沈菲菲，閔錦忠，許冬梅，3，戴澤軍，張冰，陳依濛

(1.南京信息工程大學(xué) 氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣候與環(huán)境變化國(guó)際合作聯(lián)合實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，江蘇 南京 210044；2.江蘇省氣象科研研究所，江蘇 南京210000；3.美國(guó)國(guó)家大氣研究中心，博爾德 80302; 4.湖南省氣象科學(xué)研究所，湖南 長(zhǎng)沙 410118；5.南京信息工程大學(xué) 應(yīng)用氣象學(xué)院，江蘇 南京210044)

?

雙多普勒雷達(dá)資料同化在颶風(fēng)“艾克”預(yù)報(bào)中的應(yīng)用研究

沈菲菲1，閔錦忠1，許冬梅1，3，戴澤軍4，張冰2，陳依濛5

(1.南京信息工程大學(xué) 氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣候與環(huán)境變化國(guó)際合作聯(lián)合實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，江蘇 南京 210044；2.江蘇省氣象科研研究所，江蘇 南京210000；3.美國(guó)國(guó)家大氣研究中心，博爾德 80302; 4.湖南省氣象科學(xué)研究所，湖南 長(zhǎng)沙 410118；5.南京信息工程大學(xué) 應(yīng)用氣象學(xué)院，江蘇 南京210044)

本文采用美國(guó)國(guó)家大氣研究中心(NCAR)開(kāi)發(fā)的中尺度數(shù)值模式WRFV3.7及其三維變分同化系統(tǒng)WRF-3DVAR對(duì)2008年颶風(fēng)“艾克”進(jìn)行了數(shù)值模擬研究。利用多普勒天氣雷達(dá)觀測(cè)資料具有高時(shí)空分辨率的優(yōu)點(diǎn)，將美國(guó)兩部多普勒天氣雷達(dá)資料進(jìn)行速度退模糊等必要質(zhì)量控制后同化進(jìn)中尺度數(shù)值模式，考察雷達(dá)資料同化對(duì)颶風(fēng)“艾克”預(yù)報(bào)的改進(jìn)程度。試驗(yàn)結(jié)果表明：將雷達(dá)資料用于對(duì)流尺度分辨率下颶風(fēng)初始化需要對(duì)變分同化系統(tǒng)中特征尺度化因子進(jìn)行優(yōu)化調(diào)整，使觀測(cè)資料能夠以較為合理的方式調(diào)整模式初始場(chǎng)并進(jìn)而改進(jìn)預(yù)報(bào)；雷達(dá)徑向風(fēng)同化可以有效調(diào)整模式初始場(chǎng)中的颶風(fēng)動(dòng)力和熱力結(jié)構(gòu)，而經(jīng)過(guò)尺度化因子調(diào)整后的雷達(dá)徑向風(fēng)同化則在颶風(fēng)觀測(cè)中心位置產(chǎn)生較為合理的氣旋性風(fēng)場(chǎng)增量，提供更為確切的中小尺度信息，使模式初始場(chǎng)更加接近觀測(cè)并進(jìn)而改進(jìn)對(duì)颶風(fēng)路徑和強(qiáng)度的預(yù)報(bào)。

颶風(fēng)；雷達(dá)徑向風(fēng)；WRF模式；循環(huán)同化

1 引言

登陸熱帶氣旋是目前世界上造成損失最嚴(yán)重的自然災(zāi)害之一。近年來(lái)，隨著中尺度數(shù)值模式不斷發(fā)展和逐步完善，對(duì)熱帶氣旋的路徑預(yù)報(bào)水平有了較大的提高，但對(duì)于熱帶氣旋的強(qiáng)度預(yù)報(bào)改進(jìn)還不夠顯著，這主要是由于數(shù)值預(yù)報(bào)模式初始場(chǎng)中對(duì)熱帶氣旋內(nèi)核區(qū)的熱力和動(dòng)力結(jié)構(gòu)演變及其與大尺度環(huán)境場(chǎng)的關(guān)系模擬還不夠精確，尤其是當(dāng)熱帶氣旋瀕臨登陸時(shí)，其自身結(jié)構(gòu)和強(qiáng)度會(huì)發(fā)生顯著變化，譬如突然增強(qiáng)或減弱。因此改進(jìn)對(duì)登陸熱帶氣旋的預(yù)報(bào)水平顯得尤為重要。眾所周知，在廣闊的洋面上常規(guī)觀測(cè)資料過(guò)于稀疏且時(shí)空分辨率較低，不能較好的模擬出颶風(fēng)內(nèi)核結(jié)構(gòu)，隨著衛(wèi)星等非常規(guī)觀測(cè)資料的出現(xiàn)，有效的彌補(bǔ)了洋面上觀測(cè)資料匱乏的局面，并且衛(wèi)星觀測(cè)可以對(duì)颶風(fēng)內(nèi)核區(qū)進(jìn)行有效覆蓋觀測(cè)，然而內(nèi)核區(qū)衛(wèi)星觀測(cè)往往由于受強(qiáng)降水影響而使得資料可靠性降低。當(dāng)前能與中尺度數(shù)值模式分辨率相匹配的非常規(guī)觀測(cè)資料主要是多普勒天氣雷達(dá)觀測(cè)資料，其高時(shí)空分辨率的特點(diǎn)可以彌補(bǔ)洋面觀測(cè)資料的不足。如何合理有效地利用多普勒雷達(dá)觀測(cè)數(shù)據(jù)提取其豐富的中小尺度信息，開(kāi)展多普勒天氣雷達(dá)資料同化并考察其對(duì)登陸熱帶氣旋的分析和預(yù)報(bào)就顯得尤為重要。

目前數(shù)值模式中對(duì)熱帶氣旋初始化的方法主要有兩種，第一種是采用人造渦旋技術(shù)[1—4]，其主要是根據(jù)熱帶氣旋的大小和強(qiáng)度等參數(shù)人為構(gòu)造一個(gè)虛擬渦旋并且與模式背景場(chǎng)中非對(duì)稱(chēng)部分相結(jié)合，同化進(jìn)數(shù)值模式并用于颶風(fēng)初始化。盡管該方法具有較好的實(shí)用性，在世界各國(guó)的業(yè)務(wù)預(yù)報(bào)系統(tǒng)中也得到應(yīng)用廣泛，但是這種理想化人造渦旋模型的構(gòu)建也有其自身的缺陷和不足，比如如何保持颶風(fēng)與其環(huán)境場(chǎng)的熱力和動(dòng)力結(jié)構(gòu)的連續(xù)性和平衡性仍然是該方法尚需解決的一個(gè)科學(xué)難題，更好的解決方法是盡可能同化更多的高時(shí)空分辨率觀測(cè)來(lái)提供更加接近實(shí)際觀測(cè)的渦旋結(jié)構(gòu)。近年來(lái)國(guó)內(nèi)外很多學(xué)者通過(guò)同化雷達(dá)資料對(duì)熱帶氣旋進(jìn)行初始化展開(kāi)了廣泛而深入的研究，Xiao等[5]采用三維變分同化系統(tǒng)，對(duì)登陸韓國(guó)半島的臺(tái)風(fēng)Rusa進(jìn)行了數(shù)值模擬研究，結(jié)果表明同化雷達(dá)反射率可以有效地改進(jìn)對(duì)臺(tái)風(fēng)降水預(yù)報(bào)，而同化雷達(dá)徑向風(fēng)觀測(cè)則可以對(duì)臺(tái)風(fēng)的強(qiáng)度和路徑有較大的改進(jìn)作用。Gu等[6]采用WRF-3DVAR同化自動(dòng)站觀測(cè)并用于臺(tái)風(fēng)初始化，研究表明經(jīng)過(guò)尺度化因子優(yōu)化調(diào)整后，對(duì)臺(tái)風(fēng)的路徑和降水預(yù)報(bào)改進(jìn)顯著。Zhao和Jin[7]利用美國(guó)海洋實(shí)驗(yàn)室(Naval Research Laboratory)開(kāi)發(fā)的COAMPS(Coupled Ocean/Atmosphere Mesoscale Prediction System， NRL)模式和3DVAR系統(tǒng)對(duì)登陸美國(guó)的颶風(fēng)Isabel進(jìn)行了數(shù)值模擬研究，研究結(jié)果表明采用較高的同化頻率可以獲得相對(duì)較好的分析效果，雷達(dá)徑向風(fēng)同化對(duì)颶風(fēng)強(qiáng)度和路徑的改進(jìn)效果要優(yōu)于反射率觀測(cè)的同化效果。Zhao等[8]將三維變分方法運(yùn)用到臺(tái)風(fēng)“莫蘭蒂”登陸前后過(guò)程中，采用每1 h循環(huán)同化方案同化多部雷達(dá)觀測(cè)資料對(duì)臺(tái)風(fēng)進(jìn)行了分析和研究。陳峰等[9]通過(guò)設(shè)定不同的同化頻率考察了WRF-3DVAR同化雷達(dá)觀測(cè)資料對(duì)臺(tái)風(fēng)“麥莎”初始場(chǎng)及其預(yù)報(bào)效果的影響，發(fā)現(xiàn)同化試驗(yàn)可以有效地調(diào)整模式初始風(fēng)場(chǎng)，進(jìn)而改進(jìn)了臺(tái)風(fēng)動(dòng)力結(jié)構(gòu)，提高了模式對(duì)臺(tái)風(fēng)“麥莎”路徑、強(qiáng)度和降水的模擬能力。李新峰等[10]運(yùn)用美國(guó)俄克拉荷馬大學(xué)開(kāi)發(fā)的風(fēng)暴尺度的ARPS模式及其三維變分同化系統(tǒng)對(duì)2010年臺(tái)風(fēng)“鯰魚(yú)”進(jìn)行了相關(guān)數(shù)值模擬研究，研究結(jié)果表明，雷達(dá)資料同化和常規(guī)觀測(cè)資料同化兩者的結(jié)合可以使得預(yù)報(bào)結(jié)果尤其是位置和強(qiáng)度上與實(shí)況最為接近。盡管以上研究已經(jīng)取得了令人鼓舞的成果，但是雷達(dá)資料同化在熱帶氣旋中的應(yīng)用仍然是一個(gè)具有挑戰(zhàn)性的問(wèn)題，尤其是在云尺度分辨率下如何有效地利用高時(shí)空分辨率的雷達(dá)觀測(cè)資料改善臺(tái)風(fēng)內(nèi)核區(qū)動(dòng)力和熱力結(jié)構(gòu)，仍然是一個(gè)較新的研究領(lǐng)域，還有很多問(wèn)題需要進(jìn)一步的探討和研究。本文采用美國(guó)NCAR(National Center for Atmospheric Research)研發(fā)的新一代中尺度預(yù)報(bào)模式WRF模式及其三維變分同化系統(tǒng)WRF-3DVAR，對(duì)2008年颶風(fēng)“艾克”進(jìn)行數(shù)值模擬研究，檢驗(yàn)和探討在數(shù)值模式中糅合高時(shí)空分辨率多普勒天氣雷達(dá)資料對(duì)初始場(chǎng)及颶風(fēng)的路徑和強(qiáng)度預(yù)報(bào)等方面改進(jìn)作用及意義。

2 WRF-3DVAR系統(tǒng)及觀測(cè)算子簡(jiǎn)介

2.1 WRF-3DVAR系統(tǒng)簡(jiǎn)介

根據(jù)Lorenc[11]的理論，WRF-3DVAR同化方法的核心思想是將資料同化問(wèn)題歸結(jié)為一個(gè)度量分析場(chǎng)與觀測(cè)場(chǎng)以及分析場(chǎng)與背景場(chǎng)偏差的目標(biāo)函數(shù)的極小化問(wèn)題，通過(guò)求解目標(biāo)函數(shù)的極小值來(lái)獲取分析時(shí)刻最接近大氣真實(shí)狀態(tài)的估計(jì)值。該泛函定義如下：

(1)

式中，x為分析變量，xb是模式背景場(chǎng)，y0是觀測(cè)值，B是背景誤差協(xié)方差矩陣，O是觀測(cè)誤差協(xié)方差矩陣，B與O的逆矩陣分別為背景場(chǎng)和觀測(cè)的權(quán)重。y=H(x)是由分析變量導(dǎo)出的觀測(cè)相當(dāng)量，H稱(chēng)為觀測(cè)算子。函數(shù)J(x)可以看成是兩個(gè)二次項(xiàng)之和，右邊第一項(xiàng)用來(lái)計(jì)算分析變量x和背景場(chǎng)xb之間的偏差，WRF-3DVAR中的分析變量包括：比濕、流函數(shù)、速度勢(shì)、非平衡位勢(shì)；右邊第二項(xiàng)表示分析變量x和觀測(cè)值y0之間的偏差，將分析變量x通過(guò)觀測(cè)算子插值到觀測(cè)點(diǎn)上，然后求出與觀測(cè)值y0之間的偏差，再用觀測(cè)誤差協(xié)方差矩陣O的逆矩陣求加權(quán)。在極小化計(jì)算過(guò)程中，考慮到背景誤差協(xié)方差矩陣B是一個(gè)超大規(guī)模的矩陣且多是病態(tài)的，使得極小化問(wèn)題的求解變得十分困難，因此一般采取一系列的控制變量變換來(lái)簡(jiǎn)化背景誤差協(xié)方差矩陣。

2.2 雷達(dá)徑向風(fēng)觀測(cè)算子

在WRF-3DVAR同化系統(tǒng)中，通過(guò)觀測(cè)算子H將雷達(dá)觀測(cè)資料和模式變量聯(lián)系起來(lái)，參照Sun和Crook[12—13]的方法，多普勒雷達(dá)徑向速度的觀測(cè)算子為：

(2)

式中，(u，v，w)為笛卡爾坐標(biāo)下的大氣三維風(fēng)場(chǎng)，(x，y，z)為雷達(dá)位置，(xi，yi，zi)為觀測(cè)目標(biāo)所在位置，ri是觀測(cè)與雷達(dá)之間的距離，vT是降水粒子下落末速度。假設(shè)雨滴譜滿(mǎn)足馬歇爾-帕默爾分布[14]，vT形式如下：

(3)

式中，qra是模式計(jì)算的雨水混合比(單位：g/kg)，υ是修正因子，其定義為：

(4)

3 個(gè)例選取、雷達(dá)資料質(zhì)量控制及試驗(yàn)設(shè)計(jì)

3.1 “艾克”(Ike)颶風(fēng)簡(jiǎn)介

本文選取的個(gè)例是2008年在古巴東北岸登陸的北大西洋09號(hào)4級(jí)颶風(fēng)“艾克”。2008年8月底，一個(gè)熱帶低壓于非洲西海岸、大西洋中部形成，9月1日(世界時(shí)，下同)系統(tǒng)增強(qiáng)為熱帶風(fēng)暴并命名為“艾克”，其后便向西北偏西方向移動(dòng)，9月3日系統(tǒng)強(qiáng)度不斷加強(qiáng)，12 h之內(nèi)從熱帶風(fēng)暴迅速發(fā)展成為4級(jí)颶風(fēng)進(jìn)而在4日最高持續(xù)風(fēng)速達(dá)到64 m/s，中心最低海平面氣壓為935 hPa。之后颶風(fēng)掠過(guò)巴哈馬的大伊那瓜島、以及英屬大特克島，強(qiáng)度有所減弱，但隨后因其北部深對(duì)流使其重新迅速發(fā)展加強(qiáng)為4級(jí)颶風(fēng)。7日，颶風(fēng)減弱為3級(jí)颶風(fēng)，并在古巴東北岸(奧爾金省)登陸，給當(dāng)?shù)貛?lái)巨大損失。9月8日，“艾克”橫穿古巴島后再度進(jìn)入加勒比海，“艾克”幾乎席卷整個(gè)古巴島，造成古巴7人死亡。10日，它擴(kuò)大范圍沿著西北方向、以最高持續(xù)風(fēng)速43 m/s的速度穿過(guò)墨西哥灣，在此期間“艾克”大部分時(shí)間保持了雙眼墻結(jié)構(gòu)。13日7時(shí)“艾克”又轉(zhuǎn)為西北偏北方向、以2級(jí)颶風(fēng)的強(qiáng)度、中心最大風(fēng)速48 m/s，在得克薩斯州加爾維斯頓島登陸并掠過(guò)圣萊昂，9時(shí)到達(dá)貝敦附近。13日18時(shí)“艾克”最終在得克薩斯州東部減弱為熱帶風(fēng)暴。根據(jù)資料顯示，“艾克”颶風(fēng)共造成至少108人死亡和270億美元的經(jīng)濟(jì)損失，是繼“卡特里娜”和“安德魯”之后美國(guó)破壞力排名第三的颶風(fēng)，也是2008年大西洋颶風(fēng)季中最強(qiáng)的颶風(fēng)。

3.2 雷達(dá)資料質(zhì)量控制

本文使用的雷達(dá)資料來(lái)自于美國(guó)德克薩斯州東南部的港口城市休斯頓-加爾維斯頓的KHGX雷達(dá)和路易斯安那州的萊克查爾斯的KLCH雷達(dá)，在進(jìn)行多普勒雷達(dá)資料同化之前，需要對(duì)雷達(dá)基數(shù)據(jù)進(jìn)行質(zhì)量控制，本文雷達(dá)資料質(zhì)量控制主要包括：首先根據(jù)模式背景場(chǎng)建立風(fēng)廓線(xiàn)資料，假設(shè)風(fēng)在水平方向是各向同性的，由風(fēng)廓線(xiàn)數(shù)據(jù)計(jì)算模式背景場(chǎng)的徑向速度在觀測(cè)空間的值，然后將模式背景場(chǎng)徑向風(fēng)投影到觀測(cè)空間的徑向風(fēng)的值與雷達(dá)觀測(cè)值進(jìn)行比較，標(biāo)示出有速度模糊的庫(kù)。最后逐個(gè)仰角進(jìn)行速度退模糊，并且將質(zhì)量控制過(guò)的徑向風(fēng)速度插值到笛卡爾坐標(biāo)系。本文雷達(dá)徑向風(fēng)觀測(cè)誤差3 m/s，當(dāng)觀測(cè)與背景場(chǎng)的偏差大于5倍的觀測(cè)誤差時(shí)，則剔除該雷達(dá)觀測(cè)資料。

圖1給出了2008年9月13日01時(shí)颶風(fēng)“艾克”臨近登陸時(shí)兩部雷達(dá)經(jīng)過(guò)質(zhì)量控制修正后0.5°仰角層上的徑向速度資料，可以發(fā)現(xiàn)經(jīng)過(guò)質(zhì)量控制修正后，徑向風(fēng)速度的連續(xù)性較好，更加接近實(shí)際情況。

3.3 試驗(yàn)設(shè)計(jì)

本文采用WRFV3.7的ARW版本作為預(yù)報(bào)模式。該模式為可壓縮、非靜力中尺度模式，水平方向采用荒川C網(wǎng)格，垂直方向采用隨地形的質(zhì)量坐標(biāo)。圖2給出了模擬區(qū)域，區(qū)域中心為(31°N，96°W)，水平格點(diǎn)數(shù)為690×690，格距為3 km，垂直層數(shù)為51層，模式層頂氣壓為10 hPa。由1°×1°分辨率的National Centers for Environmental Prediction (NCEP)再分析資料提供初邊界條件，微物理過(guò)程采用WSM6類(lèi)冰雹方案[15]，由于格點(diǎn)1°×1°的分辨率還不能很好模擬出颶風(fēng)對(duì)流尺度特征，故采用Grell積云參數(shù)化方案[16]。其他物理參數(shù)化方案包括Rapid Radiative Transfer Model (RRTM)長(zhǎng)波輻射方案，Dudhia短波輻射方案，5階熱量擴(kuò)散方案以及Yonsei University (YSU)[17]邊界層方案。本文主要設(shè)計(jì)了3組試驗(yàn)(表1)，圖3為試驗(yàn)流程圖，控制試驗(yàn)(CNTL)采用6 h間隔的1°×1°NCEP GFS再分析資料作為模擬的初始場(chǎng)和側(cè)邊界條件。模式積分時(shí)段從2008年9月12日18時(shí)至14日00時(shí)，共積分30 h，模擬時(shí)間段包括了這次颶風(fēng)登陸前后整個(gè)發(fā)展過(guò)程。兩組同化試驗(yàn)分別選取2008年9月12日18時(shí)NCEP GFS再分析資料作為啟動(dòng)資料，預(yù)報(bào)6 h到13日00時(shí)作為同化初始時(shí)刻，通過(guò)WRF-3DVAR同化系統(tǒng)每30 min同化一次雷達(dá)徑向風(fēng)觀測(cè)數(shù)據(jù)，連續(xù)同化6 h，將最后一個(gè)時(shí)刻的分析場(chǎng)作為背景場(chǎng)，做18 h確定性預(yù)報(bào)。

圖1 雷達(dá)徑向速度質(zhì)量控制前后對(duì)比Fig.1 Comparison of radar radial velocity before and after quality control徑向速度質(zhì)量控制之前KLCH(a)，KHGX(b)；徑向速度質(zhì)量控制之后KLCH(c)，KHGX(d)Radar radial velocity before quality control KLCH(a)，KHGX(b)，and radar radial velocity after quality control KLCH(c)，KHGX(d)

序號(hào)試驗(yàn)名稱(chēng)試驗(yàn)方案1CNTL不同化任何資料23DVARa同化雷達(dá)資料，用WRF?3DVAR靜態(tài)協(xié)方差矩陣33DVARb同化雷達(dá)資料，用WRF?3DVAR靜態(tài)協(xié)方差矩陣(系數(shù)優(yōu)化03)

圖2 WRF模擬區(qū)域范圍，2008年9月12日18時(shí)至2008年9月14日00時(shí)颶風(fēng)觀測(cè)最佳路徑圖和兩部雷達(dá)中心位置及其雷達(dá)徑向風(fēng)對(duì)應(yīng)影響半徑Fig.2 The WRF model domain and best track positions for Hurricane Ike (2008) from 1800 UTC 12 to 0000 UTC 14 September 2008. Also indicated the KHGX and KLCH locations and maximum range coverage circles

圖3 NoDA試驗(yàn)(a)和3DVAR試驗(yàn)(b)流程圖Fig.3 The flow charts for NoDA experiment (a) and 3DVAR experiment (b)

3.4 徑向風(fēng)觀測(cè)單點(diǎn)試驗(yàn)

在對(duì)流尺度的雷達(dá)資料同化中，背景誤差協(xié)方差的空間分布特征將最終決定雷達(dá)觀測(cè)資料在模式空間的傳播方式，從而影響模式初始場(chǎng)精確度。眾所周知，當(dāng)前采用NMC方法[18]統(tǒng)計(jì)得到的背景誤差協(xié)方差中的各個(gè)控制變量的相關(guān)性，各控制變量的方差和尺度特征主要反映的是大尺度、氣候平均的誤差結(jié)構(gòu)特征，這樣的空間尺度特征主要適用于常規(guī)觀測(cè)資料同化，對(duì)于雷達(dá)這種高時(shí)空分辨率的觀測(cè)資料而言，其自身包含豐富的中小尺度信息。在當(dāng)前背景誤差協(xié)方差的空間結(jié)構(gòu)作用下，雷達(dá)觀測(cè)信息對(duì)模式初始場(chǎng)的影響范圍將會(huì)被擴(kuò)大到一個(gè)不合理的空間范圍，從而使得雷達(dá)觀測(cè)中豐富的中小尺度信息不能很好的得到利用。因此在進(jìn)行真實(shí)颶風(fēng)個(gè)例“艾克”同化試驗(yàn)之前，有必要進(jìn)行一系列的單點(diǎn)實(shí)驗(yàn)來(lái)考察雷達(dá)觀測(cè)資料在變分分析過(guò)程中是如何影響模式變量的。本文中背景誤差協(xié)方差矩陣用NMC方法生成，具體做法：對(duì)2008年9月1—30日，每天00 UTC和12 UTC分別作24 h和12 h的預(yù)報(bào)，通過(guò)對(duì)同一時(shí)刻24 h和12 h預(yù)報(bào)值之間的差作為預(yù)報(bào)誤差的近似。選取KHGX雷達(dá)站位于(29.472°N，95.079°W；3 058.7 m)的單個(gè)雷達(dá)徑向風(fēng)觀測(cè)資料作為單點(diǎn)試驗(yàn)研究使用。模式背景場(chǎng)由2008年09月13日00時(shí)的NCEP GFS再分析資料插值得到，模擬格點(diǎn)數(shù)為690×690×51，水平格距為3 km。此外，觀測(cè)誤差設(shè)為3 m/s。為了能夠使雷達(dá)觀測(cè)資料能夠合理有效地更新模式背景場(chǎng)，本文通過(guò)調(diào)整背景場(chǎng)誤差方差調(diào)節(jié)因子(VAR_SCALING: the variance scaling factor)和水平尺度因子(LEN_SCALING: the length scaling factor)來(lái)考察背景誤差協(xié)方差調(diào)整在對(duì)流尺度雷達(dá)同化中的作用。為此設(shè)計(jì)了3組單點(diǎn)觀測(cè)同化試驗(yàn)(表2)。

表2 試驗(yàn)設(shè)計(jì)

圖4a和圖4b分別是Exp1同化單個(gè)雷達(dá)徑向風(fēng)觀測(cè)在模式層第12層(700 hPa)緯向風(fēng)(u)和經(jīng)向風(fēng)(v)的風(fēng)場(chǎng)增量。由圖可見(jiàn)，對(duì)于u風(fēng)場(chǎng)，一個(gè)較為明顯的反氣旋性風(fēng)場(chǎng)增量在雷達(dá)站的北部產(chǎn)生，對(duì)應(yīng)的在雷達(dá)站的南部則有一個(gè)氣旋性的風(fēng)場(chǎng)增量產(chǎn)生。對(duì)于v風(fēng)場(chǎng)而言，一個(gè)反氣旋性的風(fēng)場(chǎng)增量在雷達(dá)站的東部產(chǎn)生，同時(shí)在雷達(dá)站的西部存在一個(gè)氣旋性的風(fēng)場(chǎng)增量，雷達(dá)觀測(cè)的影響范圍均較大。這也進(jìn)一步驗(yàn)證和說(shuō)明當(dāng)前NMC方法統(tǒng)計(jì)的背景誤差主要反映了大尺度的誤差信息特征，在雷達(dá)這種高時(shí)空分辨率的觀測(cè)資料同化中如不對(duì)該背景誤差進(jìn)行優(yōu)化調(diào)整而是直接使用是欠妥的。Exp1和Exp2的試驗(yàn)結(jié)果表明當(dāng)采用同樣的VAR_SCALING，同化所產(chǎn)生增量的影響范圍會(huì)隨著LEN_SCALING的減小而減小，而同化所產(chǎn)生的分析增量的量級(jí)則維持不變。Exp2和Exp3的試驗(yàn)結(jié)果表明，當(dāng)采用相同的LEN_SCALING，分析所產(chǎn)生的增量的量級(jí)大小會(huì)隨著VAR_SCALING的減小而減小，而增量的影響范圍則不變。

4 試驗(yàn)結(jié)果分析

4.1 風(fēng)場(chǎng)增量分析

為了檢驗(yàn)雷達(dá)徑向風(fēng)觀測(cè)資料對(duì)模式初始場(chǎng)的改進(jìn)效果，圖5顯示了各組同化試驗(yàn)第一個(gè)同化時(shí)刻700 hPa風(fēng)場(chǎng)的分析增量。圖5a是3DVARa同化后的風(fēng)場(chǎng)增量場(chǎng)，圖中黑色點(diǎn)為颶風(fēng)觀測(cè)中心位置。由圖5a可以發(fā)現(xiàn)在觀測(cè)颶風(fēng)中心位置偏南約兩個(gè)緯度產(chǎn)生一個(gè)氣旋性的風(fēng)場(chǎng)增量；同時(shí)在颶風(fēng)中心北部半個(gè)緯度附近產(chǎn)生了一個(gè)反氣旋性的風(fēng)場(chǎng)增量。這樣的風(fēng)場(chǎng)增量分布形態(tài)與前人采用三維變分方法同化多普勒雷達(dá)徑向風(fēng)觀測(cè)的研究結(jié)果相類(lèi)似[19—21]。當(dāng)背景場(chǎng)模擬的颶風(fēng)強(qiáng)度比實(shí)際觀測(cè)颶風(fēng)強(qiáng)度弱很多時(shí)，在觀測(cè)颶風(fēng)中心位置處沒(méi)有能夠產(chǎn)生合理的強(qiáng)的渦旋環(huán)流結(jié)構(gòu)。說(shuō)明由NMC方法統(tǒng)計(jì)的背景誤差協(xié)方差矩陣主要反映的是大尺度的誤差結(jié)構(gòu)特征，而多普勒天氣雷達(dá)觀測(cè)主要是反映中小尺度方面的天氣信息特征。使用當(dāng)前這種默認(rèn)的NMC方法特征尺度結(jié)構(gòu)背景誤差的情況下，多普勒天氣雷達(dá)所包含的豐富的中小尺度信息不能很好得到應(yīng)用，其影響范圍也被不合理地放大。圖5b為3DVARb的700 hPa風(fēng)場(chǎng)增量場(chǎng)，由圖可見(jiàn)，當(dāng)尺度化因子縮小后，在颶風(fēng)觀測(cè)中心位置出現(xiàn)一個(gè)氣旋性的風(fēng)場(chǎng)增量分布形態(tài)，渦旋結(jié)構(gòu)更為緊密，在觀測(cè)颶風(fēng)中心周?chē)考?jí)達(dá)到最大。這主要是由于模式背景場(chǎng)中颶風(fēng)渦旋結(jié)構(gòu)偏弱所導(dǎo)致?？傮w而言，通過(guò)對(duì)背景誤差協(xié)方差尺度化因子調(diào)整，可以使雷達(dá)觀測(cè)信息的傳播方式更加合理化，進(jìn)而改善了模式初始場(chǎng)。對(duì)NMC方法統(tǒng)計(jì)出來(lái)的背景誤差協(xié)方差尺度化因子優(yōu)化調(diào)整可以使雷達(dá)觀測(cè)在模式空間以較為合理的方式傳播并影響背景場(chǎng)，而當(dāng)尺度化因子過(guò)大則會(huì)出現(xiàn)風(fēng)壓不平衡關(guān)系，使模擬的颶風(fēng)結(jié)構(gòu)不合理，進(jìn)而影響隨后的分析和預(yù)報(bào)。

4.2 雷達(dá)徑向風(fēng)觀測(cè)空間診斷以及MSLP在同化窗的表現(xiàn)

為了進(jìn)一步驗(yàn)證同化效果的好壞，本文在觀測(cè)空間將每次分析前后的徑向速度與實(shí)際觀測(cè)的徑向速度資料進(jìn)行比較并計(jì)算均方根誤差，考察其在同化區(qū)間內(nèi)的表現(xiàn)[22—23]。圖6顯示了兩組同化試驗(yàn)在同化區(qū)間內(nèi)每次分析和預(yù)報(bào)的雷達(dá)徑向風(fēng)Vr的均方根誤差(RMSE，圖6a)以及最小海平面氣壓(MSLP，圖6b)。從圖6a可以看出兩組同化試驗(yàn)在經(jīng)過(guò)每次同化后的RMSE相比同化前都有不同程度的下降，尤其是3DVARb試驗(yàn)在第一個(gè)分析時(shí)刻效果改進(jìn)最為明顯，同化后Vr的RMSE從10.3 m/s立刻降低到4 m/s，3DVARa試驗(yàn)僅降低了0.3 m/s。這可能是因?yàn)榈谝淮瓮蟮挠^測(cè)增量最大，因此對(duì)模式初始場(chǎng)的改進(jìn)最為顯著。每次同化后的30 min預(yù)報(bào)基本上都會(huì)把Vr增量增加3 m/s，維持在5～6 m/s?？傮w上看來(lái)，可以發(fā)現(xiàn)3DVARb試驗(yàn)產(chǎn)生的分析場(chǎng)與Vr觀測(cè)是最為接近的，除了第一個(gè)分析時(shí)刻，后面幾次同化后的觀測(cè)增量基本穩(wěn)定在3 m/s左右，這與預(yù)先給定觀測(cè)誤差3 m/s是相符合的，這也說(shuō)明了經(jīng)過(guò)尺度化因子的優(yōu)化調(diào)整對(duì)模式分析場(chǎng)及隨后的預(yù)報(bào)都產(chǎn)生了正影響。

圖6b給出了同化區(qū)間內(nèi)(2008年9月13日00時(shí)至06時(shí))每次分析和預(yù)報(bào)的最小海平面氣壓，在同化的起始時(shí)刻，模式背景場(chǎng)中的最小海平面氣壓要比美國(guó)國(guó)家颶風(fēng)中心(NHC)熱帶氣旋最佳路徑數(shù)據(jù)集中的最小海平面氣壓高20 hPa。從圖6b中可以看到，兩組同化試驗(yàn)中最小海平面氣壓的下降主要是通過(guò)模式預(yù)報(bào)調(diào)整來(lái)實(shí)現(xiàn)的。第一次分析過(guò)程(0000-0030 UTC)最小海平面氣壓下降尤為顯著，3DVARa試驗(yàn)下降了5 hPa，而3DVARb試驗(yàn)則下降了10 hPa。隨著同化次數(shù)的不斷增加，3DVARb試驗(yàn)中最小海平面氣壓逐漸下降并接近實(shí)際觀測(cè)值(951 hPa)，而3DVARa試驗(yàn)則只降到960 hPa，可見(jiàn)3DVARb試驗(yàn)預(yù)報(bào)效果更佳。這主要是因?yàn)轱L(fēng)場(chǎng)是可以直接觀測(cè)到的參數(shù)，而氣壓主要取決于背景誤差協(xié)方差矩陣的風(fēng)壓平衡約束關(guān)系來(lái)調(diào)整。

圖5 2008年9月13日00時(shí)3DVARa試驗(yàn)(a)和3DVARb試驗(yàn)(b)700 hPa風(fēng)場(chǎng)增量Fig.5 The 700 hPa wind analysis increments for 3DVARa (a) and 3DVARb (b) at 0000 UTC 13 September 2008

圖6 2008年9月13日00時(shí)00分至2008年9月13日06時(shí)00分，每個(gè)同化時(shí)刻的同化前后均方根誤差(a)和最小海平面氣壓(b)Fig.6 The forecast and analysis (sawtooth pattern during DA cycling) of RMSE of radial velocity (a) and the minimum sea level pressures (b) for 3DVARa and 3DVARb from 0000 to 0600 UTC 13 September 2008

4.3 颶風(fēng)結(jié)構(gòu)場(chǎng)分析

在檢驗(yàn)了風(fēng)場(chǎng)增量之后，本文進(jìn)一步考察各組同化試驗(yàn)循環(huán)同化最后一個(gè)分析時(shí)次的效果，圖7分別給出了2008年9月13日06時(shí)CNTL，3DVARa，3DVARb三組試驗(yàn)分析的海平面氣壓場(chǎng)和近地面風(fēng)場(chǎng)合成示意圖。此時(shí)NHC的最佳觀測(cè)數(shù)據(jù)的強(qiáng)度為951 hPa，最大風(fēng)速為48.9 m/s。顯然CNTL試驗(yàn)?zāi)M的颶風(fēng)強(qiáng)度過(guò)于偏弱，臺(tái)風(fēng)眼也較寬，其MSLP為980 hPa，而此時(shí)的NHC，誤差達(dá)29 hPa。在同化了雷達(dá)徑向風(fēng)觀測(cè)資料之后，2組同化試驗(yàn)相比CNTL試驗(yàn)?zāi)M的颶風(fēng)強(qiáng)度均有不同程度的改進(jìn)，風(fēng)速也得到不同程度的調(diào)整。由圖7a可見(jiàn)，3DVARa試驗(yàn)在采用默認(rèn)尺度化因子同化雷達(dá)徑向風(fēng)之后，其MSLP為970 hPa，相比CNTL試驗(yàn)而言，略微有所改進(jìn)。同時(shí)由圖7b可以發(fā)現(xiàn)，其分析的近地面風(fēng)場(chǎng)環(huán)流比觀測(cè)的颶風(fēng)中心位置稍微有點(diǎn)偏差，而其分析的最小海平面氣壓中心卻遠(yuǎn)遠(yuǎn)偏離觀測(cè)的颶風(fēng)中心位置，呈現(xiàn)出風(fēng)場(chǎng)和氣壓場(chǎng)不匹配的狀態(tài)。圖7c中，在對(duì)尺度化因子優(yōu)化調(diào)整后，颶風(fēng)眼墻半徑顯著減小，颶風(fēng)內(nèi)核區(qū)的渦旋環(huán)流結(jié)構(gòu)得到顯著加強(qiáng)。另外由圖7b，c發(fā)現(xiàn)，兩組同化試驗(yàn)的水平風(fēng)速均呈現(xiàn)出非對(duì)稱(chēng)分布形態(tài)。3DVARa試驗(yàn)分析的風(fēng)速大值區(qū)位于渦旋的東北部，而3DVARb試驗(yàn)分析的風(fēng)速大值區(qū)位于渦旋的東部，更加接近雷達(dá)觀測(cè)(圖略)。

總體而言，3DVARb試驗(yàn)對(duì)于颶風(fēng)內(nèi)核區(qū)位置、結(jié)構(gòu)和強(qiáng)度的修正效果要明顯優(yōu)于其他兩組試驗(yàn)，與實(shí)況更為接近。并且低層的風(fēng)場(chǎng)均向颶風(fēng)眼壁呈氣旋性輻合，颶風(fēng)渦旋環(huán)流結(jié)構(gòu)更為厚實(shí)緊湊，表明經(jīng)過(guò)尺度化因子優(yōu)化調(diào)整后同化雷達(dá)徑向風(fēng)資料可以很好捕捉到颶風(fēng)系統(tǒng)主要的環(huán)流結(jié)構(gòu)場(chǎng)。

圖7 2008年9月13日06時(shí)CNTL試驗(yàn)(a)，3DVARa試驗(yàn)(b)和3DVARb試驗(yàn)(c)海平面氣壓和近地面風(fēng)場(chǎng)合成示意圖Fig.7 The analyzed composite sea level pressure (solid contours) and the surface wind vectors for CNTL(a)， 3DVARa (b) and 3DVARb (c) at 0600 UTC 13 September 2008

圖8是2008年9月13日06時(shí)CNTL、3DVARa、3DVARb三組同化試驗(yàn)的軸對(duì)稱(chēng)的各個(gè)半徑上的平均切向風(fēng)和水平溫度異常。其中各個(gè)高度上的水平溫度異常是以颶風(fēng)中心為原點(diǎn)，180 km半徑內(nèi)的溫度水平平均偏差。由圖8a可見(jiàn)，CNTL試驗(yàn)初始場(chǎng)的渦旋環(huán)流很弱，眼區(qū)半徑較大(最大風(fēng)速半徑達(dá)70 km左右)，中層暖心也較弱(約2 K)。與CNTL試驗(yàn)相比，兩組同化試驗(yàn)的渦旋環(huán)流顯著增強(qiáng)，3DVARa試驗(yàn)中最大切向風(fēng)速約45 m/s，最大風(fēng)速半徑在70 km處。3DVARb試驗(yàn)的修正效果最為明顯，最大切向風(fēng)速約50 m/s，且位于1.2 km以?xún)?nèi)，更符合颶風(fēng)實(shí)際觀測(cè)。颶風(fēng)眼墻半徑明顯縮小，最大風(fēng)速半徑縮小至40 km，伴隨著最強(qiáng)的渦旋環(huán)流結(jié)構(gòu)，其最大溫度異常也在9 km處增強(qiáng)至6 K。表明尺度化因子優(yōu)化調(diào)整同化雷達(dá)徑向風(fēng)資料后能夠增強(qiáng)颶風(fēng)渦旋結(jié)構(gòu)，有助于對(duì)颶風(fēng)內(nèi)部的動(dòng)力和熱力結(jié)構(gòu)進(jìn)行有效調(diào)整。

圖8 2008年09月13日06時(shí)CNTL試驗(yàn)(a)，3DVARa試驗(yàn)(b)和3DVARb試驗(yàn)(c)颶風(fēng)軸對(duì)切向風(fēng)(填色，單位:m/s)和溫度異常(等值線(xiàn)，單位:K)Fig.8 Azimuthally averaged tangential wind (shaded with the scale on the right) and temperature deviation from the horizontal mean (solid contours with intervals of 2 K) at 0600 UTC 13 September 2008 from experiments of CNTL(a)， 3DVARa (b) and 3DVARb (c)

圖9 2008年9月13日06至2008年9月14日00時(shí)路徑(a)，路徑誤差(b)，最低海平面氣壓(c)和地面最大風(fēng)速(d)預(yù)報(bào)結(jié)果Fig.9 The 18 h predicted tracks (a)， track errors (b)， minimum SLP (c)， and maximum surface wind speed (d) of super typhoon Ike from 0600 UTC 13 to 0000 UTC 14 September 2008

4.4 颶風(fēng)路徑和強(qiáng)度預(yù)報(bào)檢驗(yàn)

為了進(jìn)一步評(píng)估各組同化試驗(yàn)分析場(chǎng)質(zhì)量的優(yōu)劣以及對(duì)隨后預(yù)報(bào)的影響，本文在各組同化試驗(yàn)的末端作了9月13日06時(shí)至9月14日00時(shí)的18個(gè)小時(shí)確定性預(yù)報(bào)。圖9a給出了3組試驗(yàn)預(yù)報(bào)路徑和最佳路徑的對(duì)比圖。在預(yù)報(bào)起始的3 h內(nèi)，最佳路徑是向西北方向移動(dòng)，CNTL試驗(yàn)和3DVARa試驗(yàn)?zāi)M的路徑較實(shí)況路徑明顯偏東向東北方向移動(dòng)，而3DVARb試驗(yàn)?zāi)M的颶風(fēng)路徑與實(shí)況最為接近，向西北方向移動(dòng)。3 h以后，CNTL試驗(yàn)和3DVARa試驗(yàn)?zāi)M的路徑誤差都逐漸加大，較實(shí)況路徑繼續(xù)偏東。9 h之后，3DVARa試驗(yàn)?zāi)M的路徑較真實(shí)路徑偏離依舊明顯，仍然偏東，而CNTL試驗(yàn)則由于背景場(chǎng)中的颶風(fēng)強(qiáng)度偏弱繼續(xù)偏東，而此時(shí)3DVARb試驗(yàn)?zāi)M的路徑較其他兩組試驗(yàn)更加接近實(shí)際路徑。總之，3DVARb試驗(yàn)在整個(gè)18 h確定性預(yù)報(bào)過(guò)程中預(yù)報(bào)的路徑最優(yōu)。圖9b是預(yù)報(bào)時(shí)段內(nèi)各組試驗(yàn)的預(yù)報(bào)路徑誤差圖，前6 h，CNTL試驗(yàn)和3DVARb試驗(yàn)的預(yù)報(bào)路徑誤差有明顯的增長(zhǎng)，3DVARa試驗(yàn)預(yù)報(bào)的路徑誤差雖然有減少的趨勢(shì)，但是相比另外兩組試驗(yàn)(小于20 km)在預(yù)報(bào)起始時(shí)刻的誤差較大(47 km)。13日12時(shí)至18時(shí)，兩組同化試驗(yàn)的預(yù)報(bào)路徑誤差均有不同程度的降低，3DVARb試驗(yàn)的誤差最高降低到了10 km。總體而言，CNTL試驗(yàn)在整個(gè)預(yù)報(bào)時(shí)段內(nèi)誤差一直在增長(zhǎng)，其預(yù)報(bào)的路徑不理想的初步原因歸結(jié)于初始時(shí)刻背景場(chǎng)中的颶風(fēng)強(qiáng)度比實(shí)況偏弱所造成。兩組同化試驗(yàn)預(yù)報(bào)的颶風(fēng)路徑相比CNTL試驗(yàn)均有不同程度的改進(jìn)，3DVARb試驗(yàn)預(yù)報(bào)的路徑誤差則最小與觀測(cè)最為接近。颶風(fēng)中心位置是用最小海平面氣壓(MSLP)來(lái)表示的，圖9c則著重考察了各組試驗(yàn)對(duì)颶風(fēng)預(yù)報(bào)強(qiáng)度隨時(shí)間的變化，可以看出CNTL試驗(yàn)在整個(gè)預(yù)報(bào)過(guò)程中的MSLP誤差最大。在試驗(yàn)預(yù)報(bào)起始時(shí)刻，3DVARb試驗(yàn)分析的MSLP就十分接近觀測(cè)的颶風(fēng)強(qiáng)度，這也反映了3DVARb試驗(yàn)的同化效果顯著?？傮w趨勢(shì)上來(lái)看，3DVARb試驗(yàn)效果要比3DVARa試驗(yàn)明顯更優(yōu)，尤其在預(yù)報(bào)的前半個(gè)階段。圖9d是各組試驗(yàn)對(duì)颶風(fēng)預(yù)報(bào)的最大風(fēng)速隨時(shí)間的變化，從圖中可見(jiàn)，由于背景場(chǎng)中的颶風(fēng)強(qiáng)度太弱，導(dǎo)致CNTL試驗(yàn)低估了颶風(fēng)的最大風(fēng)速。3DVARa試驗(yàn)效果則和控制試驗(yàn)相當(dāng)，3DVARb試驗(yàn)在整個(gè)18 h預(yù)報(bào)過(guò)程中風(fēng)場(chǎng)得到較為有效的調(diào)整，預(yù)報(bào)前半段與實(shí)況誤差偏大，但后半段明顯優(yōu)于CNTL和3DVARa試驗(yàn)，與實(shí)況最為靠近。

5 總結(jié)與討論

本文利用新一代高分辨率中尺度預(yù)報(bào)模式WRF及其三維變分同化系統(tǒng)WRF-3DVAR系統(tǒng)，針對(duì)2008年颶風(fēng)“艾克”個(gè)例，每30 min同化了KLCH和KHGX雷達(dá)站的雷達(dá)徑向風(fēng)觀測(cè)資料，主要結(jié)論如下：

(1)NMC方法統(tǒng)計(jì)得到的背景誤差協(xié)方差矩陣主要反應(yīng)了大尺度的誤差結(jié)構(gòu)特征。本文經(jīng)過(guò)大量敏感性試驗(yàn)研究發(fā)現(xiàn)，優(yōu)化背景誤差協(xié)方差矩陣中的水平相關(guān)尺度因子對(duì)于資料同化結(jié)果影響較大。在高時(shí)空分辨率的雷達(dá)資料同化中，減小背景誤差協(xié)方差中水平尺度化因子能進(jìn)一步提高雷達(dá)資料同化和預(yù)報(bào)效果。

(2)WRF-3DVAR同化系統(tǒng)能有效地吸收雷達(dá)徑向風(fēng)豐富的中小尺度信息，同化經(jīng)過(guò)質(zhì)量控制過(guò)的雷達(dá)資料能有效改善颶風(fēng)的初始風(fēng)場(chǎng)結(jié)構(gòu)，進(jìn)而改進(jìn)了颶風(fēng)內(nèi)核區(qū)動(dòng)力和熱力結(jié)構(gòu)，改善模式初始場(chǎng)。

(3)變分同化試驗(yàn)在經(jīng)過(guò)尺度化因子的優(yōu)化調(diào)整之后，可以根據(jù)雷達(dá)觀測(cè)信息產(chǎn)生較為合理的氣旋性的風(fēng)場(chǎng)增量，修正了模式背景場(chǎng)對(duì)颶風(fēng)模擬偏弱的特征，使分析場(chǎng)與觀測(cè)的颶風(fēng)強(qiáng)度更加接近，進(jìn)而改進(jìn)了颶風(fēng)的結(jié)構(gòu)、路徑、強(qiáng)度等預(yù)報(bào)能力。

本文基于颶風(fēng)個(gè)例應(yīng)用雷達(dá)徑向風(fēng)資料的同化結(jié)果能為多普勒雷達(dá)觀測(cè)資料在颶風(fēng)的初始化研究和應(yīng)用中提供一定的技術(shù)參考。同時(shí)，應(yīng)該指出本文只是針對(duì)“艾克”颶風(fēng)個(gè)例進(jìn)行了初步的研究，所得到的結(jié)論，對(duì)于其他個(gè)例結(jié)論是否成立還需要做進(jìn)一步的檢驗(yàn)。在今后的工作中將針對(duì)更多的颶風(fēng)個(gè)例展開(kāi)類(lèi)似研究，來(lái)夠構(gòu)造出物理意義更加完善的尺度化因子調(diào)整方法。對(duì)于同化過(guò)程中的水平尺度化因子的調(diào)整對(duì)于不同天氣系統(tǒng)的影響還有待于將來(lái)進(jìn)一步的研究。另外以后的工作將對(duì)雷達(dá)觀測(cè)資料的質(zhì)量控制還需要做更加深入的研究。

[1]Kurihara Y， Bender M A， Ross R J. An initialization scheme of hurricane models by vortex specification[J]. Mon Wea Rev， 1993， 121: 2030-2045．

[2]Zou X， Xiao Q. Studies on the initialization and simulation of a mature hurricane using a variational bogus data assimilation scheme[J]. J Atmos Sci， 2000， 57: 836-860．

[3]Pu Z X， Braun S A. Evaluation of bogus vortex techniques with four-dimensional variational data assimilation[J]. Mon Wea Rev， 2001， 129: 2023-2039．

[4]Xiao Q， Chen L， Zhang X. Evaluations of BDA scheme using the Advanced Research WRF (ARW) model[J]. J Appl Meteor Climatol， 2009， 48: 680-689．

[5]Xiao Q， Kuo Y H， Sun J， et al. An approach of radar reflectivity data assimilation and its assessment with the inland QPF of typhoon Rusa (2002) at landfall[J]. J Appl Meteor Climatol， 2007， 46: 14-22．

[6]Gu J F， Xiao Q N， Kuo Y H， et al. Assimilation and simulation of Typhoon Rusa (2002) using the WRF system[J]. Adv Atmos Sci， 2005， 22(3): 415-427.

[7]Zhao Q， Jin Y. High-resolution radar data assimilation for Hurricane Isabel (2003) at landfall[J]. Bull Am Meteorol Soc， 2008， 89：1355-1372．

[8]Zhao K， X Li， Xue M， et al. Short-term forecasting through intermittent assimilation of data from Taiwan and Mainland China coastal radars for typhoon Meranti (2010) at landfall[J]. J Geophy Res， 2012， 117: D06108．

[9]陳鋒， 冀春曉， 董美瑩， 等. 雷達(dá)徑向風(fēng)速同化對(duì)臺(tái)風(fēng)麥莎模擬的影響[J]. 氣象， 2012， 38(10): 1170-1181．

Chen Feng， Ji Chunxiao， Dong Meiying， et al. The effects of radar radial velocity data assimilation on the simulation of Typhoon Matsa[J]. Meteorological Monthly， 2012，38(10):1170-1181．

[10]李新峰， 趙坤， 王明筠， 等. 多普勒雷達(dá)資料循環(huán)同化在臺(tái)風(fēng)“鲇魚(yú)”預(yù)報(bào)中的應(yīng)用[J]. 氣象科學(xué)， 2013， 33(3): 255-263．

Li Xinfeng， Zhao Kun， Wang Mingjun， et al. Short-term forecasting of super typhoon Meji at landfall through cycling assimilation of China coastal radar data[J]. Journal of the Meteorological Sciences， 2013，33(3):255-263．

[11]Lorenc A. The potential of the ensemble Kalman filter for NWP-a comparison with 4D-Var[J]. Quart J Roy Meteor Soc， 2003， 129， 3183-3204．

[12]Sun J， Crook N A. Dynamical and microphysical retrieval from Doppler radar observations using a cloud model and its adjoint. Part Ⅰ: Model development and simulated data experiments[J]. J Atmos Sci， 1997， 54(12): 1642-1661．

[13]Sun J， Crook N A. Dynamical and microphysical retrieval from Doppler radar observations using a cloud model and its adjoint. Part Ⅱ: Retrieval experiments of an observed Florida convective storm[J]. J Atmos Sci， 1998， 55(5): 835-852．

[14]Marshall J S， Palmer W M K. The distribution of raindrops with size[J]. J Meteor， 1948， 5(4): 165-166．

[15]Hong S Y， J Dudhia， Chen S H. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation[J]. Mon Wea Rev， 2004， 132: 103-120．

[16]Grell G A， Devenyi D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques[J]. Geophys Res Lett， 2002， 29(14): 1693．

[17]Noh Y， Cheon W G， Hong S Y， et al. Improvement of the K-profile model for the planetary boundary layer based on large eddy simulation data[J]. Bound-Lay Meteorol， 2003， 107: 401-427．

[18]Parrish D F， Derber J C. The National Meteorological Center’s spectral statistical interpolation analysis system[J]. Mon Wea Rev， 1992， 120(8): 1747-1763.

[19]沈菲菲，閔錦忠，陳鵬，等. 多普勒雷達(dá)資料同化在臺(tái)風(fēng)“桑美”預(yù)報(bào)中的應(yīng)用應(yīng)用[J]. 海洋學(xué)報(bào)， 2015， 37(3): 25-36．

Shen Feifei ， Min Jinzhong， Chen Peng， et al. Experiments of assimilating Doppler radar data in forecast of typhoon Saomai[J]. Haiyang Xuebao， 2015，37(3):25-36．

[20]沈菲菲，閔錦忠，許冬梅，等. WRF-Hybrid背景誤差協(xié)方差調(diào)整在臺(tái)風(fēng)同化及預(yù)報(bào)中的應(yīng)用研究[J]. 氣象科學(xué)， 2015， 35(2): 150-159．

Shen Feifei， Min Jinzhong， Xu Dongmei， et al. WRF-Hybrid background error covariance adjustment in typhoon assimilation and forecasting[J]. Journal of the Meteorological Sciences， 2015， 35(2): 150-159．

[21]Xiao Q， Sun J. Multiple-radar data assimilation and short-range quantitative precipitation forecasting of a squall line observed during IHOP_2002[J]. Mon Wea Rev， 2007， 135: 3381-3404．

[22]Snyder C， Zhang F. Assimilation of simulated Doppler radar observations with an ensemble Kalman filter[J]. Mon Wea Rev， 2003， 131: 1663-1677．

[23]Tong M， Xue M. Ensemble Kalman filter assimilation of Doppler radar data with a compressible nonhydrostatic model: OSS experiments[J]. Mon Wea Rev， 2005， 133: 1789-1807．

Application of assimilating Dual Doppler radar data in forecast of Hurricane Ike

Shen Feifei1，Min Jinzhong1， Xu Dongmei1，3， Dai Zejun4， Zhang Bing5,Chen Yimeng5

(1.KeyLaboratoryofMeteorologicalDisaster,MinistryofEducation(KLME)/JointInternationalResearchLaboratoryofClimateandEnvironmentChange(ILCEC)/CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters(CIC-FEMD)，NanjingUniversityofInformationScience&Technology，Nanjing210044，China; 2.JiangsuResearchInstituteofMeteorlogicalScience，Nanjing210044，China; 3.NationalCenterforAtmosphericResearch，Boulder，Colorado80307，USA; 4.InstituteofHunanMeteorology，Changsha410118，China; 5.SchoolofAppliedMeteorology,NanjingUniversityofInformationScience&Technology,Nanjing210044,China)

The impacts of assimilation of radial velocity (Vr) data for the application of analyses and forecasts for Hurricane Ike (2008) are investigated using the framework of Weather Research and Forecasting (WRF) V3.7 and its three-dimensional variational data (3DVAR) assimilation system developed by the U.S. National Center for Atmospheric Research (NCAR). To evaluate the impact of using the high spatial and temporal resolution of the radar data on the forecast of Hurricane Ike，Vrobservations from two coastal radars are pre-processed with quality control procedures before they are assimilated using 3DVAR. Results show that， it is necessary to tune the background error length scale factor to better spread out observations for hurricane radar data assimilations. It is found thatVrdata are able to adjust the hurricane’s thermal and dynamic structure significantly. With smaller length scale factor， a much clearer cyclonic circulation wind increment around the observed hurricane center can be observed， providing effective meso-and micro scale information for the analysis， which can further improve the hurricane track and intensity forecast．

hurricane; radial velocity; WRF model; cycling assimilation

2015-07-09；

2015-09-23。

國(guó)家重點(diǎn)基礎(chǔ)研究計(jì)劃(973計(jì)劃)項(xiàng)目(OPPAC-2013CB430102)；國(guó)家自然科學(xué)基金項(xiàng)目(41430427，41375025，41205082，41505089)；江蘇省氣象局北極閣基金項(xiàng)目(BJG201510)；氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題(KLME 1311)。

沈菲菲(1984—)，男，江蘇省大豐市人，博士，主要從事雷達(dá)和衛(wèi)星遙感資料同化工作。E-mail:ffshen.nuist@gmail.com

P444

A

0253-4193(2016)11-0060-13

沈菲菲， 閔錦忠， 許冬梅， 等. 雙多普勒雷達(dá)資料同化在颶風(fēng)“艾克”預(yù)報(bào)中的應(yīng)用研究[J]. 海洋學(xué)報(bào)， 2016， 38(11):60-72， doi: 10.3969/j.issn.0253-4193.2016.11.006

Shen Feifei， Min Jinzhong， Xu Dongmei， et al. Application of assimilating Dual Doppler radar data in forecast of Hurricane Ike[J]. Haiyang Xuebao， 2016， 38(11): 60-72， doi: 10.3969/j.issn.0253-4193.2016.11.006