摘要 從2008年5月發(fā)射FY-3A星到2023年相繼發(fā)射FY-3G星和FY-3F星，風云三號極軌系列衛(wèi)星觀測網(wǎng)越發(fā)完善，使得衛(wèi)星資料在時間和空間上的分辨率都得到很大提高，促進了我國數(shù)值天氣預報的發(fā)展。西南渦受復雜地形影響而生成于青藏高原東側(cè)700～850 hPa高度，是影響我國夏季暴雨的主要天氣系統(tǒng)。本研究基于WRF模式及WRFDA同化系統(tǒng)，利用FY-3C和FY-3D衛(wèi)星組網(wǎng)微波濕度計觀測資料進行晴空同化試驗，并探究不同稀疏化設置對預報的影響。結(jié)果表明：與星下點分辨率相近的30 km稀疏化設置對于同化和預報的效果最好;同化衛(wèi)星組網(wǎng)資料優(yōu)于單個衛(wèi)星資料，從而改善預報降水落區(qū)，降低大量級降水的虛報率，使降水預報準確率得到提高;單獨同化FY-3C星微波濕度計資料對濕度場預報的積極影響更大，而單獨同化FY-3D星微波濕度計資料對風場的預報改善更好。

關(guān)鍵詞西南渦;風云三號衛(wèi)星;MWHS-2輻射率資料;組網(wǎng)同化;稀疏化設置

數(shù)值天氣預報是近半個多世紀以來氣象領(lǐng)域最突出的科學技術(shù)成就之一（Shapiro and Thorpe，2004）。如今，數(shù)值天氣預報已經(jīng)成為現(xiàn)代天氣預報業(yè)務的基礎，也是提高天氣預報準確率和服務水平的核心技術(shù)和最根本的科學途徑，它的預報精度與初始場準確程度息息相關(guān)（楊春，2011）。在研究過程中發(fā)現(xiàn)，保證數(shù)值天氣預報初始場準確性的條件主要有兩個：先進的資料分析同化系統(tǒng)和足夠多且質(zhì)量好的觀測數(shù)據(jù)。而數(shù)值天氣預報發(fā)展至今，理論方法和模式的發(fā)展逐漸完善，提高觀測數(shù)據(jù)的數(shù)量和質(zhì)量是改善數(shù)值預報準確率的有效方法（Rabier，2005;Bauer et al.，2006;朱國富，2015a;胡瀟文和王東海，2016）。

衛(wèi)星觀測是地球系統(tǒng)觀測的重要組成部分，具有觀測連續(xù)、不受天氣形勢影響、覆蓋面廣、多參數(shù)同時測量等優(yōu)點。截至目前，衛(wèi)星觀測資料仍然是對數(shù)值預報貢獻最大的觀測數(shù)據(jù)（Bauer et al.，2010）。中國于20世紀70年代開啟了研究風云氣象衛(wèi)星的道路，隨著國內(nèi)氣象衛(wèi)星的研究發(fā)展，目前包括極軌氣象衛(wèi)星和靜止氣象衛(wèi)星在內(nèi)共9顆同時在軌運行，組成了一個較為成熟的風云氣象衛(wèi)星觀測網(wǎng)絡。中國自主研發(fā)的第二代極軌氣象衛(wèi)星風云三號02批衛(wèi)星即FY-3C星和FY-3D星，在FY-3A星和FY-3B星原有技術(shù)的基礎上進一步提升技術(shù)，大幅度提高全球資料獲取能力，實現(xiàn)了對全球大氣和地球物理要素的全天候、多光譜和三維觀測（朱利劍，2018）。其上搭載的第二代微波濕度計（Microwave Humidity Sounder-2，MWHS-2）能夠全天候探測全球大氣溫濕信息的垂直分布，創(chuàng)新性地首次在極軌氣象衛(wèi)星上增加了118.3 GHz氧氣吸收線附近的8個溫度探測通道，同時此頻段對云和低層的水汽也較敏感，對同化及預報研究起到了十分重要的作用（Di Michele and Bauer，2006;Lawrence et al.，2018;朱利劍，2018;Xian et al.，2019）。

在此之前學者們對搭載在01批衛(wèi)星上的第一代微波濕度計（MWHS）資料進行了大量研究，認為MWHS數(shù)據(jù)質(zhì)量接近國際同類儀器水平且在時間上具有較好的穩(wěn)定性和可靠性（Guan et al.，2011），同化該觀測資料改善了分析場，對濕度場和風場的預報產(chǎn)生了中性到輕微正面的影響（Chen et al.，2015），對提高臺風和各降水系統(tǒng)預報的準確性能起到一定幫助（張旭煜等，2013;張耀曄等，2013;董佩明等，2014;米潔等，2014）。

MWHS-2儀器性能有了進一步提升。研究表明，F(xiàn)Y-3C MWHS-2除第8、9通道對地表敏感，第13、14通道存在較大偏差被剔除外，其余通道數(shù)據(jù)都表現(xiàn)出很好的質(zhì)量（Lu et al.，2015）。而FY-3D的微波濕度計更是在此基礎上得到進一步改善，與FY-3C相比減少了偏差，且重新引入了第13、14通道（Carminati et al.，2019;Duncan and Bormann，2020）。馬玉芬等（2023）使用RMAPS-CA預報系統(tǒng)同化FY-3C微波濕度計資料，提高了對中亞高空溫度、位勢高度等的中短期預報準確率，改善了以小雨為主的降水預報。毛璐等（2022）利用RMAPS-ST系統(tǒng)同化FY-3C MWHS-2資料，在一定程度上改善了9 km區(qū)域上小量級降水預報范圍偏大、大量級降水預報強度不足的情況，在不同程度上提高了6 h降水預報的CSI評分，并對3 km區(qū)域強降水預報改善表現(xiàn)出一定的正效果。Li et al.（2021）利用FY-3C MWHS-2資料，對江淮梅雨進行全天候同化試驗，發(fā)現(xiàn)試驗調(diào)整了濕度場、風場和溫度場，對強降水的預報有積極影響。蔣璐西等（2021）通過對FY-3D MWHS-2的晴空同化試驗認為，模擬改善了大氣環(huán)流形勢和西南低渦路徑。束艾青等（2022）基于FY-3D MWHS-2對臺風“米娜”進行晴空同化試驗;結(jié)果表明，在確定性預報最后的12 h，同化能夠改進500 hPa環(huán)流形勢的模擬，進而有效改進了臺風路徑預報結(jié)果。上述文獻針對不同天氣系統(tǒng)對FY-3C／FY-3D單個衛(wèi)星MWHS-2資料同化應用進行了大量研究，充分證明風云三號極軌衛(wèi)星MWHS-2數(shù)據(jù)對中國數(shù)值天氣預報具有重要意義，但缺少對組網(wǎng)資料的試驗和分析。中國氣象局、科學技術(shù)部和中國科學院印發(fā)的《中國氣象科技發(fā)展規(guī)劃（2021—2035年）》提到“將完善風云氣象衛(wèi)星在軌布局，形成風云三號衛(wèi)星等組網(wǎng)觀測，形成‘組網(wǎng)觀測、在軌備份’的業(yè)務格局”。因此，研究組網(wǎng)同化對預報的影響十分重要且具有業(yè)務應用潛力。

青藏高原及周邊地區(qū)由于受到地形和氣候限制，測點稀疏，氣象資料在時間和空間上的精細程度都較低，影響了數(shù)值模式的預報結(jié)果，不利于對該地區(qū)進行預報和研究。然而，在青藏高原東緣復雜地形影響下形成了西南暴雨區(qū)，而造成西南地區(qū)暴雨最重要的天氣系統(tǒng)是西南低渦（西南渦），它是影響中國暴雨的重要天氣系統(tǒng)（羅亞麗等，2020）。西南渦是700～850 hPa高度在青藏高原、橫斷山脈等不同地形與大氣環(huán)流相互作用下形成的α中尺度氣旋低壓系統(tǒng)，是影響我國西南地區(qū)夏季暴雨的主要天氣系統(tǒng)，并且會進一步東移影響長江下游的防汛工作，對陸地上降水預報的重要性僅次于江淮準靜止鋒;在造成暴雨天氣的強度、頻次和范圍方面，僅次于臺風。衛(wèi)星觀測資料對生成西南渦的青藏高原東緣地區(qū)的預報和研究起到了十分重要的作用，在高時空分辨率上為數(shù)值天氣預報提供了大量大氣、地表和云況等相關(guān)信息（董佩明等，2008）。高篤鳴等（2018）發(fā)現(xiàn)，同時同化業(yè)務探空資料和西南渦加密探空資料比起只同化業(yè)務探空資料，預報能夠更快地得到正影響，且模擬降水的落區(qū)和強度更趨于實況。程曉龍等（2019）利用西南區(qū)域數(shù)值預報模式系統(tǒng)SWCW ARMS，結(jié)合全國汛期高空加密觀測資料，對2013年6月29—30日一次西南渦暴雨過程進行了數(shù)值模擬和敏感性分析，結(jié)果表明同化試驗使降水和強降水中心都更加接近實況。程曉龍等（2021）基于常規(guī)地面觀測、天氣雷達、風云衛(wèi)星、加密探空等觀測資料的同化模擬，認為西南區(qū)域數(shù)值預報模式系統(tǒng)較好地再現(xiàn)了2014年7月15—17日的貴州暴雨過程，尤其是降雨落區(qū)和強度，其模擬結(jié)果與實況具有很好的一致性。

上述對西南渦的研究大部分是基于地面資料，沒有對時空分辨率更高的衛(wèi)星資料進行更加深入系統(tǒng)的研究。而FY-3C和FY-3D則延續(xù)了FY-3A和FY-3B上下午星的衛(wèi)星組網(wǎng)觀測，衛(wèi)星組網(wǎng)觀測在時間和空間上對資料的采集都更加完善、精細，同時增加了觀測覆蓋率，使資料同化也從12 h循環(huán)同化提高為6 h的同化間隔。為了充分利用我國風云衛(wèi)星組網(wǎng)資料的優(yōu)勢，本文基于FY-3C和FY-3D衛(wèi)星的MWHS-2組網(wǎng)資料，結(jié)合不同的稀疏化設置，對西南渦預報影響進行晴空同化試驗的研究和分析。

1 資料、方法和個例介紹

1.1 資料選取

本文使用中國國家衛(wèi)星氣象中心FY-3C星和FY-3D星的MWHS-2 L1數(shù)據(jù)（http：／／satellite.nsmc.org.cn／PortalSite／Data／DataView.aspx）作為同化資料，與美國國家環(huán)境預報中心（National Centers for Environmental Prediction，NCEP）GDAS／FNL 0.25°×0.25°全球?qū)α鲗臃治龊皖A報網(wǎng)格資料（https：／／rda.ucar.edu／datasets／ds083.3／）、中國氣象局每日08時（北京時）24 h累積降水觀測資料進行對比評估，分析同化MWHS-2觀測資料產(chǎn)生的預報影響。此外，使用ERA5每小時等壓面的位勢高度、濕度、風場數(shù)據(jù)（https：／／cds.climate.copernicus.eu／cdsapp＃?。痙ataset／reanalysis-era5-pressure-levels？tab=overview）等進行對比分析。

1.1.1 衛(wèi)星觀測資料

MWHS-2 L1數(shù)據(jù)是基于L0原始數(shù)據(jù)以及預處理靜態(tài)參數(shù)，經(jīng)過解碼、質(zhì)量檢查和輻射定標等過程后得到的觀測數(shù)據(jù)。MWHS-2是風云三號氣象衛(wèi)星搭載的其中一個垂直探測儀器，它包含4個探測頻段、15個不同頻率的通道（表1），包括用于降水檢測和地表發(fā)射率反演的窗區(qū)通道（中心頻率分別為89和150 GHz的通道1和通道10）。位于氧氣吸收線的118.75 GHz是國際首次應用在極軌衛(wèi)星上的頻段，其包含的8個探測通道對大氣溫度敏感，主要用于大氣溫度的垂直探測，其中通道5—7的權(quán)重峰值位于100 hPa至近地面高度，通道7因為峰值高度低，且對濕度較敏感，對低層水汽的探測也起到一定作用。在183.31 GHz水汽吸收線附近的5個探測通道用以獲得更加精細的大氣水汽垂直分布信息，峰值能量高度主要位于350～650 hPa。總的來說，MWHS-2儀器性能在之前MWHS的基礎上有了很大提升，為數(shù)值天氣預報提供了更加及時準確的大氣濕度和溫度初始場信息，有助于改善對西南渦、臺風等暴雨災害性天氣的預報預警能力。

1.1.2 模式驅(qū)動場資料

GDAS（Global Data Assimilation System）／FNL（final）0.25°全球?qū)α鲗臃治龊皖A報網(wǎng)格資料是NCEP和美國國家大氣研究中心（National Center for Atmospheric Research，NCAR）聯(lián)合采用全球資料同化系統(tǒng)GDAS，對全球電信系統(tǒng)GTS（Global Telecommunications System）及地面站、探空氣球等其他來源的觀測資料進行質(zhì)量控制和同化處理，得到氣溫、濕度、海平面氣壓等35個變量（空間分辨率為0.25°×0.25°，時間分辨率為6 h）的數(shù)據(jù)。其中FNL是在GFS初始化后約1 h準備的，可以使用更多的觀測數(shù)據(jù)，使得FNL分析數(shù)據(jù)與真實的大氣狀態(tài)更加接近且沒有過多影響數(shù)據(jù)的時效性。

1.2 模式介紹

本研究基于中尺度數(shù)值天氣預報模式WRF（weather research and forecasting）及其資料同化模塊WRFDA（WRF data assimilation），利用三維變分（3DVar）同化方法，通過快速輻射傳輸模式RTTOV（radiative transfer for TOVS），對個例進行晴空同化試驗。3DVar是在背景場誤差和觀測誤差不相關(guān)且都無偏，同時滿足正態(tài)分布的假設下，通過逐步迭代得到目標函數(shù)J（x）最小解，從而獲得最優(yōu)分析場x，其函數(shù)定義（朱國富，2015b）為：

式中：x表示分析場;xb表示背景場矢量;y為觀測場矢量;H為非線性觀測算子;B和R分別表示背景誤差協(xié)方差矩陣和觀測誤差協(xié)方差矩陣。

1.3 個例簡介及天氣背景

本研究選取2022年7月21—23日發(fā)生的一次西南渦降水過程，此次西南渦過程給四川巴中、南充、達州等市以及陜西與四川交界的漢中、安康部分地區(qū)帶來了強降水，23日西南渦發(fā)展東移并形成了由重慶到湖北、河南、山東的降水雨帶。大巴山脈附近多個站點在21—22日的24 h累積降水達到100 mm以上，其中巴中市通江縣24 h降水量達到203 mm。

2022年7月21日06時（世界時，下同）在對流層中層500 hPa等壓面上（圖1a），東亞地區(qū)中高緯度為兩槽一脊的天氣形勢，一高空槽及氣旋低渦從內(nèi)蒙古西北部經(jīng)甘肅一直延伸至四川西北部，后繼續(xù)南下并發(fā)展東移。副熱帶高壓脊線西伸至90°E附近，副熱帶高壓588 dagpm等位勢高度線控制長江以南地區(qū)，在高空槽等大氣環(huán)流作用下逐漸減弱東退（圖1b、c）。四川盆地處于高空槽前位置，槽前的正渦度平流造成低層減壓。700 hPa上，在小金渦源（馬勛丹等，2018;李躍清，2021）附近地區(qū)有氣旋性渦度及閉合等高線形成（圖1d），在高空槽和副熱帶高壓西端的共同作用下，西南氣流旺盛且有強輻合，伴隨西南渦生成，經(jīng)陜西向山東、河北方向發(fā)展東移（圖1e、f）。副熱帶高壓減弱和高空槽的東移是本次推動西南低渦東移的主要原因，西南渦的移向與相應的500 hPa上氣流方向基本一致（圖1a—c）。同時21日06時700 hPa四川東部有強盛的低空急流（圖1d），從南海向四川盆地輸送了大量的水汽和能量，為降水提供了有利條件。

2 試驗方案設計

2.1 模式參數(shù)設置

本研究采用WRF3.9.1.1版本，在2022年7月20日18時—23日00時共54 h時間范圍內(nèi)進行試驗，在試驗中設置前12 h為模式的spin-up時間，為各物理量場和動力場達到平衡做準備。試驗采用Lambert投影，模擬中心為100°E、30°N，模式水平分辨率設置為15 km，水平格點數(shù)為320×270，垂直方向分為38個不等距層，模式層頂氣壓取10 hPa，時間積分步長為60 s，每小時輸出1次模式預報結(jié)果。

本試驗物理參數(shù)化方案（表2）均采用適用于高分辨率模擬的WSM6微物理過程方案，它在方案設計中對WSM5方案的補充和擴展，包含了隨機云重疊的MCICA方法、新的RRTM方案和Noah陸面過程方案以及降水預報結(jié)果更加穩(wěn)定的Tiedtke方案（梅欽等，2018）等。

2.2 質(zhì)量控制和偏差訂正

用于資料同化的大氣觀測資料并不都是精準的，錯誤的資料必須分辨出來并去除掉（王葉慧等，2013），因此需要利用質(zhì)量控制，將受云雨影響嚴重、偏差較大的資料剔除掉。一般是基于衛(wèi)星探測器通道觀測亮溫與模擬亮溫之差，對下墊面、臨邊、極值、觀測和模擬值之間的偏差進行檢驗，同時還需要進行稀疏化、偏差訂正等來減小觀測算子的誤差及觀測資料的系統(tǒng)性偏差（王根，2014）。本研究使用變分偏差訂正方法（Auligné et al.，2007）對FY-3C星和FY-3D星的MWHS-2資料進行偏差訂正，同時利用表3所示的質(zhì)量控制方案進行質(zhì)控。本研究討論了稀疏化設置對試驗結(jié)果的影響，稀疏化的作用在于盡量減小觀測誤差的相關(guān)性，因此并非設置越小越好，超級觀測也會在同化中帶來觀測誤差相關(guān)性過高，從而影響同化及預報結(jié)果的情況（Chen et al.，2015）。本次試驗設置了每15、30、45、60 km四組稀疏化距離進行具體分析，以選取最好的設置，較好地減小了觀測誤差的相關(guān)性。

另外在資料同化系統(tǒng)中，觀測誤差與背景誤差共同決定了同化分析中觀測的權(quán)重。在質(zhì)量控制、偏差訂正過程中需要得到觀測誤差協(xié)方差和背景誤差協(xié)方差，其計算方法如下。

1）觀測誤差協(xié)方差

晴空條件下對觀測誤差的統(tǒng)計較為簡單，具體為使用研究時間段在內(nèi)的連續(xù)1月每日00時的WRF模式12 h預報文件作為RTTOV的輸入，模擬MWHS-2資料，計算所有點的觀測誤差：

其中：y為MWHS-2的觀測亮溫;H（x）為RTTOV模擬的亮溫（范嬌，2019）。將統(tǒng)計好的觀測誤差作為主對角線數(shù)據(jù)，再將0填充到非對角線部分進行協(xié)方差計算。

2）背景誤差協(xié)方差

本次試驗使用了WRFDA中的CV5方案，依據(jù)“NMC”方法（Parrish and Derber，1992），統(tǒng)計個例前1個月的預報數(shù)據(jù)，預報時間間隔為12 h。取初始時刻相同的24 h和12 h預報結(jié)果之差，對兩個預報結(jié)果之差（24 h結(jié)果減12 h結(jié)果）求平均，得到背景誤差的氣候態(tài)估計，計算得到背景誤差協(xié)方差矩陣。

因為云雨區(qū)的輻射傳輸復雜，所以在進行資料同化時，常常舍棄這部分受云和降水影響的數(shù)據(jù)，保留余下受云輻射影響較小的數(shù)據(jù)進行同化，即晴空同化（Bauer et al.，2006）。利用模式計算的CLWP云中液態(tài)水滴路徑值進行晴空觀測資料的篩選，由于WRF模式在晴空區(qū)域的模擬能力可信，所以本研究定義CLWP云中液態(tài)水滴路徑值小于0.2 mm的區(qū)域?qū)奈⒉穸扔嬘^測資料為晴空觀測資料（Xian et al.，2019）。圖2a、b展示了2022年7月21日12時FY-3C星和06時FY-3D星MWHS-2觀測資料經(jīng)過質(zhì)量控制后同化試驗實際使用的晴空數(shù)據(jù)的分布情況。

2.3 同化試驗設計

衛(wèi)星的探測量為黑體亮溫，而非數(shù)值模式中的變量，與溫度、濕度等模式變量之間的關(guān)系是非線性的，無法像常規(guī)觀測一樣為模式所直接同化使用。為了實現(xiàn)對衛(wèi)星資料的直接同化，本研究采用RTTOV12.1輻射傳輸模式進行晴空同化試驗。同化試驗按衛(wèi)星和稀疏化設置共分為12組。根據(jù)FY-3C星MWHS-2的評估結(jié)果（Lu et al.，2015），F(xiàn)Y3C組為只同化風云三號C星MWHS-2的第2—7和11、12、15通道，且按稀疏化設置，又分為試驗FY3C_15、FY3C_30、FY3C_45、FY3C_60;根據(jù)FY-3D星MWHS-2的評估結(jié)果（Carminati et al.，2019）及試驗分析得到通道8、9、11、12偏差過大而不采用的結(jié)論，F(xiàn)Y3D組只同化風云三號D星第二代微波濕度計第2—7和13—15通道，且按稀疏化設置，又分為試驗FY3D_15、FY3D_30、FY3D_45、FY3D_60;同時同化風云三號C星和風云三號D星的上述通道的試驗FY3CD組，按稀疏化設置，又分為FY3CD_15、FY3CD_30、FY3CD_45、FY3CD_60（表4）。另外設置1組不同化任何資料的控制試驗，并命名為CONTROL。試驗均為6 h同化時間窗，在同化試驗中對FY-3C星資料的分析時刻為每日00時和12時，對FY-3D星資料的分析時刻為每日06時和18時。

3 試驗結(jié)果及分析

3.1 質(zhì)量控制

晴空同化質(zhì)控方案剔除了云雨區(qū)及其他誤差較大的衛(wèi)星資料，所用資料空間分布（圖3）顯示了稀疏化值設置不同時同化的觀測像元數(shù)量及分布均不同。稀疏化值設置越小，所使用的資料越多，分布越密集;稀疏化值設置越大，所同化的資料就越少，分布也較稀疏。以同時同化FY-3C和FY-3D的FY3CD組試驗為例，稀疏化設置為15 km的FY3CD_15試驗的被同化衛(wèi)星觀測像元有26 904個，F(xiàn)Y3CD_30試驗的被同化資料為11 688個，而FY3CD_45試驗僅為5 625個，F(xiàn)Y3CD_60試驗只有3 104個，但較FY3C和FY3D組（圖4）同化了更多的觀測資料，表明衛(wèi)星組網(wǎng)可以很好地互相補充觀測資料空白，得到更加完整、全面、有效的觀測、同化和預報應用。

經(jīng)過偏差訂正后，OMB以偏差更接近0 K的黃綠色分布為主（圖3e—h），相比偏差訂正前（圖3a—d），OMB存在的明顯負偏差得到了有效訂正，有效減小了觀測背景誤差，保證了同化試驗背景場的可靠性。

觀測分析誤差場（圖4）表明，分析場比背景場更加接近觀測，同化MWHS-2晴空觀測資料在一定程度上改善了初始場質(zhì)量。比較圖4a、e、i中紅圈位置可知，F(xiàn)Y3C組試驗在江蘇、浙江、江西一帶經(jīng)過質(zhì)控后存在一個觀測資料的空白地帶，資料在此區(qū)域部分缺失，初始觀測精度偏低，而FY3CD組網(wǎng)資料在相同時刻的同化則很好地填補了這部分觀測空白，可進一步改善初始場。各小圖上部的誤差均值和標準差能夠更加直觀地顯示，F(xiàn)Y3CD_30和FY3CD_45試驗較FY3C組資料質(zhì)量得到改善。這表明，在適當?shù)南∈杌翟O置下，組網(wǎng)資料同化能夠?qū)Τ跏紙銎鸬捷^積極的影響，從而為改進預報提供可能。

由圖5所示的觀測背景誤差的概率密度函數(shù)（probability density function，PDF）分布可知，經(jīng)過偏差訂正后，觀測背景誤差分布呈中心位置即均值接近于0 K的正態(tài)分布，說明資料接近無偏，滿足變分同化的基本假設。并且正態(tài)分布的趨勢較偏差訂正前誤差均值從±3 K左右減小到0 K左右，同時離散程度也更加集中，表明偏差訂正對資料進行了很好的調(diào)整優(yōu)化，校正了系統(tǒng)性偏差，為預報結(jié)果的改善打下了基礎。

對比各組不同稀疏化值設置試驗偏差訂正前后概率密度的分布（圖5a—c）發(fā)現(xiàn)，稀疏化值設置為60 km的試驗，其概率密度函數(shù)分布結(jié)果均最不理想，而其余3個稀疏化值設置的PDF分布結(jié)果相近，但總體還是15和30 km的稀疏化值設置結(jié)果更加無偏，進一步說明稀疏化值設置可以一定程度地影響試驗結(jié)果。通過分析不同通道、稀疏化值設置同為30 km的結(jié)果（圖5d、e）可知，C星相比于D星，其MWHS-2資料的觀測背景誤差離散程度更大，存在更高的資料噪音，這可能是FY-3C的MWHS-2觀測受到了衛(wèi)星服役時間較長的影響。而同時同化C星和D星的MWHS-2資料，則在離散程度和誤差均值上相比于C星都有改善，觀測背景誤差更接近無偏的正態(tài)分布。

3.2 初始場改進

為了進一步分析各組試驗對物理量場的預報影響，以ERA5高分辨率再分析資料為參考，計算了模擬區(qū)域12、24和48 h的平均相對濕度場和水平風場預報的均方根誤差（root mean square error，RMSE）的垂直廓線分布（圖6）。本次同化試驗組采用試驗效果更好的稀疏化距離設置15 km和30 km。圖6a—c顯示，12 h預報的正面影響主要位于200 hPa以上高度，24 h預報的正面影響向下延伸至200～400 hPa，48 h預報的正面影響延伸至400～700 hPa。這表明，由于高層被同化的資料較多，對高層物理量場的預報改善較早，隨著循環(huán)同化時間的增加，高層的改善會通過模式的動力熱力響應影響到較低層次，為更低層帶來正面影響。就單個物理量場——濕度場的預報而言，F(xiàn)Y-3C組的均方根誤差整體較低，相對于FY-3D組，F(xiàn)Y-3C組MWHS-2資料對濕度場預報有更多的積極影響，即FY-3C組試驗對相對濕度的改善較好。而FY-3D組的風場預報則有更多的正影響，特別是24 h預報的中高層（200～500 hPa）。但整體而言，3組試驗對風場預報的影響為中性或弱的負影響，這可能是不利于水汽輸送的模擬從而導致降水量預報較差的原因。而衛(wèi)星組網(wǎng)資料同化則實現(xiàn)了單一衛(wèi)星資料同化影響的優(yōu)勢互補，使得預報效果更為良好。

總體而言，同化對中高層的改善效果更加明顯。對比不同稀疏化值設置的試驗結(jié)果可知，隨著預報時間增長，稀疏化值設置為15和30 km的晴空同化試驗對濕度場預報的積極影響更為顯著。對于水平風場，在400～500 hPa高度上，稀疏化值設置大的晴空同化試驗預報效果更好，但在48 h預報中存在弱的負效果，可能會不利于降水落區(qū)的預報;在更低的高度上，稀疏度值越小，水平風場預報改善越好。

3.3 降水預報評估

3.3.1 24 h累積降水量預報

FY3D組試驗24 h累積降水量預報表明，與觀測結(jié)果相比，F(xiàn)Y3D組對21—22日（圖7a）甘肅、四川、陜西降水大值區(qū)和22—23日（圖8a）山東、河北雨帶分布以及整體雨帶落區(qū)的預報均較好，但降水強度預報結(jié)果偏弱。22—23日山東地區(qū)的降水大值區(qū)分布的預報稍差，河北一帶的降水落區(qū)偏西南，可能與河北西邊的太行山脈有關(guān);但山東、四川南部地區(qū)的虛假降水得到有效改善，四川南部地區(qū)的降水落區(qū)和強度十分接近觀測值。另外將試驗結(jié)果按稀疏化距離設置進行分類后分析可知，預報效果最好的是稀疏化距離設為30 km的FY3D_30，2022年7月21—22日的24 h累積降水量不論是強度還是落區(qū)都遠好于其他幾組試驗，而試驗FY3D_45和FY3D_60不論降水落區(qū)還是強度的預報偏差均較大。

對于FY3C組試驗，21—22日虛假降水預報情況明顯，且在重慶東北部總存在一個強度較大、范圍較廣的虛假降水區(qū)，同時四川與陜西交界的主要降水落區(qū)的預報也存在較大偏差（圖7b）。圖7b還顯示，F(xiàn)Y3C組試驗結(jié)果將強降水中心分為陜西和四川兩個，陜西降水帶偏北，四川降水帶偏南，降水強度都偏小。而22—23日山東、河北、江蘇地區(qū)降水分布的預報較接近觀測結(jié)果，但雨帶呈東西向分布，偏差較大，且虛假降水情況嚴重（圖8b）?？紤]到大巴山脈附近地形復雜，影響了風場的預報改善，因此復雜地形可能是導致降水落區(qū)預報較差的原因之一。

雙星組網(wǎng)FY3CD試驗結(jié)果（圖7c、圖8c）表明，21—22日雨帶位置的預報較FY3C組有一定改善，與控制試驗相比，虛假降水的情況也有一定程度消除，但強降水中心的強度預報偏弱;22—23日河北、山東、江蘇雨帶分布以及大雨及以上量級降水的虛報率都較FY3C組和控制試驗有很好的改善，但依舊存在雨區(qū)偏西北的情況。

總體而言，與控制試驗相比，每組同化試驗不論對雨帶分布的預報還是對大雨及以上量級降水的虛報率都有較明顯的改善。但21—22日大巴山脈附近降水大值區(qū)的降水預報強度偏低，這可能是由于晴空同化剔除了大量云雨區(qū)資料且下墊面地形較復雜所致。

3.3.2 降水預報的TS評分

利用中國氣象局每日00時的24 h累積降水觀測資料，采用TS評分（圖9）來檢驗各組試驗對西南渦降水的預報效果。由于2022年7月22—23日降水未達到暴雨量級，所以暴雨量級只顯示21—22日24 h累積降水量的檢驗結(jié)果。整體而言，各組試驗的TS評分都隨著降水量級的增加而顯著下降，但同化試驗總體優(yōu)于控制試驗，對小雨和中雨的模擬較好;除暴雨量級的評分外，F(xiàn)Y3C組整體預報結(jié)果最好。結(jié)合物理量場預報分析，相對濕度場預報的優(yōu)化可以更好地提高降水預報，F(xiàn)Y3CD組在7月21日小雨、中雨和大雨的預報評分中，稀疏化距離設置為15和30 km的試驗，在一定程度上優(yōu)于較差的FY3D組，在暴雨量級較優(yōu)于FY3C組。由于21—22日暴雨區(qū)域較小且位于地形復雜的區(qū)域，所以存在評分為0的情況，但稀疏化值設置為30 km時，各組對降水均有較好的預報。綜上所述，稀疏化值設置為30 km的試驗比其他3組試驗對降水預報的改善要多，特別是對大雨和暴雨的預報影響更好。

4 結(jié)論

風云氣象衛(wèi)星組網(wǎng)同化的研究貼合我國數(shù)值天氣預報的業(yè)務需求，本研究利用上午星風云三號C星和下午星風云三號D星共同組網(wǎng)，同化其搭載的MWHS-2晴空觀測資料，對西南渦的預報影響進行研究，得到以下結(jié)論：

衛(wèi)星組網(wǎng)資料同化可以通過增加進入同化系統(tǒng)的優(yōu)質(zhì)觀測資料數(shù)量，提高分析場質(zhì)量，為下一時次的預報提供更好的初始條件，進而優(yōu)化短期數(shù)值天氣預報結(jié)果。FY3C組試驗對相對濕度的改善較好，能夠?qū)邓畯姸茸龀龈玫念A報，除暴雨量級外得到了更高的TS評分。而FY3D組試驗則是更偏向于對風場的改進，使得能夠很好地對降水落區(qū)分布進行預報。衛(wèi)星組網(wǎng)資料同化FY3CD組試驗可以對較差資料進行調(diào)整，得到更加穩(wěn)定的預報結(jié)果。同時同化FY-3C星和FY-3D星資料在一定程度上能夠改善TS評分，但具體的改善效果還需要進行多組個例試驗進行對比分析。本研究中以稀疏化設置為30 km的試驗結(jié)果最好，能夠在盡量減小觀測誤差相關(guān)性的同時，保證有足夠的觀測資料去約束分析場，并且在預報中，對降水的落區(qū)、強度等能有更好的預報，改善了大量級降水的虛報率和準確度，但在其他個例試驗中預報結(jié)果并不相同，且存在個例依賴的可能。

隨著2021年晨昏軌道衛(wèi)星FY-3E、2023年低傾角軌道降水測量衛(wèi)星FY-3G和接替FY-3C的上午星FY-3F的成功發(fā)射，我國低軌氣象衛(wèi)星星座組網(wǎng)布局更加成熟，形成了目前上下午星、黎明星、降水星4星同時在軌運行的觀測網(wǎng)，在時間和空間上對資料的采集都更加完善、精細。今后將在此基礎上進一步利用FY-3E／G／F星進行組網(wǎng)同化研究，并考慮啟用動態(tài)地表發(fā)射率的反演和包含受云雨影響的觀測資料的全天候同化技術(shù)，為提升受復雜地形影響的西南地區(qū)的數(shù)值天氣預報水平提供更多的業(yè)務應用參考。

參考文獻（References）

Auligné T，McNally A P，Dee D P，2007.Adaptive bias correction for satellite data in a numerical weather prediction system［J］.Quart J Roy Meteor Soc，133（624）：631-642.DOI：10.1002／qj.56.

鮑艷松，王曉麗，閔錦忠，等，2014.風云三號衛(wèi)星微波大氣溫度探測儀資料偏差訂正方法研究［J］.熱帶氣象學報，30（1）：145-152. Bao Y S，Wang X L，Min J Z，et al.，2014.A radiance-bias correction scheme for Fengyun 3A microwave temperature sounding for radiance assimilation［J］.J Trop Meteor，30（1）：145-152.（in Chinese）.

Bauer P，Moreau E，Chevallier F，et al.，2006.Multiple-scattering microwave radiative transfer for data assimilation applications［J］.Quart J Roy Meteor Soc，132（617）：1259-1281.DOI：10.1256／qj.05.153.

Bauer P，Geer A J，Lopez P，et al.，2010.Direct 4D-Var assimilation of all-sky radiances.Part I：implementation［J］.Quart J Roy Meteor Soc，136（652）：1868-1885.DOI：10.1002／qj.659.

Carminati F，Atkinson N，Lu Q F，2019.Preliminary assessment of FY-3D microwave instruments towards their use in NWP systems［R］／／Met Office.Forecasting Research Technical Report 634.

Chen K Y，English S，Bormann N，et al.，2015.Assessment of FY-3A and FY-3B MWHS observations［J］.Wea Forecasting，30（5）：1280-1290.DOI：10.1175／waf-d-15-0025.1.

程曉龍，李躍清，徐祥德，等，2019.汛期西南渦暴雨的數(shù)值模擬研究［J］.高原氣象，38（2）：359-367. Cheng X L，Li Y Q，Xu X D，et al.，2019.Research and numerical simulation of a torrential rain caused by the Southwest China vortex during flood period［J］.Plateau Meteor，38（2）：359-367.DOI：10.7522／j.issn.1000-0534.2017.00078.（in Chinese）.

程曉龍，李躍清，衡志煒，2021.川貴渝復雜地形下橫槽誘發(fā)雙渦貴州暴雨過程的數(shù)值模擬［J］.氣象學報，79（4）：626-645. Cheng X L，Li Y Q，Heng Z W，2021.Numerical simulation of a torrential rain process in Guizhou triggered by two vortices originating from a transverse trough over the Sichuan-Guizhou-Chongqing complex terrain［J］.Acta Meteor Sinica，79（4）：626-645.DOI：10.11676／qxxb2021.039.（in Chinese）.

Di Michele S，Bauer P，2006.Passive microwave radiometer channel selection based on cloud and precipitation information content［J］.Quart J Roy Meteor Soc，132（617）：1299-1323.DOI：10.1256／qj.05.164.

董佩明，薛紀善，黃兵，等，2008.數(shù)值天氣預報中衛(wèi)星資料同化應用現(xiàn)狀和發(fā)展［J］.氣象科技，36（1）：1-7. Dong P M，Xue J S，Huang B，et al.，2008.Application status and development of satellite data assimilation in numerical weather forecast［J］.Meteor Sci Technol，36（1）：1-7.DOI：10.19517／j.1671-6345.2008.01.001.（in Chinese）.

董佩明，黃江平，劉桂青，等，2014.FY-3A微波探測資料的直接同化應用及云雨條件下的亮溫模擬［J］.熱帶氣象學報，30（2）：302-310. Dong P M，Huang J P，Liu G Q，et al.，2014.Assimilation of FY-3A microwave observations and simulation of brightness temperature under cloudy and rainy condition［J］.J Trop Meteor，30（2）：302-310.DOI：10.3969／j.issn.1004-4965.2014.02.011.（in Chinese）.

Duncan D I，Bormann N，2020.On the addition of microwave sounders and NWP skill，including assessment of FY-3D sounders［R］／／EUMETSAT／ECMWF Fellowship Programme Research Report.DOI：10.21957／iimhohmqt.

范嬌，2019.FY-3C微波濕度計資料在西南渦降水預報中的同化研究［D］.成都：成都信息工程大學：20-21. Fan J，2019.Assimilation of FY-3C microwave hygrometer data in southwest vortex precipitation forecast［D］.Chengdu：Chengdu University of Information Technology：20-21.（in Chinese）.

高篤鳴，李躍清，程曉龍，2018.基于西南渦加密探空資料同化的一次奇異路徑耦合低渦大暴雨數(shù)值模擬研究［J］.氣象學報，76（3）：343-360.Gao D M，Li Y Q，Cheng X L，2018.A numerical study on a heavy rainfall caused by an abnormal-path coupling vortex with the assimilation of Southwest China vortex scientific experiment data［J］.Acta Meteor Sinica，76（3）：343-360.DOI：10.11676／qxxb2018.008.（in Chinese）.

Guan L，Zou X，Weng F，et al.，2011.Assessments of FY-3A microwave humidity sounder measurements using NOAA-18 Microwave Humidity Sounder［J］.J Geophys Res：Atmos，116（D10）：D10106.DOI：10.1029／2010jd015412.

Hong S Y，Lim J O J，2006.The WRF single-moment 6-class microphysics scheme （WSM6）［J］.Journal of the Korean Meteorological Society，42（2）：129-151.

Hong S Y，Noh Y，Dudhia J，2006.A new vertical diffusion package with an explicit treatment of entrainment processes［J］.Mon Wea Rev，134（9）：2318-2341.DOI：10.1175／mwr3199.1.

胡瀟文，王東海，2016.衛(wèi)星微波觀測資料在混合同化中的應用［J］.氣象與環(huán)境科學，39（3）：130-138. Hu X W，Wang D H，2016.Application of satellite microwave observational data on hybrid assimilation［J］.Meteor Environ Sci，39（3）：130-138.DOI：10.16765／j.cnki.1673-7148.2016.03.018.（in Chinese）.

Iacono M J，Delamere J S，Mlawer E J，et al.，2008.Radiative forcing by long-lived greenhouse gases：calculations with the AER radiative transfer models［J］.J Geophys Res：Atmos，113（D13）：e2008jd009944.DOI：10.1029／2008jd009944.

Janjic＇ Z I，1994.The step-mountain eta coordinate model：further developments of the convection，viscous sublayer，and turbulence closure schemes［J］.Mon Wea Rev，122（5）：927-945.DOI：10.1175／1520-0493（1994）122lt;0927：tsmecmgt;2.0.co;2.

蔣璐西，陳科藝，王璐思，等，2021.同化MWHS-2／FY-3C資料對一次西南渦暴雨數(shù)值模擬的影響研究［J］.高原山地氣象研究，41（4）：18-24. Jiang L X，Chen K Y，Wang L S，et al.，2021.Study of the impact of the assimilation of FY3C microwave humidity sensor-2 data on a case of the numerical simulation of the Southwest China vortex-induced rainstorm［J］.Plateau Mt Meteor Res，41（4）：18-24.DOI：10.3969／j.issn.1674-2184.2021.04.003.（in Chinese）.

金子琪，張恒，鮑艷松，等，2023.基于溫濕廓線反演的風云三號D星微波探測儀云區(qū)資料同化試驗［J］.科學技術(shù)與工程，23（13）：5429-5443. Jin Z Q，Zhang H，Bao Y S，et al.，2023.Experimental research of FY-3D microwave detector cloudy data assimilation based on temperature and humidity profile retrieval［J］.Sci Technol Eng，23（13）：5429-5443.（in Chinese）.

Lawrence H，Bormann N，Geer A J，et al.，2018.Evaluation and assimilation of the microwave sounder MWHS-2 onboard FY-3C in the ECMWF numerical weather prediction system［J］.IEEE Trans Geosci Remote Sens，56（6）：3333-3349.DOI：10.1109／TGRS.2018.2798292.

Li Y，Chen K Y，Xian Z P，2021.Evaluation of all-sky assimilation of FY-3C／MWHS-2 on Mei-yu precipitation forecasts over the Yangtze-Huaihe River basin［J］.Adv Atmos Sci，38（8）：1397-1414.DOI：10.1007／s00376-021-0401-y.

李躍清，2021.西南渦渦源研究的有關(guān)新進展［J］.高原氣象，40（6）：1394-1406. Li Y Q，2021.New related progress on researches of the vortex source of Southwest China vortex［J］.Plateau Meteor，40（6）：1394-1406.DOI：10.7522／j.issn.1000-0534.2021.zk005.（in Chinese）.

Lin B，Minnis P，F(xiàn)an A，2003.Cloud liquid water path variations with temperature observed during the Surface Heat Budget of the Arctic Ocean （SHEBA） experiment［J］.J Geophys Res：Atmos，108（D14）：e2002jd002851.DOI：10.1029／2002jd002851.

Lu Q，Lawrence H，Bormann N，et al.，2015.An evaluation of FY-3C satellite data quality at ECMWF and the Met Office［R］.Reading，UK：European Centre for Medium-Range Weather Forecasts：22-24.DOI：10.21957／3l7g9nqun.

羅亞麗，孫繼松，李英，等，2020.中國暴雨的科學與預報：改革開放40年研究成果［J］.氣象學報，78（3）：419-450. Luo Y L，Sun J S，Li Y，et al.，2020.Science and prediction of heavy rainfall over China：research progress since the reform and opening-up of the People’s Republic of China［J］.Acta Meteor Sinica，78（3）：419-450.DOI：10.11676／qxxb2020.057.（in Chinese）.

馬勛丹，智協(xié)飛，王靜，等，2018.1979—2016年夏季西南渦活動及其與降水的關(guān)系［J］.大氣科學學報，2018，41（2）：198-206. Ma X D，Zhi X F，Wang J，et al.，2018.Analysis of the southwest vortex activities in summer and their relationship with precipitation during the period of 1979—2016［J］.Trans Atmos Sci，41（2）：198-206.DOI：10.13878／j.cnki.dqkxxb.20130427001.（in Chinese）.

馬玉芬，琚陳相，艾力亞爾·艾海提，等，2023.FY-3C MWHS-Ⅱ輻射率在RMAPS-CA中的同化［J］.沙漠與綠洲氣象，17（5）：28-37. Ma Y F，Ju C X，Aliyaer A，et al.，2023.Assimilation of FY-3C MWHS-Ⅱ radiance in RMAPS-CA［J］.Desert Oasis Meteor，17（5）：28-37.DOI：10.12057／j.issn.1002-0799.2023.05.004.（in Chinese）.

毛璐，謝彥輝，劉瑞霞，等，2022.FY-3C微波濕度計輻射率資料同化對RMAPS-ST系統(tǒng)的降水預報影響［J］.高原氣象，41（4）：896-908. Mao L，Xie Y H，Liu R X，et al.，2022.Impact of assimilating radiances from the microwave sounder MWHS-2 onboard FY-3C on rain forecasts in RMAPS-ST［J］.Plateau Meteor，41（4）：896-908.DOI：10.7522／j.issn.1000-0534.2021.00025.（in Chinese）.

梅欽，智協(xié)飛，王佳，2018.WRF模式不同云參數(shù)化方案的暴雨預報能力檢驗及集成試驗［J］.大氣科學學報，2018，41（6）：731-742. Mei Q，Zhi X F，Wang J，2018.Verification and consensus experiments of rainstorm forecasting using different cloud parameterization schemes in WRF model［J］.Trans Atmos Sci，41（6）：731-742.DOI：10.13878／j.cnki.dqkxxb.20180306002.（in Chinese）.

米潔，朱克云，張杰，2014.FY-3雙星MWHS資料對江西暴雨的循環(huán)同化試驗［J］.成都信息工程學院學報，29（1）：77-83. Mi J，Zhu K Y，Zhang J，2014.FY-3 binary stars MWHS data on Jiangxi rainstorm cycle assimilation experiment［J］.J Chengdu Univ Inf Technol，29（1）：77-83.DOI：10.16836／j.cnki.jcuit.2014.01.013.（in Chinese）.

Parrish D F，Derber J C，1992.The National Meteorological Center’s spectral statistical-interpolation analysis system［J］.Mon Wea Rev，120（8）：1747-1763.DOI：10.1175／1520-0493（1992）120lt;1747：tnmcssgt;2.0.co;2.

錢小立，2023.基于微波溫度計的溫度日變化特征及云水路徑氣候變化趨勢研究［D］.南京：南京信息工程大學：26-28. Qian X L，2023.Characteristics of daily temperature variation and climate change trends of cloud liquid water path based on microwave thermometer［D］.Nanjing：Nanjing University of Information Science and Technology：26-28.DOI：10.27248／d.cnki.gnjqc.2022.000096.（in Chinese）.

Rabier F，2005.Overview of global data assimilation developments in numerical weather-prediction centres［J］.Quart J Roy Meteor Soc，131（613）：3215-3233.DOI：10.1256／qj.05.129.

Shapiro M A，Thorpe A J，2004.THORPEX international science plan［R］／／WMO／TD No.1246.Switzerland：WMO：1-51.

束艾青，許冬梅，李泓，等，2022.FY-3D衛(wèi)星MWHS-2輻射率資料直接同化對臺風“米娜”預報的影響［J］.熱帶海洋學報，41（5）：17-28. Shu A Q，Xu D M，Li H，et al.，2022.Assimilating MWHS-2 radiance of FY-3D satellite and its influence on the forecast of Typhoon Mitag［J］.J Trop Oceanogr，41（5）：17-28.DOI：10.11978／2021160.（in Chinese）.

Tewari M，Chen F，Wang W，et al.，2004.Implementation and verification of the unified NOAH land-surface model in the WRF model［C］／／Proceedings of the 20th Conference on Weather Analysis and Forecasting／16th Conference on Numerical Weather Prediction.Seattle：Amer Meteor Soc：11-15.

Tiedtke M，1989.A comprehensive mass flux scheme for cumulus parameterization in large-scale models［J］.Mon Wea Rev，117（8）：1779-1800.DOI：10.1175／1520-0493（1989）117lt;1779：acmfsfgt;2.0.co;2.

王根，2014.FY3B／IRAS資料偏差訂正、云檢測、質(zhì)量控制和同化測試［D］.南京：南京信息工程大學. Wang G，2014.Deviation correction，cloud detection，quality control and assimilation test of FY3B／IRAS data［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.

王葉慧，李剛，何光鑫，2013.風云三號衛(wèi)星微波輻射率資料的質(zhì)量控制［J］.大氣科學學報，36（5）：560-567. Wang Y H，Li G，He G X，2013.A quality control procedure for FY-3 microwave radiance data［J］.Trans Atoms Sci，36（5）：560-567.DOI：10.13878／j.cnki.dqkxxb.2013.05.017.（in Chinese）.

Weng F Z，Grody N C，F(xiàn)erraro R，et al.，1997.Cloud liquid water climatology from the special sensor microwave／imager［J］.J Climate，10（5）：1086-1098.DOI：10.1175／1520-0442（1997）010lt;1086：clwcftgt;2.0.co;2.

Xian Z P，Chen K Y，Zhu J，2019.All-sky assimilation of the MWHS-2 observations and evaluation the impacts on the analyses and forecasts of binary typhoons［J］.J Geophys Res：Atmos，124（12）：6359-6378.DOI：10.1029／2018jd029658.

楊春，2011.WRF-EnSRF衛(wèi)星資料同化系統(tǒng)構(gòu)建及應用研究［D］.南京：南京信息工程大學：1-7. Yang C，2011.Research on construction and application of WRF-EnSRF satellite data assimilation system［D］.Nanjing：Nanjing University of Information Science and Technology：1-7.（in Chinese）.

張旭煜，朱克云，張杰，等，2013.FY-3A衛(wèi)星MWHS資料同化及四川盆地暴雨數(shù)值模擬分析［J］.成都信息工程學院學報，28（3）：258-266. Zhang X Y，Zhu K Y，Zhang J，et al.，2013.Use of assimilating FY-3A MWHS data of the heavy rain over Sichuan Province［J］.J Chengdu Univ Inf Technol，28（3）：258-266.DOI：10.16836／j.cnki.jcuit.2013.03.010.（in Chinese）.

張耀曄，張杰，朱克云，等，2013.FY-3A MWHS資料的質(zhì)量控制：以四川“8.19”暴雨為例［J］.高原山地氣象研究，33（1）：30-34. Zhang Y Y，Zhang J，Zhu K Y，et al.，2013.FY-3A MWHS data quality control［J］.Plateau Mt Meteor Res，33（1）：30-34.（in Chinese）.

朱國富，2015a.數(shù)值天氣預報中分析同化基本方法的歷史發(fā)展脈絡和評述［J］.氣象，41（8）：986-996. Zhu G F，2015a.Remarks on development of basic methods of atmospheric data assimilation for numerical weather prediction［J］.Meteor Mon，41（8）：986-996.DOI：10.7519／j.issn.1000-0526.2015.08.008.（in Chinese）.

朱國富，2015b.理解大氣資料同化的根本概念［J］.氣象，41（4）：456-463. Zhu G F，2015b.Understanding of the fundamental concept of atmospheric data assimilation［J］.Meteor Mon，41（4）：456-463.DOI：10.7519／j.issn.1000-0526.2015.04.008.（in Chinese）.

朱利劍，2018.FY-3C微波濕度計資料在GRAPES-GFS模式中的同化應用［D］.南京：南京信息工程大學：2-12. Zhu L J，2018.Assimilation application of FY-3C microwave hygrometer data in GRAPES-GFS model［D］.Nanjing：Nanjing University of Information Science and Technology：2-12.（in Chinese）.

·ARTICLE·

Impact assessment of MWHS-2 clear-sky data assimilation from joint Fengyun-3 satellite series on forecasting Southwest China vortex

JIANG Qifan CHEN Keyi XI Shuang ZHANG Lihong3，F(xiàn)AN Jiao4

School of the Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，China;

2Earth System Modeling and Prediction Centre，China Meteorological Administration，Beijing 100081，China;

3Chengdu Plateau Meteorological Research Institute of China Meteorological Administration，Chengdu 610072，China;

4Guangxi Meteorological Observatory，Nanning 530022，China

Abstract Since the launch of the FY-3A satellite in May 2008 and subsequent missions，including the FY-3G for precipitation and the FY-3F until 2023，the Fengyun-3 （FY-3） second-generation polar-orbiting satellite series has developed into a comprehensive observation network.This network now operates with early-morning，mid-morning，afternoon，and precipitation-dedicated satellites simultaneously in orbit，significantly enhancing the spatial and temporal resolution of satellite data and supporting advances in numerical weather prediction （NWP） in China.The Southwest China vortex （SWCV），a major weather system contributing to intense summer rainfall in China，forms over the complex terrain east of the Qinghai-Xizang Plateau at 700—850 hPa.This study analyzes a SWCV event from July 21 to 23，2022，which caused heavy rainfall near the Sichuan-Shanxi border，where several stations recorded over 100 mm of precipitation within 24 hours.As the vortex moved eastward，it generated a rainfall belt extending from Chongqing through Hubei，Henan，and Shandong provinces.

The research investigates the impact of clear-sky assimilation of FY-3 satellite microwave humidity data on forecasting the SWCV using the WRF model and WRFDA system.Clear-sky assimilation experiments with MWHS-2 observations from FY-3C and FY-3D satellites were conducted to assess optimal thinning distances for data assimilation.The findings show that applying inappropriate thinning distances minimizes observation errors，reduces computational costs and improves forecast accuracy.Specifically，a thinning distance of 30 km，approximating the resolution of the sub-satellite point，optimizes forecast performance by maintaining an effective balance between minimizing spatial correlations in the data and ensuring sufficient observational density to constrain the analysis field.This configuration enhances predictions of precipitation location and intensity while reducing 1 alarms for heavy rainfall events.

Results demonstrate that assimilating data from both FY-3C and FY-3D satellites provides superior forecasts compared to single satellite assimilation，as network data assimilation increases the quantity of high-quality observations，thereby refining initial conditions and improving short-term weather forecast accuracy.FY-3C-only data assimilation particularly enhances relative humidity forecasts，improving intensity predictions and yielding higher threat scores （TSs） for extreme rainfall.Conversely，while FY-3D-only assimilation enhances wind field forecasts，improving the spatial accuracy of precipitation predictions.The combined FY-3CD satellite data assimilation adjusts lower-quality data points，producing more stable forecasts.Future work will extend these efforts by incorporating additional Fengyun satellites for comprehensive network assimilation，aiming to further improve NWP accuracy and optimize the use of satellite observations.

Keywords Southwest China vortex;Fengyun-3 satellite;MWHS-2 radiance;joint assimilation;thinning setting

DOI：10.13878／j.cnki.dqkxxb.20240110003

（責任編輯：倪東鴻）