沈菲菲，閔錦忠，李泓，許冬梅,3,4*，邢建勇，束艾青，宋麗欣

(1.南京信息工程大學(xué) 氣象災(zāi)害教育部重點實驗室/氣候與環(huán)境變化國際合作聯(lián)合實驗室/氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心，江蘇 南京 210044；2.中國氣象局上海臺風(fēng)研究所，上海 200030；3.中國氣象局沈陽大氣環(huán)境研究所，遼寧 沈陽 110166；4.高原與盆地暴雨旱澇災(zāi)害四川省重點實驗室，四川 成都 610225；5.國家海洋環(huán)境預(yù)報中心，北京 100081)

1 引言

自20世紀(jì)90年代以來，由于大氣輻射傳輸模式、數(shù)據(jù)同化技術(shù)的迅速發(fā)展以及眾多新型氣象衛(wèi)星的發(fā)射，衛(wèi)星觀測資料已成為數(shù)值天氣預(yù)報（Numerical Weather Prediction，NWP）中使用的觀測資料的主要來源之一。針對衛(wèi)星輻射率觀測資料，給定大氣狀態(tài)、衛(wèi)星掃描方式和固定地表屬性，就可以通過快速輻射傳輸模式來獲取模擬輻射率，然后根據(jù)模擬輻射率和觀測輻射率的差異對數(shù)值模式模擬背景場進行調(diào)整并獲取當(dāng)前大氣狀態(tài)的最優(yōu)分析[1]。前人的大量研究工作表明在全球[1–9]和區(qū)域模式[10–17]中直接同化衛(wèi)星輻射率資料可以有效提高數(shù)值預(yù)報的準(zhǔn)確性。

到目前為止，衛(wèi)星輻射率資料的直接同化已被公認(rèn)為可以有效地減少數(shù)值天氣預(yù)報誤差。在開闊的洋面上，常規(guī)業(yè)務(wù)觀測資料相對較少，這給人類對熱帶氣旋的分析和預(yù)報帶來一定的困難和挑戰(zhàn)。在過去的數(shù)十年里，很多專家學(xué)者一直致力于衛(wèi)星觀測資料的直接同化來有效改善對熱帶氣旋路徑和強度的預(yù)報[18–26]。全球衛(wèi)星降水計劃[27]（Global Precipitation Measurement，GPM）由美國國家航空航天局（National Aeronautics and Space Administration，NASA）和日本宇宙航空研究開發(fā)機構(gòu)（Japan Aerospace Exploration Agency，JAXA）聯(lián)合發(fā)起，旨在監(jiān)測全球降水情況并有效提高天氣預(yù)報的精確度。GPM的主衛(wèi)星于2014年2月28日發(fā)射升空，其上搭載了星載雙頻測雨雷達 (Dual-frequency Precipitation Radar，DPR)和一架錐形多通道GPM微波成像儀（GPM Microwave Imager，GMI）。GMI不僅繼承了其上一代熱帶測雨衛(wèi)星(Tropical Rainfall Measuring Mission，TRMM) 微波成像儀 (TRMM Microwave Imager，TMI)[28]監(jiān)測大雨到小雨的9個通道，而且增加了4個有效監(jiān)測降雪的高頻通道。此外，GMI空間分辨率是TMI空間分辨率的2倍，相比以往的衛(wèi)星降水產(chǎn)品具有更高的空間分辨率。

與上一代TRMM衛(wèi)星相比，GPM衛(wèi)星的性能有了較大的改進。同時前人在衛(wèi)星資料同化改進對臺風(fēng)的預(yù)報方面也做了大量研究并取得了令人鼓舞的研究成果。然而到目前為止，針對新一代GMI微波成像儀資料在有限區(qū)域尺度下的直接同化研究工作開展還較少，仍然有大量細(xì)節(jié)的工作有待進一步開展。因此本文擬采用美國新一代中尺度數(shù)值模式（Weather Research and Forecasting Model，WRF）及其三維變分同化系統(tǒng)（Three Dimensional Variational Data Assimilation System，3DVAR），以 2014年臺風(fēng)“麥德姆”為例，考察GMI資料直接同化對臺風(fēng)“麥德姆”分析和預(yù)報的影響。

2 觀測資料和同化系統(tǒng)

2.1 GMI微波成像儀資料

GMI微波成像儀是NASA與JAXA聯(lián)合研發(fā)的無源輻射計[27]。主要用來測量云層內(nèi)的降水信息。GMI采用錐形對地掃描方式，掃描寬度為885 km，其視場為一個橢圓。另外GMI天線直徑從其上一代TMI的 61 cm 提升到 1.2 m，從而可以獲取更高的空間分辨率。在探測頻段方面，GMI包含低頻（10～89 GHz）和高頻（166～183 GHz）共 8 個頻率 13 個通道。通道 1 至 9 的頻率（10～89 GHz）與其上一代 TMI微波成像儀類似。其中10 GHz的低頻通道只對液態(tài)降水較為敏感，主要監(jiān)測對流層下部的降水和水汽分布。183 GHz的高頻通道則對大氣深度進行探測，該通道對冰相態(tài)的水凝物較為敏感，因此可以探測到小冰粒子的散射信號。GMI的另外4個高頻通道則用來監(jiān)測小雨和降雪。GMI不僅具有探測降水的能力，還有將覆蓋范圍擴展到中緯度地區(qū)的能力。

2.2 WRFDA 同化系統(tǒng)

WRFDA(Weather Research and Forecasting Model Data Assimilation System)同化系統(tǒng)是由美國國家大氣研究中心（National Center for Atmospheric Research，NCAR）開發(fā)并維護的一個資料同化系統(tǒng)，與中尺度數(shù)值模式WRF相匹配。它由三維變分（3DVAR）、四維變分（Four Dimensional Variational Data Assimilation System，4DVAR）以及混合同化等幾部分[29]組成。本研究工作在WRFDA同化系統(tǒng)上進行了擴展，自主搭建了適用于GMI資料同化的模塊。為了對新搭建的同化模塊進行檢驗和測試，本文采用傳統(tǒng)的3DVAR同化方法，該方法是通過代價函數(shù)J(x)的迭代極小化來提供最佳分析場

表1 全球衛(wèi)星降水計劃微波成像儀傳感器特性Table 1 Global precipitatior measurement microwave imager sensor characteristics

式中，x為分析變量（分析向量）；xb為背景場，一般為模式預(yù)報場；B為背景誤差協(xié)方差矩陣；O為觀測誤差協(xié)方差矩陣[30]；B?1為B的逆矩陣；O?1為O的逆矩陣；為分析變量的觀測相當(dāng)量[31]。

2.3 GMI同化模塊構(gòu)建

由于當(dāng)前WRFDA同化系統(tǒng)不具備GMI微波成像儀資料的同化功能，因此首先需要搭建針對GMI資料的同化模塊。本文采用CRTM（Community Radiative Transfer Model）輻射傳輸模式來對 GMI資料進行模擬計算，從 HDF5(Hierarchical Data Format 5)格式的GMI Level 1資料中讀取掃描時間、地球入射角和方位角、太陽方位角和高度角、經(jīng)緯度信息、亮溫值來為背景場的模擬計算亮溫提供輸入信息。另一方面對觀測資料進行質(zhì)量控制的云中液態(tài)水路徑值（Cloud Liquid Water Path，CLWP）則從 Level 2 文件中讀取。

在同化系統(tǒng)中，觀測資料質(zhì)量控制非常重要。為了確保試驗結(jié)果的正確性，本文在沿用了一些其他衛(wèi)星觀測資料的質(zhì)量控制方法的同時還增加了適用于GMI資料特有的質(zhì)量控制方案。最后確定使用的GMI的質(zhì)量控制方法包括以下幾點：

（1）在讀取GMI觀測資料時剔除異常觀測值，例如小于50 K和大于550 K的觀測；

（2）考慮到陸地地表復(fù)雜的下墊面，本文只同化海上觀測，剔除了陸地上的觀測以及海洋表面類型較為復(fù)雜的觀測；

（3）根據(jù)觀測與背景模擬亮溫的差異進行檢驗，剔除超過特定閾值的觀測（表2）；

（4）進一步剔除偏差訂正后觀測殘差大于3σ0的觀測，σ0為觀測標(biāo)準(zhǔn)差（表2）；

表2 全球衛(wèi)星降水計劃微波成像儀通道5，6，7的觀測誤差、云中液態(tài)水路徑值和觀測殘差檢驗閥值Table 2 The observation errors of channel 5,6,7 from global precipitation measurement microwave imager,cloud liquid water path check and quality control thresholds for absolute innovation

（5）通過觀測的CLWP，剔除CLWP超過閾值的觀測（表2），其閾值參照楊春等[32]同一頻段的設(shè)置。

（6）由于通道 1 和通道 2（10 GHz）受地表發(fā)射率的影響較大，通道8和通道9（89.0 GHz）對對流降水區(qū)域比較敏感。參照楊春等[32]的研究，本文只使用通道 5，6，7 的觀測數(shù)據(jù)。

本文采用2014年7月10?25日的GMI微波成像儀資料對觀測誤差進行統(tǒng)計。根據(jù)該段時間內(nèi)觀測亮溫值和晴空模擬亮溫值的差異，計算其標(biāo)準(zhǔn)差作為觀測誤差[24]。另一方面，衛(wèi)星觀測資料往往會有一些系統(tǒng)性偏差，所以在進行GMI觀測資料同化前要進行偏差訂正處理。通常用一些預(yù)報因子的線性組合來表示輻射率偏差：

式中，該等式右邊由3項組成：第1項：H(x)為初始觀測算子（偏差訂正前），x為模式狀態(tài)向量；第2項：β0為總偏差的常量部分；第3項中pi和βi為 第i個預(yù)報因子和偏差訂正系數(shù)。等式左邊：為修改訂正過的觀測算子。偏差訂正系數(shù) β通常假設(shè)通道內(nèi)相互獨立，并且可以通過變分極小化算法進行離線計算[32]，這種方法被稱為變分偏差訂正（Variational Bias Correction，VarBC）[33–34]。本研究運用 WRFDA 的 VarBC離線計算模式，使用2014年7月10?25日的GMI觀測，統(tǒng)計得到GMI同化初始時刻的偏差訂正系數(shù)。

3 臺風(fēng)個例試驗

3.1 個例介紹

本文以2014年7月的臺風(fēng)“麥德姆”為研究個例。7月17日18時（協(xié)調(diào)世界時，下同），“麥德姆”生成于菲律賓以東的西北太平洋洋面上（圖1）。7月19日20時，美國聯(lián)合臺風(fēng)警報中心（Joint Typhoon Warning Center，JTWC）將其升級為一級臺風(fēng)。7 月23日00時在臺灣臺東縣長濱鄉(xiāng)沿海登陸，登陸時中心附近最大風(fēng)力達14級，中心最低氣壓為955 hPa。7月23日15時30分在福建省福清市高山鎮(zhèn)沿海登陸，登陸時中心附近最大風(fēng)力為11級，中心最低氣壓為980 hPa。臺風(fēng)登陸后減弱至熱帶風(fēng)暴，先向西移動，后向偏北方向移動，途經(jīng)福建?江西?安徽?江蘇；7月25日09時登陸山東榮成，然后穿過山東半島東部后進入黃海北部海面，變性為溫帶氣旋，中央氣象臺對其停止編號。截至2014年7月27日09時，受臺風(fēng)影響共有254.3萬人受災(zāi)，13人死亡，近2 600間房屋倒塌。臺風(fēng)造成的直接經(jīng)濟損失約33.7億元。

圖1 2014 年臺風(fēng)“麥德姆”路徑Fig.1 The track of typhoon Matmo in 2014

3.2 試驗設(shè)計

本文采用WRFV3.9.1的ARW(Advanced Research WRF) 版本作為預(yù)報模式。模擬區(qū)域（圖2）中心在17°N，117.30°E，格距為 9 km，模式層頂氣壓為 10 hPa，垂直方向為43層。由美國國家環(huán)境預(yù)報中心(National Centers for Environmental Prediction，NCEP) 1°×1°

分辨率的再分析資料提供初邊界條件。模式參數(shù)化方案包括：WSM6（WRF Single-Moment 6-Class）類方案[35]，Tiedtke 對流參數(shù)化方案[36–37]，YSU（Yonsei Uni-versity）[38]邊界層方案，RRTMG（Rapid Radiative Transfer Model for GCMs）短波輻射和長波輻射方案[39]，unified Noah地表模式[40]以及Monin-Obukhov近地面層處理方法[41]。

圖2 2014年7月21日16 時模式模擬區(qū)域的 GTS 觀測資料水平分布Fig.2 The distribution of GTS observations in the simulation domain at 16:00 UTC on July 21,2014

本文試驗流程如下：首先從2014年7月21日12時進行 4 h的 spin-up預(yù)報，然后以 2014年 7月21日16時的預(yù)報場作為背景場來進行同化，隨后進行72 h確定性預(yù)報。試驗設(shè)計分為兩組：試驗一為控制試驗（ctnl試驗），只同化 GTS（Global Telecommunications System）常規(guī)觀測資料，其中GTS觀測資料包括了飛機報、船舶報、探空報、衛(wèi)星云導(dǎo)風(fēng)資料、地面測站等常規(guī)觀測資料；圖2 為2014年7月21日16時模擬區(qū)域的GTS觀測資料分布。試驗二在試驗一的基礎(chǔ)上進一步同化了GMI資料（clear試驗），本文對GMI資料采用90 km的稀疏化處理從而避免相鄰觀測之間的潛在相關(guān)性。同化中的背景誤差協(xié)方差采用 NMC（National Meteorological Center）方法[30]生成具體做法：對2014年7月1日至7月30日，每天的00:00 UTC 和 12:00 UTC 分 別 作 24 h 和 12 h 的預(yù)報通過對同一時刻24 h和12 h預(yù)報值之間的差作為預(yù)報誤差的近似?？刂谱兞堪骱瘮?shù)、非平衡速度勢、非平衡溫度、假比濕和非平衡地面氣壓。在統(tǒng)計背景誤差協(xié)方差過程中，由于采用了與流函數(shù)之間的非平衡量作為控制變量，進一步改進變量間的平衡關(guān)系。

4 檢驗結(jié)果分析

4.1 GMI觀測模擬

圖3為2014年7月21日16時GMI通道6的觀測亮溫、背景場模擬亮溫和分析場模擬亮溫圖。從圖3a可以看出，在同化窗口中共有2條掃描軌道經(jīng)過，其中從左向右的第2條軌道正好覆蓋了臺風(fēng)“麥德姆”的部分區(qū)域，且能發(fā)現(xiàn)清晰的螺旋云帶，從中國臺灣南部沿海一直延伸到菲律賓海，因此本文選取該時刻作為分析時刻，進一步考察GMI同化對臺風(fēng)“麥德姆”的分析和預(yù)報改進效果[42]；圖3b是模式背景場模擬亮溫分布，該背景場由4 h spin-up預(yù)報生成。由圖可以發(fā)現(xiàn)整個試驗區(qū)有兩條掃描軌道經(jīng)過，臺風(fēng)“麥德姆”的螺旋云帶不夠清晰。從背景場以及臺風(fēng)“麥德姆”的內(nèi)核區(qū)來看，整體量級比觀測亮溫要偏弱；圖3c是分析場模擬亮溫分布，可以發(fā)現(xiàn)在臺風(fēng)區(qū)域模擬亮溫相比圖3b要更加接近于觀測亮溫，表明在同化了GMI資料后的分析場與觀測場更加接近。

圖3 2014年7月21日16 時 GMI通道 6 的觀測亮溫（a），背景場亮溫（b）和分析場亮溫（c）Fig.3 The brightness temperature from the observation (a),the simulation with the background (b),and the simulation with the analysis(c) for GMI channel 6 at 16:00 UTC on July 21,2014

圖4a至圖4c分別給出了2014年7月21日16時GMI通道6偏差訂正前觀測亮溫減去背景亮溫，偏差訂正后觀測亮溫減去背景亮溫，以及偏差訂正后觀測亮溫減去分析亮溫分布。模擬區(qū)域有兩條掃描軌道經(jīng)過，臺風(fēng)螺旋云帶被從左向右的第2條軌道覆蓋。圖4a是偏差訂正前觀測亮溫減去背景亮溫分布，可見背景場模擬亮溫值相比觀測亮溫偏低，在臺風(fēng)附近有負(fù)值亮溫存在；經(jīng)過偏差訂正后的觀測亮溫減去背景亮溫分布（圖4b）與圖4a一致，但亮溫負(fù)值區(qū)域增大，臺風(fēng)螺旋云帶最大亮溫差值減?。粓D4c發(fā)現(xiàn)經(jīng)過GMI資料同化后的分析場模擬亮溫和觀測亮溫整體差異減小，大部分像素點的亮溫誤差小于0.1 K。

圖4 2014年7月21日16時GMI通道6偏差訂正前觀測亮溫減去背景亮溫（a），偏差訂正后觀測亮溫減去背景亮溫（b）和偏差訂正后觀測亮溫減去分析亮溫（c）Fig.4 The observed minus the simulated brightness temperature with the background before the bias correction (a),after the bias correction (b),and the observed minus the simulated brightness temperature with the analysis (c) for GMI channel 6 at 16:00 UTC on July 21,2014

圖5a和圖5b分別給出了偏差訂正前后的散點分布，圖5a橫坐標(biāo)表示觀測亮溫值，縱坐標(biāo)表示模式背景場通過CRTM觀測算子模擬亮溫值。從圖中可以看出偏差訂正前背景場模擬亮溫和觀測亮溫在不同亮溫區(qū)間有較好對應(yīng)，但絕大多數(shù)散點處于觀測亮溫和背景模擬亮溫等值線的上方，表明背景模擬亮溫比觀測亮溫要高。由圖5b發(fā)現(xiàn)經(jīng)過偏差訂正之后，觀測亮溫與背景模擬亮溫均勻地分布在等值線的兩側(cè)。由圖5還可以發(fā)現(xiàn)均方根誤差有明顯的減小，從偏差訂正前的7.340 K減小為偏差訂正后的4.319 K。進一步說明變分偏差訂正方案的合理性。圖5c可以發(fā)現(xiàn)經(jīng)過GMI同化后散點更加緊密均勻地分布在等值線兩側(cè)，均方根誤差相比圖5b（同化前）也有顯著減小，從分析前4.319 K減小到分析后的0.882 K表明分析場相比背景場要更加接近于觀測。

圖5 2014年7月21日16時GMI通道6偏差訂正前觀測與背景模擬亮溫（a），偏差訂正后觀測與背景模擬亮溫（b）和觀測與分析模擬亮溫（c）的散點分布Fig.5 The scatters of the observed and the simulated brightness temperature with the background before the bias correction (a),after the bias correction (b),and the observed and the simulated brightness temperature with the analysis (c) for GMI channel 6 at 16:00 UTC on July 21,2014

圖6給出了2014年7月21日16時不同通道偏差訂正前觀測亮溫和背景模擬亮溫差值（Observation Minus Background with no bias correction， OMB_nb） 、偏差訂正后觀測亮溫和背景模擬亮溫差值（Observation Minus Background with bias correction， OMB_wb），偏差訂正后觀測亮溫和分析模擬亮溫差值（Observation Minus Analysis，OMA）的均值及標(biāo)準(zhǔn)差。由圖可見偏差訂正有效校正了系統(tǒng)誤差，降低了觀測殘差的均值。觀測殘差的標(biāo)準(zhǔn)差顯著降低，同化后的分析場更接近觀測。其中通道5的同化效果較其他2個通道效果更好。

圖6 2014年7月21日16 時對應(yīng)觀測和模式的差異均值及標(biāo)準(zhǔn)差 (13個通道只給出同化的3個同化結(jié)果)，其中OMB_nb：同化前未經(jīng)偏差訂正；OMB_wb：同化前經(jīng)偏差訂正；OMA：同化后Fig.6 The mean and standard deviation of the observed minus the simulated brightness temperature with the background before the bias correction (OMB_nb),after the bias correction(OMB_wb),and with the analysis (OMA) for GMI 3 channels assimilated at 16:00 UTC on July 21,2014 for the 3 assimilated channels of the total 13 channels

4.2 分析場和預(yù)報場診斷分析

圖7給出了2014年7月21日16時同化時刻500 hPa位勢高度場及其增量場[43]。由圖7a可以發(fā)現(xiàn)控制試驗?zāi)M的臺風(fēng)中心位置相比臺風(fēng)實況中心位置（黑色臺風(fēng)符號）偏北。圖7b發(fā)現(xiàn)同化試驗在分析了GMI資料后對臺風(fēng)中心位置進行了有效修正，與觀測臺風(fēng)中心位置更接近，等高線也更為密集。圖7c給出了同化試驗中500 hPa位勢高度增量場，增量場中低壓中心以北位勢高度增高，低壓中心以南位勢高度降低。從而將背景場中臺風(fēng)位置系統(tǒng)性地往南修正，進一步表明GMI資料同化可以有效修正模式背景場中臺風(fēng)的位置。

圖7 2014年7月21日16 時控制試驗 500 hPa位勢高度（等值線）（a），同化試驗 500 hPa 位勢高度（等值線）（b）和 500 hPa位勢高度增量（等值線和陰影）（c）。圖中紅色臺風(fēng)符號為臺風(fēng)觀測位置Fig.7 The 500 hPa geopotential height (contours) for the control experiment (a),the 500 hPa geopotential height (contours) for the assimilation experiment (b),and geopotential height analysis increment (contours and shaded) (c) at 16:00 UTC on July 21,2014.The red typhoon symbol is the best track location of the typhoon

圖8a和圖8b分別是2014年7月21日16時控制試驗和同化試驗的500 hPa高度場和溫度距平。圖8c為同化試驗和控制試驗500 hPa溫度距平的差場。圖中黑色臺風(fēng)標(biāo)識為實況臺風(fēng)中心。從圖8a可以看出控制試驗高度場等值線在菲律賓海海面上較為密集，臺風(fēng)中心相對實況臺風(fēng)中心偏北。臺風(fēng)內(nèi)核區(qū)的溫度距平較大，表明臺風(fēng)暖心結(jié)構(gòu)明顯。相比控制試驗圖8b為同化試驗中的500 hPa高度場和溫度距平。與控制試驗相比高度場等值線在菲律賓海海面上更加密集，進一步表明臺風(fēng)強度增強，與實際臺風(fēng)強度發(fā)展更為相似。此外高度場中等值線的中心區(qū)域也向南進行修正，把控制試驗中的臺風(fēng)位置系統(tǒng)性地往南修正，表明GMI資料同化可以有效地修正模式控制試驗中臺風(fēng)的位置。臺風(fēng)內(nèi)核區(qū)的溫度距平梯度較控制試驗更大，說明GMI資料同化可以有效地增強臺風(fēng)暖心結(jié)構(gòu)。從圖8c可以發(fā)現(xiàn)GMI觀測軌道附近兩組試驗有顯著的溫度距平差異，在臺風(fēng)中心附近同化試驗的距平高于控制試驗。

圖8 2014年7月21日16時500 hPa 高度場和溫度距平控制試驗（a），同化試驗（b），同化試驗和控制試驗差場（c）。圖中藍色臺風(fēng)符號為臺風(fēng)觀測位置Fig.8 The geopotential height and the temperature anomaly at 500 hPa for the control experiment (a),the assimilation experiment (b),the difference between the assimilation experiment and control experiment (c).The blue typhoon symbol is the best track location of the typhoon at 16:00 UTC on July 21,2014

圖9給出了850 hPa溫度增量場，可以發(fā)現(xiàn)溫度增量主要集中在臺風(fēng)渦旋內(nèi)核區(qū)及其附近區(qū)域，在臺風(fēng)中心位置（黑色臺風(fēng)標(biāo)識）產(chǎn)生一個正的溫度增量，并且在臺風(fēng)眼壁和外圍雨帶部分呈螺旋狀分布。從物理機制上來說，一個正在增強的臺風(fēng)渦旋環(huán)流結(jié)構(gòu)應(yīng)當(dāng)伴隨有渦旋暖核中心逐漸變暖加深的趨勢。這也說明GMI亮溫觀測的直接同化有效改進了臺風(fēng)暖核結(jié)構(gòu)，而臺風(fēng)北側(cè)的負(fù)溫度增量往往是由于三維變分滿足靜力平衡約束所產(chǎn)生。

圖9 2014年7月21日16時850 hPa溫度增量。圖中黑色臺風(fēng)符號為臺風(fēng)觀測位置Fig.9 The 850 hPa temperature increments at 16:00 UTC July 21,2014.The black typhoon symbol represent the observed location of typhoon

圖10給出的是在2014年7月21日16時控制試驗和同化試驗的海平面氣壓和近地面風(fēng)場合成示意圖以及兩者的差場。此時日本氣象廳發(fā)布的最佳路徑數(shù)據(jù)集中的最佳觀測數(shù)據(jù)強度為965 hPa，最大風(fēng)速為38 m/s。由圖10a可以發(fā)現(xiàn)，控制試驗在同化了GTS常規(guī)觀測資料之后可以較好地模擬出臺風(fēng)的渦旋結(jié)構(gòu)?？刂圃囼灧治龅淖钚『Ｆ矫鏆鈮?Minimum Sea Level Pressure，MSLP)為 972 hPa，而 JMA 觀測的臺風(fēng)中心強度為965 hPa；JMA觀測的近地面最大風(fēng)速 (Maximum Surface Wind，MSW)為 38 m/s，而控制試驗分析的MSW為33 m/s。由圖10b可以發(fā)現(xiàn)，同化試驗在加入GMI資料之后，臺風(fēng)渦旋眼墻區(qū)的結(jié)構(gòu)更好地組織和發(fā)展起來，并且在臺風(fēng)內(nèi)核區(qū)的風(fēng)速要大于控制試驗臺風(fēng)內(nèi)核區(qū)的風(fēng)速，其分析的MSLP(MSW)為 969 hPa (35 m/s)，與實況 (965 hPa，38 m/s)更為接近。這里值得指出的是，雖然同化試驗在加入了GMI資料后對臺風(fēng)強度有了一定的改進和增強作用，但是與觀測強度 (965 hPa，38 m/s)仍然存在一定差距。這主要是由于3DVAR試驗采用的是各向同性的靜態(tài)背景誤差協(xié)方差，其中的風(fēng)場和地表氣壓的多變量相關(guān)關(guān)系較弱。圖10c是同化試驗和控制試驗的海平面氣壓和近地面風(fēng)場合成的差場，由圖可以發(fā)現(xiàn)在臺風(fēng)中心北部海平面氣壓增高，南部海平面氣壓降低，從而把背景場中的臺風(fēng)位置系統(tǒng)性地往南修正。

圖10 2014年7月21日16 時海平面氣壓（等直線，單位 hPa）和近地面風(fēng)速（矢量箭頭，單位：m/s）控制試驗（a），同化試驗（b）和同化試驗和控制試驗差場（c）Fig.10 The sea level pressure (counters,unit: hPa) and surface wind speed (arrow,unit: m/s) for the control experiment (a),the assimilation experiment (b),and the difference between the assimilation experiment and control experiment (c) at 16:00 UTC on July 21,2014

圖11給出的是在2014年7月21日16時控制試驗和同化試驗的近海平面風(fēng)場以及兩者差場示意圖。由圖11a可以看出控制試驗?zāi)M的臺風(fēng)內(nèi)核區(qū)風(fēng)速較強，可以看見清晰的臺風(fēng)螺旋云帶[43]。圖11b和圖11c分別是同化試驗?zāi)M的近海平面風(fēng)場以及兩者的差場，可以明顯地看出臺風(fēng)內(nèi)核區(qū)流線相比控制試驗更加密集，風(fēng)速有所增加。其中大于20 m/s的螺旋云帶區(qū)域也顯著增大。由此表明GMI資料同化對臺風(fēng)內(nèi)核區(qū)風(fēng)速修正有正效果。

圖11 2014年7月21日16 時近海平面風(fēng)場（流線和陰影）控制試驗（a），同化試驗（b）和同化試驗和控制試驗差場（c）Fig.11 The surface wind（stream and shaded）for the control experiment (a),the assimilation experiment (b),and the difference between the assimilation experiment and control experiment (c) at 16:00 UTC on July 21,2014

為了進一步檢驗GMI資料同化對臺風(fēng)垂直結(jié)構(gòu)的影響，圖12給出了控制試驗和同化試驗分析的經(jīng)過臺風(fēng)中心東西向垂直剖面圖。圖12a可以看出在臺風(fēng)眼區(qū)存在一個靜風(fēng)區(qū)，臺風(fēng)眼相對較寬。在臺風(fēng)中心靜風(fēng)區(qū)的兩側(cè)出現(xiàn)對稱的大風(fēng)區(qū)，最大風(fēng)速達到32 m/s且位于邊界層內(nèi)。與控制試驗相比，同化試驗的臺風(fēng)眼更窄（圖12b）。臺風(fēng)眼外圍的云墻區(qū)也呈現(xiàn)出對稱結(jié)構(gòu)，臺風(fēng)眼右側(cè)云墻強度要比左側(cè)云墻強度大。由圖還可以發(fā)現(xiàn)同化試驗右側(cè)大風(fēng)區(qū)最大風(fēng)速高度比控制試驗右邊大風(fēng)區(qū)最大風(fēng)速高度要高約 3 km。

圖12 2014年7月21日16 時經(jīng)過臺風(fēng)中心風(fēng)速垂直剖面控制試驗（a）和同化試驗（b）Fig.12 Vertical cross sections of analyzed horizontal wind speed for control experiment (a) and the assimilation experiment (b) at 16:00 UTC on July 21,2014

臺風(fēng)的暖心結(jié)構(gòu)可以通過溫度距平的垂直截面圖來分析，從圖13可以發(fā)現(xiàn)兩組試驗均分析出了臺風(fēng)的暖心結(jié)構(gòu)，但同化試驗的暖心結(jié)構(gòu)更強?？刂圃囼?zāi)M的臺風(fēng)暖心結(jié)構(gòu)最大溫度距平為1.2 K，出現(xiàn)在500 hPa左右；而同化試驗?zāi)M的臺風(fēng)暖心結(jié)構(gòu)最大溫度距平為3.5 K，出現(xiàn)在600 hPa左右。與控制試驗(圖13a) 溫度距平最大值相差2.3 K。另外值得注意的是同化試驗的正溫度距平一直延伸到近地面，貫穿整個對流層?？傮w來看，同化試驗分析出的暖心結(jié)構(gòu)更強，更利于臺風(fēng)的發(fā)展加強。進一步表明GMI資料同化有利于臺風(fēng)暖心結(jié)構(gòu)的增強。

圖13 2014年7月21日16 時溫度距平（單位：K）垂直剖面控制試驗（a）和同化試驗（b）Fig.13 Vertical cross sections of analyzed temperature anomalies (unit: K) for control experiment (a) and the assimilation experiment (b)at 16:00 UTC on July 21,2014

圖14為2014年7月23日12時的500 hPa高度場和風(fēng)場合成示意圖。由圖可見同化GMI資料后副高西側(cè)邊緣的南風(fēng)風(fēng)量較控制試驗要大，東風(fēng)風(fēng)量要小。同化試驗和控制試驗的引導(dǎo)氣流的差異直接導(dǎo)致了臺風(fēng)路徑預(yù)報的差異。同化試驗?zāi)M的臺風(fēng)路徑更易往東北方向移動，而控制試驗?zāi)M的臺風(fēng)路徑更容易往西側(cè)移動。

圖14 2014年7月23日12 時 500 hPa 高度場（陰影）和風(fēng)場（矢量）控制試驗（a）和同化試驗（b）Fig.14 The geopotential height (shaded) and wind (vectors) at 500 hPa at 12:00 UTC on July 23,2014,control experiment (a) and the assimilation experiment (b)

4.3 臺風(fēng)路徑預(yù)報檢驗

為了進一步評估GMI資料同化對臺風(fēng)“麥德姆”預(yù)報效果的影響，本文以7月21日16時為起始時刻作72 h確定性預(yù)報[43]。圖15a為臺風(fēng)“麥德姆”路徑預(yù)報效果圖。圖中clear、ctnl和best track分別表示晴空GMI輻射率資料同化試驗，控制試驗和日本氣象廳的最佳臺風(fēng)路徑。在預(yù)報起始12 h內(nèi)兩組試驗預(yù)報的路徑誤差相對較?。?30 km），但在第 18 h 后，臺風(fēng)“麥德姆”的最佳觀測路徑出現(xiàn)了一個小的轉(zhuǎn)折，即向西北的一個轉(zhuǎn)折；值得指出的是在起始預(yù)報的第12～24 h區(qū)間內(nèi)，同化試驗預(yù)報的路徑相比控制試驗要更加地接近于實際觀測路徑。在預(yù)報的第54 h，臺風(fēng)“麥德姆”的最佳觀測路徑又出現(xiàn)了向東北的一個轉(zhuǎn)折。同化試驗較好地模擬出了臺風(fēng)“麥德姆”的最后18 h的路徑轉(zhuǎn)折。這說明當(dāng)前模式背景場上的大尺度環(huán)流結(jié)構(gòu)相對還是比較合理的。總體而言，在72 h的確定性預(yù)報過程中同化試驗預(yù)報的臺風(fēng)路徑相比控制試驗要更加接近觀測。圖15b為兩組試驗預(yù)報的臺風(fēng)路徑誤差，從圖中可以看出同化試驗在預(yù)報的0～24 h和48～72 h預(yù)報誤差要明顯小于控制試驗的預(yù)報誤差。在整個72 h的確定性預(yù)報中，控制試驗和同化試驗預(yù)報的路徑平均誤差分別為70 km和 41 km。

圖15 2014年7月21日16 時起始的 72 h 預(yù)報路徑（a）和預(yù)報路徑誤差（b）Fig.15 The 72-hour predicted tracks (a) and track errors (b) initialized from 16:00 UTC on July 21,2014

5 結(jié)論

本文使用中尺度數(shù)值模式WRFV3.9.1及其三維變分同化系統(tǒng)，自主搭建了針對GMI資料的同化模塊?？疾炝薌MI資料同化對臺風(fēng)“麥德姆”分析和預(yù)報的影響。研究結(jié)果表明：

(1)晴空條件下GMI資料同化能夠很好地捕捉到臺風(fēng)“麥德姆”的形態(tài)結(jié)構(gòu)，通過WRFDA的VarBC離線模式統(tǒng)計得到的偏差訂正系數(shù)和質(zhì)量控制可以提高試驗的同化效果，使得三維變分同化后的觀測殘差標(biāo)準(zhǔn)差有所減小，保證了GMI資料同化對臺風(fēng)分析和預(yù)報的正效應(yīng)。

(2)與只同化GTS常規(guī)觀測資料的控制試驗相比，GMI資料同化試驗可以有效地增加臺風(fēng)“麥德姆”內(nèi)核區(qū)的暖心結(jié)構(gòu)，且具有對模式背景場中的臺風(fēng)位置進行系統(tǒng)性的修正作用。

(3)從72 h確定性預(yù)報效果來看，GMI資料同化試驗預(yù)報的臺風(fēng)路徑平均誤差為41 km，相比控制實驗預(yù)報的臺風(fēng)路徑平均誤差70 km有所改進，與觀測的臺風(fēng)路徑更加接近。

本文的研究結(jié)果表明，將GMI資料同化到WRF模式中，對提高臺風(fēng)路徑預(yù)報具有很大潛力，臺風(fēng)“麥德姆”個例研究也表明GMI資料能夠為臺風(fēng)初始化分析和預(yù)報提供正效果。另一方面，本文只同化了GMI晴空條件下的觀測資料。因此未來的工作將針對更多的臺風(fēng)個例，進一步研究全空條件下的GMI資料同化對臺風(fēng)分析和預(yù)報的影響。

致謝：本論文的數(shù)值計算得到了南京信息工程大學(xué)高性能計算中心的計算支持與幫助，在此表示感謝！