HY-2衛星近海面風場資料融合及在海上天氣系統分析中的應用

苗春生，高雅，王堅紅

（南京信息工程大學氣象災害預報預警與評估協同創新中心，氣象災害教育部重點實驗室，江蘇南京 210044）

1 引言

海上天氣系統活動的觀測和預報主要依賴于海上監測的資料信息，目前海上海氣要素監測仍然存在難度，衛星是一種現代的海上監測手段。由國家衛星海洋應用中心發布的HY-2衛星監測產品的二級反演數據，能對全球海表風場（SSW）及其時空變化進行描述,且具有較好的精度[1]。盡管HY-2衛星數據能夠提供海洋和大氣的精細化特征，但由于衛星資料通常是基于衛星軌道坐標系，其網格不均勻、覆蓋區不固定，因此需要對監測數據進行再處理，形成常規經緯度坐標系場數據，方便進一步做衛星監測要素的診斷分析。數據融合是處理這一問題的有效方法之一。目前有許多這方面的研究工作，如齊亞琳等[2]采用時間空間權重插值法對HY-2散射計海面風場和NCEP風場進行融合；國家海洋環境預報中心將SSW和數值模式資料及NCEP資料進行融合[3]。這些研究表明，通過多源海面風場數據融合構建的混合風場能夠提高海上風場數據的覆蓋范圍及時空分辨率，且能反映環流的中小尺度特征，可更好地滿足數值天氣預報研究及海洋中小尺度系統研究的需要。但是大氣和海洋均為多要素綜合場，即溫度、風場、氣壓、濕度等，它們的同時存在，符合環境背景的規律與特征，因此資料融合處理不僅是簡單的數學方法的計算，需要考慮不同要素的協調，不同層次氣象要素三維空間和時間變化的協調。因此需要一種能夠綜合多種要素、多源數據，運算方法符合大氣海洋變化規律的數據融合系統，LAPS（Local Analysis Prediction System）就是這樣一種數據融合系統。

LAPS[4-7]是美國國家海洋大氣管理局NOAA（National Oceanic and Atmospheric Administration）下屬的ESRL（Earth System Research Laboratory）實驗研究開發的局地分析預報系統，能夠針對某個區域將多源觀測資料融合分析到高分辨率的規范化三維網格上，LAPS系統算法分析綜合考慮了動力學和熱力學規律，融合產品中的各要素更加協調，同時系統輸出的數據格式是標準化的，有較好的普適性。目前可供LAPS融合的觀測資料種類很多，包括全球/局地數值預報模式（背景場）、局地中尺度加密網觀測資料、衛星資料等，而國內外眾多研究結果使得LAPS能融合的衛星資料種類不斷擴充。Birkenheuer[8]等利用變分方法將GOES衛星輻射資料融合進入LAPS系統，并實現了同時融合GPS水汽、衛星探測云信息等資料；Dario Conte等[9]將MSG（Meteosat Second Generation）衛星資料引入LAPS中，改善了LAPS系統對中尺度分析的效果，尤其是提高了LAPS系統對云分析的效果。LAPS被引進我國后，氣象工作者根據我國觀測資料的種類及特點，對其實現了本地化及二次開發[10-12]，并將FY-2衛星的云導風資料與LAPS系統成功對接[13-14]。LAPS系統融合輸出的數據格式具有普適性，便于進行數據分析和診斷計算。但是在實際應用中，常由于衛星觀測方式及監測傳感器工作原理特征，在某些特定情境下監測發生盲區，并且監測易受天氣系統干擾，以及衛星觀測反演數據中由高空間分辨率帶來的噪音誤差等[15]，這些因素使得LAPS分析結果有時不盡理想，因此融合分析前對輸入的衛星反演資料的質量控制顯得至關重要。

本文以HY-2衛星獲取的海面風場（SSW）作為數據源，基于我們拿到的資料是HDF格式，針對SSW數據的海上特征，運用多步驟數據預處理過程，開展了對SSW進行LAPS融合的工作。并通過對海上天氣系統的衛星SSW融合效果的分析驗證，獲得衛星數據融合產品，即一種區域再分析資料場，以及融合資料在海面風場及中小尺度環流系統分析中的應用。

2 資料與LAPS算法簡介

2.1 資料與方法

HY-2衛星風場資料是由國家衛星海洋中心提供的衛星散射計海面風場（SSW），為經處理的二級產品資料，分辨率為25 km×25 km,數據具有HDF格式。衛星一天對某地有兩次觀測，該風場是通過微波散射計測量風引起的粗糙海面對微波后向散射特性推算得到。用于LAPS數據融合的背景場通常為數值預報產品，本研究采用的是美國國家海洋大氣局（NOAA）全球預測系統（Global Forecast System，GFS）的分辨率為1°×1°的資料作為背景場。由于常規再分析資料具有標準時刻，每日4次，而衛星掃描局地區域的時刻，與此標準時刻不重合。因此LAPS系統針對衛星掃描時刻，通過時間插值，自動獲得與衛星掃描相同時刻的背景場，再進行資料融合運算。為檢驗融合效果，本文采用1°×1°的FNL再分析資料和0.25°×0.25°歐洲中心再分析資料作為實況資料進行對比分析。

融合方法采用LAPS數據融合系統，LAPS融合試驗所選區域位于西太平洋，區域中心經緯度為（22.5°N，131°E），系統采用Lambert投影，水平分辨率10 km，格點數為261×251。

本文主要采用臨界值篩選、濾波、平滑、數據格式前處理等方法對HY-2衛星觀測獲得的原始風場資料進行預處理，并通過交叉驗證法進行驗證分析。各方法及具體應用在下面相應章節中詳細介紹，其中九點平滑公式：

式中，p為正交經緯向的平滑系數；q為對角線平滑系數。

主要誤差統計量計算公式為：

式中，A為LAPS融合分析的風速值；B為HY-2衛星散射計觀測反演風速值；n為相應樣本個數。

2.2 LAPS系統基本原理

LAPS系統是通過融合多種數據源進行格點綜合分析的系統，基礎算法是在背景場（數值模式預報產品）基礎上采用距離權重插值將多源觀測數據融合，得到規范化經緯度網格點要素值，對溫、壓、風關系采用三維變分進行約束，對垂直水汽分布采用一維變分進行約束等[16-17]。LAPS系統主要有5個功能模塊（見表1），不同種類觀測資料通過不同功能模塊輸入LAPS系統進行融合分析，各功能模塊的分析相互協調輸出結果。5個模塊的分析結果可以進行診斷分析，得到一些診斷量用于天氣的診斷，也可以經過平衡分析，接入數值模式。

LAPS系統中，與風場有關的融合模塊有風分析模塊和地面分析模塊。其中地面分析模塊的算法的主要步驟包括：

第一步：背景場插值。把數值模式的格點數據內插到LAPS分析區域格點上，在水平方向采用雙線性內插，在垂直方向采用高度坐標的線性內插。時間內插采用網格點的點對點線性內插。

第二步：網格插值——Barnes插值法[18]。首先由距離權重得到初始場，以及測站誤差值再對初始場進一步訂正得到分析場，

第三步：風壓關系調整。此過程通過一個二維變分分析（帶摩擦項的二維運動方程），進行風壓關系調整。

風分析模塊算法的主要步驟為：

第一步：讀進云導風資料，結合背景場將觀測的風速、風向內插到LAPS分析區域網格上，得到觀測內插風場。再將模式背景風場內插到區域網格上，得到第一初猜場。

第二步：將觀測內插風場減去第一初猜場，得到差量場進行質量控制。當差量值大于閾值時，該觀測資料將被剔除，通過檢驗的觀測資料具有可信度。閾值的大小是根據不同觀測方式而定，其中云導風為10m/s。

第三步：將差量場延伸到垂直上、下各一層上，采用的垂直權重函數如下：

表1 LAPS系統主要功能模塊

式中，v為垂直權重函數；s為觀測站與網格間距離；rh為影響半徑；t為資料類型參數，通常等于1。每次計算分析中影響半徑rh逐次減小，同時每次分析結果作為下一次分析的背景場。最后將客觀分析的差量場加回到第一初猜場，得到三維風場。

3 HY-2衛星SSW融合試驗

3.1 融合通道的選取

根據表1可以看出，實際LAPS系統中沒有直接輸入HY-2衛星海面風場的融合模塊，系統的功能模塊中，與近海面風場觀測資料融合分析有關的是地面分析模塊和風分析模塊兩類。其中，地面分析模塊能夠融合海洋浮標、船只的觀測數據，風分析模塊能融合云導風資料。因為HY-2衛星海面風場資料在一定程度上與這兩類觀測資料具有一定的類似，因此需要進行測試以確定恰當的數據輸入方式。將衛星SSW作為浮標/船只風場觀測資料，以及云導風資料中近地面層的觀測資料，分別通過地面分析模塊和風分析模塊輸入LAPS系統，與數值模式預報產品（背景場）進行融合分析，對比選取LAPS融合HY-2衛星SSW的理想分析模塊。由于HY-2的SSW數據僅配有相應的高度，沒有氣壓值，而風模塊輸入要求有對應的氣壓值。因此在輸入風模塊之前，需要根據當時環境要素計算出SSW相應的氣壓值。以2013年7月13日的SSW資料作為數據源，暫不做數據預處理，直接輸入LAPS系統，分析時刻為09時。結果顯示，通過地面分析模塊輸入SSW的分析場中能保留原HY-2衛星觀測風場中的中小尺度擾動信息；而由風分析模塊融合SSW的分析風場與背景場的風場形勢大體上一致。此外考慮到風分析模塊使用時額外氣壓計算的要求可能引入的計算誤差，地面分析模塊的使用應更合適。但還要進行驗證，圖1為驗證結果。

圖1計算了地面分析模塊和風分析模塊分別融合SSW分析得到的海面風速值與HY-2衛星原始觀測風速在衛星觀測區域范圍內的平均絕對誤差（error）、均方根誤差（rmsd）以及平均偏差（bias）。當SSW從地面分析模塊輸入LAPS系統的融合結果中（見圖1a），LAPS分析風速值與實測風速值的平均絕對誤差約為0.61 m/s，均方根誤差約為1.04 m/s；實測風速與LAPS分析風速的平均偏差值約為0.98（＜1），表明LAPS的分析風速值偏大。通過風分析模塊輸入SSW的分析結果中（見圖1b），LAPS分析風速值與實測風速的平均絕對誤差約為1.95 m/s，均方根誤差約為1.72 m/s；實測風速與LAPS分析風速的平均偏差值約為1.09（＞1），LAPS的分析風速值比實測風速小。對比兩種試驗結果可以發現，通過地面分析模塊融合SSW的分析風速值與原始風速的擬合效果優于風分析模塊的融合風速值與原始風速的擬合程度，前者的平均絕對誤差及均方根誤差均小于后者。另外，由于資料沒有經過預處理直接輸入LAPS系統進行融合分析，原始資料中的噪音信息也在分析場中表現出來。

圖1 LAPS分析場風速與HY-2衛星原始觀測風速散點圖

綜上分析可知，LAPS的地面分析模塊能更好的保留HY-2衛星原始風場資料的中小尺度信息，融合結果對大尺度背景場的改善顯著；SSW通過風分析模塊融合后的結果對背景場改善作用不明顯。產生這種結果可能與LAPS系統兩種融合模塊的算法有關，地面分析模塊的分析算法是在水平方向上采用Barnes插值法將離散的測站值插值到網格點，即采用的高斯權重函數的距離權重法，而風分析模塊采用的是三維風場插值。另外，在實際中無法獲得某經緯度點上風場觀測資料所在的氣壓層的精確值，也是云導風融合模塊融合效果不理想的原因之一。

3.2 資料預處理

由于HY-2衛星觀測的風場資料具有較高的空間分辨率，若直接輸入LAPS系統會造成資料中的噪音放大，混淆LAPS分析場中的精細化特征[19]，因此需要對原始數據進行預處理。首先，HY-2衛星海面風場資料是通過微波散射計測量風引起的粗糙海面對微波的后向散射特性來推算得到，Carswell和Bourassa[20-21]等的研究表明，星載散射計測量極高風速時均發生了風速敏感度飽和，資料可信度降低。一般而言，這個風速敏感度飽和對應的臨界風速值大約為30 m/s，因此依此臨界值對風速的原始觀測數據進行篩選，剔除可信度低的值，以及不連續的異常值。

另外，由于LAPS系統默認的資料融合碼一般是一種特殊的NetCDF格式，SSW資料的原始格式是HDF，因此在LAPS系統融合前，還需要將SSW資料處理成LAPS融合模塊要求的輸入格式。LAPS系統融合不同類型的觀測數據時，對每種觀測資料的格式要求也不同。具體方法是先下載官方提供的測試資料，查看資料的詳細信息，從而編寫轉換程序。根據3.1的結論，后文均選用LAPS地面分析模塊進行SSW融合。針對地面分析模塊，資料格式轉換主要包括以下幾個步驟：（1）提取衛星風場資料的觀測時間、風速、風向、經緯度信息；（2）對各個經緯度觀測值進行編號；（3）由于觀測數據的0°風向與LAPS系統定義的0°風向相反，需要對觀測風向轉換：當風向大于180°時風向減去180°，小于 180°時風向加上 180；（4）計算觀測時間：從1970年1月1日算起，以秒為單位；（5）重新寫入站號、經度、緯度、風速、風向、觀測時間，生成適合地面融合模塊的數據格式（NetCDF格式）。

圖2 衛星觀測網格點與LAPS分析網格

通過對衛星SSW觀測資料進行質量控制及格式轉換，最后將處理后的數據通過地面分析模塊輸入LAPS系統進行融合分析。

3.3 分析場的驗證

由于HY-2衛星觀測數據的格點分布是不規則的，而LAPS分析網格的標準化的網格（見圖2），因此將衛星觀測格點數據分析到LAPS區域網格上時，需要對其進行檢驗。本文選取2013年7月13日的HY-2衛星風場資料進行預處理，并將預處理后的數據輸入LAPS系統，由LAPS將數據分析到區域網格上（見圖2b）。此時LAPS只分析SSW，不融合背景場，分析時刻分別為09時和21時。

在衛星觀測區域內，采用交叉驗證法對LAPS分析SSW的插值場進行質量評估。因為資料預處理過程中對原始觀測資料進行了間隔取值，因此將間隔取值后的數據作為檢驗樣本。首先假設樣本每一個經緯度點的風場未知，由LAPS只分析SSW得到的風場來估算樣本每個經緯度點的風場，然后計算樣本中各經緯度風場實際值與估計值的誤差，并采用均方根誤差做為評價插值好壞的指標，值越小，表示LAPS分析效果越好。通過交叉驗證分析的結果來確定樣本風場與預處理后LAPS的分析風場相關性是否夠高及LAPS分析場是否可以很好地表示原始觀測風場中的信息。

表2給出了09時和21時檢驗風場的統計特征量，可以看出兩個分析時刻風場的均方根誤差均較小。09時和21時樣本全風速與LAPS分析全風速的均方根誤差約為1.2 m/s；09時U分量和V分量的均方根誤差分別約為1.58 m/s、1.48 m/s，21時U、V分量的均方誤差略低于09時，約為1.45 m/s、1.25 m/s。比較不同分析時刻風速，U、V分量與樣本風場的相關系數，且數值均較高，尤其是U分量的相關性高，達到95%，V分量接近90%。表明通過預處理后的資料在LAPS區域網格的分析風場與樣本資料間的相關性顯著。

綜上分析可知，SSW經過資料預處理，通過對原始資料中由高分辨率觀測帶來的噪音濾波后，在LAPS網格的分析值能有效地保留HY-2衛星原始數據中的觀測信息。

4 LAPS融合SSW在海上天氣系統中的應用

4.1 衛星近海面風融合場的海面副高分析

為了探究海上副熱帶高壓的中尺度特征在LAPS分析場中的表現，以2013年7月13日西太平洋海面高壓系統為例，對SSW資料進行LAPS融合，分析時刻為09時（UTC）。圖3分別為LAPS分析風場和HY-2衛星觀測的海面風場。當LAPS僅分析背景場時（見圖3a），20°N以南海域海面風場表現為平直東風氣流，而衛星軌道資料場顯示（見圖3b）在此區域的偏東風氣流中有明顯的波動。經LAPS融合SSW與背景場之后（見圖3c），該海區海面風場偏東氣流中出現明顯波動。為了解融合場波動特征的合理性，選擇歐洲中心高分辨率再分析資料進行比對，由于衛星資料的時刻與常規再分析資料的標準時刻（每6 h）不重合，并考慮中尺度環流系統一般可維持2—3h以上，因此選擇最接近衛星掃描時刻的再分析資料場（見圖3d），其中在相同海區附近也有明顯的東風波動。因此融合效果基本理想。

將數據結果錄入SPSS22.0數據庫處理,以X 2檢驗計數資料,以例數百分比形式表示,以t檢驗計量資料,以±s形式表示,以P<0.05為差異具有統計學意義。

表2 樣本風場與LAPS分析風場的統計特征量

圖3 LAPS分析09時（UTC）海面風場和HY-2衛星觀測風場及再分析資料風場

圖3b中該軌道HY-2衛星風場數據不能完全覆蓋西太平洋區域，而經LAPS融合的風場分析場（見圖3c）能覆蓋整個海域。HY-2衛星一天最多能對全球90%的海域進行觀測，而通過LAPS融合SSW后的分析場能夠覆蓋全球的海域。研究表明，LAPS融合HY-2衛星海面風場不僅背景場有一定的改善，能清楚地反映出海面高壓外圍流場中的低緯度擾動，同時彌補了HY-2衛星觀測數據不能完全覆蓋海域的不足。

4.2 衛星近海面風融合場的臺風分析

臺風是最為重要的海上天氣系統之一，也是世界上最嚴重的自然災害之一，其結構變化對臺風的強度、路徑、暴雨落區等方面產生重要影響。海上觀測資料的匱乏，使得臺風的真實環流結構難以表現，海洋二號衛星實現了海面風場的觀測，這對我們了解臺風低層風場結構有重要幫助。根據第三節的結論，以2013年7號臺風“蘇力”為試驗對象，對HY-2衛星SSW進行融合試驗，包括LAPS僅分析背景場以及同時分析背景場與SSW。臺風“蘇力”最初為熱帶風暴，7月10日02時（北京時）“蘇力”發展成為超強臺風，表3為臺風“蘇力”7月10日的實況信息，臺風7級風圈半徑為380 km，移動方向為西西北。

表3 “蘇力”臺風7月10日實況信息

圖4 LAPS分析臺風“蘇力”09時（UTC）海面風場

圖4給出了在不同情形下的LAPS融合分析結果，分析時刻均為2013年7月10日09時（UTC）。LAPS僅分析背景場的結果顯示（見圖4a），臺風“蘇力”中心位置位于（21.5°N，134.4°E），海面風速分布較規則且平滑，臺風氣旋式環流緯向性明顯。大風區（風速大于15 m/s，紅色區域）邊緣光滑；當LAPS背景場和衛星SSW場融合后（見圖4b），臺風氣旋式環流形狀表現顯著變化，經向性特征較為顯著，尤其是臺風前進方向的右側部分的風場，此外臺風中心位置位于（21.6°N，133.9°E），較前者的結果位置偏西北，即實際臺風移動較快。臺風氣旋20 m/s大風區范圍顯著擴展，主要擴展區在臺風前進方向的右側。臺風前進右側的大風大浪危險區范圍可達大約左側的兩倍，因此融合資料提供了更具參考價值（衛星監測）的預警范圍。從風速分布可以看出，LAPS僅分析背景場時臺風中心等風速線較為平滑，融合SSW后中心風速波動性增強，等風速線分布變化不規則，臺風外圍流場20 m/s等風速線的波動性也顯著增強。

圖5 LAPS分析的融合SSW前后的海面水平風場差值場

圖5為LAPS系統融合衛星SSW之后的近海面風場與融合前背景風場之差值場。如圖所示，融合SSW后的分析場對臺風區風場具有較大的調整。臺風區海面風場表現為主體的氣旋性減弱，-10 m/s等風速差值區環抱臺風中心，即風速相對減小；臺風的北部區域具有一處氣旋性加強區，含有2個風速差值為+10 m/s的中心，同時臺風近中心風力是增強的，差值等值線也達到+10 m/s。衛星監測的SSW場對背景風場有顯著調整。

圖6 由LAPS融合產品診斷分析的海面輻散風場

圖7 2013年1月5日西太平洋FNL海面流場

綜上分析可知，LAPS融合SSW后的分析場對背景場（數值預報產品）有一定程度的改善，能更真實地反映臺風海面風場的波動性以及臺風中心的位置、風場結構、大風范圍。

4.3 衛星近海面風融合場的海上輻合線分析

以2013年1月5日臺灣以東洋面出現的輻合線為試驗對象，對SSW資料進行LAPS融合分析。圖6為LAPS分析的輻散場，分析時刻為9:30（UTC）。在LAPS只分析背景場的分析結果中（見圖6a），西太平洋海面存在兩個明顯的輻合中心，分別位于（23°N，128°E）和（30°N，136°E）附近。融合SSW后，LAPS同時分析背景場和衛星風場資料的分析場中（見圖6b），臺灣以東洋面的輻合線中心向西移，位于（23°N，126.5°E），輻合線由東西走向變為南北走向。原來位于（30°N，136°E）附近的輻合中心位置也向南移動，中心位于（27°N，136°E）。

圖7為海面1000 hPa的流場實況，06時（見圖7a）西北太平洋海面存在兩個明顯的輻合中心，分別位于臺灣以東洋面以及日本半島東南海域附近。其中，臺灣以東洋面的輻合線呈西南-東北走向。12時（見圖7b）該輻合線的經向性加強，而考慮圖6b衛星風場信息，9：30該臺灣東側輻合線的經向度已經加強。尤其是輻合線北側氣流的經向度較強。第2個在日本東南海域的輻合中心，在6:00和衛星觀測的9：30的位置均以紅色點標注在12時（見圖7b）上。可以看出該輻合中心的移動路徑和形狀變化：日本半島東南海域的輻合中心先向東南方向移動，然后擴展形成一條南北走向的輻合線。顯然衛星監測數據增加了觀測的時空信息，而經過LAPS融合，資料的規范化統一性，提供了進行系統連續跟蹤與客觀對比的良好基礎。

綜上分析可知，融合SSW后的LAPS分析場比只分析背景場更加接近實況，在06時和12時再分析資料的基礎上，增加09:30時的SSW融合分析場，加密了時間序列的步長，能夠更好地表現輻合系統的時間演變特征，對系統的時間演變規律有更精細的展現，提供更細致的參考信息。同時，區域融合SSW的再分析資料是規范化矩形坐標網格上的格點資料，比衛星原始資料（軌道網格）更便于進行區域場的診斷計算。

5 結論

通過上述分析與研究，得到如下結論：

（1）LAPS多源數據融合系統可應用于HY-2衛星的SSW的數據融合，在數據輸入時，需采用LAPS地面分析模塊，該模塊融合SSW比通過風分析模塊融合SSW數據更合理，效果更理想。LAPS融合系統輸出的數據格式更適合常規海洋預報和研究，為充分及時使用衛星SSW和更有效地提取衛星資料精細化信息提供了基礎；

（2）對HY-2衛星海面風場原數據經過異常值剔除、衛星掃描網格精簡、衛星數據平滑濾波等幾項預處理，將可以修訂衛星數據固有偏差和濾除衛星精細化掃描攜帶的噪音，更恰當地顯示衛星對近海面風場的精細化描述。通過交叉驗證得出，預處理后的資料仍能有效地保留原始資料中的數據信息；

（3）衛星SSW數據的區域LAPS融合產品改善了衛星掃描區的空間覆蓋率在時空上的多變性，提供了可進行物理量診斷計算的經緯度網格區域場，滿足了現代海洋預報、氣象預報等專業分析和研究對資料的要求；

（4）HY-2衛星風場利用LAPS融合技術得到的SSW分析場，對海上臺風、海上高壓、輻合中心的海面風場的中尺度結構特征提供了更為細致地描述。對系統的時間演變規律有加密步長的展現，其提供的規范化網格資料更易于進行診斷分析。融合SSW后的LAPS分析場更接近實況，適用于研究海上天氣系統的精細化結構和時空演變特征。

[1]王東良,姚小海,孟雷,等.海洋二號衛星散射計風場產品真實性檢驗及分析[J].海洋預報,2014,31(4):47-53.

[2]齊亞琳,林明森.數據融合技術在海洋二號衛星數據中的應用[J].航天器工程,2012,21(3):117-123.

[3]國家海洋局.中國海洋衛星應用報告[R].北京:海洋衛星工程進展,2013.

[4]McGinley J A,Albers S C,Stamus PA.Local data assimilation and analysis for nowcasting[J].Advanced Space Research,1992,12(7):179-188.

[5]Albers S C.The LAPS wind analysis[J].Weather Forecasting,1995,10(2):342-352.

[6]Birkenheuer D.The effect of using digital satellite imagery in the LAPS moisture analysis[J].Weather Forecasting,1999,14(5):782-788.

[7]Hiemstra C A,Liston G E,PielkeSr R A,et al.Comparing local analysis and prediction system(LAPS)fusions with independent observations[J].Weather Forecasting,2006,21(6):1024-1040.

[8]Birkenheuer D,Shaw B L,Albers S,et al.Evaluation of local-scale forecasts for severe weather of 20 July 2000[C].Proceedings of the 14th Conference on Numerical Weather Prediction,Ft.Lauderdale,FL,Amer.Meteor.Soc.,2001.

[9]Conte D,Miglietta M M,Moscatello A,et al.A GIS approach to ingest Meteosat Second Generation data into the Local Analysis and Prediction System[J].Environmental Modelling&Software,2010,25(10):1064-1074.

[10]李紅莉,萬蓉,謝有才.利用LAPS系統同化地基GPS水汽資料的應用研究[J].熱帶氣象學報,2010,26(6):702-709.

[11]王葉紅,彭菊香,公穎,等.AREM-RUC 3h快速更新同化預報系統的建立與實時預報對比檢驗[J].暴雨災害,2011,30(4):296-304.

[12]李紅莉.LAPS-RUC系統的搭建及其預報效果檢驗分析[A].中國氣象學會.第28屆中國氣象學會年會——S3天氣預報災害天氣研究與預報[C].中國氣象學會,2011:10.

[13]李紅莉,崔春光,王志斌.LAPS的設計原理、模塊功能與產品應用[J].暴雨災害,2009,28(1):64-70.

[14]李紅莉,張兵,陳波.局地分析和預報系統(LAPS)及其應用[J].氣象科技,2008,36(1):20-24.

[15]苗春生,高雅,王堅紅.自主衛星HY-2近海面風場資料融合技術研究[R].南京:解放軍解放軍理工大學,2014,13-14.

[16]McGinley J A,Albers S C,Stamus PA.Validation of a composite convective index as defined by a real-time local analysis system[J].Weather Forecasting,1991,6(3):337-356.

[17]Alber S C,McGinley J A,Birkenheuer D L,et al.The local analysis and prediction system(LAPS):Analyses of clouds,precipitation,and temperature[J].Weather Forecasting,1996,11(3):273-287.

[18]Barnes S L.A technique for maximizing details in numerical weather map analysis[J].Journal of Applied Meteorology,1964,3(4):396-409.

[19]張濤,苗春生,王新.LAPS與STMAS地面氣溫融合效果對比試驗[J].高原氣象,2014,33(3):743-752.

[20]Carswell J R,Castells A.Observed saturation in C-and Ku-band ocean backscatterathurricane force winds[J].Journalof Geophysical Research,1999,104(C5):11485-11497

[21]Bourassa M A,Legler D M,O’Brien J J,et al.Seawinds validation with research vessels[J].Journal of Geophysical Research,2003,108(C2):3019,doi:10.1029/2001JC001028.