C波段雷达反射率因子在CMA-GD模式中的应用

2022-02-07符睿张诚忠张万诚陈浩伟陈新梅韩慎友周建琴

热带气象学报 2022年5期

符睿，张诚忠，张万诚，陈浩伟，陈新梅，韩慎友，周建琴

（1.云南省气象科学研究所，云南昆明 650034；2.中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室，广东广州 510641；3.韶关市气象局，广东韶关 512028；4.广西壮族自治区气象台，广西南宁 530022；5.云南省气候中心，云南昆明 650034）

1 引言

短时对流性降水因其空间尺度小、生命周期短、突发性强、发展演变迅速等特点，是气象研究和业务领域的重要挑战。但因其破环性强，对其准确预报是国家防灾减灾和精细化天气服务的迫切需要[1]。数值预报是现代天气预报的基础和核心技术，对初始场较敏感，能否有效利用观测资料提供更准确的初始场是决定预报成败的关键因素。而多普勒雷达资料的高时间（5～10 min）和空间分辨率（250～1 000 m）能够在空间上包含中尺度系统的环流、湿度、云水、潜热等信息，时间上也能捕捉到其快速演变过程。因此，雷达资料同化对改善初始场中小尺度信息的质量、提高模式对暴雨、强对流等中尺度天气过程的预报能力具有巨大的潜力，成为近年来资料同化的重要研究方向[2-9]。

当前，许多中尺度区域数值预报模式启动时都要面临“spin-up”问题[10]，由于观测方法和手段的限制，模式“冷启动”时初始场一般仅含有水平风场、气压场、温度场等的信息，云的微物理量值在初始时刻则被赋值为零[11]。而初始时刻可能已经发生降水或已有深厚的对流系统正在发生、发展，但模式需要进行积分计算后才能产生中小尺度环流及降水信息，这就使得模式模拟的降水滞后于实况且在落区、强度方面存在差距[12]。因而，降低“spin-up”对短临预报的影响是目前急需解决的问题。许多研究发现，引入高时空分辨率雷达资料，能完善初始场的热动力信息减少“spin-up”对预报的影响。顾建峰[13]使用三维变分直接同化，把雷达反射率因子和径向风引入WRF 模式，反射率和径向速度的联合直接同化对飑线、暴雨和台风的预报改善明显。盛春岩等[14]将雷达资料引入ARPS模式，发现初始场中云水和温度场得到改善，从而明显增强3 h 内的降水强度和落区预报。张诚忠等[15]采用华南GRAPES 模式同化雷达径向风，使24 h 的降水落区、量级得到明显提升。张艳霞等[16]利用雷达回波反演的云水、雨水及水汽场订正初始场后，对0～3 h降水预报改善明显。王晓峰等[17]利用云分析方法同化雷达资料，使得初始场中水物质含量得到调整，进而使得降水的落区和强度得到改进。薛谌彬等[18]发现同化径向速度后对改善模式初始场的动力场有重要贡献，反射率主要是调整初始场中的水凝物场和热力场，同时同化两者可使初始场中快速调整出中小尺度风场水平辐合、垂直运动以及合理的温、湿分布，对3 h降水预报改善明显。张兰等[11]基于1 km分辨率的华南区域短临预报模式，用Nudging法同化了雷达资料，发现水物质同化可有效改进0～7 h降水预报，风场对降水改进幅度很小。

由前人的研究发现，利用雷达资料能改进初始场中的水物质场及湿物理过程分析能力、缩短“spin-up”时间，进而改善短临及强对流天气预报。但前人的研究，更偏重于S 波段雷达资料的同化，对C 波段雷达在CMA 模式中的应用研究也相对较少[19-23]。因而，本文利用云南9 部C 波段天气雷达（7 部为CINRAD-CC 型号，2 部CINRAD-CA 型号），选取2019 年7 月9 日发生在云南的一次强降水个例，探讨引入云南C 波段雷达反射率因子资料，对华南高分辨率区域CMA 数值模式（简称CMA-GD，下同）的初始场和预报结果的影响，以期提高云南省在短临强降水天气方面的预报预警能力。

2 试验设计和个例概况

2.1 模拟试验设计

所使用的CMA-GD模式，模拟范围为96.00～123.39 °E，16.00～31.39 °N，格点数为913×513，水平分辨率3 km，垂直分层65 层，模式顶高10 hPa。模式物理过程采用：SAS 积云对流参数化方案、WSM6 云微物理方案、SLAB 陆面方案、MRF 边界层方案、M-O 近地面层方案、RRTM 长波辐射方案和Dudhia短波辐射方案。用欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）分辨率为0.125 °×0.125 °，每6小时一次的预报场作为模式的背景场和侧边界，通过CMA-GD 的云分析系统，引入雷达反射率因子资料生成模式的初始场，然后对CMA-GD 模式进行积分，积分模拟时间为2019 年7 月9 日12 时—10 日12 时（世界时，下同），时间积分步长40 s，逐小时输出一次结果。

本文仅针对雷达反射率因子资料进行试验，并分析引入反射率因子后对模式初始场和预报场的影响，设计的试验方案：（1）控制试验（CTL）。不引入雷达反射率因子资料，利用ECMWF 资料做初始场进行试验。（2）敏感试验（REF）。在ECMWF 资料做初始场的基础上，利用云分析系统引入雷达反射率因子资料进行试验。

2.2 CMA-GD云分析系统介绍

本试验用CMA-GD 云分析系统引入雷达反射率因子资料，CMA-GD 云分析系统主要借鉴了ADAS 模块中的复杂云分析系统。其同化原理：首先，将雷达反射率因子资料插值到模式网格坐标上；然后利用雷达反射率因子资料，用Smith 方案并考虑干空气凝结和夹卷得到云水、云冰；再利用雷达反射率因子资料，通过雷达反射率方程计算雨水、雪、冰雹等的含量；最后根据云水、云冰对应的潜热释放，基于湿绝热假定对云内温度场进行调整。最终通过CMA-GD 云分析技术，实现对模式初始场的更新和调整[17,24-28]。

云南9 部业务天气雷达的分布情况如图1 所示，本试验中使用8 部进行三维组网拼图资料，选取的雷达为德宏、昭通、昆明、文山、普洱、丽江、大理、临沧和曲靖，普洱站由于格式问题无法读取因而未使用。此外，由于中国气象局已停止地面人工观测云业务，故在下面所有试验方案中均未使用地面云观测资料。

2.3 天气过程个例与实况

受切变线和西南季风的影响，2019年7月9日12 时—10 日12 时云南省出现了大雨天气过程（图2），整个雨带呈西北-东南向，其中大暴雨1 站，暴雨5 站，大雨29 站。最大降水量出现在河口站（103.95 °E，22.50 °N），24 h 降水为135.6 mm 达到大暴雨量级。因河口站降水量最大，文中对初始场和模式预报情况分析时，则以河口站为重点。

图1 云南C波段雷达分布阴影区为国家级观测站的海拔高度，单位：m。

图2 2019年7月9日12时—10日12时降水量单位：mm，注：▽为河口站位置。

为更精细评估雷达资料的作用，首先从小时尺度上看河口站逐小时的实况降水情况，降水主要集中在7 月9 日13 时和14 时，13 时降水量达76.5 mm，14 时降水量也达35.4 mm，15 时开始降水迅速减弱，之后降水量相对略大的为10 日01 时降水为6 mm，10日02时降水为4.9 mm，其余时次降水均较小。

图3 2019年7月9日12时—10日12时河口站逐小时降水量（单位:mm）

3 雷达反射率因子资料对初始场的影响

资料同化的主要目的是充分、有效地利用观测资料来形成尽可能接近真实大气状况的模式初始场。为更好分析引入反射率资料后对初始场的影响，下面分别给出总云量、水汽和风场的敏感试验图、控制试验图和差值图（差值为敏感试验与控制试验差值，下同），来具体分析初始场中的改善情况。以下对模式初始场和预报场物理量进行垂直剖面分析时，以河口所在22.5 °N 进行纬向垂直剖面图。

对比敏感试验和控制试验（图4），两者差异不显著。从总云量差值图看，引入反射率后，在109.5 °E 附近的5～30 层云量增加明显，100～108 °E 区域云量有增加。刘瑞霞等[29]也指出，雷达资料主要是增加云中、底部云量。可见引入雷达反射率因子后，可增加模式云中和底部的云量，调整模式的初始场。

图4 云量沿22.5 °N纬向垂直剖面图（▲为河口站位置，下同）

模式的降水预报效果，强烈地依赖于中尺度模式的水汽初值，水汽分布与降水有密切联系。由图5 可知，对比敏感试验与控制试验，引入雷达反射率因子资料后，水汽在低层和中层变化较明显。从水汽差值图可更清晰看出，水汽在900～200 hPa有大范围增加。

图5 水汽沿22.5 °N纬向垂直剖面图（单位：10-3 g/kg）

大气气温场的分布，直接影响降水的形成。对比敏感试验和控制试验（图6），二者整体差异较总云量和水汽的差异小。从差值图可知，温度在104 °E 附近的700～500 hPa 有0～0.2 ℃增加，在200～100 hPa温度增加最大的区域达0.5 ℃，引入反射率后对顶层温度的调整相对较大。温度升高对应的上升运动增强，有利于降水的产生。

图6 气温沿22.5 °N纬向垂直剖面图（单位：℃）

由图7 可知，对比敏感试验和控制试验，引入反射率资料后，风场的变化不明显。马秀梅等[30]的研究经验也表明，引入径向风对初始场的风场改进较大，引入反射率对初始场风场改变较小。

由以上对云量、气温、水汽和风场的分析可知，引入雷达反射率因子后，增加了模式云中和底部的云量，水汽在900～200 hPa有大范围增加，对初始场的顶层温度的调整较大，而对风场的影响较小。

图7 风场分布（单位：m/s）

4 预报结果分析

4.1 对降水预报结果分析

强对流因具有突发性、发展变化迅速和局地性强等特点，对其发生发展及开始和结束时间、对其强度和落区的预报，是判断模式预报性能的重要指标之一[31-32]。因而，首先对比分析引入反射率因子前后，逐小时降水的变化情况。

由图8 可看出，13—15 时（第1～3 h），实况的5～10 mm 的降水雨带为西北-东南向，最强的降水集中在河口附近，其次为滇南区域和滇西北区域；引入反射率后，5 mm 以下降水范围偏大，5～10 mm 量级的雨带趋势为东北-西南向，与实况趋势类似。预报出河口附近最强降水，但范围偏大、强度偏弱。对滇南和滇西北区域的预报位置略有偏差，强度偏弱；未引入反射率资料时，除对滇西南降水有所体现外，对另外2个区域降水预报效果较差。

16—18 时（第4～6 h），实况降水主要分布于滇中以西的区域，10～25 mm 以上的降水较强区域位于滇中；引入反射率后，对滇中降水预报位置偏北且较分散，对滇西南预报偏弱，对滇东的预报偏强；未引入反射率资料时，预报整体偏弱，对滇中的降水预报偏弱，对滇东预报与敏感性试验类似偏强。

19—20 时（第7～8 h），实况降水的强度和范围继续减弱，5～10 mm 降水仍主要位于滇中。引入反射率后，对滇中的预报偏强位置偏北，对滇东南的预报偏强；未引入反射率资料时，对滇中降水预报比敏感试验偏北偏东，对滇东的预报与敏感试验类似也偏强。

图8 2019年7月9日13—20时逐小时降水量单位：mm，黑圈内为降水量较强区域。第一列：观测；第2列：敏感试验；第三列：控制试验。

由以上分析可知，引入雷达反射率因子后，能明显改善3 h内的降水强度和落区的预报，使得此次强降水过程的发生发展更加清晰地展现出来，而控制试验前3 h预报效果较差；对4～6 h敏感性试验的改善效果减弱，两者预报效果差距在缩小，说明反射率资料的影响减弱；7 h 以后控制试验效果略差，敏感试验改善不明显。这与盛春岩等[14]、张艳霞等[16]的结论类似。因而，雷达反射率因子资料引入CMA-GD 模式后，可改善模式降水预报能力、缩短spin-up 时间。此外，此次降水过程，对滇西南预报偏弱，可能与未能引入覆盖该区域的普洱站雷达资料有关，后续工作应予以改进。

4.2 对整层大气可降水量预报结果分析

水汽输送情况对于降水的形成、发生及发展过程至关重要[33-34]，为更好地分析引入雷达反射率因子资料后，对整层大气可降水量预报的影响。图9 给出1～9 h 预报的整层大气可降水量敏感性试验和控制试验的差值图。引入反射率资料后，第1～4 h 大气可降水量的增加较明显，在滇东南区域增量达4～8 mm，此区域也对应降水的大值区。滇中以东及滇西区域增大的强度和范围略小于滇东南，多数区域增量为2 mm 左右；第5～9 h大气可降水量的增加较前4 h明显减小，降水较多的滇中区域大气可降水量的增量为2～3 mm，但滇中区域的增量未明显多于其他降水少的区域，如滇东区域，即增量多的区域降水量不一定相应大。

图9 2019年7月9日13—21时整层大气可降水量差值图（单位：mm）

由以上分析知，引入反射率后第1～4 h 大气可降水量的增加较明显，第5～9 h 大气可降水量的增加较前4 h 明显减小，说明大气可降水量的变化趋势与敏感试验预报的降水趋势是匹配的。另外，对比实际降水强的区域（图8）与大气可降水量增加的大值区可知，降水强的区域大气可降水量的增量较大，但大气可降水量增量较大的区域实际降水不一定大，即充足的大气可降水量是产生降水的必要非充分条件，实际降水还与局地的热动力抬升条件及层结不稳定密不可分[35-36]。

4.3 对水凝物预报结果分析

水凝物对微物理过程发展演变至关重要，为更好的分析引入反射率后对水凝物的影响，图10给出了预报第1 h 河口站上空水凝物差值垂直剖面图，同化雷达反射率因子后在950 hPa以上云水（qc）含量增大，而950 hPa 以下则减小。水汽（qv）在950～300 hPa含量基本为增大，增大的幅度在0～0.1×10-3g/kg，在950 hPa 以下与云水（qc）分布类似均为减小。霰（qg）、云冰（qi）和云雪（qs）的垂直分布较类似，在600～400 hPa 同化雷达反射率因子资料后，三种水凝物是增大的且增量在0～0.1×10-3g/kg，但在400 hPa以上则减小幅度也在0～0.1×10-3g/kg。雨滴（qr）在1 000～500 hPa含量为增大。

由以上分析知，同化雷达反射率因子后，在河口上空云水（qc）和水汽（qv）在950～400 hPa 为增加，霰（qg）、云冰（qi）和云雪（qs）在600～400 hPa为增加，雨滴（qr）在1 000～500 hPa 为增加。总之，同化雷达反射率因子后，河口站上空水凝物整体增大，水凝物的增加有利于降水的发生。