劉泓鍇，和杰，丁偉鈺，鄧華，王洪，黃汝萍，時(shí)洋

(1.廣東電網(wǎng)有限責(zé)任公司陽(yáng)江供電局，廣東 陽(yáng)江 529599； 2.中國(guó)氣象局廣州熱帶海洋氣象研究所，廣東 廣州 510641；3.廣東省氣象臺(tái)，廣東 廣州 510641)

1 引 言

華南前汛期（4—6月）暴雨以鋒面暴雨和暖區(qū)暴雨為主，兩者常常同時(shí)發(fā)生，受到多尺度天氣系統(tǒng)相互作用及復(fù)雜下墊面的影響[1-2]，例如，鋒面、季風(fēng)氣流、低空急流、海陸風(fēng)等[3-5]，尤其是暖區(qū)暴雨過(guò)程影響因子復(fù)雜，預(yù)報(bào)能力顯著低于鋒面暴雨[6-7]。南海及沿岸區(qū)域作為華南低層大氣系統(tǒng)的上游，該區(qū)域在前汛期發(fā)生的季風(fēng)氣流、低空急流、海陸風(fēng)等多尺度天氣系統(tǒng)是導(dǎo)致華南前汛期暴雨過(guò)程的重要原因。因此，獲取更準(zhǔn)確的南海海上尺度天氣系統(tǒng)條件對(duì)進(jìn)一步改善華南前汛期暴雨預(yù)報(bào)水平具有重要意義。

資料同化融合觀測(cè)和模式背景信息，可以產(chǎn)生更準(zhǔn)確的模式初值條件[8-10]，從而合理刻畫影響華南前汛期暴雨的南海區(qū)域天氣系統(tǒng)特征。但海上觀測(cè)數(shù)據(jù)的不足嚴(yán)重制約了對(duì)南海地區(qū)天氣系統(tǒng)預(yù)報(bào)準(zhǔn)確性的改善，進(jìn)而影響了華南地區(qū)前汛期暴雨預(yù)報(bào)的水平，特別是在受海洋性對(duì)流影響嚴(yán)重的暖區(qū)暴雨預(yù)報(bào)方面。因此，如何充分同化吸收南海及沿岸現(xiàn)有觀測(cè)資料，改善南海乃至華南區(qū)域數(shù)值模式初值條件，對(duì)進(jìn)一步提高華南前汛期暴雨預(yù)報(bào)能力至關(guān)重要。隨著我國(guó)海洋氣象綜合觀測(cè)系統(tǒng)的不斷完善，南海海洋觀測(cè)數(shù)據(jù)和觀測(cè)變量也不斷豐富。?；^測(cè)資料作為主要的海洋氣象觀測(cè)類型，包括海島站、平臺(tái)站、浮標(biāo)站、船舶站、海上GNSS/MET 站等[11-13]，對(duì)大氣和海洋科學(xué)的發(fā)展起到重要作用。截至當(dāng)前，南海及沿岸區(qū)域的?；^測(cè)站數(shù)量已達(dá)到近百個(gè)，具有豐富的氣象觀測(cè)要素，有必要充分利用這部分稀缺海洋觀測(cè)資料，以改善數(shù)值模式對(duì)華南前汛期暴雨預(yù)報(bào)的能力。

現(xiàn)場(chǎng)觀測(cè)和衛(wèi)星觀測(cè)是海洋模式同化吸收的主要資料，海洋模式同化觀測(cè)通常為溫鹽剖面、海表氣壓等要素[11,14]，例如英國(guó)氣象局海洋預(yù)報(bào)同化系統(tǒng)（Forecast Ocean Assimilation Model）[15]、美國(guó)海軍耦合海洋資料同化系統(tǒng)（Navy Coupled Ocean Data Assimilation）[16-17]，以及中國(guó)全球海洋模式（Modular Ocean Model）[18-19]等。相較而言，大氣數(shù)值模式同化的?；^測(cè)主要是同化溫度、氣壓、濕度和風(fēng)場(chǎng)等要素。?；^測(cè)通常發(fā)生在邊界層比較平滑的海面，相對(duì)復(fù)雜地形處的常規(guī)地面站觀測(cè)，?；^測(cè)更容易被模式同化利用。但是，海基觀測(cè)資料尤其是浮標(biāo)、船舶觀測(cè)，受海洋環(huán)境影響大，例如觀測(cè)高度受海浪影響，而近岸風(fēng)場(chǎng)觀測(cè)誤差不確定性大[20]。因此，有效同化吸收?；^測(cè)資料需要復(fù)雜細(xì)致的質(zhì)量控制方法和合理的技術(shù)手段。英國(guó)氣象局在對(duì)全球地面觀測(cè)資料同化的研究中，針對(duì)多種?；^測(cè)的質(zhì)量控制及其對(duì)資料同化的影響進(jìn)行了詳細(xì)分析，合理處理觀測(cè)站點(diǎn)和模式的一致性高度、海島和岬角風(fēng)場(chǎng)觀測(cè)質(zhì)量控制、近岸?；^測(cè)與地面觀測(cè)的顯著差異以及日變化特點(diǎn)等是?；^測(cè)資料同化取得正貢獻(xiàn)的重要因素[12]。通過(guò)同化近海浮標(biāo)觀測(cè)及多種觀測(cè)資料，能夠有效探索風(fēng)能潛力區(qū)域，對(duì)開展風(fēng)能發(fā)電和近岸觀測(cè)選址提供重要依據(jù)[21]。通過(guò)是否同化全球浮標(biāo)氣壓觀測(cè)的預(yù)報(bào)敏感觀測(cè)影響（FSOI）試驗(yàn)發(fā)現(xiàn)，同化浮標(biāo)觀測(cè)資料對(duì)減少全球預(yù)報(bào)誤差至關(guān)重要，這是因?yàn)楹Ｑ笥^測(cè)非常稀少，而海平面氣壓為熱帶天氣變化提供了重要模式信息[22-23]。因此，海洋現(xiàn)場(chǎng)觀測(cè)資料同化對(duì)當(dāng)前全球天氣預(yù)報(bào)發(fā)揮著不可替代的重要作用[24]。

中國(guó)氣象局的全球/區(qū)域同化預(yù)報(bào)系統(tǒng)（CMA-GFS/CMA-MESO）[25-27]已經(jīng)實(shí)現(xiàn)了部分浮標(biāo)站觀測(cè)資料的同化，但僅同化了風(fēng)場(chǎng)觀測(cè)，對(duì)于其他變量（尤其是氣壓觀測(cè)）還未進(jìn)行業(yè)務(wù)同化，這嚴(yán)重削弱了本就稀少的海洋觀測(cè)對(duì)提高數(shù)值天氣預(yù)報(bào)水平的價(jià)值。盡管實(shí)現(xiàn)?；^測(cè)資料的同化技術(shù)比較基礎(chǔ)，但是針對(duì)?；^測(cè)資料同化對(duì)CMA 模式預(yù)報(bào)影響的研究仍然較少，這不利于?；^測(cè)資料在CMA 數(shù)值模式中長(zhǎng)期發(fā)展應(yīng)用，同時(shí)也不利于為未來(lái)開展?；^測(cè)和完善海洋觀測(cè)系統(tǒng)提供依據(jù)。鑒于CMA-MESO 模式對(duì)?；^測(cè)資料同化的發(fā)展現(xiàn)狀，本文結(jié)合華南前汛期暴雨，尤其是暖區(qū)暴雨受海洋性對(duì)流影響嚴(yán)重的特點(diǎn)，進(jìn)行南海及沿岸?；^測(cè)資料同化對(duì)華南前汛期暴雨預(yù)報(bào)的影響研究，初步揭示南海?；^測(cè)資料對(duì)CMA-MESO 模式預(yù)報(bào)的潛在改善價(jià)值，為CMA-MESO 模式實(shí)現(xiàn)更多?；^測(cè)資料業(yè)務(wù)同化、提高華南前汛期暴雨預(yù)報(bào)水平和開展南海海洋觀測(cè)試驗(yàn)提供重要依據(jù)。

2 前汛期暴雨天氣過(guò)程

2022 年5 月10—17 日，受高空槽、切變線、西南急流和冷空氣影響，廣東及沿海地區(qū)發(fā)生一次持續(xù)時(shí)間長(zhǎng)且范圍廣泛的強(qiáng)降水過(guò)程。10—13日（圖1a～1d），500 hPa不斷有波動(dòng)從高原東移，沿西風(fēng)槽槽前西南氣流向下游移動(dòng)，正渦度平流的引入促進(jìn)了廣東及周邊區(qū)域垂直運(yùn)動(dòng)的持續(xù)發(fā)展，而呈現(xiàn)日變化特征的西南急流在850 hPa 和925 hPa（圖略）上持續(xù)控制廣東上空，不斷向華南沿海區(qū)域輸送暖濕氣流，配合海陸地形和山脈的阻擋作用，在夜間沿海地區(qū)形成小時(shí)雨量超過(guò)100 mm的暖區(qū)強(qiáng)降水雨帶（圖1c～1d）。同時(shí)，受地形阻擋作用，高原東側(cè)西南渦（圖略）在東移過(guò)程逐漸演變成東西走向的切變線，并停滯在廣東中北部，切變線附近不斷有中尺度雨帶形成，隨引導(dǎo)氣流向下游移動(dòng)，形成珠三角區(qū)域的強(qiáng)降水（圖1c～1d）。13日-15日，受冷空氣影響，切變線南移，強(qiáng)降水中心逐漸移出華南沿岸，在南海近岸區(qū)域形成暴雨（圖1e～1f），24 h降水達(dá)到500 mm量級(jí)，15日之后降水逐漸南移減弱。

圖1 2022年5月10—15日每天1200 UTC ERA5再分析的850 hPa風(fēng)場(chǎng)（風(fēng)羽）和500 hPa位勢(shì)高度場(chǎng)（藍(lán)線），以及累積到當(dāng)前時(shí)刻的24 h融合降水觀測(cè) 黑色小矩形為試驗(yàn)?zāi)M區(qū)域；黑色粗曲線為青藏高原2 500 m地形高度邊界。本文采用的時(shí)間均為協(xié)調(diào)世界時(shí)（Universal Coordinated Time，UTC或Z）。

此次天氣過(guò)程的強(qiáng)降水主要發(fā)生在廣東和南海區(qū)域，雨帶向東南和南海方向逐漸移動(dòng)，并在海上形成強(qiáng)降水過(guò)程。鑒于?；^測(cè)資料常常部署在近海區(qū)域，本文獲取的海基觀測(cè)資料僅來(lái)自于廣東和海南沿海地區(qū)。因此，對(duì)?；^測(cè)資料同化的研究不宜選取過(guò)大的模擬區(qū)域，圖1中的黑色矩形范圍被選定為研究區(qū)域（2）。

3 模式與資料

3.1 CMA-MESO模式

CMA-MESO 區(qū)域數(shù)值模式由GRAPES（Global / Regional Assimilation and PrEdiction System）更名而來(lái)，該模式為CMA 在中國(guó)區(qū)域的主要業(yè)務(wù)同化預(yù)報(bào)系統(tǒng)，已在很多領(lǐng)域得到廣泛的研究和應(yīng)用，例如極端天氣事件、臺(tái)風(fēng)、沙塵暴、干旱等[28-30]。使用的物理方案包括微物理參數(shù)方案（WSM6）[31]、邊界層方案（NMRF）[32]、陸面過(guò)程參數(shù)方案（SMS）、長(zhǎng)短波輻射方案（RRTMG）[33-34]等。由于模擬試驗(yàn)分辨率約為3 km，達(dá)到了對(duì)流可分辨的網(wǎng)格尺度，對(duì)流參數(shù)方案被關(guān)閉。試驗(yàn)區(qū)域包括華南及南海近岸地區(qū)（圖2），覆蓋了主要的降水研究過(guò)程，水平網(wǎng)格為401 × 368，分辨率為0.03 ° × 0.03 °；垂直方向?yàn)?5 層，最高達(dá)到10 hPa。選用ECMWF 12 h 業(yè)務(wù)預(yù)報(bào)場(chǎng)作為驅(qū)動(dòng)CMA-MESO模式的初始條件和側(cè)邊界條件。

圖2 CMA-MESO模式同化預(yù)報(bào)模擬區(qū)域（107～119 °E，15～26 °N）紅點(diǎn)表示探空站；綠點(diǎn)表示地面站；藍(lán)點(diǎn)表示海基站，包括海島站、浮標(biāo)站、石油平臺(tái)站。

本文針對(duì)?；^測(cè)資料同化選取的模式版本為CMA-MESO ver5.0。CMA-MESO 模式采用的同化系統(tǒng)為三維變分（3DVAR）同化方法，其通過(guò)最小化模式空間與觀測(cè)空間之間的距離，求解當(dāng)前大氣的最優(yōu)估計(jì)（初值條件），表示該距離的函數(shù)稱為3DVAR的目標(biāo)函數(shù)，定義為：

其中等式右側(cè)第一項(xiàng)為背景場(chǎng)目標(biāo)函數(shù)項(xiàng)，x為當(dāng)前大氣狀態(tài)初值，xb為模式背景場(chǎng)，本文為ECMWF 的預(yù)報(bào)場(chǎng)，B 為背景誤差協(xié)方差，本文采用的B 為均勻各向同性的靜態(tài)矩陣。右側(cè)第二項(xiàng)為觀測(cè)目標(biāo)函數(shù)項(xiàng)，H為觀測(cè)算子，yo為觀測(cè)，R 為觀測(cè)誤差協(xié)方差。CMA-MESO 3DVAR 同化系統(tǒng)通過(guò)迭代求解目標(biāo)函數(shù)的極小值獲取驅(qū)動(dòng)CMAMESO模式預(yù)報(bào)的初值條件。

3.2 觀測(cè)資料

本文針對(duì)?；^測(cè)資料同化對(duì)華南及沿海區(qū)域暴雨預(yù)報(bào)影響的研究，選擇地面站和?；居^測(cè)作為CMA-MESO 模式同化的觀測(cè)類型，其中地面站觀測(cè)（圖2 綠點(diǎn)所示）來(lái)源于CMA 業(yè)務(wù)同化觀測(cè)，南海及沿岸的海基站觀測(cè)數(shù)據(jù)統(tǒng)一從廣東省氣象業(yè)務(wù)網(wǎng)獲取，主要包括海島站、浮標(biāo)站、石油平臺(tái)，數(shù)量達(dá)到近百個(gè)，分布在南海近海及沿岸地區(qū)（圖2 藍(lán)點(diǎn)所示）。海島站和石油平臺(tái)站觀測(cè)提供了豐富的觀測(cè)要素，有溫度、氣壓、濕度、風(fēng)場(chǎng)、降水等，浮標(biāo)站除上述觀測(cè)要素，還提供海表溫度和波高的觀測(cè)信息。此外，檢驗(yàn)觀測(cè)包括探空站（圖2紅點(diǎn)所示）觀測(cè)和降水觀測(cè)，探空觀測(cè)來(lái)自于CMA每天0000 UTC和1200 UTC的資料，降水觀測(cè)為CMA 的逐小時(shí)多源觀測(cè)降水融合資料，分辨率為0.05 ° × 0.05 °[35-36]。

3.3 質(zhì)量控制

質(zhì)量控制是數(shù)值天氣預(yù)報(bào)模式對(duì)觀測(cè)資料有效同化的關(guān)鍵。本文針對(duì)地面站和?；居^測(cè)資料的質(zhì)量控制，除了常規(guī)的極值檢查外，還進(jìn)行了背景場(chǎng)檢查[37]和變分質(zhì)量控制[38-40]。

背景場(chǎng)檢查假設(shè)觀測(cè)與背景場(chǎng)之差（新息向量）必須保持不大于觀測(cè)誤差的α倍，定義為：

首先，在規(guī)劃水產(chǎn)養(yǎng)殖工作之前，水產(chǎn)養(yǎng)殖管理機(jī)構(gòu)要根據(jù)企業(yè)內(nèi)部水資源的實(shí)際情況，對(duì)其發(fā)展規(guī)模開展準(zhǔn)確的評(píng)估工作。評(píng)估工作結(jié)束后，根據(jù)評(píng)估結(jié)果進(jìn)行具體的規(guī)劃，以提升水產(chǎn)養(yǎng)殖的科學(xué)性和合理性。

其中σo為觀測(cè)誤差，α為背景場(chǎng)檢查閾值系數(shù)，通常不同觀測(cè)類型的不同觀測(cè)要素具有不同系數(shù)，是由歷史資料統(tǒng)計(jì)獲得，本文針對(duì)地面站和?；静煌^測(cè)要素的背景場(chǎng)檢查閾值系數(shù)設(shè)置為α= 2.5。背景場(chǎng)檢查對(duì)新息向量偏差顯著大的觀測(cè)予以剔除，可以有效減少異常值觀測(cè)進(jìn)入同化系統(tǒng)，是觀測(cè)資料同化前的重要質(zhì)量控制步驟。

?；^測(cè)受海洋環(huán)境影響大，例如海浪高度的實(shí)時(shí)波動(dòng)導(dǎo)致觀測(cè)的高度具有不確定性，觀測(cè)高度和模式背景高度的不一致會(huì)導(dǎo)致獲取的?；^測(cè)新息向量不夠合理。此外，海基近岸風(fēng)場(chǎng)觀測(cè)誤差同樣具有很大的不確定性?？紤]到異常值觀測(cè)可能不全是錯(cuò)誤觀測(cè)，其可能攜帶有用的觀測(cè)信息甚至是正確的觀測(cè)，常規(guī)質(zhì)量控制涉及的閾值設(shè)定是根據(jù)歷史觀測(cè)統(tǒng)計(jì)獲得，應(yīng)用于當(dāng)前同化觀測(cè)具有不確定性，可能導(dǎo)致正確（有用）觀測(cè)被剔除，也可能引入可疑觀測(cè)到同化系統(tǒng)。因此，基于以上?；^測(cè)受海洋環(huán)境的影響，本文在同化?；^測(cè)過(guò)程還執(zhí)行了變分質(zhì)量控制。變分質(zhì)量控制是基于觀測(cè)誤差非高斯分布的假設(shè)，在變分同化極小化迭代過(guò)程，根據(jù)新息向量大小實(shí)現(xiàn)觀測(cè)權(quán)重的自適應(yīng)調(diào)整，以促進(jìn)同化分析的準(zhǔn)確性[39]。

根據(jù)變分質(zhì)量控制算法，觀測(cè)資料在變分迭代極小化過(guò)程獲得的權(quán)重大小是污染率（ε）、觀測(cè)誤差（σo）、新息向量的函數(shù)。污染率指導(dǎo)致新息向量非高斯分布的異常值可能概率，通常設(shè)為常數(shù)。當(dāng)污染率越高、新息向量（極小化跌過(guò)過(guò)程則指觀測(cè)與迭代分析值之差）越大，觀測(cè)資料獲取權(quán)重越小，即對(duì)分析場(chǎng)影響越小，但仍保持對(duì)分析場(chǎng)的調(diào)整[41]。借鑒CMA-MESO 模式地面站觀測(cè)資料同化已經(jīng)使用的變分質(zhì)量控制方案，本文針對(duì)?；^測(cè)資料的同化進(jìn)行了變分質(zhì)量控制方案的適用，變分質(zhì)量控制的以上參數(shù)與地面站觀測(cè)設(shè)置相同。

4 循環(huán)同化試驗(yàn)

為合理同化?；荆∣CEAN）觀測(cè)資料，首先針對(duì)地面站（SYNOP）觀測(cè)資料設(shè)計(jì)了冷啟動(dòng)同化（DA_SYNOP_COLD）和連續(xù)循環(huán)同化（DA_SYNOP_CYCLE）方案的敏感試驗(yàn)（圖3）。本文試驗(yàn)選取歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium - Range Weather Forecasts，ECMWF）12 h業(yè)務(wù)預(yù)報(bào)場(chǎng)作為初始同化時(shí)次的背景場(chǎng)。根據(jù)第2 節(jié)華南前汛期暴雨天氣發(fā)展過(guò)程（圖1），第一次同化的背景場(chǎng)時(shí)間設(shè)定為2022 年5月10 日0000 UTC，即2022 年5 月9 日1200 UTC 12 h 業(yè)務(wù)預(yù)報(bào)作為背景場(chǎng)，側(cè)邊界條件由相應(yīng)時(shí)刻的預(yù)報(bào)場(chǎng)生成，最后一次同化時(shí)間為2022 年5月17 日0000 UTC，每間隔3 h 進(jìn)行觀測(cè)資料同化和預(yù)報(bào)，即同化時(shí)間窗為3 h，每天8 次同化和預(yù)報(bào)，共進(jìn)行57 次同化和預(yù)報(bào)（圖3）。針對(duì)地面站觀測(cè)資料同化方案的敏感試驗(yàn)，其中冷啟動(dòng)同化試驗(yàn)（DA_SYNOP_COLD）每12 h 冷啟動(dòng)一次，背景場(chǎng)均來(lái)自ECMWF 12 h 業(yè)務(wù)預(yù)報(bào)場(chǎng)（如圖3 所示），并在0000 UTC-1200 UTC 期間進(jìn)行循環(huán)同化，背景場(chǎng)則來(lái)自CMA-MESO 模式3 h 預(yù)報(bào)場(chǎng)。連續(xù)循環(huán)同化試驗(yàn)（DA_SYNOP_CYCLE）則采用CMA-MESO 模式3 h預(yù)報(bào)場(chǎng)作為下一次同化的背景場(chǎng)，并連續(xù)執(zhí)行循環(huán)同化。兩組試驗(yàn)每3 h積分預(yù)報(bào)24 h（如圖3 藍(lán)色箭頭所示）。根據(jù)上述兩組敏感試驗(yàn)結(jié)果，證明了DA_SYNOP_CYCLE 試驗(yàn)24 h 降水預(yù)報(bào)顯著好于DA_SYNOP_COLD 試驗(yàn)（詳見6.1 節(jié)）。因此，本文針對(duì)地面站和?；居^測(cè)的試驗(yàn)研究選定為連續(xù)循環(huán)同化試驗(yàn)設(shè)計(jì)方案。

圖3 CMA-MESO 3DVAR同化系統(tǒng)連續(xù)循環(huán)同化和冷啟動(dòng)同化方案設(shè)計(jì) 紅色、黑色、綠色、藍(lán)色分別代表觀測(cè)資料（OBS）、資料同化、背景場(chǎng)來(lái)源、24 h模式預(yù)報(bào)的相關(guān)流程信息。

根據(jù)連續(xù)循環(huán)同化方案，本文針對(duì)?；^測(cè)資料設(shè)計(jì)了兩組同化試驗(yàn)：DA_SYNOP 和DA_SYNOP_OCEAN。DA_SYNOP 為僅同化地面站觀測(cè)的連續(xù)循環(huán)同化試驗(yàn)，作為參考試驗(yàn)；DA_SYNOP_OCEAN 是 在DA_SYNOP 試 驗(yàn) 的 基礎(chǔ)上增加?；^測(cè)資料循環(huán)同化的試驗(yàn)。兩組試驗(yàn)除同化觀測(cè)資料不同，其他與連續(xù)循環(huán)同化試驗(yàn)（DA_SYNOP_CYCLE）保持相同的設(shè)置，具體試驗(yàn)方案如圖3和表1所示。根據(jù)CMA-MESO 同化系統(tǒng)設(shè)計(jì)，觀測(cè)資料的溫度和氣壓要素僅可以選擇同化其中的一種，本文試驗(yàn)選擇同化氣壓要素。地面站和?；^測(cè)同化的氣象要素相同，包括氣壓（P）、濕度（RH）、緯向風(fēng)（U）和經(jīng)向風(fēng)（V）。

表1 地面站和?；居^測(cè)資料同化試驗(yàn)方案總結(jié)

5 診斷方法

本文針對(duì)同化分析場(chǎng)和模式預(yù)報(bào)場(chǎng)的診斷主要通過(guò)計(jì)算平均偏差（Bias）和均方根誤差（Rootmean-square Error，RMSE）進(jìn)行模式評(píng)估。平均偏差和均方根誤差的計(jì)算公式為：

其中Mi和Oi分別表示第i(i= 1，2，3，……，n)個(gè)站點(diǎn)或格點(diǎn)上的模式模擬量和觀測(cè)值。模式模擬量在觀測(cè)站點(diǎn)位置的值通過(guò)雙線性插值獲得。此外，針對(duì)模式預(yù)報(bào)降水進(jìn)行了降水評(píng)分評(píng)估，主要根據(jù)觀測(cè)降水與預(yù)報(bào)降水按類別分類后列出的頻數(shù)表統(tǒng)計(jì)獲得，該表稱為列聯(lián)表（Contingency table），如表2 所示。統(tǒng)計(jì)計(jì)算的降水評(píng)分有頻率偏 差（Frequency Bias，F(xiàn)B）、技 巧 評(píng) 分（Threat Score，TS）、空?qǐng)?bào)率（False Alarm Rate，F(xiàn)AR）、成功率（Success Ratio，SR）和命中率（Probability of Detection，POD），表3給出了各類降水評(píng)分的計(jì)算公式、閾值范圍和最佳技巧評(píng)分值。

表2 降水預(yù)報(bào)檢驗(yàn)方法的二分類列聯(lián)表

表3 各類降水評(píng)分的計(jì)算公式及描述

6 試驗(yàn)結(jié)果分析

6.1 同化方案分析

DA_SYNOP_COLD 和DA_SYNOP_CYCLE試驗(yàn)在2022 年5 月10 日1200 UTC 之前的同化和預(yù)報(bào)結(jié)果保持一致。2022 年5 月10 日1200 UTC為DA_SYNOP_COLD 試驗(yàn)第2 次冷啟動(dòng)同化時(shí)刻，此時(shí)DA_SYNOP_CYCLE 試驗(yàn)繼續(xù)使用3 h預(yù)報(bào)場(chǎng)進(jìn)行連續(xù)循環(huán)同化，即兩組同化試驗(yàn)的背景場(chǎng)信息開始不同。10 日1200 UTC 24 h 降水分布在廣東大部分地區(qū)，強(qiáng)降水中心主要在粵西沿海和粵北區(qū)域（圖4a），最大降水量超過(guò)300 mm。DA_SYNOP_COLD 和DA_SYNOP_CYCLE 試 驗(yàn)（圖4e 和圖4i）的24 h 降水模擬誤差較大，DA_SYNOP_COLD 試驗(yàn)對(duì)粵東降水模擬較好，但嚴(yán)重漏報(bào)粵西降水，DA_SYNOP_CYCLE 試驗(yàn)漏報(bào)了粵東及沿岸地區(qū)的較弱降水。相比DA_SYNOP_COLD 試驗(yàn)，DA_SYNOP_CYCLE 準(zhǔn)確捕捉到粵西的暖區(qū)暴雨，盡管降水預(yù)報(bào)偏弱。

2022 年5 月12 日1200 UTC 24 h 累積降水面積擴(kuò)大，在粵中及以東、廣西東北部、西南部和福建南部均產(chǎn)生20 mm 以上的降水（圖4b），廣東降水中心分布在珠江口和粵東中部。DA_SYNOP_COLD 試驗(yàn)此時(shí)重新進(jìn)行1 次冷啟動(dòng)同化，而DA_SYNOP_CYCLE 試驗(yàn)已進(jìn)行17 次連續(xù)循環(huán)同化，兩組試驗(yàn)?zāi)M的降水分布和中心開始產(chǎn)生顯著偏差，DA_SYNOP_CYCLE 試驗(yàn)的降水模擬明顯好于DA_SYNOP_COLD試驗(yàn)，尤其在粵中及以東區(qū)域，更準(zhǔn)確地模擬出珠江口以西的降水強(qiáng)度，同時(shí)，顯著減少DA_SYNOP_COLD試驗(yàn)在最北側(cè)區(qū)域（小于20 mm 降水）的空?qǐng)?bào)現(xiàn)象。對(duì)于2022 年5 月13—14 日1200 UTC 24 h 降水，對(duì) 比DA_SYNOP_COLD 試 驗(yàn)（圖4g～4h），DA_SYNOP_CYCLE 試驗(yàn)同樣顯著改善了沿海區(qū)域的模擬降水分布，同時(shí)在降水強(qiáng)度方面也更加接近實(shí)況降水（圖4k～4l）。根據(jù)冷啟動(dòng)和循環(huán)同化試驗(yàn)分析可知，連續(xù)循環(huán)同化試驗(yàn)方案對(duì)此次降水分布、中心和強(qiáng)度方面的模擬均顯著優(yōu)于冷啟動(dòng)同化試驗(yàn)方案。

根據(jù)圖4可知，連續(xù)循環(huán)同化試驗(yàn)顯著優(yōu)于冷啟動(dòng)同化試驗(yàn)，它們的區(qū)別在于背景場(chǎng)來(lái)源不同。對(duì)于冷啟動(dòng)同化試驗(yàn)，背景場(chǎng)每12 h 采用ECMWF 預(yù)報(bào)場(chǎng)進(jìn)行更新，以確保大尺度天氣系統(tǒng)的準(zhǔn)確性，這導(dǎo)致每次冷啟動(dòng)都需要模式重新進(jìn)行動(dòng)力再平衡，從而失去之前同化積累的有用觀測(cè)信息。因此，確保大尺度天氣系統(tǒng)的準(zhǔn)確性和保留累積同化觀測(cè)信息是一個(gè)平衡關(guān)系。根據(jù)本文連續(xù)循環(huán)同化試驗(yàn)結(jié)果，大尺度天氣系統(tǒng)和降水預(yù)報(bào)并未出現(xiàn)偏移（“漂移”）現(xiàn)象，這使得連續(xù)循環(huán)同化試驗(yàn)結(jié)果比冷啟動(dòng)同化試驗(yàn)更優(yōu)。圖5給出了DA_SYNOP_COLD和DA_SYNOP_CYCLE 試驗(yàn)的平均絕對(duì)地面氣壓傾向變化。平均絕對(duì)地面氣壓傾向在動(dòng)力平衡狀態(tài)后基本維持在較平穩(wěn)的狀態(tài)，可以表征模式對(duì)噪聲濾除的快慢。較快地濾除噪聲并達(dá)到平衡，有利于縮短模式平衡（spin-up）時(shí)間，進(jìn)而實(shí)現(xiàn)模式穩(wěn)定積分和預(yù)報(bào)。 從圖中可以看出，DA_SYNOP_CYCLE 試驗(yàn)的地面氣壓傾向達(dá)到平穩(wěn)狀態(tài)的速度在大部分時(shí)次均要快于DA_SYNOP_COLD 試驗(yàn)，尤其在冷啟動(dòng)同化時(shí)刻（0000 UTC 和1200 UTC）。盡管目前CMAMESO 同化系統(tǒng)還未實(shí)現(xiàn)標(biāo)準(zhǔn)的暖啟動(dòng)同化功能，僅是通過(guò)云分析系統(tǒng)更新模式水物質(zhì)場(chǎng)以達(dá)到縮短spin-up 時(shí)間和實(shí)現(xiàn)暖啟動(dòng)同化功能，而并沒有在3DVAR 過(guò)程更新水凝物變量。但是，根據(jù)本文試驗(yàn)可知，簡(jiǎn)單的連續(xù)循環(huán)同化設(shè)計(jì)在一定程度上同樣可以減少spin-up 時(shí)間，通過(guò)累積同化觀測(cè)信息，達(dá)到比冷啟動(dòng)同化試驗(yàn)更好的效果。因此，本文針對(duì)?；^測(cè)資料同化的研究選用連續(xù)循環(huán)同化試驗(yàn)方案。由于本文僅是?；^測(cè)資料同化的初步研究，對(duì)于暖啟動(dòng)同化方案將在未來(lái)做進(jìn)一步的探討。

圖5 冷啟動(dòng)（DA_SYNOP_COLD）和連續(xù)循環(huán)同化（DA_SYNOP_CYCLE）試驗(yàn)過(guò)程地面氣壓傾向隨時(shí)間的變化

6.2 模式變量診斷

選取獨(dú)立性探空站觀測(cè)資料（圖2紅點(diǎn)所示），對(duì)DA_SYNOP 和DA_SYNOP_OCEAN 試驗(yàn)分析場(chǎng)的比濕、溫度、緯向風(fēng)和經(jīng)向風(fēng)變量進(jìn)行平均偏差（Bias）和均方根誤差（RMSE）診斷，其中均方根誤 差 差 異 （RMSE difference） 為DA_SYNOP_OCEAN 試 驗(yàn) 與DA_SYNOP 試 驗(yàn) 的差，負(fù)值表示正貢獻(xiàn)。從比濕偏差廓線來(lái)看（圖6a、6e），兩組試驗(yàn)的偏差基本相當(dāng)，只是在低層DA_SYNOP_OCEAN 試驗(yàn)偏差更小，中層DA_SYNOP 試驗(yàn)偏差更小，比濕場(chǎng)總體在低層呈現(xiàn)弱的干偏差，中層呈現(xiàn)顯著的濕偏差。DA_SYNOP_OCEAN 試驗(yàn)的比濕均方根誤差在低層（除925 hPa）小于DA_SYNOP 試驗(yàn)，中高層總體大于DA_SYNOP 試驗(yàn)，與比濕偏差廓線基本一致。 這表明，增加同化?；^測(cè)資料（DA_SYNOP_OCEAN）對(duì)改善低層的濕度場(chǎng)產(chǎn)生了積極的正貢獻(xiàn)。

圖6 2022年5月10日0000 UTC —2022年5月17日0000 UTC DA_SYNOP和DA_SYNOP_OCEAN試驗(yàn)分析場(chǎng)的偏差（Bias, a～d）和均方根誤差差異（RMSE difference, e～h）統(tǒng)計(jì) 檢驗(yàn)觀測(cè)為每天0000 UTC和1200 UTC獨(dú)立性探空站廓線觀測(cè)，圖中右軸表示檢驗(yàn)時(shí)間段內(nèi)相應(yīng)氣壓層的檢驗(yàn)觀測(cè)數(shù)量。均方根誤差差異為DA_SYNOP_OCEAN試驗(yàn)與DA_SYNOP試驗(yàn)的差，負(fù)值表示DA_SYNOP_OCEAN試驗(yàn)具有正貢獻(xiàn)。a, e：比濕（Q）; b, f：溫度（T）; c, g：緯向風(fēng)（U）; d, h：經(jīng)向風(fēng)（V）。

兩組試驗(yàn)溫度場(chǎng)偏差基本一致，低層有顯著的暖偏差（圖6b），而均方根誤差廓線顯示，DA_SYNOP_OCEAN 試驗(yàn)的溫度場(chǎng)相對(duì)DA_SYNOP 試驗(yàn)整體有微弱的改善（圖6f）。DA_SYNOP_OCEAN 試驗(yàn)的緯向風(fēng)在低層的偏差和均方根誤差小于DA_SYNOP 試驗(yàn)，中高層則互有優(yōu)勢(shì)，不確定性大（圖6c、6g）。兩組試驗(yàn)的經(jīng)向風(fēng)偏差和均方根誤差基本相當(dāng)，互相不具有明顯優(yōu)勢(shì)（圖6d、6h）。總體來(lái)看，增加同化?；^測(cè)資料顯著改善了分析場(chǎng)低層的濕度場(chǎng)和風(fēng)場(chǎng)，對(duì)溫度改善不明顯，這與同化的?；^測(cè)發(fā)生在低層具有一致性。

6.3 降水預(yù)報(bào)分析

受切變線和西南季風(fēng)影響，廣東西部和中北部出現(xiàn)超過(guò)250 mm 的24 h 累計(jì)降水（圖7a），2022 年5 月10 日0000 UTC 為第一次同化時(shí)間，DA_SYNOP 和DA_SYNOP_OCEAN 試驗(yàn)24 h 預(yù)報(bào)較好地模擬出最北側(cè)的降水，對(duì)粵東的降水嚴(yán)重偏弱，對(duì)粵西的降水幾乎漏報(bào)（圖7f、7k）。隨著同化觀測(cè)和循環(huán)同化時(shí)次的增加（19 次），5 月12日0600 UTC 兩組試驗(yàn)24 h 累積降水預(yù)報(bào)與觀測(cè)更接近，較好地模擬出實(shí)況降水分布特點(diǎn)，但降水強(qiáng)度明顯偏強(qiáng)，降水中心則偏北（圖6g、6l）。5 月12 日0600 UTC 前，兩組試驗(yàn)24 h 累積降水預(yù)報(bào)差異不明顯，但相比DA_SYNOP 試驗(yàn)，DA_SYNOP_OCEAN 試驗(yàn)僅在粵北和廣西東部對(duì)大雨量級(jí)的降水預(yù)報(bào)有一定的改善（圖6g、6l），這可能是由于同化的?；^測(cè)資料主要位于沿海及海上區(qū)域，導(dǎo)致在內(nèi)陸區(qū)域還無(wú)法獲取更準(zhǔn)確的天氣系統(tǒng)。2022 年5 月13 日前后，降水雨帶逐漸從內(nèi)陸移至沿海及海上地區(qū)（圖7b、7c），DA_SYNOP（圖7g～7h）和DA_SYNOP_OCEAN（圖7l～7m）試驗(yàn)有效捕捉這次降水過(guò)程，但兩組試驗(yàn)的降水中心更偏北，對(duì)珠江口附近的中心暴雨嚴(yán)重漏報(bào)，但相比 DA_SYNOP 試驗(yàn)，DA_SYNOP_OCEAN 試驗(yàn)在粵東沿海及海上的預(yù)報(bào)降水更加接近觀測(cè)（圖7l～7m），該區(qū)域降水預(yù)報(bào)的改善與增加同化?；居^測(cè)的位置保持一致。

圖7 DA_SYNOP（f～j）和DA_SYNOP_OCEAN（k～o）試驗(yàn)分別在2022年5月11日0000 UTC（a、f、k）、12日0600 UTC（b、g、l）、13日0000 UTC（c、h、m）、15日0000 UTC（d、i、n）、16日1200 UTC（e、j、o）的24 h降水預(yù)報(bào)及與之對(duì)應(yīng)的24 h觀測(cè)降水（a～e） 黑色線表示25 mm觀測(cè)降水等值線。

受冷空氣影響，雨帶沿東南方向逐漸移入南海區(qū)域，15 日0000 UTC 24 h 累積降水主體已處在海上（圖7d～7e）。兩組試驗(yàn)在15 日0000 UTC和16 日1200 UTC 24 h 降水預(yù)報(bào)有效模擬出這次降水過(guò)程和主要分布特點(diǎn)，但降水強(qiáng)度嚴(yán)重偏弱（圖7i～7j 和圖7n～7o）。相較于DA_SYNOP試驗(yàn)24 h 降水模擬（圖7i），同化海基觀測(cè)資料后，DA_SYNOP_OCEAN 試驗(yàn)（圖7j）擴(kuò)大了海上的降水范圍，增強(qiáng)了降水強(qiáng)度（海上區(qū)域和粵西沿海區(qū)域），盡管與觀測(cè)降水差異很大，但?；^測(cè)資料同化使得降水預(yù)報(bào)更接近實(shí)況降水。隨著觀測(cè)雨帶南移，DA_SYNOP_OCEAN 試驗(yàn)相對(duì)DA_SYNOP 試驗(yàn)對(duì)降水模擬的改善也在逐漸減?。▓D7d, 7i, 7n），這可能與雨帶逐漸遠(yuǎn)離同化?；居^測(cè)的位置有關(guān)?？傮w來(lái)看，同化?；居^測(cè)，對(duì)沿海及海上降水有較明顯的改善，對(duì)內(nèi)陸和遠(yuǎn)離?；居^測(cè)位置的降水模擬改善不顯著。

鑒于海基觀測(cè)資料同化有效改善了低層的水汽條件和動(dòng)力場(chǎng)（圖6e 和圖6g），以及沿岸和海上的24 h 降水預(yù)報(bào)（圖7m～7o），本文進(jìn)一步分析了此次降水過(guò)程中低層水汽輸送條件和動(dòng)力抬升條件。圖8 為2022 年5 月15 日0000 UTC 24 h 預(yù)報(bào)的925 hPa 水汽通量和風(fēng)場(chǎng)。從水汽輸送條件來(lái)看，西南季風(fēng)從南海中南部向其東北部海域輸送大量的濕空氣，形成西南季風(fēng)水汽通道；而粵東沿海偏東氣流攜帶近海海面上大量的濕空氣并向珠江口以西沿海地區(qū)持續(xù)輸送。從動(dòng)力抬升條件來(lái)看，南海東北部海域有暖式切變形成，有利于該地區(qū)的輻合抬升運(yùn)動(dòng)，且持續(xù)的水汽輸送形成水汽匯，有利于降水的維持，形成大暴雨降水；而珠江口以西沿海地區(qū)受到風(fēng)速輻合影響，形成水汽輻合，同樣有利于該地區(qū)的暴雨到大暴雨降水的形成。與DA_SYNOP相比，DA_SYNOP_OCEAN試驗(yàn)的水汽通量更強(qiáng)、風(fēng)切更為顯著，使得兩地的預(yù)報(bào)降水更強(qiáng)（橢圓區(qū)域），與觀測(cè)降水也更接近（圖7d、7i、7n），在海上的其他時(shí)次具有類似的特點(diǎn)（圖略）。因此，?；^測(cè)資料同化可通過(guò)有效改善低層水汽輸送和動(dòng)力抬升條件，從而改善沿岸和海上區(qū)域的降水預(yù)報(bào)。

圖8 2022年5月15日0000 UTC 24 h預(yù)報(bào)的925 hPa水汽通量（陰影）和風(fēng)場(chǎng)（箭頭）a.DA_SYNOP ；b.DA_SYNOP_OCEAN試驗(yàn)。

6.4 降水預(yù)報(bào)檢驗(yàn)

由于TS 評(píng)分與空?qǐng)?bào)率和漏報(bào)率之間并不獨(dú)立，不同的空?qǐng)?bào)率和漏報(bào)率有可能導(dǎo)致相同的TS評(píng)分，為更好反映模式預(yù)報(bào)能力，采用評(píng)分綜合展示圖呈現(xiàn)出命中率（POD），成功率（SR）、TS 評(píng)分以及頻率偏差（FB）四種檢驗(yàn)評(píng)分結(jié)果，更能客觀地評(píng)估模式降水預(yù)報(bào)好壞，綜合評(píng)分展示圖的右上角位置為最佳降水評(píng)分。圖9 和圖10 分別是2022 年5 月10 日0000 UTC 到2022 年5 月17 日0000 UTC 期間57 次24 h 內(nèi)降水預(yù)報(bào)的綜合評(píng)分展示圖，其中圖9 為陸地區(qū)域的降水評(píng)估，圖10 為海洋區(qū)域的降水評(píng)估。

圖9 DA_SYNOP和DA_SYNOP_OCEAN試驗(yàn)在陸地區(qū)域6 h（a）、12 h（b）、18 h（c）、24 h（d）預(yù)報(bào)降水的綜合評(píng)分展示圖6～12 h降水評(píng)分閾值為0.1 mm、10 mm、30 mm、50 mm、100 mm；18～24 h降水評(píng)分閾值為0.1 mm、20 mm、50 mm、100 mm、150 mm。

圖10 同圖9但為海上區(qū)域降水預(yù)報(bào)的綜合評(píng)分展示圖

從圖9中可以看出，兩組試驗(yàn)在陸地區(qū)域各時(shí)段預(yù)報(bào)降水頻率偏差評(píng)分均大于1（除大于0.1 mm 降水近似于1外），說(shuō)明CMA-MESO 模式對(duì)此次降水過(guò)程在陸地區(qū)域的降水總體明顯過(guò)估DA_SYNOP_OCEAN 試驗(yàn)的6 h 和18 h 預(yù)報(bào)降水評(píng)分和DA_SYNOP 試驗(yàn)幾乎一致，12 h 和24 h 預(yù)報(bào)降水評(píng)分除了對(duì)12 h 30 mm 降水和24 h 100 mm降水有微弱的優(yōu)勢(shì)外，其他閾值降水評(píng)分也同DA_SYNOP 試驗(yàn)相當(dāng)?？梢?，增加?；^測(cè)資料同化對(duì)陸地區(qū)域降水預(yù)報(bào)的改善有限，這是因?yàn)楹；^測(cè)遠(yuǎn)離陸地區(qū)域，其同化影響范圍有限。此外，當(dāng)前可同化的?；^測(cè)數(shù)量?jī)H有幾十個(gè)，相對(duì)于高分辨率數(shù)值模式存在明顯不足。

圖10 同圖9 但給出了海上區(qū)域的降水評(píng)分。從頻率偏差評(píng)分來(lái)看，除6 h 和12 h 的0.1 mm 和10 mm降水頻率偏差評(píng)分近似等于1外，其他時(shí)段較大閾值降水評(píng)分均顯示兩組試驗(yàn)在海上區(qū)域的降水明顯低估。DA_SYNOP_OCEAN 試驗(yàn)相比DA_SYNOP 試驗(yàn)，對(duì)6 h 和12 h 預(yù)報(bào)降水改善不顯著，僅對(duì)30 mm 降水有明顯改善，其他閾值預(yù)報(bào)降水評(píng)分基本相當(dāng)。但DA_SYNOP_OCEAN 試驗(yàn)對(duì)于18 h 和24 h 預(yù)報(bào)降水的大部分閾值（除0.1 mm 閾值降水）降水評(píng)分均有較明顯的改善。總體來(lái)看，相比陸地區(qū)域的降水預(yù)報(bào)，增加同化?；^測(cè)資料，可顯著提高CMA-MESO 模式對(duì)海上區(qū)域的降水預(yù)報(bào)評(píng)分，顯示出海基觀測(cè)資料同化對(duì)沿岸及海上區(qū)域天氣預(yù)報(bào)的重要性。

7 結(jié)論與討論

本文通過(guò)搜集南海及沿岸海基觀測(cè)資料，在地面站觀測(cè)資料同化基礎(chǔ)上，額外增加同化搜集海基觀測(cè)，研究?；^測(cè)資料同化對(duì)華南前汛期暴雨預(yù)報(bào)的影響，揭示了南海海基觀測(cè)資料對(duì)CMA-MESO 模式對(duì)沿海及海上區(qū)域暴雨預(yù)報(bào)的潛在改善價(jià)值，為CMA-MESO 模式實(shí)現(xiàn)更多?；^測(cè)資料業(yè)務(wù)同化、提高華南前汛期暴雨預(yù)報(bào)水平和開展南海海洋觀測(cè)試驗(yàn)提供了重要依據(jù)。根據(jù)冷啟動(dòng)和連續(xù)循環(huán)同化試驗(yàn)分析，即使在無(wú)法實(shí)現(xiàn)標(biāo)準(zhǔn)暖啟動(dòng)同化的情況下，連續(xù)循環(huán)同化在試驗(yàn)期間并未出現(xiàn)天氣系統(tǒng)或預(yù)報(bào)降水“漂移”的問(wèn)題。地面氣壓傾向變化表明連續(xù)循環(huán)同化試驗(yàn)相比冷啟動(dòng)同化試驗(yàn)更有利于模式快速平衡，而連續(xù)循環(huán)同化長(zhǎng)期累積的有用觀測(cè)信息，使其降水預(yù)報(bào)效果顯著優(yōu)于冷啟動(dòng)同化試驗(yàn)。為此，本文針對(duì)?；^測(cè)資料同化的研究采用了連續(xù)循環(huán)同化方案的設(shè)計(jì)，但暖啟動(dòng)同化試驗(yàn)可能會(huì)產(chǎn)生更佳的效果，對(duì)此將在未來(lái)的研究進(jìn)一步實(shí)現(xiàn)標(biāo)準(zhǔn)暖啟動(dòng)循環(huán)同化，以揭示?；^測(cè)資料同化可能帶來(lái)的更好改善效果。

根據(jù)地面站和?；^測(cè)資料的連續(xù)循環(huán)同化試驗(yàn)結(jié)果，額外增加同化海基觀測(cè)資料可有效改善分析場(chǎng)低層的濕度場(chǎng)和風(fēng)場(chǎng)，但對(duì)溫度改善不明顯，這與同化?；^測(cè)來(lái)自低層保持一致。分析場(chǎng)對(duì)低層濕度場(chǎng)和風(fēng)場(chǎng)的改善進(jìn)一步改善了華南上游南海區(qū)域的水汽輸送和動(dòng)力條件，從而在海上及沿岸區(qū)域的降水預(yù)報(bào)更加接近觀測(cè)降水，顯示出?；^測(cè)資料同化起到的重要作用。降水預(yù)報(bào)檢驗(yàn)表明，同化?；^測(cè)資料對(duì)陸地區(qū)域的降水預(yù)報(bào)改善不明顯，但對(duì)海上區(qū)域的降水預(yù)報(bào)改善顯著，尤其是18 h 和24 h 的強(qiáng)降水預(yù)報(bào)。總體來(lái)看，額外增加海基觀測(cè)資料同化對(duì)華南前汛期海上區(qū)域的暴雨預(yù)報(bào)產(chǎn)生了積極的正貢獻(xiàn)。盡管當(dāng)前?；^測(cè)數(shù)量有限，可進(jìn)一步完善同化方案等技術(shù)以加快?；^測(cè)資料進(jìn)入業(yè)務(wù)同化，提高CMA-MESO 模式對(duì)華南前汛期暴雨預(yù)報(bào)的能力，以充分利用?；^測(cè)資料同化的增益價(jià)值。

致 謝：感謝廣東省氣象探測(cè)數(shù)據(jù)中心在數(shù)據(jù)收集上提供的幫助。