王蕙瑩 周自江 廖 捷 遠(yuǎn) 芳 劉雨佳

國(guó)家氣象信息中心，北京 100081

提 要：面向中國(guó)第一代全球大氣/陸面再分析產(chǎn)品(CRA)的應(yīng)用需求，針對(duì)中國(guó)風(fēng)廓線雷達(dá)小時(shí)產(chǎn)品資料特點(diǎn)，在美國(guó)NCEP風(fēng)廓線綜合質(zhì)量控制方法的基礎(chǔ)上，提出一套適用于中國(guó)風(fēng)廓線雷達(dá)逐小時(shí)水平風(fēng)產(chǎn)品的質(zhì)量控制方法。通過(guò)對(duì)比質(zhì)量控制前后風(fēng)廓線雷達(dá)資料與探空資料的相關(guān)系數(shù)、平均偏差及均方根誤差，證明了質(zhì)量控制方案的有效性。以ERA-Interim資料作為間接參考場(chǎng)，通過(guò)比較探空資料與不同型號(hào)、不同探測(cè)高度范圍、不同觀測(cè)時(shí)段、不同垂直層次風(fēng)廓線雷達(dá)資料相對(duì)ERA-Interim再分析資料的偏差，分析了質(zhì)量控制前后中國(guó)風(fēng)廓線雷達(dá)資料的整體質(zhì)量。結(jié)果表明，經(jīng)該算法質(zhì)量控制后，風(fēng)廓線雷達(dá)與探空風(fēng)場(chǎng)表現(xiàn)出了更好的一致性。不同雷達(dá)型號(hào)、不同探測(cè)高度資料的相關(guān)系數(shù)從0.17～0.82上升至0.79～0.98。在相對(duì)ERA-Interim與探空資料的偏差方面，質(zhì)量控制后，除邊界層風(fēng)廓線雷達(dá)的u風(fēng)分量在300 hPa以上仍有5 m·s-1左右的偏差外，其他型號(hào)雷達(dá)的u、v風(fēng)分量在各垂直層的平均偏差均在3 m·s-1以內(nèi)，證明質(zhì)量控制算法具有識(shí)別高層粗大誤差數(shù)據(jù)的能力，能夠使最大探測(cè)高度以上的數(shù)據(jù)得到有效利用。

引 言

再分析產(chǎn)品由于時(shí)空分辨率高、資料時(shí)間長(zhǎng)且融合多種氣象觀測(cè)資料，能夠很好地彌補(bǔ)觀測(cè)資料匱乏和時(shí)空不均等問(wèn)題，在氣候變化分析及監(jiān)測(cè)、衡量建模和同化發(fā)展能力、評(píng)估觀測(cè)系統(tǒng)變化影響等方面具有廣泛應(yīng)用。國(guó)際第一代產(chǎn)品包括ERA-15(Gibson et al,1999)、NCEP/NCAR(Kalnay et al,1996)和NASA/DAO(Data Assimilation Office;Schubert et al,1995)，第二代產(chǎn)品包括NCEP/DOE(Department of Energy;Kanamitsu et al,2002)、ERA-40(Uppala et al, 2005)和JRA-25(Onogi et al,2007)，第三代產(chǎn)品包括ERA-Interim(Dee et al,2011)、CFSR(climate forecast system reanalysis;Saha et al,2014)、MERRA(modern era retrospective-analysis for research and applications;Rienecker et al,2011)和JRA-55(Kobayashi et al,2015)。目前，國(guó)際上發(fā)布的最新一代的再分析產(chǎn)品為ERA5(Hersbach et al,2020)。再分析產(chǎn)品研制涉及氣象觀測(cè)資料處理、數(shù)值預(yù)報(bào)模式及同化技術(shù)等多個(gè)方面。在開(kāi)展再分析產(chǎn)品研制的過(guò)程中，首要任務(wù)是研發(fā)一套滿足再分析應(yīng)用需求的高質(zhì)量的觀測(cè)數(shù)據(jù)集。

風(fēng)廓線雷達(dá)資料時(shí)空分辨率較高，探測(cè)周期不超過(guò)6 min，垂直分辨率為幾十米到幾百米，具有反演風(fēng)場(chǎng)信息準(zhǔn)確、數(shù)據(jù)連續(xù)性好等特點(diǎn)，被認(rèn)為是常規(guī)探空之外高空風(fēng)資料的最直接來(lái)源(Beran and Wilfong,1998；董麗萍等，2014)。另一方面，歐洲、美國(guó)、日本、澳大利亞、中國(guó)等多個(gè)國(guó)家和地區(qū)的大量研究表明，高分辨率的風(fēng)廓線雷達(dá)資料更精細(xì)地刻畫(huà)了強(qiáng)對(duì)流天氣過(guò)程(黃鈺等，2020；黃小彥等，2020；王葉紅等，2019；潘勁松等，2019；徐珺等，2018)，為數(shù)值預(yù)報(bào)系統(tǒng)提供了更加豐富的局地中、小尺度信息的初始場(chǎng)，可明顯改善數(shù)值天氣預(yù)報(bào)的準(zhǔn)確率，尤其對(duì)短時(shí)臨近預(yù)報(bào)效果具有正貢獻(xiàn)(Kuo et al,1987；Bouttier,2001；WMO,2012；Bronwyn et al,2016)。

2013年，國(guó)家氣象信息中心牽頭啟動(dòng)了中國(guó)第一代全球大氣/陸面再分析產(chǎn)品(簡(jiǎn)稱CRA，1979年至今)的研制，其特色之一是盡可能使用國(guó)際已發(fā)布再分析產(chǎn)品未同化的中國(guó)特有觀測(cè)資料，其中包括中國(guó)風(fēng)廓線雷達(dá)資料(廖捷等，2018)。近年來(lái)，我國(guó)不斷推進(jìn)風(fēng)廓線雷達(dá)觀測(cè)網(wǎng)的建設(shè)，并規(guī)劃建成布局科學(xué)、功能先進(jìn)的風(fēng)廓線雷達(dá)網(wǎng)。目前，完成建設(shè)的風(fēng)廓線雷達(dá)近百部，70余部已投入業(yè)務(wù)運(yùn)行，尤其在華北、華東、華南等地區(qū)已經(jīng)初步形成了相對(duì)密集的風(fēng)廓線雷達(dá)網(wǎng)，可以獲取短波波動(dòng)等天氣系統(tǒng)連續(xù)詳實(shí)的風(fēng)場(chǎng)變化。但是，一方面，由于我國(guó)氣象部門早期沒(méi)有對(duì)風(fēng)廓線雷達(dá)資料進(jìn)行傳輸及質(zhì)量考核，缺報(bào)漏報(bào)、數(shù)據(jù)格式不符合規(guī)范等現(xiàn)象時(shí)有發(fā)生，加之風(fēng)廓線雷達(dá)型號(hào)及生產(chǎn)廠家不盡相同，雷達(dá)探測(cè)系統(tǒng)參數(shù)設(shè)計(jì)、計(jì)算方法不一致，致使不同型號(hào)風(fēng)廓線雷達(dá)資料時(shí)空代表性差異較大。另一方面，廠家提供的產(chǎn)品級(jí)數(shù)據(jù)簡(jiǎn)單地將可信度標(biāo)記為百分之百可信和零可信，處理方式較為籠統(tǒng)，影響數(shù)據(jù)的使用效果(朱立娟，2015)。因此，在將我國(guó)風(fēng)廓線雷達(dá)歷史資料提供給CRA應(yīng)用之前，最急需解決的就是該資料的質(zhì)量控制問(wèn)題。

在面向同化應(yīng)用的風(fēng)廓線雷達(dá)資料質(zhì)量控制技術(shù)方面，國(guó)內(nèi)學(xué)者積累了大量的研究工作。張旭斌等(2015)利用經(jīng)驗(yàn)正交函數(shù)法(EOF)對(duì)廣東地區(qū)13部風(fēng)廓線雷達(dá)資料進(jìn)行了質(zhì)量控制，并將其應(yīng)用于華南區(qū)域預(yù)報(bào)模式，證明了風(fēng)廓線雷達(dá)資料使短期降水預(yù)報(bào)有明顯改善。王丹等(2019)從風(fēng)廓線雷達(dá)徑向速度資料入手，經(jīng)兩步質(zhì)量控制方案之后，開(kāi)展了風(fēng)廓線雷達(dá)資料在臺(tái)風(fēng)蓮花個(gè)例中的同化試驗(yàn)。結(jié)果表明，同化風(fēng)廓線雷達(dá)資料能有效地調(diào)整臺(tái)風(fēng)降水區(qū)的動(dòng)力結(jié)構(gòu)和水汽分布，從而更好地預(yù)報(bào)降水的位置及強(qiáng)度。余貞壽等(2018)采用氣候極值檢查、一致性檢查、垂直稀疏化等算法對(duì)中國(guó)東部地區(qū)35部風(fēng)廓線雷達(dá)資料實(shí)施質(zhì)量控制，并基于中尺度模式(WRF)和美國(guó)俄克拉何馬大學(xué)風(fēng)暴分析預(yù)測(cè)中心的資料同化系統(tǒng)開(kāi)展了風(fēng)廓線雷達(dá)資料的同化試驗(yàn)。分析顯示同化風(fēng)廓線雷達(dá)資料后，浙江地區(qū)小雨和大雨的TS評(píng)分分別提高了0.06和0.07，降水預(yù)報(bào)漏報(bào)率和空?qǐng)?bào)率分別降低了0.04和0.05。但是，以上工作多為小范圍區(qū)域的站網(wǎng)個(gè)例試驗(yàn)，針對(duì)全國(guó)站網(wǎng)及早期歷史資料的質(zhì)量控制技術(shù)幾乎空白。

在國(guó)外，面向再分析產(chǎn)品應(yīng)用的質(zhì)量控制技術(shù)早已業(yè)務(wù)應(yīng)用，并發(fā)展成熟。日本在研制JRA-25及JRA-55再分析產(chǎn)品時(shí)，采用的風(fēng)廓線資料的質(zhì)量控制算法主要包括氣候檢查、粗大誤差檢查、空間一致性檢查以及黑名單。其中，粗大誤差檢查及空間一致性檢查采用動(dòng)態(tài)閾值參數(shù)，該參數(shù)的大小取決于局部水平梯度和背景場(chǎng)的變化趨勢(shì)。整套算法與日本氣象局業(yè)務(wù)使用的算法基本一致(Onogi et al,2007)。美國(guó)CFSR在同化應(yīng)用前采用NCEP觀測(cè)數(shù)據(jù)質(zhì)量控制軟件對(duì)多類常規(guī)資料進(jìn)行質(zhì)量控制(Saha et al,2014)。其中，風(fēng)廓線雷達(dá)資料采用的是綜合質(zhì)量控制算法(NCEP CQC)。該算法的核心思想是通過(guò)比較觀測(cè)值與背景場(chǎng)的差異來(lái)判斷風(fēng)場(chǎng)變化的一致性，從而進(jìn)行錯(cuò)誤數(shù)據(jù)的識(shí)別。主要包括增量檢查、時(shí)間一致性檢查、垂直一致性檢查及中值檢查等四步基本檢查，最后通過(guò)四步檢查得到的殘差綜合判斷風(fēng)場(chǎng)的可信性，并給出質(zhì)量控制碼(Dennis,2003)。

同樣是面向再分析的應(yīng)用需求，同樣是對(duì)風(fēng)廓線資料進(jìn)行質(zhì)量控制，能否利用NCEP CQC算法對(duì)我國(guó)的風(fēng)廓線雷達(dá)資料進(jìn)行質(zhì)量控制？該算法能否全部覆蓋中國(guó)風(fēng)廓線資料的錯(cuò)誤類型？算法能否滿足CRA的同化應(yīng)用需求？為了回答這些問(wèn)題，本文面向CRA的同化應(yīng)用需求，以重點(diǎn)解決中國(guó)風(fēng)廓線雷達(dá)資料的質(zhì)量控制為目的，針對(duì)中國(guó)風(fēng)廓線雷達(dá)資料的錯(cuò)誤類型，在NCEP CQC算法的基礎(chǔ)上，提出了一套適用于中國(guó)風(fēng)廓線雷達(dá)逐小時(shí)水平風(fēng)產(chǎn)品的質(zhì)量控制方法，并通過(guò)評(píng)估與探空資料的相關(guān)系數(shù)、平均偏差、均方根誤差等，分析了該質(zhì)量控制算法的效果。此外，以ERA-Interim資料為間接參考場(chǎng)，通過(guò)比較探空資料與不同型號(hào)、不同探測(cè)高度、不同時(shí)段風(fēng)廓線雷達(dá)資料相對(duì)ERA-Interim資料的偏差，討論了質(zhì)量控制前、后中國(guó)風(fēng)廓線雷達(dá)資料的整體質(zhì)量水平。

1 數(shù) 據(jù)

若將時(shí)間分辨率較高、包含高頻脈動(dòng)變化的風(fēng)場(chǎng)資料直接接入同化系統(tǒng)，很可能造成較大的分析誤差。NCEP、ECMWF等機(jī)構(gòu)在業(yè)務(wù)中均同化一小時(shí)分辨率的風(fēng)廓線雷達(dá)水平風(fēng)。因此，本文也采用一小時(shí)平均采樣高度上的產(chǎn)品文件作為輸入源。數(shù)據(jù)來(lái)源于國(guó)家氣象信息中心，時(shí)間序列長(zhǎng)度為2007年8月至2018年12月。在該時(shí)段內(nèi)，收到觀測(cè)數(shù)據(jù)的臺(tái)站共計(jì)112個(gè)，包括邊界層風(fēng)廓線雷達(dá)(簡(jiǎn)稱LC型)106個(gè)，對(duì)流層I型風(fēng)廓線雷達(dá)(簡(jiǎn)稱PA型)3個(gè)，對(duì)流層II型風(fēng)廓線雷達(dá)(簡(jiǎn)稱PB型)3個(gè)，臺(tái)站空間分布如圖1所示。在數(shù)據(jù)收集整理過(guò)程中發(fā)現(xiàn)，2016年以前，尤其在2009—2013年，多站出現(xiàn)了一小時(shí)內(nèi)上傳多個(gè)冗余文件的現(xiàn)象。在數(shù)據(jù)選用時(shí)，只選用離整點(diǎn)時(shí)間最近的一次文件。

圖1 2007年8月至2017年12月中國(guó)風(fēng)廓線雷達(dá)站點(diǎn)分布(紅色：LC型；綠色：PA型；藍(lán)色：PB型)

2 質(zhì)量控制方法

首先，利用中國(guó)風(fēng)廓線雷達(dá)資料對(duì)NCEP CQC算法的適用性進(jìn)行評(píng)估。在算法實(shí)施過(guò)程中，用于輔助算法綜合決策的背景場(chǎng)選用NECP FNL資料(NCEP,1999)。該資料分辨率為1°×1°，時(shí)間間隔為6 h，共有26個(gè)標(biāo)準(zhǔn)等壓層(1 000～10 hPa)、地表邊界層和對(duì)流層頂?shù)男畔?，文件頻率為每6小時(shí)(00、06、12、18 UTC)一次。在數(shù)據(jù)時(shí)空匹配處理時(shí)，利用雙線性插值法進(jìn)行插值。評(píng)估中發(fā)現(xiàn)，NCEP CQC算法不能完全覆蓋中國(guó)風(fēng)廓線雷達(dá)資料的所有錯(cuò)誤類型，尤其對(duì)兩類錯(cuò)誤數(shù)據(jù)的識(shí)別能力欠缺。第一類是在時(shí)間或空間上連續(xù)出現(xiàn)的異常值。第二類是由于個(gè)別站點(diǎn)在某時(shí)段內(nèi)因儀器故障、失靈、定標(biāo)不準(zhǔn)等而導(dǎo)致持續(xù)出現(xiàn)的系統(tǒng)性錯(cuò)誤數(shù)據(jù)。因此，在NCEP CQC算法之前增加允許值檢查、臺(tái)站氣候?qū)W界限值檢查來(lái)識(shí)別第一類錯(cuò)誤數(shù)據(jù)，在其后增加黑名單檢查來(lái)識(shí)別第二類錯(cuò)誤數(shù)據(jù)。改進(jìn)后的算法被稱為“國(guó)家氣象信息中心質(zhì)量控制算法”(簡(jiǎn)稱NMIC QC)，流程如圖2所示。

圖2 改進(jìn)后的質(zhì)量控制算法(NMIC QC)流程

NMIC QC的風(fēng)速允許值范圍來(lái)自國(guó)家氣象信息中心業(yè)務(wù)應(yīng)用的全球高空天氣報(bào)質(zhì)量控制方案，根據(jù)觀測(cè)位置的拔海高度，將風(fēng)速的允許值范圍分為五個(gè)等級(jí)(表1)。風(fēng)向的允許值范圍均為0°～360°。

表1 風(fēng)速允許值范圍

臺(tái)站氣候?qū)W界限值檢查主要判別的是超出氣候?qū)W有效值范圍的風(fēng)場(chǎng)數(shù)據(jù)。由于我國(guó)開(kāi)始風(fēng)廓線雷達(dá)觀測(cè)的時(shí)間不長(zhǎng)，大部分臺(tái)站數(shù)據(jù)的時(shí)間序列長(zhǎng)度還不能滿足統(tǒng)計(jì)分析氣候?qū)W界限值的條件。因此，采用距待檢風(fēng)廓線雷達(dá)站200 km以內(nèi)最近的L波段秒級(jí)探空臺(tái)站的氣候?qū)W界限值參數(shù)作為該站的氣候?qū)W界限值。該界限值利用近10年的質(zhì)量控制后的L波段秒級(jí)資料統(tǒng)計(jì)而來(lái)。在風(fēng)廓線雷達(dá)有效探測(cè)范圍內(nèi)，按照42個(gè)垂直厚度層提供參數(shù)。其中，700 hPa以下每20 hPa為一層；700～300 hPa每40 hPa為一層；300～100 hPa每20 hPa為一層；100～50 hPa每10 hPa為一層。由于風(fēng)廓線雷達(dá)與L波段秒級(jí)探空資料的垂直坐標(biāo)單位不同，為了便于匹配，采用WMO推薦使用的標(biāo)準(zhǔn)大氣公式(ISO,1975)將風(fēng)廓線雷達(dá)的觀測(cè)高度轉(zhuǎn)換為氣壓。具體算法如下：

(1)

式中:p為氣壓，單位為hPa；H為采樣層的海拔高度，單位為m；g為重力加速度，為9.806 65 m·s-2。

由于統(tǒng)計(jì)學(xué)的質(zhì)量控制算法很難全部覆蓋第二類錯(cuò)誤數(shù)據(jù)，ECMWF在業(yè)務(wù)系統(tǒng)中使用黑名單來(lái)解決此問(wèn)題，并采用質(zhì)量控制后的錯(cuò)誤率作為站點(diǎn)是否加入黑名單的判斷依據(jù)。本文沿用此方法，將每月單站錯(cuò)誤率大于20%的站點(diǎn)加入黑名單。

3 質(zhì)量控制效果評(píng)估

3.1 按雷達(dá)型號(hào)與最大探測(cè)高度范圍評(píng)估

國(guó)家氣象信息中心研制的全球高空定時(shí)值數(shù)據(jù)集(V3.0)整合了全球多個(gè)數(shù)據(jù)來(lái)源的探空?qǐng)?bào)文數(shù)據(jù)，其中包含了1950年以來(lái)中國(guó)近260個(gè)綜合探空站、單測(cè)風(fēng)站、科學(xué)試驗(yàn)站等的規(guī)定等壓面風(fēng)、特性層風(fēng)及規(guī)定高度層風(fēng)資料。數(shù)據(jù)經(jīng)過(guò)了允許值檢查、臺(tái)站氣候?qū)W界限值檢查、風(fēng)向風(fēng)速間一致性檢查以及風(fēng)切變檢查等多個(gè)步驟的質(zhì)量控制(Liao et al,2014)，并對(duì)質(zhì)量控制結(jié)果進(jìn)行了人工核查，可信度較高。本文采用數(shù)據(jù)集中質(zhì)量控制碼為正確的規(guī)定高度層風(fēng)數(shù)據(jù)作為“真值”，來(lái)檢驗(yàn)上述質(zhì)量控制算法的有效性。考慮到兩種資料在觀測(cè)時(shí)間、地點(diǎn)、垂直分辨率等方面的差異，本文只選取探空與風(fēng)廓線雷達(dá)的同址觀測(cè)站，且將時(shí)間00、12 UTC(個(gè)別包含探空06、18 UTC加密觀測(cè))的資料作為評(píng)估樣本，并采用雙線性插值法將探空資料垂直插值到風(fēng)廓線雷達(dá)探測(cè)高度。早期，探空與風(fēng)廓線雷達(dá)的同址觀測(cè)站只有2～5個(gè)。2016年，兩類觀測(cè)的同址觀測(cè)站增至9個(gè)，分別為烏魯木齊、北京大興、沈陽(yáng)、濟(jì)南、青島、武漢、南京、海口及三沙，其地理位置可覆蓋全國(guó)大部分地區(qū)，具有較好的代表性。在風(fēng)廓線雷達(dá)型號(hào)的基礎(chǔ)上，結(jié)合考慮雷達(dá)的最大探測(cè)高度(中國(guó)氣象局，2020；吳蕾等，2013)，將以上臺(tái)站分為PB型、增強(qiáng)LC型及LC型三類。其中，PB型的臺(tái)站為青島，最大探測(cè)高度為8 km。LC型的臺(tái)站為烏魯木齊、濟(jì)南及南京，最大探測(cè)高度為3 km。其他5個(gè)臺(tái)站均為增強(qiáng)LC型，最大探測(cè)高度為8 km。由于沒(méi)有匹配到與PA型風(fēng)廓線雷達(dá)同址觀測(cè)的探空站，因此，本節(jié)中暫不討論P(yáng)A型雷達(dá)的質(zhì)量控制效果。

圖3給出了2016年質(zhì)量控制前、經(jīng)NCEP CQC以及NMIC QC質(zhì)量控制后的三類中國(guó)風(fēng)廓線雷達(dá)資料與探空資料的u、v風(fēng)分量散點(diǎn)分布。其中，圖3a～3f、3g～3l、3m～3r分別對(duì)應(yīng)PB型、增強(qiáng)LC型及 LC型風(fēng)廓線雷達(dá)。藍(lán)色、黑色散點(diǎn)分別表示超出和未超出最大探測(cè)高度的數(shù)據(jù)。由圖6可以看出，質(zhì)量控制前的資料散點(diǎn)分布較為散亂，有明顯的離群資料，在零風(fēng)速附近存在不少偏差較大的點(diǎn)(圖3a、3g、3j、3m)，且分布在對(duì)角線以下的u風(fēng)分量散點(diǎn)數(shù)量偏多(圖3a、3g、3m)。經(jīng)過(guò)NCEP CQC質(zhì)量控制后，數(shù)據(jù)主要集中在對(duì)角線兩側(cè)，但仍有一些離群點(diǎn)存在。經(jīng)NMIC QC質(zhì)量控制后，資料更集中于對(duì)角線分布，紡錘形特征明顯，整體質(zhì)量顯著提高。

圖3 2016年中國(guó)風(fēng)廓線雷達(dá)資料(下標(biāo)p)與探空資料(下標(biāo)s)的散點(diǎn)分布(a，d，g，j，m，p)質(zhì)量控制前，(b，e，h，k，n，q)NCEP CQC，(c，f，i，l，o,r)NMIC QC(a～f)PB型，(g～l)增強(qiáng)LC型，(m～r)LC型(藍(lán)色：超出最大探測(cè)高度數(shù)據(jù)，黑色：最大探測(cè)高度范圍內(nèi)數(shù)據(jù))

進(jìn)一步計(jì)算兩類觀測(cè)資料的相關(guān)系數(shù)、平均偏差及均方根誤差,可以看出(表2)，質(zhì)量控制前，不同探測(cè)高度范圍的增強(qiáng)LC型雷達(dá)的u、v風(fēng)分量與探空資料的相關(guān)系數(shù)為0.17～0.53，平均偏差為-15.64～-0.05 m·s-1，均方根誤差為26.58～8.03 m·s-1。經(jīng)NCEP CQC質(zhì)量控制后，相關(guān)系數(shù)提升至0.68～0.88，平均偏差范圍縮小為-4.45～-0.25 m·s-1，均方根誤差減小為10.26～4.11 m·s-1。經(jīng)NMIC QC質(zhì)量控制后相關(guān)系數(shù)進(jìn)一步提升為0.92～0.98，平均偏差范圍進(jìn)一步縮小為-1.03～0.15 m·s-1，均方根誤差也減小為3.29～2.51 m·s-1。PB型及普通LC型雷達(dá)資料的結(jié)果類似。這一結(jié)果與國(guó)內(nèi)其他學(xué)者的研究結(jié)論一致(王棟成等，2019；吳蕾等，2014)，證明了上述算法的有效性。

表2 2016年三類中國(guó)風(fēng)廓線雷達(dá)相對(duì)探空測(cè)風(fēng)的相關(guān)系數(shù)、平均偏差及均方根誤差

根據(jù)風(fēng)廓線雷達(dá)探測(cè)原理，接收到的信號(hào)通常隨高度的增加而衰減，導(dǎo)致高層資料的誤差較大。因此，超出雷達(dá)最大探測(cè)范圍的資料可用性尤其值得關(guān)注。以u(píng)風(fēng)分量為例，質(zhì)量控制前，超出PB型和增強(qiáng)LC型雷達(dá)最大探測(cè)范圍的數(shù)據(jù)與探空資料的相關(guān)系數(shù)僅為0.18和0.17，平均偏差為-8.01和-15.64 m·s-1，均方根誤差為17.75和26.58 m·s-1。經(jīng)NMIC QC質(zhì)量控制后，相關(guān)系數(shù)上升至0.88和0.98，平均偏差減小為-3.13和-4.45 m·s-1，均方根誤差也減小為4.94和3.29 m·s-1。其中，PB型雷達(dá)資料質(zhì)量控制后的結(jié)果欠佳，與該型號(hào)樣本總量偏小有關(guān)。以上數(shù)據(jù)表明，采用NMIC QC算法，超出最大探測(cè)范圍數(shù)據(jù)的與探空雖有一定偏差，但制定合理的觀測(cè)誤差后，仍可提供用戶使用。從質(zhì)量控制前后的數(shù)據(jù)量變化可以看出，NMIC QC比NCEP CQC方法的數(shù)據(jù)剔除比例高，這主要是因?yàn)樵诓煌慕y(tǒng)計(jì)時(shí)段，三類雷達(dá)均有相應(yīng)的站點(diǎn)被加入了黑名單。

3.2 按觀測(cè)時(shí)間范圍評(píng)估

由于風(fēng)廓線雷達(dá)與探空資料的匹配站點(diǎn)有限，為了了解質(zhì)量控制后的中國(guó)風(fēng)廓線雷達(dá)資料的整體質(zhì)量水平，避免質(zhì)量較差的觀測(cè)數(shù)據(jù)對(duì)再分析同化應(yīng)用造成負(fù)面影響，同時(shí)，也為同化期間觀測(cè)誤差的設(shè)定提供依據(jù)，需要一套時(shí)間序列長(zhǎng)、高質(zhì)量、高分辨率的資料進(jìn)行評(píng)估。再分析資料并不是觀測(cè)值，與觀測(cè)存在一定的偏差，但能夠反映長(zhǎng)時(shí)間尺度上大氣的平均狀態(tài)，可以作為間接參考場(chǎng)。如果同一套再分析資料與同一區(qū)域的探空資料、風(fēng)廓線雷達(dá)資料的偏差相當(dāng)，可以間接證明風(fēng)廓線雷達(dá)與探空資料的偏差很小，質(zhì)量可信。如果再分析資料與探空資料的偏差很小，但與風(fēng)廓線雷達(dá)資料的偏差很大，可以反映出再分析資料相對(duì)可信，但風(fēng)廓線雷達(dá)資料的質(zhì)量存在一定問(wèn)題。李慶雷等(2018)、張寅等(2017)和傲雪等(2018)研究表明,ERA-Interim再分析資料與中國(guó)風(fēng)場(chǎng)觀測(cè)資料的相關(guān)性較好，因此，本文選用該資料作為間接參考場(chǎng)，評(píng)估了中國(guó)探空資料和質(zhì)量控制前后的風(fēng)廓線雷達(dá)資料相對(duì)ERA-Interim再分析資料的逐月平均偏差及均方根誤差(圖4)。為了便于對(duì)比，利用GSI V3.6版同化系統(tǒng)(GSI，2017)將所有數(shù)據(jù)統(tǒng)一插值到模式層進(jìn)行分析。

從圖4a可以看出，中國(guó)探空資料與ERA-Interim資料的u風(fēng)分量月平均偏差一直穩(wěn)定在0 m·s-1附近，均方根誤差為3 m·s-1左右。2014年以后質(zhì)量控制前的風(fēng)廓線雷達(dá)資料與ERA-Interim資料的平均偏差及均方根誤差曲線平穩(wěn)，峰值出現(xiàn)在2016年2月及2017年1月，平均偏差為-2 m·s-1，與探空資料相差2 m·s-1，均方根誤差為8 m·s-1，與探空資料相差5 m·s-1。經(jīng)NMIC QC質(zhì)量控制后，兩次平均偏差高峰均降低至-1～0 m·s-1范圍內(nèi)，均方根誤差降至4 m·s-1以下。而2014年以前，質(zhì)量控制前的風(fēng)廓線雷達(dá)資料與ERA-Interim資料差異較大，平均偏差及均方根誤差數(shù)值存在較大波動(dòng)，峰值出現(xiàn)在2010年12月，平均偏差達(dá)到-13 m·s-1，與探空資料相差13 m·s-1，均方根誤差達(dá)到32 m·s-1，與探空資料相差30 m·s-1。經(jīng)NMIC QC質(zhì)量控制后，2009年2月、2010年12月以及2012年2月的3次平均偏差高峰均縮減至±2 m·s-1范圍內(nèi)，均方根誤差降至5 m·s-1s以下，與2014年以后的質(zhì)量水平相當(dāng)，與探空資料的平均偏差及均方根誤差曲線更加接近。從數(shù)據(jù)量方面來(lái)看，相比2014年以后，2014年以前NMIC QC算法的剔除數(shù)據(jù)量更大。造成中國(guó)風(fēng)廓線雷達(dá)資料質(zhì)量在2014年前后的差異原因是早期歷史數(shù)據(jù)沒(méi)有進(jìn)行業(yè)務(wù)傳輸考核，質(zhì)量控制算法識(shí)別的錯(cuò)誤類型在該段時(shí)間發(fā)生的概率較大，2014年以后，觀測(cè)業(yè)務(wù)逐步完善，錯(cuò)誤數(shù)據(jù)量明顯減少，這也與我國(guó)風(fēng)廓線雷達(dá)觀測(cè)網(wǎng)的發(fā)展歷史相吻合。

圖4 2007—2017年中國(guó)探空資料和經(jīng)NMIC QC質(zhì)量控制前后的中國(guó)風(fēng)廓線資料的數(shù)量變化(a1，b1)及相對(duì)于ERA-Interim的月平均偏差(Bias,下同；a2，b2)及均方根誤差(RMSE，下同；a3，b3)(a)u風(fēng)分量，(b)v風(fēng)分量

3.3 按垂直層次評(píng)估

以2014年為例，進(jìn)一步對(duì)比探空資料與不同型號(hào)的風(fēng)廓線雷達(dá)資料在不同垂直層次上相對(duì)ERA-Interim的平均偏差(圖5)及均方根誤差(圖6)。從圖5a～5d可以看出，探空資料與ERA-Interim資料在各垂直層的偏差均在0 m·s-1附近。質(zhì)量控制以前，各類型風(fēng)廓線雷達(dá)相對(duì)探空的u風(fēng)分量整體呈負(fù)偏差，最大探測(cè)高度以上層次的平均偏差普遍大于最大探測(cè)高度以下層次。如：LC型雷達(dá)在200 hPa 以上層次的偏差明顯變大，100 hPa高度層的平均偏差達(dá)-31 m·s-1。經(jīng)NMIC QC質(zhì)量控制以后，各型號(hào)雷達(dá)在各層的平均偏差均不同程度的減少，與探空資料的垂直偏差曲線更加接近。其中，PA型雷達(dá)100 hPa以下及PB型、增強(qiáng)LC型雷達(dá)各層的平均偏差均縮減為-2～0 m·s-1，且曲線在最大探測(cè)高度以上及以下層次不再有較大波動(dòng)。雖然，經(jīng)質(zhì)量控制以后，LC型雷達(dá)在300 hPa以上的平均偏差仍小于-5 m·s-1，但200 hPa以上的偏差較大數(shù)據(jù)已被全部剔除。從圖5e～5h可以看出，質(zhì)量控制以前，PA型和增強(qiáng)LC型雷達(dá)v風(fēng)分量的平均偏差在最大探測(cè)高度上、下差異不明顯，均在-1～3 m·s-1范圍內(nèi)。PB型雷達(dá)在700～300 hPa高度范圍與探空資料有3 m·s-1左右的偏差。LC型雷達(dá)在200 hPa以上層偏差較大，100 hPa的平均偏差已達(dá)到15 m·s-1。經(jīng)質(zhì)量控制以后，PB型雷達(dá)在925～300 hPa層次的偏差均減小約1 m·s-1，與探空資料的偏差曲線更加接近。LC型雷達(dá)200 hPa以上的偏差較大的數(shù)據(jù)已被全部剔除?？傮w上看，質(zhì)量控制以后的中國(guó)風(fēng)廓線雷達(dá)資料相對(duì)ERA-Interim資料在各層的平均偏差與探空資料的偏差曲線更加接近，最大探測(cè)高度以上及以下的資料偏差差異減小。

圖5 2014年質(zhì)量控制前(藍(lán)色虛線)與NMIC QC后(藍(lán)色實(shí)線)的不同型號(hào)風(fēng)廓線雷達(dá)資料與探空資料(紅線)相對(duì)ERA-Interim的平均偏差垂直空間分布(a～d)u風(fēng)分量，(e～h)v風(fēng)分量(a，e)PA型，(b，f)PB型,(c，g)增強(qiáng)LC型，(d，h)LC型(黑線為最大探測(cè)高度)

從圖6可以看出，均方根誤差曲線與相對(duì)偏差曲線的分布特征相似。探空的u風(fēng)分量相對(duì)ERA-Interim的均方根誤差為2～4 m·s-1。質(zhì)量控制以前，PA型雷達(dá)100 hPa以下各層的均方根誤差較探空資料相差2 m·s-1以內(nèi)。在最大探測(cè)高度以下，LC型雷達(dá)資料的均方根誤差與探空資料相差在1 m·s-1以內(nèi)，但200 hPa以上的均方根誤差突然增大，在100 hPa層，u風(fēng)分量的均方根誤差達(dá)到38 m·s-1。PB型和增強(qiáng)LC型雷達(dá)在最大探測(cè)高度附近的均方根誤差也分別達(dá)到9、8 m·s-1。經(jīng)質(zhì)量控制以后，各型號(hào)雷達(dá)在各層的均方根誤差均有所減小，特別是最大探測(cè)高度以上層次。如：增強(qiáng)LC型雷達(dá)200 hPa層的均方根誤差從13 m·s-1縮小至5 m·s-1，LC型雷達(dá)200 hPa以上層的粗大誤差數(shù)據(jù)被剔除。經(jīng)質(zhì)量控制后，PB型、增強(qiáng)LC型與LC型雷達(dá)的均方根誤差曲線與探空更為接近。v風(fēng)分量的情況類似。

4 應(yīng)用情況

經(jīng)NMIC QC質(zhì)量控制后的2007—2018年中國(guó)風(fēng)廓線雷達(dá)資料已提供CRA同化應(yīng)用，其中歷史數(shù)據(jù)的黑名單單獨(dú)提供。表3為2007—2018年中國(guó)和美國(guó)風(fēng)廓線雷達(dá)資料進(jìn)入再分析系統(tǒng)的數(shù)據(jù)量和同化率。其中，美國(guó)資料來(lái)源于CFSR再分析產(chǎn)品同化輸入的觀測(cè)資料，數(shù)據(jù)截止時(shí)間為2014年。從表3可以看出，中國(guó)資料同化率較低的時(shí)段為2008—2010年，這是由于這段時(shí)間加入黑名單的站點(diǎn)較多，與本文3.2節(jié)所述結(jié)論一致。整體上看，中國(guó)資料的同化率在88.10%～97.21%，說(shuō)明質(zhì)量控制后的中國(guó)資料可基本滿足再分析同化應(yīng)用的需求，美國(guó)資料的同化率在91.37%～95.49%，與中國(guó)資料的同化率在同一數(shù)值范圍，可間接證明質(zhì)量控制后的中國(guó)風(fēng)廓線雷達(dá)資料與美國(guó)資料的質(zhì)量相當(dāng)。

表3 2007—2014年中國(guó)和美國(guó)風(fēng)廓線雷達(dá)資料進(jìn)入再分析系統(tǒng)的數(shù)據(jù)量和同化率

5 結(jié) 論

面向再分析的同化應(yīng)用需求，本文針對(duì)中國(guó)風(fēng)廓線雷達(dá)資料特點(diǎn)，在NCEP CQC算法的基礎(chǔ)上，提出一套適用于中國(guó)風(fēng)廓線雷達(dá)逐小時(shí)水平風(fēng)產(chǎn)品的質(zhì)量控制方法。通過(guò)對(duì)比質(zhì)量控制前后中國(guó)風(fēng)廓線雷達(dá)資料與探空資料的相關(guān)系數(shù)、平均偏差及均方根誤差，討論了質(zhì)量控制方案的有效性。此外，以2007年8月至2017年12月的風(fēng)廓線雷達(dá)資料作為樣本，以ERA-Interim資料作為間接參考場(chǎng)，通過(guò)比較探空資料與不同型號(hào)、不同探測(cè)高度范圍、不同觀測(cè)時(shí)段、不同垂直層次風(fēng)廓線雷達(dá)資料相對(duì)ERA-Interim資料的偏差，分析了質(zhì)量控制前后中國(guó)風(fēng)廓線雷達(dá)資料質(zhì)量。主要結(jié)論如下：

(1)通過(guò)統(tǒng)計(jì)分析中國(guó)風(fēng)廓線雷達(dá)與探空數(shù)據(jù)質(zhì)量控制前后的相關(guān)系數(shù)、平均偏差及均方根誤差表明，質(zhì)量控制以前，不同探測(cè)高度范圍的各類風(fēng)廓線雷達(dá)資料與探空資料均有較大偏差，經(jīng)NCEP CQC質(zhì)量控制后，可去除明顯的離群資料，經(jīng)NMIC QC后，可進(jìn)一步剔除數(shù)據(jù)中的粗大誤差、系統(tǒng)性故障等錯(cuò)誤數(shù)據(jù)，不同雷達(dá)型號(hào)、不同探測(cè)高度資料的相關(guān)系數(shù)從0.17～0.82上升至0.79～0.98，兩類觀測(cè)資料表現(xiàn)出更好的一致性特征。

(2)經(jīng)NMIC QC質(zhì)量控制后，中國(guó)風(fēng)廓線雷達(dá)資料與ERA-Interim再分析資料的平均偏差及均方根誤差曲線與探空資料相對(duì)該資料的偏差曲線更為接近，這能夠反映質(zhì)量控制算法使風(fēng)廓線雷達(dá)資料的質(zhì)量有所提升。從觀測(cè)時(shí)段看，2014年以后的中國(guó)風(fēng)廓線雷達(dá)資料質(zhì)量明顯優(yōu)于2014年以前，這與我國(guó)風(fēng)廓線雷達(dá)觀測(cè)網(wǎng)的發(fā)展歷史及業(yè)務(wù)管理緊密相關(guān)。從垂直分布來(lái)看，最大探測(cè)高度范圍以外數(shù)據(jù)的平均偏差較大，但經(jīng)質(zhì)量控制以后，除LC型雷達(dá)的u風(fēng)分量在300 hPa以上仍有5 m·s-1左右的偏差外，其他型號(hào)雷達(dá)的u、v風(fēng)分量在各垂直層的平均偏差均在3 m·s-1以內(nèi)，這也證明質(zhì)量控制算法具有識(shí)別高層粗大誤差數(shù)據(jù)的能力，使最大探測(cè)高度以外的數(shù)據(jù)得到有效利用。

(3)通過(guò)比較中國(guó)、美國(guó)風(fēng)廓線資料進(jìn)入CRA再分析同化系統(tǒng)的同化率，證明了質(zhì)量控制后的中國(guó)風(fēng)廓線雷達(dá)資料與美國(guó)風(fēng)廓線資料質(zhì)量基本相當(dāng)。

本文的研究工作為以后開(kāi)展風(fēng)廓線雷達(dá)資料的業(yè)務(wù)應(yīng)用積累了經(jīng)驗(yàn)。但是由于風(fēng)廓線雷達(dá)資料的誤差來(lái)源廣泛，隨機(jī)性較強(qiáng)，該工作仍需進(jìn)一步完善，包括：深入了解我國(guó)風(fēng)廓線雷達(dá)觀測(cè)端的數(shù)據(jù)問(wèn)題，嘗試從信號(hào)污染及反演算法等角度，解決高層誤差較大的問(wèn)題，進(jìn)一步完善質(zhì)量控制算法流程；選取不同時(shí)段、不同區(qū)域的個(gè)例，開(kāi)展風(fēng)廓線雷達(dá)資料在CRA再分析產(chǎn)品的應(yīng)用效果分析，進(jìn)一步評(píng)估風(fēng)廓線雷達(dá)資料對(duì)同化應(yīng)用的貢獻(xiàn)。

致 謝：文中與ERA-Interim資料的對(duì)比工作是利用常規(guī)與衛(wèi)星資料質(zhì)量預(yù)評(píng)估系統(tǒng)完成的，該軟件的開(kāi)發(fā)人員姜立鵬、張濤等人在該工作開(kāi)展期間給予了很多指導(dǎo)與幫助，在此致謝！