C波段雷達(dá)資料同化對GRAPES中尺度數(shù)值模式短臨降水預(yù)報(bào)的影響

齊大鵬，楊 靜，李彥霖，周明飛,朱文達(dá)

(貴州省氣象臺，貴州 貴陽 550002)

0 引言

短臨預(yù)報(bào)一直是天氣預(yù)報(bào)業(yè)務(wù)關(guān)注的重點(diǎn)和難題。中尺度數(shù)值模式由于時(shí)空分辨率高，同時(shí)又實(shí)現(xiàn)了快速循環(huán)同化更新，有效地提高了短臨天氣預(yù)報(bào)的質(zhì)量。但是，由于模式初始場中沒有包含非絕熱參數(shù)，業(yè)務(wù)預(yù)報(bào)系統(tǒng)面臨的一個(gè)首要問題是不可避免的“Spin-up”現(xiàn)象，導(dǎo)致模式前幾個(gè)小時(shí)的預(yù)報(bào)特別是降水預(yù)報(bào)的質(zhì)量普遍不高[1]。為解決這一問題，目前已研究出一些利用多普勒天氣雷達(dá)資料反演大氣三維風(fēng)場、溫度場和云微物理場的方法，使得模式在初始時(shí)刻就包含了云的微物理特征，改進(jìn)了模式積分初始場，提高了模式的短臨天氣預(yù)報(bào)質(zhì)量。如王瑾等[2]用ARPS模式的資料三維同化系統(tǒng)ARPS3DVAR和復(fù)雜云分析模塊同化雷達(dá)資料后，發(fā)現(xiàn)模式在初始時(shí)刻就能夠調(diào)整出一個(gè)合理的云微物理量場,減少了模式的熱啟動(dòng)時(shí)間。張蕾等[3]的研究表明S波段雷達(dá)資料同化對一次暴雨過程的降水預(yù)報(bào)效果有明顯提高。李平等[4]利用ARPS模式進(jìn)行了C波段雷達(dá)反射率資料同化實(shí)驗(yàn)，結(jié)果表明雷達(dá)資料引入模式初始場后，模式的回波和降水預(yù)報(bào)效果都有一定提高。上述研究多基于WRF和ARPS模式，而在GRAPES模式方面，張艷霞等[5]用多普勒雷達(dá)資料調(diào)整GRAPES模式云參數(shù)，發(fā)現(xiàn)模式初始場中水汽場的修訂，尤其是飽和水汽的修訂，對模式預(yù)報(bào)的水汽場有明顯影響，從而影響到了環(huán)流場，改善了模式的雷達(dá)回波和降水的預(yù)報(bào)。張誠忠等[6]在熱啟動(dòng)的基礎(chǔ)上，考慮同化雷達(dá)反演的水汽后，不僅較好地模擬了前6 h的降水，也可以預(yù)報(bào)出6～12 h的降雨帶變化趨勢。高郁東等[7]在模式中同化雷達(dá)降水率資料后不僅改進(jìn)了降水分布，而且還能清晰地表現(xiàn)出中尺度對流系統(tǒng)的發(fā)展和消亡。張誠忠等[8]在雷達(dá)反演潛熱的基礎(chǔ)上，評估了潛熱對模式短臨降水預(yù)報(bào)的影響，發(fā)現(xiàn)通過同化雷達(dá)反演的潛熱顯著提高了模式短臨降水預(yù)報(bào)效果。

上述研究表明通過在模式中同化雷達(dá)資料，能夠提高模式的短臨預(yù)報(bào)能力，然而針對貴州復(fù)雜地形條件下雷達(dá)資料同化對模式的影響研究較少，單純的數(shù)值模擬預(yù)報(bào)偏差較大[9-10]。本文利用貴州區(qū)域C波段雷達(dá)資料，通過1個(gè)強(qiáng)降水天氣過程的模擬實(shí)驗(yàn)，分析和討論C波段雷達(dá)資料同化對GRAPES中尺度數(shù)值模式在貴州的短臨降水預(yù)報(bào)的影響。

1 資料和方法

1.1 資料來源

本文所用資料有雷達(dá)數(shù)據(jù)、雨量觀測數(shù)據(jù)和NCEP的GFS全球模式預(yù)報(bào)數(shù)據(jù)。雷達(dá)資料來自2017年7月9日02時(shí)貴州區(qū)域內(nèi)7部CD型號多普勒天氣雷達(dá)(貴陽、遵義、都勻、黔東南、銅仁、畢節(jié)、興義)觀測的基本反射率因子，雷達(dá)體掃模式為VCP21(6 min掃描9個(gè)仰角)，空間分辨率250 m，最大探測距離250 km，鑒于雷達(dá)觀測存在靜錐區(qū)以及電磁波衰減，只選擇距離雷達(dá)站50～150 km內(nèi)的數(shù)據(jù)進(jìn)行反演同化。降水觀測資料用于模式檢驗(yàn)，選取2017年7月9日02—08時(shí)貴州區(qū)域內(nèi)1562個(gè)嚴(yán)格考核有質(zhì)量保障的地面自動(dòng)站質(zhì)控后的降水觀測數(shù)據(jù)，時(shí)間分辨率為1 h。NCEP數(shù)據(jù)為GFS全球模式2017年7月8日20時(shí)—9日08時(shí)的預(yù)報(bào)結(jié)果，時(shí)間間隔6 h，空間分辨率0.25°，該數(shù)據(jù)用于為模擬實(shí)驗(yàn)提供初始場和邊界條件。本文中的時(shí)間如無說明均指北京時(shí)(BJT)。

1.2 雷達(dá)資料前處理方法

雷達(dá)資料前處理包括雷達(dá)資料質(zhì)控、坐標(biāo)轉(zhuǎn)換、雷達(dá)組網(wǎng)拼圖，多部雷達(dá)組網(wǎng)拼圖時(shí)采用最鄰近最大值原則進(jìn)行(方法略)。

1.2.1 雷達(dá)反射率質(zhì)控 貴州地處高原東側(cè)，地形復(fù)雜，雷達(dá)回波地物遮擋嚴(yán)重，且C波段雷達(dá)雨區(qū)衰減較大，因此雷達(dá)反射率資料在同化前需要做必要的質(zhì)量控制。李豐等[11]在現(xiàn)有S波段雷達(dá)地物識別方法的基礎(chǔ)上，對C波段雷達(dá)地物回波特征進(jìn)行分析，改進(jìn)了識別參數(shù)的隸屬函數(shù)，建立適合C波段多普勒天氣雷達(dá)的地物識別方法(MCC方法)。檢驗(yàn)表明該方法可顯著提高C波段雷達(dá)地物回波的識別正確率，并可減少層狀云降水回波的誤判。

該方法依據(jù)地物回波主要出現(xiàn)在較低的仰角、回波徑向速度較小、沒有明顯移動(dòng)、回波垂直變化大等特征，計(jì)算了4個(gè)能明顯區(qū)分C波段雷達(dá)地物回波和降水回波的因子(回波紋理變率、回波垂直變率、回波庫間變率、中值濾波徑向速度)，利用隸屬函數(shù)對各個(gè)識別因子進(jìn)行模糊化處理，并對模糊權(quán)重求和得到識別指數(shù)IAPI 。當(dāng)IAPI≥0.6時(shí)，識別為地物回波，給予消除。在地物回波識別剔除之前，還進(jìn)行了孤立回波消除，質(zhì)控算法詳細(xì)介紹參見文獻(xiàn)[9]。

1.2.2 雷達(dá)資料坐標(biāo)轉(zhuǎn)換 雷達(dá)觀測資料為球坐標(biāo)，需要轉(zhuǎn)換成與模式相匹配的三維格點(diǎn)坐標(biāo)。坐標(biāo)轉(zhuǎn)換方法采用三線性插值方法，分別沿方位角θ、徑向r、仰角φ3個(gè)方向進(jìn)行插值得到格點(diǎn)上的反射率因子。

假設(shè)笛卡爾坐標(biāo)中位于(x,y,z)處的格點(diǎn)，經(jīng)坐標(biāo)轉(zhuǎn)換后位于球坐標(biāo)(r,θ,φ)處，兩個(gè)坐標(biāo)系中心點(diǎn)都位于雷達(dá)所在位置，r為徑向距離，θ為方位角,φ為仰角。則(r,θ,φ)點(diǎn)處的反射率因子Z(r,θ,φ)可以用與其相鄰的8個(gè)點(diǎn)的觀測值通過三線性插值獲得。

(1)

通過式(1)可得點(diǎn)(r,θ,φ)在它的2個(gè)相鄰仰角的高仰角錐面上垂直投影點(diǎn)(r,θ,φj)處的反射率Z(r,θ,φj)。同理可得低仰角上的反射率Z(r,θ,φj-1)。插值過程如圖1所示。

圖1 雙線性插值示意圖

再用這2個(gè)回波值按仰角線性插值(式2)，即可得到笛卡爾坐標(biāo)中網(wǎng)格點(diǎn)上的值Z(x,y,z)。

(2)

1.3 同化方法

目前有多種雷達(dá)資料同化方法，張誠忠等[12]，徐道生等[13]比較了幾種不同的雷達(dá)回波反演技術(shù)，發(fā)現(xiàn)利用LAPS系統(tǒng)云分析方案反演云物理量并用Nudging技術(shù)調(diào)整模式水汽場是一套比較適合華南區(qū)域高分辨率模式的技術(shù)路線。

1.3.1 云微物理量反演方法 LAPS云分析模塊主要分析產(chǎn)品包括三維的云量場、云水及云冰混合比、云及降水類型、結(jié)冰嚴(yán)重指數(shù)、雹混合比、云底及云頂高度等[2]。本文云微物理量反演采用張?zhí)m等[14]提出的方法，利用LAPS云分析系統(tǒng)對云水(qc) 和雨水(qr) 2個(gè)微物理量進(jìn)行反演。首先利用模式背景場的氣壓和溫度計(jì)算空氣密度，然后根據(jù)雷達(dá)回波反演qr，公式如下：

(3)

其中，ρ為空氣密度，dbz為雷達(dá)反射率因子。

云水(qc)由雨水(qr)及其下落末速度計(jì)算得到，下落末速度計(jì)算公式如下：

(4)

其中，Vt為下落末速度，P為各層氣壓，Ps為地面氣壓，qr為雨水。

為了獲得qc，還需要計(jì)算1個(gè)與水成物降落有關(guān)的量ir:

(5)

其中，下標(biāo)1和2表示相鄰2層變量，其余項(xiàng)意義同上。

最后，根據(jù)ir和qr計(jì)算出qc，公式如下：

(6)

1.3.2 Nudging方法 Nudging 是在模式積分的同化時(shí)段δt內(nèi)，在預(yù)報(bào)方程中增加一個(gè)線性強(qiáng)迫項(xiàng)，該項(xiàng)與模式預(yù)報(bào)值和實(shí)況值之差成正比，其作用是使模式預(yù)報(bào)逐漸向觀測逼近[15-16]。

(7)

W為模式預(yù)報(bào)變量，∑Fi代表模式中的所有物理過程變率，α>0為張弛逼近系數(shù)，W0為對應(yīng)時(shí)刻的觀測值。將方程(1)對時(shí)間進(jìn)行積分，并采用準(zhǔn)隱式分步計(jì)算方法寫成離散形式如下：

(8)

2 模式設(shè)計(jì)和個(gè)例實(shí)驗(yàn)

2.1 個(gè)例簡介

2017年7月8—9日，受梅雨鋒西段的影響，貴州中南部出現(xiàn)了1次暴雨天氣過程，部分地區(qū)還出現(xiàn)了大暴雨。此次過程以穩(wěn)定的層狀云降水為主，雷達(dá)回波以層狀云回波為主。過程主要影響時(shí)段：2017年7月8日20時(shí)—9日16時(shí)。9日02—08時(shí)，在鋒面上有明顯的帶狀回波自西北向東南影響貴州，在貴州中南部造成了暴雨到大暴雨天氣，以下對該時(shí)段進(jìn)行數(shù)值模擬實(shí)驗(yàn)。

2.2 模式和實(shí)驗(yàn)設(shè)計(jì)

模式采用華南精細(xì)預(yù)報(bào)模式，該模式是基于GRAPES的高分辨率數(shù)值預(yù)報(bào)模式[17]。模式范圍：96～123.36°E,16～31.36°N，水平分辨率3 km，模式其他參數(shù)設(shè)定同文獻(xiàn)[6]。

本文擬通過設(shè)計(jì)2種實(shí)驗(yàn)方案，對2017年7月9日早晨發(fā)生在貴州中南部的暴雨天氣過程進(jìn)行模擬，分析雷達(dá)資料同化對模式前6 h降水預(yù)報(bào)的影響。設(shè)計(jì)方案1(Exp1)：當(dāng)天12 UTC NCEP資料積分6 h，并將第6 h預(yù)報(bào)產(chǎn)品作為模式初始場；設(shè)計(jì)方案2(Exp2)：Exp1背景場，同化18 UTC雷達(dá)反射率因子后的分析場。

2.3 結(jié)果分析

圖2展示了2017年7月9日02—08時(shí)累計(jì)降水觀測實(shí)況(圖2a)及Exp1(圖2b)和Exp2(圖2c)2組模擬實(shí)驗(yàn)預(yù)測的降水空間分布情況。從圖2a可以看到，此次過程強(qiáng)降水主要集中在貴州中南部，強(qiáng)降水區(qū)域呈東北—西南向帶狀分布，降水量級以中到大雨為主，局地出現(xiàn)暴雨和大暴雨，暴雨主要分布在黔南州中部和安順市南部。對比實(shí)況和控制實(shí)驗(yàn)(Exp1，圖2b)發(fā)現(xiàn)，Exp1成功模擬出了這次強(qiáng)降水過程中東北—西南向的強(qiáng)降水雨帶，但是強(qiáng)降水位置較實(shí)況偏北且面積比實(shí)況更小。例如Exp1暴雨落區(qū)主要位于安順市西北部，而實(shí)況的暴雨面積更大且位置更加偏南。對比控制實(shí)驗(yàn)Exp1和對照實(shí)驗(yàn)(Exp2，圖2c)可以發(fā)現(xiàn)，同化雷達(dá)資料后的實(shí)驗(yàn)Exp2對強(qiáng)降水空間分布做了調(diào)整。可以明顯看出，Exp1實(shí)驗(yàn)在黔南州中部、安順市南部沒有預(yù)測暴雨，存在漏報(bào)現(xiàn)象。Exp2實(shí)驗(yàn)在這些區(qū)域預(yù)測了多個(gè)暴雨點(diǎn)，雖然這些暴雨點(diǎn)面積較實(shí)況偏小，但是較Exp1實(shí)驗(yàn)而言更加接近實(shí)況。

圖2 2017年7月9日02—08時(shí)實(shí)況降水(a) 和實(shí)驗(yàn)?zāi)M6 h降水(b.Exp1;c.Exp2)

為定量描述2組實(shí)驗(yàn)?zāi)M的降水在雨帶位置偏差和降水強(qiáng)度方面的差異，利用2017年7月9日02—08時(shí)的累計(jì)降水實(shí)況和對應(yīng)時(shí)段的預(yù)報(bào)降水，分別計(jì)算了5～50 mm共6個(gè)等級的降水偏差幅度和站數(shù)比。降水實(shí)況選取貴州區(qū)域1562個(gè)質(zhì)控后的雨量觀測站數(shù)據(jù)，預(yù)報(bào)降水為利用線性插值方法將模式輸出的格點(diǎn)降水插值到1562個(gè)觀測站上的數(shù)據(jù)，結(jié)果如圖3所示。

降水偏差幅度用于描述預(yù)報(bào)降水與實(shí)況之間空間位置的偏差程度，計(jì)算公式如下：

(9)

其中，NA為預(yù)報(bào)正確的站(次)數(shù)、NB為空報(bào)站(次)數(shù)、NC為漏報(bào)站(次)數(shù)。NA、NB、NC由表1給出，表中T為降水量級。B為介于0～1之間的數(shù)，數(shù)值越小說明預(yù)測的降水空間分布越接近實(shí)況，預(yù)報(bào)效果越好。

表1 降水檢驗(yàn)評定表

站數(shù)比通過計(jì)算實(shí)況或預(yù)測降水中大于某個(gè)降水量級T的站數(shù)和總降水觀測站數(shù)的比乘以100得到。

圖3a為各降水等級對應(yīng)的偏差幅度，橫坐標(biāo)為降水等級，縱坐標(biāo)為偏差幅度得分。從圖3a中可以看出，未同化雷達(dá)的Exp1實(shí)驗(yàn)對于5 mm和10 mm等級降水預(yù)報(bào)較好，偏差幅度小于0.1。但是當(dāng)降水量級大于25 mm后，偏差幅度快速增大雨帶位置偏離實(shí)況越來越多，在50 mm處,最大約等于0.5。同化雷達(dá)后Exp2實(shí)驗(yàn)在大于25 mm的強(qiáng)降水量級中的偏差幅度得分較Exp1大幅減少，全部評分都低于0.1。雨帶位置得到調(diào)整，相比Exp1更加接近實(shí)況分布。但是，Exp2實(shí)驗(yàn)在較弱的降水量級(5、10 mm)中的偏差幅度得分較Exp1反而升高了，尤其是5 mm對應(yīng)的評分超過0.2，預(yù)報(bào)效果較Exp1差。

圖3b為各降水等級對應(yīng)的站數(shù)比率。從圖中可以看到，Exp1實(shí)驗(yàn)預(yù)測的5 mm量級降水站數(shù)比較實(shí)況偏大。當(dāng)降水量級大于10 mm以后，Exp1降水站數(shù)比低于實(shí)況，說明對于較強(qiáng)的降水量級控制實(shí)驗(yàn)降水強(qiáng)度比實(shí)況偏弱。對比Exp1和Exp2發(fā)現(xiàn)，同化雷達(dá)資料后，所有量級的降水站數(shù)比都增加了。結(jié)合實(shí)況的站數(shù)比分析發(fā)現(xiàn)，當(dāng)降水大于25 mm后，Exp2的站數(shù)比與實(shí)況幾乎一致，比Exp1的預(yù)測效果更好。而對于5 mm和10 mm的降水，Exp2站數(shù)比與實(shí)況的偏差更大，存在過度預(yù)報(bào)。

圖3 2017年7月9日02—08時(shí)分等級降水預(yù)報(bào)相對實(shí)況偏差幅度(a)；各等級降水站數(shù)相對總雨量站數(shù)比率(b)

為考察同化雷達(dá)資料前后模式逐小時(shí)降水預(yù)報(bào)效果差異，計(jì)算了7月9日02—08時(shí)逐小時(shí)降水站數(shù)比、偏差幅度、分等級TS評分和相關(guān)系數(shù)，結(jié)果如圖4所示。

TS評分描述預(yù)報(bào)的命中情況，計(jì)算公式如下：

(10)

式中，NA、NB、NC意義與公式9相同，計(jì)算方法見表1。

相關(guān)系數(shù)反映了預(yù)報(bào)與實(shí)況之間相關(guān)關(guān)系的密切程度，是一個(gè)常用的統(tǒng)計(jì)學(xué)量，限于篇幅，計(jì)算方法此處省略。

圖4a顯示了5mm降水量級逐小時(shí)的站數(shù)比，橫坐標(biāo)為預(yù)報(bào)時(shí)間，縱坐標(biāo)為站數(shù)比。從圖中可以看到，隨著時(shí)間推移，實(shí)際的降水站數(shù)先升高后下降，峰值出現(xiàn)在預(yù)報(bào)的第2 h，降水在前1～3 h較強(qiáng)，其后逐漸減弱。從Exp1實(shí)驗(yàn)來看，5 mm以上的站數(shù)比也呈現(xiàn)先升高后下降的趨勢，峰值出現(xiàn)在第5 h，前3 h Exp1站數(shù)較實(shí)況小，第4 h后站數(shù)高于實(shí)況，6 h后逐漸降低趨近實(shí)況。總體而言，由于初始場中沒有足夠的水汽，導(dǎo)致控制實(shí)驗(yàn)(Exp1)在開始的前3 h降水預(yù)報(bào)偏弱，降水預(yù)報(bào)較實(shí)況存在滯后性，也就是存在spin-up問題。對比Exp2發(fā)現(xiàn)，同化雷達(dá)后站數(shù)比也呈現(xiàn)先上升后下降得趨勢，但是前3 h Exp2比Exp1預(yù)報(bào)了更多的降水，與實(shí)況更接近。而且站數(shù)比峰值出現(xiàn)在第4 h，較Exp1提前了1 h。通過吸收雷達(dá)資料，調(diào)整初始場中的水汽，Exp2縮短了模式spin-up時(shí)間。

相應(yīng)的，從前6 h內(nèi)逐小時(shí)5 mm量級降水預(yù)報(bào)相對實(shí)況的偏差幅度(圖4b)可以看出，同化雷達(dá)后在預(yù)報(bào)前3 h Exp2對5 mm降水量級的預(yù)報(bào)偏差幅度小于Exp1，同樣說明吸收雷達(dá)資料對緩解模式spin-up問題有積極作用，但這種作用主要集中在前3 h。

圖4 7月9日02—08時(shí)逐小時(shí)5 mm量級降水站數(shù)比(a)；逐小時(shí)5 mm量級降水偏差幅度(b)；分等級逐小時(shí)降水預(yù)報(bào)TS評分差(c)；逐小時(shí)預(yù)報(bào)降水與實(shí)況的相關(guān)系數(shù)(d)

3 h后，雷達(dá)資料同化產(chǎn)生了副作用，例如在預(yù)報(bào)的第4～6 h，Exp2比Exp1預(yù)報(bào)了更多的降水(圖4a)，比Exp1偏離實(shí)況更多，圖4b中4～6 h的偏差幅度對比也能印證這一點(diǎn)。結(jié)合圖3b的分析可以看出，偏多的降水主要由10 mm以下的弱降水貢獻(xiàn)，且主要來源于預(yù)報(bào)的4～6 h。同化雷達(dá)能夠彌補(bǔ)模式前6 h強(qiáng)降水預(yù)報(bào)偏弱的不足，但是產(chǎn)生了更多的弱降水，導(dǎo)致模式對10 mm以下的弱降水預(yù)報(bào)較實(shí)況偏差幅度更大(圖3a)。

圖4c為利用實(shí)況和預(yù)報(bào)的降水分別檢驗(yàn)了2組模擬實(shí)驗(yàn)7月9日02—08時(shí)之間逐小時(shí)累計(jì)降水預(yù)報(bào)分等級TS評分，然后對TS評分進(jìn)行相減，用來定量考察雷達(dá)資料同化對模式短臨降水預(yù)報(bào)效果的改進(jìn)，預(yù)報(bào)降水仍然采用線性插值方法插值到1562個(gè)觀測站上與實(shí)況比較。圖中虛線為同化了雷達(dá)資料的對照實(shí)驗(yàn)Exp2分等級降水TS評分減去未同化雷達(dá)資料的控制實(shí)驗(yàn)Exp1對應(yīng)時(shí)段的TS評分，正值表示同化雷達(dá)資料后降水預(yù)報(bào)質(zhì)量得到提升，負(fù)值相反，值越大表示提升或下降越大。

從圖4c中可以看到，同化雷達(dá)資料后模式前6 h逐小時(shí)的降水預(yù)報(bào)在所有降水等級中的評分都有提高。晴雨預(yù)報(bào)質(zhì)量開始時(shí)刻提升最大隨后迅速下降，中雨以上量級降水預(yù)報(bào)質(zhì)量的提升主要集中在4～6 h，呈先上升后下降的趨勢，峰值出現(xiàn)在4～5 h。從TS評分的變化可以看出，雷達(dá)資料的同化明顯改善了模式前6 h的降水預(yù)報(bào)質(zhì)量，改進(jìn)主要由強(qiáng)降水貢獻(xiàn)，且主要集中在第4～6 h。

從逐小時(shí)的相關(guān)系數(shù)(圖4d)來看，吸收雷達(dá)資料后Exp2比Exp1與實(shí)況的相關(guān)性更高，相關(guān)系數(shù)都隨時(shí)間先升高后下降，2組相關(guān)系數(shù)的差值在第3～6 h更大。總體而言，雷達(dá)資料同化改進(jìn)了模式前6 h的降水預(yù)報(bào)質(zhì)量。

3 結(jié)論與討論

本文在雷達(dá)反射率因子質(zhì)控的基礎(chǔ)上，利用Laps模式云分析系統(tǒng)對雷達(dá)資料做了反演，然后利用Nudging方法將雷達(dá)反演的云微物理量引入中尺度模式，通過2017年貴州1次強(qiáng)降水天氣過程模擬實(shí)驗(yàn)，得到如下結(jié)論：

①雷達(dá)資料同化能夠改進(jìn)中尺度模式的降水預(yù)報(bào)，TS評分檢驗(yàn)顯示同化雷達(dá)資料后模式前6h的降水預(yù)報(bào)在所有降水等級中的評分都有提高，同化雷達(dá)使得降水預(yù)報(bào)相關(guān)系數(shù)更高。降水峰值提前1 h，有助于緩解模式spin-up問題。

②模式降水預(yù)報(bào)的改進(jìn)效果主要由強(qiáng)降水貢獻(xiàn)，最大改進(jìn)效果集中在第4～6 h。

③同化雷達(dá)資料后25 mm以上強(qiáng)降水預(yù)報(bào)站數(shù)比更接近實(shí)況，落區(qū)偏差幅度更小，降水落區(qū)和強(qiáng)度向?qū)崨r方向得到調(diào)整。

④ 10 mm以下弱降水在吸收雷達(dá)資料后，站數(shù)比較控制預(yù)報(bào)比實(shí)況增加更多，落區(qū)偏差幅度增大，存在預(yù)報(bào)過量的問題。弱降水預(yù)報(bào)過量主要集中在4～6 h，而前3 h對降水預(yù)報(bào)的改進(jìn)有積極作用。

本文的研究表明，C波段雷達(dá)資料同化，對GRAPES中尺度模式前6 h降水預(yù)報(bào)有改善作用，但是存在弱降水預(yù)報(bào)過量的問題，下一步將深入分析其原因并研究改進(jìn)方法。另外，本次實(shí)驗(yàn)僅僅基于1個(gè)強(qiáng)降水個(gè)例，今后還需要選取多種類型的降水過程做更廣泛的驗(yàn)證。