王瑞文 王金成 王 丹 陶亦為 田偉紅

1中國(guó)氣象局地球系統(tǒng)數(shù)值預(yù)報(bào)中心，北京 100081 2 災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100081 3 國(guó)家氣象中心，北京 100081

提 要： 往返平飄式探空觀測(cè)是我國(guó)研發(fā)的一種新型高空觀測(cè)技術(shù)，除了具備與傳統(tǒng)探空觀測(cè)一致的上升段大氣垂直廓線(xiàn)觀測(cè)能力，同時(shí)還增加了平飄段和下降段的大氣探測(cè)，自動(dòng)實(shí)現(xiàn)了探測(cè)廓線(xiàn)的時(shí)空加密。利用ERA5再分析資料作為“真值”，利用往返平飄式探空模擬仿真系統(tǒng)構(gòu)造了往返式探空模擬觀測(cè)，基于CMA-MESO區(qū)域模式和3D-Var同化系統(tǒng)進(jìn)行了觀測(cè)系統(tǒng)模擬試驗(yàn)(Observing System Simulation Experiments,OSSEs)。數(shù)值試驗(yàn)結(jié)果表明：相比傳統(tǒng)單次上升段探空觀測(cè)，往返平飄式探空在全國(guó)組網(wǎng)的情況下，其增加的下降段模擬探空觀測(cè)，能夠有效提高CMA-MESO的降水預(yù)報(bào)技巧，不同降水量級(jí)的ETS評(píng)分提高約2%～5%，同時(shí)改進(jìn)要素場(chǎng)(溫、濕場(chǎng)和風(fēng)場(chǎng))的預(yù)報(bào)，改進(jìn)率約為2%～5%。此外，典型天氣個(gè)例分析結(jié)果表明，增加往返平飄式探空觀測(cè)能夠改善模式初值偏差，從而更準(zhǔn)確地模擬降水分布。該文的研究結(jié)論為往返平飄式探空的未來(lái)科學(xué)布局和應(yīng)用提供了理論支撐。

引 言

數(shù)值天氣預(yù)報(bào)是基于數(shù)學(xué)物理方法客觀定量計(jì)算未來(lái)天氣演變的科學(xué)，正經(jīng)歷了一場(chǎng)“靜悄悄的革命”(Bauer et al,2015)，在天氣預(yù)報(bào)中處于決定性位置。數(shù)值預(yù)報(bào)實(shí)際上是一個(gè)初值問(wèn)題(Bjerknes,1904)，初值的準(zhǔn)確程度高度影響預(yù)報(bào)結(jié)果。資料同化是為數(shù)值天氣模式提供初值的理論技術(shù)，而觀測(cè)資料是對(duì)大氣真實(shí)狀態(tài)的測(cè)量，是資料同化重要信息源。作為綜合氣象觀測(cè)系統(tǒng)的重要組成部分，探空觀測(cè)能夠提供完整的三維大氣的溫度、氣壓、濕度、風(fēng)等信息，是高空觀測(cè)體系中最為可信的基準(zhǔn)資料(Faccani et al, 2009)，被廣泛應(yīng)用于天氣預(yù)報(bào)(葉篤正，1977a；1977b;王笑芳和丁一匯,1994;劉曉璐等,2014;劉超等,2017)、數(shù)值天氣預(yù)報(bào)領(lǐng)域(Radnóti et al,2012;郝民等，2014;Privé et al,2014;Ingleby et al,2016)。其質(zhì)量穩(wěn)定可靠、垂直層數(shù)多，常常作為同化分析中的基礎(chǔ)資料(于曉晶等，2018)，也是衛(wèi)星輻射率和飛機(jī)報(bào)溫度等資料進(jìn)行偏差訂正的錨定資料(Eyre,2016； Cucurull et al,2014；王瑞文等，2017；吳瓊等，2020)，在模式場(chǎng)檢驗(yàn)、分析中也具有重要作用。另有研究表明，探空資料時(shí)間觀測(cè)頻次加倍，將顯著提高數(shù)值天氣預(yù)報(bào)的預(yù)報(bào)技巧(Privé et al,2014;王丹等,2019)。但是由于受觀測(cè)成本的限制，目前我國(guó)只在00時(shí)和12時(shí)(世界時(shí))開(kāi)展觀測(cè)，然而，每天兩次的觀測(cè)頻次并不能滿(mǎn)足中小尺度災(zāi)害性天氣的預(yù)測(cè)和預(yù)警要求(陳敏等，2011)。2011年起，我國(guó)探空系統(tǒng)也全面進(jìn)行更新?lián)Q代，由59型探空系統(tǒng)逐步升級(jí)為L(zhǎng)波段探空系統(tǒng)，它的采樣時(shí)間間隔為1.2 s，垂直間隔約為8 m，能提供更為密集的大氣垂直探測(cè)信息(郝民等,2014)。高分辨率的秒級(jí)探空資料可以更好地反映大氣層結(jié)的細(xì)致特征，有助于預(yù)報(bào)員進(jìn)行更為精細(xì)的天氣學(xué)分析(Allen and Vincent,1995;Wang and Geller,2003;王麗吉和楊程,2018)，提高天氣預(yù)報(bào)的定性分析結(jié)果。在定量應(yīng)用研究方面，為了滿(mǎn)足數(shù)值預(yù)報(bào)的精細(xì)化需求，中國(guó)氣象局氣象探測(cè)中心近期提出了創(chuàng)新型的往返平飄式探空觀測(cè)技術(shù)，即通過(guò)一次探空施放，同時(shí)實(shí)現(xiàn)“上升段-平飄段-下降段”三段觀測(cè)(曹曉鐘等,2019;錢(qián)媛,2019;王丹等,2020)。這個(gè)觀測(cè)手段不僅填補(bǔ)了平流層的資料空缺，同時(shí)通過(guò)平飄完成后的下降爆破階段進(jìn)行大氣狀態(tài)的再次測(cè)量，自動(dòng)實(shí)現(xiàn)了大氣垂直探測(cè)的頻次加密。這種新型觀測(cè)技術(shù)還正處于研發(fā)初期，目前實(shí)現(xiàn)了小范圍組網(wǎng)布局(江淮區(qū)域)，在大規(guī)模業(yè)務(wù)布網(wǎng)前，給出定性和定量的布局影響評(píng)估十分必要。該觀測(cè)技術(shù)的資料對(duì)于天氣預(yù)報(bào)尤其是數(shù)值天氣預(yù)報(bào)的影響如何？是否能被數(shù)值模式的同化系統(tǒng)更好應(yīng)用？這些科學(xué)問(wèn)題都有待評(píng)估和驗(yàn)證。而觀測(cè)系統(tǒng)模擬試驗(yàn)(Observing System Simulation Experiments,OSSEs)是全面評(píng)估新型觀測(cè)資料對(duì)數(shù)值天氣預(yù)報(bào)潛在影響的一種重要手段。

OSSEs方法是最先被用在氣象領(lǐng)域來(lái)評(píng)估前瞻性觀測(cè)(當(dāng)前不可大量獲得)對(duì)改進(jìn)數(shù)值預(yù)報(bào)潛在的影響(Lord et al,1997;Atlas et al,2003)，同時(shí)還可以用來(lái)指導(dǎo)觀測(cè)站網(wǎng)的設(shè)計(jì)布局，測(cè)試新型觀測(cè)系統(tǒng)(Riishojgaard et al,2012)，從而優(yōu)化對(duì)資料同化和預(yù)報(bào)系統(tǒng)的使用，改善天氣預(yù)報(bào)，最終產(chǎn)生最大的社會(huì)和經(jīng)濟(jì)效益(Arnold and Dey,1986)。國(guó)內(nèi)在探空觀測(cè)的OSSEs方面也有一些嘗試，張宇等(2016)認(rèn)為通過(guò)增加同化青藏高原上構(gòu)造的探空偽觀測(cè)，能夠減少高原地區(qū)的初值不確定性，從而減小對(duì)下游預(yù)報(bào)的影響；王丹等(2019)就14時(shí)(北京時(shí))探空是否需要加密的觀測(cè)系統(tǒng)模擬試驗(yàn)對(duì)探空頻次加密的潛在意義進(jìn)行討論，結(jié)果表明14時(shí)(北京時(shí))加密探空對(duì)數(shù)值預(yù)報(bào)具有顯著改進(jìn)作用。由于往返平飄式探空是一種新的觀測(cè)技術(shù)，以后大規(guī)模的業(yè)務(wù)化應(yīng)用是否可行，對(duì)中國(guó)數(shù)值預(yù)報(bào)的影響如何，這急需一個(gè)客觀定量的評(píng)估。

本文利用ERA5再分析資料和往返平飄式軌跡預(yù)測(cè)系統(tǒng)(王金成等, 2021)，構(gòu)造往返平飄式探空的模擬觀測(cè)，基于CMA-MESO，開(kāi)展了往返平飄式探空的觀測(cè)系統(tǒng)模擬試驗(yàn)，研究結(jié)果揭示了新型觀測(cè)資料對(duì)數(shù)值預(yù)報(bào)的影響，對(duì)往返平飄式探空的未來(lái)組網(wǎng)、布局具有一定指導(dǎo)意義。

1 往返平飄式探空模擬觀測(cè)資料構(gòu)造

采用OSSEs來(lái)分析評(píng)估往返平飄式探空在我國(guó)組網(wǎng)觀測(cè)情境下對(duì)數(shù)值天氣預(yù)報(bào)的影響。OSSEs通常包含3個(gè)部分: 替代“真實(shí)”大氣的“自然”場(chǎng)；由“自然”場(chǎng)生成的人造觀測(cè)，也叫偽觀測(cè);用于評(píng)價(jià)“人造觀測(cè)”的資料同化和數(shù)值預(yù)報(bào)系統(tǒng)。由于ERA5再分析資料比較接近真實(shí)大氣狀態(tài)，本文用ERA5再分析資料作為“自然”場(chǎng)，試驗(yàn)時(shí)間段是2019年6月1日06時(shí)至29日18時(shí)(世界時(shí)，下同)。模擬觀測(cè)的構(gòu)造過(guò)程是：(1)將ERA5再分析資料插值到往返平飄式探空下降階段的經(jīng)緯度位置；(2)將該處構(gòu)造的觀測(cè)加上隨機(jī)誤差，隨機(jī)誤差是由探空資料該層的觀測(cè)誤差和由蒙特卡羅方法生成的隨機(jī)數(shù)相乘得到；(3)在OSSEs中，同化觀測(cè)資料的數(shù)值預(yù)報(bào)系統(tǒng)要和生成“自然”場(chǎng)的模式系統(tǒng)不同，這是為了避免“雙生”效應(yīng)(identical twin)造成資料影響被過(guò)高估計(jì)(Halem and Dlouhy，1984)，因此，本文選取中國(guó)氣象局自主研發(fā)的區(qū)域高分辨率數(shù)值天氣預(yù)報(bào)系統(tǒng)CMA-MESO V5.0作為評(píng)價(jià)系統(tǒng)。

由于往返平飄式探空從傳統(tǒng)探空站釋放觀測(cè)氣球，平飄一段時(shí)間(約4 h)后，其下降階段的觀測(cè)在空間位置上發(fā)生了變化，因此和傳統(tǒng)的探空相比，在垂向觀測(cè)上相當(dāng)于空間加密(和原觀測(cè)站位置較遠(yuǎn))和時(shí)間加密(00時(shí)釋放氣球后5 h開(kāi)始下降，相當(dāng)于06時(shí))。下降階段的觀測(cè)位置在下降軌跡上，由軌跡預(yù)測(cè)系統(tǒng)得到(王金成等，2021)，圖1是模擬的往返平飄式探空的三維軌跡。從圖中可以發(fā)現(xiàn)：平飄探空明顯分為上升、平飄和下降三個(gè)階段，形成三個(gè)不同位置的觀測(cè)，和傳統(tǒng)探空相比，增加了平飄和下降階段的觀測(cè)，觀測(cè)空間得到加密。圖2a、2b分別是2019年6—7月和11—12月軌跡預(yù)測(cè)系統(tǒng)模擬的往返平飄式探空下降點(diǎn)位置平均分布。在夏季，探空氣球在上升和下降階段會(huì)受到一定的西風(fēng)帶影響，向東飄移，但是當(dāng)氣球繼續(xù)上升到平流層，主要受到風(fēng)速較大的平流層?xùn)|風(fēng)帶的影響，經(jīng)過(guò)平流層和對(duì)流層的不同風(fēng)帶的綜合影響，最后探空氣球的降落位置會(huì)在釋放的傳統(tǒng)探空氣球位置偏西。而在冬季，平流層有從西向東的西風(fēng)帶，最后模擬平飄探空降落的位置在傳統(tǒng)探空站以東。從圖2 可知，下降段探空起到了全網(wǎng)站點(diǎn)自動(dòng)加密的作用。圖3給出了2019年6—7月構(gòu)造的模擬平飄探空觀測(cè)上升段和實(shí)際傳統(tǒng)探空的溫度、相對(duì)濕度、U風(fēng)和V風(fēng)的偏差和標(biāo)準(zhǔn)差，從對(duì)比結(jié)果可知，構(gòu)造的溫度模擬觀測(cè)和實(shí)際探空觀測(cè)的偏差在0.5 K 以?xún)?nèi)，標(biāo)準(zhǔn)差在2 K以?xún)?nèi)，相對(duì)濕度由于實(shí)際的觀測(cè)誤差比較大，因而構(gòu)造的模擬觀測(cè)和實(shí)際探空的相對(duì)濕度的偏差最大約為20%，而標(biāo)準(zhǔn)差約為12%，U風(fēng)和V風(fēng)的偏差在1 m·s-1以?xún)?nèi)，標(biāo)準(zhǔn)差在2～3 m·s-1。本文在傳統(tǒng)探空觀測(cè)資料的基礎(chǔ)上，研究觀測(cè)在時(shí)空加密的情況下對(duì)數(shù)值預(yù)報(bào)的影響。

圖1 模擬平飄探空三維軌跡圖(灰白色代表軌跡，彩色陰影是地形高度)Fig.1 A three-dimensional trajectory map of simulated return sounding (gray and white： trajectory, colored shadow： height of terrain)

圖2 2019年(a)夏季(6—7月)和(b)冬季(11—12月)00時(shí)傳統(tǒng)探空(藍(lán)色)和06時(shí)往返平飄式探空下降段平均位置(粉色)分布Fig.2 Distributions of classical radiosonde location (blue) at 00 UTC and return radiosonde descending location (pink) at 06 UTC in (a) summer (June-July) and (b) winter (November-December) of 2019

圖3 2019年6—7月模擬觀測(cè)和實(shí)際傳統(tǒng)探空觀測(cè)的偏差(Bias)和標(biāo)準(zhǔn)差(Std)(a)溫度,(b)相對(duì)濕度,(c)U風(fēng),(d)V風(fēng)Fig.3 Bias and standard deviations (Std) of the simulated and actual classic sounding observations from June to July of 2019(a) temperature, (b) relative humidity, (c) U wind, (d) V wind

2 數(shù)值試驗(yàn)

2.1 方案設(shè)計(jì)

我國(guó)自主研發(fā)的GRAPES是具有完全知識(shí)產(chǎn)權(quán)的數(shù)值天氣預(yù)報(bào)系統(tǒng)(薛紀(jì)善和陳德輝，2008)，本文采用的GRAPES區(qū)域高分辨率(CMA-MESO V5.0)于2020年6月實(shí)現(xiàn)了業(yè)務(wù)化。CMA-MESO V5.0水平分辨率是0.03°×0.03°，模式覆蓋區(qū)域范圍是10°～60°N、70°～145°E，垂直層次為49層，模式層頂高為35 000 m。積分時(shí)間步長(zhǎng)為30 s，采用3 h 循環(huán)同化，每12 h冷啟動(dòng)一次，冷啟動(dòng)背景場(chǎng)是由NCEP GFS (https:∥www.nco.ncep.noaa.gov/pmb/products/gfs/)的6 h預(yù)報(bào)場(chǎng)提供。

本文采用CMA-MESO V5.0的三維變分(3D-Var)同化系統(tǒng)，同化的資料有常規(guī)探空、地面報(bào)、船舶、飛機(jī)報(bào)等常規(guī)資料，還有GPS/PW(global position system/precipitable water)大氣可降水量、雷達(dá)VAD(velocity azimuth display)風(fēng)和GNSS/RO(global navigation satellite system/radio occultation)折射率等觀測(cè)信息。同化時(shí)間窗口為3 h，每天00時(shí)和12時(shí)冷啟動(dòng)，每3 h更新循環(huán)同化，由于新增的模擬觀測(cè)在06時(shí)和18時(shí)，所以將在06時(shí)和18時(shí)做36 h預(yù)報(bào)，試驗(yàn)時(shí)段是2019年6月1日06時(shí)至29日18時(shí)。

為了定量評(píng)估往返平飄式探空觀測(cè)對(duì)數(shù)值天氣預(yù)報(bào)的影響，設(shè)計(jì)兩組試驗(yàn):控制試驗(yàn)(Ctrl)，同化上述觀測(cè)資料；往返平飄式探空觀測(cè)影響試驗(yàn)(Effect)，除了上述資料外，還加入了構(gòu)造的往返平飄式探空模擬觀測(cè)資料(表1)。

表1 試驗(yàn)方案Table 1 Experiment schemes

2.2 對(duì)降水的影響分析

本文用ETS(equitable treat score)評(píng)分方法對(duì)區(qū)域降水預(yù)報(bào)技巧進(jìn)行評(píng)價(jià)。圖4給出了06時(shí)起報(bào)的全月平均的逐6 h累計(jì)降水預(yù)報(bào)ETS評(píng)分，小雨、中雨、大雨、暴雨和大暴雨的降水閾值分別是0.1、4.0、13.0、25.0和60.0 mm，黃色代表影響試驗(yàn)結(jié)果，紫色代表沒(méi)有同化平飄探空的控制試驗(yàn)結(jié)果。圖中方框代表著兩個(gè)試驗(yàn)ETS評(píng)分差異的顯著性水平范圍，如果兩個(gè)數(shù)的差在方框之外，就說(shuō)明通過(guò)了顯著性檢驗(yàn)。從圖中可以看出，同化構(gòu)造的往返平飄式探空下降段觀測(cè)(06時(shí))對(duì)于CMA-MESO模式降水的預(yù)報(bào)評(píng)分無(wú)論是小雨、中雨、大雨和暴雨都有提高，正效果可維持全預(yù)報(bào)時(shí)段(0～36 h預(yù)報(bào))。其中，小雨量級(jí)的ETS降水評(píng)分提高較大的是在6～12 h和24～30 h預(yù)報(bào)時(shí)段，分別提高約4%和5%，中雨和大雨預(yù)報(bào)ETS評(píng)分提高較大的在18～24 h預(yù)報(bào)時(shí)段，分別提高約8%和10%，暴雨預(yù)報(bào)ETS評(píng)分提高較大的在12～18 h預(yù)報(bào)時(shí)段，提高約20%。圖5給出了18時(shí)起報(bào)的全月平均的逐6 h累計(jì)降水預(yù)報(bào)ETS評(píng)分。從圖中結(jié)果可知，18時(shí)起報(bào)的影響試驗(yàn)的降水預(yù)報(bào)在各個(gè)降水量級(jí)的ETS評(píng)分上也均為正效果，其中，小雨量級(jí)預(yù)報(bào)降水ETS評(píng)分較大的在30～36 h預(yù)報(bào)時(shí)段，提高約8%。中雨量級(jí)ETS評(píng)分提高較大的在12～18 h和30～36 h預(yù)報(bào)時(shí)段，提高約10%。暴雨量級(jí)的ETS評(píng)分提高較明顯的是在18～24 h和30～36 h預(yù)報(bào)時(shí)段，提高約50%。綜合上述結(jié)果可知，增加06時(shí)和18時(shí)的往返平飄式探空下降階段的觀測(cè)，能夠使得降水預(yù)報(bào)的ETS評(píng)分有明顯提高。06時(shí)和18時(shí)比較而言，18時(shí)降水預(yù)報(bào)的ETS評(píng)分比06時(shí)更大，并且對(duì)于降水量級(jí)較大的暴雨的ETS評(píng)分提高較大。原因主要是在中國(guó)區(qū)域18時(shí)的觀測(cè)資料比06時(shí)減少較多，尤其是飛機(jī)資料減少較多，在資料相對(duì)少的情況下，加入平飄探空資料更能凸顯觀測(cè)的作用。

圖4 2019年6月1—29日兩組試驗(yàn)06時(shí)起報(bào)的逐6 h累計(jì)降水預(yù)報(bào)月平均ETS評(píng)分(a)0～6 h，(b)6～12 h，(c)12～18 h，(d)18～24 h，(e)24～30 h，(f)30～36 h(紫色：控制試驗(yàn)Ctrl，黃色：影響試驗(yàn)Effect)Fig.4 Monthly average ETS scores of 6 h accumulated precipitation forecasts started at 06 UTC by the two experiments from 1 to 29 June 2019(a) 0-6 h, (b) 6-12 h, (c) 12-18 h, (d) 18-24 h, (e) 24-30 h and (f) 30-36 h (purple: control experiment, yellow: impact experiment)

圖5 同圖4，但為18時(shí)起報(bào)的逐6 h累計(jì)降水預(yù)報(bào)ETS評(píng)分Fig.5 Same as Fig.4, but for ETS scores of 6 h accumulated precipitation started at 18 UTC

2.3 對(duì)要素場(chǎng)預(yù)報(bào)的影響

為了評(píng)估增加06時(shí)和18時(shí)的模擬往返探空觀測(cè)對(duì)要素預(yù)報(bào)的影響，本文選取1000、850、500和250 hPa四個(gè)典型層次，計(jì)算控制試驗(yàn)和影響試驗(yàn)中溫度、濕度和風(fēng)場(chǎng)觀測(cè)的0～36 h預(yù)報(bào)與參考場(chǎng)(ERA5再分析)的均方根誤差，利用改進(jìn)率(薛諶彬等，2013)來(lái)評(píng)估數(shù)值試驗(yàn)預(yù)報(bào)結(jié)果，其中改進(jìn)率I的計(jì)算如下：

(1)

式中：t為預(yù)報(bào)時(shí)效，nt為樣本數(shù)量，Ei和ei分別對(duì)應(yīng)控制試驗(yàn)和影響試驗(yàn)的均方根誤差。當(dāng)控制試驗(yàn)的均方根誤差大于影響試驗(yàn)的均方根誤差時(shí)，It>0，此時(shí)說(shuō)明影響試驗(yàn)比控制試驗(yàn)有改進(jìn)；反之，說(shuō)明有負(fù)效果。圖6分別是在1000，850，500和250 hPa的U風(fēng)逐6 h預(yù)報(bào)的改進(jìn)率，藍(lán)色代表06時(shí)起報(bào)，紅色代表18時(shí)起報(bào)。從結(jié)果可知，改進(jìn)率均是正值，這說(shuō)明同化06時(shí)和18時(shí)構(gòu)造的模擬觀測(cè)的U風(fēng)預(yù)報(bào)相比控制試驗(yàn)有所改進(jìn)，并且在250 hPa要比其他層次要更明顯，最高達(dá)2%。圖7是V風(fēng)場(chǎng)的改進(jìn)率，和圖6類(lèi)似，影響試驗(yàn)的預(yù)報(bào)也有提高，改進(jìn)幅度最高達(dá)2.5%。圖8是溫度場(chǎng)的改進(jìn)率，其改進(jìn)率整體上也是正值，并且在250 hPa 改進(jìn)明顯，改進(jìn)率最高達(dá)5%，但在模式低層850 hPa，18時(shí)起報(bào)之后的18～30 h，改進(jìn)率出現(xiàn)負(fù)值，約為-0.2%，整體負(fù)貢獻(xiàn)較小。比濕的改進(jìn)率和溫度場(chǎng)表現(xiàn)類(lèi)同，在此不加以贅述。

圖6 2019年6月1—29日同化模擬平飄探空觀測(cè)的U風(fēng)場(chǎng)預(yù)報(bào)改進(jìn)率(a)1000 hPa,(b)850 hPa,(c)500 hPa,(d)250 hPa(藍(lán)色是06時(shí)起報(bào)，紅色是18時(shí)起報(bào))Fig.6 The forecast improvement rate of U wind field with assimilation of simulated observation of the return sounding from 1 to 29 June 2019 (a) 1000 hPa, (b) 850 hPa, (c) 500 hPa, (d) 250 hPa(Blue, red lines are beginning forecast times at 06 UTC and 18 UTC, respectively)

圖7 同圖6，但為V風(fēng)場(chǎng)Fig.7 Same as Fig.6, but for V wind field

圖8 同圖6，但為溫度場(chǎng)Fig.8 Same as Fig.6, but for temperature field

2.4 典型個(gè)例預(yù)報(bào)影響分析

為了進(jìn)一步評(píng)估往返平飄式探空模擬觀測(cè)對(duì)數(shù)值預(yù)報(bào)的影響，選取一個(gè)實(shí)況天氣過(guò)程個(gè)例來(lái)具體比較影響試驗(yàn)和控制試驗(yàn)。2019年6月4—5日，受低渦切變系統(tǒng)影響，西北地區(qū)東部、四川盆地中東部、山西南部等地出現(xiàn)大到暴雨，四川盆地東部局地出現(xiàn)大暴雨。圖9為2019年6月4日06時(shí)起報(bào)的24 h累計(jì)降水預(yù)報(bào)和累計(jì)降水實(shí)況觀測(cè)。從實(shí)況來(lái)看主要降水為三個(gè)區(qū)域，分別為西北地區(qū)東部和四川盆地、華南、華北和東北地區(qū)，其中西北地區(qū)東部和四川盆地降水最強(qiáng)，出現(xiàn)成片的暴雨，華南地區(qū)出現(xiàn)分散性暴雨。對(duì)比控制試驗(yàn)和影響試驗(yàn)，兩種試驗(yàn)對(duì)于西南渦東移影響造成的西北地區(qū)東部至四川盆地一帶的強(qiáng)降水都有較好的體現(xiàn)，但對(duì)于暴雨雨帶的位置和強(qiáng)度預(yù)報(bào)存在一定的偏差，整體來(lái)看對(duì)于四川盆地的暴雨雨帶的位置預(yù)報(bào)偏西北，對(duì)于甘肅南部至山西中部的暴雨雨帶位置預(yù)報(bào)偏西南，從850 hPa風(fēng)場(chǎng)來(lái)看影響試驗(yàn)(圖9b)黑框內(nèi)的偏南急流較控制試驗(yàn)偏弱一些，與實(shí)況更為接近，同時(shí)也可以看到，影響試驗(yàn)較控制試驗(yàn)對(duì)于陜西南部的暴雨雨帶預(yù)報(bào)略偏南，這也與實(shí)況雨帶更為接近，而控制試驗(yàn)急流偏強(qiáng)也造成暴雨雨帶略偏北。另外，對(duì)于華南的降水(暖區(qū)性質(zhì)降水)，廣西南部和廣東中部出現(xiàn)分散性大到暴雨，兩種試驗(yàn)都有一定的體現(xiàn)，但影響試驗(yàn)對(duì)于華南沿海的偏南氣流較控制試驗(yàn)偏強(qiáng)2 m·s-1(黑框內(nèi))，風(fēng)場(chǎng)的預(yù)報(bào)與實(shí)況更為一致，影響試驗(yàn)對(duì)于廣西南部和廣東中部大到暴雨的降水預(yù)報(bào)范圍略大于控制試驗(yàn)，位置和強(qiáng)度與實(shí)況更為接近。

圖9 2019年6月4日06時(shí)起報(bào)24 h累計(jì)降水預(yù)報(bào)(填色)與實(shí)況(圓點(diǎn))的比較(風(fēng)場(chǎng)為6月4日18 UTC)(a)控制試驗(yàn)，(b)影響試驗(yàn)(黑色方框代表850 hPa風(fēng)場(chǎng)的偏南急流區(qū)域)Fig.9 Comparison of the 24 h accumulated precipitation forecast (colored) starting at 06 UTC 4 June 2019 with observation data (dot) (wind field: 18 UTC 4 June)(a) control experiment, (b) impact experiment(Black square represents the southerly jet stream zone of the 850 hPa wind field)

3 結(jié)論與討論

本文利用往返平飄式探空觀測(cè)系統(tǒng)的軌跡模擬系統(tǒng)，結(jié)合ERA5再分析資料構(gòu)造往返探空下降段模擬觀測(cè)，基于CMA-MESO V5.0高分辨率數(shù)值預(yù)報(bào)系統(tǒng)進(jìn)行了一個(gè)月的觀測(cè)系統(tǒng)模擬試驗(yàn)，研究了往返平飄式探空在全國(guó)組網(wǎng)觀測(cè)情況下對(duì)數(shù)值預(yù)報(bào)的影響，本文主要結(jié)論如下：

(1)同化往返平飄式探空模擬觀測(cè)能提高模式降水預(yù)報(bào)技巧，表現(xiàn)為在各個(gè)降水量級(jí)上的ETS評(píng)分上有所提高，小雨、中雨和大雨的提高率在2%～5%，對(duì)暴雨的提高率更為明顯，最高可達(dá)50%。

(2)在要素場(chǎng)的預(yù)報(bào)上，影響試驗(yàn)也比控制試驗(yàn)的預(yù)報(bào)有所改進(jìn)，風(fēng)場(chǎng)、溫度場(chǎng)和比濕場(chǎng)基本上都是正效果，風(fēng)場(chǎng)和溫度場(chǎng)的整體改進(jìn)率分別為2%、5%，比濕的整體改進(jìn)率接近2%，其中在250 hPa的風(fēng)場(chǎng)和溫度場(chǎng)的改進(jìn)較其他層次更為明顯。

(3)從定性分析來(lái)看，增加平飄探空下降階段的模擬觀測(cè)，能夠更準(zhǔn)確地捕捉降水的動(dòng)力條件，提高雨帶分布的預(yù)報(bào)準(zhǔn)確度。

本文通過(guò)觀測(cè)系統(tǒng)模擬試驗(yàn)論證了增加探空觀測(cè)頻次(06時(shí)、18時(shí))、觀測(cè)位置對(duì)數(shù)值預(yù)報(bào)的正面影響，表明新型往返平飄式探空大規(guī)模組網(wǎng)具備業(yè)務(wù)價(jià)值。文中控制試驗(yàn)的設(shè)置是包含常規(guī)資料和非常規(guī)資料的觀測(cè)，影響試驗(yàn)中僅對(duì)06時(shí)和18時(shí)的探空位置進(jìn)行模擬觀測(cè)的構(gòu)造，受全資料觀測(cè)的權(quán)重影響，因而導(dǎo)致要素場(chǎng)預(yù)報(bào)的改進(jìn)效果不是太明顯。此外，本文實(shí)況觀測(cè)的預(yù)報(bào)檢驗(yàn)僅是個(gè)例研究，對(duì)于本文的結(jié)論是否合理還需要結(jié)合更多的天氣過(guò)程進(jìn)行佐證，此外還需依靠將來(lái)的實(shí)際平飄探空的觀測(cè)數(shù)值試驗(yàn)來(lái)進(jìn)行綜合論證。

致謝：中國(guó)氣象局地球系統(tǒng)數(shù)值預(yù)報(bào)中心鄧蓮堂、張進(jìn)在繪圖方面給予的幫助。