雷达资料同化对一次飑线过程的模拟影响

邹玮 沈晗 ,2 袁慧玲

1 南京大学大气科学学院/中尺度灾害性天气教育部重点实验室, 南京 210023 2 中国民用航空华北地区空中交通管理局气象中心，北京 100621

1 引言

飑线是由多个雷暴单体组成的线状强对流系统，在其发展期间不断有新的回波生成与减弱，生命史短、空间尺度小，但其突发性强，发生发展强度大，移动快，往往造成不可估量的灾害。因此研究提高飑线系统的预报对防灾减灾有重要意义。

国内外诸多学者基于不同角度对飑线系统进行了深入研究。从统计角度，Bluestein and Jain（1985）基于雷达反射率数据将美国俄克拉荷马州的春季飑线分为断裂线型（Broken line）、后向建立型（Back building）、断裂区域型（Broken areal）及嵌入区域型（Embedded areal）。Meng et al.（2013）统计了发生在中国东部地区的96个飑线个例，指出国内飑线垂直风切变弱，环境场湿度大。从飑线结构角度，Zhang et al.（2012）提出干线附近是强对流天气的高发地带，冷涡后的横槽引导冷空气南下触发飑线生成。Ahasan and Debsarma（2015）发现高层副热带急流能加强垂直风切变，从而触发强对流系统的生成。Thorpe et al.（1982）指出垂直风切变是对流单体长时间维持的原因。Yang and Houze（1995）用2D非静力模式模拟了一次飑线过程，提出冰相微物理过程对尾向入流的结构很重要，修改水成物类型、冰相微物理方案以及环境湿度对风暴结构有明显影响。Dawson and Xue（2004）通过复杂云分析处理卫星及雷达数据提高了对弓形回波的位置预报。Adams-Selin et al.（2013）采用天气研究与预报模式（Weather Research and Forecast Model，简称WRF）中的8种微物理方案对一次飑线个例进行敏感性试验，结果表明含霰方案降水量峰值远远小于含雹方案，但前者产生了更强的大风。Bryan and Morrison（2012）探讨了不同水平分辨率对飑线模拟的影响，指出水平分辨率越粗，则系统发展越慢，且产生更多降水。张建军等（2016）采用ARPS模式针对一次飑线过程进行了二维数值模拟，指出低层水汽的能量释放直接影响了冷池前沿的动力结构，从而改变飑线强度模拟。周围等（2018）利用WRF模拟了华东地区的一次飑线过程，提出位势散度对飑线过程降水有较好的指示意义。

前人从不同角度对飑线进行了深入探讨，但如何利用这些特征对其进行精准预报仍是当前一大难题，利用观测资料及数值模式提升极端天气预报能力是当前国际发展的趋势（张小玲等, 2018）。高时空分辨率的雷达信息可以模拟强对流系统的四维精确的结构，但是雷达径向速度和反射率不是模式常规变量，因此许多研究致力于将雷达资料同化进入模式预报初始场。目前常用方法有集合卡尔曼滤波（Ensemble Kalman Filter，简称EnKF）（Tong and Xue, 2005; Aksoy et al., 2009; Wang et al., 2013a）、四 维 变 分（Four-Dimensional Variational，简 称4DVAR）（Xu, 1996; Sun and Crook, 1997, 1998;Sun, 2005; Sun and Zhang, 2008; Wang et al.,2013b）。近年来，越来越多学者试验混合同化，并得到了较好的预报结果（Houtekamer and Mitchell,1998; Hamill and Snyder, 2000; Gao and Stensrud,2014; Tai et al., 2017; Kong et al., 2018; Pan et al.,2018）。然而以上方法要求的计算资源条件非常高。三 维 变 分（Three-Dimensional Variational，简 称3DVAR）是目前世界上区域业务数值预报中主要的模式初始化系统（孙娟珍等, 2016），相较其他方法，3DVAR计算快速，分析结果稳定，通过循环同化可以加入天气系统随时间变化的信息，因此如何最优化利用3DVAR同化雷达资料以提高模式预报初始场具有至关重要的意义。考虑到变分系统能直接在代价函数中应用观测变量，通过最小化代价函数得到较为准确的分析场，美国俄克拉荷马大学的风暴分析及预报中心（Center for Analysis and Prediction of Storms, CAPS）研发了中尺度区域气象预报模式（Advanced Regional Prediction System，简称ARPS）3DVAR系统，并针对一次龙卷个例进行探讨，结果表明该系统极大地改善了模式预报结果（Xue et al., 2003）。

初始场中云水信息对强对流系统的数值预报至关重要。ARPS云分析系统基于美国国家海洋和大气管理局预报实验室研发的局地分析和预报系统（Local Analysis and Prediction System，LAPS）中的云分析模块（Albers et al., 1996）进行了修改，该模块包含了多种调整参数，直接处理雷达反射率数据，反演出热力场和微物理场。有少量研究对部分参数进行了探讨，如Hu and Xue（2007）的研究表明云分析中潜热温度调整方案适用于较长的同化间隔。Zhao and Xue（2009）发现若不进行水汽调整，则Ike台风的预报强度会被大大削弱。

同化雷达资料能改善强对流天气的预报，但是不同同化试验设置对系统初始和预报场有不同影响。Hu et al.（2006）运用ARPS 3DVAR系统和复杂云分析研究一次龙卷个例，发现间隔10 min同化雷达资料能抓住雷暴发展前3 h的主要特征。Dong and Xue（2013）设计了不同同化方案对台风个例进行预报，结果表明30 min间隔和10 min间隔试验结果类似。Pan and Wang（2019）探讨了不同同化间隔对模式平衡的影响，结果表明20 min的间隔更易使模式达到平衡。

随着国内强对流天气过程发生频率增加，提高其预报精确度至关重要，但是前期研究多集中于探讨飑线发生发展机制，而鲜有研究针对如何提高飑线降水预报，以及深入讨论雷达资料同化和复杂云分析系统中不同参数对飑线触发及发展机制的影响。因此本文选取2018年3月4日发生在中国南部的一次典型飑线过程，基于ARPS 3DVAR同化系统对雷达资料做同化分析，结合WRF数值模式模拟此次飑线过程，以期积累更多国内雷达资料同化提升飑线预报的经验。不同于以往文章只采用了少量雷达数据，本文采用了遍布湖南等省的共13部雷达观测数据，区域覆盖了此次飑线的发生发展范围。不仅如此，考虑到在同化方法中，ARPS复杂云分析系统能改善云微物理场的分布，但其对初始场及预报场的具体修改效果研究较少，尤其对雨水调整参数和垂直速度相关参数鲜有探讨，因此本文基于此角度进行了深入研究。

2 方法与试验设计

2.1 个例回顾

从2018年3月3日开始，连续有三段飑线过程在华中、华南区域不断生成，最后一段飑线从3月4日15时（协调世界时，下同）由零散回波开始发展，17时于湖南南部及江西中部地区形成完整弓形结构（图1），之后逐渐加强东移。系统在19时发展到最强，最大回波达到71 dBZ，此时横跨湖南、江西、福建、浙江四个省，最强小时降水量超过了40 mm。随后飑线向东南方向移动并且逐渐减弱，最终飑线于3月5日04时移到广东北部，其线性结构完全消散。这次强对流过程造成58.5万人受灾，14人死亡，直接经济损失达9.3亿元。

图1 2018年3月4日17时（协调世界时，下同）中国南部13部新一代天气雷达组合反射率因子（单位：dBZ）。红色实线表示垂直于飑线移动方向的垂直剖面位置Fig. 1 Composite radar reflectivity (units: dBZ) of 13 new-generation weather radars in southern China at 1700 UTC 4 March 2018. The red solid line indicates a cross section perpendicular to the moving direction of the squall line

本文基于美国环境预报中心（National Centers for Environmental Prediction，简称NCEP）全球预报模式（Global Forecast System，简称GFS）每日发布的分析场数据探讨此次过程的环流背景。2018年3月4日12时（飑线发生前3 h），湖南等省位于高空300 hPa急流轴风核的左前象限（图略），500 hPa（图2a）有一支高空槽位于湖南中部上空（27°N，110°E），高空盛行西南偏西气流。850 hPa（图2b）湖南中北部出现一个低空切变线，并有强低涡发展，构建了水汽通道（图2c），水汽在湖南、江西等地大量辐合，高空急流出口区的正涡度区与低空急流大风核左前方上下重叠。但是此次过程的不稳定能量比较低（图2d），Takemi（2007）提出静力稳定度才是决定飑线强度的控制参数，只有在环境静力稳定度均匀一致时，对流有效位能（Convective Available Potential Energy，简称CAPE）才能很好地表征对流系统的发生、发展。因此高低空急流之间相互配置，高空槽与低空切变线触发了此次强对流天气过程，再加上充足的水汽来源，增强了此次过程的对流活动。根据丁一汇等（1982）对中国飑线的分类，此次飑线属于槽前型。

图2 2018年3月4日12时GFS分析场（a）500 hPa、（b）850 hPa风场（风向杆，单位：m s−1）和位势高度（填色，单位：gpm），（c）850 hPa水汽通量散度（填色，单位：g s−1 cm−2 hPa−1，负值表示水汽辐合）、水汽通量（箭头，单位：g s−1 cm−1 hPa−1），（d）地面对流有效位能（单位：J kg−1）Fig. 2 Wind (barbs, units: m s−1) and geopotential height (shadings, units: gpm) at (a) 500 hPa and (b) 850 hPa, (c) moisture flux divergence(shadings, units: g s−1 cm−2 hPa−1, negative values represent horizontal mass convergence) and its corresponding moisture flux (arrows, units: g s−1 cm−1 hPa−1), (d) convective available potential energy (CAPE) (units: J kg−1) at the surface from the GFS (Global Forecast System) analysis at 1200 UTC 4 March 2018

2.2 模拟试验设计

本文运用WRFV3.7数值模式进行积分预报，使用3 km水平格点分辨率，区域水平格点设置为620（纬向）×460（经向），覆盖了系统发展及传播的整个区域（图3），垂直层数为60层，模式顶层气压为50 hPa，模拟未采用嵌套。利用3月4日12时的GFS分析场作为预报初始背景场，控制试验（CNTL）中模式预报了18 h，总体设置了四组同化试验（图4），使用ARPS 3DVAR（Gao et al., 2002）分析雷达径向风速（Vr）数据，并通过ARPS包含的复杂云分析模块（Brewster, 1996,2002; Zhang et al., 1998）处理雷达反射率（Z）数据。第一组试验仅同化了3月4日12时一个时次，在此基础上进行18 h的预报，该部分由三个试验组成，即仅同化Vr（Exp1Vr），仅分析Z（Exp1Z），以及同时同化Vr和Z（Exp1All），旨在探讨Vr和Z对飑线系统初始场和预报场的影响。为了考察模式直接同化与自调整（spin-up）后再同化的区别，设计了ExpSPstart试验（先通过WRF模式积分3 h至15时，再利用ARPS同化15时单次时刻的雷达资料）。为了探讨模拟飑线过程的最优循环同化方案，另外三组试验均先用WRF模式从12时积分2 h至14时，在14～15时同化窗口内进行循环同化（表1、表2）；其中，第二组试验讨论不同同化时间间隔方案：1 h（Exp2All1h2t）、30 min（Exp2All30m3t）、12 min（Exp2All12m6t）、6 min（Exp2All6m11t）。第三组试验以12 min为间隔讨论不同同化次数的影响，分别同化2次（Exp3All12m2t）、4次（Exp3All12m4t）以及6次（Exp2All12m6t），其中Exp3All12m2t同化了14:48、15时的资料，Exp3All12m4t同化了14:24、14:36、14:48、15时的资料。

图3 模式区域设置。填色表示地形高度（单位：m）Fig. 3 Model domain configuration. The shadings represent the elevation (units: m)

图4 同化试验流程图Fig. 4 Flowchart of data assimilation experiments

表1 第一组、第二组和第三组同化试验设计Table 1 List of different data assimilation experiments

表2 云分析参数敏感性试验设计Table 2 Design of cloud analysis parameter sensitivity test

ARPS云分析模块包含多种微物理调整参数，该模块在处理雷达反射率数据时，首先给定云内达到湿绝热上升后生成液态含水量时的反射率阈值，利用反射率方程进行反演计算，从而判断出水成物类型，并基于模式背景场的相对湿度进行云内湿度场调整，结合给定的云微物理方案进行水汽调整，最后依据选择的温度调整方案进行温度场调整。雨水调整过程分别采用Kessler（Kessler, 1995）和Ferrier（Ferrier, 1994）方案，后者考虑了冰相过程。Qrlimit参数是分析场中的雨、雪及雹的最大输出混合比，Frac_qr_2_qc参数调整初始场中雨水/冰向云水转换的比例。温度调整主要有云内凝结潜热释放方案（LH）和湿绝热廓线调整方案（MA），LH主要基于云水/冰的潜热释放调整分析场内的温度，MA考虑了湿空气块上升时的温度变化，因此后者更能表征对流单体中的物理状态。垂直速度调整参数可以调整积云及层状云内垂直速度，其中积云内最大垂直速度由云高与Wmhr_Cu参数的乘积决定，因此，改变Wmhr_Cu参数间接调整了积云内的最大垂直速度。在第二组和第三组试验中，云分析调整参数开关均打开，为了讨论不同参数对分析场水成物的影响，基于第二组试验的最优结果开展了第四组试验（表2）。首先，分别关闭水汽调整（Qcopt=0，Exp4AllQC0）、湿度调整（Qvopt=0，Exp4AllQV0）、温度调整（Ptopt=0，Exp4AllPT0）、雨水调整（Qropt=0，Exp4AllQR0）、垂直速度调整（Wopt=0，Exp4AllW0）。其次，探讨温度调整中LH方案（Ptopt=3，Exp4AllPT3）和MA方案（Ptopt=5，Exp2All12m6t），以及雨水调整中Kessler（Qropt=1，Exp4AllQR1）和Ferrier（Qropt=2，Exp2All12m6t）计算方案的影响。最后，将雨水向云水转换比例参数Frac_qr_2_qc（Exp4Allqr2qc）从0增大至0.4，将Wmhr_Cu参数增大10倍（Exp4AllwmhrCu），将Qrlimit参数（Exp4Allqrlmt）缩小10倍；针对以上每个参数各设置了敏感性试验，第四组试验中循环同化设置和第二组试验中的Exp2All12m6t试验相同。循环同化雷达资料后利用WRF模式从15时开始积分15 h。所有试验采用的物理方案保持一致，云微物理方案采用WDM6（Lim and Hong, 2010），长波辐射方案采用RRTM方案（Mlawer et al., 1997），短波辐射方案采用Dudhia方案（Dudhia, 1989），边界层方案采用MYJ方案（Janjić, 2001），陆面方案采用Noah方案（Chen et al., 1996）；由于分辨率足够高，因此没有使用积云参数化方案。采用湖南、江西、广西共12部S波段新一代多普勒雷达及1部C波段雷达的反射率和径向风数据，采用ARPS中的88d2arps模块对雷达观测数据进行质量处理，并使用ARPS后处理模块生成雷达拼图作为观测对比。

3 试验结果与讨论

3.1 雷达径向风速和反射率对飑线系统的影响

首先考察Vr及Z对初始场中组合反射率的影响，初始时刻回波主体位于江西省与湖南省的交界处，湖南南部有零散回波块（图5a），CNTL试验（图5b）和Exp1Vr试验（图5c）均未能模拟出对流回波，Exp1Z试验（图5d）和Exp1All试验（图5e）较准确地模拟出了对流回波的结构及位置，并且精准预报出了最强回波带的强度，Exp1All和Exp1Z试验结果差别很小，表明利用复杂云分析系统同化Z后明显改善了模式预报初始场。

图5 2018年3月4日12时组合反射率（单位：dBZ）：（a）中国南部13部新一代多普勒天气雷达；（b）CNTL试验；（c）Exp1Vr试验；（d）Exp1Z试验；（e）Exp1All试验Fig. 5 Composite reflectivity (units: dBZ) at 1200 UTC 4 March 2018: (a) 13 new generation weather radars in southern China; (b) CNTL experiment; (c) Exp1Vr experiment; (d) Exp1Z experiment; (e) Exp1All experiment

1 h后回波向东南向移动（图略），Exp1All试验和Exp1Z试验预报的回波结构与位置和观测一致，最大值为55 dBZ，接近实际观测（59.9 dBZ），且其预报出了系统东南向的移动。CNTL试验仍在调整阶段，没有预报出系统，Exp1Vr试验预报出了主体回波结构，但是回波位置偏差很大，位于江西中部，并且强度远远弱于观测。综上所述，在飑线系统的预报中，由于Z改善了初始场的水凝物信息，明显减少了模式自调整时间，使初始场和预报场与实际观测十分接近，这也表明复杂云分析系统能较明显改善对飑线系统的模拟。4 h后，Exp1Vr试验中飑线结构得到了较好的发展，生成的系统位置及反射率强度与另外两组同化试验（Exp1All和Exp1Z）近乎一致，并接近于观测，说明同化Vr后通过模式的动力调整，改善了系统预报。CNTL试验中回波大值区较同化后的试验偏弱，且仍未预报出位于湖南的零散块状回波，但CNTL试验预报的飑线主体弓形回波结构与几组同化试验趋于一致（图略），表明云分析的作用在此次飑线过程中只能维持3～4 h。相较而言，ExpSPstart试验得到的组合反射率强度以及结构与观测更为接近（图略），所以让模式先自行调整生成较为平衡的初始场，在此基础上再进行同化会得到更好的预报结果，因此本文之后的循环同化试验均先让模式自调整2 h后再进行同化。

郑淋淋等（2019）提出垂直风切变减弱了强对流系统中上升气流与下沉气流的相互干扰，有利于系统的加强维持，Rotunno et al.（1988）经过数值模拟试验也证实了RKW（Rotunno-Klemp-Weisman）飑线维持机制，即当冷池与垂直风切变强度相当时最利于系统的发展传播。飑线是准二维结构分布系统，在雷达回波上主要呈现狭窄带状分布，考虑到本文的飑线个例主要向东南方向发展移动，为了使全文较一致，本文垂直于飑线，平行于其移动方向截取了一个剖面（27°N，114°E）–（25°N，116°E）。如图1红色实线所示，该剖面经纬度跨度相对较大，延展范围包含了从飑线弓形结构初始形成时（17时）到强烈发展（19时）整个阶段。考察飑线发展最强时刻（19时）雷达资料同化对系统动力场和温度场的影响（图6）。700～1000 hPa层，Exp1Vr试验的切变值达到24 m s−1，属于强垂直风切变，而CNTL试验仅为12 m s−1，Exp1Z试验为16 m s−1，仅为中等强度，由此可知Vr通过改善系统动力场为对流系统的组织发展提供了有利条件。根据James et al.（2006）定义，扰动温度低于−1 K时可以定义为冷池。如图6中红色圆圈内所示，飑线系统前沿在（26.0°N，115.0°E）处旺盛发展，Exp1All试验及Exp1Z试验中对流单体发展后方（26.2°N，114.8°E），近地面产生了较为深厚的冷池，扰动温度低于了−9 K，Exp1Vr试验的最大扰动值也达到了−6 K，但是冷池较浅，相较之下CNTL试验冷空气下沉产生的变温最弱。因此同化Vr和Z有效改善了飑线热动力场，从而促进其发生、发展。

图6 2018年3月4日19时扰动位温（填色，单位：K）、组合反射率（黑色等值线，单位：dBZ）及水平风场的垂直切变（风羽，单位：m s−1）沿（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（a）CNTL试验；（b）Exp1Vr试验；（c）Exp1Z试验；（d）Exp1All试验Fig. 6 Cross sections of temperature perturbation (shadings, units: K), composite reflectivity (black contours, units: dBZ), and vertical wind shear(barbs, units: m s−1) of horizontal wind field along (27°N, 114°E)–(25°N, 116°E) at 1900 UTC 4 March 2018: (a) CNTL experiment; (b) Exp1Vr experiment; (c) Exp1Z experiment; (d) Exp1All experiment

采用公平技巧评分（Equitable Threat Score，简称ETS）定量考察同化雷达数据对飑线系统降水预报的影响，选定不同的每小时降水量阈值0.1 mm、2.5 mm、8 mm、16 mm，分别对应小雨、中雨、大雨、暴雨。总体来看，Exp1All试验和Exp1Z试验的评分走向较为一致（图7），在13时，Exp1Z试验甚至略高于Exp1All试验，针对不同量级降水，两者评分均为最高，但在2 h后急剧下降，而后又呈U型结构上升，这是因为模式动力场和热力场不断调整和平衡的原因（Zhao and Xue, 2009），两个试验在预报时段内整体表现较好。对不同阈值，Exp1Vr试验初始阶段评分最低，符合客观分析结果，仅同化Vr并不能在一开始就调整出回波；但是在2 h后评分不断升高，尤其是对于小雨和暴雨量级，Exp1Vr试验在对流发展强烈阶段（19时）评分最高。分析垂直速度剖面（图略），发现Exp1Vr试验对流发展区域垂直速度增强，加入Vr信息改善了动力结构，因此更能维持系统对流活动的发展，提高后期降水预报。Xue et al.（2014）也指出径向速度和3DVAR的动力约束对低层的中尺度涡旋比较重要，只同化反射率则不能预报出中尺度气旋的强度，因此对系统之后的维持起的作用相对于Vr较小。CNTL试验一开始评分很较低，经过了4 h的平衡调整后评分也逐渐升高，但整体评分仍低于Exp1All试验和Exp1Z试验。在3月5日00时后几个试验结果趋于一致，这表明雷达数据的影响在这之后开始消散。综上所述，从定量分析的角度也可以看出由于Z改善了初始场中水凝物分布，因此在模式预报前几个小时，Exp1Z试验的评分较高；而Vr主要对系统动力进行了改善，从而更能维持强对流发展，因此Exp1Vr试验的评分虽然一开始不高，但在之后逐步上升，并且从该试验也可看出同化雷达信息后明显缩短了模式自调整时间。

图7 2018年3月4日12时至3月5日06时第一组试验（表1）不同阈值下每小时累积降水量ETS评分：（a）0.1 mm；（b）2.5 mm；（c）8 mm；（d）16 mmFig. 7 ETS scores of predicted hourly accumulated rainfall at the thresholds of (a) 0.1 mm, (b) 2.5 mm, (c) 8 mm, and (d) 16 mm for the first group of experiments (Table 1) from 1200 UTC 4 March to 0600 UTC 5 March 2018

3.2 不同同化方案设计

3.2.1 不同同化间隔

同化Vr和Z均对系统有正效应，并且由ExpSPstart试验得到让模式先自调整一定时间后得到的初始场更与实际相符合，因此在第二组试验中，同时同化两种数据，设计不同的循环同化方案，选择飑线系统预报的最优方案。

考察初始场（15时），回波主体位于江西，湖南和广东西北部有零散回波单体，最强回波值达到54 dBZ（图8a）。几个试验均准确模拟出了回波结构，Exp2All1h2t试验（图8b）和Exp2All30m3t试验（图8c）模拟的回波最大值为55 dBZ，与观测接近，但是最大值位于西南回波带上，其余地方均为50 dBZ，尤其对于东北带回波模拟相对较弱。Exp2All12m6t试验模拟的回波最大值为60 dBZ，虽然有所高估，但是大值区出现的位置与观测对应，且在西南带和东北带上大值均为55 dBZ，与雷达拼图相符合。Exp2All6m11t试验的模拟结果与12 min间隔近似，但前者未模拟出湖南西北部零散回波的分布。总体来看，循环同化雷达数据大大改善了回波的初始结构，不同间隔时间对于回波强度、大值区分布及其中小回波的分布有较大影响。

图8 2018年3月4日15时 组 合 反 射 率（单 位：dBZ）：（a）中 国 南 部13部 新 一 代 多 普 勒 天 气 雷 达；（b）Exp2All1h2t试 验；（c）Exp2All30m3t试验；（d）Exp2All12m6t试验；（e）ExpSPstart试验Fig. 8 Composite reflectivity (units: dBZ) at 1500 UTC 4 March 2018: (a) 13 new generation weather radars in southern China; (b) Exp2All1h2t experiment; (c) Exp2All30m3t experiment; (d) Exp2All12m6t experiment; (e) ExpSPstart experiment

1 h预报中（图略），回波分为三块：位于湖南西北部的飑线后部回波、位于广东西北部边界的零散回波、跨越湖南南部至江西省弓形结构回波，最大反射率为59.2 dBZ，回波主体有多个大值区，系统东南移动方向上新的回波不断生成。不同间隔同化试验均较准确地预报出了回波结构，Exp2All1h2t试验和Exp2All30m3t试验只预报出了一个60 dBZ的大值中心，接近观测，但是新生回波位置稍偏北，Exp2All12m6t试验预报的最大反射率偏强，为65 dBZ，但是较准确地预报出了飑线移动前方新回波生成以及宽广的回波范围，并且系统移动速度与观测更为一致。Exp2All6m11t试验预报的强度以及结构都与观测接近，但产生了较多的虚假回波。

由RKW机制可知当近地面冷池产生的负涡度与低层垂直风切变产生的正涡度大小相当时最有利于飑线系统的发展。在飑线触发阶段（16时），Exp2All1h2t（图9a）垂直上升运动很弱，垂直P速度最大只有10 Pa s−1，Exp2All30m3t（图9b）也仅达到了20 Pa s−1，且负涡度较弱，不利于系统进一步发展。Exp2All12m6t（图9c）低层产生了很强的正涡度，表明有较强低空垂直风切变，冷池出流加强了单体上升运动，最大垂直P速度达到了50 Pa s−1，对流活动最高伸展至300 hPa，并且飑线移动前方正负涡度强度相当，利于新单体发展。Exp2All6m11t（图9d）移动前方（26.6°N，114.4°E）产生了具有强上升速度的新对流单体，因此组合反射率预报偏强，产生许多虚假回波。

图9 2018年3月4日16时不同同化间隔下绝对涡度（填色，单位：10−5 s−1）及p坐标系下垂直速度（黑色等值线，单位：Pa s−1）沿图1中红色线段（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（a）1 h；（b）30 min；（c）12 min；（d）6 minFig. 9 Cross sections of absolute vorticity (shadings, units: 10−5 s−1) and vertical velocity (black contours, units: Pa s−1) on the p coordinate with different assimilation intervals along red line (27°N, 114°E)–(25°N, 116°E) in Fig. 1 at 1600 UTC 4 March 2018: (a) 1 h; (b) 30 min; (c) 12 min;(d) 6 min

低层湿环境有利于飑线系统的发生、发展，相对于国外飑线，国内飑线低层湿度往往更大（Meng et al., 2013; Zhang, 1999）。几个试验中单体前方高层均有大范围的干冷空气入侵（图10），低层有暖湿气流，产生下暖上冷的不稳定层结，但是Exp2All1h2t试验（图10a）中对流单体发展区域整层空气温度为330 K，相对较低。Exp2All30m3t试验（图10b）中相对湿度达到90%的范围较小，但低层冷池温度相对较高。Exp2All6m11t试验（图10d）冷池较强，低至300 K，但其冷空气范围更小。而Exp2All12m6t试验（图10c）系统对流上升造成潜热释放，因此在单体对流区域垂直方向上形成了一条暖湿通道，从低层到500 hPa相对湿度都达到了90%，并且在近地面冷池很强，相对位温低至310 K。总体而言，同化间隔时间越长，预报的热力条件以及湿度条件是相对较弱的，因此产生的系统强度也偏弱。

图10 同图9，但为相当位温（填色，单位：K）、相对湿度（黑色等值线，单位：%）的垂直剖面分布Fig. 10 As in Fig. 9, but for cross sections of equivalent potential temperature (shadings, units: K) and relative humidity (black contours, units: %)

从动力角度分析不同同化方案对初始场的改善，分析300 hPa（图略）和850 hPa辐合、辐散场，Exp2All1h2t试验和Exp2All30m3t试验模拟的辐合、辐散场均偏弱。Exp2All12m6t试验和Exp2All6m11t试验模拟出了尾流低压，中心位势高度为1360 gpm，低空切变线北部风速更大，飑线系统前面的西南风速达到28 m s−1。结果表明同化雷达资料后，通过改善高低空风场，模拟出触发飑线生成的低空切变线，得到了更好的对流活动发展条件，从而提高预报水平，而同化间隔越短，初始场动力触发机制越强。

考虑到此次个例在17时完全形成弓形回波的结构，然后开始发展加强，因此接下来考察该时刻下不同同化方案对系统垂直风切变的模拟（图略）。Exp2All1h2t试验中近地面冷池强度较弱，低空垂直风切变为16 m s−1。Exp2All30m3t试验新生成的单体后方近地面冷池也有所加强，但是低空垂直风切变很弱。Exp2All12m6t试验和Exp2All6m11t试验中近地面冷池均很强，扰动位温达到了−9 K，低空垂直风切变达到了20 m s−1，并且与回波近似垂直。

从定量的角度考虑，考虑对不同降水量级的ETS评分（图略），Exp2All12m6t试验和Exp2All6m11t试验的评分是最高的，但是分数下降较快，只维持了3 h的同化效果，而后评分开始再次升高，表明通过Vr对系统动力场的改善，在模式动力及热力相互适应调整后提高了降水预报水平。Exp2All1h2t试验在不同降水量级下评分都是最差的，30 min次之。总体而言，12 min间隔得到了最好的降水预报结果。

由以上结论可知，并不是同化间隔越短得到的分析场及预报场结果越好，6 min间隔生成了很多虚假回波，这是因为模式在短时间内没有调整到稳定状态，因此在此基础上接连同化不能生成较好的分析场。参考Pan and Wang（2019），本文通过1 h预报内最大垂直速度的变化表征模式自调整的稳定特征（图11），其中1 h和30 min间隔产生的垂直速度均偏小，而6 min间隔迟于12 min间隔调整到稳定状态，因此并不是同化间隔时间越短越好。

图11 2018年3月4日第二组试验（表1）初始1 h预报时段（15～16时）850 hPa每分钟最大垂直速度（单位：m s−1）的变化Fig. 11 Variation of the maximum vertical velocity (units: m s−1) per minute at 850 hPa during the initial 1 h forecast period (from 1500 UTC to 1600 UTC) for the second group of experiments (Table 1) on 4 March 2018

3.2.2 不同同化次数

第二组试验结果表明12 min为最优间隔同化时间，基于此结论对同化次数进行探讨。对反射率初始场及1 h预报场进行分析（图略），发现同化次数越少得到的对流回波越弱。深入研究其动力结构（图略），也可以发现，同化次数越少，产生的垂直对流活动是较弱的，并且Exp3All12m2t试验在对流正旺盛发展区域有下沉运动。考虑对热力场的影响（图略），Exp3All12m2t试验在对流发展区域，整层大气温度均较低，低层相对湿度仅达到70%。增加同化次数，Exp3All12m4t试验由于对流上升运动释放凝结潜热，对流发展区域从近地面到中高层温度相对较高，低层相对湿度增大，达到了90%，因此同化次数的增多也能改善飑线发展的热力条件。考虑几组试验高空辐散场分布，Exp3All12m2t试验和Exp3All12m4t试验相对于Exp3All12m6t试验的高空辐散结构更加分散，并且相对偏弱。850 hPa位势高度场上，Exp3All12m2t试验系统后部低压中心最弱，随着同化次数增加，系统尾流低压逐渐增强，切变线的位置南移。不仅如此，Exp3All12m2t试验和Exp3All12m4t试验产生的低空垂直风切变和冷池强度明显比Exp3All12m6t试验弱（图略）。

定量分析同化次数对降水预报的影响（图12），结果表明，对于小雨和中雨量级，同化次数越多得到的评分越高，对于大到暴雨的降水评分反之，这可能是同化次数越多在初始时刻对天气系统加强明显，造成大值降水与实际观测相较在一定程度上偏强；2 h后Exp3All12m6t试验评分明显高于Exp3All12m2t试验和Exp3All12m4t试验，表明同化次数越多，降水预报越能得到改善。

图12 2018年3月4日15时至3月5日06时第三组试验（表1）不同阈值下每小时累积降水量ETS评分：（a）0.1 mm；（b）2.5 mm；（c）8 mm；（d）16 mmFig. 12 ETS scores of predicted hourly accumulated rainfall at the thresholds of (a) 0.1 mm, (b) 2.5 mm, (c) 8 mm, and (d) 16 mm for the third group of experiments (Table 1) from 1500 UTC 4 March to 0600 UTC 5 March 2018

由于ETS评分并未考虑降水空间分布情况，仅根据格点之间预报和观测的相互对应进行评判，因而随着模式分辨率的增大，评分误差也会相应增大，因此本文进一步采用分数技巧评分（Fraction Skill Score，简称FSS）对第三组试验预报结果进行评估。FSS评分结果与ETS评分结果几乎一致，针对小雨和中雨量级（图13a、b），同化次数越多，对系统初始及发展时刻的降水预报结果越好，而对大到暴雨量级（图13c、d），系统发展阶段的FSS评分相对较低。与ETS评分有所差异的是，对中雨量级的降水，三组试验最初几个小时的评分差异较小；对大雨量级的降水，Exp3All12m6t试验初始几个小时评分较低，但在系统强烈发展阶段，评分远高于另外两组试验。

图13 同图12，但为每小时累积降水量的FSS评分Fig. 13 As in Fig. 12, but for FSS scores of predicted hourly accumulated rainfall

4 云分析参数敏感性试验

分析初始场水凝物分布，Exp2All12m6t试验（图14a）中云水混合比极大值位于700 hPa，飑线移动前方400～800 hPa云水含量充足，利于对流发展。若分别关闭水汽（图14d）、湿度（图14e）、雨水调整（图14f），分析场中云水过少。若减小雨水/冰上限分析值（Qrlimit）（图14h），由于雨水/冰输出量受到限制，增大了高层云水含量，极大值位于500 hPa以上，达到1.2 g kg−1。若增大雨水/冰 至 云 水 转 换 率（Frac_qr_2_qc）（图14i），则更多雨水向云水转换，因此分析场中云水混合比明显增多。若通过潜热方案（LH）调整温度场（图14c），由于循环同化过程中生成的水凝物通过凝结释放加入了过多潜热，造成更强的对流运动，因此在400 hPa出现了云水极大值。而由于湿绝热廓线方案（MA）考虑了气块上升过程中的温度变化，因此产生的云水混合比分布高度不会过高（图14a）。改变垂直速度相关参数，几乎未对初始场中云水含量产生影响（图14j、k）。

图14 2018年3月4日15时Exp2All12m6t试验（a）初始参数配置、（b–k）调整参数后云水混合比（单位：g kg−1）沿图1中红色线段（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（b）温度调整方案Ptopt=0；（c）温度调整方案Ptopt=3；（d）水汽调整方案Qcopt=0；（e）湿度调整方案Qvopt=0；（f）雨水调整方案Qropt=0；（g）雨水调整方案Qropt=1；（h）水成物最大输出混合比Qrlimit=0.0005；（i）雨水/冰向云水的转换比例Frac_qr_2_qc=0.4；（j）垂直速度调整方案Wopt=0；（k）积云内最大垂直速度Wmhr_Cu=0.005Fig. 14 Cross sections of the cloud water mixing ratio (units: g kg−1) in (a) the initial parameter configuration, (b–k) after adjusting the parameters of Exp2All12m6t experiment along red line (27°N, 114°E)–(25°N, 116°E) in Fig. 1 at 1500 UTC 4 March 2018: (b) Temperature option Ptopt = 0;(c) temperature option Ptopt = 3; (d) water vapor Qcopt = 0; (e) humidity Qvopt = 0; (f) rainwater Qropt = 0; (g) rainwater Qropt = 1; (h) maximum mixing ratio of hydrometeors Qrlimit = 0.0005; (i) conversion ratio of rain/ice to cloud water Frac_qr_2_qc = 0.4; (j) vertical velocity Wopt = 0;(k) maximum vertical speed in cumulus clouds Wmhr_Cu = 0.005

雨水调整相关参数直接影响了初始场中的雨水及云冰混合比，若关闭湿度及雨水调整，雨水混合比大幅增加（图略），云冰含量降低。减小雨水/冰上限分析值（Qrlimit）和增大雨水/冰至云水转换率（Frac_qr_2_qc），均使分析场中雨水含量明显减少，因此高空中由于温度过低，云水直接转换为云冰，导致云冰混合比增大（图略）。其余云分析参数对液态水含量影响较小。

系统最大垂直速度（Wmax）表征不同云分析参数对动力结构的影响（图15），当不进行水汽调整、温度调整、湿度调整时，Wmax偏小，不进行雨水调整也会引起最大垂直速度的较大差异；而直接关掉垂直速度调整参数对系统整体模拟最初几个小时影响不大，但在2 h后Wmax有所下降，整体来看垂直速度调整参数影响较小，这可能是因为通过初始场水成物潜热释放过程仍能产生强对流活动。4 h后，几个试验趋于一致，这表明云分析作用随后逐渐消失。因此云分析调整参数不仅对水成物初始场有影响，对系统动力场也有较大改善。

图15 2018年3月4日15时至3月5日06时不同云参数敏感性试验每小时700 hPa最大垂直速度（单位：m s−1）Fig. 15 Hourly maximum vertical velocity (units: m s−1) at 700 hPa of different sensitivity tests on complex cloud analysis from 1500 UTC 4 March to 0600 UTC 5 March 2018

检验不同云分析参数对降水预报的影响（图略）表明，对小雨、中雨及大雨量级而言，若不进行湿度调整，则评分会大幅降低。温度调整方案对降水预报影响仅次于湿度调整，针对本次个例，温度调整中MA方案对小雨和中雨量级的降水预报较好，LH方案对大雨及暴雨预报的评分较高，这是因为LH方案释放了较多潜热，在系统发展后期更能维持对流发展。如果不进行雨水调整，则评分在2 h后下降明显，使用Kessler方案在大雨和暴雨量级得到了更高的评分，这是由于在此次对流个例中，主要是液相粒子作用。对于大雨，若不进行垂直速度调整，在2 h后评分降低，但对于其他降水量级，垂直速度相关参数的影响都较弱，表明垂直参数仍能在一定程度上增强对流。

5 总结与讨论

本文利用ARPS的三维变分模块（ARPS 3Dvar）、复杂云分析模块及WRF模式，针对华南一次春季飑线过程展开研究，讨论飑线触发及其发展机制及预报的可行性。得出以下结论：

（1）雷达反射率数据同化主要是改善了初始场的水凝物分布，而雷达径向速度数据同化主要改善了飑线系统动力结构的预报。径向速度数据同化使WRF模式在此过程积分后期更有利于维持对流系统的发展，从而提高降水预报准确性。雷达反射率数据同化大大减少了WRF模式自适应（spin-up）时间，经过2 h左右的自行调整后，预报结果更加合理可靠。

（2）不同同化时间间隔的对比试验表明，12分钟同化间隔的预报效果最优。模拟的冷池和垂直风切变较强，且相当位温和相对湿度分布结果更有利于飑线系统发展；客观ETS和FSS评分结果也定量表明，12分钟同化间隔产生的降水预报效果最佳。在12分钟同化间隔固定条件下，同化次数越多得到的降水预报结果越好。这表明雷达实况数据经过合理时间间隔的多次融合，可以使预报结果更好。

（3）复杂云分析参数主要对水凝物初始场进行调整，其中水汽、雨水调整对系统初始场影响较大，而垂直速度调整影响相对较小。由于改善水成物分布，模拟的强对流系统发展后期潜热释放更利于对流上升运动增强，使飑线系统内的云水及冰晶粒子增加。同时，云分析参数对系统动力结构也有一定影响，湿度调整、温度调整和水汽调整对最大垂直速度的模拟结果影响较大，雨水调整则对系统动力结构模拟结果有较大影响。

本文工作仅是针对一次飑线过程，得到的结果有一定的局限性，考虑到不同个例发生、发展机制的不同，今后应该对更多实际飑线过程进行研究。同时，云分析的主要作用是改善模式中初始场水凝物等气象要素的分布，使其更接近于实况，进而改善短时预报质量，对于较长时间的降水预报，微物理方案的合理设置更为关键，因此，如何利用云分析方案与微物理方案合理搭配来提高降水预报效果，也是值得深入探讨的问题。