物理協調大氣變分客觀分析模型及其在青藏高原的應用I: 方法與評估

王東海 姜曉玲 張春燕 龐紫豪 梁釗明 張明華

1 中山大學大氣科學學院/廣東省氣候變化與自然災害研究重點實驗室/熱帶海洋系統科學教育部重點實驗室/南方海洋科學與工程廣東省實驗室 (珠海), 珠海519082

2 中國氣象科學研究院, 北京100081

3 國家氣象信息中心, 北京100081

4 紐約州立大學, 紐約11794

1 引言

隨著大氣觀測能力的不斷提高，觀測資料的種類越來越豐富。然而，不同觀測資料之間由于觀測設備的差異可能存在不協調的問題，很多關鍵物理量，如垂直速度，仍無法直接觀測；同時受限于儀器誤差、觀測誤差等因素，由觀測變量直接計算的大尺度衍生變量，如垂直速度、溫度/水汽平流、熱源等也無法很好地代表大氣的真實情況，更無法滿足大氣的水汽和能量收支平衡（O’ Brien, 1970;Lin and Johnson, 1996）。目前，再分析資料作為時間、空間上連續性較好的資料，在氣象分析研究中被廣泛應用，但再分析資料依賴于數值預報模式和同化方法，模式中物理過程參數化方案的缺陷及其他模式誤差會進一步影響資料的準確性（Xie et al., 2003; Morrison and Pinto, 2004），導致不同種類的再分析資料在同一地區會有所差異，甚至同一種再分析資料在不同地區的資料質量也會有明顯不同（Wang and Zeng, 2012; Bao and Zhang, 2013;You et al., 2015）。此外，當選定區域運用單柱模式或云模式進行研究時，需要給模式提供一個強迫場來定量地描述選定區域內部大氣和外界大氣的物理量交換特征，這個強迫場一般包括了溫度和水汽的平流傾向以及垂直速度等，其質量直接影響模式結果。由于絕大多數物理參數化過程發生的時間尺度都小于一天，為了更好地解釋模式的模擬過程與實際觀測之間的誤差，需要給模式提供更高精度的強迫場（Lord, 1982; Davies-Jones, 1993; Wang and Randall, 1996; Xie et al., 2004）。因此，如何充分有效地利用多來源觀測資料，使各類資料之間協調的同時保持資料的觀測特征，是當前觀測資料使用，尤其是外場觀測試驗中的一項難點工作。

Waliser et al.（2002）驗證了CVA 方法的有效性，發現該方法產生的大氣分析數據的誤差明顯小于僅考慮質量守恒的傳統客觀分析法。Zhang et al.（2001a）和Xie et al.（2003, 2006a）發 現 由CVA 方法構建的數據分析系統對插值方式、輸入數據類別和區域范圍大小的敏感度較低，能夠明顯提高模式強迫場的準確度。迄今為止，CVA 方法在諸多相關研究領域產生了較多創新成果與進展，如將CVA 方法應用于分析中高緯度大陸、熱帶海洋和大陸的對流系統（Ghan et al., 2000; Schumacher et al., 2007; Xie et al., 2014; Tang et al., 2016），揭示熱帶混合重力Rossby 波與非絕熱加熱場的耦合結構（Wang and Zhang, 2015），評估云模式的云模擬能力（Zeng et al., 2007）、積云參數化方案（Xie et al., 2002; Luo et al., 2008）和再分析及模式預報資料（Xie et al., 2006b; Kennedy et al., 2011）等。特別地，CVA 方法被ARM 項目中心采用并不斷發展成現今的多種觀測資料變分客觀分析業務系統（Zhang et al., 2016）。

以上眾多研究已表明CVA 方法及其構建的數據在云—對流—降水過程分析、水汽和熱量收支分析、資料和模式評估等方面具有明顯的優勢。然而，目前CVA 方法還沒有在國內野外觀測試驗、云模式發展等類似研究中得到很好的應用。本文將針對基于CVA 方法構建的物理協調大氣變分客觀分析模型，以青藏高原那曲及其周邊地區作為試驗區，系統闡述該模型的理論框架和資料使用情況，隨后應用該模型生成一套短期的那曲試驗區熱力—動力相協調的大氣分析數據集，通過對模型及其生成的數據集進行對比評估和敏感性試驗，以此檢驗物理協調大氣變分客觀分析模型的合理性和適用性。

2 理論基礎

為了從有限的探空觀測資料中獲取垂直速度、平流傾向等大尺度強迫項，Zhang and Lin（1997）提出了一種應用于單個大氣柱的約束變分客觀分析方法（CVA）。不同于傳統的客觀分析方法只考慮質量收支平衡對氣柱進行約束（O’ Brien, 1970;Yanai and Johnson, 1993; Lin and Johnson, 1996），CVA 方法還可對氣柱進行熱量、水汽和動量的收支約束（圖1）。結合氣柱上下邊界的通量等觀測數據，通過盡量小地調整區域內的探空狀態量，從而保持大氣柱的總質量、熱量、水汽和動量的收支平衡。在數據處理的過程中，CVA 方法能夠盡量利用觀測的有效信息，同時充分考慮觀測的誤差和不確定性，盡量提高最終分析結果的信度。

圖1 基于傳統客觀分析方法的物理概念模型（左）和基于約束變分客觀分析方法的物理概念模型（右）Fig. 1 Physical conceptions based on a traditional objective analysis method with only mass constraint (left) and the constrained variational analysis(CVA) method (right)

CVA 方法的理論基礎如下：已知大尺度大氣場滿足

3 觀測資料

2014 年夏季，中國氣象局、國家自然科學基金委和中國科學院共同啟動了第三次青藏高原（簡稱高原）大氣科學試驗（TIPEX-III），很大程度上填補了高原地區缺少觀測的空白（Zhao et al.,2018; 趙平等, 2018）。本文將基于CVA 方法構建的物理協調大氣變分客觀分析模型（以下簡稱模型）應用于高原，為充分利用高原地區的站點觀測，模型選定了以那曲探空站為中心，半徑為200 km 的圓柱形區域（圖2），模型的評估試驗時期選擇TIPEX-III 的初始時期——2014 年8 月。為盡量充分利用探空、風廓線等高空觀測資料，模型通常令構成氣柱邊界的分析點與高空觀測站點重合，若后者不能直接構成分析點，也可通過設置插值半徑影響其附近的分析點，從而使分析點上的物理量更接近于實際觀測。由于試驗區域內實際探空站數量有限，為減小進出氣柱的通量計算誤差，可適當人為補充分析點，從而構成氣柱邊界（如圖2 中的紅色星點）。根據模型對輸入數據的需求，將輸入變量分為調整變量（即探空觀測變量）和約束變量（即地面和大氣頂觀測變量）。除了這些觀測輸入項，模型還需要背景場資料來對觀測缺測進行插值處理，并結合站點觀測插值得到分析點的數據。以下介紹模型的幾種主要輸入資料，站點分布見圖2，變量信息見表1。

表1 2014 年8 月青藏高原那曲試驗區物理協調大氣變分客觀分析模型的輸入資料Table 1 Information of the input data for the physically consistent atmospheric variational objective analysis model during August 2014 in the Tibetan Plateau-Naqu analysis region

3.1 高空觀測資料

模型所使用的高空觀測資料為中國氣象局氣象探測中心提供的L 波段探空資料，資料具備較高的精度（奉超, 2007）。探空站通常每天進行兩次放球觀測，分別在08 時（北京時）和20 時，上升過程中探空氣球每秒采集一組數據，因此L 波段探空資料具有非常高的垂直分辨率，被廣泛應用于氣象研究中（如楊湘婧等, 2011; 姜曉玲等, 2016; 梁智豪等, 2020）。青藏高原的探空站點稀少，主要分布在東部和南部地區（趙平等, 2018）。模型選取了那曲及其周邊共四個探空站的觀測資料，這四個探空站分別是那曲站、沱沱河站、拉薩站和林芝站，探空變量包括風向和風速、氣壓、溫度、相對濕度，時間分辨率為12 小時。

思 莉 那是1991年，分別50年后，外公終于回到了三坊七巷。你外公這輩子最對不起的人，就是你的大奶奶茉莉！

3.2 地面自動站觀測資料

本文中，模型輸入的地面氣象站觀測資料為國家級和區域級的氣象自動站資料，提供的變量有地面的降水量、風向和風速、氣壓、溫度和相對濕度，時間分辨率為逐小時。在那曲試驗區，共有國家級和區域級自動站121 個，經過質量控制之后，這121 個站都可以提供逐小時地面降水資料，但只有78 個站可提供逐小時地面風向、風速、氣溫、濕度等要素。

3.3 邊界層綜合觀測資料

TIPEX-III 期間進行了邊界層通量的綜合觀測試驗（趙平等, 2018），觀測量包括湍流通量、地面輻射、土壤熱通量、二氧化碳通量等。在那曲試驗區中，邊界層綜合觀測站點有8 個，分別為安多、班戈、比如、嘉黎、林芝、那曲、納木錯和聶榮，觀測時間分辨率為0.5 小時。在本文中，模型所用到的地面通量資料為邊界層觀測的感熱通量和潛熱通量。

3.4 CERES 衛星資料

云與地球輻射能量系統（Clouds and the Earth’s Radiant Energy System，CERES）作為美國國家航空航天局地球觀測系統（NASA’s Earth Observing System, EOS）的重要組成部分（Wielicki et al.,1996），目前主要服務于EOS Terra、Aqua 和S-NPP三個衛星。利用衛星上搭載的觀測儀器，檢測從大氣層頂端至地表的太陽輻射及地球和大氣放出的熱輻射。此外，CERES 還可以提供各類云參量的反演產品。本文模型使用的輻射資料來源于CERES SYN1deg 產品集，包括地面和大氣頂的短波輻射和長波輻射，以及對流層低層、中低層、中高層和高層的云液態水含量，時間分辨率為1 小時，空間分辨率為1°×1°。

3.5 背景場資料

背景場資料主要是指各氣壓層的溫、壓、濕、風資料，通常為格點數據，它可以是模式資料，也可以是再分析資料。背景場資料可以彌補探空等實際觀測缺測或觀測密度稀疏造成的不足。本文中，模型構建的2014 年8 月大氣分析數據集使用的背景場資料為歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）最新發布的ERA5 再分析資料（Hersbach et al., 2020）。該資料可以提供1950 年以來的再分析結果，包括地面和大氣層頂的單層變量以及多層高空要素場變量，其中高空要素場共有37 層，從1000 hPa 至1 hPa。模型選用的變量包括各氣壓層的溫度、濕度、風向和風速，時間分辨率為1 小時，空間分辨率為0.25°×0.25°。為更好地實現水平插值，背景場的空間范圍比氣柱分析區大，范圍為（28.75°～34.25°N，89.00°～95.25°E）（圖2）。

圖2 2014 年8 月青藏高原那曲試驗區的資料分布。“+”表示0.25°×0.25°的ERA5 背景場格點；“??”表示121 個地面氣象自動站，其中只有78 個黃色站可提供除了降水以外的溫、壓、濕、風等其他常規地面要素的有效觀測；“o”表示探空站；“×”表示1°×1°的CERES 格點；“?”為邊界層觀測站點；“*”為人為選定的分析點（F0～F12），構成氣柱邊界和中心Fig. 2 Data network of the Tibetan Plateau-Naqu analysis region during August 2014. Symbols “+” represent the ERA5 background grid points with a spatial resolution of 0.25°×0.25°; “??” represent the 121 surface meteorological automatic stations in which the yellow ones denote only 78 stations that could give the measurements of other state variables besides precipitation; “o” represent the sounding stations; “×” represent the CERES (Clouds and the Earth’s Radiant Energy System) grid points with a spatial resolution of 1°×1°; “?” represent the boundary-layer stations; and “*” represent the artificial analysis points (F0-F12) which form the air column boundary and the center of the Tibetan Plateau-Naqu analysis region during August 2014

4 模型數據

4.1 數據產品

模型輸出的數據集是區域平均后的單層和多層變量，見表2。模型產生的一系列無法直接觀測的重要物理量如垂直速度、散度、溫度/水汽平流、視熱源、視水汽匯等，是基于觀測變量約束調整后的大氣分析場進一步計算衍生的，因此可用來檢驗模式產品（Xie et al., 2003, 2006b），也可以作為強迫場驅動單柱模式或云模式（Xu et al., 2002; Xie et al., 2004），評估模式參數化方案（Xie et al.,2002），或應用于云—降水過程分析和大氣動力、熱力、水汽收支等大尺度的結構特征分析等（龐紫豪等, 2019; Zhang et al., 2021a, 2021b）。模型產生的2014 年8 月試驗期數據集的時間分辨率為1 小時，垂直分辨率為25 hPa。

表2 物理協調大氣變分客觀分析模型輸出的變量產品Table 2 Variables derived by the physically consistent atmospheric variational objective analysis model

4.2 數據評估

盡管模型是通過大氣上下邊界的觀測變量來約束調整探空觀測，從而獲取物理協調的大氣基本狀態分析場，并以此計算出大尺度動力、熱力物理診斷變量，但最終的分析場仍然無法完全避免由觀測、計算、背景場帶來的各種各樣的誤差，因此無法保證模型的分析結果就是大氣的“真實場”，只能夠理論上將模型結果看作為大氣真實場的一種逼近。本文將通過對比模型、觀測與ERA5 再分析資料的結果，來檢驗模型的準確度和合理性。由于模型生成的大尺度變量無法利用觀測資料來直接評估，因此也可以通過檢驗模型結果與降水發展的吻合度，進一步評估模型及其數據集在青藏高原那曲試驗區的合理性。

本文利用模型生成了2014 年8 月那曲試驗區的大氣分析數據集，通過對比模型變分客觀分析前后的能量收支變化，檢驗模型產生的分析結果是否滿足氣柱能量收支的守恒。方程組（6）～（9）等號左右兩邊的差值（或稱為剩余）越小，則表明大氣柱的質量、水汽、熱量和動量基本守恒。本文中，模型主要對氣柱的質量、水汽和熱量進行約束。圖3 為模型輸出的變分客觀分析前后的氣柱質量、水汽和熱量的收支剩余。未進行約束調整時，氣柱內質量、水汽和熱量剩余的量級分別是101、10-1、100～101，經過約束調整后，對應的量級分別變為10-3、10-2、10-2，其中模型對質量的約束最為明顯，因此，可以認為模型基本滿足大氣柱的質量、水汽和熱量收支平衡。

在那曲試驗區，模型中產生的地面狀態量是自動站和探空資料融合調整的結果。圖4a 對比了模型生成的地面氣壓和ERA5 再分析中的地面氣壓，可以發現，兩種產品隨時間的變化趨勢大體一致，但模型的地面氣壓起伏更明顯，如8 月上旬模型呈現出的地面氣壓波動較大，而ERA5 的結果比較平緩。此外，模型和ERA5 的氣壓大小具有明顯的偏差，前者平均地面氣壓約為595.7 hPa，后者約為572.5 hPa，二者相差約23 hPa。統計2014 年8 月試驗區內自動站和ERA5 的地面氣壓的頻率分布，從圖4b 可見，自動站的地面氣壓主要分布在560～670 hPa，分布范圍較廣，模型生成的地面氣壓平均值恰好落在該觀測區間內。圖4c 表明ERA5 的地面氣壓主要集中在530～610 hPa，其中550～580 hPa 出現頻率最高，分布范圍較窄。因此，ERA5 再分析資料提供的地面氣壓明顯低于實際觀測的，這種氣壓差異可能是因為產生ERA5 再分析資料的數值模式所使用的下墊面與青藏高原實際下墊面之間存在偏差而導致的。此外，模型產生的其他地面狀態量，如地面風場、溫度、濕度等與ERA5 再分析資料的結果相比（圖略），二者隨時間的變化趨勢也基本一致，在強度上略有差異，但差異明顯小于模型和ERA5 的地面氣壓差。生時，模型表現出更強的垂直上升運動，如8 月17 日，試驗區內發生了最強的一次短時降水過程（降水率＞20 mm/d），模型刻畫出了明顯的上升運動，但ERA5 表現出來的上升運動并不明顯；又如8 月20 日夜間至21 日白天，高原降水強，維持的時間較長，模型刻畫出的上升運動遠遠大于ERA5 的結果，且降水達到峰值時，上升運動強度也幾乎達到峰值，而ERA5 的上升運動峰值早于降水峰值出現。當降水減弱或沒有時，模型則表現出更強的垂直下沉運動，如8 月13 日和17～18 日。相應地，與垂直速度場匹配的散度場也存在類似特征（圖6c、d），當降水較強時，模型在400 hPa以下表現出較強的輻合運動，高層以輻散運動為主，而ERA5 低層的輻合相對較弱。由于模型數據和ERA5 再分析資料都不是大氣的真實值，而是大氣真實情況的近似，因此無法百分之百確定這兩種方法得到的垂直速度場和散度場哪種更準確，但從與降水發展的聯系來看，模型得到的大尺度動力診斷量對地面降水的敏感度更高，其強度變化也與強降水的發展過程更吻合。

圖5 2014 年8 月青藏高原那曲試驗區高空緯向風（左，單位：m/s）、經向風（右，單位：m/s）：（a、b）那曲探空站數據，觀測時間分辨率為12 h，白色矩形條表示缺測；（c、d）物理協調大氣變分客觀分析模型輸出數據，時間分辨率為1 h；（e、f）ERA5 再分析資料，時間分辨率為1 hFig. 5 Upper-level zonal wind (left column, units: m/s) and meridional wind (right column, units: m/s) in the Tibetan Plateau-Naqu analysis region during August 2014: (a, b) Naqu sounding station with 12-h temporal resolution, the white blanks represent missing data; (c, d) the physically consistent atmospheric variational objective analysis model with 1-h temporal resolution; (e, f) ERA5 reanalysis data with 1-h temporal resolution

圖6 2014 年8 月13～22 日青藏高原那曲試驗區高空（a、b）垂直速度（單位：hPa/h）和（c、d）散度（單位：10-5 s-1）。左邊為物理協調大氣變分客觀分析模型輸出結果，右邊為ERA5 結果，黑色實線表示地面降水率（單位：mm/d）Fig. 6 Domain-averaged (a, b) vertical velocity (units: hPa/h) and (c, d) divergence (units: 10-5 s-1) derived from the physically consistent atmospheric variational objective analysis model (left column) and the ERA5 reanalysis (right column) the Tibetan Plateau-Naqu analysis region from 13 August to 22 August 2014. The black line represents the surface rainfall rate (units: mm/d)

4.3 數據分析

本文在初步評估了模型的性能后，利用模型生成的2014 年8 月那曲試驗區大氣分析數據集，分析該地區試驗期對流降水過程的大氣動力和熱力的垂直結構。圖7 表明那曲試驗區在2014 年8 月的降水十分頻繁，平均降水率為4.6 mm/d，最強降水發生在8 月11 日夜間，區域平均最大降水率達到30.9 mm/d。利用FY-2E 衛星的TBB 資料研究（圖略）發現，試驗期產生的降水基本是由西南季風氣流移動過來的對流云系統造成。將區域平均后的降水強度小于1 mm/d 的過程視為無雨時期（也是多次降水過程之間的間歇期），大于5 mm/d 的視為強降水時期，介于二者之間的則為弱降水時期。統計發現，2014 年8 月在那曲試驗區，這三種強度的降水發生頻率依次為14.8%、35.8%和49.4%，即試驗期間發生降水的頻率多達85.2%，因此這段時間也是研究青藏高原那曲地區夏季降水及其大氣結構特征的典型時期。需要說明的是，本文將降水強度小于1 mm/d 的時期定為無雨時期，這是由于2014 年8 月試驗區的降水十分頻繁，區域平均后的降水強度小于1 mm/d 的時次很少，出現頻率很低，在這些時次，也只有少數個別站點觀測到少量降水，同時高空也沒有明顯的云系統，因此可近似視為此時試驗區內沒有降水發生。

圖7 2014 年8 月青藏高原那曲試驗區區域平均地面降水率（單位：mm/d）的時間序列Fig. 7 Time series of the domain-averaged surface rainfall rate (units:mm/d) in the Tibetan Plateau-Naqu analysis region during August 2014

圖8 是模型得到的那曲試驗區2014 年8 月不同降水強度的垂直速度廓線。從整個8 月的平均結果來看，該時期那曲試驗區整層大氣以上升運動為主，上升運動主體位于200～500 hPa。在強降水時期，試驗區內上升運動最為顯著，強中心（～0.028 m/s）位于300 hPa 附近。弱降水時期整層大氣上升運動遠弱于強降水時期的上升運動，強度基本小于0.006 m/s，且沒有明顯的強中心。與降水時期相反，無雨時期試驗區整層大氣均為下沉運動，并在300 hPa 附近達到最強。值得注意的是，強降水時期和無雨時期的垂直運動大致呈現對稱分布的垂直結構，即那曲試驗區在2014 年8 月的上升運動和下沉運動的強度相當。該時期的降水是由西南季風觸發的對流系統爬上青藏高原發展造成的，處于降水間歇期的無雨時期大多處于上一個對流系統離開、下一個對流系統將到的狀態，因此無雨時期的下沉氣流很有可能是積云外補償性下沉氣流。

由于青藏高原特殊的地理位置，其冷暖平流比較明顯。那曲試驗區的大氣在400 hPa 之下以水平暖平流為主，400 hPa 之上以水平冷平流為主（圖9a），這主要是因為降水導致試驗區的氣溫低于周邊區域的氣溫，對流層低層西南風和氣流輻合形成低層暖平流，同時對流層高層輻散卷出氣柱內的冷空氣，形成高層冷平流（姜曉玲, 2016）。三種強度的降水過程皆存在這種低層暖平流、高層冷平流的垂直配置。無雨時期低層的水平暖平流最弱最淺薄，僅出現在500 hPa 以下，500 hPa 以上則為冷平流，且在450 hPa 和125 hPa 附近存在兩個冷平流中心。降水時期（包括強、弱降水）在低層500～550 hPa存在暖平流中心，在高層125～150 hPa 存在冷平流中心。降水越強，低層水平暖平流就越強。熱量的垂直平流（圖9b）則與大氣上升/下沉運動（圖8）的絕熱冷卻/增溫密切相關，降水（無雨）時期整層大氣為垂直冷（暖）平流主導，同樣地，降水越強，垂直冷平流越強。與垂直速度相似，三種強度降水的冷暖中心都位于350～400 hPa。

圖8 2014 年8 月青藏高原那曲試驗區不同降水強度的垂直速度廓線（單位：m/s，正值表示上升運動）。黑色實線表示8 月的平均結果，虛線表示強降水時期（＞5 mm/d）的平均結果，點線表示弱降水時期（1～5 mm/d）的平均結果，點虛線表示無雨時期（＜1 mm/d）的平均結果Fig. 8 Profiles of vertical velocity (units: m/s, positive values mean upward motion) for monthly average (solid line), strong rainfall (＞5 mm/d, dashed line), weak rainfall (1-5 mm/d, dotted line), and no rainfall (＜1 mm/d, dash-dotted line) in the Tibetan Plateau-Naqu analysis region during August 2014

對于水汽平流而言，降水時期，試驗區內低層550 hPa 以下存在較弱的水平濕平流，但對流層整層以水平干平流為主（圖9c），強降水和弱降水時期的干平流強度相當，強中心同樣位于350～400 hPa；無雨時期除了450～550 hPa 存在水平干平流外，其余層次為水平濕平流，其中又以300～400 hPa 和近地面的濕平流表現得最強，這為接下來的降水過程提供了較充足的水汽。試驗區內水汽垂直平流的強度遠遠大于水平平流，但不同于水平平流在降水時期（無雨時期）以干（濕）平流為主，垂直平流在降水時期（無雨時期）則以濕（干）平流為主。此外，垂直干/濕平流的強中心位于400 hPa附近，只略低于水平干/濕平流的強中心。由此可推測，水平方向水汽平流的變化極有可能是由于水汽強烈的垂直輸送造成的，這是因為降水時期強烈的上升運動導致了同高度的水汽被大量向上輸送消耗，從而造成較強的水平干平流。

圖9 2014 年8 月青藏高原那曲試驗區不同降水強度的平流廓線：（a）水平熱量（單位：K/h）；（b）垂直熱量（單位：K/h）；（c）水平水汽（單位：g kg-1 h-1）；（d）垂直水汽（單位：g kg-1 h-1）。黑色實線表示8 月平均的結果，虛線表示強降水時期（＞5 mm/d）的結果，點線表示弱降水時期（1～5 mm/d）的結果，點虛線表示無雨時期（＜1 mm/d）的結果Fig. 9 Advection profiles of (a) horizontal heat (units: K/h), (b) vertical heat (units: K/h), (c) horizontal moisture (units: g kg-1 h-1), and (d) vertical moisture (units: g kg-1 h-1) for monthly average (solid line), strong rainfall (＞5 mm/d, dashed line), weak rainfall (1-5 mm/d, dotted line), and no rainfall (＜1 mm/d, dash-dotted line) in the Tibetan Plateau-Naqu analysis region during August 2014

總體而言，熱量/水汽的水平平流在不同強度降水過程中差異不大，但垂直平流的差異明顯，這主要和垂直運動的強度有關。熱量和水汽平流輸送的強中心位置與垂直運動強中心的位置基本一致，再次表明大氣垂直運動對熱量和水汽的垂直結構十分重要，同時也表明了350～400 hPa 高度層是該時期那曲試驗區重要的動力、熱量和水汽輸送中心。

視熱源Q1和視水汽匯Q2則可以用來描述大氣熱量和水汽的收支情況，同時反映大氣中水汽凝結潛熱、輻射加熱和垂直湍流輸送對大氣非絕熱加熱的影響，對分析積云對流的發展也有重要的參考價值（Yanai et al., 1973; Ogura and Cho, 1973）。根據Yanai et al.（1973），Q1和Q2的定義如下：

圖10 為模型生成的不同降水強度對應的Q1和Q2的垂直結構。從8 月的平均情況來看，試驗區在450 hPa 以下為冷源，以上為熱源（圖10a），低層冷源中心位于500～550 hPa，高層熱源中心則分別位于350 hPa 和125 hPa 附近。降水時期的Q1在低層表現為冷源，一方面是由于降水的發生導致地面溫度降低，通過輻射冷卻使得近地面大氣成為冷源，另一方面雨滴的蒸發也有利于低層大氣冷源的形成。強降水時期的低層冷源和高層熱源均強于弱降水時期，但無雨時期的大氣加熱垂直結構則幾乎相反，在425 hPa 以下和150 hPa 以上為熱源，其余高度層為冷源，這主要是與高原地面強感熱、高層太陽短波輻射加熱和中層大氣強輻射冷卻有關。

圖10b 表明強降水時期整層大氣均為水汽匯，強中心位于400 hPa 附近。由于凈水汽凝結潛熱是Q1和Q2的共同項，因此Q2的表現間接反映水汽凝結潛熱釋放對大氣加熱的影響。對于強、弱降水而言，水汽匯的強中心略低于熱源的中層（350 hPa附近）強中心，二者的強中心與上升運動的強中心（圖8）相近，反映了Q1的中層強加熱中心與對流上升運動和水汽的凝結潛熱密切相關。而試驗區高層（200 hPa 以上）的Q2基本為0，說明該高度幾乎沒有水汽的變化，但卻存在明顯的大氣加熱（圖10a），因此高層的熱源與水汽凝結潛熱的關系不大。龐紫豪（2018）指出，2014 年夏季高原存在較多的高云。因此，高層的強熱源可能是由于強的上升氣流將水汽和中層凝結的水滴繼續往上輸送，在高層水汽凝華或過冷水凝結成冰晶云而造成的潛熱加熱（龐紫豪等, 2019）。另一方面，那曲試驗區夏季大氣頂部的太陽輻射加熱很強（圖略），這也有利于高層熱源的形成。無雨時期，低層550 hPa以下為弱水汽匯，550 hPa 以上則為強水汽源，又以400～500 hPa 的水汽源最強，這可能與夏季那曲試驗區中高云的蒸發有關（姜曉玲, 2016）。

圖10 2014 年8 月青藏高原那曲試驗區不同降水強度的（a）視熱源Q1（單位：K/h）和（b）視水汽匯Q2（單位：K/h）的廓線。黑色實線表示8 月平均的結果，虛線表示強降水時期（＞5 mm/d）的結果，點線表示弱降水時期（1～5 mm/d）的結果，點虛線表示無雨時期（＜1 mm/d）的結果Fig. 10 Profiles of (a) apparent heat source Q1 (units: K/h) and (b) apparent moisture sink Q2 (units: K/h) for monthly average (solid line), strong rainfall (＞5 mm/d, dashed line), weak rainfall (1-5 mm/d, dotted line), and no rainfall (＜1 mm/d, dash-dotted line) in the Tibetan Plateau-Naqu analysis region during August 2014

5 不同數據源的敏感性試驗

基于CVA 方法構建的物理協調大氣變分客觀分析模型需要多種觀測資料，各種觀測資料對大氣分析場的重要性不同。為了檢驗模型的穩定性，以下探討不同來源資料對模型產生的大氣分析場的影響。其中，探空資料作為模型中的被調整場，在各種觀測資料中最為重要；地面降水不僅能夠用來約束探空變量，同時作為對流活動的產物，其對大氣分析場也十分重要；而地面、大氣頂的熱通量則是保障氣柱能量收支守恒的重要約束。因此，本文將輸入資料分為探空、降水及上下邊界熱通量來探討不同類型、不同來源的資料對模型產生大氣客觀分析場的影響。具體試驗設置如表3，試驗時間同樣為2014 年8 月，試驗區域也是青藏高原那曲試驗區。其中，E0 組試驗的模型輸入的所有資料均來源于ECMWF 的ERA-Interim 再分析資料，時間分辨率為逐6 h，空間分辨率為0.25°×0.25°。在該試驗中，將ERA-Interim 的高空變量分成兩部分，一部分用作模型背景場，另一部分插值到探空站點構成“虛擬探空”（圖11）。E1 為探討L 波段探空觀測資料對模型貢獻的敏感性試驗組，其對照組為E0。E2、E3 為探討降水觀測資料對模型貢獻的敏感性試驗組，前者的降水資料來源于那曲試驗區的地面自動站逐小時觀測，后者來源于中國地面觀測與CMORPH（Climate Prediction Center (CPC)MORPHing technique）衛星觀測融合的逐小時降水產品（V1.0）（Xie and Xiong, 2011）。CMORPH融合降水資料為網格點資料，空間分辨率為0.1°×0.1°，融合了地面自動站和衛星兩個來源的降水數據，前者為逐小時觀測數據，后者來自于美國環境預測中心開發的實時衛星反演CMORPH 降水產品，空間分辨率為8 km，時間分辨率為30 分鐘。E2 和E3 兩組互為對照，且與E1 對比，從而評估模型分別輸入不同來源降水資料后的表現。E4 主要探討模型上下邊界通量觀測資料對模型結果的貢獻，其對照組為E0 和E2。實際上，E4 試驗中模型的輸入資料與本文第4 章模型評估試驗的差別只在于背景場資料的選擇，E4 背景場為ERAInterim 再分析資料，模型評估試驗的背景場為ERA5 再分析資料。但盡管模型使用了不同的背景場，使用ERA5 和ERA-Interim 后獲取的基本分析量和大尺度變量結果相似度很高。

圖11 物理協調大氣變分客觀分析模型僅輸入ERA-Interim 再分析資料時青藏高原那曲試驗區資料點分布。“*”表示由人為補充站構成的分析點，“o”表示探空站，“+”表示背景場格點Fig. 11 Data network of the physically consistent atmospheric variational objective analysis model, with only inputs from the ERAInterim reanalysis data. “*” represents artificial analysis points, “o”represents fictitious sounding stations, and “+” represents background grid points

表3 輸入物理協調大氣變分客觀分析模型的不同來源資料的敏感性試驗Table 3 Sensitivity tests to examine the effect of different sources of the input data on the physically consistent atmospheric variational objective analysis model

5.1 探空資料的影響

為檢驗E0 試驗中模型只輸入ERA-Interim 再分析資料后所得分析場的合理性，簡單考察E0 試驗是否滿足氣柱的能量守恒（圖略）。E0 試驗進行變分客觀分析前，氣柱內的質量、水汽和熱量剩余量級都為100，而經模型變分客觀分析后，氣柱內的質量、水汽和熱量剩余均有明顯減小，其中質量約束效果最為明顯，剩余量級為10-3，熱量次之，水汽的改變相對其他二者較小，但相比約束前也減小了一個量級。因此，可以認為，盡管模型輸入的都是再分析資料，但經CVA 方法約束調整后，氣柱內質量、水汽和熱量仍然滿足收支平衡。

E0 試驗輸入的探空資料為ERA-Interim 再分析資料插值到探空站點形成的“虛擬探空”（圖11），E1 試驗輸入的則是實際的探空觀測資料，在對比E0 和E1 試驗的分析結果之前，本文首先對那曲站的探空觀測資料及該站點對應的ERA-Interim 再分析資料進行了比較（圖略），結果表明，兩種資料在相對濕度場上存在明顯差異，但風場和溫度場的差異較小。ERA-Interim 再分析資料顯示，2014 年8 月那曲試驗區上空整層大氣相對濕度高，甚至可以達到100%，而探空觀測則表明該區域大氣濕度只在250 hPa 以下較高，250 hPa 以上的大氣相對濕度在50%以下，遠遠不及再分析資料的結果。這種高層的濕度差異在8 月中上旬尤為明顯，相差達50%以上。這種明顯的濕度差異，一方面可能是因為在高層低溫情況下濕度傳感器性能下降所導致，另一方面也有可能是因為模式的偏差，目前具體原因尚不清楚。

對比E0 和E1，分析模型輸入L 波段探空觀測前后所生成的大氣基本狀態場的變化。圖12 為那曲試驗區2014 年8 月平均的風、溫、濕垂直廓線，在使用實際探空觀測后，發現E1 的緯向風在150～450 hPa 有所增強，增幅小于1 m/s，總體而言，兩組試驗的緯向風十分相似。E0 和E1 的經向風在300 hPa 以下的差異較大。E1 試驗改為使用實際探空資料后，在450～550 hPa 的經向風減弱，減小約1 m/s，在325～450 hPa 的經向風加強，增幅約0.5 m/s。而在200 hPa 以上，E0 和E1 的經向風相差不大。與風場相比，E1 試驗輸入實際探空后，其溫度場與E0 大致相同，其濕度場在低層則稍弱于E0。這些結果表明，模型輸入實際探空資料與否，對其大氣分析場中的溫、濕場影響不大，但對風場、尤其是中低層經向風場的影響較為明顯。

圖12 E0 試驗（藍色點線）和E1 試驗（綠色虛線）所得的2014 年8 月青藏高原那曲試驗區平均的（a）緯向風（u, 單位：m/s）、（b）經向風（v, 單位：m/s）、（c）溫度（T, 單位：°C）、（d）水汽混合比（q, 單位：g/kg）Fig. 12 Profiles of the (a) zonal wind (u, units: m/s), (b) meridional wind (v, units: m/s), (c) temperature (T, units: °C), and (d) water vapor mixing ratio (q, units: g/kg) averaged in the Tibetan Plateau-Naqu analysis region during August 2014, produced by two sensitivity tests E0 (dotted blue line)and E1 (dashed green line)

圖13 為E0 和E1 生成的垂直速度場，可以看到，探空觀測的使用對于垂直速度場的影響主要體現在強度上。E0 和E1 兩組試驗得到的垂直速度隨時間和隨降水強度的發展很相似，但E1 模型輸入L 波段探空觀測后，在試驗區降水期間，上升運動有所增強，例如8 月25 日夜間，E0 呈現的上升運動較弱，而E1 呈現的上升運動較明顯。值得注意的是，E0 和E1 模型表現出來的上升運動峰值與降水峰值出現的時間并未完全對應，即強上升運動不是出現在最強降水的時刻，例如在20～22 日的降水過程中，強上升運動出現在降水減弱的階段，存在滯后的現象。

圖13 （a）E0 試驗和（b）E1 試驗分析所得的2014 年8 月青藏高原那曲試驗區平均的垂直速度（彩色陰影，單位：hPa/h）、地面觀測降水演變（黑色實線）Fig. 13 Domain-averaged vertical velocity (color shadings, units: hPa/h) and surface rainfall rate (black line) in the Tibetan Plateau-Naqu analysis region during August 2014, produced by two sensitivity tests (a) E0 and (b) E1

5.2 降水資料的影響

在分析降水資料對模型的影響之前，首先比較三種降水資料（即ERA-Interim 再分析資料、地面自動站觀測資料、CMORPH 融合降水資料）。圖14為三種降水資料得到的區域平均降水強度的時間序列，可以看出，三種資料在降水事件的捕捉上較一致，均能較好地反映試驗區2014 年8 月的數次降水過程，且自動站觀測降水和CMORPH 融合降水隨時間的演變特征更相似。但各個資料間降水強度有所差別，與地面自動站觀測相比，ERA-Interim再分析資料在降水時間和強度上存在不足，而CMORPH 資料的降水發生時間和地面觀測較為吻合，但降水強度總體偏弱。對比8 月12 日00 時（協調世界時，下同）至16 日18 時的6 小時累積降水量分布圖（圖略）發現，與地面降水觀測資料相比，對于12 日00 時至12 時的一次降水過程，ERA-Interim 再分析降水的維持時間更短，而13日12 時開始發展的雨帶在再分析資料中表現為一次雨團，且該降水過程的兩次生消過程也并未得到較好的反映。CMORPH 融合降水資料與地面自動站觀測所反映的結果則十分相似，這是因為CMORPH 降水資料融合了地面和衛星兩個來源的降水數據，同時受衛星反演資料的影響，該數據所反映的降水具有云團或云帶特征。CMORPH 融合降水資料具備很高的空間分辨率，極大地彌補了高原地區自動站水平分布不均勻的缺陷，但另一方面，在自動站分布稀疏的地方，該種資料更大程度上依靠衛星資料的反演，資料的可靠性存在一定的不足。總體而言，三種資料各有利弊：地面自動站資料為直接觀測資料，但高原上自動站分布極不均勻，在試驗區域北部自動站稀疏；ERA-Interim 再分析降水資料和CMORPH 融合降水資料為格點資料，其中CMORPH 融合降水資料具備極高的空間分辨率，且因為融合了地面觀測資料，與自動站所觀測的降水分布較一致，但該資料在自動站分布稀疏的區域依賴于衛星反演資料，降水強度較弱，而ERAInterim 再分析資料與自動站觀測所反映的降水特征相比相差較大。

圖14 2014 年8 月青藏高原那曲試驗區平均的降水率（單位：mm/d）。綠色點線：ERA-Interim 再分析資料；藍色虛線：CMORPH 融合降水資料；黑色實線：地面自動站觀測資料Fig. 14 Time series of the domain-averaged surface rainfall rate (units: mm/d) from ERA-Interim reanalysis (green dotted line), CMORPH fusion precipitation data (blue dashed line), and surface automatic stations (black solid line) in the Tibetan Plateau-Naqu analysis region during August 2014

E2、E3 模型在輸入L 波段探空資料的基礎上，進一步增加實際觀測的降水資料，并與E1 作對比，以此評估降水資料對模型分析場的影響。圖15 展示了模型輸入自動站觀測（E2）、CMORPH 降水資料（E3）后的分析場與輸入ERA-Interim 再分析降水資料（E1）后的分析場的差別，可以看出，模型無論是輸入地面自動站觀測還是CMORPH 融合的降水資料，都與輸入ERA-Interim 再分析降水資料后得到的高空大氣基本狀態場的差異很小，在不同層次，風場、溫度場和水汽場的變化均在±0.1個單位以內。因此，變換這三種降水資料，對模型造成的影響很小，一方面是因為CMORPH 融合降水資料和ERA-Interim 再分析降水資料都能較好地反映2014 年8 月那曲試驗區的降水特征——盡管降水強度和發生時間的差異導致了圖15 的模型間的細微差別；另一方面，也進一步說明物理協調大氣變分客觀分析模型是一套穩定的分析系統。

圖15 2014 年8 月青藏高原那曲試驗區平均的E2 試驗、E3 試驗分析結果與E1 試驗所獲得分析結果的差異：（a）緯向風（單位：m/s）；（b）經向風（單位：m/s）；（c）溫度（單位：°C）；（d）水汽混合比（單位：g/kg）Fig. 15 Differences of the (a) zonal wind (units: m/s), (b) meridional wind (units: m/s), (c) temperature (units: °C), and (d) water vapor mixing ratio(units: g/kg) between test E2 and test E1, between test E3 and test E1 averaged in the Tibetan Plateau-Naqu analysis region during August 2014

雖然E2 和E3 模型在輸入不同降水資料后，所生成的大氣基本場差異較小，但在垂直速度的對比中存在較大的差異。圖16a 和16b 分別為E2 和E3 模型生成的2014 年8 月那曲區域平均的垂直速度。可以看到，相比E1 模型（輸入的是ERA-Interim再分析降水資料）生成的幾乎以上升運動主導的垂直速度場（圖13b），E2 和E3 模型的上升運動均有所減弱，尤其是E3 模型輸入了CMORPH 融合降水資料后，上升運動大幅度減弱，在14～17 日、20～22 日的兩次持續性強降水過程中（圖16c），這種減弱表現得尤為明顯。這與CMORPH 融合降水資料提供的降水強度偏弱有關。在這兩次降水過程中，E2 和E3 的上升運動強中心都出現在350 hPa 附近（圖16c），但E2 模型顯示兩次強降水過程的最強上升運動在6.0 hPa/h 左右，而E3 模型的最強上升運動則約為3.5 hPa/h。另外，在降水間歇期，E2 和E3 的下沉運動有所增強。總的來看，模型輸入地面自動站降水資料后，所獲得的垂直上升運動比輸入CMORPH 融合降水資料表現好，盡管強度比沒有輸入實際觀測降水資料（圖13）的弱，但其上升運動峰值出現的時間與降水峰值出現的時間更吻合。

圖16 2014 年8 月青藏高原那曲試驗區平均的（a）E2 試驗輸入L 波段探空和自動站觀測降水資料以及（b）E3 試驗輸入L 波段探空和CMORPH 融合降水資料后的高空垂直速度（彩色陰影，單位：hPa/h）、地面降水強度演變（黑色實線）。（c）2014 年8 月14～17 日、20～22 日青藏高原那曲試驗區模型輸入不同降水資料后平均的垂直速度廓線Fig. 16 Domain-averaged vertical velocity (color shadings, units: hPa/h) and surface rainfall rate (black line) in the Tibetan Plateau-Naqu analysis region during August 2014, produced by two sensitivity tests (a) E2 and (b) E3. (c) Profiles of the vertical velocity (units: hPa/h) from E2 and E3 averaged in the Tibetan Plateau-Naqu analysis region from 14 to 17 August 2014 and from 20 to 22August 2014

地面降水作為模型重要的約束項，還直接影響變分客觀分析后的水平溫度平流和水汽平流，因此本文還對比了E1、E2 和E3 三組試驗獲得的溫度平流和水汽平流的結果，以此進一步檢驗ERAInterim 再分析、自動站觀測和CMORPH 融合降水資料對模型結果的影響。結果（圖略）表明，模型輸入三種不同的降水資料后，生成的平流項在垂直結構與時間演變上比較相似，且E2 和E3 呈現的結果最為接近，這種相似性與三種降水資料在試驗期區域平均后隨時間變化基本一致（圖14）的表現有關。但在顯著降水期間，無論是低層的暖平流還是高層的冷平流，都表現為E1 的結果略強于E2 和E3 的結果；而對于水汽平流，E1 與E2、E3的差異又更大一些，不僅體現在水汽平流的垂直分布上，也體現在水汽平流強度和及其強中心出現的時間上。這種平流強度上的差異主要與三種降水資料的強度差異有關。但總體而言，三組試驗生成的水平平流項相似度高，最重要的區別體現在強度量級上。Zhang et al.（2001a）和Xie et al.（2006a）都曾表明，CVA 方法生成的大氣分析數據集對原始輸入數據來源的敏感性較低，不同來源的數據主要影響最終診斷變量的強度大小，對其垂直結構的影響比較低。

5.3 上下邊界通量資料的影響

模型利用地面的潛熱、感熱和輻射通量以及大氣頂部的輻射通量來約束大氣柱的能量，使之基本滿足收支平衡。為檢驗改變這些大氣上下邊界通量資料的輸入后對模型最終結果的影響，本文將E2試驗組的ERA-Interim 再分析熱通量資料替換為試驗區邊界層觀測的潛熱/感熱通量和CERES 觀測訂正后的輻射通量資料，得到E4 試驗組結果。其中ERA-Interim 再分析資料熱通量和觀測熱通量的對比見圖17。從圖中可見，ERA-Interim 再分析結果與觀測結果在試驗期內隨時間的變化趨勢幾乎一致，但在強度上存在偏差，尤其是地面潛熱通量。圖17a、b 表明，邊界層觀測和再分析的潛熱/感熱通量一般都會在午后至晚上出現極大值，其中邊界層觀測的潛熱通量極大值明顯大于再分析的極大值，但這種強度差異在感熱通量上則有所減弱。此外，邊界層觀測結果偶爾會在夜間出現負值，但再分析結果卻不會出現這種情況，表明實際觀測的表現存在不穩定性，仍需要進一步的質量控制。對于地面和大氣頂的輻射通量，ERA-Interim 再分析結果和衛星遙感觀測訂正后的結果則十分接近（圖17c、d）。

圖17 2014 年8 月青藏高原那曲試驗區平均的（a）地面潛熱通量、（b）地面感熱通量、（c）地面凈向上輻射通量、（d）大氣頂凈向下輻射通量。圖a、b 中，實線表示邊界層綜合觀測結果（8 月30 日后存在缺測）；圖c、d 中，實線表示CERES 衛星觀測訂正后的結果。虛線表示ERA-Interim 再分析結果Fig. 17 Time series of the domain-averaged (a) surface latent heat flux, (b) surface sensible heat flux, (c) surface net upward radiative flux, (d) top-ofatmosphere (TOA) net downward radiative flux in the Tibetan Plateau-Naqu analysis region during August 2014. In Figs. a and b, the solid lines mean observation from the boundary-layer station; in Figs. c and d, the solid lines mean CERES (Clouds and the Earth’s Radiant Energy System)-produced results. The dashed lines mean ERA-Interim reanalysis

圖18 對比了E0（不使用任何實際觀測）、E2（輸入L 波段探空和地面自動站觀測降水）和E4（輸入L 波段探空、地面自動站觀測降水和上下邊界通量觀測資料）三組試驗獲得的平均風、溫、濕廓線，同樣發現上下邊界資料對于高空大氣基本狀態場的影響很小，但對經向風的影響較大。圖18b表明，200～550 hPa，E4 試驗生成的經向風略強于E2 試驗的結果（增幅約0.3 m/s），在200 hPa以上的更高層，E2 試驗和E4 試驗的經向風幾乎一樣。從E0、E2、E4 三個敏感性試驗的對比來看，風場及溫、濕場并未發生很大變化，再次說明模型具有較高的穩定性。但在垂直速度上，E4 試驗結果與E0、E2 試驗的結果相比，除保持了在顯著降水過程中的強上升運動外，在弱/無降水時期，表現出更為明顯的下沉運動（圖略）。

圖18 2014 年8 月青藏高原那曲試驗區平均的E0 試驗、E2 試驗、E4 試驗分析所得的（a）緯向風（單位：m/s）、（b）經向風（單位：m/s）、（c）溫度（單位：°C）、（d）水汽混合比（單位：g/kg）Fig. 18 Profiles of the (a) zonal wind (units: m/s), (b) meridional wind (units: m/s), (c) temperature (units: °C), and (d) water vapor mixing ratio(units: g/kg) averaged in the Tibetan Plateau-Naqu analysis region during August 2014, produced by three sensitivity tests E0, E2, and E4

綜上所述，不同的資料輸入來源對模型生成的大氣基本狀態場和大尺度衍生場（以垂直速度為例）的影響有區別。探空資料對模型產生的高空風場、溫度場和濕度場的影響大，且對經向風場的影響最大，但這種影響通常在1 m/s 以內。降水資料和上下邊界通量資料對于模型分析出的高空風場、溫度場和濕度場影響較小，但對于垂直速度的影響較大，其中，降水資料主要影響上升運動，尤其是降水時期的上升運動，并使得強上升運動出現的時間與強降水的發生時間更吻合好，而上下邊界通量資料主要影響弱/無降水時期的下沉運動，使之強度更大。

6 總結與討論

本文介紹了基于Zhang and Lin（1997）提出的約束變分客觀分析方法（CVA）構建的物理協調大氣變分客觀分析模型（簡稱模型），該模型通過使用地面降水、大氣上下邊界的通量資料來約束調整探空觀測的風場、溫度場和濕度場，從而保持氣柱內的質量、熱量、水汽和動量收支平衡，最終生成一套熱力—動力協調的大氣分析數據集。為評估模型的性能，本文利用第三次青藏高原大氣科學試驗（TIPEX-III）2014 年8 月期間那曲及其周邊地區的多源數據進行試驗，發現該模型可以融合多來源不同時空分辨率的觀測資料，對數據處理具有很好的優勢。模型構建的大氣分析數據集以觀測資料為基礎，彌補了實際觀測中的缺測數據，實現了數據產品的連續性，其中生成的大氣常規變量保留了觀測的特征，衍生的如垂直速度、散度等大尺度診斷變量的變化特征也與降水的發展基本吻合，因此模型生成的數據集對于分析云—降水過程大氣的動力、熱力和水汽的結構特征具有較好的合理性。針對不同來源輸入資料的敏感性試驗表明，模型具有較高的穩定性，其中探空資料對模型的影響最大，主要影響模型調整的風場；地面降水和上下邊界通量資料主要影響模型生成的大尺度診斷變量（如垂直速度），但這些影響的量級都相對較小。

青藏高原那曲試驗區在2014 年8 月降水頻繁，利用模型生成的大氣分析數據集對該時期的夏季降水大氣結構特征進行分析，發現強烈的上升和下沉運動均發生在350～400 hPa。降水發生時，400 hPa以下為水平暖平流，以上為水平冷平流，暖、冷平流中心分別位于500～550 hPa 和125～150 hPa。水汽集中在200 hPa 以下，降水時期以水平干平流為主，無雨時期以水平濕平流為主，二者強中心位于350～400 hPa。垂直運動對熱量和水汽垂直平流的結構影響很大，降水時期以垂直冷平流和濕平流為主，無雨時期相反，其強中心與垂直速度的強中心一致。大氣熱源中心位于350 hPa 和125 hPa 附近，降水過程中水分相變的凝結潛熱釋放是大氣加熱的主要貢獻者。總的來說，350～400 hPa 高度層是該時期那曲試驗區重要的動力、熱量和水汽變化中心。

模型對外場觀測試驗中的多來源數據融合具有積極作用，具有較強的可用性。由于大氣分析數據集的產生依賴于大量的觀測資料，模型尤其適用于觀測資料豐富的地區，具備較高的可移植性。本文在青藏高原那曲地區的試驗中，探空觀測時空分辨率不足，地面通量沒有長期的觀測資料，這些很大程度上限制了大氣分析數據集的數據質量。隨著近年高原外場觀測試驗的不斷開展，觀測站點的不斷布局和建立，觀測網絡逐漸健全，對實現在高原上構建多個氣柱、由點及面形成對整體高原大氣熱動力作用的深入研究十分有幫助，同時也存在較大的挑戰，例如，構建模型利用的CVA 方法在計算過程中忽略了云中的冰相過程，是一個暖云方案，而青藏高原高層云中以冰相為主，因此模型對高原高層大氣的刻畫仍存在缺陷，需要更進一步的完善。此外，模型基于觀測產生的大尺度分析數據，可以作為強迫場輸入到云模式中，驅動云模式分析評估云—降水過程的模擬能力，也可用作觀測的逼近值來評估模式的參數化方案和再分析及模式預報能力（Xie et al., 2002, 2003, 2006b; Zeng et al., 2007; Luo et al., 2008）。