ATOVS卫星资料同化对三江源暴雨预报影响的试验研究

钟浩斌 王磊 李谢辉 陈旭 梁周彤

摘要 选取3个三江源的典型降水个例（2018年6月30日、7月5日、8月24日），利用NCEP FNL再分析数据，并加入ATOVS湿度探测器MHS资料同化，基于WRF模式及其三维变分同化系统对三江源区域3次降水过程进行循环同化试验，分析3次事件的模拟状况，并定量分析降水结果。结果表明，3次降水事件在加入MHS资料同化后，1）模拟的水汽增大，在中层体现最明显且更符合实际情况，高空水汽和风模拟较好，地面温度预报欠佳;2）MHS资料对降水预报的影响主要体现在降水区面积和降水量的增大，提高了降水预报水平，但也带来较多空报区域;3）从TS、ETS、POD评分结果来看，有两个降水试验的提升较为明显，其中“0630”试验TS评分结果在0.5～10 mm之间提升了0.05～0.1，ETS在5 mm提升超过0.08，在10～20 mm之间也有少量提升，POD检验在0.5～20 mm之间均有提升，在0.5～10 mm之间提升最为明显，提升了0.1～0.25，“0824”试验TS与ETS在10～20 mm之间提升超过0.1，POD检验在6～20 mm之间提升了0.1～0.4，同化后降水预报有所改善，且在大阈值降水尤为明显;4）MHS资料同化对“0705”试验降水预报改善不明显，说明同化并不是每次都能给结果带来正效应，因此在使用MHS资料时不能过于信赖它，但总体上，同化MHS资料能够提升预报质量。

关键词三江源;降水;WRF模式;资料同化;微波辐射数据

三江源位于中国青海省南部，是长江、黄河和澜沧江三大水系的主要发源地，是我国面积最大的自然保护区，也是世界高海拔地区生物多样性最集中的自然保护区，流域保护区总面积达302 500 km2，地理位置为89°～103°E、31°～39°N，平均海拔高度为3 335～6 564 m，西高东低，地形地貌极其复杂。三江源属于高原大陆性气候，冷热季与干湿季交替，年温差大，日温差小，且生态环境脆弱，对气候变化响应十分敏感。在青藏高原大地形作用下，来自青藏高原北侧的气流与来自西南方向的气流经常在三江源地区交汇形成辐合，这种流场特征有利于形成高原切变线和低涡等天气系统，为当地降水形成提供了动力条件（李生辰等，2009）。三江源暴雨的水汽一般有3条来源路径，分别是孟加拉湾的西南路径、中纬度西风带的水汽路径和西北的干冷气流输送路径（陈亚玲等，2022），它们配合三江源局地的动力系统（姚秀萍等，2022），常常能引起较大的降水事件。三江源年平均降水量为470 mm左右（蔡永祥等，2022），夏季平均降水量接近300 mm（刘晓琼等，2019），夏季是三江源降水最集中的季节，常常发生暴雨。一旦发生暴雨天气，很容易引起山体滑坡和山洪暴发等灾害，不仅给当地人民生命财产安全带来严重威胁，而且会损害当地经济发展（马秀梅等，2017;雷彦和张广伟，2020），而提升三江源数值天气预报的准确率，则能提高暴雨的预报水平并有效减少灾害损失。2018年夏季三江源降水量较大，与往年相比多了三成，位列历史第一，因此本文将对2018年夏季3场典型的短波槽降水进行试验研究。

数值天气预报涉及初边值问题，当输入大气状态初值、合适的地面条件和侧边界条件后，数值模式将模拟出大气的推演结果，即预报出天气要素，包括气温、气压、降水量、风场和湿度等。数值天气预报在确定了参数化方案后，其初始场越精确，其预报结果就会越准确。资料同化能改进模式初始场（薛纪善，2009），从而进一步提升模式预报结果的质量（王顺凤等，2011）。资料同化实质是研究如何处理各种不同精度的非常规观测数据，包括雷达数据和卫星辐射资料等，并使之与常规观测数据合理地整合为一个有机整体，从而为数值模式提供一个更准确的初始场，达到提高模式预报精度的目的。相比其他同化资料，卫星资料具有观测数据一致、覆盖范围广、时空分辨率高、不受地理条件影响等特点（王宗皓，1995;杨引明等，2012）;卫星资料因上述特点已被广泛应用于天气诊断分析和数值天气预报中。欧洲中期数值预报中心公布的数据显示，卫星辐射资料占所有同化资料的90％以上，纯粹的卫星辐射资料又占所有使用资料的80％以上（薛纪善，2009），许多业务数值天气预报中心和研究机构实现了多类型卫星辐射资料同化在数值天气预报中的应用。对于卫星资料同化，一些学者就不同的事件个例进行了深入探究（Qin et al.，2013;马旭林等，2014;王恬等，2014）;许多案例研究结果表明，加入卫星资料同化后，形势场和降水分布的模拟有了显著提升（郭锐等，2010;张斌等，2014;Wang et al.，2018;张少婷等，2019），台风路径的模拟也有较好改善（张涛等，2019）。此外，有学者对多种卫星辐射资料同化中应用偏差订正方案进行了探讨，并对卫星辐射资料同化影响模式预报结果进行了综合评估，结果表明改善效果明显（Schwartz et al.，2012;段华等，2015）。

在卫星气象微波资料中，极轨气象卫星搭载的微波湿度探测器资料（microwave humidity sounder，MHS）的研究应用对降水模拟有着很大影响。相比于红外湿度计，MHS的微波辐射能够穿透非降水云，得到云里面的大气湿度信息。随着气象卫星事业和资料同化的发展，MHS资料得到了进一步利用，云区和降水区预报激发了对MHS资料的研究，因此对卫星辐射湿度资料进行研究具有十分重要的意义。Andersson et al.（2007）、张同（2016）使用不同方法评估了卫星湿度资料的同化应用，结果表明均取得较好的效果。然而，在数值天气预报中如何最有效地同化卫星微波湿度计资料，至今仍是一大挑战。McNally et al.（1997）指出，卫星资料同化需要考虑发射率校正、偏差订正以及云况和降水等。同化过程必须顾及扫描偏差（Harris and Kelly，2001）;卫星辐射资料直接同化需要通过辐射传输模型;在卫星资料同化过程中，基础光谱数据和湿度资料等卫星观测数据误差会造成系统性偏差，结果与实际有误差（李刚等，2016a，2016b）。MHS资料包含大气的水汽信息，对降水预报有着举足轻重的影响（马原和邹晓蕾，2013;Candy and Migliorini，2021）。曲美慧（2015）研究发现，MHS资料在GRAPES-GFS模式中的应用能改善水汽的预报。于晓晶等（2018）针对一次暴雨个例，同化MHS与AMSU-A（advanced microwave sounder unit-A）资料;结果表明，同化MHS比同化AMSU-A的降水评分更优，MHS更适用于降水预报。另外，有学者研究发现，与其他微波湿度计资料AMSU-B（advanced microwave sounder unit-B）相比，MHS在测量敏感性与定标的精确度方面要优于AMSU-B，MHS的效果更好（Bonsignori，2007）。总体来看，大多数MHS研究的结果表明，其对数值预报有正效应。然而，目前我们还不清楚MHS资料在三江源地区的降水模拟应用是否具有同样好的效果，而此类研究也较少。由于三江源地区地势较高、地形复杂、面积广阔且气象观测站点稀少，所以数值模式中的初值质量存在较大问题;而卫星辐射资料具有覆盖面广和时空分辨率高等特点，故其有望改善三江源地区常规观测资料不足的现状。因此，在缺乏常规资料的三江源地区开展MHS资料同化研究应用势在必行。目前，国内有关WRF资料同化的研究主要是探讨不同同化方法及多数据同化的效果差异，而同区域多事件案例对单一数据同化模拟结果的影响研究则较少。为此，本文将在三江源3次降水事件中加入MHS资料循环同化进行试验，比较同化前后试验的结果，探讨加入卫星MHS资料同化对3次事件预报效果的影响，以期提高三江源地区降水预报的精度。

1 资料来源与说明

1.1 资料来源

本次预报模拟使用WRF模式，用来输入WRF模式的气象资料是NCAR／NCEP提供的FNL（final operational global analysis）全球分析数据，空间分辨率为1°×1°，时间分辨率为6 h，垂直方向上分26层，包括气温、对流、蒸发、湿度和位势高度等。500 hPa环流形势资料选用欧洲中期数值预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的第5代高分辨率再分析资料（the fifth generation ECMWF Re-Analysis，ERA5），包括日每小时的纬向风分量、经向风分量、比湿、位势高度，其水平分辨率为0.25°×0.25°。高时空分辨率的降水观测资料对于模式预报具有相当重大的意义（任英杰等，2019），降水观测资料分辨率高能减少计算模式模拟降水的评分结果因分辨率产生的误差，能有效提升测评模式预报降水的能力，因此用来与WRF输出数据进行对比的观测降水资料选取了空间分辨率为0.1°×0.1°、时间分辨率为0.5 h、由美国NASA（National Aeronautics and Space Administration）提供的GPM IMERG（Integrated Multi-satellitE Retrievals for GPM）中的Final Run降水产品。分析高空实况的水汽资料使用气象信息综合分析处理系统（Meteorological Information Comprehensive Analysis and Processing System，MICAPS）第4类格点数据，风场使用MICAPS第11类格点矢量数据，它们的网格分辨率是纬度方向3.4°、经度方向5°，时间分辨率是12 h，即00时与12时（世界时，下同）。分析地面温度实况的资料使用MICAPS第3类通用填图和离散点等值线数据，其空间分辨率为气象站点分布状况，时间分辨率为5 min。同化资料采用MHS资料。降水资料采用GPM IMERG的Final Run产品（Chen and Li，2016;Liu，2016;Sharifi et al.，2016;Siuki et al.，2017）。

1.2 微波湿度探测器介绍

微波湿度探测器（MHS）用于探测大气湿度信息，是一种先进的微波湿度探测器，含有5个通道，主要用于探测大气湿度的垂直分布、水汽含量和云中液态含水量等，能有效探测大气中水汽的空间分布与变化状况。MHS拥有89～190 GHz范围的频道，微波湿度探测器将在大气中吸收水汽最强的183.31 GHz作为主探测频点，并向两侧扩展有3个探测通道（183.31±1） GHz、（183.31±3） GHz和190.31 GHz，它们分别对大气层的上层、中层和下层水汽敏感。183.31 GHz频道提供大气湿度数据，而157 GHz和89 GHz频道用来观测地表发射率、地表温度（结合AMSU-A数据）等参数;另有低层大气信息的窗区通道，能修正主探测通道的数据，探测云中的含水量以及低空云和降水等。综合5个通道的探测信息，能得到大气湿度在垂直方向上的分布状况，为数值预报模式提供重要的参数信息。

2 模式方案与方法

2.1 模式设置

本试验研究使用WRF模式（3.9.1版本）模拟，并以NCEP FNL全球再分析资料为背景场。3次个例模拟过程时间分别为2018年6月29日12：00—7月1日00：00、7月4日12：00—7月6日00：00、8月23日12：00—8月25日00：00。为了囊括三江源周边地区可能的天气影响而使得试验更具真实性，试验采用双层嵌套，外层水平分辨率为9 km，包含部分西北、西南、华北地区，垂直方向有60层;内层水平分辨率为3 km，以三江源地区为主，垂直方向有60层，积分步长为30 s，模拟中心点为96.061 2°E、36.138 7°N，位于三江源降水位置附近（图1）。试验设置参数方案如下：长波辐射，rrtm方案;短波辐射，Dudhia方案;积云对流参数方案，浅对流Kain-Fritsch方案;近地面层，Monin-Obukhov方案;陆面过程，Noah陆面过程方案;边界层，YSU方案;微物理过程，新Thompson冰雹方案。

2.2 同化方案

本研究使用的同化系统为WRF资料同化系统（WRF Data Assimilation System，WRFDA），数据同化方法为WRF三维变分同化（WRF-3DVAR）。WRFDA是由美国国家大气研究中心开发并维护的与中尺度模式WRF相配套的资料同化系统，由Fortran90程序语言编写，同样采用模块化结构。WRF-3DVAR可以理解为观测场与分析场、分析场与背景误差场之间的二次泛函极小化问题，计算公式为：

式中：y0为大气观测;xb为背景场;x为初始场最优解;B为背景误差协方差矩阵;R为观测误差协方差矩阵;H（x）为由x向y的映射（观测算子）。辐射传输模式采用美国卫星资料同化联合中心研制开发的CRTM（Community Radiative Transfer Model），背景误差协方差矩阵采用WRFDA的通用“CV3”，偏差订正采用变分偏差订正方法。同化方案采用循环同化方案，从初始刻（“0630”试验，2018年6月29日12：00;“0705”试验，2018年7月4日12：00;“0824”试验，2018年8月23日12：00）同化初始场积分6 h，将模拟得到的预报场作为下一个时刻的初始场进行同化，以此分别循环至2018年7月1日00：00、7月6日00：00、8月25日00：0，共36 h。同化时间窗口设为6 h，即以分析时间为中心的±3 h为时间窗口。同化资料选用NOAA-18卫星的MHS资料。本次试验个例有3个，研究试验分成3组，具体设计方案如表1所示。此外，卫星观测资料不能直接用于同化，因为探测得到的辐射数据部分为地表、海冰、雪盖等下垫面信息，且容易受到云污染，所以需要对卫星资料进行质量控制。质量控制是观测资料进入同化系统分析之前必不可少的一步，目的是消除一些不符合同化质量要求的观测数据，并保证同化计算过程的快速收敛和同化分析结果的质量。为方便起见，本试验采用WRFDA中自带的质量控制方案：1）剔除混合层、陆地、海冰、雪盖通道1、通道2，保留通道3、通道4、通道5;2）降水检测，若通道1和通道2的亮温之差≥3 K，则认为有降水影响，该廓线舍去;3）临边检测时舍去扫描线两端的8个点;4）地面气压检测，若存在地面气压小于800 hPa，则剔除通道5。

2.3 分析方法

为了更客观地分析预报试验的模拟效果，本文采用FAR（false alarm rate）、MAR（missing alarm rate）、POD（probability of detection）、TS（threat score）、BIAS、ETS（equitable threat score）、平均绝对误差（mean absolute error，MAE）与均方根误差（root mean squared error，RMSE）对其结果进行检验。TS评分与模式水平分辨率有重要相关关系，分辨率越高，TS评分效果越明显（王在文等，2016）。ETS评分是TS评分的一种改进，能够由空报与漏报的降水预报点对评分进行惩罚，因此使得其对降水的评分结果相对后者更加公平（吴启树等，2017）。

TS评分为：

ETS评分为：

式中：NA为成功预报降水的频次;NB为降水空报的频次;NC为降水漏报的频次;ND为预报与实况结果均未达到阈值正确的次数。TS、ETS评分的值介于0～1之间。通常情况下，由于ETS评分对空报结果有较大惩罚而使其偏低于TS评分，所以ETS评分常与TS评分结合起来作综合评估。在一个降水阈值内，TS和ETS评分越大说明预报效果越好，反之则说明预报效果越差。其他常用的降水评估还有：

式中：POD是指每次预报的命中情况，表示模式模拟降水在实际降水中发生的概率，也就是成功预报的真实降水地区占所有真实降水地区的比值，取值在0～1之间，值越大表示预报效果越好;FAR为空报率，指所有模拟的降水地区中实际没有发生降水地区的占比，取值在0～1之间，值越大表示空报率越高;BIAS为偏差评分，表示在某一量级降水阈值上预报的降水区域中满足该阈值的所有格点数与对应实际降水的格点数之比（Kong et al.，2008），BIAS评分能指示预报的降水不足（结果小于1）或过度（大于1），用来测量降水预报与实际的相对程度。

3 结果与分析

3.1 卫星资料诊断

3.1.1 卫星资料分布

由于同一传感器不同通道的观测资料覆盖范围大致相同，所以下面以MHS第4通道为例，对卫星资料范围进行分析。图2a为各卫星资料稀疏化后的分布（MHS搭载于NOAA-18卫星上，由两条扫描带组成），可知MHS稀疏化后的资料有1 236个。图2b为剔除不符合质量的资料后剩余的观测点分布;经过质量控制后，资料剩余数为539个，MHS第4通道剔除资料主要位于两条扫描带之间以及青藏高原和西北部分地区。通过对卫星云图（图略）的观察分析可以发现，在这些地区上空，云量较多，云层较厚，推测是卫星观测资料在该地区受云污染严重，资料质量较差，故在质量控制中未通过检验而被舍去。通过质量控制后，卫星资料的整体质量虽然有所上升，但通过图2c可发现，背景场亮温与观测亮温仍有差异，且背景场亮温普遍要高于观测亮温，这是由于观测资料本身、背景场、分析场以及CRTM辐射传输模式可能存在系统性误差所致，因此在卫星资料经过质量控制后仍需对其进行偏差订正（李刚等，2016a，b），这样才能更好地发挥卫星资料在资料同化中的作用，下面将分析卫星资料的偏差订正结果。

3.1.2 偏差订正

图3a—c为MHS资料中一个通道亮温偏差订正结果。图3a中，横坐标为观测亮温（OBS），纵坐标为未订正的背景场亮温（BAK）。由图3a可发现，一个通道的散点图大致呈线性分布，且大多数散点位于图中对角线上方，说明背景场模拟亮温与观测亮温有差异，且大多数模拟亮温高于观测亮温。图3b的横坐标为观测亮温，纵坐标为订正后的背景场亮温。图3b的散点分布相对图3a整体下降，且更加贴近图中对角线，说明资料在经过偏差订正后模拟亮温下降了，更加符合观测亮温的结果。图3c的纵坐标是同化后的分析场模拟亮温。与图3b比较，图3c的散点更向对角线靠拢，即分析场模拟亮温与观测亮温更加接近，说明同化效果好。比较MEAN、STDV和RMSE结果可知，订正后的观测残差MEAN和RMSE与订正前相比有所下降，说明偏差订正方案能减少系统误差;背景场与同化后的分析场相比，分析场的观测残差MEAN和RMSE在同化后进一步减少，STDV也有所下降，说明偏差订正方案能改善分析场模拟亮温，由此使得模拟亮温结构与观测亮温结果更加接近。

图3d—f是观测残差频数分布直方图，能进一步分析偏差订正的效果。图3d、e的横坐标为OMB（观测场减背景场），图3f的横坐标为OMA（观测场减分析场）。结果显示，图3d的OMB范围在-7～3 K之间，大值主要位于-2～-1 K区间，图3e的OMB范围在-6～4 K之间，订正后的模拟亮温有所提升，大值主要位于-1～0 K之间，偏差减小了，说明偏差订正有正效应。图3f的OMA范围在-4～3 K之间，与图3e相比范围明显缩小，且有近300个资料分布在0附近;图3f位于0附近的资料比图3e多约200个，说明分析场亮温更加接近观测结果。对其他通道的分析也得出了较为一致的结论，限于篇幅，此处不再赘述。

3.2 预报场分析

3.2.1 预报风场与水汽场

图4给出了模拟24 h的400 hPa风湿场。由“0630”试验结果来看，三江源西侧的南风与东南侧的东南风在加入同化后风速稍有增大，整体提升了2～4 m／s，而北侧的西风则减弱了2 m／s左右;湿度分布是整体西部偏湿、北部和东南部偏干，同化后西侧湿度大于4.5 g·kg-1的区域增大，局部湿度增大至5.5 g·kg-1;跟实况相比，西北侧和西南侧的风向的同化模拟效果更好，东北侧的风向在同化前更接近实况，而东南侧的风向在同化前、后均与实况相差较大。由“0705”试验结果来看，同化前、后整体以西风为主，同化前在96°E、35°N附近出现弱的风速辐合，同化后该辐合西移，此处原西北风转为东风且风速辐合增大;湿度分布主要是南北干、中间湿，同化后西南侧湿度减小、北侧湿度增大;4个点的实况风均为偏西风，模拟结果与之相符;南侧2个点的风速在同化前稍小，同化后增大了2～4 m／s，风速更符合实况，而北侧2个点的风速与同化前、后的结果相比，无明显差异。

由“0824”试验结果来看，整体以西风和西北风为主，在加入同化后，西南侧的西北风的北风分量减少，东南侧的西风转为西南风，风速比实况略大，而北侧2个点的风速在同化前、后相差不大，模拟结果较符合实况;对照实况看，同化后的风场质量稍有提升;湿度分布整体是北侧和东南侧偏干、中间湿，同化后北侧偏干区域的湿度有所上升。通过比较3次试验的400 hPa水汽分布可发现，加入MHS资料同化后，水汽含量预报有了明显增大;与MICAPS资料相比，同化后部分地区的风速和风向预报稍有改善。

图5为站点水汽含量随高度的分布（站点位置是根据MICAPS资料的高空站点分布和实际主要降水区域综合考虑后确定的;图a、d与图b、e的地点在95°E、35.8°N，图c、f的地点在100°E、32.4°N）。由图5可见，500 hPa上，同化后的水汽含量均增大，更接近实况;在其他高度层上，同化后的水汽含量几乎都增加，且中层的水汽增量最大，推测是质量控制的方案保留了第3、4、5通道，而这3个通道主要是探测中低层水汽的原因所致。3个降水试验结果显示，在降水水汽贡献最大的中低层，加入同化后差值减小的层数比同化前要多。此外，“0630”试验和“0824”试验的RMSE在同化后低于同化前，表明同化后其水汽模拟较好。从总体效果看，同化试验对“0705”试验的站点水汽预报不够理想，而对“0630”和“0824”试验的站点水汽预报效果较好。

3.2.2 预报温度场

图6为3场降水的24 h地面温度预报及实况。“0630”试验中，同化后西侧温度有所下降，大范围低于6 ℃，北侧温度有所提升，局地可达28 ℃;三江源南侧大范围温度下降2～4 ℃;对照实况可知，同化后模拟效果更佳。“0705”试验中，同化前、后的差异主要位于北侧和南侧部分地区，同化后温度下降2 ℃;对照实况可知，北侧和中部温度在同化后模拟更佳，且南侧大范围高温区在同化后模拟更好。“0824”试验中，同化后北侧局域温度上升2 ℃，西北侧部分地区温度上升2 ℃;对照实况可知，北侧区域温度上升与同化前相比预报效果不够理想，而西北侧区域同化后温度模拟更加接近实况。

综上所述，3次试验对地面温度的预报，在加入MHS同化后效果改善得不够理想，推测是降水云层较厚影响了传输模式结果，使得MHS资料在低层大气湿度探测结果与实况有偏差，导致地面温度的模拟没有得到很好的改善。这表明，同化MHS资料并不总是能给预报带来正效应，同化资料仍存在不足之处。

3.2.3 降水空间分布

图7a—c为2018年6月30日15：00—21：00（此次降水发生的主要时段）模拟累计降水量分布及实况。由图7c可见，降水区域为一条东北—西南走向的雨带，包括三江源西南侧局部地区，降水中心主要位于三江源西侧及东北侧，最大降水量可达30 mm。由图7a可见，同化前，模拟试验的降水区主要位于三江源西侧、西北侧及西南侧局部地区，最大降水量可达30 mm，与实况相比，降水中心位置偏北，三江源东北部降水未被模拟出，与实况有差异。由图7b可见，MHS同化后试验模拟的降水分布与同化前相比有较大变化，模拟降水区域与实况的重合度更高，模拟的雨带更接近实况，说明此次同化改善降水结果较好。图7d—f为2018年7月5日12：00—18：00模拟累计降水量分布及实况。由图7f可见，降水主要发生在中部及东南部，最大降水量可达30 mm。比较图7d与图7e可发现，在三江源中部，同化前、后的降水位置较接近，但同化后的降水区域分为两部分，更接近实况;在三江源东南部，同化前的雨区更接近实况，同化后则偏南;在三江源西部局部地区，同化前、后降水均未能被模拟出。总体来看，此次降水模拟同化的改善作用较小，甚至部分地区的降水预报反而不如同化前。图7g—i为2018年8月24日09：00—15：00模拟累计降水量分布及实况。由图7i可见，降水区域为一条东北—西南走向的雨带，且雨带东北部和南部局地存在大值降水。由图7g可见，同化前的试验基本能模拟出雨带，但降水大值区主要位于雨带西南部，与实况相差较大。由图7h可见，同化后的试验能模拟出雨带，且降水大值区几乎覆盖整条雨带;试验能模拟出部分地区的降水大值中心，而部分地区的大值降水预报可能会使得大值降水错报增多，但效果上仍比同化前大值降水错报和漏报要更好。综合来看，同化MHS资料对降水分布预报有较明显的改善。尽管如此，仅从降水分布来评价预报结果是否有改善还存在主观性，故而下面将对所有试验进行降水评分，以客观分析检验预报结果。

3.3 降水预报评分

在研究区域（92°～100°E，31°～37°N）内，以GPM IMERG的Final降水产品为观测标准，对主要时段的模拟降水进行数据评估。根据6 h累计降水量实况，将试验研究的6 h累计降水量分为4个等级，分别为小雨（0.5～<5.0 mm）、中雨（5.0～<10.0 mm）、大雨（10.0～<20.0 mm）和暴雨（大于等于20.0 mm），小于0.5 mm均视为无雨。通过网格数据插值方法，将GPM降水产品数据网格与WRF模拟数据的高分辨率网格统一，计算3个个例试验的POD、FAR、BIAS以及各个降水等级的TS、ETS。

由表2和图8可见，“0630”降水在同化前的模拟效果是，TS评分有不错的评估，但对于ETS评分，由于存在许多空报和漏报的地方，ETS评分会对空报和漏报进行惩罚，所以ETS评分整体偏低。加入同化后，大于等于小雨级别的降水TS评分提升了0.1左右，中雨级别的降水TS评分提升了0.13、ETS评分提升了0.08左右;POD检验在0.5～20 mm之间均有提升，特别在0.5～10 mm之间提升最明显，提升了0.1～0.25。TS、ETS和POD在同化后虽然有明显的提升效果，但也存在一些不足。对于大于等于0.5 mm的降水，加入同化后POD提升，但FAR相较于同化前空报次数略增，这导致大于等于小雨级别降水ETS评分在同化后没有明显提升。从BIAS来看，同化前、后相差较大，同化后在1～16 mm之间BIAS评分大于1，试验预报结果偏湿，而在16～20 mm之间BIAS评分小于1，说明在该降水阈值内多处降水漏报，同化前BIAS整体小于1，降水以漏报为主。此外，此次降水同化后的RMSE与MAE均有所下降。总体来看，此次降水加入同化后对改善降水模拟效果是有所提升的。

对于“0705”降水，同化后降水分布改善较小（图7）。从降水评估来看，POD与FAR相比其他2场降水检验结果均较差，对大于等于小雨级别的降水，同化前TS评分仅有0.448，但ETS评分相对于“0630”降水却有增大;这可能是由于此次降水范围不大、降水量偏小，模拟降水和实际降水在多处均无降水，所以ETS评分不会因多处模拟和实际同时无降水而受到惩罚，故而其结果比“0630”降水的要大。由BIAS结果可见，同化前、后的结果较相近，总体趋势是在较小降水阈值内稍大于1 mm之后随雨量的增大而迅速减小，整体均以漏报为主。此个例模拟结果过高的降水空报使得ETS结果偏低，此外考虑到TS、POD降水检验结果相比其他2场降水均较差，故该个例检验效果不理想（TS、ETS、POD与同化前相比均有所下降）。这说明，同化MHS资料并不总会给每次降水事件的预报都能带来好的结果，有时甚至会给模拟带来负效应。这里提醒我们，在使用MHS资料同化模拟时，不能对其模拟结果完全信赖，仍需通过改进资料的使用方法来找到最适宜的同化方案，寻找更优的质量控制方案和同化方法，以达到提高模式预报质量的目的。

对于“0824”降水，同化前、后雨带位置基本无差异，且均能被大致模拟出（图7）。表2表明，对小雨和中雨级别的降水，同化前、后的TS与ETS评分较接近，但大雨和暴雨级别的降水，同化后的TS与ETS评分均有大幅提升。在暴雨级别同化前的TS和ETS均为0的情况下，同化后TS和ETS分别提升至0.128和0.114，这对暴雨预报的提升是非常显著的。由图8c可见，同化后的POD始终大于同化前，且大于6 mm同化后的POD有大幅提升，提升了0.1～0.4;在0.5～8 mm之间同化后的FAR略大于同化前，但大于8 mm同化后的FAR小于同化前。从BIAS结果来看，小于8 mm的预报效果均较好，同化前、后都接近于1，在8～20 mm之间同化前评分减小，同化后先增大、后在16～20 mm之间迅速减少并接近1。BIAS评分结果表明，同化前预报结果以偏干为主，同化后以偏湿为主，相对而言，同化后的结果更佳，尤其在大阈值降水区间。同化后，RMSE和MAE增大，这可能是因为模拟的降水量偏大且空报次数增多，使得RMSE和MAE增大;但总体来看，此次模拟在加入同化后对降水预报有提升。此外，结合前2个个例可发现，加入同化后，BIAS普遍比同化前偏大，预报结果偏湿;这与卫星探测器的种类有关，同化MHS资料使得初始场的水汽含量增大，从而导致预报结果的水汽含量也增大，进而使得降水期间有更充足的水汽，预报的降水区域增大、降水量增加。

4 结论与讨论

针对三江源区2018年6月30日、7月5日、8月24日3次降水过程，利用WRF3.9.1及其三维变分同化系统（WRFDA），使用NCEP提供的FNL再分析资料并输入到WRF模式中，通过同化ATOVS微波湿度探测器资料，进行了多次循环同化试验，探讨了循环同化方案对水汽场、风场和温度场的影响，以及对它们和降水的模拟效果，得到以下结论：

1）同化后，从下层到上层预报的水汽含量基本比同化前要大，由于质量控制方案的原因，保留了第3、4、5通道的资料，故中层体现得最明显，且同化预报的水汽更符合实际。同化后，地面温度预报改善不明显，部分地区模拟效果欠佳，但大部分高空风模拟结果较好。总体而言，MHS资料同化对地面温度模拟改善欠佳，对高空水汽、风模拟有改善。

2）卫星资料同化提升降水预报的能力主要体现在降水区面积和降水量的增大，提高了降水预报水平，但增加了空报降水区域，且高估降水也较明显，说明同化MHS的结果仍存缺陷。

3）从TS、ETS评分结果来看，加入同化后，有2个个例试验的提升较明显，其中“0630”试验的TS评分结果在0.5～10 mm之间提升了0.05～0.1，ETS评分结果在5 mm提升超过0.08，在10～20 mm之间也有少量提升，POD检验在0.5～20 mm之间均有提升，在0.5～10 mm之间提升最为明显，提升了0.1～0.25;“0824”试验的TS和ETS评分结果在10～20 mm之间提升超过0.1，POD检验在6～20 mm之间提升了0.1～0.4。同化后试验模拟有提升，模拟的降水区域次数增多，说明加入MHS同化对降水模拟有改善，大阈值降水改善效果较明显。

4）加入卫星资料同化并非所有试验预报都能有理想的结果。在“0705”试验中，加入同化后，无论是从降水分布，还是从降水检验结果来看，同化对降水预报的结果并没有很大的提升，说明同化并不是每次都能对每个个例的模拟结果有正效应，因此对MHS资料的使用不能过于信赖，同化资料的使用方法仍需改进，可尝试更换质量控制方案以改善降水预报结果。但结合“0630”和“0824”试验结果可知，同化MHS资料对降水预报仍有提升效果。

本研究进行初步试验时，由于WRF模式设置的水平分辨率和垂直分辨率不高，所以模拟结果与真实降水相差甚远。为此，加入资料同化，然而降水模拟分布并无改善;这是由于同化前初始场的模拟效果较差，同化对改善初始场的作用有限。在不断提高分辨率和更换微物理方案后，WRF模拟的结果也开始不断得到改善;在此情况下，加入MHS资料同化，此后提升的效果越来越明显，同化后的降水分布与同化前相比更加符合实况。经过多次试验后发现，影响模拟效果的重要因素之一是初始的设置方案以及水平和垂直分辨率，卫星资料同化具有改善作用的前提条件是要有良好的WRF模式设置。此外，“0705”试验的同化效果与其他2个试验相比不够理想，这可能是因为质量控制方案、偏差订正方案并不适用于该个例，也可能是因为云层较厚影响了卫星资料的质量，从而导致产生较大的系统性误差。在此试验的基础上，可考虑进一步提高方案的水平和垂直分辨率以提高初始场的准确度，并尝试使用其他质量控制方案、偏差订正方案以提高MHS资料的准确度，达到提升降水模拟效果的目的。此外，本试验尚存在不足之处：选择的同化资料较少，选取的2018年3个降水个例均为短波槽的强降水，对其他天气系统的降水可能不具有适用性。为此，可考虑使用精度更高的卫星数据以及其他卫星的微波湿度资料，对不同类型降水进行同化试验，以进一步验证微波湿度资料在三江源地区同化预报系统中的同化效果。另外，本试验使用同化路线均为循环同化，采用的质量控制方案为WRFDA自带的方案，偏差订正为变分偏差方法;这些方案可能不是最优方案，可尝试单时次同化，更换质量控制方案和偏差订正方法，继续比较试验结果，以探讨不同方案对同化试验的改进。

参考文献（References）

Andersson E，Hólm E，Bauer P，et al.，2007.Analysis and forecast impact of the main humidity observing systems［J］.Quart J Roy Meteor Soc，133（627）：1473-1485.

Bonsignori R，2007.The Microwave Humidity Sounder （MHS）：in-orbit performance assessment［C］／／Proc SPIE 6744，Sensors，Systems，and Next-Generation Satellites XI：93-104.doi：10.1117／12.737986.

蔡永祥，罗少辉，王军，等，2022.三江源地区1961—2019年降水量时空变化特征［J］.草业科学，39（1）：10-20. Cai Y X，Luo S H，Wang J，et al.，2022.Spatiotemporal variations in precipitation in the Three-River Headwater region from 1961 to 2019［J］.Pratacultural Sci，39（1）：10-20.doi：10.11829／j.issn.1001-0629.2021-0376.（in Chinese）.

Candy B，Migliorini S，2021.The assimilation of microwave humidity sounder observations in all-sky conditions［J］.Quart J Roy Meteor Soc，147（739）：3049-3066.doi：10.1002／qj.4115.

Chen F R，Li X，2016.Evaluation of IMERG and TRMM 3B43 monthly precipitation products over mainland China［J］.Remote Sens，8（6）：472.doi：10.3390／rs8060472.

陈亚玲，文军，刘蓉，等，2022.江河源区水汽输送与收支的时空演变特征分析［J］.高原气象，41（1）：167-176. Chen Y L，Wen J，Liu R，et al.，2022.Analysis on the temporal and spatial evolution characteristics of water vapor transport and budget over the source region of the Three-River［J］.Plateau Meteor，41（1）：167-176.doi：10.7522／j.issn.1000-0534.2021.00049.（in Chinese）.

段华，潘晓滨，臧增亮，等，2015.基于GSI同化系统的卫星辐射率资料的同化试验［J］.干旱气象，33（6）：895-901. Duan H，Pan X B，Zang Z L，et al.，2015.Analysis on assimilation experiment of AMSU-A radiance based on GSI system［J］.J Arid Meteor，33（6）：895-901.doi：10.11755／j.issn.1006-7639（2015）-06-0895.（in Chinese）.

郭锐，张国平，李泽椿，2010.对于一次川渝暴雨的ATOVS资料同化数值模拟［J］.大气科学学报，33（5）：615-623. Guo R，Zhang G P，Li Z C，2010.Assimilation and numerical simulation of ATOVS data of the heavy rain over eastern Sichuan Province and Chongqing［J］.Trans Atmos Sci，33（5）：615-623.（in Chinese）.

Harris B A，Kelly G，2001.A satellite radiance-bias correction scheme for data assimilation［J］.Quart J Roy Meteor Soc，127（574）：1453-1468.doi：10.1002／qj.49712757418.

Kong F，Xue M，Thomas K，et al.，2008.Real-time storm-scale ensemble forecast experiment：analysis of 2008 spring experiment data［C］／／24th Conference on Several Local Storms.Savannah：Amer Meteor Soc.

雷彦，张广伟，2020.青海东北部地区一次暴雨天气成因分析［J］.现代农业科技（22）：162-163，167. Lei Y，Zhang G W，2020.Analysis on the cause of a rainstorm in Northeast Qinghai Province［J］.Mod Agric Sci Technol（22）：162-163，167.（in Chinese）.

李刚，曲美慧，张华，2016a.微波湿度计资料在GRAPES模式中偏差订正方法研究［J］.大气科学学报，39（5）：653-660. Li G，Qu M H，Zhang H，2016a.Bias correction of microwave humidity sounder radiances in the Global／Regional Assimilation and Prediction System［J］.Trans Atmos Sci，39（5）：653-660.doi：10.13878／j.cnki.dqkxxb.20140228001.（in Chinese）.

李刚，吴兆军，张华，2016b.偏差订正方法在IASI辐射率资料同化中的应用研究［J］.大气科学学报，39（1）：72-80. Li G，Wu Z J，Zhang H，2016b.Bias correction of infrared atmospheric sounding interferometer radiances for data assimilation［J］.Trans Atmos Sci，39（1）：72-80.doi：10.13878／j.cnki.dqkxxb.20140228001.（in Chinese）.

李生辰，李栋梁，赵平，等，2009.青藏高原“三江源地区”雨季水汽输送特征［J］.气象学报，67（4）：591-598. Li S C，Li D L，Zhao P，et al.，2009.The climatic characteristics of vapor transportation in rainy season of the origin area of Three Rivers in Qinhai-Xizang Plateau［J］.Acta Meteor Sin，67（4）：591-598.（in Chinese）.

刘晓琼，吴泽洲，刘彦随，等，2019.1960—2015年青海三江源地区降水时空特征［J］.地理学报，74（9）：1803-1820. Liu X Q，Wu Z Z，Liu Y S，et al.，2019.Spatial-temporal characteristics of precipitation from 1960 to 2015 in the Three Rivers Headstream Region，Qinghai，China［J］.Acta Geogr Sin，74（9）：1803-1820.doi：10.11821／dlxb201909008.（in Chinese）.

Liu Z，2016.Comparison of integrated multisatellite retrievals for GPM （IMERG） and TRMM multisatellite precipitation analysis （TMPA） monthly precipitation products：initial results［J］.J Hydrometeorol，17（3）：777-790.doi：10.1175／jhm-d-15-0068.1.

马秀梅，刘晓燕，代青措，2017.副热带高压影响下青海东部两次暴雨对比分析［J］.青海科技，24（3）：72-77. Ma X M，Liu X Y，Dai Q C，2017.Comparative analysis of two heavy rains in eastern Qinghai under the influence of subtropical high［J］.Qinghai Sci Technol，24（3）：72-77.（in Chinese）.

马旭林，陆续，于月明，等，2014.数值天气预报中集合-变分混合资料同化及其研究进展［J］.热带气象学报，30（6）：1188-1195. Ma X L，Lu X，Yu Y M，et al.，2014.Progress on hybrid ensemble-variational data assimilation in numerical weather prediction［J］.J Trop Meteor，30（6）：1188-1195.doi：10.3969／j.issn.1004-4965.2014.06.020.（in Chinese）.

马原，邹晓蕾，2013.气象卫星微波湿度计资料简介［J］.气象科技进展，3（6）：45-51. Ma Y，Zou X L，2013.Serial of applications of satellite observations an introduction to satellite-based microwave humidity sounding data［J］.Adv Meteor Sci Technol，3（6）：45-51.doi：10.3969／j.issn.2095-1973.2013.06.006.（in Chinese）.

McNally A，Andersson E，Kelly G，et al.，1997.The use of raw TOVS／ATVOS radiances in the ECMWF 4D-Var assimilation system［R］.ECMWF Newsletter（83）.

Qin Z K，Zou X L，Weng F Z，2013.Evaluating added benefits of assimilating GOES imager radiance data in GSI for coastal QPFs［J］.Mon Wea Rev，141（1）：75-92.doi：10.1175／mwr-d-12-00079.1.

曲美慧，2015.ATOVS微波湿度计MHS资料在GRAPES-GFS模式中的同化应用技术研究［D］.南京：南京信息工程大学. Qu M H，2015.Assimilated application study of ATOVS microwave humidity sounder radiance in GRAPES-GFS［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.

任英杰，雍斌，鹿德凯，等，2019.全球降水计划多卫星降水联合反演IMERG卫星降水产品在中国大陆地区的多尺度精度评估［J］.湖泊科学，31（2）：560-572. Ren Y J，Yong B，Lu D K，et al.，2019.Evaluation of the Integrated Multi-satellitE Retrievals （IMERG） for Global Precipitation Measurement （GPM） mission over the mainland China at multiple scales［J］.J Lake Sci，31（2）：560-572.（in Chinese）.

Schwartz C S，Liu Z Q，Chen Y S，et al.，2012.Impact of assimilating microwave radiances with a limited-area ensemble data assimilation system on forecasts of Typhoon Morakot［J］.Wea Forecasting，27（2）：424-437.doi：10.1175／waf-d-11-00033.1.

Sharifi E，Steinacker R，Saghafian B，2016.Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in Iran：preliminary results［J］.Remote Sens，8（2）：135.doi：10.3390／rs8020135.

Siuki S K，Saghafian B，Moazami S，2017.Comprehensive evaluation of 3-hourly TRMM and half-hourly GPM-IMERG satellite precipitation products［J］.Int J Remote Sens，38（2）：558-571.doi：10.1080／01431161.2016.1268735.

王顺凤，蔡春园，沈桐立，等，2011.一次暴雨过程的变分同化试验及诊断分析［J］.大气科学学报，34（2）：153-161. Wang S F，Cai C Y，Sheng T L，et al.，2011.Variational assimilation and diagnosis of a rainstorm process［J］.Trans Atmos Sci，34（2）：153-161.（in Chinese）.

王恬，张述文，毛璐，等，2014.同化卫星对地敏感通道微波亮温观测的模拟试验［J］.干旱气象，32（6）：909-915. Wang T，Zhang S W，Mao L，et al.，2014.A simulation experiment of assimilating microwave brightness observations at the sensitive channel to land［J］.J Arid Meteor，32（6）：909-915.doi：10.11755／j.issn.1006-7639（2014）-06-0909.（in Chinese）.

Wang Y B，Liu Z Q，Yang S，et al.，2018.Added value of assimilating Himawari-8 AHI water vapor radiances on analyses and forecasts for “7.19” severe storm over North China［J］.J Geophys Res：Atmos，123（7）：3374-3394.doi：10.1002／2017jd027697.

王在文，梁旭东，范水勇，等，2016.数值模式降水评分对分辨率的敏感性初探［J］.暴雨灾害，35（1）：10-16. Wang Z W，Liang X D，Fan S Y，et al.，2016.Impact of spatial resolution on precipitation forecast score in numerical weather prediction models［J］.Torrential Rain Disasters，35（1）：10-16.doi：10.3969／j.issn.1004-9045.2016.01.002.（in Chinese）.

王宗皓，1995.卫星探测辐射率在数值天气预报中的直接应用［J］.应用气象学报，6（1）：101-108. Wang Z H，1995.Derect use of satellite sounding radiances in numerical weather prediction［J］.Quart J Appl Meteor，6（1）：101-108（in Chinese）.

吴启树，韩美，刘铭，等，2017.基于评分最优化的模式降水预报订正算法对比［J］.应用气象学报，28（3）：306-317. Wu Q S，Han M，Liu M，et al.，2017.A comparison of optimal-score-based correction algorithms of model precipitation prediction［J］.J Appl Meteor Sci，28（3）：306-317.doi：10.11898／1001-7313.20170305.（in Chinese）.

薛纪善，2009.气象卫星资料同化的科学问题与前景［J］.气象学报，67（6）：903-911. Xue J S，2009.Scientific issues and perspective of assimilation of meteorological satellite data［J］.Acta Meteor Sin，67（6）：903-911.doi：10.3321／j.issn：0577-6619.2009.06.001.（in Chinese）.

杨引明，杜明斌，张洁，2012.FY-3A微波资料在“莫拉克”台风预报中的同化试验［J］.热带气象学报，28（1）：23-30. Yang Y M，Du M B，Zhang J，2012.Experiments of assimilating FY-3A microwave data in forecast of Typhoon Morakot［J］.J Trop Meteor，28（1）：23-30.doi：10.3969／j.issn.1004-4965.2012.01.003.（in Chinese）.

姚秀萍，谢启玉，黄逸飞，2022.中国三江源地区降水研究的进展与展望［J］.大气科学学报，45（5）：688-699. Yao X P，Xie Q Y，Huang Y F，2022.Advances and prospects on the study of precipitation in the Three-River-Source Region in China［J］.Trans Atmos Sci，45（5）：688-699.doi：10.13878／j.cnki.dqkxxb.20211220001.（in Chinese）.

于晓晶，韩威，马秀梅，等，2018.卫星微波辐射资料同化在新疆降水预报中的应用初探［J］.暴雨灾害，37（4）：337-346. Yu X J，Han W，Ma X M，et al.，2018.Implementation of microwave radiance data assimilation in precipitation forecast in Xinjiang［J］.Torrential Rain Disasters，37（4）：337-346.doi：10.3969／j.issn.1004-9045.2018.04.006.（in Chinese）.

张斌，张立凤，熊春晖，2014.ATOVS资料同化方案对暴雨模拟效果的影响［J］.大气科学，38（5）：1017-1027. Zhang B，Zhang L F，Xiong C H，2014.Effects of ATOVS data assimilation schemes on the simulation of heavy rain［J］.Chin J Atmos Sci，38（5）：1017-1027.doi：10.3878／j.issn.1006-9895.1401.13215.（in Chinese）.

张少婷，王东海，于星，等，2019.雷达和卫星资料同化在一次华南暴雨预报中的应用［J］.中山大学学报（自然科学版），58（5）：80-93. Zhang S T，Wang D H，Yu X，et al.，2019.Application of radar and satellite data assimilation in a rainstorm forecast in southern China［J］.Acta Sci Nat Univ Sunyatseni，58（5）：80-93.doi：10.13471／j.cnki.acta.snus.2019.05.011.（in Chinese）.

张涛，姜立鹏，师春香，等，2019.AMSU-A全空辐射率资料同化对台风“天鸽”的预报影响研究［J］.大气科学学报，42（5）：705-714. Zhang T，Jiang L P，Shi C X，et al.，2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO［J］.Trans Atmos Sci，42（5）：705-714.doi：10.13878／j.cnki.dqkxxb.20180731001.（in Chinese）.

张同，2016.直接同化多种卫星辐射率资料对江淮暴雨预报影响研究［D］.南京：南京信息工程大学. Zhang T，2016.The study on the effect of directly assimilating satellite radiance on heavy rain forecast in Yangtze River Basin［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.