劉曉燕，楊學(xué)聯(lián)，邢建勇

（1.國家海洋環(huán)境預(yù)報中心，北京100081；2.國家海洋局海洋災(zāi)害預(yù)報技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，北京100081）

?

WRF Hybrid方法同化HY-2A散射計(jì)風(fēng)資料在臺風(fēng)“菲特”預(yù)報中的應(yīng)用

劉曉燕1,2，楊學(xué)聯(lián)1,2，邢建勇1

（1.國家海洋環(huán)境預(yù)報中心，北京100081；2.國家海洋局海洋災(zāi)害預(yù)報技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，北京100081）

摘要：選取臺風(fēng)“菲特”（Fitow，201323)臨近登陸過程為試驗(yàn)個例，在WRF模式基礎(chǔ)上，采用4種不同的初始化方案，對臺風(fēng)“菲特”進(jìn)行了72 h預(yù)報試驗(yàn)，并分析了模式的初始化對預(yù)報效果的影響。試驗(yàn)結(jié)果表明，對于臺風(fēng)路徑的預(yù)報，使用集合平均作為初始場進(jìn)行預(yù)報，預(yù)報結(jié)果相對直接使用GFS資料作為初始場進(jìn)行預(yù)報的結(jié)果有明顯改善，使用3DVAR同化方法，將HY-2A衛(wèi)星散射計(jì)風(fēng)場資料同化到集合平均的初始場中，臺風(fēng)路徑預(yù)報進(jìn)一步有所改善，而使用Hybrid同化方法將HY-2A衛(wèi)星散射計(jì)風(fēng)場資料同化到集合平均的初始場中，臺風(fēng)路徑進(jìn)而又有明顯改善；但是在臺風(fēng)強(qiáng)度方面的預(yù)報，4種初始化方案效果不相上下。

關(guān)鍵詞：WRF模式；初始化；3DVAR；Hybrid；HY-2A衛(wèi)星資料；數(shù)值預(yù)報

1　引言

臺風(fēng)是一種發(fā)生在熱帶海洋上的強(qiáng)烈風(fēng)暴，是影響我國的主要災(zāi)害性天氣系統(tǒng)之一，其伴隨的狂風(fēng)、暴雨等災(zāi)害現(xiàn)象，對其所影響的地區(qū)的生命財產(chǎn)安全構(gòu)成威脅，因此提高臺風(fēng)的研究和預(yù)報水平對我國經(jīng)濟(jì)建設(shè)和國防建設(shè)具有重要意義[1]。

一直以來，國內(nèi)外從未間斷對臺風(fēng)的研究。現(xiàn)已有大量關(guān)于臺風(fēng)研究的文章，如邢建勇等[2]利用MM5模式，對200515號臺風(fēng)“Khanun”進(jìn)行了數(shù)值模擬，分析了不同的初始化方案對模擬預(yù)報的影響，發(fā)現(xiàn)MM5對臺風(fēng)的模擬預(yù)報具有一定的能力；楊引明等[3]利用FY-3A微波資料，以WRF-3DVAR系統(tǒng)為基礎(chǔ)，針對200908號臺風(fēng)“莫拉克”，開展了數(shù)值預(yù)報直接同化技術(shù)研究，結(jié)果表明，直接同化FY-3A微波資料對數(shù)值模式初始場改進(jìn)要優(yōu)于僅僅同化常規(guī)觀測資料，對缺乏觀測資料的海洋上改進(jìn)尤為明顯；黃嘉宏等[4]利用4DVAR同化技術(shù)，對南海臺風(fēng)“Vongfong”進(jìn)行模擬試驗(yàn)，結(jié)果表明Quik SCAT衛(wèi)星海面風(fēng)場資料主要使模擬的臺風(fēng)路徑與實(shí)況更為接近，而臺風(fēng)的強(qiáng)度變化、降水量和降水分布的模擬與對流參數(shù)化方案有密切聯(lián)系。

進(jìn)入21世紀(jì)，將集合預(yù)報估計(jì)得到的背景誤差協(xié)方差應(yīng)用到變分同化中正成為研究熱點(diǎn)。該方法為變分同化引入了依賴流而變的背景誤差協(xié)方差，其隨時間而變化，理論上更符合真實(shí)情況，許多試驗(yàn)已證明其優(yōu)勢所在。Hamill等[5]最早將EnKF 和3DVAR相結(jié)合，提出了集合樣本估計(jì)的背景誤差協(xié)方差和傳統(tǒng)背景誤差協(xié)方差混合的方法；Wang 和Barker等[6,7]介紹了一種Hybrid ETKF-3DVAR同化方法，將ETKF和3DVAR結(jié)合的同化方法，試驗(yàn)證明了這種加入了流依賴（flow-dependent）背景誤差協(xié)方差的方法同化效果要優(yōu)于三維變分；Wang 等[8]利用WRF Hybrid ETKF-3DVAR對2008年的兩個颶風(fēng)“Ike”和“Gustav”的路徑進(jìn)行了模擬預(yù)報，結(jié)果表明使用了流依賴的背景誤差協(xié)方差的Hybrid同化方法能夠調(diào)整臺風(fēng)中心位置，而3DVAR不能，這一優(yōu)勢使得使用Hybrid同化方法的路徑預(yù)報效果比3DVAR同化方法的預(yù)報效果好；再如Liu等[9]使用了Hybrid variational-ensemble的同化方法進(jìn)行了臺風(fēng)路徑預(yù)報的試驗(yàn)，結(jié)果顯示Hybrid同化方法得到的分析場要優(yōu)于3DVAR。

以上這些研究一方面是基于對初始場進(jìn)行方法上的改善，另一方面是觀測數(shù)據(jù)的引入，尤其是非常規(guī)觀測資料。由于臺風(fēng)發(fā)生在洋面上，它的觀測資料相對稀少，衛(wèi)星散射計(jì)海面風(fēng)場數(shù)據(jù)的出現(xiàn)，為臺風(fēng)數(shù)值預(yù)報提供了寶貴資料。其中廣泛應(yīng)用的是1999年6月發(fā)射的QuikSCAT衛(wèi)星的海面風(fēng)資料，大量的試驗(yàn)證明[10-12]同化QuikSCAT風(fēng)資料對數(shù)值天氣預(yù)報起到了改善效果。然而由于機(jī)械故障，QuikSCAT衛(wèi)星于2009年11月停止運(yùn)行，數(shù)值天氣預(yù)報失去了一份重要的海面風(fēng)資料。我國為彌補(bǔ)海面風(fēng)資料的缺乏，一直致力于海洋衛(wèi)星的研發(fā)，海洋2號（HY-2A）衛(wèi)星于2011年8月發(fā)射成功并在軌運(yùn)行至今。HY-2A衛(wèi)星各方面性能、參數(shù)指標(biāo)和QuikSCAT相近，所以期望其能盡快應(yīng)用到數(shù)值天氣預(yù)報中。到目前為止，已有對HY-2A衛(wèi)星散射計(jì)數(shù)據(jù)的檢驗(yàn)的相關(guān)文章[13,14]，結(jié)果表明HY-2A衛(wèi)星散射計(jì)風(fēng)數(shù)據(jù)的風(fēng)速與常規(guī)觀測資料較為接近，而風(fēng)向的誤差相對較大，不過將該衛(wèi)星數(shù)據(jù)應(yīng)用到同化過程中的研究很少。本文以WRF模式為基礎(chǔ)，分別采用四種初始化方案對初始場進(jìn)行調(diào)整，其中進(jìn)行同化處理的試驗(yàn)嘗試使用HY-2A衛(wèi)星散射計(jì)數(shù)據(jù)作為觀測數(shù)據(jù)，然后對臺風(fēng)“菲特”進(jìn)行72h的預(yù)報試驗(yàn)，對試驗(yàn)結(jié)果進(jìn)行分析，對比不同的初始化方案對預(yù)報效果的影響。

2　模式、資料及方法介紹

2.1模式介紹

本文采用的模式是WRFV3.3，采用的同化系統(tǒng)是WRF模式的同化模塊WRFDA。WRF模式是由美國環(huán)境預(yù)報中心（NCEP)和美國國家大氣研究中心（NCAR)等聯(lián)合研發(fā)的新一代中尺度預(yù)報模式和同化系統(tǒng)，它具有高分辨率、完全可壓非靜力等特點(diǎn)，水平網(wǎng)格采用Arakawa-C格點(diǎn)，采用3階Runge-Kuta時間分裂積分方案，垂直方向采用地形追隨質(zhì)量坐標(biāo)，模式頂氣壓取為常數(shù)。該模式因其完全開放、可移植性強(qiáng)等特點(diǎn)，在中短期數(shù)值預(yù)報模擬中得到了廣泛應(yīng)用。WRFDA同化系統(tǒng)[15]同化方法以三維變分為基礎(chǔ)，不斷創(chuàng)新完善。2003年6月，第一版的WRF同化系統(tǒng)開發(fā)出來，命名為WRF 3DVAR。之后隨著WRF版本的更新也不斷更新，2004年，由于四維變分(4DVAR)同化的加入，同化系統(tǒng)改名為WRF-VAR。同樣，2008年混合集合-變分算法的引入，同化系統(tǒng)再一次改名為WRFDA，一直沿用至今。本文所使用的同化方法包括該同化系統(tǒng)中的3DVAR和Hybrid兩種同化方法。

2.2數(shù)據(jù)資料

本文所使用的數(shù)據(jù)包括美國全球預(yù)報系統(tǒng)（GFS）的模式輸出產(chǎn)品以及我國自行研制的海洋2號（HY-2A）衛(wèi)星散射計(jì)海面風(fēng)數(shù)據(jù)。其中GFS數(shù)據(jù)每6 h輸出一次，取其前72 h的預(yù)報結(jié)果為本文試驗(yàn)提供初值（背景場）和邊界條件，該數(shù)據(jù)空間分辨率為0.5°×0.5°。HY-2A衛(wèi)星于2011年8月成功發(fā)射并在軌運(yùn)行，其采用筆形圓錐掃描天線，雙極化，工作頻率為Ku波段13.256 Hz，軌道周期為104.5 min，軌道高度為971 km，風(fēng)速測量范圍為2—24 m/s,風(fēng)速精度為2 m/s，風(fēng)向精度為20°。本文選取的HY-2A風(fēng)數(shù)據(jù)為沿軌數(shù)據(jù)（見圖1），時間段為2013年10月3日21時至10月4日03時（世界時，下同）。

2.3同化方法介紹

本文使用3DVAR和Hybrid兩種同化方法。在3DVAR同化方法中，背景誤差協(xié)方差通常是采用氣候統(tǒng)計(jì)方法得到的靜態(tài)場，它是基于時空均勻和各向同性的假設(shè)，但實(shí)際上，大氣系統(tǒng)的真實(shí)背景誤差應(yīng)該很大程度依賴于具體的天氣形勢，是隨天氣流型而變的。而Hybrid集合—變分同化方法就是在原有變分同化框架的基礎(chǔ)上，將依流而變的集合背景誤差協(xié)方差加入到變分同化框架中，這樣既保留了變分法自身的優(yōu)勢，又彌補(bǔ)了靜態(tài)背景誤差協(xié)方差的不足，使得變分法的框架更為合理。

Hybrid同化方法，簡單地說就是實(shí)現(xiàn)變分同化中背景誤差協(xié)方差的重構(gòu)。Hybrid方法的實(shí)現(xiàn)目前主要有兩種方法：一是將原有3DVAR方法中的靜態(tài)背景誤差協(xié)方差和集合背景誤差協(xié)方差進(jìn)行線性組合，以取代變分法中的背景誤差協(xié)方差，最優(yōu)權(quán)重分配可通過試驗(yàn)得到，它與集合數(shù)目有關(guān)，相關(guān)試驗(yàn)表明，當(dāng)集合數(shù)目足夠大時，集合協(xié)方差的權(quán)重越大，同化效果越好。另一種方法是在變分同化的目標(biāo)函數(shù)中增加擴(kuò)展控制變量。本文選取第一種方法進(jìn)行試驗(yàn)。其目標(biāo)泛函J(x)可以表示為：

該目標(biāo)函數(shù)與3DVAR方法的目標(biāo)函數(shù)形式一致。式中：x為大氣狀態(tài)變量，xb為背景場資料（集合平均），y0為觀測資料，H為觀測算子，將分析變量投影到觀測空間，H′是觀測算子的切線性算子，B為背景場誤差協(xié)方差矩陣，O為觀測誤差協(xié)方差矩陣，其中B為靜態(tài)背景誤差協(xié)方差矩陣B1和集合協(xié)方差矩陣B2的加權(quán)線性組合。B=α1B1+ α2B2,α1+α2=1。B1的構(gòu)造和3DVAR同化方法中的一致，B2的構(gòu)造來源于集合預(yù)報思想。

本文中初始集合成員的生成采用的是WRF-3DVAR系統(tǒng)中的Random-CV方案[16,17]，該方案采用GFS資料統(tǒng)計(jì)的背景誤差協(xié)方差生成隨機(jī)擾動，該擾動是服從均值為0，標(biāo)準(zhǔn)差為1的正態(tài)分布，擾動經(jīng)垂直EOF、遞歸濾波和平衡方程約束后變換回模式空間，形成不同的成員，生成的背景誤差具備空間相關(guān)性和物理關(guān)聯(lián)性。

圖1　HY-2A衛(wèi)星散射計(jì)海面風(fēng)數(shù)據(jù)

3　試驗(yàn)設(shè)計(jì)

3.1臺風(fēng)過程簡介

第1323號熱帶風(fēng)暴“菲特”（Fitow)于2013年9 月30日12時在菲律賓以東洋面（132.5°E，13.9°N）生成，中心附近最大風(fēng)力8級（18 m/s），中心最低氣壓1000 hPa，10月1日09時加強(qiáng)為強(qiáng)熱帶風(fēng)暴，10 月2日21時加強(qiáng)為臺風(fēng)，10月4日09時加強(qiáng)為強(qiáng)臺風(fēng)，最終于6日17時15分在福建省福鼎市登陸，登陸時中心最大風(fēng)力達(dá)14級（42 m/s）。“菲特”登陸后于7日01時在福建省建甌市境內(nèi)迅速減弱為熱帶低壓。此次臺風(fēng)給我國帶來了嚴(yán)重的損失，致使10 死1失蹤，直接經(jīng)濟(jì)損失超過623億。

3.2試驗(yàn)設(shè)計(jì)

本文中模式水平分辨率采用的是30 km，垂直為不均勻28層，以（128°E，23°N）為中心，共330× 260個格點(diǎn)。試驗(yàn)中所采用的模式物理過程方案設(shè)置如下（表1）。

表1　物理過程參數(shù)化方案設(shè)置

試驗(yàn)1：直接使用GFS資料作為初始場，進(jìn)行72 h預(yù)報；

試驗(yàn)2：以GFS資料為原始初始場，使用WRF模式自帶的隨機(jī)擾動生成系統(tǒng)，生成30個初始場集合成員，將這30個成員進(jìn)行平均，得到新的初始場，進(jìn)行72 h預(yù)報；

試驗(yàn)3：在試驗(yàn)2得到的初始場中，采用3DVAR同化方法，將HY-2A數(shù)據(jù)同化其中，得到新的初始場，進(jìn)行72 h的預(yù)報；

試驗(yàn)4：在試驗(yàn)2得到的初始場中，采用Hybrid同化方法，將HY-2A數(shù)據(jù)同化其中，得到新的初始場，進(jìn)行72 h的預(yù)報。

4組試驗(yàn)的流程圖如圖2所示。

4　試驗(yàn)結(jié)果分析

本文主要從初始場的同化效果以及72 h預(yù)報效果來對比分析不同的試驗(yàn)產(chǎn)生的效果。

4.1臺風(fēng)的初始場分析

圖3、4是4組試驗(yàn)的初始場情況。其中圖3（a—d）分別是試驗(yàn)1—4的臺風(fēng)中心氣壓場，圖4 （a—d）分別是試驗(yàn)1—4的臺風(fēng)中心附近風(fēng)場形勢。對比圖3的4幅圖，可以發(fā)現(xiàn)試驗(yàn)1和試驗(yàn)2的氣壓場差異很大，試驗(yàn)2的氣壓場中心氣壓較試驗(yàn)1低了約15 hPa；而試驗(yàn)3和4的初始?xì)鈮簣鍪纸咏谠囼?yàn)2。風(fēng)場的規(guī)律類似，試驗(yàn)1和試驗(yàn)2、3、4的差別很大，最大風(fēng)速超過45 m/s，而試驗(yàn)2、3、4的最大風(fēng)速不超過35 m/s。

圖5是高空100 hPa初始散度場（填色圖）和流場（黑色線條），圖中a—d分別為試驗(yàn)1—4的初始場。從流場可以明顯地看出試驗(yàn)2、3、4的臺風(fēng)中心附近高空100 hPa是流出氣流，對應(yīng)低層850 hPa（圖略）是明顯的流入氣流，從散度值同樣可以看出高層臺風(fēng)中心為輻散，低層輻合中心與之對應(yīng)，這種低層輻合高層輻散的散度場的配置，利于臺風(fēng)的維持或發(fā)展；試驗(yàn)1初始場的高空100 hPa臺風(fēng)附近的流場明顯有別于后3組試驗(yàn)的流場，臺風(fēng)中心附近同時出現(xiàn)輻合區(qū)和輻散區(qū)，且強(qiáng)度弱于其他組試驗(yàn)。

綜上所述，可以斷定地?zé)崃黧w補(bǔ)給源并不是來自于地?zé)崽镏苓叺乃w補(bǔ)給，而是大氣降雨通過地表次級小斷裂，入滲進(jìn)入招平斷裂帶與玲瓏斷裂帶交會復(fù)合形成的破碎帶，進(jìn)入地下深循環(huán)，在合適的部位沿著熱儲通道上涌而形成地?zé)崽?。那么東湯地?zé)崽锏牡責(zé)崃黧w在哪里通過地表入滲進(jìn)入地下的呢？

此外從500 hPa的位勢高度圖（見圖6）上可以看出，4組試驗(yàn)的臺風(fēng)均正處于太平洋副熱帶高壓西南方向，受副熱帶高壓和西風(fēng)帶環(huán)流影響，臺風(fēng)將向西北方向移動。

由此可見，集合平均得到的初始場對原始初始場的改變較大，而通過使用同化方法將觀測數(shù)據(jù)加入到初始場中，對初始場的改變相對較小。

圖2　4組試驗(yàn)的流程圖

4.2臺風(fēng)的預(yù)報效果分析

4.2.1路徑分析

圖3　4組試驗(yàn)臺風(fēng)中心氣壓場

圖4　4組試驗(yàn)臺風(fēng)周圍風(fēng)場

圖5　4組試驗(yàn)初始場100 hPa的散度場（填色圖，單位：10-5/s）和流場

圖6　4組試驗(yàn)初始場500 hPa的位勢高度場（單位:dagpm)

圖7　臺風(fēng)“菲特”的預(yù)報路徑和實(shí)況路徑對比

圖7是4種初始化方案臺風(fēng)路徑的72 h預(yù)報以及臺風(fēng)實(shí)況路徑圖。由圖可看出，在0—24 h預(yù)報結(jié)果內(nèi)，試驗(yàn)1的路徑與實(shí)況最為吻合，但隨后便開始偏離實(shí)況，偏差越來越大，從48 h開始誤差增長迅速，直至72 h時路徑偏差已達(dá)700 km。而其他3組試驗(yàn)的預(yù)報效果整體上要優(yōu)于試驗(yàn)1，這3組試驗(yàn)的路徑偏差整體趨勢為先減小后增大，在前36 h內(nèi)，誤差基本是隨預(yù)報時效的增長而減小的，與實(shí)況的偏差均不大，其中試驗(yàn)3的效果相對更好一些；從42 h起，偏差又逐漸變大，試驗(yàn)4的偏差增長最慢，試驗(yàn)3次之，試驗(yàn)2相對試驗(yàn)3、4誤差增長的相對快一些。

因此，使用集合平均代替GFS資料作為初始場，其路徑預(yù)報的改善是顯而易見的，在集合平均的初始場中使用3DVAR同化方法加入HY-2A衛(wèi)星散射計(jì)數(shù)據(jù)，對路徑進(jìn)一步改善，從表2中更能直觀地看出在預(yù)報時段，除個別時刻外，試驗(yàn)3的路徑預(yù)報偏差要小于試驗(yàn)2的路徑預(yù)報偏差，這說明HY-2A衛(wèi)星散射計(jì)數(shù)據(jù)的加入對初始場的改變，對改善臺風(fēng)的路徑預(yù)報有較好的效果。試驗(yàn)4是使用的Hybrid同化方法將HY-2A衛(wèi)星數(shù)據(jù)加入到初始場中，該初始化方案對預(yù)報的優(yōu)化在前36 h內(nèi)不明顯，而在后36 h內(nèi)體現(xiàn)了其優(yōu)勢所在，誤差增長緩慢，在前66 h內(nèi)，誤差均在100 km以內(nèi)，只有72 h的預(yù)報結(jié)果偏差高于100 km，這也說明“流依賴”的背景場誤差協(xié)方差矩陣起到了正面效果。

上文已提到試驗(yàn)1的路徑在30 h后相對其他3組試驗(yàn)的路徑偏差明顯偏大，尤其是在48 h之后路徑北偏加劇。分析其原因，從500 hPa位勢高度圖上（見圖8）可以明顯的看出，試驗(yàn)1（圖8a）中臺風(fēng)位于副熱帶高壓588 dagpm線的西側(cè)略微偏南，而其他3組試驗(yàn)中臺風(fēng)位于副熱帶高壓588 dagpm線的西南側(cè)，位置較為一致，在這樣的副熱帶高壓形勢下，試驗(yàn)1中的臺風(fēng)移動方向較其他3組試驗(yàn)會明顯偏北。

表2　臺風(fēng)“菲特”72 h預(yù)報路徑的距離誤差（單位：km）

4.2.2臺風(fēng)中心海平面最低氣壓分析

通常用臺風(fēng)中心海平面最低氣壓來表征臺風(fēng)的強(qiáng)度。圖9a是4種方案的臺風(fēng)中心海平面氣壓的72 h預(yù)報結(jié)果以及實(shí)況氣壓圖；圖9b是4種方案的臺風(fēng)中心海平面氣壓的72 h預(yù)報結(jié)果與實(shí)況的偏差隨時間的變化圖。

由圖9a可以看出這4種方案的中心氣壓變化趨勢是相似的，尤其是試驗(yàn)2、3、4的變化趨勢十分一致，只是在數(shù)值上略有差異。從圖9b可以看出，試驗(yàn)1的臺風(fēng)中心氣壓預(yù)報結(jié)果相對其他3組試驗(yàn)偏差波動比較大，而其他3組試驗(yàn)結(jié)果相對較平緩。此外我們可以看出，在預(yù)報的前48 h內(nèi)，試驗(yàn)1的預(yù)報效果要好于試驗(yàn)2、3、4的結(jié)果，只有在48—72 h 這24 h內(nèi)，初始場的調(diào)整（試驗(yàn)2、3、4）的正效應(yīng)才顯現(xiàn)出來；同樣，對比試驗(yàn)2和3，只有在預(yù)報12—24 h時間段內(nèi)，試驗(yàn)2的預(yù)報效果比試驗(yàn)3的效果好，其他時間試驗(yàn)3的效果一直優(yōu)于試驗(yàn)2，這是HY-2A衛(wèi)星散射計(jì)風(fēng)數(shù)據(jù)加入的作用；對比試驗(yàn)3 和4，在預(yù)報前24 h內(nèi)，預(yù)報效果持平，在30—72 h時間段內(nèi)，試驗(yàn)3的效果要好于試驗(yàn)4，這說明流依賴”的背景場誤差協(xié)方差矩陣在臺風(fēng)中心最低氣壓預(yù)報中并未起到改善作用。

圖8　4組試驗(yàn)的48 h預(yù)報場的500 hPa位勢高度場（單位:dagpm）

圖9臺風(fēng)中心最低預(yù)報氣壓與實(shí)況對比及偏差

4.2.3臺風(fēng)中心最大風(fēng)速分析

圖10a是4種方案的臺風(fēng)近中心最大風(fēng)速的72 h預(yù)報結(jié)果以及實(shí)況圖；圖10b是4種方案的臺風(fēng)近中心最大風(fēng)速的72 h預(yù)報結(jié)果與實(shí)況的偏差隨時間的變化圖。

由圖10a可以看出這4種方案的最大風(fēng)速預(yù)報變化趨勢與實(shí)況是一致的，但是在整個預(yù)報時段，預(yù)報值始終偏?。ㄔ囼?yàn)1的始末兩個時刻除外），圖10b更直觀地體現(xiàn)了這一特點(diǎn)，預(yù)報值的偏差最大達(dá)12 m/s。從該圖中還可以看出，在預(yù)報的大部分時間里，試驗(yàn)2、3、4的預(yù)報效果要好于試驗(yàn)1；而試驗(yàn)2、3、4的預(yù)報結(jié)果在預(yù)報前42 h內(nèi)十分接近，在預(yù)報48—66 h時段內(nèi)，HY-2A衛(wèi)星風(fēng)資料的作用有所突顯，試驗(yàn)3和4的預(yù)報效果好于試驗(yàn)2的結(jié)果，但試驗(yàn)3、4的預(yù)報效果在整個預(yù)報階段都很一致，這說明“流依賴”的背景誤差協(xié)方差矩陣的作用效果在臺風(fēng)近中心最大風(fēng)速預(yù)報過程中的十分微弱。

圖10　近中心最大預(yù)報風(fēng)速與實(shí)況對比及偏差

5　結(jié)果與討論

本文利用模式WRFV3.3，分別使用了4種初始化方案對臺風(fēng)“菲特”進(jìn)行了72 h的數(shù)值預(yù)報，初步得到以下結(jié)論：

（1）WRF模式對臺風(fēng)“菲特”的預(yù)報效果，不論從臺風(fēng)路徑還是強(qiáng)度方面，都有較強(qiáng)的預(yù)報能力；

（2）使用集合平均作為初始場進(jìn)行預(yù)報的的效果要明顯好于直接使用GFS資料作為初始場得到的預(yù)報結(jié)果；

（3）使用3DVAR同化方法，將海洋2號衛(wèi)星散射計(jì)風(fēng)數(shù)據(jù)加入初始場后，初始場有所改善，但對中心氣壓和最大風(fēng)速的改善甚微；72 h的臺風(fēng)路徑預(yù)報較未同化有一定的改善，對強(qiáng)度的影響很??；

（4）使用Hybrid同化方法，將海洋2號衛(wèi)星散射計(jì)風(fēng)數(shù)據(jù)加入初始場的同時，背景誤差協(xié)方差中引入了“流依賴”的背景誤差協(xié)方差，初始場有一定的改善，但對中心氣壓和最大風(fēng)速的改善甚微；預(yù)報效果在預(yù)報前期沒有凸顯其優(yōu)勢，在預(yù)報后期42—72 h階段，臺風(fēng)預(yù)報路徑偏差明顯小于其他3組試驗(yàn)的預(yù)報偏差；但該方法對臺風(fēng)強(qiáng)度的改進(jìn)微弱。

因此，基于本文的試驗(yàn)，臺風(fēng)路徑的預(yù)報對初始場十分敏感，使用集合思想以及同化技術(shù)對初始場進(jìn)行修訂，均能夠很明顯地提高臺風(fēng)路徑的預(yù)報準(zhǔn)確率，但臺風(fēng)強(qiáng)度的預(yù)報對初始場不夠敏感，從而導(dǎo)致預(yù)報效果的改進(jìn)微弱。

參考文獻(xiàn)：

[1]陳聯(lián)壽,丁一匯.西北太平洋臺風(fēng)概論[M].北京:科學(xué)出版社, 1979.

[2]邢建勇,宋學(xué)家,楊學(xué)聯(lián),等.臺風(fēng)“卡努”的數(shù)值模擬試驗(yàn)[J].海洋預(yù)報, 2006, 23(2): 1-9.

[3]楊引明,杜明斌,張潔. FY-3A微波資料在“莫拉克”臺風(fēng)預(yù)報中的同化試驗(yàn)[J].熱帶氣象學(xué)報, 2012, 28(1): 23-30.

[4]黃嘉宏,李江南,魏曉琳,等.同化QuikSCAT資料對臺風(fēng)Vongfong(2002)數(shù)值模擬的影響[J].中山大學(xué)學(xué)報(自然科學(xué)版), 2006, 45(4): 116-120.

[5] Hamill T M, Snyder C. A Hybrid Ensemble Kalman Filter-3D Variational Analysis Scheme[J]. Monthly Weather Review, 2000, 128(8): 2905-2919.

[6] Wang X G, Barker D M, Snyder C, et al. A Hybrid ETKF-3DVAR Data Assimilation Scheme for the WRF Model. Part I: Observing System Simulation Experiment[J]. Monthly Weather Review, 2008, 136(12): 5116-5131.

[7] Wang X G, Barker D M, Snyder C, et al. A Hybrid ETKF-3DVAR Data Assimilation Scheme for the WRF Model. Part II: Real Observation Experiments[J]. Monthly Weather Review, 2008, 136 (12): 5132-5147.

[8] Wang X G. Application of the WRF Hybrid ETKF-3DVAR Data Assimilation System for Hurricane Track Forecasts[J]. Weather and Forecasting, 2011, 26(6): 868-884.

[9] Schwartz C S, Liu Z Q, Huang X Y, et al. Comparing Limited-area3DVAR and Hybrid Variational-ensemble Data Assimilation Methods for Typhoon Track Forecasts: Sensitivity to Outer Loops and Vortex Relocation[J]. Monthly Weather Review, 2013, 141 (12): 4350-4372.

[10] Singh R, Kishtawal C M, Pal P K, et al. Assimilation of the Multisatellite Data into the WRF Model for Track and Intensity Simulation of the Indian Ocean Tropical Cyclones[J]. Meteorology and Atmospheric Physics, 2011, 111(3-4): 103-119.

[11] Atlas R, Hoffman R N, Leidner S M, et al. The Effects of Marine Winds from Scatterometer Data on Weather Analysis and Forecasting[J]. Bulletin of the American Meteorological Society, 2001, 82(9): 1965-1990.

[12]劉春霞,王靜,齊義泉,等.基于WRF模式同化QuikSCAT風(fēng)場資料的初步試驗(yàn)[J].熱帶海洋學(xué)報, 2004, 23(6): 69-74.

[13]張婷,張杰,楊俊鋼,等.衛(wèi)星散射計(jì)與海面平臺所測的風(fēng)場數(shù)據(jù)比較[J].海洋學(xué)研究, 2013, 31(2): 45-51.

[14]王東良,姚小海,孟雷,等.海洋二號衛(wèi)星散射計(jì)風(fēng)場產(chǎn)品真實(shí)性檢驗(yàn)及分析[J].海洋預(yù)報, 2014, 31(4): 47-53.

[15] Barker D, Huang X Y, Liu Z Q, et al. The Weather Research and Forecasting Model's Community Variational/Ensemble Data Assimilation System: WRFDA[J]. Bulletin of the American Meteorological Society, 2012, 93(6): 831-843.

[16]閔錦忠,畢坤,陳耀登,等.基于物理約束擾動的EnSRF雷達(dá)資料同化[J].大氣科學(xué)學(xué)報, 2013, 36(2): 129-138.

[17] Zhang F Q, Weng Y H, Sippel J A, et al. Cloud-resolving Hurricane Initialization and Prediction Through Assimilation of Doppler Radar Observations with An Ensemble Kalman Filter[J]. Monthly Weather Review, 2009, 137(7): 2105-2125.

Application of HY-2A scatter wind data assimilation with the WRF hybrid method for typhoon Fitow forecasts

LIU Xiao-yan1,2，YANG Xue-lian1,2，XING Jian-yong1
（1. National Marine Enviroment Forecasting Center,Beijing 100081 China; 2. Key Laboratory of Research on Marine Hazards Forecasting,Beijing 100081 China）

Abstract：Taken the Typhoon Fitow (201323) which is landing for example, four kinds of initialization schemes and 72-hour forecasts experiments are performed based on Weather Research and Forecasting (WRF) Model, and the influences of the initialization on the performance of the forecasts are analyzed. The results show that the performance of the track forecast using the ensemble-mean as the initial field is better than that using the GFS data. Assimilating the HY-2A scatter wind data into the initial field using 3DVAR assimilation method, the forecast of track is improved to some extent. Moreover, the performance of track forecast when ingesting the HY-2A scatter wind data into the initial field with Hybrid assimilation method is improved. However, the effect of the four kinds of method in the forecasts of intensity is roughly the same.

Key words：WRF model；initialization；3DVAR；hybrid；HY-2Asatellite data；numerical forecast

作者簡介：劉曉燕（1988-），女，碩士在讀，從事海面風(fēng)場資料同化研究。E-mail:liuxiaoyan-de@163.com

基金項(xiàng)目：國家海洋局海洋公益性行業(yè)專項(xiàng)(201305032-2)。

收稿日期：2015-01-28

中圖分類號：P457.8

文獻(xiàn)標(biāo)識碼：A

文章編號：1003-0239（2016）01-0001-10