沈菲菲，束艾青，許冬梅，郭雅凱，李 超，王 易，張 冰

（1.南京信息工程大學氣象災害教育部重點實驗室/氣候與環(huán)境變化國際合作聯(lián)合實驗室/氣象災害預報預警與評估協(xié)同創(chuàng)新中心，江蘇 南京210044；2.高原與盆地暴雨旱澇災害四川省重點實驗室，四川 成都610225；3.河南省氣象局，河南 鄭州450003；4.南通市氣象局，江蘇 南通226018；5.江蘇省氣象臺，江蘇 南京210008；6.江蘇省氣象科學研究所，江蘇 南京210008）

隨著中尺度數(shù)值模式不斷發(fā)展和完善， 對中尺 度系統(tǒng)的模擬和預報能力有了較大的提高。 但當前數(shù)值模式的初始場主要是由NCEP（National Centers for Environmental Prediction）的1°×1°再分析資料和常規(guī)探空觀測資料提供， 由于其時空分辨率的限制， 使得提供于模式初始場的中小尺度信息較少，導致數(shù)值模式預報存在起轉(zhuǎn)延遲時間（spin-up time）問題[1]，從而降低了對中小尺度天氣系統(tǒng)模擬和預報的精度。 當前能與中尺度數(shù)值模式分辨率相匹配的非常規(guī)觀測資料主要是多普勒天氣雷達觀測資料[2]，并且隨著中國新一代多普勒天氣雷達組網(wǎng)建設的逐步完善， 如何合理有效地利用多普勒雷達觀測數(shù)據(jù)提取其豐富的中小尺度信息， 開展多普勒天氣雷達資料同化研究顯得尤為重要[3-6]。

近年來， 多普勒雷達觀測資料的同化研究越來越受到重視[7]。 比較有影響的是Sun， et al.（1991，1997， 1998）的工作， 他們建立了以三維數(shù)值云模式和雷達資料四維變分同化技術(shù)為核心的VDRAS（Variational Doppler Radar Analysis System） 同化系統(tǒng)，并用于對強對流風暴的實時診斷和預報研究，其研究結(jié)果表明該系統(tǒng)可以有效地反演風暴云團的熱動力場和微物理場[8-10]。Xiao， et al.（2005， 2007）開發(fā)了一個多普勒雷達同化徑向風的3DVAR（Three-Dimensional Variation）方案，并通過試驗證明使用3DVAR 同化雷達徑向風可以有效改進模式6 h 內(nèi)的降水預報精度[11-12]。 顧建峰等（2006）參與WRF 模式雷達資料3DVAR 同化系統(tǒng)開發(fā)工作并進行了相關(guān)數(shù)值模擬試驗，在臺風、中尺度暴雨和颮線個例上利用直接同化方法取得令人鼓舞的結(jié)果[13]。楊毅等（2008）將三維變分和物理初始化方法相結(jié)合來同化雷達觀測資料， 有效縮短了模式的spin-up時間，顯著改進了短時降水預報[14]。賴紹鈞等（2012）將三維變分方法運用到一次華南前汛期特大暴雨過程中， 對其發(fā)生發(fā)展的動力和熱力條件進行了詳細的診斷分析和研究[15]。 范水勇等（2013）提出一種間接同化方法，不直接同化雷達反射率資料，而是同化由反射率反演出的雨水和估計的水汽， 分析了2009 年夏季北京地區(qū)的4 次強降水過程[16]。以上的研究工作為多普勒天氣雷達資料在中小尺度模式中的應用進行了很好的探索， 但仍有一些工作需要進一步試驗與研究。在京津冀地區(qū)強暴雨預報系統(tǒng)中，同時利用多部多普勒天氣雷達上的徑向風和反射率進行同時同化和單獨同化對比試驗的相關(guān)研究還較少[17-20]。

本文采用美國NCAR （National Center for Atmospheric Research） 研發(fā)的新一代中尺度預報模式WRFV3.6 及其三維變分同化系統(tǒng)， 對GTS（Global Telecommunication System） 上分發(fā)的地面報、飛機報、探空和船舶報等常規(guī)觀測資料和五部新一代多普勒天氣雷達（北京S 波段BJRS、天津S 波TJRS、石家莊S 波段SJZRS、張北C 波段ZBRC 和承德C 波段CDRC） 觀測資料進行三維變分同化試驗研究。 針對2012 年7 月21 日北京地區(qū)的一次暴雨過程進行了多普勒天氣雷達徑向風和反射率的同化試驗， 檢驗和探討高時空分辨率多普勒天氣雷達資料在改進模式初始場及提高對暴雨過程預報的準確率等方面的應用效果及意義。

1 暴雨個例選取和天氣背景

2012 年7 月21 日02 時（世界時，下同）—21 日18 時，北京大部分地區(qū)出現(xiàn)由中尺度對流系統(tǒng)產(chǎn)生的特大暴雨過程。截止21 日22 時，北京全市的平均降雨量達到170 mm， 最大降水值出現(xiàn)在房山河北鎮(zhèn)，達到460 mm[21]。此次降水過程是北京地區(qū)1951年以來最強的一次降水過程， 由于此次降水過程是在非常有利于暴雨發(fā)生的大尺度環(huán)流背景下中尺度系統(tǒng)發(fā)生發(fā)展的結(jié)果，預報上難度較大，并且給京津冀地區(qū)造成了巨大的經(jīng)濟損失和人員傷亡， 因此在氣象界引起了廣泛的關(guān)注。 分析2012 年7 月20—21 日大尺度環(huán)流背景可以看到（圖1）：20 日12 時，500 hPa 中高緯度主要是“兩脊一槽”的形勢[22]，貝加爾湖附近存在一個閉合的切斷低壓， 從貝加爾湖至河套地區(qū)伸出南北走向的西風槽， 東部的副高脊線北抬到36°N，形成高壓壩，與切斷低壓相持，使環(huán)流經(jīng)向度加大。 與此同時，位于高原東側(cè)、河套西部的低槽東移發(fā)展。在低緯度地區(qū)，孟加拉灣和南海北部均有熱帶低壓存在， 其中位于南海北部的已發(fā)展成熱帶氣旋即第8 號臺風韋森特。 在200 hPa 天氣圖上也主要是“兩脊一槽”的形勢，貝加爾湖附近有逐漸增強的高空急流， 華北地區(qū)位于急流出口區(qū)的右側(cè)。 低層850 hPa，高原東北側(cè)有一低渦形成，中心位置在104°E 附近， 并有切變線生成。 到20 日18時，低渦沿著暖式切變線東移至106°E。

2 同化試驗設計

2.1 預報模式及其設置

本試驗采用WRFV3.6 的ARW（Advanced Research WRF）版本作為預報模式。 該模式為可壓縮、非靜力中尺度模式，水平方向采用荒川C 網(wǎng)格，垂直方向采用隨地形的質(zhì)量坐標。 模式區(qū)域設置見圖2，模擬區(qū)域中心為（40°N，105°E），采用雙向嵌套，外層區(qū)域格點數(shù)為649×400，格距9 km，內(nèi)層區(qū)域格點數(shù)為550×424， 格距為3 km， 垂直方向分為不等距的38 層，模式層頂氣壓為50 hPa。 由1°×1°分辨率的NCEP 再分析資料提供初邊界條件， 微物理過程采用WSM6 （WRF Single-Moment 6-class）類冰雹方案[23]，外層區(qū)域采用Grell-Devenyi 積云對流方案[24]，內(nèi)層嵌套區(qū)域關(guān)閉積云對流方案。其它物理參數(shù)化方案包括YSU（Yonsei University）邊界層方案[25]，5 階熱量擴散方案，RRTM（Rapid Radiative Transfer Model） 長波輻射方案，Dudhia 短波輻射方案。

圖1 2012 年7 月20 日12 時—22 日00 時天氣形勢分布及850 hPa 水平風場

圖2 模擬區(qū)域網(wǎng)格設置

2.2 多普勒雷達資料預處理

新一代多普勒天氣雷達采用VCP21（Volume Cover Pattern 21）觀測模式進行連續(xù)體掃，在進行多普勒雷達資料同化之前， 有必要對雷達基數(shù)據(jù)進行必要的質(zhì)量控制， 本文雷達資料質(zhì)量控制主要包括：（1）剔除地物雜波，去除＜1 km 以下的資料，并且由于主要考慮的是強對流降水的影響， 剔除資料中＜10 dBZ 的非降水回波。（2） 退模糊， 采用Zhang（2006）提出的二維多途徑退速度模糊方法[26]對雷達基數(shù)據(jù)進行了退模糊。（3）數(shù)據(jù)稀疏化處理，對雷達徑向風和反射率觀測數(shù)據(jù)都進行了稀疏化處理，均為徑向每4 km 取一個觀測，稀疏化后的觀測空間的分辨率與模式格局相當。（4）背景場檢查，雷達徑向風觀測誤差2 m/s，反射率觀測誤差為5 dBZ，當觀測與背景場的偏差大于3 倍的觀測誤差時，則剔除該雷達觀測資料。

2.3 試驗方案設計

為了考察加入雷達觀測資料后的分析效果以及對隨后預報的影響， 本文針對不同的初值設計了5組試驗（表1）。 主要包括：控制試驗（CNTL），不同化任何觀測資料；試驗CON 只同化GTS 觀測資料；試驗CRV 聯(lián)合同化GTS 觀測資料與雷達徑向風觀測資料； 試驗CRF 聯(lián)合同化GTS 觀測資料與雷達反射率觀測資料； 試驗ALL 聯(lián)合同化GTS 觀測資料、雷達徑向風觀測資料和雷達反射率觀測資料。 圖3為試驗方案示意圖。試驗CNTL 首先采用WRF 模式從2012 年7 月20 日12 時—22 日00 時做36 h 預報。4 組同化試驗選定2012 年7 月20 日12 時作為同化初始時刻，通過WRF-3DVAR 同化系統(tǒng)每隔3 h 同化一次觀測數(shù)據(jù)，連續(xù)同化18 h，將最后一個時刻的分析場作為背景場，做18 h 確定性預報。 本文中背景誤差協(xié)方差矩陣用NMC 方法（Parrish and Derber， 1992）生成[27]。

表1 試驗方案

圖3 試驗流程

3 試驗結(jié)果分析

3.1 風場增量

通過比較四組同化試驗（圖4）的初始風場增量可以發(fā)現(xiàn)，無論同化哪種多普勒雷達資料，初始風場均發(fā)生變化， 但徑向速度對初始大氣流場的改進更加顯著。 由圖4a 可見，只同化GTS 資料的初始流場在山西東南部、 河北南部以及山東西北部主要呈現(xiàn)氣旋性彎曲流型， 同化后華北地區(qū)風速都稍有所增加，此時流場尚未出現(xiàn)中尺度天氣系統(tǒng)的信息。北京大部分地區(qū)受東南氣流控制， 其西北側(cè)和河北的交界處根據(jù)風向能分析出一條弱輻合線；與CON 試驗相比，同化雷達徑向速度后（圖4b），38 °N 以北出現(xiàn)一中尺度低渦中心，40 °N 以北出現(xiàn)反氣旋環(huán)流中心， 其偏北氣流和中尺度低渦的東側(cè)偏南氣流在北京西部形成明顯的強輻合線，風場增量達到6.5 m/s；若同時同化雷達反射率和徑向速度后（圖4d），初始流場與只同化徑向速度的初始流場比較接近， 但輻合線附近風場增量超過5.5 m/s 的范圍偏小；若只同化雷達反射率（圖4c），其初始流場與CON 試驗相比增量強度上改變并不太大， 只是北京及其以北地區(qū)的風場增量稍大一點， 主要的區(qū)別是北京西部出現(xiàn)了較大面積的反氣旋式環(huán)流， 北京受偏北氣流控制；在850 hPa，只同化徑向速度后，北京南部出現(xiàn)氣旋式風場增量，其西部存在明顯的輻合線；僅同化雷達反射率的流場和CON 試驗的結(jié)果較接近；同時同化反射率和徑向速度的流場與只同化徑向速度的初始場流型非常接近，改善了降水的動力條件。說明同化對初始場有不同程度的改進， 其中徑向速度的同化對背景場的改進更加顯著， 初始風場中增加的中尺度信息使調(diào)整后的風場在低層有更明顯的風場輻合，使同化試驗能更好地模擬出暴雨過程。

圖4 2012 年7 月21 日06 時700 hPa 風場增量（箭頭，單位：m/s）

3.2 比濕增量

水汽作為降水的來源， 在暴雨過程中起著重要的作用。 四組同化試驗初始水汽場增量分布有正有負（圖5），正的增量說明增加了背景場的水汽信息，負的增量則可以減少背景場過濕的情況， 在一定程度上減少虛假降水情況的出現(xiàn)。 CON 試驗的比濕分析增量在河北中部、 北京東南部以及天津中部以南地區(qū)出現(xiàn)了一個范圍較大的正值中心， 其值可達到1×10-4kg/kg。加入雷達反射率資料后（圖5c，5d），比濕增量場發(fā)生顯著變化，出現(xiàn)明顯的中尺度特征。比濕增量整體呈西南—東北走向分布， 有多個零散的強正值中心，比濕增量值超過2×10-4kg/kg，與實況中鋒前暖區(qū)降水的雨帶呈西南—東北向并存在多個強降水中心是一致的。 同樣這些特征在850 hPa 上也有類似的反映。通過對比發(fā)現(xiàn)，多普勒雷達資料同化尤其是反射率資料的同化對初始水汽場的調(diào)整較為顯著，改善了降水的水汽條件，而徑向速度資料的同化對初始水汽場的調(diào)整較小。從圖5b 上看也沒有模擬出正值增量中心，這與WRF-3DVAR 同化系統(tǒng)中雷達徑向風側(cè)重于改進風場， 而雷達反射率側(cè)重于改進濕度場有關(guān)。

3.3 組合反射率因子

圖5 2012 年7 月21 日06 時700 hPa 比濕增量（陰影，單位：10-4 kg/kg）

根據(jù)雷達回波的實況演變過程可以發(fā)現(xiàn)， 此次強對流天氣過程首先在河北中部出現(xiàn)孤立單體，之后沿著山脈走向向東北偏東移動發(fā)展并影響北京，是一次由分散的回波逐漸擴展成高度有組織的帶狀多單體風暴的過程。 21 日06 時（圖6），河北的西北部和北京大部分地區(qū)有層狀云覆蓋， 雷達回波整體呈西南—東北走向，面積約280 km×300 km。強回波區(qū)主要在河北中部和北京中南部， 組合反射率因子最大值超過60 dBZ。其中北京中南部的回波又分為兩部分，一部分橫穿昌平區(qū)和順義區(qū)，另一部分從昌平區(qū)向南延伸影響北京市區(qū)， 兩部分連在一起形成“倒V”形，回波圖上有多個分散、強度超過45 dBZ的強對流中心，對應強降水區(qū)。 在700 hPa 上，河北中部到北京南部存在切變線， 風場表現(xiàn)為明顯的風速輻合區(qū)。 對比實況圖，在最后一個分析時刻，控制試驗的組合反射率因子分布與觀測差別較大， 強回波區(qū)主要分布在山西和河北南部， 只有北京大興區(qū)最南部受強回波中心的影響， 且回波中心強度只有40～50 dBZ。對應風場的切變線也更偏西偏南。同化常規(guī)資料后， 強對流區(qū)主要在山西東北部和河北的西北部，回波分布有所改進（偏西），但在強度上，只有門頭溝區(qū)附近有較強的對流中心（40～50 dBZ）。700 hPa 切變線位置比觀測要偏西， 但河北北部已模擬出風速的輻合區(qū)。引入雷達徑向風資料后，強回波依舊在山西東北部和河北的西北部， 但有所改進的是豐臺區(qū)出現(xiàn)了超過50 dBZ 強對流中心，并且在河北中部以及北京中部的700 hPa 風場上出現(xiàn)明顯的風速輻合。 而加入雷達反射率資料后， 山西西北部、河北北部以及北京地區(qū)為強回波區(qū)，在昌平區(qū)也模擬出了超過50 dBZ 強對流中心，切變線以及風速輻合區(qū)和實況也基本一致。 再次證明雷達資料同化進入模式后，較好地改善了模式模擬效果。

3.4 降水場對比分析

將5 組同化試驗得到的每小時降水預報和實況降水進行比較， 可以看出雨帶位置和強度變化比實況滯后約2～3 h， 其中控制試驗強降水中心稍有偏差， 但模擬的主要雨帶與實況一致， 呈西南—東北向，并且能反映出降水從西南向東北擴展、強度不斷增強的趨勢，因此，模式模擬的結(jié)果還是能夠很好地反映出此次特大暴雨過程的雨帶移動及強度變化?？紤]到臨近預報的時效性， 著重分析3 h 和6 h 累計降水預報的預報效果。

與實況相比，5 組同化試驗對降水都有一定的預報能力， 從7 月21 日06—09 時的累計降水分布可知，CNTL 試驗中雨帶主要在山西北部和河北中南部，位置偏西嚴重，降水范圍也偏大。 加入雷達徑向風資料后，降水范圍有所減小，雨帶位置明顯向東北方向移動，正好對應風場增量輻合區(qū)（圖4b）。 北京西南部出現(xiàn)25.6 mm 以上的降水中心， 且山西和河北交界處的虛假降水明顯減弱， 但整體降水強度較實況仍偏弱。 而加入雷達反射率資料，可以使分析場中產(chǎn)生云水、 雨水和中小尺度的對流結(jié)構(gòu)，在預報階段產(chǎn)生更強的降水， 因此CRF 試驗和ALL試驗在降水強度上有明顯的改進， 北京西部出現(xiàn)51.2 mm 以上的強降水中心，整體降水范圍也減小，更接近實況。

圖6 2012 年7 月21 日06 時雷達組合反射率觀測（a、b，陰影，單位：dBZ）和700 hPa流場診斷的組合反射率（c～g，陰影，單位：dBZ）及700 hPa 水平風場（箭頭，單位：m/s）

5 個試驗對6 h 累積降水量的模擬結(jié)果也進行了對比（圖7），雨帶形狀均和實況一致，位置稍偏西。 CNTL 試驗中超過25.6 mm 的降水范圍較實況偏大，并主要分布在山西和河北交界處。同化雷達徑向風資料后雨帶位置有所改進， 降水范圍也減小更接近觀測。由于模式具有較高分辨率，模擬圖中出現(xiàn)多個小的強降水中心， 而實況圖中由于觀測站點分辨率不夠高，且強降水中心比較集中，因此實況圖中分析不到小的強降水中心。在CRV 試驗中北京大部分地區(qū)模擬出多個小的強降水中心， 但最強降水值并未模擬出來。 根據(jù)實際觀測（圖7a），房山區(qū)存在102.4 mm 以上的強降水中心， 而CRF 試驗在強度上就有明顯的改善（圖7e）。 可以看到同化雷達反射率資料后， 初始場的風場產(chǎn)生一個反氣旋式的風場增量（圖4c），這種風場增量對應著負的垂直速度增量，有利于降水的減弱，而從CNTL 試驗模擬的降水范圍明顯偏大的情況來看， 這種風場的調(diào)整有利于減弱降水，使之與實況的降水更為接近，與CRF 試驗最終模擬得到的降水結(jié)果相符， 整體降水范圍變小， 山西北部和河北南部的大片虛假降水也明顯減少。 同樣在ALL 試驗中，初始場的風場在北京西部產(chǎn)生一個反氣旋式的風場增量， 在其西南部有一個氣旋式的風場增量（圖4d），經(jīng)過這種風場增量的調(diào)整后，山西東北部和河北的交界處降水減少，而河北的西南部產(chǎn)生一個強降水中心， 主要的降水雨帶位于偏北和偏南氣流輻合處，與ALL 試驗的模擬結(jié)果也相一致。

圖7 6 h 預報降水量和實況降水量的比較

因此相比控制試驗， 同化對降水預報有一定好處，引入雷達資料后，降水預報準確性有所提高，而其中同化徑向風資料對雨區(qū)的位置、 范圍有較好的改進， 同化反射率資料則在降水強度方面改進較為明顯。以上結(jié)果進一步表明，多普勒天氣雷達資料對于提高定量降水預報的精確度有著重要作用。

3.5 降水場預報檢驗

為了客觀地比較5 組試驗的模擬結(jié)果， 本文采用ETS（Equitable threat score）評分技術(shù)對同化后的3 h 累計降水做預報檢驗， 將各組試驗模擬降水和實況觀測降水做比較， 分別對5、15、25 mm 級別降水進行對比分析。 從圖8 中可以發(fā)現(xiàn)，5 組試驗ETS評分在閾值為5 mm 和15 mm 時均有所增加，在閾值為25 mm 時各組試驗均明顯下降，但總體上4 組同化試驗的ETS 評分都要顯著高于CNTL 試驗，在設置的3 組閾值下能增加0.1 左右。 對于加入雷達資料的3 組試驗， 模式的同化分析場包含了大氣水汽及水凝物等信息， 因此無論對于低閾值還是高閾值，都具有相對較高的ETS 評分，尤其是試驗CRF的ETS 評分基本是最高的，而試驗ALL 的評分值與試驗CRF 也較接近， 具體表現(xiàn)為CRV 試驗能增加0.2 左右，CRF 試驗能增加0.3 左右，而ALL 試驗增加的評分介于0.2～0.3。這些說明同化雷達資料的預報效果要優(yōu)于控制試驗， 進一步提高了暴雨短時臨近預報的效果。

4 結(jié)論

利用高分辨率中尺度預報模式WRF 及其同化系統(tǒng)WRF-3DVAR 系統(tǒng)，針對2012 年北京“7·21”特大暴雨個例，對常規(guī)觀測資料和京津冀地區(qū)5 部多普勒天氣雷達觀測資料進行三維變分同化試驗研究，考察和評估多普勒雷達不同種類觀測數(shù)據(jù)同化對數(shù)值模式初始場及其預報效果影響。主要結(jié)論如下：

（1）雷達資料的同化可以在初始場中加入能反映產(chǎn)生降水系統(tǒng)低層風場輻合的動力和鋒前暖區(qū)充足的水汽條件物理信息，在模式積分開始后能改善初始場中水汽和風的分布，較快地模擬出局地對流系統(tǒng)的發(fā)生、發(fā)展，改善了由于中尺度觀測資料不足造成的模式初始場里中尺度信息缺乏的問題。徑向速度的同化增加了中尺度信息， 對初始流場的調(diào)整較為顯著，側(cè)重于改進風場。 而雷達反射率資料的同化對初始溫、濕度場和強回波位置的調(diào)整更明顯，側(cè)重于改進濕度場。 兩者對暴雨模擬效果有著不同的影響。

（2）累計降水的預報結(jié)果顯示，同化試驗的降水量預報較為理想，但是降水落區(qū)不準確，仍略偏西。同化徑向風資料對雨帶的位置、范圍有較好的改進，同化雷達反射率資料對暴雨強度的預報有明顯的改善。 雷達資料對于提高定量降水預報的精確度有著重要作用。

（3）從3 h 累積降水ETS 評分來看， 同化試驗的ETS 評分都要顯著高于CNTL 試驗，對于5、15 mm，和25 mm 降水評分能增加0.1 左右，CRV 試驗能增加0.2 左右，CRF 試驗能增加0.3 左右，而ALL 試驗增加的評分介于0.2～0.3。

本文利用雷達觀測資料進行的試驗說明，3DVAR 同化多普勒雷達觀測資料有助于暴雨的初始化并提供更加精細的中尺度結(jié)構(gòu)信息，為多普勒雷達觀測資料在極端性事件的預報研究、應用方面提供了技術(shù)參考。 同時，應該指出本文只是針對北京“7·21”個例進行了初步的研究，存在一定的局限性，需要進行更多的個例分析， 以加深對此類極端性降水的了解。 此外要提高暴雨預報的準確率，不僅要對暴雨的系統(tǒng)結(jié)構(gòu)有深入了解，對模式的設計及預報性能也要有更深入的研究。在今后的工作中將針對更多的暴雨個例展開類似研究，多考慮一些問題，例如合理調(diào)節(jié)水平化尺度因子是否能提高短時降水預報的效果，雷達觀測資料的質(zhì)量控制能否明顯改進預報結(jié)果，引入衛(wèi)星資料能否有效改進模式初始場、減少模式起轉(zhuǎn)延遲時間等等還有待于將來進一步的研究。

圖8 3 h 累積降水ETS 評分檢驗（CNTL，CON，CRV，CRF，ALL）

致謝：本文的數(shù)值計算得到了南京信息工程大學高性能計算中心的計算支持與幫助，在此表示感謝！