基于“上升-平漂-下降”探空資料的長江中下游暴雨同化試驗*

張旭鵬 郭啟云 楊榮康 馬旭林 曹曉鐘

1 南京信息工程大學氣象災害教育部重點實驗室，南京 210044

2 中國氣象局氣象探測中心，北京 100081

提 要： 為進一步討論新型“上升-平漂-下降”探空數據在資料同化與數值預報中的應用效果，基于WRF(Weather Research and Forecast)模式及WRFDA(WRF data assimilation)同化系統進行同化對比試驗。在對新型探空試驗數據進行質量評估和稀疏化的基礎上，將下降段資料與常規觀測資料組合同化，并討論其對于長江中下游地區暴雨預報質量的影響及原因。主要試驗結果包括：通過與FNL資料、業務同站探空數據交叉對比驗證最新試驗數據準確性；使用特性層與規定層結合的方案對新型探空上升、下降段進行稀疏化處理可以得到較優效果；同化下降段數據能夠在一定程度上提高暴雨預報技巧；風場及濕度場的調整是暴雨預報技巧有所提高的重要原因之一。

引 言

高空探空觀測在當代氣象觀測中具有極其重要的地位，其結果常用作描述大氣狀態的相對真值。雖然探空站點數量較為有限，但空間分布相對均勻且其數據中包含豐富的大氣垂直信息，能夠反映大氣三維結構，是高空氣象觀測中最主要的直接觀測方式。探空數據不僅可以作為地基微波輻射計(Xu et al,2015)、毫米波云雷達(趙靜等，2017)、風廓線雷達(吳蕾等，2014)、COSMIC掩星(杜明斌等，2009；郭啟云等，2020)、及衛星反演(Kwon et al，2012；陳源等，2020)等遙感產品或再分析資料(張思齊等，2018)的檢驗評估標準，在中短期天氣預報中也有極其重要的作用(Laroche and Sarrazin，2013)，是減小預報誤差的重要觀測手段之一(Singh et al，2014)。李佳英等(2006)通過對比探空資料與模式溫濕廓線，檢驗模式對強對流天氣的預報能力。當前業務使用的L波段秒級探空數據可深入揭示大氣內部運動規律，例如應用于高層大氣溫度結構(李剛等，2014)或大氣重力波(吳泓錕等，2019)研究中等等。

但固定的常規探空難以滿足對移動氣象目標跟蹤觀測的需求。下投探空是指由氣球、無人機(肖良華等，2019)、火箭(李金輝等，2020)等飛行器攜帶配有降落傘的探空儀升空，并在一定高度進行投放，從而獲得由下投平臺至地(洋)面的大氣廓線(陳洪濱和朱彥良，2008)。下投探空可以作為常規探空的補充，彌補特定時刻一些區域內探空資料的空白。目前，下投探空觀測已經成為觀測臺風的主要手段之一，對臺風的移動路徑及強度預報具有極其重要的意義(曲曉波和Heming，2006；張誠忠等，2012；李楊等，2016)。

探空資料在同化領域有著極為廣泛的應用。張利紅等(2013)指出同化探空和云跡風資料可以提高我國西南地區降水預報準確率。Yamazaki et al(2015)通過OSE(observing system experiments)驗證探空資料可以改善北極區域對流層上層環流模擬情況。莫毅等(2008)、寶興華和楊舒楠(2015)和孟智勇等(2019)分別使用WRF-3DVar、WRF-EnKF和ETKF方法對探空資料進行同化，證明同化探空資料能夠改善暴雨落區及降水強度模擬效果。Choi et al(2015)使用WRF-4DVar同化探空資料時加入氣球漂移信息，結果表明降水落區預報效果及QPF(quantitative precipitation forecast)技巧都有所提高。同化探空資料對臺風路徑及其降水預報也有明顯改進作用(董海萍等，2017；龔俊強等，2019)。另外，有多個研究發現：使用加密探空數據可以顯著提高數值預報技巧(陳朝平等，2012；徐同等，2016；高篤鳴等，2018；王丹等，2019)，且其正效應能夠傳播至下游地區(Faccani et al，2009)。L波段秒級探空數據通過插值或稀疏化處理后引入數值模式能夠很好地改善模擬效果：郝民等(2014)通過插值到最近模式層的方式將秒級探空數據引入GRAPES模式后，模擬高層系統更為準確且降水預報技巧有所提高；姚爽等(2015)將秒級探空數據從時間上稀疏化為分鐘數據并將其加入WRF模式，可以改善高空風場模擬效果及大量級降水預報性能。

為拓展現有探空能力和范圍，解決探空加密的關鍵性技術問題，中國氣象局氣象探測中心在現有同球雙釋放技術(郭啟云等，2018)和北斗衛星導航定位測風技術基礎上研發了新一代探空觀測系統，即“上升(1 h)-平漂(4 h)-下降(1 h)”三段式探空觀測。該系統在不增加人員投入和經濟成本的條件下，實現了探空觀測的時空加密，能夠顯著提升探空觀測效益(錢媛，2019；曹曉鐘等，2019)。上升段觀測與業務探空效果相近；而下降段則可近似看作下投探空，其中包含和上升部分相同的觀測要素，且下投地點實時可控，具有很強的機動性，對業務探空有很好的補充作用。當前我國長江中下游地區已建設由六個新型探空試驗站點構成的觀測網，建立了觀測試驗數據集，并對其進行了質量控制與偏差訂正(包括溫度輻射訂正、濕度滯后訂正、氣壓平滑等)。曹曉鐘等(2019)、錢媛(2019)和王丹等(2020)對試驗數據進行質量評估，其結果初步驗證了“上升-平漂-下降”探空的可信可用性。楊晨義等(2021)則基于新型探空資料對下平流層重力波特征進行分析。

“上升-平漂-下降”探空作為一種新型探空觀測方式，在原有上升基礎上加入平漂和下降段觀測能力。其中，下降段資料在同化中的應用效果還需要進一步的研究與驗證，目前尚且缺乏這一方面的研究。本文將基于“上升-平漂-下降”探空試驗數據進行同化對比試驗，并根據試驗結果討論新型探空系統對長江中下游地區暴雨預報的改進潛力。

1 試驗數據質量評估

同化新型探空數據之前，需先對其質量進行評估。前人在此方面已有一些研究結果，使人們對“上升-平漂-下降”探空數據質量有了初步了解。但隨著試驗數據集及質量控制方法不斷發展完善，該項工作仍有進一步進行的必要。目前對“上升-平漂-下降”探空數據質量的評估方法大致分為兩種：一種是利用現有同站業務探空資料對新型探空數據質量進行評估；另一種則是基于高分辨率模式分析場或再分析資料進行質量評估。考慮到業務探空資料的時空分辨率問題，第一種方法可用于上升、下降段評估，但對平漂段評估能力較弱。而第二種方法則可以相對更合理地評估全部三段探空資料，其缺點是由于不同模式資料在分辨率和質量上存在差異，故參考不同資料得到的評估結果可能有所差異。本文在前人研究基礎上，選擇時間分辨率為6 h、空間分辨率為1°×1°的FNL分析資料以及同站秒級探空資料，對2019年最新試驗數據集質量進行評估。

如圖1中所示，上升段和下降段溫度在日間和夜間都與FNL資料具有較好的一致性，偏差基本在±2℃。日間平漂段溫度經過初步輻射訂正后在平漂開始和結束階段仍存有較明顯的正偏差，達到+12℃；夜間沒有太陽輻射干擾的情況下，平漂段溫度質量相對較好，偏差基本與上升段和下降段相當，能夠達到±2℃。目前，氣象探測中心已初步設計出測量日間平漂段溫度“真值”的方案，相信未來日間平漂溫度輻射偏差能夠得到有效的訂正處理。

圖1 基于FNL資料的武漢站新型探空溫度評估2019年5月12日(a,b)日間和(c，d)夜間(a，c)溫度一致性以及(b，d)溫度偏差Fig.1 New sounding temperature evaluation of Wuhan Station based on FNL data： (a, c) temperature consistency and (b, d) temperature deviation during (a, b) daytime and (c, d) nighttime on 12 May 2019

基于2019年最新試驗數據，選取同站業務秒級探空及FNL資料與之進行交叉對比，結果如圖2。上升段濕度廓線與FNL資料一致性較差，但偏差在整體上小于同站業務探空，證明新型探空儀具有更強的濕度探測能力，下降段濕度偏差整體上大于上升段。兩類探空數據相對分析資料整體上較為偏干，一般在10 km附近濕度偏差最為明顯。上升和下降段測得的氣壓廓線與FNL資料、同站探空的一致性較高，氣壓偏差整體在±4 hPa。10 km以下新型探空資料的氣壓偏差略小于業務探空數據偏差。

圖2 基于FNL資料和業務探空資料對2019年5月12日00 UTC武漢站(a～d)上升段和(e～h)下降段的數據評估：(a,e)濕度一致性與(b,f)濕度偏差;(c,g)氣壓一致性與(d,h)氣壓偏差Fig.2 Data evaluation of (a-d) ascending section and (e-h) descending section of the sounding at Wuhan Station at 00 UTC 12 May 2019 based on FNL data and operational sounding data： (a, e) humidity consistency and (b, f) humidity deviation， (c, g) pressure consistency and (d, h) pressure deviation

2 “上升-平漂-下降”探空數據稀疏化方案

新型探空觀測系統中秒級數據分辨率遠超當前模式分辨率，產生的冗余效應會在同化過程中造成負效果(郭歡，2017；馬旭林等，2019)。故在同化試驗前需先進行稀疏化處理。本文將規定層數據與特性層數據相結合的稀疏化方案(李慶雷等，2018)應用于新型探空系統上升段和下降段中。為避免試驗數據集氣壓與規定層氣壓在數值上不完全一致而造成規定層遺漏，試驗選取規定層一定小閾值內的探空數據。文中設置的上升段與下降段溫度特性層閾值為2 ℃。稀疏化對比效果如圖3所示，使用稀疏化方案條件下得到的上升、下降段溫度廓線，相比只提取規定層鄰近數據的溫度廓線更能夠反映原始秒級數據中溫度廓線的變化特征。

圖3 兩種稀疏化方法得到的(a)上升段、(b)下降段溫度廓線對比Fig.3 Comparison of temperature profiles in (a) ascending section, (b) descending section obtained by two thinning methods

由于平漂段中氣象要素變化一般較為平緩，規定層結合特性層的稀疏化方法尚不適用于平漂段數據。當前平漂段數據多采用從時間維度上進行稀疏的方法。

3 暴雨個例

2018年7月4—7日，受低空切變線和低空急流影響，湖北中東部、湖南南部大部出現大暴雨，江西局部出現特大暴雨。天氣圖顯示(圖略)，6日00 UTC500 hPa上中高緯度呈現“兩槽一脊”的形式，東側槽南伸至長江中下游地區，利于引導冷空氣南下；850 hPa上長江中下游地區受低壓帶控制，存在低空風切變，有利于暴雨的產生。其中，6日18 UTC至7日18 UTC的24 h降水實況如圖4。雨帶整體呈東北—西南向走勢，主要包括三個強降水中心，分別位于江西南部地區、湖南南部和廣西北部地區。強降水中心24 h累計雨量能夠達到100 mm以上。

圖4 2018年7月6日18 UTC至7日18 UTC 24 h降水實況Fig.4 The observed precipitation in 24 hours from 18 UTC 6 to 18 UTC 7 July 2018

4 資料與試驗方案

本文同化的觀測資料包括業務常規觀測資料(Global Telecommunication System,GTS)和長江中下游六個站點(安慶、南昌、長沙、贛州、宜昌和武漢)的新型探空試驗資料。常規觀測資料中包括：自動站資料、業務探空資料、云跡風資料和飛機報資料。降水實況資料采用中國氣象數據網(https:∥data.cma.cn/)提供的中國自動站與CMORPH降水產品融合的逐時降水網格數據集(1.0版)。分析過程中使用歐洲中期預報中心(ECMWF)提供的分辨率為0.25°×0.25°的再分析數據集ERA5作為參考。

試驗采用WRF V3.9模式與WRFDA V3.9同化系統，模擬區域中心為(28°N、113°E)。模式采用兩層嵌套，水平分辨率分別為9 km和3 km，垂直方向38層，網格設置如圖5。使用FNL資料提供初始場和邊界條件。物理參數化方案分別為：微物理參數化方案WSM5，Grell三維集成積云方案，長波輻射方案RRTM，短波輻射方案Dudhia，行星邊界層方案YSU，近地面層方案MM5。

圖5 WRF模擬區域設計Fig.5 Design of the WRF simulation area

本文設計控制試驗CTL和敏感試驗Down，以研究原有常規資料基礎上加入下降段資料后對暴雨預報的改善效果，具體試驗方案如表1。同化方法采用WRF 3D-Var(three-dimensional variational)。由于新型探空氣球釋放前后經緯度差異較大，本文使用逐點同化的方式來消除氣球位置漂移造成的影響。同化要素包括溫度、氣壓、濕度、位勢高度、風速風向。Down試驗中同化的觀測資料分布情況如圖6 所示。

圖6 Down試驗模擬區域內的資料分布(藍色圓點：自動站資料，綠色圓點：云跡風資料，橙色圓點：飛機報資料，紅色圓點：業務探空資料，☆：下降段資料)Fig.6 Data distribution map of down test in the simulation area(blue dots： automatic station data, green dots： cloud trace wind data, orange dots： aircraft report data, red dots： operational sounding data，☆： descending section data)

表1 試驗方案Table 1 Test scheme

5 試驗結果

5.1 24 h降水預報

控制試驗與敏感試驗模擬的24 h累計降水分布如圖7。可見CTL與Down兩組試驗對實況中的東北—西南向雨帶都具有一定模擬能力，都模擬出了江西、湖南南部的強降水區域。但在控制試驗中，江西南部區域出現了較為明顯的200 mm以上虛假強降水中心，且湖南西南部也存在較大范圍的降水誤報，與實況不符。在敏感試驗中，江西南部、湖南西南部的虛假強降水區域在范圍和強度上都有一定程度減小，降水落區分布相對更加接近于實況。

圖7 試驗預報的2018年7月6日18 UTC至7日18 UTC 24 h累計降水(a)CTL試驗，(b)Down試驗Fig.7 The simulated 24 h accumulated precipitation from 18 UTC 6 to 18 UTC 7 July 2018(a) CTL test， (b) Down test

5.2 ETS降水評分

ETS(equitable threat score)客觀檢驗評分相比TS(threat score)評分，增加了對降水空報、漏報進行懲罰的部分，使得評分相對更加公平，其具體計算公式如下：

(1)

(2)

式中：NA為預報正確的格點(次)數，NB為空報格點(次)數，NC為漏報格點(次)數，ND為預報與實況均未達到指定閾值的正確格點(次)數。根據24 h 降水量，劃分為小雨(0.1～9.99 mm)，中雨(10～24.99 mm)，大雨(25～49.99 mm)，暴雨(50～99.99 mm)和大暴雨(>100 mm)，共五個量級。

CTL和Down試驗在主要強降水區域(24°～28°N、108°～118°E)內的ETS評分如圖8所示。可以看出，除了中雨量級上敏感試驗預報效果略弱于控制試驗外，其他降水量級上敏感試驗的預報技巧上相比控制試驗中皆有所提高，尤其對小雨、大雨和大暴雨的預報效果改進較為明顯。Down試驗中大暴雨ETS評分由CTL中的0.006增長至0.012，大雨和暴雨的ETS評分增幅達到29.0%和9.2%。

圖8 24 h降水預報ETS評分Fig.8 The 24 h precipitation forecast ETS

總體來看，加入下降段數據后有利于降水預報技巧的提高，尤其對于大雨量級以上的強降水預報技巧改進較為明顯。

5.3 分析增量分布

分析增量雖不能直接反映同化效果的好壞，但可以體現加入觀測資料后對背景場的調整情況。以下給出同化下降段資料前后850、500、200 hPa上高度場、溫度場、濕度場分析增量分布特征。

5.3.1 高度場分析增量

控制試驗與敏感試驗高度場分析增量如圖9。850 hPa低層，兩組試驗正負增量中心都達到2 m和-5 m，差異較小，敏感試驗中負增量略大；500 hPa中層，敏感試驗在湖北西北部的-5 m負增量中心相比控制試驗中有所增強，且湖南廣西一帶-2 m 負增量區范圍有所增大；200 hPa高層，敏感試驗中湖北西部負增量中心范圍增大，且在廣西北部增加了-5 m負增量中心。從垂直方向上來看，同化下降段資料對高層高度場調整較為明顯，對低層高度場調整相對較小。

圖9 (a，b，c)CTL試驗和(d，e，f)Down試驗在(a,d)850 hPa，(b,e)500 hPa，(c,f)200 hPa的高度場分析增量Fig.9 The height field analysis increment of (a， b， c) CTL test and (d， e， f) Down test at (a, d) 850 hPa (b, e) 500 hPa, (c, f) 200 hPa

5.3.2 溫度場分析增量

溫度分析增量如圖10所示。850 hPa上，控制試驗中，湖北、湖南、廣西一帶0.1℃正增量區域在敏感試驗中明顯減小；500 hPa，敏感試驗中，湖南南部-0.5℃負增量中心較控制試驗中略有增強；200 hPa控制試驗和敏感試驗都以正溫度分析增量為主，敏感試驗中0.3℃正增量范圍有所增大。在本次個例中，同化下降段資料對低層和高層溫度場改變較為明顯，中層溫度場變化相對較小。

圖10 同圖9，但為溫度場分析增量Fig.10 Same as Fig.9, but for the temperature field analysis increment

5.3.3 相對濕度場分析增量

相對濕度分析增量分布情況如圖11。850 hPa上，控制試驗在湖北、湖南、廣西一帶的負增量在敏感試驗中有所減小；500 hPa上，敏感試驗中安徽南部、江西北部地區的正增量較控制試驗增加了1%～2%；200 hPa上，控制試驗和敏感試驗都以負相對濕度分析增量為主，二者差異較小。從垂直角度來看，同化下降段資料對中低層相對濕度調整相對明顯，對200 hPa高層濕度場調整不明顯，這可能與傳感器在高層(約12 km)測量濕度質量相對較差有關。

圖11 同圖9，但為濕度場分析增量Fig.11 Same as Fig.9, but for the humidity field analysis increment

5.4 物理量場分析

2018年7月6日暴雨過程的主要影響系統包括低空急流和與低空切變線。如圖12所示，ERA5資料、CTL與Down試驗都模擬出湖北、湖南地區上空的低空急流。雖然敏感試驗中只加入了三段下降段資料，但由于同化時刻研究區域內原有探空資料偏少，且下降段資料的位置位于關鍵區域附近，故Down試驗中預報的低空急流較CTL試驗中有較明顯的區別。CTL試驗預報的低空急流分為南北兩支。在Down試驗中，低空急流雖南部風速較CTL試驗中有所偏強，但北部急流在空間范圍和風速上較CTL試驗中都有明顯減小，使其在空間范圍上整體更接近于ERA5再分析結果。

圖12 2018年7月6日18 UTC 850 hPa低空急流和風速(填色)、風向(矢量箭頭)(a)ERA5資料,(b)CTL試驗,(c)Down試驗Fig.12 The 850 hPa low-level jet, wind speed (colored) and wind direction (vector arrow) at 18 UTC 6 July 2018(a) ERA5 data， (b) CTL test， (c) Down test

水汽通量可以反映降水過程中水汽的來源和輸送情況。CTL與Down試驗對水汽通量的模擬效果如圖13。可以看出本次降水過程的水汽輸送情況很大程度上受到江淮氣旋的影響，氣旋攜帶南部洋面的水汽，再將其由北向南輸送。Down試驗中預報的江西地區水汽通量與CTL試驗中相差較小，Down試驗中略強。但Down試驗在安徽、河南、湖北一帶向南輸送的水汽通量以及廣西地區向北輸送的水汽通量都較CTL試驗有所減弱，削弱了強降水所需的水汽持續供應，從而有利于減弱湖南西南部的虛假強降水。

圖13 2018年7月6日18 UTC 850 hPa水汽通量(填色，單位： kg·m-1·s-1·hPa-1)和風向、風速(矢量箭頭)(a)CTL試驗，(b)Down試驗，(c)Down試驗與CTL試驗的水汽通量之差Fig.13 The 850 hPa water vapor flux (colored， unit: kg·m-1·s-1·hPa-1), wind direction and wind speed (vector arrow) at 18 UTC on 6 July 2018(a) CTL test, (b) Down test, (c) difference of water vapor flux between Down test and CTL test

通過比較試驗預報的整層大氣可降水量，可以進一步驗證以上結論。如圖14所示，控制試驗與敏感試驗預報的長江中下游地區大氣可降水量分布情況整體較為相似，但Down試驗預報的湖南西南部大氣可降水量較CTL試驗預報結果有明顯減小，其中負值中心達到-3.5 mm，且湖北南部及湖南北部區域的大氣可降水量也有一定程度的減小，與水汽通量中的表現相一致，有利于削弱該地區的虛假強降水。

圖14 2018年7月6日20 UTC大氣可降水量(a)CTL試驗，(b)Down試驗，(c)CTL-DownFig.14 Atmospheric precipitable water at 20 UTC 6 July 2018(a) CTL test, (b) Down test, (c) CTL-Down

控制試驗與敏感試驗預報的對流有效位能(CAPE)也具有一定差異。如圖15a、15b所示，兩組試驗在同化時刻的CAPE值總體分布較為相近，但由圖15c可以看出，Down試驗預報的湖南西南部以及江西南部地區CAPE值小于CTL試驗中的預報結果，一定程度抑制了CTL試驗中虛假強降水的發生發展，有利于強降水預報技巧的提高。

圖15 同圖14,但為7月6日18 UTC對流有效位能Fig.15 Same as Fig.14, but for CAPE at 18 UTC 6 July 2018

6 結論與討論

本文基于長江中下游新型“上升-平漂-下降”探空觀測數據集設計了同化對比試驗。在對新型探空數據進行質量評估和稀疏化處理的基礎上，將下降段資料與常規觀測資料結合并進行同化對比試驗，根據試驗結果討論新型探空系統在長江中下游暴雨預報中的應用效果及前景。主要結論有：

(1)通過將“上升-平漂-下降”探空試驗數據與FNL資料以及同站業務秒級探空數據進行交叉對比，檢驗了最新試驗探空數據質量。

(2)使用規定層結合特性層的稀疏化方案能夠對“上升-平漂-下降”探空系統中上升段、下降段數據進行有效的稀疏化處理。

(3)本文試驗中，同化新型探空下降段數據后，能夠改善控制試驗中出現的降水高估、誤報等問題，提高強降水預報技巧。其中大暴雨ETS評分由控制試驗中的0.006增長至0.012，大雨和暴雨的ETS評分增幅分別達到29.0%和9.2%。

(4)同化下降段觀測資料能夠對多個高度上的高度場、溫度場和相對濕度場產生一定的調整作用。

(5)在原有常規觀測資料基礎上加入下降資料并同化后，風場出現了較為明顯的調整，進而改善了水汽輸送情況，這可能是導致降水預報技巧提高的重要原因之一。

本文試驗結果證明“上升-平漂-下降”探空系統在同化方面有很好的應用前景。但由于目前新型探空系統尚未業務化運行，可用于同化試驗的數據有限，所得結論尚不具廣泛代表性，隨著日后數據集的完善，可做更多試驗驗證當前結論。未來工作中可嘗試由高低層風場相互作用及能量輸送的角度入手，將更多數據引入到天氣、氣候模式中，從而更好地體現新型探空系統在資料同化與數值預報領域的價值。