FY-4A衛星云導風觀測誤差優化及同化效果影響研究

陳耀登 沈潔 范水勇 王程

摘要 為了推進FY-4A衛星資料在數值模式中的實際應用，本研究選擇云導風產品作為研究對象，首先統計了FY-4A高層水汽通道和紅外通道云導風的觀測誤差，進一步基于WRFDA（Weather Research and Forecasting model Data Assimilation system）系統，利用默認觀測誤差和新觀測誤差進行了為期一個月的循環同化及預報試驗，并分析了試驗期間的臺風預報效果。結果表明：相較于默認觀測誤差，FY-4A云導風產品的新觀測誤差垂直結構特征更加明顯;采用本研究統計的FY-4A云導風觀測誤差，能夠在默認觀測誤差的基礎上改善風場的分析和預報效果;試驗期間的兩個臺風個例分析表明，新觀測誤差也能夠減小臺風路徑的預報誤差。

關鍵詞資料同化;FY-4A;云導風;觀測誤差

大氣運動矢量（Atmospheric Motion Vector，AMV），又稱云導風或云跡風，是通過在連續的衛星圖像中追蹤水汽梯度或者小的積云團等目標物的運動軌跡反演得到的風矢量信息，用來表征相應匹配高度上的風（Velden et al.，1997;許健民和張其松，2006）。云導風產品的信息主要集中在中高對流層，諸多研究表明云導風產品的同化對提高數值天氣預報準確性有著重要的作用（周兵等，2002;黃彥彬等，2003;Wang et al.，2004;曹文博和沈桐立，2007;馮文等，2008;Berger et al.，2011;Wu et al.，2014）。

同化系統中的觀測誤差與背景誤差共同決定著觀測資料和背景場信息的相對重要性，從而影響到分析場的質量（陶士偉等，2008;陳浩等，2017）。云導風產品在不同時刻對應的格點和觀測數都不固定，一般通過在垂直方向進行分層統計，進而得到誤差的垂直廓線（Cordoba et al.，2017）。河惠卿等（2009）以400 hPa和700 hPa為界在垂直方向分為低、中、高三層，分別統計了FY-2C（Feng Yun-2C）和MTSAT（Multi-functional Transport SATellites）的云導風產品在這三層上的風速和風向誤差，但是由于垂直分層較為粗糙，其統計結果無法很好體現誤差的垂直特征。而莊照榮和薛紀善（2004）參考了模式分層情況，統計了日本靜止氣象衛星GMS-5（Geostationary Meteorological Satellite-5）的云導風產品觀測誤差，其統計表明：該云導風產品的誤差隨高度增加，并且水汽通道的風速誤差小于紅外通道的誤差;同時該研究也證明了，針對不同資料進行誤差統計可以獲得更加合理的分析和預報結果。另外，Otsuka et al.（2018）統計了Himawari-8 衛星快速更新的云導風產品（Rapid Scan Atmospheric Motion Vector，RS-AMV）相對于JMA（Japan Meteorological Agency）的模式背景場的誤差特征，最終的結果也證實了不同通道之間的數據特征存在明顯的差別。因此，云導風產品需要針對不同通道分別進行分層統計，以獲得具有垂直特征的不同通道觀測誤差。

靜止衛星可以針對同一區域進行全天候、不間斷的高頻次觀測，與其他觀測資料相比，靜止衛星的云導風產品具有覆蓋范圍更廣、時空分辨率更高的特點，能夠有效彌補海洋和高原等常規觀測稀疏地區的信息不足（薛諶彬等，2013;任素玲等，2014;萬曉敏等，2018）。2016年發射的FY-4A試驗衛星搭載的多通道掃描成像輻射計（Advanced Geosynchronous Radiation Imager，AGRI），與之前FY-2系列靜止氣象衛星搭載的成像儀相比，增加了2個可見光通道和7個紅外通道，大大提高了探測的時空分辨率，全圓盤掃描耗時也縮短到了15 min，同時可以實現對中國區域的5 min成像（陸風等，2017;張志清等，2017）。

為進一步推進FY-4A資料在模式中的實際應用，分析FY-4A星云導風觀測誤差的優化對資料同化和對數值預報的具體影響，本文在統計分析FY-4A星不同通道云導風產品的觀測誤差的基礎上，開展了一系列同化和預報試驗研究。

1 FY-4A云導風觀測及觀測誤差統計

1.1 FY-4A云導風產品介紹

AGRI有14個通道，可以反演出三種通道的云導風產品，本文研究其中的高層水汽通道云導風產品（WV）和紅外通道云導風產品（IR），產品資料的空間分辨率為64 km。圖1a和1b分別為2017年8月21日12時（世界時，下同）的高層水汽通道和紅外通道云導風產品的水平分布情況，數據覆蓋了星下點為（104.7°E，0°）的圓盤區域。可以看出，FY-4A星的云導風資料能夠補充常規探測稀疏地區，尤其是在洋面上的觀測信息，同時兩個通道的產品數據的水平分布相差較為明顯。

為了進一步分析兩個通道云導風產品的數據量分布差異，利用2017年8月1—31日的數據，統計了FY-4A高層水汽通道以及紅外通道云導風產品總數據量的垂直分布（圖1c）?？梢钥闯觯焊邔铀ǖ赖脑茖эL基本分布在600 hPa以上的高度層，并主要集中在400～200 hPa，這是因為水汽通道位于吸收波段，水汽分布高度以下的輻射信息在傳輸時會被吸收，儀器只能探測到水汽吸收地表輻射后向外發射的輻射（Velden et al.，1997）;而紅外通道由于位于大氣窗區，可以接收到云和地表向外發射的長波輻射，因而紅外通道的導風在低層也有數據分布（Yang et al.，2014）。

1.2 觀測誤差統計算法

觀測誤差的統計一般選用探空或者模式格點場作為參考場，當目標觀測與參考場不相關且假設參考場近似于真實大氣值時，可以將目標觀測相對于參考場的均方根誤差作為實際資料的觀測誤差值（Benjamin et al.，1999;莊照榮和薛紀善，2004;Gao et al.，2012）。由于探空觀測的水平分布密度小于云導風產品，所以本研究分別選用1°×1°的FNL全球分析資料和0.75°×0.75°的ERA-interim資料作為參考場。借鑒Desroziers et al.（2005）和Cordoba et al.（2017）有關觀測誤差的統計方法，綜合考慮目標觀測相對于模式背景場、同化觀測后的分析場的偏差情況，利用通過WRFDA同化系統質量控制的云導風資料統計FY-4A云導風產品的觀測誤差。

參考WRFDA的默認觀測誤差文件中的分層標準，將模式層每隔50 hPa分為n層，記每一高度層上的觀測總數為mj（j=1，2，…，n）假設誤差統計在每一高度層上是均勻的，則第j（j=1，2，…，n）層資料對應的觀測誤差記為：

Rnew（j）=1mj∑i=mji=1（y-H（xa））（y-H（xb））12，j=1，2，…，n。

其中：y、xa、xb分別表示云導風產品、同化觀測后的分析場和參考背景場;H為觀測算子。

1.3 FY-4A云導風觀測誤差垂直分布

基于FNL和ERA-interim兩種參考場統計了高層水汽通道和紅外通道云導風產品的觀測誤差（圖2），統計時間段為2017年8月1—31日?？梢钥闯?，使用ERA-interim和FNL兩種參考場得到的觀測誤差具有類似的垂直結構特征，且誤差值相差不大。與WRFDA系統默認700 hPa以上一致的觀測誤差（4.5 m·s-1）相比，FY-4A高層水汽通道的觀測誤差（圖2a）存在明顯的垂直結構特征，其在700～200 hPa范圍內誤差值隨著高度減小，且在600 hPa以上小于WRFDA默認數值。FY-4A紅外通道的觀測誤差（圖2b）在800 hPa以下較小，而700 hPa以上的觀測誤差明顯增大，這與WRFDA系統默認的云導風觀測誤差特征類似，但在700 hPa以上誤差大于WRFDA的默認觀測誤差數值（4.5 m·s-1）。

2 連續循環同化及預報試驗設置

鑒于以FNL和ERA-interim為參考場得到的FY-4A云導風觀測誤差垂直結構特征相似且數值相近，本研究選用以ERA-interim為參考場統計得到的FY-4A云導風觀測誤差進行為期一個月（2017年8月1—31日）的循環同化及預報試驗。

研究采用3.8.1版本的WRF（Weather Research and Forecasting Model）模式及WRFDA （Weather Research and Forecasting model Data Assimilation system）同化系統，區域設置三層嵌套，分辨率分別為27 km、9 km和3 km（圖3），垂直分為41層，模式頂氣壓為50 hPa。研究采用三維變分的同化方法，利用D01區域一個月的12 h預報和24 h預報結果的偏差樣本計算得到背景誤差協方差。微物理過程采用WDM6方案，輻射過程選擇RRTMG長波和短波輻射方案，近地層方案為Monin-Obukhov，邊界層方案為YSU，另外還采用了Noah陸面過程方案和Kain-Fritsch積云參數化方案。試驗的初始條件和邊界條件都來自NCAR/NCEP的1°×1°的FNL資料，同化的觀測資料包括GTS （Global Telecommunications System） 觀測數據集中的地面站觀測（SYNOP）、自動站航空觀測（METAR）、船舶觀測（SHIP）、浮標觀測（BUOY）、探空觀測（SOUND）、飛機報觀測（AIREP）以及FY-4A兩個通道的云導風產品（圖3）。

研究根據同化試驗使用的云導風產品以及觀測誤差設計了四組對比試驗（表1），分別是使用WRFDA默認觀測誤差同化高層水汽通道云導風的試驗（DEF-WV），使用WRFDA默認觀測誤差同化紅外通道云導風的試驗（DEF-IR），使用新觀測誤差同化高層水汽通道云導風的試驗（NEW-WV），以及使用新觀測誤差同化紅外通道云導風的試驗（NEW-IR）。試驗期間，每天的18時設置冷啟動，不同化觀測，直接向后預報6 h，然后第二天的00時、06時、12時和18時都將前一個時刻的6 h預報場作為當前時刻的背景場，加入觀測同化并向后預報24 h（臺風期間則是向后預報48 h）。

3 連續循環同化及預報試驗結果分析

3.1 常規要素客觀檢驗

為了比較默認觀測誤差和新觀測誤差對試驗影響的差異，將試驗的分析場和24 h預報場分別與ERA-interim資料進行了對比驗證。圖4為同化試驗的分析場相對于ERA-interim資料的均方根誤差（Root Mean Square Error，RMSE）垂直廓線。從圖中可以看出：使用新觀測誤差同化云導風，其改進主要體現在對風場上;對于高層水汽通道，風場的分析改進主要體現在400 hPa以上高度，并在300～200 hPa的改進效果最為明顯，這與圖1統計得到的水汽通道的云導風主要分布在中高層的特征是相對應的;而由于紅外通道云導風產品在垂直方向上分布相對較為均勻，其改進效果在不同高度都有所體現。圖5為24 h預報場相對于ERA-interim資料的RMSE垂直廓線。可以看出，新觀測誤差依舊可以改善風場的預報結果，紅外通道改善的高度范圍依舊比高層水汽通道的大。另外，24 h預報場的RMSE相比分析場的RMSE都出現了一定幅度的增長，不同方案之間的RMSE更趨近。

研究還將各組試驗結果與探空觀測進行了對比，得到的結果和上述類似：新觀測誤差對試驗的改進效果主要體現在風場，紅外通道改善的高度范圍依舊比高層水汽通道的大。

3.2 對臺風預報的影響

在試驗的一個月期間，D01區域出現了兩次比較完整的臺風過程（圖6），為了進一步分析使用不同觀測誤差對試驗同化及預報產生的影響差異，本節對臺風預報結果進行分析。兩次臺風過程，一個是2017年8月20日06時在臺灣省偏南方向760 km的洋面上生成，23日04時50分前后發展成強臺風級并在廣東珠海南部沿海登陸的臺風“Hato”（張濤等，2019）;另一個臺風系統“Pakhar”于2017年8月24日06時生成，并在27日01時在廣東臺山東南部的沿海登陸。

3.2.1 臺風路徑及強度預報誤差

圖7、圖8分別統計了臺風期間的八次路徑預報及強度預報的平均誤差隨預報時長的變化，統計使用的預報結果來自8月21日12時—22日06時期間的4次預報，和24日12時—25日06時期間的4次預報。

從路徑預報的平均誤差（圖7）來看，高層水汽通道的新觀測誤差Rwv能夠有效減小預報18 h后的平均路徑預報誤差，紅外通道的新觀測誤差Rir能夠減小前10 h以及預報24 h后的平均路徑預報誤差。

對于臺風的強度預報（圖8），高層水汽通道的新觀測誤差Rwv能夠略微減小18 h預報后的最大風速（Maximum Wind Speed，MWP）的預報誤差，紅外通道的新觀測誤差Rir則是能夠稍微改善中心海平面最低氣壓（Minimum Sea Level Pressure，MSLP）的預報效果?？傮w來說，新觀測誤差對臺風的強度預報存在微弱的改善，但作用不如路徑預報明顯。

3.2.2 風場物理量診斷

云導風是利用衛星圖像信息反演得到的大氣運動矢量，主要體現的是中高對流層的氣流運動，所以本節主要從可以表征風場的物理量出發，進行進一步討論。

圖9為22日00時的四個試驗，24 h預報場沿臺風中心得到的經向風剖面以及同一通道兩種觀測誤差對應試驗結果的剖面差異場。該時刻的實況系統中心位于（114.5°E，21.15°N），最低海平面氣壓為950 hPa，最大風速為42 m·s-1，系統強度已經達到強臺風級別。從圖中可以看出，使用新觀測誤差的試驗風場24 h預報結果的強度均比使用默認觀測誤差得到的預報場強度大，這說明使用新觀測誤差可以更為準確地利用云導風資料描述不同層次的風場信息，從而有效改善經向風預報。

4 結語

為了進一步推進FY-4A衛星資料在模式中的實際應用，本研究選擇云導風作為研究對象，探究觀測誤差的優化對同化效果的影響。研究統計了FY-4A高層水汽通道和紅外通道反演得到的云導風產品的觀測誤差，并基于WRF及其同化系統WRFDA開展了一系列同化和預報試驗。結果表明：

1）FY-4A云導風產品的觀測誤差存在明顯的垂直結構特征，其中高層水汽通道的觀測誤差在700～200 hPa之間隨高度減小，并且在600 hPa以上小于默認誤差（4.5 m·s-1）;而紅外通道的新觀測誤差在800 hPa以下較小，700 hPa以上明顯變大且大于默認誤差（4.5 m·s-1）。

2）與使用系統的默認觀測誤差值相比，采用本研究統計的FY-4A云導風產品觀測誤差，能夠改善風場的分析和預報效果，其中水汽通道對風場的分析改進主要體現在400 hPa以上高度，并在300～200 hPa的改進效果最為明顯;而紅外通道云導風產品數據在垂直方向上分布相對較為均勻，其改進效果在不同高度都有所體現。

3）采用本研究統計的FY-4A云導風產品觀測誤差，能夠通過調整背景場和觀測信息在分析場中的相對權重，減小臺風路徑的預報誤差，并在一定程度上改進強度預報。

本研究是對FY-4A云導風產品在同化應用中的初步探索，鑒于云導風產品主要提供的是風場信息，在驗證觀測誤差的修正可以對試驗產生積極影響后，如何正確地選擇風場同化方案（Huang et al.，2013;Sun et al.，2016;盧長浩等，2019）是必不可少的研究內容。此外，云導風產品不僅可以用于數值預報研究，還可以用于風場的分析（Oyama et al.，2018;李澤椿等，2020），通過結合日本新一代的Himawari-8反演得到的云導風產品，可以實現對FY-4A的云導風產品更加深入細致的質量研究。

參考文獻（References）

Benjamin S G，Schwartz B E，Cole R E，1999.Accuracy of ACARS wind and temperature observations determined by collocation[J].Wea Forecasting，14（6）：1032-1038.doi：10.1175/1520-0434（1999）014<1032：aoawat>2.0.co;2.

Berger H，Langland R，Velden C S，et al.，2011.Impact of enhanced satellite-derived atmospheric motion vector observations on numerical tropical cyclone track forecasts in the western north Pacific during TPARC/TCS-08[J].J Appl Meteorol Climat，50（11）：2309-2318.doi：10.1175/jamc-d-11-019.1.

曹文博，沈桐立，2007.衛星云導風資料應用于伴隨同化系統的數值試驗研究[J].南京氣象學院學報，30（4）：495-502. Cao W B，Shen T L，2007.Application of cloud drift wind data assimilation in MM5 adjoint-model assimilation system[J].J Nanjing Inst Meteor，30（4）：495-502.doi：10.13878/j.cnki.dqkxxb.2007.04.009.（in Chinese）.

陳浩，陳靜，汪矯陽，等，2017.觀測誤差對GRAPES區域集合預報影響的敏感性試驗[J].大氣科學學報，40（2）：193-201. Chen H，Chen J，Wang J Y，et al.，2017.Sensitivity tests of the influence of observation mean square error on GRAPES regional ensemble prediction[J].Trans Atmos Sci，40（2）：193-201.doi：10.13878/j.cnki.dqkxxb.20151102001.（in Chinese）.

Cordoba M，Dance S L，Kelly G A，et al.，2017.Diagnosing atmospheric motion vector observation errors for an operational high-resolution data assimilation system[J].Quart J Roy Meteor Soc，143（702）：333-341.doi：10.1002/qj.2925.

Desroziers G，Berre L，Chapnik B，et al.，2005.Diagnosis of observation，background and analysis-error statistics in observation space[J].Quart J Roy Meteor Soc，131（613）：3385-3396.doi：10.1256/qj.05.108.

馮文，萬齊林，陳子通，等，2008.逐時云跡風資料同化對暴雨預報的模擬試驗[J].氣象學報，66（4）：500-512. Feng W，Wan Q L，Chen Z T，et al.，2008.Hourly assimilation of cloud motion winds and its impact on torrential rain forecast[J].Acta Meteorol Sin，66（4）：500-512.（in Chinese）.

Gao F，Zhang X Y，Jacobs N A，et al.，2012.Estimation of TAMDAR observational error and assimilation experiments[J].Wea Forecasting，27（4）：856-877.doi：10.1175/waf-d-11-00120.1.

河惠卿，王振會，金正潤，等，2009.三種云導風資料及其對臺風數值預報影響試驗的比較分析[J].熱帶氣象學報，25（1）：82-88. He H Q，Wang Z H，J Kim，et al.，2009.Comparison of three cloud motion wind vectors and impact on typhoon track numerical forecast[J].J Trop Meteor，25（1）：82-88.doi：10.3969/j.issn.1004-4965.2009.01.010.（in Chinese）.

Huang X Y，Gao F，Jacobs N A，et al.，2013.Assimilation of wind speed and direction observations：a new formulation and results from idealised experiments[J].Tellus A：Dyn Meteorol Oceanogr，65（1）：19936.doi：10.3402/tellusa.v65i0.19936.

黃彥彬，雷恒池，王振會，等，2003.衛星云跡風資料對中尺度數值模式初始風場改進試驗[J].南京氣象學院學報，26（5）：668-676. Huang Y B，Lei H C，Wang Z H，et al.，2003.Modification of initial wind field of a mesoscale numerical model based on the data of satellite cloud drift wind[J].J Nanjing Inst Meteor，26（5）：668-676.doi：10.3969/j.issn.1674-7097.2003.05.012.（in Chinese）.

李澤椿，張玲，錢奇峰，等，2020.中央氣象臺臺風預報業務的發展及思考[J].大氣科學學報，43（1）：10-19. Li Z C，Zhang L，Qian Q F，et al.，2020.The development and consideration of typhoon forecast operation of National Meteorological Center[J].Trans Atmos Sci，43（1）：10-19.doi：10.13878/j.cnki.dqkxxb.20200110015.（in Chinese）.

盧長浩，陳耀登，孟德明，2019.兩種動力控制變量對比分析及其對臺風同化和預報的影響[J].大氣科學學報，42（6）：916-925. Lu C H，Chen Y D，Meng D M，2019.Comparative analysis of two dynamical control variables and their impacts on typhoon assimilation and prediction[J].Trans Atmos Sci，42（6）：916-925.doi：10.13878/j.cnki.dqkxxb.20171018001.（in Chinese）.

陸風，張曉虎，陳博洋，等，2017.風云四號氣象衛星成像特性及其應用前景[J].海洋氣象學報，37（2）：1-12. Lu F，Zhang X H，Chen B Y，et al.，2017.FY-4 geostationary meteorological satellite imaging characteristics and its application prospects[J].J Mar Meteor，37（2）：1-12.doi：10.19513/j.cnki.issn2096-3599.2017.02.001.（in Chinese）.

Otsuka M，Seko H，Shimoji K，et al.，2018.Characteristics of himawari-8 rapid scan atmospheric motion vectors utilized in mesoscale data assimilation[J].J Meteor Soc Japan，96B：111-131.doi：10.2151/jmsj.2018-034.

Oyama R，Sawada M，Shimoji K，2018.Diagnosis of tropical cyclone intensity and structure using upper tropospheric atmospheric motion vectors[J].J Meteor Soc Japan，96B：3-26.doi：10.2151/jmsj.2017-024.

任素玲，蔣建瑩，許健民，2014.衛星水汽通道探測所揭示的高空流場在南亞高壓東側強降水分析中的應用[J].氣象，40（6）：697-705. Ren S L，Jiang J Y，Xu J M，2014.Application of upper troposphere circulation revealed by the satellite IR3 channel to heavy rainfall events analysis in the east side of South Asia high[J].Meteor Mon，40（6）：697-705.（in Chinese）.

Sun J Z，Wang H L，Tong W X，et al.，2016.Comparison of the impacts of momentum control variables on high-resolution variational data assimilation and precipitation forecasting[J].Mon Wea Rev，144（1）：149-169.doi：10.1175/mwr-d-14-00205.1.

陶士偉，郝民，薛紀善，等，2008.數值預報同化系統中觀測資料誤差分析[J].氣象，34（7）：34-40. Tao S W，Hao M，Xue J S，et al.，2008.Analyses of observation data error in numerical forecasting assimilation system[J].Meteor Mon，34（7）：34-40.（in Chinese）.

Velden C S，Hayden C M，Nieman S J，et al.，1997.Upper-tropospheric winds derived from geostationary satellite water vapor observations[J].Bull Amer Meteor Soc，78（2）：173-195.doi：10.1175/1520-0477（1997）078<0173：utwdfg>2.0.co;2.

萬曉敏，韓威，田偉紅，等，2018.加密FY-2G云導風質量評估及其在GRAPES_RAFS系統中的應用分析[J].高原氣象，37（4）：1083-1093. Wan X M，Han W，Tian W H，et al.，2018.The application of intensive FY-2G AMVs in GRAPES_RAFS[J].Plateau Meteor，37（4）：1083-1093.doi：10.7522/j.issn.1000-0534.2017.00089.（in Chinese）.

Wang D，Liang X，Duan Y，et al.，2004.Impact of four-dimensional variational data assimilation of atmospheric motion vectors on tropical cyclone track forecasts[J].Wea Forecasting，21（4）：663-669.

Wu T C，Liu H，Majumdar S J，et al.，2014.Influence of assimilating satellite-derived atmospheric motion vector observations on numerical analyses and forecasts of tropical cyclone track and intensity[J].Mon Wea Rev，142（1）：49-71.doi：10.1175/mwr-d-13-00023.1.

許健民，張其松，2006.衛星風推導和應用綜述[J].應用氣象學報，17（5）：574-582. Xu J M，Zhang Q S，2006.Status review on atmospheric motion vectors-derivation and application[J].J Appl Meteor Sci，17（5）：574-582.（in Chinese）.

薛諶彬，龔建東，何財福，等，2013.靜止衛星云導風的質量控制及在同化中的應用[J].應用氣象學報，24（3）：356-364. Xue C B，Gong J D，He C F，et al.，2013.Quality control of cloud derived wind vectors from geostationary meteorological satellites with its application to data assimilation system[J].J Appl Meteor Sci，24（3）：356-364.（in Chinese）.

Yang L，Wang Z H，Chu Y L，et al.，2014.Water vapor motion signal extraction from FY-2E longwave infrared window images for cloud-free regions：the temporal difference technique[J].Adv Atmos Sci，31（6）：1386-1394.doi：10.1007/s00376-014-3165-9.

張濤，姜立鵬，師春香，等，2019.AMSU-A全空輻射率資料同化對臺風“天鴿”的預報影響研究[J].大氣科學學報，42（5）：705-714. Zhang T，Jiang L P，Shi C X，et al.，2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO[J].Trans Atmos Sci，42（5）：705-714.doi：10.13878/j.cnki.dqkxxb.20180731001.（in Chinese）.

張志清，陸風，方翔，等，2017.FY-4衛星應用和發展[J].上海航天，34（4）：8-19. Zhang Z Q，Lu F，Fang X，et al.，2017.Application and development of FY-4 meteorological satellite[J].Aerosp Shanghai，34（4）：8-19.doi：10.19328/j.cnki.1006-1630.2017.04.002.（in Chinese）.

周兵，徐海明，吳國雄，等，2002.云跡風資料同化對暴雨預報影響的數值模擬[J].氣象學報，60（3）：309-317. Zhou B，Xu H M，Wu G X，et al.，2002.Numerical simulation of cmwda with its impacting on torrential rain forecast[J].Acta Meteorol Sin，60（3）：309-317.（in Chinese）.

莊照榮，薛紀善，2004.云跡風資料的三維變分同化及對臺風預報的影響試驗[J].熱帶氣象學報，20（3）：225-236. Zhuang Z R，Xue J S，2004.Assimilation of cloud-derived winds and its impact on typhoon forecast[J].J Trop Meteor，20（3）：225-236.（in Chinese）.

A study of the observational error statistics and assimilation applications of the FY-4A satellite atmospheric motion vector

CHEN Yaodeng1，SHEN Jie1，FAN Shuiyong2，WANG Cheng1

1Key Laboratory of Meteorological Disaster，Ministry of Education（KLME）/Joint International Research Laboratory of Climate and Environment Change（ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster（CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;

2Institute of Urban Meteorology，CMA，Beijing 10089，China

The data from the FY-4A satellite have a higher temporal and spatial resolution when compared with the data obtained from the FY-2 satellites.This indicates the recent development of Chinas geostationary meteorological satellites.In order to promote the practical applications of the FY-4A satellite data in a model and investigate the impacts of observational errors on the assimilation and forecasting accuracy of the atmospheric motion vector （AMV） of the FY-4A satellite，this study carried out in-depth research experiments.The observational errors of the AMVs derived from the high-level water vapor channels and infrared channels of the FY-4A were first calculated and analyzed.The vertical profiles revealed that when compared with the default observational errors of the assimilation system，the new observational errors of the high-level water vapor channel had decreased with height between 700 hPa and 200 hPa.In addition，the new observational errors of the infrared channels were smaller below 800 hPa than above 700 hPa，where the vertical structural features were more pronounced.A series of assimilation and forecasting experiments were carried out using the default observational errors and the new observational errors.It was determined that according to the average RMSE profiles，the results using the new errors were significantly improved in the wind field when compared with results using the default errors.At the same time，the heights at which the RMSE of the wind field had displayed maximum improvement corresponded to the heights at which the number of observations were the largest.Also，the new observational errors of the infrared channels were observed to more widely influence the wind field than that of the high-level water vapor channels since the data from the infrared channels were distributed on almost every layer.Furthermore，the track and intensity forecasting results of the “Hato” and “Pakhar” typhoon systems were discussed in this study in order to further examine the impacts of observational errors on the accuracy of the forecasting results.The results of the typhoon forecasting results indicated that the new observational errors could significantly improve the track forecasting，as well as increase the accuracy of the intensity predictions to some extent.

data assimilation;FY-4A satellite;atmospheric motion vector;observation error

doi：10.13878/j.cnki.dqkxxb.20190921001

（責任編輯：劉菲）