吳亞麗陳德輝

1）（中國(guó)氣象科學(xué)研究院，北京100081）2）（中國(guó)氣象局?jǐn)?shù)值預(yù)報(bào)中心，北京100081）

潛熱加熱納近方法在地面降水資料同化中的應(yīng)用

吳亞麗1）2）陳德輝2）*

1）（中國(guó)氣象科學(xué)研究院，北京100081）2）（中國(guó)氣象局?jǐn)?shù)值預(yù)報(bào)中心，北京100081）

基于國(guó)家氣象中心GRAPES＿M(jìn)eso高分辨率區(qū)域模式，針對(duì)中尺度數(shù)值預(yù)報(bào)模式中預(yù)報(bào)雨帶形成滯后問(wèn)題，研究了潛熱加熱納近方法在地面降水資料同化中的應(yīng)用，以期提高短時(shí)數(shù)值天氣預(yù)報(bào)的水平。2013年6月20日—7月20日的初步試驗(yàn)結(jié)果表明：通過(guò)調(diào)整模式潛熱加熱廓線，可以改進(jìn)初始場(chǎng)中溫、濕、風(fēng)等要素的合理分布，增加降水區(qū)的對(duì)流不穩(wěn)定性；潛熱加熱納近方法可以縮短模式的調(diào)整適應(yīng)（spin-up）時(shí)間，改進(jìn)短時(shí)降水預(yù)報(bào)的落區(qū)和強(qiáng)度，提高3 h，6 h，12 h的降水預(yù)報(bào)TS，ETS評(píng)分；與傳統(tǒng)的冷潛熱加熱納近的試驗(yàn)結(jié)果相比，改進(jìn)的暖潛熱加熱納近試驗(yàn)對(duì)降水落區(qū)和強(qiáng)度的預(yù)報(bào)更接近觀測(cè)，但強(qiáng)降水中心范圍略大。

GRAPES＿M(jìn)eso；地面降水觀測(cè)資料；潛熱加熱納近；短時(shí)預(yù)報(bào)

引 言

我國(guó)加密自動(dòng)氣象站地面降水觀測(cè)資料具有空間分布稠密、時(shí)間分辨率高（逐小時(shí)）的特點(diǎn)，一次地面降水觀測(cè)資料可達(dá)50000份，但這部分稠密的地面降水觀測(cè)資料目前還未在實(shí)際數(shù)值預(yù)報(bào)業(yè)務(wù)中得到定量應(yīng)用，只是定性應(yīng)用于預(yù)報(bào)員的天氣預(yù)報(bào)和服務(wù)中。因此，尋找一種有效的方法以實(shí)現(xiàn)我國(guó)目前大量的地面稠密降水觀測(cè)資料在業(yè)務(wù)數(shù)值預(yù)報(bào)中的定量應(yīng)用，是當(dāng)前氣象保障業(yè)務(wù)的迫切需求。

過(guò)去幾十年中，國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)降水觀測(cè)資料的處理和應(yīng)用提出了一些方法和理論，包括物理初始化法、牛頓松弛法、一維變分同化法以及四維變分同化法等。針對(duì)熱帶地區(qū)降水預(yù)報(bào)，Krishnamurti等［1］提出物理初始化方法，同化熱帶降水資料到模式初始場(chǎng)，減小了低緯地區(qū)由于傳統(tǒng)資料的缺乏引起濕度分析不足帶來(lái)的影響。朱國(guó)富［2］選用了兩種初值化方法——牛頓連續(xù)松弛逼近技術(shù)和降水-濕度場(chǎng)調(diào)整方案來(lái)調(diào)整模式的初始場(chǎng)，兩者均對(duì)模式短時(shí)預(yù)報(bào)效果有改進(jìn)作用。此外，不少學(xué)者嘗試通過(guò)變分方法調(diào)整模式濕度場(chǎng)，如1998年Andrew等［3］用變分同化法發(fā)展了衛(wèi)星資料同化方案改進(jìn)中尺度模式的濕度場(chǎng)，2004年王葉紅等［4］將一維變分同化方法引入η坐標(biāo)中尺度有限區(qū)域模式，對(duì)短時(shí)預(yù)報(bào)改進(jìn)明顯，邵明軒等［5］利用四維變分法同化自動(dòng)氣象站降水資料，減弱了模式的調(diào)整適應(yīng)（spinup）問(wèn)題。但這些方法或因?qū)嶋H應(yīng)用能力的局限，或因計(jì)算時(shí)效的局限，均未能應(yīng)用于現(xiàn)有的實(shí)時(shí)業(yè)務(wù)系統(tǒng)中。

另一種在業(yè)務(wù)上被普遍采用的地面降水資料的融合方法是潛熱加熱納近（latent heat nudging，簡(jiǎn)稱(chēng)LHN），從降水引起潛熱（比濕）的變化出發(fā)，通過(guò)調(diào)整潛熱加熱（減濕）廓線對(duì)模式降水引起的加熱（減濕）廓線加以調(diào)整，使模式降水向觀測(cè)降水逼近，進(jìn)而調(diào)整模式預(yù)報(bào)的初始場(chǎng)。早在1988年Wang等［6］就開(kāi)展了相關(guān)研究工作，使用雷達(dá)降水率估計(jì)場(chǎng)和雨量計(jì)資料計(jì)算觀測(cè)潛熱加熱，并在模式預(yù)報(bào)的前處理階段作用于熱力方程的絕熱加熱項(xiàng)。1994年Manobinaco等［7］不同于以往調(diào)整觀測(cè)廓線的做法，而是根據(jù)觀測(cè)降水調(diào)整模式潛熱加熱廓線，這不僅保證了模式降水與模式參數(shù)化方案的一致性，且無(wú)需考慮降水類(lèi)型為層云降水還是對(duì)流降水。1997年Jones等［8］采用類(lèi)似的方法將雷達(dá)反演降水資料同化到英國(guó)氣象局的中尺度模式中，并一直在業(yè)務(wù)中得到應(yīng)用。隨著LHN方法在提高模式短時(shí)天氣預(yù)報(bào)效果方面得到越來(lái)越多的認(rèn)可，其他國(guó)家開(kāi)始紛紛將其試應(yīng)用于各自的業(yè)務(wù)數(shù)值預(yù)報(bào)模式中，并根據(jù)不同模式的表現(xiàn)進(jìn)行相應(yīng)調(diào)整，因此除調(diào)整潛熱加熱廓線外，也有研究調(diào)整比濕廓線、垂直速度，如Falkovich等［9］在NCEP的中期預(yù)報(bào)系統(tǒng) MRF中連續(xù)兩次使用6 h累積觀測(cè)降水（衛(wèi)星反演降水資料）調(diào)整模式比濕廓線，Haase等［10］則是調(diào)整垂直速度來(lái)提高模式預(yù)報(bào)能力。這些研究均表明，LHN方法對(duì)模式溫度（濕度、垂直速度）廓線進(jìn)行調(diào)整后，模式能夠在同化結(jié)束后的數(shù)小時(shí)內(nèi)依然保持較好的預(yù)報(bào)能力，短時(shí)降水預(yù)報(bào)準(zhǔn)確率提高。近些年，LHN方法仍在不少?lài)?guó)家發(fā)展和應(yīng)用，如2005年韓國(guó)氣象局Ha等［11］在MM5和 WRF模式中基于LHN方案同化了SSM／I衛(wèi)星反演降水資料，提高了模式對(duì)12 h對(duì)流系統(tǒng)的預(yù)報(bào)能力。2008年開(kāi)始，Stephan等［12-14］及 Leuenberger等［15］將 LHN 方法應(yīng)用到德國(guó)氣象局區(qū)域數(shù)值預(yù)報(bào)模式中，同樣改進(jìn)了短時(shí)降水預(yù)報(bào)。因此，自1997年以來(lái)，LHN方法一直在發(fā)展，并應(yīng)用于英國(guó)、德國(guó)、韓國(guó)等多個(gè)國(guó)家的業(yè)務(wù)數(shù)值預(yù)報(bào)系統(tǒng)中。

目前的同化方法主要有變分法、集合卡爾曼濾波法，但三維變分方法和集合卡爾曼濾波法無(wú)法直接同化地面降水資料，1DVar和4DVar理論上可以同化地面降水資料，但因?yàn)槲锢磉^(guò)程切線-伴隨模式過(guò)于簡(jiǎn)化或計(jì)算量太大［16］，影響直接同化地面降水資料的效果，目前仍無(wú)法實(shí)現(xiàn)在實(shí)際業(yè)務(wù)中的實(shí)時(shí)定量應(yīng)用，而LHN同化方法消耗計(jì)算機(jī)資源較少，很容易在業(yè)務(wù)上實(shí)現(xiàn)。為了實(shí)現(xiàn)外推與數(shù)值預(yù)報(bào)相結(jié)合的短時(shí)、臨近預(yù)報(bào)技術(shù)［17］，近些年關(guān)于雷達(dá)和衛(wèi)星資料在數(shù)值模式中的同化研究越來(lái)越多［18-19］，而基于LHN方法同化自動(dòng)氣象站降水資料的業(yè)務(wù)應(yīng)用研究工作不多，至今仍未能在中尺度數(shù)值預(yù)報(bào)系統(tǒng)實(shí)現(xiàn)，影響在數(shù)值預(yù)報(bào)中充分應(yīng)用現(xiàn)有大量地面稠密降水觀測(cè)資料，提高短時(shí)數(shù)值預(yù)報(bào)的水平。本文旨在研究潛熱加熱納近方法［8，20］在融合同化我國(guó)地面降水觀測(cè)資料中的應(yīng)用，以改善模式積分初值質(zhì)量，進(jìn)而改進(jìn)GRAPES＿M(jìn)eso高分辨率區(qū)域中尺度模式的短時(shí)預(yù)報(bào)水平。

1 潛熱加熱納近方法

降水潛熱加熱納近的基本思想是根據(jù)地面觀測(cè)降水與模式預(yù)報(bào)降水之比對(duì)模式的總潛熱加熱廓線（即對(duì)流降水與格點(diǎn)降水或微物理降水的總加熱廓線）進(jìn)行一致性調(diào)整，這一調(diào)整計(jì)算是在模式時(shí)間積分中，逐一時(shí)間步進(jìn)行，從而達(dá)到模式預(yù)報(bào)降水在向觀測(cè)降水納近的過(guò)程中，使三維模式大氣向?qū)嶋H大氣適應(yīng)、改進(jìn)模式初值的目的。

1.1 觀測(cè)降水資料時(shí)間分配方案設(shè)計(jì)

由于模式積分的每一時(shí)間步的預(yù)報(bào)降水量是變化的，原則上，潛熱加熱納近時(shí)間窗內(nèi)，模式積分的每一時(shí)間步的預(yù)報(bào)降水都要用相應(yīng)的觀測(cè)降水進(jìn)行匹配，然而，事實(shí)上目前尚無(wú)一種觀測(cè)資料可以達(dá)到這樣高的時(shí)間分辨率，因此，試驗(yàn)只能采用累積降水觀測(cè)資料。如何將累積觀測(cè)降水分配到模式每一積分時(shí)間步上，本文采用累積時(shí)間盡可能短的逐小時(shí)降水資料，并根據(jù)相鄰兩個(gè)時(shí)間間隔內(nèi)累積觀測(cè)降水的增加或減小趨勢(shì)，分別采用線性遞增或遞減插值函數(shù)，將1 h累積觀測(cè)降水分配到模式每一積分時(shí)間步上。

1.2 位溫增量廓線的計(jì)算

設(shè)格點(diǎn)的分析降水率Ra對(duì)應(yīng)的氣柱累積潛熱釋放 為引起的氣柱累積熱量變化為其中，cp為干空氣比定壓熱容，L為相變潛熱，ΔqH為水汽凝結(jié)，氣溫變化為Δθ。

式（1）中，z0表示降水形成高度，zs表示地面高度，K表示自降水形成高度至地面的垂直層數(shù)。

格點(diǎn)的模式預(yù)報(bào)降水率Rf對(duì)應(yīng)的氣柱累積潛熱釋放為引起的氣柱累積加熱變化為

設(shè)格點(diǎn)的分析降水率Ra與模式預(yù)報(bào)降水率Rf之比正比于氣柱累積加熱變化與之比：

式（5）即為經(jīng)LHN方法調(diào)整后位溫增量廓線Δθ的計(jì)算公式［8］，其中Δθf(wàn)k為模式降水過(guò)程導(dǎo)致的加熱增量，該式也表明降水同化對(duì)加熱廓線各層的調(diào)整均一致，乘縮放系數(shù)（β－1）。若Rf＜Ra，β＞1，Δθk為正值，模式加熱量過(guò)小，需要增加。相反地，若Rf＞Ra，β＜1，Δθk為負(fù)值，模式加熱量過(guò)大，需要減小。此外，納近觀測(cè)降水可直接調(diào)整溫度廓線的同時(shí)，通過(guò)模式積分過(guò)程，間接地使得模式的比濕、u和v風(fēng)速發(fā)生調(diào)整。

因此，當(dāng)模式預(yù)報(bào)降水率Rf滿(mǎn)足εRa＜Rf＜（1／αRa）時(shí)，潛熱增量廓線按式（5）計(jì)算，其中α和ε為常數(shù)，文中取ε＝1／4，α＝1／2，用于控制參與納近調(diào)整的降水范圍。

1.3 相鄰格點(diǎn)搜索方案

上述方案中，模式降水可能不滿(mǎn)足εRa＜Rf＜（1／αRa），此時(shí)需要用鄰近點(diǎn)替代，否則會(huì)使過(guò)多的格點(diǎn)無(wú)法進(jìn)行調(diào)整，即搜索該格點(diǎn)附近一定距離范圍內(nèi)（通常周?chē)?個(gè)點(diǎn)）最大預(yù)報(bào)降水率格點(diǎn)上的預(yù)報(bào)降水率Rfnear替代該點(diǎn)的預(yù)報(bào)降水率，對(duì)該點(diǎn)進(jìn)行分析降水納近同化調(diào)整［8］，即

式（6）中，Δθf(wàn)near是相應(yīng)的模式降水導(dǎo)致的加熱增量。

若仍找不到替代點(diǎn)，則按如下方法調(diào)整：

2 數(shù)值試驗(yàn)設(shè)計(jì)與個(gè)例分析

2.1 數(shù)值試驗(yàn)設(shè)計(jì)

試驗(yàn)采用中國(guó)科學(xué)家自主研究建立的非靜力高分辨率中尺度區(qū)域數(shù)值預(yù)報(bào)模式GRAPES＿M(jìn)eso［21］，垂直方向取非均勻的32層，水平分辨率約為3 km，預(yù)報(bào)區(qū)域?yàn)?6°～38°N，110°～126.5°E。模式微物理過(guò)程選用 WSM6類(lèi)方案（水汽、雨、雪、云水、云冰、霰），長(zhǎng)波輻射過(guò)程選用RRTM方案，短波輻射過(guò)程選用Dudhia方案，近地面層方案為Monin-Obukhov方案，陸面過(guò)程選用Noah方案，邊界層參數(shù)化方案為MRF方案，關(guān)閉積云對(duì)流參數(shù)化方案。

所用觀測(cè)資料來(lái)自國(guó)家氣象信息中心提供的全國(guó)自動(dòng)氣象站逐小時(shí)降水量資料，該資料在由地方上傳到國(guó)家氣象信息中心之前，經(jīng)過(guò)了各級(jí)資料部門(mén)的質(zhì)量檢查［22］。從2006年1月開(kāi)始收集，當(dāng)時(shí)全國(guó)觀測(cè)站總數(shù)約1000多個(gè)，到2009年站點(diǎn)數(shù)已增加至30000個(gè)左右，目前達(dá)到50000個(gè)，能夠?yàn)闅庀箢A(yù)報(bào)等提供較為精細(xì)的降水信息，站點(diǎn)分布如圖1a所示。其中，本試驗(yàn)主要覆蓋山西、河北、山東、河南、安徽、江蘇、上海、湖北、湖南、江西、浙江、福建12個(gè)省、市（如圖1b所示），資料空間分布稠密，一次觀測(cè)約有7000多份資料。

圖1 自動(dòng)氣象站分布 （a）全國(guó)，（b）試驗(yàn)區(qū)域范圍Fig.1 Distribution of automatic weather stations（AWS）（a）China，（b）test domain

模式背景場(chǎng)和側(cè)邊界均由NCEP GFS的預(yù)報(bào)場(chǎng)提供，其中背景場(chǎng)為GFS的6 h預(yù)報(bào)場(chǎng)，側(cè)邊界條件每6 h更新1次，批量試驗(yàn)從2013年6月20日—7月20日每日00：00（世界時(shí)，下同）冷啟動(dòng)1次，進(jìn)行12 h的短時(shí)預(yù)報(bào)。由于數(shù)值模式積分計(jì)算存在調(diào)整適應(yīng)（spin-up）問(wèn)題，冷啟動(dòng)時(shí)模式需要積分?jǐn)?shù)小時(shí)才能模擬出合理的大氣狀態(tài)，一些雨帶才能組織化。而傳統(tǒng)的LHN 方法的應(yīng)用步驟［8，20］，首先進(jìn)行資料同化（如3DVar三維變分同化），生成初始分析場(chǎng)作為模式積分初值，然后進(jìn)行地面降水資料的融合同化，修正模式加熱廓線，從而對(duì)分析初始場(chǎng)進(jìn)行修改。然而這一傳統(tǒng)的LHN方法存在明顯不足：模式積分初始時(shí)刻無(wú)預(yù)報(bào)降水或只有零散的降水與觀測(cè)降水進(jìn)行匹配，這會(huì)影響到加熱廓線的修正效果。因此，在進(jìn)行地面降水資料同化之前，本文先對(duì)模式進(jìn)行預(yù)熱，使得有較合理的模式雨帶與觀測(cè)雨帶進(jìn)行匹配，再修正模式加熱廓線，這種方法稱(chēng)之為暖潛熱加熱納近（W-LHN）方法，那么，傳統(tǒng)的LHN方法則稱(chēng)為冷潛熱加熱納近 （C-LHN）。為了對(duì)比分析，本文設(shè)計(jì)了4組同化試驗(yàn)，無(wú)LHN納近的控制試驗(yàn)（CTRL）、冷潛熱加熱納近試驗(yàn)（CLHN）、暖啟動(dòng)積分6 h的暖潛熱加熱納近試驗(yàn)（W6-LHN）、暖啟動(dòng)積分12 h的暖潛熱加熱納近試驗(yàn)（W12-LHN），后3組納近試驗(yàn)同化地面觀測(cè)降水的時(shí)長(zhǎng)均為6 h，并在潛熱加熱納近結(jié)束后進(jìn)行12 h短時(shí)預(yù)報(bào)。圖2和表1以2013年6月27日為例，給出了4組試驗(yàn)設(shè)計(jì)的示意圖。需要指出的是，由于海上無(wú)自動(dòng)氣象站觀測(cè)站點(diǎn)，國(guó)界以外區(qū)域不參與同化分析。

圖2 潛熱加熱納近試驗(yàn)設(shè)計(jì)示意圖Fig.2 Schematic of experiment setup based on LHN method

表1 潛熱加熱納近數(shù)值試驗(yàn)設(shè)計(jì)Table 1 The design of LHN experiments

2.2 個(gè)例分析

2013年6月26—28日，在江淮流域大部地區(qū)（湖北南部、湖南中部、江西北部、安徽南部以及浙江北部）出現(xiàn)了一次明顯的強(qiáng)降水過(guò)程，從西到東有一條明顯雨帶，其中部分地區(qū)降水達(dá)到暴雨到特大暴雨量級(jí)。

6月26日18：00—27日00：00湖北、湖南、江西、浙江沿線的降水逐漸向東向北移動(dòng)加強(qiáng)，范圍擴(kuò)大，8 mm／h以上的降水主要位于湖南西北部以及江西北部、安徽南部、浙江北部，有清晰的雨帶結(jié)構(gòu)，最大降水率達(dá)到32 mm／h，位置多變。19：00暴雨及特大暴雨位于湖南中偏北地區(qū)、湖北東南部、江西北部、浙江西部地區(qū)；20：00湖南的暴雨減弱為大雨，湖北、江西兩省交界處暴雨增多，浙江西部暴雨強(qiáng)度略減弱；21：00湖南中北部地區(qū)的暴雨又降臨，一直持續(xù)到次日00：00，且強(qiáng)度增加，范圍變廣，湖北南部的暴雨從此時(shí)開(kāi)始逐漸減弱為中雨，江西的暴雨則位置東移強(qiáng)度略減弱，而浙江省西部地區(qū)的暴雨一直持續(xù)。該6 h的數(shù)據(jù)作為觀測(cè)資料同化到GRAPES＿M(jìn)eso模式中，并進(jìn)行6月27日00：00—12：00的12 h降水預(yù)報(bào)。

2.2.1 降水納近開(kāi)始時(shí)段的模式降水量分布

為了說(shuō)明采用暖潛熱加熱納近的必要性，這里給出降水納近時(shí)段開(kāi)始時(shí)的模式降水量分布圖（圖3），即2013年6月26日17：00—18：00（參見(jiàn)圖2）的模式1 h累積降水量和18：00—19：00的模式1 h累積降水量。由圖3可以看出，冷潛熱加熱納近在初始積分時(shí)刻無(wú)降水，即使是到第1小時(shí)積分結(jié)束，也只是零散的降水，與觀測(cè)相比雨量遠(yuǎn)遠(yuǎn)不足，也就是說(shuō)，當(dāng)采用C-LHN方法直接進(jìn)行納近時(shí)，模式降水量無(wú)法與觀測(cè)降水進(jìn)行很好地匹配。而從暖潛熱加熱納近方法在納近開(kāi)始時(shí)段的0～1 h累積降水場(chǎng)看，降水量大小合理，雨帶已組織化，能夠與觀測(cè)降雨帶較好匹配。

圖3 C-LHN，W6-LHN，W12-LHN在納近開(kāi)始階段的累積降水量分布Fig.3 1-hour accumulated precipitation of C-LHN，W6-LHN and W12-LHN during the first two hours

續(xù)圖3

2.2.2 初始場(chǎng)分析

應(yīng)用C-LHN和W-LHN方法同化地面稠密降水觀測(cè)資料修正模式位溫廓線，分析兩者初始時(shí)刻的模式初始場(chǎng)單個(gè)格點(diǎn)上的溫度增量廓線和比濕增量廓線的分布情況（W6-LHN與C-LHN之差和W12-LHN與C-LHN之差）（圖4）。兩個(gè)點(diǎn)所在的位置分別為浙江西部的 A 點(diǎn)（29.87°N，119°E）、安徽南部的 B 點(diǎn)（30.35°N ，117.2°E），分別為 WLHN相對(duì)于C-LHN初始場(chǎng)3 h降水增多、減少的點(diǎn)?？梢园l(fā)現(xiàn)，冷、暖潛熱加熱納近方法分析得到的初始場(chǎng)的溫濕廓線在大氣中低層差異明顯，且溫度和濕度差值的垂直分布基本一致?？偟膩?lái)說(shuō)，對(duì)于降水增加的A點(diǎn)，整層大氣濕度增加，750 hPa層以下溫度增量隨高度減小，500～650 h Pa之間溫度增量隨高度增加，而降水減少的B點(diǎn)，450 hPa以下大氣濕度增量基本為負(fù)，水汽減少，尤其是 W6-LHN與C-LHN之差。溫度差異各層極不均勻，差值極值點(diǎn)也較多。此外，由圖4可以看出，A，B兩點(diǎn)處較長(zhǎng)時(shí)間預(yù)熱W12-LHN與較短時(shí)間預(yù)熱W6-LHN調(diào)整得到初始溫濕廓線也有差異，750 h Pa以下W12-LHN比W6-LHN更暖更濕，500～750 hPa則更干冷。隨著積分的進(jìn)行，A與B點(diǎn)會(huì)受到上游移過(guò)來(lái)的天氣系統(tǒng)的持續(xù)影響，從而影響到該點(diǎn)的3 h，6 h甚至更長(zhǎng)時(shí)效的累積降水。

為了進(jìn)一步分析觀測(cè)降水資料對(duì)模式降水的影響，比較納近后的分析場(chǎng)相對(duì)于原背景場(chǎng)GFS 6 h預(yù)報(bào)場(chǎng)1000 hPa和500 hPa風(fēng)場(chǎng)、比濕場(chǎng)的變化。由圖5可以看出，C-LHN與控制試驗(yàn)（CTRL）的初始差值場(chǎng)上，29.5°N和28.3°N附近1000 hPa浙江地區(qū)為風(fēng)矢量增量的明顯輻合區(qū)，相應(yīng)地，500 hPa為明顯輻散區(qū)，且在28.3°N附近，比濕增量在1000 hPa輻合區(qū)為水汽增加區(qū)域，500 hPa上輻散區(qū)為水汽減少區(qū)域，也就是說(shuō)，通過(guò)融合地面稠密降水觀測(cè)資料，該區(qū)域低層有水汽輻合的增量，中層500 h Pa有水汽輻散的增量。在江西北部也有類(lèi)似的情況，1000 h Pa水汽輻合增加，500 hPa水汽輻散減少，有利于降水增加。湖南中部低層1000 hPa的風(fēng)矢量輻合也很明顯，水汽亦為增加，但在500 hPa場(chǎng)上，輻散不太明顯，水汽減少也不明顯，這種配置有利于上升運(yùn)動(dòng)的產(chǎn)生和加強(qiáng)。因此，從比濕差值場(chǎng)和風(fēng)矢量差值場(chǎng)來(lái)看，浙江北部、江西東北部、湖南中部降水均會(huì)有所增加，這與后文給出的模式3 h累積降水分布是一致的。W6-LHN與W12-LHN也有類(lèi)似結(jié)論，且暖潛熱加熱納近試驗(yàn)與控制試驗(yàn)初始場(chǎng)的比濕差值場(chǎng)上，1000 hPa水汽增加得更多，500 hPa也減少得更多，可以認(rèn)為，暖潛熱加熱納近試驗(yàn)初始場(chǎng)的風(fēng)濕配置比冷潛熱加熱納近試驗(yàn)更有利于產(chǎn)生范圍更大、強(qiáng)度更強(qiáng)的降水中心。

2.2.3 模式短時(shí)降水預(yù)報(bào)

圖6為降水納近同化分析后，得到的6月27日3 h，6 h，12 h累積降水預(yù)報(bào)場(chǎng)。此次降水主要是橫跨湖南、湖北、江西、安徽、浙江五省，以及蘇南部分地區(qū)，浙江和安徽兩省交界處達(dá)到特大暴雨量級(jí)，6 h降水量超過(guò)60 mm，12 h降水量超過(guò)70 mm，且湖南、江西也有多地雨量達(dá)暴雨，是一次強(qiáng)降水過(guò)程。由圖6可以看出，CTRL預(yù)報(bào)的3 h降水強(qiáng)度偏弱，范圍偏小，且降水中心偏北，即使是到第6小時(shí)，雨帶覆蓋范圍仍然偏小，雨帶中心位置偏北，浙江安徽交界處的特大暴雨中心，江西西北部、湖南中部的幾處暴雨中心均未能報(bào)出，而浙江東北部有虛假的特大暴雨中心；第12小時(shí)雨強(qiáng)與實(shí)況較為一致，但強(qiáng)降水中心位置仍不準(zhǔn)確，雨帶偏窄，湖北南部、江西中部的降水幾乎沒(méi)有。整體來(lái)看，CTRL的3 h，6 h降水預(yù)報(bào)強(qiáng)度偏弱，范圍偏小，而12 h預(yù)報(bào)強(qiáng)降水中心位置偏移較大。與CTRL相比，冷、暖LHN試驗(yàn)受到納近階段6 h的觀測(cè)降水分析影響，增加了預(yù)報(bào)開(kāi)始階段的降水量，減弱了模式初始積分的調(diào)整適應(yīng)現(xiàn)象，能夠改進(jìn)上述降水預(yù)報(bào)的不足，且改進(jìn)效果明顯。

圖4 初始時(shí)刻冷、暖LHN初始比濕增量廓線及溫度增量廓線Fig.4 Initial profiles of specific humidity and temperature increments of cold and warm LHN experiments

圖5 同化前后初始場(chǎng)比濕增量（陰影）、風(fēng)矢量增量分布Fig.5 Specific humidity increment and wind vector increment of initial field

在分析了LHN方法能夠改進(jìn)此次降水預(yù)報(bào)的基礎(chǔ)上，進(jìn)一步對(duì)比分析冷、暖試驗(yàn)的預(yù)報(bào)結(jié)果。CLHN的3 h強(qiáng)降水預(yù)報(bào)過(guò)于集中，幾乎都分布在湖北、安徽、江西三省交界處，范圍過(guò)大，而湖南和浙江兩省的暴雨未能準(zhǔn)確預(yù)報(bào)，到第6小時(shí)仍然是類(lèi)似的情況，暴雨集中于三省交界處，到第12小時(shí)浙江省北部的降水增加，整體來(lái)看落區(qū)與實(shí)況較為接近，但不足的是，對(duì)于浙江省西部并延伸至安徽東南部的特大暴雨，C-LHN預(yù)報(bào)效果不夠理想。與之相比，W6-LHN改進(jìn)最為明顯的是3 h，6 h，12 h累積降水場(chǎng)中湖北、江西、安徽三省交界處的暴雨預(yù)報(bào)和浙江省西北部的特大暴雨中心預(yù)報(bào)。此外，強(qiáng)降水的落區(qū)也更為合理。因此，與C-LHN相比，W6-LHN在強(qiáng)降水中心的強(qiáng)度和落區(qū)上都與實(shí)況更為接近。不足的是，暴雨和特大暴雨中心的范圍略微偏大，存在空?qǐng)?bào)現(xiàn)象。比較不同暖啟動(dòng)時(shí)長(zhǎng)得到的降水預(yù)報(bào)效果，除了湖南，兩者在降水落區(qū)的把握上基本一致，但W12-LHN預(yù)報(bào)的強(qiáng)降水范圍過(guò)大、強(qiáng)度過(guò)強(qiáng)，特大暴雨中心幾乎穿越整條雨帶。

圖6 2013年6月27日3 h，6 h，12 h累積降水量分布Fig.6 3 h，6 h and 12 h accumulated precipitation on 27 June 2013

因此，從雨量量級(jí)和落區(qū)分布來(lái)看，應(yīng)用潛熱加熱納近方法融合地面稠密降水觀測(cè)資料對(duì)此降水個(gè)例有積極影響，尤其以3 h預(yù)報(bào)最為顯著，且W6-LHN的預(yù)報(bào)結(jié)果與觀測(cè)更為接近，C-LHN對(duì)暴雨以上量級(jí)降水預(yù)報(bào)不足，而W12-LHN預(yù)報(bào)的暴雨范圍過(guò)大，這是合理的。C-LHN是在模式積分開(kāi)始進(jìn)行同化，此時(shí)大部分地區(qū)的降水還未形成，無(wú)法與觀測(cè)進(jìn)行很好的匹配，而暖潛熱加熱納近試驗(yàn)考慮了模式積分雨帶形成滯后這一現(xiàn)象，是在模式積分預(yù)熱數(shù)小時(shí)各變量之間協(xié)調(diào)后進(jìn)行觀測(cè)資料同化，使得模式結(jié)果向觀測(cè)結(jié)果逼近的，比C-LHN效果要好，又因?yàn)榉e分6 h后模式基本已經(jīng)能夠合理反映大氣狀態(tài)，各個(gè)變量之間達(dá)到協(xié)調(diào)狀態(tài)，而積分預(yù)熱12 h可能會(huì)產(chǎn)生多余的6 h誤差累積，使得在初始時(shí)刻初始場(chǎng)的誤差增加，從而導(dǎo)致預(yù)報(bào)效果不如積分預(yù)熱6 h的試驗(yàn)。因此，暖啟動(dòng)分析時(shí)長(zhǎng)為6 h的W6-LHN結(jié)果理論上更好。

3 試驗(yàn)結(jié)果檢驗(yàn)

圖7 2013年6月20日—7月20日試驗(yàn)3 h，6 h，12 h累積降水評(píng)分Fig.7 TS，ETS and Bias scores for 3 h，6 h，12 h accumulated precipitation from 20 June to 20 July in 2013

圖7分別給出了2013年6月20日—7月20日連續(xù)1個(gè)月的3 h，6 h，12 h累積降水預(yù)報(bào)檢驗(yàn)，包括TS評(píng)分、ETS評(píng)分、Bias偏差。與無(wú)LHN同化系統(tǒng)的控制試驗(yàn)相比，3 h降水的冷、暖潛熱加熱納近試驗(yàn)都能夠提高TS（ETS）評(píng)分，且提高幅度較大，小雨、中雨、大雨和暴雨各個(gè)等級(jí)降水的TS（ETS）評(píng)分都提高了超過(guò)50%，尤其是對(duì)暴雨，控制試驗(yàn)幾乎無(wú)預(yù)報(bào)能力，LHN試驗(yàn)的TS（ETS）評(píng)分卻依然能夠達(dá)到比控制試驗(yàn)中雨預(yù)報(bào)TS（ETS）評(píng)分更高的分?jǐn)?shù)，但不足的是，LHN試驗(yàn)的預(yù)報(bào)偏差也基本大于控制試驗(yàn)。對(duì)批量試驗(yàn)的6 h累積降水檢驗(yàn)，各個(gè)等級(jí)降水的TS（ETS）評(píng)分依然是增加，雖然提高的幅度相比3 h預(yù)報(bào)減小，但仍然是顯著的。12 h預(yù)報(bào)的總體評(píng)分情況是，有無(wú)LHN同化兩者的差距縮小，但有LHN同化試驗(yàn)的小雨和中雨級(jí)別的降水評(píng)分依然高于CTRL，對(duì)于大雨和暴雨預(yù)報(bào)，C-LHN和W12-LHN評(píng)分高于CTRL，但W6-LHN略低。可以認(rèn)為，W6-LHN對(duì)小雨和中雨的預(yù)報(bào)總是優(yōu)于C-LHN，而對(duì)于大雨和暴雨，兩者優(yōu)劣不一致，但相差不大。

冷、暖潛熱加熱納近方法對(duì)降水預(yù)報(bào)TS評(píng)分、ETS評(píng)分、Bias偏差的分析各有優(yōu)點(diǎn)與不足，但從強(qiáng)雨帶的位置看，冷潛熱加熱納近C-LHN預(yù)報(bào)的強(qiáng)雨帶略偏北、偏西（圖6），暖潛熱加熱納近 WLHN預(yù)報(bào)的降水則更接近觀測(cè)。

值得注意的是，隨著預(yù)報(bào)時(shí)效的增加，LHN所起的作用減小，因?yàn)長(zhǎng)HN方法是對(duì)整個(gè)氣柱的加熱廓線從低層到高層進(jìn)行一致性調(diào)整，當(dāng)這種調(diào)整機(jī)制持續(xù)時(shí)間過(guò)長(zhǎng)后，可能會(huì)使模式大氣的演變發(fā)生偏離，從而導(dǎo)致預(yù)報(bào)效果降低。

4 結(jié)論與討論

本文基于GRAPES＿M(jìn)eso高分辨率模式，應(yīng)用潛熱加熱納近方法同化了地面稠密降水觀測(cè)資料，提高了模式短時(shí)降水預(yù)報(bào)水平。主要結(jié)論如下：

1）通過(guò)調(diào)整模式潛熱加熱廓線融合地面稠密降水觀測(cè)資料，能夠改進(jìn)初始場(chǎng)的溫度、濕度、風(fēng)等要素的合理分布，增加了降水區(qū)的對(duì)流不穩(wěn)定性。

2）與冷潛熱加熱納近相比，暖潛熱加熱納近方法納近初始階段模式降水與觀測(cè)降水匹配更合理，兩者初始場(chǎng)的溫濕廓線在大氣中低層差異明顯，暖潛熱加熱納近的偏暖偏濕特性更有利于降水產(chǎn)生。

3）冷、暖潛熱加熱納近方法能夠縮短GRAPES＿M(jìn)eso模式積分開(kāi)始階段的調(diào)整適應(yīng)（spin-up）時(shí)間，改進(jìn)短時(shí)降水預(yù)報(bào)；且暖潛熱加熱納近試驗(yàn)對(duì)降水落區(qū)和強(qiáng)度預(yù)報(bào)優(yōu)于冷潛熱加熱納近，但預(yù)報(bào)的強(qiáng)降水中心范圍略偏大，強(qiáng)降水TS評(píng)分值略低。

4）長(zhǎng)、短時(shí)效的暖潛熱加熱納近試驗(yàn)結(jié)果相比，兩者對(duì)小雨、中雨降水落區(qū)的預(yù)報(bào)相差不大，但W12-LHN的大雨、暴雨、大暴雨預(yù)報(bào)范圍過(guò)大，強(qiáng)度過(guò)強(qiáng)，W6-LHN對(duì)整個(gè)區(qū)域的降水預(yù)報(bào)與觀測(cè)更為接近。

目前LHN方法仍存在不足：一是當(dāng)模式預(yù)報(bào)無(wú)降水時(shí)，若搜索周?chē)顸c(diǎn)仍無(wú)法找到能夠替代的點(diǎn)，則對(duì)該格點(diǎn)不進(jìn)行調(diào)整；二是目前的試驗(yàn)對(duì)降水資料沒(méi)有進(jìn)行質(zhì)量控制，但本文分析降水率取值范圍設(shè)定在一定范圍內(nèi)，對(duì)過(guò)強(qiáng)的降水量起到限制納近作用。此外，若將潛熱加熱納近方法投入到GRAPES＿M(jìn)eso更長(zhǎng)時(shí)效的業(yè)務(wù)預(yù)報(bào)中，還存在影響時(shí)效較短的問(wèn)題。如何結(jié)合3DVar的同化應(yīng)用，延長(zhǎng)初始降水同化信息對(duì)更長(zhǎng)時(shí)效預(yù)報(bào)的影響是下一步的重點(diǎn)工作。

［1］ Krishnamurti T N，Xue J，Bedi H S，et al.Physical initialization for numerical weather prediction over the tropics.Tellus B，1991，43（4）：53-81.

［2］ 朱國(guó)富.觀測(cè)資料同化與有限區(qū)模式初期降水預(yù)報(bào).北京大學(xué)學(xué)報(bào)：自然科學(xué)版，1999，35（1）：81-88.

［3］ Andrew S，Jones I C C，Thomas H.Data assimilation of satellite derived heating rates as proxy surface wetness data into a regional atmospheric mesoscale model，Part I：Meteorology.Mon Wea Rev，1998，126：634-645.

［4］ 王葉紅，崔春光，趙玉春.雷達(dá)降水資料一維變分同化研究——濕度廓線調(diào)整.氣象科技，2004，32（5）：322-328.

［5］ 邵明軒，陳敏，陶祖鈺，等.用四維變分法同化自動(dòng)站降水資料.北京大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，41（5）：701-709.

［6］ Wang W，Warner T T.Use of four-dimensional data assimilation by Newtonian relaxation and latent-heat forcing to improve a mesoscale-model precipitation forecast：A case study.Mon Wea Rev，1988，116（12）：2593-2613.

［7］ Manobianco J，Koch S，Karyampudi V M，et al.The impact of assimilating satellite-derived precipitation rates on numerical simulations of the ERICA IOP 4 cyclone.Mon Wea Rev，1994，122（2）：341-365.

［8］ Jones C D，Macpherson B.A latent heat nudging scheme for the assimilation of precipitation data into an operational mesoscale mode.Meteorological Applications，1997，4（3）：269-277.

［9］ Falkovich A，Kalnay E，Lord S，et al.A new method of ob-served rainfall assimilation in forecast models.J Applied Meteor，2000，39（8）：1282-1298.

［10］ Haase G，Crewell S，Simmer C，et al.Assimilation of radar data in mesoscale models：Physical initialization and latent heat nudging.Physics and Chemistry of the Earth，Part B：Hydrology，Oceans and Atmosphere，2000，25（10）：1237-1242.

［11］ Ha J C，Chang D E，Ahn K D，et al.The Assimilation of Rain Rates on MM5 and WRF with Latent Heat Nudging Method∥WRF／MM5 User’s Workshop.2005.

［12］ Stephan K.Long Term Evaluation of LHN Data Assimilation of Radar Derived Precipitation Rates.Proc 7th Europ Conf On Radar in Meteor and Hydrol，Toulouse，F(xiàn)rance，2012.

［13］ Stephan K，Klink S，Schraff C.Assimilation of radar-derived rain rates into the convective-scale model COSMO-DE at DWD.Quarterly Journal of the Royal Meteorological Society，2008，134（634）：1315-1326.

［14］ Stephan K，Schraff C.Improvements of the operational latent heat nudging scheme used in COSMO-DE at DWD.COSMO Newsletter，2008，9（7）：11.

［15］ Leuenberger D，del Guerra F L，Rossa A.Application of an Empirical Quality Function for Radar QPE in an NWP Model.ERAD2010，Availablefrom，2010.

［16］ 任迪生，沈?qū)W順，薛紀(jì)善，等.GRAPES伴隨模式底層數(shù)據(jù)棧優(yōu)化.應(yīng)用氣象學(xué)報(bào)，2011，22（3）：362-366.

［17］ 孔榮，王建捷，梁豐，等.尺度分解技術(shù)在定量降水臨近預(yù)報(bào)檢驗(yàn)中的應(yīng)用.應(yīng)用氣象學(xué)報(bào)，2010，21（5）：535-544.

［18］ 李華宏，薛紀(jì)善，王曼，等.多普勒雷達(dá)風(fēng)廓線的反演及變分同化試驗(yàn).應(yīng)用氣象學(xué)報(bào)，2007，18（1）：50-57.

［19］ 陳明軒，高峰，孔榮，等.自動(dòng)臨近預(yù)報(bào)系統(tǒng)及其在北京奧運(yùn)期間的應(yīng)用.應(yīng)用氣象學(xué)報(bào)，2010，21（4）：395-403.

［20］ Davolio S，Buzzi A.A nudging scheme for the assimilation of precipitation data into a mesoscale model.Wea Forecasting，2004，19（5）：855-871.

［21］ 陳德輝，沈?qū)W順.新一代數(shù)值預(yù)報(bào)系統(tǒng)GRAPES研究進(jìn)展.應(yīng)用氣象學(xué)報(bào)，2007，17（6）：773-777.

［22］ 任芝花，馮明農(nóng)，張洪政，等.自動(dòng)與人工觀測(cè)降雨量的差異及相關(guān)性.應(yīng)用氣象學(xué)報(bào)，2007，18（3）：358-364.

Application of Latent Heat Nudging Method to Assimilating Surface Precipitation Observations

Wu Yali1）2）Chen Dehui2）

1）（Chinese Academy of Meteorological Sciences，Beijing100081）
2）（Numerical Weather Prediction Center，CMA，Beijing100081）

For the spin-up problem in initial integration of meso-scale numerical weather prediction model，especially the time lags in the prediction of rain belt，latent heat nudging method is applied to assimilate the intensified automatic weather station（AWS）precipitation observations，so that it can effectively improve the performance of model in the very short-term forecasts.Based on GRAPES＿M(jìn)eso model with high resolution developed by China Meteorological Administration，three groups of latent heat nudging experiments are designed for generating different initial conditions，including the control run，the traditional cold-latent heat nudging（C-LHN）assimilation and the revised warm-latent heat nudging（W-LHN）assimilation.The last one consists of W6-LHN and W12-LHN with 6 h and 12 h warm-start period before nudging，respectively.

Batch tests are carried out from 0000 UTC 20 June to 0000 UTC 20 July in 2013，preliminary conclusions can be drawn as follows.Firstly，initial temperature profiles are significantly modified due to the adjustment of forecasted latent heat profiles，according to analyzed differences between observations and forecasts in the pre-forecast period.And initial distributions of specific humidity and wind vectors are modified indirectly that convergence and divergence of water vapor increase at lower and middle levels.Thusthe convective instability in the heavy rain area is strengthened.Secondly，compared with the control run without any initial precipitation information，the application of latent heat nudging method in GRAPES＿M(jìn)eso model can reduce the spin-up time，precipitation is triggered quickly in the first 3 hours，which is important for the very short-term forecast and nowcasting in particular.Therefore，the location and intensity are much closer to observations，and enhancing forecast skills of 3 h，6 h and 12 h accumulated precipitation such as TS，ETS and Bias scores.In addition，when comparing the warm and cold latent heat nudging methods，both of them has its advantages and disadvantages，performances differ with forecast length and precipitation magnitudes divided into light，moderate，heavy，hard and torrential rainfall，but 3 h，6 h and 12 h light and moderate precipitations are always better predicted by W-LHN.Finally，W6-LHN experiments achieve more favorable rainfall forecasts，but W12-LHN experiments tend to overestimate the heavy and torrential rain.

All in all，application of latent heat nudging method in assimilating the observed precipitation for very short-term forecast is operationally prospective，with advantages of lower cost but higher performance，thus it is easy to meet the operational demand for being available to public very soon.However，the impact on improving precipitation forecasts cannot last long because meso-and micro-scale characteristics fade away with the increasing forecast length.In the near future，it is expected that three dimensional variational analysis will be incorporated for an extended prediction.

GRAPES＿M(jìn)eso；observed precipitation data；latent heat nudging；very short-term forecast

吳亞麗，陳德輝.潛熱加熱納近方法在地面降水資料同化中的應(yīng)用.應(yīng)用氣象學(xué)報(bào)，2015，26（1）：32-44.

10.11898／1001-7313.20150104

2014-03-18收到，2014-09-10收到再改稿。

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（2013CB430106），國(guó)家自然科學(xué)基金項(xiàng)目（41375108）

* 通信作者，email：chendh＠cma.gov.cn