新疆氣象業務同化系統研發進展

辛 渝，李 曼，杜 娟，劉軍建，楊支中，袁 炳，王云峰

（1.中國氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊800002）2.北京航天宏圖信息技術股份有限公司，北京 100081）

新疆氣象9 km水平分辨率的區域數值預報系統從考核期“準業務”試運行到2015年12月初，經過專家對系統的完整性與預報性能等多項指標考核評估，同意作為區域數值預報業務系統以來，數值預報研發大多停留在了3 km水平分辨率的業務運行流程的部署和物理參數化方案組合評估上。一部分基于過去的資料同化種類[1，2]、業務解碼軟件和資料質控方式，對資料質控軟件進行了升級。一部分按中國氣象局每年的目標任務要求，推動著業務研發進程：（1）2016年新疆在國內率先利用FSO、OSSE、OSE技術進行區域站遴選。（2）2017—2018年開展FY-4A云導風和溫濕廓線產品對新疆區域數值預報影響評估。（3）2017年年底面向數值預報對象的新疆氣象雷達專項中建設內容的確立。研發人員2018年聯合NCAR/MMM衛星資料同化技術專家，對衛星微波探測和圖像資料在陸面上的同化技術研發開展了一些前瞻性工作，對雷達資料觀測誤差的初值定義以及基于個例對氣候態的背景協方差誤差的影響尺度也開展了一些探索性工作。同時，結合WSM6云微物理過程的linearization和相應的adjoint模式的研發，以及將其集成到WRFDA-4DVAR中所開展的檢驗，對WRFDA-3DVAR和WRFDA-4DVAR的技術特性與業務中的應用局限性等有了更新的認識。本文從新疆近年圍繞資料同化所開展的多項技術研究中，摘取幾個與當前業務應用結合比較緊密的技術開發進行應用效果評估，為今后通過更多的試驗與更完備的論證手段，使新疆氣象業務同化系統更加成熟奠定基礎。

1 業務流程設計

先前的同化系統建立時，同化資料主要為來自WMO GTS系統稀疏的in-situ常規觀測資料[1]。在增加雷達資料徑向風資料同化時，是按10 km分辨率進行平滑稀疏且雷達站附近10 km的資料也是剔除的，因此能夠被同化的雷達徑向風資料也是較少的。系統采取了簡單的1日兩次冷啟、兩次暖啟的循環方式，常規觀測資料與雷達徑向風資料是一次性進入同化系統，沒有調整極小化過程中的背景協方差誤差和影響尺度及對預報初值場的平衡性影響。對雷達資料同化前的質控技術和觀測誤差估計均缺乏定量評估。

而未來的業務同化系統，重在對各種資料進行同化前的質控方法或觀測誤差估計方法的業務實用性研發。對甚高分辨率預報系統的spin-up時間進行了初步評估，建立了如圖1、2所示的以雷達資料同化為核心的逐3 h循環更新同化的新業務系統布局方案。即前兩次循環時間間隔6 h，僅在9 km分辨率區域同化微波探測資料、云導風資料、FY-4A溫濕廓線資料、常規GTS資料，預報時長6 h，將第3次起報時刻作為業務預報的起始時間，在高分辨率區域（3 km）增加雷達徑向風與反射率因子的同化，之后采取逐3 h循環更新。

2 資料應用軟件升級

2.1 升級了gts_decoder常規觀測資料解碼模塊

針對FSO檢測出的GTS常規觀測中的GEOAMV（衛星云導風）、airep（飛機觀測）和SATEM（大氣厚度）資料對數值預報均是負貢獻的結論，對這些資料質量進行了分析。發現GTS中的GEO-AMV資料多來自日本衛星紅外水汽圖像的反演，定標位置遠離新疆及其上游區域，導致預報區域反演的衛星云導風風速的精度以及測風點的高度偏差較大，影響同化效果是一方面原因，另一方面原因是這類資料未做面向數值預報對象的觀測誤差分析，還存在有些航空公司上的飛機觀測測風單位是英里的現象。自2009年以來，中國地面氣象臺站遷站頗多，觀測地理信息也確有必要更新，2017年對解碼軟件進行了升級。升級后的解碼程序剔除了GTS中的GEO-AMV和SATEM資料，將飛機報文中的單位進行了一致性更換。雖然自2019年11月起，這類格式數據的下發已經退出歷史舞臺，改由從CIMISS數據庫獲取，但是對歷史回算和研究還是有價值的。

圖1 新同化系統暫定運行流程

圖2 不同區域同化的資料類型與預報方式

2.2 雷達徑向風資料的質控算法升級

在過去對徑向速度所做的去雜點、中通濾波平滑、去折疊、用譜寬進行質控等常用方法基礎上[3-7]，采用“局地標準偏差”法對一個體掃再做最后一次質控。局地標準偏差的計算，暫時以伊寧雷達站的信號處理器指標為例，以1.5°仰角為基準，仰角5.4°以下，按每2 km范圍內的值計算。然后根據標準偏差的PDF分布中的各峰值“中心值”確定信號與噪音，同時去除了邊界層內0.5 m/s以下的晴空散射回波。按Keeler and Passarelli[8]的方法重新估算了徑向風和反射率資料的觀測誤差（用方差表示），以此作為觀測誤差的最小閾值參考。

對一個小譜寬、高信噪比的接收器而言，在忽略噪音功率假設下，反射率平均功率（Pr）的方差估計可近似用式（1）表示，徑向風速（Vr）方差可近似用式（2）表示：

式（1）～（2）中，Ps代表反射率的信號功率，λ 為波長，W為譜寬，TS為脈沖重復周期，M為停留時間的樣本總數。Mi是獨立的信號樣本數。對一個滿足平方律和小譜寬的探測器而言，Mi按（3）式計算：

鑒于需要考慮觀測的代表性誤差，在式（2）估算的徑向風觀測誤差的基礎上，預定義值比（2）式略大0.3 m/s。而反射率因子的觀測誤差則在式（1）基礎上，還需通過個例試驗進一步放大調整。

3 雷達資料同化策略

3.1 增加雷達反射率因子的同化，且同化技術不同

老系統在粗細分辨率嵌套區域中僅同化雷達資料徑向風，資料的稀疏距離一致。新系統在高分辨率中增加了反射率因子的同化，資料暫時按3 km水平距離進行稀疏，增加了cloud與w控制變量，采取兩次outer-loop。鑒于反射率因子在轉換成水物質及水汽廓線所帶來的不確定性較大，特別是有強對流天氣發生時，云中的雪花、冰/雹粒子、霰粒子在融化層融化時，會使水汽的轉換誤差更大。再次，距離雷達越遠，仰角越高，徑向風和反射率因子探測的誤差也會越大[7]，因此選擇了5.4°以下低仰角資料進行同化，近似按水平風對待。

3.2 雷達探測“非降水區”與var_scaling和length_scaling的確定

基于上述同化流程和同化策略，用雷達資料對2016年6月16—19日發生在新疆的對流天氣的雨帶預報強度和持續期預報能力進行了性能檢驗。開展的組合試驗有：（1）鑒于NMC方法計算模式背景場誤差協方差的時間間隔是12 h，開展調整徑向風和反射率因子同化時的var_scaling和length_scaling試驗。（2）開展云內反射率因子同化的“非降水回波閾值”定義和觀測誤差的確定對雨帶預報強度和持續期的多次試驗，并以此更新了雷達前處理軟件中的反射率因子的觀測誤差定義（10 dBZ），比估算值明顯偏大。同時，為保障與wrfda內部對無降水區定義值的一致性，更新了相應的輸入輸出接口。

4 探空濕度資料觀測誤差重置

結合本地FSO試驗對探空濕度不同高度資料對預報的影響評估，以及ECMWF對不同類型探空濕度資料的不確定性評估[9]，依然通過對上述個例試驗的同化診斷評估，重置了探空濕度資料的觀測誤差，不再使用obsproc模塊自帶的觀測誤差定義。重置后，高層濕度資料的O-B已呈正態分布。

5 新技術的引進、研發與應用

5.1 有約束的云導風高度變分偏差的應用

衛星云導風，國際上通常稱為大氣運動矢量（Atmosphere Motive Vector，簡稱AMV，下同），國內通常稱為云導風、云跡風或導風。衛星云導風最顯著的問題是在反演示蹤物時的定高不確定性，特別是對半透明云（薄卷云）的高度指定比較困難，需要根據數值預報場的溫度和水汽垂直廓線，計算來自不同高度密實云的輻射曲線才能得到。當數值預報場存在較大誤差時，根據數值預報計算得到的密實云輻射值與衛星實際觀測到的輻射不匹配，此時計算得到的云導風高度就不準確。這是目前云導風產品定高存在誤差的主要來源之一。為此各業務中心在云導風資料同化前，均要根據反演時的誤差來源及其偏差特征進行重新定高[10-13]。目前，新疆氣象數值預報業務同化系統對不同衛星反演的導風資料高度重定義的技術，參考的是中國氣象局研發的GRAPES同化系統在同化云導風前的高度偏差一維變分偏差訂正算法[13]，制作了相應的軟件。與它不同的是，新疆在構建目標函數時，略去了反演模式對“風點”環境溫度的估計誤差。主要是因為，資料分析時段（2018年6月）反演的FY-4A云導風產品上負載的溫度資料隨高度的變化遞減不合理。隨著反演算法的升級，此目標函數還需相應調整。

氣壓高度調整厚度的最大閾值則根據試驗統計分析結果，也以經驗的方式確定。不采用目標函數最小值限制，對氣壓調整幅度（調整厚度）從小到大逐漸放寬，但控制在一定厚度內，避免出現高低層遙匹配現象，然后對所有被調整資料的氣壓調整量的RMSE進行考察。當最大允許厚度大于某一高度，調整量的整體RMSE不再發生明顯變化時，則為經驗統計的最大調整厚度及其調整量的RMSE。以此作為實時業務中氣壓調整的約束范圍。

5.2 云導風與FY-4A溫濕廓線觀測誤差預定義方法

新疆以WRFDA作為業務同化系統。雖然該軟件有同化云導風的觀測算子，FY-4A溫濕廓線產品本身可直接當作常規探空觀測資料進行同化，但由于一直缺乏對我國衛星云導風資料在新疆及其上游區域的質量評估，以及不了解FY-4A溫濕廓線產品反演的質量，故不能直接在業務中應用。比如，WRFDA中云導風的觀測誤差采用的是美國空軍業務系統對其它衛星云導風統計得到的，不一定適合中國風云系列云導風。同理，由衛星反演的溫濕廓線產品的觀測誤差也不能直接用該軟件內置的參數替代，有必要采用合理的方法優化同化系統模塊中的各項參數等基礎性工作。

對于中國FY系列云導風和溫濕廓線反演產品的觀測誤差估計，在假設無系統性誤差情況下，參照一天兩次的探空資料和4次高分辨率再分析資料，也制作了觀測誤差統計軟件，能夠提供這些反演產品與緯度和高度有關的偏差訂正。其中，FY-4A大氣溫度、濕度廓線與探空資料進行對比時，在水平方向上限定了距離探空站距離的水平閾值（16 km），以探空站點為中心，將其空間閾值范圍內的FY-4A溫度、濕度廓線所有像元點產品進行加權平均，與對應站點做水平空間匹配。與再分析資料進行對比時，水平方向上以30 km的距離為閾值。垂直方向上都限定在距離探空最近的氣壓層上進行匹配。時間匹配的窗口均定在探空觀測的±30 min。FY系列云導風資料觀測誤差的統計原理與此相似，僅不同衛星反演產品像元取的圖像塊不同而已。

5.3 云導風資料質控技術不依賴于WRFDA的obsproc模塊，質控后的數據接口直接接WRFDA

obsproc模塊對云導風資料沒有質控功能，稀疏化功能不完善。另外，由于obsproc模塊對云導風資料的讀入，需要的是導風點所在的絕對高度，內部通過簡化的壓高公式轉換成氣壓“高度”，轉換成WRFDA接口格式。而導風產品提供的是反演風點處的氣壓高度，無需單位轉換。因此云導風資料不必依賴obsproc模塊，直接輸出成WRFDA接口格式，避免多次“高度換算”帶來的誤差。

同時，基于統計的FY-4A產品偏差的緯度和高度依賴性，以及基于2018年1月第46次

EUMETSAT/ECMWF Fellowship Programme Research Report中對中國由紅外云圖反演的云導風算法所引起的系統性偏差的定量評估和確定的“黑名單”，在資料處理端以“保守”的方式加入了緯度和高度依賴性的資料使用控制[14]，即僅應用質控標識碼在85以上、緯度高于25°、高度在400 hPa以上的資料，以及緯度低于25°的區域，質控標識碼需達90以上的資料。

5.4 擴展了WRFDA同化荷載向量，增加了FY-4A/FY-2H產品的標識碼

為了今后利用FSO技術定量區別FY系列產品對數值預報貢獻的相對影響，以及便于WRFDA內部的不同資料的同化診斷分析，基于其它同類型資料的同化方法，對其賦予新的編碼，擴展了同化資料類型的荷載向量，便于業務上區分哪類資料的相對貢獻，以及對數據質量的監測應用評估和后續的質量控制研發。

5.5 Suomi_NPP_ATMS/NOAA-AMSU-A/METOP-1/2-AMSUA在陸面上的云雨檢測和觀測誤差的預定義

參照NCEP和ECMWF兩大業務中心對Suomi_NPP_ATMS（以下簡稱ATMS，包括圖1、2所示）、NOAA -15/18/19 -AMSU -A、METOP -1/2 -AMSU-A這類微波溫度資料應用的監測結果和觀測誤差評估結果[15-20]，以及陸面模式對發射率估計的不確定性來源[20-21]，同時考慮近些年來業務模式系統對干旱區溫度預報的均方根誤差偏大[22，23]，從而會導致用預報偏差較大的地表溫度和因復雜下墊面發射率估算不確定性較大而使輻射傳輸模式誤差更大等因素，除了按保守方式，選用較高頻率通道的資料外，還替換了官方版本中關于上述資料應用方法[15，17，18]與同化條件[16，19，20]。

資料同化選取的通道如下：NOAA-15-AMSUA選取5～10通道；NOAA-18-AMSU-A選取6～8和10～11通道；NOAA-19-AMSU-A選取6～7和9～11通道；METOP-1-AMSU-A選取6～11通道；METOP-2-AMSU-A選取6和9～11通道；ATMS選取7～12通道。其中AMSU-A的5～14通道與ATMS上的6～15通道的微波溫度探測的頻率相似（表1），僅是掃描寬度不同。各探測儀器的觀測誤差及各探測通道權重函數峰值所對應的高度表1所示，略去了區域模式10 hPa以上對應的探測通道。表2為clear-sky條件下，基于上述通道選擇的微波溫度探測資料在新疆區域業務同化系統中目前尚不被應用的限制性標準。

表1 區域模式應用的AMSU-A與ATMS溫度探測儀觀測誤差與權重函數峰值高度

表2中云中液態水CLW的計算，采用Weng F算法[24]，但該算法只適于預報區域內海上的云檢測。C的計算：則在Weng F[24]算法基礎上，利用NOAA系列以及METOP系列通道4上觀測的亮溫與CRTM方案模擬的亮溫差經驗公式對海洋與陸地上的云分別進行判識[17]。當C>0.5時，表明受云污染，云區資料不用。P的計算，即降水檢測，則利用通道6上觀測的亮溫與CRTM方案模擬的亮溫差的經驗公式對陸地上和洋面上的降水分別進行判識[17，25]。當P＞1時，表明AMSU-A/METOP-A受降水污染，降水區資料不用。上述資料的選用并不在官方版本中，均為本地新增的應用控制。

表2 基于通道選擇的溫度探測儀尚不被新疆氣象局業務同化系統同化的判識標準

輻射率觀測值與模擬值的差（OMB）大于預定義觀測誤差的上限[15]或＞3倍的觀測誤差，相應的通道也不同化。

6 新技術或新資料應用檢驗評估結論

文中用到的檢驗站點均指新疆區域內的104站，而非以往的模式劃分所在區域內的所有站點用來檢驗[2，21-22]。

6.1 同化FY-4A反演產品對老預報系統的影響

2018年委托北京航天宏圖信息技術股份有限公司，基于老系統的同化流程，在不做雷達資料同化情況下，對2018年6月1—30日進行了如表3所示的對比試驗，并重點分析了FY4A產品對2018年6月4—6日、2018年6月14—18日、2018年6月27—29日的降水天氣過程的影響。預報場為同期的FNL資料。由于試驗期FY-4A云導風資料質量標識碼高于WMO業務規范的80才能使用的數量極少，在此降低了資料應用標準，質量標識碼>70的即用于評估。此試驗組檢驗24 h降水的預報能力。為便于24 h累積降水量評分的比較，00UTC與12UTC冷啟動的預報時長為24 h，06UTC與18UTC暖啟動的預報時長為30 h，積分時步30 s。粗細分辨率嵌套同時運行，防止細分辨率的傾向變化自由度太大。

表3 基于FY-4A產品對預報影響的評估試驗名稱及同化資料

從對這3場連續幾天降水天氣過程預報效果的定性評估來看，濕度廓線資料的同化對降水預報強度的增加起到主要貢獻作用。在常規觀測偏少的暖啟動時次，增加FY-4A濕度資料同化后，降水預報效果有較大程度的正效果。

從批量對比試驗來看：

（1）冷啟時，在弱降水及強降水等級中，同化濕度廓線資料和同時同化風溫濕廓線資料，均有正效果。但各方案對降水空、漏報和降水落區方面仍然都不夠理想。暖啟時，有FY-4A資料的同化，微量、小量、大量等級評分高于僅有GTS資料的同化，中量及暴量降水沒有明顯正效果。

（2）對于24 h累積降水量為6 mm以下的降水過程，同時同化FY4-A風溫濕資料或僅同化FY4濕度廓線資料時，呈現較明顯正效果，其中，僅同化FY4濕度廓線資料時效果最優。

（3）對于24 h累積降水量為12～24 mm和>24 mm的降水，同時同化FY4風溫濕資料時，有明顯正效果，或相對于僅同化GTS資料而言，至少呈現中性。

（4）對于24 h累積降水量在6～12 mm的降水而言，FY4-A風溫濕資料任何一種或組合同化皆不能產生正效果，但呈中性。

6.2 新技術新資料對高分辨率業務系統的預報能力評估

新系統模式物理的主要配置方案暫定為：垂直50層，按WRF/REAL內部的缺省插值算法設置，頂高10 hPa，兩層區域按9 km與3 km嵌套進行。其中，3 km水平分辨率涵蓋全疆，且包含了新疆西部的所有山區，考慮了地形對新疆西邊界的完整影響。最外層積云對流方案為Kain-Fritsch，內層無。內外層的云微物理為WSM6，邊界層為ACM2，陸面為Noah方案，地表采用USGS24類分類，長、短波輻射均為RRTMG。

基于圖1、2所示的同化與預報流程（試驗時預報時長取30 h），針對新疆2016年6月16—6月19日和2016年7月5—10日的歷史罕見強降水天氣過程開展的對比試驗及所用到的資料如表4所示。背景場為0.25° NCEP預報場（注：非“零”時刻分析場）。上述微波溫度探測資料同化前，均按120 km稀疏，U、V、T的方差加倍，P、Q的方差不變，各控制變量的長度均為0.25。雷達資料同化時，U、V的方差加倍，T、P、Q的方差是原統計的1.5倍，各控制變量的長度均為0.15。微波溫度偏差訂正系數由內部變分同化和大氣模式狀態估計，即VarBC[21-22]。將當前循環同化中估計的偏差訂正系數作為下一次同化循環的背景場。FY-2E云導風只用產品標識碼＞85的資料。圖3給出了以12UTC啟報為例，上述微波溫度資料經過前述質控后的空間分布?？梢?，除了天山山區、青藏高原、內陸復雜下墊面外，資料應用量遠高于常規觀測資料的分布。

此試驗檢驗模式對逐6 h累積降水量的預報能力，采用的檢驗標準是從新疆氣象局12 h累積降水量標準衍生出來的[27]。用NCAR/RAL和NOAA共同研發的MET 8.1進行檢驗，檢驗的等級劃分標準如下：≥0.1 mm，≥1.5 mm，≥2.5 mm，≥3.8 mm，≥5.0 mm，≥7.5 mm，≥10.0 mm，≥20.0 mm，≥40.0 mm。這也是新系統相對于老系統的檢驗目標與檢驗對象的明顯不同之處，以便突出模式對新疆本地降水影響的客觀評估。

表4 多源資料同化對預報影響的評估試驗名稱及所同化的資料

圖3 以12UTC預報時刻為例，400 hPa高度上微波溫度探測資料的應用分布

由于粗細分辨率同化的資料類型與同化量顯著不同，造成兩種分辨率的降水預報效果差異極大。特別是在循環同化中，細分辨率可用到的資料僅為稀疏的地面站點和雷達站附近的資料。每次起報的循環同化，除前6～9 h，細分辨率小量級的降水優于粗分辨率外，其余都表現為粗分辨率降水預報效果明顯優于細分辨率。兩種分辨率的降水預報性能在時效上剛好形成互補。上述2個試驗階段以12時UTC為有效起報時次的不同方案同化效果降水評分對比見圖4。15、18、21時UTC循環同化降水預報效果歸納如下：

（1）甚高分辨率區域中的雷達資料同化能改進0～9 h預報降水，且3 h循環更新同化大多數情況下能改進降水預報效果或呈中性。圖5為有、無資料同化對模式積分過程中變壓傾向變化的影響對比?？梢?，無論是在粗分辨中增加常規觀測資料，還是在細分辨率中增加常規觀測與雷達資料的連續同化，有資料同化都會延長模式積分過程中變壓變率的穩定時間，大約需6 h，氣壓變率才相對穩定，這也是為什么在增加資料同化時的前幾個小時，預報效果難以提高的原因之一。從與粗分辨率中僅同化常規觀測資料的一次同化時的氣壓變率相比來看，細分辨率采用雷達資料的連續同化，可以有效地降低噪音，剔除一些“壞”資料，系統能較快地穩定下來。業務中今后可嘗試采用更多的連續同化，相當于在同化系統內部進行連續質控來提高資料應用率，同時也可降低模式的spin up時間。

（2）clear-sky條件下的微波溫度資料同化能改進起報時刻起6～18 h以內的降水預報水平，且更有利于強降水的落區預報。

（3）有約束的FY2E導風資料的同化，能明顯改進降水預報效果，至少呈中性，連續試驗中未發現負效果。

（4）從逐個個例3 h間隔的暖啟循環時刻對9 km與3 km預報能力的對比來看，前兩次的循環同化，3 km水平分辨率的降水優于9 km水平分辨率，之后變為中性，第4次轉為負效果。這主要與雷達資料反映的局地性天氣過強，相對于給定的中尺度邊界條件而言，也是“噪音”有關。同時，連續循環，累積的誤差也會增大，致使破壞原有平衡性，使其偏離背景場越來越大。

（5）當降水區域相對較小時，9 km水平分辨率與3 km預報性能多差異不大，甚高水平分辨率循環同化的優越性并沒有足以體現。既與雷達資料在局地小尺度系統中未充分發揮出作用有關，也與發生局地強降水前，同化時刻，天氣系統在測站移動前方并沒有雷達資料覆蓋有關，更與物理過程是否能正確描述甚高分辨率有關。這是因為3 km水平分辨率位于中尺度模式1～4 km的灰色尺度帶上，目前的中尺度水平還難以很好地處理濕對流過程。采取簡單地關閉積云對流參數化方案，忽視次網格對流過程，完全采用顯示云微物理方案描述是欠妥的。在甚高分辨率上開展這種允許對流（convectionpermitting）機制的科學研究，是一項長期的國際難點和熱點問題。

圖4 以12UTC啟報為例，不同方案對2016年6月16—6月19日及2016年7月5日—7月10日期間發生在新疆的極端降水天氣過程的預報降水性能TS評分對比

圖5 9 km區域有無資料同化（a）與3 km區域有無資料同化（b）時的變壓對比

7 業務系統建設中的不足

上述技術研發，主要是從資料應用方面開展了一些工作，改進了預報能力，但還比較落后，特別是在同化技術方面。

7.1 常規探測資料應用水平不高

長期以來，新疆對常規資料的應用挖掘不夠。比如，在WMO-GTS常規觀測資料的應用中，對各類型觀測資料的觀測誤差一直采用WRFDA自帶的美國空軍業務預報系統預定義的觀測誤差，沒有按歐美、法國、日本等業務中心的做法對預定義的觀測誤差進行評估，也沒有參照業務預報系統進行本地化的inflation訂正[9，28]。另外，探空濕度資料的觀測偏差并未按源由進行分類，增加到質控系統中，前處理還需要綜合國際國內業務中心的做法進行升級[9]。

7.2 雷達資料前處理依舊是弱項，缺乏反射率因子同化的前沿性開發

截至目前，對雷達資料面向數值預報對象的觀測誤差統計結果及觀測誤差的預定義等前處理，僅按伊寧站雷達資料為參考，而應用在所有雷達上的，嚴格來講，需要根據硬件水平區分定義，且每一個高度角的觀測誤差的定義以及距離雷達站的誤差均應分別按維數統計[7]。再次，在數值預報應用中，至少還需要參考背景場采取連續訂正技術[29]，提高資料利用率。

在同化技術方面，還需研發非對角觀測誤差協方差矩陣，既要從稠密觀測資料中提取小尺度信息，又要保障不損失天氣尺度信息，或者在資料的薄化方面，進一步開展觀測資料代表性、觀測算子優化和儀器誤差的研究，估計出最佳的觀測誤差協方差[30，31]。

雷達資料高頻循環同化易引入“噪音”，造成累積誤差增大，不僅造成初值場越來越偏離背景場，而且還會延長模式的spin-up時間。因此，還需在大尺度動力約束或多種背景場的融合方面開展相應的應對策略研發。在反射率因子的間接同化方面，仍以科研為主，大尺度凝結和對流過程還需在濕度相關變量的切線和伴隨以及濕度控制變量方面開展大量探索工作。在業務中，也可采用中國氣象局數值預報中心研發的、由反射率反演成相對濕度，然后再同化的相對成熟做法進行替代。

7.3 FY產品的同化技術仍需開發

中國在FY系列導風反演算法方面，業務上相對成熟，應及時納入業務系統中。隨著業務中反演算法的升級，本地應及時利用已開發的業務軟件，更新導風的觀測誤差，將現行技術應用在業務中。目前，FY-4A溫濕廓線產品的制作還在業務升級中，需與產品研發單位保持溝通，利用已開發的資料前處理軟件，及時開展業務應用試驗或同化方法探索。目前在同化前尚缺乏這類資料水平與垂直方向的觀測誤差不相關的研究。由于產品反演算法的精度主要受陸地與水面地表發射率的影響，可以利用這一特性，設計開發出資料在陸面與水域上的觀測誤差統計軟件或給出其特征，便于今后在業務應用時，精準化調整相關誤差。

7.4 微波資料同化技術在陸面上的應用研發

目前，在區域模式中，all-sky下微波溫度資料同化對數值預報的影響優于clear-sky下的同化的結論還具有不確定性[32]。因此，當前業務中提高clear-sky下的微波溫度探測資料的應用水平還是首要的。對于這些資料的使用，除仍需實時關注全球的監測評價，保持基本信息的更新外，云雨區的檢測技術最好還能結合MODIS和VIIR產品[33]或FY監測資料進行研發，進一步防止同化前微波溫度資料被云雨區污染。同時，現在開發的微波資料應用是否適于中國的微波資料，還有待驗證。

與雷達資料同化類似，觀測誤差相關性及模式與觀測值間偏差的非高斯分布方面的問題還沒有量化開展[34]，僅通過薄化處理人為丟棄資料，而不區分好壞。另外，目前的試驗是基于鋒面強降水過程進行的，對12 h以上的降水過程的預報有正效應。但并未對冬季長期受高壓控制的冷空氣爆發的天氣過程進行敏感性試驗，業務研發仍需考慮季節的適用性。再次，由于輻射傳輸模式對干旱區的發射率計算不準和模式對干旱區地表溫度預報偏差大，造成該類型在對流層中層以下的資料并沒有得到充分應用，今后需在提供物理模式預報準確的前提下，開發低頻率資料的利用率。

在區域模式中進行微波資料同化，還面對著適應于區域模式同化系統的觀測偏差訂正（Bias correction）方法并沒有建立起來的國際挑戰，盡管VarBC（Variational bias correction，變分偏差訂正）方法在全球資料同化系統能夠廣泛應用。這主要是因為區域模式中反映的氣象特征不足以代表輻射率偏差的空間變化趨勢。極軌衛星覆蓋不均勻，受衛星過境時間的影響，對特定預報區域而言，同化窗口內資料量變率大。因此僅僅靠區域模式有限的樣本估計的偏差訂正系數不可能像全球模式那樣合理。區域模式通常關注對流層以下的天氣事件，為節省計算成本，模式頂高通常低于全球模式，也使高層的衛星資料不像全球模式那樣得到應用。在區域模式中模擬輻射率時，這些限制也都會引起額外偏差。目前日本和美國的區域業務模式中，偏差訂正系數是根據全球模式的估計值外插推算出來的，取得了很好的效果[18，35]，可以借鑒引用。

7.5 模式檢驗技術還不完善

目前，預報檢驗還是僅限于利用常規要素，采用傳統方法進行的，缺乏物理診斷，不利于高分辨率模式物理不確定性、觀測不確定性和同化效果等的診斷分析。同時，當前的預報檢驗也僅針對區域模式的預報結果進行的，缺乏對自身依賴的預報背景場的檢驗評估。無法定量回答區域模式是否優于全球背景場的預報；其次，檢驗的時間分辨率也低，還不能滿足短臨預報系統的檢驗需要。