沈菲菲，閔錦忠，李泓，許冬梅,3,4*，邢建勇，束艾青，宋麗欣

(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.中國(guó)氣象局上海臺(tái)風(fēng)研究所，上海 200030；3.中國(guó)氣象局沈陽(yáng)大氣環(huán)境研究所，遼寧 沈陽(yáng) 110166；4.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，四川 成都 610225；5.國(guó)家海洋環(huán)境預(yù)報(bào)中心，北京 100081)

1 引言

自20世紀(jì)90年代以來(lái)，由于大氣輻射傳輸模式、數(shù)據(jù)同化技術(shù)的迅速發(fā)展以及眾多新型氣象衛(wèi)星的發(fā)射，衛(wèi)星觀測(cè)資料已成為數(shù)值天氣預(yù)報(bào)（Numerical Weather Prediction，NWP）中使用的觀測(cè)資料的主要來(lái)源之一。針對(duì)衛(wèi)星輻射率觀測(cè)資料，給定大氣狀態(tài)、衛(wèi)星掃描方式和固定地表屬性，就可以通過(guò)快速輻射傳輸模式來(lái)獲取模擬輻射率，然后根據(jù)模擬輻射率和觀測(cè)輻射率的差異對(duì)數(shù)值模式模擬背景場(chǎng)進(jìn)行調(diào)整并獲取當(dāng)前大氣狀態(tài)的最優(yōu)分析[1]。前人的大量研究工作表明在全球[1–9]和區(qū)域模式[10–17]中直接同化衛(wèi)星輻射率資料可以有效提高數(shù)值預(yù)報(bào)的準(zhǔn)確性。

到目前為止，衛(wèi)星輻射率資料的直接同化已被公認(rèn)為可以有效地減少數(shù)值天氣預(yù)報(bào)誤差。在開闊的洋面上，常規(guī)業(yè)務(wù)觀測(cè)資料相對(duì)較少，這給人類對(duì)熱帶氣旋的分析和預(yù)報(bào)帶來(lái)一定的困難和挑戰(zhàn)。在過(guò)去的數(shù)十年里，很多專家學(xué)者一直致力于衛(wèi)星觀測(cè)資料的直接同化來(lái)有效改善對(duì)熱帶氣旋路徑和強(qiáng)度的預(yù)報(bào)[18–26]。全球衛(wèi)星降水計(jì)劃[27]（Global Precipitation Measurement，GPM）由美國(guó)國(guó)家航空航天局（National Aeronautics and Space Administration，NASA）和日本宇宙航空研究開發(fā)機(jī)構(gòu)（Japan Aerospace Exploration Agency，JAXA）聯(lián)合發(fā)起，旨在監(jiān)測(cè)全球降水情況并有效提高天氣預(yù)報(bào)的精確度。GPM的主衛(wèi)星于2014年2月28日發(fā)射升空，其上搭載了星載雙頻測(cè)雨雷達(dá) (Dual-frequency Precipitation Radar，DPR)和一架錐形多通道GPM微波成像儀（GPM Microwave Imager，GMI）。GMI不僅繼承了其上一代熱帶測(cè)雨衛(wèi)星(Tropical Rainfall Measuring Mission，TRMM) 微波成像儀 (TRMM Microwave Imager，TMI)[28]監(jiān)測(cè)大雨到小雨的9個(gè)通道，而且增加了4個(gè)有效監(jiān)測(cè)降雪的高頻通道。此外，GMI空間分辨率是TMI空間分辨率的2倍，相比以往的衛(wèi)星降水產(chǎn)品具有更高的空間分辨率。

與上一代TRMM衛(wèi)星相比，GPM衛(wèi)星的性能有了較大的改進(jìn)。同時(shí)前人在衛(wèi)星資料同化改進(jìn)對(duì)臺(tái)風(fēng)的預(yù)報(bào)方面也做了大量研究并取得了令人鼓舞的研究成果。然而到目前為止，針對(duì)新一代GMI微波成像儀資料在有限區(qū)域尺度下的直接同化研究工作開展還較少，仍然有大量細(xì)節(jié)的工作有待進(jìn)一步開展。因此本文擬采用美國(guó)新一代中尺度數(shù)值模式（Weather Research and Forecasting Model，WRF）及其三維變分同化系統(tǒng)（Three Dimensional Variational Data Assimilation System，3DVAR），以 2014年臺(tái)風(fēng)“麥德姆”為例，考察GMI資料直接同化對(duì)臺(tái)風(fēng)“麥德姆”分析和預(yù)報(bào)的影響。

2 觀測(cè)資料和同化系統(tǒng)

2.1 GMI微波成像儀資料

GMI微波成像儀是NASA與JAXA聯(lián)合研發(fā)的無(wú)源輻射計(jì)[27]。主要用來(lái)測(cè)量云層內(nèi)的降水信息。GMI采用錐形對(duì)地掃描方式，掃描寬度為885 km，其視場(chǎng)為一個(gè)橢圓。另外GMI天線直徑從其上一代TMI的 61 cm 提升到 1.2 m，從而可以獲取更高的空間分辨率。在探測(cè)頻段方面，GMI包含低頻（10～89 GHz）和高頻（166～183 GHz）共 8 個(gè)頻率 13 個(gè)通道。通道 1 至 9 的頻率（10～89 GHz）與其上一代 TMI微波成像儀類似。其中10 GHz的低頻通道只對(duì)液態(tài)降水較為敏感，主要監(jiān)測(cè)對(duì)流層下部的降水和水汽分布。183 GHz的高頻通道則對(duì)大氣深度進(jìn)行探測(cè)，該通道對(duì)冰相態(tài)的水凝物較為敏感，因此可以探測(cè)到小冰粒子的散射信號(hào)。GMI的另外4個(gè)高頻通道則用來(lái)監(jiān)測(cè)小雨和降雪。GMI不僅具有探測(cè)降水的能力，還有將覆蓋范圍擴(kuò)展到中緯度地區(qū)的能力。

2.2 WRFDA 同化系統(tǒng)

WRFDA(Weather Research and Forecasting Model Data Assimilation System)同化系統(tǒng)是由美國(guó)國(guó)家大氣研究中心（National Center for Atmospheric Research，NCAR）開發(fā)并維護(hù)的一個(gè)資料同化系統(tǒng)，與中尺度數(shù)值模式WRF相匹配。它由三維變分（3DVAR）、四維變分（Four Dimensional Variational Data Assimilation System，4DVAR）以及混合同化等幾部分[29]組成。本研究工作在WRFDA同化系統(tǒng)上進(jìn)行了擴(kuò)展，自主搭建了適用于GMI資料同化的模塊。為了對(duì)新搭建的同化模塊進(jìn)行檢驗(yàn)和測(cè)試，本文采用傳統(tǒng)的3DVAR同化方法，該方法是通過(guò)代價(jià)函數(shù)J(x)的迭代極小化來(lái)提供最佳分析場(chǎng)

表1 全球衛(wèi)星降水計(jì)劃微波成像儀傳感器特性Table 1 Global precipitatior measurement microwave imager sensor characteristics

式中，x為分析變量（分析向量）；xb為背景場(chǎng)，一般為模式預(yù)報(bào)場(chǎng)；B為背景誤差協(xié)方差矩陣；O為觀測(cè)誤差協(xié)方差矩陣[30]；B?1為B的逆矩陣；O?1為O的逆矩陣；為分析變量的觀測(cè)相當(dāng)量[31]。

2.3 GMI同化模塊構(gòu)建

由于當(dāng)前WRFDA同化系統(tǒng)不具備GMI微波成像儀資料的同化功能，因此首先需要搭建針對(duì)GMI資料的同化模塊。本文采用CRTM（Community Radiative Transfer Model）輻射傳輸模式來(lái)對(duì) GMI資料進(jìn)行模擬計(jì)算，從 HDF5(Hierarchical Data Format 5)格式的GMI Level 1資料中讀取掃描時(shí)間、地球入射角和方位角、太陽(yáng)方位角和高度角、經(jīng)緯度信息、亮溫值來(lái)為背景場(chǎng)的模擬計(jì)算亮溫提供輸入信息。另一方面對(duì)觀測(cè)資料進(jìn)行質(zhì)量控制的云中液態(tài)水路徑值（Cloud Liquid Water Path，CLWP）則從 Level 2 文件中讀取。

在同化系統(tǒng)中，觀測(cè)資料質(zhì)量控制非常重要。為了確保試驗(yàn)結(jié)果的正確性，本文在沿用了一些其他衛(wèi)星觀測(cè)資料的質(zhì)量控制方法的同時(shí)還增加了適用于GMI資料特有的質(zhì)量控制方案。最后確定使用的GMI的質(zhì)量控制方法包括以下幾點(diǎn)：

（1）在讀取GMI觀測(cè)資料時(shí)剔除異常觀測(cè)值，例如小于50 K和大于550 K的觀測(cè)；

（2）考慮到陸地地表復(fù)雜的下墊面，本文只同化海上觀測(cè)，剔除了陸地上的觀測(cè)以及海洋表面類型較為復(fù)雜的觀測(cè)；

（3）根據(jù)觀測(cè)與背景模擬亮溫的差異進(jìn)行檢驗(yàn)，剔除超過(guò)特定閾值的觀測(cè)（表2）；

（4）進(jìn)一步剔除偏差訂正后觀測(cè)殘差大于3σ0的觀測(cè)，σ0為觀測(cè)標(biāo)準(zhǔn)差（表2）；

表2 全球衛(wèi)星降水計(jì)劃微波成像儀通道5，6，7的觀測(cè)誤差、云中液態(tài)水路徑值和觀測(cè)殘差檢驗(yàn)閥值Table 2 The observation errors of channel 5,6,7 from global precipitation measurement microwave imager,cloud liquid water path check and quality control thresholds for absolute innovation

（5）通過(guò)觀測(cè)的CLWP，剔除CLWP超過(guò)閾值的觀測(cè)（表2），其閾值參照楊春等[32]同一頻段的設(shè)置。

（6）由于通道 1 和通道 2（10 GHz）受地表發(fā)射率的影響較大，通道8和通道9（89.0 GHz）對(duì)對(duì)流降水區(qū)域比較敏感。參照楊春等[32]的研究，本文只使用通道 5，6，7 的觀測(cè)數(shù)據(jù)。

本文采用2014年7月10?25日的GMI微波成像儀資料對(duì)觀測(cè)誤差進(jìn)行統(tǒng)計(jì)。根據(jù)該段時(shí)間內(nèi)觀測(cè)亮溫值和晴空模擬亮溫值的差異，計(jì)算其標(biāo)準(zhǔn)差作為觀測(cè)誤差[24]。另一方面，衛(wèi)星觀測(cè)資料往往會(huì)有一些系統(tǒng)性偏差，所以在進(jìn)行GMI觀測(cè)資料同化前要進(jìn)行偏差訂正處理。通常用一些預(yù)報(bào)因子的線性組合來(lái)表示輻射率偏差：

式中，該等式右邊由3項(xiàng)組成：第1項(xiàng)：H(x)為初始觀測(cè)算子（偏差訂正前），x為模式狀態(tài)向量；第2項(xiàng)：β0為總偏差的常量部分；第3項(xiàng)中pi和βi為 第i個(gè)預(yù)報(bào)因子和偏差訂正系數(shù)。等式左邊：為修改訂正過(guò)的觀測(cè)算子。偏差訂正系數(shù) β通常假設(shè)通道內(nèi)相互獨(dú)立，并且可以通過(guò)變分極小化算法進(jìn)行離線計(jì)算[32]，這種方法被稱為變分偏差訂正（Variational Bias Correction，VarBC）[33–34]。本研究運(yùn)用 WRFDA 的 VarBC離線計(jì)算模式，使用2014年7月10?25日的GMI觀測(cè)，統(tǒng)計(jì)得到GMI同化初始時(shí)刻的偏差訂正系數(shù)。

3 臺(tái)風(fēng)個(gè)例試驗(yàn)

3.1 個(gè)例介紹

本文以2014年7月的臺(tái)風(fēng)“麥德姆”為研究個(gè)例。7月17日18時(shí)（協(xié)調(diào)世界時(shí)，下同），“麥德姆”生成于菲律賓以東的西北太平洋洋面上（圖1）。7月19日20時(shí)，美國(guó)聯(lián)合臺(tái)風(fēng)警報(bào)中心（Joint Typhoon Warning Center，JTWC）將其升級(jí)為一級(jí)臺(tái)風(fēng)。7 月23日00時(shí)在臺(tái)灣臺(tái)東縣長(zhǎng)濱鄉(xiāng)沿海登陸，登陸時(shí)中心附近最大風(fēng)力達(dá)14級(jí)，中心最低氣壓為955 hPa。7月23日15時(shí)30分在福建省福清市高山鎮(zhèn)沿海登陸，登陸時(shí)中心附近最大風(fēng)力為11級(jí)，中心最低氣壓為980 hPa。臺(tái)風(fēng)登陸后減弱至熱帶風(fēng)暴，先向西移動(dòng)，后向偏北方向移動(dòng)，途經(jīng)福建?江西?安徽?江蘇；7月25日09時(shí)登陸山東榮成，然后穿過(guò)山東半島東部后進(jìn)入黃海北部海面，變性為溫帶氣旋，中央氣象臺(tái)對(duì)其停止編號(hào)。截至2014年7月27日09時(shí)，受臺(tái)風(fēng)影響共有254.3萬(wàn)人受災(zāi)，13人死亡，近2 600間房屋倒塌。臺(tái)風(fēng)造成的直接經(jīng)濟(jì)損失約33.7億元。

圖1 2014 年臺(tái)風(fēng)“麥德姆”路徑Fig.1 The track of typhoon Matmo in 2014

3.2 試驗(yàn)設(shè)計(jì)

本文采用WRFV3.9.1的ARW(Advanced Research WRF) 版本作為預(yù)報(bào)模式。模擬區(qū)域（圖2）中心在17°N，117.30°E，格距為 9 km，模式層頂氣壓為 10 hPa，垂直方向?yàn)?3層。由美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction，NCEP) 1°×1°

分辨率的再分析資料提供初邊界條件。模式參數(shù)化方案包括：WSM6（WRF Single-Moment 6-Class）類方案[35]，Tiedtke 對(duì)流參數(shù)化方案[36–37]，YSU（Yonsei Uni-versity）[38]邊界層方案，RRTMG（Rapid Radiative Transfer Model for GCMs）短波輻射和長(zhǎng)波輻射方案[39]，unified Noah地表模式[40]以及Monin-Obukhov近地面層處理方法[41]。

圖2 2014年7月21日16 時(shí)模式模擬區(qū)域的 GTS 觀測(cè)資料水平分布Fig.2 The distribution of GTS observations in the simulation domain at 16:00 UTC on July 21,2014

本文試驗(yàn)流程如下：首先從2014年7月21日12時(shí)進(jìn)行 4 h的 spin-up預(yù)報(bào)，然后以 2014年 7月21日16時(shí)的預(yù)報(bào)場(chǎng)作為背景場(chǎng)來(lái)進(jìn)行同化，隨后進(jìn)行72 h確定性預(yù)報(bào)。試驗(yàn)設(shè)計(jì)分為兩組：試驗(yàn)一為控制試驗(yàn)（ctnl試驗(yàn)），只同化 GTS（Global Telecommunications System）常規(guī)觀測(cè)資料，其中GTS觀測(cè)資料包括了飛機(jī)報(bào)、船舶報(bào)、探空?qǐng)?bào)、衛(wèi)星云導(dǎo)風(fēng)資料、地面測(cè)站等常規(guī)觀測(cè)資料；圖2 為2014年7月21日16時(shí)模擬區(qū)域的GTS觀測(cè)資料分布。試驗(yàn)二在試驗(yàn)一的基礎(chǔ)上進(jìn)一步同化了GMI資料（clear試驗(yàn)），本文對(duì)GMI資料采用90 km的稀疏化處理從而避免相鄰觀測(cè)之間的潛在相關(guān)性。同化中的背景誤差協(xié)方差采用 NMC（National Meteorological Center）方法[30]生成具體做法：對(duì)2014年7月1日至7月30日，每天的00:00 UTC 和 12:00 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。控制變量包括流函數(shù)、非平衡速度勢(shì)、非平衡溫度、假比濕和非平衡地面氣壓。在統(tǒng)計(jì)背景誤差協(xié)方差過(guò)程中，由于采用了與流函數(shù)之間的非平衡量作為控制變量，進(jìn)一步改進(jìn)變量間的平衡關(guān)系。

4 檢驗(yàn)結(jié)果分析

4.1 GMI觀測(cè)模擬

圖3為2014年7月21日16時(shí)GMI通道6的觀測(cè)亮溫、背景場(chǎng)模擬亮溫和分析場(chǎng)模擬亮溫圖。從圖3a可以看出，在同化窗口中共有2條掃描軌道經(jīng)過(guò)，其中從左向右的第2條軌道正好覆蓋了臺(tái)風(fēng)“麥德姆”的部分區(qū)域，且能發(fā)現(xiàn)清晰的螺旋云帶，從中國(guó)臺(tái)灣南部沿海一直延伸到菲律賓海，因此本文選取該時(shí)刻作為分析時(shí)刻，進(jìn)一步考察GMI同化對(duì)臺(tái)風(fēng)“麥德姆”的分析和預(yù)報(bào)改進(jìn)效果[42]；圖3b是模式背景場(chǎng)模擬亮溫分布，該背景場(chǎng)由4 h spin-up預(yù)報(bào)生成。由圖可以發(fā)現(xiàn)整個(gè)試驗(yàn)區(qū)有兩條掃描軌道經(jīng)過(guò)，臺(tái)風(fēng)“麥德姆”的螺旋云帶不夠清晰。從背景場(chǎng)以及臺(tái)風(fēng)“麥德姆”的內(nèi)核區(qū)來(lái)看，整體量級(jí)比觀測(cè)亮溫要偏弱；圖3c是分析場(chǎng)模擬亮溫分布，可以發(fā)現(xiàn)在臺(tái)風(fēng)區(qū)域模擬亮溫相比圖3b要更加接近于觀測(cè)亮溫，表明在同化了GMI資料后的分析場(chǎng)與觀測(cè)場(chǎng)更加接近。

圖3 2014年7月21日16 時(shí) GMI通道 6 的觀測(cè)亮溫（a），背景場(chǎng)亮溫（b）和分析場(chǎng)亮溫（c）Fig.3 The brightness temperature from the observation (a),the simulation with the background (b),and the simulation with the analysis(c) for GMI channel 6 at 16:00 UTC on July 21,2014

圖4a至圖4c分別給出了2014年7月21日16時(shí)GMI通道6偏差訂正前觀測(cè)亮溫減去背景亮溫，偏差訂正后觀測(cè)亮溫減去背景亮溫，以及偏差訂正后觀測(cè)亮溫減去分析亮溫分布。模擬區(qū)域有兩條掃描軌道經(jīng)過(guò)，臺(tái)風(fēng)螺旋云帶被從左向右的第2條軌道覆蓋。圖4a是偏差訂正前觀測(cè)亮溫減去背景亮溫分布，可見(jiàn)背景場(chǎng)模擬亮溫值相比觀測(cè)亮溫偏低，在臺(tái)風(fēng)附近有負(fù)值亮溫存在；經(jīng)過(guò)偏差訂正后的觀測(cè)亮溫減去背景亮溫分布（圖4b）與圖4a一致，但亮溫負(fù)值區(qū)域增大，臺(tái)風(fēng)螺旋云帶最大亮溫差值減??；圖4c發(fā)現(xiàn)經(jīng)過(guò)GMI資料同化后的分析場(chǎng)模擬亮溫和觀測(cè)亮溫整體差異減小，大部分像素點(diǎn)的亮溫誤差小于0.1 K。

圖4 2014年7月21日16時(shí)GMI通道6偏差訂正前觀測(cè)亮溫減去背景亮溫（a），偏差訂正后觀測(cè)亮溫減去背景亮溫（b）和偏差訂正后觀測(cè)亮溫減去分析亮溫（c）Fig.4 The observed minus the simulated brightness temperature with the background before the bias correction (a),after the bias correction (b),and the observed minus the simulated brightness temperature with the analysis (c) for GMI channel 6 at 16:00 UTC on July 21,2014

圖5a和圖5b分別給出了偏差訂正前后的散點(diǎn)分布，圖5a橫坐標(biāo)表示觀測(cè)亮溫值，縱坐標(biāo)表示模式背景場(chǎng)通過(guò)CRTM觀測(cè)算子模擬亮溫值。從圖中可以看出偏差訂正前背景場(chǎng)模擬亮溫和觀測(cè)亮溫在不同亮溫區(qū)間有較好對(duì)應(yīng)，但絕大多數(shù)散點(diǎn)處于觀測(cè)亮溫和背景模擬亮溫等值線的上方，表明背景模擬亮溫比觀測(cè)亮溫要高。由圖5b發(fā)現(xiàn)經(jīng)過(guò)偏差訂正之后，觀測(cè)亮溫與背景模擬亮溫均勻地分布在等值線的兩側(cè)。由圖5還可以發(fā)現(xiàn)均方根誤差有明顯的減小，從偏差訂正前的7.340 K減小為偏差訂正后的4.319 K。進(jìn)一步說(shuō)明變分偏差訂正方案的合理性。圖5c可以發(fā)現(xiàn)經(jīng)過(guò)GMI同化后散點(diǎn)更加緊密均勻地分布在等值線兩側(cè)，均方根誤差相比圖5b（同化前）也有顯著減小，從分析前4.319 K減小到分析后的0.882 K表明分析場(chǎng)相比背景場(chǎng)要更加接近于觀測(cè)。

圖5 2014年7月21日16時(shí)GMI通道6偏差訂正前觀測(cè)與背景模擬亮溫（a），偏差訂正后觀測(cè)與背景模擬亮溫（b）和觀測(cè)與分析模擬亮溫（c）的散點(diǎn)分布Fig.5 The scatters of the observed and the simulated brightness temperature with the background before the bias correction (a),after the bias correction (b),and the observed and the simulated brightness temperature with the analysis (c) for GMI channel 6 at 16:00 UTC on July 21,2014

圖6給出了2014年7月21日16時(shí)不同通道偏差訂正前觀測(cè)亮溫和背景模擬亮溫差值（Observation Minus Background with no bias correction， OMB_nb） 、偏差訂正后觀測(cè)亮溫和背景模擬亮溫差值（Observation Minus Background with bias correction， OMB_wb），偏差訂正后觀測(cè)亮溫和分析模擬亮溫差值（Observation Minus Analysis，OMA）的均值及標(biāo)準(zhǔn)差。由圖可見(jiàn)偏差訂正有效校正了系統(tǒng)誤差，降低了觀測(cè)殘差的均值。觀測(cè)殘差的標(biāo)準(zhǔn)差顯著降低，同化后的分析場(chǎng)更接近觀測(cè)。其中通道5的同化效果較其他2個(gè)通道效果更好。

圖6 2014年7月21日16 時(shí)對(duì)應(yīng)觀測(cè)和模式的差異均值及標(biāo)準(zhǔn)差 (13個(gè)通道只給出同化的3個(gè)同化結(jié)果)，其中OMB_nb：同化前未經(jīng)偏差訂正；OMB_wb：同化前經(jīng)偏差訂正；OMA：同化后Fig.6 The mean and standard deviation of the observed minus the simulated brightness temperature with the background before the bias correction (OMB_nb),after the bias correction(OMB_wb),and with the analysis (OMA) for GMI 3 channels assimilated at 16:00 UTC on July 21,2014 for the 3 assimilated channels of the total 13 channels

4.2 分析場(chǎng)和預(yù)報(bào)場(chǎng)診斷分析

圖7給出了2014年7月21日16時(shí)同化時(shí)刻500 hPa位勢(shì)高度場(chǎng)及其增量場(chǎng)[43]。由圖7a可以發(fā)現(xiàn)控制試驗(yàn)?zāi)M的臺(tái)風(fēng)中心位置相比臺(tái)風(fēng)實(shí)況中心位置（黑色臺(tái)風(fēng)符號(hào)）偏北。圖7b發(fā)現(xiàn)同化試驗(yàn)在分析了GMI資料后對(duì)臺(tái)風(fēng)中心位置進(jìn)行了有效修正，與觀測(cè)臺(tái)風(fēng)中心位置更接近，等高線也更為密集。圖7c給出了同化試驗(yàn)中500 hPa位勢(shì)高度增量場(chǎng)，增量場(chǎng)中低壓中心以北位勢(shì)高度增高，低壓中心以南位勢(shì)高度降低。從而將背景場(chǎng)中臺(tái)風(fēng)位置系統(tǒng)性地往南修正，進(jìn)一步表明GMI資料同化可以有效修正模式背景場(chǎng)中臺(tái)風(fēng)的位置。

圖7 2014年7月21日16 時(shí)控制試驗(yàn) 500 hPa位勢(shì)高度（等值線）（a），同化試驗(yàn) 500 hPa 位勢(shì)高度（等值線）（b）和 500 hPa位勢(shì)高度增量（等值線和陰影）（c）。圖中紅色臺(tái)風(fēng)符號(hào)為臺(tái)風(fēng)觀測(cè)位置Fig.7 The 500 hPa geopotential height (contours) for the control experiment (a),the 500 hPa geopotential height (contours) for the assimilation experiment (b),and geopotential height analysis increment (contours and shaded) (c) at 16:00 UTC on July 21,2014.The red typhoon symbol is the best track location of the typhoon

圖8a和圖8b分別是2014年7月21日16時(shí)控制試驗(yàn)和同化試驗(yàn)的500 hPa高度場(chǎng)和溫度距平。圖8c為同化試驗(yàn)和控制試驗(yàn)500 hPa溫度距平的差場(chǎng)。圖中黑色臺(tái)風(fēng)標(biāo)識(shí)為實(shí)況臺(tái)風(fēng)中心。從圖8a可以看出控制試驗(yàn)高度場(chǎng)等值線在菲律賓海海面上較為密集，臺(tái)風(fēng)中心相對(duì)實(shí)況臺(tái)風(fēng)中心偏北。臺(tái)風(fēng)內(nèi)核區(qū)的溫度距平較大，表明臺(tái)風(fēng)暖心結(jié)構(gòu)明顯。相比控制試驗(yàn)圖8b為同化試驗(yàn)中的500 hPa高度場(chǎng)和溫度距平。與控制試驗(yàn)相比高度場(chǎng)等值線在菲律賓海海面上更加密集，進(jìn)一步表明臺(tái)風(fēng)強(qiáng)度增強(qiáng)，與實(shí)際臺(tái)風(fēng)強(qiáng)度發(fā)展更為相似。此外高度場(chǎng)中等值線的中心區(qū)域也向南進(jìn)行修正，把控制試驗(yàn)中的臺(tái)風(fēng)位置系統(tǒng)性地往南修正，表明GMI資料同化可以有效地修正模式控制試驗(yàn)中臺(tái)風(fēng)的位置。臺(tái)風(fēng)內(nèi)核區(qū)的溫度距平梯度較控制試驗(yàn)更大，說(shuō)明GMI資料同化可以有效地增強(qiáng)臺(tái)風(fēng)暖心結(jié)構(gòu)。從圖8c可以發(fā)現(xiàn)GMI觀測(cè)軌道附近兩組試驗(yàn)有顯著的溫度距平差異，在臺(tái)風(fēng)中心附近同化試驗(yàn)的距平高于控制試驗(yàn)。

圖8 2014年7月21日16時(shí)500 hPa 高度場(chǎng)和溫度距平控制試驗(yàn)（a），同化試驗(yàn)（b），同化試驗(yàn)和控制試驗(yàn)差場(chǎng)（c）。圖中藍(lán)色臺(tái)風(fēng)符號(hào)為臺(tái)風(fēng)觀測(cè)位置Fig.8 The geopotential height and the temperature anomaly at 500 hPa for the control experiment (a),the assimilation experiment (b),the difference between the assimilation experiment and control experiment (c).The blue typhoon symbol is the best track location of the typhoon at 16:00 UTC on July 21,2014

圖9給出了850 hPa溫度增量場(chǎng)，可以發(fā)現(xiàn)溫度增量主要集中在臺(tái)風(fēng)渦旋內(nèi)核區(qū)及其附近區(qū)域，在臺(tái)風(fēng)中心位置（黑色臺(tái)風(fēng)標(biāo)識(shí)）產(chǎn)生一個(gè)正的溫度增量，并且在臺(tái)風(fēng)眼壁和外圍雨帶部分呈螺旋狀分布。從物理機(jī)制上來(lái)說(shuō)，一個(gè)正在增強(qiáng)的臺(tái)風(fēng)渦旋環(huán)流結(jié)構(gòu)應(yīng)當(dāng)伴隨有渦旋暖核中心逐漸變暖加深的趨勢(shì)。這也說(shuō)明GMI亮溫觀測(cè)的直接同化有效改進(jìn)了臺(tái)風(fēng)暖核結(jié)構(gòu)，而臺(tái)風(fēng)北側(cè)的負(fù)溫度增量往往是由于三維變分滿足靜力平衡約束所產(chǎn)生。

圖9 2014年7月21日16時(shí)850 hPa溫度增量。圖中黑色臺(tái)風(fēng)符號(hào)為臺(tái)風(fēng)觀測(cè)位置Fig.9 The 850 hPa temperature increments at 16:00 UTC July 21,2014.The black typhoon symbol represent the observed location of typhoon

圖10給出的是在2014年7月21日16時(shí)控制試驗(yàn)和同化試驗(yàn)的海平面氣壓和近地面風(fēng)場(chǎng)合成示意圖以及兩者的差場(chǎng)。此時(shí)日本氣象廳發(fā)布的最佳路徑數(shù)據(jù)集中的最佳觀測(cè)數(shù)據(jù)強(qiáng)度為965 hPa，最大風(fēng)速為38 m/s。由圖10a可以發(fā)現(xiàn)，控制試驗(yàn)在同化了GTS常規(guī)觀測(cè)資料之后可以較好地模擬出臺(tái)風(fēng)的渦旋結(jié)構(gòu)?？刂圃囼?yàn)分析的最小海平面氣壓(Minimum Sea Level Pressure，MSLP)為 972 hPa，而 JMA 觀測(cè)的臺(tái)風(fēng)中心強(qiáng)度為965 hPa；JMA觀測(cè)的近地面最大風(fēng)速 (Maximum Surface Wind，MSW)為 38 m/s，而控制試驗(yàn)分析的MSW為33 m/s。由圖10b可以發(fā)現(xiàn)，同化試驗(yàn)在加入GMI資料之后，臺(tái)風(fēng)渦旋眼墻區(qū)的結(jié)構(gòu)更好地組織和發(fā)展起來(lái)，并且在臺(tái)風(fēng)內(nèi)核區(qū)的風(fēng)速要大于控制試驗(yàn)臺(tái)風(fēng)內(nèi)核區(qū)的風(fēng)速，其分析的MSLP(MSW)為 969 hPa (35 m/s)，與實(shí)況 (965 hPa，38 m/s)更為接近。這里值得指出的是，雖然同化試驗(yàn)在加入了GMI資料后對(duì)臺(tái)風(fēng)強(qiáng)度有了一定的改進(jìn)和增強(qiáng)作用，但是與觀測(cè)強(qiáng)度 (965 hPa，38 m/s)仍然存在一定差距。這主要是由于3DVAR試驗(yàn)采用的是各向同性的靜態(tài)背景誤差協(xié)方差，其中的風(fēng)場(chǎng)和地表氣壓的多變量相關(guān)關(guān)系較弱。圖10c是同化試驗(yàn)和控制試驗(yàn)的海平面氣壓和近地面風(fēng)場(chǎng)合成的差場(chǎng)，由圖可以發(fā)現(xiàn)在臺(tái)風(fēng)中心北部海平面氣壓增高，南部海平面氣壓降低，從而把背景場(chǎng)中的臺(tái)風(fēng)位置系統(tǒng)性地往南修正。

圖10 2014年7月21日16 時(shí)海平面氣壓（等直線，單位 hPa）和近地面風(fēng)速（矢量箭頭，單位：m/s）控制試驗(yàn)（a），同化試驗(yàn)（b）和同化試驗(yàn)和控制試驗(yàn)差場(chǎng)（c）Fig.10 The sea level pressure (counters,unit: hPa) and surface wind speed (arrow,unit: m/s) for the control experiment (a),the assimilation experiment (b),and the difference between the assimilation experiment and control experiment (c) at 16:00 UTC on July 21,2014

圖11給出的是在2014年7月21日16時(shí)控制試驗(yàn)和同化試驗(yàn)的近海平面風(fēng)場(chǎng)以及兩者差場(chǎng)示意圖。由圖11a可以看出控制試驗(yàn)?zāi)M的臺(tái)風(fēng)內(nèi)核區(qū)風(fēng)速較強(qiáng)，可以看見(jiàn)清晰的臺(tái)風(fēng)螺旋云帶[43]。圖11b和圖11c分別是同化試驗(yàn)?zāi)M的近海平面風(fēng)場(chǎng)以及兩者的差場(chǎng)，可以明顯地看出臺(tái)風(fēng)內(nèi)核區(qū)流線相比控制試驗(yàn)更加密集，風(fēng)速有所增加。其中大于20 m/s的螺旋云帶區(qū)域也顯著增大。由此表明GMI資料同化對(duì)臺(tái)風(fēng)內(nèi)核區(qū)風(fēng)速修正有正效果。

圖11 2014年7月21日16 時(shí)近海平面風(fēng)場(chǎng)（流線和陰影）控制試驗(yàn)（a），同化試驗(yàn)（b）和同化試驗(yàn)和控制試驗(yàn)差場(chǎng)（c）Fig.11 The surface wind（stream and shaded）for the control experiment (a),the assimilation experiment (b),and the difference between the assimilation experiment and control experiment (c) at 16:00 UTC on July 21,2014

為了進(jìn)一步檢驗(yàn)GMI資料同化對(duì)臺(tái)風(fēng)垂直結(jié)構(gòu)的影響，圖12給出了控制試驗(yàn)和同化試驗(yàn)分析的經(jīng)過(guò)臺(tái)風(fēng)中心東西向垂直剖面圖。圖12a可以看出在臺(tái)風(fēng)眼區(qū)存在一個(gè)靜風(fēng)區(qū)，臺(tái)風(fēng)眼相對(duì)較寬。在臺(tái)風(fēng)中心靜風(fēng)區(qū)的兩側(cè)出現(xiàn)對(duì)稱的大風(fēng)區(qū)，最大風(fēng)速達(dá)到32 m/s且位于邊界層內(nèi)。與控制試驗(yàn)相比，同化試驗(yàn)的臺(tái)風(fēng)眼更窄（圖12b）。臺(tái)風(fēng)眼外圍的云墻區(qū)也呈現(xiàn)出對(duì)稱結(jié)構(gòu)，臺(tái)風(fēng)眼右側(cè)云墻強(qiáng)度要比左側(cè)云墻強(qiáng)度大。由圖還可以發(fā)現(xiàn)同化試驗(yàn)右側(cè)大風(fēng)區(qū)最大風(fēng)速高度比控制試驗(yàn)右邊大風(fēng)區(qū)最大風(fēng)速高度要高約 3 km。

圖12 2014年7月21日16 時(shí)經(jīng)過(guò)臺(tái)風(fēng)中心風(fēng)速垂直剖面控制試驗(yàn)（a）和同化試驗(yàn)（b）Fig.12 Vertical cross sections of analyzed horizontal wind speed for control experiment (a) and the assimilation experiment (b) at 16:00 UTC on July 21,2014

臺(tái)風(fēng)的暖心結(jié)構(gòu)可以通過(guò)溫度距平的垂直截面圖來(lái)分析，從圖13可以發(fā)現(xiàn)兩組試驗(yàn)均分析出了臺(tái)風(fēng)的暖心結(jié)構(gòu)，但同化試驗(yàn)的暖心結(jié)構(gòu)更強(qiáng)?？刂圃囼?yàn)?zāi)M的臺(tái)風(fēng)暖心結(jié)構(gòu)最大溫度距平為1.2 K，出現(xiàn)在500 hPa左右；而同化試驗(yàn)?zāi)M的臺(tái)風(fēng)暖心結(jié)構(gòu)最大溫度距平為3.5 K，出現(xiàn)在600 hPa左右。與控制試驗(yàn)(圖13a) 溫度距平最大值相差2.3 K。另外值得注意的是同化試驗(yàn)的正溫度距平一直延伸到近地面，貫穿整個(gè)對(duì)流層?？傮w來(lái)看，同化試驗(yàn)分析出的暖心結(jié)構(gòu)更強(qiáng)，更利于臺(tái)風(fēng)的發(fā)展加強(qiáng)。進(jìn)一步表明GMI資料同化有利于臺(tái)風(fēng)暖心結(jié)構(gòu)的增強(qiáng)。

圖13 2014年7月21日16 時(shí)溫度距平（單位：K）垂直剖面控制試驗(yàn)（a）和同化試驗(yàn)（b）Fig.13 Vertical cross sections of analyzed temperature anomalies (unit: K) for control experiment (a) and the assimilation experiment (b)at 16:00 UTC on July 21,2014

圖14為2014年7月23日12時(shí)的500 hPa高度場(chǎng)和風(fēng)場(chǎng)合成示意圖。由圖可見(jiàn)同化GMI資料后副高西側(cè)邊緣的南風(fēng)風(fēng)量較控制試驗(yàn)要大，東風(fēng)風(fēng)量要小。同化試驗(yàn)和控制試驗(yàn)的引導(dǎo)氣流的差異直接導(dǎo)致了臺(tái)風(fēng)路徑預(yù)報(bào)的差異。同化試驗(yàn)?zāi)M的臺(tái)風(fēng)路徑更易往東北方向移動(dòng)，而控制試驗(yàn)?zāi)M的臺(tái)風(fēng)路徑更容易往西側(cè)移動(dòng)。

圖14 2014年7月23日12 時(shí) 500 hPa 高度場(chǎng)（陰影）和風(fēng)場(chǎng)（矢量）控制試驗(yàn)（a）和同化試驗(yàn)（b）Fig.14 The geopotential height (shaded) and wind (vectors) at 500 hPa at 12:00 UTC on July 23,2014,control experiment (a) and the assimilation experiment (b)

4.3 臺(tái)風(fēng)路徑預(yù)報(bào)檢驗(yàn)

為了進(jìn)一步評(píng)估GMI資料同化對(duì)臺(tái)風(fēng)“麥德姆”預(yù)報(bào)效果的影響，本文以7月21日16時(shí)為起始時(shí)刻作72 h確定性預(yù)報(bào)[43]。圖15a為臺(tái)風(fēng)“麥德姆”路徑預(yù)報(bào)效果圖。圖中clear、ctnl和best track分別表示晴空GMI輻射率資料同化試驗(yàn)，控制試驗(yàn)和日本氣象廳的最佳臺(tái)風(fēng)路徑。在預(yù)報(bào)起始12 h內(nèi)兩組試驗(yàn)預(yù)報(bào)的路徑誤差相對(duì)較小（<30 km），但在第 18 h 后，臺(tái)風(fēng)“麥德姆”的最佳觀測(cè)路徑出現(xiàn)了一個(gè)小的轉(zhuǎn)折，即向西北的一個(gè)轉(zhuǎn)折；值得指出的是在起始預(yù)報(bào)的第12～24 h區(qū)間內(nèi)，同化試驗(yàn)預(yù)報(bào)的路徑相比控制試驗(yàn)要更加地接近于實(shí)際觀測(cè)路徑。在預(yù)報(bào)的第54 h，臺(tái)風(fēng)“麥德姆”的最佳觀測(cè)路徑又出現(xiàn)了向東北的一個(gè)轉(zhuǎn)折。同化試驗(yàn)較好地模擬出了臺(tái)風(fēng)“麥德姆”的最后18 h的路徑轉(zhuǎn)折。這說(shuō)明當(dāng)前模式背景場(chǎng)上的大尺度環(huán)流結(jié)構(gòu)相對(duì)還是比較合理的?？傮w而言，在72 h的確定性預(yù)報(bào)過(guò)程中同化試驗(yàn)預(yù)報(bào)的臺(tái)風(fēng)路徑相比控制試驗(yàn)要更加接近觀測(cè)。圖15b為兩組試驗(yàn)預(yù)報(bào)的臺(tái)風(fēng)路徑誤差，從圖中可以看出同化試驗(yàn)在預(yù)報(bào)的0～24 h和48～72 h預(yù)報(bào)誤差要明顯小于控制試驗(yàn)的預(yù)報(bào)誤差。在整個(gè)72 h的確定性預(yù)報(bào)中，控制試驗(yàn)和同化試驗(yàn)預(yù)報(bào)的路徑平均誤差分別為70 km和 41 km。

圖15 2014年7月21日16 時(shí)起始的 72 h 預(yù)報(bào)路徑（a）和預(yù)報(bào)路徑誤差（b）Fig.15 The 72-hour predicted tracks (a) and track errors (b) initialized from 16:00 UTC on July 21,2014

5 結(jié)論

本文使用中尺度數(shù)值模式WRFV3.9.1及其三維變分同化系統(tǒng)，自主搭建了針對(duì)GMI資料的同化模塊?？疾炝薌MI資料同化對(duì)臺(tái)風(fēng)“麥德姆”分析和預(yù)報(bào)的影響。研究結(jié)果表明：

(1)晴空條件下GMI資料同化能夠很好地捕捉到臺(tái)風(fēng)“麥德姆”的形態(tài)結(jié)構(gòu)，通過(guò)WRFDA的VarBC離線模式統(tǒng)計(jì)得到的偏差訂正系數(shù)和質(zhì)量控制可以提高試驗(yàn)的同化效果，使得三維變分同化后的觀測(cè)殘差標(biāo)準(zhǔn)差有所減小，保證了GMI資料同化對(duì)臺(tái)風(fēng)分析和預(yù)報(bào)的正效應(yīng)。

(2)與只同化GTS常規(guī)觀測(cè)資料的控制試驗(yàn)相比，GMI資料同化試驗(yàn)可以有效地增加臺(tái)風(fēng)“麥德姆”內(nèi)核區(qū)的暖心結(jié)構(gòu)，且具有對(duì)模式背景場(chǎng)中的臺(tái)風(fēng)位置進(jìn)行系統(tǒng)性的修正作用。

(3)從72 h確定性預(yù)報(bào)效果來(lái)看，GMI資料同化試驗(yàn)預(yù)報(bào)的臺(tái)風(fēng)路徑平均誤差為41 km，相比控制實(shí)驗(yàn)預(yù)報(bào)的臺(tái)風(fēng)路徑平均誤差70 km有所改進(jìn)，與觀測(cè)的臺(tái)風(fēng)路徑更加接近。

本文的研究結(jié)果表明，將GMI資料同化到WRF模式中，對(duì)提高臺(tái)風(fēng)路徑預(yù)報(bào)具有很大潛力，臺(tái)風(fēng)“麥德姆”個(gè)例研究也表明GMI資料能夠?yàn)榕_(tái)風(fēng)初始化分析和預(yù)報(bào)提供正效果。另一方面，本文只同化了GMI晴空條件下的觀測(cè)資料。因此未來(lái)的工作將針對(duì)更多的臺(tái)風(fēng)個(gè)例，進(jìn)一步研究全空條件下的GMI資料同化對(duì)臺(tái)風(fēng)分析和預(yù)報(bào)的影響。

致謝：本論文的數(shù)值計(jì)算得到了南京信息工程大學(xué)高性能計(jì)算中心的計(jì)算支持與幫助，在此表示感謝！