楊袁慧 師春香

?

土壤濕度對衛(wèi)星輻射率資料直接同化的影響

楊袁慧1師春香2, 3

1北京市門頭溝區(qū)氣象局，北京102300;2中國氣象科學(xué)研究院災(zāi)害天氣國家重點實驗室，北京100081;3國家氣象信息中心，北京100081

本研究利用WRF模式及其三維變分同化系統(tǒng)實現(xiàn)了對NOAA-16 AMSU-A微波資料的直接同化，針對2010年6月19日江西地區(qū)的一次強降水過程開展模擬與同化試驗，并利用中國區(qū)域土壤濕度同化系統(tǒng)（CLSMDAS—China Land Soil Moisture Data Assimilation System）輸出的土壤濕度值替換NCEP（National Centers for Environmental Prediction）資料中的土壤濕度，研究土壤濕度初值對輻射率資料直接同化中觀測場與背景場偏差調(diào)整的影響。結(jié)果表明：采用CLSMDAS輸出土壤濕度初值條件下模擬的亮溫值與實際觀測值更為接近，經(jīng)過質(zhì)量控制和偏差訂正后更多的觀測資料能夠進入到同化系統(tǒng)中，說明改進的土壤濕度初值條件下觀測算子的計算值得到正的調(diào)整，對低層地表通道的改進效果明顯，尤其以50.3 GHz的窗區(qū)通道3的結(jié)果最為理想；針對此次強降水過程中24 h累積降水分布的模擬結(jié)果，CLSMDAS輸出土壤濕度初值條件下同化AMSU-A資料，能夠較為準(zhǔn)確的把握整個雨帶的走向、大雨以上級別降水的落區(qū)范圍、降水中心落區(qū)及強度等。說明準(zhǔn)確的土壤濕度初值能夠改進衛(wèi)星輻射率資料的同化結(jié)果，進而提高數(shù)值模式的模擬預(yù)報能力。

AMSU-A資料 直接同化 土壤濕度初值 OMB（觀測場與背景場的偏差）

1 引言

數(shù)值預(yù)報的準(zhǔn)確性主要依賴于數(shù)值模式本身的完善程度和數(shù)值模式初始場的準(zhǔn)確程度，隨著數(shù)值模式的不斷精細化發(fā)展，初始場的準(zhǔn)確性對預(yù)報結(jié)果的影響越來越重要。近年來，衛(wèi)星輻射率資料在氣象領(lǐng)域發(fā)揮出越來越重要的作用，已成為數(shù)值預(yù)報所用觀測資料的主體，在數(shù)值模式中同化衛(wèi)星輻射率資料來改善數(shù)值預(yù)報的初始場可以極大地提高預(yù)報的準(zhǔn)確率。然而在目前的技術(shù)水平下，由于受地表輻射、云和降水等的影響，大量的衛(wèi)星資料在預(yù)處理過程中被剔除掉而沒能被同化系統(tǒng)使用起來，根據(jù)歐洲中期天氣預(yù)報中心的研究（董佩明等，2008），同化系統(tǒng)分析使用的衛(wèi)星資料數(shù)量僅占預(yù)處理的衛(wèi)星資料數(shù)量的2%多一點，大大減小了資料的利用率，造成資源的浪費。

眾所周知，陸地表面是大氣下邊界中既重要又復(fù)雜的一個部分，陸面與大氣及其他圈層之間進行的各種時空尺度的相互作用，以及動量、能量、水汽等物理量的交換和輻射傳輸對大氣環(huán)流及氣候狀況產(chǎn)生極大的影響（馬紅云等，2009）。土壤濕度作為陸氣相互作用過程中的一個重要物理參數(shù)，在陸地尺度上對大氣的影響甚至超過海面溫度，它可以通過改變地面蒸散、徑流以及地表熱通量等來改變大氣低層的水熱輸送，進而影響天氣過程，是值得關(guān)注的一個重要參數(shù)。許多研究（Chen et al., 1997；Chen and Dudhia，2001；Cassardo et al., 2002；Zhao et al., 2006；李安泰等，2012）已經(jīng)表明了土壤濕度在中尺度模擬中的重要性，土壤濕度的初始化對中尺度模式尤為重要，不合適的初始值可能會導(dǎo)致輸出結(jié)果的失真，甚至影響地球系統(tǒng)過程的相互作用等（趙得明，2005）。

由于地表信息的復(fù)雜和不確定性影響，衛(wèi)星資料的同化結(jié)果并沒有達到預(yù)期的效果，所以在同化過程中，以往的研究通常會將對地表比較敏感的低層通道信息剔除掉，以減少對同化效果的負面影響。然而這樣的處理方式大大減少了衛(wèi)星資料的使用率，如何將低層通道的資料利用起來，增加資源的使用率是本文的主要研究問題。本文從土壤濕度初值著手，利用WRF（Weather Research & Forecasting）模式及其三維變分同化系統(tǒng)實現(xiàn)NOAA-16 AMSU-A微波資料的直接同化，并針對江西地區(qū)的一次強降水過程開展同化及模擬試驗研究，在此基礎(chǔ)上改變土壤濕度初值，關(guān)注不同的土壤濕度初值對觀測場與背景場偏差的調(diào)整情況，分析改進的土壤濕度初值對輻射率資料直接同化與模式模擬結(jié)果的影響，以期進一步提高衛(wèi)星輻射率資料的使用率及其對模式模擬的正效應(yīng)。

2 同化系統(tǒng)及資料

2.1 數(shù)值模式

本文主要采用中尺度數(shù)值預(yù)報模式WRFV3.3.1、同化系統(tǒng)WRFDA（WRF Data Assimilation）和通用輻射傳輸模式CRTM（Community Radiative Transfer Model）。

WRF模式是由美國環(huán)境預(yù)測中心和美國國家大氣研究中心等聯(lián)合開發(fā)的新一代中尺度數(shù)值天氣預(yù)報模式，現(xiàn)已廣泛應(yīng)用于各種研究與業(yè)務(wù)預(yù)報中。與前一代中尺度數(shù)值預(yù)報模式MM5相比，WRF模式考慮了比較詳細的陸面過程，能描述不同下墊面的熱量、水分等的傳輸過程，并將其耦合到邊界層參數(shù)化模式中，加強了邊界層物理過程的模擬，進而完善了整個模式的模擬性能（Joseph, 2004）。

同化系統(tǒng)WRFDA為WRF模式中的三維變分同化系統(tǒng)，具有支持并行計算和系統(tǒng)擴展功能的軟件體系架構(gòu)，適用范圍廣，從幾公里的區(qū)域中尺度模擬到數(shù)千公里的全球尺度的模擬。系統(tǒng)主要包括參數(shù)讀取、背景場及背景誤差協(xié)方差設(shè)置、觀測值設(shè)置、觀測與背景的差值（O―B）計算、目標(biāo)函數(shù)最小化求解、分析值計算與輸出等部分。目前的同化系統(tǒng)中增加了輻射率資料的直接同化模塊，利用CRTM模式作為觀測算子，可以實現(xiàn)輻射率資料的直接同化。

2.2 AMSU-A資料

全功率微波掃描輻射計AMSU-A由兩個分離部件組成，共15個觀測通道，星下點分辨率為45 km，每條掃描線上有30個掃描點，主要探測大氣溫度的垂直結(jié)構(gòu)。

表1給出了AMSU-A的光譜通道特征以及各通道的主要探測目的（張華等，2004），發(fā)現(xiàn)其1～4通道和15通道的峰值能量貢獻高度在地表處，由于地表狀況的復(fù)雜性，很難準(zhǔn)確計算出地表輻射率，而輻射傳輸模式對衛(wèi)星輻射率的模擬在很大程度上取決于地表輻射率的計算準(zhǔn)確度，因此受地表輻射影響較大的低層通道的探測資料實際很少被同化系統(tǒng)真正使用起來，減小了資料的使用率，造成資源的浪費，同時也大大降低了衛(wèi)星資料在同化系統(tǒng)中的效用及其對數(shù)值模式模擬預(yù)報能力的貢獻等。

表1 AMSU-A各通道光譜特征和主要探測目的

2.3 陸表土壤濕度數(shù)據(jù)

師春香等（2011）基于集合卡爾曼濾波（張生雷等，2008）及美國國家大氣研究中心NCAR的陸面過程模型CLM3.0開發(fā)建立了中國區(qū)域土壤濕度同化系統(tǒng)CLSMDAS（China Land Soil Moisture Data Assimilation System），以風(fēng)云2號（FY2）靜止氣象衛(wèi)星的小時降水（師春香和謝正輝，2008）和地面入射太陽輻射產(chǎn)品作為大氣驅(qū)動數(shù)據(jù)，并結(jié)合AMSR-E衛(wèi)星反演的土壤濕度產(chǎn)品以及地面的土壤濕度觀測資料，應(yīng)用于中國區(qū)域陸面土壤濕度同化試驗中。朱晨等（2013）對CLSMDAS輸出的土壤濕度數(shù)據(jù)進行定性與定量化的綜合評估，利用全國778個農(nóng)業(yè)氣象土壤濕度觀測站的觀測數(shù)據(jù)對該系統(tǒng)輸出的2005～2010年同化土壤濕度數(shù)據(jù)集進行精度檢驗，驗證結(jié)果表明：同化系統(tǒng)的輸出結(jié)果能較好的體現(xiàn)我國土壤濕度的時空分布特征，其干濕程度變化與觀測基本保持一致；在對2009至2010年我國西南地區(qū)冬春干旱的連續(xù)監(jiān)測中可以看到，模擬結(jié)果可以比較準(zhǔn)確地反映出干旱地區(qū)的范圍、量值和干旱中心，在空間和時間分布上與國家氣候中心的旱澇檢測圖有一定的一致性。

圖1 2010年6月19日00時（a）500 hPa位勢高度場（單位：dagpm）和850 hPa風(fēng)場（單位：ms?1）疊加圖以及（b）850 hPa水汽通量和水汽通量散度疊加圖（箭頭表示850 hPa風(fēng)場；填色圖為水汽通量，單位：g m?1hPa?1s?1；等值線圖為水汽通量散度，單位：10?3 g m?2hPa?1s?1）

3 試驗個例及試驗方案

3.1 天氣過程與天氣形勢

江西省位于我國長江中游南岸的鄱陽湖流域，是冷暖空氣經(jīng)常交匯的地帶，加上離海洋較近，海洋暖濕氣流輸送的充沛水汽，這里的成云致雨條件較好，暴雨頻繁、危害嚴(yán)重。尤其汛期，在東亞季風(fēng)的影響下，北方南下的冷空氣與季風(fēng)帶來的強盛西南暖濕急流構(gòu)成冷暖鋒的交匯，是造成暴雨天氣過程的主要影響系統(tǒng)。2010年6月19日發(fā)生在江西地區(qū)的一次強降水過程，發(fā)生范圍大、發(fā)展強度大、降水期集中，強降水中心日累積量達332.4 mm，造成了嚴(yán)重的災(zāi)情。

分析天氣形勢，此次強降水是因為北方冷空氣南下帶來大量干冷空氣，同時西南暖濕氣流不斷發(fā)展強盛帶來大量暖濕氣流，冷暖兩股氣流相遇導(dǎo)致對流迅速發(fā)展；且中低層存在明顯的水汽輸送通道，都是形成強降水的有利條件。圖1a給出19日00時（協(xié)調(diào)世界時，下同）500 hPa位勢高度場和850 hPa風(fēng)場疊加圖，可以看出中高緯的低壓槽位于我國東北地區(qū)，并一直延伸到江淮地區(qū)，東北冷渦不斷生成，東移南壓過程中不斷甩下冷空氣，而沿副熱帶高壓脊線的北側(cè)不斷有暖濕空氣輸送，因而形成了冷暖空氣的交匯；在風(fēng)場實況圖上，西南暖濕氣流不斷從海上輸送暖濕空氣，使得江西地區(qū)的低層冷暖空氣交匯明顯，且切變線一直維持在江西中北部地區(qū)，這些因素共同作用產(chǎn)生了較強的輻合上升運動，造成此次持續(xù)性降水過程。圖1b給出19日00時850 hPa水汽通量和水汽通量散度疊加圖，可以看出，從19日00時開始在850 hPa高度上存在一個寬的舌狀水汽通量高值，從而形成較強的水汽通道；水汽通量散度圖上，在江西東北部存在一個西北—東南向一直延伸到福建的負值中心，表明該地存在較強的水汽輻合，有利于強降水的產(chǎn)生。

3.2 強降水實況

圖2給出19日00時至20日00時的24 h累積降水量實況分布圖，實況資料為國家氣象信息中心提供的中國地面逐日降水量0.25°網(wǎng)格數(shù)據(jù)，該數(shù)據(jù)的來源是全國2400多臺站的逐日降水量得到的網(wǎng)格產(chǎn)品。由圖可以看出，實際降水主要位于贛北南部和贛中地區(qū)，主要呈帶狀分布在浙贛鐵路沿線一帶及其以南地區(qū)，西部地區(qū)的降水范圍明顯大于東部地區(qū)的降水范圍；降水的大值中心位于撫州北部、鷹潭以及南昌交界的地區(qū)，最大雨量值達到270 mm以上。從各站點的實際統(tǒng)計結(jié)果來看，此次過程全省的平均降雨量達84.5 mm，降水量普遍達100～300 mm，余江、東鄉(xiāng)、進賢、資溪等站先后出現(xiàn)24 h降水量歷年本月最大值，強降水造成了嚴(yán)重的洪澇和地質(zhì)災(zāi)害。

圖2 6月19日00時～20日00時24 h累積降水量實況（單位：mm）

3.3 試驗方案設(shè)計

模式的初始背景場及邊界條件采用NCAR（National Centers for Atmospheric Research）提供的1°×1°每日4次的NCEP FNL（Final）全球分析場資料（http://rda.ucar.edu/datasets/ds083.2/[2011-07-08]），試驗采用雙重嵌套方式，粗網(wǎng)格為細網(wǎng)格提供邊界條件，模式的水平分辨率為30 km和10 km，垂直方向均考慮28層，微物理過程選用WSM3方案，邊界層選用YSU方案，積云對流選用Kain- Fritsch方案，長波輻射和短波輻射分別為RRTM方案和Dudhia方案。

同化試驗中同化時刻為19日00時，同化時間窗區(qū)為3 h，采用熱啟動方式，用上一循環(huán)的分析場作為初猜場，融合衛(wèi)星觀測資料得到中尺度背景場。首先從18日18時開始通過WRF模式積分6 h（啟動過程），得到19日00時的預(yù)報場作為初猜場，在WRF-3DVar同化系統(tǒng)中加入AMSU-A資料進行同化試驗，得到相關(guān)的分析場以及更新的邊界文件，將更新后的結(jié)果作為模式00時刻的初始場和邊界條件進入到模式中，模式繼續(xù)向前積分24 h得到20日00時的模擬結(jié)果，具體的試驗時間示意圖如圖3所示。

在數(shù)值模擬中應(yīng)用輻射率資料，其目的是要為模式提供更為豐富的高時空分辨率的中尺度信息，從而極大改善模式中中尺度系統(tǒng)初始發(fā)展所依賴的環(huán)境場（齊琳琳等，2005）。為了分析衛(wèi)星輻射率資料對初始背景場的調(diào)整作用，并比較不同土壤濕度初值對AMSU-A輻射率資料同化效果的影響，本文共設(shè)計4組試驗（見表2）來開展研究。同化試驗的初始背景場均采用模式的6 h預(yù)報結(jié)果，試驗主要分為兩大類別：其一為NCEP初始土壤濕度條件下的試驗，A方案為控制試驗一（control1），B方案為AMSU-A同化試驗（amsua1）；其二為CLSMDAS初始土壤濕度條件下的試驗，C方案為控制試驗二（control2），D方案為改進條件下AMSU-A同化試驗（amsua2）。試驗中使用系統(tǒng)提供的NCEP背景誤差協(xié)方差（cv_option=3），它是一個全球的背景誤差場，適用于任何區(qū)域，控制變量包括流函數(shù)、非平衡速度勢、非平衡溫度、非平衡地面氣壓和假相對濕度五個部分。通過比對試驗發(fā)現(xiàn)，最小化收斂條件設(shè)置為eps=0.005是比較理想的，能夠較快的達到收斂，且得到更優(yōu)的估計值。

表2 同化試驗方案設(shè)計

3.4 觀測資料的質(zhì)量控制

由于受天氣條件、下墊面狀況、地理位置、觀測條件等的影響，衛(wèi)星觀測可能會存在較大的誤差，在同化前需要進行觀測資料的質(zhì)量控制，將觀測算子不能準(zhǔn)確模擬的觀測剔除，縮短同化過程的收斂時間，減小同化結(jié)果的誤差。

粗檢驗：AMSU探測的大氣亮溫合理范圍值在150～350 K之間，需要將誤差超過給定范圍 （―20～20 K）的通道觀測剔除；將衛(wèi)星天頂角的絕對值大于45°的通道掃描點的信息剔除；由于臨邊效應(yīng)，每條掃描線邊緣的探測視角傾斜嚴(yán)重，使得大氣輻射的傳輸路徑較長，觀測的輻射率偏低，一般需要將AMSU-A資料每條掃描線兩端1～3和28～30掃描點的觀測剔除。

云和降水檢驗：目前的正演模式主要模擬晴空下的輻射率，需要把受降水污染的觀測剔除，這里采用散射指數(shù)SI（Scattering Index）檢測方法，即由每次掃描中對應(yīng)探測器兩個通道的亮溫差計算得到，如果SI指數(shù)大于3 K，則剔除該掃描點的觀測。此外，雖然微波具有穿透云層探測大氣溫濕度的能力，但當(dāng)云中的水滴和冰晶粒子大于輻射波長時，其散射作用會減弱云層下方的信號影響探測，所以需要進行水滴檢驗，利用背景場計算出云中液態(tài)水滴的路徑CLWP（Cloud Liquid Water Path），剔除CLWP值超過0.2 mm的掃描點上的輻射亮溫資料。

4 試驗結(jié)果

4.1 觀測分析

所有衛(wèi)星資料的直接同化都要通過輻射傳輸模式利用模式背景場資料來計算模式的模擬亮溫值，這是衛(wèi)星輻射率資料直接同化的關(guān)鍵部分，但在同化過程中，各個步驟的誤差作用將會造成觀測輻射值與根據(jù)模式背景場計算的輻射值之間存 在一定的偏差，在將衛(wèi)星輻射值應(yīng)用于數(shù)值預(yù)報模式中時很難獲得正的效應(yīng)。本文從初始場中的土壤濕度數(shù)據(jù)考慮，希望通過提供較為準(zhǔn)確的土壤濕度初值后將對地表敏感的低層通道的信息利用起來，即通過預(yù)處理（質(zhì)量控制和偏差訂正）之后更多的觀測資料能夠進入到同化系統(tǒng)中參與同化，這里重點關(guān)注同化之前觀測場與背景場的偏差OMB（observation minus background），即衛(wèi)星觀測值與通過觀測算子利用模式背景場資料計算得到的模擬亮溫值之間的差值。

從各通道資料的觀測亮溫值與模式背景場模擬亮溫值的分布情況可以看出（圖略），對于常用的5～12通道的資料，由于觀測亮溫值與用觀測算子計算得到的模擬亮溫值的偏差在合理的范圍值內(nèi)，因而這部分資料能夠進入到同化系統(tǒng)中參與同化，資料的利用率本身就比較高，所以在改進的土壤濕度初值條件下，OMB值并沒有得到顯著的改善，調(diào)整作用不太明顯。然而對于地表敏感的低層通道觀測，土壤濕度初值條件的改變就顯得尤為重要，此時利用觀測算子計算得到的模擬亮溫值將會有所變化，與觀測亮溫值的偏差減小，資料得到較優(yōu)的控制，從而能夠進入到同化系統(tǒng)中。圖4a、b給出的是50.3 GHz的窗區(qū)通道3的OMB分布情況，總體來講通道3的調(diào)整是比較明顯的，尤其西部地區(qū)、四川盆地的OMB值明顯減小，模擬亮溫值更加接近于實際觀測，說明該通道對土壤濕度是較為敏感的，改進的土壤濕度初值可以減小模式模擬與觀測之間的偏差，增加該通道的資料使用率。圖4c、d給出了通道3 的OMB直方圖統(tǒng)計結(jié)果，可以較為直觀的表現(xiàn)觀測資料與模擬結(jié)果的偏差分布情況，觀察發(fā)現(xiàn)，改進的土壤濕度初值條件下OMB的絕對值在4 K以內(nèi)的觀測數(shù)目明顯要多于NCEP土壤濕度初值條件下的結(jié)果，資料的使用率提高近33.96%，且整個分布幾乎成正態(tài)分布，是比較優(yōu)的一種結(jié)果。

圖3 試驗時間示意圖

圖4 （a、c）NCEP土壤濕度初值和（b、d）CLSMDAS輸出土壤濕度初值條件下NOAA-16 AMSU-A通道3的OMB分布情況：（a、b）OMB資料分布（單位：K）；（c、d）直方圖統(tǒng)計（橫坐標(biāo)：OMB；縱坐標(biāo)：偏差訂正后同化的觀測數(shù)）

從通道3觀測亮溫值與模擬亮溫值的散點分布（圖略）也可以看出，CLSMADS輸出的土壤濕度初值條件下的觀測值與模擬值更為接近，各統(tǒng)計量明顯減小，與NCEP土壤濕度初值條件下的模擬亮溫相比，同化前經(jīng)過偏差訂正后，CLSMDAS輸出土壤濕度初值條件下模擬值的平均偏差由3.928減小到1.993，均方根誤差從5.392減小到4.277，說明模擬的亮溫值與觀測是更為接近的，土壤濕度初值的改變帶來的是正的調(diào)整作用。

研究表明，對于地表敏感的低層通道而言，無論是OMB的打點分布還是觀測值與模擬值的直方圖分布以及散點分布，CLSMDAS輸出土壤濕度初值條件下模擬的亮溫值與實際觀測值更為接近，說明改進的土壤濕度初值條件下觀測算子的計算值得到正的調(diào)整，更多的觀測資料能夠通過質(zhì)量控制而進入到同化系統(tǒng)當(dāng)中，更多的資料能夠被用來調(diào)整數(shù)值模式的初始場，進而得到更為準(zhǔn)確的模擬預(yù)報結(jié)果。

4.2 模擬結(jié)果分析

4.2.1 初始土壤濕度

土壤濕度初始場的變化對陸面過程特別是對陸面向大氣的水分輸送和能量通量有很大影響。圖5給出10cm處CLSMDAS輸出土壤濕度和模式初始時刻土壤濕度的差異（CLSMDAS-NCEP），由圖5b可以看出，研究區(qū)域NCEP資料的土壤濕度模擬整體高于CLSMDAS的模擬結(jié)果，與Roads et al.（1999）及Chen and Mitchell（1999）的研究結(jié)論一致，即NCEP資料的土壤濕度偏高，而CLSMDAS輸出的土壤濕度數(shù)據(jù)經(jīng)驗證與觀測資料更為接近，但CLSMDAS的結(jié)果整體偏干，所以導(dǎo)致兩者的差異比較大。

分析各層的土壤濕度差異可以發(fā)現(xiàn)，淺層土壤濕度的空間變異性比較明顯，在已經(jīng)發(fā)生降水的區(qū)域或者鄱陽湖附近，兩種資料的土壤濕度差異比較小；而越往深層，土壤濕度的差異越大，一方面說明前期降水對深層土壤的影響還比較小，向下的滲透未能對深層的土壤濕度產(chǎn)生明顯的作用，另一方面也說明模式對深層土壤濕度的模擬性能有待進一步驗證，深層土壤對陸面模式的敏感性有待進一步分析。

4.2.2 24 h累積降水

圖6給出各試驗方案模擬的6月19日00時～20日00時24 h的累積降水量分布，比較來看，各試驗方案均大致模擬出贛北南部和贛中地區(qū)的帶狀降水分布和走向，但對降水中心的模擬存在一定的差異。具體來看，試驗A沒有能夠表現(xiàn)江西地區(qū)270 mm以上量級的強降水中心，但模擬出多個210 mm以上量級降水區(qū)域，對114°E附近銅鼓縣地區(qū)次降水中心的模擬也較差，但能夠較好的模擬出117°E附近與福建省接壤地區(qū)的強降水；試驗B中加入了AMSU-A輻射率資料，模擬出多個強降水中心，114°E附近降水的模擬結(jié)果偏南，117°E附近降水的模擬強度偏小，但對（28.5°N，116.5°E）附近較強降水的模擬結(jié)果是幾種方案中最好的；試驗C在試驗A的基礎(chǔ)上改變了土壤濕度初值，采用CLSMDAS輸出的較為準(zhǔn)確的土壤濕度替換NCEP資料中的土壤濕度，總體來講此次降水事件對土壤濕度初值還是比較敏感的，與試驗A的模擬結(jié)果相比有很大的改進，能夠模擬出強降水中心，只有0.5°左右的偏移，略微偏西南方向，較好的模擬出117°E附近的降水，卻未能模擬出114°E附近的降水，對贛中地區(qū)的模擬強度偏大；試驗D在改進的土壤濕度初值條件下同化AMSU-A資料，是幾種方案中模擬結(jié)果最優(yōu)的，但不足的是對114°E附近的降水模擬偏強且落區(qū)偏南。

圖5 （a）CLSMDAS模式輸出的10cm處土壤濕度（單位：m3 m?3）；（b）CLSMDAS與NCEP中初始土壤濕度場10cm上的差異分布（CLSMDAS-NCEP）

圖6 各試驗方案模擬的6月19日00時～20日00時24 h累積降水量（單位：mm）：（a）方案A；（b）方案B；（c）方案C；（d）方案D

綜合以上分析可以發(fā)現(xiàn)：對于24 h累積降水的模擬，改進土壤濕度初值條件下同化AMSU-A資料對此次強降水過程的模擬效果最為理想，對雨帶的走向、大雨以上級別降水的落區(qū)范圍、降水中心落區(qū)及強度的把握最為準(zhǔn)確。

4.2.3 TS評分檢驗

為定量分析不同土壤濕度初值條件下同化衛(wèi)星觀測資料后降水模擬結(jié)果的差異，本文采用降水分級檢驗的TS（Threat score）評分方法對模擬結(jié)果進行評估，將模擬區(qū)域內(nèi)的實況降水與插值到站點的模擬值做統(tǒng)計檢驗，將降水等級劃分為：小雨（＞0且＜10 mm），中雨（≥10 mm且＜25 mm），大雨（≥25 mm且＜50 mm），暴雨（≥50 mm且＜100 mm），大暴雨（≥100 mm且＜200 mm），較大暴雨（≥150 mm且＜200 mm），特大暴雨（≥200 mm且＜300 mm），評分表達式可寫為

TS=a/(a＋b＋c), （1）

式中，以表示站點數(shù)，a為正確的站點數(shù)，即模式與實況均有某量級降水；b為空報的站點數(shù)，即觀測無某量級降水而模擬結(jié)果有；c為漏報的站點數(shù)，即觀測有某量級降水而模擬結(jié)果無。

表3給出不同土壤濕度初值條件下同化衛(wèi)星觀測資料后模擬降水的評分結(jié)果，可以看出：對于小雨級別的降水，TS評分均較高，改進的土壤濕度初值條件下同化衛(wèi)星資料的模擬結(jié)果評分值最高為0.71；對于中雨級別的降水，TS評分值不是很高，且改進試驗未能帶來正效果，但衛(wèi)星資料的同化提高了TS評分；對大雨級別的降水，改進試驗有一定的正調(diào)整，且同化衛(wèi)星資料后TS評分提高了0.14；對于暴雨及以上級別的降水，TS評分則有明顯的提高，如[50，100）量級降水的TS評分提高了0.09，是模擬結(jié)果較好的一個量級；[100，150）量級大暴雨的評分檢驗，改進的土壤濕度初值條件下同化衛(wèi)星資料的模擬結(jié)果評分值并不是最理想的，其值要稍低于試驗B的結(jié)果；[150，200）量級較大暴雨的評分檢驗，TS評分提高了0.05；[200，300）量級特大暴雨的評分檢驗，可以得出與前面一致的結(jié)論，CLSMDAS土壤濕度初值條件下降水中心的模擬結(jié)果要優(yōu)于NCEP的，與實況降水分布更為接近，且更能體現(xiàn)降水的區(qū)域波動性特點，但試驗D中由于模擬出了虛假的強降水中心，所以雖然在真實降水的模擬上效果較好，但整體的TS評分值卻相對要低于其它試驗。除中雨和大暴雨外，CLSMDAS土壤濕度初值條件下同化衛(wèi)星觀測資料后各量級降水的TS評分基本都要高于NCEP土壤濕度初值條件下的結(jié)果，不同等級降水的模擬結(jié)果與實況站點分布更為接近。

表3 不同土壤濕度初值條件下不同等級降水的評分結(jié)果

6 結(jié)論與討論

本文利用WRF模式及其三維變分同化系統(tǒng)實現(xiàn)了NOAA-16 AMSU-A微波資料的直接同化，并針對2010年6月19日江西地區(qū)的一次強降水過程開展試驗研究，在此基礎(chǔ)上，改變模式初始場中的土壤濕度，分析改進的土壤濕度初值對輻射率資料直接同化與模式模擬的影響，并重點關(guān)注不同土壤濕度初值對觀測場與背景場的偏差調(diào)整情況，得到以下結(jié)論：

（1）CLSMDAS輸出土壤濕度初值條件下模擬的亮溫值與實際觀測值更為接近，質(zhì)量控制和偏差訂正后更多的觀測資料能夠進入到同化系統(tǒng)中，說明改進的土壤濕度初值條件下觀測算子的計算值得到正的調(diào)整，下一步可以綜合考慮多種陸面方案及陸面參數(shù)（如土壤溫度、地表發(fā)射率等）的影響，為輻射傳輸模式提供更加準(zhǔn)確的初始輸入?yún)?shù)，提高模式的正演計算精度，減小輻射亮溫值的計算偏差。

（2）CLSMDAS輸出土壤濕度初值條件下同化AMSU-A資料對此次強降水過程的整體模擬效果最為理想，對24 h累積降水分布的模擬，能夠較為準(zhǔn)確的把握整個雨帶的走向、大雨以上級別降水的落區(qū)范圍、降水中心落區(qū)及強度等；從統(tǒng)計結(jié)果可以看出各量級降水的TS評分基本都要高于NCEP土壤濕度初值條件下的結(jié)果，除中雨和大暴雨外，不同級別降水的模擬結(jié)果與實況站點分布更為接近。此外，這些研究對于分析區(qū)域強降水的出現(xiàn)時間及強度變化等有一定的指導(dǎo)意義，對于探討陸面過程及陸面參數(shù)對降水事件的影響機制研究也有一定的參考意義。本次試驗主要是針對個例開展研究，今后可以進行長時間序列或長時間氣候尺度的研究，比如分析土壤濕度對月尺度過程的影響等。

（3）陸面土壤濕度的狀況雖然不能根本改變降水的模擬，但能起到改善作用，模擬結(jié)果有待進一步提高。而數(shù)值模式的模擬預(yù)報能力，在一定程度上取決于模式初始場的準(zhǔn)確度，未來可以綜合考慮初始場中多種陸面參數(shù)的作用，同化進去更多高時空分辨率的衛(wèi)星觀測資料，得到更為準(zhǔn)確的模擬預(yù)報結(jié)論。

（References：）

Cassardo C, Balsamo G P, Cacciamani C, et al. 2002. Impact of soil surface moisture initialization on rainfall in a limited area model: A case study of the 1995 South Ticino flash flood [J]. Hydrological Processes, 16 (6): 1301–1317.

Chen F, Janjic Z, Mitchell K. 1997. Impact of atmospheric surface-layer parameterizations in the new land-surface scheme of the NCEP mesoscale ETA model [J]. Bound.-Layer Meteor., 85 (3): 391–421.

Chen F, Mitchell K. 1999. Using GEWEX/ISLSCP forcing data to simulate global soil moisture fields and hydrological cycle for 1987–1988 [J]. J. Meteor. Soc. Japan, 77: 167–182.

Chen F, Dudhia J. 2001. Coupling an advanced land-surface/hydrology model with the Penn State/NCAR MM5 modeling system. Part I: Model description and implementation [J]. Mon. Wea. Rev., 129: 569–585.

董佩明, 薛紀(jì)善, 黃兵, 等. 2008. 數(shù)值天氣預(yù)報中衛(wèi)星資料同化應(yīng)用現(xiàn)狀和發(fā)展 [J]. 氣象科技, 36 (1): 1–7. Dong Peiming, Xue Jishan, Huang Bing, et al. 2008. Application status and development of satellite data assimilation in numerical weather forecast [J]. Meteorological Science and Technology (in Chinese), 36 (1): 1–7.

Joseph B K. 2004. Weather research and forecasting model: A technical overview [C]//84th AMS Annual Meeting, Seattle, U S A, Jan, 10–15.

李安泰, 何宏讓, 張云. 2012. WRF模式陸面參數(shù)擾動對一次西北暴雨影響的數(shù)值模擬 [J]. 高原氣象, 31 (1): 65–75. Li Antai, He Hongrang, Zhang Yun. 2012. Numerical simulation of effect of WRF land surface parameter disturbance on a rainstorm in Northwest China [J]. Plateau Meteorology (in Chinese), 31 (1): 65–75.

馬紅云, 郭品文, 宋潔. 2009. 耦合不同陸面方案的WRF模式對2007年7月江淮強降水過程的模擬 [J]. 大氣科學(xué), 33 (3): 557–567. Ma Hongyun, Guo Pinwen, Song Jie. 2009. Simulation of “2007.7” heavy rainfall case in the Changjiang–Huaihe Valley using the WRF model with different land surface schemes [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 33 (3): 557–567.

齊琳琳, 孫建華, 張小玲, 等. 2005. ATOVS資料在長江流域一次暴雨過程模擬中的應(yīng)用 [J]. 大氣科學(xué), 29 (5): 780–794. Qi Linlin, Sun Jianhua, Zhang Xiaoling, et al. 2008. The ATOVS data assimilating experiments on the heavy rain over the Yangtze River basin [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 29 (5): 780–794.

Roads J Q, Chen S C, Kanamitsu M, et al. 1999. Surface water characteristics in NCEP global spectral model and reanalysis [J]. J. Geophys. Res., 104 (D16): 19307–19327.

師春香, 謝正輝. 2008. 基于靜止氣象衛(wèi)星觀測的降水時間降尺度研究 [J]. 地理科學(xué)進展, 27 (4): 15–22. Shi Chunxiang, Xie Zhenghui. 2008. A time downscaling scheme of precipitation by using geostationary meteorological satellite data [J]. Progress in Geography (in Chinese), 27 (4): 15–22.

師春香, 謝正輝, 錢輝, 等. 2011. 基于衛(wèi)星遙感資料的中國區(qū)域土壤濕度EnKF數(shù)據(jù)同化 [J]. 中國科學(xué): 地球科學(xué), 41 (3): 375–385. Shi Chunxiang, Xie Zhenghui, Qian Hui, et al. 2011. China land soil moisture EnKF data assimilation based on satellite remote sensing data [J]. Sci. China Earth Sci., 54 (9): 1430–1440.

張華, 丑紀(jì)范, 邱崇踐. 2004. 西北太平洋威馬遜臺風(fēng)結(jié)構(gòu)的衛(wèi)星觀測同化分析 [J]. 科學(xué)通報, 49 (5): 493–498. Zhang Hua, Chou Jifan, Qiu Chongjian. 2004. The structure analysis of satellite observation assimilation of the Rammasun typhoon on Northwest Pacific Ocean [J]. Chinese Science Bulletin (in Chinese), 49 (5): 493–498.

張生雷, 謝正輝, 師春香, 等. 2008. 集合Kalman濾波在土壤濕度同化中的應(yīng)用 [J]. 大氣科學(xué), 32 (6): 1419–1430. Zhang Shenglei, Xie Zhenghui, Shi Chunxiang, et al. 2008. Applications of ensemble Kalman filter in soil moisture assimilation [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32 (6): 1419–1430.

趙得明. 2005. 衛(wèi)星遙感資料反演土壤濕度及其在數(shù)值模擬中的應(yīng)用 [D]. 南京大學(xué)博士學(xué)位論文. Zhao Deming. 2005. Soil moisture retrieval from satellite remote sensing images and its application in numerical simulation [D]. Ph. D. dissertation (in Chinese), Department of Atmospheric Sciences, Nanjing University.

Zhao D M, Su B K, Zhao M, et al. 2006. Soil moisture retrieval from satellite images and its application to heavy rain simulation in eastern China [J]. Adv. Atm. Sci., 23 (2): 299–316.

朱晨, 師春香, 席琳, 等. 2013. 中國區(qū)域不同深度土壤濕度模擬和評估 [J]. 氣象科技, 41 (3): 529–536. Zhu Chen, Shi Chunxiang, Xi Lin, et al. 2013. Simulation and assessment of soil moisture at different depths in China area [J]. Meteorological Science and Technology (in Chinese), 41 (3): 529–536.

楊袁慧，師春香. 2015. 土壤濕度對衛(wèi)星輻射率資料直接同化的影響[J]. 大氣科學(xué), 39 (1): 37?46, doi:10.3878/j.issn.1006-9895.1406.13281. Yang Yuanhui, Shi Chunxiang. 2015. The impact of soil moisture initialization on the direct assimilation of satellite radiance data [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39 (1): 37?46.

The Impact of Soil Moisture Initialization on the Direct Assimilation of Satellite Radiance Data

Yang Yuanhui1and Shi Chunxiang2, 3

1,102300;2,,100081;3,100081

This study conducted direct assimilation experiments of microwave remote sensing data AMSU-A with the mesoscale numerical weather prediction model WRFV3.3.1 and its 3DVAR system. Our numerical simulation and assimilation experiment research focused on a heavy rainfall event that occurred at Jiangxi Province on June 19, 2010. We changed the soil moisture value in the initial field of the model and analyzed the impact of improved soil moisture accuracy on the model simulation and the directly assimilated emissivity data. Moreover, we adjusted the deviations in the observational data and the background conditions under different soil moisture conditions. The results show that：The output of the China Land Soil Moisture Data Assimilation System (CLSMDAS), after adjusting the soil moisture initial condition, simulates brightness temperature values that are much closer to actual observations. Much more observational data can be entered into the assimilation system after quality control and bias correction, so the improved soil moisture initial condition can be positively adjusted, especially in window channels such as band 3, with a frequency of 50.3 GHz. Soil moisture from the output of the CLSMDAS can better represent the trend of the rain belt, the drop zone of heavy rain, and the rain center and intensity. All these show us that more accurate initial soil moisture values can improve the results of satellite data assimilation, and thus increase the numerical model forecasting capability.

AMSU-A data, Direct assimilation, Soil moisture initialization, OMB (observation minus background)

1006?9895(2015)01?0037?10

P456

A

10.3878/j.issn.1006-9895.1406.13281

2013?10?12；網(wǎng)絡(luò)預(yù)出版日期2014?06?12

財政部/科技部公益性行業(yè)科研專項GYHY201306045、GYHY201306022、GYHY201206008，國際科技合作與交流專項2011DFG23150

楊袁慧，女，1988年出生，碩士研究生，主要從事衛(wèi)星資料同化、數(shù)值天氣預(yù)報等方面的研究工作。E-mail: yhyang871@yeah.net

師春香，E-mail: shicx@cma.gov.cn