東亞區域大氣再分析技術研究及資料集建設

尹金方 梁旭東 陳鋒 劉英 何會中 梁釗明 鄒海波 徐建軍 郝世峰 謝衍新

（1 中國氣象科學研究院災害天氣國家重點實驗室，北京 100081；2 浙江省氣象局，杭州 310017；3 江西省氣象災害應急預警中心, 南昌 330046；4 廣東海洋大學海洋與氣象學院，湛江 524088）

0　引言

大氣再分析資料在天氣、氣候研究以及各種應用中已經得到廣泛的應用。針對區域天氣、氣候研究以及能源、環境等應用需求，高時空分辨率的區域再分析得到快速發展。美國NCEP于2005年開始建立北美區域再分析系統（North American Regional Reanalysis，NARR）[1]，ECMWF開發了覆蓋整個歐洲的高分辨率再分析系統（High Resolution Regional Reanalysis for Europe，HRRRE）[2]，美國NCAR等機構共同建立了北極區域的再分析系統（Arctic System Reanalysis，ASR）[3]，美國阿拉斯加州立大學等機構建立了白令海峽大氣再分析系統（Chukchi–Beaufort High-Resolution Atmospheric Reanalysis，CBHAR）[4]，芬蘭和瑞典在ECMWF的組織下完成了波羅的海地區的再分析系統[5]，德國氣象局組織建立了德國及歐洲區域的再分析系統（CORDEX：High-resolution Regional Reanalysis for the European CORDEX Domain）[6]，日本在全球再分析的基礎上建立了東亞區域高分辨率（25 km）再分析系統。

近30年來，中國氣象局積累了豐富的觀測資料，為東亞區域大氣再分析提供了很好的基礎。針對再分析資料的廣泛需求，中國氣象局設立了“氣象資料質量控制多源數據融合與再分析”攻關任務（2015—2020 年），東亞區域再分析是該攻關任務的一個攻關方向。通過攻關任務的實施，將用 6年時間，初步建立我國的東亞區域再分析資料集并建立再分析業務技術體系。

東亞區域再分析的研究任務包括：同化系統優化及觀測資料同化效果研究；適合東亞區域的模式物理過程試驗研究；東亞區域再分析系統集成與再分析數據集的研制；東亞區域再分析數據集檢驗與評估。研究目標是發展有效同化多源觀測資料的東亞區域再分析關鍵技術,建成我國第一代東亞區域大氣再分析系統，制作10年（2008—2018年）的較高分辨率（東亞區區域10～15 km，局地3～4 km）的東亞區域再分析數據產品。

1　東亞區域再分析系統建設

建立集成的東亞區域再分析系統，包括資料預處理、資料同化、數值模式、檢驗與評估四個部分。

1.1　資料收集及預處理

目前可利用的觀測資料包括常規地面和探空、飛機觀測、GPS、雷達、風廓線、衛星導風、野外試驗等觀測資料。區域再分析的特色之一是采用更多的全球再分析中沒有使用的資料。因此，東亞區域再分析中針對探空、雷達、地面觀測、地基GPS/Met、飛機報、風廓線等資料進行進一步的收集，以便得到當前東亞地區最為完善的觀測資料集。以探空資料為例（圖1），黑色圓點表示探空觀測的國際交換站空間分布，紅色圓點表示未參加交換的探空觀測空間分布。紅色圓點這部分觀測資料即為新增部分，在其它再分析資料中是沒有使用到的。此外，區域再分析中探空資料采還包括時間加密觀測，從而一定程度上增加了探空資料的空間分辨率和時間分辨率。需要指出的，雷達觀測資料是全部未參與國際交換。

圖1　探空觀測的空間分布（紅色點為中國未參加國際交換的探站點，填色代表地形）Fig. 1 Spatial distribution of sounding stations (The red dots represent the observational data which are not shared with the Global Communications System (GTS), and the shaded with colors is terrain)

1.2　同化系統

基于Gridpoint Statistical Interpolation（GSI）資料同化系統[7]，開展了GSI同化系統的本地化移植和優化，實現了地面、探空、雷達、風廓線、GPS/MET等多源資料的同化，從而建立了基于GSI的循環同化模塊。通過長時期模擬試驗測試了GSI同化系統的穩定性。針對不同的觀測資料，開展了觀測資料的同化效果分析。例如，同化風廓線資料后，對低層風場改進明顯，從而激發上升運動。

GSI中原始雷達徑向風資料同化是以徑向風作為觀測算子進行同化，缺乏有效的切向風信息，存在一定不足。為了改善GSI同化系統對雷達資料的同化效果，重點改進了雷達徑向風同化算子。GSI中的原始徑向風同化算子為問題

當雷達仰角較小時（小于5°），垂直分量對雷達徑向風影響較小，將徑向風中垂直分量扣除后式（1）變為：

GSI中原始徑向風同化方法是將式（2）的右端作為觀測算子。通過式（2）可以發現，原始徑向風觀測算子僅能引入單一的徑向風增量，通過同化系統后會產生風場兩維增量，即同化系統在吸收徑向風信息后根據背景誤差協方差矩陣調節得到風場的切向分量。也就是說，分析風場在徑向上吸收了觀測資料而體現出觀測場的特征，而切向分量則無法反映觀測場的切向特征。

為了改進雷達徑向風的同化效果，引入了以IVAP反演方程組為基礎的同化算子[8-9]。該方法采用提取單位分析單元內的平均風信息在同化系統背景場和物理條件的約束下，求取式（4）左右兩端極小化得到分析風場。

根據上述同化理論，改進了的GSI雷達徑向風同化算子，并開展了個例模擬試驗分析。針對2013年菲特臺風，選取2013年10月6日06—12時刻雷達徑向風資料進行。采用原始方法（RW）和新方法（IVAP）分別同化雷達資料后可以看到，同化雷達徑向風在一定程度上增強了近臺風中心的風場結構，尤其是在臺風第一、四象限的風速增加較為明顯。從圖2中可以看出，改進算子試驗模擬出的臺風風場增量更為顯著，尤其是在臺風第四象限模擬出了約10～15 m/s的西南風增量，使整個風場增量場閉合形成了較為完整的逆時針渦旋結構，也增強了整個臺風的結構和強度。這主要得益于IVAP方法將部分切向風信息的引入，增強了對整個風場的調整程度，得到了更為準確的風場。

圖2　同化后3 km高度層風場增量和海平面氣壓：（a）原方法和（b）改進方法Fig. 2 Horizontal wind increments at 3 km level above ground after radar data assimilation with (a) the original method and (b) the improved method. The shaded in colors is wind speed and the contours are sea level pressure

圖3 給出了三組試驗對臺風未來12 h的路徑和強度預報。由圖可見，得益于雷達徑向風同化對臺風初始結構和風場特征的改進，RW試驗和IVAP試驗預報的臺風路徑均比對照（CTL）試驗有明顯改進，三組試驗的平均路徑誤差分別為77.2、61.3和44.7 km。RW試驗在1～5 h內路徑誤差波動明顯，而后均優于CTL試驗。IVAP試驗得益于同化對1～5 km有雷達資料區域的風場的改進，其預報的前8 h一直維持在40 km范圍內，而后逐漸增加到80 km，比RW試驗有明顯優勢。從強度模擬上看，RW試驗和IVAP試驗模擬的中心氣壓強度誤差均小于CTL試驗，雖然其強度數值上離觀測還有較大差距，但IVAP試驗給出了最接近的結果。從近中心最大風力上來看，CTL試驗在登陸前模擬的風場強度明顯偏弱，RW試驗減小了模擬偏差，而IVAP試驗模擬出與實況相當的風速。但是對于臺風登陸后IVAP模擬的風場卻明顯偏強。整體而言，對臺風12 h的路徑和強度預報表明，雷達徑向風同化通過對臺風初始結構和風場的改進，使預報的臺風路徑誤差比不同化時有明顯減小，而改進同化算子后，預報精度有進一步的提高。

圖3　臺風路徑和強度預報對比：（a）三種預報路徑與觀測路徑；（b）預報中心最低海平面氣壓誤差；（c）預報最大風速。其中，OBS為觀測，CTL為不同化雷達資料的比較試驗，RW為GSI原方法同化雷達資料，IVAP為基于IVAP方法的改進同化算子同化試驗Fig. 3 Comparisons of predicted (a) tracks, (b) MSLP, and(c) MWS of Typhoon Fitow to observations with no radar data assimilation (CTL), radar data assimilation with the original method (RW) and the improved method (IVAP)

1.3　數值模式系統

東亞區域大氣再分析系統采用Weather Research and Forecasting Model（WRF-ARWv3.8.1）中尺度模式[10]。在模式配置過程中，綜合考慮了東亞區域的天氣和氣候特征，確定了大氣再分析系統的流程和模式參數配置。模式區域的設置主要考慮以下五個方面：1）模式區域空間范圍，模式空間區域需包括全中國的范圍，尤其是南?！熬哦尉€”范圍（圖4）；2）主要天氣系統，利用近10年的ERA-Interim再分析數據分析了高中低3個主要層次的天氣形勢[11]。850 hPa考慮了索馬里急流到中南半島的西南季風水汽輸送帶、太平洋近赤道東北信風水汽輸送高值區的影響；500 hPa主要捕捉東北亞大槽、北歐高壓脊和烏拉爾山高壓脊的位置演變的影響（圖5）；200 hPa層次包括中緯度高空急流區的主體位置，側重西邊界效應；3）模式邊界地形，模式邊界應處在地形變化緩慢的區域，同時避免在海陸交界的地區；4）地圖投影及投影因子，由于區域范圍較大，在設置模式中心點時，應控制地圖投影因子在1.0左右；5）模式區域地表特征，下墊面屬性對模式的影響較明顯，范圍的設置需同時兼顧地表屬性。

圖4　模式區域設置（填色表示地形高度）Fig. 4 Spatial coverage of the model domains (shade represents terrain)

根據本攻關任務的需求，結合東亞區域的地理特征，模式分辨率設置為12 km，垂直層次為74層，模式頂高10 hPa。為了使模式能夠更好地分辨復雜地形，在模式低層進行層次加密，即模式的厚度層從低層到高層，厚度逐漸增加。基于對東亞地區天氣系統的模擬研究的調研結果，開展了不同物理過程組合的系列敏感性試驗。根據試驗結果，云微物理參數化方案選取Thompson方案[12]，邊界層參數化方案采用YSU方案[13]，積云對流參數化方案采用新Kain-Fritsch方案[14]，陸面參數化方案為Noah-MP方案[15]，長短波輻射參數化方案采用rrtmg方案[16]。

圖5　東亞區域500 hPa層主要天氣系統Fig. 5 Main synoptic systems at 500 hPa level over East Asia

東亞區域再分析系統設計中采用了循環同化，為了確定循環同化的時間間隔，采用地表氣壓隨的時間變化來確定模式起轉（spin-up）時間。圖6顯示的是模式區域平均地表氣壓隨時間的變化。從圖中可以看出，模式積分300 min后，模式地表氣壓傾向變化趨于穩定。因此，本系統中spin-up時間設為6 h。

東亞區域大氣再分析系統整體框架如圖7所示，系統用hybrid-3Dvar同化方法。系統采用ERA-Interim再分析資料作為背景場，每天18 UTC時冷啟動一次，spin-up時間為6 h。隨后模式每3 h一次循環，分別在同化時刻生成再分析數據，并輸出每小時一次預報場。對于模式的集合成員的產生采用兩種方式，其中第一組10個成員疊加隨機擾動，第二組10個成員采用不同的物理參數化方案，第三組10個成員采用第二組的參數化方案并疊加隨機擾動。

1.4　初步試驗評估

圖6　模式區域平均地表氣壓傾向隨時間的變化Fig. 6 Evolution of the domain-averaged surface pressure tendency

圖7　東亞區域再分析系統流程Fig. 7 Flowchart of the reanalysis system

為了測試本再分析系統的性能，首先開展了為期一個月（2014年7月）的控制試驗（不同化任何資料）。利用模式區域內的常規站點觀測資料對模式結果進行了檢驗。從高空要素（表1）和地面要素（表2）評估結果來看，控制試驗所得的高空要素的均方根誤差均小于原有ERA-Interim，地面要素的均方根誤差略大于ERA-Interim資料。進一步分析地面要素場發現，地面要素場能夠反映出時間、空間變化的中小尺度特征。此外，對1，4和10月做了同樣的試驗和評估，結果一致。整體而言，本系統能夠保留原有ERA-Interim大尺度信息的同時，又能夠反映出局地的細微特征。因此，可將本再分析系統用于今后再分析數據的研制。

表1　降尺度試驗高空要素檢驗結果Table 1 Vertical levels verification of the downscaling experiments

表2　降尺度試驗地面要素檢驗結果Table 2 Surface verification of the downscaling experiments

2　結論及展望

本文介紹了中國氣象局“氣象資料質量控制多源數據融合與再分析”攻關任務的第五攻關方向——東亞區域大氣再分析項目取得的進展。圍繞著東亞區域大氣再分析需求，收集整理各類觀測資料，基于WRF模式及GSI同化系統建立了東亞區域大氣再分析系統。該系統由資料預處理、資料同化、數值模式和檢驗與評估四部分組成。模式設置綜合考慮了東亞區域的地理地貌特點、天氣氣候特征等因素。改進了GSI同化系統對雷達資料徑向風的同化算子，使得同化徑向風能夠同時引入更加合理的風場信息。基于已搭建的東亞區域大氣再分析系統，開展了個例模擬和批量降尺度試驗。個例試驗結果表明，該系統能夠較好的再現典型天氣過程特征。降尺度試驗結果檢驗顯示，高空要素的均方根誤差均小于原有ERA-Interim，地面要素的均方根誤差略大于ERA-Interim資料。整體而言，該系統初步具有在全球再分析的基礎上提高區域再分析資料性能的能力，可將本系統用于今后再分析數據的研制。今后將針對常規觀測、雷達、地基GPS、飛機報等資料的同化及進一步優化完善，在此基礎上構建東亞區域大氣再分析數據集。

[1]Mesinger F, Dimego G, Kalnay E, et al. North American Regional Reanalysis. Bull Amer Meteor Soc, 2006, 3(3): 343-360.

[2]Dahlgren P, Landelius T, K?llberg P et al. A high-resolution regional reanalysis for Europe. Part 1: Three-dimensional reanalysis with the regional HIgh-Resolution Limited-Area Model (HIRLAM). Q J R Meteorol Soc, 2016, 142: 2119–2131.

[3]Bromwich D H, Wilson A B, Bai L, et al. A comparison of the regional arctic system reanalysis and the global ERA-Interim reanalysis for the Arctic. Q J R Meteorol Soc, 2016, 142, 644-658.

[4]Krieger J R, Zhang J, Liu F, et al. Regional reanalysis over the Beaufort and Chukchi Seas. 2012, AGU Fall Meeting.

[5]Fortelius C, Andr? U, Forsblom M. The BALTEX regional reanalysis project. Boreal Environment Research, 2002, 7: 193–201.

[6]Bollmeyer C, Keller J D, Ohlwein C, et al. 2015. Towards a highresolution regional reanalysis for the European cordex domain. Q J R Meteorol Soc, 2015, 141: 1–15.

[7]Shao H, Derber J, Huang X Y, et al. Bridging research to operations transitions: Status and plans of community GSI. Bull Amer Meteor Soc, 2016, 97: 1427-1440.

[8]Liang X D. An integrating velocity–azimuth process single-doppler radar wind retrieval method. J Atmos Oceanic Technol, 2007, 24: 658–665.

[9]Chen F, Liang X D, Ma H. Application of IVAP-based observation operator in radar radial velocity assimilation: The case of typhoon Fitow. Mon Wea Rev, 2017, 145: 4187-4203.

[10]Skamarock W C, Klemp J B, Dudhia J, et al. A description of the advanced research WRF version 3. NCAR Tech. Note NCAR/TN-475+STR, 2008.

[11]Dee D P, Uppala S M, Simmons A J, et al. The ERA-Interim reanalysis: Con figuration and performance of the data assimilation system. Q J R Meteorol Soc, 2011, 137(656): 553-597.

[12]Thompson G, Field P R, Rasmussen R M, et al. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part II: Implementation of a new snow parameterization.Mon Wea Re., 2008, 136(12): 5095-5115.

[13]Hong S-Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes. Mon Weather Rev,2006, 134(9): 2318-2341.

[14]Kain J S. The kain-fritsch convective parameterization: An update.J Appl Meteorol, 2004, 43(1): 170-181.

[15]Niu G-Y, Yang Z-L, Mitchell K E, et al. The community Noah land surface model with multiparameterization options (Noah-MP)I: Model description and evaluation with local-scale measurements.J Geophys Res: Atmos, 2011, 116(D12): D12109.

[16]Mlawer E J, Taubman S J, Brown P D, et al. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave. J Geophys Res: Atmos, 1997, 102(D14):16663-16682.