許冬梅，李 瑋，武 芳，束艾青，卞慧敏

（1.中國(guó)氣象局沈陽大氣環(huán)境研究所，遼寧 沈陽 110000；2.南京信息工程大學(xué)氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣候與環(huán)境變化國(guó)際合作聯(lián)合實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，江蘇 南京 210044；3.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，四川 成都 610225；4.巍山縣氣象局，云南 大理 672400；5.六安市氣象局，安徽 六安 237000）

根據(jù)中國(guó)氣象局的規(guī)定，瞬間風(fēng)速＞17 m/s為大風(fēng)天氣。大風(fēng)天氣可構(gòu)成嚴(yán)重氣象災(zāi)害，如2016年5月發(fā)生在內(nèi)蒙古鄂爾多斯市的一次大風(fēng)災(zāi)害，造成1 392 hm2農(nóng)作物受到損失，受災(zāi)群眾達(dá)到2 085人，造成的經(jīng)濟(jì)損失達(dá)415.3萬元。我國(guó)每年均有大風(fēng)天氣災(zāi)害發(fā)生，給民眾生產(chǎn)生活帶來了極大的負(fù)面影響，并給國(guó)民經(jīng)濟(jì)發(fā)展帶來阻礙，因此各地氣象部門提供及時(shí)、準(zhǔn)確的風(fēng)速預(yù)報(bào)，對(duì)提前做出預(yù)警和保護(hù)民眾生命財(cái)產(chǎn)安全有重要意義[1]。

自20世紀(jì)數(shù)值預(yù)報(bào)被應(yīng)用于實(shí)際天氣預(yù)報(bào)，隨著理論基礎(chǔ)和觀測(cè)技術(shù)的不斷完善，天氣預(yù)報(bào)的準(zhǔn)確性有了很大提高；尤其是20世紀(jì)50年代后計(jì)算機(jī)技術(shù)和數(shù)值模式領(lǐng)域取得的巨大突破，帶動(dòng)數(shù)值天氣預(yù)報(bào)飛速發(fā)展[2-3]。美國(guó)國(guó)家大氣研究中心（National Center for Atmospheric Research，NCAR）聯(lián)合其他多個(gè)部門協(xié)同研發(fā)的WRF（The Weather Research and Forecasting）中尺度數(shù)值模式，在氣象研究和業(yè)務(wù)預(yù)報(bào)中已經(jīng)被廣泛應(yīng)用，從而在一定程度上促進(jìn)風(fēng)速預(yù)報(bào)研究[6-8]。已有不少學(xué)者的研究表明WRF模式在改善風(fēng)速預(yù)報(bào)方面取得了成效[9-10]。

現(xiàn)有中尺度數(shù)值模式預(yù)報(bào)的風(fēng)速還有較大誤差，近地層風(fēng)場(chǎng)尤為顯著，其中一個(gè)重要因素就是模式初始場(chǎng)不準(zhǔn)確。資料同化的目的在于利用現(xiàn)有的觀測(cè)信息來估算一個(gè)盡可能精確的大氣（海洋）運(yùn)動(dòng)狀態(tài)。近幾十年來，資料同化方法經(jīng)歷了一個(gè)快速的發(fā)展過程。從早期的逐步訂正、統(tǒng)計(jì)插值發(fā)展到現(xiàn)今的三維變分、四維變分、卡爾曼濾波等方法[11-13]。不少基于資料同化的研究都表明，資料同化可以有效地改進(jìn)模式的預(yù)報(bào)技巧[14-17]。

氣象衛(wèi)星是對(duì)地面、高空和雷達(dá)觀測(cè)的補(bǔ)充，是構(gòu)成完整氣象觀測(cè)網(wǎng)的重要部分。它們具有探測(cè)范圍廣，執(zhí)行速度快，不受自然條件和國(guó)界限制的優(yōu)點(diǎn)。衛(wèi)星資料在經(jīng)過質(zhì)量控制和偏差訂正等一系列前處理后，可以同化進(jìn)數(shù)值模式并為其提供精確的初始場(chǎng)[18]。和衛(wèi)星微波通道相比，衛(wèi)星紅外通道觀測(cè)到的大量云信息可以作為數(shù)值預(yù)報(bào)的有用參考。近年來由于高光譜儀器的快速發(fā)展，在數(shù)值天氣預(yù)報(bào)中使用該資料的頻率大大增加。紅外高光譜儀器區(qū)別于常規(guī)遙感儀器的地方在于它可以探測(cè)數(shù)千個(gè)甚至數(shù)萬個(gè)光譜通道，為數(shù)值模式提供更高精度和垂直分辨率的氣象信息。IASI（Infrared Atmospheric Sounding Interferometer）是搭載在歐洲極軌衛(wèi)星上的新一代超高光譜紅外大氣探測(cè)儀器，該探測(cè)儀使用了干涉分光技術(shù)，光譜測(cè)量范圍涵蓋了多個(gè)吸收帶，可用于探測(cè)云、海洋和大氣，反演大氣成分，從而為科學(xué)研究和大氣遙感提供廣泛的遙感數(shù)據(jù)[19]。Xu等[20]同化IASI資料和常規(guī)資料對(duì)兩次熱帶氣旋進(jìn)行了模擬，研究結(jié)果表明，IASI資料同化提高了對(duì)臺(tái)風(fēng)的動(dòng)力和熱力結(jié)構(gòu)的模擬能力，并且對(duì)于42 h以內(nèi)的最大風(fēng)速預(yù)報(bào)質(zhì)量有顯著提高。

本文利用WRF同化系統(tǒng)對(duì)2019年4月中國(guó)東部區(qū)域一次大風(fēng)天氣過程進(jìn)行IASI高光譜資料同化和數(shù)值模擬，實(shí)現(xiàn)IASI高光譜資料的云檢測(cè)和質(zhì)量控制。通過數(shù)值模擬驗(yàn)證，定量考察IASI紅外輻射率資料同化的在數(shù)值模式中的作用，研究紅外高光譜資料同化對(duì)數(shù)值模式初始分析和預(yù)報(bào)場(chǎng)的影響。

1 方法介紹

1.1 三維變分方法

美國(guó)國(guó)家大氣研究中心開發(fā)的WRFDA同化系統(tǒng)包括3DVAR（Three-Dimensional Variational Assimilation）、4DVAR（Four-Dimensional Variational Assimilation）和混合同化系統(tǒng)。本研究采用WRFDA的3DVAR系統(tǒng)。變分同化的目標(biāo)是通過對(duì)代價(jià)函數(shù)J（x）進(jìn)行迭代最小化，獲得對(duì)真實(shí)大氣狀態(tài)的最優(yōu)估計(jì)。3DVAR代價(jià)函數(shù)表達(dá)如下：

其中，x和y分別代表大氣狀態(tài)向量和觀測(cè)向量，H為非線性觀測(cè)算子，xb為背景狀態(tài)（通常為短期預(yù)測(cè)）。B和R分別是背景誤差協(xié)方差矩陣和觀測(cè)誤差協(xié)方差矩陣。通過最小化（1）得到x的迭代解，在給定背景xb、觀測(cè)y、B和R的情況下，得到真實(shí)大氣狀態(tài)的最小方差估計(jì)。

1.2 方法和資料介紹

衛(wèi)星資料同化是將背景場(chǎng)、觀測(cè)資料及對(duì)應(yīng)的誤差協(xié)方差矩陣，通過一定方法在數(shù)據(jù)和模型間建立優(yōu)化關(guān)系，從而最小化分析誤差，使來源不同的數(shù)據(jù)能夠融合以得到更真實(shí)的大氣狀態(tài)。

本文衛(wèi)星資料同化采用的輻射傳輸模式（即觀測(cè)算子）為CRTM（Community Radiative Transfer Model）2.3.0[21]。CRTM快速輻射傳輸模式包括云的吸收與散射、大氣吸收、氣溶膠的吸收與散射、地表的發(fā)射與反射幾個(gè)微輻射測(cè)量模塊，基于米散射理論計(jì)算模型中的光學(xué)云參數(shù)與降水散射效應(yīng)[22]。

衛(wèi)星資料同化過程會(huì)受到觀測(cè)和模式誤差影響。為了提高同化質(zhì)量將采用回歸偏差訂正法對(duì)其進(jìn)行偏差訂正。做法是選取偏差訂正的預(yù)報(bào)因子并利用大量觀測(cè)亮溫樣本建立線性回歸方程；計(jì)算出訂正系數(shù)并利用該系數(shù)訂正模擬資料。本文使用將偏差訂正系數(shù)納入目標(biāo)函數(shù)的方法進(jìn)行動(dòng)態(tài)更新偏差訂正系數(shù)，最終完成偏差訂正。所選的偏差訂正預(yù)報(bào)因子包括全局的補(bǔ)償項(xiàng)、云中液態(tài)水項(xiàng)、掃描位置、掃描位置的平方數(shù)和立方數(shù)、以及1 000～300 hPa和200～50 hPa層結(jié)厚度。

本文同化的是IASI紅外觀測(cè)資料源于極軌衛(wèi)星上的超高光譜紅外大氣探測(cè)儀器。該探測(cè)儀采用干涉分光技術(shù)進(jìn)行分布掃描，視場(chǎng)±48.3°，幅寬2 400 km；共有8 461個(gè)通道，以每個(gè)通道相等的光譜分辨率（0.25 cm-1）進(jìn)行連續(xù)觀測(cè)。為了減少相鄰觀測(cè)點(diǎn)間的虛假相關(guān)，采用的觀測(cè)稀疏化距離為30 km。同化通道為長(zhǎng)波通道，一共193個(gè)通道（通道16至通道2239）。水汽通道觀測(cè)誤差較大被剔除。

1.3 云檢測(cè)

高空中云輻射會(huì)使衛(wèi)星觀測(cè)受到云污染，導(dǎo)致輻射資料的精度及利用率降低。本文利用不同物體輻射的特征差異并通過一系列方法對(duì)資料進(jìn)行識(shí)別，分辨出受到云污染的區(qū)域并將其剔除，保留晴空區(qū)域，這個(gè)過程就是云檢測(cè)。通過云檢測(cè)可以提高資料的精確性。本文選取的大風(fēng)個(gè)例伴隨有降水，IASI得到的并非晴空資料，所以對(duì)資料進(jìn)行云檢測(cè)是至關(guān)重要的。

本研究采用的云檢測(cè)方法是歐洲中期預(yù)報(bào)中心的通道排序云檢測(cè)方法[23]。該云檢測(cè)算法首先為每個(gè)通道分配一個(gè)高度（或氣壓）。通道的特征級(jí)別k定義為從表面到頂部的第一點(diǎn)，在該點(diǎn)上不透明的烏云對(duì)總晴空輻射的相對(duì)影響＞1%，即：

其中，BT表示亮溫，i是通道排名后的索引，I是進(jìn)行梯度計(jì)算的通道數(shù)。低于此級(jí)別的所有通道均被標(biāo)記為受云影響，而高于此級(jí)別的所有通道均被清除[20]。BT_Threshold和BTGrad_Threshold為亮溫梯度閾值。

2 個(gè)例介紹

2019年4月24日00—18時(shí)（世界時(shí)，下同），受我國(guó)東北一北方氣旋外圍氣流的影響，遼寧省局部地區(qū)出現(xiàn)了一次大風(fēng)天氣過程，局部地面風(fēng)速＞12 m/s。此次大風(fēng)過程從開始發(fā)展至強(qiáng)盛階段到消亡階段共經(jīng)歷約10 h，最大風(fēng)速＞12 m/s的階段約維持了5 h。該次過程形勢(shì)場(chǎng)和環(huán)流結(jié)構(gòu)特征明顯，有利于開展對(duì)比試驗(yàn)。同時(shí)METOP-B衛(wèi)星在24日01時(shí)經(jīng)過遼寧省上空，搭載的IASI探測(cè)儀收集到了這次過程的有效信息，故選取此次過程為個(gè)例進(jìn)行IASI資料同化試驗(yàn)。

2.1 地面風(fēng)場(chǎng)

4月23日18時(shí)起遼寧省境內(nèi)局部地區(qū)出現(xiàn)＞8 m/s的大風(fēng)；至24日00時(shí)大風(fēng)天氣影響范圍迅速擴(kuò)大且風(fēng)力加強(qiáng)，部分地區(qū)風(fēng)速＞12 m/s；24日03—06時(shí)大風(fēng)天氣影響范圍仍然廣闊，影響地區(qū)逐漸南移出海；至09時(shí)大風(fēng)天氣影響范圍迅速減小并基本南移出海，此次大風(fēng)天氣過程趨于結(jié)束。圖1為24日00時(shí)—25日00時(shí)位置為（41.4°N，121.0°E），高度80 m的逐3 h風(fēng)機(jī)觀測(cè)。

圖1 24日00時(shí)—25日00時(shí)位置（41.4°N，121.0°E），高度80 m的逐3 h風(fēng)機(jī)觀測(cè)

2.2 高低空形勢(shì)場(chǎng)

4月24日00、12時(shí)東亞地區(qū)中高緯500 hPa上為兩槽一脊，我國(guó)東北地區(qū)有一低槽東移，遼寧省位于該低槽前，高空急流南側(cè)，風(fēng)向?yàn)槠黠L(fēng)（圖2a、2b）。

24日00時(shí)的700 hPa上，我國(guó)東北地區(qū)有一低壓氣旋，由其西南方延伸出一條切變線并伴有低空急流；遼寧省位于切變線東南方、低空急流以南（圖2c）。12時(shí)低壓氣旋中心位于鄂霍次克海，切變線東移，低空急流減弱（圖2d）。

24日00和12時(shí)850 hPa上，我國(guó)中高緯形勢(shì)為兩低夾一高，遼寧省位于低壓底后部與高壓底前部之間，二者使風(fēng)速疊加變大且風(fēng)向?yàn)槠憋L(fēng)，與10 m風(fēng)場(chǎng)一致；00時(shí)遼寧東北側(cè)有低壓中心，東南側(cè)有低壓氣旋且伴隨切變線，北側(cè)有低空急流（圖2e）；12時(shí)兩低中心合并（圖2f）。

圖2 24日500 hPa（a、b）、700 hPa（c、d）、850 hPa（e、f）位勢(shì)高度場(chǎng)、溫度場(chǎng)和風(fēng)場(chǎng)

3 模式簡(jiǎn)介與試驗(yàn)設(shè)計(jì)

3.1 WRF模式介紹

本文采用的是WRFV4.1數(shù)值模式。該模式包括3DVAR，4DVAR和混合同化3個(gè)模塊。該數(shù)值模式，使用具有流體靜力學(xué)選項(xiàng)的完全可壓縮非流體靜力學(xué)方程，水平方向在荒川C網(wǎng)格上進(jìn)行分析，垂直方向上使用基于質(zhì)量的混合σ-壓力垂直坐標(biāo)。積分方案使用的是龍格-庫塔二階和三階時(shí)間積分，平流方案是加權(quán)基本非振蕩平流方案及水平和垂直方向上的二到六階平流方案。

3.2 試驗(yàn)設(shè)計(jì)

本文采用GFS（全球預(yù)報(bào)系統(tǒng)）0.25°×0.25°再分析資料作背景場(chǎng)，使用WRFV4.1數(shù)值預(yù)報(bào)模式模擬2019年4月24日發(fā)生在遼寧省境內(nèi)的一次大風(fēng)天氣過程；模擬區(qū)域如圖3，區(qū)域中心為（115°E，36°N），水平網(wǎng)格距為5 km，網(wǎng)格點(diǎn)為400×350，垂直方向共35層，模式層頂為50 hPa。微物理過程為WRF Single-Moment 3-Class微物理方案。由于網(wǎng)格分辨率無法完全解決對(duì)流特征，因此包含了Kain-Fritsch對(duì)流參數(shù)化方案。其他物理參數(shù)化方案包括延世大學(xué)的行星邊界層參數(shù)化方案[24]，陸面過程的五層熱擴(kuò)散模型[25]，美國(guó)國(guó)家的快速輻射傳遞模型（RRTM）[26]，賓夕法尼亞州立大學(xué)第五代大氣研究中心中尺度模型短波輻射[27]。

圖3 WRF模擬區(qū)域范圍

本文設(shè)計(jì)了2組試驗(yàn)（圖4）。第一組IASI同化試驗(yàn)：模式起報(bào)時(shí)間為2019年4月23日12時(shí)，做Spin up預(yù)報(bào)至4月24日00時(shí)。在4月24日00時(shí)對(duì)IASI資料進(jìn)行同化后開始預(yù)報(bào)，預(yù)報(bào)時(shí)長(zhǎng)為24 h，每1 h輸出一次預(yù)報(bào)場(chǎng)。第二組控制試驗(yàn)（CTNL），在2019年4月24日00時(shí)使用全球模式預(yù)報(bào)場(chǎng)（GFS）提供的初始場(chǎng)進(jìn)行24 h預(yù)報(bào)（每1 h輸出一次預(yù)報(bào)場(chǎng)），不進(jìn)行任何資料同化處理。本文采用的背景誤差協(xié)方差矩陣是由2019年4月1—30日期間每日2次（00和12時(shí)）的同一時(shí)刻但是不同預(yù)報(bào)時(shí)效（24 h預(yù)報(bào)和12 h預(yù)報(bào)）的預(yù)報(bào)差來統(tǒng)計(jì)得到[28]。

圖4 IASI同化試驗(yàn)和對(duì)比試驗(yàn)的流程

4 結(jié)果分析

4.1 云檢測(cè)

為了考察云檢測(cè)方法對(duì)不同高度特征通道檢測(cè)效果，本文參照Xu等[14]選取一個(gè)高通道、一個(gè)低通道進(jìn)行檢驗(yàn)。兩個(gè)通道分別為299（約13.89μm）和646（約12.4μm）。圖5是IASI兩個(gè)不同通道的觀測(cè)亮溫，經(jīng)過云檢測(cè)前后剩下的觀測(cè)亮溫散點(diǎn)分布。圖5a是通道299未經(jīng)過云檢測(cè)前的觀測(cè)亮溫，觀測(cè)總數(shù)為2 794。圖5b是通道299經(jīng)過云檢測(cè)之后剩下1 298個(gè)觀測(cè)亮溫，剔除率約53%；圖5c中，通道646經(jīng)過云檢測(cè)之后剔除了絕大多數(shù)數(shù)值低于282 K的觀測(cè)，只保留了剩下390個(gè)數(shù)值較大的觀測(cè)亮溫，剔除率為86%。通道299比通道646多保留了約33%觀測(cè)，說明通道646的信息受云污染比通道299嚴(yán)重得多，資料利用率降低。

圖5 2019年4月24日00時(shí)IASI通道299云檢測(cè)前（a）、通道299云檢測(cè)后（b）和通道646經(jīng)過云檢測(cè)后（c）的亮溫散點(diǎn)分布

4.2 分析結(jié)果

IASI進(jìn)行同化后的分析場(chǎng)與同化前的背景場(chǎng)在每個(gè)模式格點(diǎn)上的差值都可以進(jìn)行計(jì)算，圖6a反映了全場(chǎng)差場(chǎng)絕對(duì)值的最大值隨高度的變化，圖6b則反映了這些差場(chǎng)的均方根誤差（RMSE）隨高度的變化，二者都反映了IASI資料同化對(duì)各模式變量隨高度的變化。圖6a與圖6b垂直廓線的趨勢(shì)相似，在低層對(duì)于變量u和變量v的改變較小且隨著高度增加而增大，到中層量級(jí)達(dá)到最大，之后隨高度逐漸減小。到高層后在一定范圍內(nèi)震蕩；對(duì)于變量t的改變則剛好相反。變量u和v在低層的差值最大值和均方根誤差都較小，到中層則有所增大；變量t則正相反。這說明資料同化在低層對(duì)于變量u和v的改變較小，對(duì)變量t的改變較大；在中層對(duì)變量u和v的改變最大，對(duì)變量t的改變最小；在高層對(duì)上述3個(gè)變量的改變都較大。這個(gè)主要是由背景場(chǎng)中不同物理量在不同高度的誤差特性決定的，即背景場(chǎng)中誤差較大處，觀測(cè)對(duì)模式的修正也較大。這里發(fā)現(xiàn)的模式層高層較大的溫度差異與其他研究中的結(jié)果較為一致。

圖6 IASI資料同化前和同化后，基于全場(chǎng)每個(gè)模式格點(diǎn)上的差場(chǎng)絕對(duì)值的最大值（a）和均方根誤差（b）的垂直廓線

圖7a為各個(gè)通道云檢測(cè)后的觀測(cè)數(shù)目，可見在使用隨通道高度特征而變化的云檢測(cè)算法后，不同通道使用的觀測(cè)數(shù)目有多有少。圖7b給出了同化前未進(jìn)行偏差訂正的觀測(cè)和背景的差異（OMB_nb）、同化前經(jīng)偏差訂正的觀測(cè)和背景的差異（OMB_wb），以及同化后的觀測(cè)和分析的差異（OMA）?？梢娖钣喺氨尘芭c觀測(cè)場(chǎng)的平均偏差整體很大，尤其是1 000～2 000的通道，進(jìn)行偏差訂正后明顯減??；觀測(cè)與分析場(chǎng)之差的平均偏差比起上述兩者更靠近等值線0。圖7c分析了同化前未偏差訂正的觀測(cè)和背景的差異（OMB_nb）、同化前經(jīng)偏差訂正的觀測(cè)和背景的差異（OMB_wb），以及同化后的觀測(cè)和分析的差異（OMA）的標(biāo)準(zhǔn)差。同樣的，進(jìn)行了同化的分析場(chǎng)與觀測(cè)場(chǎng)之差的偏差標(biāo)準(zhǔn)差，比起背景場(chǎng)（偏差訂正前與偏差訂正后）與觀測(cè)場(chǎng)之差要更接近0。圖7b、7c的結(jié)果都說明同化分析場(chǎng)更接近觀測(cè)場(chǎng)，在0～800的通道尤為明顯。

圖7 觀測(cè)輻射率與分析場(chǎng)模擬的輻射率值的差（OMA）、偏差訂正后觀測(cè)輻射率與背景場(chǎng)模擬的輻射率差（OMB_wb）、偏差訂正前觀測(cè)輻射率與背景場(chǎng)模擬的輻射率的差（OMB_nb）的觀測(cè)數(shù)目（a）、平均偏差（b）和偏差標(biāo)準(zhǔn)差（c）

4.3 預(yù)報(bào)結(jié)果

圖8a和圖8b分別為控制試驗(yàn)（CTNL）和IASI同化試驗(yàn)?zāi)M的24日00時(shí)的10 m風(fēng)場(chǎng)。圖8c為0.1°×0.1°分辨率的ECMWF再分析資料給出的10 m風(fēng)場(chǎng)（參考場(chǎng)）。圖8b和圖8c的擬合度相較于圖8a與圖8c要更高。CTNL模擬的風(fēng)場(chǎng)（圖8a）區(qū)域精確度不夠高，與實(shí)況風(fēng)場(chǎng)（圖8c）相比，風(fēng)速超過6 m/s的區(qū)域偏大，并且對(duì)此區(qū)域中風(fēng)速＜6 m/s和＞12 m/s的地方出現(xiàn)了嚴(yán)重的漏報(bào)，對(duì)黃海區(qū)域一個(gè)風(fēng)場(chǎng)的中心風(fēng)速預(yù)報(bào)偏高。IASI同化試驗(yàn)?zāi)M的風(fēng)場(chǎng)（圖8b）相對(duì)來說優(yōu)質(zhì)得多，其對(duì)于地表和洋面的大風(fēng)區(qū)域和強(qiáng)度預(yù)報(bào)的精確度更高，對(duì)大風(fēng)中心的風(fēng)速預(yù)測(cè)較準(zhǔn)確；雖然模擬的遼寧地區(qū)大風(fēng)中心略偏西且范圍偏小，但是相比CTNL，其預(yù)報(bào)的水平有了大幅提升。

圖8 24日00時(shí)控制試驗(yàn)CTNL（a）、IASI同化試驗(yàn)?zāi)M的10 m風(fēng)場(chǎng)（b，單位：m/s）和客觀分析的10 m風(fēng)場(chǎng)（c，單位：m/s）

圖9為兩組試驗(yàn)資料模擬結(jié)果的均方根誤差隨預(yù)報(bào)時(shí)間變化。00時(shí)IASI同化試驗(yàn)的RMSE（均方根誤差）最大，為3.1 m/s，控制試驗(yàn)反而較?。唤?jīng)過模式的積分預(yù)報(bào)，IASI同化試驗(yàn)在分析時(shí)刻的調(diào)整量得到了很好的平衡?？刂圃囼?yàn)的RMSE在預(yù)報(bào)開始后迅速增大。兩者的RMES在02時(shí)基本相等，02時(shí)之后IASI的RMSE基本平穩(wěn)，略有上升，在約12時(shí)迅速下降，在17—20時(shí)降到最低值，之后上升；而控制試驗(yàn)?zāi)M的RMSE在02時(shí)之后急速上升，在12時(shí)達(dá)到最大值4.0 m/s，之后下降，但是其值總是高于IASI同化資料模擬結(jié)果的RMSE。說明IASI同化資料在24 h預(yù)報(bào)中的模擬結(jié)果誤差較小，且質(zhì)量較穩(wěn)定。兩者的RMSE平均值分別為3.21、3.61 m/s，更進(jìn)一步說明IASI同化資料能降低預(yù)報(bào)的均方根誤差，對(duì)于改善模擬結(jié)果起積極作用。

圖9 IASI同化資料（綠線）、控制試驗(yàn)（黑線）模擬結(jié)果和ECMWF再分析資料的風(fēng)場(chǎng)均方根誤差（單位：m/s）RMSE的時(shí)間序列

5 結(jié)論與討論

選取GFS 0.25°×0.25°再分析資料，基于WRFV4.1數(shù)值預(yù)報(bào)模式和三維變分同化模塊，實(shí)現(xiàn)IASI高光譜資料的云檢測(cè)和質(zhì)量控制的基礎(chǔ)上，對(duì)2019年4月中國(guó)東部區(qū)域一次大風(fēng)天氣過程進(jìn)行了數(shù)值模擬試驗(yàn)，定量考察了IASI紅外輻射率資料在數(shù)值模式中的作用，得到以下結(jié)論：

（1）IASI通道299經(jīng)過質(zhì)量控制后，進(jìn)行偏差訂正后的模擬亮溫比偏差訂正前的模擬亮溫更接近觀測(cè)亮溫；而偏差訂正后的分析亮溫又更接近模擬亮溫，說明IASI資料同化可以有效改善亮溫的模擬結(jié)果。

（2）IASI資料同化對(duì)模式的不同變量及在不同高度的同一變量的影響存在差異。對(duì)于變量u和v來說，資料同化在低層對(duì)其改變較小，在中層改變較大；對(duì)于變量t，IASI同化在低層對(duì)其改變較大，在中層改變減小。IASI資料同化對(duì)上述變量的改變都在高層達(dá)到最大。

（3）IASI不同通道資料同化的影響程度存在差異。不同通道使用的觀測(cè)數(shù)目在經(jīng)過云檢測(cè)之后出現(xiàn)了很大差別；對(duì)比同化后的分析場(chǎng)和同化前的背景場(chǎng)的差的平均偏差和偏差標(biāo)準(zhǔn)差在IASI不同通道的區(qū)別，發(fā)現(xiàn)分析場(chǎng)與觀測(cè)場(chǎng)的差更接近0，尤其是在通道0～800，說明IASI資料同化可以顯著改善模擬結(jié)果，通道0～800的改善結(jié)果最佳。

（4）IASI同化試驗(yàn)大幅提升了下墊面風(fēng)場(chǎng)的預(yù)報(bào)技巧。IASI同化試驗(yàn)提高了對(duì)地表和洋面的大風(fēng)區(qū)域和強(qiáng)度預(yù)報(bào)的精確度，對(duì)大風(fēng)天氣出現(xiàn)的范圍和風(fēng)力、大風(fēng)中心的風(fēng)速預(yù)測(cè)更為準(zhǔn)確。

（5）IASI同化試驗(yàn)的預(yù)報(bào)質(zhì)量隨時(shí)間比較穩(wěn)定。在00時(shí)，IASI同化試驗(yàn)的均方根誤差比控制試驗(yàn)的要大，但經(jīng)過模式的積分預(yù)報(bào)之后顯著減小，并且穩(wěn)定維持在較低的水平，在17—20時(shí)降到最低值。而控制試驗(yàn)的均方根誤差在開始預(yù)報(bào)后迅速增大，在12時(shí)達(dá)到最大之后開始下降，但始終高于IASI試驗(yàn)。說明IASI同化資料能降低預(yù)報(bào)的均方根誤差，在24 h預(yù)報(bào)中的模擬結(jié)果誤差較小，且質(zhì)量較穩(wěn)定。

本文對(duì)于IASI資料同化影響一次大風(fēng)天氣的情況進(jìn)行了簡(jiǎn)單研究，對(duì)地面10 m風(fēng)場(chǎng)的預(yù)報(bào)技巧有大幅改善。未來對(duì)數(shù)據(jù)的質(zhì)量控制還有改進(jìn)空間，四維變分、集合同化和集合變分混合同化等不同同化方案對(duì)預(yù)報(bào)技巧的影響也可以成為進(jìn)一步研究的方向。

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