中央氣象臺全球中期數值預報業務系統的發展*

沈學順 陳起英 孫 健 韓 威 龔建東 李澤椿 王建捷

1 中國氣象局數值預報中心，北京 100081 2 國家氣象中心，北京 100081

提 要： 回顧中央氣象臺全球中期數值天氣預報業務系統的發展歷程,重點回顧和綜述中央氣象臺建立全球預報業務以來的科學技術進步，概括了引進的譜模式系列在本地化、業務應用及發展過程中取得的成就，著重介紹在自主發展GRAPES_GFS全球中期預報系統的不同階段取得的科技成果。

引 言

全球中期數值天氣預報業務系統是數值預報業務體系的核心，既為區域中尺度數值預報系統提供邊界條件和背景信息，也是全球集合預報系統的基礎。全球中期預報模式和同化技術的不斷發展在很大程度上推動了世界數值預報整體研究和預報水平的不斷提高(Bauer et al,2015)。因此，發展和不斷改進全球中期預報系統得到世界各天氣預報業務中心的高度重視(Melvin et al,2019;Kühnlein et al,2019)。

中國自1954年開始數值預報研究，是國際上較早開展數值天氣預報的國家之一(顧震潮,1959；Blumen and Washington,1973)。在20世紀60年代，中央氣象局數值預報組曾經應用準地轉正壓模式制作亞歐范圍內24 h和48 h的500 hPa形勢預報(中央氣象局數值預報組，1965)。20世紀70年代后期，中央氣象臺與中國科學院大氣物理研究所、中央氣象局氣象科學研究所和北京大學合作，先后業務運行亞歐區域3層原始方程絕熱模式(當時稱為A模式，1980年開始發布48 h形勢預報)、北半球5層格點模式(當時稱為B模式，1982年業務運行；陶詩言等，2003)和一個有限區域的5層格點模式(當時稱為B小模式，1982年業務運行)，以及有限區域LAFS(Limited Area Analysis and Forecast System) 和HLAFS(High-Resolution LAFS)模式(郭肖容等，1995；閆之輝等，1997)。這些系統形成了自動化程度較高的短期數值預報業務能力。但由于各方面條件所限，特別是計算機條件的限制，并未形成全球預報業務能力。

雖然建立了短期數值天氣預報業務系統，但遠遠滿足不了社會和部門內的需求。1975年歐洲中期天氣預報中心(European Centre for Medium Range Weather Forecast，ECMWF)的成立以及隨后成功開展的全球中期業務數值預報在世界范圍內產生了較大影響。因此，20世紀80年代初，國家氣象局做出發展中期數值天氣預報的決策，并開展了調研和籌備工作，將國家氣象中心氣象臺數值科擴建成國家氣象中心數值室，拉開了建立全球中期預報業務的大幕。當時，建立中期數值天氣預報業務涉及通信、計算機系統、土建工程諸多方面。在20世紀90年代初，先后引進了國產銀河-Ⅱ、美國CRAY C90、CYBER 992大型計算機，解決了運行全球中期數值預報業務系統的高性能計算問題。“七五”期間，引進了ECMWF的全球譜模式，并進行本地化開發，在國產銀河大型機上建立了T42L9(T是triangular首字母縮寫，表示是采用三角截斷的譜模式；L是layer的首字母的縮寫，表示垂直層次)全球預報系統，并于1991年投入業務運行。CYBER機的引進使得中期數值預報由原來的T42L9很快升級到T63L16并開展試驗，最后在銀河與CRAY上形成T63全球數值預報系統，于1995年業務運行，產品下發全國。“七五”時的技術路線是引進、消化、吸收、改造和創新，經過業務試驗、準業務、業務幾個階段，中國的中期數值預報產品在中國氣象業務部門扎下了根。不少潛心鉆研數值天氣預報產品的預報員，不斷積累經驗，熟悉這些方案性能，運用T42、T63等都做出了精彩的預報。這些成功經驗為后續T系列譜模式的技術改進和分辨率的不斷提高奠定了技術和科技人才的基礎。1997年，系統升級為T106L19，2000年實現了T106L19集合預報系統業務化；2003年，分辨率進一步升級為T213L31，2006年實現了臺風路徑和集合預報系統業務化運行；2008年，譜模式完成了動力框架和物理過程的升級改造，分辨率升級為TL639L60[TL是指采用線性(linear)格點的三角截斷的譜模式]，2014年實現了TL639L60臺風數值預報系統和集合預報系統的業務化。20世紀90年代該系統的建立標志著中國具備了從全球中期到區域短期的現代化數值天氣預報業務和服務能力，為之后開展自主研發工作奠定了重要基礎。

20世紀末至21世紀初，中國氣象局對未來數值天氣預報業務發展的技術路線進行了戰略調整，由引進為主轉為自主開發為主，開啟了中國新一代數值天氣預報系統的自主研發之路。2001年開始，在科學技術部“十五”國家重點科技攻關項目“中國氣象數值預報系統創新研究”支持下，中國氣象局聯合多家單位，自主研究并初步建立了新一代多尺度通用資料同化與數值天氣預報系統(Global/Regional Assimilation Prediction System,GRAPES;薛紀善和陳德輝，2008)。隨后，在科技部“十一五”“十二五”科技支撐計劃以及中國氣象局GRAPES專項的連續支持下，對GRAPES模式和同化進行了持續的改進，研制了基于預估修正算法的新GRAPES模式，發展了全球四維變分同化和適應于千米尺度的三維變分同化系統，發展了系列衛星資料同化技術。持續攻關成果的積累和在業務環境下研發與業務各方面的錘煉，逐步建成了從區域3～10 km到全球25～50 km分辨率的確定性與集合預報的完整數值天氣預報業務技術體系，并鍛煉培養出一支數值天氣預報業務全鏈條(即從觀測資料前處理和質量控制、資料同化、模式動力框架和物理過程、模式并行計算到模式系統集成、數值天氣預報產品后處理等)研發隊伍。

在“十五”科技攻關項目成果GRAPES全球中期數值預報試驗系統的基礎上，于2007年7月開始GRAPES全球中期數值天氣預報系統GRAPES_GFS(Global Forecast System)的業務化。 首先結合GRAPES_Meso的業務化成果，研發了適用于全球業務預報的動力框架、物理過程以及全球衛星資料的系列同化應用技術。全球模式是基于區域模式同樣的架構與算法，在區域模式基礎上擴展而研發, 區域系統的四維變分分析系統(4DVar),也為全球4DVar研發提供了寶貴的經驗與教訓。2009年3月實現了準業務化運行(沈學順等，2009)，這是GRAPES_GFS的第一個版本(GRAPES_GFS 1.0)，水平分辨率為0.5°×0.5°，垂直方向為36層，預報效果超過了當時國家氣象中心業務運行的T213系統。這期間建立了全球多衛星平臺資料的業務接收和處理流程，數值天氣預報技術的自主創新發展也帶動了氣象業務全鏈條的進步。

GRAPES_GFS 1.0的成功研發，使中國有了第一個自主發展的、能夠穩定運行的、結果合理的全球預報系統。接下來，從模式動力框架和物理過程、變分同化框架和衛星資料同化應用等關鍵問題著手，實施了相關深化改進工作。這些工作包括物理過程的全面升級，模式空間GRAPES三維變分同化系統的研發和業務應用，以及更多衛星資料的同化應用(沈學順等，2017)。在此過程中，針對GRAPES_GFS全球模式框架中影響計算精度和穩定性的問題，研發了垂直方向非插值半拉格朗日算法、W-damping、高精度水汽平流計算、平流層瑞利摩擦等技術方案，大幅度提高了模式框架的計算精度和穩定性。在上述研究成果的基礎上，GRAPES_GFS由1.0升級為2.0版本，模式分辨率提高為水平0.25°×0.25°，垂直方向為60層。2015年年底GRAPES_GFS 2.0通過業務化驗收，預報性能超過當時國家氣象中心業務運行的TL639L60系統 (沈學順和王建捷，2015)。

2008年開始研發GRAPES全球四維變分同化系統(4DVar)，2018年7月在GRAPES_GFS 2.0中實現了業務應用。全球GRAPES-4DVar業務的應用代表了中國全球中期預報業務的重要技術進步。GRAPES-4DVar成功的原因，一方面在于解決了業務應用中存在的計算效率、觀測剖分、多次外循環更新等技術細節問題，解決了4DVar的線性化物理過程等關鍵科學難題；另一方面,在一個預報性能穩定且較為成熟的全球預報平臺(GRAPES_GFS 2.0)上的“迭代式”開發也起到了非常重要的作用。有關GRAPES-4DVar的具體科學技術細節可參考Zhang et al(2019)。2018年7月帶有GRAPES-4DVar的GRAPES_GFS 2.4版本實現業務運行。GRAPES-4DVar的業務運行標志著中國業務數值天氣預報同化技術水平邁入國際前列，國家氣象中心成為國際上少數具有自主研發和業務應用4DVar的國家級預報中心之一。

1 譜模式全球預報系統的發展和業務應用

1.1 引進為主的初期發展階段

1981年，根據中國當時的計算機條件和數值預報研究現狀，引進了ECMWF的T42譜模式和美國國家氣象中心的多元最優插值客觀分析方案。在消化吸收的基礎上，結合中國預報業務情況加以改進和提高，最后建成了一個完備的、自動化水平較高的中期數值天氣預報業務系統。這是中央氣象臺第一代具有中等分辨率T42L9(2.8125°，約為300 km)的全球模式，于1990年1月1日先在M-360計算機上進行準業務運行(每日進行2次同化，1次2 d北半球預報)，于1991年9月12日在CYBER 992計算機上投入正式業務運行，并向全國發送數值預報產品。該系統每日進行4次同化，1次5 d預報。該系統的建成填補了中國在中期數值預報領域的空白，使中國步入了當時世界上少數幾個能開展中期數值天氣預報的國家行列(李澤椿，2010)。

經過國家“七五”重點科技攻關項目和延續項目的支持，第二代中期天氣預報業務模式T63L16(1.875°，約為200 km)于1994年6月1日投入準業務運行，它是在20世紀80年代中后期引進的ECMWF的業務譜模式T106L19的基礎上改造的。隨著新巨型機CRAY C92的安裝，于1995年6月1日正式投入業務運行。該系統每日進行4次同化，1次7 d預報，并為臺風和暴雨系統提供側邊界和初始場。T63L16可用預報時效比T42延長近1.5 d，大大提高了模式的預報準確率。隨著并行計算機的問世，1997年6月1日開始，建立了第三代中期數值預報業務系統T106L19(1.125°，約為100 km)(楊學勝，2010)。

T63和T106模式除了分辨率不同，系統特征基本一樣，它們與T42一樣采用多元最優插值客觀分析方案，所用觀測資料只有常規資料，包括探空、測風、地面/船舶、飛機、衛星測風和測厚、浮標站和高空人造站。T42垂直方向采用σ坐標，垂直層次均勻等分，用非線性絕熱正規模初始化，使用串行運行方式； T63/T106垂直方向采用σ-p混合坐標，垂直層次非均勻等分，低層更密，采用非線性非絕熱正規模初始化，多任務并行；T42采用譜地形，T106采用包絡地形，并且參數化了地形重力波的拖曳作用。三者的大尺度降水均采用飽和凝結法，次網格尺度的深對流都采用Kuo方案，但是T63/T106還增加了淺對流參數化；三者的水平擴散都采用四階線性隱式擴散方案。T42的湍流交換系數僅取決于混合長和風的切變，T63/T106則進一步考慮了大氣的穩定度。T42的陸面過程方案在陸面、雪面和海冰上的表面溫度采用能量平衡方程計算，在洋面上采用氣候平均溫度。T63/T106陸面溫度采用熱傳導方程進行預報，洋面溫度與T42一樣。T42采用20世紀70年代美國地球物理流體動力實驗室(Geophysical Fluid Dynamics Laboratory，GFDL)的輻射方案，考慮了云、CO2、O3對輻射的吸收、氣體的散射和地面的反射作用。T63/T106采用20世紀80年代中期的ECMWF輻射方案，考慮瑞利散射、云和氣溶膠的散射和吸收、地表的吸收和反射，氣溶膠隨高度變化，且隨城市、海洋、沙漠、平流層而不同(皇甫雪官，1995)。

1.2 消化吸收基礎上的改進升級階段

在引進ECMWF全球譜模式的基礎上，通過改造向量長度以適應超標量技術的計算機、對勒讓德變換、短波輻射等計算瓶頸程序進行優化，采用非同步、非阻塞消息傳遞機制，以及實現MPI與OpenMP的混合并行編程等改造，首次以分布與共享相結合的方式在IBM/SP高性能計算機上實現了全球譜模式T213L31(0.5625°，約為60 km)的高效運行，并研發了與T213L31全球譜模式相配套的最優插值并行處理分析系統，建立了后處理系統和檢驗系統以及自動作業監控系統。在北半球和東亞地區，T213的可用預報天數比T106延長了1 d；對降水預報也有比較明顯的改進，晴雨預報的TS評分比T106提高了5%～10%；同時,T213對西風指數的逐日演變、副熱帶高壓脊點和北界的進退變化、臺風的路徑預報都較T106有了明顯的改善(陳起英等，2004a)。由此，建立了中央氣象臺第四代中期預報系統T213，并于2003年9月正式業務運行，該系統是中國首次在大規模并行計算機環境下建立的全球中期數值預報業務系統。

與T106L19相比，T213L31對主要物理過程參數化方案都作了較大改進。長波和短波輻射方案都進行了整體升級，短波通量用光子路徑分布方法，分開考慮輻射傳輸中散射和吸收過程的貢獻。晴天長波通量的計算用比輻射率方法，改進了長波吸收對溫度和壓力的依賴關系；增加考慮了T106模式中沒有的e 型連續吸收。T106采用包絡地形加上重力波拖曳參數化方案，因為包絡地形是人為抬高的地形，在同化過程中有很多低層數據會被認為是在地形之下而被拋棄，同時抬高的地形也會造成更多的虛假對流降水，T213采用的是真實的平均地形，同時考慮了重力波拖曳和阻塞流拖曳來解決原來只有重力波拖曳時總的拖曳力不夠的問題。T213開始采用總體質量通量型的對流參數化方案代替T106的大尺度水汽輻合方案，是目前廣泛應用的積云對流方案，引入了T106方案中沒有的積云下沉支、積云動量傳輸和中層對流參數化。T213采用了Tiedtke(1993)的預報云方案，取代T106采用的診斷云方案，使云與水物質收支有更好的一致性，且與輻射、動力過程有更好的相互作用。T106的陸面過程方案僅對兩層土壤溫濕層進行預報，第三層是一個土壤溫度和濕度隨月變化的“氣候層”，在積分過程中容易向“氣候場”飄移；T213的四層土壤溫濕層都是預報的，增加了T106沒有考慮的周—季時間尺度的土壤水文過程，并且對土壤水文過程進行了更加物理化的改進(陳起英等，2004b)。

之后，為滿足日益增加的精細化預報需求，對T213L31模式進行了升級改進，采用規約線性高斯格點，水平分辨率由T213提高到TL639(0.28125°，約為30 km)，垂直層次從31層提升到60層，模式層頂從10 hPa升至0.1 hPa。伴隨著分辨率和模式層頂的提高，引入瑞利摩擦，增加平流層的計算穩定性；通過穩定外插兩時間層半隱式半拉格朗日算法的引入，解決了傳統半拉格朗日算法在計算軌跡中點風速和預報方程非線性項時采用時間外插帶來的計算噪音，提高了模式積分的穩定性，并延長了模式的積分時間步長(陳起英等，2007)。同時，以云和降水過程為重點，改進了積云對流參數化和格點云降水方案(陳起英等，2009)。在建立TL639系統過程中，建立了地形和下墊面資料處理系統，生成全球譜模式所需的下墊面地理要素場和氣象要素場。通過引進譜統計插值(spectral statistical interpolation，SSI)以及隨后升級的格點統計插值(gridpoint statistical interpolation，GSI)，資料同化系統由最優插值實現了向三維變分同化的升級，并對并行計算效率、背景誤差協方差、通道最優選擇等進行了優化。在此基礎上，加入動態偏差訂正和模式偏差訂正項等，實現了NOAA15-18 ATOVS資料的同化。在此過程中，也建立了ATOVS資料的實時收集與入庫、質量控制與數據加工流程。中央氣象臺第五代中期預報系統T639于2008年8月實現業務化。T639系統比T213系統有明顯改進，東亞地區可用預報天數提高達1 d，各量級降水的TS評分也得到明顯提高(管成功等，2008)。

1.3 譜模式預報效果演變

圖1為1990年1月至2010年1月中央氣象臺業務中期預報譜模式第3、5、7天預報的北半球500 hPa高度場距平相關系數(anomaly correlation coefficient,ACC)演變。可以看到，歷經T42、T63、T106、T213和T639 五代中期預報譜模式，中期數值預報水平在不斷提高。以ACC達到0.6作為可用預報時效的標準，可用預報天數從T42的3 d增加到T639的7 d，增加了4 d。T系列從1991—2016年服務于全國的天氣預報業務，在逐日天氣預報、防災減災、重大活動氣象保障及服務其他行業中發揮了重要作用。

圖1 1990年1月至2010年1月中國業務中期預報譜模式500 hPa高度場ACC演變 (細線為逐月演變情況，粗線為6個月滑動平均的結果)Fig.1 Time series of ACC of 500 hPa height for 72 h (blue), 120 h (red) and 168 h (light purple) forecasts by operational global spectral model system from January 1990 to January 2010 (Thin lines are for monthly change, and thick lines for 6-month running means)

2 GRAPES_GFS的發展和業務應用

如前所述，在“十五”科技攻關項目成果GRAPES全球中期數值預報試驗系統的基礎上，于2007年7月開始GRAPES_GFS全球預報系統的業務化，從準業務版本GRAPES_GFS 1.0到具有四維變分同化能力的GRAPES_GFS 2.4版本，模式、同化和觀測資料應用得到了大幅度提升。目前的業務版本為GRAPES_GFS 2.4，業務配置如表1所示，系統的業務應用效果介紹可以參照沈學順和王建捷(2015)。以下概述GRAPES的主要科學技術進展。

表1 GRAPES_GFS業務預報系統配置表Table 1 Configuration of GRAPES_GFS

2.1 GRAPES模式動力框架改進

半隱式半拉格朗日時間離散化算法由于可取較長的時間步長和具有較高的計算穩定性，因而為數值預報業務中心的模式所采用(Mengaldo et al,2019)。研發GRAPES模式時，設計采用了兩時間層的半隱式半拉格朗日積分算法(Temperton et al,2001;Gospodinov et al,2001)。兩時間層半隱式半拉格朗日算法在隱式處理非線性項和計算拉格朗日軌跡中間點風速時傳統上采用時間外推算法，雖簡潔易實現但卻存在導致計算噪音的潛在危險(McDonald,1991;Hortal,2002)。在GRAPES_GFS 1.0研發成功之后，通過研制非插值半拉格朗日位溫垂直平流計算、高精度守恒的標量平流方案、W-damping、水平擴散和平流層瑞利摩擦，以及濾波地形等方案，顯著提高了模式動力框架的穩定性和質量守恒性。這些多方位改進的動力框架構成了GRAPES_GFS 2.0版本的模式動力框架(沈學順等，2017；蘇勇等，2013)。

2.2 GRAPES新動力框架開發

如2.1節所述，GRAPES模式動力框架采用了傳統的兩時間層半隱式半拉格朗日算法，線性化時采用等溫參考大氣，選取較大的半隱式權重系數以保持計算穩定，算法中非線性項處理及上游點計算時中間點風速通過時間外推來計算，這些都會影響計算精度，并帶來計算穩定性問題(Simmons and Temperton,1997；Ritchie and Tanguay,1996;Temperton et al,2001)。為解決這些問題，發展了預估修正半隱式半拉格朗日算法，并在線性化時引入三維參考大氣。GRAPES預估修正算法在計算非線性項時采用微分方程數值求解時常用的Adams-Bashforth 二步梯形法(ABT；Kar,2012;Clancy and Pudykiewicz,2013)，在隱式計算線性項時采用二階Adams-Moulton方案(AM2;Durran and Blossey,2012;Clancy and Pudykiewicz,2013)。ABT-AM2方案在保持二階計算精度的同時避免了時間外推計算。構造半隱式算法時，需要選取參考態將控制方程組線性化。線性化后的方程組將成為大項線性項與小項非線性項之和。如果采用等溫大氣為參考態，非線性項有時不一定為小項，尤其當模式垂直層次向上擴展時更是如此，這將給計算精度帶來較大影響。為此，引入了三維參考大氣，保證線性化后的方程組各項具有合理的量級。基于上述新的算法設計，重寫了GRAPES動力框架，將三維參考大氣與預估-修正算法結合，在減小非線性項數量級的同時，通過迭代算法避免時間外推帶來的影響，也可以使半隱式系數接近0.5，計算精度接近二階(蘇勇等，2018)。GRAPES新動力框架已經應用于抬高GRAPES_GFS模式頂至0.1 hPa的開發工作，該系統已于2020年7月投入業務應用。

2.3 GRAPES物理過程改進

在準業務版本GRAPES_GFS 1.0基礎上，GRAPES模式物理過程歷經兩次大幅度升級和一次深入優化，形成了GRAPES_GFS 2.0的物理過程包 (沈學順等，2017；Chen et al，2016；Liu et al，2015；Ma et al,2018；Chen et al,2020)。第一次升級包括RRTMG輻射和CoLM陸面過程的引入，使得GRAPES全球模式具有了相對完備的適用于全球大氣環流模擬預報的物理過程包。第二次升級從物理機制上改進了積云對流、邊界層過程，并發展了基于雙參數云物理方案的云宏物理方案，引入了次網格尺度地形重力波參數化(Chen et al，2016；Liu et al，2015；Chen et al,2020)。這些升級大幅度改進了模式對熱帶降水、全球云量的預報，減緩了在中國東南部的南風預報偏差，并改進了模式對形勢場的預報。在兩次升級的基礎上，進一步研發了預報云量方案，針對格點尺度云物理過程與積云對流的反饋，從機理上完成了優化改進(Ma et al,2018)；改進了邊界層過程的調用計算(從Lorenz跳點到Charney-Phillips跳點)，避免了物理過程傾向插值帶來的誤差；在輻射計算中，考慮了短波輻射太陽高度角訂正和氣溶膠的直接輻射效應，改進了陸地上空的溫度預報偏差；采用英國氣象局哈德萊中心的海冰分布氣候場，優化了CoLM中的海冰分布，并改進了海冰的反照率；參考ECMWF模式，改進了陸地地表反照率的計算；在優化過程中，修正了湖模式初始化及葉面溫度計算中可能引起模式積分不穩定的問題，強化了模式的計算穩定性。

2.4 全球變分同化框架改進和4DVar的發展

GRAPES_GFS 1.0的同化系統是一個在標準等壓面上的三維變分分析系統(3-dimensional variational assimilation,3DVar)，分析變量為位勢高度、勢函數、流函數和相對濕度，在17層標準等壓面和Arakawa-A網格上分析之后，通過靜力關系導出模式預報變量，再插值到模式格點上作為初值。由于插值誤差，等壓面3DVar存在提高精度上的局限性。為此，研發了與模式格點空間完全匹配的3DVar同化框架(薛紀善等，2012)，并完成了相關模型、平衡約束關系、背景誤差協方差、數字濾波等同化框架的優化，較大幅度提高了同化分析的精度。這些成果形成了版本GRAPES_GFS 2.0的3DVar同化系統。

在模式空間全球3DVar框架基礎上，2008年開始研發GRAPES全球4DVar，至2018年7月實現業務應用，歷經10年。在全球非靜力GRAPES模式基礎上，發展了非靜力的切線和伴隨模式。為保持在同化時間窗內切線性模式與非線性模式在演變軌跡上較高的近似程度，研發了基于簡化物理過程的切線性物理過程，包括積云對流、云物理、邊界層垂直擴散、次網格地形阻塞流拖曳，這些研發工作成為GRAPES全球4DVar系統的重要基礎。GRAPES全球4DVar采用增量分析方案，在代價函數中引入數字濾波作為弱約束以抑制高頻重力波，在系統中設計了多重外循環，極小化算法采用Lanczos-CG算法(Zhang et al，2019；Liu et al，2018)。4DVar分析框架采用了水平和垂直不可分離的背景場誤差協方差模型，水平相關模型采用二階自回歸模型，相關尺度隨高度變化，垂直相關模型則直接由集合樣本統計得到。平衡約束考慮了旋轉風和散度風、旋轉風和質量場、非平衡散度風和質量場的平衡，采用動力和統計結合方案實現。GRAPES全球4DVar的業務應用顯著大幅度提高了觀測資料使用量，提高了全球分析的質量，并進一步在各個時效上改善了預報效果。基于4DVar成果，2018年7月GRAPES_GFS 2.0升級為GRAPES_GFS 2.4版本。

2.5 衛星資料同化技術研發

GRAPES衛星資料同化技術的系統性研發始于2004年，在早期的GRAPES等壓面3DVar中加入了NOAA-16微波溫度計AMSU-A輻射率資料的直接同化(Zhang et al,2004)。包括NOAA系列(NOAA-15、NOAA-16、NOAA-17、NOAA-18)ATOVS、GPS掩星資料、靜止和極軌衛星云導風等批量衛星資料同化技術的系統研發和業務應用始于GRAPES_GFS的開發(沈學順等，2009)。在GRAPES_GFS準業務化、業務化過程中，陸續開發了中國風云氣象衛星系列、歐洲Metop氣象衛星等的AMSU-A、微波濕度計(MHS)、高光譜大氣紅外等輻射率(IASI、AIRS)資料，多平臺衛星資料的成功同化是GRAPES_GFS預報能力持續提高的重要因素(沈學順和王建捷，2015)。伴隨GRAPES_GFS的不斷進步，在衛星資料同化方面形成了云檢測、質量控制、偏差訂正、通道選擇、稀疏化處理、觀測誤差協方差估計等各環節相對成熟的方法。

衛星資料偏差訂正是影響衛星資料同化效果的重要因素之一。在GRAPES_GFS研發初期，針對衛星探測儀器普遍存在的系統性偏差，采用了Harris and Kelly(2001)的偏差訂正方案。隨后依據GRAPES模式的偏差特征，發展了有約束衛星資料偏差訂正方案(Han, 2014; Han and Bormann，2016)。該方案減小了模式的背景偏差對衛星輻射率資料偏差訂正的影響，較好地去除了資料本身的系統性偏差，更好地利用了觀測信息。業務GRAPES_GFS 是不間斷的同化預報循環，對衛星資料質量的起伏非常敏感。為了解決在實時業務運行中由于衛星探測儀器老化、偏差訂正方程系數退化以及季節變化等原因造成的觀測數據漂移問題，張華等(2018)開發了適用于衛星輻射率資料的動態偏差訂正方案，采用一維變分方法，利用經過同化模式質量控制的近期衛星觀測數據對偏差訂正系數進行動態更新。

2.6 GRAPES_GFS預報技巧演變

圖2是2010年1月至2019年6月GRAPES_GFS預報第5天500 hPa高度場ACC的時間序列，同時在圖中也給出了ECMWF、NCEP的預報結果。可以看到，2010年以來GRAPES_GFS對形勢場的預報技巧逐步提高，雖與ECMWF、NCEP還有差距，但逐年預報技巧的不斷提高反映了GRAPES_GFS在模式、同化以及觀測資料應用等諸方面的巨大進步，如2.1～2.5節中所述。近些年，以GRAPES_GFS為核心基礎的GRAPES模式預報產品也得到越來越廣泛的應用(宮宇等，2018；錢媛等，2019；王新敏和栗晗，2020)。

圖2 2010年1月至2019年6月GRAPES_GFS 預報第5天500 hPa高度場ACC演變Fig.2 Time series of ACC of 500 hPa height for the 5th day forecast by GRAPES_GFS from January 2010 to June 2019

3 中央氣象臺全球預報系統的未來發展

ECMWF一直走在全球數值預報技術和預報質量的前沿。Magnusson and K?llen(2013)系統總結了ECMWF預報技巧逐年提高的原因，指出：預報模式的不斷改進和分辨率的提高、資料同化技術的進步以及日益增加的觀測資料(尤其是衛星資料),構成了三大主要貢獻因素。這三大要素也正是今后持續發展GRAPES_GFS的著重點。

從現狀的GRAPES_GFS預報能力來看，雖然與引進的T639相比有一定優勢，但與國際先進數值預報業務中心的全球預報系統相比，預報技巧尚有差距。圍繞上述三大要素，今后努力的重點可以概括為以下幾個方面：

(1)進一步發展GRAPES全球4DVar技術，加快實現集合預報信息在4DVar中的應用，提高同化分析的精度。

(2)發展先進的衛星資料同化技術。重點發展衛星變分質量控制、變分偏差訂正技術，并發展受地表影響的微波資料在GRAPES中的同化應用。

(3)發展陸面、積雪、海洋等資料分析同化技術，為GRAPES_GFS提供高質量的下墊面初邊界值。

(4)繼續改進GRAPES動力框架的計算精度、計算效率和可擴展性，并繼續深入優化GRAPES模式物理過程，實現10～15 km分辨率的全球預報系統的業務應用。

(5)為適應未來精細化和無縫隙天氣預報、氣候預測業務需求，以及未來異構眾核高性能計算機發展的挑戰，研發高精度可擴展守恒的大氣模式新框架和尺度自適應物理過程，并逐步開展耦合數值預報技術的研究，從而迎接未來局地百米、全球千米級分辨率和耦合數值預報的發展挑戰。