红外高光谱IASI卫星资料同化对一次大风过程的影响研究

许冬梅，李 玮，武 芳，束艾青，卞慧敏

（1.中国气象局沈阳大气环境研究所，辽宁 沈阳 110000；2.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；3.高原与盆地暴雨旱涝灾害四川省重点实验室，四川 成都 610225；4.巍山县气象局，云南 大理 672400；5.六安市气象局，安徽 六安 237000）

根据中国气象局的规定，瞬间风速＞17 m/s为大风天气。大风天气可构成严重气象灾害，如2016年5月发生在内蒙古鄂尔多斯市的一次大风灾害，造成1 392 hm2农作物受到损失，受灾群众达到2 085人，造成的经济损失达415.3万元。我国每年均有大风天气灾害发生，给民众生产生活带来了极大的负面影响，并给国民经济发展带来阻碍，因此各地气象部门提供及时、准确的风速预报，对提前做出预警和保护民众生命财产安全有重要意义[1]。

自20世纪数值预报被应用于实际天气预报，随着理论基础和观测技术的不断完善，天气预报的准确性有了很大提高；尤其是20世纪50年代后计算机技术和数值模式领域取得的巨大突破，带动数值天气预报飞速发展[2-3]。美国国家大气研究中心（National Center for Atmospheric Research，NCAR）联合其他多个部门协同研发的WRF（The Weather Research and Forecasting）中尺度数值模式，在气象研究和业务预报中已经被广泛应用，从而在一定程度上促进风速预报研究[6-8]。已有不少学者的研究表明WRF模式在改善风速预报方面取得了成效[9-10]。

现有中尺度数值模式预报的风速还有较大误差，近地层风场尤为显著，其中一个重要因素就是模式初始场不准确。资料同化的目的在于利用现有的观测信息来估算一个尽可能精确的大气（海洋）运动状态。近几十年来，资料同化方法经历了一个快速的发展过程。从早期的逐步订正、统计插值发展到现今的三维变分、四维变分、卡尔曼滤波等方法[11-13]。不少基于资料同化的研究都表明，资料同化可以有效地改进模式的预报技巧[14-17]。

气象卫星是对地面、高空和雷达观测的补充，是构成完整气象观测网的重要部分。它们具有探测范围广，执行速度快，不受自然条件和国界限制的优点。卫星资料在经过质量控制和偏差订正等一系列前处理后，可以同化进数值模式并为其提供精确的初始场[18]。和卫星微波通道相比，卫星红外通道观测到的大量云信息可以作为数值预报的有用参考。近年来由于高光谱仪器的快速发展，在数值天气预报中使用该资料的频率大大增加。红外高光谱仪器区别于常规遥感仪器的地方在于它可以探测数千个甚至数万个光谱通道，为数值模式提供更高精度和垂直分辨率的气象信息。IASI（Infrared Atmospheric Sounding Interferometer）是搭载在欧洲极轨卫星上的新一代超高光谱红外大气探测仪器，该探测仪使用了干涉分光技术，光谱测量范围涵盖了多个吸收带，可用于探测云、海洋和大气，反演大气成分，从而为科学研究和大气遥感提供广泛的遥感数据[19]。Xu等[20]同化IASI资料和常规资料对两次热带气旋进行了模拟，研究结果表明，IASI资料同化提高了对台风的动力和热力结构的模拟能力，并且对于42 h以内的最大风速预报质量有显著提高。

本文利用WRF同化系统对2019年4月中国东部区域一次大风天气过程进行IASI高光谱资料同化和数值模拟，实现IASI高光谱资料的云检测和质量控制。通过数值模拟验证，定量考察IASI红外辐射率资料同化的在数值模式中的作用，研究红外高光谱资料同化对数值模式初始分析和预报场的影响。

1 方法介绍

1.1 三维变分方法

美国国家大气研究中心开发的WRFDA同化系统包括3DVAR（Three-Dimensional Variational Assimilation）、4DVAR（Four-Dimensional Variational Assimilation）和混合同化系统。本研究采用WRFDA的3DVAR系统。变分同化的目标是通过对代价函数J（x）进行迭代最小化，获得对真实大气状态的最优估计。3DVAR代价函数表达如下：

其中，x和y分别代表大气状态向量和观测向量，H为非线性观测算子，xb为背景状态（通常为短期预测）。B和R分别是背景误差协方差矩阵和观测误差协方差矩阵。通过最小化（1）得到x的迭代解，在给定背景xb、观测y、B和R的情况下，得到真实大气状态的最小方差估计。

1.2 方法和资料介绍

卫星资料同化是将背景场、观测资料及对应的误差协方差矩阵，通过一定方法在数据和模型间建立优化关系，从而最小化分析误差，使来源不同的数据能够融合以得到更真实的大气状态。

本文卫星资料同化采用的辐射传输模式（即观测算子）为CRTM（Community Radiative Transfer Model）2.3.0[21]。CRTM快速辐射传输模式包括云的吸收与散射、大气吸收、气溶胶的吸收与散射、地表的发射与反射几个微辐射测量模块，基于米散射理论计算模型中的光学云参数与降水散射效应[22]。

卫星资料同化过程会受到观测和模式误差影响。为了提高同化质量将采用回归偏差订正法对其进行偏差订正。做法是选取偏差订正的预报因子并利用大量观测亮温样本建立线性回归方程；计算出订正系数并利用该系数订正模拟资料。本文使用将偏差订正系数纳入目标函数的方法进行动态更新偏差订正系数，最终完成偏差订正。所选的偏差订正预报因子包括全局的补偿项、云中液态水项、扫描位置、扫描位置的平方数和立方数、以及1 000～300 hPa和200～50 hPa层结厚度。

本文同化的是IASI红外观测资料源于极轨卫星上的超高光谱红外大气探测仪器。该探测仪采用干涉分光技术进行分布扫描，视场±48.3°，幅宽2 400 km；共有8 461个通道，以每个通道相等的光谱分辨率（0.25 cm-1）进行连续观测。为了减少相邻观测点间的虚假相关，采用的观测稀疏化距离为30 km。同化通道为长波通道，一共193个通道（通道16至通道2239）。水汽通道观测误差较大被剔除。

1.3 云检测

高空中云辐射会使卫星观测受到云污染，导致辐射资料的精度及利用率降低。本文利用不同物体辐射的特征差异并通过一系列方法对资料进行识别，分辨出受到云污染的区域并将其剔除，保留晴空区域，这个过程就是云检测。通过云检测可以提高资料的精确性。本文选取的大风个例伴随有降水，IASI得到的并非晴空资料，所以对资料进行云检测是至关重要的。

本研究采用的云检测方法是欧洲中期预报中心的通道排序云检测方法[23]。该云检测算法首先为每个通道分配一个高度（或气压）。通道的特征级别k定义为从表面到顶部的第一点，在该点上不透明的乌云对总晴空辐射的相对影响＞1%，即：

其中，BT表示亮温，i是通道排名后的索引，I是进行梯度计算的通道数。低于此级别的所有通道均被标记为受云影响，而高于此级别的所有通道均被清除[20]。BT_Threshold和BTGrad_Threshold为亮温梯度阈值。

2 个例介绍

2019年4月24日00—18时（世界时，下同），受我国东北一北方气旋外围气流的影响，辽宁省局部地区出现了一次大风天气过程，局部地面风速＞12 m/s。此次大风过程从开始发展至强盛阶段到消亡阶段共经历约10 h，最大风速＞12 m/s的阶段约维持了5 h。该次过程形势场和环流结构特征明显，有利于开展对比试验。同时METOP-B卫星在24日01时经过辽宁省上空，搭载的IASI探测仪收集到了这次过程的有效信息，故选取此次过程为个例进行IASI资料同化试验。

2.1 地面风场

4月23日18时起辽宁省境内局部地区出现＞8 m/s的大风；至24日00时大风天气影响范围迅速扩大且风力加强，部分地区风速＞12 m/s；24日03—06时大风天气影响范围仍然广阔，影响地区逐渐南移出海；至09时大风天气影响范围迅速减小并基本南移出海，此次大风天气过程趋于结束。图1为24日00时—25日00时位置为（41.4°N，121.0°E），高度80 m的逐3 h风机观测。

图1 24日00时—25日00时位置（41.4°N，121.0°E），高度80 m的逐3 h风机观测

2.2 高低空形势场

4月24日00、12时东亚地区中高纬500 hPa上为两槽一脊，我国东北地区有一低槽东移，辽宁省位于该低槽前，高空急流南侧，风向为偏西风（图2a、2b）。

24日00时的700 hPa上，我国东北地区有一低压气旋，由其西南方延伸出一条切变线并伴有低空急流；辽宁省位于切变线东南方、低空急流以南（图2c）。12时低压气旋中心位于鄂霍次克海，切变线东移，低空急流减弱（图2d）。

24日00和12时850 hPa上，我国中高纬形势为两低夹一高，辽宁省位于低压底后部与高压底前部之间，二者使风速叠加变大且风向为偏北风，与10 m风场一致；00时辽宁东北侧有低压中心，东南侧有低压气旋且伴随切变线，北侧有低空急流（图2e）；12时两低中心合并（图2f）。

图2 24日500 hPa（a、b）、700 hPa（c、d）、850 hPa（e、f）位势高度场、温度场和风场

3 模式简介与试验设计

3.1 WRF模式介绍

本文采用的是WRFV4.1数值模式。该模式包括3DVAR，4DVAR和混合同化3个模块。该数值模式，使用具有流体静力学选项的完全可压缩非流体静力学方程，水平方向在荒川C网格上进行分析，垂直方向上使用基于质量的混合σ-压力垂直坐标。积分方案使用的是龙格-库塔二阶和三阶时间积分，平流方案是加权基本非振荡平流方案及水平和垂直方向上的二到六阶平流方案。

3.2 试验设计

本文采用GFS（全球预报系统）0.25°×0.25°再分析资料作背景场，使用WRFV4.1数值预报模式模拟2019年4月24日发生在辽宁省境内的一次大风天气过程；模拟区域如图3，区域中心为（115°E，36°N），水平网格距为5 km，网格点为400×350，垂直方向共35层，模式层顶为50 hPa。微物理过程为WRF Single-Moment 3-Class微物理方案。由于网格分辨率无法完全解决对流特征，因此包含了Kain-Fritsch对流参数化方案。其他物理参数化方案包括延世大学的行星边界层参数化方案[24]，陆面过程的五层热扩散模型[25]，美国国家的快速辐射传递模型（RRTM）[26]，宾夕法尼亚州立大学第五代大气研究中心中尺度模型短波辐射[27]。

图3 WRF模拟区域范围

本文设计了2组试验（图4）。第一组IASI同化试验：模式起报时间为2019年4月23日12时，做Spin up预报至4月24日00时。在4月24日00时对IASI资料进行同化后开始预报，预报时长为24 h，每1 h输出一次预报场。第二组控制试验（CTNL），在2019年4月24日00时使用全球模式预报场（GFS）提供的初始场进行24 h预报（每1 h输出一次预报场），不进行任何资料同化处理。本文采用的背景误差协方差矩阵是由2019年4月1—30日期间每日2次（00和12时）的同一时刻但是不同预报时效（24 h预报和12 h预报）的预报差来统计得到[28]。

图4 IASI同化试验和对比试验的流程

4 结果分析

4.1 云检测

为了考察云检测方法对不同高度特征通道检测效果，本文参照Xu等[14]选取一个高通道、一个低通道进行检验。两个通道分别为299（约13.89μm）和646（约12.4μm）。图5是IASI两个不同通道的观测亮温，经过云检测前后剩下的观测亮温散点分布。图5a是通道299未经过云检测前的观测亮温，观测总数为2 794。图5b是通道299经过云检测之后剩下1 298个观测亮温，剔除率约53%；图5c中，通道646经过云检测之后剔除了绝大多数数值低于282 K的观测，只保留了剩下390个数值较大的观测亮温，剔除率为86%。通道299比通道646多保留了约33%观测，说明通道646的信息受云污染比通道299严重得多，资料利用率降低。

图5 2019年4月24日00时IASI通道299云检测前（a）、通道299云检测后（b）和通道646经过云检测后（c）的亮温散点分布

4.2 分析结果

IASI进行同化后的分析场与同化前的背景场在每个模式格点上的差值都可以进行计算，图6a反映了全场差场绝对值的最大值随高度的变化，图6b则反映了这些差场的均方根误差（RMSE）随高度的变化，二者都反映了IASI资料同化对各模式变量随高度的变化。图6a与图6b垂直廓线的趋势相似，在低层对于变量u和变量v的改变较小且随着高度增加而增大，到中层量级达到最大，之后随高度逐渐减小。到高层后在一定范围内震荡；对于变量t的改变则刚好相反。变量u和v在低层的差值最大值和均方根误差都较小，到中层则有所增大；变量t则正相反。这说明资料同化在低层对于变量u和v的改变较小，对变量t的改变较大；在中层对变量u和v的改变最大，对变量t的改变最小；在高层对上述3个变量的改变都较大。这个主要是由背景场中不同物理量在不同高度的误差特性决定的，即背景场中误差较大处，观测对模式的修正也较大。这里发现的模式层高层较大的温度差异与其他研究中的结果较为一致。

图6 IASI资料同化前和同化后，基于全场每个模式格点上的差场绝对值的最大值（a）和均方根误差（b）的垂直廓线

图7a为各个通道云检测后的观测数目，可见在使用随通道高度特征而变化的云检测算法后，不同通道使用的观测数目有多有少。图7b给出了同化前未进行偏差订正的观测和背景的差异（OMB_nb）、同化前经偏差订正的观测和背景的差异（OMB_wb），以及同化后的观测和分析的差异（OMA）。可见偏差订正前背景与观测场的平均偏差整体很大，尤其是1 000～2 000的通道，进行偏差订正后明显减小；观测与分析场之差的平均偏差比起上述两者更靠近等值线0。图7c分析了同化前未偏差订正的观测和背景的差异（OMB_nb）、同化前经偏差订正的观测和背景的差异（OMB_wb），以及同化后的观测和分析的差异（OMA）的标准差。同样的，进行了同化的分析场与观测场之差的偏差标准差，比起背景场（偏差订正前与偏差订正后）与观测场之差要更接近0。图7b、7c的结果都说明同化分析场更接近观测场，在0～800的通道尤为明显。

图7 观测辐射率与分析场模拟的辐射率值的差（OMA）、偏差订正后观测辐射率与背景场模拟的辐射率差（OMB_wb）、偏差订正前观测辐射率与背景场模拟的辐射率的差（OMB_nb）的观测数目（a）、平均偏差（b）和偏差标准差（c）

4.3 预报结果

图8a和图8b分别为控制试验（CTNL）和IASI同化试验模拟的24日00时的10 m风场。图8c为0.1°×0.1°分辨率的ECMWF再分析资料给出的10 m风场（参考场）。图8b和图8c的拟合度相较于图8a与图8c要更高。CTNL模拟的风场（图8a）区域精确度不够高，与实况风场（图8c）相比，风速超过6 m/s的区域偏大，并且对此区域中风速＜6 m/s和＞12 m/s的地方出现了严重的漏报，对黄海区域一个风场的中心风速预报偏高。IASI同化试验模拟的风场（图8b）相对来说优质得多，其对于地表和洋面的大风区域和强度预报的精确度更高，对大风中心的风速预测较准确；虽然模拟的辽宁地区大风中心略偏西且范围偏小，但是相比CTNL，其预报的水平有了大幅提升。

图8 24日00时控制试验CTNL（a）、IASI同化试验模拟的10 m风场（b，单位：m/s）和客观分析的10 m风场（c，单位：m/s）

图9为两组试验资料模拟结果的均方根误差随预报时间变化。00时IASI同化试验的RMSE（均方根误差）最大，为3.1 m/s，控制试验反而较小；经过模式的积分预报，IASI同化试验在分析时刻的调整量得到了很好的平衡。控制试验的RMSE在预报开始后迅速增大。两者的RMES在02时基本相等，02时之后IASI的RMSE基本平稳，略有上升，在约12时迅速下降，在17—20时降到最低值，之后上升；而控制试验模拟的RMSE在02时之后急速上升，在12时达到最大值4.0 m/s，之后下降，但是其值总是高于IASI同化资料模拟结果的RMSE。说明IASI同化资料在24 h预报中的模拟结果误差较小，且质量较稳定。两者的RMSE平均值分别为3.21、3.61 m/s，更进一步说明IASI同化资料能降低预报的均方根误差，对于改善模拟结果起积极作用。

图9 IASI同化资料（绿线）、控制试验（黑线）模拟结果和ECMWF再分析资料的风场均方根误差（单位：m/s）RMSE的时间序列

5 结论与讨论

选取GFS 0.25°×0.25°再分析资料，基于WRFV4.1数值预报模式和三维变分同化模块，实现IASI高光谱资料的云检测和质量控制的基础上，对2019年4月中国东部区域一次大风天气过程进行了数值模拟试验，定量考察了IASI红外辐射率资料在数值模式中的作用，得到以下结论：

（1）IASI通道299经过质量控制后，进行偏差订正后的模拟亮温比偏差订正前的模拟亮温更接近观测亮温；而偏差订正后的分析亮温又更接近模拟亮温，说明IASI资料同化可以有效改善亮温的模拟结果。

（2）IASI资料同化对模式的不同变量及在不同高度的同一变量的影响存在差异。对于变量u和v来说，资料同化在低层对其改变较小，在中层改变较大；对于变量t，IASI同化在低层对其改变较大，在中层改变减小。IASI资料同化对上述变量的改变都在高层达到最大。

（3）IASI不同通道资料同化的影响程度存在差异。不同通道使用的观测数目在经过云检测之后出现了很大差别；对比同化后的分析场和同化前的背景场的差的平均偏差和偏差标准差在IASI不同通道的区别，发现分析场与观测场的差更接近0，尤其是在通道0～800，说明IASI资料同化可以显著改善模拟结果，通道0～800的改善结果最佳。

（4）IASI同化试验大幅提升了下垫面风场的预报技巧。IASI同化试验提高了对地表和洋面的大风区域和强度预报的精确度，对大风天气出现的范围和风力、大风中心的风速预测更为准确。

（5）IASI同化试验的预报质量随时间比较稳定。在00时，IASI同化试验的均方根误差比控制试验的要大，但经过模式的积分预报之后显著减小，并且稳定维持在较低的水平，在17—20时降到最低值。而控制试验的均方根误差在开始预报后迅速增大，在12时达到最大之后开始下降，但始终高于IASI试验。说明IASI同化资料能降低预报的均方根误差，在24 h预报中的模拟结果误差较小，且质量较稳定。

本文对于IASI资料同化影响一次大风天气的情况进行了简单研究，对地面10 m风场的预报技巧有大幅改善。未来对数据的质量控制还有改进空间，四维变分、集合同化和集合变分混合同化等不同同化方案对预报技巧的影响也可以成为进一步研究的方向。

致谢：本论文的数值计算得到了南京信息工程大学高性能计算中心的计算支持与帮助，在此表示感谢！