鐘浩斌 王磊 李謝輝 陳旭 梁周彤

摘要 選取3個(gè)三江源的典型降水個(gè)例（2018年6月30日、7月5日、8月24日），利用NCEP FNL再分析數(shù)據(jù)，并加入ATOVS濕度探測(cè)器MHS資料同化，基于WRF模式及其三維變分同化系統(tǒng)對(duì)三江源區(qū)域3次降水過程進(jìn)行循環(huán)同化試驗(yàn)，分析3次事件的模擬狀況，并定量分析降水結(jié)果。結(jié)果表明，3次降水事件在加入MHS資料同化后，1）模擬的水汽增大，在中層體現(xiàn)最明顯且更符合實(shí)際情況，高空水汽和風(fēng)模擬較好，地面溫度預(yù)報(bào)欠佳;2）MHS資料對(duì)降水預(yù)報(bào)的影響主要體現(xiàn)在降水區(qū)面積和降水量的增大，提高了降水預(yù)報(bào)水平，但也帶來較多空?qǐng)?bào)區(qū)域;3）從TS、ETS、POD評(píng)分結(jié)果來看，有兩個(gè)降水試驗(yàn)的提升較為明顯，其中“0630”試驗(yàn)TS評(píng)分結(jié)果在0.5～10 mm之間提升了0.05～0.1，ETS在5 mm提升超過0.08，在10～20 mm之間也有少量提升，POD檢驗(yàn)在0.5～20 mm之間均有提升，在0.5～10 mm之間提升最為明顯，提升了0.1～0.25，“0824”試驗(yàn)TS與ETS在10～20 mm之間提升超過0.1，POD檢驗(yàn)在6～20 mm之間提升了0.1～0.4，同化后降水預(yù)報(bào)有所改善，且在大閾值降水尤為明顯;4）MHS資料同化對(duì)“0705”試驗(yàn)降水預(yù)報(bào)改善不明顯，說明同化并不是每次都能給結(jié)果帶來正效應(yīng)，因此在使用MHS資料時(shí)不能過于信賴它，但總體上，同化MHS資料能夠提升預(yù)報(bào)質(zhì)量。

關(guān)鍵詞三江源;降水;WRF模式;資料同化;微波輻射數(shù)據(jù)

三江源位于中國(guó)青海省南部，是長(zhǎng)江、黃河和瀾滄江三大水系的主要發(fā)源地，是我國(guó)面積最大的自然保護(hù)區(qū)，也是世界高海拔地區(qū)生物多樣性最集中的自然保護(hù)區(qū)，流域保護(hù)區(qū)總面積達(dá)302 500 km2，地理位置為89°～103°E、31°～39°N，平均海拔高度為3 335～6 564 m，西高東低，地形地貌極其復(fù)雜。三江源屬于高原大陸性氣候，冷熱季與干濕季交替，年溫差大，日溫差小，且生態(tài)環(huán)境脆弱，對(duì)氣候變化響應(yīng)十分敏感。在青藏高原大地形作用下，來自青藏高原北側(cè)的氣流與來自西南方向的氣流經(jīng)常在三江源地區(qū)交匯形成輻合，這種流場(chǎng)特征有利于形成高原切變線和低渦等天氣系統(tǒng)，為當(dāng)?shù)亟邓纬商峁┝藙?dòng)力條件（李生辰等，2009）。三江源暴雨的水汽一般有3條來源路徑，分別是孟加拉灣的西南路徑、中緯度西風(fēng)帶的水汽路徑和西北的干冷氣流輸送路徑（陳亞玲等，2022），它們配合三江源局地的動(dòng)力系統(tǒng)（姚秀萍等，2022），常常能引起較大的降水事件。三江源年平均降水量為470 mm左右（蔡永祥等，2022），夏季平均降水量接近300 mm（劉曉瓊等，2019），夏季是三江源降水最集中的季節(jié)，常常發(fā)生暴雨。一旦發(fā)生暴雨天氣，很容易引起山體滑坡和山洪暴發(fā)等災(zāi)害，不僅給當(dāng)?shù)厝嗣裆?cái)產(chǎn)安全帶來嚴(yán)重威脅，而且會(huì)損害當(dāng)?shù)亟?jīng)濟(jì)發(fā)展（馬秀梅等，2017;雷彥和張廣偉，2020），而提升三江源數(shù)值天氣預(yù)報(bào)的準(zhǔn)確率，則能提高暴雨的預(yù)報(bào)水平并有效減少災(zāi)害損失。2018年夏季三江源降水量較大，與往年相比多了三成，位列歷史第一，因此本文將對(duì)2018年夏季3場(chǎng)典型的短波槽降水進(jìn)行試驗(yàn)研究。

數(shù)值天氣預(yù)報(bào)涉及初邊值問題，當(dāng)輸入大氣狀態(tài)初值、合適的地面條件和側(cè)邊界條件后，數(shù)值模式將模擬出大氣的推演結(jié)果，即預(yù)報(bào)出天氣要素，包括氣溫、氣壓、降水量、風(fēng)場(chǎng)和濕度等。數(shù)值天氣預(yù)報(bào)在確定了參數(shù)化方案后，其初始場(chǎng)越精確，其預(yù)報(bào)結(jié)果就會(huì)越準(zhǔn)確。資料同化能改進(jìn)模式初始場(chǎng)（薛紀(jì)善，2009），從而進(jìn)一步提升模式預(yù)報(bào)結(jié)果的質(zhì)量（王順鳳等，2011）。資料同化實(shí)質(zhì)是研究如何處理各種不同精度的非常規(guī)觀測(cè)數(shù)據(jù)，包括雷達(dá)數(shù)據(jù)和衛(wèi)星輻射資料等，并使之與常規(guī)觀測(cè)數(shù)據(jù)合理地整合為一個(gè)有機(jī)整體，從而為數(shù)值模式提供一個(gè)更準(zhǔn)確的初始場(chǎng)，達(dá)到提高模式預(yù)報(bào)精度的目的。相比其他同化資料，衛(wèi)星資料具有觀測(cè)數(shù)據(jù)一致、覆蓋范圍廣、時(shí)空分辨率高、不受地理?xiàng)l件影響等特點(diǎn)（王宗皓，1995;楊引明等，2012）;衛(wèi)星資料因上述特點(diǎn)已被廣泛應(yīng)用于天氣診斷分析和數(shù)值天氣預(yù)報(bào)中。歐洲中期數(shù)值預(yù)報(bào)中心公布的數(shù)據(jù)顯示，衛(wèi)星輻射資料占所有同化資料的90％以上，純粹的衛(wèi)星輻射資料又占所有使用資料的80％以上（薛紀(jì)善，2009），許多業(yè)務(wù)數(shù)值天氣預(yù)報(bào)中心和研究機(jī)構(gòu)實(shí)現(xiàn)了多類型衛(wèi)星輻射資料同化在數(shù)值天氣預(yù)報(bào)中的應(yīng)用。對(duì)于衛(wèi)星資料同化，一些學(xué)者就不同的事件個(gè)例進(jìn)行了深入探究（Qin et al.，2013;馬旭林等，2014;王恬等，2014）;許多案例研究結(jié)果表明，加入衛(wèi)星資料同化后，形勢(shì)場(chǎng)和降水分布的模擬有了顯著提升（郭銳等，2010;張斌等，2014;Wang et al.，2018;張少婷等，2019），臺(tái)風(fēng)路徑的模擬也有較好改善（張濤等，2019）。此外，有學(xué)者對(duì)多種衛(wèi)星輻射資料同化中應(yīng)用偏差訂正方案進(jìn)行了探討，并對(duì)衛(wèi)星輻射資料同化影響模式預(yù)報(bào)結(jié)果進(jìn)行了綜合評(píng)估，結(jié)果表明改善效果明顯（Schwartz et al.，2012;段華等，2015）。

在衛(wèi)星氣象微波資料中，極軌氣象衛(wèi)星搭載的微波濕度探測(cè)器資料（microwave humidity sounder，MHS）的研究應(yīng)用對(duì)降水模擬有著很大影響。相比于紅外濕度計(jì)，MHS的微波輻射能夠穿透非降水云，得到云里面的大氣濕度信息。隨著氣象衛(wèi)星事業(yè)和資料同化的發(fā)展，MHS資料得到了進(jìn)一步利用，云區(qū)和降水區(qū)預(yù)報(bào)激發(fā)了對(duì)MHS資料的研究，因此對(duì)衛(wèi)星輻射濕度資料進(jìn)行研究具有十分重要的意義。Andersson et al.（2007）、張同（2016）使用不同方法評(píng)估了衛(wèi)星濕度資料的同化應(yīng)用，結(jié)果表明均取得較好的效果。然而，在數(shù)值天氣預(yù)報(bào)中如何最有效地同化衛(wèi)星微波濕度計(jì)資料，至今仍是一大挑戰(zhàn)。McNally et al.（1997）指出，衛(wèi)星資料同化需要考慮發(fā)射率校正、偏差訂正以及云況和降水等。同化過程必須顧及掃描偏差（Harris and Kelly，2001）;衛(wèi)星輻射資料直接同化需要通過輻射傳輸模型;在衛(wèi)星資料同化過程中，基礎(chǔ)光譜數(shù)據(jù)和濕度資料等衛(wèi)星觀測(cè)數(shù)據(jù)誤差會(huì)造成系統(tǒng)性偏差，結(jié)果與實(shí)際有誤差（李剛等，2016a，2016b）。MHS資料包含大氣的水汽信息，對(duì)降水預(yù)報(bào)有著舉足輕重的影響（馬原和鄒曉蕾，2013;Candy and Migliorini，2021）。曲美慧（2015）研究發(fā)現(xiàn)，MHS資料在GRAPES-GFS模式中的應(yīng)用能改善水汽的預(yù)報(bào)。于曉晶等（2018）針對(duì)一次暴雨個(gè)例，同化MHS與AMSU-A（advanced microwave sounder unit-A）資料;結(jié)果表明，同化MHS比同化AMSU-A的降水評(píng)分更優(yōu)，MHS更適用于降水預(yù)報(bào)。另外，有學(xué)者研究發(fā)現(xiàn)，與其他微波濕度計(jì)資料AMSU-B（advanced microwave sounder unit-B）相比，MHS在測(cè)量敏感性與定標(biāo)的精確度方面要優(yōu)于AMSU-B，MHS的效果更好（Bonsignori，2007）?？傮w來看，大多數(shù)MHS研究的結(jié)果表明，其對(duì)數(shù)值預(yù)報(bào)有正效應(yīng)。然而，目前我們還不清楚MHS資料在三江源地區(qū)的降水模擬應(yīng)用是否具有同樣好的效果，而此類研究也較少。由于三江源地區(qū)地勢(shì)較高、地形復(fù)雜、面積廣闊且氣象觀測(cè)站點(diǎn)稀少，所以數(shù)值模式中的初值質(zhì)量存在較大問題;而衛(wèi)星輻射資料具有覆蓋面廣和時(shí)空分辨率高等特點(diǎn)，故其有望改善三江源地區(qū)常規(guī)觀測(cè)資料不足的現(xiàn)狀。因此，在缺乏常規(guī)資料的三江源地區(qū)開展MHS資料同化研究應(yīng)用勢(shì)在必行。目前，國(guó)內(nèi)有關(guān)WRF資料同化的研究主要是探討不同同化方法及多數(shù)據(jù)同化的效果差異，而同區(qū)域多事件案例對(duì)單一數(shù)據(jù)同化模擬結(jié)果的影響研究則較少。為此，本文將在三江源3次降水事件中加入MHS資料循環(huán)同化進(jìn)行試驗(yàn)，比較同化前后試驗(yàn)的結(jié)果，探討加入衛(wèi)星MHS資料同化對(duì)3次事件預(yù)報(bào)效果的影響，以期提高三江源地區(qū)降水預(yù)報(bào)的精度。

1 資料來源與說明

1.1 資料來源

本次預(yù)報(bào)模擬使用WRF模式，用來輸入WRF模式的氣象資料是NCAR／NCEP提供的FNL（final operational global analysis）全球分析數(shù)據(jù)，空間分辨率為1°×1°，時(shí)間分辨率為6 h，垂直方向上分26層，包括氣溫、對(duì)流、蒸發(fā)、濕度和位勢(shì)高度等。500 hPa環(huán)流形勢(shì)資料選用歐洲中期數(shù)值預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的第5代高分辨率再分析資料（the fifth generation ECMWF Re-Analysis，ERA5），包括日每小時(shí)的緯向風(fēng)分量、經(jīng)向風(fēng)分量、比濕、位勢(shì)高度，其水平分辨率為0.25°×0.25°。高時(shí)空分辨率的降水觀測(cè)資料對(duì)于模式預(yù)報(bào)具有相當(dāng)重大的意義（任英杰等，2019），降水觀測(cè)資料分辨率高能減少計(jì)算模式模擬降水的評(píng)分結(jié)果因分辨率產(chǎn)生的誤差，能有效提升測(cè)評(píng)模式預(yù)報(bào)降水的能力，因此用來與WRF輸出數(shù)據(jù)進(jìn)行對(duì)比的觀測(cè)降水資料選取了空間分辨率為0.1°×0.1°、時(shí)間分辨率為0.5 h、由美國(guó)NASA（National Aeronautics and Space Administration）提供的GPM IMERG（Integrated Multi-satellitE Retrievals for GPM）中的Final Run降水產(chǎn)品。分析高空實(shí)況的水汽資料使用氣象信息綜合分析處理系統(tǒng)（Meteorological Information Comprehensive Analysis and Processing System，MICAPS）第4類格點(diǎn)數(shù)據(jù)，風(fēng)場(chǎng)使用MICAPS第11類格點(diǎn)矢量數(shù)據(jù)，它們的網(wǎng)格分辨率是緯度方向3.4°、經(jīng)度方向5°，時(shí)間分辨率是12 h，即00時(shí)與12時(shí)（世界時(shí)，下同）。分析地面溫度實(shí)況的資料使用MICAPS第3類通用填圖和離散點(diǎn)等值線數(shù)據(jù)，其空間分辨率為氣象站點(diǎn)分布狀況，時(shí)間分辨率為5 min。同化資料采用MHS資料。降水資料采用GPM IMERG的Final Run產(chǎn)品（Chen and Li，2016;Liu，2016;Sharifi et al.，2016;Siuki et al.，2017）。

1.2 微波濕度探測(cè)器介紹

微波濕度探測(cè)器（MHS）用于探測(cè)大氣濕度信息，是一種先進(jìn)的微波濕度探測(cè)器，含有5個(gè)通道，主要用于探測(cè)大氣濕度的垂直分布、水汽含量和云中液態(tài)含水量等，能有效探測(cè)大氣中水汽的空間分布與變化狀況。MHS擁有89～190 GHz范圍的頻道，微波濕度探測(cè)器將在大氣中吸收水汽最強(qiáng)的183.31 GHz作為主探測(cè)頻點(diǎn)，并向兩側(cè)擴(kuò)展有3個(gè)探測(cè)通道（183.31±1） GHz、（183.31±3） GHz和190.31 GHz，它們分別對(duì)大氣層的上層、中層和下層水汽敏感。183.31 GHz頻道提供大氣濕度數(shù)據(jù)，而157 GHz和89 GHz頻道用來觀測(cè)地表發(fā)射率、地表溫度（結(jié)合AMSU-A數(shù)據(jù)）等參數(shù);另有低層大氣信息的窗區(qū)通道，能修正主探測(cè)通道的數(shù)據(jù)，探測(cè)云中的含水量以及低空云和降水等。綜合5個(gè)通道的探測(cè)信息，能得到大氣濕度在垂直方向上的分布狀況，為數(shù)值預(yù)報(bào)模式提供重要的參數(shù)信息。

2 模式方案與方法

2.1 模式設(shè)置

本試驗(yàn)研究使用WRF模式（3.9.1版本）模擬，并以NCEP FNL全球再分析資料為背景場(chǎng)。3次個(gè)例模擬過程時(shí)間分別為2018年6月29日12：00—7月1日00：00、7月4日12：00—7月6日00：00、8月23日12：00—8月25日00：00。為了囊括三江源周邊地區(qū)可能的天氣影響而使得試驗(yàn)更具真實(shí)性，試驗(yàn)采用雙層嵌套，外層水平分辨率為9 km，包含部分西北、西南、華北地區(qū)，垂直方向有60層;內(nèi)層水平分辨率為3 km，以三江源地區(qū)為主，垂直方向有60層，積分步長(zhǎng)為30 s，模擬中心點(diǎn)為96.061 2°E、36.138 7°N，位于三江源降水位置附近（圖1）。試驗(yàn)設(shè)置參數(shù)方案如下：長(zhǎng)波輻射，rrtm方案;短波輻射，Dudhia方案;積云對(duì)流參數(shù)方案，淺對(duì)流Kain-Fritsch方案;近地面層，Monin-Obukhov方案;陸面過程，Noah陸面過程方案;邊界層，YSU方案;微物理過程，新Thompson冰雹方案。

2.2 同化方案

本研究使用的同化系統(tǒng)為WRF資料同化系統(tǒng)（WRF Data Assimilation System，WRFDA），數(shù)據(jù)同化方法為WRF三維變分同化（WRF-3DVAR）。WRFDA是由美國(guó)國(guó)家大氣研究中心開發(fā)并維護(hù)的與中尺度模式WRF相配套的資料同化系統(tǒng)，由Fortran90程序語言編寫，同樣采用模塊化結(jié)構(gòu)。WRF-3DVAR可以理解為觀測(cè)場(chǎng)與分析場(chǎng)、分析場(chǎng)與背景誤差場(chǎng)之間的二次泛函極小化問題，計(jì)算公式為：

式中：y0為大氣觀測(cè);xb為背景場(chǎng);x為初始場(chǎng)最優(yōu)解;B為背景誤差協(xié)方差矩陣;R為觀測(cè)誤差協(xié)方差矩陣;H（x）為由x向y的映射（觀測(cè)算子）。輻射傳輸模式采用美國(guó)衛(wèi)星資料同化聯(lián)合中心研制開發(fā)的CRTM（Community Radiative Transfer Model），背景誤差協(xié)方差矩陣采用WRFDA的通用“CV3”，偏差訂正采用變分偏差訂正方法。同化方案采用循環(huán)同化方案，從初始刻（“0630”試驗(yàn)，2018年6月29日12：00;“0705”試驗(yàn)，2018年7月4日12：00;“0824”試驗(yàn)，2018年8月23日12：00）同化初始場(chǎng)積分6 h，將模擬得到的預(yù)報(bào)場(chǎng)作為下一個(gè)時(shí)刻的初始場(chǎng)進(jìn)行同化，以此分別循環(huán)至2018年7月1日00：00、7月6日00：00、8月25日00：0，共36 h。同化時(shí)間窗口設(shè)為6 h，即以分析時(shí)間為中心的±3 h為時(shí)間窗口。同化資料選用NOAA-18衛(wèi)星的MHS資料。本次試驗(yàn)個(gè)例有3個(gè)，研究試驗(yàn)分成3組，具體設(shè)計(jì)方案如表1所示。此外，衛(wèi)星觀測(cè)資料不能直接用于同化，因?yàn)樘綔y(cè)得到的輻射數(shù)據(jù)部分為地表、海冰、雪蓋等下墊面信息，且容易受到云污染，所以需要對(duì)衛(wèi)星資料進(jìn)行質(zhì)量控制。質(zhì)量控制是觀測(cè)資料進(jìn)入同化系統(tǒng)分析之前必不可少的一步，目的是消除一些不符合同化質(zhì)量要求的觀測(cè)數(shù)據(jù)，并保證同化計(jì)算過程的快速收斂和同化分析結(jié)果的質(zhì)量。為方便起見，本試驗(yàn)采用WRFDA中自帶的質(zhì)量控制方案：1）剔除混合層、陸地、海冰、雪蓋通道1、通道2，保留通道3、通道4、通道5;2）降水檢測(cè)，若通道1和通道2的亮溫之差≥3 K，則認(rèn)為有降水影響，該廓線舍去;3）臨邊檢測(cè)時(shí)舍去掃描線兩端的8個(gè)點(diǎn);4）地面氣壓檢測(cè)，若存在地面氣壓小于800 hPa，則剔除通道5。

2.3 分析方法

為了更客觀地分析預(yù)報(bào)試驗(yàn)的模擬效果，本文采用FAR（false alarm rate）、MAR（missing alarm rate）、POD（probability of detection）、TS（threat score）、BIAS、ETS（equitable threat score）、平均絕對(duì)誤差（mean absolute error，MAE）與均方根誤差（root mean squared error，RMSE）對(duì)其結(jié)果進(jìn)行檢驗(yàn)。TS評(píng)分與模式水平分辨率有重要相關(guān)關(guān)系，分辨率越高，TS評(píng)分效果越明顯（王在文等，2016）。ETS評(píng)分是TS評(píng)分的一種改進(jìn)，能夠由空?qǐng)?bào)與漏報(bào)的降水預(yù)報(bào)點(diǎn)對(duì)評(píng)分進(jìn)行懲罰，因此使得其對(duì)降水的評(píng)分結(jié)果相對(duì)后者更加公平（吳啟樹等，2017）。

TS評(píng)分為：

ETS評(píng)分為：

式中：NA為成功預(yù)報(bào)降水的頻次;NB為降水空?qǐng)?bào)的頻次;NC為降水漏報(bào)的頻次;ND為預(yù)報(bào)與實(shí)況結(jié)果均未達(dá)到閾值正確的次數(shù)。TS、ETS評(píng)分的值介于0～1之間。通常情況下，由于ETS評(píng)分對(duì)空?qǐng)?bào)結(jié)果有較大懲罰而使其偏低于TS評(píng)分，所以ETS評(píng)分常與TS評(píng)分結(jié)合起來作綜合評(píng)估。在一個(gè)降水閾值內(nèi)，TS和ETS評(píng)分越大說明預(yù)報(bào)效果越好，反之則說明預(yù)報(bào)效果越差。其他常用的降水評(píng)估還有：

式中：POD是指每次預(yù)報(bào)的命中情況，表示模式模擬降水在實(shí)際降水中發(fā)生的概率，也就是成功預(yù)報(bào)的真實(shí)降水地區(qū)占所有真實(shí)降水地區(qū)的比值，取值在0～1之間，值越大表示預(yù)報(bào)效果越好;FAR為空?qǐng)?bào)率，指所有模擬的降水地區(qū)中實(shí)際沒有發(fā)生降水地區(qū)的占比，取值在0～1之間，值越大表示空?qǐng)?bào)率越高;BIAS為偏差評(píng)分，表示在某一量級(jí)降水閾值上預(yù)報(bào)的降水區(qū)域中滿足該閾值的所有格點(diǎn)數(shù)與對(duì)應(yīng)實(shí)際降水的格點(diǎn)數(shù)之比（Kong et al.，2008），BIAS評(píng)分能指示預(yù)報(bào)的降水不足（結(jié)果小于1）或過度（大于1），用來測(cè)量降水預(yù)報(bào)與實(shí)際的相對(duì)程度。

3 結(jié)果與分析

3.1 衛(wèi)星資料診斷

3.1.1 衛(wèi)星資料分布

由于同一傳感器不同通道的觀測(cè)資料覆蓋范圍大致相同，所以下面以MHS第4通道為例，對(duì)衛(wèi)星資料范圍進(jìn)行分析。圖2a為各衛(wèi)星資料稀疏化后的分布（MHS搭載于NOAA-18衛(wèi)星上，由兩條掃描帶組成），可知MHS稀疏化后的資料有1 236個(gè)。圖2b為剔除不符合質(zhì)量的資料后剩余的觀測(cè)點(diǎn)分布;經(jīng)過質(zhì)量控制后，資料剩余數(shù)為539個(gè)，MHS第4通道剔除資料主要位于兩條掃描帶之間以及青藏高原和西北部分地區(qū)。通過對(duì)衛(wèi)星云圖（圖略）的觀察分析可以發(fā)現(xiàn)，在這些地區(qū)上空，云量較多，云層較厚，推測(cè)是衛(wèi)星觀測(cè)資料在該地區(qū)受云污染嚴(yán)重，資料質(zhì)量較差，故在質(zhì)量控制中未通過檢驗(yàn)而被舍去。通過質(zhì)量控制后，衛(wèi)星資料的整體質(zhì)量雖然有所上升，但通過圖2c可發(fā)現(xiàn)，背景場(chǎng)亮溫與觀測(cè)亮溫仍有差異，且背景場(chǎng)亮溫普遍要高于觀測(cè)亮溫，這是由于觀測(cè)資料本身、背景場(chǎng)、分析場(chǎng)以及CRTM輻射傳輸模式可能存在系統(tǒng)性誤差所致，因此在衛(wèi)星資料經(jīng)過質(zhì)量控制后仍需對(duì)其進(jìn)行偏差訂正（李剛等，2016a，b），這樣才能更好地發(fā)揮衛(wèi)星資料在資料同化中的作用，下面將分析衛(wèi)星資料的偏差訂正結(jié)果。

3.1.2 偏差訂正

圖3a—c為MHS資料中一個(gè)通道亮溫偏差訂正結(jié)果。圖3a中，橫坐標(biāo)為觀測(cè)亮溫（OBS），縱坐標(biāo)為未訂正的背景場(chǎng)亮溫（BAK）。由圖3a可發(fā)現(xiàn)，一個(gè)通道的散點(diǎn)圖大致呈線性分布，且大多數(shù)散點(diǎn)位于圖中對(duì)角線上方，說明背景場(chǎng)模擬亮溫與觀測(cè)亮溫有差異，且大多數(shù)模擬亮溫高于觀測(cè)亮溫。圖3b的橫坐標(biāo)為觀測(cè)亮溫，縱坐標(biāo)為訂正后的背景場(chǎng)亮溫。圖3b的散點(diǎn)分布相對(duì)圖3a整體下降，且更加貼近圖中對(duì)角線，說明資料在經(jīng)過偏差訂正后模擬亮溫下降了，更加符合觀測(cè)亮溫的結(jié)果。圖3c的縱坐標(biāo)是同化后的分析場(chǎng)模擬亮溫。與圖3b比較，圖3c的散點(diǎn)更向?qū)蔷€靠攏，即分析場(chǎng)模擬亮溫與觀測(cè)亮溫更加接近，說明同化效果好。比較MEAN、STDV和RMSE結(jié)果可知，訂正后的觀測(cè)殘差MEAN和RMSE與訂正前相比有所下降，說明偏差訂正方案能減少系統(tǒng)誤差;背景場(chǎng)與同化后的分析場(chǎng)相比，分析場(chǎng)的觀測(cè)殘差MEAN和RMSE在同化后進(jìn)一步減少，STDV也有所下降，說明偏差訂正方案能改善分析場(chǎng)模擬亮溫，由此使得模擬亮溫結(jié)構(gòu)與觀測(cè)亮溫結(jié)果更加接近。

圖3d—f是觀測(cè)殘差頻數(shù)分布直方圖，能進(jìn)一步分析偏差訂正的效果。圖3d、e的橫坐標(biāo)為OMB（觀測(cè)場(chǎng)減背景場(chǎng)），圖3f的橫坐標(biāo)為OMA（觀測(cè)場(chǎng)減分析場(chǎng)）。結(jié)果顯示，圖3d的OMB范圍在-7～3 K之間，大值主要位于-2～-1 K區(qū)間，圖3e的OMB范圍在-6～4 K之間，訂正后的模擬亮溫有所提升，大值主要位于-1～0 K之間，偏差減小了，說明偏差訂正有正效應(yīng)。圖3f的OMA范圍在-4～3 K之間，與圖3e相比范圍明顯縮小，且有近300個(gè)資料分布在0附近;圖3f位于0附近的資料比圖3e多約200個(gè)，說明分析場(chǎng)亮溫更加接近觀測(cè)結(jié)果。對(duì)其他通道的分析也得出了較為一致的結(jié)論，限于篇幅，此處不再贅述。

3.2 預(yù)報(bào)場(chǎng)分析

3.2.1 預(yù)報(bào)風(fēng)場(chǎng)與水汽場(chǎng)

圖4給出了模擬24 h的400 hPa風(fēng)濕場(chǎng)。由“0630”試驗(yàn)結(jié)果來看，三江源西側(cè)的南風(fēng)與東南側(cè)的東南風(fēng)在加入同化后風(fēng)速稍有增大，整體提升了2～4 m／s，而北側(cè)的西風(fēng)則減弱了2 m／s左右;濕度分布是整體西部偏濕、北部和東南部偏干，同化后西側(cè)濕度大于4.5 g·kg-1的區(qū)域增大，局部濕度增大至5.5 g·kg-1;跟實(shí)況相比，西北側(cè)和西南側(cè)的風(fēng)向的同化模擬效果更好，東北側(cè)的風(fēng)向在同化前更接近實(shí)況，而東南側(cè)的風(fēng)向在同化前、后均與實(shí)況相差較大。由“0705”試驗(yàn)結(jié)果來看，同化前、后整體以西風(fēng)為主，同化前在96°E、35°N附近出現(xiàn)弱的風(fēng)速輻合，同化后該輻合西移，此處原西北風(fēng)轉(zhuǎn)為東風(fēng)且風(fēng)速輻合增大;濕度分布主要是南北干、中間濕，同化后西南側(cè)濕度減小、北側(cè)濕度增大;4個(gè)點(diǎn)的實(shí)況風(fēng)均為偏西風(fēng)，模擬結(jié)果與之相符;南側(cè)2個(gè)點(diǎn)的風(fēng)速在同化前稍小，同化后增大了2～4 m／s，風(fēng)速更符合實(shí)況，而北側(cè)2個(gè)點(diǎn)的風(fēng)速與同化前、后的結(jié)果相比，無明顯差異。

由“0824”試驗(yàn)結(jié)果來看，整體以西風(fēng)和西北風(fēng)為主，在加入同化后，西南側(cè)的西北風(fēng)的北風(fēng)分量減少，東南側(cè)的西風(fēng)轉(zhuǎn)為西南風(fēng)，風(fēng)速比實(shí)況略大，而北側(cè)2個(gè)點(diǎn)的風(fēng)速在同化前、后相差不大，模擬結(jié)果較符合實(shí)況;對(duì)照實(shí)況看，同化后的風(fēng)場(chǎng)質(zhì)量稍有提升;濕度分布整體是北側(cè)和東南側(cè)偏干、中間濕，同化后北側(cè)偏干區(qū)域的濕度有所上升。通過比較3次試驗(yàn)的400 hPa水汽分布可發(fā)現(xiàn)，加入MHS資料同化后，水汽含量預(yù)報(bào)有了明顯增大;與MICAPS資料相比，同化后部分地區(qū)的風(fēng)速和風(fēng)向預(yù)報(bào)稍有改善。

圖5為站點(diǎn)水汽含量隨高度的分布（站點(diǎn)位置是根據(jù)MICAPS資料的高空站點(diǎn)分布和實(shí)際主要降水區(qū)域綜合考慮后確定的;圖a、d與圖b、e的地點(diǎn)在95°E、35.8°N，圖c、f的地點(diǎn)在100°E、32.4°N）。由圖5可見，500 hPa上，同化后的水汽含量均增大，更接近實(shí)況;在其他高度層上，同化后的水汽含量幾乎都增加，且中層的水汽增量最大，推測(cè)是質(zhì)量控制的方案保留了第3、4、5通道，而這3個(gè)通道主要是探測(cè)中低層水汽的原因所致。3個(gè)降水試驗(yàn)結(jié)果顯示，在降水水汽貢獻(xiàn)最大的中低層，加入同化后差值減小的層數(shù)比同化前要多。此外，“0630”試驗(yàn)和“0824”試驗(yàn)的RMSE在同化后低于同化前，表明同化后其水汽模擬較好。從總體效果看，同化試驗(yàn)對(duì)“0705”試驗(yàn)的站點(diǎn)水汽預(yù)報(bào)不夠理想，而對(duì)“0630”和“0824”試驗(yàn)的站點(diǎn)水汽預(yù)報(bào)效果較好。

3.2.2 預(yù)報(bào)溫度場(chǎng)

圖6為3場(chǎng)降水的24 h地面溫度預(yù)報(bào)及實(shí)況?！?630”試驗(yàn)中，同化后西側(cè)溫度有所下降，大范圍低于6 ℃，北側(cè)溫度有所提升，局地可達(dá)28 ℃;三江源南側(cè)大范圍溫度下降2～4 ℃;對(duì)照實(shí)況可知，同化后模擬效果更佳?！?705”試驗(yàn)中，同化前、后的差異主要位于北側(cè)和南側(cè)部分地區(qū)，同化后溫度下降2 ℃;對(duì)照實(shí)況可知，北側(cè)和中部溫度在同化后模擬更佳，且南側(cè)大范圍高溫區(qū)在同化后模擬更好?！?824”試驗(yàn)中，同化后北側(cè)局域溫度上升2 ℃，西北側(cè)部分地區(qū)溫度上升2 ℃;對(duì)照實(shí)況可知，北側(cè)區(qū)域溫度上升與同化前相比預(yù)報(bào)效果不夠理想，而西北側(cè)區(qū)域同化后溫度模擬更加接近實(shí)況。

綜上所述，3次試驗(yàn)對(duì)地面溫度的預(yù)報(bào)，在加入MHS同化后效果改善得不夠理想，推測(cè)是降水云層較厚影響了傳輸模式結(jié)果，使得MHS資料在低層大氣濕度探測(cè)結(jié)果與實(shí)況有偏差，導(dǎo)致地面溫度的模擬沒有得到很好的改善。這表明，同化MHS資料并不總是能給預(yù)報(bào)帶來正效應(yīng)，同化資料仍存在不足之處。

3.2.3 降水空間分布

圖7a—c為2018年6月30日15：00—21：00（此次降水發(fā)生的主要時(shí)段）模擬累計(jì)降水量分布及實(shí)況。由圖7c可見，降水區(qū)域?yàn)橐粭l東北—西南走向的雨帶，包括三江源西南側(cè)局部地區(qū)，降水中心主要位于三江源西側(cè)及東北側(cè)，最大降水量可達(dá)30 mm。由圖7a可見，同化前，模擬試驗(yàn)的降水區(qū)主要位于三江源西側(cè)、西北側(cè)及西南側(cè)局部地區(qū)，最大降水量可達(dá)30 mm，與實(shí)況相比，降水中心位置偏北，三江源東北部降水未被模擬出，與實(shí)況有差異。由圖7b可見，MHS同化后試驗(yàn)?zāi)M的降水分布與同化前相比有較大變化，模擬降水區(qū)域與實(shí)況的重合度更高，模擬的雨帶更接近實(shí)況，說明此次同化改善降水結(jié)果較好。圖7d—f為2018年7月5日12：00—18：00模擬累計(jì)降水量分布及實(shí)況。由圖7f可見，降水主要發(fā)生在中部及東南部，最大降水量可達(dá)30 mm。比較圖7d與圖7e可發(fā)現(xiàn)，在三江源中部，同化前、后的降水位置較接近，但同化后的降水區(qū)域分為兩部分，更接近實(shí)況;在三江源東南部，同化前的雨區(qū)更接近實(shí)況，同化后則偏南;在三江源西部局部地區(qū)，同化前、后降水均未能被模擬出。總體來看，此次降水模擬同化的改善作用較小，甚至部分地區(qū)的降水預(yù)報(bào)反而不如同化前。圖7g—i為2018年8月24日09：00—15：00模擬累計(jì)降水量分布及實(shí)況。由圖7i可見，降水區(qū)域?yàn)橐粭l東北—西南走向的雨帶，且雨帶東北部和南部局地存在大值降水。由圖7g可見，同化前的試驗(yàn)基本能模擬出雨帶，但降水大值區(qū)主要位于雨帶西南部，與實(shí)況相差較大。由圖7h可見，同化后的試驗(yàn)?zāi)苣M出雨帶，且降水大值區(qū)幾乎覆蓋整條雨帶;試驗(yàn)?zāi)苣M出部分地區(qū)的降水大值中心，而部分地區(qū)的大值降水預(yù)報(bào)可能會(huì)使得大值降水錯(cuò)報(bào)增多，但效果上仍比同化前大值降水錯(cuò)報(bào)和漏報(bào)要更好。綜合來看，同化MHS資料對(duì)降水分布預(yù)報(bào)有較明顯的改善。盡管如此，僅從降水分布來評(píng)價(jià)預(yù)報(bào)結(jié)果是否有改善還存在主觀性，故而下面將對(duì)所有試驗(yàn)進(jìn)行降水評(píng)分，以客觀分析檢驗(yàn)預(yù)報(bào)結(jié)果。

3.3 降水預(yù)報(bào)評(píng)分

在研究區(qū)域（92°～100°E，31°～37°N）內(nèi)，以GPM IMERG的Final降水產(chǎn)品為觀測(cè)標(biāo)準(zhǔn)，對(duì)主要時(shí)段的模擬降水進(jìn)行數(shù)據(jù)評(píng)估。根據(jù)6 h累計(jì)降水量實(shí)況，將試驗(yàn)研究的6 h累計(jì)降水量分為4個(gè)等級(jí)，分別為小雨（0.5～<5.0 mm）、中雨（5.0～<10.0 mm）、大雨（10.0～<20.0 mm）和暴雨（大于等于20.0 mm），小于0.5 mm均視為無雨。通過網(wǎng)格數(shù)據(jù)插值方法，將GPM降水產(chǎn)品數(shù)據(jù)網(wǎng)格與WRF模擬數(shù)據(jù)的高分辨率網(wǎng)格統(tǒng)一，計(jì)算3個(gè)個(gè)例試驗(yàn)的POD、FAR、BIAS以及各個(gè)降水等級(jí)的TS、ETS。

由表2和圖8可見，“0630”降水在同化前的模擬效果是，TS評(píng)分有不錯(cuò)的評(píng)估，但對(duì)于ETS評(píng)分，由于存在許多空?qǐng)?bào)和漏報(bào)的地方，ETS評(píng)分會(huì)對(duì)空?qǐng)?bào)和漏報(bào)進(jìn)行懲罰，所以ETS評(píng)分整體偏低。加入同化后，大于等于小雨級(jí)別的降水TS評(píng)分提升了0.1左右，中雨級(jí)別的降水TS評(píng)分提升了0.13、ETS評(píng)分提升了0.08左右;POD檢驗(yàn)在0.5～20 mm之間均有提升，特別在0.5～10 mm之間提升最明顯，提升了0.1～0.25。TS、ETS和POD在同化后雖然有明顯的提升效果，但也存在一些不足。對(duì)于大于等于0.5 mm的降水，加入同化后POD提升，但FAR相較于同化前空?qǐng)?bào)次數(shù)略增，這導(dǎo)致大于等于小雨級(jí)別降水ETS評(píng)分在同化后沒有明顯提升。從BIAS來看，同化前、后相差較大，同化后在1～16 mm之間BIAS評(píng)分大于1，試驗(yàn)預(yù)報(bào)結(jié)果偏濕，而在16～20 mm之間BIAS評(píng)分小于1，說明在該降水閾值內(nèi)多處降水漏報(bào)，同化前BIAS整體小于1，降水以漏報(bào)為主。此外，此次降水同化后的RMSE與MAE均有所下降。總體來看，此次降水加入同化后對(duì)改善降水模擬效果是有所提升的。

對(duì)于“0705”降水，同化后降水分布改善較小（圖7）。從降水評(píng)估來看，POD與FAR相比其他2場(chǎng)降水檢驗(yàn)結(jié)果均較差，對(duì)大于等于小雨級(jí)別的降水，同化前TS評(píng)分僅有0.448，但ETS評(píng)分相對(duì)于“0630”降水卻有增大;這可能是由于此次降水范圍不大、降水量偏小，模擬降水和實(shí)際降水在多處均無降水，所以ETS評(píng)分不會(huì)因多處模擬和實(shí)際同時(shí)無降水而受到懲罰，故而其結(jié)果比“0630”降水的要大。由BIAS結(jié)果可見，同化前、后的結(jié)果較相近，總體趨勢(shì)是在較小降水閾值內(nèi)稍大于1 mm之后隨雨量的增大而迅速減小，整體均以漏報(bào)為主。此個(gè)例模擬結(jié)果過高的降水空?qǐng)?bào)使得ETS結(jié)果偏低，此外考慮到TS、POD降水檢驗(yàn)結(jié)果相比其他2場(chǎng)降水均較差，故該個(gè)例檢驗(yàn)效果不理想（TS、ETS、POD與同化前相比均有所下降）。這說明，同化MHS資料并不總會(huì)給每次降水事件的預(yù)報(bào)都能帶來好的結(jié)果，有時(shí)甚至?xí)o模擬帶來負(fù)效應(yīng)。這里提醒我們，在使用MHS資料同化模擬時(shí)，不能對(duì)其模擬結(jié)果完全信賴，仍需通過改進(jìn)資料的使用方法來找到最適宜的同化方案，尋找更優(yōu)的質(zhì)量控制方案和同化方法，以達(dá)到提高模式預(yù)報(bào)質(zhì)量的目的。

對(duì)于“0824”降水，同化前、后雨帶位置基本無差異，且均能被大致模擬出（圖7）。表2表明，對(duì)小雨和中雨級(jí)別的降水，同化前、后的TS與ETS評(píng)分較接近，但大雨和暴雨級(jí)別的降水，同化后的TS與ETS評(píng)分均有大幅提升。在暴雨級(jí)別同化前的TS和ETS均為0的情況下，同化后TS和ETS分別提升至0.128和0.114，這對(duì)暴雨預(yù)報(bào)的提升是非常顯著的。由圖8c可見，同化后的POD始終大于同化前，且大于6 mm同化后的POD有大幅提升，提升了0.1～0.4;在0.5～8 mm之間同化后的FAR略大于同化前，但大于8 mm同化后的FAR小于同化前。從BIAS結(jié)果來看，小于8 mm的預(yù)報(bào)效果均較好，同化前、后都接近于1，在8～20 mm之間同化前評(píng)分減小，同化后先增大、后在16～20 mm之間迅速減少并接近1。BIAS評(píng)分結(jié)果表明，同化前預(yù)報(bào)結(jié)果以偏干為主，同化后以偏濕為主，相對(duì)而言，同化后的結(jié)果更佳，尤其在大閾值降水區(qū)間。同化后，RMSE和MAE增大，這可能是因?yàn)槟M的降水量偏大且空?qǐng)?bào)次數(shù)增多，使得RMSE和MAE增大;但總體來看，此次模擬在加入同化后對(duì)降水預(yù)報(bào)有提升。此外，結(jié)合前2個(gè)個(gè)例可發(fā)現(xiàn)，加入同化后，BIAS普遍比同化前偏大，預(yù)報(bào)結(jié)果偏濕;這與衛(wèi)星探測(cè)器的種類有關(guān)，同化MHS資料使得初始場(chǎng)的水汽含量增大，從而導(dǎo)致預(yù)報(bào)結(jié)果的水汽含量也增大，進(jìn)而使得降水期間有更充足的水汽，預(yù)報(bào)的降水區(qū)域增大、降水量增加。

4 結(jié)論與討論

針對(duì)三江源區(qū)2018年6月30日、7月5日、8月24日3次降水過程，利用WRF3.9.1及其三維變分同化系統(tǒng)（WRFDA），使用NCEP提供的FNL再分析資料并輸入到WRF模式中，通過同化ATOVS微波濕度探測(cè)器資料，進(jìn)行了多次循環(huán)同化試驗(yàn)，探討了循環(huán)同化方案對(duì)水汽場(chǎng)、風(fēng)場(chǎng)和溫度場(chǎng)的影響，以及對(duì)它們和降水的模擬效果，得到以下結(jié)論：

1）同化后，從下層到上層預(yù)報(bào)的水汽含量基本比同化前要大，由于質(zhì)量控制方案的原因，保留了第3、4、5通道的資料，故中層體現(xiàn)得最明顯，且同化預(yù)報(bào)的水汽更符合實(shí)際。同化后，地面溫度預(yù)報(bào)改善不明顯，部分地區(qū)模擬效果欠佳，但大部分高空風(fēng)模擬結(jié)果較好?？傮w而言，MHS資料同化對(duì)地面溫度模擬改善欠佳，對(duì)高空水汽、風(fēng)模擬有改善。

2）衛(wèi)星資料同化提升降水預(yù)報(bào)的能力主要體現(xiàn)在降水區(qū)面積和降水量的增大，提高了降水預(yù)報(bào)水平，但增加了空?qǐng)?bào)降水區(qū)域，且高估降水也較明顯，說明同化MHS的結(jié)果仍存缺陷。

3）從TS、ETS評(píng)分結(jié)果來看，加入同化后，有2個(gè)個(gè)例試驗(yàn)的提升較明顯，其中“0630”試驗(yàn)的TS評(píng)分結(jié)果在0.5～10 mm之間提升了0.05～0.1，ETS評(píng)分結(jié)果在5 mm提升超過0.08，在10～20 mm之間也有少量提升，POD檢驗(yàn)在0.5～20 mm之間均有提升，在0.5～10 mm之間提升最為明顯，提升了0.1～0.25;“0824”試驗(yàn)的TS和ETS評(píng)分結(jié)果在10～20 mm之間提升超過0.1，POD檢驗(yàn)在6～20 mm之間提升了0.1～0.4。同化后試驗(yàn)?zāi)M有提升，模擬的降水區(qū)域次數(shù)增多，說明加入MHS同化對(duì)降水模擬有改善，大閾值降水改善效果較明顯。

4）加入衛(wèi)星資料同化并非所有試驗(yàn)預(yù)報(bào)都能有理想的結(jié)果。在“0705”試驗(yàn)中，加入同化后，無論是從降水分布，還是從降水檢驗(yàn)結(jié)果來看，同化對(duì)降水預(yù)報(bào)的結(jié)果并沒有很大的提升，說明同化并不是每次都能對(duì)每個(gè)個(gè)例的模擬結(jié)果有正效應(yīng)，因此對(duì)MHS資料的使用不能過于信賴，同化資料的使用方法仍需改進(jìn)，可嘗試更換質(zhì)量控制方案以改善降水預(yù)報(bào)結(jié)果。但結(jié)合“0630”和“0824”試驗(yàn)結(jié)果可知，同化MHS資料對(duì)降水預(yù)報(bào)仍有提升效果。

本研究進(jìn)行初步試驗(yàn)時(shí)，由于WRF模式設(shè)置的水平分辨率和垂直分辨率不高，所以模擬結(jié)果與真實(shí)降水相差甚遠(yuǎn)。為此，加入資料同化，然而降水模擬分布并無改善;這是由于同化前初始場(chǎng)的模擬效果較差，同化對(duì)改善初始場(chǎng)的作用有限。在不斷提高分辨率和更換微物理方案后，WRF模擬的結(jié)果也開始不斷得到改善;在此情況下，加入MHS資料同化，此后提升的效果越來越明顯，同化后的降水分布與同化前相比更加符合實(shí)況。經(jīng)過多次試驗(yàn)后發(fā)現(xiàn)，影響模擬效果的重要因素之一是初始的設(shè)置方案以及水平和垂直分辨率，衛(wèi)星資料同化具有改善作用的前提條件是要有良好的WRF模式設(shè)置。此外，“0705”試驗(yàn)的同化效果與其他2個(gè)試驗(yàn)相比不夠理想，這可能是因?yàn)橘|(zhì)量控制方案、偏差訂正方案并不適用于該個(gè)例，也可能是因?yàn)樵茖虞^厚影響了衛(wèi)星資料的質(zhì)量，從而導(dǎo)致產(chǎn)生較大的系統(tǒng)性誤差。在此試驗(yàn)的基礎(chǔ)上，可考慮進(jìn)一步提高方案的水平和垂直分辨率以提高初始場(chǎng)的準(zhǔn)確度，并嘗試使用其他質(zhì)量控制方案、偏差訂正方案以提高M(jìn)HS資料的準(zhǔn)確度，達(dá)到提升降水模擬效果的目的。此外，本試驗(yàn)尚存在不足之處：選擇的同化資料較少，選取的2018年3個(gè)降水個(gè)例均為短波槽的強(qiáng)降水，對(duì)其他天氣系統(tǒng)的降水可能不具有適用性。為此，可考慮使用精度更高的衛(wèi)星數(shù)據(jù)以及其他衛(wèi)星的微波濕度資料，對(duì)不同類型降水進(jìn)行同化試驗(yàn)，以進(jìn)一步驗(yàn)證微波濕度資料在三江源地區(qū)同化預(yù)報(bào)系統(tǒng)中的同化效果。另外，本試驗(yàn)使用同化路線均為循環(huán)同化，采用的質(zhì)量控制方案為WRFDA自帶的方案，偏差訂正為變分偏差方法;這些方案可能不是最優(yōu)方案，可嘗試單時(shí)次同化，更換質(zhì)量控制方案和偏差訂正方法，繼續(xù)比較試驗(yàn)結(jié)果，以探討不同方案對(duì)同化試驗(yàn)的改進(jìn)。

參考文獻(xiàn)（References）

Andersson E，Hólm E，Bauer P，et al.，2007.Analysis and forecast impact of the main humidity observing systems［J］.Quart J Roy Meteor Soc，133（627）：1473-1485.

Bonsignori R，2007.The Microwave Humidity Sounder （MHS）：in-orbit performance assessment［C］／／Proc SPIE 6744，Sensors，Systems，and Next-Generation Satellites XI：93-104.doi：10.1117／12.737986.

蔡永祥，羅少輝，王軍，等，2022.三江源地區(qū)1961—2019年降水量時(shí)空變化特征［J］.草業(yè)科學(xué)，39（1）：10-20. Cai Y X，Luo S H，Wang J，et al.，2022.Spatiotemporal variations in precipitation in the Three-River Headwater region from 1961 to 2019［J］.Pratacultural Sci，39（1）：10-20.doi：10.11829／j.issn.1001-0629.2021-0376.（in Chinese）.

Candy B，Migliorini S，2021.The assimilation of microwave humidity sounder observations in all-sky conditions［J］.Quart J Roy Meteor Soc，147（739）：3049-3066.doi：10.1002／qj.4115.

Chen F R，Li X，2016.Evaluation of IMERG and TRMM 3B43 monthly precipitation products over mainland China［J］.Remote Sens，8（6）：472.doi：10.3390／rs8060472.

陳亞玲，文軍，劉蓉，等，2022.江河源區(qū)水汽輸送與收支的時(shí)空演變特征分析［J］.高原氣象，41（1）：167-176. Chen Y L，Wen J，Liu R，et al.，2022.Analysis on the temporal and spatial evolution characteristics of water vapor transport and budget over the source region of the Three-River［J］.Plateau Meteor，41（1）：167-176.doi：10.7522／j.issn.1000-0534.2021.00049.（in Chinese）.

段華，潘曉濱，臧增亮，等，2015.基于GSI同化系統(tǒng)的衛(wèi)星輻射率資料的同化試驗(yàn)［J］.干旱氣象，33（6）：895-901. Duan H，Pan X B，Zang Z L，et al.，2015.Analysis on assimilation experiment of AMSU-A radiance based on GSI system［J］.J Arid Meteor，33（6）：895-901.doi：10.11755／j.issn.1006-7639（2015）-06-0895.（in Chinese）.

郭銳，張國(guó)平，李澤椿，2010.對(duì)于一次川渝暴雨的ATOVS資料同化數(shù)值模擬［J］.大氣科學(xué)學(xué)報(bào)，33（5）：615-623. Guo R，Zhang G P，Li Z C，2010.Assimilation and numerical simulation of ATOVS data of the heavy rain over eastern Sichuan Province and Chongqing［J］.Trans Atmos Sci，33（5）：615-623.（in Chinese）.

Harris B A，Kelly G，2001.A satellite radiance-bias correction scheme for data assimilation［J］.Quart J Roy Meteor Soc，127（574）：1453-1468.doi：10.1002／qj.49712757418.

Kong F，Xue M，Thomas K，et al.，2008.Real-time storm-scale ensemble forecast experiment：analysis of 2008 spring experiment data［C］／／24th Conference on Several Local Storms.Savannah：Amer Meteor Soc.

雷彥，張廣偉，2020.青海東北部地區(qū)一次暴雨天氣成因分析［J］.現(xiàn)代農(nóng)業(yè)科技（22）：162-163，167. Lei Y，Zhang G W，2020.Analysis on the cause of a rainstorm in Northeast Qinghai Province［J］.Mod Agric Sci Technol（22）：162-163，167.（in Chinese）.

李剛，曲美慧，張華，2016a.微波濕度計(jì)資料在GRAPES模式中偏差訂正方法研究［J］.大氣科學(xué)學(xué)報(bào)，39（5）：653-660. Li G，Qu M H，Zhang H，2016a.Bias correction of microwave humidity sounder radiances in the Global／Regional Assimilation and Prediction System［J］.Trans Atmos Sci，39（5）：653-660.doi：10.13878／j.cnki.dqkxxb.20140228001.（in Chinese）.

李剛，吳兆軍，張華，2016b.偏差訂正方法在IASI輻射率資料同化中的應(yīng)用研究［J］.大氣科學(xué)學(xué)報(bào)，39（1）：72-80. Li G，Wu Z J，Zhang H，2016b.Bias correction of infrared atmospheric sounding interferometer radiances for data assimilation［J］.Trans Atmos Sci，39（1）：72-80.doi：10.13878／j.cnki.dqkxxb.20140228001.（in Chinese）.

李生辰，李棟梁，趙平，等，2009.青藏高原“三江源地區(qū)”雨季水汽輸送特征［J］.氣象學(xué)報(bào)，67（4）：591-598. Li S C，Li D L，Zhao P，et al.，2009.The climatic characteristics of vapor transportation in rainy season of the origin area of Three Rivers in Qinhai-Xizang Plateau［J］.Acta Meteor Sin，67（4）：591-598.（in Chinese）.

劉曉瓊，吳澤洲，劉彥隨，等，2019.1960—2015年青海三江源地區(qū)降水時(shí)空特征［J］.地理學(xué)報(bào)，74（9）：1803-1820. Liu X Q，Wu Z Z，Liu Y S，et al.，2019.Spatial-temporal characteristics of precipitation from 1960 to 2015 in the Three Rivers Headstream Region，Qinghai，China［J］.Acta Geogr Sin，74（9）：1803-1820.doi：10.11821／dlxb201909008.（in Chinese）.

Liu Z，2016.Comparison of integrated multisatellite retrievals for GPM （IMERG） and TRMM multisatellite precipitation analysis （TMPA） monthly precipitation products：initial results［J］.J Hydrometeorol，17（3）：777-790.doi：10.1175／jhm-d-15-0068.1.

馬秀梅，劉曉燕，代青措，2017.副熱帶高壓影響下青海東部?jī)纱伪┯陮?duì)比分析［J］.青?？萍?，24（3）：72-77. Ma X M，Liu X Y，Dai Q C，2017.Comparative analysis of two heavy rains in eastern Qinghai under the influence of subtropical high［J］.Qinghai Sci Technol，24（3）：72-77.（in Chinese）.

馬旭林，陸續(xù)，于月明，等，2014.數(shù)值天氣預(yù)報(bào)中集合-變分混合資料同化及其研究進(jìn)展［J］.熱帶氣象學(xué)報(bào)，30（6）：1188-1195. Ma X L，Lu X，Yu Y M，et al.，2014.Progress on hybrid ensemble-variational data assimilation in numerical weather prediction［J］.J Trop Meteor，30（6）：1188-1195.doi：10.3969／j.issn.1004-4965.2014.06.020.（in Chinese）.

馬原，鄒曉蕾，2013.氣象衛(wèi)星微波濕度計(jì)資料簡(jiǎn)介［J］.氣象科技進(jìn)展，3（6）：45-51. Ma Y，Zou X L，2013.Serial of applications of satellite observations an introduction to satellite-based microwave humidity sounding data［J］.Adv Meteor Sci Technol，3（6）：45-51.doi：10.3969／j.issn.2095-1973.2013.06.006.（in Chinese）.

McNally A，Andersson E，Kelly G，et al.，1997.The use of raw TOVS／ATVOS radiances in the ECMWF 4D-Var assimilation system［R］.ECMWF Newsletter（83）.

Qin Z K，Zou X L，Weng F Z，2013.Evaluating added benefits of assimilating GOES imager radiance data in GSI for coastal QPFs［J］.Mon Wea Rev，141（1）：75-92.doi：10.1175／mwr-d-12-00079.1.

曲美慧，2015.ATOVS微波濕度計(jì)MHS資料在GRAPES-GFS模式中的同化應(yīng)用技術(shù)研究［D］.南京：南京信息工程大學(xué). Qu M H，2015.Assimilated application study of ATOVS microwave humidity sounder radiance in GRAPES-GFS［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.

任英杰，雍斌，鹿德凱，等，2019.全球降水計(jì)劃多衛(wèi)星降水聯(lián)合反演IMERG衛(wèi)星降水產(chǎn)品在中國(guó)大陸地區(qū)的多尺度精度評(píng)估［J］.湖泊科學(xué)，31（2）：560-572. Ren Y J，Yong B，Lu D K，et al.，2019.Evaluation of the Integrated Multi-satellitE Retrievals （IMERG） for Global Precipitation Measurement （GPM） mission over the mainland China at multiple scales［J］.J Lake Sci，31（2）：560-572.（in Chinese）.

Schwartz C S，Liu Z Q，Chen Y S，et al.，2012.Impact of assimilating microwave radiances with a limited-area ensemble data assimilation system on forecasts of Typhoon Morakot［J］.Wea Forecasting，27（2）：424-437.doi：10.1175／waf-d-11-00033.1.

Sharifi E，Steinacker R，Saghafian B，2016.Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in Iran：preliminary results［J］.Remote Sens，8（2）：135.doi：10.3390／rs8020135.

Siuki S K，Saghafian B，Moazami S，2017.Comprehensive evaluation of 3-hourly TRMM and half-hourly GPM-IMERG satellite precipitation products［J］.Int J Remote Sens，38（2）：558-571.doi：10.1080／01431161.2016.1268735.

王順鳳，蔡春園，沈桐立，等，2011.一次暴雨過程的變分同化試驗(yàn)及診斷分析［J］.大氣科學(xué)學(xué)報(bào)，34（2）：153-161. Wang S F，Cai C Y，Sheng T L，et al.，2011.Variational assimilation and diagnosis of a rainstorm process［J］.Trans Atmos Sci，34（2）：153-161.（in Chinese）.

王恬，張述文，毛璐，等，2014.同化衛(wèi)星對(duì)地敏感通道微波亮溫觀測(cè)的模擬試驗(yàn)［J］.干旱氣象，32（6）：909-915. Wang T，Zhang S W，Mao L，et al.，2014.A simulation experiment of assimilating microwave brightness observations at the sensitive channel to land［J］.J Arid Meteor，32（6）：909-915.doi：10.11755／j.issn.1006-7639（2014）-06-0909.（in Chinese）.

Wang Y B，Liu Z Q，Yang S，et al.，2018.Added value of assimilating Himawari-8 AHI water vapor radiances on analyses and forecasts for “7.19” severe storm over North China［J］.J Geophys Res：Atmos，123（7）：3374-3394.doi：10.1002／2017jd027697.

王在文，梁旭東，范水勇，等，2016.數(shù)值模式降水評(píng)分對(duì)分辨率的敏感性初探［J］.暴雨災(zāi)害，35（1）：10-16. Wang Z W，Liang X D，F(xiàn)an S Y，et al.，2016.Impact of spatial resolution on precipitation forecast score in numerical weather prediction models［J］.Torrential Rain Disasters，35（1）：10-16.doi：10.3969／j.issn.1004-9045.2016.01.002.（in Chinese）.

王宗皓，1995.衛(wèi)星探測(cè)輻射率在數(shù)值天氣預(yù)報(bào)中的直接應(yīng)用［J］.應(yīng)用氣象學(xué)報(bào)，6（1）：101-108. Wang Z H，1995.Derect use of satellite sounding radiances in numerical weather prediction［J］.Quart J Appl Meteor，6（1）：101-108（in Chinese）.

吳啟樹，韓美，劉銘，等，2017.基于評(píng)分最優(yōu)化的模式降水預(yù)報(bào)訂正算法對(duì)比［J］.應(yīng)用氣象學(xué)報(bào)，28（3）：306-317. Wu Q S，Han M，Liu M，et al.，2017.A comparison of optimal-score-based correction algorithms of model precipitation prediction［J］.J Appl Meteor Sci，28（3）：306-317.doi：10.11898／1001-7313.20170305.（in Chinese）.

薛紀(jì)善，2009.氣象衛(wèi)星資料同化的科學(xué)問題與前景［J］.氣象學(xué)報(bào)，67（6）：903-911. Xue J S，2009.Scientific issues and perspective of assimilation of meteorological satellite data［J］.Acta Meteor Sin，67（6）：903-911.doi：10.3321／j.issn：0577-6619.2009.06.001.（in Chinese）.

楊引明，杜明斌，張潔，2012.FY-3A微波資料在“莫拉克”臺(tái)風(fēng)預(yù)報(bào)中的同化試驗(yàn)［J］.熱帶氣象學(xué)報(bào)，28（1）：23-30. Yang Y M，Du M B，Zhang J，2012.Experiments of assimilating FY-3A microwave data in forecast of Typhoon Morakot［J］.J Trop Meteor，28（1）：23-30.doi：10.3969／j.issn.1004-4965.2012.01.003.（in Chinese）.

姚秀萍，謝啟玉，黃逸飛，2022.中國(guó)三江源地區(qū)降水研究的進(jìn)展與展望［J］.大氣科學(xué)學(xué)報(bào)，45（5）：688-699. Yao X P，Xie Q Y，Huang Y F，2022.Advances and prospects on the study of precipitation in the Three-River-Source Region in China［J］.Trans Atmos Sci，45（5）：688-699.doi：10.13878／j.cnki.dqkxxb.20211220001.（in Chinese）.

于曉晶，韓威，馬秀梅，等，2018.衛(wèi)星微波輻射資料同化在新疆降水預(yù)報(bào)中的應(yīng)用初探［J］.暴雨災(zāi)害，37（4）：337-346. Yu X J，Han W，Ma X M，et al.，2018.Implementation of microwave radiance data assimilation in precipitation forecast in Xinjiang［J］.Torrential Rain Disasters，37（4）：337-346.doi：10.3969／j.issn.1004-9045.2018.04.006.（in Chinese）.

張斌，張立鳳，熊春暉，2014.ATOVS資料同化方案對(duì)暴雨模擬效果的影響［J］.大氣科學(xué)，38（5）：1017-1027. Zhang B，Zhang L F，Xiong C H，2014.Effects of ATOVS data assimilation schemes on the simulation of heavy rain［J］.Chin J Atmos Sci，38（5）：1017-1027.doi：10.3878／j.issn.1006-9895.1401.13215.（in Chinese）.

張少婷，王東海，于星，等，2019.雷達(dá)和衛(wèi)星資料同化在一次華南暴雨預(yù)報(bào)中的應(yīng)用［J］.中山大學(xué)學(xué)報(bào)（自然科學(xué)版），58（5）：80-93. Zhang S T，Wang D H，Yu X，et al.，2019.Application of radar and satellite data assimilation in a rainstorm forecast in southern China［J］.Acta Sci Nat Univ Sunyatseni，58（5）：80-93.doi：10.13471／j.cnki.acta.snus.2019.05.011.（in Chinese）.

張濤，姜立鵬，師春香，等，2019.AMSU-A全空輻射率資料同化對(duì)臺(tái)風(fēng)“天鴿”的預(yù)報(bào)影響研究［J］.大氣科學(xué)學(xué)報(bào)，42（5）：705-714. Zhang T，Jiang L P，Shi C X，et al.，2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO［J］.Trans Atmos Sci，42（5）：705-714.doi：10.13878／j.cnki.dqkxxb.20180731001.（in Chinese）.

張同，2016.直接同化多種衛(wèi)星輻射率資料對(duì)江淮暴雨預(yù)報(bào)影響研究［D］.南京：南京信息工程大學(xué). Zhang T，2016.The study on the effect of directly assimilating satellite radiance on heavy rain forecast in Yangtze River Basin［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.