FY-3C MWHS-Ⅱ辐射率在RMAPS-CA 中的同化

马玉芬，琚陈相，艾力亚尔·艾海提，刘军建，买买提艾力·买买提依明*

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐 830002；2.新疆塔克拉玛干沙漠气象国家野外科学观测研究站，新疆 乌鲁木齐 830002；3.中国气象局塔克拉玛干沙漠气象野外科学试验基地，新疆 乌鲁木齐 830002；4.新疆沙漠气象与沙尘暴重点实验室，新疆 乌鲁木齐 830002）

近年来，塔克拉玛干沙漠及其周围地区的暴雨变得比以往时期都频繁[1]。由于特殊的地理位置、地表类型和土壤质地，几小时内降雨量达数十毫米的局部强降水可能会在塔克拉玛干沙漠周边的天山和昆仑山山坡引发山洪或泥石流，造成严重的人员伤亡和经济损失，准确及时的天气预报至关重要。然而，由于塔克拉玛干沙漠乃至整个中亚常规观测相对稀疏，使得该地区数值天气预报的初始场具有极大的不确定性[2-5]，因此须借助高分辨率的数值模式和全球均一分布的极轨卫星探测资料[6-7]。

资料同化是高分辨率的数值模式获得最优初始场的重要手段，除常规观测外，卫星观测是目前广泛使用2 个主要观测资料来源之一，卫星辐射亮温和衍生产品构成了大多数业务中的全球NWP 模式所积极同化的90%以上的观测数据[8]。微波相比红外、可见光等卫星探测方式有能够穿透薄云的优点，同化微波探测资料能明显改进数值预报模式初始场[9]。

1998 年第一个搭载先进微波湿度计AMSU-B的极轨卫星NOAA-15 发射升空，微波湿度计资料开始应用于国内外的许多数值预报业务中心和研究机构。由于湿度变量是所有分析变量中具有最弱高斯型和最小均匀各向同性的背景误差分析变量，同时大气中的水汽对温度和湿度相当敏感，反馈过程的缓慢致使没有先进的分析方法能够提高处理湿度资料的能力，缺乏绝对校准的湿度资料给处理观测偏差和模式偏差带来很大的困难，这也成为确定全球的湿度分布和平衡水循环的主要问题之一[10]。因此对水汽资料的分析和研究意义重大。一些研究表明，中层水汽初值的不确定性可造成数值模式预报场显著的不确定性，尤其是对短期预报[11]。Geer[12]、Singh等[13-14]，Otkin[15]通过直接同化湿度探测通道数据，发现能改进全球模式对流层中高层水汽分布、温度场以及风场的分析和预报。中国学者也对微波湿度计辐射率资料的直接同化进行了大量研究工作[16-20]，进一步明确了同化微波湿度计资料对数值天气预报的积极作用。风云三号是我国第二代极轨气象卫星，FY-3C 上所搭载的新型微波湿度仪MWHS-Ⅱ也广受关注。Lawrence 等[21]在ECMWF 中对微波湿度计资料进行了质量评价，并试图将部分通道在ECMWF 的系统中进行同化。然而，目前FY-3C/MWHS-Ⅱ微波湿度计资料在中亚区域的气象预报业务中还没有得到广泛地使用。FY-3C/MWHS-Ⅱ微波湿度计资料的有效利用对进一步改善中亚区域的数值预报效果具有重要意义。

然而，怎样在数值天气预报中最有效地同化卫星微波湿度计的资料至今仍具有很大的挑战[22]，主要包括对云和降水资料的检测、偏差订正以及对地面发射率的修正等[23]。由于观测算子在云、降水粒子及性质复杂下垫面等因素影响下模拟辐射传输过程不准确，以及资料的观测误差较大等原因，实际同化应用时必须对微波探测资料加以认真筛选[24]。

首先，卫星资料的同化要求利用RTTOV 正演的辐射率和观测的残差满足均值为零的高斯分布。因此，卫星资料偏差分析尤为必要。随着大气辐射物理过程研究的不断深入，辐射传输模式考虑分物理过程越来越完善，模拟精度也越来越高。Eyre 等[25]提出利用辐射传输模式可以直接同化卫星辐射辐射亮温，并利用变分同化成功地将星载大气垂直探测资料进行直接同化，使卫星资料在数值模式中的应用进入一个新的阶段。为了实现卫星资料在数值模式中的直接同化，Weng 等[26]对辐射传输模式（Vector Discrete -Ordinate Radiative Transfer Model，VDISORT）进行研究和改进，丁伟钰等[27]利用快速辐射传输模式（Radiative Transfer for TOVS，RTTOVS）模拟HIRS-3 红外辐射亮温，发现不考虑有云的情况下模拟辐射亮温显著偏高。鉴于此，本研究首先分析FY-3C MWHS -Ⅱ观测辐射亮温偏差分布特征，为下一步的业务同化工作做好准备。

其次，为使卫星探测器观测到的辐射率和辐射亮温能够直接应用于数值天气预报模式中并且获得正效应，需要将卫星观测和模拟辐射亮温偏差进行订正。Eyre[28]在McMillin 等[29]的研究基础上，对模拟的TIROS 大气垂直探测仪（TOVS）资料进行偏差订正研究。由于受到卫星扫描角和气团的影响，将卫星资料的偏差订正分为两步进行：扫描偏差和气团偏差订正，但是在提出的方案中没有考虑扫描偏差随纬度带的变化，具有纬度依赖性。Harris 和Kelly[30]改进Eyre 的订正方案[28]，研究扫描偏差订正需要考虑纬度变化，将地球进行纬度带划分，并用模式背景场参数作为气团预报因子，以消除辐射传输模式模拟的不准确所带来的系统偏差。之后，Harris 和Kelly[31]提出的静态离线偏差订正方法广泛地应用于卫星资料的偏差订正。本研究拟采用变分偏差订正方法对FY-3C MWHS-Ⅱ辐射率资料进行偏差订正，分析偏差订正前后各通道观测残差的概率密度分布变化。

针对FY-3C/MWHS-2 的观测性能及其在不同NWP 系统中的影响，国内外学者已经开展了许多研究工作。Lu 等[32]指出，FY-3C/MWHS-2 仪器总体上表现出良好的数据质量，可以与其他具有183 GHz信道类似能力的仪器相媲美。Lawrence 等[33]评估了FY-3C/MWHS-2 的数据质量，发现同化118 和183 GHz 通道的数据可以提高ECMWF 系统中12 h 短程预报和2～4 d 风力预报的准确性。Carminati 等[34]发现英国气象局全球数值天气预报系统中FY-3C/MWHS-2 的全天辐射数据同化显著改善了短期预报效果。Lindskog 等[35]提出，FY-3C/3D MWHS-2 填补了午夜和清晨北欧地区微波辐射数据的不足，对预报质量产生了积极影响。

本研究在质量控制和偏差订正的基础上，在RMAPS-CA[36]中同化了FY-3C/MWHS-Ⅱ水汽通道辐射率资料，并客观评估其同化对地面和高空多要素预报效果的影响。

1 资料和方法

1.1 RMAPS-CA 系统

琚陈相等[37]已具体介绍了RMAPS-CA 的开发历程及预报性能评估结果，本研究所用RMAPS-CA的基本配置见表1。RMAPS-CA 中使用的WRFDA V4.1.2 同化系统采用了三维变分同化。

表1 本研究所用RMAPS-CA 参数配置

1.2 FY-3C/MWHS-Ⅱ辐射率

FY-3C/MWHS-Ⅱ包含了15 个不同频率的通道，其中通道11～15 主要探测对流层300～700 hPa的大气湿度信息，是本研究中分析和同化时所选择的通道。各水汽通道的中心频率、极化方式和水平分辨率见表2。

表2 FY-3CMWHS-Ⅱ各水汽通道窗区信息

1.3 同化实验

1.3.1 实验设计

对FY-3C/MWHS-Ⅱ的同化应用试验均在RMAPS-CA 框架下开展，并在RMAPS-CA 的同化模块WRFDA（V4.0）中使用了快速辐射传输模型RTTOVS（v13.1）[38]。同化实验仅在9 km 分辨率的母网格区域内开展，同化试验生成的初始场为RMAPS-CA 子网格提供边界条件。所有同化效果评估针对子网格区域展开。为评估RMAPS-CA 中同化FY-3C/MWHS-Ⅱ辐射率的影响，进行了两组平行的数据同化和预报实验。第一组（命名为RMAPS）为RMAPS-CA 业务运行的结果。第二组（命名为FY3C）实验在第一组实验中增加了FY-3C/MWHS-Ⅱ辐射率数据的同化，以产生可能优化的分析场和在时间维上积分后得到的预报场。同化实验时间段为2022 年5 月1—31 日，于每日0：00、6：00、12：00和18：00 UTC 冷启动。使用三维变分同化技术，同化时间窗口为±3 h。

1.3.2 辐射率资料预处理

中国改革开放40年来基本消除了现行标准下的农村绝对贫困，在扶贫开发的过程中，探索并形成了大规模减贫的中国经验。中国扶贫的基本经验是：通过发展减贫，提升贫困地区和贫困人口自我发展能力，实行精准扶贫，坚持扶贫创新，坚持党和政府领导、群众主体、社会参与的基本扶贫制度，坚持持续扶贫。

在MWHS-Ⅱ辐射率同化实验中，仅选择了各水汽通道的晴空辐射数据进行同化。由于各种误差，需要对辐射观测进行一系列的质量控制。质量控制后保留了3 776 个观测值中的2 120 个，总观测量的约56%用于数据同化。极轨卫星通常每天两次经过特定区域[37]，但由于FY-3C/MWHS-Ⅱ每次扫过同一地理位置的时间并不是固定的，且RMAPS-CA系统覆盖整个中亚，范围较大，所以在每天4 次的冷启动分析时间窗口内，FY-3C 卫星可以每天超过2次为RMAPS-CA 系统提供相对丰富的观测数据。

在质量控制后的卫星辐射观测中，偏差仍然不可避免，包括与同化系统相关的系统误差和与空气质量相关的误差。这些误差可能会因卫星仪器的扫描位置、地理参数、时间和空气质量而有所变化[35]。它们通常是同化系统中的误差源。因此，应订正首次猜测的模拟亮温和卫星测量的亮温之间的偏差。本研究使用了变分偏差校正（VarBC）方案[39]。相应的预测系数可以根据循环运行中的统计信息进行自适应更新和优化。在大多数全球模型中，变分方案首先用于直接同化卫星辐射。对于区域模型，由于在有限的时间和空间范围内数据覆盖不均匀，极轨卫星观测的数量在不同周期之间变化很大。在本研究中，通过开展为期一个月（31 d）的偏差订正实验以获得统计上更可靠的所有MWHS-Ⅱ辐射率的预测系数。这些初始偏差系数在同化MWHS-Ⅱ的下一个实验中通过循环分析进行动态调整。根据三维变分同化方法的公式，假设观测和背景中的系统误差是无偏的[39]，观测减去背景的辐射亮温偏差（OMB）应符合高斯分布。图1 是偏差订正前后FY-3C/MWHS-Ⅱ所有水汽通道进行偏差订正（虚线）和无偏差订正（实线）的偏差分布概率密度图。与无偏差校正的分析增量相比，有偏差校正的辐射亮温偏差概率密度呈现近似高斯分布，辐射亮温偏差概率密度平均值更接近于零。结果表明，通过偏差订正可以获得更好的偏差性能。

图1 偏差订正前后各水汽通道的偏差概率密度

1.4 客观检验

为评估FY-3C/MWHS-Ⅱ辐射率同化对RMAPS-CA 系统预报效果的影响，比较了有无同化分析初始化的预报相对于观测的异同。在本研究中，用于验证的观测值主要来自国家地面自动气象站和探空廓线，这些数据首先通过一系列质量控制程序进行处理[29]。超过1 500 个地面站可以提供2 m 高度的表面温度、湿度和10 m 的风速及每小时的降雨量。对于相同时间点网格点中的值将与最近的观测值相匹配以进行比较。上层大气温度、湿度和风廓线观测值每天在世界时0：00、6：00、12：00 和18：00可用。本文涉及到的检验的量包括大气温度、高空温度、位势高度、2 m 温度、10 m 风速和降水。其中，平均误差（MB）和均方根误差（RMSE）可根据预报和观测值之间的差异计算。它们用于评估由于MWHS-Ⅱ辐射数据的同化而导致的温度、湿度和风场的预报改善。降水预报性能检验主要计算其TS 评分及BIAS 评分。此客观检验中计算平均偏差（公式1）、均方根误差（公式2）、TS 评分（公式3）及BIAS 评分（公式4）公式如下：

其中：r 和n 分别表示预报和观测时间，fr和rn分别表示预报和观测值。

其中：Nyy为预报正确站（次）数，Nny为空报站（次）数，Nyn为漏报站（次）数。

2 结果分析

2.1 分析增量统计

为了验证偏差校正的有效性，首先对比分析有无偏差订正背景场辐射亮温和分析场辐射亮温相对于分析场辐射亮温、观测辐射亮温的偏差。图2 给出了2022 年5 月29 日00 时FY-3C/MWHSⅡ各水汽通道探测的背景场辐射亮温和分析场辐射亮温的偏差分布情况。无偏差订正时，FY-3C/MWHSⅡ通道11 和通道12 的背景场辐射亮温平均偏差在1～2 K，但在通道13 和通道14，辐射亮温偏差较大，均＞4 K。有偏差订正时，各水汽通道的背景场辐射亮温偏差和分析场辐射亮温偏差均在1 K 以内。偏差订正后，各水汽通道的分析场辐射亮温偏差整体＜0.3 K。均方根误差在订正前后分别在2.2～2.3 和2.2～2.7 K，在通道14 减幅最大，约为0.3 K。偏差订正后，分析场辐射亮温均方根误差在0.6～1.4 K，均方根误差在11 通道最小，15 通道最大。

图2 2022 年5 月29 日00 时FY-3C/MWHS-Ⅱ各通道背景场增量和分析场增量

图3 给出了2022 年5 月1 日00 时—31 日18时FY-3C/MWHS-Ⅱ各水汽通道偏差订正前后背景场亮温和分析场亮温的平均偏差和均方根误差随时间的变化情况。偏差订正前，通道11～15 的背景场辐射亮温偏差分别在0～2、0～2、3～5、5～7 和-2～0 K，其中通道11～14 对应的RMAPS-CA 系统的背景场辐射亮温整体高于观测辐射亮温，通道15 反之。偏差订正显著减小了各水汽通道的背景场辐射亮温偏差。偏差订正后，通道11～15 的背景场辐射亮温偏差均在-1～1 K，而分析场辐射亮温偏差均接近0 K。另外，偏差订正整体减小了通道11～15 背景场辐射亮温均方根误差，对通道14 的减小幅度最大。偏差订正前，通道14 的背景场辐射亮温均方根误差在2～3 K，其余通道的背景场辐射亮温均方根误差均在2～2.5 K。偏差订正后，通道14 的背景场辐射亮温均方根误差在2～2.5 K，而其余通道的背景场辐射亮温均方根误差与偏差订正前变化不大，仍在2～2.5 K。偏差订正后，通道12 的分析场辐射亮温均方根误差均在2～2.5 K，其余通道整体在0.5～1 K。

图3 2022 年5 月1—31 日FY-3C/MWHS-Ⅱ各通道偏差订正前后观测场亮温减去背景场亮温的偏差（图中的OMB_NB 和OMB_WB）及偏差订正后观测场亮温减去分析场亮温偏差（图中的OMA）随时间的变化

2.2 同化效果评估

为研究FY-3C/MWHS-Ⅱ辐射数据对RMAPS-CA 系统中短期预报的影响，对有无同化的24 h 预报结果比较，并根据观测结果进行评估。图4 给出了2022 年5 月1—31 日有无FY-3C/MWHS-Ⅱ辐射数据两组实验共124 个预报场中高空温度、位势高度和高空风速平均偏差和均方根误差的平均值。同化FY-3C/MWHS-Ⅱ辐射数据后，温度平均偏差和均方根误差较同化前在各个预报时次均整体减小，仅在积分24 h 后的800 hPa 以下的低层略有增大。同化后，位势高度预报偏差和均方根误差在预报开始时（00 时）的500 hPa 以下的低层明显增大，在其他各个时次各个高度层均整体减小。同化使得位势高度场在低层的偏差显著增大的现象也曾在同化其他星载微波湿度计和红外高光谱辐射率资料时出现过，原因不明[40-41]。同化后，高空风速预报偏差和均方根误差在各个预报时次各个气压层均整体减小。FY-3C/MWHS-Ⅱ辐射数据的同化可以有效改善RMAPS-CA 系统对高空温度、位势高度和高空风速的短期预报效果。

图4 同化前后高空温度（a、b）、位势高度（c、d）和高空风速（e、f）的平均偏差（a、c、e）和均方根误差（b、d、f）

图5 为FY-3CMWHS-Ⅱ辐射率同化前后各预报时效的2 m 温度和10 m 风速的预报偏差和均方根误差。FY-3CMWHS-Ⅱ辐射率同化对24 h 内2 m温度和10 m 风速的预报均有明显的改善效果。同化前后，2 m 温度预报的平均偏差和均方根均随积分时长的延长而增大。同化前后，预报2 m 温度均整体高于观测值，2 m 温度预报的平均偏差均为正值，偏差分别在0.6～3.3 和0.6～3.5 K，偏差平均值分别为1.78 和1.81 K，偏差平均减幅为0.04 K。同化前后，2 m 温度预报的均方根误差分别在2.8～4.4 和1.8～2.7 K，2 m 温度预报的均方根误差分别为2.3和2.1 K，减幅大值均可达0.5 K 左右，减幅平均值为0.2 K。同化前后，10 m 风速预报的平均偏差随着预报时效的延长而增大，均方根误差随时间的变化并非单调递增，且同化前后均方根误差极大值均出现在初始时刻。10 m 风速预报的平均偏差在同化前后分别在偏差分别在0.6～3.3 和0.6～3.5 m/s，偏差平均值为1.8 m/s 左右，偏差平均减幅为0.04 m/s。同化前后，10 m 风速预报的均方根误差分别在2.5～4.2 和2.6～4.4 m/s，均方根误差平均值分别为0.1 和2.1 m/s，平均减幅为2.0 m/s。FY-3CMWHS-Ⅱ辐射率同化整体提高了2 m 温度和10 m 风速的预报准确率。

图5 同化前后各预报时长2 m 温度和10 m 风速的预报平均偏差（MB）和均方根误差（RMSE）

图6 给出了同化前后晴雨（0.1 mm）预报、中雨（6.1 mm）预报和大雨（12.1 mm）预报的TS 评分（图6a）和BIAS 评分（图6b）。FY-3CMWHS-Ⅱ辐射率同化整体提高了各个量级降水预报的准确率。同化FY-3CMWHS-Ⅱ辐射率前，RMAPS-CA 预报晴雨、中雨、大雨的TS 评分平均值分别为0.25、0.04 和0，同化后，分别为0.41、0.04 和0，将小雨预报的TS 评分提高了16%。同化前，RMAPS-CA 预报晴雨、中雨、大雨的BIAS 评分平均值分别为0.60、0.19 和0.08，同化后，分别为0.78、0.57 和0.44，有效降低了小雨预报的漏报率和空报率，降低了中雨和大雨预报的漏报率，3 个量级降水预报的BIAS 评分分别提升了18%、38%和36%，改善效果非常明显。

图6 同化前后降水预报的TS 评分（a）和BIAS 评分（b）

3 结论

FY-3C 卫星搭载微波湿度传感器MWHS-Ⅱ水汽探测通道辐射率能够为中亚探空稀疏区数值天气预报系统RMAPS-CA 提供丰富的大气探测信息，可减小该地区数值预报系统初始场的不确定性。本研究首次实现了FY-3C/MWHS-Ⅱ水汽探测通道辐射率在RMAPS-CA 中的同化，开展了2021 年5 月1—31 日逐6 h 冷启动的资料同化试验，预报时效24 h。以地基常规观测为真值，客观评估了其同化效果。得出以下结论：

（1）偏差订正前，RMAPS-CA 背景场亮温在通道11～14 整体高于FY-3C/MWHS-Ⅱ观测亮温，仅在通道15 略低于观测亮温。经过一系列的质量控制和偏差订正后，约有56%的辐射率资料被RMAPSCA 同化，且背景场和观测场间的亮温偏差大幅减小，偏差值更加接近于0，说明FY-3C/MWHS-Ⅱ能够在RMAPS-CA 中取得良好的同化分析效果。

（2）FY-3C/MWHS-Ⅱ辐射率的同化整体提高了RMAPS-CA 系统对高空温度、位势高度、风速等高空要素的中短期预报准确率，仅使得预报初始时刻位势高度预报偏差增大。

（3）FY-3C/MWHS-Ⅱ辐射率的同化提高了RMAPS-CA 系统对2 m 温度和10 m 风速的预报准确率。在0～24 h 预报时效内，均方根误差的减幅平均值为分别为0.2 K 和2 m/s。

（4）FY-3CMWHS-Ⅱ辐射率同化有效降低了小雨预报的漏报率和空报率，小雨预报的TS 评分提升了16%。其同化降低了中雨和大雨预报的漏报率，3 个量级降水预报的BIAS 评分分别提升了18%、38%和36%。

本研究以常规观测为真值进行偏差分析和同化效果评估，上述结论的客观性取决于观测数据的准确性和验证方法。首先，观测值的空间分布也是直接影响结果评估的一个重要因素。第二，该实验研究的时间对象是5 月，在后续研究工作中，可考虑扩展到其它季节，使得结论更具有普适性和代表性。第三，FY-3C/MWHS-Ⅱ辐射率的同化使得预报初始时刻位势高度预报偏差增大，其原因有待于进一步深入探究。另外，今后将继续开展受云影响的FY3C/MWHS-Ⅱ辐射率的质量控制技术及其在区域数值天气预报系统中的应用评估等研究工作。