水文氣象信息概述：觀測、融合與再分析*

周自江 曹麗娟 廖 捷 谷軍霞 張 濤 潘 旸

國家氣象信息中心，北京 100081

提 要： 高質(zhì)量的水文氣象觀測數(shù)據(jù)是開展氣象和水文災害監(jiān)測、預報預警及長期氣候變化趨勢分析的基本支撐。以降水等水分循環(huán)基本要素為重點，簡要概述部分單源的觀測數(shù)據(jù)集、二維/三維的融合分析產(chǎn)品和多維的再分析產(chǎn)品的研發(fā)進展，及其在水文氣象監(jiān)測預報中的應用。分析表明：氣象和水文數(shù)據(jù)是地球系統(tǒng)中水分循環(huán)的最重要體現(xiàn)，二者的有效匯聚和協(xié)同質(zhì)量控制，能更有效地促進其在地球系統(tǒng)模式各分量中的應用；經(jīng)過多源數(shù)據(jù)融合分析和同化分析形成的多尺度、高精度、高時效、時空連續(xù)的格點化分析場，是智能網(wǎng)格天氣預報和氣候預測的“零時刻”起點，已經(jīng)成為無縫隙預報業(yè)務的組成部分；經(jīng)過歷史數(shù)據(jù)同化分析產(chǎn)出的長序列大氣、陸面等再分析產(chǎn)品，是氣候變化演變評估和監(jiān)測的重要保障，其應用價值遠超觀測數(shù)據(jù)本身。

引 言

近百年來，全球氣候正經(jīng)歷著一次以變暖為主要特征的顯著變化。氣候變暖帶來了一系列的水文氣象及氣候效應，包括海平面上升、冰川消融、沙漠化加劇，以及高溫、暴雨、干旱、風暴等極端天氣氣候事件發(fā)生頻率與強度的增加。水以液態(tài)、固態(tài)和氣態(tài)的形式在氣候系統(tǒng)中不斷運動，并儲存在海洋、冰川、陸地表面和大氣中，是海洋、陸地和大氣相互作用中一種最活躍且最重要的樞紐(姜彤等, 2020)。聯(lián)合國政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change,IPCC)第六次評估報告(AR6)指出氣候變化正在加劇水分循環(huán)(IPCC, 2021)：帶來更強的降水和洪水，或者區(qū)域更嚴重的干旱；氣候變化正在影響降水分布型，在高緯度地區(qū)，降水可能增加，而在亞熱帶的大部分地區(qū)則可能減少；21世紀，沿海地區(qū)的海平面將持續(xù)上升，會導致低洼地區(qū)發(fā)生更為頻繁和嚴重的沿海洪水，并將導致海岸受到侵蝕；進一步的變暖將加劇多年凍土的融化，以及季節(jié)性積雪的損失、冰川和冰蓋的融化、夏季北極海冰的損失。

鑒于全球氣候變暖使得天氣氣候災害更為嚴重且復雜，亟需從地球系統(tǒng)各圈層的相互作用出發(fā)，深入研究重大天氣氣候災害的時空變化、發(fā)生規(guī)律、形成原因、預測理論和方法，提高防災減災和可持續(xù)發(fā)展的能力和水平。當前，世界氣象組織(World Meteorological Organization,WMO)正在推動地球系統(tǒng)框架下“天氣、氣候、水和環(huán)境+影響”的無縫隙氣象業(yè)務轉(zhuǎn)型(Brunet et al,2015；Rauser et al,2017)，且將2022年世界氣象日的主題定為“早預警、早行動：氣象水文氣候信息，助力防災減災”(Early Warning and Early Action.Hydrometeorological and Climate Information for Disaster Risk Reduction)。該主題充分體現(xiàn)了水文氣象信息對氣候變化應對及防災減災的重要基礎性保障作用。

水文氣象信息是地球系統(tǒng)大數(shù)據(jù)的重要組成部分，包含水分循環(huán)和水分平衡中的降水、徑流、土壤含水量、蒸發(fā)和蒸騰等基本要素，涉及發(fā)生在地球大氣系統(tǒng)中的暴雨、干旱、洪澇等極端事件等。目前，對于水文氣象信息尚沒有一個非常嚴格的定義，本文暫定為：通過一切可能的觀測、探測、遙測手段收集到的氣象和水文數(shù)據(jù)信息，或通過融合分析、同化分析、人工智能分析等加工處理得到的，來自地球系統(tǒng)各圈層的，進行標準化和規(guī)范化處理后形成的能描述氣候系統(tǒng)狀態(tài)、結(jié)構、成分、現(xiàn)象，并以直觀有效的表現(xiàn)形式給出詳細信息和時空屬性的數(shù)據(jù)產(chǎn)品集合。

從地球系統(tǒng)獲取水文氣象信息的最直接手段當屬觀測。近三十年來，隨著科學技術的發(fā)展，多源觀測數(shù)據(jù)的融合分析、同化分析技術的快速發(fā)展，地基、海基、天基和空基觀測的水文氣象數(shù)據(jù)得到充分匯聚、相互校準和綜合應用，有效支撐了智能預報、智慧服務和氣候變化監(jiān)測等核心業(yè)務和科研工作。本文以降水等水分循環(huán)基本要素為重點，以國家氣象信息中心(National Meteorological Information Centre,NMIC)的研究型業(yè)務實踐為主線，探討通過融合和同化不同觀測來源的水文氣象信息，構建“全球-區(qū)域-局地”一體化零時刻分析場，無限逼近“真實”的地球系統(tǒng)狀況，為地球系統(tǒng)模式預報提供更精準的初猜場和歷史再分析產(chǎn)品，從而可進一步獲取更多要素變量的水文氣象及氣候信息。

1 水文氣象觀測數(shù)據(jù)與質(zhì)量保障

1.1 水文氣象觀測的質(zhì)量控制

觀測是人類認識地球系統(tǒng)的基礎。當前，WMO全球綜合觀測系統(tǒng)(WMO Integrated Global Observing System,WIGOS)日趨完善，不僅包括世界天氣監(jiān)測計劃下的全球觀測系統(tǒng)，還包括了大氣成分觀測、水文觀測和冰凍圈監(jiān)測等，且正在重點發(fā)展生態(tài)系統(tǒng)、冰川凍土積雪和海洋領域觀測，這些觀測包含了大氣圈、水圈、冰凍圈的諸多與水文氣象相關的基本氣候變量(essential climate variables,ECVs)，如降水、蒸發(fā)、土壤水分、陸地徑流、海流、海冰，以及高空大氣的水汽含量等等。IPCC關于氣候變化的一系列重要結(jié)論正是根據(jù)這些觀測事實得出的。

由于觀測系統(tǒng)的差異及觀測設備的不同，數(shù)據(jù)的觀測誤差始終客觀存在，其一般分為性質(zhì)不同的三類：隨機誤差、系統(tǒng)誤差和錯誤資料。這些誤差或錯誤數(shù)據(jù)需要通過質(zhì)量控制技術加以甄別或剔除，才能保證觀測數(shù)據(jù)的總體質(zhì)量。美國國家環(huán)境信息中心(National Centers for Environmental Information,NCEI)早在20世紀末就已建立了全自動氣象資料質(zhì)量控制體系，實現(xiàn)對觀測資料質(zhì)量的實時監(jiān)控。歐美國家還在氣象資料質(zhì)量控制業(yè)務體系上，逐步形成了質(zhì)量控制算法的評估策略，并基于觀測偏差分析和同化應用形成了比較成熟的數(shù)據(jù)黑名單判別技術，很好地保證了各類資料在數(shù)值預報中的同化應用效果。我國氣象部門在觀測資料質(zhì)量控制方面做了大量探索，建立了臺站、省級和國家級三級質(zhì)量控制業(yè)務體系，以及觀測端、信息端和應用端相互協(xié)調(diào)的質(zhì)量控制業(yè)務流程。近年來，NMIC通過全球大氣再分析和實況業(yè)務建設，進一步引進消化美國、英國及加拿大等國際數(shù)據(jù)機構先進的數(shù)據(jù)處理技術，構建了適應不同應用需求的資料質(zhì)量控制體系(圖1)，包含傳統(tǒng)順序質(zhì)量控制、綜合質(zhì)量控制、數(shù)據(jù)偏差訂正和均一化等，經(jīng)過質(zhì)量控制、質(zhì)量評估、偏差分析與校訂的數(shù)據(jù)，同步保障了短時臨近預報、同化分析及氣候數(shù)據(jù)產(chǎn)品的研發(fā)應用。目前，氣象與水文預報預測業(yè)務需求經(jīng)過統(tǒng)籌規(guī)劃(包紅軍等, 2021)，質(zhì)量控制對象正在向新型觀測、關鍵區(qū)域、關鍵要素聚焦，而質(zhì)量控制技術正在向?qū)崿F(xiàn)多圈層協(xié)同，以及統(tǒng)計模型與人工智能技術的組合應用發(fā)展。

1.2 水文氣象觀測數(shù)據(jù)集

將經(jīng)過綜合質(zhì)量控制和偏差訂正的觀測數(shù)據(jù)，整合形成用戶可直接使用的基礎性數(shù)據(jù)集，是推進資料應用的有效方式。水文氣象預報預測和氣候變

圖1 適應不同應用需求的資料質(zhì)量控制體系Fig.1 Quality control frame for different operational application

化常用的要素包括降水、濕度、云、蒸發(fā)、徑流等。就水文氣象信息來說，陸地和海洋現(xiàn)場觀測一直是重點。例如，美國NCEI發(fā)布的全球綜合地表數(shù)據(jù)庫(The Integrated Surface Database,ISD)(Smith et al,2011)，通過整合地面氣象站、水文站、農(nóng)業(yè)氣象站、水面浮標站等多種類型觀測數(shù)據(jù)，為極端天氣監(jiān)測、氣候變化分析提供了重要信息來源，是遙感觀測數(shù)據(jù)和再分析產(chǎn)品檢驗的重要參照系，也是全球水分循環(huán)和其他研究最重要的基礎數(shù)據(jù)(IPCC，2021)，同時也是地下水位歷史序列重建及水資源管理的重要輸入信息(Ascott et al,2020)。

國際上已發(fā)布了多套全球降水數(shù)據(jù)集(如：Schamm et al,2014；NCEI,2017；Blenkinsop et al,2018)。其中，全球降水氣候中心(Global Precipitation Climatology Centre,GPCC)研發(fā)的全球日降水產(chǎn)品(Schamm et al,2014)和NCEI 2017年發(fā)布的全球日降水產(chǎn)品(global surface summary of the day,GSOD)是廣泛使用的全球準實時日降水產(chǎn)品。除了雨量站觀測，基于多源衛(wèi)星反演的降水產(chǎn)品，如熱帶雨量測量任務(Tropical Rainfall Measuring Mission,TRMM)衛(wèi)星產(chǎn)品(Huffman et al,2007)、CMORPH(CPC morphing technique)衛(wèi)星反演降水產(chǎn)品(Joyce et al,2004)等，由于覆蓋范圍廣、時空連續(xù)性好，已成為長序列降水氣候數(shù)據(jù)集的重要代表。近年來，NMIC通過整合全球電信系統(tǒng)(Global Telesystems,GTS)、GSOD、ISD等多個來源的降水數(shù)據(jù)，并引入中國國家級氣象站實測數(shù)據(jù)，形成了一套完整性更好的全球日降水產(chǎn)品(Yang et al,2020)(圖2)；通過集成國內(nèi)外多種來源的海表觀測數(shù)據(jù)，研制出百年長度全球海表觀測定時值數(shù)據(jù)集和全球月值網(wǎng)格產(chǎn)品(Chen et al,2021)；采用拉格朗日集成算法，實現(xiàn)FY-3B/3C/3D、NOAA-18/19/20、METOP-A/B/C、S-NPP、GPM等十余顆極軌衛(wèi)星微波反演降水與風云靜止衛(wèi)星紅外數(shù)據(jù)的集成，形成覆蓋東亞區(qū)域的逐小時5 km分辨率的衛(wèi)星集成降水產(chǎn)品(East Asian multi-satellite integrated precipitation，EMSIP)，產(chǎn)品均方根誤差小于1.5 mm·h-1(徐賓等, 2015)。這些重要進展明顯縮小了與發(fā)達國家在降水數(shù)據(jù)集研制方面的差距，助力相關業(yè)務科研實現(xiàn)國產(chǎn)數(shù)據(jù)集的安全替代。

除了降水之外，相對濕度也是反映全球干濕變化最常用的氣象要素之一，對水資源的變化有一定指示作用。站點觀測的地表相對濕度數(shù)據(jù)是水汽輸

圖2 2016年全球降水產(chǎn)品的日降水觀測數(shù)據(jù)量 (引自Yang et al,2020;ISD：NCEI發(fā)布的全球地面 小時整合數(shù)據(jù)；NMIC：GTS和中國地面小時 降水數(shù)據(jù)集合；Merged：ISD和NMIC的集合)Fig.2 Data volumes of global daily precipitation totals in 2016 from different data sources (from Yang et al, 2020； ISD: integrated surface database released by NCEI; NMIC: integration of GTS and CMA data; Merged: integration of ISD and NMIC data)

送通量變化、干濕變化狀況研究的重要輸入源之一(謝欣汝等,2018;徐麗君等,2021)，也是全球和區(qū)域大氣再分析輸入的關鍵地表觀測變量(Jiang et al,2021)。基于站點觀測濕度數(shù)據(jù)，國內(nèi)外已發(fā)布了長序列均一化數(shù)據(jù)集和高分辨率的相對濕度網(wǎng)格數(shù)據(jù)集，如英國哈德萊中心發(fā)布的全球地表濕度數(shù)據(jù)集HadCRUH(Willett et al,2008)和HadISDH(Willett et al,2014)，國家氣象信息中心發(fā)布的中國相對濕度均一化數(shù)據(jù)集(朱亞妮等，2015)及網(wǎng)格化數(shù)據(jù)集(趙煜飛和朱亞妮，2017)等。美國發(fā)布的北美地區(qū)高分辨率網(wǎng)格數(shù)據(jù)集Daymet(Thornton et al,2020)也包含了1 km網(wǎng)格的水汽壓日值數(shù)據(jù)。對流層大氣濕度觀測主要來自探空觀測、飛機觀測、地基全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)水汽觀測及衛(wèi)星觀測。NCEI發(fā)布的綜合全球無線電探空數(shù)據(jù)集(integrated global radiosonde archive,IGRA)(Durre et al,2018)提供了1905年以來全球高空溫度、濕度和風場觀測資料。Liao et al(2021)發(fā)布的全球飛機觀測基礎數(shù)據(jù)集提供了2000年以來的全球飛機觀測濕度。衛(wèi)星垂直探測儀和多通道微波掃描輻射計的應用為高空水汽提供新的信息來源，特殊傳感器微波成像儀(special sensor microwave/imager，SSM/I)于1987年應用后資料質(zhì)量得到提高，為海洋上空提供了最為可信的對流層低層大氣水汽總量序列。這些觀測數(shù)據(jù)已被廣泛應用于全球各國的數(shù)值天氣預報及再分析產(chǎn)品的研制與評估。地基GNSS/MET反演的大氣可降水量數(shù)據(jù)集已在降水預報中得到了應用(Seco et al,2012；Yao et al,2017)。云是水汽在大氣中的極其重要的載體，基于國際衛(wèi)星云氣候計劃的ISCCP產(chǎn)品、地球觀測系統(tǒng)EOS系列衛(wèi)星云產(chǎn)品、云雷達衛(wèi)星CloudSat云產(chǎn)品等都能有效表征基本云屬性及不同時間尺度上的變化，是研究全球云水資源分布等的數(shù)據(jù)源。此外，微波輻射計可以提供大氣溫濕度、水汽密度及云液態(tài)水廓線(鄭颯颯, 2019；孔凡超等,2021)，微波輻射計聯(lián)合云雷達觀測可以提高相對濕度廓線反演的精度(丁虹鑫等,2018)。

徑流是水分循環(huán)陸地分支中的重要變量。WMO全球徑流數(shù)據(jù)中心(Global Runoff Data Centre,GRDC)提供了全球范圍內(nèi)超過1萬個觀測站點的流量數(shù)據(jù)。根據(jù)2020年水文統(tǒng)計年報(http:∥www.mwr.gov.cn/sj/tjgb/swxytjnb/202109/t20210915_1544005.html)，我國水文水資源監(jiān)測共有國家基本水文站3 000余個，專用水文站4 000多個，覆蓋全部江河湖泊。地表蒸發(fā)不僅是地球表面水文循環(huán)的重要組成部分，也是徑流研究的重要參考數(shù)據(jù)之一。自20世紀50年代我國在地面氣象站開展蒸發(fā)觀測以來，形成了長序列蒸發(fā)日值和月值數(shù)據(jù)集。但由于不同時期和地區(qū)部署了兩種不同的蒸發(fā)儀器(大型蒸發(fā)和小型蒸發(fā))，造成數(shù)據(jù)均一化較為困難。Xiong et al(2012)利用偏最小二乘法進行線性回歸，重建了中國日大型蒸發(fā)數(shù)據(jù)集;Xue et al(2016)利用改進的Delta統(tǒng)計降尺度方法重建了逐月累積蒸發(fā)量，并以此開展了徑流數(shù)據(jù)模擬與評估試驗。

綜上所述，基于多渠道的氣象和水文數(shù)據(jù)，一方面，通過多源數(shù)據(jù)時間序列的空間相關性分析等算法可有效甄別各類觀測及元數(shù)據(jù)數(shù)據(jù)的錯誤與不確定性，進而提升數(shù)據(jù)集質(zhì)量(Bliefernich et al, 2021)。另一方面，通過降水、徑流、土壤水分、城市排水等多源信息的綜合應用，可有效分析極端強降水條件下潛在洪澇災害的發(fā)生條件,城市化條件下洪水響應時間和峰值時空變化狀況,以及水資源評估與水基礎設施建設規(guī)劃等(Smith et al,2002；Chang et al,2010)。

2 多源數(shù)據(jù)融合分析與實況構建

2.1 多源數(shù)據(jù)融合分析

隨著綜合觀測系統(tǒng)的發(fā)展，地基、海基、空基、天基觀測數(shù)據(jù)越來越多。但是，由于受到自然條件限制，地面和海洋站點觀測分布不均勻，空間代表性始終存在不足，難以做到連續(xù)的時空覆蓋。同樣，天基或地基遙感探測容易受到遮擋物和反演算法的影響，產(chǎn)品精度也受到一定制約。因此，發(fā)揮不同來源觀測數(shù)據(jù)的優(yōu)勢，發(fā)展多源融合分析產(chǎn)品是獲取逼近水文氣象“真值”的有效手段。

仍以降水數(shù)據(jù)為例，不同來源降水數(shù)據(jù)的優(yōu)勢和不足非常明顯(表1)。正因如此，多源融合降水應運而生。國際上早期的全球降水氣候計劃(Global Precipitation Climatology Project Combined Precipitation，GPCP)(Huffman et al,1997)、CPC融合降水分析產(chǎn)品(CPC merged analysis of precipitation，CMAP)(Xie and Arkin,1997)等降水產(chǎn)品結(jié)合了靜止衛(wèi)星紅外探測時空連續(xù)分辨率高和極軌衛(wèi)星被動微波降水精度較高的優(yōu)勢，并利用地面觀測對衛(wèi)星集成降水進行訂正，融合形成長序列2.5°分辨率的逐候降水數(shù)據(jù)，在水文氣象及氣候變化研究領域被廣泛應用。20世紀90年代后期，隨著衛(wèi)星資料的廣泛應用，發(fā)展了概率密度匹配(probability density function,PDF)等遙感資料校正及偏差訂正技術，最優(yōu)插值(optimum interpolation,OI)、卡爾曼濾波(Kalman filter,KF)等融合技術在降水融合領域也有了更成熟的應用，衛(wèi)星集成及融合降水產(chǎn)品時空分辨率顯著提高，如美國的TMPA(TRMM multi-satellite precipitation analysis)(Huffman et al,2007)、CMORPH、日本GSMaP(global satellite mapping of precipitation)(Ushio et al,2009)等產(chǎn)品分辨率達到了逐小時0.1°分辨率，為全球大范圍高分辨率的降水監(jiān)測提供了便利。天氣雷達探測信息的引入，進一步提升了區(qū)域降水的精細刻畫能力，美國StageIV系統(tǒng)(Kitzmiller et al,2013)和MRMS(Multi-Radar Multi-Sensor)系統(tǒng)(Zhang et al,2016)針對雷達估測降水的偏差，以雨量計為基準發(fā)展了基于KF、OI、反距離權重(inverse distance weighted,IDW)等方法的平均場系統(tǒng)誤差訂正和局部偏差訂正技術(Seo and Breidenbach,2002)。其中，MRMS系統(tǒng)產(chǎn)品的空間分辨率達1 km，更新頻次達2 min，在強降水災害天氣監(jiān)測和臨近預報方面發(fā)揮了重要作用。

表1 各種來源降水數(shù)據(jù)的優(yōu)缺點Table 1 Advantages and disadvantages of precipitation data from various sources

我國多源數(shù)據(jù)融合的研究起步相對晚一些。2007年，NMIC開啟了多源降水融合探索，研制出逐日25 km單源降水產(chǎn)品。之后，在消化改造國外相關技術[PDF、OI、貝葉斯模型平均(Bayesian model averaging，BMA)等]基礎上，陸續(xù)研制出逐小時10 km分辨率“地面+衛(wèi)星”二源融合降水產(chǎn)品、逐小時5 km和1 km分辨率“地面+衛(wèi)星+雷達”三源融合降水產(chǎn)品(潘旸等,2018)，并利用氣象和水文雨量站觀測數(shù)據(jù)進行了獨立樣本檢驗。經(jīng)過多年業(yè)務科研應用反饋與優(yōu)化，2021年9月中國區(qū)域逐小時1 km分辨率降水產(chǎn)品實現(xiàn)業(yè)務運行，為強降水監(jiān)測和智能網(wǎng)格預報業(yè)務提供了高精度“零時刻”分析場。2020年2 400個國家級自動站獨立檢驗評估結(jié)果顯示(表2)，基于地面、雷達和衛(wèi)星三源融合的降水產(chǎn)品的均方根誤差和平均偏差分別為0.526 mm·h-1和-0.007 mm·h-1，優(yōu)于單源地面分析產(chǎn)品的0.576 mm·h-1和-0.015 mm·h-1，以及雷達產(chǎn)品的0.815 mm·h-1和-0.016 mm·h-1。目前，NMIC的多源融合分析產(chǎn)品已由降水要素拓展到海洋、陸地和三維大氣的多個關鍵氣象要素，其中與水分循環(huán)密切相關的有三維云(朱智等,2021)、降水相態(tài)、蒸散發(fā)、土壤溫濕度(Han et al,2019)、積雪、海冰等。產(chǎn)出上述產(chǎn)品的核心技術各不相同，呈現(xiàn)出很好的多樣性，例如利用逐步訂正技術，融合雷達、衛(wèi)星、探空等多源數(shù)據(jù)研制出中國區(qū)域逐小時三維云產(chǎn)品；應用高分辨率高質(zhì)量陸面驅(qū)動數(shù)據(jù)和數(shù)值模擬技術，研發(fā)出中國區(qū)域逐小時積雪產(chǎn)品。此外，還研發(fā)了全球25 km、逐日海冰密集度產(chǎn)品(張雷等，2021)，數(shù)據(jù)質(zhì)量與英國OSTIA、美國OISST產(chǎn)品較為接近。在此基礎上，逐步建立了“全球-區(qū)域-局地”一體化大氣、陸面、海洋多源融合分析實況產(chǎn)品體系(圖3)，實時產(chǎn)出產(chǎn)品達140余種，全球分辨率達到10 km、中國區(qū)域則為1 km、局地可達百米。各類產(chǎn)品不僅在時空尺度上互補，更為重要的是存在著內(nèi)在的耦合驅(qū)動，且可實現(xiàn)相互驗證和迭進。

表2 降水產(chǎn)品及各數(shù)據(jù)源獨立檢驗評估結(jié)果Table 2 Independent verification results of different precipitation products

圖3 “全球-區(qū)域-局地”一體化大氣、陸面、海洋多源融合分析實況產(chǎn)品Fig.3 Multi-source merging analysis products of “global-regional-local” integrated atmospheric, land and ocean multi-source data

2.2 融合分析實況產(chǎn)品的應用

通過融合分析快速產(chǎn)出的高精度實況產(chǎn)品，作為智能網(wǎng)格預報的背景場或預報模型的目標場，可提升網(wǎng)格預報的精細化程度和準確率，已成為時、日、月、季、年無縫隙預報業(yè)務的重要組成部分，支撐多尺度天氣氣候系統(tǒng)監(jiān)測和預報(圖4)。例如，國家氣象中心將實時的降水實況產(chǎn)品用于快速滾動更新網(wǎng)格定量降水預報的訂正(諶蕓等，2021)，以此來提高突發(fā)性中小尺度天氣系統(tǒng)的降水預報能力。再如，2021年7月17—23日，河南省遭遇歷史罕見特大暴雨，5 min時效、逐10 min滾動更新的1 km分辨率多源融合降水實況分析產(chǎn)品直觀地展現(xiàn)了降水過程的極端性，精準地捕捉到降水極值和強降水中心，為一線氣象保障提供了重大支持(圖5)。

圖4 融合分析產(chǎn)品與無縫隙預報業(yè)務的對應關系Fig.4 Corresponding relationship between multi-source data fusion analysis products and seamless forecast operation

圖5 1 km分辨率多源融合降水實況產(chǎn)品監(jiān)測 2021年7月17日00—15時河南暴雨過程累計雨量Fig.5 Observed accumulated rainfall during the extreme rainstorm in Henan Province by the 1 km resolution multi-source data merging precipitation product in 00-15 BT 17 July 2021

除了直接應用于水文氣象災害監(jiān)測和預報，多源融合實況分析產(chǎn)品也作為水文模型的輸入數(shù)據(jù)得到應用。如國家氣象中心將降水實況產(chǎn)品接入水文模型前端，應用于漬澇風險及洪水預報業(yè)務(包紅軍等，2021)。水利部防洪抗旱減災工程技術研究中心將降水等陸面驅(qū)動數(shù)據(jù)接入陸面水文模型，在遼寧、云南、長江中下游等地區(qū)發(fā)生的區(qū)域性干旱事件監(jiān)測中發(fā)揮了重要作用。

3 資料再分析與水文氣象

3.1 資料再分析產(chǎn)品及應用

眾多研究表明，觀測資料的發(fā)展豐富了人們的理論認識，以及對自然規(guī)律的數(shù)理描述，這對天氣氣候模式的改進具有重要推動作用。例如21世紀初，在三維變分的同化技術條件下，衛(wèi)星資料應用從同化反演廓線升級到直接同化衛(wèi)星輻射率，就使全球預報技巧(特別是南半球)顯著提升。同樣，數(shù)值模式和同化系統(tǒng)的發(fā)展，也推動了觀測資料的發(fā)展，為數(shù)據(jù)分析提供了更多的工具。觀測資料與同化系統(tǒng)對接，依靠同化反饋數(shù)據(jù)的診斷分析，反復磨合，便可建立更完整、更高質(zhì)量的基礎數(shù)據(jù)集，同時可以產(chǎn)出高質(zhì)量的再分析產(chǎn)品(圖6)。

資料再分析，就是利用先進的、固定的數(shù)據(jù)同化系統(tǒng)和數(shù)值預報模式，將模式預報和歷史觀測資料融合，從而獲取多變量、空間覆蓋完整、時間均一穩(wěn)定的長序列歷史分析產(chǎn)品，實現(xiàn)對過去天氣和氣候狀況的重現(xiàn)。與針對特定要素開展的快速融合分析不同，資料再分析更加注重動力、物理、化學上的協(xié)調(diào)一致，同化的數(shù)據(jù)更全面，產(chǎn)出的物理量也更多。從20世紀90年代中期開始，歐美日先后組織實施了一系列全球大氣資料再分析計劃，并已經(jīng)完成了四代全球大氣資料再分析研制(表3)。2017年，歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts,ECMWF)發(fā)布的最新一代再分析產(chǎn)品(ERA5)代表著當前最高水平。與前幾代不同，其在資料同化方面有全面改進，引入集合信息來表征“流依賴”的背景誤差協(xié)方差矩陣(Hersbach et al,2020)。從表3可以看出，國際再分析發(fā)展趨勢有如下特點：同化方法越來越先進；考慮大氣與其他過程(氣溶膠、大氣化學、海洋、陸面)耦合；分析數(shù)據(jù)集的空間分辨率逐漸提高，同化的觀測資料(尤其衛(wèi)星資料)越來越多；時間上向后追溯到更早期。

圖6 觀測資料與數(shù)值預報、再分析的邏輯關系Fig.6 Relationship of observation data with numerical prediction and reanalysis data

表3 全球主要大氣再分析產(chǎn)品Table 3 Major global atmospheric reanalysis products

為了獲取更高質(zhì)量的陸面要素信息，國際主流的全球大氣再分析都基于離線的陸面模式模擬研制一套單獨的陸面再分析數(shù)據(jù)集，例如ERA-Interim/Land (Balsamo et al,2015)、ERA5/Land(Sabater et al,2017)、MERRA-Land (Reichle et al,2011)和CFSR-Land (Meng et al,2012)等。此外，國際上還先后組織實施了一系列全球海洋再分析產(chǎn)品的研究與制作，例如美國的SODA(Carton and Giese,2008)、ECCO(Menemenlis et al,2008)、HYCOM(Chassignet et al,2007)，ECMWF的ORA(Zuo et al,2017)，法國的GLORYS(Parent et al,2011)，日本的MOVE(Toyoda et al,2012)、ESTOC(Masuda et al,2010)等，不僅為海洋短期數(shù)值預報和氣候預測提供了初始場，而且還用于海洋動力學和海洋在氣候變化中的影響研究。

再分析產(chǎn)品已成為研究地球系統(tǒng)重要的數(shù)據(jù)源(Hodges et al, 2011)，在天氣、氣候、海洋和水文等領域具有廣泛應用。Lin et al(2014)研究顯示MERRA和ERA-Interim 再分析數(shù)據(jù)正確地再現(xiàn)了全球季風降水的季節(jié)性。Winkelbauer et al(2022)使用最先進的ERA5等再分析數(shù)據(jù)分析了北極主要流域的季節(jié)循環(huán)和年度徑流趨勢，計算了整個北極地區(qū)的河流流量。由于再分析能夠為水文模型提供氣溫、降水量、蒸散量、土壤水分和徑流等水文數(shù)據(jù)，因而被廣泛用于各地的水文模型(Zhao et al,2010)。例如，Hersbach et al(2015)選擇 ERA-20CM氣候再分析作為驅(qū)動水文模型的輸入，開展長時間序列的水文變化研究。Essou et al(2016a;2016b)使用美國的全球和區(qū)域再分析數(shù)據(jù)比較了水文模型的輸出，再分析數(shù)據(jù)能夠再現(xiàn)除亞熱帶和濕潤的大陸地區(qū)以外的降雨年際變化。Dile and Srinivasan(2014)在氣象數(shù)據(jù)缺乏的非洲尼羅河流域進行水文預報時，將CFSR再分析資料與傳統(tǒng)氣象數(shù)據(jù)輸入SWAT模型中并對模擬結(jié)果進行了評估，發(fā)現(xiàn)使用CFSR氣象數(shù)據(jù)的月尺度模擬精度較好。高瑞等(2017)以天山西部山區(qū)的喀什河流域為典型研究區(qū)，利用1990—2000年實測水文氣象站點資料、CFSR及ERA-Interim數(shù)據(jù)，驅(qū)動水文變量滲透能力(variable infiltration capacity,VIC)模型所得的徑流過程與實測徑流過程，評估了再分析降水數(shù)據(jù)在喀什河流域的適用性。

3.2 中國第一代大氣和陸面再分析

NMIC于2013年底啟動全球大氣再分析工作，通過一系列試驗和監(jiān)測評估，建立了第一代全球大氣和陸面再分析系統(tǒng)，成功研制出1979年以來全球大氣再分析產(chǎn)品(簡稱CMA-RA，時間分辨率為6 h，空間分辨率34 km，垂直層次為64層，模式層頂為0.27 hPa)和全球陸面再分析產(chǎn)品(時間分辨率為3 h，空間分辨率為34 km，垂直層次為4層)。以ERA5為基準，多方綜合評估表明，CMA-RA的三維大氣溫度場、濕度場、風場等總體上優(yōu)于國際第一、二代全球大氣再分析產(chǎn)品，與國際第三代全球大氣再分析產(chǎn)品質(zhì)量相當(圖7)。CMA-RA已于2020年12月實現(xiàn)業(yè)務化運行，可實現(xiàn)近實時追加更新，時效上快于從互聯(lián)網(wǎng)下載國際同類產(chǎn)品。于2021年5月向全社會公開發(fā)布，用戶已覆蓋氣象、水文、農(nóng)業(yè)科學、地球科學、環(huán)境與安全等多個行業(yè)。與國際主流再分析產(chǎn)品一樣，CMA-RA包含了諸多與水分循環(huán)相關的物理量，如降水、降雪、雪深、地表徑流、土壤溫度、土壤體積含水量、蒸散發(fā)、冠層總蓄水量等(表略)。目前，國家氣候中心的中國多模式集成(China multi-model ensemble,CMME)預測系統(tǒng)已實現(xiàn)初始場由日本JRA55替換為國產(chǎn)CMA-RA數(shù)據(jù)；世界氣象中心(北京)也基于CMA-RA開展了全球天氣及氣候監(jiān)測服務(圖8和圖9)。

但是實事求是地講，CMA-RA與ECMWF最新一代再分析ERA5相比還存在相當大的差距。這種差距不僅表現(xiàn)在產(chǎn)品分辨率、精度和序列長度等表層，還在同化技術、多分量模式耦合等核心技術層面。ERA5采用了集合四維變分混合同化技術，實現(xiàn)了大氣、陸面和波浪模型的耦合，產(chǎn)品時間分辨率達到1 h，已成為全球再分析工作的追趕目標。

圖7 CMA-RA 500 hPa位勢高度與國際主流 再分析產(chǎn)品(以ERA5為參照)Fig.7 CMA-RA of 500 hPa geopotential height and three major reanalysis datasets (RMSE relative to ERA5)

圖8 1981—2010年CMA-RA全球日降水量氣候態(tài)Fig.8 Climatology of global daily precipitation derived from CMA-RA (1981-2010)

圖9 基于CMA-RA的臺風煙花三維結(jié)構Fig.9 3D structure of Typhoon In-Fa derived from CMA-RA

4 未來工作展望

未來一段時期，全球綜合觀測系統(tǒng)和社會化觀測還將快速發(fā)展。例如，歐盟哥白尼計劃持續(xù)地加強衛(wèi)星觀測和直接觀測，以及相應的數(shù)據(jù)和產(chǎn)品研發(fā)，其中衛(wèi)星每天生產(chǎn)的數(shù)據(jù)量高達12 TB。與此同時，地球系統(tǒng)模式正在從大氣向陸地、海冰、海洋、海浪等分量模式擴展，而且趨于走向統(tǒng)一的地球系統(tǒng)模式。目前，積雪、陸面、海冰等觀測資料同化還不是很充分，相對落后于大氣資料，所以在地球系統(tǒng)模式的未來發(fā)展過程中，各圈層交界面上的水文氣象觀測資料的同化應用極其重要，需要進一步深化水文氣象數(shù)據(jù)的收集整合、質(zhì)量控制、融合分析和再分析。

(1)觀測數(shù)據(jù)匯聚與質(zhì)量控制。面向水文氣象預報預測業(yè)務需求，進一步加強全球數(shù)據(jù)發(fā)現(xiàn)與收集、歷史資料拯救、部門數(shù)據(jù)交換、社會化觀測數(shù)據(jù)獲取與處理，發(fā)展新型觀測數(shù)據(jù)質(zhì)量控制、復雜下墊面數(shù)據(jù)質(zhì)量控制、社會化觀測數(shù)據(jù)質(zhì)量控制及偏差分析訂正技術，實現(xiàn)多圈層協(xié)調(diào)質(zhì)量控制、質(zhì)量評估及偏差分析與訂正，拓展人工智能技術在數(shù)據(jù)重建及偏差訂正方面的應用，構建滿足地球系統(tǒng)模式不同分量應用需求的立體綜合水文氣象觀測信息。

(2)多源數(shù)據(jù)融合分析。科學消除各類觀探測資料的系統(tǒng)偏差及復雜下墊面條件影響，進行誤差估計和多尺度最優(yōu)分析從而得到準確的實況場。面向“早預警、早行動”對水文氣象實況信息的需求，研發(fā)快速多源數(shù)據(jù)融合分析技術，產(chǎn)品要素向冰凍、生態(tài)等圈層拓展，更新頻次提高至分鐘級，重點區(qū)域產(chǎn)品空間分辨率提高至次百米級，逐漸逼近“真實”水分循環(huán)全過程，為防災減災提供精密的水文氣象監(jiān)測數(shù)據(jù)，并為模式預報提供更精準的初猜場。

(3)資料再分析。在我國第一代全球大氣再分析數(shù)據(jù)產(chǎn)品基礎上，研發(fā)高分辨率全球區(qū)域一體化大氣再分析系統(tǒng)，研制具有更高時空分辨率全球和區(qū)域再分析產(chǎn)品。因篇幅局限，本文對國內(nèi)海洋、大氣化學再分析研發(fā)進展涉獵較少。但從未來發(fā)展看，可逐步將大氣再分析擴展到耦合陸面、海洋、海冰、積雪、冰蓋、大氣化學、生物地球化學、動態(tài)植被等氣候系統(tǒng)組分，研究多圈層、多組分和多過程相互協(xié)調(diào)的資料同化技術，優(yōu)化不同歷史時期氣候系統(tǒng)各組分背景誤差協(xié)方差，研發(fā)更長時段氣候系統(tǒng)耦合再分析產(chǎn)品。

(4)人工智能分析。緊跟美國和ECMWF人工智能戰(zhàn)略，加快經(jīng)典數(shù)理分析技術與大數(shù)據(jù)、人工智能、云計算等新一代信息技術的融合應用，圍繞災害性天氣識別、短時臨近預報、氣候預測，以及數(shù)據(jù)質(zhì)量控制、誤差分析訂正、時空降尺度等典型氣象應用場景，研發(fā)高質(zhì)量氣象和水文人工智能應用訓練、驗證及測試數(shù)據(jù)集，發(fā)布基準數(shù)據(jù)集，從而促進人工智能在數(shù)據(jù)分析、數(shù)值模式多環(huán)節(jié)的應用。

致 謝：本文撰寫得到了劉志權、師春香、姜立鵬等人在多源數(shù)據(jù)融合分析與再分析方面提供的有益指導和重要幫助，在此一并表示感謝。