双多普勒雷达资料同化在飓风“艾克”预报中的应用研究

沈菲菲，闵锦忠，许冬梅，3，戴泽军，张冰，陈依濛

(1.南京信息工程大学 气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心，江苏 南京 210044；2.江苏省气象科研研究所，江苏 南京210000；3.美国国家大气研究中心，博尔德 80302; 4.湖南省气象科学研究所，湖南 长沙 410118；5.南京信息工程大学 应用气象学院，江苏 南京210044)



双多普勒雷达资料同化在飓风“艾克”预报中的应用研究

沈菲菲1，闵锦忠1，许冬梅1，3，戴泽军4，张冰2，陈依濛5

(1.南京信息工程大学 气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心，江苏 南京 210044；2.江苏省气象科研研究所，江苏 南京210000；3.美国国家大气研究中心，博尔德 80302; 4.湖南省气象科学研究所，湖南 长沙 410118；5.南京信息工程大学 应用气象学院，江苏 南京210044)

本文采用美国国家大气研究中心(NCAR)开发的中尺度数值模式WRFV3.7及其三维变分同化系统WRF-3DVAR对2008年飓风“艾克”进行了数值模拟研究。利用多普勒天气雷达观测资料具有高时空分辨率的优点，将美国两部多普勒天气雷达资料进行速度退模糊等必要质量控制后同化进中尺度数值模式，考察雷达资料同化对飓风“艾克”预报的改进程度。试验结果表明：将雷达资料用于对流尺度分辨率下飓风初始化需要对变分同化系统中特征尺度化因子进行优化调整，使观测资料能够以较为合理的方式调整模式初始场并进而改进预报；雷达径向风同化可以有效调整模式初始场中的飓风动力和热力结构，而经过尺度化因子调整后的雷达径向风同化则在飓风观测中心位置产生较为合理的气旋性风场增量，提供更为确切的中小尺度信息，使模式初始场更加接近观测并进而改进对飓风路径和强度的预报。

飓风；雷达径向风；WRF模式；循环同化

1 引言

登陆热带气旋是目前世界上造成损失最严重的自然灾害之一。近年来，随着中尺度数值模式不断发展和逐步完善，对热带气旋的路径预报水平有了较大的提高，但对于热带气旋的强度预报改进还不够显著，这主要是由于数值预报模式初始场中对热带气旋内核区的热力和动力结构演变及其与大尺度环境场的关系模拟还不够精确，尤其是当热带气旋濒临登陆时，其自身结构和强度会发生显著变化，譬如突然增强或减弱。因此改进对登陆热带气旋的预报水平显得尤为重要。众所周知，在广阔的洋面上常规观测资料过于稀疏且时空分辨率较低，不能较好的模拟出飓风内核结构，随着卫星等非常规观测资料的出现，有效的弥补了洋面上观测资料匮乏的局面，并且卫星观测可以对飓风内核区进行有效覆盖观测，然而内核区卫星观测往往由于受强降水影响而使得资料可靠性降低。当前能与中尺度数值模式分辨率相匹配的非常规观测资料主要是多普勒天气雷达观测资料，其高时空分辨率的特点可以弥补洋面观测资料的不足。如何合理有效地利用多普勒雷达观测数据提取其丰富的中小尺度信息，开展多普勒天气雷达资料同化并考察其对登陆热带气旋的分析和预报就显得尤为重要。

目前数值模式中对热带气旋初始化的方法主要有两种，第一种是采用人造涡旋技术[1—4]，其主要是根据热带气旋的大小和强度等参数人为构造一个虚拟涡旋并且与模式背景场中非对称部分相结合，同化进数值模式并用于飓风初始化。尽管该方法具有较好的实用性，在世界各国的业务预报系统中也得到应用广泛，但是这种理想化人造涡旋模型的构建也有其自身的缺陷和不足，比如如何保持飓风与其环境场的热力和动力结构的连续性和平衡性仍然是该方法尚需解决的一个科学难题，更好的解决方法是尽可能同化更多的高时空分辨率观测来提供更加接近实际观测的涡旋结构。近年来国内外很多学者通过同化雷达资料对热带气旋进行初始化展开了广泛而深入的研究，Xiao等[5]采用三维变分同化系统，对登陆韩国半岛的台风Rusa进行了数值模拟研究，结果表明同化雷达反射率可以有效地改进对台风降水预报，而同化雷达径向风观测则可以对台风的强度和路径有较大的改进作用。Gu等[6]采用WRF-3DVAR同化自动站观测并用于台风初始化，研究表明经过尺度化因子优化调整后，对台风的路径和降水预报改进显著。Zhao和Jin[7]利用美国海洋实验室(Naval Research Laboratory)开发的COAMPS(Coupled Ocean/Atmosphere Mesoscale Prediction System， NRL)模式和3DVAR系统对登陆美国的飓风Isabel进行了数值模拟研究，研究结果表明采用较高的同化频率可以获得相对较好的分析效果，雷达径向风同化对飓风强度和路径的改进效果要优于反射率观测的同化效果。Zhao等[8]将三维变分方法运用到台风“莫兰蒂”登陆前后过程中，采用每1 h循环同化方案同化多部雷达观测资料对台风进行了分析和研究。陈峰等[9]通过设定不同的同化频率考察了WRF-3DVAR同化雷达观测资料对台风“麦莎”初始场及其预报效果的影响，发现同化试验可以有效地调整模式初始风场，进而改进了台风动力结构，提高了模式对台风“麦莎”路径、强度和降水的模拟能力。李新峰等[10]运用美国俄克拉荷马大学开发的风暴尺度的ARPS模式及其三维变分同化系统对2010年台风“鲶鱼”进行了相关数值模拟研究，研究结果表明，雷达资料同化和常规观测资料同化两者的结合可以使得预报结果尤其是位置和强度上与实况最为接近。尽管以上研究已经取得了令人鼓舞的成果，但是雷达资料同化在热带气旋中的应用仍然是一个具有挑战性的问题，尤其是在云尺度分辨率下如何有效地利用高时空分辨率的雷达观测资料改善台风内核区动力和热力结构，仍然是一个较新的研究领域，还有很多问题需要进一步的探讨和研究。本文采用美国NCAR(National Center for Atmospheric Research)研发的新一代中尺度预报模式WRF模式及其三维变分同化系统WRF-3DVAR，对2008年飓风“艾克”进行数值模拟研究，检验和探讨在数值模式中糅合高时空分辨率多普勒天气雷达资料对初始场及飓风的路径和强度预报等方面改进作用及意义。

2 WRF-3DVAR系统及观测算子简介

2.1 WRF-3DVAR系统简介

根据Lorenc[11]的理论，WRF-3DVAR同化方法的核心思想是将资料同化问题归结为一个度量分析场与观测场以及分析场与背景场偏差的目标函数的极小化问题，通过求解目标函数的极小值来获取分析时刻最接近大气真实状态的估计值。该泛函定义如下：

(1)

式中，x为分析变量，xb是模式背景场，y0是观测值，B是背景误差协方差矩阵，O是观测误差协方差矩阵，B与O的逆矩阵分别为背景场和观测的权重。y=H(x)是由分析变量导出的观测相当量，H称为观测算子。函数J(x)可以看成是两个二次项之和，右边第一项用来计算分析变量x和背景场xb之间的偏差，WRF-3DVAR中的分析变量包括：比湿、流函数、速度势、非平衡位势；右边第二项表示分析变量x和观测值y0之间的偏差，将分析变量x通过观测算子插值到观测点上，然后求出与观测值y0之间的偏差，再用观测误差协方差矩阵O的逆矩阵求加权。在极小化计算过程中，考虑到背景误差协方差矩阵B是一个超大规模的矩阵且多是病态的，使得极小化问题的求解变得十分困难，因此一般采取一系列的控制变量变换来简化背景误差协方差矩阵。

2.2 雷达径向风观测算子

在WRF-3DVAR同化系统中，通过观测算子H将雷达观测资料和模式变量联系起来，参照Sun和Crook[12—13]的方法，多普勒雷达径向速度的观测算子为：

(2)

式中，(u，v，w)为笛卡尔坐标下的大气三维风场，(x，y，z)为雷达位置，(xi，yi，zi)为观测目标所在位置，ri是观测与雷达之间的距离，vT是降水粒子下落末速度。假设雨滴谱满足马歇尔-帕默尔分布[14]，vT形式如下：

(3)

式中，qra是模式计算的雨水混合比(单位：g/kg)，υ是修正因子，其定义为：

(4)

3 个例选取、雷达资料质量控制及试验设计

3.1 “艾克”(Ike)飓风简介

本文选取的个例是2008年在古巴东北岸登陆的北大西洋09号4级飓风“艾克”。2008年8月底，一个热带低压于非洲西海岸、大西洋中部形成，9月1日(世界时，下同)系统增强为热带风暴并命名为“艾克”，其后便向西北偏西方向移动，9月3日系统强度不断加强，12 h之内从热带风暴迅速发展成为4级飓风进而在4日最高持续风速达到64 m/s，中心最低海平面气压为935 hPa。之后飓风掠过巴哈马的大伊那瓜岛、以及英属大特克岛，强度有所减弱，但随后因其北部深对流使其重新迅速发展加强为4级飓风。7日，飓风减弱为3级飓风，并在古巴东北岸(奥尔金省)登陆，给当地带来巨大损失。9月8日，“艾克”横穿古巴岛后再度进入加勒比海，“艾克”几乎席卷整个古巴岛，造成古巴7人死亡。10日，它扩大范围沿着西北方向、以最高持续风速43 m/s的速度穿过墨西哥湾，在此期间“艾克”大部分时间保持了双眼墙结构。13日7时“艾克”又转为西北偏北方向、以2级飓风的强度、中心最大风速48 m/s，在得克萨斯州加尔维斯顿岛登陆并掠过圣莱昂，9时到达贝敦附近。13日18时“艾克”最终在得克萨斯州东部减弱为热带风暴。根据资料显示，“艾克”飓风共造成至少108人死亡和270亿美元的经济损失，是继“卡特里娜”和“安德鲁”之后美国破坏力排名第三的飓风，也是2008年大西洋飓风季中最强的飓风。

3.2 雷达资料质量控制

本文使用的雷达资料来自于美国德克萨斯州东南部的港口城市休斯顿-加尔维斯顿的KHGX雷达和路易斯安那州的莱克查尔斯的KLCH雷达，在进行多普勒雷达资料同化之前，需要对雷达基数据进行质量控制，本文雷达资料质量控制主要包括：首先根据模式背景场建立风廓线资料，假设风在水平方向是各向同性的，由风廓线数据计算模式背景场的径向速度在观测空间的值，然后将模式背景场径向风投影到观测空间的径向风的值与雷达观测值进行比较，标示出有速度模糊的库。最后逐个仰角进行速度退模糊，并且将质量控制过的径向风速度插值到笛卡尔坐标系。本文雷达径向风观测误差3 m/s，当观测与背景场的偏差大于5倍的观测误差时，则剔除该雷达观测资料。

图1给出了2008年9月13日01时飓风“艾克”临近登陆时两部雷达经过质量控制修正后0.5°仰角层上的径向速度资料，可以发现经过质量控制修正后，径向风速度的连续性较好，更加接近实际情况。

3.3 试验设计

本文采用WRFV3.7的ARW版本作为预报模式。该模式为可压缩、非静力中尺度模式，水平方向采用荒川C网格，垂直方向采用随地形的质量坐标。图2给出了模拟区域，区域中心为(31°N，96°W)，水平格点数为690×690，格距为3 km，垂直层数为51层，模式层顶气压为10 hPa。由1°×1°分辨率的National Centers for Environmental Prediction (NCEP)再分析资料提供初边界条件，微物理过程采用WSM6类冰雹方案[15]，由于格点1°×1°的分辨率还不能很好模拟出飓风对流尺度特征，故采用Grell积云参数化方案[16]。其他物理参数化方案包括Rapid Radiative Transfer Model (RRTM)长波辐射方案，Dudhia短波辐射方案，5阶热量扩散方案以及Yonsei University (YSU)[17]边界层方案。本文主要设计了3组试验(表1)，图3为试验流程图，控制试验(CNTL)采用6 h间隔的1°×1°NCEP GFS再分析资料作为模拟的初始场和侧边界条件。模式积分时段从2008年9月12日18时至14日00时，共积分30 h，模拟时间段包括了这次飓风登陆前后整个发展过程。两组同化试验分别选取2008年9月12日18时NCEP GFS再分析资料作为启动资料，预报6 h到13日00时作为同化初始时刻，通过WRF-3DVAR同化系统每30 min同化一次雷达径向风观测数据，连续同化6 h，将最后一个时刻的分析场作为背景场，做18 h确定性预报。

图1 雷达径向速度质量控制前后对比Fig.1 Comparison of radar radial velocity before and after quality control径向速度质量控制之前KLCH(a)，KHGX(b)；径向速度质量控制之后KLCH(c)，KHGX(d)Radar radial velocity before quality control KLCH(a)，KHGX(b)，and radar radial velocity after quality control KLCH(c)，KHGX(d)

序号试验名称试验方案1CNTL不同化任何资料23DVARa同化雷达资料，用WRF⁃3DVAR静态协方差矩阵33DVARb同化雷达资料，用WRF⁃3DVAR静态协方差矩阵(系数优化03)

图2 WRF模拟区域范围，2008年9月12日18时至2008年9月14日00时飓风观测最佳路径图和两部雷达中心位置及其雷达径向风对应影响半径Fig.2 The WRF model domain and best track positions for Hurricane Ike (2008) from 1800 UTC 12 to 0000 UTC 14 September 2008. Also indicated the KHGX and KLCH locations and maximum range coverage circles

图3 NoDA试验(a)和3DVAR试验(b)流程图Fig.3 The flow charts for NoDA experiment (a) and 3DVAR experiment (b)

3.4 径向风观测单点试验

在对流尺度的雷达资料同化中，背景误差协方差的空间分布特征将最终决定雷达观测资料在模式空间的传播方式，从而影响模式初始场精确度。众所周知，当前采用NMC方法[18]统计得到的背景误差协方差中的各个控制变量的相关性，各控制变量的方差和尺度特征主要反映的是大尺度、气候平均的误差结构特征，这样的空间尺度特征主要适用于常规观测资料同化，对于雷达这种高时空分辨率的观测资料而言，其自身包含丰富的中小尺度信息。在当前背景误差协方差的空间结构作用下，雷达观测信息对模式初始场的影响范围将会被扩大到一个不合理的空间范围，从而使得雷达观测中丰富的中小尺度信息不能很好的得到利用。因此在进行真实飓风个例“艾克”同化试验之前，有必要进行一系列的单点实验来考察雷达观测资料在变分分析过程中是如何影响模式变量的。本文中背景误差协方差矩阵用NMC方法生成，具体做法：对2008年9月1—30日，每天00 UTC和12 UTC分别作24 h和12 h的预报，通过对同一时刻24 h和12 h预报值之间的差作为预报误差的近似。选取KHGX雷达站位于(29.472°N，95.079°W；3 058.7 m)的单个雷达径向风观测资料作为单点试验研究使用。模式背景场由2008年09月13日00时的NCEP GFS再分析资料插值得到，模拟格点数为690×690×51，水平格距为3 km。此外，观测误差设为3 m/s。为了能够使雷达观测资料能够合理有效地更新模式背景场，本文通过调整背景场误差方差调节因子(VAR_SCALING: the variance scaling factor)和水平尺度因子(LEN_SCALING: the length scaling factor)来考察背景误差协方差调整在对流尺度雷达同化中的作用。为此设计了3组单点观测同化试验(表2)。

表2 试验设计

图4a和图4b分别是Exp1同化单个雷达径向风观测在模式层第12层(700 hPa)纬向风(u)和经向风(v)的风场增量。由图可见，对于u风场，一个较为明显的反气旋性风场增量在雷达站的北部产生，对应的在雷达站的南部则有一个气旋性的风场增量产生。对于v风场而言，一个反气旋性的风场增量在雷达站的东部产生，同时在雷达站的西部存在一个气旋性的风场增量，雷达观测的影响范围均较大。这也进一步验证和说明当前NMC方法统计的背景误差主要反映了大尺度的误差信息特征，在雷达这种高时空分辨率的观测资料同化中如不对该背景误差进行优化调整而是直接使用是欠妥的。Exp1和Exp2的试验结果表明当采用同样的VAR_SCALING，同化所产生增量的影响范围会随着LEN_SCALING的减小而减小，而同化所产生的分析增量的量级则维持不变。Exp2和Exp3的试验结果表明，当采用相同的LEN_SCALING，分析所产生的增量的量级大小会随着VAR_SCALING的减小而减小，而增量的影响范围则不变。

4 试验结果分析

4.1 风场增量分析

为了检验雷达径向风观测资料对模式初始场的改进效果，图5显示了各组同化试验第一个同化时刻700 hPa风场的分析增量。图5a是3DVARa同化后的风场增量场，图中黑色点为飓风观测中心位置。由图5a可以发现在观测飓风中心位置偏南约两个纬度产生一个气旋性的风场增量；同时在飓风中心北部半个纬度附近产生了一个反气旋性的风场增量。这样的风场增量分布形态与前人采用三维变分方法同化多普勒雷达径向风观测的研究结果相类似[19—21]。当背景场模拟的飓风强度比实际观测飓风强度弱很多时，在观测飓风中心位置处没有能够产生合理的强的涡旋环流结构。说明由NMC方法统计的背景误差协方差矩阵主要反映的是大尺度的误差结构特征，而多普勒天气雷达观测主要是反映中小尺度方面的天气信息特征。使用当前这种默认的NMC方法特征尺度结构背景误差的情况下，多普勒天气雷达所包含的丰富的中小尺度信息不能很好得到应用，其影响范围也被不合理地放大。图5b为3DVARb的700 hPa风场增量场，由图可见，当尺度化因子缩小后，在飓风观测中心位置出现一个气旋性的风场增量分布形态，涡旋结构更为紧密，在观测飓风中心周围量级达到最大。这主要是由于模式背景场中飓风涡旋结构偏弱所导致。总体而言，通过对背景误差协方差尺度化因子调整，可以使雷达观测信息的传播方式更加合理化，进而改善了模式初始场。对NMC方法统计出来的背景误差协方差尺度化因子优化调整可以使雷达观测在模式空间以较为合理的方式传播并影响背景场，而当尺度化因子过大则会出现风压不平衡关系，使模拟的飓风结构不合理，进而影响随后的分析和预报。

4.2 雷达径向风观测空间诊断以及MSLP在同化窗的表现

为了进一步验证同化效果的好坏，本文在观测空间将每次分析前后的径向速度与实际观测的径向速度资料进行比较并计算均方根误差，考察其在同化区间内的表现[22—23]。图6显示了两组同化试验在同化区间内每次分析和预报的雷达径向风Vr的均方根误差(RMSE，图6a)以及最小海平面气压(MSLP，图6b)。从图6a可以看出两组同化试验在经过每次同化后的RMSE相比同化前都有不同程度的下降，尤其是3DVARb试验在第一个分析时刻效果改进最为明显，同化后Vr的RMSE从10.3 m/s立刻降低到4 m/s，3DVARa试验仅降低了0.3 m/s。这可能是因为第一次同化后的观测增量最大，因此对模式初始场的改进最为显著。每次同化后的30 min预报基本上都会把Vr增量增加3 m/s，维持在5～6 m/s。总体上看来，可以发现3DVARb试验产生的分析场与Vr观测是最为接近的，除了第一个分析时刻，后面几次同化后的观测增量基本稳定在3 m/s左右，这与预先给定观测误差3 m/s是相符合的，这也说明了经过尺度化因子的优化调整对模式分析场及随后的预报都产生了正影响。

图6b给出了同化区间内(2008年9月13日00时至06时)每次分析和预报的最小海平面气压，在同化的起始时刻，模式背景场中的最小海平面气压要比美国国家飓风中心(NHC)热带气旋最佳路径数据集中的最小海平面气压高20 hPa。从图6b中可以看到，两组同化试验中最小海平面气压的下降主要是通过模式预报调整来实现的。第一次分析过程(0000-0030 UTC)最小海平面气压下降尤为显著，3DVARa试验下降了5 hPa，而3DVARb试验则下降了10 hPa。随着同化次数的不断增加，3DVARb试验中最小海平面气压逐渐下降并接近实际观测值(951 hPa)，而3DVARa试验则只降到960 hPa，可见3DVARb试验预报效果更佳。这主要是因为风场是可以直接观测到的参数，而气压主要取决于背景误差协方差矩阵的风压平衡约束关系来调整。

图5 2008年9月13日00时3DVARa试验(a)和3DVARb试验(b)700 hPa风场增量Fig.5 The 700 hPa wind analysis increments for 3DVARa (a) and 3DVARb (b) at 0000 UTC 13 September 2008

图6 2008年9月13日00时00分至2008年9月13日06时00分，每个同化时刻的同化前后均方根误差(a)和最小海平面气压(b)Fig.6 The forecast and analysis (sawtooth pattern during DA cycling) of RMSE of radial velocity (a) and the minimum sea level pressures (b) for 3DVARa and 3DVARb from 0000 to 0600 UTC 13 September 2008

4.3 飓风结构场分析

在检验了风场增量之后，本文进一步考察各组同化试验循环同化最后一个分析时次的效果，图7分别给出了2008年9月13日06时CNTL，3DVARa，3DVARb三组试验分析的海平面气压场和近地面风场合成示意图。此时NHC的最佳观测数据的强度为951 hPa，最大风速为48.9 m/s。显然CNTL试验模拟的飓风强度过于偏弱，台风眼也较宽，其MSLP为980 hPa，而此时的NHC，误差达29 hPa。在同化了雷达径向风观测资料之后，2组同化试验相比CNTL试验模拟的飓风强度均有不同程度的改进，风速也得到不同程度的调整。由图7a可见，3DVARa试验在采用默认尺度化因子同化雷达径向风之后，其MSLP为970 hPa，相比CNTL试验而言，略微有所改进。同时由图7b可以发现，其分析的近地面风场环流比观测的飓风中心位置稍微有点偏差，而其分析的最小海平面气压中心却远远偏离观测的飓风中心位置，呈现出风场和气压场不匹配的状态。图7c中，在对尺度化因子优化调整后，飓风眼墙半径显著减小，飓风内核区的涡旋环流结构得到显著加强。另外由图7b，c发现，两组同化试验的水平风速均呈现出非对称分布形态。3DVARa试验分析的风速大值区位于涡旋的东北部，而3DVARb试验分析的风速大值区位于涡旋的东部，更加接近雷达观测(图略)。

总体而言，3DVARb试验对于飓风内核区位置、结构和强度的修正效果要明显优于其他两组试验，与实况更为接近。并且低层的风场均向飓风眼壁呈气旋性辐合，飓风涡旋环流结构更为厚实紧凑，表明经过尺度化因子优化调整后同化雷达径向风资料可以很好捕捉到飓风系统主要的环流结构场。

图7 2008年9月13日06时CNTL试验(a)，3DVARa试验(b)和3DVARb试验(c)海平面气压和近地面风场合成示意图Fig.7 The analyzed composite sea level pressure (solid contours) and the surface wind vectors for CNTL(a)， 3DVARa (b) and 3DVARb (c) at 0600 UTC 13 September 2008

图8是2008年9月13日06时CNTL、3DVARa、3DVARb三组同化试验的轴对称的各个半径上的平均切向风和水平温度异常。其中各个高度上的水平温度异常是以飓风中心为原点，180 km半径内的温度水平平均偏差。由图8a可见，CNTL试验初始场的涡旋环流很弱，眼区半径较大(最大风速半径达70 km左右)，中层暖心也较弱(约2 K)。与CNTL试验相比，两组同化试验的涡旋环流显著增强，3DVARa试验中最大切向风速约45 m/s，最大风速半径在70 km处。3DVARb试验的修正效果最为明显，最大切向风速约50 m/s，且位于1.2 km以内，更符合飓风实际观测。飓风眼墙半径明显缩小，最大风速半径缩小至40 km，伴随着最强的涡旋环流结构，其最大温度异常也在9 km处增强至6 K。表明尺度化因子优化调整同化雷达径向风资料后能够增强飓风涡旋结构，有助于对飓风内部的动力和热力结构进行有效调整。

图8 2008年09月13日06时CNTL试验(a)，3DVARa试验(b)和3DVARb试验(c)飓风轴对切向风(填色，单位:m/s)和温度异常(等值线，单位:K)Fig.8 Azimuthally averaged tangential wind (shaded with the scale on the right) and temperature deviation from the horizontal mean (solid contours with intervals of 2 K) at 0600 UTC 13 September 2008 from experiments of CNTL(a)， 3DVARa (b) and 3DVARb (c)

图9 2008年9月13日06至2008年9月14日00时路径(a)，路径误差(b)，最低海平面气压(c)和地面最大风速(d)预报结果Fig.9 The 18 h predicted tracks (a)， track errors (b)， minimum SLP (c)， and maximum surface wind speed (d) of super typhoon Ike from 0600 UTC 13 to 0000 UTC 14 September 2008

4.4 飓风路径和强度预报检验

为了进一步评估各组同化试验分析场质量的优劣以及对随后预报的影响，本文在各组同化试验的末端作了9月13日06时至9月14日00时的18个小时确定性预报。图9a给出了3组试验预报路径和最佳路径的对比图。在预报起始的3 h内，最佳路径是向西北方向移动，CNTL试验和3DVARa试验模拟的路径较实况路径明显偏东向东北方向移动，而3DVARb试验模拟的飓风路径与实况最为接近，向西北方向移动。3 h以后，CNTL试验和3DVARa试验模拟的路径误差都逐渐加大，较实况路径继续偏东。9 h之后，3DVARa试验模拟的路径较真实路径偏离依旧明显，仍然偏东，而CNTL试验则由于背景场中的飓风强度偏弱继续偏东，而此时3DVARb试验模拟的路径较其他两组试验更加接近实际路径。总之，3DVARb试验在整个18 h确定性预报过程中预报的路径最优。图9b是预报时段内各组试验的预报路径误差图，前6 h，CNTL试验和3DVARb试验的预报路径误差有明显的增长，3DVARa试验预报的路径误差虽然有减少的趋势，但是相比另外两组试验(小于20 km)在预报起始时刻的误差较大(47 km)。13日12时至18时，两组同化试验的预报路径误差均有不同程度的降低，3DVARb试验的误差最高降低到了10 km。总体而言，CNTL试验在整个预报时段内误差一直在增长，其预报的路径不理想的初步原因归结于初始时刻背景场中的飓风强度比实况偏弱所造成。两组同化试验预报的飓风路径相比CNTL试验均有不同程度的改进，3DVARb试验预报的路径误差则最小与观测最为接近。飓风中心位置是用最小海平面气压(MSLP)来表示的，图9c则着重考察了各组试验对飓风预报强度随时间的变化，可以看出CNTL试验在整个预报过程中的MSLP误差最大。在试验预报起始时刻，3DVARb试验分析的MSLP就十分接近观测的飓风强度，这也反映了3DVARb试验的同化效果显著。总体趋势上来看，3DVARb试验效果要比3DVARa试验明显更优，尤其在预报的前半个阶段。图9d是各组试验对飓风预报的最大风速随时间的变化，从图中可见，由于背景场中的飓风强度太弱，导致CNTL试验低估了飓风的最大风速。3DVARa试验效果则和控制试验相当，3DVARb试验在整个18 h预报过程中风场得到较为有效的调整，预报前半段与实况误差偏大，但后半段明显优于CNTL和3DVARa试验，与实况最为靠近。

5 总结与讨论

本文利用新一代高分辨率中尺度预报模式WRF及其三维变分同化系统WRF-3DVAR系统，针对2008年飓风“艾克”个例，每30 min同化了KLCH和KHGX雷达站的雷达径向风观测资料，主要结论如下：

(1)NMC方法统计得到的背景误差协方差矩阵主要反应了大尺度的误差结构特征。本文经过大量敏感性试验研究发现，优化背景误差协方差矩阵中的水平相关尺度因子对于资料同化结果影响较大。在高时空分辨率的雷达资料同化中，减小背景误差协方差中水平尺度化因子能进一步提高雷达资料同化和预报效果。

(2)WRF-3DVAR同化系统能有效地吸收雷达径向风丰富的中小尺度信息，同化经过质量控制过的雷达资料能有效改善飓风的初始风场结构，进而改进了飓风内核区动力和热力结构，改善模式初始场。

(3)变分同化试验在经过尺度化因子的优化调整之后，可以根据雷达观测信息产生较为合理的气旋性的风场增量，修正了模式背景场对飓风模拟偏弱的特征，使分析场与观测的飓风强度更加接近，进而改进了飓风的结构、路径、强度等预报能力。

本文基于飓风个例应用雷达径向风资料的同化结果能为多普勒雷达观测资料在飓风的初始化研究和应用中提供一定的技术参考。同时，应该指出本文只是针对“艾克”飓风个例进行了初步的研究，所得到的结论，对于其他个例结论是否成立还需要做进一步的检验。在今后的工作中将针对更多的飓风个例展开类似研究，来够构造出物理意义更加完善的尺度化因子调整方法。对于同化过程中的水平尺度化因子的调整对于不同天气系统的影响还有待于将来进一步的研究。另外以后的工作将对雷达观测资料的质量控制还需要做更加深入的研究。

[1]Kurihara Y， Bender M A， Ross R J. An initialization scheme of hurricane models by vortex specification[J]. Mon Wea Rev， 1993， 121: 2030-2045．

[2]Zou X， Xiao Q. Studies on the initialization and simulation of a mature hurricane using a variational bogus data assimilation scheme[J]. J Atmos Sci， 2000， 57: 836-860．

[3]Pu Z X， Braun S A. Evaluation of bogus vortex techniques with four-dimensional variational data assimilation[J]. Mon Wea Rev， 2001， 129: 2023-2039．

[4]Xiao Q， Chen L， Zhang X. Evaluations of BDA scheme using the Advanced Research WRF (ARW) model[J]. J Appl Meteor Climatol， 2009， 48: 680-689．

[5]Xiao Q， Kuo Y H， Sun J， et al. An approach of radar reflectivity data assimilation and its assessment with the inland QPF of typhoon Rusa (2002) at landfall[J]. J Appl Meteor Climatol， 2007， 46: 14-22．

[6]Gu J F， Xiao Q N， Kuo Y H， et al. Assimilation and simulation of Typhoon Rusa (2002) using the WRF system[J]. Adv Atmos Sci， 2005， 22(3): 415-427.

[7]Zhao Q， Jin Y. High-resolution radar data assimilation for Hurricane Isabel (2003) at landfall[J]. Bull Am Meteorol Soc， 2008， 89：1355-1372．

[8]Zhao K， X Li， Xue M， et al. Short-term forecasting through intermittent assimilation of data from Taiwan and Mainland China coastal radars for typhoon Meranti (2010) at landfall[J]. J Geophy Res， 2012， 117: D06108．

[9]陈锋， 冀春晓， 董美莹， 等. 雷达径向风速同化对台风麦莎模拟的影响[J]. 气象， 2012， 38(10): 1170-1181．

Chen Feng， Ji Chunxiao， Dong Meiying， et al. The effects of radar radial velocity data assimilation on the simulation of Typhoon Matsa[J]. Meteorological Monthly， 2012，38(10):1170-1181．

[10]李新峰， 赵坤， 王明筠， 等. 多普勒雷达资料循环同化在台风“鲇鱼”预报中的应用[J]. 气象科学， 2013， 33(3): 255-263．

Li Xinfeng， Zhao Kun， Wang Mingjun， et al. Short-term forecasting of super typhoon Meji at landfall through cycling assimilation of China coastal radar data[J]. Journal of the Meteorological Sciences， 2013，33(3):255-263．

[11]Lorenc A. The potential of the ensemble Kalman filter for NWP-a comparison with 4D-Var[J]. Quart J Roy Meteor Soc， 2003， 129， 3183-3204．

[12]Sun J， Crook N A. Dynamical and microphysical retrieval from Doppler radar observations using a cloud model and its adjoint. Part Ⅰ: Model development and simulated data experiments[J]. J Atmos Sci， 1997， 54(12): 1642-1661．

[13]Sun J， Crook N A. Dynamical and microphysical retrieval from Doppler radar observations using a cloud model and its adjoint. Part Ⅱ: Retrieval experiments of an observed Florida convective storm[J]. J Atmos Sci， 1998， 55(5): 835-852．

[14]Marshall J S， Palmer W M K. The distribution of raindrops with size[J]. J Meteor， 1948， 5(4): 165-166．

[15]Hong S Y， J Dudhia， Chen S H. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation[J]. Mon Wea Rev， 2004， 132: 103-120．

[16]Grell G A， Devenyi D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques[J]. Geophys Res Lett， 2002， 29(14): 1693．

[17]Noh Y， Cheon W G， Hong S Y， et al. Improvement of the K-profile model for the planetary boundary layer based on large eddy simulation data[J]. Bound-Lay Meteorol， 2003， 107: 401-427．

[18]Parrish D F， Derber J C. The National Meteorological Center’s spectral statistical interpolation analysis system[J]. Mon Wea Rev， 1992， 120(8): 1747-1763.

[19]沈菲菲，闵锦忠，陈鹏，等. 多普勒雷达资料同化在台风“桑美”预报中的应用应用[J]. 海洋学报， 2015， 37(3): 25-36．

Shen Feifei ， Min Jinzhong， Chen Peng， et al. Experiments of assimilating Doppler radar data in forecast of typhoon Saomai[J]. Haiyang Xuebao， 2015，37(3):25-36．

[20]沈菲菲，闵锦忠，许冬梅，等. WRF-Hybrid背景误差协方差调整在台风同化及预报中的应用研究[J]. 气象科学， 2015， 35(2): 150-159．

Shen Feifei， Min Jinzhong， Xu Dongmei， et al. WRF-Hybrid background error covariance adjustment in typhoon assimilation and forecasting[J]. Journal of the Meteorological Sciences， 2015， 35(2): 150-159．

[21]Xiao Q， Sun J. Multiple-radar data assimilation and short-range quantitative precipitation forecasting of a squall line observed during IHOP_2002[J]. Mon Wea Rev， 2007， 135: 3381-3404．

[22]Snyder C， Zhang F. Assimilation of simulated Doppler radar observations with an ensemble Kalman filter[J]. Mon Wea Rev， 2003， 131: 1663-1677．

[23]Tong M， Xue M. Ensemble Kalman filter assimilation of Doppler radar data with a compressible nonhydrostatic model: OSS experiments[J]. Mon Wea Rev， 2005， 133: 1789-1807．

Application of assimilating Dual Doppler radar data in forecast of Hurricane Ike

Shen Feifei1，Min Jinzhong1， Xu Dongmei1，3， Dai Zejun4， Zhang Bing5,Chen Yimeng5

(1.KeyLaboratoryofMeteorologicalDisaster,MinistryofEducation(KLME)/JointInternationalResearchLaboratoryofClimateandEnvironmentChange(ILCEC)/CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters(CIC-FEMD)，NanjingUniversityofInformationScience&Technology，Nanjing210044，China; 2.JiangsuResearchInstituteofMeteorlogicalScience，Nanjing210044，China; 3.NationalCenterforAtmosphericResearch，Boulder，Colorado80307，USA; 4.InstituteofHunanMeteorology，Changsha410118，China; 5.SchoolofAppliedMeteorology,NanjingUniversityofInformationScience&Technology,Nanjing210044,China)

The impacts of assimilation of radial velocity (Vr) data for the application of analyses and forecasts for Hurricane Ike (2008) are investigated using the framework of Weather Research and Forecasting (WRF) V3.7 and its three-dimensional variational data (3DVAR) assimilation system developed by the U.S. National Center for Atmospheric Research (NCAR). To evaluate the impact of using the high spatial and temporal resolution of the radar data on the forecast of Hurricane Ike，Vrobservations from two coastal radars are pre-processed with quality control procedures before they are assimilated using 3DVAR. Results show that， it is necessary to tune the background error length scale factor to better spread out observations for hurricane radar data assimilations. It is found thatVrdata are able to adjust the hurricane’s thermal and dynamic structure significantly. With smaller length scale factor， a much clearer cyclonic circulation wind increment around the observed hurricane center can be observed， providing effective meso-and micro scale information for the analysis， which can further improve the hurricane track and intensity forecast．

hurricane; radial velocity; WRF model; cycling assimilation

2015-07-09；

2015-09-23。

国家重点基础研究计划(973计划)项目(OPPAC-2013CB430102)；国家自然科学基金项目(41430427，41375025，41205082，41505089)；江苏省气象局北极阁基金项目(BJG201510)；气象灾害教育部重点实验室开放课题(KLME 1311)。

沈菲菲(1984—)，男，江苏省大丰市人，博士，主要从事雷达和卫星遥感资料同化工作。E-mail:ffshen.nuist@gmail.com

P444

A

0253-4193(2016)11-0060-13

沈菲菲， 闵锦忠， 许冬梅， 等. 双多普勒雷达资料同化在飓风“艾克”预报中的应用研究[J]. 海洋学报， 2016， 38(11):60-72， doi: 10.3969/j.issn.0253-4193.2016.11.006

Shen Feifei， Min Jinzhong， Xu Dongmei， et al. Application of assimilating Dual Doppler radar data in forecast of Hurricane Ike[J]. Haiyang Xuebao， 2016， 38(11): 60-72， doi: 10.3969/j.issn.0253-4193.2016.11.006