FY-3A氣象衛星臭氧總量數據的質量控制方案及其在臺風Tembin（2012）和Isaac（2012）中的應用

劉寅

1 南京信息工程大學資料同化研究與應用中心，南京210044

2 南京信息工程大學氣象災害省部共建教育部重點實驗室，南京210044

1 引言

臭氧是一種大氣微量氣體，它不僅對人類和地表生物的生存有重要影響，同時還是影響對流層—平流層大氣動力、熱力、輻射、化學等過程的重要成分之一。臭氧濃度的變化與天氣尺度的波動密切相關，它的變化往往反映了天氣氣候系統的異常，所以臭氧是天氣氣候系統重要的示蹤氣體（郭世昌等，2007）。早期關于臭氧的研究都是基于有限探空氣球測量的臭氧數據，Normand（1953）和Ohring and Muench（1960）首先發現地面觀測站點100 hPa等壓面上的臭氧濃度變化與溫度、位勢高度和經向風分量的變化具有較高的相關性。隨后，Shapiro et al.（1982）和Davis et al.（1999）指出對流層頂附近的臭氧濃度包含了天氣尺度和中尺度的顯著特征信息，高層的槽脊強弱與臭氧總含量具有很強的相關性。王庚辰等（2006）發現北京地區臭氧濃度發生突變的層次始終處于對流層頂下方約 0.9 km高度處，對流層頂高度對上對流層和下平流層區域內大氣臭氧含量有重要影響。由于臭氧探空測量儀缺乏時空連續性，使得近年來的衛星觀測儀器有了更多的應用前景。Zou and Wu（2005）利用美國的臭氧觀測光譜儀（Total Ozone Mapping Spectrometer，TOMS）衛星臭氧資料分析了臺風①在北半球，東太平洋和大西洋海域上生成的風力達到12級的熱帶氣旋稱之為颶風，而西太平洋海域則稱之為臺風，本文中將兩者統稱為臺風。和臭氧分布的關系，發現臭氧低值中心與臺風中心有較好的對應關系。Tian et al.（2007）利用26年的衛星監測臭氧資料，發現臭氧的季節內變化東太平洋比較明顯，并研究了副熱帶的臭氧異常與赤道附近熱帶大氣季節內振蕩（Madden-Julian Oscillation，MJO）的關系。Jiang et al.（2008）利用主分量分析方法對多年衛星臭氧資料進行分析，發現北半球中緯度臭氧的年際變化與熱帶明顯不同，證實中緯度臭氧的年際變化與大氣環流密切相關。郭棟等（2012）結合TOMS等多種臭氧資料，對經向、緯向和垂直方向的臭氧輸送進行分析，明確了南亞高壓對青藏高原臭氧谷的具體動力作用。

其中，臭氧與位勢渦度的關系得到了國外學者的較多關注。Danielsen（1968）首先發現，對流層頂附近的臭氧濃度與對流層的位勢渦度在小尺度范圍內的分布形式較為一致，兩者具有很好的相關性。隨后Vaughan and Price（1991）的研究則表明，隨著時間和緯度的變化，這種相關性在大尺度范圍內仍然比較穩定。Allaart et al.（1993）和 Folkins and Appenzeller（1996）分析了臭氧總量和平均位勢渦度的關系，并指出兩者之間存在相關性，在冬季和春季尤其明顯。Davis et al.（1999）基于臭氧總量與平均位勢渦度的高相關性，成功地從TOMS衛星臭氧資料中反演出了中緯度風場，實現了臭氧資料的定量應用。臭氧總量與平均位勢渦度的密切關系使臭氧資料在數值模式中的應用成為可能。Jang et al.（2003）利用臭氧總量與平均位勢渦度的高相關性建立了觀測算子，首次將TOMS臭氧資料同化到冬季風暴中，結果表明在常規資料同化基礎上加入臭氧資料可以改善中緯度風暴的路徑和強度預報。Zou and Wu（2005）指出在受熱帶天氣影響為主的臺風中，利用TOMS臭氧總量資料可以有效改進臺風的中高層位勢渦度分布形式，衛星臭氧資料在臺風初始化和資料同化中有著巨大的潛力。Wu and Zou（2008）隨后將臭氧數據按＞293 DU和＜293 DU進行分組，建立了一個雙區域線性觀測算子并在臺風預報系統中同化TOMS臭氧資料，發現同化臭氧資料可以調整引導氣流，從而顯著提高了臺風路徑預測的準確性。

另一方面，我國“風云三號”A星（FY-3A）上搭載的我國第一臺紫外臭氧總量探測儀（Total Ozone Unit，TOU）精度較高，其臭氧觀測資料毫不遜色于國際同類衛星臭氧總量產品，可以成功實現對全球臭氧總量分布的連續監測（王詠梅等，2009；王維和等，2010；劉年慶等，2011；王維和等，2011）。可以預見，我國FY-3A TOU臭氧資料也可以在數值天氣預報尤其是臺風預報中發揮重要作用。然而，正如同其他常規和非常規氣象觀測資料，臭氧資料在進入數值模式之前必須經過嚴格的質量控制。Jang et al.（2003）在冬季風暴中同化TOMS臭氧資料時并未對臭氧資料進行質量控制，這會導致偏差較大的資料對臭氧總量和平均位勢渦度的線性回歸模型精度產生較大影響，從而會影響到同化后初始場的準確性。Zou and Wu（2005）和Wu and Zou（2008）將研究時段內的所有臭氧資料按數值大小分為兩組，得到分組的線性回歸模型，再去除掉大于1.4倍標準差的臭氧資料，最后對保留的資料重新統計擬合，得到研究時段內的分組線性回歸模型。這樣的方法雖然可以提高線性回歸模型的精度，但是在整個研究時段內線性回歸模型的系數始終無變化，不能體現出臭氧總量和平均位勢渦度之間相關關系的逐日變化。因此，在同化衛星臭氧資料之前，發展一套合理有效的質量控制方案是十分必要的。該方案既要能夠剔除觀測誤差較大的臭氧資料，又要保留包含逐日變化信息的臭氧資料，同時還要將觀測算子無法模擬好的資料或者模式分辨率無法分辨的小尺度變化資料去除。本文以FY-3A TOU臭氧資料為例，嘗試利用雙權重算法發展出一套針對臭氧資料同化的質量控制方案，并在臺風個例中檢驗該質量控制方案的有效性，以期為我國風云系列衛星臭氧資料的數值應用提供有益借鑒。

2 個例概況

圖1是本文所選取的2012年臺風個例Tembin和Isaac的移動路徑圖。臺風Tembin由2012年8月18日至19日在太平洋上形成的第15號熱帶低壓發展而來，較高的海溫、低空風切變和有利的環流背景使其快速發展，至8月20日已經成為強臺風。聯合臺風警報中心（Joint Typhoon Warning Center，JTWC）的記錄表明，Tembin在8月19日06:00（協調世界時，下同）至8月20日06:00的24小時內迅速增強，最大風速（1分鐘平均風速）由64.8 km h-1上升至175.9 km h-1，風眼半徑達到了37 km。8月21日，Tembin的最大風速已達到213 km h-1，附近高壓脊的作用使其向西移動，同時由于熱帶對流層上部槽的影響，其強度開始減弱。借助著處于南高東側和東亞大槽前的優勢，Tembin在8月23日獲得了再一次增強的機會，美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）提供的衛星圖像上Tembin出現了更加清晰的風眼。當日的19:00，Tembin在臺灣屏東縣牡丹鄉附近登陸，并持續向西南偏西方向移動。Tembin到達臺灣海峽后，與熱帶氣旋布拉萬產生藤原效應，從而繞回巴士海峽后沿臺灣東部海面北上。直至8月28日，Tembin經過臺灣恒春東南面海域，強度降為熱帶風暴。Tembin于8月30日在韓國全羅南道南部沿海登陸，登陸時中心附近最大風力有9級，中心最低氣壓為990 hPa。

Isaac在2012年8月21日06:00只是位于大西洋背風群島東部的熱帶低壓，形成后 12小時內迅速發展為熱帶風暴。深厚的副熱帶高壓脊使 Isaac在隨后的兩天內快速向西移動，風暴的中心于8月22日18:00至8月23日00:00迅速穿越了背風群島和加勒比海東部。NOAA的衛星觀測資料顯示在8月25日06:00登陸海地南海岸之前，Isacc的內核得到了充分的發展并形成了風眼，最大風速達到了110 km h-1。隨后Isaac迅速穿過狹窄的海地西南半島，在古巴再次登陸。進入佛羅里達海峽后，Isaac給佛羅里達南部帶來了范圍寬廣的雨帶，但是中層大氣的干空氣使其無法迅速增強。Isaac抵達墨西哥灣后逐漸增強并于8月28日升級為一級臺風，當天在密西西比河河口處登陸時，最大風速達到 130km h-1。Isaac維持此強度直至8月29日17:00，隨后減弱為熱帶風暴。隨后的幾天，Isaac繼續北移并減弱為熱帶低壓，直至9月1日天氣過程結束。

圖1 臺風（a）Tembin和（b）Isaac的移動路徑Fig. 1 Observed tracks of typhoons (a) Tembin and (b) Isaac

基于Tembin和Isaac的移動路徑，本文試驗中Tembin 的研究區域選取為（5°N～45°N，100°E～160°E），研究時間為2012年8月19日00:00至8月 30日 00:00。Isaac的研究區域選取為（5°N～60°N，120°W～50°W），研究時間為 2012 年 8 月21日00:00至9月1日00:00。

3 數據簡介

FY-3A是我國第二代極軌氣象衛星，軌道高度和傾角分別為831 km和 98.81°，搭載了包括TOU在內的 11 種儀器，可以對大氣溫度、濕度、臭氧總量、臭氧垂直廓線、地表特征參數和空間粒子等進行觀測（楊軍等，2009）。TOU是一臺采用固定光柵、狹縫陣列式 Ebert-Fastie單光柵光譜儀系統的分光輻射探測儀，每天可獲得一幅全球臭氧總量圖像。TOU在衛星軌道平面的垂直方向對地掃描，掃描范圍為±54°，瞬間視場角約為 3.6°，星下點的地面分辨率約為 52.6 km，含有對地觀測、輻射定標、波長檢測三種工作模式（王維和等，2010）。

TOU的數據反演算法是基于波長對算法，首先從臭氧的赫金斯吸收帶中選擇 6 個波長（表1）來測量后向散射和太陽輻照度，然后找出對臭氧吸收有較大差異的2個通道，最后根據臭氧在這兩個波長上的后向散射強度差與臭氧總量的密切關系來反演大氣臭氧總量。TOU 的反演算法與 TOMS 第7版本基本一致，但是略有區別。最主要的不同點是 TOU采用不同的通道組合來計算不同的緯度帶的臭氧總量初估值，再分別訂正輻射定標的影響，從而計算出臭氧總量的精確值（江芳等，2012）。與國際同類衛星臭氧總量產品及地面觀測結果的對比分析表明，TOU的臭氧觀測數據相對均方根偏差在大多數情況下均小于 5%，優于產品設計指標（王維和等，2010）。FY-3A TOU可以監測到北極地區臭氧低值事件發生發展的全過程（劉年慶等，2011），其數據產品具有較高的可信度，是相關診斷分析的重要依據（王維和等，2011）。TOU的標準臭氧產品可以從國家衛星氣象中心風云衛星遙感數據服務網（http://fy3.satellite.cma.gov.cn/portalsite/default.aspx）下載，產品中提供了數據質量標記，主要是識別出由于不良的觀測輸入數據和反演算法本身的限制所造成的無效或者低質量的臭氧反演值。本文所發展的質量控制方案使用通過數據質量標記的軌道產品。

表1 FY-3A TOU通道性能參數Table 1 Channel characteristics of the Fengyun-3A(FY-3A) TOU

4 質量控制方案

目前的資料同化系統中大多采用閾值檢查對觀測資料進行質量控制，即剔除掉（y是觀測資料種類，yo是實際觀測值，yb是背景場模擬值，k是常數，σ是標準差）的那些資料。然而，偏差較大的離群值會對資料樣本的平均值和標準差產生很大影響，從而會影響到離群資料的識別。為了減小這種影響，可以采用雙權重算法，通過計算O-B（yo記為O，yb記為B）的雙權重平均值和雙權重標準差來識別離群資料（Lanzante，1996；Zou and Zeng，2006；Carrier et al.，2007）。

首先計算每一個資料點i(i=1, 2, 3, …) 的權重函數wi：

式中，M是 (yo-yb)i的中位數，MAD是絕對偏差中位數（即的中位數），c是常數，本文中c取為 7.5。如果＞1.0，取wi= 1 .0。隨后，計算雙權重平均值和雙權重標準差σbw(yo-yb)：

最后，離群資料可以通過計算每個資料點的Z值來確定：

其中，Zqc是設置的臨界值，用來篩選離群資料。Qin et al.（2010）、Xu et al.（2013）和 Li and Zou（2013）的研究表明利用雙權重算法和再分析背景場資料可以有效識別出常規氣象要素中的離群值。由于臭氧總量（?）與模式變量之間并沒有直接的聯系，因此應用雙權重算法時需要通過經驗統計關系來建立兩者的聯系。

Jang et al.（2003）利用 MM5（The Fifth-Generation NCAR/Penn State Mesoscale Model）模式模擬了一次美國的冬季風暴，并在高緯度、中緯度和低緯度地區分別分析了三種不同分辨率的平均位勢渦度（Mean Potential Vorticity，MPV）與TOMS臭氧總量的相關性，發現在不同分辨率的結果中兩者在中緯度始終高度相關，相關系數高達0.7～0.8，由此歸納出如下關系式：

式（5）中的α和β是常數。可以通過下式計算：

其中，p1=400 hPa，p2=50 hPa，ρ是大氣的密度，η是絕對渦度，θ是位溫。的單位是 PVU（1 PVU=10-6m2K kg-1s-1）。同時，Jang et al.（2003）研究了平均位勢渦度和臭氧總量相關性的逐日變化，指出兩者的高相關性在整個風暴期間都存在，只是在風暴的強盛期會略有下降。隨后，Zou and Wu（2005）和Wu and Zou（2008）研究了一次臺風個例中平均位勢渦度和臭氧總量的相關性，在對臺風期間研究區域內的所有數據進行統計后，發現兩者的相關系數高達0.818，而式（5）的關系在臺風演化的不同階段都比較穩定。但是，Zou and Wu（2005）和Wu and Zou（2008）也指出這種高相關性在臺風的強盛期會受到影響，可以將所有的臭氧數據按＞293 DU和＜293 DU進行分組統計擬合，效果更好。Wang et al.（2012）的研究則表明，在不同的臺風個例中應用式（5）時，α和β存在不同程度的逐日變化。為了進一步檢驗式（5）的關系在臺風中的適用性，本文選取了6個臺風個例（表2），分別計算并得到臺風期間FY-3A TOU臭氧數據與平均位勢渦度的相關系數逐日變化曲線（圖2）。其中，式（6）計算所需的氣象參數可以從 1°×1°的NCEP FNL數據中獲得。因為FY-3A在每天的00:00（12:00）的±3小時時間窗口經過研究區域，所以分別選擇00:00和12:00的FNL數據來計算平均位勢渦度。另外，由于FNL數據與TOU臭氧總量產品的空間分辨率并不一致，因此本文利用Cressman方法將計算得到的平均位勢渦度插值到臭氧數據點所在位置后再計算相關系數。從圖2中可以看出，6個臺風個例中臭氧總量與平均位勢渦度的相關系數雖然存在逐日變化，但是基本可以達到0.7左右，經檢驗兩者之間存在顯著的相關關系。另外，6個臺風個例中臭氧總量與平均位勢渦度的空間分布圖（圖略）也表明兩者有較好的對應關系。6個臺風個例的殘差分析則表明，殘差點比較均勻地落在殘差圖的水平帶狀區域中，相關指數R2均超過 0.87，這說明在臺風中用式（5）來描述臭氧總量與平均位勢渦度的關系是合適的。要在臺風數值預報中實現臭氧信息的定量應用，關鍵就是要精確刻畫臭氧觀測量和模式變量之間的變化關系。因此，為了盡可能準確的描述臺風演化的不同階段中臭氧總量與平均位勢渦度的關系，本文使用式（5）來建立兩者的關系，隨后使用逐日動態更新的方法來擬合α和β。

圖2 選取的6個臺風中臭氧總量和平均位勢渦度的相關系數逐日變化：(a) Earl；(b) Megi；(c) Tembin；(d) Isaac；(e) Sanba；(f) SandyFig. 2 Daily variations of correlation between total ozone and MPV for the six selected typhoons: (a) Earl; (b) Megi; (c) Tembin; (d) Isaac; (e) Sanba; (f) Sandy

表2 選取的6個臺風的名稱、時間、區域和強度分類Table 2 Names, time periods, horizontal domains, and Saffir-Simpson scale categories of the six selected typhoons

基于雙權重算法和臭氧總量的線性回歸模型，本文的質量控制方案如下：（1）利用線性回歸模型對前6天的臭氧總量和平均位勢渦度進行擬合獲得α和β；（2）結合當天的平均位勢渦度，計算出當天的臭氧總量模擬值（?b）；（3）使用雙權重算法進行質量控制，得到當天通過質量控制的臭氧數據；（4）使用當天通過質量控制的臭氧資料，并對后一天的臭氧資料應用步驟（1）至（3）；（5）不斷重復步驟（4）直至研究時間結束。另外，本文個例的研究時間第一天的α和β由之前6天小于3倍σbw的資料統計得到。

5 數值結果

5.1 Zqc的選取

應用雙權重算法對FY-3A TOU臭氧數據進行質量控制的關鍵點是如何選取合適的Zqc。為了確定較為合適的Zqc值，針對兩個個例設計了三組（Zqc=1.0，Zqc=1.5，Zqc=2.0）質量控制試驗。Zqc值的選取主要從質量控制方案對O-B的平均誤差和標準差的影響和離群資料占總觀測資料的數量百分比這兩方面進行考慮。圖3是三組試驗O-B的平均誤差、標準差和離群資料百分比的逐日變化曲線。可以發現，在兩個個例中Zqc取不同的值時，對于平均誤差的改進較為一致，對標準差的改進十分明顯。Zqc取1.0時，標準差可以從10減小到5左右。Zqc分別取1.5和2.0時，標準差逐漸增大，但是總體上都要低于原始數據的標準差。三組試驗的離群資料的百分比表明，Zqc越小則識別出的離群資料越多，當Zqc取2.0時，離群資料的百分比大約為5%，而當Zqc取1.0時，離群資料的百分比則達到了30%。同時還可以發現，使用雙權重算法時取不同的Zqc，識別出的離群資料百分比隨日期變化都十分平穩，這說明該方法剔除異常資料的效果較理想。根據經驗一般去除10%左右的離群資料比較合理，Zqc取為 1.5時，可以保證離群資料百分比穩定在 12%左右，同時標準差較Zqc=1.0時只是略有增加，可以達到質量控制的預期效果。綜上所述，本文的研究中Zqc取為1.5。

5.2 臭氧線性回歸預報模型的評估

臭氧線性回歸預報模型是將觀測臭氧與模式變量聯系起來的紐帶，其性能的優劣直接影響到質量控制結果。圖4描述了Tembin和Isaac中臭氧線性回歸模型斜率α和截距β的逐日變化。臺風Tembin個例中，統計得到的α在2012年8月19日至8月30日這段時間內變化比較平緩，基本穩定在6左右，β隨時間的變化也較小，說明在該個例中臭氧總量與平均位勢渦度的相關關系隨時間的變化比較穩定。而在臺風 Isaac中，α和β隨時間變化幅度較大，表明有必要對臭氧總量與平均位勢渦度的相關關系進行每日統計。綜上所述，兩個臺風個例中的α和β有較大差別，應該分別建立逐日動態更新的臭氧線性回歸模型，以求準確描述臭氧總量和平均位勢渦度的關系。

圖5是Tembin（2012年8月23日00:00）和Isaac（2012年8月29日12:00）的臭氧總量與平均位勢渦度散點圖，實線是擬合的線性回歸預報方程，兩條虛線之間的數據表示通過Zqc=1.5的雙權重算法。結果表明，兩個個例中擬合的線性回歸預報方程都可以較好地描述臭氧總量與平均位勢渦度的關系，而基于線性回歸模型的雙權重算法在去除離群值的同時保留了臭氧數據的主體信息，可以達到較好的質量控制效果。

5.3 質量控制前后的數據空間分布特征

質量控制前 TOU觀測的臭氧總量空間分布圖

（圖6）表明，在Tembin和Isaac中，臭氧總量的大值區與平均位勢渦度的大值區對應關系較好，而在臺風中心附近都存在較為明顯的臭氧總量低值區域。兩個個例O-B差值的空間分布圖則說明在

研究區域內觀測臭氧與模擬臭氧的差值主要集中在-10～10 DU，只在少數區域存在較大的正負偏差，這也體現了臭氧線性回歸模型較好的模擬能力。

圖3 Tembin（左列）和Isaac（右列）個例中，無質量控制和Zqc取1.0、1.5和2.0時O-B的平均誤差、標準差和離群資料百分比的逐日變化Fig. 3 Daily variations of mean errors, standard deviations, and outlier percentages of O-Bwithout quality control (QC), withZqc=1.0, Zqc=1.5, and Z q c = 2 .0 for Tembin (left) and Isaac (right)

圖4 （a）Tembin（2012年8月19～30日）和（b）Isaac（2012年8月21日至9月1日）臭氧線性回歸模型中α和β的逐日變化Fig. 4 Daily variations of ozone linear regression coefficients α and β for (a) Tembin on 19–30 Aug 2012 and (b) Isaac from 21 Aug to 1 Sep 2012

圖5 （a）Tembin（2012年8月23日00:00）和（b）Isaac（2012年8月29日12:00）的臭氧總量與平均位勢渦度散點圖（虛線代表Zqc=1.5，實線代表線性回歸預報模型）Fig. 5 Scatterplots of total ozone and MPV for (a) Tembin (at 0000 UTC 23 Aug 2012) and for (b) Isaac (at 1200 UTC 29 Aug 2012). Zqc=1.5 is indicated by dashed lines and the linear regression model is represented by solid line

圖6 Tembin（2012年8月23日00:00，左列）和Isaac（2012年8月29日12:00，右列）質量控制前（a、b）臭氧總量觀測值與（c、d）O-B的空間分布。紅色臺風符號代表臺風的中心位置，黑色實線是平均位勢渦度的等值線（單位：PVU）Fig. 6 Spatial distribution of (a, b) total ozone and (c, d) O-B before QC for Tembin (left) at 0000 UTC 23 Aug 2012 and Isaac (right) at 1200 UTC 29 Aug 2012. Red typhoon symbol represents the typhoon center, and black contour represents the MPV (unit: PVU)

圖7 （a）Tembin（2012年8月23日00:00）和（b）Isaac（2012年8月29日12:00）質量控制后離群值（黃色點）的空間分布（黑色實線代表海平面氣壓，單位：hPa）Fig. 7 Spatial distribution of outliers removed by the QC scheme (yellow shading) for (a) Tembin at 0000 UTC 23 Aug 2012 and (b) Isaac at 1200 UTC 29 Aug 2012 (black contour represents sea level pressure, unit: hPa)

經過質量控制后，Tembin和Isaac中觀測臭氧與模擬臭氧有較大差異的資料點（圖7）被識別出來。與圖5對比，可以發現識別出的離群資料主要屬于負偏差，疊加上海平面氣壓以后，可以看出兩個個例中大部分的離群值都集中在低壓槽附近，這可能是由于實際觀測臭氧與海平面氣壓的位相差不同造成的。

Wang et al.（2012）指出 AIRS（Atmospheric Infrared Sounder）的業務質量控制方案會異常剔除臺風中心附近的大量臭氧資料，這將對基于臭氧資料同化的臺風渦旋初始化和臺風強度、路徑預報產生不利影響。為了檢驗本文針對FY-3A TOU臭氧資料的質量控制方案是否存在上述問題，選取質量控制后Tembin和Isaac初始、成熟和消亡階段的臭氧總量數據，并對其空間分布（圖8）進行分析。Tembin和 Isaac兩個個例的結果都表明，在臺風不同的發展階段，通過質量控制的臭氧數據可以較好的覆蓋研究區域，并未出現某一區域大量數據被異常剔除的現象。另外，隨著Tembin和Isaac的移動，位于臺風中心及附近風速大值區的大部分臭氧資料得以保留，這意味著反映臺風演化過程的大部分臭氧資料仍可以被使用。因此，通過質量控制的臭氧數據不但可以提供環境場信息，而且包含了臺風不同演變階段的信息，有利于后續的資料同化。

5.4 質量控制后的數據總體特征

上述的質量控制方案可以保持穩定的離群資料百分比，同時可以有效降低臭氧數據的標準差（圖3）。為了進一步考察質量控制后的數據穩定性，對Tembin和Isaac個例中質量控制前后的數據量以及剔除的數據量進行統計，得到其研究時段內的逐日變化曲線（圖9）。質量控制前，兩個個例的臭氧數據量隨時間變化都較穩定，質量控制方案剔除的資料量正如上文所分析，逐日變化非常穩定。因此，通過質量控制的臭氧數據量隨時間變化也較穩定，這說明本文的質量控制方案可以保障最終進入同化系統的觀測資料的穩定性。圖10對質量控制前后Tembin和Isaac兩個個例中臭氧總量和平均位勢渦度的相關系數逐日變化進行分析。結果表明，經過質量控制，兩個個例中的相關系數均明顯提高到0.8左右，并且隨著日期變化始終高于質量控制前的相關系數，這意味著通過質量控制的臭氧總量數據與統計擬合量更加一致，可以更好的被模式“吸收”。值得注意的是，Tembin個例中相關系數在8月23日、8月24日和8月26日出現明顯的下降，這與JTWC所報告的臺風強度增強的日期相吻合，而 Isaac個例中相關系數出現明顯下降的日期也與臺風強度增強的日期一致。這說明臺風或者臺風的強度會直接影響到臭氧總量和平均位勢渦度的相關系數，其中的原因還需要進一步研究。

資料同化中，通常假定模式誤差和觀測誤差滿足高斯分布，則可通過實際資料計算得到O-B的概率密度函數應該呈高斯分布，離群值會使其偏離高斯分布，從而影響資料同化結果，使分析場的精度降低。對Tembin和Isaac研究時間段內的所有臭氧總量資料的O-B進行統計，可以得到O-B的概率密度函數（圖11）。兩個個例的試驗結果都表明，原始資料O-B的概率密度函數都偏離高斯分布，尤其是臺風Isaac，質量控制前其O-B的概率密度函數表現為左偏態的統計特征。而經過質量控制，資料的概率密度函數更加接近高斯分布，位于原始概率密度函數末尾處的離群資料被有效的去除了，這說明本文的質量控制方案可以達到預期的效果。另外，質量控制后臭氧總量資料的O-B基本處于-20 DU～20 DU范圍內，該數值可為下一步資料同化需要的觀測誤差方差提供參考。

6 結論

為了進一步在數值預報中應用FY-3A TOU臭氧數據，本文建立了逐日動態更新的臭氧線性回歸預報模型，并利用雙權重算法對FY-3A TOU臭氧數據進行質量控制，最后對該質量控制方案在兩個臺風個例中的表現進行了考察。結論如下：

（1）臭氧總量和平均位勢渦度之間存在高相關性，但是不同臺風個例的臭氧線性回歸模型中斜率α和截距β有較大差別，應該分別統計建立逐日動態更新的線性回歸模型。

（2）使用雙權重算法去除的離群資料百分比較穩定，進一步的分析發現這些離群資料主要位于低壓槽附近。通過質量控制的資料保留了原始資料的主體信息，并且顯著降低了原始資料的標準差。

（3）通過質量控制的臭氧資料數據量隨時間變化較穩定，臭氧總量與平均位勢渦度之間的相關系數明顯提高，O-B的概率密度函數分布形式也得到了較好的調整，更加接近高斯分布，有利于下一步的資料同化。

圖8 質量控制后Tembin（左列）和Isaac（右列）（a，b）初始、（c，d）成熟和（e，f）消亡階段的臭氧總量數據空間分布：（a）2012年8月19日00:00；（c）2012年8月22日00:00；（e）2012年8月30日00:00；（b）2012年8月22日12:00；（d）2012年8月29日12:00；（f）2012年8月31日12:00。紅色臺風符號代表臺風的中心位置；黑色實線是850 hPa位勢高度的等值線，單位：gpm；箭頭代表850 hPa水平風場Fig. 8 Spatial distribution of total ozone data after QC in the (a, b) initial, (c, d) mature, and (e, f) decaying stages of Tembin (left) and Isaac (right): (a) 0000 UTC 19 Aug 2012; (c) 0000 UTC 22 Aug 2012; (e) 0000 UTC 30 Aug 2012; (b) 1200 UTC 22 Aug 2012; (d) 1200 UTC 29 Aug 2012; (f) 1200 UTC 31 Aug 2012. Red typhoon symbol represents the typhoon center; black contour indicates geopotential height at 850 hPa, unit: gpm; arrow represents horizontal wind field at 850 hPa

圖9 （a）Tembin（2012年8月19～30日）和（b）Isaac（2012年8月21日至9月 1日）質量控制前、質量控制后和剔除的數據量的逐日變化Fig. 9 Daily variations of data size before QC, after QC, and removed for (a) Tembin during 19–30 Aug 2012 and (b) Isaac from 21 Aug to 1 Sep 2012

圖10 質量控制前后（a）Tembin（2012年8月19～30日）和（b）Isaac（2012年8月21日至9月1日）臭氧總量和平均位勢渦度的相關系數逐日變化Fig. 10 Daily variations of correlation between total ozone and MPV before and after QC for (a) Tembin during 19–30 Aug 2012 and (b) Isaac from 21 Aug to 1 Sep 2012

本文的質量控制方案在兩個臺風個例中均取得了較理想的效果，為FY-3A TOU臭氧資料的數值應用奠定了基礎。Jang et al.（2003）和Wu and Zou（2008）的研究表明，衛星臭氧資料較常規資料包含更豐富的高層環境場信息，基于臭氧總量和平均位勢渦度之間的高相關性對臭氧資料進行四維變分同化，可以明顯影響引導氣流，從而改善了臺風渦旋初始化和臺風路徑、強度預報。目前，我國已初步形成了功能齊備的臺風業務技術體系，但是在臺風數值預報方面與國外相比仍有差距，那么能否在已有基礎上利用FY-3A TOU臭氧資料來加強我國的臺風渦旋初始化技術和資料同化應用，這將是后續研究工作的重點。值得注意的是，已有的研究中都是同化單一時次的臭氧資料，同化的影響隨著時間的推移而逐漸減弱，能否通過同化多時次的臭氧資料取得更好的效果呢？本文所發展的質量控制方案又給多時次臭氧資料的同化工作帶來一定的啟發，那就是應該動態更新觀測算子，才能在模式中更好地“吸收”臭氧資料，同時本文的方案完全適用于多時次臭氧資料的質量控制。另外，這些通過質量控制的臭氧資料是否可以應用到暴雨、強對流等災害性天氣的數值預報中，也是值得關注的問題。

圖11 質量控制前后（a）Tembin（2012年8月19～30日）和（b）Isaac（2012年8月21日至9月1日）臭氧總量資料O-B的概率密度函數Fig. 11 Probability density function of total ozone O-B before and after QC for (a) Tembin during 19–30 Aug 2012 and (b) Isaac from 21 Aug to 1 Sep 2012

致謝 感謝兩位審稿專家提出的寶貴意見，同時感謝鄒曉蕾教授對本文的指導。

（References）

Allaart M A F, Kelder H, Heijboer L C. 1993. On the relation between ozone and potential vorticity [J]. Geophys. Res. Lett., 20 (9): 811–814.

Carrier M, Zou X, Lapenta M. 2007. Identifying cloud-uncontaminated AIRS spectra from cloudy FOV based on cloud-top pressure and weighting functions [J]. Mon. Wea. Rev., 135: 2278–2294.

Danielsen E F. 1968. Stratospheric–tropospheric exchange based on radio-activity, ozone, and potential vorticity [J]. J. Atmos. Sci., 25:673–688.

Davis C, Low N S, Shapiro M A, et al. 1999. Direct retrieval of wind from Total Ozone Mapping Spectrometer (TOMS) data: Examples from FASTEX [J]. Quart. J. Roy. Meteor. Soc., 125: 3375–3391.

Folkins I, Appenzeller C. 1996. Ozone and potential vorticity at the subtropical tropopause break [J]. J. Geophys. Res., 101 (D13):18787–18792.

郭棟, 周秀驥, 劉煜, 等. 2012. 南亞高壓對青藏高原臭氧谷的動力作用[J]. 氣象學報, 70 (6): 1302–1311. Guo Dong, Zhou Xiuji, Liu Yu, et al.2012. The dynamic effects of the South Asian high on the ozone valley over the Tibetan Plateau [J]. Acta Meteorologica Sinica (in Chinese), 70(6): 1302–1311.

郭世昌, 常有禮, 張利娜. 2007. 北半球中緯度地區大氣臭氧的年際和年代際變化研究 [J]. 大氣科學, 31 (3): 418–424. Guo Shichang,Chang Youli, Zhang Li’na. 2007. Research on the interannual and interdecadal variations of the atmospheric ozone in the middle latitude region of the Northern Hemisphere [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 31 (3): 418–424.

Jang K-I, Zou X, De Pondeca M S F V, et al. 2003. Incorporating TOMS ozone measurements into the prediction of the Washington, D. C., winter storm during 24–25 January 2000 [J]. J. Appl. Meteor., 42: 797–812.

江芳, 王維和, 王詠梅, 等. 2012. FY-3氣象衛星紫外臭氧總量探測儀輻亮度在軌定標與反演結果分析. 地球物理學報, 55 (3): 760–767.Jiang Fang, Wang Weihe, Wang Yongmei, et al. 2012. Calibration in-orbit and retrieval result study of FY-3 Total Ozone Unit (TOU) [J]. Chinese Journal of Geophysics (in Chinese), 55 (3): 760–767.

Jiang X, Steven P, Charles D, et al. 2008. Interannual variability and trends

of extratropical ozone. Part I: Northern Hemisphere [J]. J. Atmos. Sci., 65:3013–3029.

Lanzante J R. 1996. Resistant, robust and nonparametric techniques for the analysis of climate data: Theory and examples, including applications to historical radiosonde station data [J]. Int. J. Climatol., 16: 1197–1226.

Li J, Zou X. 2013. A quality control procedure for FY-3A MWTS measurements with emphasis on cloud detection using VIRR cloud fraction [J]. J. Atmos. Oceanic Technol., 30: 1704–1715.

劉年慶, 黃富祥, 王維和. 2011. 2011年春季北極地區臭氧低值事件的衛星遙感監測 [J]. 科學通報, 56 (27): 2315–2318. Liu Nianqing, Huang Fuxiang, Wang Weihe. 2011. Monitoring of the 2011 spring low ozone events in the Arctic region [J]. Chinese Science Bulletin (in Chinese), 56(27): 2315–2318.

Normand C. 1953. Atmospheric ozone and the upper-air conditions [J].Quart. J. Roy. Meteor. Soc., 79: 39–50.

Ohring G, Muench H S. 1960. Relationships between ozone and meteorological parameters in the lower stratosphere [J]. J. Atmos. Sci., 17:195–206.

Qin Z, Zou X, Li G, et al. 2010. Quality control of surface station temperature data with non-Gaussian observation minus background distributions [J]. J. Geophys. Res., 115: D16312, doi: 10.1029/2009JD013695.

Shapiro M A, Krueger A J, Kennedy P J. 1982. Nowcasting the position and intensity of jet streams using a satellite-borne total ozone mapping spectrometer [M]// Nowcasting. San Diego: Academic Press, 137–145.

Tian B, Yung Y L, Waliser D E, et al. 2007. Intraseasonal variations of the tropical total ozone and their connection to the Madden-Julian oscillation[J]. Geophys. Res. Lett., 34: L08704, doi: 10.1029/2007GL029451.

Vaughan G, Price J D. 1991. On the relationship between total ozone and meteorology [J]. Quart. J. Roy. Meteor. Soc., 117: 1281–1298.

王庚辰, 孔琴心, 陳洪濱. 2006. 北京地區對流層頂變化及其對上對流層/下平流層區域臭氧變化的影響 [J]. 大氣科學, 30 (4): 587–595.Wang Gengchen, Kong Qinxin, Chen Hongbin. 2006. Variation of the tropopause height and its influence on ozone variation in upper troposphere/lower stratosphere over Beijing [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 30 (4): 587–595.

王維和, 張興贏, 安興琴, 等. 2010. 風云三號氣象衛星全球臭氧總量反演和真實性檢驗結果分析 [J]. 科學通報, 55 (17): 1726–1733. Wang Weihe, Zhang Xingying, An Xingqin, et al. 2010. Analysis for retrieval and validation results of FY-3 total ozone unit (TOU) [J]. Chinese Science Bulletin (in Chinese), 55 (17): 1726–1733.

王維和, 張艷, 李曉靜, 等. 2011. 2011年春季北極臭氧異常低值監測和特征分析 [J]. 極地研究, 23 (4): 310–317. Wang Weihe, Zhang Yan,Li Xiaojing, et al. 2011. Monitoring results and analysis of anomalously low ozone in the 2011 Arctic spring [J]. Chinese Journal of Polar Research (in Chinese), 23 (4): 310–317.

王詠梅, 王英鑒, 王維和, 等. 2009. FY-3衛星紫外臭氧總量探測儀 [J].科學通報, 54 (23): 3778–3783. Wang Yongmei, Wang Yingjian, Wang Weihe, et al. 2009. FY-3 satellite ultraviolet total ozone unit [J]. Chinese Science Bulletin (in Chinese), 54 (23): 3778–3783.

Wang H, Zou X, Li G. 2012. An improved quality control for AIRS total column ozone observations within and around hurricanes [J]. J. Atmos.Oceanic Technol., 29: 417–432.

Wu Y, Zou X. 2008. Numerical test of a simple approach for using TOMS total ozone data in hurricane environment [J]. Quart. J. Roy. Meteor. Soc.,134: 1397–1408.

Xu Z, Wang Y, Fan G. 2013. A two-stage quality control method for 2-m temperature observations using biweight means and a progressive EOF analysis [J]. Mon. Wea. Rev., 141: 798–808.

楊軍, 董超華, 盧乃錳, 等. 2009. 中國新一代極軌氣象衛星——風云三號 [J]. 氣象學報, 67 (4): 501–509. Yang Jun, Dong Chaohua, Lu Naimeng, et al. 2009. FY-3A: the new generation polar-orbiting meteorological satellite of China [J]. Acta Meteorologica Sinica (in Chinese), 67 (4): 501–509.

Zou X, Wu Y. 2005. On the relationship between Total Ozone Mapping Spectrometer (TOMS) ozone and hurricanes [J]. J. Geophys. Res., 110:D06109, doi: 10.1029/2004JD005019.

Zou X, Zeng Z. 2006. A quality control procedure for GPS radio occultation data [J]. J. Geophys. Res., 111: D02112, doi: 10.1029/2005JD005846.