楊春,閔錦忠,陳耀登

(氣象災(zāi)害教育部重點實驗室(南京信息工程大學),江蘇 南京 210044)

楊春,閔錦忠,陳耀登.2015.WRF-EnSRF衛(wèi)星資料同化模塊的構(gòu)建研究[J].大氣科學學報,38(4):549-556.doi：10.13878/j.cnki.dqkxxb.20130529001.

Yang Chun,Min Jin-zhong,Chen Yao-deng.2015.Construction of WRF-EnSRF satellite data assimilation system[J].Trans Atmos Sci,38(4):549-556.(in Chinese).

WRF-EnSRF衛(wèi)星資料同化模塊的構(gòu)建研究

楊春,閔錦忠,陳耀登

(氣象災(zāi)害教育部重點實驗室(南京信息工程大學),江蘇 南京 210044)

摘要：為加強國內(nèi)衛(wèi)星資料在同化系統(tǒng)中的應(yīng)用,在自主構(gòu)建的新一代WRF-EnSRF同化系統(tǒng)中,采用RTTOV輻射傳輸模式作為觀測算子,并建立衛(wèi)星資料讀取、偏差訂正及質(zhì)量控制等子模塊,構(gòu)建出WRF-EnSRF衛(wèi)星資料同化系統(tǒng)。運用該同化系統(tǒng),同時同化NOAA-16的AMSU-A和AMSU-B的輻射率資料,進行華南暴雨過程的衛(wèi)星資料同化數(shù)值模擬試驗。試驗結(jié)果表明:偏差訂正后亮溫資料擬合結(jié)果基本位于主對角線上,偏差有所降低。從TS評分看,同化試驗對中雨及大雨部分的降水落區(qū)以及暴雨級別以上的降水強度的模擬效果有改善。試驗證明,建立的衛(wèi)星同化系統(tǒng)是可運行的。

關(guān)鍵詞：衛(wèi)星資料同化;集合卡爾曼濾波;輻射傳輸模式;暴雨

0引言

高質(zhì)量的初始場被認為是數(shù)值天氣預(yù)報成功與否的關(guān)鍵,而資料同化被認為是提供準確、合理初始場的一個行之有效的方法。在早期的數(shù)值天氣預(yù)報及資料同化的應(yīng)用中,主要使用的是定時常規(guī)觀測資料,如探空、測風資料等。隨著數(shù)值天氣預(yù)報和資料同化技術(shù)的發(fā)展,常規(guī)觀測資料已不能滿足氣象業(yè)務(wù)的需要。氣象衛(wèi)星的出現(xiàn)大大完善了整個大氣觀測系統(tǒng),彌補了其他手段觀測的資料覆蓋面有限、時空分辨率不高等缺點(朱素行等,2008;蔡淼等,2011),它的引進,對改善初始場提供了更加有利的條件。因此,如何利用衛(wèi)星資料來改進模式的初始場,成為研究關(guān)注的熱點問題(曹文博和沈桐立,2007)。

近年來,國內(nèi)外專家就如何利用資料同化來提取衛(wèi)星探測資料中的有效觀測信息,彌補常規(guī)觀測網(wǎng)的不足,提高中尺度數(shù)值預(yù)報的準確率,做了一系列認真細致的研究工作。通過他們不斷的探索研究,衛(wèi)星資料在同化領(lǐng)域得到了越來越廣泛的應(yīng)用,且大大提高了對暴雨、臺風等天氣過程的預(yù)報質(zhì)量(Zhang et al.,2004;郭銳等,2010a)。

在目前的衛(wèi)星資料同化領(lǐng)域里,三維變分同化依然占有相當重要的地位(郭銳等,2010b)。但是,三維變分法的背景誤差協(xié)方差矩陣存在計算量大、各向同性和無法隨天氣形勢演變,即不具有“流依賴”(flow dependent)的特征;另一種同化方法—集合卡爾曼濾波(EnKF)正受到越來越多的關(guān)注(Zhang and Pu,2010)。在集合卡爾曼濾波理論中,集合思想的引入解決了變分方法實際應(yīng)用中背景誤差協(xié)方差矩陣的估計和預(yù)報困難的問題,也使得背景誤差的統(tǒng)計具有“流依賴”的特征。Evensen(1994)首次將集合卡爾曼濾波算法引入到氣象資料同化中。近年來,它在大氣、海洋資料同化研究中得到了廣泛應(yīng)用,也漸漸成為衛(wèi)星資料同化的有效方法之一。Mitchell et al.(2003)利用集合卡爾曼濾波方法設(shè)計了一組試驗,結(jié)果表明同化了微波輻射率資料后,對不同大氣要素偏差和標準差都有一定改善,特別是在熱帶地區(qū)和南半球。Houtekamer et al.(2005)率先運用集合卡爾曼濾波同化加了擾動的衛(wèi)星輻射率觀測,目前該系統(tǒng)也已經(jīng)升級為加拿大氣象中心的業(yè)務(wù)集合預(yù)報系統(tǒng)。Miyoshi and Sato(2007)運用四維局地集合卡爾曼濾波方法,同化了多種衛(wèi)星通道資料,試驗得到了明顯的正效果,并且驗證了垂直距地化對衛(wèi)星資料同化的重要性。Liu et al.(2012)運用局地集合卡爾曼濾波方法同化AMSU-A資料,模擬了2008年5個大西洋熱帶氣旋,無論是強度還是路徑,同化試驗的預(yù)報效果都得到了很好的改善。然而,國內(nèi)關(guān)于衛(wèi)星資料同化系統(tǒng)的研發(fā)起步較晚,衛(wèi)星資料在同化系統(tǒng)中的實際應(yīng)用與國際較高水平還存在一定差距。

閔錦忠等(2011)在自主構(gòu)建的新一代WRF-EnSRF同化系統(tǒng)中,已初步進行衛(wèi)星資料同化模塊的構(gòu)建及初步應(yīng)用(閔錦忠等,2012),然而,現(xiàn)在使用的衛(wèi)星同化模塊中的觀測算子、偏差訂正及質(zhì)量控制等同化前處理過程,均直接借用了WRFDA資料同化系統(tǒng)的相關(guān)模塊與接口。本文在前述研究的基礎(chǔ)上,選取RTTOV作為觀測算子,并且獨立建立統(tǒng)一觀測讀取接口、偏差訂正及質(zhì)量控制等資料處理子模塊,為以后各方面的進一步調(diào)整和研究提供獨立模塊,從而實現(xiàn)整個同化模塊的組建,建立具有實際運行能力的集合平方根濾波衛(wèi)星資料同化系統(tǒng),并且運用該同化系統(tǒng)進行2010年6月19—20日華南暴雨個例的AMSU-A、AMSU-B輻射率資料的同化試驗及數(shù)值模擬研究,旨在檢驗新建立的同化系統(tǒng)的可行性,為該衛(wèi)星同化系統(tǒng)的進一步應(yīng)用提供技術(shù)參考。

1WRF_EnSRF衛(wèi)星資料同化模塊的構(gòu)建

一個完整的衛(wèi)星資料同化模塊構(gòu)建過程,涉及同化方法、預(yù)報模式、觀測算子、觀測資料以及資料處理等多方面的數(shù)據(jù)接口的對接。本模塊的構(gòu)建運用的是集合平方根濾波(EnSRF)同化算法、WRF預(yù)報模式、RTTOV輻射傳輸模式、L1C格式的AMSU-A/B資料以及偏差訂正、質(zhì)量控制等數(shù)據(jù)處理方法。全模塊采用F90語言編寫,可以直接讀入和輸出WRF模式所需的初始場。

1.1　集合平方根濾波理論介紹

集合卡爾曼濾波中背景誤差協(xié)方差矩陣是由幾個通過完全非線性預(yù)報得到的有限個樣本統(tǒng)計出來的。這些集合預(yù)報從一組初始條件開始,一段短暫的預(yù)報后經(jīng)過分析過程,在繼續(xù)向前預(yù)報,這樣循環(huán)往復(fù)。預(yù)報的所有統(tǒng)計都是由集合樣本來提供的。公式如下:

(1)

(2)

(3)

(4)

K=BHT(HBHT+O)-1。

(5)

Whitaker and Hamill(2002)研究發(fā)現(xiàn),對觀測進行擾動后,會引入新的采樣誤差,導(dǎo)致分析誤差方差被低估,引起濾波發(fā)散。然而,如果觀測不加擾,依然會低估分析誤差協(xié)方差,因此他們提出采用集合平方根濾波方法(EnSRF)來解決該問題。主要的處理過程是將(2)式分為均值和集合兩個部分來處理:

(6)

(7)

(8)

1.2　觀測算子的應(yīng)用

相對于反演同化,直接同化避免了計算復(fù)雜的不適定問題所帶來的反演計算誤差,使衛(wèi)星探測信息轉(zhuǎn)換過程與NWP模式緊密相聯(lián)(王宗皓,1995),所以本模塊采取的是直接同化衛(wèi)星資料的同化方式,這就涉及到衛(wèi)星資料觀測算子的應(yīng)用。

本模塊中觀測算子包括兩部分:輻射傳輸模式和數(shù)據(jù)插值。

1)目前國際上運用比較多的輻射傳輸模式是CRTM和RTTOV。本系統(tǒng)選取了RTTOV-7版本作為輻射傳輸模式。其主要原理為:給定模式初始參量,沿著衛(wèi)星觀測方向,利用參數(shù)化的預(yù)報因子與透過率系數(shù)將分子輻射吸收和傳輸機制用線性關(guān)系表達。而衛(wèi)星通道光譜響應(yīng)函數(shù)、不同吸收成分的吸收、傳輸?shù)榷及诖送高^率系數(shù)中(馬剛等,2006)。

在晴空情況下,其基本原理可表述為

Lclr(v,θ)=τs(v,θ)εs(v,θ)B(v,TS)+

(9)

式中:L(v,θ)是頻率為v、天頂角為θ的大氣頂向上的輻射;τs為地表到大氣頂透射率;εs為地表比輻射率;B(v,T)為普朗克函數(shù);T為模式層平均溫度;下標s表示地表變量。(9)式右端第一、三項都為地表的輻射率貢獻項(地表的放射和反射),第二項為大氣輻射率貢獻項。

2)由于衛(wèi)星資料是離散點的資料,而非有序格點的資料,且本系統(tǒng)選取的輻射傳輸模式為43層等壓面,與模式層并不匹配,所以需要在水平平面上運用插值方法,將背景向量插值到觀測點,在垂直方向上則要插值到輻射傳輸模式的各等壓面上。本系統(tǒng)中水平方向運用的是雙線性插值,垂直方向運用的是對數(shù)插值方法。

1.3　觀測資料的讀取

隨著氣象衛(wèi)星技術(shù)的不斷改進,越來越多的衛(wèi)星資料被應(yīng)用到科學研究中。本系統(tǒng)應(yīng)用的觀測資料為NOAA-16的先進微波探測儀(AMSU)輻射率資料,包括用于溫度探測的AMSU-A探測器資料和用于濕度探測的AMSU-B探測器資料。AMSU-A擁有15個通道,星下點分辨率為45 km,AMSU-B擁有5個通道,星下點分辨率為15 km,它們可以透過厚厚的云層探測到大氣溫度和濕度的垂直結(jié)構(gòu)。

系統(tǒng)中觀測讀取子模塊實際應(yīng)用的觀測資料格式是中國國家衛(wèi)星氣象中心發(fā)布的L1C格式資料。在進入系統(tǒng)之前,需要運用相關(guān)程序從源文件中提取掃描線數(shù)、掃描點數(shù)、通道數(shù),以及掃描點所在的經(jīng)度、緯度、天頂角和該掃描點上探測器所有通道的輻射率值等數(shù)據(jù),將這些數(shù)據(jù)按一定的形式存儲。在同化過程中,再將這些資料讀入系統(tǒng)中。這樣在以后的工作中,即使加入使用不同的資料,如FY-3,只要按一定格式書寫,就可以使用,不需要對系統(tǒng)內(nèi)部文件進行修改。

1.4　資料處理方法的設(shè)計

資料處理主要指背景場資料的處理子模塊、偏差訂正子模塊以及質(zhì)量控制子模塊的具體設(shè)計方法。

1)對背景場資料處理的目的主要是為了提高計算效率,運用局地化方法只提取部分格點資料對其進行計算,而非全場計算。本系統(tǒng)運用的是一個局地化的相關(guān)函數(shù)——schur算子(Gaspari and Cohn,1999)。同時在計算模擬觀測值時,插值后,對背景場進行氣候極值檢驗,剔除在閾值范圍以外的點。

2)對于實際觀測和觀測殘差的處理主要運用偏差訂正、質(zhì)量控制等方法。系統(tǒng)中偏差訂正方法為回歸偏差訂正法(Liu and Barker,2007),方程如下:

(10)

3)目前,本系統(tǒng)設(shè)計的針對NOAA-16的AMSU-A、AMSU-B探測器資料的質(zhì)量控制方法如表1所示。

表1質(zhì)量控制方案

Table 1Scheme of quality control

號碼測試剔除條件濾除類型1地表類型剔除地表標記>4全部2通道選擇AMSU-A:1—4,13—15;AMSU-B:1—2全部3臨邊檢驗AMSU-A:1—3,28—30;AMSU-B:1—8,83—90單個4降水檢驗IS(AMSU-A)=TB(23GHz)-TB(89GHz)IS(AMSU-B)=TB(89GHz)-TB(150GHz)IS>3.0單個5地表氣壓檢驗PSF<850單個6觀測殘差檢驗觀測殘差>15單個

得到分析場后,系統(tǒng)可以運用集合成員做集合預(yù)報或者運用集合平均場做單一性預(yù)報。且在整個系統(tǒng)中,分析模塊獨立于預(yù)報模塊;若預(yù)報系統(tǒng)升級,則修改簡便。

圖1　WRF-EnSRF衛(wèi)星資料同化系統(tǒng)的工作流程Fig.1　Work process of WRF-EnSRF satellite data assimilation system

2實際衛(wèi)星資料同化數(shù)值試驗

2.1　暴雨個例簡介

2010年6月19日00時—20日00時(世界時),湖南、江西大部、福建西北部、廣西北部、湖北和重慶南部、貴州南部和東北部等地普降大到暴雨,其中江西中北部,湖南懷化、常德、益陽、岳陽,福建南平,廣西河池、桂林等地降大暴雨,最大降水點位于江西南昌(329 mm)。受強降雨影響,福建閩江上游、江西贛江等47條河流發(fā)生超警戒水位洪水。

2.2　試驗方案設(shè)計

模式設(shè)置:試驗區(qū)域為(105～123°E,22～34°N),水平格點為300×300,時間積分步長為30 s,垂直方向為28層。模擬時段為2010年6月19日00時—20日00時(世界時),初始場資料為NCEP 1°×1°格點資料,試驗區(qū)域的邊界條件由NCEP資料提供。微物理過程選用Lin微物理方案,積云參數(shù)化過程選淺對流Eta Kain-Fritsch方案,模式層頂為20 hPa。

同化方案:集合成員數(shù)為40個;全場添加隨機擾動得到初始集合成員,風場的3個分量的標準偏差均為3 m/s,位溫為3 K,水汽混合比為0.005 kg/kg,其余未添加擾動;協(xié)方差膨脹使用松弛膨脹法,采用距離相關(guān)函數(shù)進行協(xié)方差局地化。由于表面比發(fā)射率的程序編寫未完成,所以試驗中設(shè)置表面比發(fā)射率為定值(0.95)。

資料:試驗中背景場采用NCEP 1°×1°分析資料。衛(wèi)星資料是中國國家衛(wèi)星氣象中心發(fā)布的美國極軌衛(wèi)星NOAA-16上的AMSU-A的5-12通道和AMSU-B的3-5通道衛(wèi)星輻射率資料,資料格式是L1C數(shù)據(jù)格式。由于衛(wèi)星資料在試驗區(qū)域不是全天候的掃描,本試驗選用的觀測AMSU-A和AMSU-B輻射率資料是在2010年6月19日08時42分以及10時32分觀測的,所以選取這兩個時刻為同化時刻。

控制實驗設(shè)計:不同化任何觀測資料,從19日00時向后積分24 h至20日00時。

2.3　試驗結(jié)果

1)偏差訂正

來自輻射傳輸模式、傳感器及資料本身等方面的誤差,最終會造成觀測亮溫值與模式模擬亮溫值之間存在系統(tǒng)偏差。只有將這些偏差進行控制或訂正,才能使衛(wèi)星輻射亮溫值在數(shù)值預(yù)報模式中的應(yīng)用獲得正效應(yīng)。

圖2　AMSU-A第6通道模式模擬亮溫與觀測亮溫的散點圖　　a.偏差訂正前;b.偏差訂正后Fig.2　Scatter diagram of observed brightness temperatures versus simulated brightness temperatures for AMSU-A channel 6　　a.without bias correction;b.with bias correction

以AMSU-A為例,圖2給出了第6通道模式正演亮溫和觀測亮溫的散點分布。可以看出,偏差訂正后模式模擬亮溫與觀測亮溫的擬合比訂正前更接近對角線,說明訂正后兩者更為接近,從而消除了模擬偏差可能引起的誤差影響。且偏差訂正后,模擬值與觀測值的偏差均值絕對值從訂正前的0.743 K減少到0.043 K,均方根也有所減小,進一步說明訂正后的模擬亮溫比訂正前更接近實際觀測。其他通道也有相同結(jié)論(圖3)。

圖3　AMSU-A第5—12通道偏差訂正前、后模擬亮溫值與觀測亮溫值偏差的均方根(單位:K)Fig.3　Root mean square of difference between observed brightness temperatures and simulated brightness temperatures for AMSU-A channels 5—12 with and without bias correction(units:K)

2)降水場

在同化完衛(wèi)星輻射率資料后,系統(tǒng)以第二次同化后的分析場為初始場進行集合預(yù)報,至20日00時(世界時)。在24 h降水場的對比分析中,采用了全國1 049個臺站在20日00時的24 h累積降水量(圖4a)。由圖4可見,控制試驗和同化試驗都將實況降水過程的東西向雨帶和西南—東北向雨帶的形勢成功模擬出來。由圖4a可見,江西南昌附近有一個非常強的降水中心,湖南桃源、湖南貴州交界處以及廣西北部各有一個降水中心。

控制試驗(圖4b):模擬的降水中心形成了一個東西向的強降水中心帶,橫穿江西省,且降水中心的強度大于實際降水很多,超過400 mm;在湖南常德、益陽一帶也有較大的強降水中心;東西向雨帶從湖南西部一直延伸至浙江與福建交匯的沿海地區(qū),廣西地區(qū)的降水主要集中在北部,湖南東南部的降水沒有模擬出來。

同化試驗(圖4c):總體趨勢與控制試驗相似,但是東西向雨帶比控制試驗的更短,雨帶西側(cè)出現(xiàn)了漏報現(xiàn)象,而雨帶東側(cè)則更接近實況降水。強降水中心不似控制試驗的帶狀,分為兩個獨立的中心,位于江西南昌附近的強降水中心被成功模擬出來,但是,模擬得到的位于江西、湖南交匯處降水中心強度過大;相較于控制試驗,在降水強度上有了明顯改善,湖南東南部的降水也有較大改善?？傮w而言,同化試驗對降水落區(qū)的改善不明顯。

圖4　臺站24 h累積降水實況(a)以及控制試驗(b)和同化試驗(c)模擬的24 h降水場(單位:mm)Fig.4　(a)The 24 h accumulated rainfall of stations,and simulated 24 h rainfall of (b)control experiment and (c)assimilation experiment

3)TS評分

為了更直觀地比較兩組試驗結(jié)果,分別對兩組試驗進行兩種TS評分,分別從降水落區(qū)和降水量來考察預(yù)報效果。TS評分方法(婁珊珊,2009)介紹如下:

(11)

(12)

其中:f表示預(yù)報正確降水區(qū)的個點數(shù);o表示漏報降水區(qū)的個點數(shù);e表示空報降水區(qū)的個點數(shù);z表示預(yù)報正確降水區(qū)內(nèi)的降水量;s表示實際降水區(qū)內(nèi)的降水量;k表示空報降水區(qū)內(nèi)的降水量;ST1(TS1)代表模式對降水落區(qū)的預(yù)報效果;ST2(TS2)代表模式對降水量大小的預(yù)報效果。由于模擬降水普遍比實況降水大,特別是在極值區(qū)域,所以為了避免由模擬的偏大的降水極值帶來的評分值較高的虛假現(xiàn)象,設(shè)置若預(yù)報正確區(qū)域內(nèi)的降水極值大于實際降水區(qū)的降水極值,則用實際降水區(qū)的極值來代替預(yù)報正確區(qū)的降水極值。

圖5a給出了控制試驗和同化試驗的TS1分量的評分,旨在查看兩類試驗對降水落區(qū)的預(yù)報效果?？梢钥闯?中雨和大雨級別同化試驗的TS1評分略高于控制試驗,但是暴雨和大暴雨級別同化試驗的TS1評分小于控制試驗,這是因為控制試驗的強降水中心面積比同化試驗的要大,降水強度也比同化試驗的強。圖5b給出了控制試驗和同化試驗的TS2分量的評分,旨在查看兩類試驗對降水量級的預(yù)報效果?？梢钥闯?由于控制試驗的降水區(qū)域比同化試驗的大,而大部分區(qū)域為中雨或大雨級別,所以在這兩個級別的TS2評分,控制試驗要優(yōu)于同化試驗,但同時由于控制試驗出現(xiàn)過多的虛假強降水,導(dǎo)致暴雨和大暴雨級別的評分均低于同化試驗。

圖5　24 h降水TS評分　　a.TS1評分;b.TS2評分Fig.5　TS score of 24-h rainfall　　a.TS1 score;b.TS2 score

總體而言,同化試驗對中雨及大雨部分的降水落區(qū)以及暴雨級別以上的降水強度的模擬效果有改善。但是,應(yīng)看到強降水落區(qū)的預(yù)報還存在不足,這為系統(tǒng)未來調(diào)整提供了重要參考方向。

3結(jié)論和討論

本文在自主構(gòu)建的WRF-EnSRF的同化系統(tǒng)內(nèi)部,通過添加針對衛(wèi)星資料的同化模塊,建立了集合平方根濾波衛(wèi)星資料同化系統(tǒng):1)運用快速發(fā)展的集合卡爾曼濾波作為同化方法,實現(xiàn)該方法對衛(wèi)星輻射率資料的直接同化;2)選取RTTOV輻射傳輸模式作為觀測算子,保留將來進一步同化其他衛(wèi)星資料的能力;3)為系統(tǒng)設(shè)計了統(tǒng)一的觀測數(shù)據(jù)讀取接口,為進一步同化其他資料提供便利。

從偏差訂正、降水場分布以及TS評分上分析,同化系統(tǒng)成功實現(xiàn)與輻射傳輸模式等方面的數(shù)據(jù)接口對接,且同化試驗取得一定效果,試驗證明了新建立的衛(wèi)星同化系統(tǒng)的可行性。但是,應(yīng)看到系統(tǒng)還存在不足之處(這為以后系統(tǒng)的調(diào)整提供了有效參考方向),仍需通過更多試驗對系統(tǒng)作進一步改善和分析驗證。目前該系統(tǒng)只能用于同化AMSU-A和AMSU-B的資料,試驗參數(shù)設(shè)置較單一,未來工作將進一步解決這些問題,以期達到理想的目標。

參考文獻：

蔡淼,周毓荃,朱彬.2011.一次對流云團合并的衛(wèi)星等綜合觀測分析[J].大氣科學學報,34(2):170-179.Cai Miao,Zhou Yuquan,Zhu Bin.2011.Comprehensive analysis of satellite and other observations from a convective clouds merging event[J].Trans Atmos Sci,34(2):170-179.(in Chinese).

曹文博,沈桐立.2007.衛(wèi)星云導(dǎo)風資料應(yīng)用于伴隨同化系統(tǒng)的數(shù)值試驗研究[J].南京氣象學院學報,30(4):495-502.Cao Wenbo,Shen Tongli.2007.Application of cloud drift wind data assimilation in MM5 adjoint-model assimilation system[J].J Nanjing Inst Meteor,30(4):495-502.(in Chinese).

Evensen C.1994.Sequential data assimilation with a non-linear quasi-geotrophic model using Monte Carlo methods to forecast error statistics[J].J Geophys Res,99(C5):10143-10162.

Gaspari G,Cohn S E.1999.Construction of correlation functions in two and three dimensions[J].Quart J Roy Meteor Soc,125:723-757.

郭銳,李澤椿,張國平.2010a.ATOVS資料在淮河暴雨預(yù)報中的同化應(yīng)用研究[J].氣象,36(2):1-12.Guo Rui,Li Zechun,Zhang Guoping.2010a.Assimilation of ATOVS and its application in the heavy rainfall over the Huaihe river basin[J].Meteorological Monthly,36(2):1-12.(in Chinese).

郭銳,張國平,李澤椿.2010b.對于一次川渝暴雨的ATVOS資料同化數(shù)值模擬[J].大氣科學學報,33(5):615-623.Guo Rui,Zhang Guoping,Li Zechun.2010b.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).

Houtekamer P L,Mitchell H L,Pellerin G,et al.2005.Atmospheric data assimilation with an ensemble Kalman filter:Results with real observations[J].Mon Wea Rev,133:604-620.

Liu Zhiquan,Barker D M.2007.Radiance assimilation in WRF-Var:Implementation and initial results[C]//7th WRF Users’ Workshop,Boulder,Colorado,United States.

Liu Zhiquan,Schwartz C S,Snyder C,et al.2012.Impact of assimilating AMSU-A radiance on forecasts of 2008 Atlantic tropical cyclones initialized with a limited-area ensemble Kalman filter[J].Mon Wea Rev,140(12):4017-4034.

婁珊珊.2009.AMSU輻射率資料在中尺度WRF模式中的直接同化試驗研究[D].南京:南京信息工程大學.Lou Shanshan.2009.Study of assimilating AMSU radiance in WRF model[D].Nanjing:Nanjing University of Information Science & Technology.(in Chinese).

馬剛,邱崇踐,黎光清,等.2006.利用RTTOV7快速輻射傳輸模式模擬風云二號紅外和水汽成像通道輻射率的研究[J].紅外與毫米波學報,25(1):37-40.Ma Gang,Qiu Chongjian,Li Guangqing,et al.2006.Study of simulation on radiance from infrared and water vapor channel of FY2B by a fast forward model—RTTOV7[J].J Infrared Millim Waves,25(1):37-40.(in Chinese).

閔錦忠,陳杰,王世璋,等.2011.WRF-EnSRF同化系統(tǒng)的效果檢驗及其應(yīng)用[J].氣象科學,31(2):135-144.Min Jinzhong,Chen Jie,Wang Shizhang,et al.2011.The tests of WRF-EnSRF data assimilation system and its application in storm scale events[J].Journal of the Meteorological Sciences,31(2):135-144.(in Chinese).

閔錦忠,孔瑩,楊春,等.2012.衛(wèi)星輻射率資料EnSRF同化及暴雨模擬應(yīng)用[J].大氣科學學報,35(3):272-281.Min Jinzhong,Kong Yin,Yang Chun,et al.2012.Assimilation of radiance data in WRF-EnSRF and its application in a rainstorm simulation[J].Trans Atmos Sci,35(3):272-281.(in Chinese).

Mitchell H L,Houtekamer P L,Pellerin G,et al.2003.Assimilation of AMSU-A microwave radiances with an ensemble Kalman filter(EnKF)[EB/OL].[2013-05-29].http://cimss.ssec.wisc.edu/itwg/itsc/itsc13/proceedings/session2/2_14_mitchell.pdf.

Miyoshi T,Sato Y.2007.Assimilating satellite radiances with a local ensemble transform Kalman filter(LETKF) applied to the JMA global model(GSM)[J].Sola,3:37-40.

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

Whitaker J S,Hamill T M.2002.Ensemble data assimilation without perturbed observations[J].Mon Wea Rev,130:1913-1924.

Zhang H,Pu Zhaoxia.2010.Beating the uncertainties:Ensemble forecasting and ensemble-based data assimilation in modern numerical weather prediction[J].Advances in Meteorology.doi:10.1155/2010/432160.

Zhang H,Xue J,Zhu G,et al.2004.Application of direct assimilation of ATOVS microwave radiances to typhoon track prediction[J].Adv Atmos Sci,21(2):283-290.

朱素行,徐海明,何金海.2008.高分辨率衛(wèi)星實測資料揭示的近年亞洲熱帶夏季風爆發(fā)進程[J].南京氣象學院學報,31(6):790-802.Zhu Suxing,Xu Haiming,He Jinhai.2008.Features of the tropical Asian summer monsoon onset in recent years revealed by high-resolution satellite observations[J].J Nanjing Inst Meteor,31(6):790-802.(in Chinese).

(責任編輯：倪東鴻)

Construction of WRF-EnSRF satellite data assimilation system

YANG Chun,MIN Jin-zhong,CHEN Yao-deng

(Key Laboratory of Meteorological Disaster(NUIST),Ministry of Education,Nanjing 210044,China)

Abstract:To strengthen the application of satellite data in assimilation system,this paper constructed the WRF-EnSRF satellite data assimilation system with RTTOV radiative transfer model as the observation operator,and sat up some modules including satellite data reading,bias correction and quality control,thereby achieving the autonomy of the WRF-EnSRF satellite data assimilation system.With the assimilation system,the assimilation numerical simulation experiment of assimilating NOAA-16 AMSU-A and AMSU-B radiance data is conducted with a heavy rainfall occurred in South China.Test results show that,with bias correction,the deviation between observed and simulated brightness temperatures is reduced.For this experiment,the major effect is reflected in the improvement of amount of precipitation forecast result.For TS score,precipitation in the assimilation experiment is better than that in the control experiment at torrential rain level.Thus,it further proves the validity of the satellite data assimilation system.

Key words:satellite data assimilation;ensemble Kalman filter;radiation transfer model;rainstorm

doi：10.13878/j.cnki.dqkxxb.20130529001

中圖分類號：

文章編號：1674-7097(2015)04-0549-08P435

文獻標志碼：A

通信作者：閔錦忠,博士,教授,博士生導(dǎo)師,研究方向為中小尺度數(shù)值模擬與資料同化、風暴尺度集合預(yù)報及氣候變化區(qū)域響應(yīng),minjz@nuist.edu.cn.

基金項目:公益性行業(yè)(氣象)科研專項(GYHY(QX)200806029);國家重點基礎(chǔ)研究發(fā)展計劃(973計劃)項目(2013CB430102);2012年研究生創(chuàng)新計劃(CXLX120494)

收稿日期：2013-05-29;改回日期:2014-06-09