郭姿佑，秦正坤，杜家銘，陳華忠

(1.韶關市氣象局，廣東韶關512028；2.南京信息工程大學大氣科學學院資料同化研究與應用聯(lián)合中心，江蘇南京210044；3.玉環(huán)市氣象局，浙江玉環(huán)317600)

1 引 言

臺風是生成于熱帶廣闊海洋上的一種具有暖心結構的強烈氣旋性渦旋，其發(fā)生時總伴有狂風暴雨，常給受影響的地區(qū)造成嚴重的災害[1]。臺風通常發(fā)生發(fā)展于遠離陸面的低緯度洋面上，由于觀測資料不足，長期以來臺風的預報都具有挑戰(zhàn)性。

數值預報是目前臺風預報的主要方法。數值天氣預報水平很大程度依賴于初始條件的準確度，利用觀測資料，通過資料同化方法改進模式初始條件的準確性是目前提高臺風數值預報水平的重要方法[2-3]。衛(wèi)星資料具有覆蓋范圍廣、空間分辨率高等優(yōu)點，近年來被大量應用于資料同化中[4-6]。利用資料同化技術可將衛(wèi)星觀測資料與數值模式較好地結合起來，提高衛(wèi)星產品的釋用水平，并改進模式的初始場以提升數值模式的預報能力[7]。因此，人們越來越重視通過提高衛(wèi)星資料同化水平來改進數值天氣預報準確性的研究。在美國、歐洲等發(fā)達國家的業(yè)務資料同化系統(tǒng)中，衛(wèi)星資料同化量已經占總同化資料量的90%以上[8]。然而，衛(wèi)星資料還有許多關鍵問題需要解決，其中，對衛(wèi)星輻射率資料進行偏差訂正是衛(wèi)星資料同化研究的首要問題[9]。要想將衛(wèi)星資料的輻射量直接應用于資料同化，就需要用到輻射傳輸模式將背景場信息正演為相對應的輻射值。然而不論是輻射傳輸模式本身，還是輸入的衛(wèi)星數據(溫度、濕度廓線、臭氧總量等)都包含誤差。這些誤差可能引起觀測的輻射值與根據模式背景場廓線模擬計算的輻射值之間的系統(tǒng)偏差，如果不對衛(wèi)星資料進行偏差訂正，而直接將其應用于數值天氣預報（Numerical Weather Prediction，NWP）中則很難獲得正效應。同時，資料同化方法也需要觀測和背景偏差符合均值為零的正態(tài)分布。早在2001年，Harris等[10]就對泰羅斯號業(yè)務垂直探測器（TIROS Operational Vertical Sounder，TIROS TOVS）進行了掃描偏差訂正和氣團偏差訂正，并在歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的預報中取得了較好的正效應。劉志權等[11]在ECMWF全球TOVS輻射偏差訂正方案的基礎上建立了適用于美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）的 NOAA-15/16/17 極軌氣象衛(wèi)星ATOVS輻射資料的偏差訂正方法，得到了較好的偏差訂正結果。李華宏等[12]利用GRAPES-3Dvar同化系統(tǒng)將偏差訂正后的FY-2C云跡風資料同化到GRAPES-Meso模式中對一次暴雨過程進行了數值模擬，很好地改善了暴雨預報的強度和落區(qū)。鮑艷松等[13]研究了FY-3A的大氣溫度垂直探測儀資料的偏差訂正問題，發(fā)現偏差訂正后的觀測殘差基本符合均值為零的正態(tài)分布且殘差的標準方差有所減小。杜明斌等[14]利用WRF三維變分同化系統(tǒng)同化了偏差訂正后的FY-3A衛(wèi)星微波資料，提高了臺風路徑的預報水平，臺風預報路徑的誤差平均降低了20%，而只同化常規(guī)資料路徑誤差僅僅降低了4%。劉健文等[15]在WRFDA系統(tǒng)中對ATMS衛(wèi)星資料進行偏差訂正，減小了溫度和濕度通道偏差，改善了臺風最低氣壓預報，并使臺風路徑預報偏差降低了31%。

在國內外的研究過程中，靜止衛(wèi)星資料同化的研究要滯后于極軌衛(wèi)星。事實上，極軌衛(wèi)星受軌道的限制，其探測器的監(jiān)測區(qū)域總是在不斷變化，這就可能會錯過熱帶氣旋發(fā)展的關鍵時間段。相比之下，靜止衛(wèi)星有著穩(wěn)定不變的視場，并且能做到連續(xù)觀測，在熱帶氣旋監(jiān)測方面具有很大的優(yōu)勢[7]。K?pken 等[16]最早將搭載在 Meteosat-7 上的可見光和紅外成像儀（Meteosat Visible and InfraRed Imager，MVIRI)資料同化進全球和區(qū)域NWP中，改善了ECMWF的預報；Szyndel等[17]和 Stengel等[18]也將搭載在Meteosat-8上的旋轉增強可見光和紅外成像儀（Spinning Enhanced Visible and InfraRed Imager，SEVIRI)進行了同化研究；Su 等[19]研究了美國國家環(huán)境預報中心 (National Centers for Environmental Prediction，NCEP)全球資料同化系統(tǒng)對美國靜止業(yè)務環(huán)境衛(wèi)星（Geostationary Operational Environmental Satellite，GOES）成像儀資料的同化效果；Zou等[20]和Qin等[21]將GOES-11和GOES-12成像儀資料同化進區(qū)域定量降水預報（Quantitative Precipitation Forecasts，QPFs）中，改善了降水的預報；Zou等[22]利用美國資料同化系統(tǒng) （GridpointStatisticalInterpolation，GSI） 將GOES資料同化進颶風天氣研究和預報（HurricaneWeatherResearch andForecasting，HWRF）系統(tǒng)中，改善了發(fā)生在大西洋上的臺風強度和路徑的預報；莊照榮等[23]、劉瑞等[24]和李寧等[25]分別利用GRAPES和WRF（ARW）的三維變分同化（3DVar)系統(tǒng)同化了靜止衛(wèi)星的云跡風資料，更加準確地預報出了臺風的降水落區(qū)和強度；李昊睿等[26]將高度調整前后的FY-2E云跡風資料同化到GRAPES-3DVAR系統(tǒng)中，有效地改進了臺風路徑的預報。張艷霞等[27]利用LAPS系統(tǒng)比較了在GRAPES背景場中是否融入衛(wèi)星資料云物理變量的差異，發(fā)現融合衛(wèi)星資料較好地再現了中尺度云團的分布形態(tài)和強度，且在滾動預報中云物理變量和水平和垂直分布更加合理。隋新秀等[28]利用WRF對晴空風矢進行同化試驗，改善了初始風場和位勢高度，提高了模式對臺風的預報能力。

綜上所述，在心肌梗死致心力衰竭急救過程中進行舒適護理有利于患者心功能的恢復，改善患者的心力衰竭程度，提高患者的滿意度。

在國內外的研究中，對靜止衛(wèi)星資料進行偏差訂正的研究很少，因此，本文以2012年生成于大西洋地區(qū)并登陸美國的臺風Debby作為研究對象，利用NCEP的GSI同化系統(tǒng)對GOES-13/15成像儀資料進行同化試驗，討論氣團訂正對靜止衛(wèi)星成像儀資料同化效果的影響，檢驗了氣團訂正前后靜止衛(wèi)星成像儀資料同化對臺風Debby路徑預報的改進作用。

2 衛(wèi)星資料、HWRF系統(tǒng)與臺風個例介紹

2.1 GOES衛(wèi)星資料介紹

GOES-13和GOES-15是美國國家海洋和大氣管理局的國家環(huán)境衛(wèi)星、資料和信息服務中心運行的GOES系列中的兩顆靜止衛(wèi)星，位于赤道上空358 00 km處，其靜止軌道分別位于75°W和135°W，時刻監(jiān)控著可能發(fā)生在大西洋、墨西哥灣和太平洋上的劇烈天氣過程。GOES-13和GOES-15成像儀均有一個可見光通道和四個紅外通道。表1給出了各通道的中心頻率、帶寬、星下點分辨率和通道1、2、4、6在300 K的數據噪音以及通道3在230 K的數據噪音。可見光通道（通道1）的中心波長為0.65 μm，其接收來自地表的反射輻射，適合探測白天的云、氣溶膠和地表特征；通道2是中心波長為3.9 μm的短波紅外通道，對明火、熱點和雪蓋的監(jiān)測尤為顯著；通道3是中心波長為6.5 μm的水汽紅外通道，由于其通道接收的地表發(fā)射頻譜很大一部分被水汽分子削弱，因此它主要用于探測大氣中、高層的云和水汽；通道4是中心波長為10.7 μm的長波紅外通道，其接收的輻射與可見光通道相似，但由于其接收的地表和云的輻射只有一小部分被大氣削弱，因此除了薄卷云，通道4測量的亮溫更接近地表和云頂的實際溫度。通道6是中心波長為13.3 μm的長波紅外二氧化碳通道，該波段受二氧化碳影響嚴重，因此能較好地反映大氣中的二氧化碳信息[29]。

2.1.1 供試品溶液的制備 取護肝劑1 mL置于PE管中，水浴蒸干，加入85%乙醇1 mL，稱質量，在250 W、40 kHz、30 ℃條件下超聲提取30 min，用85%乙醇填補損失的質量。濾液過0.22 μm微孔濾膜，進樣5 μL。

圖1 GOES-13/15衛(wèi)星成像儀紅外通道權重函數分布

2.2 HWRF系統(tǒng)介紹

本文利用NOAA天氣預報中心（National Weather Service，NWS）開發(fā)的颶風天氣研究和預報 系 統(tǒng) （HurricaneWeatherResearchand Forecasting，HWRF）作為此次臺風過程的研究平臺。HWRF為海洋-大氣耦合系統(tǒng)，海洋模式為用于熱帶氣旋的MPI普林斯頓海洋模式（MPI Princeton Ocean Model for TCs，MPIPOM-TC），大氣模式是以非靜力中尺度模式（Non-Hydrostatic Mesoscale Model，NMM）為核心的 WRF 模式[30-31]。圖2所示為HWRF模擬區(qū)域及網格示意圖，風暴的初始位置位于中間層和最內層區(qū)域的中心，區(qū)域位置會隨著風暴的移動而變化[32]。

HWRF預報系統(tǒng)中用的同化系統(tǒng)為GSI，GSI為三維變分資料同化（3D-Var）系統(tǒng)，它比NCEP早期開發(fā)的譜統(tǒng)計插值（Spectral Statistical Interpolation，SSI）分析系統(tǒng)具有更大的優(yōu)越性[33]，就數據的強度和質量而言，它能更加靈活地適應極大不均勻的觀測值，通過遞歸濾波器的應用將背景場誤差表示的非齊次格點代替了SSI分析系統(tǒng)中原有的譜定義。

按照原料獼猴桃的編號，對釀造好的獼猴桃酒對應編號為 1#、2#、3#、4#、5#和 6#。按照 GB/T 15038—2006《葡萄酒、果酒通用分析方法》[16]對6種獼猴桃酒的酒精度、總糖、干浸出物、滴定酸、維生素C進行測定。每個酒樣設3個重復，每個重復設3個酒樣，取平均值，并將測定結果與模糊綜合判斷法的結果進行比較分析。

黃河三角洲生產性服務業(yè)的發(fā)展思路與策略………………………………………………………………巴永青，苗俊濤（1.76）

在GSI分析系統(tǒng)中應用快速輻射傳輸模式（Community Radiative Transfer Model，CRTM）模擬不同大氣和地表條件下的衛(wèi)星輻射。它支持搭載在地球靜止業(yè)務環(huán)境衛(wèi)星R系列（GOES-R）和聯(lián)合極軌衛(wèi)星系統(tǒng)（Joint Polar Satellite System，JPSS）上的一系列衛(wèi)星傳感器資料，并覆蓋了微波、紅外和可見光頻率所在的區(qū)域。除此之外，GSI系統(tǒng)還引入了CRTM的Jacobi模塊，簡化了作為輸入變量的CRTM模擬亮溫梯度的計算。

圖2 HWRF區(qū)域及網格示意圖

2.3 臺風個例Debby介紹

本文所選的臺風個例為2012年生成于大西洋地區(qū)的熱帶風暴Debby。Debby由2012年6月23日（世界時，下同）生成于墨西哥灣的一個熱帶低壓發(fā)展而來，其生成之后向東北方向移動，逐漸增強為熱帶風暴，移速減慢；24日接近墨西哥灣沿岸時轉為偏東路徑并于27日凌晨以熱帶風暴級別在美國佛羅里達登陸，登陸時臺風中心最低氣壓991 hPa，最大風速21 m/s；登陸后減弱為熱帶低壓；之后于27日穿過佛羅里達進入大西洋地區(qū)繼續(xù)向東移動，再次加強為熱帶風暴；28日開始轉為東北偏東路徑，移速有所加快；29日Debby移速減慢并最終于30日凌晨減弱消亡。當年大部分業(yè)務系統(tǒng)對Debby路徑的預報效果都不太理想，預報路徑較實況偏西偏北。

3 資料同化

3.1 試驗設計

本文設計了一組對照試驗來探討氣團訂正對颶風Debby路徑預報的影響(表2)。作為初步的研究，為了更好地突出氣團訂正對GOES資料同化效果的影響，我們以同化未經氣團訂正的GOES觀測資料作為控制試驗（試驗一），以同化氣團訂正后的GOES資料作為對照試驗（試驗二），從而對比氣團訂正前后靜止衛(wèi)星紅外成像儀資料同化效果的差異。

表2 試驗名稱和同化資料類型

3.2 質量控制

本文所使用的GOES觀測資料是經過業(yè)務預處理的資料，資料被稀疏化到40 km的分辨率。云檢測是利用Heidinger等[34]開發(fā)的業(yè)務云檢測方法進行的，并將原始數據中不合理的數據以及極端值進行了剔除。

本次臨床試驗，共發(fā)現不良事件19例，其中試驗組9例（7.63%），對照組10例（8.33%），兩組比較，差異無統(tǒng)計學意義。經研究者判定為不良反應7例，其中試驗組4例（3.39%），對照組3例（2.50%），均表現為皮膚刺激癥狀，兩組比較，差異也無統(tǒng)計學意義。兩組生命體征及實驗室檢查，未發(fā)現有臨床意義的異常改變。

為了得到更加接近于真實大氣狀態(tài)的觀測數據，在進行氣團訂正之前，先要對GOES觀測數據進行質量控制。本文在質量控制過程中剔除的數據類型包括[21]：(1)亮溫小于0的數據；(2)衛(wèi)星通道2、4、6接收的下墊面為陸地的數據；(3)所有通道接收的來自有冰雪覆蓋的地表數據；(4)亮溫標準差大于規(guī)定值的數據；(5)觀測亮溫與模式模擬亮溫之差大于觀測誤差3倍以上的數據。根據上述剔除標準，對通過質量控制的數據進行氣團訂正。

3.3 氣團訂正

在臺風預報中，臺風路徑的預報尤為關鍵，越早預報出準確的臺風路徑，能最大程度降低人民生命和財產安全的損失。圖12a、12b分別為試驗一（控制試驗）和試驗二（同化試驗）中以2012年6月23日18時—25日12時每隔6小時為初始場（共8個時次，下同）預報未來5天（每6 h輸出一次結果，下同）的臺風路徑（彩色）和實際觀測路徑（黑色）的對比圖。臺風Debby于2012年6月23日18時在墨西哥灣生成后向東北方向移動，24日在接近墨西哥灣沿岸時開始轉為偏東路徑，穿過佛羅里達州進入大西洋地區(qū)后，仍保持著偏東路徑，之后于28日00時再次轉為東北路徑直至減弱消亡。試驗一同化的是未經氣團訂正的GOES資料，從圖12a中可以看出，前三個時次（23日18時—24日06時）的預報路徑為偏西北轉偏北路徑，第四個時次（24日12時）的預報路徑為先向西繼而再向北移動，在這之前，模式均未模擬出正確的臺風路徑。從第五個時次（24日18時）開始預報路徑的走勢與觀測路徑基本一致，但比觀測路徑向北偏離了1～2個緯距。圖12b為以試驗二中同化氣團訂正后的GOES資料為初始場模擬的臺風路徑，雖然前三個時次（23日18時—24日06時）預報的路徑為西北或偏北路徑，但從第四個時次（24日12時）開始預報出了與觀測較為一致的偏東路徑，不但比試驗一提前了6小時，且偏離實際路徑的距離較小。綜上，相比同化未經過氣團訂正的GOES衛(wèi)星資料，同化氣團訂正后的GOES資料能更早模擬出與實際觀測較為吻合的臺風路徑。

圖1為利用美國標準大氣廓線作為輸入大氣廓線，以CRTM為輻射傳輸模式做出的GOES-13/15衛(wèi)星紅外成像儀的權重函數，紅外通道2、4、6的權重函數峰值在近地面層，絕大部分信息來源于700 hPa以下，而水汽通道3的峰值在300～400 hPa之間，近地面權重函數較小，輻射信息絕大部分來源于對流層中層，亮溫資料受下墊面的影響較小。

我國的商業(yè)銀行在信貸的風險管理方面很長時間以來只看重定性分析，對風險進行實際管理的過程中缺乏定量分析方法以及專業(yè)的技術手段，尤其是對風險進行識別和度量方面并不具備很強的可靠性。不僅如此，我國的商業(yè)銀行風險管理人員在數量方面也比較匱乏，絕大多數的風險管理人員并不具備專業(yè)的理論知識，而且實踐經驗也不夠豐富，不能夠將風險計量模型的設定和信貸業(yè)務需求進行有效配對，沒有辦法滿足我國現代的風險管理個性化要求。

在GSI系統(tǒng)中，初始時刻的氣團訂正系數均為0，隨著模擬的開始，GSI相關模塊會自動將前6小時預報場更新的氣團訂正系數作為當前的系數使用，并隨著同化結果的輸出進行更新，作為接下來6小時預報的初始系數。由于氣團偏差訂正系數會隨著同化時次的變化而進行相應的更新，因此本文先利用2012年9月1—30日的GOES觀測資料在GSI中進行迭代循環(huán)，得到了相對穩(wěn)定的偏差訂正系數，之后將穩(wěn)定的偏差訂正系數作為GSI氣團訂正初始場的系數，對2012年6月23日18時—25日12時每隔6小時共8個時次的GOES衛(wèi)星資料進行氣團偏差訂正。

其中ωi為第i通道的偏差訂正系數。

在不同主噴嘴氣壓下，通過改變突出物的間距Δx大小來計算突出物的阻力大小，進而探究突出物不同的間距對牽引特性的影響。由圖4發(fā)現突出物間距對流場有著影響，且突出物的間距越小，這種影響越明顯。

在進行氣團訂正之后，GSI系統(tǒng)還對GOES的紅外成像儀資料進行了3步質量控制：(1)剔除觀測區(qū)域云覆蓋率較大的資料；(2)剔除觀測區(qū)域亮溫空間變率較大的資料；(3)剔除O-B絕對值大于3倍觀測誤差的資料。

3.4 偏差訂正效果檢驗

在進行資料同化之前，先要對同化系統(tǒng)的性能進行檢驗。以2012年6月23日18時為例，圖3和圖4分別給出了GOES-13和GOES-15各紅外通道氣團訂正前后O-B的偏差分布圖，縱軸為資料數，橫軸為O-B的值（以0.1 K為間隔），其中O表示GOES衛(wèi)星觀測的亮溫值，B表示模式在同化之前用CRTM模擬的背景場亮溫。從圖3可以看出，經過偏差訂正后各通道的O-B都基本滿足均值為零的正態(tài)分布，其中GOES-13通道3和通道6的效果最為顯著。雖然通道2和通道4的偏差在氣團訂正前后變化不大，但其整體分布更趨于收縮，O-B的值向-1～1 K之間聚攏。對比圖3，圖4中GOES-15各通道氣團訂正后的效果不如GOES-13好，由于通道2為短波紅外通道，易受太陽輻射的影響，因此數據效果不太理想。通道3的中心值由氣團訂正前的2.5 K移至-1.5 K，氣團訂正后仍存在誤差。但通道4和通道6較氣團訂正前得到了改善，更接近高斯無偏分布。

圖5所示為氣團訂正前后 GOES-13、GOES-15四個紅外通道在2012年6月23日18時—25日00時每隔6小時共6個時次O-B的平均值。對比氣團訂正前后的平均偏差|O-B|可以看出，氣團訂正后，除了GOES-13/15通道4和GOES-15通道2的平均偏差在氣團訂正后略有增加之外，其余通道的|O-B|相較氣團訂正前均有減小，但不同通道的改善效果有所不同，其中GOES-13/15通道3與GOES-13通道6的平均偏差在氣團訂正之后減小得最為顯著，平均減少了85%左右。說明氣團訂正后模擬的亮溫值更接近觀測亮溫值，符合衛(wèi)星儀器的特征。

對每一個通道，選取了3個預報因子進行氣團訂正。第一個預報因子為其中α為衛(wèi)星天頂角；第2個預報因子p2,i和第3個預報因子p3,i與衛(wèi)星透射率(Tk-1-Tk+1)有關，其中l(wèi)ev是模式在垂直方向的層數，Tk是第k層的溫度，其中最低層的溫度用地表溫度表示；第2和第3個預報因子分別為p2,i=其中為平均透射率，最終得到氣團訂正公式：

為了進一步說明系統(tǒng)同化效果的好壞，同樣以2012年6月23日18時為例，圖6和圖7分別給出了GOES-13和GOES-15各紅外通道同化前后O-B與O-A的偏差分布圖，A表示同化后在背景場中加入觀測信息模擬的分析場亮溫。從圖6可以看出，GOES-13資料經過同化后，各紅外通道的O-A趨向于以零為中心的正態(tài)分布，且OA的值比O-B更向-1～1 K之間聚攏。圖7中GOES-15同化后的效果不如GOES-13效果好，尤其是紅外通道2的效果較差，GOES-15通道3同化后的效果最為顯著，同化后其中心值從-2 K變?yōu)? K，滿足中心為零的正態(tài)分布。通道4和6同化后變化不大，但其偏差更向-1～1 K之間收縮。

學生的分層不是一成不變的，教師可以根據初次考試對學生進行預分層，再通過實際教學過程中對學生的了解不斷調整分層。為了保證分層的合理化，教師不僅僅要了解學生現階段的實際英語水平，還要了解學生的個性特點，比如說，學生的語言學習能力、學生英語學習的積極性以及學生在小學階段的英語學習狀況，從而對學生未來的英語成績走向有一個相對正確的預估。

問題的關鍵在于總體的容量偏大，使得抽簽法或隨機數法不可行或工作量比較大．可以通過具體的例子引導學生思考．例如全年級有1?000人，20個班，每個班50人，現在需要從全年級中隨機抽取10%的人參加某項活動，如何抽取既簡單又合理？學生很容易想到每個班隨機抽取5個人．雖然這種抽取方法與從1?000人中隨機抽取100個人并非同樣的隨機抽樣，因為1?000人抽取100人并不一定會平均到每個班級，但卻給問題1的解決帶來某種啟發(fā)，即將總體進行分組．但分組應該也是隨機的，換言之，按隨機的方法將總體進行編號．某版教材對這個問題的分析有誤：

圖3 2012年6月23日18時GOES-13通道2、3、4、6氣團訂正前（左列）后（右列）O-B偏差分布（單位：K）

圖4 2012年6月23日18時GOES-15通道2、3、4、6氣團訂正前（左列）后（右列）O-B偏差分布（單位：K）

圖5 氣團訂正前后GOES-13（紅）、GOES-15(藍)在2012年6月23日18時—25日00時每隔6小時共6個時次O-B的平均值（單位：K）

圖6 2012年6月23日18時GOES-13通道2、3、4、6同化前O-B（左列）和同化后O-A（右列）偏差分布（單位：K）

圖7 2012年6月23日18時GOES-15通道2、3、4、6同化前O-B（左列）和同化后O-A（右列）偏差分布（單位：K）

圖8 同化前后GOES-13（紅）、GOES-15(藍)在2012年6月23日18時至25日00時每隔6小時共6個時次O-B和O-A的平均值（單位：K）

為了直觀地看出同化前后O-B與O-A在空間中的分布，圖9和圖10分別給出了2012年6月23日18時GOES-13和GOES-15四個紅外通道中通過質量控制檢驗的O-B與O-A的空間分布圖。臺風中心附近由于大量云團的存在，導致衛(wèi)星接收到的輻射明顯小于大氣真實發(fā)射的輻射，因此通過質量控制檢驗后，臺風中心附近大部分的亮溫資料都被剔除。從資料的空間分布來看，相較于GOES-15亮溫資料，GOES-13還提供了90°W以東的亮溫資料，其資料的空間分布范圍更為廣闊。通過對比GOES-13和GOES-15四個紅外通道O-B（左列）和O-A（右列）的空間分布可以看出，大部分觀測與模式模擬之間差值的絕對值都比同化前的小，其中GOES-15通道3在同化前后的差異最為顯著，減少量級達到了±2 K左右。其次減小的較多的是GOES-13的通道3和通道6，量級減少了約±1 K。GOES-13通道4的|OA|在臺風中心附近略小于|O-B|，而越遠離臺風中心，|O-A|與 |O-B|的差值減小的越不明顯。GOES-13通道2和GOES-15通道 2、4、6的亮溫差異在資料同化前后表現得較不明顯，只有個別數據在同化后有所減小。這可能是因為通道3主要探測來自對流層中、高層的云和水汽信息，且通道3的權重函數在四個紅外通道中最大，對高層的影響更為顯著，而近地面由于受更多其他因素的干擾，低層資料的準確度不如高層好，從而導致同化效果不如高層理想。從GOES-13的空間分布圖還可以看出，越接近臺風中心，|O-B|和|O-A|的值越大，說明越靠近臺風中心，觀測和模擬的亮溫值越不準確。整體看來，GOES-13和GOES-15紅外通道的|O-A|基本小于|O-B|，這在一定程度上說明同化系統(tǒng)的收斂性較好，能將觀測信息融入背景場中，但GOES-13亮溫資料的同化效果較GOES-15表現得更好。

除了對比亮溫資料，本文還對氣團偏差訂正前后的溫度、比濕及位勢高度場進行了分析。圖11給出了24日12時氣團訂正前后200 hPa位勢高度場差值（填色）（試驗二減試驗一，下同）疊加試驗二的位勢高度場（等值線）（圖11a）、臺風中心附近位勢高度場差值（填色）疊加溫度場差值（圖11b）、比濕場差值（圖11c）（等值線）的緯向剖面圖。從圖11a可以看出，氣團訂正增加了臺風中心整層的位勢高度場，但在臺風西側95°W附近位勢高度場有明顯的降低。結合緯向剖面圖可以看出臺風西側位勢高度場的降低從400 hPa向上延伸到100 hPa，負值中心位于200 hPa，達到了-4 dagpm，但在臺風中心附近400 hPa以下位勢高度場的差值基本為正，說明氣團訂正增強了中低層的位勢高度場，但減弱了高層的位勢高度場。從溫度場差值的分布（圖11b）來看，臺風中心東西兩側200～50 hPa上空各有一個正值中心，200 hPa以下基本為負值；比濕場差值（圖11c）的分布主要集中在400 hPa以下，在臺風中心東、西兩側分別為正值區(qū)和負值區(qū)，正、負中心都位于600 hPa附近。氣團訂正前后位勢高度場、溫度場及比濕場的變化會對臺風的移動路徑造成一定的影響，這將在下文中進行討論。

圖9 2012年6月23日18時GOES-13四個紅外通道O-B（左列）與O-A（右列）的空間分布（單位：K）

圖10 2012年6月23日18時GOES-15四個紅外通道O-B（左列）與O-A（右列）的空間分布（單位：K）

圖11 a.2012年6月24日12時氣團訂正前后200 hPa位勢高度場差值（填色）（試驗二減試驗一，下同）疊加試驗二位勢高度場（等值線）（單位：dagpm）；b.沿圖11a紅線作位勢高度場差值（填色）（單位：dagpm）疊加溫度場差值（等值線）（單位：℃）；c.比濕場差值（等值線）（單位：g/kg）緯向剖面圖

4 氣團訂正對路徑預報的影響

由于快速輻射傳輸模式的模擬偏差受大氣和地表特征的綜合影響，為了使觀測和背景偏差符合均值為零的正態(tài)分布，因此要對衛(wèi)星資料進行偏差訂正。偏差訂正一般分為掃描偏差訂正和氣團訂正兩部分，由于靜止衛(wèi)星具有固定不變的視場，因此不需要對其進行掃描訂正，只需要進行氣團訂正即可。

圖12 試驗一（a）、試驗二（b）中從2012年6月23日18時—25日12時每隔6小時預報未來5天的臺風路徑（彩色）和實際觀測路徑（黑色）

為了進一步說明氣團訂正前后模擬臺風路徑的差別，圖13給出了試驗一（紅色）和試驗二（藍色）中以2012年6月23日18時—25日12時每隔6小時為初始場預報未來5天的臺風路徑與實際觀測路徑的平均偏差和標準差，隨著預報時間的推移，兩個試驗中預報路徑與觀測路徑的平均偏差和標準差基本都呈現逐漸增大的趨勢，這與模式本身的誤差有關。試驗一中，在25日12時之前，預報與觀測路徑平均偏差和標準差的增長都較緩慢，平均偏差在200 km以下，標準差也未超過150 km。從25日12時開始，平均偏差和標準差都開始顯著增長，到27日12時，預報與實際觀測的平均偏差達到了900 km左右，標準差也有500 km左右。但在試驗二中，26日00時之前預報與觀測的平均偏差和標準差的增長都很緩慢，且均未超過150 km。雖然26日00時之后其平均偏差和標準差都有一定程度的增長，但增長速率較試驗一緩慢，即使到了27日12時，預報與觀測的平均偏差和標準差也分別只有500 km和350 km左右，其標準差比試驗一的減小了150 km左右，平均偏差更是減小了400 km左右。從以上的分析可以得出，與未進行氣團訂正的控制試驗相比，氣團訂正后的同化試驗能模擬出與實際觀測更為接近的臺風路徑，改善了預報效果；經過氣團訂正后，模式模擬的臺風路徑與觀測路徑的平均偏差和標準差降低了30%左右。

圖8為同化前后GOES-13、GOES-15四個紅外通道在2012年6月23日18時—25日00時每隔6小時共6個時次O-B和O-A的平均值。除了通道4，其他三個紅外通道在經過同化后，|O-A|的平均值都小于|O-B|，大部分經過同化后|O-A|的誤差都在0.1 K之內。說明經過資料同化的分析場的模擬效果基本優(yōu)于未進行資料同化的背景場的模擬效果。值得注意的是，這里比較的是同化前后所有時次的平均O-B和O-A，并不是說每個資料點經過同化后偏差都會減小。

智能控制系統(tǒng)在電氣工程中的實際應用主要體現在了一下幾個方面，第一方面就是對電氣工程運行中存在的故障問題進行診斷，提升了故障排查以及故障修理的速度。第二方面就是針對智能控制系統(tǒng)對電氣工程設計進行優(yōu)化和改良，使得電氣工程總體建設方案更加科學化、先進化，電氣工程應用功能也可以得到有效強化。第三方面就是利用智能控制系統(tǒng)可以實現電氣工程智能化控制，電氣工程控制水平得到了很大的提升。

5 氣團訂正對初始場的影響

研究表明，臺風的移動主要受中層引導氣流的影響，且臺風發(fā)生發(fā)展于低緯度的熱帶洋面上，需要一定的水汽和熱力條件。上文已對氣團訂正前后臺風路徑的預報進行了討論，下面將對氣團訂正前后的初始場物理量進行分析。對比試驗一和試驗二，首次預報臺風向東移動的時次分別為24日18時和24日12時，因此選取了這兩個時次的位勢高度場、比濕場和溫度場進行對比來探討其對臺風路徑的影響。

圖13 試驗一（紅色）和試驗二（藍色）從2012年6月23日18時—25日12時每隔6小時預報未來5天的臺風路徑與實際觀測路徑的平均偏差和標準差（單位：km）

引導氣流在臺風路徑的預報過程起著至關重要的作用。一般來說，當引導氣流較強時，臺風將沿著引導氣流的方向移動；當引導氣流較弱時，臺風可能偏離引導氣流移動或原地打轉穩(wěn)定少動。圖14所示為2012年6月24日12時氣團訂正前（圖14a）、后（圖14b）500 hPa位勢高度場及風場的流線圖，陰影區(qū)為副熱帶高壓，500 hPa北美中緯度地區(qū)呈兩槽一脊的形勢，低緯受強盛的副熱帶高壓控制。受臺風影響，副熱帶高壓被臺風低壓切斷為東、西兩環(huán)，臺風主要受東環(huán)副熱帶高壓西側的偏西南風場引導向偏東方向移動，對比圖14a、圖14b發(fā)現，氣團訂正后東環(huán)的副熱帶高壓更為強盛，副高面積較氣團訂正前更大，且距離臺風中心的位置更近，氣團訂正后西南氣流的增強對臺風的向東轉向產生了積極的影響，這可能是氣團訂正后臺風比氣團訂正前提前6小時實現正確轉向的主要原因。

圖14 氣團訂正前（a）、氣團訂正后（b）2012年6月24日12時500 hPa位勢高度場（單位：dagpm）和風場流線(單位：m/s)圖 陰影區(qū)為副熱帶高壓。

臺風生成于高溫高濕的溫暖洋面上，除了環(huán)境氣流之外，低層的比濕場和溫度場也可能對臺風的移動產生一定影響。圖15和圖16分別給出了2012年6月24日12時與24日18時氣團訂正前后850 hPa比濕場和溫度場的差值圖（試驗二減試驗一）。從圖15可看出，氣團訂正后臺風中心附近的比濕場得到了不同程度的減小，且24日12時比濕場的減小較24日18時更為明顯，達到了-2 g/kg以上。值得注意的是，在圖15b中臺風中心東側有一比濕場增加的區(qū)域，增量為1 g/kg。與比濕場類似，圖16中氣團訂正后臺風中心的溫度場差值以負值為主，且24日12時表現得更明顯，達-1.5℃以上。與圖15b類似的是，在圖16b中臺風中心東北到西南側有一半環(huán)狀溫度增加的區(qū)域，增量為1.5℃。因此，氣團訂正對臺風中心附近比濕場和溫度場的作用表現為一定程度的減濕和減溫，且24日12時減小的量較24日18時更為明顯，但在24日18時臺風中心東側有一較明顯的增濕增溫區(qū)域，而這一區(qū)域正是臺風下一時刻即將經過的地區(qū)。這在一定程度上說明除了受引導氣流的影響，臺風還有向高溫高濕區(qū)移動的趨勢。

圖15 2012年6月24日12時（a）和24日18時（b）氣團訂正前后850 hPa預報比濕差（試驗二減試驗一）空間分布圖 單位：g/kg。

圖16 2012年6月24日12時(a)和24日18時(b)氣團訂正前后850 hPa預報溫度差（試驗二減試驗一）空間分布圖 單位：℃。

綜上所述，通過對圖14～圖16的分析可以發(fā)現，臺風的移動路徑主要受大西洋副熱帶高壓外圍引導氣流的影響，氣團訂正后副熱帶高壓的加強有利于實現臺風的提前轉向，同時比濕場和溫度場對臺風的移動也有一定的作用，主要表現為臺風更傾向于向高溫高濕的地區(qū)移動。

6 總結與討論

靜止衛(wèi)星對熱帶氣旋的監(jiān)測有著比極軌衛(wèi)星更大的優(yōu)勢，本文利用HWRF系統(tǒng)對GOES-13/15靜止衛(wèi)星成像儀資料進行了一組對照試驗，比較了氣團訂正對靜止衛(wèi)星成像儀資料同化效果的影響，細致分析了訂正前后靜止衛(wèi)星資料同化對臺風路徑預報的影響以及同化后臺風中心附近的預報場（位勢高度場、比濕場和溫度場）對臺風移動路徑的作用。主要結論如下。

（1）氣團訂正后，GOES衛(wèi)星紅外通道|O-B|的偏差分布得到了改善，能更好地滿足均值為零的正態(tài)分布，大部分紅外通道的平均誤差都得到了減小。經過資料同化后，|O-A|的偏差更滿足高斯無偏分布，且大部分紅外通道的平均|O-A|都小于|O-B|；從空間分布來看，GOES-15通道3的|O-A|較|O-B|減小的最大，達到了±2 K，表明分析場模擬的亮溫比背景場模擬的亮溫更接近觀測亮溫值，同化系統(tǒng)的收斂性較好，能有效地將觀測資料同化進背景場中，且GOES-13的同化效果優(yōu)于GOES-15。

氣團訂正增加了臺風中心整層的位勢高度場，但在高層臺風中心東、西兩側各有一位勢高度降低的負值中心，這與高層溫度場增加的正值中心有一定的對應關系，比濕場的差異主要表現在臺風東、西兩側的不同，氣團訂正增加了臺風東側的比濕，但降低了西側的比濕。

（2）對比試驗一和試驗二模擬的臺風預報路徑發(fā)現，同化試驗比控制試驗提前了6小時預報出與實際觀測路徑較為接近的臺風路徑。這表明，相比氣團訂正前的GOES觀測資料，同化氣團訂正后的GOES資料能更早地預報出與實際觀測路徑較為吻合的臺風路徑，且隨著時間的推移，預報與觀測路徑的平均偏差更小，預報的穩(wěn)定性也更好。

（3）氣團訂正增強了500 hPa臺風東環(huán)副熱帶高壓的強度，其西側西南氣流的加強有利于臺風提前6小時實現向東的正確轉向。除對環(huán)境氣流的影響之外，氣團訂正還降低了臺風中心的比濕和溫度，但在24日18時臺風中心東側有一較明顯的增濕增溫區(qū)，這在一定程度上說明臺風有向高溫高濕區(qū)移動的趨勢。

本文只討論了氣團訂正對臺風路徑預報的影響，下一步可以對臺風強度預報作進一步分析，且選取一次臺風個例進行研究可能具有偶然性，后續(xù)還需研究更多的臺風個例對文中的結論進行驗證和推廣。