應用多普勒天氣雷達資料對四川“7·3”暴雨的變分同化試驗

楊 銀, 朱克云, 張 杰, 戴昌明

(1.成都信息工程學院大氣科學學院,四川成都610225;2.成都軍區空軍氣象中心,四川成都610041)

0 引言

中小尺度暴雨及其產生的次生危害會對生命財產造成嚴重的危害,由于暴雨具有局地性、高強度、突發性等特點,對暴雨的準確預報(落區、時間、強度等)一直以來都是一個難點問題。數值天氣預報可以歸結為一個初/邊值問題,即給出當前大氣狀態的最優估計(初值)和合適的邊界條件,模式將能模擬(預報)大氣未來的演變結果[1]。數值預報的準確率主要依賴于模式物理過程的完善和初/邊界值的準確程度。而數值模式存在對初值極其敏感的問題[2]。因此如何獲得最優的初始場成為模式預報是否成功的關鍵因素之一。

中小尺度數值模式的初始場主要依賴于觀測資料以及大尺度模式提供的背景場。多普勒雷達資料具有常規資料不能比擬的時間(5～6 min)和空間分辨率(250～1000m),對中小尺度天氣系統有較高分辨能力。目前,數值模式中雷達資料的同化主要分為兩類,一類是反演同化,一類是直接同化,與直接同化相比,由于反演同化增加了反演誤差,降低了結果的可靠性,因此近年來對直接同化研究的較多[3～8]。NECP將VAD資料同化與徑向速度資料直接變分同化進行了比較,發現對于格距在10～20km的模擬,同化效果相近,但對于幾公里或更高分辨率的模擬,直接同化徑向速度的效果更好[9]。四川地處川西高原,短時強對流天氣較多,尤其是每年的7～9月份都有大量的暴雨天氣過程。暴雨過程中包含的復雜的中尺度對流系統在四川復雜地形作用下給天氣預報造成了很大困難。以往雷達資料同化技術的研究大多集中在江淮、華南和沿海等地勢較為平坦的地區[3,4,10]。那么雷達資料同化是否會對具有復雜地形下墊面的四川地區暴雨預報效果有改善作用呢?

以2011年7月3日發生在四川地區的一次暴雨過程為例,采用WRF模式及其三維變分同化系統WRF-3DVAR,探討研究多普勒雷達資料同化對暴雨預報的影響,以期獲得有價值的研究資料并對提高數值天氣預報水平提供有益的參考或借鑒。

1 暴雨概況與模擬方案設計

1.1 “7.3”暴雨概況

受高原低槽和強烈的大氣不穩定層結共同影響,2011年7月1日晚開始,四川盆地西部和川西高原大部出現明顯降水過程,最強降水時段主要在7月3日08時～4日08時,強降水分布在廣元、綿陽、德陽、成都、雅安、眉山、樂山、宜賓8市,圖1為此次過程中四川省加密自動站7月3日08時至7月4日08時24小時累計降水量統計分布。全省共有223站出現大雨,159站出現暴雨,80站大暴雨,1站特大暴雨。其中有9個站降水量達到200mm以上,最大降水出現在都江堰市泰安村為266.1mm。阿壩、甘孜、涼山三州的部分地方降雨達50mm以上,汶川、茂縣兩縣的漩口、龍池茶觀、三江、東興降雨達103～198mm。由圖6(a)可以看出降雨帶呈南北向分布,主要降雨區集中在成都及附近。暴雨引發的嚴重的洪澇、泥石流等自然災害造成了路面被毀、橋梁中斷及人員傷亡等,給人民財產及生命造成極大損失。

1.2 質量控制

(1)由于地物雜波的影響,去除第一、二層即0.5°、1.5°層仰角數據,主要考慮降水的影響,因此剔除資料中小于10dbz的非降水回波。

(2)缺測點插補,針對單個缺測點或者單個缺測徑向,如果當前點為無效值,統計距離該點0.5km范圍的點的個數,如果有觀測值的個數大于50%,則對該點取平均值。

(3)孤立點和奇異點濾除,若當前點為有效值點,統計其周圍8個鄰近點,若有多于4個為無效值點,則該點視為孤立點,將其刪除。若當前點與其周圍8個鄰近點均為有效值,且當前點與鄰近8點的平均值之差絕對值大于等于20dbz(15m/s),則該點視為奇異點,用鄰近8點平均值代替該點。

(4)數據平滑,以當前點為中心,對3×3網格內的9點做9點平滑。

1.3 方案設計

采用WRF模式及其三維變分同化系統3DVAR,模式采取三重嵌套,網格距分別為27km、9km、3km,水平格點數分別為100×100、133×133、136×127,垂直方向27層。微物理過程采用Thompson方案,積云參數化方案采用Grell-Devenyi方案,第三重嵌套未采用積云對流參數化方案,行星邊界層采用YSU方案,陸面過程采用Noah方案。第三重嵌套中心經緯度選取四川省氣象局多普勒雷達所在坐標(104.004°E,30.667°N),對第二重區域和第三重區域同時進行同化。

圖1 四川省7月3日08時至7月4日08時累計降水量統計

圖2 模擬區域示意圖

研究設計2個同化方案,4組對比試驗:

同化方案1:在模式運行的前3個小時每小時加入該時刻前后雷達資料進行同化,之后運行21小時,共計運行24小時。

同化方案2:在模式運行的前3個小時每半小時加入該時刻前后雷達資料進行同化,之后運行21小時,共計運行24小時。

表1 試驗設計

試驗背景場由2011年7月3日08時(北京時間下同)NECP/NCAR再分析資料通過模式前處理模塊得到。所用多普勒雷達體掃資料來自成都雷達站,型號為CINRAD/SC。多普勒天氣雷達資料的極坐標向地球經緯坐標的變換采用張沛源[11]等提出的方法來實現,采用3維BARANUS[12]插值方案(水平影響半徑0.4km,垂直影響半徑0.3km)將雷達資料插值到起始高度為0.5km、水平格距3km、垂直格距0.5km、共19層的三維直角坐標網格中。觀測誤差是同化中的一項必不可少的信息。現有的估計觀測誤差的方法,主要有求局地均方差和從速度譜寬分析誤差,但還不是非常完善的方法。萬齊林等[13]指出徑向速度的誤差在1～3m·s-1。結合前人的研究結果[14,15],取雷達徑向速度觀測誤差2m·s-1,方差1m·s-1,反射率因子觀測誤差5dbz,方差1dbz。假設誤差服從正態分布。

2 模擬初始場的對比分析

進行雷達資料同化的目的就是為了改善初始場質量,提高對暴雨的預報能力,文章從風場和水汽通量方面對初始場進行了分析。

圖3 700hPa初始場風場(箭頭,單位 m·s-1)和水汽通量分布(陰影區,單位 g·cm-1·hPa-1·s-1)

圖3為2011年7月3日11時各個試驗中風場水汽通量分布。控制試驗(如圖3a所示)的初始場水汽分布比較均勻、量值較小,風向呈現較為一致的東南風且風速均勻,沒有展現出中小尺度天氣應有的信息。對比試驗1、對比試驗2、對比試驗3、對比試驗4(統稱模擬試驗)都能夠更精細的刻畫初始風場和水汽通量場的分布與數值,能展現出風場的輻合輻散區域,對水汽通量的中心位置有較大影響,大風速區域和水汽通量高值中心有較好的對應關系。對比試驗2相比其它對比試驗改變最為明顯,且出現了兩個較為明顯的輻合輻散中心。各試驗中雷達站東南部均存在一個量值在30g·cm-1·hPa-1·s-1以上的水汽通量高值區,在該地區風場及水汽通量改變最為明顯。

3 降水場對比分析

實況降水采用四川省加密自動站逐時降水資料,模擬試驗采用第二重嵌套輸出資料。實況降水(圖4a)呈現出明顯的南北降雨帶且落區集中,降水大值區域位于成都附近(103°E,30°N),最大降雨量未超過100mm。控制試驗(圖4b)雖然模擬出了南北降雨帶,但是模擬的降水量值大、落區范圍廣且分散,主要降雨落區偏移。圓圈所示為控制試驗中的虛假降水區域其中兩個區域降水量都超過100mm。模擬試驗與控制試驗相比,模擬降雨落區范圍、量值均減小,主降雨區更加接近實況,圓圈所示虛假降水區被剔除。方案一中兩組試驗均模擬出南北向降雨帶。對比試驗2(如圖4d所示)要優于對比試驗1(如圖4c所示),主要表現在南北降雨帶中降雨量相對要大。方案二兩組試驗均未能模擬出南北向降雨帶且降雨量值過小。比較模擬試驗發現:對降水預報的改進效果較控制試驗有明顯的優勢。對經過質量控制以后的雷達資料進行同化即對比試驗2和對比試驗4(圖4d和圖4f)優于沒有經過質量控制的雷達資料進行的同化模擬試驗即對比試驗1和對比試驗3(圖4c和圖4e),并且同化方案一要優于同化方案二。綜上所述,模擬試驗較控制試驗均有改進,對比試驗2最接近實況。

圖4 2011年7月3日08～14時降雨分布(單位mm)

從圖5可知與實況相比模擬試驗較控制試驗仍有較大改進,模擬的降雨區范圍較小,圓圈所示虛假降水區被剔除。所得結論與圖4一致,對比試驗2仍然最接近實況降雨。但隨著時間的延長改進作用越來越差。對比24小時降雨分布發現(如圖6所示),模擬實驗較控制試驗仍有一定的改進作用,對比試驗4尤其明顯,不僅有效地減小了控制試驗中圓圈所示的虛假降水區的范圍和量值,而且明顯的減小了主降雨區的范圍和量值。

圖5 2011年7月3日08～17時降雨分布(單位mm)

圖6 2011年7月3日08～4日08時降雨分布(單位mm)

綜合來看,模擬試驗在6小時和9小時降雨預報中比控制試驗有較好的改進作用,這與劉亞紅,薛紀善,顧建峰[17]的研究結果基本一致。隨著時間的推移改進作用逐步減弱。對于24小時降雨預報仍有一定的改進作用。其中以6小時降雨預報改進最為明顯。試驗表明同化方案一要略優于同化方案二、經過質量控制以后的雷達資料要優于未經過質量控制的雷達資料。

4 結論

利用成都站多普勒雷達體掃資料,采用WRF-3DVAR對多普勒雷達資料中的反射率因子和徑向速度進行了聯合直接同化研究,得出以下結論:

(1)采用WRF-3DVAR進行雷達資料的同化可以使初始場具有明顯的中小尺度的信息,改善初始場中能反映產生降水的動力和水汽條件物理信息,從而進一步改善水汽和風的分布并因此而改變模擬結果。

(2)與控制試驗相比,模擬試驗6小時累計降水預報有較為明顯的改善作用,但是隨著時間延長,這種改善作用逐步減弱。9小時累計降水預報仍有明顯改善作用,24小時累計降水仍有一定的改進作用。模擬試驗之間比較發現:1小時同化1次以及同化經過質量控制的雷達資料要優于0.5小時同化1次和未進行質量控制的雷達資料。

(3)由于地形因素本身會對模式的精確預報產生一定的影響,并且在雷達資料同化過程中地形作用也起著很重要的作用,因此結合盆地西部復雜地形開展雷達資料同化也是提高降水精度預報的重要研究因素。

[1] Kalnay.蒲朝霞,楊福全,鄧北勝,等譯.大氣模式、資料同化和可預報性[M].北京:北京氣象出版社,2005:115.

[2] 丑紀范.大氣科學中的非線性與復雜性[M].北京:氣象出版社,2002.

[3] 潘敖大,王桂臣,張紅華,等.多普勒雷達資料對暴雨定量預報的同化對比試驗[J].氣象科學,2009,29(6):755-760.

[4] 趙文斌,齊琳琳,何宏讓,等.多普勒天氣雷達資料在暴雨數值模擬中的同化應用[J].氣象科學,2011,31(3):318-324.

[5] XIAO Q,KUO Y,SUN J,LEE W.Assimilation of Doppler radar observation with a regional 3DVAR system:impact of Doppler velocities on forecasts of a heavy rainfall case[J].J.Appl.Metor,2005,44(3):768-788.

[6] 賴安偉,閔靜忠.三維變分多普勒雷達資料直接同化試驗研究[D].南京信息工程大學理學碩士學位論文,2008.

[7] 顧建峰,顏宏,薛紀善,等.多普勒天氣雷達資料三維變分直接同化方法研究博士論文[C].2006.

[8] 楊艷蓉,王振會,張沛源.利用多普勒天氣雷達資料對一次暴雨過程的同化模擬[J].南京氣象學院學報,2008,31(5):633-639.

[9] Xiao Qingnong,Kuo Yinghua,Sun Juanzhen.Et Assimilation Of Doppler Radar Observation with are regional 3DVAR system:Impact of Doppler velocities on forecasts of a heavy rainfall case[J].J.App1.Mercer.,2005,(44):768-788.

[10] 楊毅,邱崇踐,龔建東,希爽.利用3維變分方法同化多普勒天氣雷達資料的試驗研究[J].氣象科學,2008,28(2):124.13.

[11] 張沛源,周海光,胡紹萍.雙多普勒天氣雷達風場探測的可靠性研究[J].應用氣象學報,2002,13(4):485-496.

[12] 楊毅,邱崇踐.多普勒雷達資料格點化方案的比較研究[J].干旱氣象,2004,22(2):6-10.

[13] 萬齊林,薛紀善,陳子通,等.雷達TREC風的三維變分同化應用與試驗[J].熱帶氣象學報,2005,21(5):449-457.

[14] 劉寅,閔錦忠.多普勒雷達資料直接同化試驗研究[D].碩士論文,南京:南京信息工程大學,2006.

[15] 閔錦忠,彭霞云,賴安偉,等.反演同化和直接同化多普勒雷達徑向風的對比試驗[J].南京氣象學院學報,2007,30(6),745-754.

[16] 顧建峰,顏宏,薛紀善,等.多普勒雷達資料三維變分直接同化研究方法[D].南京:中國氣象科學研究院、南京信息工程大學聯合培養博士學位論文,2006.

[17] 楊毅,邱崇踐,龔建東.Doppler雷達資料同化研究技術[D].蘭州:蘭州大學博士學位論文,2007.