劉健文,蔡則帥,閔錦忠,黃江平

(1.南京信息工程大學 大氣科學學院,江蘇 南京 210044;2.北京航空氣象研究所,北京 100085;

3.氣象災害教育部重點實驗室(南京信息工程大學),江蘇 南京 210044;4.93741部隊氣象臺,河北 承德 067500)

?

ATMS微波資料特征及其對臺風路徑預報的影響

劉健文1,2,蔡則帥1,3,4,閔錦忠1,3,黃江平2

(1.南京信息工程大學 大氣科學學院,江蘇 南京 210044;2.北京航空氣象研究所,北京 100085;

3.氣象災害教育部重點實驗室(南京信息工程大學),江蘇 南京 210044;4.93741部隊氣象臺,河北 承德 067500)

摘要：采用2012年8月1—30日ATMS(Advanced Technology Microwave Sounder)衛(wèi)星微波資料,在WRFDA系統(tǒng)中進行資料特征統(tǒng)計分析以及偏差訂正試驗。針對2012年8月第13號臺風“啟德”、第14號臺風“天秤”和第15號臺風“布拉萬”,檢驗同化ATMS衛(wèi)星微波資料對臺風路徑預報的影響。結(jié)果表明:偏差訂正前,ATMS除個別窗區(qū)通道和濕度通道偏差大于對應AMSUA/MHS通道外,其余通道偏差均小于后者;與AMSUA/MHS相比,ATMS偏差隨掃描位置的變化較小且平滑,ATMS96個掃描點的資料均可用;ATMS窗區(qū)通道偏差最大,溫度中層通道偏差最小;使用ATMS資料導出的偏差訂正系數(shù),可減小溫度和濕度通道偏差,相比于直接使用NOAA-18偏差訂正系數(shù),可改善臺風路徑和最低氣壓預報;個例研究表明,同化中加入ATMS資料后可使臺風路徑預報偏差降低31%。

關(guān)鍵詞：ATMS;衛(wèi)星資料同化;偏差訂正;臺風

0引言

衛(wèi)星資料的同化應用被科學界公認為是近幾十年中數(shù)值預報質(zhì)量提高的重要原因之一,目前氣象衛(wèi)星觀測已經(jīng)成為數(shù)值預報最重要的觀測資料來源之一。相較于紅外探測受云的影響較大,微波探測可以部分穿透云區(qū),云區(qū)內(nèi)的大氣濕度、溫度可以為天氣系統(tǒng)的發(fā)生發(fā)展提供更多信息,微波資料對數(shù)值預報的影響較紅外觀測明顯要大很多(董佩明等,2008)。微波資料對數(shù)值預報效果改善的貢獻位居全部觀測首位(薛繼善,2009;Eyre,2012),微波遙感探測的發(fā)展和應用成為大氣科學一直以來的一個重點研究方向(何卓琪等,2012;閔錦忠等,2012;王葉慧等,2013;王振會等,2014)。ATMS(Advanced Technology Microwave Sounder)于2011年10月28日搭載美國下一代氣象極軌衛(wèi)星NPOESS(National Polar-orbiting Operation Environmental Satellite System)的準備星NPP(NPOESS Preparatory Program)發(fā)射,是AMSUA和MHS輻射計的繼承版本,并將成為后續(xù)聯(lián)合極軌衛(wèi)星系統(tǒng)JPSS(Joint Polar Satellite System)的主要探測儀器,主要用于探測大氣溫度和濕度廓線。

針對ATMS資料的應用國外大量的準備和研究工作早已開展(Bell et al.,2011;Collard et al.,2012;Doherty and Coauthors,2012)。目前,ECMWF已從2012年6月26日起業(yè)務獲取得到ATMS和CrIS(Cross-track Infrared Sounder)資料,并在ECMWF數(shù)值預報系統(tǒng)就ATMS開展了初步的資料評估和同化應用分析(Niels et al.,2012)?；贕SI同化系統(tǒng),Zou et al.(2013)利用4個臺風個例研究同化ATMS資料對臺風強度和路徑的作用。國內(nèi)針對ATMS資料同化應用,Dong et al.(2013)拓展了ATMS資料在WRFDA中的直接同化應用模塊,對比了ATMS資料和NOAA-18 AMSUA/MHS資料以及FY-3A MWTS/MWHS資料特征之間的差異。

本文以Dong et al.(2013)在WRFDA資料同化系統(tǒng)中擴展的ATMS資料同化功能為基礎(chǔ),利用2012年8月1—30日ATMS和NOAA-18 AMSUA/MHS資料,統(tǒng)計分析兩者特征差異,并進行偏差訂正試驗,研究使用不同偏差訂正系數(shù)對數(shù)值預報效果的影響。最后,對2012年第13號臺風“啟德”、第14號臺風“天秤”以及第15號臺風“布拉萬”檢驗同化ATMS資料對臺風路徑預報效果的影響。

1ATMS探測儀器簡介

ATMS有22個探測通道,前15個通道為溫度探測通道,后7個通道為濕度探測通道,其中通道1—5和16—17為窗區(qū)探測通道。與AMSUA和MHS相比較,ATMS在通道數(shù)量、探測頻率以及極化屬性上有較大差別。ATMS通道1—2、6—7、9—15、20以及通道22與對應的AMSUA/MHS探測通道探測頻率、極化屬性均相同;ATMS通道3、5、8、18與對應的AMSUA/MHS探測通道探測頻率相同,極化屬性不同;ATMS通道4、19、21為新增探測通道;ATMS通道16和對應MHS通道1極化屬性相同,探測頻率略有差異;ATMS通道17和MHS 通道2探測頻率相近但極化屬性不同。此外,ATMS在軌道寬度、掃描點數(shù)、星下點分辨率等也與AMSUA/MHS不同。ATMS軌道寬度為2 300 km,而AMSUA/MHS為2 074 km。每條掃描線上ATMS有96個掃描點,AMSUA 有30個掃描點,MHS有90個掃描點。ATMS星下點分辨率通道1—2為75 km,通道3—16為32km,通道17—22為16 km,而AMSUA星下點分辨率為48 km,MHS為16 km。ATMS這些特征使其可以為同化系統(tǒng)提供更多的衛(wèi)星觀測數(shù)據(jù)。

2資料使用和參數(shù)設置

本文使用數(shù)據(jù)為NCEP處理生成的2012年8月1—30日Level 1b層次BUFR格式衛(wèi)星資料以及PREBUFR格式常規(guī)資料CONV。衛(wèi)星資料為美國極軌衛(wèi)星NOAA-18的AMSUA和MHS輻射亮溫資料以及NPP的ATMS輻射亮溫資料,每日4個時次:00時、06時、12時、18時(世界時,下同),每個時次數(shù)據(jù)包含前后3 h的衛(wèi)星觀測信息。由于衛(wèi)星軌道在06時、18時經(jīng)過模擬區(qū)域,僅針對這兩個時刻衛(wèi)星資料進行同化分析。同化過程中ATMS和AMSUA稀疏化分辨率為60 km,由于在不同衛(wèi)星資料同化過程中MHS資料可能會降低數(shù)值預報效果,因此MHS資料分辨率設為90 km,盡量少使用。臺風路徑數(shù)據(jù)為中國臺風網(wǎng)(http://www.typhoon.gov.cn/)提供的最佳路徑集。模式背景場和邊界條件由NCEP FNL再分析資料提供,水平分辨率為1°x1°。

模式中心(125°E,26°N),水平分辨率30 km,格點161×151,垂直分層41層,模式層頂高10 hPa,時間積分步長180 s。物理過程采用長波輻射PRTM方案,短波輻射Dudhia方案,積云方案為Karin Fritsch方案,邊界層過程YSU方案。輻射傳輸模式采用CRTM2.05版本。

3ATMS和AMSUA/MHS資料特征對比

使用2012年8月1—30日每日06時和18時兩個時次的ATMS和AMSUA/MHS衛(wèi)星微波資料,對偏差訂正前ATMS和AMSUA/MHS資料特征進行對比分析。因不同下墊面的觀測像元之間存在誤差,統(tǒng)計僅針對洋面觀測點。

3.1　ATMS資料觀測模擬亮溫偏差平均及均方根

圖1為偏差訂正前ATMS和對應AMSUA/MHS通道的偏差平均及均方根。圖1a中,ATMS通道1—3偏差平均的數(shù)值明顯大于對應通道的AMSUA資料,其中ATMS通道3不僅偏差平均的數(shù)值大于AMSUA通道3,符號也與AMSUA不同;ATMS通道5—13明顯小于AMSUA對應通道,偏差相對較小;ATMS通道16—18和22通道偏差平均略大于MHS;其余通道ATMS資料的偏差平均略小于AMSUA/MHS。圖1b中通道1—3和16偏差均方根大于對應的AMSUA通道,其余通道偏差均方根小于AMSUA/MHS。可見,與NOAA-18對應通道相比,ATMS窗區(qū)通道1—3和16無論是偏差平均還是均方根都明顯偏大。ATMS通道17、18和22偏差平均大于對應MHS通道2、5和3,而偏差均方根卻比后者小。其余通道無論是偏差平均還是偏差均方根,ATMS均小于對應通道AMSUA/MHS,特別是溫度中層通道偏差明顯小很多。這說明ATMS資料質(zhì)量與AMSUA/MHS相比還是較好的。ATMS自身通道之間相比較,窗區(qū)通道偏差最大,溫度高層通道和濕度通道偏差相近,溫度中層通道偏差最小。這可能是由于輻射傳輸模式對受下墊面影響的近地表探測通道和模式層頂以上探測通道輻射率模擬得不準確造成。

圖1　ATMS通道和對應AMSUA/MHS通道模擬亮溫偏差的平均值(a)和均方根(b)Fig.1　(a)Averages and (b)root mean squares of the simulated bright temperature bias(observation minus background,OMB) in ATMS channels and corresponding AMSUA/MHS channels

3.2　ATMS和AMSUA/MHS偏差隨掃描位置變化特征對比

ATMS及AMSUA/MHS的窗區(qū)通道和溫度高層通道偏差隨掃描位置的不同變化較大,以參與同化的ATMS通道6—10和18—22為例(圖2)。結(jié)果發(fā)現(xiàn)ATMS溫度通道6—10偏差平均和均方根都小于AMSUA對應通道,這和上一小節(jié)得出的結(jié)論一致。此外ATMS通道6—10,偏差隨掃描位置變化較小,和AMSUA相比幾乎無變化。ATMS濕度通道18—22相比于溫度通道6—10偏差較大,“臨邊效應”也比前者明顯;和對應MHS通道相比,偏差隨掃描位置變化平滑許多。因此,ATMS和AMSUA/MHS相比“臨邊效應”不明顯,其96個掃描點資料均可用;ATMS自身通道相比較,濕度通道“臨邊效應”比溫度通道明顯。

圖2　ATMS通道6—10(a—e)、18—22(f—j)和對應AMSUA/MHS通道模擬亮溫偏差的平均值(1)和均方根(2)隨掃描位置變化Fig.2　(1)Averages and (2)root mean squares of the simulated bright temperature bias(OMB) in ATMS channels (a—e)6—10 and (f—j)18—22 and corresponding AMSUA/MHS channels

4偏差訂正試驗

衛(wèi)星資料直接同化系統(tǒng)中要利用模式背景場模擬衛(wèi)星觀測輻射值,而受輻射傳輸模式和探測儀器等影響觀測亮溫和模擬亮溫之間會產(chǎn)生系統(tǒng)性偏差。如果不對這些系統(tǒng)偏差進行偏差訂正,同化效果很難為正效應。目前衛(wèi)星資料偏差訂正主要有兩種方法:離線偏差訂正(Harris and Kelly,2001)和變分自適應偏差訂正(Wang et al.,2010)。本文采用變分自適應偏差訂正方案,預報因子包括氣團屬性和掃描位置等。

分別使用NOAA-18偏差訂正系數(shù)(NOAA試驗)及由ATMS資料導出的偏差訂正系數(shù)(VARBC試驗)進行同化試驗,比較使用不同偏差訂正系數(shù)進行偏差訂正后對同化試驗的影響。參數(shù)設置見第2節(jié),模擬初始時刻為2012年8月15日06時,預報時效為60 h,同化中使用ATMS和CONV資料。VARBC試驗中使用的偏差訂正系數(shù)由2012年8月1日06時至15日06 時每日06時和18時兩個時次的ATMS資料統(tǒng)計得出。

圖3為偏差訂正前后ATMS通道6—10和18—22的偏差平均和偏差均方根。由圖3a可見,偏差訂正后可明顯減小偏差平均;直接使用NOAA-18偏差訂正系數(shù)進行偏差訂正后通道19和20偏差反而增大,而使用ATMS資料導出的系數(shù)進行訂正后偏差變小,除通道21以外,偏差也小于直接使用NOAA-18系數(shù)時。圖3b中,訂正后偏差均方根在溫度通道減小明顯,濕度通道改善較小,通道19和通道20在訂正后偏差均方根反而增大;使用不同偏差訂正系數(shù)進行偏差訂正后對偏差均方根影響不大。可見,使用ATMS資料導出的偏差訂正系數(shù)進行偏差訂正效果優(yōu)于直接使用NOAA-18偏差訂正系數(shù),偏差訂正后可有效減小偏差,偏差基本在同一水平。

圖3　偏差訂正前后ATMS通道6—10和18—22模擬亮溫偏差的平均(a)和均方根(b)Fig.3　(a)Averages and (b)root mean squares of the simulated bright temperature bias(OMB) before and after bias correction in ATMS channels 6—10 and 18—22

為進一步比較使用不同偏差訂正系數(shù)對數(shù)值預報效果的影響,以2012年第13號臺風“啟德”為研究對象。臺風“啟德”(Kai-tak)于2012年8月10日在關(guān)島以西洋面生成。由圖4可見,使用由ATMS資料導出的偏差訂正系數(shù),可有效減小模擬路徑偏差和最低氣壓偏差。路徑平均偏差由253 km減小為149 km,最低氣壓平均偏差由14 hPa減小為8 hPa。

圖4　臺風“啟德”60 h路徑(a)和最低氣壓(b)的偏差Fig.4　Deviations of 60 h (a)track and (b)mimimum pressure of typhoon Kai-tak

5同化ATMS資料對臺風預報的影響

選取2012年8月3個臺風個例對同化ATMS資料后預報效果進行檢驗,使用的偏差訂正系數(shù)由ATMS資料導出。臺風分別是2012年13號臺風“啟德”、14號臺風“天秤”以及15號臺風“布拉萬”。

為分析同化中加入ATMS資料后對臺風路徑預報影響,分別以2012年8月15日06時和24日18時為模擬初始時刻,進行60 h預報。圖5為臺風“啟德”、“天秤”、“布拉萬”60 h路徑模擬,BEST為中國臺風網(wǎng)提供的最佳路徑,EXP1為只同化常規(guī)資料的試驗結(jié)果,EXP2在EXP1的基礎(chǔ)之上加入了ATMS資料。由圖5a可見,EXP2和EXP1在預報前期兩者相差不大,在預報12 h后同化ATMS資料的作用就體現(xiàn)出來了,EXP2模擬效果要好于EXP1尤其是臺風登陸后改善作用明顯,EXP2試驗中路徑偏差均小于150 km,而在EXP1試驗中偏差在12 h后均大于150 km。EXP1平均偏差為232 km,而EXP2平均偏差為115 km,改善作用明顯。由圖5b可見,EXP2和EXP1在模擬開始后的前48 h中,偏差之間相差在一個格距以內(nèi),48 h之后偏差大于30 km,平均偏差前者略小于后者。可見,當控制試驗能夠很好地模擬臺風路徑時,同化ATMS資料后,對臺風路徑預報略有改善,但是改善作用不明顯。由圖5c可見,由于控制試驗EXP1在預報前期能夠很好地模擬出臺風路徑,在前期同化中加入ATMS資料后,路徑偏差反而增大;在預報后期,同化中加入ATMS資料后,可有效改善臺風路徑預報。三個臺風個例中,同化中加入ATMS資料后對臺風氣壓預報改善不明顯(圖略)。

圖5　臺風“啟德”(a)、“天秤”(b)、“布拉萬”(c)的60 h路徑預報Fig.5　The 60 h forecasts of tracks of typhoons (a)Kai-tak,(b)Tembin and (c)Bolaven

綜上可見,同化中加入ATMS資料對三個臺風個例路徑預報均有改善,對臺風“啟德”改善的作用最為明顯。當控制試驗模擬效果較好時,同化ATMS資料對路徑預報改善不明顯。個例研究表明,同化中加入ATMS資料,可減小31%臺風路徑預報偏差。同化ATMS資料對臺風中心最低氣壓的預報改善作用不明顯。

6結(jié)論

利用2012年8月1—30日每天06、18時兩個時次資料對ATMS在WRFDA中應用效果和資料特征進行統(tǒng)計分析,并對2012年8月3個臺風個例的預報效果進行檢驗,結(jié)果表明:

1)偏差訂正前,ATMS除個別窗區(qū)通道和濕度通道偏差大于對應通道AMSUA/MHS外,其余通道偏差均小于后者;ATMS窗區(qū)通道偏差最大,溫度中層通道偏差最小。

2)和AMSUA/MHS相比,ATMS偏差隨掃描位置變化較小且平滑,ATMS 96個掃描點的資料均可用。

3)直接使用NOAA-18系數(shù)進行偏差訂正后,可減小溫度通道偏差,但對個別濕度通道偏差訂正后反而使得偏差增大;相比于直接使用NOAA-18偏差訂正系數(shù),使用ATMS資料導出的偏差訂正系數(shù),可減小溫度和濕度通道偏差,改善臺風路徑和最低氣壓預報。

4)個例研究表明,同化中加入ATMS資料后可使臺風路徑預報偏差降低31%。

最后需要指出的是,本文中使用的數(shù)據(jù)僅為一個月,ATMS資料特征還需做長期的統(tǒng)計分析,偏差訂正系數(shù)還需要進一步更正。針對臺風路徑預報效果檢驗也僅僅是三個臺風個例,因此研究同化ATMS資料對臺風預報的影響還需做大量工作。

參考文獻(References)：

Bell W,Bormann N,McNally T,et al.2011.Preparations for the assessment of NPP data at ECMWF and the MET Office[C]//Proceeding of 2011 EUMETSAT meteorological satellite conference.Oslo,Norway.

Collard A,Derber J,Treadon R,et al.2012.Toward assimilation of CrIS and ATMS in the NECP Global Model[C]//Proceeding of the 18th international TOVS study conference.Toulouse,France.

Doherty A,Coauthors.2012.Early analysis of ATMS data at the Met Office [C]//Proceeding of the 18th international TOVS study conference.Toulouse,France.

董佩明,薛紀善,黃兵,等.2008.數(shù)值天氣預報中衛(wèi)星資料同化應用現(xiàn)狀和發(fā)展[J].氣象科技,36(1):1-7.Dong Peiming,Xue Jishan,Huang Bing,et al.2008.Application status and development of satellite data assimilation in numerical weather forecast[J].Meteorological Science and Technology,36(1):1-7.(in Chinese).

Dong P M,Huang J P,Huang X Y,et al.2013.Implement and preliminary experiment of FY-3 and NPP microwave satellite data assimilation in WRFDA[C]//2013 WRF user workshop.Boulder,USA.

Eyre J.2012.Impact studies with satellite observations at the Met Office[C]//WMO Fifth WMO workshop on the impact of various observing systems on numerical weather prediction.Sedona,USA.

Harris B A,Kelly G.2001.A satellite radiance bias correction scheme for data assimilation scheme for data assimilation[J].Quart J Roy Meteor Soc,127:1453-1468.

何卓琪,梁建茵,溫之平,等.2012.被動式微波遙感技術(shù)發(fā)展及其對汽/液態(tài)水物理參數(shù)反演的研究進展[J].熱帶氣象學報,28(4):443-450.He Zhuoqi,Liang Jianyin,Wen Zhiping,et al.2012.An overview on technical developments and research progress of the retrieval of water vapor and cloud liquid water using passive microwave remote sensing[J].J Trop Meteor,28(4):443-450.(in Chinese).

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

Niels B,Anne F,Willam B.2012.Evaluation and assimilation of ATMS data in the ECMWF system[R]//ECMWF.Technical memorandum 689:16.

Wang W,Bruyer C,Duha M,et al.2010.WRF-ARW version 3 modeling system user’s guide[R].

王葉慧,李剛,何光鑫.2013.風云三號衛(wèi)星微波輻射率資料的質(zhì)量控制[J].大氣科學學報,36(5):560-567.Wang Yehui,Li Gang,He Guangxin.2013.A quality control procedure for FY-3 microwave radiance data [J].Trans Atmos Sci,36(5):560-567.(in Chinese).

王振會,曹雪芬,黃建松,等.2014.基于氣象資料變化特征和輻射傳輸模式的微波輻射計工作狀態(tài)分析[J].大氣科學學報,37(1):1-8.Wang Zhenhui,Cao Xuefen,Huang jiansong,et al.2014.Analysis on the working state of a ground-based microwave radiometer based on radiative transfer model and meteorological data variation features[J].Trans Atmos Sci,37(1):1-8.(in Chinese).

薛紀善.2009.氣象衛(wèi)星資料同化的科學問題與前景[J].氣象學報,67(6):903-911.Xue Jishan.2009.Science issues and perspective of assimilation of meteorological satellite data[J].Acta Meteor Sinica,67(6):903-911.(in Chinese).

Zou X,Weng F,Zhang B,et al.2013.Impact of assimilation of ATMS data in HWRF on track and intensity forecasts of 2012 four landfall hurricanes[J].J Geophys Res,118:11558-11576.

(責任編輯：劉菲)

Characteristics of ATMS data and their impact on typhoon track forecast

LIU Jian-wen1,2,CAI Ze-shuai1,3,4,MIN Jin-zhong1,3,HUANG Jiang-ping2

(1.School of Atmospheric Sciences,NUIST,Nanjing 210044,China;2.Beijing Aviation Meteorological Institute,Beijing 100085,China; 3.Key Laboratory of Meteorological Disaster(NUIST),Ministry of Education,Nanjing 210044,China; 4.Unit No.93741 of PLA,Chengde 067500,China)

Abstract:Based on the ATMS(Advanced Technology Microwave Sounder) satellite microwave data during 1—30 August 2012,this paper analyzes the characteristics of data and does the bias correction tests in WRFDA,and verifies the impact of assimilation ATMS data on track forecasts of typhoons Kai-tak(the 13rd),Tembin(the 14th) and Bolaven(the 15th) in August 2012.Results show that,before the bias correction,the deviations for most ATMS sounding channels are less than those for corresponding AMSUA/MHS channels,except for some window channels and humidity channels.The bias variations across scan position for ATMS channels are less than those for corresponding AMSUA/MHS channels,so the data from all 96 scan positions for ATMS channels can be used.The biases are maximum for ATMS window channels and minimum for ATMS channels 6—10.After using the bias correction coefficients derived from ATMS microwave data,it can reduce the biases for temperature channels and humidity channels and improve the prediction of track and minmum pressure of typhoon compared to directly use the bias correction coefficients from NOAA-18.Case studies show that assimilation of ATMS satellite microwave data can improve the prediction of typhoon tracks.

Key words:ATMS;satellite data assimilation;bias correction;typhoon

doi：10.13878/j.cnki.dqkxxb.20150306001

文章編號：1674-7097(2015)03-0421-07

中圖分類號：P405

文獻標志碼：A

通信作者：劉健文,高級工程師,研究方向為資料同化、數(shù)值天氣預報,bjqxyjs@sina.com.

基金項目:國家自然科學基金資助項目(41175046);裝備預先研究項目(110151322043)

收稿日期：2015-03-06；改回日期：2015-05-10

劉健文,蔡則帥,閔錦忠，等.2015.ATMS微波資料特征及其對臺風路徑預報的影響[J].大氣科學學報,38(3):421-427.doi：10.13878/j.cnki.dqkxxb.20150306001.

Liu Jian-wen,Cai Ze-shuai,Min Jin-zhong,et al.2015.Characteristics of ATMS data and their impact on typhoon track forecast[J].Trans Atmos Sci,38(3):421-427.(in Chinese).