賴安偉 馬鶴翟 崔春光 康兆萍 王志斌 杜牧云 肖艷姣 王 玨

中國氣象局武漢暴雨研究所暴雨監(jiān)測預警湖北省重點實驗室，武漢 430205

提 要： 針對2020年5月4日發(fā)生在江南的一次颮線過程，在逐15 min快速更新循環(huán)同化預報系統(tǒng)中，探討了利用3DVAR方法同化雷達徑向風、反射率和反演觀測對短時降水、大風和冰雹等災害天氣的預報影響，同時研究了不同冷啟動時刻對降水預報的影響。結果表明：冷啟動時刻同化反演水汽和云內溫度觀測，觀測強回波區(qū)的水汽和降水回波區(qū)內位溫增量為正。隨著循環(huán)次數的增加，背景場中虛假對流區(qū)的水汽減弱，對流被抑制；正的溫度增量主要集中在觀測回波大于背景模擬回波區(qū)，其增幅明顯減小。相對于只同化雷達資料試驗，同化“偽觀測”資料能明顯改善0～3 h內的雷達組合反射率和降水預報， 2～5 km上升螺旋度路徑與大風、冰雹災害位置更接近；對0～6 h的1 h累計降水量在1、5和10 mm等級的FSS評分改善明顯，隨著循環(huán)同化次數增多，改進效果先明顯增加，6～8 h左右改進效果達到頂峰，隨后FSS評分相對雷達同化試驗有所下降。在12時(世界時)更新背景場后，相對于05時冷啟動明顯提高降水FSS評分，且同化“偽觀測”資料的積極貢獻預報時效更長。

引 言

由于常規(guī)觀測網不能為對流尺度數值預報模式初始化提供精細的觀測資料，而雷達探測資料具有高時空分辨率特征，是一種應用于對流尺度數值預報同化系統(tǒng)的理想觀測資料。近幾十年，國內外科學家利用雷達資料初始化對流尺度數值天氣預報模式開展了大量的研究。主要方法包括：物理初始化技術(Yang et al,2006)和復雜云分析方法(Albers et al,1996；Zhang，1999；Ducrocq et al,2000；朱立娟等，2017；顧春利等，2018)、 三維/四維變分同化方法(Sun and Crook，1997;1998；Gao et al,1999;2004；Hu et al,2006a;2006b；Xiao et al,2007；Sun and Wang，2013；Wang，2013a;2013b；Wattrelot et al,2014；陳明軒等，2016；陳鋒等，2020)、集合卡爾曼濾波(Zhang et al,2004；Tong and Xue，2005；Yussouf and Stensrud，2010；Dowell et al,2011；Johnson et al,2015)，以及變分與集合相結合的混合資料同化方法(Wang et al，2013c;2019；Gao and Stensrud，2014；Gao et al，2016；Shen et al，2016；Wang and Wang，2017)。以上研究表明，在對流尺度數值預報模式中同化多普勒雷達資料，有利于改進強對流天氣分析和短期(≤6 h)預報。

雷達反射率直接反映了與降水有關的水凝物信息，與水凝物變量之間是非線性關系。但同化雷達反射率仍然面臨許多挑戰(zhàn)。早期，云分析是一種十分有效的雷達反射率同化方法。在ARPS(Advanced Regional Prediction System)復雜云分析系統(tǒng)中(Zhang，1999；Hu et al,2006a；Schenkman et al,2011)開發(fā)了一種算法，可以實現水汽和云內溫度的調整。Hu et al(2006a)和Schenkman et al(2011)利用3DVAR同化方法分析雷達徑向風和云分析系統(tǒng)同化雷達反射率，結果顯示該方法對短期強風暴，包含龍卷和冰雹等的超級單體有一定的預報能力。最近幾年，科學家們也發(fā)展了其他的方法，同化從云或者降水觀測中反演的水汽以改進模式預報能力。Caumont et al(2010)和Wattrelot et al(2014)在法國氣象局開發(fā)的中尺度模式中實施了一種1D+3DVAR 同化雷達反射率的方法。利用雷達反射率觀測，基于貝葉斯反演技術獲得相對濕度廓線作為“偽觀測”或者“反演觀測”。在云分辨率尺度的數值模式開展了3DVAR同化反演相對濕度的研究。結果表明，同化“偽觀測”能顯著提高降水短時預報。張誠忠等(2012)基于雷達反射率因子反演降水率，以線性化的大尺度凝結方案和簡化的對流參數化方案為降水的觀測算子，建立大氣濕度一維變分同化系統(tǒng)獲得水汽廓線，將水汽廓線通過3DVAR方法初始化GRAPES模式，從而提高降水預報準確率。最近，張誠忠等(2019)利用與Caumont et al(2010)相同的貝葉斯反演技術，基于雷達反射率反演出大氣相對濕度，并引入3DVAR系統(tǒng)進行同化分析，批量試驗表明反演相對濕度同化能提高0～4 h 內1 h累計降水在1 mm和5 mm等級降水的TS評分。Wang et al(2013a)基于WRF的同化系統(tǒng)(WRFDA)，設計了利用雷達反射率估計云內水汽和云水的方案，并將反演的觀測同化到WRF模式中。結果表明，同化反演水汽對夏季強對流事件的短時降水預報具有顯著的正貢獻。范水勇等(2013)將該方法應用到北京市氣象局業(yè)務運行的快速更新同化預報系統(tǒng)中，4次強降水同化試驗結果表明，同化雷達反射率資料能極大提高短時降水預報效果，其正預報可延伸至6 h左右。該方法基本假設與ARPS云分析方案類似，即當雷達反射率大于某個閾值，假設云內飽和。

在云分析或者其他方法中，當觀測雷達反射率因子大于某個閾值時，假定區(qū)域內的水汽處于飽和狀態(tài)，其相對濕度被調整為100%。這種處理存在的問題是，加入過多的水汽或凝結潛熱，導致降水等要素預報高估，與反射率有關的大部分變量存在過量估計和正的偏差，導致預報誤差快速增長。在高頻率的次小時(5～15 min)快速更新循環(huán)同化中，不斷加入的水汽迅速導致對流的強度和覆蓋范圍比實際觀測過量預報，經過幾個云分析循環(huán)分析后，預報性能顯著下降(Schenkman et al,2011；Fierro et al,2016)。除此之外，云分析方法采用的經驗算法存在很多不確定性，使得云分析在對流尺度天氣數值預報中應用具有一定的局限性(Gao and Stensrud,2012)。

3DVAR方法直接同化雷達反射率時主要更新初始場中的水凝物相關變量，而對對流系統(tǒng)發(fā)展至關重要的水汽和位溫擾動等信息無法被改變或者改變很弱，導致許多情況下預報效果不好(Ge et al,2013)。在過去的幾年中，Fierro et al(2014；2015；2016)基于3DVAR方法發(fā)展了“偽水汽”技術，同化地基閃電和靜止衛(wèi)星閃電觀測來提高龍卷等強對流預報水平。Carlin et al(2017)提出一種由雙極化差分反射率(ZDR)識別深濕對流柱的方法，通過ARPS復雜云分析方案中對流方案計算云內水汽和調整云內溫度。針對兩個超級單體風暴實例，開展了ZDR“偽水汽”觀測同化試驗。結果表明，與雷達反射率因子觀測相比，1 h短時臨近預報風暴傳播速度和移動路徑更為合理，能減弱控制試驗中風暴向北移動的位置偏差。同化ZDR試驗的分析場對流核中的上升氣流更為連貫，虛假對流更少。與3DVAR同化閃電資料(Fierro et al，2014)和差分反射率ZDR(Carlin et al，2017)方法相似，Lai et al(2019)利用雷達反射率計算的垂直積分液態(tài)水含量(VIL；Greene and Clark，1972)，分離對流降水與層狀降水并識別對流區(qū)域(Zhang and Qi，2010)，假設飽和深對流柱內水汽飽和，由背景場信息反演“偽水汽”。針對兩次龍卷天氣過程，基于3DVAR方法開展了雷達徑向風、雷達反射率和“偽水汽”等觀測資料同化研究。結果表明，同化“偽水汽”后的對流系統(tǒng)路徑與龍卷發(fā)生位置具有更好的對應關系，提高了0～3 h內20、30、40 dBz的ETS定量評分。Lai et al(2020)基于VIL的對流云/層狀云分離算法，在對流降水區(qū)內，采用濕絕熱溫度初始化方案(Hu et al，2006a；Carlin et al，2017)，而在層狀降水區(qū)，采用凝結潛熱加熱方案(Albers et al, 1996; Zhang, 1999)形成一種新的溫度調整方案，并以此獲得“偽溫度”觀測。針對兩個梅雨鋒暴雨個例，開展了“偽水汽”“偽云內溫度”同化方案的對比試驗，結果表明，在同化雷達徑向風、反射率、“偽水汽”同時引入新的融合溫度方案對0～3 h的降水改進效果最為明顯。

從Lai et al (2019；2020)的研究表明，同化“偽水汽”和“偽云內溫度”對提高致龍卷強對流、梅雨鋒強降水等多個天氣個例的預報能力都有正的貢獻。該方法在颮線等大風、冰雹天氣是否適用呢？此外，Lai et al(2019；2020)循環(huán)同化周期為3～4 h，那么更長時間的循環(huán)同化過程(6～12 h) 同化“偽水汽”和“偽云內溫度”是否能夠持續(xù)改善對流的預報呢？因此，本文基于前期的研究成果，針對2020年5月4日發(fā)生在我國江南地區(qū)伴隨有大范圍大風、冰雹和短時強降水等天氣現象的一次颮線天氣過程，基于千米級逐15 min高頻率的更新循環(huán)同化預報系統(tǒng)，開展了雷達資料、雷達反射率反演水汽和云內溫度資料的對比同化研究，以探究雷達反射率“偽觀測”方法是否適用于颮線強對流過程。同時探討了在快速更新循環(huán)同化系統(tǒng)中，長時間的循環(huán)同化“偽觀測”是否具有持續(xù)的正貢獻，為業(yè)務應用提供經驗和技術參考。

1 同化方法

1.1 3DVAR 同化系統(tǒng)

3DVAR同化系統(tǒng)是由美國俄克拉何馬大學強風暴中心發(fā)展的適合于對流尺度的雷達資料同化系統(tǒng)(Gao et al，1999；2004；Hu et al，2006a；2006b)，隨后由NOAA強風暴實驗室(NSSL)升級與發(fā)展(Gao and Stensrud，2012；Gao et al，2013；傅承浩等，2018；Wang et al，2019)。目前該同化系統(tǒng)可以初始化ARPS模式和WRF模式。其代價函數可寫為下列形式:

(1)

式中：代價函數由三項構成，其中右邊第一項為分析場與背景場之間的距離，xb為背景場，x為分析變量。分析變量包括了風場的3個分量(u，v，w)、位溫(θ)、氣壓(p)、水汽混合比(qv)、雨水混合比(qr)、雪混合比(qs)和冰雹混合比(qh)。B為背景場誤差協(xié)方差矩陣，R為觀測誤差協(xié)方差矩陣，B和R不包括變量間的交叉相關，B中空間相關利用遞歸濾波技術實現(Purser et al，2003a；2003b)。第二項為觀測項，代表分析場與觀測向量之間的距離。H為觀測算子，其將模式變量映射為觀測變量。同化雷達徑向風和雷達反射率的觀測算子下文簡單介紹，詳見參考文獻(Gao et al, 1999；2013；傅承浩等，2018)。第三項可以是包含質量連續(xù)性方程和數值模式方程在內的弱約束項。

(2)

式中：u、v、w為大氣三維風場，vr為雷達徑向速度，r是觀測點到雷達位置的距離，h為雷達觀測點離地球表面的高度，s為雷達射線投影到地面上的距離，φ為雷達觀測點的方位角。

在早期的ARPS 3DVAR變分同化系統(tǒng)中，不能直接同化反射率，而是利用云分析方法來同化(Hu et al,2006a；2006b)。Gao and Stensrud(2012)在3DVAR系統(tǒng)中增加水凝物變量(主要包括雨、雪、冰雹等)為控制變量，并設計一個利用背景場溫度實現水凝物分類的雷達反射率觀測算子，在變分框架下發(fā)展了直接同化雷達反射率的方法。雷達反射率的觀測算子是包括了qr、qs和qh三者的總貢獻，其表達式為：

Ze=Z(qr)+Z(qs)+Z(qh)

(3)

其中雨水的貢獻可表示為(Smith et al，1975)：

Z(qr)=3.63×109(ρqr)1.75

(4)

如果氣溫低于0℃，干雪的貢獻為：

Z(qs)=9.80×108(ρqs)1.75

(5)

如果氣溫高于0℃，濕雪的貢獻為：

Z(qs)=4.26×1011(ρqs)1.75

(6)

根據Lin et al(1983)和Gilmore et al(2004)的研究，冰雹的貢獻為：

Z(qh)=4.33×1010(ρqh)1.75

(7)

因子方程取對數擴大十倍，即為反射率因子。

ZdBz=10log10Ze

(8)

Gao and Stensrud(2012)利用背景溫度對模式的水凝物進行分類，式(3)可寫為：

(9)

式中：Ze為雷達反射率；Tb為背景場溫度，用于降水粒子分類；α是在-5～5℃線性變換的系數，其在-5℃時值為0，在5℃時值為1。

1.2 雷達反射率“偽觀測”同化方法

大量研究表明水汽條件對對流尺度系統(tǒng)的發(fā)展至關重要。而高分辨率的溫度、濕度觀測十分稀少，在3DVAR同化系統(tǒng)中同化雷達資料時水凝物間未考慮交叉相關，導致同化回波只能改善水凝物，而無法改善對對流發(fā)展與維持至關重要的溫度和水汽場，使得模式中的對流不能快速發(fā)展，存在spin-up問題。Lai et al(2019)針對該問題，發(fā)展了一種“偽水汽”反演算法，在直接同化雷達資料的基礎上，同化“偽水汽”以提高強對流系統(tǒng)的0～3 h預報能力。該方案基于地基雷達反射率觀測及其反演的VIL分離深對流降水區(qū)和層狀降水區(qū)(Zhang and Qi，2010)，當VIL大于某個閾值(默認6.5 kg·m-2)即為對流降水，否則為層云降水。針對濕深對流區(qū)，假設水汽是飽和狀態(tài)(RH=100%)，根據背景場的溫度和氣壓等變量估計飽和水汽壓對應的水汽含量，生成“偽水汽”觀測。此外如果背景場中存在虛假對流，則降低虛假對流區(qū)的相對濕度以抑制或減弱背景場中的虛假對流。應用包括三個步驟：(1)利用經過質量控制后的中國新一代天氣雷達組網CINRAD的基數據，將雷達反射率插值到三維模式格點；(2)基于三維模式格點信息，反演“偽水汽”；(3)將“偽水汽”作為觀測，利用ARPS 3DVAR方法與雷達等觀測一起同化。由于“偽水汽”觀測資料存在幾個不確定性，如背景場的溫度和氣壓誤差導致的不確定性；云區(qū)可能存在未飽和條件；對流傾斜發(fā)展等。因此，其觀測誤差取為3 g·kg-1(Fierro et al，2016；Lai et al，2019)。

在Lai et al(2019)中，并未考慮云內溫度調整。Lai et al(2020)提出了充分利用ARPS復雜云分析系統(tǒng)中對云內溫度的調整方法的優(yōu)勢，考慮層云降水與對流降水區(qū)內溫度加熱廓線不同(Huaman and Schumacher，2018)，基于VIL的對流云/層狀云分離算法，在對流降水區(qū)內，采用濕絕熱溫度初始化方案，而在層狀降水區(qū)，采用凝結潛熱加熱方案，形成一種新的溫度調整方案而獲得“偽溫度”觀測。利用3DVAR同化云內偽溫度觀測，相對于直接采用云分析方案，可以通過給定觀測誤差反映溫度調整中的不確定性，使得分析結構更為合理。與“偽水汽”類似，云內溫度觀測的不確定性主要來源于：背景場中溫度、氣壓等的不確定性，云分析中雷達反射率與水凝物的診斷方程的不確定性，以及由于對流云與層狀云分離算法帶來的不確定性等。云內的溫度觀測十分稀少，且對其準確測量也十分的困難，因而誤差的確定十分困難，經過測試，將其觀測誤差設置為3.5 K。

2 武漢快速更新循環(huán)同化預報系統(tǒng)介紹

為了提高災害性天氣短時預報能力，2019年中國氣象局武漢暴雨研究所建立了千米級高分辨率的快速更新循環(huán)同化預報系統(tǒng)(以下簡稱WHRUC)。該系統(tǒng)水平分辨率為1.5 km，分析更新頻率為15 min，預報更新頻率為1 h，預報時效為12 h。主要包括觀測資料預處理模塊、模式前處理模塊WPS4.0、資料同化模塊ARPS 3DVAR、模式模塊WRF V3.7.1(Skamarock et al, 2008)和模式后處理模塊UPP4.0。系統(tǒng)主要參數設置如表1所示。模式區(qū)域中心位于31°N、112.3°E，水平格點數為801×701，垂直方向為51層，積分時間步長為10 s。其主要物理過程有Thompson顯式微物理方案(Thompson et al, 2008)、YSU邊界層方案(Hong, 2010)、RRTM 長波輻射方案(Mlawer et al, 1997)、Dudhia短波輻射方案(Dudhia, 1989)，無積云參數化方案(表1)。系統(tǒng)分別在每日05:15和17:15(世界時，下同)冷啟動，其初始場和邊界條件由3 km水平分辨率的華中區(qū)域快速更新同化系統(tǒng)或者NCEP GFS 最新的前6 h或者12 h預報場提供，每次預報啟動更新模式的側邊界條件。系統(tǒng)可提供逐15 min 的實時分析場，并在整點提供逐15 min間隔的0～12 h預報場。

表1 武漢快速更新循環(huán)同化預報系統(tǒng)參數特征Table 1 The main physical processes in the WHRUC system

同化的觀測資料主要包括地面、飛機報、探空等常規(guī)資料和中國新一代天氣雷達組網的雷達基數據，其中常規(guī)資料同化間隔為1 h，雷達徑向風和反射率因子同化間隔為15 min。在常規(guī)觀測資料處理方面，首先將原始GTS報文數據解碼為Little_r格式。然后使用WRFDA系統(tǒng)中的obsproc程序實現極值檢查、一致性檢查、重復數據剔除、時間窗口和模式區(qū)域觀測資料篩選等質量控制。最后，將質量控制數據轉為ARPS同化數據格式。在雷達資料處理方面，采用兩步質量控制。第一步，利用中國氣象局武漢暴雨研究所開發(fā)的短時臨近預報子系統(tǒng)中的質量控制算法，針對SA、SB、SC、CC、CD波段雷達資料進行了質量控制，主要包括速度退模糊、地物雜波、超折射、奇異值糾正、非氣象回波等質量控制(肖艷姣等，2012；2016；吳濤等，2013)；統(tǒng)一庫長等參數，并將雷達基數據統(tǒng)一輸出為SA型號雷達格式。第二步，使用ARPS 3DVAR系統(tǒng)自帶的質量控制算法(Gao et al, 2013)再進行一次質量控制。

3 數值試驗設計

3.1 個例介紹

2020年5月4日，受高空低槽東移影響，在重慶、湖北、湖南和江西等地自西向東發(fā)生大范圍的冰雹、大風和短時強降水等強對流天氣過程(圖1)。本次強對流過程具有發(fā)生范圍廣、強對流天氣類型多等特點。短時強降水主要出現在湖南北部、湖北東南部和安徽等地，上述大部分地區(qū)均出現了大于20 mm·h-1的強降水，部分站點的降水強度甚至超過了80 mm·h-1。大風天氣多出現在湖南中北部，大部分地區(qū)極大風速超過17 m·s-1，局部地區(qū)甚至超過了25 m·s-1。本次過程還給湖北、湖南、江西等地帶來冰雹天氣，冰雹直徑多在5～10 mm。雷暴天氣范圍最為廣泛，覆蓋了長江中游和江南北部的廣大區(qū)域。

圖1 2020年5月4日00時至5日00時強對流天氣累積監(jiān)測結果(中央氣象臺天氣業(yè)務內網)Fig.1 Severe convective weather monitoring in China from 00 UTC 4 to 00 UTC 5 May 2020(The picture is from the NWC)

為了進一步分析本次過程的環(huán)流背景，圖2a和2b分別給出了5月4日00時和12時的500 hPa高度場疊加850 hPa相對濕度和850 hPa風場。從圖中可以看出，5月4日亞洲中緯度呈兩槽一脊形勢，巴爾喀什湖和日本海各存在一個低槽，蒙古西部地區(qū)有一高壓脊，脊前槽后的高空西北氣流引導低層干冷空氣逐漸向我國南方移動，至12時，在850 hPa 風場上蒙古至我國華北可見一反氣旋環(huán)流，其底部偏東風已抵達黃河以南地區(qū)，表明冷空氣正在南下，并將與南來的西南氣流輻合于長江流域。在中低緯度，副熱帶高壓橫亙于西北太平洋至孟加拉灣地區(qū)，南支槽活動較為活躍，在高原東側有一短波槽東移，引導低層低渦和切變線的東移發(fā)展，至12時長江流域和江南地區(qū)850 hPa相對濕度明顯升高。由此可見，這樣的環(huán)流配置為江南地區(qū)的降水、強對流提供了有利的熱力、動力和水汽條件。圖2c,2d分別給出了5月4日00時的湖南懷化站和12時的湖南長沙探空站的T-logp圖。從溫度和露點線的演變來看，00—12時，中低層的溫度露點差明顯減小，表明大氣中水汽含量的增加，而在對流層上層(400～300 hPa)則仍存在一個干層，且12時的長沙探空站850 hPa以上存在深厚的不穩(wěn)定層結，表明江南北部地區(qū)大氣呈“上干冷、下暖濕”特征，這對于雷暴大風的發(fā)生比較有利。此外，12時的風廓線表明對流層中層存在西風急流，使得垂直風切變明顯增強，這是強對流天氣發(fā)生的另一有利條件。

圖2 2020年5月4日00時(a)和12時(b)ERA-Interim再分析形勢場，(c)00時的湖南懷化站和(d)12時的湖南長沙站探空斜T-logp圖(圖2a和2b中黑線為500 hPa位勢高度，等值線間隔為40 gpm，陰影為850 hPa相對濕度；風羽為850 hPa水平風場；圖2a中黑色圓點為探空站的位置)Fig.2 ERA-Interim reanalysis data at 00 UTC (a) and 12 UTC (b) 4 May， and the skew T-logp diagrams for Huaihua Station at 00 UTC (c) and Changsha Station at 12 UTC (d) 4 May 2020 (In Figs.2a, 2b, black line is for geopotential height at 500 hPa, contour interval is 40 gpm, shaded area is for relative humidity, wind barb is for horizontal wind at 850 hPa；the two black dots in Fig.2a stand for the locations of Huaihua and Changsha sounding stations)

從觀測的雷達組合反射率因子演變圖來看(圖3)，此次對流從重慶開始發(fā)展，一開始為分散性對流，在12時(圖3c)對流增強變得有組織化；隨著低渦切變線東移南壓，15時湖南中部颮線特征明顯并快速向東移動，由于前期降水形成的地面冷池和低渦后部冷空氣與南部的暖濕氣流相互作用，切變線的南側不斷形成新的β中尺度回波帶；18時系統(tǒng)快速移動至江西與湖南交界處，在湖北省大別山南側對流也逐漸增強，15—21時颮線發(fā)展最為旺盛(圖3d,3e,3f)。

圖3 2020年5月4日06時(a)、09時(b)、12時(c)、15時(d)、18時(e)和21時(f)觀測雷達組合反射率因子拼圖Fig.3 Radar reflectivity mosaic images at 06 UTC (a), 09 UTC (b), 12 UTC (c), 15 UTC (d), 18 UTC (e) and 21 UTC (f) 4 May 2020

3.2 數值試驗設計

針對2020年5月4日這次強對流天氣過程，基于武漢RUC，開展了雷達資料及雷達反射率因子“偽觀測”資料同化研究。為了減少模式南邊界的影響，對比試驗模式中心相對于業(yè)務試驗系統(tǒng)向南移動2°，至29°N、112.3°E，其他物理過程與WHRUC相同(表1)，模式區(qū)域設置見圖4。

圖4 模式區(qū)域及同化雷達分布[白色方框為模式積分區(qū)域，黑點為雷達站觀測點，紅色圓圈為雷達最大覆蓋范圍(230 km)，共計29部雷達用于同化試驗]Fig.4 The model domain and locations of the radar stations[White box indicates the model domain, black dots represent locations of radar stations and maximum range (230 km) of each radar is shown by red circle, 29 radars are used for the data assimilation experiments]

從此次天氣演變過程可以發(fā)現，過程初期，分散性局地強對流開始在模式區(qū)域西側出現，隨后逐漸發(fā)展增強變?yōu)榇蠓秶㈤L歷時颮線過程。首先，為了考察雷達反射率“偽觀測”同化方法對強對流預報的影響，設計了雷達資料和“偽觀測”資料的同化敏感性試驗，分別是雷達資料同化試驗(Radar)和“偽觀測”資料同化試驗(RadPO)。其中Radar 試驗利用3DVAR方法直接同化雷達徑向風和反射率因子，RadPO試驗是在Radar的基礎上同化了“偽水汽”和“偽云內溫度”觀測(表2)。該組試驗從05時冷啟動，逐15 min循環(huán)同化至18時，并且在06—18時中的每個整點預報12 h。進一步，為了考察循環(huán)同化時長和不同的冷啟動時間對對流系統(tǒng)的預報影響，設計了第二組同化對比試驗，冷啟動時間為12時，分別為雷達同化試驗Radar12和“偽觀測”同化試驗RadPO12(表2)。兩組同化試驗，使用2020年5月4日00時和12時NCEP GFS預報的0～36 h的3 h間隔預報場作為背景場和邊界條件。其中05時冷啟動的背景場為00時預報的3～6 h時間插值。12時冷啟動的背景為12時NCEP GFS的0 h分析場。

表2 同化試驗設計Table 2 The acronyms and descriptions of the simulation experiments

4 結果分析

4.1 分析場

首先分析同化“偽觀測”資料(“偽水汽”和“偽云內溫度”)后水汽和位溫的增量水平分布。圖5是2020年5月4日05、06、12和18時觀測組合反射率因子、同化試驗RadPO背景場模擬組合反射率因子、RadPO試驗地面以上3 km處水汽增量和位溫增量。從圖5可以看出，05時在重慶、四川東部有局地的對流單體存在，此時模式冷啟動，背景場中無水凝物信息，模擬雷達回波為缺測。同化“偽觀測”后，主要有正的水汽增量和溫度增量。水汽增量的水平位置與觀測強回波對應，范圍較小。而溫度增量范圍與大于20 dBz的組合反射率相一致，比水汽增量范圍大。這是因為，此刻“偽水汽”觀測僅在深對流區(qū)獲得，而“偽云內溫度”在對流區(qū)和層狀區(qū)兩部分都有反演。循環(huán)同化1 h后，重慶中部對流單體有所發(fā)展，背景場中的回波在重慶中部與觀測接近，相對觀測偏弱。此時水汽增量出現正負分布形態(tài)，其最大(小)為2.5 g·kg-1(-1.6 g·kg-1)，這是背景場模擬對流與觀測對流有細微的位置偏差導致的，同時背景場中出現了虛假對流，“偽水汽”算法為了抑制對流，存在負的水汽增量，符合我們預期的結果。至12時，背景場模擬回波與觀測比較相似，但是在湖南中部和江西中部存在虛假對流，并且湖南北部的對流單體強度和范圍比實況大水汽增量主要以負增量為主，其最大(小)為7.1 g·kg-1(-2.6 g·kg-1)，但在新生強對流區(qū)域(如河南西南部)，出現較大的正水汽增量。通過引入“偽水汽”觀測，對背景場中不存在或強度較弱而觀測較強的對流系統(tǒng)有正水汽增量，而在虛假對流區(qū)有負水汽增量。溫度增量主要以正值為主，3 km高度最大值為0.7 K。循環(huán)13 h 后至18時，可以發(fā)現背景場的回波空間分布形態(tài)與觀測十分接近，但是颮線強回波的位置相對于觀測移動略快而偏東，在湖南中部層狀回波比觀測弱(圖5m，5n)。此時水汽增量在背景強回波區(qū)為較大的負值，觀測強回波區(qū)為正值，其最大(小)為5.6 g·kg-1(-2.5 g·kg-1)，此時對應正的溫度增量在層狀回波區(qū)。背景場模擬對流系統(tǒng)移動的速度快于觀測，導致對流系統(tǒng)的移動前方為負的水汽增量，而移動后方為正的水汽增量。循環(huán)同化過程中，新生對流單體區(qū)域有正的水汽增量和正的溫度增量，同化雷達資料、“偽水汽”和“偽云內溫度”后，明顯改進了對流的預報。但是模擬的回波強度較觀測略強，背景場中的虛假對流也逐漸的增多。通過減少水汽，不能快速地抑制背景場中所有的虛假對流，應該考慮其他方法。

圖5 2020年5月4日05時(a～d)、06時(e～h)、12時(i～l)和18時(m～p)觀測組合反射率因子(a, e, i, m)，同化試驗RadPO背景場模擬組合反射率因子(b, f, j, n)，RadPO試驗地面以上3 km處水汽增量(c, g, k, o)和位溫增量(d, h, l, p)Fig.5 The observed composite radar reflectivity (a, e, i, m), background simulation composite reflectivity (b, f, j, n), analysis increments of water vapor (c, g, k, o), and analysis increments of potertial temperature (d, h, l, p) for RadPO at 3 km, 05 UTC (a-d), 06 UTC (e-h), 12 UTC (i-l) and 18 UTC (m-p) 4 May 2020, respectively

接下來對同化試驗RadPO在12時和18時垂直方向上環(huán)流特征、水汽增量和溫度增量進行分析(圖6)。從垂直環(huán)流場來，12時觀測強回波區(qū)的后部有較強的上升氣流，在前部低層有較強的入流，有利于低層暖濕氣流輸送到對流區(qū)，而在觀測的層狀云區(qū)有較強的下沉運動(圖6a)。從同化雷達徑向風后三維風場的增量來看，在對流區(qū)和后部層狀降水區(qū)都有較強的正的垂直速度增量，上升運動增強，在對流前部層狀降水回波區(qū)有較強的負的垂直速度，加強了云砧的下沉，下沉運動一直延伸到模式底層(圖6b)。18時颮線已經發(fā)展旺盛，從沿颮線頂點的垂直剖面可以看到，此時的垂直剖面具有標準的颮線結構，存在明顯的逆時針垂直環(huán)流特征，層狀云區(qū)的下沉入流侵入對流核區(qū)，伴隨有對流尺度的下沉，推動陣風鋒向前移動，同化雷達徑向風增加了鋒前前部入流的風速(圖6c，6d)。從水汽增量場的垂直分布來看，在12時，觀測回波的高度超過15 km，背景場模擬回波在觀測回波區(qū)偏弱，20 dBz的伸展高度較觀測低3～4 km，在對流前方存在虛假的對流，其最強回波超過40 dBz。因此，同化“偽水汽”后在觀測回波與背景場差異較大的區(qū)域有正的水汽增量，在虛假對流區(qū)有負的水汽增量。水汽增量主要集中在10 km以下，數值從低層向高層逐漸減弱(圖6a)。18時的水汽增量與12時類似，背景場模擬的對流快于觀測，導致颮線前方有負水汽增量，颮線后側有正的水汽增量(圖6c)。從溫度增量來看，12時和18時溫度增量主要出現在對流上部，由于溫度增量是由水凝物的增量通過凝結潛熱進行調整的，而模式模擬的回波在110.96°E附近的伸展高度明顯小于觀測雷達回波，因此，通過雷達反射率獲得正的水凝物貢獻，其位溫的增量大值中心也位于12～15 km，這個極值中心高度和強度與Huang et al(2018)通過潛熱Nudging方法的結果類似。盡管存在虛假的雷達回波，當水凝物增量為負時，本溫度方案中未調整云內溫度。

圖6 2020年5月4日12時(a，b)和18時(c，d)同化試驗RadPO分別沿圖5i中AB直線和圖5 m中CD直線的(a,c)水汽增量(陰影)和uv-w垂直環(huán)流(風矢量)垂直剖面，(b,d)位溫增量(陰影)和uv-w風場增量(風矢量)的垂直剖面(圖6a和6c中紅色和藍色等值線分別代表觀測雷達和背景場模擬雷達的反射率，單位：dBz；uv為水平風沿剖面的合成風)Fig.6 The vertical cross-section of the increment of water vapor (shaded) and uv-w vertical circulation (vector) (a, c), the increment of potential temperature (shaded) and the increment of three-dimensional wind (vector) (b, d) along line AB in Fig.5i at 12 UTC (a, b) and along line CD in Fig.5m 18 UTC (c, d) for RadPO experiment(The red and blue lines in Figs.6a, 6c represent the observed and simulated reflectivity, respectively， unit: dBz)

4.2 降水預報

為了評估同化雷達反射率因子的“偽觀測”對降水預報的影響，首先，比較分析09時預報的0～3 h兩個同化試驗模擬回波與觀測回波(圖7)。09—12時觀測回波表明對流逐漸增強，并且12時在湘西北形成線狀對流，其前部不斷有新生對流產生(圖7j)。09時分析時刻，兩個同化試驗的分析回波與觀測較為一致，但Radar同化試驗在湖南和江西存在多個虛假的對流單體，而RadPO試驗該處的回波很弱(圖7a～7c)。1～3 h雷達反射率預報可以發(fā)現，同化“偽觀測”資料明顯有利于西部的對流的組織化，同時抑制了湖南和江西虛假對流。10—11時，分散性對流組織化為線狀對流，Radar和RadPO模擬的對流也發(fā)展為線狀對流，且RadPO與實況更為接近，但是位置較實況偏西偏北。從09時預報的0～3 h組合反射率來看，兩組同化試驗對西部的對流具有很好的預報能力，RadPO具有改進效果。

圖7 2020年5月4日09—12時逐時觀測組合反射率因子(a,d,g,j)、同化試驗Radar(b,e,h,k)和RadPO(c,f,i,l)09時預報的0～3 h組合反射率因子(a～c)分析時刻(09時)， (d～f)1 h預報(10時)， (g～i)2 h預報(11時)， (j～l)3 h預報(12時)Fig.7 Horizontal distributions of observed composite reflectivity (a, d, g, j), and corresponding analyses and forecasts from Radar (b, e, h, k) and RadPO (c, f, i, l) for 0-3 h forecasts beginning at 09 UTC 4 May 2020(a-c) analysis moment at 09 UTC, (d-f) 1 h forecast at 10 UTC, (g-i) 2 h forecast at 11 UTC, (j-l) 3 h forecast at 12 UTC

對比16時兩組同化試驗的模擬回波預報結果。

從16—19時觀測回波看(圖8a,8d,8g,8j)，16時對流進一步增強，在湖南中部形成颮線，在3 h內對流系統(tǒng)急速增強，至19時，湖北東北的分散對流也組織化，并與南部的颮線合為一個更大范圍的線狀對流，在江西境內具有明顯的弓形回波特征。在湖南的中部存在兩條對流雨帶，從兩個試驗對比來看，對整個系統(tǒng)的發(fā)展增強過程模擬較好。同化“偽觀測”資料后，其分析時刻在湖北中東部的回波更強，1～3 h的預報顯示，在湖北東部的回波與觀測更接近，而Radar則為漏報。對流的強颮線段，RadPO試驗模擬的結構明顯優(yōu)于Radar試驗(圖8)。

圖8 同圖7，但為2020年5月4日16—19時Fig.8 Same as Fig.8, but for 16-19 UTC 4 May 2020

上文定性分析了同化“偽水汽”對0～3 h 內雷達回波預報的改善作用。下文對不同時刻預報的0～3 h累計降水量進行對比分析(圖9)。為了消除模式側邊界對降水模擬的影響，只對子域(25°～33°N、107°～117°E)內的累計降水量進行評價。降水觀測是由國家氣象科學數據中心提供的逐時格點降水融合產品 (http:∥data.cma.cn/data/detail/dataCode/SEVP_CLI_CHN_MERGE_CMP_PRE_HOUR_GRID_0.10.html)，其分辨率為0.1°×0.1°(Shen et al，2014)。在評估時，將模擬降水插值到0.1°×0.1°分辨率的觀測降水格點。3 h累計觀測降水表明，降水首先出現在重慶，隨著時間推移逐漸向東南移動，強度不斷增強、影響范圍逐漸變大。18—21時雨帶移動到江西和湖北的東部，3 h累計最強降水超過50 mm(圖9m)。同化試驗Radar和RadPO在06時預報的0～3 h累計降水差異不明顯。09時，同化“偽觀測”資料抑制湖南和江西的虛假降水，同時改善了重慶、鄂西南和湘西北的降水，但較實況偏強，此時RadPO 0～3 h預報降水優(yōu)于Radar。12時，RadPO試驗相對于Radar仍然減弱了湖南和江西的虛假降水，但此時兩個同化試驗在洞庭湖附近都預報了一個較強的虛假降水中心。至15時，Radar試驗在湖南的東北部降水強度和落區(qū)明顯優(yōu)于RadPO，而在湖北的東部降水漏報。RadPO和Radar試驗對湖南中部降水的預報與實況十分吻合，但是均對湖南東北部降水有所低估，且對湖北東部降水的預報比實況偏西偏南。18時預報的0～3 h降水兩個試驗對實況都有較好的預報能力，RadPO整體更與實況接近，Radar對江西北部的強降水模擬較好，RadPO對湖北的東南部降水模擬更好，但均對江漢平原降水存在高估現象。整體來看，兩個同化試驗對0～3 h內的累計降水具有較好模擬能力，同化“偽觀測”資料有利于新生對流發(fā)展，同時能抑制虛假對流，可改善降水預報。隨著循環(huán)同化次數增加，有利于降水預報，但系統(tǒng)移動速度較實況略為偏快。

圖9 2020年5月4日06時(a～c)、09時(d～f)、12時(g～i)、15時(j～l)和18時(m～o)未來0～3 h觀測累計降水(a,d,g,j,m)與同化試驗Radar(b,e,h,k,h)和RadPO(c,f,i,l,o)對應模擬的0～3 h累計降水(陰影)Fig.9 Plots of observed 3 h accumulated precipitation (shaded) (a, d, g, j, m) and corresponding simulated precipitation of Radar (b, e, h, k, n) and RadPO (c, f, i, l, o) start from 06 UTC (a-c), 09 UTC (d-f), 12 UTC (g-i), 15 UTC (j-l) and 18 UTC (m-o) 4 May 2020

定量評估各整點預報的0～12 h內的1 h累計降水的分數技巧評分(Fractions Skill Score，FSS；Roberts and Lean，2008)。圖10是同化試驗Radar在06—18時整點預報的0～12 h內1 h累計降水在1、5和10 mm等級鄰域半徑為20 km的FSS評分及二者FSS評分差。不難發(fā)現：總體來說，06—12時Radar同化試驗隨著系統(tǒng)逐漸增強，FSS評分逐漸增大，越臨近預報降水FSS評分越高；RadPO試驗相對于Radar，在1 mm和5 mm等級上，明顯提高了0～6 h內的FSS評分，而在10 mm等級上，提高了0～3 h內的FSS值。同化“偽觀測”資料后，06—11時預報的0～6 h內降水改進明顯；RadPO試驗隨著循環(huán)同化次數的增多，12—15時預報的3～12 h內降水定量評分相較于Radar試驗變差，可能原因是在12—15時系統(tǒng)從分散性對流向組織化發(fā)展過程中的模式模擬較差，RadPO試驗移動過快，導致了空報和漏報。

圖10 2020年5月4日同化試驗在06—18時整點預報的0～12 h內1 h累計降水在1 mm(a，b)、5 mm(c，d)和10 mm(e，f)等級的FSS評分(陰影,半徑為20 km)(a，c，e)Radar，(b,d,f)RadPO-RadarFig.10 Fraction skill score (shaded) of 20 km radius for the 12 h forecasts calculated from 1 h accumulated precipitation for Radar and RadPO at 1 mm (a, b), 5 mm (c, d) and 10 mm (e, f) thresholds on 4 May 2020(a， c， e) Radar, (b, d, f) RadPO-Radar(The forecasts are released at each hour from 06 UTC to 18 UTC in both experiments)

4.3 災害天氣預報

由于此次天氣過程發(fā)生了大范圍的冰雹、大風等災害性天氣，而模式模擬的上升螺旋度參數能夠部分表征強對流天氣(Kain et al,2008;Lai et al,2019)。因此分析模式預報的0～3 h內2～5 km上升螺旋度(UH)移動路徑與大風和冰雹災害的位置關系。將15 min間隔預報的UH畫到一起形成移動路徑圖(圖11)。從06時預報的2～5 km的UH來看，由于強對流引起的冰雹與大風主要發(fā)生在重慶，兩個同化試驗預報的UH對重慶南部和湖北西部的大風與冰雹具有指示作用，特別是冰雹指示性更強。此時刻“偽觀測”資料同化RadPO改進不明顯(圖略)。循環(huán)同化至09時，RadPO同化試驗明顯改善了重慶、湖北西部和湖南西部的大風和冰雹落區(qū)預報，同時RadPO也減弱虛假對流區(qū)的UH，其結果與預報的雷達回波相一致(圖11a,11b)。16時也有類似的結論(圖11c,11d)，同化試驗RadPO預報的UH路徑與災害報告的位置更為接近，對大風、冰雹的預報具有一定的指示作用。

圖11 2020年5月4日09時(a,b)和16時(c,d)同化試驗Radar(a,c)和RadPO(b,d)預報的0～3 h 2～5 km上升螺旋度(陰影)路徑(綠色菱形為冰雹；藍色三角形為國家站災害大風，風速>17 m·s-1)Fig.11 2-5 km updraft helicity tracks (shaded) of Radar (a, c) and RadPO (b, d) for 0-3 h forecasts beginning at 09 UTC (a， b) and 16 UTC (c， d) 4 May 2020(Green rhomburses and blue triangles represent the hail and damaging wind >17 m·s-1 events, respectively)

4.4 不同冷啟動降水預報分析

從上文分析可見，隨著循環(huán)同化次數的增多，雷達資料同化試驗Radar預報的1 h定量降水逐漸改善。而“偽觀測”資料同化試驗RadPO在12—15時出現預報結果相對Radar試驗變差的現象。因此為了考察不同循環(huán)同化時次對預報影響，設計了Radar12和RadPO12試驗，從12時冷啟動，以考察背景場引起的預報差異。

從1 h累計降水的FSS評分來看(圖10和圖12)，12—17時內Radar12 1 h 累積降水在1、5和10 mm閾值FSS評分高于Radar試驗，說明更新的背景場對降水改進更為明顯。從有、無“偽觀測”資料同化的對比來看，在不同的冷啟動時間試驗表明，同化“偽觀測”都能明顯提高0～2 h的FSS評分。RadPO相對Radar在12—15時，3～12 h的FSS評分變差(圖10b，10d，10f)。而RadPO12相對Radar12，除在12時冷啟動時，FSS評分在各個量級都有提高(圖12b,12d,12f)。

圖12 同圖10，但為Radar12(a,c,e)和RadPO12(b,d,f)在12—18時Fig.12 Same as Fig.10, but for Radar12 (a, c, e) and RadPO12 (b, d, f) from 12 UTC to 18 UTC 4 May 2020

兩組不同冷啟動試驗表明，同化“偽觀測”資料都能提高降水的FSS評分。12時冷啟動試驗(Radar12和RadPO12)的評分高于05時冷啟動試驗，且同化“偽水汽”的改進作用循環(huán)同化時間更長。由于本系統(tǒng)的邊界條件是實時更新，05時和12時冷啟動試驗使用相同的邊界條件，邊界條件的影響可以忽略，差異主要來源于背景場和循環(huán)同化過程中的誤差累積。更新背景場對雷達資料未能覆蓋區(qū)域分析場質量有所改善，對整個雨帶模式改善明顯，在后續(xù)研究中，將考慮同化更多的常規(guī)觀測資料和衛(wèi)星數據以改善背景場，提高6～12 h預報效果，同時也考慮將現有每日2次的冷啟動運行，改為3～4次帶有partial cycle功能的冷啟動方式，以提高對強對流天氣的預報能力。

5 結論與討論

基于3DVAR方法同化雷達反射率時無法改善模式背景場中的水汽和熱力變量，模式存在spin-up問題。本文利用雷達反射率的反演水汽和云內溫度(“偽觀測”)方法，在逐15 min、1.5 km水平分辨率的快速更新循環(huán)同化預報系統(tǒng)中，開展了同化雷達徑向風、反射率和“偽觀測”資料的研究。針對2020年5月4日江南地區(qū)一次颮線強對流個例，進行了有、無“偽觀測”同化對比試驗，分析了該方法對降水、大風和冰雹等災害天氣的預報影響。主要結論如下：

(1)冷啟動時，同化“偽水汽”和“偽云內溫度”，能明顯增加觀測回波區(qū)域的水汽和位溫。隨著循環(huán)次數增加，正的水汽增量主要位于新生對流回波區(qū)，有利對流發(fā)展，負的水汽增量位于背景場中虛假對流區(qū)，而抑制虛假對流；同時溫度增量主要集中在觀測回波大于背景模擬回波區(qū)，其增幅明顯減小。

(2)不同冷啟動時刻的“偽觀測”同化試驗結果都表明，同化“偽觀測”明顯改善0～3 h內的雷達回波和降水預報，模擬的2～5 km上升螺旋度與大風、冰雹災害位置更接近； 0～6 h的1 h累計降水量在1、5和10 mm等級的FSS評分有所改善，可提高降水預報能力。但隨著循環(huán)同化“偽觀測”資料的次數增多，改進效果先明顯增加，6～8 h左右改進效果達到頂峰，隨后FSS評分相對雷達同化試驗有所下降。

(3)更新背景場后的Radar12試驗優(yōu)于Radar，越臨近預報結果越好。同化“偽觀測”資料都能提高降水的FSS評分。12時冷啟動試驗(Radar12和RadPO12)的評分高于05時冷啟動試驗，且同化“偽水汽”的改進作用循環(huán)同化時間更長。

由于在當前水汽抑制過程中，觀測的深對流與模擬對流只允許1.5 km的位置偏差，二者細微的位置偏差會產生較大的正負水汽增量分布，可能不利于模擬孤立或者線狀對流。“偽觀測”資料不斷地加入，導致模擬對流系統(tǒng)移動快于觀測，隨著循環(huán)同化次數增多，“偽水汽”在模擬的對流中抑制的水汽越來越多，導致對流發(fā)展受到影響，使得模擬的颮線強度減弱，反而不利于模擬。因此，在下一步的研究中，應該考慮背景場與觀測對流存在一定的位移偏差(如領域半徑為5～10 km)，以改進水汽反演的準確性。05時和12時兩組冷啟動試驗差異的原因主要來源于背景場，因此，更新背景場對雷達資料未能覆蓋區(qū)域分析場質量有所改善，對整個雨帶模式改善明顯，在后續(xù)的研究中，將考慮同化更多的常規(guī)觀測資料和衛(wèi)星數據以改善背景場，提高6～12 h降水預報水平，同時考慮將現有每日2次的冷啟動運行方式，改為3～4次帶有partial cycle功能的冷啟動方式，以提高對強對流天氣的預報能力。此外，本文工作只評估了一個天氣個例，后續(xù)還需要評估更多的實例以及在業(yè)務系統(tǒng)中的應用情況。

致謝：本工作得到了美國強風暴實驗室資料同化專家郜吉東研究員的悉心指導，武漢中心氣象臺王珊珊高級工程師提供了部分大風、冰雹等災害數據，中國氣象局武漢暴雨研究所何鄧新在論文修改方面給予了幫助，在此一并表示感謝。