面向CRA的中國風廓線雷達小時產品質量控制算法與評估*

王蕙瑩 周自江 廖 捷 遠 芳 劉雨佳

國家氣象信息中心，北京 100081

提 要：面向中國第一代全球大氣/陸面再分析產品(CRA)的應用需求，針對中國風廓線雷達小時產品資料特點，在美國NCEP風廓線綜合質量控制方法的基礎上，提出一套適用于中國風廓線雷達逐小時水平風產品的質量控制方法。通過對比質量控制前后風廓線雷達資料與探空資料的相關系數、平均偏差及均方根誤差，證明了質量控制方案的有效性。以ERA-Interim資料作為間接參考場，通過比較探空資料與不同型號、不同探測高度范圍、不同觀測時段、不同垂直層次風廓線雷達資料相對ERA-Interim再分析資料的偏差，分析了質量控制前后中國風廓線雷達資料的整體質量。結果表明，經該算法質量控制后，風廓線雷達與探空風場表現出了更好的一致性。不同雷達型號、不同探測高度資料的相關系數從0.17～0.82上升至0.79～0.98。在相對ERA-Interim與探空資料的偏差方面，質量控制后，除邊界層風廓線雷達的u風分量在300 hPa以上仍有5 m·s-1左右的偏差外，其他型號雷達的u、v風分量在各垂直層的平均偏差均在3 m·s-1以內，證明質量控制算法具有識別高層粗大誤差數據的能力，能夠使最大探測高度以上的數據得到有效利用。

引 言

再分析產品由于時空分辨率高、資料時間長且融合多種氣象觀測資料，能夠很好地彌補觀測資料匱乏和時空不均等問題，在氣候變化分析及監測、衡量建模和同化發展能力、評估觀測系統變化影響等方面具有廣泛應用。國際第一代產品包括ERA-15(Gibson et al,1999)、NCEP/NCAR(Kalnay et al,1996)和NASA/DAO(Data Assimilation Office;Schubert et al,1995)，第二代產品包括NCEP/DOE(Department of Energy;Kanamitsu et al,2002)、ERA-40(Uppala et al, 2005)和JRA-25(Onogi et al,2007)，第三代產品包括ERA-Interim(Dee et al,2011)、CFSR(climate forecast system reanalysis;Saha et al,2014)、MERRA(modern era retrospective-analysis for research and applications;Rienecker et al,2011)和JRA-55(Kobayashi et al,2015)。目前，國際上發布的最新一代的再分析產品為ERA5(Hersbach et al,2020)。再分析產品研制涉及氣象觀測資料處理、數值預報模式及同化技術等多個方面。在開展再分析產品研制的過程中，首要任務是研發一套滿足再分析應用需求的高質量的觀測數據集。

風廓線雷達資料時空分辨率較高，探測周期不超過6 min，垂直分辨率為幾十米到幾百米，具有反演風場信息準確、數據連續性好等特點，被認為是常規探空之外高空風資料的最直接來源(Beran and Wilfong,1998；董麗萍等，2014)。另一方面，歐洲、美國、日本、澳大利亞、中國等多個國家和地區的大量研究表明，高分辨率的風廓線雷達資料更精細地刻畫了強對流天氣過程(黃鈺等，2020；黃小彥等，2020；王葉紅等，2019；潘勁松等，2019；徐珺等，2018)，為數值預報系統提供了更加豐富的局地中、小尺度信息的初始場，可明顯改善數值天氣預報的準確率，尤其對短時臨近預報效果具有正貢獻(Kuo et al,1987；Bouttier,2001；WMO,2012；Bronwyn et al,2016)。

2013年，國家氣象信息中心牽頭啟動了中國第一代全球大氣/陸面再分析產品(簡稱CRA，1979年至今)的研制，其特色之一是盡可能使用國際已發布再分析產品未同化的中國特有觀測資料，其中包括中國風廓線雷達資料(廖捷等，2018)。近年來，我國不斷推進風廓線雷達觀測網的建設，并規劃建成布局科學、功能先進的風廓線雷達網。目前，完成建設的風廓線雷達近百部，70余部已投入業務運行，尤其在華北、華東、華南等地區已經初步形成了相對密集的風廓線雷達網，可以獲取短波波動等天氣系統連續詳實的風場變化。但是，一方面，由于我國氣象部門早期沒有對風廓線雷達資料進行傳輸及質量考核，缺報漏報、數據格式不符合規范等現象時有發生，加之風廓線雷達型號及生產廠家不盡相同，雷達探測系統參數設計、計算方法不一致，致使不同型號風廓線雷達資料時空代表性差異較大。另一方面，廠家提供的產品級數據簡單地將可信度標記為百分之百可信和零可信，處理方式較為籠統，影響數據的使用效果(朱立娟，2015)。因此，在將我國風廓線雷達歷史資料提供給CRA應用之前，最急需解決的就是該資料的質量控制問題。

在面向同化應用的風廓線雷達資料質量控制技術方面，國內學者積累了大量的研究工作。張旭斌等(2015)利用經驗正交函數法(EOF)對廣東地區13部風廓線雷達資料進行了質量控制，并將其應用于華南區域預報模式，證明了風廓線雷達資料使短期降水預報有明顯改善。王丹等(2019)從風廓線雷達徑向速度資料入手，經兩步質量控制方案之后，開展了風廓線雷達資料在臺風蓮花個例中的同化試驗。結果表明，同化風廓線雷達資料能有效地調整臺風降水區的動力結構和水汽分布，從而更好地預報降水的位置及強度。余貞壽等(2018)采用氣候極值檢查、一致性檢查、垂直稀疏化等算法對中國東部地區35部風廓線雷達資料實施質量控制，并基于中尺度模式(WRF)和美國俄克拉何馬大學風暴分析預測中心的資料同化系統開展了風廓線雷達資料的同化試驗。分析顯示同化風廓線雷達資料后，浙江地區小雨和大雨的TS評分分別提高了0.06和0.07，降水預報漏報率和空報率分別降低了0.04和0.05。但是，以上工作多為小范圍區域的站網個例試驗，針對全國站網及早期歷史資料的質量控制技術幾乎空白。

在國外，面向再分析產品應用的質量控制技術早已業務應用，并發展成熟。日本在研制JRA-25及JRA-55再分析產品時，采用的風廓線資料的質量控制算法主要包括氣候檢查、粗大誤差檢查、空間一致性檢查以及黑名單。其中，粗大誤差檢查及空間一致性檢查采用動態閾值參數，該參數的大小取決于局部水平梯度和背景場的變化趨勢。整套算法與日本氣象局業務使用的算法基本一致(Onogi et al,2007)。美國CFSR在同化應用前采用NCEP觀測數據質量控制軟件對多類常規資料進行質量控制(Saha et al,2014)。其中，風廓線雷達資料采用的是綜合質量控制算法(NCEP CQC)。該算法的核心思想是通過比較觀測值與背景場的差異來判斷風場變化的一致性，從而進行錯誤數據的識別。主要包括增量檢查、時間一致性檢查、垂直一致性檢查及中值檢查等四步基本檢查，最后通過四步檢查得到的殘差綜合判斷風場的可信性，并給出質量控制碼(Dennis,2003)。

同樣是面向再分析的應用需求，同樣是對風廓線資料進行質量控制，能否利用NCEP CQC算法對我國的風廓線雷達資料進行質量控制？該算法能否全部覆蓋中國風廓線資料的錯誤類型？算法能否滿足CRA的同化應用需求？為了回答這些問題，本文面向CRA的同化應用需求，以重點解決中國風廓線雷達資料的質量控制為目的，針對中國風廓線雷達資料的錯誤類型，在NCEP CQC算法的基礎上，提出了一套適用于中國風廓線雷達逐小時水平風產品的質量控制方法，并通過評估與探空資料的相關系數、平均偏差、均方根誤差等，分析了該質量控制算法的效果。此外，以ERA-Interim資料為間接參考場，通過比較探空資料與不同型號、不同探測高度、不同時段風廓線雷達資料相對ERA-Interim資料的偏差，討論了質量控制前、后中國風廓線雷達資料的整體質量水平。

1 數 據

若將時間分辨率較高、包含高頻脈動變化的風場資料直接接入同化系統，很可能造成較大的分析誤差。NCEP、ECMWF等機構在業務中均同化一小時分辨率的風廓線雷達水平風。因此，本文也采用一小時平均采樣高度上的產品文件作為輸入源。數據來源于國家氣象信息中心，時間序列長度為2007年8月至2018年12月。在該時段內，收到觀測數據的臺站共計112個，包括邊界層風廓線雷達(簡稱LC型)106個，對流層I型風廓線雷達(簡稱PA型)3個，對流層II型風廓線雷達(簡稱PB型)3個，臺站空間分布如圖1所示。在數據收集整理過程中發現，2016年以前，尤其在2009—2013年，多站出現了一小時內上傳多個冗余文件的現象。在數據選用時，只選用離整點時間最近的一次文件。

圖1 2007年8月至2017年12月中國風廓線雷達站點分布(紅色：LC型；綠色：PA型；藍色：PB型)

2 質量控制方法

首先，利用中國風廓線雷達資料對NCEP CQC算法的適用性進行評估。在算法實施過程中，用于輔助算法綜合決策的背景場選用NECP FNL資料(NCEP,1999)。該資料分辨率為1°×1°，時間間隔為6 h，共有26個標準等壓層(1 000～10 hPa)、地表邊界層和對流層頂的信息，文件頻率為每6小時(00、06、12、18 UTC)一次。在數據時空匹配處理時，利用雙線性插值法進行插值。評估中發現，NCEP CQC算法不能完全覆蓋中國風廓線雷達資料的所有錯誤類型，尤其對兩類錯誤數據的識別能力欠缺。第一類是在時間或空間上連續出現的異常值。第二類是由于個別站點在某時段內因儀器故障、失靈、定標不準等而導致持續出現的系統性錯誤數據。因此，在NCEP CQC算法之前增加允許值檢查、臺站氣候學界限值檢查來識別第一類錯誤數據，在其后增加黑名單檢查來識別第二類錯誤數據。改進后的算法被稱為“國家氣象信息中心質量控制算法”(簡稱NMIC QC)，流程如圖2所示。

圖2 改進后的質量控制算法(NMIC QC)流程

NMIC QC的風速允許值范圍來自國家氣象信息中心業務應用的全球高空天氣報質量控制方案，根據觀測位置的拔海高度，將風速的允許值范圍分為五個等級(表1)。風向的允許值范圍均為0°～360°。

表1 風速允許值范圍

臺站氣候學界限值檢查主要判別的是超出氣候學有效值范圍的風場數據。由于我國開始風廓線雷達觀測的時間不長，大部分臺站數據的時間序列長度還不能滿足統計分析氣候學界限值的條件。因此，采用距待檢風廓線雷達站200 km以內最近的L波段秒級探空臺站的氣候學界限值參數作為該站的氣候學界限值。該界限值利用近10年的質量控制后的L波段秒級資料統計而來。在風廓線雷達有效探測范圍內，按照42個垂直厚度層提供參數。其中，700 hPa以下每20 hPa為一層；700～300 hPa每40 hPa為一層；300～100 hPa每20 hPa為一層；100～50 hPa每10 hPa為一層。由于風廓線雷達與L波段秒級探空資料的垂直坐標單位不同，為了便于匹配，采用WMO推薦使用的標準大氣公式(ISO,1975)將風廓線雷達的觀測高度轉換為氣壓。具體算法如下：

(1)

式中:p為氣壓，單位為hPa；H為采樣層的海拔高度，單位為m；g為重力加速度，為9.806 65 m·s-2。

由于統計學的質量控制算法很難全部覆蓋第二類錯誤數據，ECMWF在業務系統中使用黑名單來解決此問題，并采用質量控制后的錯誤率作為站點是否加入黑名單的判斷依據。本文沿用此方法，將每月單站錯誤率大于20%的站點加入黑名單。

3 質量控制效果評估

3.1 按雷達型號與最大探測高度范圍評估

國家氣象信息中心研制的全球高空定時值數據集(V3.0)整合了全球多個數據來源的探空報文數據，其中包含了1950年以來中國近260個綜合探空站、單測風站、科學試驗站等的規定等壓面風、特性層風及規定高度層風資料。數據經過了允許值檢查、臺站氣候學界限值檢查、風向風速間一致性檢查以及風切變檢查等多個步驟的質量控制(Liao et al,2014)，并對質量控制結果進行了人工核查，可信度較高。本文采用數據集中質量控制碼為正確的規定高度層風數據作為“真值”，來檢驗上述質量控制算法的有效性。考慮到兩種資料在觀測時間、地點、垂直分辨率等方面的差異，本文只選取探空與風廓線雷達的同址觀測站，且將時間00、12 UTC(個別包含探空06、18 UTC加密觀測)的資料作為評估樣本，并采用雙線性插值法將探空資料垂直插值到風廓線雷達探測高度。早期，探空與風廓線雷達的同址觀測站只有2～5個。2016年，兩類觀測的同址觀測站增至9個，分別為烏魯木齊、北京大興、沈陽、濟南、青島、武漢、南京、海口及三沙，其地理位置可覆蓋全國大部分地區，具有較好的代表性。在風廓線雷達型號的基礎上，結合考慮雷達的最大探測高度(中國氣象局，2020；吳蕾等，2013)，將以上臺站分為PB型、增強LC型及LC型三類。其中，PB型的臺站為青島，最大探測高度為8 km。LC型的臺站為烏魯木齊、濟南及南京，最大探測高度為3 km。其他5個臺站均為增強LC型，最大探測高度為8 km。由于沒有匹配到與PA型風廓線雷達同址觀測的探空站，因此，本節中暫不討論PA型雷達的質量控制效果。

圖3給出了2016年質量控制前、經NCEP CQC以及NMIC QC質量控制后的三類中國風廓線雷達資料與探空資料的u、v風分量散點分布。其中，圖3a～3f、3g～3l、3m～3r分別對應PB型、增強LC型及 LC型風廓線雷達。藍色、黑色散點分別表示超出和未超出最大探測高度的數據。由圖6可以看出，質量控制前的資料散點分布較為散亂，有明顯的離群資料，在零風速附近存在不少偏差較大的點(圖3a、3g、3j、3m)，且分布在對角線以下的u風分量散點數量偏多(圖3a、3g、3m)。經過NCEP CQC質量控制后，數據主要集中在對角線兩側，但仍有一些離群點存在。經NMIC QC質量控制后，資料更集中于對角線分布，紡錘形特征明顯，整體質量顯著提高。

圖3 2016年中國風廓線雷達資料(下標p)與探空資料(下標s)的散點分布(a，d，g，j，m，p)質量控制前，(b，e，h，k，n，q)NCEP CQC，(c，f，i，l，o,r)NMIC QC(a～f)PB型，(g～l)增強LC型，(m～r)LC型(藍色：超出最大探測高度數據，黑色：最大探測高度范圍內數據)

進一步計算兩類觀測資料的相關系數、平均偏差及均方根誤差,可以看出(表2)，質量控制前，不同探測高度范圍的增強LC型雷達的u、v風分量與探空資料的相關系數為0.17～0.53，平均偏差為-15.64～-0.05 m·s-1，均方根誤差為26.58～8.03 m·s-1。經NCEP CQC質量控制后，相關系數提升至0.68～0.88，平均偏差范圍縮小為-4.45～-0.25 m·s-1，均方根誤差減小為10.26～4.11 m·s-1。經NMIC QC質量控制后相關系數進一步提升為0.92～0.98，平均偏差范圍進一步縮小為-1.03～0.15 m·s-1，均方根誤差也減小為3.29～2.51 m·s-1。PB型及普通LC型雷達資料的結果類似。這一結果與國內其他學者的研究結論一致(王棟成等，2019；吳蕾等，2014)，證明了上述算法的有效性。

表2 2016年三類中國風廓線雷達相對探空測風的相關系數、平均偏差及均方根誤差

根據風廓線雷達探測原理，接收到的信號通常隨高度的增加而衰減，導致高層資料的誤差較大。因此，超出雷達最大探測范圍的資料可用性尤其值得關注。以u風分量為例，質量控制前，超出PB型和增強LC型雷達最大探測范圍的數據與探空資料的相關系數僅為0.18和0.17，平均偏差為-8.01和-15.64 m·s-1，均方根誤差為17.75和26.58 m·s-1。經NMIC QC質量控制后，相關系數上升至0.88和0.98，平均偏差減小為-3.13和-4.45 m·s-1，均方根誤差也減小為4.94和3.29 m·s-1。其中，PB型雷達資料質量控制后的結果欠佳，與該型號樣本總量偏小有關。以上數據表明，采用NMIC QC算法，超出最大探測范圍數據的與探空雖有一定偏差，但制定合理的觀測誤差后，仍可提供用戶使用。從質量控制前后的數據量變化可以看出，NMIC QC比NCEP CQC方法的數據剔除比例高，這主要是因為在不同的統計時段，三類雷達均有相應的站點被加入了黑名單。

3.2 按觀測時間范圍評估

由于風廓線雷達與探空資料的匹配站點有限，為了了解質量控制后的中國風廓線雷達資料的整體質量水平，避免質量較差的觀測數據對再分析同化應用造成負面影響，同時，也為同化期間觀測誤差的設定提供依據，需要一套時間序列長、高質量、高分辨率的資料進行評估。再分析資料并不是觀測值，與觀測存在一定的偏差，但能夠反映長時間尺度上大氣的平均狀態，可以作為間接參考場。如果同一套再分析資料與同一區域的探空資料、風廓線雷達資料的偏差相當，可以間接證明風廓線雷達與探空資料的偏差很小，質量可信。如果再分析資料與探空資料的偏差很小，但與風廓線雷達資料的偏差很大，可以反映出再分析資料相對可信，但風廓線雷達資料的質量存在一定問題。李慶雷等(2018)、張寅等(2017)和傲雪等(2018)研究表明,ERA-Interim再分析資料與中國風場觀測資料的相關性較好，因此，本文選用該資料作為間接參考場，評估了中國探空資料和質量控制前后的風廓線雷達資料相對ERA-Interim再分析資料的逐月平均偏差及均方根誤差(圖4)。為了便于對比，利用GSI V3.6版同化系統(GSI，2017)將所有數據統一插值到模式層進行分析。

從圖4a可以看出，中國探空資料與ERA-Interim資料的u風分量月平均偏差一直穩定在0 m·s-1附近，均方根誤差為3 m·s-1左右。2014年以后質量控制前的風廓線雷達資料與ERA-Interim資料的平均偏差及均方根誤差曲線平穩，峰值出現在2016年2月及2017年1月，平均偏差為-2 m·s-1，與探空資料相差2 m·s-1，均方根誤差為8 m·s-1，與探空資料相差5 m·s-1。經NMIC QC質量控制后，兩次平均偏差高峰均降低至-1～0 m·s-1范圍內，均方根誤差降至4 m·s-1以下。而2014年以前，質量控制前的風廓線雷達資料與ERA-Interim資料差異較大，平均偏差及均方根誤差數值存在較大波動，峰值出現在2010年12月，平均偏差達到-13 m·s-1，與探空資料相差13 m·s-1，均方根誤差達到32 m·s-1，與探空資料相差30 m·s-1。經NMIC QC質量控制后，2009年2月、2010年12月以及2012年2月的3次平均偏差高峰均縮減至±2 m·s-1范圍內，均方根誤差降至5 m·s-1s以下，與2014年以后的質量水平相當，與探空資料的平均偏差及均方根誤差曲線更加接近。從數據量方面來看，相比2014年以后，2014年以前NMIC QC算法的剔除數據量更大。造成中國風廓線雷達資料質量在2014年前后的差異原因是早期歷史數據沒有進行業務傳輸考核，質量控制算法識別的錯誤類型在該段時間發生的概率較大，2014年以后，觀測業務逐步完善，錯誤數據量明顯減少，這也與我國風廓線雷達觀測網的發展歷史相吻合。

圖4 2007—2017年中國探空資料和經NMIC QC質量控制前后的中國風廓線資料的數量變化(a1，b1)及相對于ERA-Interim的月平均偏差(Bias,下同；a2，b2)及均方根誤差(RMSE，下同；a3，b3)(a)u風分量，(b)v風分量

3.3 按垂直層次評估

以2014年為例，進一步對比探空資料與不同型號的風廓線雷達資料在不同垂直層次上相對ERA-Interim的平均偏差(圖5)及均方根誤差(圖6)。從圖5a～5d可以看出，探空資料與ERA-Interim資料在各垂直層的偏差均在0 m·s-1附近。質量控制以前，各類型風廓線雷達相對探空的u風分量整體呈負偏差，最大探測高度以上層次的平均偏差普遍大于最大探測高度以下層次。如：LC型雷達在200 hPa 以上層次的偏差明顯變大，100 hPa高度層的平均偏差達-31 m·s-1。經NMIC QC質量控制以后，各型號雷達在各層的平均偏差均不同程度的減少，與探空資料的垂直偏差曲線更加接近。其中，PA型雷達100 hPa以下及PB型、增強LC型雷達各層的平均偏差均縮減為-2～0 m·s-1，且曲線在最大探測高度以上及以下層次不再有較大波動。雖然，經質量控制以后，LC型雷達在300 hPa以上的平均偏差仍小于-5 m·s-1，但200 hPa以上的偏差較大數據已被全部剔除。從圖5e～5h可以看出，質量控制以前，PA型和增強LC型雷達v風分量的平均偏差在最大探測高度上、下差異不明顯，均在-1～3 m·s-1范圍內。PB型雷達在700～300 hPa高度范圍與探空資料有3 m·s-1左右的偏差。LC型雷達在200 hPa以上層偏差較大，100 hPa的平均偏差已達到15 m·s-1。經質量控制以后，PB型雷達在925～300 hPa層次的偏差均減小約1 m·s-1，與探空資料的偏差曲線更加接近。LC型雷達200 hPa以上的偏差較大的數據已被全部剔除。總體上看，質量控制以后的中國風廓線雷達資料相對ERA-Interim資料在各層的平均偏差與探空資料的偏差曲線更加接近，最大探測高度以上及以下的資料偏差差異減小。

圖5 2014年質量控制前(藍色虛線)與NMIC QC后(藍色實線)的不同型號風廓線雷達資料與探空資料(紅線)相對ERA-Interim的平均偏差垂直空間分布(a～d)u風分量，(e～h)v風分量(a，e)PA型，(b，f)PB型,(c，g)增強LC型，(d，h)LC型(黑線為最大探測高度)

從圖6可以看出，均方根誤差曲線與相對偏差曲線的分布特征相似。探空的u風分量相對ERA-Interim的均方根誤差為2～4 m·s-1。質量控制以前，PA型雷達100 hPa以下各層的均方根誤差較探空資料相差2 m·s-1以內。在最大探測高度以下，LC型雷達資料的均方根誤差與探空資料相差在1 m·s-1以內，但200 hPa以上的均方根誤差突然增大，在100 hPa層，u風分量的均方根誤差達到38 m·s-1。PB型和增強LC型雷達在最大探測高度附近的均方根誤差也分別達到9、8 m·s-1。經質量控制以后，各型號雷達在各層的均方根誤差均有所減小，特別是最大探測高度以上層次。如：增強LC型雷達200 hPa層的均方根誤差從13 m·s-1縮小至5 m·s-1，LC型雷達200 hPa以上層的粗大誤差數據被剔除。經質量控制后，PB型、增強LC型與LC型雷達的均方根誤差曲線與探空更為接近。v風分量的情況類似。

4 應用情況

經NMIC QC質量控制后的2007—2018年中國風廓線雷達資料已提供CRA同化應用，其中歷史數據的黑名單單獨提供。表3為2007—2018年中國和美國風廓線雷達資料進入再分析系統的數據量和同化率。其中，美國資料來源于CFSR再分析產品同化輸入的觀測資料，數據截止時間為2014年。從表3可以看出，中國資料同化率較低的時段為2008—2010年，這是由于這段時間加入黑名單的站點較多，與本文3.2節所述結論一致。整體上看，中國資料的同化率在88.10%～97.21%，說明質量控制后的中國資料可基本滿足再分析同化應用的需求，美國資料的同化率在91.37%～95.49%，與中國資料的同化率在同一數值范圍，可間接證明質量控制后的中國風廓線雷達資料與美國資料的質量相當。

表3 2007—2014年中國和美國風廓線雷達資料進入再分析系統的數據量和同化率

5 結 論

面向再分析的同化應用需求，本文針對中國風廓線雷達資料特點，在NCEP CQC算法的基礎上，提出一套適用于中國風廓線雷達逐小時水平風產品的質量控制方法。通過對比質量控制前后中國風廓線雷達資料與探空資料的相關系數、平均偏差及均方根誤差，討論了質量控制方案的有效性。此外，以2007年8月至2017年12月的風廓線雷達資料作為樣本，以ERA-Interim資料作為間接參考場，通過比較探空資料與不同型號、不同探測高度范圍、不同觀測時段、不同垂直層次風廓線雷達資料相對ERA-Interim資料的偏差，分析了質量控制前后中國風廓線雷達資料質量。主要結論如下：

(1)通過統計分析中國風廓線雷達與探空數據質量控制前后的相關系數、平均偏差及均方根誤差表明，質量控制以前，不同探測高度范圍的各類風廓線雷達資料與探空資料均有較大偏差，經NCEP CQC質量控制后，可去除明顯的離群資料，經NMIC QC后，可進一步剔除數據中的粗大誤差、系統性故障等錯誤數據，不同雷達型號、不同探測高度資料的相關系數從0.17～0.82上升至0.79～0.98，兩類觀測資料表現出更好的一致性特征。

(2)經NMIC QC質量控制后，中國風廓線雷達資料與ERA-Interim再分析資料的平均偏差及均方根誤差曲線與探空資料相對該資料的偏差曲線更為接近，這能夠反映質量控制算法使風廓線雷達資料的質量有所提升。從觀測時段看，2014年以后的中國風廓線雷達資料質量明顯優于2014年以前，這與我國風廓線雷達觀測網的發展歷史及業務管理緊密相關。從垂直分布來看，最大探測高度范圍以外數據的平均偏差較大，但經質量控制以后，除LC型雷達的u風分量在300 hPa以上仍有5 m·s-1左右的偏差外，其他型號雷達的u、v風分量在各垂直層的平均偏差均在3 m·s-1以內，這也證明質量控制算法具有識別高層粗大誤差數據的能力，使最大探測高度以外的數據得到有效利用。

(3)通過比較中國、美國風廓線資料進入CRA再分析同化系統的同化率，證明了質量控制后的中國風廓線雷達資料與美國風廓線資料質量基本相當。

本文的研究工作為以后開展風廓線雷達資料的業務應用積累了經驗。但是由于風廓線雷達資料的誤差來源廣泛，隨機性較強，該工作仍需進一步完善，包括：深入了解我國風廓線雷達觀測端的數據問題，嘗試從信號污染及反演算法等角度，解決高層誤差較大的問題，進一步完善質量控制算法流程；選取不同時段、不同區域的個例，開展風廓線雷達資料在CRA再分析產品的應用效果分析，進一步評估風廓線雷達資料對同化應用的貢獻。

致 謝：文中與ERA-Interim資料的對比工作是利用常規與衛星資料質量預評估系統完成的，該軟件的開發人員姜立鵬、張濤等人在該工作開展期間給予了很多指導與幫助，在此致謝！