DMSP—F16 SSMIS衛星資料同化及對臺風“蘇迪羅”預報的影響

周鑫+劉健文+黃江平

【摘 要】美國國防氣象衛星計劃已成功實施多年，并取得良好的應用效果，其中以DMSP-F16最具代表性，本文利用GSI同化系統對該衛星上搭載的SSMIS傳感器資料進行同化，對影響我國的一次臺風“蘇迪羅”進行模擬預報，結果表明同化SSMIS 1～5及12～18通道數據能夠明顯改善“蘇迪羅”的路徑模擬效果。

【關鍵詞】SSMIS；衛星資料同化；臺風

0 引言

2003年，集成了微波成像儀和微波探測儀的SSMIS（Special Sensor Microwave Imager Sounder）探測儀搭載在DMSP-F16衛星上發射升空，現已成功運行多年，SSMIS資料使用效果良好，在軍事氣象保障、天氣預報、強對流監測和洪澇災害監測、水文應用方面發揮了巨大作用。美國和日本等學者對該傳感器資料進行了深入研究，發現同化SSMIS衛星資料能夠改善天氣預報效果。該系列衛星不僅已經更新多次，而且在美國未來的衛星計劃中，同時擁有微波成像和微波探測兩類通道的微波探測器將繼續發展，因為通道細化后能采集到更加豐富的微波遙感信息，帶來更加廣闊的應用前景[1]。我國在微波成像儀方面起步較晚，對該類資料的同化技術和國外還有一定差距，想要快速發展我國的微波成像儀，應當借鑒國外的成功經驗，例如同時同化探測和成像微波資料對數值預報水平是否起到提高作用，如果能且效果明顯將對我國微波成像儀未來發展提供一定參考價值。本文探討了GSI中對SSMIS衛星輻射資料質量控制的方法與過程，首先根據權重函數對本文用到的通道進行選擇，然后在此基礎上針對SSMIS資料特點進行數據稀疏化、云檢測和質量控制，并采用循環同化對GSI中SSMIS資料的偏差訂正系數進行更新，利用新的偏差訂正系數同化SSMIS資料后對臺風“蘇迪羅”進行模擬檢驗同化效果。

1 資料和方法

SSMIS探測器共有24個通道，其中1～7及22～24類似于AMSU-A，8～11類似于AMSU-B，12～18類似于SSM/I。根據大氣輻射傳輸理論，衛星探測時所接收的特定波長的輻射能量會受到大氣層溫濕度的影響，通常可以通過對大氣柱的溫度與濕度加權平均來表示，即通過一個權重函數來描述不同高度上大氣溫濕度對輻射強度的貢獻。圖1給出SSMIS各通道接收的不同通道輻射能量的權重函數變化曲線。通道權重函數峰值區的高度可以反應該通道所能“看”到的高度，衛星觀測信息的主要貢獻來源于權重函數較大的高度[2]。由于WRF模式層頂為10hPa，對應海拔高度約為31km，因此本文選取的通道為1～5及12～18。試驗中使用NCEP網站提供的2015年8月2日06時至5日06時的FNL再分析資料作為初始場和邊界條件，水平分辨率為0.25°×0.25°，衛星數據采用的是美國國防衛星DMSP-F16 的SSMIS的BUFR格式亮溫數據，以上資料均為每日4個時次：00時、06時、12時、18時（世界時），每個衛星時次數據包含前后3h的衛星觀測信息。同化過程中SSMIS的稀疏化分辨率為120km，臺風路徑為日本氣象廳提供的最佳路徑集。WRF模式中心為（10°N，140°E），水平分辨率30km，格點202×202，垂直分層41層，模式層頂高10hPa，時間積分步長為180 s。物理過程采用Kain-Fristsch積云方案，WSM6微物理方案，YSU邊界層方案，RRTM長波輻射方案，Dudhia短波輻射方案，輻射傳輸模式采用CRTM2.1.3版本。

2 臺風個例介紹

臺風蘇迪羅是2015年第13號臺風，于7月30日20時在西北太平洋洋面上生成，強度逐漸加強，8月2日進入快速強化期，凌晨5點鐘加強為強熱帶風暴，17時加強為臺風，8月3日5時加強為強臺風，17時加強為超強臺風級，之后達到其巔峰強度17級以上，最低氣壓達到910hPa，最大風速超過65m/s，追平了2015年1504號臺風“美莎克”的最大強度，成為繼2013年超強臺風“海燕”以后西北太平洋最強臺風；隨后以西偏北方向向臺灣移動，平均時速20～25km/h，5日夜晚減弱為強臺風。7日20時再次加強為超強臺風級，創造第二次峰值，最低氣壓930hPa，8日2時再次減弱為強臺風級，并于4時以中心附近最大風力15級在臺灣省花蓮市登陸，同日晚22時以中心附近最大風力13級（38m/s）在福建省莆田市登陸，成為2015年首個兩次登陸中國的臺風。進入內陸后逐漸減弱，9日3時進入江西省，當晚23時減弱為熱帶氣壓，10日上午進入安徽省，17時減弱為低壓環流，停止編號。蘇迪羅在臺灣省登陸帶來的暴雨和狂風造成大范圍電力供應中斷，以及至少8人死亡、420人受傷；中國東部地區則因百年一遇的降雨導致洪水和山體滑坡，有至少26人喪生，直接經濟損失數百億元，也是繼2008年臺風“鳳凰”之后，深入內陸影響范圍最廣的臺風。世界氣象組織臺風委員會已于今年對其除名。

3 數據處理

3.1 數據稀疏化

原始的SSMIS亮溫資料分布如圖2，可以看到空間分辨率很高，實際應用中，為減少計算工作量，一般不考慮觀測資料之間的相關性。由于SSMIS輻射資料分辨率最低為13.2km×15.5km，高于本文設定的WRF模式分辨率（30km），同時衛星掃描觀測點之間間距較小，使得觀測資料之間又存在一定的相關性，因此，為了減小相鄰觀測像元之間的誤差相關，在實際同化過程中需要對數據進行稀疏化處理。本研究中對SSMIS的稀疏化設為120km。圖2顯示了 SSMIS的原始輻射資料覆蓋和稀疏化后的分布，原始資料共有544296個，稀疏化后個數為92932個，從圖中可以發現經過稀疏化后的觀測點明顯離散了很多，降低了觀測資料之間的相關性。

3.2 云檢測

大氣的微波發射，遇到可與微波波長相當的云中水/冰粒子時，會受到以散射為主的削弱，從而使得到達衛星的輻射含有云中水/冰粒子的散射信息。因此為了避免云污染，云檢測技術是必須的。

在GSI中，當云中液態水含量大于臨界值時，剔除該掃描點所有觀測資料，各通道臨界值見表1。對于SSMIS成像通道的云檢測方案還另外采用了探測通道的數據，當第2通道的觀測場與背景場的亮溫差值大于1.5k時，剔除1、2及12至16通道的數據。對通道1～5與12～18進行云檢測前后進入GSI同化系統各通道的數量對比如圖3，可以看到經過云檢測之后，除了通道3和4，其余通道進入同化系統的資料數量都有所減少，說明確實有一部分受云污染的數據已被剔除掉，具體而言，通道5和12云檢測效果最為明顯，分別剔除了757和282個數據，13、14、15、17和18通道也有一定的受污染的數據被剔除，而通道1、2和16的云檢測效果不夠明顯，只剔除掉了很少的數據。

3.3 質量控制

質量控制是觀測資料進入同化系統分析之前需要進行的關鍵步驟，其目的就是剔除質量達不到同化要求的觀測資料，保證同化計算過程的快速收斂和分析結果的質量。Derber和Wu指出單個觀測數據點如存在較大的誤差，會導致分析和后期預報的結果質量出現顯著的下降[3]。為此，對于衛星觀測資料的同化，人們最初發展了一些較為簡單的質量控制方案比如，針對于不同的衛星觀測儀器，利用各種經驗性參數去修正觀測亮溫數據等。在GSI同化系統中，對衛星觀測資料的質量控制主要包括以下步驟：

1）地型檢驗，剔除下墊面為陸地、海冰、雪地以及混合型的觀測數據；

2）極值檢驗，剔除亮溫小于70K或大于320K的數據；

3）閾值檢驗，剔除亮溫標準差大于6K的數據，剔除觀測亮溫減去模擬亮溫大于3.5K的數據。

結果表明，質量控制前進入同化系統的資料數量約為17000個，經過質量控制后只有約3900個，因此該質量控制方案能夠剔除大量不合格的數據。

3.4 偏差訂正

衛星探測資料中存在著一定的系統偏差，這些誤差經常與數值模式的短期預報的大氣溫度場的典型誤差相當，因此在利用變分方法同化衛星觀測資料之前必須要進行相應的偏差訂正。目前NCEP對于衛星輻射率亮溫資料的偏差訂正可分為兩類：一類是由于衛星自身所帶來的掃描偏差訂正，另一類是由于大氣透射率本身的變化帶來的氣團偏差訂正[4]。在GSI中，SSMIS資料的掃描偏差訂正系數和氣團偏差訂正系數并沒有給出，但是每次同化后會生成新的訂正系數，新的訂正系數可以用于下次同化，多次同化后會得到較為可靠的訂正系數。因此設計了獲取試驗區域SSMIS資料偏差訂正系數的方案，即通過對2015年7月31日06時至8月1日18時，每隔12小時為一個時次進行循環同化，每個時次同化10次，共計40次同化得到的訂正系數作為8月2日06時的訂正系數。

圖4為偏差訂正前后通道17的觀測亮溫與模擬亮溫的差值情況，可以看到未進行偏差訂正前，O-B（觀測場減背景場）最大值為1.40，最小值為-4.90，平均值為-2.54；經過偏差訂正后，觀測亮溫與模擬亮溫的插值更加平均，最大為2.00，最小為-2.23，平均值為0.09。圖5可以更加直觀地看出偏差訂正后模擬亮溫與觀測亮溫更為接近。限于篇幅，圖6只展示了通道2和17偏差訂正前后O-B偏差分布情況，其他通道結果類似，從圖中可以看出，經過偏差訂正后，O-B更加趨于正態分布，即更加合理，這說明同化多次循環同化得到的偏差訂正系數是可靠的。

4 模擬結果

對臺風“蘇迪羅”路徑模擬結果如圖7，其中BEST為臺風觀測路徑，CTR為為控制試驗（簡稱EXP1）模擬路徑，即不同化任何數據，SSMIS為同化SSMIS試驗（簡稱EXP2）模擬路徑。可以看出，兩組試驗模擬的臺風路徑與實際臺風移動方向基本一致，但存在不同程度的偏離，都表現為在0～36小時內偏差快速增大，36～72小時偏差增速減緩甚至偏差變小。表2是每個時次與實際路徑的具體的偏差值及全程平均值。綜合圖7、和表2可以看出，0～12h，兩組試驗路徑比較接近，偏差較小，12h之后，不同試驗的區別逐漸體現出來，EXP1與觀測路徑偏差較大，臺風移動路徑相對于EXP2明顯偏南，最大偏差為207.9km，平均偏差為155.7km，這是因為該組試驗沒有同化任何資料，初始場偏差較大，導致模擬不準確。EXP2模擬效果較好，雖然移動速度較觀測略慢一些，但臺風移動路徑更加接近實際，0～12h偏差很小，12～36h偏差逐漸增大，36～72h又有所減小，EXP2最大偏差為107.7km，平均偏差為73.5km。

5 結論

本文利用GSI同化系統對SSMIS資料進行同化并對臺風“蘇迪羅”進行模擬，結果表明：（1）采用云檢測和質量控制方案能夠有效剔除錯誤數據；（2）利用循環同化得到了符合亞太地區的SSMIS偏差訂正系數；（3）相比于控制試驗，加入SSMIS資料后，臺風路徑模擬明顯得到改善，縮小了與實際觀測的誤差。綜上所述，美國國防氣象衛星數據對于我國的天氣數值模擬也有一定的作用，后續應進行更多試驗的模擬，更加深入的研究和探索其集成像通道和探測通道的特點，這對我國的氣象衛星的發展具有一定的借鑒意義。

【參考文獻】

[1]楊軍，許建民，董超華，盧乃錳.氣象衛星及其應用[M].氣象出版社，2012.

[2]劉延安.高光譜紅外輻射資料在區域模式中的直接同化及應用研究[D].華東師范大學，2015.

[3]Derber J C.，W-S Wu. The use of TOVS cloud-cleared radiances in the NCEP SSI analysis system[J]. Mon. Wea. Rev.， 1998， 126： 2287-2299.

[4]周昊.GSI三維變分同化技術在降水預報中的應用[D].南京信息工程大學， 2012.

[責任編輯：楊玉潔]