常规观测同化对吉林一次短时强降水过程数值预报的影响

曲美慧 朱文刚 赵淑红 朱晓彤 涂钢 高枞亭

(1.吉林省气象科学研究所，吉林长春 130062; 2.长白山气象与气候变化吉林省重点实验室，吉林长春 130062;3.山东省气象防灾减灾重点实验室，山东济南 250031； 4．山东省气象科学研究所，山东济南 250031； 5.长白县气象局，吉林白山 134400)

引言

吉林省是中国的农业大省，地处中纬度，受中高纬度环流系统、中低纬度海—气系统、东北冷涡、副热带高压等多种环流系统影响[1]，夏季常发生短时强降水、雷暴大风等强对流天气，造成严重的洪涝灾害，引发山体滑坡、崩塌、泥石流等地质灾害[2]，影响人民生命财产安全、农业生产及粮食安全，因此，做好此类天气预报十分重要。

中尺度数值模式已成为研究和预报短时强降水等中尺度天气过程的重要工具，随着数值模式的不断完善，模式预报的不确定性更多源自模式初始场的不确定性，目前主要利用观测资料不断同化更新的初始场来提高模式的预报效果[3]，正如Zhang和Fritsch[4]以及Talagrand[5]定义资料同化的目的：利用现有的所有信息，包括大气运动的物理规律、常规资料和非常规资料等，定义一个最大可能精确的大气运动状态。国内外已有许多资料同化的研究成果[6-7]，张飞民和王澄海[8]发现，WRF-3DVAR(Weather Research Forecast-3 Dimensional Variational Data Assimilation)同化常规观测资料对初始场有改进，也能改善模式对流层高空风和大量级降水的预报[9]。孟晓文等[10]发现，WRF-3DVAR同化常规探空资料对暴雨以上量级降水的落区、量级和TS评分均优于未同化的预报结果。卢萍等[11]和王丹等[12]分别应用AREM(Advanced Regional Eta Model)模式和WRF模式同化加密探空站点资料，发现同化加密探空资料会影响大气物理量场和中小尺度系统的发展、加强、减弱、消亡，进而影响降水强度和落区，对提高区域数值模拟的降水预报准确率有积极影响。近年来，随着探测技术的发展，雷达、卫星等非常规观测资料在数值预报中得到应用。郑淋淋等[13]和陈锋等[14]同化雷达资料改进了WRF模式对降水、大风的模拟效果。唐淑敏等[15]同化FY-3A/MWHS(MicroWave Humidity Sounder)资料有效地改进了湿度分析场。钱芝颖等[16]在WRFDA(Weather Research Forecast Data Assimilation System)中同化GEOS-16(Geostationary Operational Environmental Statellite-16)温度产品资料，提高了飓风路径和强度的预报效果，更加准确地模拟出降水落区和雨强。王雪莲等[17]发现雷达和卫星资料同化使降水落区和降水量中心值的预报更接近实况，但卫星资料对WRF模式降水预报的影响时间较雷达资料长。

常规观测资料相对于非常规观测资料，其观测量均为模式变量，可直接用于同化系统，从而减小了非常规观测资料在反演过程中的不确定性[10]。本文以2017年7月13日发生在吉林省的一次短时强降水过程为例，应用WRF三维变分资料同化系统探究不同常规观测资料同化对WRF模式初始场和预报场的改善效果，以及对降水落区、强度等预报的影响，对常规观测资料同化在吉林省实际业务预报中的应用进行初步尝试，为吉林省中尺度区域数值预报业务同化系统的开展提供参考。

1 资料与方法

1.1 天气概况

2017年7月13日00时至14日00时(世界时，下同)受东北冷涡和西北太平洋副热带高压共同影响，吉林省出现一次大范围短时强降水过程。图1为吉林省1179个气象观测站24 h降水实况，5站降水量达到特大暴雨级别(>250 mm)，最大为295.7 mm，80站降水量达到大暴雨级别(>100 mm)，170站达到暴雨级别(>50 mm)，暴雨中心出现在吉林市永吉县，该站降水量打破了24 h历史极值(142 mm)，温德河的口前站出现有实测记录以来第1特大洪水[18]，造成多个乡镇出现洪涝灾害。13日12时大尺度环流形势表明(图略)，850 hPa急流明显增强，能不断地提供水汽和能量，同时500 hPa高空西部或后部偏北冷气流和西太平洋副热带高压西部偏南暖湿气流在中国东北地区交汇辐合，冷暖空气相遇产生强降水。

图1 2017年7月13日00时至14日00时吉林省降水实况Fig.1 Observed precipitation in Jilin province from 00:00 on July 13 to 00:00 on July 14,2017

1.2 WRF资料同化方案介绍及试验设计

为了探究WRFDA-3DVAR同化不同观测资料对此次短时强降水的预报影响，设计6组试验方案见表1。观测资料包括飞机报资料(AIREP)、自动站资料(SYNOP)、常规探空资料(SOUND)、GPS水汽资料(GPSPW)，观测资料站点的位置分布见图2。自动站资料、常规探空资料、GPS水汽资料的要素包括风场、温度场、气压场、湿度。飞机报资料的要素包括风场、温度场、湿度。各组试验只同化一次观测资料，其中exp-control为控制试验，不进行资料同化。

表1 试验方案Table 1 Experimental schemes

图2 WRF模式模拟区域内观测站点分布Fig.2 Distribution of observation stations in WRF model domain

中尺度数值模式WRF采用双重嵌套(图略)，水平分辨率为9 km、3 km，网格数为256×181、223×277，覆盖范围分别为35°～55 °N和115°～135 °E、40.5°～46.5 °N和121.5°～131.5°E，即中国东北地区、吉林省，垂直分辨率为51层，模式顶层气压为10 hPa，时间积分步长为54 s。模式初始场由美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)逐6 h一次0.5°×0.5°全球模式(Global Forecast System,GFS)资料提供，WRF模式采用的物理参数化方案为：WSM-5类云微物理参数方案、RRTM长波辐射方案、RRTM短波辐射方案、MYNN近地面层方案、Noah路面参数化方案、MYNN行星边界层方案、G3积云参数方案。积分时间为2017年7月13日00时至14日00时，预报结果每1 h输出一次。

2 结果分析

2.1 24 h累积降水预报

2017年7月13日00时至14日00时吉林省6组试验预报的24 h累积降水量见图3，与图1对比表明，6组试验均预报出了此次短时强降水过程，但大暴雨落区与实况存在一定差异。相比其他试验，exp-airep预报的降水分布与实况更符合。具体来看，控制试验预报的雨带呈东北—西南向分布且较为分散，暴雨以上量级降水落区位于吉林省中北部的舒兰、蛟河及吉林中东部的延边部分地区，比实况范围稍小、位置偏北。位于吉林省中部偏西南地区的降水基本为虚假降水，低估了发生在吉林市的强降水。5组资料同化试验对降水落区的预报差异较大，尤其是大暴雨落区，可能与观测资料站点的分布有关，exp-sound预报大暴雨落区位于吉林中西部的四平市、辽源市、长春市和磐石市的小部分地区，比实况落区偏西，可能是常规探空资料在时间和经纬度位置上的偏差造成的，同时吉林省内仅有3个常规探空资料站，使该资料的时空分辨率较低，不能较好地反映中小尺度天气系统的信息，是影响预报效果的重要原因之一。exp-all同化了4种观测资料，但预报效果并不是该4组试验预报效果的累加，预报的降水大值区偏南且范围较小，预报效果并不是最优的，因此不同资料的融合方式对降水预报有不同影响。需要指出的是，exp-airep和exp-gpspw预报出特大暴雨，但控制试验及其他3组资料同化试验没有，而且exp-airep预报的特大暴雨落区与实况基本一致，经比较得到exp-airep对降水预报效果最好，雨区范围和强度更接近实况。

图3 2017年7月13日00时至14日00时试验exp-control(a)、exp-airep(b)、exp-synop(c)、exp-sound(d)、exp-gpspw(e)、exp-all(f)的吉林省24 h累积降水量分布Fig.3 Variations of 24-hour accumulated precipitation from 00:00 on July 13 to 00:00 on July 14,2017,based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d),exp-gpspw (e) and exp-all (f) experiments,respectively in Jilin province

2.2 站点降水TS评分

为评价资料同化对降水预报的效果，2017年7月13日00时至14日00时吉林省6组试验24 h累积分级降水TS评分、空报率、漏报率的定量检验见图4。由图4可知，进行资料同化试验的TS评分基本上高于控制试验，漏报率、空报率也有所降低。具体表现为中雨量级降水的漏报率均低于控制试验，小雨、中雨、暴雨量级以及大于50 mm降水的空报率也均低于控制试验。可以得到资料同化对降水的预报有明显的改进效果，尤其是exp-airep大暴雨TS评分比控制试验高出30.1%，50 mm以上降水TS评分比控制试验高17.4%，且漏报率降低21.2%，优于其他同化试验。虽然exp-sound大雨及以上量级降水TS评分比其他同化试验低，暴雨及以上量级降水的漏报率、空报率高于其他同化试验，但就中雨量级降水的定量检验而言，exp-sound预报效果最好。比较小雨、大雨及以上量级降水的定量检验结果，预报效果最好的分别为exp-synop、exp-airep。

图4 2017年7月13日00时至14日00时吉林省6组试验24 h累积降水TS评分(a)、空报率(b)和漏报率(c)Fig.4 TS scores (a),false alarm rates (b),and false negative rates (c) of 24-hour accumulated precipitation for 6 groups of experiments in Jilin province from 00:00 on July 13 to 00:00 on July 14,2017

综上，常规观测资料同化明显地改进了雨带走向、降水量级、中心位置的预报，与相关文献[10-12,19]结论一致，对降水的预报效果明显好于不同化观测资料，但同化不同常规观测资料的预报效果不同，尤其是暴雨、大暴雨中心与实况存在一定差异。其中，同化飞机报资料对降水落区、强度的预报与实况最为接近，尤其是大暴雨及以上量级降水的落区与实况的一致程度更高。

2.3 初始场增量

通过增量的情况可以发现分析场相较于背景场的变化情况，也可以发现同化是否存在异常[16]，充足的水汽供应是造成暴雨的基本条件之一[20]。5组同化试验的初始场700 hPa水汽混合比增量见图5。由图5可知，不同观测资料同化试验的水汽混合比增量变化明显，表现为exp-airep在吉林省东南部的增量减小，中西部明显增加，最大中心位于长春市、吉林市附近，增幅为4×10-3kg·kg-1，即同化飞机报资料增加了强降水中心及以北区域的水汽含量。exp-synop在吉林省中部且由中部向东南狭长区域的增量增加，西部地区减小，即同化自动站资料增加了强降水中心及东南地区的水汽含量，减少了强降水中心西北地区的水汽含量。exp-sound增量分布在吉林省中西部的四平市、中部的长春市、德惠市构成的带状区域以及吉林省东部的延吉市、长白山地区且增幅较大，与探空站在吉林省内的位置分布一致，即同化常规探空资料增加了探空站所在位置的水汽含量。exp-gpspw水汽增量在吉林省中部表现为增加，增量大值区位于四平市附近，即同化gpspw资料增加了强降水中心以北区域的水汽含量。各组试验700 hPa水汽混合比增量在吉林省东部均表现为减小，exp-sound和exp-all的减幅较大。可以明显看出，exp-synop、exp-sound、exp-all水汽增量在实况的特大暴雨发生区域的增加更显著(图1)，增幅约为3×10-3kg·kg-1。

图5 5组同化试验exp-airep(a)、exp-synop(b)、exp-sound(c)、exp-gpspw(d)、exp-all(e)的初始场700 hPa水汽混合比增量Fig.5 Increment of water vapor mixing ratio at 700 hPa in the initial field based on exp-control (a),experiments exp-airep (b),exp-synop (c),exp-sound (d) and exp-gpspw (e) experiments,respectively

850 hPa水汽混合比增量表现为吉林全省增加(图略)，增幅较700 hPa大，其中exp-airep增幅最大，达9.6×10-3kg·kg-1，可知同化飞机报资料对底层水汽含量改变较大。此外，对比不同气压层的水汽混合比增量发现，对流层底层水汽混合比增幅大于高层，降水区域上空的各层水汽混合比表现为增加，说明资料同化增加了初始场水汽含量，加强了降水预报的准确性。

吉林省5组同化试验850 hPa温度场增量见图6。由图6可知，不同常规资料同化试验的温度场增量存在较大差异。exp-airep温度场正增量主要位于吉林省南部、西部，温度场负增量位于雨带北侧，雨带南北两侧的较大温差造成暖湿空气的上升下沉运动增强，易产生强降水，显著的暖湿气流输送会导致过程降水加强[21]。exp-synop对温度调整的主要表现为吉林中、西部的多数区域为负增量，减幅较大，仅东南部为正增量。exp-sound、exp-gpspw及exp-all对温度的调整相似，以吉林西部、东部增温和中部少数地区降温为主，增幅较小。5组同化试验中的exp-synop南北温差强度最大。

图6 5组同化试验exp-airep(a)、exp-synop(b)、exp-sound(c)、exp-gpspw(d)、exp-all(e)的初始场850 hPa温度增量Fig.6 Increment of temperature at 850 hPa in the initial field based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d) and exp-gpspw (e) experiments,respectively

2.4 预报场分析

低空持续的水汽输送是暴雨天气发生的主要条件[22]， 2017年7月13日12时吉林地区850 hPa风场和700 hPa相对湿度的分布见图7。由图7可知，exp-control在吉林省中部呈环形的相对湿度大值区，切变线位于吉林中部的长春市和中西部的四平市交界处，预报的降水发生了偏移，与实况不符。exp-airep相对湿度大值集中在吉林省中部，与实际降水落区重合，风场辐合明显，切变线位于吉林市，吉林省南部自西南向东北的气流截断了吉林西部地区向南输送的水汽，使水汽汇集于吉林市，持续的水汽输送并积聚更有利于出现极端暴雨天气[23]。exp-synop和exp-sound切变不明显，但exp-synop预报吉林省中部地区风速较大。exp-gpspw预报相对湿度小于30%，切变位于吉林省中西部的公主岭地区，降水预报偏南。exp-all相对湿度大值区和切变位置较实况偏南。不同试验预报的湿度场、风场明显不同，其中同化airep和gpspw资料对吉林市地区的风切变和相对湿度预报的影响最显著，冷暖气流的交汇造成水汽凝结为强降水的形成和发展提供了有利条件。

阴影为700 hPa相对湿度；箭矢为850 hPa风场，单位为m·s-1图7 2017年7月13日12时吉林省6组试验exp-control(a)、exp-airep(b)、exp-synop(c)、exp-sound(d)、exp-gpspw(e)、exp-all(f)的850 hPa风场和700 hPa相对湿度Fig.7 Wind field at 850 hPa and relative humidity at 700 hPa at 12:00 on July 13,2017,based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d),exp-gpspw (e) and exp-all (f) experiments,respectively in Jilin province

在暴雨的发生和发展过程中，较强的垂直上升运动是重要的条件之一[20]。根据2017年7月13日00时至14日00时吉林省1179个气象观测站逐小时降水时间序列(图略)，得到吉林全省从13日11—15时出现降水峰值，此时段小时降水量均大于2000 mm，13时达到最大，吉林全省降水量为4345.5 mm，也是受灾最严重的吉林省中部永吉县逐小时降水量峰值时刻。2017年7月13日13时吉林省6组试验700 hPa垂直速度、风场见图8。由图8可知，资料同化对风场和垂直速度的预报改变明显，同化airep资料对强降水落区的风切变和垂直上升运动的预报较控制试验增强，尤其是吉林中部的永吉县地区，最大上升速度为1.2 m·s-1，此时对流层中低层相对湿度为90%以上，充足的水汽和强烈的动力抬升运动的共同作用，使强降水预报较为准确[20]。exp-synop、exp-sound虽然也预报出垂直速度和风场，但位置偏南、偏西，与图4降水落区对应，可能由于探空资料存在时间和位置的偏差，区域自动站又大多位于城市居民圈，城市化的发展，人为活动也可能对观测数据产生一定影响，导致基本气象站观测数据的代表性越来越差，影响了同化效果。同化gpspw预报在吉林省中部蛟河和吉林省东部的延边北部发生风切变，与预报的特大暴雨落区相对应(图3)，exp-airep、exp-gpspw风切变与强垂直上升运动区域重叠且均预报出特大暴雨。

阴影为700 hPa垂直速度；箭矢为风场，单位为m·s-1图8 2017年7月13日13时吉林省6组试验exp-control(a)、exp-airep(b)、exp-synop(c)、exp-sound(d)、exp-gpspw(e)、exp-all(f)的700 hPa垂直速度和风场Fig.8 Vertical velocity and wind field at 700 hPa at 13:00 on July 13,2017,based on exp-control (a),exp-airep (b),exp-synop (c),exp-sound (d),exp-gpspw (e) and exp-all (f) experiments,respectively in Jilin province

一定的对流不稳定能量，为暴雨的发生提供了有利条件[22]， 由2017年7月13日12时吉林省对流有效位能(Convective Available Potential Energy,CAPE)的分布情况可知(图略)，同化试验预报的CAPE值均比控制试验的范围大、强度强， CAPE大值中心位于吉林省中部，中心强度≥2000 J·kg-1。随时间推移， CAPE大值区向东南移动，不稳定能量大量积累，与强降水发生的时间和位置有较好的对应。

3 结论

(1)2017年7月13日吉林省短时强降水过程的数值模拟试验影响研究表明，同化常规观测资料改善了数值模拟强降水发生的大气动力、热力和水汽条件。同化airep增加了强降水中心及以北地区的水汽含量、降低了雨带北部温度，使强降水落区的相对湿度增强，风切变与垂直上升运动重叠。同化gpspw增强了强降水中心风切变的预报，对温度场的调整较小。同化synop、sound预报的垂直速度、风场发生了偏移。同化sound对温度的调整不明显，但使初始时刻雨带南北两侧冷暖差异显著增加。

(2)检验结果表明，常规资料同化试验的TS评分、空报率、漏报率大多优于控制试验，明显地提高了降水预报的准确率。同化sound对中雨量级降水的预报效果最好。同化synop、同化airep分别对小雨、大雨及以上量级降水的预报效果最好。同化airep对大暴雨的TS评分更高，空报率和漏报率更低，大雨及以上量级降水与实况更接近。

(3)不同常规观测资料以及该资料的站点空间分布、质量对降水落区、强度的预报有一定影响。针对2017年7月13日吉林省此次短时强降水过程，同化airep资料对降水落区、强度的预报与实况的一致性最好。