台风“灿鸿”(1509)的适应性观测敏感区特征及 其模拟观测同化研究

陈思远 马旭林 孙璐 潘贤 宏观

摘要  适应性观测可以改善资料同化和预报质量。本文利用集合卡尔曼变换适应性观测系统对2015年09号台风“灿鸿”进行了观测敏感区识别，并以第一目标时刻的观测敏感区为基础，运用观测系统模拟试验方法获取模拟的适应性观测资料。基于WRF中尺度同化和预报系统，开展了适应性观测敏感区模拟资料的同化和预报试验。研究发现，台风“灿鸿”（1509）的观测敏感区主要位于台风中心的东北侧及东南侧。同化敏感区内模拟观测资料比同化常规观测资料能更好地改善分析质量和高度、台风路径的预报质量，但对降水的预报改善较弱。

关键词  资料同化; OSSE; 适应性观测; 目标观测; 敏感区; ETKF

台风、暴雨和强对流等高影响性天气系统是我国典型的气象灾害（高彦青等，2022）。改善高影响天气系统的数值预报准确率对降低气象灾害经济损失具有重要意义，这也是急需解决的一项科学难题与挑战（马旭林等，2015a）。基于预报误差传播特征及其可预报性问题的研究（朱跃建，2020）表明，诸如台风等高影响天气系统在其上游地区通常都存在有观测敏感区（sensitive region），且在该敏感区内增加观测可以提高资料同化的分析质量，从而提升数值模式预报准确度。由此，科学家提出了目标观测（targeting observation）或适应性观测（adaptive observation）的思想（Rabier et al.，1996;Pu et al.，1997;Bergot et al.，1999），即针对一次高影响天气的常规单一确定性预报或集合预报，基于指定的验证区和验证时间识别出相应的观测敏感区，在该观测敏感区内加强观测并进行同化，以有效改善数值模式的初值质量，从而获得质量更高的模式预报结果。经过前期欧洲和美国等大量的外场观测试验和研究，2004年国际气象组织（WMO）在全球观测系统研究与可预报性试验（THORPEX）中确认了目标观测方法的有效性和可行性，将其纳入改善高影响天气系统预报质量的有效方式（Melvyn et al.，2004）。

针对适应性观测，国外已先后开展了大量的外场试验，并提出了多种观测敏感区识别的适应性观测方法（Joly et al.，1997;Toth et al.，1999;Mansfield et al.，2004），主要包括基于线性近似的误差动力学识别敏感区的奇异向量法、分析敏感性法、观测敏感性方法、准线性逆模式法与梯度敏感性法（Langland and Rohaly，1996;Palmer et al.，1998;Pu et al.，1998;Buizza and Montani，1999;Pu and Kalnay，1999;Baker and Daley，2007）;以及以集合预报为基础，基于集合预报非线性增长的误差动力学的集合发散法、集合变换法和集合卡尔曼变换法（Lorenz and Emanuel，1998;Bishop and Toth，1999;Majumdar et al.，2002）。国内科研人员也开展了适应性观测外场试验，并对适应性观测方法开展了诸多研究。马旭林（2008）基于集合卡尔曼滤波变换（Ensemble Transform Kalmen Filter，ETKF）理论，以总能量构造信号方差，发展建立了适用于我国高影响天气系统的ETKF适应性观测系统，并以我国的台风系统及中纬度降水系统为例，证明了该适应性观测方案的可行性。随后，张宇等（2012）进一步拓展了信号方差的表征方式，建立了包含湿度信息的总能量度量函数，进一步改善了观测敏感区的识别质量。在此基础上，于月明（2014）针对北京环暴雨系统，进一步优化了信号方差的构造方法，将全能量作为度量函数，为敏感区的识别引入了更多的水汽信息，有效地提高了中纬度降水系统敏感区的识别准确度，进一步推动了ETKF适应性观测系统的发展。此外，穆穆等（2007）也提出了以条件非线性最优扰动（Condition Nonlinear Optimal Perturbation，CNOP）为基础的适应性观测方法，一定程度上弥补了传统奇异向量方法不能描述非线性初始误差增长的缺陷。Qin et al.（2013）利用该方法对20个台风进行了分析，结果表明有13个台风个例的预报质量得到了明显提升。但CNOP的求解是一种带有等式及不等式约束条件的非线性优化问题，需要计算目标函数中初始扰动的梯度，意味着需要引入伴随模式，而由于CNOP方法可以表征大气运动方程的非线性过程，导致发展相应的伴随模式非常复杂且困难，这制约了CNOP方法的进一步应用（孙国栋等，2016）。

本文基于ETKF适应性观测系统（马旭林，2008），首先开展了台风“灿鸿”（1509）的观测敏感区识别，在分析观测敏感区相对台风中心位置分布特征的基础上，采用观测系统模拟试验（OSSE）方法，进一步研究了观测敏感区资料的同化对台风“灿鸿”（1509）分析和预报质量的改善，为推动我国适应性观测在台风资料同化和预报方面的研究以及海上观测站的定位和选取提供思路和参考。

1 资料与研究方法

1.1 资料

集合预报资料为欧洲中期天氣预报中心（ECMWF）的TIGGE（THORPE Interactive Grand Global Ensemble）数据集的集合预报产品，采用资料的起报时间为2015年7月9日00时，预报时效72 h，资料时间间隔6 h，水平分辨率1°×1°，包括控制预报共51个集合成员。

ECMWF的分辨率为0.25°×0.25°的再分析资料ERA5用于构造适应性观测敏感区的模拟探空资料，美国环境预报中心（NCEP）分辨率为1°×1°的FNL分析场用以预报检验，分辨率为0.25°×0.25°的GFS预报场用作资料同化的背景场。

1.2 观测敏感区识别方法

集合卡尔曼变换（ETKF）适应性观测方法基于卡尔曼滤波理论及集合变换方法，可在集合的空间中求解卡尔曼滤波方程，进而定量表示增加观测所带来的预报误差减少量，其中预报误差减少最显著的区域，即为观测敏感区（马旭林等，2014，2015b）。该方法的核心问题为信号方差 S（t）的表征与计算，其具体表达式为

S（t）= 〈［x  a （t）-x  f （t）]〉〈[x  a （t）-x  f （t）]  T 〉= Z  f （t） σΓ（Γ +I  p×p ）  -1  σ   T Z  f （t）  T 。    （1）

其中：Z  f （t）为变换后的集合扰动; σ、Γ分别为变换矩阵T= σ（Γ +I）  - 1 2  的特征向量和特征值，即信号方差S（t） 为预报误差方差的减小量。已有研究（Palmer et al.，1998）表明，扰动总能量能够更准确地描述预报误差结果的演变特征。因此，本文采用以包含湿度信息的集合扰动总能量作为度量观测敏感区敏感程度的信号方差（张宇等，2012），即

e  t = 1 2 （u′ 2+v′ 2）+ c p T  r  T′ 2+ L q  r  q′ 2。    （2）

其中：e  t 为扰动总能量;u′、v′、T′与q′为变换的水平风、温度和湿度扰动;c p为干空气定压比热;T  r=300 K为参考温度; L 为相变潜热; q  r为参考比湿。

2 台风“灿鸿”及其观测敏感区

2.1 台风“灿鸿”的发展

2015年09号台风“灿鸿”（CHAN-HOM）于6月30日20时（北京时）生成于西北太平洋洋面，7月2日02时增强为热带风暴，随后于6日14时升级为台风，9日14时为强台风，23时进一步增强为超强台风，最强中心气压达935 hPa，中心附近最大风速达58 m／s的17级风力。台风“灿鸿”（1509）发展阶段主要以西北方向移动为主，在东海海域发展至最强后，继续沿原方向移动逐步逼近浙江省，最终于11日16时登陆浙江舟山群岛后，路径转向为东北方向，同时强度迅速减弱，于12日夜间登陆朝鲜半岛，并变性为温带气旋（段晶晶等，2017;黄燕燕等，2018）。截至13日09时，“灿鸿”造成浙江省276.8万人受灾，直接经济损失达84.4亿元;江苏省33.8万人受灾，直接经济损失达1.2亿元;上海市12.2万人受灾（赵慧霞等，2016）。

2.2 “灿鸿”的集合预报性能

集合预报的质量会较大程度影响ETKF识别的观测敏感区的准确度。图1为台风“灿鸿”（1509）的最佳台风路径（黑色实线，数据来源RSMC Best Track Data）、集合平均预报路径（红色实线）、集合成员预报路径（彩色实线）和台风中心强度。由图1a可知，台风“灿鸿”的集合预报路径呈现出一致性偏南，集合平均路径相较于实况更为偏南，在10日00时（世界时，下同）之后尤为明显，其登陆点与实际登陆点舟山群岛也存在着较大偏差。可见，集合预报未能有效预报出11日06時后“灿鸿”向东北方向的转向特征。但集合成员路径预报较为均匀的分布在集合平均左右两侧，其离散分布相对较为合理，表明集合预报结果虽然不够理想，但其描述的模式预报误差的增长趋势基本合理。

观测的台风中心强度（黑色）与模拟预报结果（红色）如图1b所示。由图可知，起报时刻（09日00时）模式初始海平面气压为940 hPa（红实线），而实况为965 hPa（黑实线），二者存明显的初值误差，而且模式预报并未模拟出9日00时至10日00时台风“灿鸿”强度增强的过程;10日06时后，虽然台风强度预报较实况普遍弱10 hPa左右，但模式还是较好地预报出了发展过程中与实况基本吻合的强度减弱趋势。台风“灿鸿”（1509）的中心最大风速与此类似。这也反映出预报模式总体上具有较好的预报能力。

综上所述，集合预报结果具有一定的可信度，虽然集合平均预报的路径与强度均与实况存在一定偏差，对路径的转向预报能力不足，但还是较好地描绘了台风“灿鸿”（1509）减弱阶段的强度变化，尤其对其预报误差的发展及其路径和强度的发展趋势都表现出良好的可信度。因此，如果在台风转向发展阶段的观测敏感区内实施加强观测并将其资料有效同化，进一步改善模式初始场质量，理论上应该会对模式预报质量具有较大的提升。

2.3 观测敏感区分布特征

针对台风“灿鸿”（1509）近海登陆后引起巨大灾害的区域，将适应性观测的目标验证区设置于受灾严重的浙江、江苏、上海地区，具体验证区范围如图2黑色方框所示。同时，根据集合预报的预报时效，选取2015070900后72 h，即2015071200时（表示2015年7月12日00时）作为验证时刻（ T  v），并以925、850、750、500、200 hPa的集合扰动总能量作为度量观测敏感区敏感程度的综合信号方差。适应 性观测的目标分析时刻（ T  a）分别为2015070900+30、 +36、+42、+48、+54、+60、+66和+72 h，并度量各目标分析时刻的信号方差（图2），其中背景场为控制预报500 hPa位势高度场（等值线）和850 hPa风场（风矢），阴影表示经标准化处理后的信号方差。

在目标分析时刻2015070900+30 h时（图2），观测敏感大值区多集中于台风中心与副热带高压之间的区域，较强观测敏感区主要位于台风“灿鸿”（1509）中心附近及其东北与东南侧洋面，最强观测敏感区出现在台风中心东南侧的入流区域。随着目标分析时刻的向后推移，台风中心东南侧的观测敏感区逐渐向台风中心靠拢，同时强度逐渐减弱，高敏感区范围更加聚拢。相对的，台风中心处及其北侧的敏感区出现增强趋势，且范围逐步增大，三个较强敏感区逐渐出现“合并”趋势。至目标分析时刻2015070900+42 h时，最强观测敏感大值区基本已为汇聚为一个整体，并位于台风中心及其东北侧，其 范围覆盖杭州湾及其邻近洋面。在2015070900+48、  +54 、+60、+66 h等较后几个目标分析时刻，观测敏感区的变化较缓，最强敏感区出现缩小趋势，逐步向台风中心及黑色实线所示的验证区内靠拢。

表征观测敏感区的信号方差标准化处理后，其标准化信号方差的大值区表示适应性观测资料同化后将对验证区内天气系统的发展和演变造成较强影响的区域。总能量表征的综合信号方差反映的是目标时刻同化适应性观测资料对验证时刻、验证区内预报质量的改善程度，当目标分析时刻与验证时刻重合时，观测敏感区应集中在验证区内。纵观图2可知，在距验证时刻较早的时刻，观测敏感大值区分布范围相对较大，随着目标分析时刻逐渐逼近验证时刻，强观测敏感区范围会逐渐缩小，并最终落在验证区域。本次试验中， T  a为2015070900+72 h与验证时刻重叠时，观测敏感大值区基本位于验证区内，这和天气系统发展演变过程中其预报误差的传播规律吻合，与理论分析相一致，说明了台风“灿鸿”（1509）的观测敏感区完全符合ETKF适应性观测系统识别的观测敏感区的理论分布要求（马旭林，2008），试验结果具有良好的可信度。

3 观测系统模拟试验

3.1 敏感區模拟观测的构造

同化预报试验中观测敏感区的观测资料采用观测系统模拟试验（OSSE，Observation System Simulation Experiments;Daley and Mayer，1986）的方式，基于ERA5高分辨再分析资料进行构造。观测系统模拟试验方法是目前用于评价适应性观测效果的有效方法之一（穆穆，2013）。OSSE方法结合实际观测系统的配置信息，将原有的格点资料插值到模拟观测站点位置，并引入基于再分析资料误差的随机误差，形成模拟观测资料及其观测误差。通过该模拟观测，可检验适应性观测敏感区的效果，研究目标观测资料对数值预报的分析和预报的改善程度，并对适应性观测策略做出相应的优化调整。

根据实际外场试验对适应性观测资料类型的一般需求，将模拟观测资料配置为与三维探空观测完全一致，暂不考虑其他种类的观测资料。针对其他类型适应性观测资料的影响试验将在后续工作中展开。同时，基于实际观测误差，为不同高度上的模拟观测资料加入随机误差，使其与实际常规观测资料更加相符，随机误差的设置如表1所示（目前未对湿度变量引入随机误差）。需要说明的是，在同化预报试验中，除模拟观测资料外，还使用了包含地面及探空观测的常规观测资料，以进一步对比和研究模拟观测资料的效果。降水实况源自中国自动站与CMORPH降水产品融合的逐小时降水资料，检验资料为分辨率1°×1°的FNL分析资料。

3.2 试验方案

同化预报试验采用WRF 3DVar同化系统和预报模式。模式背景场及侧边界条件由美国国家环境预报中心（NCEP）的对应时次的0.25°×0.25° GFS全球预报场资料提供。预报模式采取三层网格嵌套，区域中心为（125°E，30°N），水平分辨率分别为27、9与3 km，垂直层数共计31层，模式预报结果输出时间间隔分别为3、1与1 h，三层网格的时间积分步长分别为120、40和13 s。模式物理过程和相关参数化方案分别为WSM3类简单冰微物理参数化方案、RRTM长波辐射方案、Dudhia短波辐射方案、Monin-Obukhov边界层方案和浅对流Kain-Fritsch积云参数化方案，最内层嵌套网格不采用积云参数化方案。由于台风属于典型的尺度较大的中尺度天气系统，故背景误差构造方案采用WRF同化系统的CV3方案。

为有效验证适应性观测敏感区模拟观测资料对同化和预报的改善效果，共设计不同化观测资料的控制试验、包含地面资料、探空资料和船舶报等常规观测同化试验（GTS）、高敏感区模拟观测与常规观测试验（r-OSSE）以及非高敏感区模拟观测和常规观测试验（f-OSSE）等4组试验。

为了分析观测敏感区模拟探空观测对分析和预报的贡献，结合该时刻敏感区位置的分布，将同化时间设置在与第一目标分析时刻（2015070900+30 h）相对应的10日06时。此时实际探空资料相对较少，可以更有效地反映敏感区模拟探空观测的同化效果。试验中模式预报时长为42 h，模式终止时刻与适应性观测结果的验证时刻（2015070900+72 h）相对应。r-OSSE试验的模拟观测资料均位于第一目标分析时刻中敏感信号大于0.7的区域，而f-OSSE试验的敏感信号界于0.5～0.7间。这两组试验可证明适应性观测的有效性，可避免试验结果的偶然性。随后通过与GTS试验结果对比，进一步分析同化适应性观测资料的预报质量是否优于同化常规观测资料的预报效果（ 图3 ）。

3.3 敏感区观测资料的响应

为分析观测敏感区资料对初始场的贡献，首先考察常规观测（GTS）、高敏感区模拟观测（r-OSSE）和低敏感区模拟观测（f-OSSE）等三组观测资料同化的高度、风场及相对湿度对背景场的响应程度，即分析增量。由图4可知，三组试验的位势高度分析增量主要呈现为负值，多分布在台风中心附近，表明同化资料后该区域气压降低，台风强度增强。其中，GTS试验的高度分析增量的负大值区主要分布在台风中心西北及北侧附近;f-OSSE试验的负分析增量大值中心主要分布于台风中心西侧及外围的东北侧。

同时，台风中心东南侧还出现了量值较小的正中心，这会使得f-OSSE试验初始场的台风中心位置略向西调整。r-OSSE试验的负值区覆盖范围较广，台风中心附近、北侧及外围东侧均存在量值较大的负值中心，这明显减弱了背景场的高度，将会使得分析场的台风强度得到显著增强。此外，副高北侧脊线位置也有负大值中心出现，有效调整了背景场副高脊线北侧的强度。三组试验中，该试验的背景场及其副高强度最贴近实际。

对比三组试验的湿度分析增量可知，GTS试验的湿度增量以负值为主，主要集中在台风西侧的近海区域，表明常规观测资料的同化将降低台风主体区域的湿度。而f-OSSE和r-OSSE试验的湿度分析增量均已位于台风中心东侧区域，以正湿度分析增量为主，使得该区域湿度增加。显然，这将更加有利于台风湿热动力过程的增强和发展。但前者在台风中心西北侧存在一个明显的负湿度增量中心，后者尽管也存在负值区域，但量值明显较小。这种湿度分析增量分布的特点也许是导致后续预报中台风增强和路径差异的部分原因。

三组试验的风场分析增量显示，相对于GTS和f-OSSE试验，r-OSSE试验的台风涡旋附近的风场增量呈现气旋性增强最为显著，即台风中心附近南侧的纬向风为明显的正增量，北侧为负值，而径向风则是南侧和东侧正增量、西北侧为负值区。这种对背景场风场的中小尺度涡旋结构进行调整的分析增量更加有利于台风涡旋增强，从而改善分析质量。此外，r-OSSE试验对台风北侧副高的风场也有较为明显的调整，削弱了其北部脊的强度，加强了副高东南侧的南风分量。

基于上述分析可知，高敏感区的适应性观测资料（r-OSSE试验）的同化，将会有效改善台风中心强度，调整涡旋结构，使得原背景场中相对较弱的台风得以有效增强，从而可以改善模式预报的初始场质量。

3.4 OSSE同化试验结果

3.4.1 路径及强度的预报效果

图5为包含控制试验的4组试验结果及观测的台风“灿鸿”（1509）路径。可以看出，控制试验的预报质量不佳，模拟结果相对于实况路径整体显著偏西，未能有效预报出台风转向，导致登陆位置偏差较大。相对地，同化常规观测资料的GTS试验有效减少了原模拟路径误差，路径预报质量略有改善。虽然其整体预报路径依然偏西，但其预报误差增长速度要明显低于控制试验，并基本准确地捕捉到了台风转向。四组试验中，同化高敏感区模拟观测资料的r-OSSE试验结果最优。

在预报前期，其移动路径的西行趋势较弱，表现出更为明显的北上特征，较快速地趋向实际的观测路径并维持了较为准确的预报。整体而言，其路径预报和移速预报的质量均较为准确，与实况相比位置仅略偏东。由于r-OSSE试验比GTS试验更准确地捕捉到了台风的转向特征，且转向时刻与实况也较为一致，其预报的登陆位置与实况基本一致。f-OSSE试验结果与r-OSSE试验相比相对较差，但仍对控制试验起到了一定的改善作用。该试验也模拟出了台风的转向特征，但臺风路径预报质量低于r-OSSE试验。同时，同化低敏感区模拟观测资料后，导致台风移速有所降低，这一定程度上影响了预报质量。

由于控制试验中台风登陆时间和位置预报偏差较大，导致在11日00时（模拟登陆时刻）后该试验的台风强度减弱迅速，其中心最低气压明显偏离实况，致使控制试验台风强度的预报质量较差。相较而言，三组同化试验预报的台风强度都略强于实况，对应的中心最低气压低于观测约5～10 hPa。需要指出的是，预报前24 h内三组同化试验的台风强度预报差别较小，其后才逐渐出现差异。由于GTS试验预报的台风登陆偏早，导致11日06时后台风强度明显减弱。由于登陆过程削减了台风预报强度的过高估计，因此，尽管登陆后台风强度更为接近实况数据，也不能说明该试验具有较好的预报效果。而r-OSSE与f-OSSE试验预报的台风中心最低气压变化较为平稳，呈现出逐渐减弱的趋势，较好地模拟出了实际台风强弱的变化过程，但其强度预报同GTS试验类似，对台风中心强度的预报都略偏弱。

3.4.2 高度场质量的改善

西北太平洋地区的台风活动，受副热带高压及中纬度西风槽脊影响显著，而预报模式对这些关键影响系统的描述能力，是决定台风数值模拟质量的关键因素（邹逸航等，2017;周炳君等，2020）。从500 hPa高度的FNL分析资料（图6）可见，10日06时至11日00时，在脊线呈西北-东南走向且发展较盛的副高西南侧的东南风引导气流影响下，台风“灿鸿”（1509）向西北方向移动，与东南侧距其超过1 000 km的台风“浪卡”（1510）没有出现明显的双台风互旋作用。至11日06时，受中纬度东移西风槽的影响，逐渐减弱的副高与大陆高压间出现断裂，台风“灿鸿”（1509）从两高压间穿过并北上，在槽前西南气流引导下转向为东北方向移动。

控制试验对副热带高压的强度预报整体偏强，且对中纬度槽的预报也不够理想，在发生转向的11日06时，副高北部的脊线仍未能撤出山东半岛，这成为制约台风转向的主要因素。在GTS与f-OSSE试验中，模拟观测资料的同化在一定程度上改善了副高强度的预报质量，但对副高脊线位置的预报不佳，与控制试验基本一致。这两组试验对预报的改善主要体现在台风强度及中心位置，使得台风强度在11日00时前都维持在较强状态，抑制了台风“提前登陆”现象的出现，从而相对较好地预报出了台风的转向特征。而预报效果最佳的r-OSSE试验，观测敏感区资料的有效同化很大程度地改善了副高强度，其脊线出现了明显的南北走向，这也促使台风路径北上。至11日06时，预报的副高强度及其发展与实况基本一致，588 dagpm高度线也最为接近观测（图6）。对副高强度的准确预报，可能是 r-OSSE试 验能够取得最优预报结果的主要原因。

不同预报时刻（10日18时、11日06时、11日18时）四组试验200、500、850 hPa位势高度的均方根误差（图7）显示，相对于控制试验，其余三组同化试验的预报均得到不同程度的改善。其中，验证时刻时r-OSSE试验的均方根误差最小，对预报的正贡献最为显著，而且“维持”时间更长。而f-OSSE与GTS试验的改善效果基本相同。位势高度均方根误差的垂直分布表明，适应性观测资料的同化对预报的改善多集中于对流层中低层（图略）。但200 hPa以上，三组试验对模式位势高度场的改善程度基本相当，同化敏感区模拟观测资料并未像对流层中低层一样具有优势。

3.4.3 降水预报效果

台风强降水预报仍是一项难题和挑战，提高热带气旋强降水预报的准确率也是目前研究的热点问题之一。台风“灿鸿”（1509）6 h累计降水实况（图8）显示，降水落区主要分布于浙江、上海及江苏南部地区，其中，10日18时至11日06时，浙江东部沿海及舟山群岛地区出现了模拟时间段内的最强降水，6 h累计降水超过100 mm。而在11日06时后，随着台风中心逐渐远离内陆地区，降水强度逐渐减小（图8）。

为了考察适应性观测敏感区的合理性及其资料对分析和预报的贡献，将四组试验预报的降水直接与实况降水进行比较，以分析敏感区观测资料对降水预报的改善效果。四组试验中，控制试验预报的降水强度最大，但质量最差;三组资料同化试验的降水预报质量较控制试验更为接近观测降水（图8）。在同化试验中，GTS和f-OSSE试验的最强降水时段均明显滞后于观测降水，而且在观测降水减弱的时间段内，由于台风路径预报偏差较大，这两组试验在台风登陆后仍出现了较强的降水中心，只是最强降水落区不同而已。由于r-OSSE试验对台风路径预报最为准确，致使台风登陆后陆地强降水中心与实况基本一致，较好地预报出了11日后降水减弱的趋势。但相比于降水实况，r-OSSE试验在沿海陆地预报的降水强度略偏弱，相同量级的降水落区范围偏小，尤其浙江沿海地區大于100 mm的强降水中心更为偏弱，与降水实况偏差较大（图8）。

4 总结与讨论

利用ETKF适应性观测系统及TIGGE集合预报产品，研究了台风“灿鸿”（1509）的敏感区分布及其特征，并以第一目标分析时刻的观测敏感区为基础，利用OSSE方法和高分辨中尺度WRF预报模式和同化系统，开展了适应性观测模拟试验分析，从台风路径、强度以及降水预报等角度，重点分析了观测敏感区资料对分析和预报的贡献，得到如下结论：

1）台风“灿鸿”（1509）的适应性观测敏感区与适应性观测理论结果一致，分布合理，其高敏感区多位于台风中心与副热带高压之间，主要出现于台风中心的西北至东南侧，相对低敏感区主要位于台风中心西南侧。

2）高观测敏感区的观测资料对分析和预报的改善最为明显，其他区域观测资料的贡献相对较小。这也证明只有合理的观测敏感区及其高敏感区的适应性观测资料才能够对同化分析和预报质量的改善具有明显贡献。

3）适应性观测资料的有效同化，可以合理改善台风引导气流、台风强度以及关键物理量的分析和预报质量，但不同高度物理量的改善不尽一致。这主要取决于适应性观测资料的空间配置及观测资料的质量。

由于适应性观测敏感区与验证区、验证时刻以及目标分析时刻有关，而且与集合预报资料的质量具有一定的依赖性，不同条件下观测敏感区，适应性观测资料对同化和预报质量的贡献应该略有差异。另外，本文采用模拟观测资料仅针对转向台风“灿鸿”（1509）个例进行了分析研究，表明了适应性观测对台风预报的改善效果，其他台风的观测敏感区分布，以及适应性观测对不同高度、不同物理量的分析和预报的影响等仍需要进一步验证分析。

致谢： 感谢南京信息工程大学高性能计算机中心的计算资源支持。

参考文献（References）

Bake r N L，Daley R，2007.Observation and background adjoint sensitivity in the adaptive observation-targeting problem［J］.Quart J Roy Meteor Soc，126（565）：1431-1454.doi：10.1002／qj.49712656511.

Bergot T，Hello G，Joly A，et al.，1999.Adaptive observations：a feasibility study［J］.Mon Wea Rev，127（5）：743-765.doi：10.1175／1520-0493（1999）127<0743：aoafs>2.0.co;2.

Bishop C H，Toth Z，1999.Ensemble transformation and adaptive observations［J］.J Atmos Sci，56（11）：1748-1765.doi：10.1175／1520-0469（1999）056<1748：etaao>2.0.co;2.

Buizza R，Montani A，1999.Targeting observations using singular vectors［J］.J Atmos Sci，56（17）：2965-2985.doi：10.1175／1520-0469（1999）056<2965：tousv>2.0.co;2.

Daley R，Mayer T，1986.Estimates of global analysis error from the global weather experiment observational network［J］.Mon Wea Rev，114（9）：1642-1653.doi：10.1175／1520-0493（1986）114<1642：eogaef>2.0.co;2.

段晶晶，钱燕珍，周福，等，2017.台风灿鸿造成浙江东北部大暴雨地形作用的数值模拟研究［J］.气象，43（6）：686-695. Duan J J，Qian Y Z，Zhou F，et al.，2017.Numerical simulation of topographic effect on heavy rainfall in northeastern Zhejiang caused by typhoon Chan-hom［J］.Meteor Mon，43（6）：686-695.doi：10.7519／j.issn.1000-0526.2017.06.005.（in Chinese）.

Joly A，Jorgensen D，Shapiro M A，et al.，1997.The fronts and Atlantic storm-track experiment （FASTEX）：scientific objectives and experimental design［J］.Bull Amer Meteor Soc，78（9）：1917-1940.doi：10.1175／1520-0477（1997）078<1917：tfaast>2.0.co;2.

高彥青，孙璐，马旭林，等，2022.飑线结构和强度对低层湿度和环境垂直风切变的敏感性研究［J］.大气科学学报，45（6）：938-947. Gao Y Q，Sun L，Ma X L，et al.，2022.The sensitivity of the structure and strength of squall line to low-level humidity and environmental vertical wind shear［J］.Trans Atmos Sci，45（6）：938-947.doi：10.13878／j.cnki.dqkxxb.20191014001.（in Chinese）.

黄燕燕，薛纪善，冯业荣，等，2018.采用预报涡旋的初始化方案对2015年台风“莲花”、“灿鸿”的试验研究［J］.热带气象学报，34（5）：598-609.Huang Y Y，Xue J S，Feng Y R，et al.，2018.An initialization scheme using forecast vortexes and its application in simulation of typhoons linfa and Chan-hom in 2015［J］.J Trop Meteor，34（5）：598-609.doi：10.16032／j.issn.1004-4965.2018.05.003.（in Chinese）.

Langland R H，Rohaly G D，1996.Adjoint-based targeting of observations for FASTEX cyclones［J］.Seventh Conf.On Mesoscale Processes，Reading，United Kingdom：Amer Meteor Soc，122：369-371.

Lorenz E N，Emanuel K A，1998.Optimal sites for supplementary weather observations：simulation with a small model［J］.J Atmos Sci，55（3）：399-414.doi：10.1175／1520-0469（1998）055<0399：osfswo>2.0.co;2.

马旭林，2008.基于集合卡尔曼变换（ETKF）理论的适应性观测研究与应用［D］.南京：南京信息工程大学. Ma X L，2008.Study on the ensemble transform Kalman filter-based adaptive observation and applications［D］.Nanjing：Nanjing University of Information Science ＆ Technology.（in Chinese）.

马旭林，于月明，姜胜，等，2014.基于集合卡尔曼变换的目标观测敏感区识别系统优化及影响试验［J］.大气科学学报，37（6）：749-757. Ma X L，Yu Y M，Jiang S，et al.，2014.Optimization and influence experiment to identify sensitive areas for target observations on ETKF method［J］.Trans Atmos Sci，37（6）：749-757.doi：10.13878／j.cnki.dqkxxb.20140314002.（in Chinese）.

马旭林，李琳琳，周勃旸，等，2015a.台风预报误差的流依赖特征及混合资料同化中最优耦合系数［J］.大气科学学报，38（6）：766-775. Ma X L，Li L L，Zhou B Y，et al.，2015a.Flow-dependent characteristics of typhoon forecasting errors and optimal coupling coefficient in hybrid data assimilation［J］.Trans Atmos Sci，38（6）：766-775.doi：10.13878／j.cnki.dqkxxb.20141224001.（in Chinese）.

马旭林，于月明，陈德辉，2015b.适应性观测研究现状和展望［J］.气象学报，73（2）：221-235. Ma X L，Yu Y M，Chen D H，2015b.The present situation and prospects of the adaptive observation［J］.Acta Meteorol Sin，73（2）：221-235.doi：10.11676／qxxb2015.022.（in Chinese）.

Majumdar S J，Bishop C H，Etherton B J，et al.，2002.Adaptive sampling with the ensemble transform Kalman filter.part II：field program implementation［J］.Mon Wea Rev，130（5）：1356-1369.doi：10.1175／1520-0493（2002）130<1356：aswtet>2.0.co;2.

Mansfield D，Richardson D，Truscott B，2004.An overview of the Atlantic THORPEX Regional Campaign，A-TReC［J］.Proceedings of the THORPEX Science Symposium，Montreal，Canada：World Meteorological Organization.

Melvyn A，Shapiro A，Thope J，2004.THORPEX international science plan.WMO／TD-No.1246［J］.WWRP／THORPEX，No.2：1-51.

穆穆，王洪利，周菲凡，2007.条件非线性最优扰动方法在适应性观测研究中的初步应用［J］.大气科学，31（6）：1102-1112. Mu M，Wang H L，Zhou F F，2007.A preliminary application of conditional nonlinear optimal perturbation to adaptive observation［J］.Chin J Atmos Sci，31（6）：1102-1112.（in Chinese）.

穆穆，2013.目标观测的方法、现状与发展展望［J］.中国科学：地球科学，43（11）：1717-1725. Mu M，2013.Methods，current status，and prospect of targeted observation［J］.Science China：Earth Sciences，43（11）：1717-1725.（in Chinese）.

Palmer T N，Gelaro R，Barkmeijer J，et al.，1998.Singular vectors，metrics，and adaptive observations［J］.J Atmos Sci，55（4）：633-653.doi：10.1175／1520-0469（1998）055<0633：svmaao>2.0.co;2.

Pu Z X，Kalnay E，Sela J，et al.，1997.Sensitivity of forecast errors to initial conditions with a quasi-inverse linear method［J］.Mon Wea Rev，125（10）：2479-2503.doi：10.1175／1520-0493（1997）125<2479：sofeti>2.0.co;2.

Pu Z X，Lord S J，Kalnay E，1998.Forecast sensitivity with dropwindsonde data and targeted observations［J］.Tellus A，50（4）：391-410.doi：10.1034／j.1600-0870.1998.t01-3-00002.x.

Pu Z X，Kalnay E，1999.Targeting observations with the quasi-inverse linear and adjoint NCEP global models：performance during FASTEX［J］.Quart J Roy Meteor Soc，125（561）：3329-3337.doi：10.1002／qj.49712556110.

Qin X H，Duan W S，Mu M，2013.Conditions under which CNOP sensitivity is valid for tropical cyclone adaptive observations［J］.Quart J Roy Meteor Soc，139（675）：1544-1554.doi：10.1002／qj.2109.

Rabier F，Klinker E，Courtier P，et al.，1996.Sensitivity of forecast errors to initial conditions［J］.Quart J Roy Meteor Soc，122（529）：121-150.doi：10.1002／qj.49712252906.

孫国栋，穆穆，段晚锁，等，2016.条件非线性最优扰动（CNOP）：简介与数值求解［J］.气象科技进展，6（6）：6-14. Sun G D，Mu M，Duan W S，et al.，2016.Conditional nonlinear optimal perturbation：introduction and numerical computation［J］.Adv Meteorol Sci Technol，6（6）：6-14.doi：10.3969／j.issn.2095-1973.2016.06.001.（in Chinese）.

Toth Z，Szunyogh I，Majumdar S J，et al.，1999.The 1999 winter storm reconnaissance program［C］//13th Conf.On Numerical Weather Prediction Denver.CO：Amer Meteor Soc：17-32.

于月明，2014.环北京暴雨适应性观测敏感区识别及其目标资料同化的研究［D］.南京：南京信息工程大学. Yu Y M，2014.Research on identify sensitive observation areas and target data assimilation of the rainstorm processes around Beijing［D］.Nanjing：Nanjing University of Information Science ＆ Technology.（in Chinese）.

张宇，陈德辉，薛纪善，等，2012.湿度因子对适应性观测敏感区估算的影响研究［J］.气象学报，70（1）：91-100. Zhang Y，Chen D H，Xue J S，et al.，2012.Study of the influence of the humidity factor on estimation in the adaptive observation sensitive region［J］.Acta Meteorol Sin，70（1）：91-100.（in Chinese）.

赵慧霞，张建忠，陈海燕，2016.1509号台风“灿鸿”灾情调查与致灾原因分析［J］.防灾科技学院学报，18（4）：44-49. Zhao H X，Zhang J Z，Chen H Y，2016.Disaster investigation and causation analysis of 1509 typhoon CHAN-HOM［J］.J Inst Disaster Prev，18（4）：44-49.（in Chinese）.

周炳君，李昕，陈耀登，等，2020.GPS ZTD资料同化对台风“利奇马”模拟的影响研究［J］.气象科学，40（1）：11-21. Zhou B J，Li X，Chen Y D，et al.，2020.Effect of the GPS ZTD data assimilation on simulation of typhoon “Lekima”［J］.J Meteor Sci，40（1）：11-21.doi：10.3969／2019jms.0063.（in Chinese）.

朱跃建，2020.基于最新全球集合预报系统的可预报性评估［J］.大气科学学报，43（1）：193-200. Zhu Y J，2020.An assessment of predictability through state-of-the-art global ensemble forecast system［J］.Trans Atmos Sci，43（1）：193-200.doi：10.13878／j.cnki.dqkxxb.20191101013.（in Chinese）.

邹逸航，马旭林，姜胜，等，2017.COSMIC掩星资料同化对台风“天兔”预报影响的试验［J］.海洋学研究，35（3）：9-19. Zou Y H，Ma X L，Jiang S，et al.，2017.Effect of COSMIC occultation data assimilation on prediction of typhoon Usagi［J］.J Mar Sci，35（3）：9-19.doi：10.3969／j.issn.1001-909X.2017.03.002.（in Chinese）.

Adaptive observation of the sensitive area of typhoon “Chan-Hom” （1509） and assimilation analysis of simulated data

CHEN Siyuan 1，MA Xulin 1，SUN Lu  1，2 ，PAN Xian 1，HONG Guan 3

1Key Laboratory of Meteorological Disaster，Ministry of Education （KLME），Nanjing University of Information Science ＆ Technology，Nanjing 210044，China;

2Meteorological Institute of Shaanxi Province，Xian 710016，China;

3CMA Meteorological Observation Centre，Beijing 100081

The adaptive areas of the “Chan-hom” typhoon （1509） in 2015 are created by ETKF adaptive observing systems.Further assimilation experiments are carried out based on the sensitive area at the first target moment，using the OSSE method and WRF mode.According to the experiments，the sensitive areas of “CHAN-HOM” are mostly found in the northeast and southeast sides of the center.The results show that the assimilation of simulated observation data in the sensitive area better improves the prediction accuracy of the height field and track than the assimilation of conventional observation data，while having a negative impact on the prediction of precipitation.

data assimilation;OSSE;adaptive observation;targeting observation;sensitive area;ETKF

doi：10.13878／j.cnki.dqkxxb.20210306002

（責任编辑：刘菲）