程興宏1 劉瑞霞2 申彥波1 朱蓉3 彭繼達4 楊振斌1 徐洪雄5

?

基于衛(wèi)星資料同化和LAPS-WRF模式系統(tǒng)的云天太陽輻射數(shù)值模擬改進方法

程興宏劉瑞霞申彥波朱蓉彭繼達楊振斌徐洪雄

1中國氣象局公共氣象服務中心，北京100081 2國家氣象衛(wèi)星中心，北京100081 3國家氣候中心，北京100081 4福建省氣象科學研究所，福州350001 5中國氣象科學研究院，北京100081

太陽能光伏發(fā)電已成為僅次于水電和風能的第三大可再生能源，光伏發(fā)電受云量時空變化的影響較大，因此準確模擬云天太陽輻射的時空變化對電網(wǎng)安全運行至關重要。圍繞如何減小中尺度氣象模式的云初始場誤差，進而改進云天的太陽輻射模擬這一關鍵科學問題，本文通過研究基于衛(wèi)星資料同化的LAPS（Local Analysis Prediction System）多時間層三維云分析同化方法，改進三維云結構，并將LAPS模式輸出結果作為WRF（Weather Research and Forecasting）模式的初始場，模擬了2008年1月及夏季（6～8月）北京地區(qū)的總云量和總輻射的時空分布，重點分析了多云和有降水天氣過程總輻射的模擬改進效果及其原因。結果表明，同化前后的總云量模擬值與觀測值的時間變化趨勢基本一致，但大部分時次總云量的模擬值低于觀測值；大部分多云及降水時段同化后總云量模擬值較接近于實測值。1月晴天、多云天以及夏季晴天同化前后總輻射模擬值與實測值的時間變化趨勢較一致，但同化前后兩者的相關性差異不明顯；晴天條件下同化前后總輻射模擬值均低于實測值，1月多云條件下多數(shù)時段同化后總輻射模擬誤差減小不明顯，與總云量的改進效果不顯著有關。夏季多云、有降水及6月典型降水三種天氣條件下同化前后總輻射模擬值與觀測值的相關性稍差，同化后兩者的相關性較同化前有所改進，尤其是6月典型降水過程改進效果較明顯；同化前總輻射模擬誤差較大，而同化后誤差顯著減小，尤其是6月典型降水過程同化后均方根誤差和平均相對誤差較同化前分別減小了102.6 W m和355.9%，最大相對誤差減小更顯著；同化后總輻射模擬誤差小于同化前的比例高達75%，即大部分時刻同化后模擬誤差小于同化前。多云和有降水天氣過程總輻射模擬效果的顯著改進與總云量的改進密切相關，即同化后總云量模擬值增加，云的反射和散射作用增強，導致模擬總輻射減小，即更接近于實測總輻射值。研究結果對于多云和降水天氣條件下太陽輻射的模擬效果改進、太陽能資源客觀評估以及光伏電站的發(fā)電量預測具有一定的科學和實際應用價值。

衛(wèi)星資料同化 太陽輻射 光伏發(fā)電 太陽能 LAPS-WRF模式系統(tǒng)

1 引言

太陽能是一種清潔能源，合理有效開發(fā)太陽能資源對減少污染、保護環(huán)境、應對氣候變化以及能源安全具有非常重要的實際意義。為了實現(xiàn)能源和環(huán)境的可持續(xù)發(fā)展，近年來世界各國都將光伏發(fā)電作為太陽能資源開發(fā)利用的重點領域。目前光伏發(fā)電已成為僅次于水電和風能的第三大可再生能源。我國的太陽能資源豐富且分布范圍廣闊，太陽能光伏產(chǎn)業(yè)的發(fā)展?jié)摿薮蟆Ｌ柲芄夥l(fā)電對于太陽輻照度的要求不高，在晴天和云天條件下均可運行發(fā)電，但太陽能光伏發(fā)電系統(tǒng)的電力輸出受到云量時空變化的影響較大，其發(fā)電量的變化是非平穩(wěn)的隨機過程。即當某光伏電站或熱電站無明顯天氣過程時（晴天條件下），其發(fā)電量較穩(wěn)定，對電站微電網(wǎng)調(diào)節(jié)和電網(wǎng)調(diào)度沒有明顯影響；當天氣系統(tǒng)經(jīng)過時（有云或降水時），其發(fā)電量發(fā)生劇烈變化，對電網(wǎng)沖擊較大。云的反射和散射會使太陽輻射被削弱，同時云的時空分布變化會在不同程度上引起到達地面太陽輻射的變化（張華，1999；Zhang et al.，2003；劉玉芝等，2007；石廣玉，2007；Sun，2011；張華和荊現(xiàn)文，2011；郭準和周天軍，2012；Sun et al.，2012）。IPCC 4次評估報告（IPCC，1990，1992，1996，2001）指出，云輻射參數(shù)化是制約當前氣候模式模擬水平的關鍵因素。數(shù)值預報模式可較精確的模擬晴天的太陽總輻射，但由于云的模擬偏差較大，云天的總輻射模擬精度一般都比較差（Sun et al., 2012）。因此，改進云微物理參數(shù)的模擬效果，進而準確模擬地面接收太陽輻射的時空分布是太陽能資源大規(guī)模開發(fā)利用中亟待解決的關鍵科學問題。改進云天條件下的太陽輻射模擬和預報，為太陽能光伏的發(fā)電量預測提供準確可靠的基礎數(shù)據(jù)，將為減小云天條件下發(fā)電量對電網(wǎng)的影響和充分利用云天和雨天的太陽能資源提供科學方法。

基于中尺度氣象模式的數(shù)值模擬方法時空分辨率較高，目前被廣泛應用于太陽能資源精細評估和太陽輻射預報中，中尺度氣象模式在一定程度上可準確模擬和預報晴天太陽輻射，但對多云和陰雨天的太陽輻射模擬和預報誤差較大（Shimada and Kurokawa，2006；沈元芳和胡江林，2006；Lorenz et al.，2007；International Energy Agency，2009；吳其重等，2010；文小航等，2010；王明歡等，2012）。其主要原因是模式初始場中的云微物理量存在一定誤差。鑒于上述原因，近年來國內(nèi)外部分學者采用中尺度氣象模式和統(tǒng)計學方法相結合的動力—統(tǒng)計輻射估算模型進行太陽輻射模擬和預報（Shimada and Kurokawa，2006；Lorenz et al.，2007；International Energy Agency，2009；吳其重等，2010；王明歡等，2012），但動力—統(tǒng)計方法不能從根本上解決初始場誤差對輻射模擬的影響這一關鍵科學問題。因此，如何減小中尺度氣象模式初始場中云微物理量的誤差，是目前太陽輻射數(shù)值模擬和預報方法研究的關鍵和難點。

近年來隨著氣象衛(wèi)星、天氣雷達、自動站以及風廓線儀、全球定位水汽監(jiān)測系統(tǒng)（Global Position System，GPS）、無線電聲探測系統(tǒng)（Radio-Acoustic Sounding System，RASS）等多種觀測手段及數(shù)值模式的快速發(fā)展，使中尺度分析和預報技術日益成為天氣預報中的重要組成部分，并為災害性天氣超短期和臨近預報提供了強有力支持。如何將上述多源觀測資料在同一數(shù)值平臺上統(tǒng)一同化處理是迫切需要解決的問題。20世紀90年代，美國國家海洋大氣管理局研發(fā)了局地分析預報系統(tǒng)LAPS，該系統(tǒng)具有可移植、可擴充、方便、高效等特性，可以將氣象地面觀測網(wǎng)、雷達、衛(wèi)星、垂直探測器、飛機等多種手段觀測的數(shù)據(jù)進行分析融合，得到時空分辨率較高的三維云分析場。三維云分析是LAPS最有特色的部分，云分析主要采用了逐步訂正方案（McGinley et al.，1991；Albers et al.，1996），獲得的云參數(shù)包括三維云量場、大氣柱云量、云底高度、云頂高度等，產(chǎn)生的三維云量場用于LAPS中其他云物理參數(shù)如云水含量、云冰含量、云分類等的計算（Albers et al.，1996）。LAPS參考了每種資料來源的可信度，配合若干閾值的判定，將各種資料融合獲得三維大氣結構信息，可為中尺度氣象模式提供客觀的三維云初始場，以準確刻畫中尺度氣象模式對積云對流和次網(wǎng)格尺度物理過程的描述，提高云和降水的預報能力（Shaw et al.，2001；Jian et al.，2003）。許多研究（Alberoni et al.，2000；Shaw et al.，2003）都證明LAPS融合衛(wèi)星、雷達等多源數(shù)據(jù)后，為中尺度氣象模式提供熱啟動的初始場比模式冷啟動更能有效改善云物理參數(shù)的預報。國內(nèi)多個單位引進了LAPS系統(tǒng)并本地化，開展了三維數(shù)據(jù)融合及數(shù)值模式熱啟動相關研究（范蕙君，1997；崔春光等，2008；李紅莉等，2009；高華等，2009；周后福等，2010；劉瑞霞等，2011）。盡管近幾年LAPS系統(tǒng)在國內(nèi)已經(jīng)業(yè)務運行，但由于云分析中需要多種觀測數(shù)據(jù)進行協(xié)同分析，才能得到真實的三維云結構信息，其中衛(wèi)星觀測數(shù)據(jù)是不可缺少的融合數(shù)據(jù)。目前國內(nèi)采用LAPS系統(tǒng)融合衛(wèi)星觀測數(shù)據(jù)進行云微物理過程分析的研究較少。劉瑞霞等（2011）將我國風云二號C星（FY2C）靜止氣象衛(wèi)星資料融合進入LAPS三維數(shù)據(jù)分析系統(tǒng)，并分別對融合了地面、雷達、衛(wèi)星數(shù)據(jù)后的LAPS三維云量場進行對比分析。結果顯示，衛(wèi)星、雷達和地面觀測數(shù)據(jù)分別從云頂、云中、云底對云量進行調(diào)整，從而獲得更為客觀的三維云量場。LAPS多源資料分析同化技術可為改進三維云結構的模擬和預報提供新途徑。

采用LAPS-WRF模式系統(tǒng)進行太陽輻射數(shù)值模擬和預報的方法研究較少。Albers et al.（2011）將LAPS-WRF模式系統(tǒng)用于美國俄克拉荷馬州、科羅拉多和西德州的太陽輻射預報，于2011年初實現(xiàn)了實時業(yè)務預報，并采用120個氣象站輻射觀測資料進行檢驗，每天實時預報和檢驗結果發(fā)布于美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）網(wǎng)站（http://laps. noaa.gov/solar.），結果顯示，24小時的總輻射預報均方根誤差介于0～300 W m之間。國內(nèi)尚未采用LAPS-WRF模式系統(tǒng)進行太陽輻射模擬和預報方法研究以及業(yè)務應用。本文通過研究基于風云衛(wèi)星資料同化的LAPS多時間層三維云分析同化方法，改進三維云結構，并將LAPS模式輸出結果作為WRF模式的初始場，模擬了2008年1月和夏季的總云量和總輻射的時空分布，重點分析了多云和有降水天氣過程總輻射的模擬效果及其改進原因。本文的研究結果對于多云和降水天氣條件下太陽輻射的模擬效果改進、太陽能資源客觀評估以及光伏電站的發(fā)電量預測具有一定的科學意義和實際應用價值。

為了驗證和評估LAPS-WRF模式系統(tǒng)對太陽輻射的模擬效果，需要客觀準確的地面輻射觀測數(shù)據(jù)。由于我國大氣本底站和常規(guī)輻射觀測站使用的國外進口和國產(chǎn)總?cè)丈浔砭捎脽犭姸言碇瞥?，環(huán)境熱噪聲的干擾不可避免地影響了總?cè)丈浔淼臏y量精度，從而造成夜間輻射表測量時常出現(xiàn)負的輻射值，即存在一定的熱偏移誤差，其主要原因是儀器半球罩與輻射傳感器之間的溫度差異造成的。因此需對地面觀測輻射資料進行嚴格的質(zhì)量控制和熱偏移訂正（Long and Shi，2008；王炳忠等，2008；程興宏等，2009，2013）。本文參考Long and Shi（2008）的質(zhì)量控制方法和程興宏等（2009）的熱偏移訂正方法，對模擬時段收集的北京上甸子區(qū)域大氣本底站逐分鐘總輻射觀測數(shù)據(jù)進行了嚴格的質(zhì)量控制和熱偏移訂正。

2 LAPS-WRF模式系統(tǒng)簡介和使用資料

LAPS-WRF太陽輻射模式系統(tǒng)主要由基于衛(wèi)星資料多時間層同化的局地分析預報系統(tǒng)LAPS和中尺度氣象模式WRF組成，其中LAPS在每天4次的美國國家環(huán)境預報中心（National Centers for Environmental Prediction，NCEP）大尺度背景場中同化了FY2C可見光和紅外云圖數(shù)據(jù)以及同時刻的探空和地面觀測資料，以改進三維云初始場，并為WRF模式提供初始場，進行輻射模擬。本文采用劉瑞霞等（2011）的方法將FY2C衛(wèi)星數(shù)據(jù)同化到LAPS云分析模塊中，即首先將衛(wèi)星各通道數(shù)據(jù)提取出來，進行插值、邊緣平滑處理以及太陽高度角訂正，最后按照LAPS需要的格式將衛(wèi)星資料投影到LAPS網(wǎng)格點上，生成中間文件，并作為云分析模塊的輸入條件。三維云分析模塊主要采用了逐步訂正方案，獲得的云參數(shù)包括三維云量場、大氣柱云量、云底高度、云頂高度等，產(chǎn)生的三維云量場用于其他云物理參數(shù)如云水、云冰含量、云分類等的計算。經(jīng)過衛(wèi)星資料同化后，WRF模式初始場中除云量外，水汽有較大變化，增加了云水、雨水、雪水、冰水含量等變量。

使用資料包括：2008年1月和夏季華北地區(qū)30 min一次的FY2C靜止氣象衛(wèi)星紅外通道（11 μm和3.9 μm）和可見光通道數(shù)據(jù)；同期全國每天兩次的MICAPS氣象探空資料以及3小時一次的MICAPS地面氣象觀測資料；同期上甸子區(qū)域大氣本底站每日3次［08:00、14:00、20:00（北京時）］的人工觀測總云量資料以及上述時段逐分鐘總輻射觀測數(shù)據(jù)，并采用Long and Shi（2008）輻射數(shù)據(jù)質(zhì)量控制方法對總輻射分鐘數(shù)據(jù)進行了嚴格的質(zhì)量控制，同時進行小時平均處理。需要說明的是為了作圖方便，下文中將觀測總云量為10的值替換為10。

3 LAPS-WRF模式參數(shù)和試驗設計方案

3.1 LAPS與WRF模式基本參數(shù)設置

（1）網(wǎng)格設置：采用三重單向嵌套網(wǎng)格，中 心點位于北京上甸子區(qū)域大氣本底站（40.65°N，117.12°E）。第一重網(wǎng)格范圍（27°～51°N，91°～141°E），網(wǎng)格數(shù)為137×104，網(wǎng)格距為27 km；第二重網(wǎng)格范圍（35°～43°N，108°～125°E，網(wǎng)格數(shù)為148×109，網(wǎng)格距為9 km；第三重網(wǎng)格范圍（38°～41°N，114°～119°E），網(wǎng)格數(shù)為148×121，網(wǎng)格距為3 km；三重網(wǎng)格垂直方向均分為不等距28層, 其分辨率在大氣低層較高并隨高度逐漸降低。

（2）物理過程參數(shù)化方案：積云參數(shù)化方案為Kain-Fritsch（new Eta）方案，邊界層參數(shù)化方案為MYJ湍流動能方案，大氣輻射方案為RRTM長波和Dudhia短波方案。

（3）模擬時段：2008年1、6、7、8月。

（4）初邊值條件：采用全球1°× 1°、6 h一次的每天24 h NCEP再分析資料作為大尺度氣象背景場和邊界條件；

（5）輻射計算頻率和輸出時間頻率：輻射計算頻率為10 min一次；逐10 min輸出一次總云量、總輻射等物理量。

3.2 試驗方案設計

（1）控制試驗：直接采用NCEP再分析資料驅(qū)動WRF模式，進行24 h總輻射模擬。

（2）敏感試驗：首先采用LAPS模式將FY2C衛(wèi)星紅外和可見光通道數(shù)據(jù)、MICAPS探空和地 面觀測數(shù)據(jù)同化到同時刻的NCEP再分析場資料中，得到該時刻的三維云客觀分析場，并作為WRF模式的初始場，進行24 h總云量和總輻射模擬。在做衛(wèi)星資料同化時，每天進行多時間層（每隔6 h一次）同化，即同化00:00、06:00、12:00、18:00（協(xié)調(diào)世界時）的初始場。

3.3 晴天、云天、雨天挑選

為了考慮不同天氣條件下的總輻射模擬效果，本文根據(jù)上甸子站觀測總云量及降水資料將2008年1、6、7、8月進行了分類，即分為晴天、多云天和降水天氣過程，天氣分類標準如下：（1）晴天，總云量低于2；（2）多云天，總云量大于8，且低云量大于5；（3）降水天氣過程，降水量大于0.5 mm，且全天降水時段大于5小時。模擬時段共分為8個晴天、28個多云天以及15個雨天。本文以2008年6月13～16日一次典型降水天氣過程為個例進行重點分析。

4 云量模擬誤差分析

4.1 總體時間變化特征

云量模擬效果對于地面太陽輻射的模擬結果影響較大，本文首先分析了控制試驗和敏感試驗總云量的模擬效果。圖1給出了2008年1、7月上甸子站每天3次觀測總云量及衛(wèi)星資料同化前后總云量的日變化特征?？砂l(fā)現(xiàn)，同化前后總云量的模擬值與實測值的時間變化趨勢基本一致，但大部分時次總云量的模擬值明顯低于實測值；但近半數(shù)時次同化后總云量的模擬值更接近于觀測值，尤其是總云量觀測值較大的時刻（多云或有降水時刻）。即1月和7月分別有48%、47%的時次同化后總云量模擬誤差小于同化前，并且同化后總云量誤差小于3成的比例分別為72%、37%。

4.2 多云和降水天氣過程

本文分析了2008年1月及6～8月多云及有降水時段上甸子站同化前后總云量模擬值與觀測值的時間變化特征及其誤差特征（圖略）。結果顯示，多數(shù)時次同化后總云量的模擬值較同化前有所提高，即更接近于實測云量，而且同化后總云量模擬與實測值的時間變化趨勢較一致。統(tǒng)計結果表明，2008年夏季多云及有降水時段同化后有改進（同化后總云量模擬誤差小于同化前）的比例為62%，其中多云和降水天氣過程改進比例分別為56%、69%，平均總云量分別提高了1.9、2.1成。另外2008年1月多云條件下改進比例為72%，平均總云量提高了1.7成?？砂l(fā)現(xiàn)，經(jīng)過衛(wèi)星資料同化后，多云和降水天氣過程多數(shù)時段總云量模擬有明顯改進，其中夏季降水天氣過程的總云量改進最顯著，多云天次之；1月多云天盡管大部分時段有所改進，但平均總云量改進幅度相對較小。

5 同化前后總輻射模擬效果分析

5.1 概率分布特征

本文分析了云量改進前后WRF模式對總輻射的模擬效果差異。圖2給出了2008年1月晴天和多云時段上甸子站同化前后WRF模擬總輻射誤差的概率分布特征。由圖2a可看出，1月晴天上甸子站同化前后模擬總輻射誤差大部分均介于－31～－8 W m之間；誤差出現(xiàn)最大概率分別為22%、25%，其分布范圍分別為－24～－8 W m、－30～－18 W m之間；由圖2b可看出，1月多云天氣上甸子站同化前后模擬總輻射誤差大部分介于 －42～＋81 W m、－80～＋20 W m之間；誤差出現(xiàn)最大概率分別為30%、43%，其分布范圍分別為－18～＋19 W m、－43～－19 W m之間。由上述分析結果可看出，2008年1月晴天同化前后總輻射模擬誤差的分布范圍不變，但同化后誤差最大概率有所增加；多云天氣同化前后總輻射模擬誤差均比晴天大，但同化后最大概率增加較明顯。即2008年1月晴天和多云天氣時段同化后總輻射的模擬效果改進并不顯著，主要改進了模擬誤差出現(xiàn)的最大概率。

本文亦分析了2008年夏季晴天、多云天和有降水天氣過程上甸子站同化前后WRF模擬總輻射誤差的概率分布特征（圖略）。結果顯示，夏季晴天上甸子站同化前后模擬總輻射誤差大部分均介于－80～＋40 W m之間；誤差出現(xiàn)最大概率分別為28%、33%，其分布范圍分別介于－20～＋20 W m、－40～0 W m之間。多云天氣上甸子站同化前后模擬總輻射誤差大部分均介于－80～＋320 W m之間；誤差出現(xiàn)最大概率分別為22%、25%，其分布范圍均介于0～＋80 W m之間。有降水時段上甸子站同化前后模擬總輻射誤差大部分均介于－120～＋360 W m；誤差出現(xiàn)最大概率分別為28%、30%，其分布范圍均介于－40～＋40 W m。由上述分析結果可看出，2008年夏季晴天、多云和降水過程同化后總輻射模擬誤差的分布范圍以及最大概率分布范圍均與同化前基本一致，但同化后總輻射模擬誤差的最大概率均有所增大。

5.2 時間變化特征

本文分析了不同天氣條件下FY2C衛(wèi)星資料同化對總輻射模擬效果的影響。

5.2.1 晴天

圖3給出了2008年1月和夏季晴天上甸子站同化前后模擬總輻射與觀測值的時間變化特征?？砂l(fā)現(xiàn)，晴天條件下衛(wèi)星資料同化前后總輻射模擬值與實測值的時間變化趨勢非常一致，即1月同化前后總輻射模擬值與觀測值的相關系數(shù)大于0.99，夏季相關系數(shù)均為0.98，而且同化前后兩者的相關性差異不明顯。但晴天條件下總輻射模擬值總低于實測值，這與WRF模式輻射參數(shù)化方案對其他主要因子（如氣溶膠和臭氧）對大氣輻射的影響刻畫不細致有關；同化后模擬值與同化前較接近，即衛(wèi)星資料同化對晴天總輻射模擬結果的影響較小。

5.2.2 多云天

圖4給出了2008年1月和夏季多云天上甸子站同化前后總輻射模擬值與觀測值及模擬相對誤差的時間變化特征。由圖4a和b可發(fā)現(xiàn)，1月多云天氣衛(wèi)星資料同化前后總輻射模擬值與實測值的時間變化趨勢亦較一致，同化前后總輻射模擬值與觀測值的相關系數(shù)分別為0.88、0.87，即同化前后兩者的相關性差異較小。多數(shù)時段同化前后模擬值低于實測值。同化前后總輻射模擬相對誤差較小，介于－100%～100%，多數(shù)時段介于－100%～0；同化后模擬相對誤差小于同化前的時刻所占比例為22%，即多數(shù)時段經(jīng)過衛(wèi)星資料同化后，其模擬效果改進不明顯。這與1月多云天總云量的改進效果不顯著有關。由圖4c和d可發(fā)現(xiàn)，夏季同化前后總輻射模擬值與實測值的時間變化趨勢亦較一致，同化前后總輻射模擬值與觀測值的相關系數(shù)分別為0.78、0.80，即同化后兩者的相關性較同化前有所改進。但多數(shù)時段同化前后模擬總輻射高于實測值。同化前總輻射模擬相對誤差較大，介于?100%～500%；同化后多數(shù)時段相對誤差介于?100%～300%，即同化后模擬誤差顯著減?。煌竽M相對誤差小于同化前的時刻所占比例為59%，而且有20%的時刻相對誤差減小比例大于50%。即多數(shù)時段經(jīng)過衛(wèi)星資料同化后，其模擬效果改進較明顯，而且20%的時刻總輻射模擬誤差減小到原來誤差的一半以上。

5.2.3 降水天氣過程

圖5給出了2008年夏季有降水天氣過程上甸子站同化前后模擬總輻射與觀測值及模擬相對誤差的時間變化特征。由圖5a可看出，夏季有降水天氣過程衛(wèi)星資料同化前后總輻射模擬值與實測值的時間變化趨勢基本一致，同化前后總輻射模擬值與觀測值的相關系數(shù)分別為0.65、0.72，即同化后兩者的相關性較同化前有所改進。多數(shù)時段同化前后總輻射模擬值高于實測值。由圖5b可看出，同化前總輻射模擬相對誤差較大，介于－100%～700%；同化后多數(shù)時段相對誤差介于－100%～300%，即同化后模擬誤差顯著減?。煌竽M相對誤差小于同化前的時刻所占比例為60%，而且有31%的時刻相對誤差減小比例大于50%。即多數(shù)時段經(jīng)過衛(wèi)星資料同化后，其模擬效果改進較明顯，而且31%的時刻總輻射模擬誤差減小到原來的一半以上。

5.3 典型降水天氣過程的總輻射模擬效果

本文分析了一次典型降水天氣過程衛(wèi)星資料同化前后總輻射模擬誤差及其原因。圖6為2008年6月13～15日上甸子站觀測總云量和降水量的時間變化特征?？煽闯?，這是一次典型的夏季鋒面降水過程。6月13日為鋒前典型天氣，白天多云，08:00、14:00、20:00（北京時，下同）總云量分別為10、10、10成。13日21:00～14日00:00出現(xiàn)連續(xù)降水，其中22:00降水量為整個降水過程的最大值（8.1 mm）。14日鋒面過境，06:00～17:00出現(xiàn)連續(xù)降水，而且12小時累計降水達17.7 mm，為大雨量級；15日為陰天，3個時次總云量均為10成。

圖6 2008年6月13～15日上甸子站觀測總云量和降水量的時間變化

圖7給出了上述典型降水天氣過程上甸子站同化前后總輻射模擬值與觀測值的時間變化特征?？煽闯?，該過程衛(wèi)星資料同化前后模擬總輻射與實測值的時間變化趨勢基本一致。多數(shù)時刻同化前后總輻射模擬值高于實測值，但大部分時段同化后模擬值較接近于實測值。除6月13日同化后總輻射改進時段較少（12:00～14:00有改進）外，6月14和15日兩天白天總輻射模擬效果均得到顯著改進。其中14日同化后總輻射模擬效果改進最顯著，尤其是降水時段同化后模擬誤差顯著減小。即白天同化前模擬誤差為582 W m，12:00模擬誤差最大，達908 W m；而同化后平均模擬誤差為130 W m，除12:00～14:00模擬值與實測值的差值較大（分別為258 W m、278 W m、446 W m）外，其他時刻模擬誤差均小于200 W m。

圖8給出了同化前后總輻射模擬值與觀測值的相關特征。結果顯示，同化前后總輻射模擬值與觀測值的相關系數(shù)分別為0.61、0.82，即同化后兩者的相關性較同化前顯著改進，而且同化后模擬值集中分布于趨勢線附近，而同化前模擬值的分布較離散。

本文分析了該典型降水天氣過程經(jīng)過衛(wèi)星資料同化后總輻射模擬效果改進的原因。本文對比分析了該降水過程每天08:00、14:00、20:00三個時刻同化前后總云量模擬值與觀測值（圖略），結果發(fā)現(xiàn)，3天共9個時刻同化前后總云量模擬值均小于2成，而觀測總云量為10或10成，即同化前后總云量模擬值遠小于觀測值。圖9給出了該過程逐 10 min上甸子站同化后模擬總云量與同化前的差值的時間變化特征。可看出，除6月13日外該過程多數(shù)時段同化后總云量模擬值較同化前有所增加，其中14日增幅較大，9:00總云量增幅最大，達3.6成；15日白天多數(shù)時段的增幅亦大于1成。綜上所述，盡管9個時刻同化后總云量模擬值低于實測值，但13～14日有降水時刻和15日多云時段同化后總云量模擬值較同化前有所增加，更接近于實測云量?？傇屏吭黾雍?，云的反射和散射作用增強，導致總輻射模擬值減小，更接近于實測值。

表1 2008年1、6～8月三類天氣條件及6月典型降水天氣過程同化前后總輻射模擬誤差及同化后相對誤差小于同化前的比例

5.4 同化前后總輻射模擬誤差分析

表1給出了2008年1、6～8月三類天氣條件及6月典型降水天氣過程同化前后總輻射模擬誤差及同化后誤差小于同化前的比例統(tǒng)計表。需要說明的是表1中同化前后的平均相對誤差是相對誤差取絕對值后的平均值；同化前最大相對誤差是指相對誤差中正的最大值或負的最小值，同化后最大相對誤差是指與同化前最大誤差對應時刻的值；減小比例即為同化后總輻射模擬誤差小于同化前的比例。由表1可看出，1月晴天、多云和7月晴天三種天氣條件下同化前后模擬總輻射誤差相對較小（除1月多云誤差相對較大外，晴天同化前后平均相對誤差均小于21%）；同化后模擬效果改進不明顯，因為均方根誤差和平均相對誤差反而略微增加（均方根誤差分別增加4.6、0.5、0.5 W m，平均相對 誤差分別增加3.3%、15.1%、1.4%），但同化后的最大相對誤差有所減小，而且同化后部分時刻（6%～43%的時刻）的相對誤差小于同化前。這可能與WRF模式輻射參數(shù)化方案對其他主要因子（如氣溶膠和臭氧）對大氣輻射的影響刻畫不細致以及多云天總云量的改進效果不明顯有關。夏季多云、有降水天氣過程及6月典型降水天氣過程三種天氣條件下同化前總輻射模擬誤差較大（均方根誤差均大于194 W m，平均相對誤差均大于170%），而且最大相對誤差較大，均高于778%。而同化后模擬誤差大幅減小，尤其是6月典型降水過程同化后均方根誤差和平均相對誤差較同化前分別減小了102.6 W m和355.9%，最大相對誤差減小幅度最大，高達2406%；另外同化后總輻射模擬相對誤差小于同化前的比例亦較高，均高于59%，6月典型降水過程減小比例高達75%，即大部分時刻同化后模擬誤差均小于同化前。這與該過程總云量模擬效果顯著改進有關。本文的云天總輻射模擬誤差與美國業(yè)務運行預報模式（Albers et al.，2012）的誤差分布范圍較一致。

6 結論與討論

本文通過研究基于風云衛(wèi)星資料同化的LAPS多時間層三維云分析同化方法，改進三維云結構，并將LAPS模式輸出結果作為WRF模式的初始場，模擬了2008年1月及夏季的總云量和總輻射的時空分布，重點分析了多云和有降水天氣過程總輻射的模擬效果及其改進原因。得出如下初步結論:

（1）同化前后的總云量模擬值與實測值的時間變化趨勢基本一致，大部分時次其值低于觀測總云量；多數(shù)多云及有降水時次同化后總云量模擬值較同化前更接近于實測云量。其中夏季降水天氣過程的總云量改進最顯著，多云天次之，1月多云天改進較小。

（2）1月晴天、多云天以及夏季晴天大部分時刻同化前后總輻射模擬誤差較小，平均絕對誤差分別介于－31～－8 W m、－81～＋80 W m、 －80～＋40 W m；夏季多云天和有降水天氣過程多數(shù)時刻同化前后模擬誤差較大，平均絕對誤差分別介于－80～＋320 W m、－120～＋360 W m。同化后總輻射模擬誤差的分布范圍以及最大概率分布范圍與同化前基本一致，但同化后總輻射模擬誤差的最大概率均有所增大。

（3）1月晴天、多云天以及夏季晴天同化前后模擬總輻射與實測值的時間變化趨勢較一致，兩者相關系數(shù)分別大于0.99、0.87、0.98，同化前后兩者的相關性差異不明顯。晴天條件下同化前后總輻射模擬值均低于實測值。1月多云條件下多數(shù)時段同化后總輻射模擬誤差減小不明顯，這與總云量的改進效果不顯著有關。

（4）夏季多云、有降水及6月典型降水三種天氣條件下同化前后總輻射模擬值與觀測值的相關系數(shù)分別大于0.78、0.65、0.61，但同化后兩者的相關性較同化前有所改進，尤其是6月典型降水過程改進較顯著。三種天氣狀況下同化前總輻射模擬誤差較大，同化后模擬誤差顯著減小，尤其是6月典型降水過程同化后均方根誤差和平均相對誤差較同化前分別減小了102.6 W m和355.9%，最大相對誤差減小更顯著。同化后總輻射模擬誤差小于同化前的比例高達75%，即大部分時刻同化后模擬誤差均小于同化前。總輻射模擬效果的顯著改進與總云量的改進有關，同化后總云量模擬值增加，云的反射和散射作用增強，導致總輻射模擬值減小，即更接近于實測值。

由于本文模擬時段有限，得出的初步結論有待進一步驗證。晴空條件下經(jīng)衛(wèi)星資料同化后總輻射模擬誤差有所增大，其可能原因是同化時將部分衛(wèi)星遙感資料的噪音帶入模式以及WRF模式輻射參數(shù)化方案其他主要因子（如氣溶膠和臭氧）對大氣輻射的影響刻畫不細致，本文將在以后的研究中不斷改進同化前衛(wèi)星資料的質(zhì)量檢驗和控制方法，以改進晴天條件下的模擬效果。另外本文基于衛(wèi)星資料的三維云分析同化方法初步改進了三維云結構，今后將采用雷達、地基GPS資料同化分析方法進一步改進云中和云底結構，進而改進云量、水汽及太陽輻射的模擬效果。本文的研究結果對于多云和降水天氣條件下太陽輻射的模擬效果改進、太陽能資源客觀評估以及光伏電站的發(fā)電量預測具有一定的科學和實際應用價值。

Alberoni P P, Levizzani V, Mezzasalma P, et al. 2000. Impact of meteorological radar and satellite data onto mesoscale analyses [C] // Proceedings of the 3rd EGS Plinius Conference on Mediterranean Storms. Baja Sardinia, Italy.

Albers S C, McGinley J A, Birkenheuer D L, et al. 1996. The local analysis and prediction system (LAPS): Analyses of clouds, precipitation, and temperature [J]. Wea. Forecasting, 11: 273–287.

Albers S C, Jankov I. 2012. Using the LAPS-WRF system to analyze and forecast solar radiation [C]. American Geophysical Union, Fall Meeting 2011. San Francisco.

程興宏, 張小玲, 鄭向東, 等. 2009. PSP總?cè)丈浔頍崞铺卣骷捌錅y量總輻射誤差分析[J]. 太陽能學報, 30 (1): 19–26. Cheng Xinghong, Zhang Xiaoling, Zheng Xiangdong, et al. 2009. Characteristics of thermal offset of a precision spectral pyranometer (PSP) and its error in global solar radiation measurement [J]. Acta Energiae Solaris Sinica(in Chinese), 30 (1): 19–26.

程興宏, 楊云, 宋建洋, 等. 2013. 總?cè)丈浔頍崞朴喺椒ㄑ芯窟M展[J]. 氣象科技, 41 (1): 1–7. Cheng Xinghong, Yang Yun, Song Jianyang, et al. 2013. Progresses in researches on physical mechanisms and thermal offset correction method [J]. Meteorological Science and Technology (in Chinese), 41 (1): 1–7.

崔春光, 李紅莉, 彭菊香, 等. 2008. LAPS資料在一次鄂東初夏暴雨分析中的應用[J]. 暴雨災害, 27 (4): 307–312. Cui Chunguang, Li Hongli, Peng Juxiang, et al. 2008. The application of LAPS data to research a heavy rain in east Hubei Province in the early summer of 2008 [J]. Torrential Rain and Disasters (in Chinese), 27 (4): 307–312.

Dudhia J. 1989. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model [J]. J. Atmos. Sci., 46: 3077?3107.

范蕙君. 1997. 應用LAPS系統(tǒng)分析風、溫度、云和降水[J]. 氣象科技, (4): 44–48. Fan Huijun. 1997. Application LAPS systematic analysis of wind, temperature, cloud and precipitation [J]. Meteorological Science and Technology (in Chinese), (4): 44–48.

高華, 譚旭光, 李英華, 等. 2009. 局地分析和預報系統(tǒng)(LAPS)在北京市氣象局移植與應用[C] //第26屆中國氣象學會年會災害天氣事件的預警、預報及防災減災分會場論文集. 北京: 中國氣象學會. Gao Hua, Tan Xuguang, Li Yinghua, et al. 2009. Transplantation and application of Local Analysis and Forecasting System (LAPS) in Beijing Meteorological Administration [C] // Proceedings of Early Warning, Forecasting and Disaster Prevention and Mitigation of Severe Weather Events Session of the 26th China Meteorological Society Annual Meeting (in Chinese). Beijing: Chinese Meteorological Society.

郭準, 周天軍. 2012. 新舊兩個版本GAMIL 模式對1997/98 強El Ni?o 年西太平洋暖池區(qū)獨特云輻射強迫特征的數(shù)值模擬[J]. 大氣科學, 36 (5): 863–878. Guo Zhun, Zhou Tianjun. 2012. The cloud-radiative forcing over the western Pacific warm pool during 1997/98 simulated by two versions of LASG/IAP atmospheric general circulation model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (5): 863–878.

International Energy Agency. 2009. Task 36 2009 Highlights [DB/OL]. http://www.iea-shc.org/task36/index.html.

IPCC. 1990. Climate Change 1989: The IPCC Scientific Assessment [M]. Houghton J T, Jenkins G J, Ephraums J J, Eds. Cambridge, UK and New York, USA: Cambridge University Press,195–238.

IPCC. 1992. Climate Change 1991: The IPCC Scientific Assessment [M]. Houghton J T, Callander B A, Varney S K,et al, Eds. Cambridge, UK and New York, USA: Cambridge University Press.69–95.

IPCC. 1996. Climate Change 1995: The Science of Climate Change [M]. Houghton J T, Meira Filho L G, Callander,B A, et a, Eds. Cambridge, UK and New York, USA: Cambridge University Press, 572.

IPCC. 2002. Climate Change 2001: The Scientific Basis [M]. Houghton J T, Ding Y, Griggs D J, et al., Eds. Cambridge, UK and New York, USA: Cambridge University Press, 881.

Jian G J, Shieh S L, McGinley J A. 2003. Precipitation simulation associated with typhoon Sinlaku (2002) in Taiwan area using the LAPS diabatic initialization for MM5 [J]. TAO, 14: 261–288.

Kain J S, Fristch J M. 1990. A one-dimensional entraining/detraining plume model and its application in convective parameterization [J]. J. Atmos. Sci., 47 (23): 2784?2802.

李紅莉, 崔春光, 王志斌. 2009. LAPS的設計原理、模塊功能與產(chǎn)品應用[J]. 暴雨災害, 28: 64–70. Li Hongli, Cui Chunguang, Wang Zhibin. 2009. Scientific designs, functions and applications of LAPS [J]. Torrential Rain and Disasters (in Chinese), 28: 64–70.

劉瑞霞, 陳洪濱, 師春香, 等. 2011. 多源觀測數(shù)據(jù)在LAPS三維云量場分析中的應用[J]. 應用氣象學報, 22 (1): 123–128. Liu Ruixia, Chen Hongbin, Shi Chunxiang, et al. 2011. The application of multi source data to three dimensional cloud amount analysis in LAPS [J]. Journal of Applied Meteorological Science (in Chinese), 22 (1): 123–128.

劉玉芝, 石廣玉, 趙劍琦. 2007. 一維輻射對流模式對云輻射強迫的數(shù)值模擬研究[J]. 大氣科學, 31 (3): 486–494. Liu Yuzhi, Shi Guangyu, Zhao Jianqi. 2007. A study of the radiative forcing of clouds by using a one-dimensional radiative-convective model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 31 (3): 486–494.

Long C N, Shi Y. 2008. An automated quality assessment and control algorithm for surface radiation measurements [J]. The Open Atmospheric Science Journal, 2: 23–37.

Lorenz E, Heinemann D, Wickramarathne H, et al. 2005. Forecast of ensemble power production by grid-connected PV systems [C] // Proceedings of the 20th European PV Solar Energy Conference and Exhibition. Barcelona, Spain.

Mellor G, Yamada T. 1974. A hierarchy of turbulence closure models for planetary boundary layer [J]. J. Atmos. Sci., 31: 1791?1806.

McGinley J A, Albers S, Stamus P. 1991. Validation of a composite convective index as defined by a real-time local analysis system [J]. Wea. Forecasting, 6: 337–356.

Mlawer E J, Taubman S J, Brown P D, et al. 1997. Radiative transfer for inhomogeneous atmosphere: RRTM, a validated correlated-model for the longwave [J]. J Geophys Res, 102 (D14): 16663?16682

Shaw B L, Thaler E R, Szoke E J. 2001. Operational evaluation of the LAPS-MM5 “hot start” local forecast model [C] // 18th Conference on Weather Analysis and Forecasting. Florida.

Shaw B L, Birkenheuer D, Albers S, et al. 2003. LAPS diabatically initialized MM5 for the IHOP_2002 campaign [C] //Proceedings of the 13th PSU/NCAR Mesoscale Model User’s Workshop. Boulder, Colombia.

沈元芳, 胡江林. 2006. GRAPES模式中的坡地輻射方案及其對短期天氣過程模擬的影響[J]. 大氣科學, 30 (6): 1129–1137. Shen Yuanfang, Hu Jianglin. 2006. Slope irradiance scheme in GRAPES and its effect on simulation of short-range weather processes [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 30 (6): 1129–1137.

石廣玉. 2007. 大氣輻射學[M]. 北京: 科學出版社. Shi Guangyu. 2007. Atmospheric Radiation (in Chinese) [M]. Beijing: Science Press.

Shimada T, Kurokawa K. 2006. Grid-connected photovoltaic systems with battery storages control based on insolation forecasting using weather forecast [C] // Proceedings of Renewable Energy. Chiba, Japan.

Sun Z A. 2011. Improving transmission calculations for the Edwards-Slingo radiation scheme using a correlated-distribution method [J]. Quart. J. Roy. Meteor. Soc., 137: 2138–2148.

Sun Z A, Liu J M, Zeng X N, et al. 2012. Parameterization of instantaneous global horizontal irradiance: Cloudy-sky components [J]. J. Geophys. Res., 117, D14202, doi:10.1029/2012JD017557.

王炳忠, 莫月琴, 楊云, 等. 2008. 現(xiàn)代氣象輻射測量技術[M]. 北京: 氣象出版社. Wang Bingzhong, Mo Yueqing, Yang Yun, et al. 2008. Modern Meteorological Radiation Measurement Technology (in Chinese) [M]. Beijing: China Meteorological Press.

王明歡, 賴安偉, 陳正洪, 等. 2012. WRF模式模擬的地表短波輻射與實況對比分析[J]. 氣象, 38 (5): 585–592. Wang Minghuan, Lai Anwei, Chen Zhenghong, et al. 2012. Comparison of WRF forecast downward shortwave radiation with observations—A pilot study [J]. Meteorological Monthly(in Chinese), 38 (5): 585–592.

文小航, 呂世華, 孟憲紅, 等. 2010. WRF 模式對金塔綠洲效應的數(shù)值模擬[J]. 高原氣象, 29 (5): 1163–1173. Wen Xiaohang, Lü Shihua, Meng Xianhong, et al. 2010. Numerical simulation of oasis effect in Jinta oasis using the WRF model [J]. Plateau Meteorology(in Chinese), 29 (5): 1163–1173.

吳其重, 王自發(fā), 崔應杰. 2010. 我國近20年太陽輻射時空分布狀況模式評估[J]. 應用氣象學報, 21 (3): 343–351. Wu Qizhong, Wang Zifa, Cui Yingjie. 2010. Evaluating the solar radiation resources of China in recent 20 years by meteorological model [J]. Journal of Applied Meteorological Science(in Chinese), 21 (3): 343–351.

張華. 1999. 非均勻路徑相關-分布方法的研究[D]. 中國科學院大氣物理研究所博士學位論文. Zhang Hua. 1999. On the study of a new correlated-distribution method for non-gray gaseous absorption in the inhomogeneous scattering atmosphere [D]. Ph. D. dissertation, (in Chinese), Institute of Atmospheric Physics, Chinese Academy of Sciences.

張華, 荊現(xiàn)文. 2010. 氣候模式中云的垂直重疊假定對模擬的地—氣輻射的影響研究[J]. 大氣科學, 34 (3): 520–532. Zhang Hua, Jing Xianwen. 2010. Effect of cloud overlap assumptions in climate models on modeled earth–atmosphere radiative fields [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 34 (3): 520–532.

Zhang H, Nakajima T, Shi G Y, et al. 2003. An optimal approach to overlapping bands with correlateddistribution method and its application to radiative calculations [J]. J. Geophys. Res., 108 (D20),doi:10.1029/2002JD003358

周后福, 郭品文, 翟菁, 等. 2010. LAPS 分析場資料在暴雨中尺度分析中的應用[J]. 高原氣象, 29 (2): 461–470. Zhou Houfu, Guo Pinwen, Zhai Jing, et al. 2010. Application of LAPS analysis field in rainstorm mesoscale analysis [J]. Plateau Meteorology (in Chinese), 29 (2): 461–470.

Improved Method of Solar Radiation Simulation on Cloudy Days with LAPS-WRF Model System Based on Satellite Data Assimilation

CHENG Xinghong, LIU Ruixia, SHEN Yanbo, ZHU Rong, PENG Jida, YANG Zhenbin, and XU Hongxiong

1,,100081 2,,100081 3,100081 4,350001 5,100081

Photovoltaic power is influenced by the temporal and spatial variation of cloud amounts. Therefore, to ensure safe operation of power grids on cloudy days, accuracy in simulating and forecasting temporal and spatial variations of solar radiation is critical. To reduce initial field errors in the mesoscale meteorological model and to improve the simulation accuracy of solar radiation on cloudy days, the three-dimensional cloud analysis assimilation method in the Local Analysis and Prediction System (LAPS is adopted in this study. The results are used to improve cloud simulation and are used as the initial field of the Weather Research and Forecasting (WRF model. The temporal and spatial distribution characteristics of the total cloud amount and global radiation in the Beijing area in January, June, July, and August and during the typical precipitation processes in June 2008 are simulated with the LAPS-WRF model system. This study focuses on the simulation results of global radiation with and without Fengyun satellite data assimilation and describes the reasons for the improvements on cloudy days and during the precipitation processes. The results showed that the temporal variation of simulated and observed values of total cloud amounts with and without satellite data assimilation were consistent. Without assimilation, the simulated values were significantly lower than observations in most cases. After assimilation, the simulated values of total cloud amounts were closer to observations. In addition, the correlation coefficients between simulation and observation values of global radiation before and after assimilation were higher and the differences of correlation coefficients with and without satellite data assimilation were smaller on clear and cloudy days in January and on clear days in summer. The simulation values of global radiation before and after assimilation were all lower than the measured values on sunny days. After assimilation, the error reduction of global radiation was not noticeable on cloudy days in January because the improvement of total cloud amount simulation was insignificant. Moreover, before and after assimilation, the correlation coefficients between simulation and observation values of global radiation on cloudy and rainy days in summer and during typical precipitation process in June were smaller than those on clear days. However, the correlation coefficients after assimilation were noticeably larger than those before assimilation, particularly during typical precipitation processes in June. Further, simulation errors in global radiation were significantly reduced. For example, the root mean square error and average relative errors during a typical precipitation process in June were reduced by 102.6 W mand 355.9%, respectively, and maximum relative error was reduced to a greater extent. Simulation errors in global radiation after assimilation in most cases were less than those before assimilation, with reduction ratios being 75%. The significant improvement in the simulation of global radiation after assimilation during cloudy days and precipitation processes isclosely related to the improvement in total cloud amount. The results of this study have certain scientific and practical application values for the improvement of simulation and the forecasting of solar radiation and photovoltaic power on cloudy days and during precipitation process, and the objective assessments of solar energy resources.

Satellite data assimilation, Solar radiation, Photovoltaic power, Solar energy, LAPS-WRF model

1006–9895(2014)03–0577–13

P422.1

A

10.3878/j.issn.1006-9895.2013.13159

2013–04–23，

2013–11–05收修定稿

國家自然科學基金41275114，國家高技術研究發(fā)展計劃項目 2011AA05A302

程興宏，男，1977年出生，博士，高工，主要從事風能太陽能、大氣污染數(shù)值模擬和預報方法研究。E-mail: cxingh@cma.gov.cn

程興宏，劉瑞霞，申彥波，等. 2014. 基于衛(wèi)星資料同化和LAPS-WRF模式系統(tǒng)的云天太陽輻射數(shù)值模擬改進方法[J]. 大氣科學, 38 (3): 577–589, doi: 10.3878/j.issn.1006-9895.2013.13159. Cheng Xinghong, Liu Ruixia, Shen Yanbo, et al. 2014. Improved method of solar radiation simulation under cloudy days with LAPS-WRF model system based on satellite data assimilation [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (3): 577–589.