常規觀測同化對吉林一次短時強降水過程數值預報的影響

曲美慧 朱文剛 趙淑紅 朱曉彤 涂鋼 高樅亭

(1.吉林省氣象科學研究所，吉林長春 130062; 2.長白山氣象與氣候變化吉林省重點實驗室，吉林長春 130062;3.山東省氣象防災減災重點實驗室，山東濟南 250031； 4．山東省氣象科學研究所，山東濟南 250031； 5.長白縣氣象局，吉林白山 134400)

引言

吉林省是中國的農業大省，地處中緯度，受中高緯度環流系統、中低緯度?！獨庀到y、東北冷渦、副熱帶高壓等多種環流系統影響[1]，夏季常發生短時強降水、雷暴大風等強對流天氣，造成嚴重的洪澇災害，引發山體滑坡、崩塌、泥石流等地質災害[2]，影響人民生命財產安全、農業生產及糧食安全，因此，做好此類天氣預報十分重要。

中尺度數值模式已成為研究和預報短時強降水等中尺度天氣過程的重要工具，隨著數值模式的不斷完善，模式預報的不確定性更多源自模式初始場的不確定性，目前主要利用觀測資料不斷同化更新的初始場來提高模式的預報效果[3]，正如Zhang和Fritsch[4]以及Talagrand[5]定義資料同化的目的：利用現有的所有信息，包括大氣運動的物理規律、常規資料和非常規資料等，定義一個最大可能精確的大氣運動狀態。國內外已有許多資料同化的研究成果[6-7]，張飛民和王澄海[8]發現，WRF-3DVAR(Weather Research Forecast-3 Dimensional Variational Data Assimilation)同化常規觀測資料對初始場有改進，也能改善模式對流層高空風和大量級降水的預報[9]。孟曉文等[10]發現，WRF-3DVAR同化常規探空資料對暴雨以上量級降水的落區、量級和TS評分均優于未同化的預報結果。盧萍等[11]和王丹等[12]分別應用AREM(Advanced Regional Eta Model)模式和WRF模式同化加密探空站點資料，發現同化加密探空資料會影響大氣物理量場和中小尺度系統的發展、加強、減弱、消亡，進而影響降水強度和落區，對提高區域數值模擬的降水預報準確率有積極影響。近年來，隨著探測技術的發展，雷達、衛星等非常規觀測資料在數值預報中得到應用。鄭淋淋等[13]和陳鋒等[14]同化雷達資料改進了WRF模式對降水、大風的模擬效果。唐淑敏等[15]同化FY-3A/MWHS(MicroWave Humidity Sounder)資料有效地改進了濕度分析場。錢芝穎等[16]在WRFDA(Weather Research Forecast Data Assimilation System)中同化GEOS-16(Geostationary Operational Environmental Statellite-16)溫度產品資料，提高了颶風路徑和強度的預報效果，更加準確地模擬出降水落區和雨強。王雪蓮等[17]發現雷達和衛星資料同化使降水落區和降水量中心值的預報更接近實況，但衛星資料對WRF模式降水預報的影響時間較雷達資料長。

常規觀測資料相對于非常規觀測資料，其觀測量均為模式變量，可直接用于同化系統，從而減小了非常規觀測資料在反演過程中的不確定性[10]。本文以2017年7月13日發生在吉林省的一次短時強降水過程為例，應用WRF三維變分資料同化系統探究不同常規觀測資料同化對WRF模式初始場和預報場的改善效果，以及對降水落區、強度等預報的影響，對常規觀測資料同化在吉林省實際業務預報中的應用進行初步嘗試，為吉林省中尺度區域數值預報業務同化系統的開展提供參考。

1 資料與方法

1.1 天氣概況

2017年7月13日00時至14日00時(世界時，下同)受東北冷渦和西北太平洋副熱帶高壓共同影響，吉林省出現一次大范圍短時強降水過程。圖1為吉林省1179個氣象觀測站24 h降水實況，5站降水量達到特大暴雨級別(>250 mm)，最大為295.7 mm，80站降水量達到大暴雨級別(>100 mm)，170站達到暴雨級別(>50 mm)，暴雨中心出現在吉林市永吉縣，該站降水量打破了24 h歷史極值(142 mm)，溫德河的口前站出現有實測記錄以來第1特大洪水[18]，造成多個鄉鎮出現洪澇災害。13日12時大尺度環流形勢表明(圖略)，850 hPa急流明顯增強，能不斷地提供水汽和能量，同時500 hPa高空西部或后部偏北冷氣流和西太平洋副熱帶高壓西部偏南暖濕氣流在中國東北地區交匯輻合，冷暖空氣相遇產生強降水。

圖1 2017年7月13日00時至14日00時吉林省降水實況Fig.1 Observed precipitation in Jilin province from 00:00 on July 13 to 00:00 on July 14,2017

1.2 WRF資料同化方案介紹及試驗設計

為了探究WRFDA-3DVAR同化不同觀測資料對此次短時強降水的預報影響，設計6組試驗方案見表1。觀測資料包括飛機報資料(AIREP)、自動站資料(SYNOP)、常規探空資料(SOUND)、GPS水汽資料(GPSPW)，觀測資料站點的位置分布見圖2。自動站資料、常規探空資料、GPS水汽資料的要素包括風場、溫度場、氣壓場、濕度。飛機報資料的要素包括風場、溫度場、濕度。各組試驗只同化一次觀測資料，其中exp-control為控制試驗，不進行資料同化。

表1 試驗方案Table 1 Experimental schemes

圖2 WRF模式模擬區域內觀測站點分布Fig.2 Distribution of observation stations in WRF model domain

中尺度數值模式WRF采用雙重嵌套(圖略)，水平分辨率為9 km、3 km，網格數為256×181、223×277，覆蓋范圍分別為35°～55 °N和115°～135 °E、40.5°～46.5 °N和121.5°～131.5°E，即中國東北地區、吉林省，垂直分辨率為51層，模式頂層氣壓為10 hPa，時間積分步長為54 s。模式初始場由美國國家環境預報中心(National Centers for Environmental Prediction,NCEP)逐6 h一次0.5°×0.5°全球模式(Global Forecast System,GFS)資料提供，WRF模式采用的物理參數化方案為：WSM-5類云微物理參數方案、RRTM長波輻射方案、RRTM短波輻射方案、MYNN近地面層方案、Noah路面參數化方案、MYNN行星邊界層方案、G3積云參數方案。積分時間為2017年7月13日00時至14日00時，預報結果每1 h輸出一次。

2 結果分析

2.1 24 h累積降水預報

2017年7月13日00時至14日00時吉林省6組試驗預報的24 h累積降水量見圖3，與圖1對比表明，6組試驗均預報出了此次短時強降水過程，但大暴雨落區與實況存在一定差異。相比其他試驗，exp-airep預報的降水分布與實況更符合。具體來看，控制試驗預報的雨帶呈東北—西南向分布且較為分散，暴雨以上量級降水落區位于吉林省中北部的舒蘭、蛟河及吉林中東部的延邊部分地區，比實況范圍稍小、位置偏北。位于吉林省中部偏西南地區的降水基本為虛假降水，低估了發生在吉林市的強降水。5組資料同化試驗對降水落區的預報差異較大，尤其是大暴雨落區，可能與觀測資料站點的分布有關，exp-sound預報大暴雨落區位于吉林中西部的四平市、遼源市、長春市和磐石市的小部分地區，比實況落區偏西，可能是常規探空資料在時間和經緯度位置上的偏差造成的，同時吉林省內僅有3個常規探空資料站，使該資料的時空分辨率較低，不能較好地反映中小尺度天氣系統的信息，是影響預報效果的重要原因之一。exp-all同化了4種觀測資料，但預報效果并不是該4組試驗預報效果的累加，預報的降水大值區偏南且范圍較小，預報效果并不是最優的，因此不同資料的融合方式對降水預報有不同影響。需要指出的是，exp-airep和exp-gpspw預報出特大暴雨，但控制試驗及其他3組資料同化試驗沒有，而且exp-airep預報的特大暴雨落區與實況基本一致，經比較得到exp-airep對降水預報效果最好，雨區范圍和強度更接近實況。

圖3 2017年7月13日00時至14日00時試驗exp-control(a)、exp-airep(b)、exp-synop(c)、exp-sound(d)、exp-gpspw(e)、exp-all(f)的吉林省24 h累積降水量分布Fig.3 Variations of 24-hour accumulated precipitation from 00:00 on July 13 to 00:00 on July 14,2017,based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d),exp-gpspw (e) and exp-all (f) experiments,respectively in Jilin province

2.2 站點降水TS評分

為評價資料同化對降水預報的效果，2017年7月13日00時至14日00時吉林省6組試驗24 h累積分級降水TS評分、空報率、漏報率的定量檢驗見圖4。由圖4可知，進行資料同化試驗的TS評分基本上高于控制試驗，漏報率、空報率也有所降低。具體表現為中雨量級降水的漏報率均低于控制試驗，小雨、中雨、暴雨量級以及大于50 mm降水的空報率也均低于控制試驗?？梢缘玫劫Y料同化對降水的預報有明顯的改進效果，尤其是exp-airep大暴雨TS評分比控制試驗高出30.1%，50 mm以上降水TS評分比控制試驗高17.4%，且漏報率降低21.2%，優于其他同化試驗。雖然exp-sound大雨及以上量級降水TS評分比其他同化試驗低，暴雨及以上量級降水的漏報率、空報率高于其他同化試驗，但就中雨量級降水的定量檢驗而言，exp-sound預報效果最好。比較小雨、大雨及以上量級降水的定量檢驗結果，預報效果最好的分別為exp-synop、exp-airep。

圖4 2017年7月13日00時至14日00時吉林省6組試驗24 h累積降水TS評分(a)、空報率(b)和漏報率(c)Fig.4 TS scores (a),false alarm rates (b),and false negative rates (c) of 24-hour accumulated precipitation for 6 groups of experiments in Jilin province from 00:00 on July 13 to 00:00 on July 14,2017

綜上，常規觀測資料同化明顯地改進了雨帶走向、降水量級、中心位置的預報，與相關文獻[10-12,19]結論一致，對降水的預報效果明顯好于不同化觀測資料，但同化不同常規觀測資料的預報效果不同，尤其是暴雨、大暴雨中心與實況存在一定差異。其中，同化飛機報資料對降水落區、強度的預報與實況最為接近，尤其是大暴雨及以上量級降水的落區與實況的一致程度更高。

2.3 初始場增量

通過增量的情況可以發現分析場相較于背景場的變化情況，也可以發現同化是否存在異常[16]，充足的水汽供應是造成暴雨的基本條件之一[20]。5組同化試驗的初始場700 hPa水汽混合比增量見圖5。由圖5可知，不同觀測資料同化試驗的水汽混合比增量變化明顯，表現為exp-airep在吉林省東南部的增量減小，中西部明顯增加，最大中心位于長春市、吉林市附近，增幅為4×10-3kg·kg-1，即同化飛機報資料增加了強降水中心及以北區域的水汽含量。exp-synop在吉林省中部且由中部向東南狹長區域的增量增加，西部地區減小，即同化自動站資料增加了強降水中心及東南地區的水汽含量，減少了強降水中心西北地區的水汽含量。exp-sound增量分布在吉林省中西部的四平市、中部的長春市、德惠市構成的帶狀區域以及吉林省東部的延吉市、長白山地區且增幅較大，與探空站在吉林省內的位置分布一致，即同化常規探空資料增加了探空站所在位置的水汽含量。exp-gpspw水汽增量在吉林省中部表現為增加，增量大值區位于四平市附近，即同化gpspw資料增加了強降水中心以北區域的水汽含量。各組試驗700 hPa水汽混合比增量在吉林省東部均表現為減小，exp-sound和exp-all的減幅較大?？梢悦黠@看出，exp-synop、exp-sound、exp-all水汽增量在實況的特大暴雨發生區域的增加更顯著(圖1)，增幅約為3×10-3kg·kg-1。

圖5 5組同化試驗exp-airep(a)、exp-synop(b)、exp-sound(c)、exp-gpspw(d)、exp-all(e)的初始場700 hPa水汽混合比增量Fig.5 Increment of water vapor mixing ratio at 700 hPa in the initial field based on exp-control (a),experiments exp-airep (b),exp-synop (c),exp-sound (d) and exp-gpspw (e) experiments,respectively

850 hPa水汽混合比增量表現為吉林全省增加(圖略)，增幅較700 hPa大，其中exp-airep增幅最大，達9.6×10-3kg·kg-1，可知同化飛機報資料對底層水汽含量改變較大。此外，對比不同氣壓層的水汽混合比增量發現，對流層底層水汽混合比增幅大于高層，降水區域上空的各層水汽混合比表現為增加，說明資料同化增加了初始場水汽含量，加強了降水預報的準確性。

吉林省5組同化試驗850 hPa溫度場增量見圖6。由圖6可知，不同常規資料同化試驗的溫度場增量存在較大差異。exp-airep溫度場正增量主要位于吉林省南部、西部，溫度場負增量位于雨帶北側，雨帶南北兩側的較大溫差造成暖濕空氣的上升下沉運動增強，易產生強降水，顯著的暖濕氣流輸送會導致過程降水加強[21]。exp-synop對溫度調整的主要表現為吉林中、西部的多數區域為負增量，減幅較大，僅東南部為正增量。exp-sound、exp-gpspw及exp-all對溫度的調整相似，以吉林西部、東部增溫和中部少數地區降溫為主，增幅較小。5組同化試驗中的exp-synop南北溫差強度最大。

圖6 5組同化試驗exp-airep(a)、exp-synop(b)、exp-sound(c)、exp-gpspw(d)、exp-all(e)的初始場850 hPa溫度增量Fig.6 Increment of temperature at 850 hPa in the initial field based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d) and exp-gpspw (e) experiments,respectively

2.4 預報場分析

低空持續的水汽輸送是暴雨天氣發生的主要條件[22]， 2017年7月13日12時吉林地區850 hPa風場和700 hPa相對濕度的分布見圖7。由圖7可知，exp-control在吉林省中部呈環形的相對濕度大值區，切變線位于吉林中部的長春市和中西部的四平市交界處，預報的降水發生了偏移，與實況不符。exp-airep相對濕度大值集中在吉林省中部，與實際降水落區重合，風場輻合明顯，切變線位于吉林市，吉林省南部自西南向東北的氣流截斷了吉林西部地區向南輸送的水汽，使水汽匯集于吉林市，持續的水汽輸送并積聚更有利于出現極端暴雨天氣[23]。exp-synop和exp-sound切變不明顯，但exp-synop預報吉林省中部地區風速較大。exp-gpspw預報相對濕度小于30%，切變位于吉林省中西部的公主嶺地區，降水預報偏南。exp-all相對濕度大值區和切變位置較實況偏南。不同試驗預報的濕度場、風場明顯不同，其中同化airep和gpspw資料對吉林市地區的風切變和相對濕度預報的影響最顯著，冷暖氣流的交匯造成水汽凝結為強降水的形成和發展提供了有利條件。

陰影為700 hPa相對濕度；箭矢為850 hPa風場，單位為m·s-1圖7 2017年7月13日12時吉林省6組試驗exp-control(a)、exp-airep(b)、exp-synop(c)、exp-sound(d)、exp-gpspw(e)、exp-all(f)的850 hPa風場和700 hPa相對濕度Fig.7 Wind field at 850 hPa and relative humidity at 700 hPa at 12:00 on July 13,2017,based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d),exp-gpspw (e) and exp-all (f) experiments,respectively in Jilin province

在暴雨的發生和發展過程中，較強的垂直上升運動是重要的條件之一[20]。根據2017年7月13日00時至14日00時吉林省1179個氣象觀測站逐小時降水時間序列(圖略)，得到吉林全省從13日11—15時出現降水峰值，此時段小時降水量均大于2000 mm，13時達到最大，吉林全省降水量為4345.5 mm，也是受災最嚴重的吉林省中部永吉縣逐小時降水量峰值時刻。2017年7月13日13時吉林省6組試驗700 hPa垂直速度、風場見圖8。由圖8可知，資料同化對風場和垂直速度的預報改變明顯，同化airep資料對強降水落區的風切變和垂直上升運動的預報較控制試驗增強，尤其是吉林中部的永吉縣地區，最大上升速度為1.2 m·s-1，此時對流層中低層相對濕度為90%以上，充足的水汽和強烈的動力抬升運動的共同作用，使強降水預報較為準確[20]。exp-synop、exp-sound雖然也預報出垂直速度和風場，但位置偏南、偏西，與圖4降水落區對應，可能由于探空資料存在時間和位置的偏差，區域自動站又大多位于城市居民圈，城市化的發展，人為活動也可能對觀測數據產生一定影響，導致基本氣象站觀測數據的代表性越來越差，影響了同化效果。同化gpspw預報在吉林省中部蛟河和吉林省東部的延邊北部發生風切變，與預報的特大暴雨落區相對應(圖3)，exp-airep、exp-gpspw風切變與強垂直上升運動區域重疊且均預報出特大暴雨。

陰影為700 hPa垂直速度；箭矢為風場，單位為m·s-1圖8 2017年7月13日13時吉林省6組試驗exp-control(a)、exp-airep(b)、exp-synop(c)、exp-sound(d)、exp-gpspw(e)、exp-all(f)的700 hPa垂直速度和風場Fig.8 Vertical velocity and wind field at 700 hPa at 13:00 on July 13,2017,based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d),exp-gpspw (e) and exp-all (f) experiments,respectively in Jilin province

一定的對流不穩定能量，為暴雨的發生提供了有利條件[22]， 由2017年7月13日12時吉林省對流有效位能(Convective Available Potential Energy,CAPE)的分布情況可知(圖略)，同化試驗預報的CAPE值均比控制試驗的范圍大、強度強， CAPE大值中心位于吉林省中部，中心強度≥2000 J·kg-1。隨時間推移， CAPE大值區向東南移動，不穩定能量大量積累，與強降水發生的時間和位置有較好的對應。

3 結論

(1)2017年7月13日吉林省短時強降水過程的數值模擬試驗影響研究表明，同化常規觀測資料改善了數值模擬強降水發生的大氣動力、熱力和水汽條件。同化airep增加了強降水中心及以北地區的水汽含量、降低了雨帶北部溫度，使強降水落區的相對濕度增強，風切變與垂直上升運動重疊。同化gpspw增強了強降水中心風切變的預報，對溫度場的調整較小。同化synop、sound預報的垂直速度、風場發生了偏移。同化sound對溫度的調整不明顯，但使初始時刻雨帶南北兩側冷暖差異顯著增加。

(2)檢驗結果表明，常規資料同化試驗的TS評分、空報率、漏報率大多優于控制試驗，明顯地提高了降水預報的準確率。同化sound對中雨量級降水的預報效果最好。同化synop、同化airep分別對小雨、大雨及以上量級降水的預報效果最好。同化airep對大暴雨的TS評分更高，空報率和漏報率更低，大雨及以上量級降水與實況更接近。

(3)不同常規觀測資料以及該資料的站點空間分布、質量對降水落區、強度的預報有一定影響。針對2017年7月13日吉林省此次短時強降水過程，同化airep資料對降水落區、強度的預報與實況的一致性最好。