摘 要" 基于中尺度數(shù)值模式WRF（Weather Research and Forecasting），分析在逐小時(shí)循環(huán)同化系統(tǒng)中，高頻多次應(yīng)用數(shù)字濾波初始化方案對臺(tái)風(fēng)“煙花”模擬結(jié)果的影響。結(jié)果表明：（1）數(shù)字濾波能夠產(chǎn)生與天氣現(xiàn)象相關(guān)的濾波增量。晴空區(qū)域由于向后積分過程中輻射等重要過程未開啟，后向積分結(jié)束時(shí)近地面溫度變化較小，在前向積分時(shí)白天到達(dá)地表的太陽短波輻射過度累積，夜間地表熱輻射過度釋放，造成晴空區(qū)白天2 m溫度升高，夜間2 m溫度降低。臺(tái)風(fēng)對流區(qū)域受后向積分為絕熱過程的影響，原本上升運(yùn)動(dòng)中水汽凝結(jié)釋放潛熱脫離氣塊的降水無法在絕熱下沉增溫中吸收熱量變?yōu)樗?，在后向積分時(shí)產(chǎn)生了熱量的異常累積以及水汽的減少，導(dǎo)致強(qiáng)對流區(qū)域熱力結(jié)構(gòu)發(fā)生變化。（2）統(tǒng)計(jì)結(jié)果顯示，隨著數(shù)字濾波應(yīng)用次數(shù)的增加，初始化過程對初始場和預(yù)報(bào)的影響逐漸積累，造成的預(yù)報(bào)差異持續(xù)整個(gè)模擬過程。（3）在循環(huán)同化的基礎(chǔ)上多次應(yīng)用數(shù)字濾波初始化，數(shù)字濾波初始化顯示出較好的抑制高頻噪聲的作用。多次濾波后臺(tái)風(fēng)環(huán)流中心暖心增強(qiáng)引起臺(tái)風(fēng)強(qiáng)度增強(qiáng)，最低氣壓更加接近最佳路徑資料；暖濕氣流向魯南地區(qū)輸送的減弱造成魯西南地區(qū)特大暴雨漏報(bào)；臺(tái)風(fēng)環(huán)流位置的偏南影響了后期與西風(fēng)槽結(jié)合的時(shí)間導(dǎo)致后期移速偏慢。

關(guān)鍵詞" 數(shù)字濾波初始化；臺(tái)風(fēng)；逐小時(shí)循環(huán)同化；數(shù)值模擬

中圖分類號(hào)：P456.7" " " 文獻(xiàn)標(biāo)志碼：A" 文章編號(hào)：2096-3599（2024）02-0001-00

DOI：10.19513/j.cnki.hyqxxb.20230523001

Impacts of digital filter initialization on numerical simulation of Typhoon In-fa

WEN Xiaopei1，2， LI Changyi1，2， XIAO Mingjing1，2， ZHU Wengang1，2， LIU Shijun1，2

（1. Key Laboratory for Meteorological Disaster Prevention and Mitigation of Shandong， Jinan 250031， China; 2. Shandong Institute of Meteorological Sciences， Jinan 250031， China）

Abstract" The impacts of high-frequency application of digital filter initialization schemes on the simulation of Typhoon In-fa in the hourly cycling assimilation system are studied based on the mesoscale model WRF （Weather Research and Forecasting）. The main results are as follows. （1） The digital filtering can generate filtering increments related to weather. In the clear sky area， the physical process such as radiation is closed during the backward integration， the near-surface temperature changes mildly at the end of backward integration， and during the forward integration， the downward shortwave radiation accumulates exceedingly at the surface in the daytime， the surface emits much heat radiation in the nighttime， therefore， the 2-m temperature rises in the daytime and falls in the nighttime. In the convection area of typhoon， affected by the fact that the backward integration is adiabatic， the precipitation from the air mass during the original ascending motion with vapor condensation and latent heat release cannot absorb heat and become water vapor in the adiabatic sinking and warming. The heat abnormally accumulates and water vapor decreases during the backward integration， resulting in the change of thermal structure in the strong convection area. （2） The statistical results show that with the increase of the frequency of digital filtering， the impacts of initialization on initial field and prediction increase， and the caused prediction differences remain in the whole simulation process. （3） By applying several times of digital filter initialization on the basis of cycling assimilation， digital filtering initialization can suppress high-frequency noise. The reason is that after multiple filtering， the typhoon intensity increases due to the strengthening of the warm core of the typhoon circulation center， and the minimum pressure is more close to the best track data; the weakening of warm and humid air transport to the south of Shandong province results in the severe rain’s missing alarm in the province’s southeastern part; the southerly position of the typhoon circulation affects the time of its combining with the westerly trough， leading to the lower moving speed in the late period.

Keywords" digital filter initialization; typhoon; hourly cycling assimilation; numerical simulation

引言

觀測和同化分析過程中造成模式預(yù)報(bào)初始風(fēng)場與質(zhì)量場之間的動(dòng)力不平衡，往往在模擬開始時(shí)激發(fā)出虛假的高頻重力波。這些波動(dòng)會(huì)影響數(shù)值模式在最初幾個(gè)小時(shí)預(yù)報(bào)的準(zhǔn)確性和穩(wěn)定性，導(dǎo)致預(yù)報(bào)效果變差，產(chǎn)生虛假降水，還會(huì)影響下一次同化質(zhì)量[1]。初始化是指將氣象資料進(jìn)行訂正并應(yīng)用于數(shù)值模型網(wǎng)格的過程，其目的是使數(shù)值預(yù)報(bào)的初始場更加接近真實(shí)大氣，且具備較好的平衡性[2]。

數(shù)字濾波初始化（digital filter initialization，DFI）方法能夠?yàn)V除特定切斷頻率的高頻振蕩，是消除或減少初始場不平衡的有效方法之一[3–4]。許多學(xué)者將DFI方法應(yīng)用到不同模式中，發(fā)現(xiàn)其簡便易行[5–6]，在冷啟動(dòng)預(yù)報(bào)時(shí)能夠有效濾去初始場中的高頻重力波，對模式的初始場有較明顯的調(diào)整[2]，使得初始風(fēng)壓配置更為合理。由于其良好的預(yù)報(bào)效果，目前DFI已經(jīng)廣泛應(yīng)用于數(shù)值模式系統(tǒng)[7–12]。一些專家學(xué)者對DFI的應(yīng)用進(jìn)行了擴(kuò)展以適應(yīng)不同快速循環(huán)系統(tǒng)預(yù)報(bào)需求，例如只對加入不規(guī)則觀測資料信息后的分析增量進(jìn)行濾波的增量數(shù)字濾波方法[13–14]；RAP（Rapid Refresh）系統(tǒng)利用原始的相對濕度和濾波后的溫度對濾波后的水汽進(jìn)行恢復(fù)[15]，使得初始場中包含更合理的濕度信息；在DFI前向積分開始時(shí)引入雷達(dá)反射率反演得到的潛熱溫度加熱率傾向[16–17]，修改初始風(fēng)場。陳敏等[18]在向后積分過程中保留了云物理方案的啟動(dòng)，關(guān)閉執(zhí)行過程，解決預(yù)報(bào)降水率顯著偏低的問題。

以往大多研究主要針對DFI的效果以及不同分辨率、不同濾波參數(shù)[19]的對比分析，針對高影響天氣快速更新循環(huán)系統(tǒng)的高頻多次DFI影響的相關(guān)研究較少。由于DFI的反向積分過程為絕熱過程[20]，關(guān)閉了物理過程，并不能完全反應(yīng)真實(shí)的大氣過程，造成的偏差也將體現(xiàn)在初始場及后續(xù)的預(yù)報(bào)中。尤其在快速更新循環(huán)同化預(yù)報(bào)系統(tǒng)中，更新頻率可達(dá)到1 h以內(nèi)，這種高頻多次應(yīng)用DFI造成的偏差如果積累，則可能對預(yù)報(bào)效果造成一定影響。快速更新循環(huán)預(yù)報(bào)系統(tǒng)廣泛應(yīng)用于業(yè)務(wù)系統(tǒng)中[21–24]，隨著循環(huán)次數(shù)的增加，DFI應(yīng)用的次數(shù)也隨之增長。因而對多次應(yīng)用DFI產(chǎn)生的影響進(jìn)行研究具有重要意義。

此次研究主要基于WRF（Weather Research and Forecasting）模式，分析臺(tái)風(fēng)“煙花”影響山東期間多次應(yīng)用DFI對逐小時(shí)快速更新循環(huán)同化預(yù)報(bào)的影響，以期加深對DFI的認(rèn)識(shí)，為在循環(huán)同化預(yù)報(bào)系統(tǒng)中應(yīng)用DFI提供參考。

1 臺(tái)風(fēng)個(gè)例及DFI方法簡介

1.1 臺(tái)風(fēng)“煙花”

山東地處中國東部沿海，臺(tái)風(fēng)是造成大范圍洪澇災(zāi)害的主要天氣系統(tǒng)之一[25–27]。臺(tái)風(fēng)“煙花”于2021年7月18日02：00（北京時(shí)，下同）在西北太平洋洋面上生成，21日加強(qiáng)為強(qiáng)臺(tái)風(fēng)，25日12：30前后及26日09：50兩次登陸浙江沿海?！盁熁ā钡顷懞笤陉懮祥L時(shí)間維持，具有降雨影響范圍廣、累計(jì)降雨量大、大風(fēng)持續(xù)時(shí)間長等特點(diǎn)[28]，給浙江、上海、江蘇、安徽、山東等沿海多個(gè)?。ㄊ校泶蠓秶瑲v史記錄的強(qiáng)降水，是2021年給我國造成災(zāi)害最嚴(yán)重的臺(tái)風(fēng)[29]。受“煙花”影響，27—30日，魯南、魯中及魯西北出現(xiàn)暴雨到大暴雨，局部特大暴雨，全省平均降水量為100.2 mm。

1.2"數(shù)字濾波初始化

數(shù)字濾波為時(shí)間濾波，通過對時(shí)間序列進(jìn)行濾波達(dá)到濾除高頻噪音的作用。非絕熱DFI考慮了模型的非絕熱過程，首先進(jìn)行絕熱并關(guān)閉物理過程后向積分至–T時(shí)刻，然后進(jìn)行非絕熱前向積分至T時(shí)刻以產(chǎn)生濾波器的時(shí)間序列。對–T至T時(shí)間序列過濾后，將0時(shí)刻初始模型狀態(tài)作為最終預(yù)測的初始狀態(tài)。由于非絕熱過程和耗散等過程為不可逆的過程，一般來說只能進(jìn)行正向積分，因而反向積分為絕熱并關(guān)閉了物理過程。

2 數(shù)據(jù)來源及試驗(yàn)設(shè)計(jì)

降水資料采用基于國省統(tǒng)一的數(shù)據(jù)環(huán)境全國綜合氣象信息共享平臺(tái)（China Integrated Meteorological Information Service System，CIMISS）下載的中國地面逐小時(shí)資料（國家級地面氣象觀測站），站點(diǎn)分布如圖1a所示，同化資料來源于CIMISS系統(tǒng)的中國地面逐小時(shí)資料和全球飛機(jī)高空探測資料，資料分布如圖1b所示。最佳路徑資料使用中國氣象局熱帶氣旋資料中心（tcdata.typhoon.org.cn）下載的最佳路徑數(shù)據(jù)集[30–31]。衛(wèi)星云圖使用葵花8衛(wèi)星資料（圖1c）。WRF模式的背景場，采用NCEP每6 h一次0.25°×0.25° FNL客觀分析資料。

利用中尺度數(shù)值模式WRF v4.1.2進(jìn)行數(shù)值試驗(yàn)。模式中心點(diǎn)設(shè)在32.5°N、118°E，水平分辨率為3 km，采用Lambert投影，垂直方向分為75層。云微物理方案采用Thompson等[32]方案，長波、短波輻射過程均選取RRTMG方案[33]；邊界層過程選取YSU方案[34]，關(guān)閉積云參數(shù)化方案。DFI采用TDFI方案[4]，濾波器為Dolph[35]，濾波時(shí)間窗為20 min。將模擬初始時(shí)刻為2021年7月27日20時(shí)，進(jìn)行冷啟動(dòng)運(yùn)行6 h（至28日02時(shí)）得到的動(dòng)力穩(wěn)定平衡場作為逐小時(shí)循環(huán)預(yù)報(bào)的初始場。

為分析多次濾波初始化對數(shù)值模擬的影響，共設(shè)計(jì)了5組敏感性試驗(yàn)（表1）。其中，CTRL試驗(yàn)為控制試驗(yàn)，由28日02時(shí)暖啟動(dòng)預(yù)報(bào)至29日20時(shí)；CDFI試驗(yàn)為在CTRL試驗(yàn)的基礎(chǔ)上每次循環(huán)啟動(dòng)時(shí)應(yīng)用1次DFI方案，分析僅DFI對氣象場的影響；CDFI02試驗(yàn)為在CTRL基礎(chǔ)上僅在02時(shí)暖啟動(dòng)并進(jìn)行1次DFI（為CDFI試驗(yàn)第1次循環(huán)啟動(dòng)的結(jié)果），分析DFI在夜間對模擬的影響；CDFI07試驗(yàn)為在CTRL基礎(chǔ)上僅在07時(shí)暖啟動(dòng)進(jìn)行1次DFI，分析DFI在白天對模擬的影響；由于DFI一般伴隨在資料同化之后，因而設(shè)計(jì)了DA試驗(yàn)引入實(shí)況的常規(guī)地面、自動(dòng)站及飛機(jī)報(bào)資料數(shù)據(jù)（表2），進(jìn)行循環(huán)同化預(yù)報(bào)；DADFI試驗(yàn)在DA試驗(yàn)的基礎(chǔ)上進(jìn)行DFI，分析引入同化資料后DFI對預(yù)報(bào)結(jié)果的影響。CDFI試驗(yàn)、DA試驗(yàn)和DADFI試驗(yàn)均自28日02時(shí)（第1次循環(huán)）至28日07時(shí)（第6次循環(huán)）逐小時(shí)暖啟動(dòng)循環(huán)預(yù)報(bào)6次，6次循環(huán)預(yù)報(bào)的結(jié)束時(shí)間均為29日20時(shí)。

3 數(shù)值試驗(yàn)結(jié)果分析

3.1 DFI對數(shù)值模擬的影響

3.1.1 DFI對熱力結(jié)構(gòu)的影響

對比未引入同化資料的CTRL試驗(yàn)和CDFI試驗(yàn)的差異，分析應(yīng)用DFI方案對數(shù)值模擬造成的影響。文中濾波增量指的是CDFI試驗(yàn)減去CTRL試驗(yàn)的值。首先分析DFI對熱力場的改變，由溫度增量的分布可以看出，濾波初始化過程即使作用在CTRL試驗(yàn)這種平衡場上，仍然可以產(chǎn)生跟天氣息息相關(guān)的濾波增量（圖2）。與CTRL試驗(yàn)相比，28日02時(shí)進(jìn)行1次濾波初始化后的CDFI02試驗(yàn)，2 m溫度大部分地區(qū)為降溫，強(qiáng)度有約0.6 K的變化，與云區(qū)對應(yīng)區(qū)域局部呈現(xiàn)增溫。28日07時(shí)進(jìn)行1次濾波初始化后的CDFI07試驗(yàn)，2 m溫度在云區(qū)局部呈現(xiàn)降溫，其他大部分地區(qū)以增溫為主。

向前積分過程中輻射通量累積值（圖3）顯示，CDFI02試驗(yàn)初始時(shí)刻在夜間，沒有太陽短波輻射影響，因而向下的短波輻射累積量為零；累積地表熱通量為正值，表明地表熱通量在夜間向大氣釋放熱量，地表有熱量損失。CDFI07試驗(yàn)，初始時(shí)刻在早晨，此時(shí)太陽輻射覆蓋模擬區(qū)域，晴空區(qū)短波輻射通量為正值，向前積分過程中累積到達(dá)地表的短波輻射增多；在臺(tái)風(fēng)主體影響區(qū)域，短波輻射基本無變化。累積的地表熱通量在晴空區(qū)基本為負(fù)值，表明地表吸收熱量，但由于短波輻射數(shù)值遠(yuǎn)大于地表熱通量，白天晴空區(qū)主要考慮太陽短波輻射影響，而在河北和山東西部等臺(tái)風(fēng)外圍云帶影響區(qū)域，累積的短波輻射通量基本為零，累積的地表熱輻射為正值。

結(jié)合2 m溫度與地表能量的分布，分析造成異常增量的主要原因是DFI過程的向后積分為絕熱過程，同時(shí)關(guān)閉了物理過程。晴空區(qū)域由于向后積分過程中輻射等重要過程未開啟，后向積分結(jié)束時(shí)溫度變化較小。在向前積分過程中地面溫度受輻射過程的影響，夜間受地表熱輻射的影響，地表向大氣釋放熱量，向前積分過程中損失了更多的熱量，導(dǎo)致近地面溫度降低。白天晴空區(qū)域受太陽短波輻射影響更為明顯，在向前積分20 min過程中獲得了更多的短波輻射，造成了短波輻射的過度積累，使得溫度上升。夜間云可以吸收地表與大氣的長波輻射，并發(fā)射長波輻射，對地氣系統(tǒng)起到保溫甚至加熱作用，同時(shí)隨著天氣系統(tǒng)的移動(dòng)云的生消過程也會(huì)造成近地面溫度的變化。白天云則可以散射和反射太陽輻射，減少到達(dá)地表的太陽輻射，同時(shí)向前積分過程中地面仍然有熱量損失，使得近地面溫度降低，對地氣系統(tǒng)起到冷卻作用。

臺(tái)風(fēng)區(qū)域中的強(qiáng)上升運(yùn)動(dòng)，在向后計(jì)算的過程中轉(zhuǎn)變?yōu)閺?qiáng)下沉運(yùn)動(dòng)，下沉增溫造成對流區(qū)域溫度上升，由于后向積分為絕熱過程，原本上升運(yùn)動(dòng)產(chǎn)生降水釋放潛熱加熱氣塊，在后向積分下沉過程中已經(jīng)脫離氣塊的降水無法吸收熱量變?yōu)樗?，因而后向積分產(chǎn)生了異常熱量的累積以及水汽的減少，上升速度越強(qiáng)的區(qū)域，增溫降濕越明顯（圖4），CDFI07試驗(yàn)在后向積分結(jié)束時(shí)模擬的850 hPa溫度較CTRL試驗(yàn)相同時(shí)刻的增溫可以達(dá)到2K，850 hPa水汽混合比減少最大可達(dá)1 g·kg?1。為分析后向積分引起溫濕度場的變化對初始場強(qiáng)對流區(qū)域熱力結(jié)構(gòu)的影響，沿圖4溫濕變化劇烈位置對相當(dāng)位溫進(jìn)行剖面（圖5），其中黑色包圍區(qū)域表示CDFI07試驗(yàn)較CTRL試驗(yàn)相當(dāng)位溫增高區(qū)域，藍(lán)色包圍區(qū)域表示相當(dāng)位溫降低區(qū)域。由CTRL試驗(yàn)?zāi)M的相當(dāng)位溫可以看出，強(qiáng)上升區(qū)為暖區(qū)，低層及高層相當(dāng)位溫可達(dá)358 K，中層暖區(qū)相對較弱，相當(dāng)位溫約為354 K。CDFI07試驗(yàn)初始場相較CTRL試驗(yàn)相當(dāng)位溫的強(qiáng)度發(fā)生變化，表現(xiàn)為黑色矩形及三角形包圍區(qū)域低層相當(dāng)位溫明顯增高，藍(lán)色方形包圍區(qū)域550 hPa附近臺(tái)風(fēng)北側(cè)冷空氣強(qiáng)度變化較小但冷區(qū)范圍擴(kuò)大，冷暖交界處暖區(qū)相當(dāng)位溫減小，相當(dāng)位溫梯度也相應(yīng)減小。

3.1.2 多次DFI累積影響

臺(tái)風(fēng)強(qiáng)對流區(qū)域及晴空區(qū)域初始場的變化，必然影響預(yù)報(bào)結(jié)果及下一次循環(huán)。為分析濾波次數(shù)的增加能否造成濾波增量的累加，以及對預(yù)報(bào)影響的持續(xù)性。統(tǒng)計(jì)CTRL試驗(yàn)與CDFI試驗(yàn)在模擬區(qū)域的平均均方根偏差隨時(shí)間的變化（圖6）。

水汽混合比和溫度統(tǒng)計(jì)結(jié)果顯示，DFI過程會(huì)導(dǎo)致濾波增量的突然增長，隨著濾波次數(shù)增加，初始濾波增量逐漸累積，預(yù)報(bào)增量呈現(xiàn)增加狀態(tài)。經(jīng)歷6次DFI后，水汽混合比的24 h預(yù)報(bào)均方根偏差達(dá)到0.36 g·kg?1，較1次DFI的24 h預(yù)報(bào)偏差增加了0.1 g·kg?1；溫度的24 h預(yù)報(bào)均方根偏差達(dá)到0.4 K，較1次DFI的24 h預(yù)報(bào)偏差增加了0.08 K。由于U、V風(fēng)的統(tǒng)計(jì)結(jié)果相似，僅繪制U風(fēng)的平均均方根偏差，前3次DFI的初始濾波增量突然增長，4～6次DFI的初始濾波增量小于此次啟動(dòng)的背景場（上一循環(huán)的1 h預(yù)報(bào)結(jié)果）增量。經(jīng)歷6次DFI后，24 h預(yù)報(bào)均方根偏差為1.50 m·s?1，較1次DFI的24 h預(yù)報(bào)偏差增加了0.55 m·s?1。擾動(dòng)氣壓在濾波初始化后濾波增量也會(huì)突然增長，預(yù)報(bào)過程中增量呈現(xiàn)波動(dòng)狀態(tài)，隨濾波次數(shù)增加，24 h預(yù)報(bào)增量差異不明顯。

3.2 資料同化后多次DFI對模擬結(jié)果的影響

多次DFI會(huì)造成濾波增量的累積，并對預(yù)報(bào)產(chǎn)生影響。DFI方案在實(shí)際應(yīng)用中伴隨資料同化過程，為探討多次DFI應(yīng)用于快速循環(huán)同化預(yù)報(bào)系統(tǒng)的影響，分析DA試驗(yàn)和DADFI試驗(yàn)在引入同化資料后的模擬差異。文中分析增量指的是DA試驗(yàn)與CTRL試驗(yàn)的偏差，初始化增量指的是DADFI試驗(yàn)與DA試驗(yàn)的偏差。

3.2.1 模式噪聲水平

數(shù)值模式中的噪聲水平可以用平均絕對地面傾向來衡量。對比3組試驗(yàn)平均絕對地面氣壓傾向（圖7）可以看出，CTRL試驗(yàn)在達(dá)到動(dòng)力平衡狀態(tài)后，在預(yù)報(bào)過程中一直維持較低噪聲水平，并出現(xiàn)了周期約30 min的振蕩。DA試驗(yàn)在引入同化資料后，初始時(shí)刻中有較高的噪聲水平，噪聲水平在15 min內(nèi)迅速下降，也存在30 min的高頻振蕩。隨著循環(huán)次數(shù)增加，初始時(shí)刻噪聲沒有顯著的累積效應(yīng)，在半小時(shí)內(nèi)可降低到穩(wěn)定狀態(tài)。DADFI試驗(yàn)在同化后引入DFI方案，有效減小了初始時(shí)刻和預(yù)報(bào)過程中的噪聲水平并濾除了周期30 min的高頻振蕩。DFI具有較好的抑制高頻噪聲的作用。

3.2.2 分析增量與初始化增量

同化資料后，隨著引入資料次數(shù)逐漸增多，溫度的分析增量先增大后減小，水汽混合比和U風(fēng)的分析增量不斷增大，初始化增量隨著循環(huán)次數(shù)增加逐漸增大（表3）。初始化增量始終小于分析增量，初始化增量大小為分析增量的1/2。在以往對DFI的研究中，認(rèn)為初始化增量的大小是在可接受范圍內(nèi)的，為探究初始化增量較小情況下，是否能夠明顯影響預(yù)報(bào)結(jié)果，接下來分析DA試驗(yàn)和DADFI試驗(yàn)對臺(tái)風(fēng)降水、強(qiáng)度及路徑預(yù)報(bào)結(jié)果的差異。

3.2.3 模擬結(jié)果差異

對比模擬的臺(tái)風(fēng)強(qiáng)度及路徑（圖8），可以看出CTRL試驗(yàn)?zāi)M的臺(tái)風(fēng)中心氣壓最高與最佳路徑差異最大，隨著同化資料的引入，DA試驗(yàn)初始場的臺(tái)風(fēng)中心最低氣壓向最佳路徑靠近。第1次循環(huán)DA試驗(yàn)?zāi)M的臺(tái)風(fēng)中心氣壓呈逐漸減弱的特征，DADFI試驗(yàn)較DA試驗(yàn)?zāi)M的前10 h中心氣壓略高，10 h后較DA試驗(yàn)?zāi)M的中心氣壓略低?？傮w而言前4次循環(huán)DA和DADFI試驗(yàn)?zāi)M的臺(tái)風(fēng)最低氣壓結(jié)果差異較小。第5次循環(huán)DA試驗(yàn)呈現(xiàn)明顯先降低后上升的特征，DADFI試驗(yàn)?zāi)M的中心最低氣壓發(fā)展趨勢與DA試驗(yàn)一致，但在最初幾個(gè)小時(shí)明顯低于DA試驗(yàn)。第6次循環(huán)DA試驗(yàn)中心最低氣壓呈現(xiàn)上升降低再上升的特征，DADFI試驗(yàn)在前20 h模擬的最低氣壓低于DA試驗(yàn)。從最大風(fēng)速來看，除最初6 h外，幾組試驗(yàn)?zāi)M的誤差基本都在2 m·s?1以內(nèi)。6次循環(huán)中DADFI試驗(yàn)在最初幾小時(shí)的風(fēng)速明顯大于DA試驗(yàn)。從路徑來看，3組試驗(yàn)均能模擬出臺(tái)風(fēng)在安徽打轉(zhuǎn)后再向北移動(dòng)的過程，CTRL試驗(yàn)?zāi)M的臺(tái)風(fēng)位置前期偏南后期偏東，前5次循環(huán)中DA試驗(yàn)呈現(xiàn)前期偏南后期偏東南的特征，第6次循環(huán)DA試驗(yàn)?zāi)M后期逐漸靠近最佳路徑，具有較好預(yù)報(bào)效果。相對于DA試驗(yàn)，第1次循環(huán)模擬前期DADFI試驗(yàn)路徑與DA試驗(yàn)基本一致，模擬后期路徑偏西，更加接近最佳路徑資料。第3至第5次循環(huán)模擬后期DADFI試驗(yàn)較DA試驗(yàn)臺(tái)風(fēng)向北移動(dòng)速度加快，第6次循環(huán)模擬前期DADFI試驗(yàn)較DA試驗(yàn)打轉(zhuǎn)位置偏北，模擬后期移動(dòng)速度偏慢。

降水落區(qū)（圖9）顯示，DA試驗(yàn)與實(shí)況落區(qū)對應(yīng)較好，同化后彌補(bǔ)了CTRL試驗(yàn)漏報(bào)的臺(tái)風(fēng)西北側(cè)安徽河南交界處的大暴雨區(qū)。相較于DA試驗(yàn)，1次循環(huán)后DADFI試驗(yàn)降雨落區(qū)無明顯變化，減弱了江蘇東部特大暴雨的降雨強(qiáng)度，3次循環(huán)后DADFI試驗(yàn)漏報(bào)了臺(tái)風(fēng)西北側(cè)安徽河南交界處的大暴雨，6次循環(huán)后DADFI試驗(yàn)漏報(bào)了魯西南地區(qū)的特大暴雨，同時(shí)安徽大暴雨落區(qū)偏南，雨強(qiáng)偏強(qiáng)。盡管初始化增量始終小于分析增量，進(jìn)行DFI后仍能造成臺(tái)風(fēng)強(qiáng)度、路徑及降水的明顯變化。統(tǒng)計(jì)結(jié)果（表4）顯示，總體而言多次應(yīng)用DFI對臺(tái)風(fēng)最大風(fēng)速、路徑及降水的預(yù)報(bào)為負(fù)效果，對臺(tái)風(fēng)最低氣壓的預(yù)報(bào)為正效果。

DADFI試驗(yàn)與DA試驗(yàn)的差異，除了前文分析的DFI后向積分造成的臺(tái)風(fēng)熱力結(jié)構(gòu)的變化，還包括引入同化資料帶來的溫濕度場不平衡以及重力波等高頻振蕩。因而下面結(jié)合850 hPa水平熱力及動(dòng)力場，分析多次濾波對臺(tái)風(fēng)的具體影響，圖10顯示6次循環(huán)后的DADFI試驗(yàn)初始場較DA試驗(yàn)850 hPa臺(tái)風(fēng)環(huán)流主體高相當(dāng)位溫區(qū)范圍減小，環(huán)流主體相當(dāng)位溫有一定升高，引起對應(yīng)地面氣壓的降低，導(dǎo)致臺(tái)風(fēng)中心氣壓降低。臺(tái)風(fēng)外圍東南至西北向的暖濕輸送帶減弱，到達(dá)魯西南水汽減少。安徽北部地區(qū)相當(dāng)位溫降低，與臺(tái)風(fēng)暖心形成了一定溫度梯度，侵入臺(tái)風(fēng)北側(cè)及西北側(cè)的干冷空氣強(qiáng)度略微增強(qiáng)，溫度梯度的增大也會(huì)造成暖區(qū)一側(cè)降水強(qiáng)度的增強(qiáng)。動(dòng)力場（圖11）顯示多次濾波后臺(tái)風(fēng)中心處等壓線收縮，臺(tái)風(fēng)北側(cè)大范圍急流強(qiáng)度略有減弱，急流東北側(cè)魯東南及連云港地區(qū)風(fēng)速大值區(qū)減弱，由海上向內(nèi)陸水汽輸送減弱。850 hPa等壓線整體偏南，渤海區(qū)域的146 dagpm區(qū)域消失，多次DFI初始環(huán)流背景的差異造成臺(tái)風(fēng)路徑的差異，由路徑模擬結(jié)果可以看出，差異較大的時(shí)段為模擬的最后12 h，DA試驗(yàn)向北移動(dòng)移速較快，而DADFI試驗(yàn)向東北方向移動(dòng)，移速較慢，此時(shí)臺(tái)風(fēng)開始逐漸并入西風(fēng)槽中，DADFI試驗(yàn)的槽區(qū)相對于DA試驗(yàn)偏東南方向（圖略），與西風(fēng)槽結(jié)合較晚，造成臺(tái)風(fēng)移速偏慢位置偏南。

4 結(jié)論

利用中尺度數(shù)值模式WRF進(jìn)行模擬試驗(yàn)，分析高頻多次應(yīng)用DFI方案對臺(tái)風(fēng)“煙花”數(shù)值預(yù)報(bào)的影響。結(jié)果表明：

（1）晴空區(qū)域由于向后積分過程中輻射等重要過程未開啟，后向積分結(jié)束時(shí)溫度變化較小，在向前積分過程中白天受太陽短波輻射的影響，夜間受地表熱輻射的影響造成了初始場白天2 m溫度升高，夜間2 m溫度降低。臺(tái)風(fēng)區(qū)域受后向積分為絕熱過程的影響，強(qiáng)上升氣流區(qū)在后向積分結(jié)束時(shí)產(chǎn)生了異常的熱量累積以及水汽減少，導(dǎo)致初始場強(qiáng)對流區(qū)域熱力結(jié)構(gòu)發(fā)生變化。

（2）統(tǒng)計(jì)結(jié)果顯示，DFI過程會(huì)導(dǎo)致濾波增量的增長，隨著DFI次數(shù)的增加，水汽混合比、溫度、擾動(dòng)氣壓等初始濾波增量不斷積累，造成的預(yù)報(bào)差異影響持續(xù)整個(gè)模擬過程。

（3）引入同化資料后，DFI具有較好的抑制高頻噪聲的作用。多次應(yīng)用DFI對臺(tái)風(fēng)降水及路徑的預(yù)報(bào)為負(fù)效果，對臺(tái)風(fēng)強(qiáng)度的預(yù)報(bào)為正效果。分析原因?yàn)槎啻蜠FI后，臺(tái)風(fēng)環(huán)流中心暖心增強(qiáng)造成臺(tái)風(fēng)強(qiáng)度的增強(qiáng)；向魯南輸送的暖濕氣流減弱導(dǎo)致魯西南地區(qū)特大暴雨漏報(bào)；臺(tái)風(fēng)環(huán)流位置偏南導(dǎo)致移速偏慢。

陳敏等[18]指出DFI最根本的功能是從初始條件中去掉虛假噪聲，而實(shí)際上并沒有向初始條件中加入額外有用的信息。因此，要期望通過應(yīng)用DFI來提高模式預(yù)報(bào)性能是不現(xiàn)實(shí)的。本次個(gè)例研究表明，應(yīng)用DFI能夠減小初始場及運(yùn)行過程中的噪聲，但沒有應(yīng)用DFI在觀測和同化分析過程中產(chǎn)生的噪聲也可以在15 min內(nèi)迅速下降至合理水平。多次應(yīng)用DFI對臺(tái)風(fēng)的降水及路徑模擬為負(fù)效果。結(jié)合DFI在冷啟動(dòng)的良好應(yīng)用[1–2，18]，建議3 km以上分辨率逐時(shí)快速更新循環(huán)同化預(yù)報(bào)系統(tǒng)模擬臺(tái)風(fēng)過程時(shí)，循環(huán)開始冷啟動(dòng)預(yù)報(bào)時(shí)應(yīng)用DFI，而在后續(xù)循環(huán)中不使用或減少使用DFI，在節(jié)約計(jì)算時(shí)間的同時(shí)或許能夠得到更好的預(yù)報(bào)效果。本文僅模擬了一個(gè)臺(tái)風(fēng)過程，使用到的同化資料也較少基本以地面資料為主，得到的結(jié)果還需要大量試驗(yàn)進(jìn)行驗(yàn)證。

參考文獻(xiàn)：

[1] 曹慶.數(shù)字濾波初始化方案的數(shù)值試驗(yàn)研究[D].南京：南京信息工程大學(xué)，2009.

[2] Smirnova T， Peckham S， Benjamin S， et al. Implementation and testing of WRF Digital Filter Initialization （DFI） at NOAA/Earth System Research Laboratory[C]//American Meteorological Society. 23rd Conference on Weather Analysis and Forecasting/19th Conference on Numerical Weather Prediction. Omaha， USA： AmericanMeteorologicalSociety，2009.

[3] Lynch P， Huang X Y. Initialization of the HIRLAM model using a digital filter[J]. Mon Wea Rev，1992，120（6）：1019-1034.

[4] LYNCH P， HUANG X Y. Diabatic initialization using recursive filters[J]. Tellus Ser A： Dyn Meteor Oceanogr，1994，46（5）：583-597.

[5] 周毅，劉宇迪，王海艦.數(shù)字濾波初值化方案的數(shù)值實(shí)驗(yàn)[J].氣象科學(xué)，1999，19（4）：388-395.

[6] 楊燕，紀(jì)立人.用數(shù)字濾波方法進(jìn)行數(shù)值模式的初始化[J].氣象學(xué)報(bào)，1997，55（03）：346-355.

[7] 劉艷，薛紀(jì)善.GRAPES的新初始化方案[J].氣象學(xué)報(bào)，2019，77（2）：165-179.

[8] Huang， X Y， Chen M， Wang W， et al. Development of digital filter initialization for WRF and its implementation at IUM[C]//NCAR. Preprints， Eighth Annual WRF User’s Workshop. Boulder， USA： NCAR，2007.

[9] CHEN M， HUANG X Y. Digital filter initialization for MM5[J]. Mon Wea Rev，2006，134（4）：1222-1236.

[10] Peckham S， Smirnova T， Benjamin S， et al. Implementation and testing of WRF DFI[C]//NCAR. Preprints， Ninth WRF User’s Workshop. Boulder， USA： NCAR，2008.

[11] BENJAMIN S G， DéVéNYI D， WEYGANDT S S， et al. An hourly assimilation–forecast cycle： the RUC[J]. Mon Wea Rev，2004，132（2）：495-518.

[12] Skamarock W C， Klemp J B， Dudhia J， et al. A description of the Advanced Research WRF Model Version 4.1[R]. Boulder， USA： National Center for Atmospheric Research，2019：50-52.

[13] 莊照榮，李興良，劉艷，等.數(shù)字濾波初始化方案在高分辨率GRAPES區(qū)域模式中的應(yīng)用研究[J].氣象學(xué)報(bào)，2021，79（3）：443-457.

[14] Bloom S C， Takacs L L， Da Silva A M， et al. Data assimilation using incremental analysis updates[J]. Mon Wea Rev，1996，124（6）：1256-1271.

[15] PECKHAM S E， SMIRNOVA T G， BENJAMIN S G， et al. Implementation of a digital filter initialization in the WRF model and its application in the rapid refresh[J]. Mon Wea Rev，2016，144（1）：99-106.

[16] Weygandt S S， Benjamin S. Radar reflectivity-based initialization of precipitation systems using a diabatic digital filter within the rapid update cycle[C]//American Meteorological Society. 22nd Conference on Weather Analysis and Forecasting/18th Conference on Numerical Weather Prediction. Park City， UT， USA： American Meteorological Society，2007.

[17] 陳葆德，王曉峰，李泓，等.快速更新同化預(yù)報(bào)的關(guān)鍵技術(shù)綜述[J].氣象科技進(jìn)展，2013，3（2）：29-35.

[18] 陳敏，Huang X Y， Wang W.數(shù)字濾波初始化（DFI）在高水平分辨率模式中的應(yīng)用[J].氣象學(xué)報(bào)，2012，70（1）：109-118.

[19] WANG S C， HUANG S X， ZHANG W M， et al. Numerical experiments and analysis of digital filter initialization for WRF model[J]. J Trop Meteor，2008，14（1）：1-10.

[20] LEE M S， KUO Y H， BARKER D M， et al. Incremental analysis updates initialization technique applied to 10-km MM5 and MM5 3DVAR[J]. Mon Wea Rev，2006，134（5）：1389-1404.

[21] 王曉峰，王平，張蕾，等.多源觀測在快速更新同化系統(tǒng)中的敏感性試驗(yàn)[J].高原氣象，2017，36（1）：148-161.

[22] 薛文博，余暉，湯勝茗，等.上?？焖俑峦瘮?shù)值預(yù)報(bào)系統(tǒng)（SMS-WARR）的近地面風(fēng)速預(yù)報(bào)檢驗(yàn)評估[J].氣象，2020，46（12）：1529-1542.

[23] 許晨璐，袁慧玲，吳玲芳，等.民航華北空管兩代快速更新循環(huán)同化數(shù)值預(yù)報(bào)系統(tǒng)的檢驗(yàn)評估[J].氣候與環(huán)境研究，2022，27（4）：523?532.

[24] 李佳.快速更新循環(huán)同化中云初始化技術(shù)研究[D].南京：南京信息工程大學(xué)，2018.

[25] 高曉梅，李峰，王文波，等.臺(tái)風(fēng)“利奇馬”引發(fā)山東極端暴雨的多尺度特征分析[J].海洋氣象學(xué)報(bào)，2022，42（2）：33-43.

[26] 王楠喻，王雪，婁盼星，等.臺(tái)風(fēng)“利奇馬”引發(fā)山東強(qiáng)降水成因分析[J].海洋氣象學(xué)報(bào)，2021，41（1）：119-128.

[27] 孫興池，吳煒，孫莎莎.登陸北上山東臺(tái)風(fēng)暴雨非對稱分布的成因?qū)Ρ确治鯷J].海洋氣象學(xué)報(bào)，2019，39（3）：55-63.

[28] 王海平，董林，許映龍，等.臺(tái)風(fēng)“煙花”的主要特點(diǎn)和路徑預(yù)報(bào)難點(diǎn)分析[J].海洋氣象學(xué)報(bào)，2022，42（1）：83-91.

[29] 向純怡，高拴柱，劉達(dá).2021年西北太平洋和南海臺(tái)風(fēng)活動(dòng)概述[J].海洋氣象學(xué)報(bào)，2022，42（1）：39-49.

[30] YING M， ZHANG W， YU H， et al. An overview of the China Meteorological Administration tropical cyclone database[J]. J Atmos Oceanic Technol，2014，31（2）：287-301.

[31] LU X Q， YU H， YING M， et al. Western North Pacific tropical cyclone database created by the China Meteorological Administration[J]. Adv Atmos Sci，2021，38（4）：690-699.

[32] THOMPSON G， RASMUSSEN R M， MANNING K. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part I： description and sensitivity analysis[J]. Mon Wea Rev，2004，132（2）：519-542.

[33] IACONO M J， DELAMERE J S， MLAWER E J， et al. Radiative forcing by long-lived greenhouse gases： calculations with the AER radiative transfer models[J]. J Geophys Res： Atmos， 2008，113（D13）：D13103.

[34] HONG S Y， NOH Y， DUDHIA J. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Mon Wea Rev，2006，134（9）：2318-2341.

[35] LYNCH P. The Dolph–Chebyshev window： a simple optimal filter[J]. Mon Wea Rev，1997，125（4）：655-660.