CMA-BJ 2.0 版逐時快速更新追趕循環同化預報系統研發及應用Ⅰ：資料同化及系統構建*

陳 敏 仲躋芹 盧 冰 童文雪 馮 琎 張舒婷 黃向宇 范水勇

1.北京城市氣象研究院，北京，100089

2.中國氣象局城市氣象重點開放實驗室，北京，100089

1 引 言

短時臨近預報（簡稱短臨預報），即當前天氣狀況分析和未來短時間內（提前幾分鐘到6 h）的天氣預報對于提前預測快速變化的天氣情況、防災減災、保障社會各行各業正常運行極為關鍵。此外，對于突發性強、生命期短的強對流風暴、晴空湍流等危險天氣事件的準確預測對保護生命財產安全極為重要，也具有重大經濟價值。由于準確的初始場有助于提高預報準確度，預報實踐上一般通過頻繁的資料同化將大量的高時、空分辨率的多源觀測資料融入模式初始場來實現短期數值預報的快速更新。

隨著氣象觀測體系的不斷完善，各類地基、天基和空基觀測資料的實時接收、處理和同化技術取得長足進步?；谶@些觀測基礎，快速更新循環同化預報已經成為世界上先進業務中心開展區域數值預報的主流策略。法國氣象局的對流尺度數值預報系統AROME-France（Application of Research to Operations at Mesoscale-France）自2008 年底開始運行（Seity，et al，2011），該系統水平分辨率1.3 km、90個垂直層，開展逐時更新的三維變分同化（3DVar）。英國氣象局設計了可以在全局和有限區域模式中均可開展的三維和四維變分同化（4DVar）方案，建立了每小時更新循環的對流尺度區域4DVar 系統并從2016 年7 月開始業務運行（Ballard，et al，2016）。德國氣象局為其非流體靜力對流可分辨模式COSMO（Consortium for Small Scale Modelling）（Baldauf，et al，2011）基于LETKF（Local Ensemble Transform Kalman Filter）開發了KENDA（Kilometre-scale ENsemble DA）資料同化系統（Schraff，et al，2016），在逐時循環分析時刻同化前一小時時間窗內的所有常規觀測資料，而且LETKF 與每個集合成員的LHN（Latent Heat Nudging）（Benjamin，et al，2004；Stephan，et al，2008）相結合，用于實現雷達地面估測降水的間接應用。早在1994 年美國NCEP 即已開展了區域快速更新循環系統（RUC，Rapid Update Cycle）的首次業務應用，當時系統水平分辨率為60 km、更新頻次為3 h； 2002 年RUC系統升級為20 km 分辨率、更新頻次為1 h 的RUC 20 版（Benjamin，et al，2004）；2014 年9 月起，發展了北美地區3 km 水平分辨率、逐時更新循環的對流尺度模式系統HRRR（Benjamin，et al，2016）。近年來HRRR 系統采用混合三維集合變分（3DEnVar）技術同化多種常規觀測資料和衛星輻射率觀測，并在資料同化和物理方案方面采用了一系列更新，快速更新循環同化預報性能得到了顯著提升（Dowell，et al，2022；James，et al，2022）。

近年來中國區域數值預報業務也逐漸開始采用快速更新循環的同化方式來開展。中國氣象局北京城市氣象研究所基于WRF 模式及其三維變分模塊發展了針對北京地區的三重嵌套網格（27 km×9 km×3 km）、逐3 h 快速更新循環同化預報系統（BJ-RUC，Beijing-Rapid Update Cycle System），該系統于2007 年開始業務運行（范水勇等，2009），并在2008 年北京夏季奧運會氣象服務保障中發揮了重要作用（Chen，et al，2009；Wilson，et al，2010）。上海區域氣象中心基于ADAS（ARPS Data Assimilation System）資料同化系統和WRF 模式發展了快速更新同化預報系統（SMB-WARR），并于2009 年實現業務運行，該系統水平分辨率為3 km，采用逐時更新循環同化的方式通過ADAS 的逐步訂正方法同化常規觀測資料，而雷達反射率和FY-2E 輻射率資料則采用云分析的技術實現同化應用（陳葆德等，2013）。中國氣象局廣州熱帶氣象研究所基于中國新一代數值預報模式GRAPES-MESO 發展了華南地區逐時循環同化預報系統（GRAPES_CHAF）（陳子通等，2010），該系統采用三維變分方法同化了包括衛星云導風、雷達徑向風、VAD、飛機報以及地面、船舶和探空等常規及遙感觀測資料，并采用云分析和張弛逼近方法實現雷達反射率因子的同化。2008 年國家氣象中心在GRAPES_CHAF 系統流程基礎上開展一系列集成研發，建立了中國全國/區域兩級使用的GRAPES_RAFS（GRAPES Rapid Analysis and Forecast System）系統并逐漸發展為中國氣象局中尺度天氣數值預報系統（CMA-MESO），該系統在業務應用中不斷升級改進，為中國短時臨近預報業務發揮了重要的支撐作用（郝民等，2011；徐枝芳等，2013，2021；許晨璐等，2017；黃麗萍等，2017）。

BJ-RUC 快速更新循環同化和預報系統歷經多年發展，2017 年6 月更名為睿圖-短期（RMAPSST，Rapid Refresh Multiscale Analysis and Prediction System-Short Term）1.0 版系統并正式業務運行?；谠撓到y先后開展了針對大量稠密、多源常規及遙感觀測資料的同化方法研發，包括多普勒天氣雷達徑向風和反射率（范水勇等，2013；陳敏等，2014；何靜等，2019）、風廓線雷達（Zhang，et al，2017；Wang，et al，2020，2022）、GNSS/ZTD（Global Navigation Satellite System/Zenith Total Delay）（仲躋芹等，2017）、風云四號（FY-4）靜止衛星輻射率和云導風（Chen，et al，2020）、多源極軌衛星輻射率（Xie，et al，2018，2019，2020）、地面自動站觀測（張鑫宇等，2021）等。此外，基于睿圖-短期1.0 版系統業務預報展現出的地面要素偏暖、偏干，中國9 km 分辨率范圍內降水預報過強等系統性預報偏差開展了一系列系統誤差物理成因分析（盧冰等，2017）集中研發，在與地面要素和降水預報相關關鍵物理過程優化（楊揚等，2021）、模式系統基礎靜態數據更新（盧冰等，2019）等多方面形成綜合性優化解決方案和核心技術，并逐漸納入模式系統更新。

近年來短臨預報、預警服務越來越高的實際需求促使開展更高頻次的循環同化和預報。但是更新頻次從逐3 h 到逐時的提升，首先需要解決高頻噪聲初始化、模式預報誤差的快速增長等一系列關鍵科學問題。其中發展適合的初始化方案、處理好快速循環同化中起轉問題對整個系統的穩定性和資料應用方面都起到重要作用。NOAA 發展的NAM 逐時更新循環系統采用了數字濾波初始化方案（Hu，et al，2006；Wu，et al，2017），英國氣象局在其發展的逐3 h 更新循環系統中采用了分析增量更新初始化方案 （Ingleby，et al，2013）；日本氣象廳和英國氣象局在其各自的4DVar 逐時更新循環同化預報系統中均采用了數字濾波弱約束技術（Honda，et al，2005；Ingleby，et al，2013）；上述初始化方案的引入目的均為在極短的積分時間內使模式快速達到平衡狀態，以避免噪聲累積導致不合理的資料剔除以及對預報性能的損害。此外，如何有效保證始終在全球預報的大尺度約束條件下開展區域資料同化、抑制模式大尺度預報誤差的增長也是快速更新循環需要解決的重要問題。通常采用的辦法包括實現大尺度全球預報和區域模式中小尺度預報的譜混合，如HARMONIE-AROME 系統（Müller，et al，2017），也包括在代價函數中通過采用大尺度誤差約束來實現全球模式信息的引入（Guidard，et al，2008；Dahlgren，et al，2012）。

本研究針對上述問題開展了以發展逐時快速更新循環為目標的一系列相關技術研發，最終實現整體技術方案的綜合集成，并對睿圖-短期預報業務系統進行全面迭代更新，在原來的1.0 版基礎上拓展研發建立了睿圖-短期（現已更名為CMA-BJ，下文同）2.0 版預報系統。文中對CMA-BJ 2.0 版逐時快速更新循環預報系統包括分析增量更新初始化方案和快速追趕循環策略在內的運行框架、以及大尺度預報場動態混合方案、全國雷達反射率因子同化和全國風廓線雷達同化應用資料同化等技術更新進行介紹。因篇幅所限，CMA-BJ 2.0 版系統在關鍵物理方案的主要技術更新、綜合預報性能評價及典型個例評估將另撰文介紹。

2 逐時快速更新循環預報系統（CMA-BJ 2.0 版）概述

CMA-BJ 2.0 版是一套基于WRF 4.1.2 版和WRFDA 4.1.2 版建立的區域逐時快速更新循環同化及短時預報系統，預報區域見圖1。系統的主要設置參數如表1 所示。

圖1 CMA-BJ 2.0 版系統預報區域 （D01 為9 km 分辨率，D02 為3 km 分辨率；色階為地形高度，單位：m）Fig.1 Forecast domains of the CMA-BJ v2.0 system（D01：9 km，D02：3 km；the shadow is the altitude，unit：m ）

3 逐時快速更新循環系統構建

逐時頻次的快速更新循環和預報系統在實際業務運行中往往存在如下問題：第一，快速更新循環的同化背景場來自前次循環的1 h 預報，通常模式在積分1 h 后無法達到理想的平衡狀態，導致更多高頻噪聲出現以及預報誤差在多次循環后快速積累，對當次及后續循環的同化及預報造成不利影響；第二，為滿足短臨預報需求，一方面要求在模式中充分吸收盡可能多的臨近觀測資料，在初值中有效反映臨近時次的大氣特征；另一方面要求盡可能縮短預報員獲得預報產品送達的滯后時間，因此需要逐時更新循環預報的啟動時間盡可能提前以快速完成模式預報和產品分發。但是各類高頻觀測資料往往具有不同的截斷時間，更新循環的快速啟動導致此時獲得的觀測資料截斷時間過短，能夠進入同化使用的資料量極為有限，不能保證同化后的分析場質量。因此，發展了增量分析更新初始化方案以及資料同化的快速追趕循環策略以應對上述更新循環預報所面臨的實際困難。

3.1 增量分析更新初始化方案

增量分析更新（IAU，Incremental Analysis Updates）初始化方案由Bloom 等（1996）提出，目前已經被廣泛應用于大氣和海洋科學研究中。IAU方法原理是在以同化時次為中心的同化時間窗內，將資料同化形成的分析增量作為強迫項逐步加入模式積分過程，而不是在分析時刻一次加入，從而有效控制資料同化帶來的虛假高頻噪聲，有效控制風場、氣壓場、水物質和動力場之間的初值不平衡，縮短模式的起轉/消轉時間。

對于任意一個預報變量 ?，在初始化時間窗（Δtc）中的傾向方程可以寫成以下形式

Chen 等（2023）發展了基于WRF 模式的增量分析更新初始化方法。WRF 模式中預報方程采用時間分裂方案，即對具有氣象意義的低頻波采用三階Runge-Kutta（RK3）時間差分方案開展積分，而高頻聲波則采用更短的時間步長積分以保證其數值穩定性（Skamarock，et al，2008）。換言之，RK3時間差分方案采用3 步格式來得到預報量從?（t）到?（t+?t）的變化值。為避免將IAU 傾向項添加到RK3 不同時間步長中的困難， ?（t+?t）可寫作如下形式

式中， ?代表了WRF 模式中水平風分量、位溫、干空氣擾動氣壓、水汽混合比以及各類水凝物混合比等可以通過資料同化產生分析增量的預報物理量。很多IAU 應用主要采用時間窗內積分時間步數的倒數作為時間權重系數 λ（t）的取值，以實現分析增量在時間窗內的均勻分配。Chen 等（2023）發展了采用Dolph-Window 濾波器來產生時間權重系數的方案并且產生了較好的效果?；贑MA-BJ 2.0 版開展的一系列批量試驗表明，IAU 作為一種初始化方法，與無IAU 試驗相比，模式積分過程中形成的降水率更為穩定，在初始噪聲和水凝物初值的起轉/消轉控制方面產生了合理和理想的結果。此外，詳細的小時降水量和雷達反射率預報的比較也表明，IAU 有效地糾正了逐時更新循環預報中通常由于起轉問題造成的過量降水預報，該初始化方案的應用對于各種閾值和預測長度的預報性能均產生了積極正面的影響。

因此，在CMA-BJ 2.0 版模式系統中采用IAU作為初始化方案，設定分析增量更新的時間窗為2 h，即每次小時更新循環資料同化后形成分析增量按Dolph-Window 濾波器產生的時間權重配比在從t=-1 h 開始積分至t=1 h 的時間段內逐步加入模式，并在t=1 h 后正常預報。

3.2 快速追趕循環策略

考慮到各類觀測資料實際到報截斷時長的差異，實現對各類觀測資料充分高效的利用，在CMABJ 2.0 版系統中發展了逐時快速更新追趕循環的運行策略。

分析觀測資料到報情況可知，目前在北京市氣象局天擎業務環境下觀測資料實時接收服務器上每個時次的全球電信系統（GTS）資料共有4 個截斷時間，分別為整點時次后的13、37、66 和92 min。設整點時間T在滯后時間為（T+92） min 資料到報量為100%，則（T+66） min 的到報量最低為探空觀測，達到86.34%，其他例如飛機、船舶、國家及區域自動氣象站、地面觀測等資料的到報率均超過90%（圖2），因此考慮將同化GTS 資料的逐小時循環啟動時間設定為整點后的66 min，以保證同化過程能夠使用更為完整的GTS 觀測資料。

圖2 各類GTS 觀測資料不同截斷時間到報情況Fig.2 Data arrival reporting of various GTS observations at different cut-off times

雷達、地面自動氣象站觀測是逐時更新循環系統的另一類重要資料來源，這些快速到達的實時觀測資料的同化應用對于快速更新循環預報系統產品發揮短臨預報服務應用價值起到極為關鍵的作用。因此，在CMA-BJ 2.0 版預報系統中設計了逐時追趕循環的運行框架，主要分為2 部分：（1）追趕循環，于t時整點后（t+70） min 啟動，同化t時刻截斷時間為66 min 的觀測資料，使得每次循環能夠用到足夠數量的探空等重要觀測，保證逐時更新循環同化背景場的基本性能不會因為觀測資料量不足而明顯下降。然后開展1 h 預報，以形成當次循環和下次追趕循環的同化背景場。（2）更新預報，所用的觀測截斷時間為15 min，重點考慮雷達等資料的快速應用以及短臨預報服務的時效性，在此基礎上進行24 h 的預報及后處理產品分發等一系列流程。追趕循環的時間線如圖3 所示。

圖3 逐時快速更新追趕循環運行時間線 （北京時）Fig.3 The running timeline of the hourly catch-up cycle （BT）

追趕循環階段需要的墻鐘時間為8 min，即到（t+78） min 可獲得（t+1） h 時次的預報，并以之為背景場在（t+78） min 時刻開始第二個部分即（t+1） h時次的同化及未來24 h 預報，此過程所需的墻鐘時間約為24 min，預報員將于（t+1） h+42 min 時刻收到（t+1） h 起始的24 h 預報產品，即實際預報產品的滯后時間約為42 min。

整體來看，該流程兼顧了短臨預報要求的時效性以及觀測資料數量，而且規避了逐時循環雷達資料累積同化帶來的預報誤差快速增長的問題，較好地滿足逐時快速更新循環的業務需求，并且有望與逐3 h 快速更新循環達到相當的預報性能。但對業務流程建設有一定的要求：GTS 資料中轉服務器與高性能計算機必須實現時鐘同步；業務流程規范高效；具備完整的糾錯機制?，F已在中國氣象局派高性能計算機和北京市氣象局睿高性能計算機上完成了上述逐時快速更新追趕循環流程的搭建，并于2020 年6 月17 日起開始實時運行?；诖诵纬闪薈MA-BJ 2.0 版系統的業務運行基礎框架。

3.3 逐時快速更新循環系統運行流程

CMA-BJ 2.0 版逐時快速更新追趕循環業務每天包含1 次冷啟動、24 次循環分析和24 次更新預報運行，即在02 時（北京時，下同）由前一天20 時起始的ECMWF 全球6 h 預報驅動模式開始冷啟動并預報6 h，然后基于其在08 時的預報場開展當日的第一次循環分析部分的同化，并由此開始一天24 次快速更新追趕循環的分析和預報。循環分析逐時同化GTS 等觀測資料并預報1 h，為當前時次的更新預報運行提供背景場；更新預報同化雷達和自動氣象站等快速到達的最新觀測資料并預報24 h。CMA-BJ 2.0 版系統循環運行流程如圖4 所示。

圖4 CMA-BJ 2.0 版系統的循環分析和更新預報流程 （內圈黑色框內數字為循環分析起報時間，“Z”為世界時，黑色虛線指示該次循環分析的啟動時間；外圈藍色框內為更新預報起報時間，藍色虛線指示該次更新預報的啟動時間；紅色實線表示箭頭所指的運行時次以箭尾所指的運行時次的1 h 預報為背景場）Fig.4 Flowchart of cycle analysis and forecast update of the CMA-BJ v2.0 system （the number in the black box in the inner circle is the start time of the cycle analysis，"Z" is UTC，and the black dotted line indicates the start time of cycle analysis；the blue box indicates the start time of forecast update and the blue dashed line indicates the start time of forecast update；the solid red line indicates the running time denoted by the arrow，and the 1-hour forecast of the running time used as the background field is denoted by the arrow tail）

4 逐時更新循環資料同化

CMA-BJ 2.0 版系統基于三維變分同化技術，采用u、v而非流函數、勢函數作為風場的控制變量，實現常規地面、探空、自動站、小球測風、飛機報、風廓線雷達、GNSS/ZTD 水汽、天氣雷達反射率拼圖和徑向風等觀測資料的逐時更新循環同化應用（圖5）。與CAM-BJ 1.0 版系統相比，資料同化方面的主要更新包括實現了中國全國雷達反射率拼圖資料和風廓線雷達觀測資料的同化應用，還發展了同化背景場的大尺度預報動態混合方案，以有效抑制連續循環過程中預報誤差累積導致的大尺度場變形問題。

圖5 CMA-BJ 2.0 版同化應用的觀測及其分布 （a.常規地面 （紅點）、高空 （藍點）、飛機報 （綠點）、浮標 （橙點）和船舶 （粉點），b.地基GNSS/ZTD，c.天氣雷達，d.風廓線雷達）Fig.5 Observations assimilated by the CMA-BJ v2.0 system （a.SYNOP （red），TEMP （blue），AMDAR （green），BUOY （orange），and SHIP （pink），b.ground-based GNSS/ZTD，c.weather radar，d.wind profiler radar）

4.1 大尺度預報場動態混合方案

在連續循環開展資料同化一段時間后，由于模式預報誤差不斷積累，以及在資料稀疏地區缺少觀測對預報的有效修正，往往導致循環中初始條件積累相當大的系統性誤差。為解決上述問題，一般的方法是基于全球模式預報定時重啟循環同化預報系統，但這種策略可能會帶來預報的不連續。另一些預報系統中，全球預報與區域模式預報尺度混合的方法被用來改進初始條件的大尺度系統性誤差（Wang，et al，2014；Hsiao，et al，2015）。這些方案將給定波長以上同化背景場的長波部分逐漸逼近或全部更換為全球模式對應尺度的預報，從而保證了模式初始場的大尺度特征始終與全球預報一致，但仍保留區域模式預報更為準確的中小尺度特征。

區別于尺度混合方案中通常采用的固定截斷波長，Feng 等（2020，2021） 發展了一種動態預報混合方案（DFB，Dynamic Forecasts Blending），可以根據全球模式預報質量的動能譜和區域模式預報誤差的動能譜分布計算隨時間變化的截斷波長，之后將大尺度全球預報與區域模式中、小尺度預報場按該動態計算波長進行切割并混合，使得混合波數具有了波數域上的時、空變化流依賴特征。該方案在RMAPS-ST 1.0 版的逐3 h 快速更新循環預報系統中的應用結果表明有效提升了模式降水預報性能并減小預報的系統性誤差（Feng，et al，2021）。因此，在CMA-BJ 2.0 版模式系統中，使用該方案將前次循環的小尺度場和全球模式的大尺度場實時混合，使用全球模式大尺度場約束區域模式中熱、動力場的發展。

DFB 方案選擇6 階正切低通濾波器為算法基礎，給定一個分割尺度，該濾波器可以提取物理量場的大尺度和小尺度部分。利用濾波器提取的全球模式的大尺度部分和區域模式的小尺度部分相加，就得到該物理量的混合場。全球模式輸出變量（Xg） 、 區域模式輸出變量（Xr）和變量的混合場（Xb）可以分別表示為

式中，k是模擬區域范圍的波數，取值范圍是0 到模擬分辨率所能計算的最大波數N； π 是圓周率；kc表示分割尺度；f代表濾波器，定義為

動態混合算法基于兩個步驟實時計算截斷波數kc：（1）通過計算全球模式相對于再分析資料的動能預報偏差小于指定百分比閾值（CMA-BJ 2.0 版使用5%）的波數為待保留的大尺度截斷波數kg；（2）旨在保持小尺度系統的增長，即使用全球預報和區域模式預報之間的殘余小尺度波段動能差異百分比閾值（CMA-BJ 2.0 版使用7%）為指標來確定待保留的區域模式小尺度截斷波數kr。從兩個截斷波數中選擇較小者確定最終的動態截斷波數，即kc=min（kr,kg）。該波數隨模式的運行和系統的發展自行動態調整。該算法的更多詳細信息參見Feng 等（2020，2021）。

在CMA-BJ 2.0 版系統中，DFB 方案應用于逐時分析循環的同化背景場，即在每次同化開始前，先實施背景場的DFB 動態混合修正，然后以其修正后的結果為背景場開展資料同化。2019 年1 月和7 月的逐時更新循環同化及預報試驗結果表明，DFB 方案的應用對地面要素預報性能總體呈正影響，對降水預報而言，各閾值的TS 評分有明顯提升且伴隨更接近1 的平均偏差（BIAS）評分（圖略）；對高空要素尤其是風速的預報性能總體也呈正影響（圖6），且在12 時起報預報中表現的更為顯著。說明 DFB 方案在保持了區域數值預報模式預報系統穩定性的同時，能夠有效控制和修正不斷更新循環帶來的累積誤差。

圖6 2019 年1 月1—31 日12 時 （世界時） 起報預報的不同高度溫度 （a、d， 單位：K）、比濕 （b、e，單位：kg/kg） 和風速 （c、f，單位：m/s）平均偏差 （BIAS） 和均方根誤差 （RMSE） 評分對比 （黑線：對照，紅線：DFB） （a—c.12 h 預報，d—f.24 h 預報）Fig.6 Upper air temperature （a，d，unit：K），specific humidity （b，e，unit：kg/kg） and wind speed （c，f，unit： m/s） scores of forecasts initialized at 12:00 UTC in January 2019 （black line：CTL，red line：DFB） （a—c.12 h forecasts，d—f.24 h forecasts）

4.2 中國全國雷達反射率拼圖資料的同化應用

CMA-BJ 2.0 版系統的一項重要更新內容即是實現了中國全國范圍224 部多普勒天氣雷達反射率拼圖資料的實時同化應用。站點分布如圖5c 所示，雷達型號包括SA、SB、SC、CB、CC 和CD。在獲取雷達基數據后，開展了一系列的質量控制，包括：異常數據標識、雜波移除、孤立點移除、間隙填充、干擾回波移除、地物雜波剔除、超折射AP 地物雜波移除、海浪回波識別剔除、阻擋波束補償、晴空雜波移除以及距離去折疊等。質量控制后的單雷達基數據被處理成三維等高面產品CAPPI 以及單站雷達CAPPI 產品后生成全國雷達回波拼圖產品。雷達基數據質量控制由中國氣象局大氣探測中心負責完成，實時生成逐10 min 更新的垂直0—12 km、分辨率500 m 共計24 層的三維等高面CAPPI 產品和單站雷達CAPPI 產品，雷達數據滯后時間約13 min。

CMA-BJ 2.0 版系統采用雷達反射率資料間接同化方案（范水勇等，2013；Wang，et al，2013）來實現全國雷達反射率拼圖資料的同化，該方案先將反射率因子Ze根據同化背景場溫度Tb分類后按如下關系反演形成各類水凝物含量（雨qr、雪qs、霰qh）的代理觀測（Gao，et al，2012）

式中，Z（qr）=3.63×109（ρqr）1.75，Z（qs）=9.80×108（ρqs）1.75，Z（qh）=4.33×1010（ρqh）1.75， ρ是 空 氣 密度， α 在0（Tb=-5℃ ）和1（Tb=5℃）之 間 線 性 變化。此外，對于觀測高度大于凝結抬升高度且觀測值大于某一閾值（設為30 dBz）的雷達反射率因子，即認為云中達到飽和，即相對濕度為100%，此時將雷達觀測點的飽和水汽值作為代理觀測進行同化。采用如下線性觀測算子同化估計水汽qv

式 中，p為 氣 壓，T為 溫 度，ε=0.622，c1=6.112，水汽的增量dqv由相對濕度RH的增量dRH和溫度增量dT計算得出。在CMA-BJ 2.0 版系統中水汽的觀測誤差指定為飽和水汽值的20%。

睿圖-短期1.0 版的業務預報性能結果表明，雷達反射率拼圖資料的連續循環同化往往易造成水汽的循環累積而導致降水空報，因此從兩方面調整雷達觀測資料的同化策略。如表2 所示，一方面雷達反射率資料僅在更新預報步驟開展同化，以規避連續循環同化造成的水汽正向過量累積；一方面對雷達同化采用調整后的背景場方差尺度和長度尺度，根據一系列單點試驗和批量同化試驗結果，將同化雷達觀測時的背景場誤差方差尺度（Var_scaling）從原來設置的0.5 調整為1，特征長度尺度（Len_scaling）從0.5 調整為0.25，以加大雷達觀測資料的權重并進一步強化雷達觀測的局地化特征。

表2 雷達資料同化策略Table 2 The radar data assimilation strategy

圖7 為2019 年 6 月 4 日 09 時雷達資料同化后起報的0—3 h 和3—6 h 的逐3 h 累計降水預報分布，在廣東、廣西、云南等地區RadarS 相比RadarC降水空報的強度和范圍均明顯減小，整體上試驗RadarS 的預報與觀測更接近。

圖7 2019 年6 月4 日09—12 時、12—15 時 （世界時） 3 h 累計降水觀測 （a、d） 和試驗RadarC （b、e）、RadarS （c、f） 于4 日09 時開始0—3 h （b、c） 和3—6 h （e、f） 的3 h 累計降水預報Fig.7 3 h accumulated precipitation valid during 09:00—12:00 UTC 4 June 2019 （a，d.observations，b，e.RadarC，c，f.RadarS；b，c are the 0—3 h forecasts，e，f are the 3—6 h forecasts）

在CMA-BJ 2.0 版系統中采用上述2 種雷達同化方案開展了2019 年6—8 月的逐時更新循環批量試驗。9 km 分辨率逐3 h 累計降水預報的客觀檢驗評分結果（圖8）顯示，應用改進方案后0—24 h 預報時效降水預報TS 評分在各降水量級都有顯著提高（圖8a），0—12 h 預報時效內各降水量級的BIAS評分顯著減小，更接近1（圖8b），表明RadarS 方案的應用有效抑制了原方案導致的降水空報。

圖8 2019 年6—8 月CMA-BJ 2.0 版系統9 km 分辨率逐3 h 累計降水預報的客觀檢驗評分 （a.TS， b.BIAS）Fig.8 3 h accumulative precipitation forecast scores of CMA-BJ v2.0 verified against rain gauge observations in the 9 km domain from June to August 2019 （a.TS，b.BIAS）

4.3 中國全國風廓線觀測資料的同化應用

基于前期研究基礎，中國全國風廓線雷達觀測（圖5d）資料在CMA-BJ 2.0 版模式系統中作為一項重要更新正式納入業務同化應用。

發展了面向資料同化應用的風廓線觀測兩步動態質量控制方案（Zhang，et al，2017）。第一步質量控制（QC1）為黑名單制度，即通過逐站計算觀測和模式背景的相關系數并與預設的相關性閾值進行對比，相關系數小于相關性閾值的測站被認為觀測質量整體較差，被直接納入黑名單；第二步質量控制（QC2）為基于迭代再加權最小協方差行列式（IRMCD，Iterated Reweighted Minimum Covariance Determinant）方法的離群值剔除，即對于通過QC1 質量控制的測站，開展風廓線觀測風場u、v二維分量的預報-觀測偏差（即OMB）IRMCD 離群值判別，通過此步驟有效地剔除被判定為離群值的u、v分量OMB 觀測，并使得留下的有效風廓線觀測其OMB 滿足資料同化要求的高斯分布。質量控制的具體流程見圖9。

圖9 風廓線觀測資料質量控制流程Fig.9 Quality control process of wind profile observation data

在實際的質量控制流程中，黑名單和IRMCD離群值剔除步驟都是隨時間滑動的動態過程，即對每部風廓線雷達通過執行新樣本加入、舊樣本退出的流程來保證其OMB 樣本數據集中只包含最近3 個月內的觀測。整體而言，黑名單步驟能夠動態反映每個風廓線測站近期的質量狀況，而為保證IRMCD 方法的有效性和統計顯著性，對于積累的樣本量也有一定的要求。QC1 步驟將整個剔除與背景場明顯不相關的風廓線測站，而QC2 將剔除已通過QC1 但其OMB 被標記為離群值的風廓線觀測。如圖10 所示，風廓線觀測數據經過兩步質量控制后實際同化吸收率達到98%—99%，整體上滿足變分同化的前提假設，表明質量控制基本達到了預計的效果。

圖10 2018 年6 月10 日00 時—2018 年7 月1 日00 時 （世界時） 經過質量控制后的風廓線觀測進入同化應用的記錄數和u、v 同化吸收率Fig.10 Record number and u，v assimilation absorption rate of wind profiler observations entering the assimilation after quality control from 00:00 UTC 10 June to 00:00 UTC 1 July 2018

風廓線觀測資料同化對于9 km 區域的高空u、v風場要素預報性能形成持續穩定的正效果，但對高空溫度、濕度要素的影響并不顯著（圖略）。

基于Wang 等（2020）的工作，在風廓線觀測的對流尺度同化方案中采用u、v取代常規的流函數、勢函數為控制變量。但是在風廓線和雷達徑向風觀測均密集分布的地區，如覆蓋中國華北地區的CMABJ 2.0 版系統的3 km 區域，風廓線觀測和雷達徑向風觀測先后同化的策略具有更好的預報性能，即先同化常規GTS 資料，經過常規觀測更新的分析場作為背景場，在第二步同時同化風廓線觀測和雷達觀測（徑向風和反射率），更重要的是，該策略被證明能夠更好地實現風廓線和雷達徑向風觀測資料的相互約束，具有更好的預報效果（Wang，et al，2022）。

5 結論和討論

CMA-BJ 2.0 版是在原有的睿圖-短期逐3 h 更新循環預報業務系統基礎上發展的、區域逐時快速更新循環同化分析及短時預報業務系統。文中介紹了其逐時更新循環預報系統的關鍵技術特點及其相較于前一版本在資料同化方面的關鍵技術更新，主要包括如下幾個方面：

（1）快速更新循環的同化背景場來自前次循環的1 h 預報，通常模式在積分1 h 后無法達到理想的平衡狀態，導致更多高頻噪聲出現以及預報誤差在多次循環后快速積累，對當次及后續循環的同化及預報造成不利影響。為解決該問題，發展了增量分析更新初始化方案并應用于CMA-BJ 2.0 版系統。

（2）在CMA-BJ 2.0 版系統運行流程構建方面，充分考慮各類觀測資料實際到報截斷時長的差異，發展了包括循環分析和更新預報兩個部分耦合運行的逐時追趕循環運行框架，實現了對各類觀測資料的充分高效利用，也較好地兼顧了短臨預報服務對逐時更新循環預報產品的時效性要求。

（3）為保證在更新循環過程中模式預報的大尺度場不會因為多次循環誤差累積而變形，發展了大尺度全球預報與區域模式中小尺度預報場的動態混合方案并應用于CMA-BJ 2.0 版系統，結果表明DFB 技術的應用較好地實現了全球模式大尺度場對區域模式中小尺度熱力場發展的動態約束，對逐時更新循環模式的預報性能起到了正面影響。

（4）在雷達資料同化方面，CMA-BJ 2.0 版模式系統實現了對中國全國雷達反射率因子拼圖觀測資料的間接同化應用，并且針對其前一版本中因雷達資料連續循環同化造成水汽循環累積而導致的降水空報問題，從兩方面入手對雷達同化策略開展了優化，一是僅在更新預報步驟開展雷達反射率資料同化，以規避連續循環同化造成的水汽正向過量累積；二是調整雷達同化時的背景場誤差的方差和長度尺度，上述策略的應用有效提升了雷達反射率拼圖資料同化的應用效果和降水預報性能。

（5）通過構建基于IRMCD 方案的兩步質量控制方案，CMA-BJ 2.0 版系統實現了中國全國風廓線雷達觀測資料的同化應用，并且在風廓線和雷達徑向風觀測均密集分布的地區采用雷達徑向風與風廓線觀測資料的同時同化，實現兩類高時、空分辨率雷達風觀測資料的相互約束。

CMA-BJ 2.0 版預報系統已于2021 年6 月正式業務運行，系統運行穩定，產品實時分發并應用于日常天氣預報、預警業務。但在業務實踐中也不斷發現系統運行和資料同化中存在的問題和不足，如雷達資料連續循環同化造成水汽過量累積，為此正在開展雷達反射率同化算子及同化策略優化。同時，以應用于業務實踐為目標的先進資料同化方法和技術（如多源觀測資料的集合-變分混合同化、多源極軌衛星和靜止衛星輻射率資料同化應用等技術）均在持續研發并即將形成業務應用能力，未來將成為CMA-BJ 區域數值預報業務系統不斷改進完善的重要方面。