看到:第3組資料同化的分析增量在呈現(xiàn)環(huán)形分布的同時(shí)，中心附近渦旋增強(qiáng)，外圈渦旋減弱，這是對(duì)熱帶氣旋徑向分布結(jié)構(gòu)的調(diào)整，并且，這個(gè)調(diào)整也是具有明顯的流依賴特征。從圖5d可看到:同化所有資料后的增量也是呈環(huán)形分布，并且渦旋中心的位勢(shì)高度增量達(dá)-40 m，接近背景場(chǎng)與目標(biāo)場(chǎng)的偏差，同時(shí)，徑向分布也更符合熱帶氣旋的特征。

圖6為資料同化后850 hPa的位勢(shì)高度偏差(m)和水平風(fēng)偏差(m/s)。將圖6和圖3d對(duì)比可以看到:資料同化后，850 hPa分析場(chǎng)的位勢(shì)高度偏差是10 m，而背景場(chǎng)的位勢(shì)高度偏差是30 m，分析偏差比背景偏差要小很多，并且，分析偏差場(chǎng)中不再包含熱帶氣旋的1波渦旋環(huán)流。這表明:分析場(chǎng)比背景場(chǎng)更接近目標(biāo)場(chǎng)，資料同化的作用明顯。應(yīng)該注意到:盡管背景場(chǎng)與分析目標(biāo)場(chǎng)之間存在較大的偏差，只同化為數(shù)不多的海洋氣象觀測(cè)資料(本文同化了8個(gè)海平面氣壓)就能夠取得非常好的效果，這表明本文所采用的同化技術(shù)具有非常高的資料利用效率。事實(shí)上，這正是采用了具有流依賴特性的背景誤差協(xié)方差的結(jié)果，所以，合理估計(jì)背景誤差協(xié)方差對(duì)融合稀少的海洋氣象觀測(cè)是非常關(guān)鍵的，能夠應(yīng)用這種具有流依賴特征的背景誤差協(xié)方差的資料同化技術(shù)又是必要的。

本文所展示的OSSE只是給出了幾個(gè)海平面觀測(cè)的作用，是為了清晰地說明觀測(cè)資料與資料同化技術(shù)的相互關(guān)系。盡管如此，它卻能體現(xiàn)了海洋氣象觀測(cè)系統(tǒng)對(duì)熱帶氣旋資料同化的作用和重要性。在海洋氣象觀測(cè)系統(tǒng)中，根據(jù)條件選擇不同儀器和手段進(jìn)行觀測(cè)，所獲得的氣象要素歸納起來(lái)也就只有幾類，在背景誤差協(xié)方差具有流依賴特征的資料同化技術(shù)中，其觀測(cè)信息也都能類似地在三維空間內(nèi)恰當(dāng)傳播。海洋氣象觀測(cè)系統(tǒng)的各種儀器觀測(cè)綜合在一起，通過合理的篩選和分類，所包含的信息更豐富，可更好地提高熱帶氣旋資料同化的分析質(zhì)量和精細(xì)程度。海洋氣象觀測(cè)系統(tǒng)對(duì)熱帶氣旋資料同化的作用還有待長(zhǎng)期業(yè)務(wù)應(yīng)用的考驗(yàn)和進(jìn)一步提高。

5 結(jié)語(yǔ)

根據(jù)海洋氣象觀測(cè)建設(shè)現(xiàn)狀和發(fā)展規(guī)劃，海洋氣象的觀測(cè)與以前相比將會(huì)大大豐富，這對(duì)臺(tái)風(fēng)及其他海上天氣的監(jiān)測(cè)和預(yù)報(bào)能力的提升將起到積極作用，有利于防御海洋氣象災(zāi)害。但是，由于海洋氣象觀測(cè)的難度和復(fù)雜性，海洋氣象的觀測(cè)不可能非常充足，還不足以描述海上天氣系統(tǒng)的立體結(jié)構(gòu)及其變化。數(shù)值預(yù)報(bào)需要三維/四維氣象要素的觀測(cè)，所以，提高海洋氣象觀測(cè)資料的利用效率在當(dāng)前是非常重要的，只有這樣才能克服海洋氣象觀測(cè)資料相對(duì)缺乏來(lái)提升數(shù)值預(yù)報(bào)水平。多尺度/分塊逐批資料同化技術(shù)，能夠應(yīng)用具有流依賴特征的背景誤差協(xié)方差，使得觀測(cè)信息能夠在熱帶氣旋背景環(huán)流下合理傳播，從而合理高效地利用海洋氣象觀測(cè)資料，較好地適應(yīng)具有多尺度、強(qiáng)流依賴特征的熱帶氣旋資料同化，是形成高質(zhì)量熱帶氣旋初值環(huán)流的一種可行方法。換言之，由于資料同化技術(shù)的進(jìn)步，海洋氣象綜合觀測(cè)能夠更合理高效地被利用而使其作用發(fā)揮得越來(lái)越大，加強(qiáng)海洋氣象觀測(cè)系統(tǒng)建設(shè)在現(xiàn)階段對(duì)提高熱帶氣旋預(yù)報(bào)能力更顯得重要和急需。

氣象災(zāi)害影響的“災(zāi)害鏈”特征和社會(huì)關(guān)聯(lián)性特征，使氣象防災(zāi)減災(zāi)牽動(dòng)越來(lái)越廣的社會(huì)公共事物。海洋氣象觀測(cè)系統(tǒng)的完善和資料高效利用的同化技術(shù)發(fā)展，將一步提高熱帶氣旋和其他海上天氣的預(yù)測(cè)預(yù)報(bào)能力和災(zāi)害防御能力，從而提升“梅花”、“艾琳”這樣的氣象災(zāi)害及其引發(fā)的次生和衍生災(zāi)害的應(yīng)對(duì)能力，有益于幫助各級(jí)政府改進(jìn)公共服務(wù)和社會(huì)管理能力。

[1] Jones W Robert.On improving initial data for numerical forecasts of hurricane trajectories by the steering method[J] .Journal of Applied Meteorology，1964，3(3):277-284.

[2] Nagle E Roland，Clare R James，Holl M Manfred，et al.Formulation and testing of a program for the objective assembly of meteorological satellite cloud observations[J] .Monthly Weather Review，1967，95(4):171-187.

[3] Danard B Maurice，Holl M Manfred，Clark R James.Fields by correlation assembly-a numerical analysis technique[J] .Monthly Weather Review，1968，96(3):141-149.

[4] Thompson D Philip.Reduction of analysis error through constraints of dynamical consistency [J] .Journal of Applied Meteorology，1969，8(5):738-742.

[5] Barker D，Huang Wei，Guo Yongran，et al.A three-dimensional variational data assimilation system for MM5:implementation and initial results[J] .Mon Wea Rev，2004，132:897-914.

[6] Huang Xiangyu，Xiao Qingnong，Barker D M，et al.Four-dimensional variational data assimilation for WRF:Formulation and preliminary results[J] .Mon Wea Rev，2009，137:299-314.

[7] Epstein E S.Stochastic dynamic prediction[J] .Tellus Ser A，1969，21:739-759.

[8] Houtekamer P L，Mitchell H L.Data assimilation using an ensemble Kalman filter technique [J] .Mon Weather Rev，1998，12(6):796-811.

[9] Whitaker J S，Hamill T M.Ensemble Data Assimilation without perturbed observations[J] .Mon Weather Rev，2002，130:1913-1924.

[10] Houtekamer P L，Herschel L Mitchell.A sequential ensemble kalman filter for atmospheric data assimilation[J] .Mon Weather Rev，2001，129(1):123-137.

[11] Bishop C H，Etherton B J，Majumdar S J.Adaptive sampling with the ensemble transform Kalman filter.Part I:theoretical aspects[J] .Monthly Weather Review，2001，129:420-436.

[12] Snyder C，Zhang Fuqing.Assimilation of simulated Doppler ra-dar observations with an ensemble Kalman filter[J] .Mon Weather Rev，2003，131:1663-1677.

[13] Tong Mingjing，Xue Ming.Ensemble Kalman filter assimilation of Doppler radar data with a compressible nonhydrostatic model:OSS experiments[J] .Mon Wea Rev，2005，133:1789-1807.

[14] Hamill T M，Snyder C.A hybrid ensemble Kalman filter-3D variational analysis scheme[J] .Mon Wea Rev，2000，128:2905-2919.

[15] Lorenc A C.The potential of the ensemble Kalman filter for NWP— a comparison with 4D-VAR[J] .Quart J Roy Meteor Soc，2003，129:3183-3203.

[16] Wang Xuguang，Barker D，Snyder C，et al.A hybrid ETKF-3DVar data assimilation scheme for the WRF model.Part I:observing system simulation experiment[J] .Mon Wea Rev，2008，136:5116-5131.

[17] Wang Xuguang，Barker D，Snyder C，et al.A hybrid ETKF-3DVar data assimilation scheme for the WRF model.Part II:real observation experiments[J] .Mon Weather Rev，2008，136:5132-5147.

[18] Liu Chengsi，Xiao Qingnong，Wang Bin.An ensemble-based four-dimensional variational data assimilation scheme，Part I，Technical formulation and preliminary test[J] .Mon Weather Rev，2008，136:3363-3373.

[19] Zhang Fuqing，Zhang Meng，James A，et al.Coupling ensemble Kalman filter with four-dimension variational data assimilation[J] .Adv Atmos Sci，2009，26(1):1-8.

[20] 萬(wàn)齊林.多尺度/分塊逐批資料同化技術(shù)與熱帶氣旋初值形成[D] .南京:南京信息工程大學(xué)博士學(xué)位論文，2012.

[21] Black P G.Air-sea exchange in hurricanes:Synthesis of observations from the coupled boundary layer air-sea transfer experiment[J] .Bull Amer Meteor Soc，2007，88:357-384.

[22] Edson J.The coupled boundary layers and air-sea transfer experiment in low winds[J] .Bull Amer Meteor Soc，2007，88:341-356.

[23] 史榮昌.矩陣分析[M] .北京:理工大學(xué)出版社，1996:257.

[24] Lorenc A C.Iterative analysis using covariance function and filter[J] .Quart J Roy Meteor Soc，1992，118:569-591.

[25] Boer G J.Homogenous and isotropic turbulence on the sphere[J] .J Atmos Sci，1983，40:154-163.