雷達資料同化對一次颮線過程的模擬影響

鄒瑋 沈晗 ,2 袁慧玲

1 南京大學大氣科學學院/中尺度災害性天氣教育部重點實驗室, 南京 210023 2 中國民用航空華北地區空中交通管理局氣象中心，北京 100621

1 引言

颮線是由多個雷暴單體組成的線狀強對流系統，在其發展期間不斷有新的回波生成與減弱，生命史短、空間尺度小，但其突發性強，發生發展強度大，移動快，往往造成不可估量的災害。因此研究提高颮線系統的預報對防災減災有重要意義。

國內外諸多學者基于不同角度對颮線系統進行了深入研究。從統計角度，Bluestein and Jain（1985）基于雷達反射率數據將美國俄克拉荷馬州的春季颮線分為斷裂線型（Broken line）、后向建立型（Back building）、斷裂區域型（Broken areal）及嵌入區域型（Embedded areal）。Meng et al.（2013）統計了發生在中國東部地區的96個颮線個例，指出國內颮線垂直風切變弱，環境場濕度大。從颮線結構角度，Zhang et al.（2012）提出干線附近是強對流天氣的高發地帶，冷渦后的橫槽引導冷空氣南下觸發颮線生成。Ahasan and Debsarma（2015）發現高層副熱帶急流能加強垂直風切變，從而觸發強對流系統的生成。Thorpe et al.（1982）指出垂直風切變是對流單體長時間維持的原因。Yang and Houze（1995）用2D非靜力模式模擬了一次颮線過程，提出冰相微物理過程對尾向入流的結構很重要，修改水成物類型、冰相微物理方案以及環境濕度對風暴結構有明顯影響。Dawson and Xue（2004）通過復雜云分析處理衛星及雷達數據提高了對弓形回波的位置預報。Adams-Selin et al.（2013）采用天氣研究與預報模式（Weather Research and Forecast Model，簡稱WRF）中的8種微物理方案對一次颮線個例進行敏感性試驗，結果表明含霰方案降水量峰值遠遠小于含雹方案，但前者產生了更強的大風。Bryan and Morrison（2012）探討了不同水平分辨率對颮線模擬的影響，指出水平分辨率越粗，則系統發展越慢，且產生更多降水。張建軍等（2016）采用ARPS模式針對一次颮線過程進行了二維數值模擬，指出低層水汽的能量釋放直接影響了冷池前沿的動力結構，從而改變颮線強度模擬。周圍等（2018）利用WRF模擬了華東地區的一次颮線過程，提出位勢散度對颮線過程降水有較好的指示意義。

前人從不同角度對颮線進行了深入探討，但如何利用這些特征對其進行精準預報仍是當前一大難題，利用觀測資料及數值模式提升極端天氣預報能力是當前國際發展的趨勢（張小玲等, 2018）。高時空分辨率的雷達信息可以模擬強對流系統的四維精確的結構，但是雷達徑向速度和反射率不是模式常規變量，因此許多研究致力于將雷達資料同化進入模式預報初始場。目前常用方法有集合卡爾曼濾波（Ensemble Kalman Filter，簡稱EnKF）（Tong and Xue, 2005; Aksoy et al., 2009; Wang et al., 2013a）、四 維 變 分（Four-Dimensional Variational，簡 稱4DVAR）（Xu, 1996; Sun and Crook, 1997, 1998;Sun, 2005; Sun and Zhang, 2008; Wang et al.,2013b）。近年來，越來越多學者試驗混合同化，并得到了較好的預報結果（Houtekamer and Mitchell,1998; Hamill and Snyder, 2000; Gao and Stensrud,2014; Tai et al., 2017; Kong et al., 2018; Pan et al.,2018）。然而以上方法要求的計算資源條件非常高。三 維 變 分（Three-Dimensional Variational，簡 稱3DVAR）是目前世界上區域業務數值預報中主要的模式初始化系統（孫娟珍等, 2016），相較其他方法，3DVAR計算快速，分析結果穩定，通過循環同化可以加入天氣系統隨時間變化的信息，因此如何最優化利用3DVAR同化雷達資料以提高模式預報初始場具有至關重要的意義。考慮到變分系統能直接在代價函數中應用觀測變量，通過最小化代價函數得到較為準確的分析場，美國俄克拉荷馬大學的風暴分析及預報中心（Center for Analysis and Prediction of Storms, CAPS）研發了中尺度區域氣象預報模式（Advanced Regional Prediction System，簡稱ARPS）3DVAR系統，并針對一次龍卷個例進行探討，結果表明該系統極大地改善了模式預報結果（Xue et al., 2003）。

初始場中云水信息對強對流系統的數值預報至關重要。ARPS云分析系統基于美國國家海洋和大氣管理局預報實驗室研發的局地分析和預報系統（Local Analysis and Prediction System，LAPS）中的云分析模塊（Albers et al., 1996）進行了修改，該模塊包含了多種調整參數，直接處理雷達反射率數據，反演出熱力場和微物理場。有少量研究對部分參數進行了探討，如Hu and Xue（2007）的研究表明云分析中潛熱溫度調整方案適用于較長的同化間隔。Zhao and Xue（2009）發現若不進行水汽調整，則Ike臺風的預報強度會被大大削弱。

同化雷達資料能改善強對流天氣的預報，但是不同同化試驗設置對系統初始和預報場有不同影響。Hu et al.（2006）運用ARPS 3DVAR系統和復雜云分析研究一次龍卷個例，發現間隔10 min同化雷達資料能抓住雷暴發展前3 h的主要特征。Dong and Xue（2013）設計了不同同化方案對臺風個例進行預報，結果表明30 min間隔和10 min間隔試驗結果類似。Pan and Wang（2019）探討了不同同化間隔對模式平衡的影響，結果表明20 min的間隔更易使模式達到平衡。

隨著國內強對流天氣過程發生頻率增加，提高其預報精確度至關重要，但是前期研究多集中于探討颮線發生發展機制，而鮮有研究針對如何提高颮線降水預報，以及深入討論雷達資料同化和復雜云分析系統中不同參數對颮線觸發及發展機制的影響。因此本文選取2018年3月4日發生在中國南部的一次典型颮線過程，基于ARPS 3DVAR同化系統對雷達資料做同化分析，結合WRF數值模式模擬此次颮線過程，以期積累更多國內雷達資料同化提升颮線預報的經驗。不同于以往文章只采用了少量雷達數據，本文采用了遍布湖南等省的共13部雷達觀測數據，區域覆蓋了此次颮線的發生發展范圍。不僅如此，考慮到在同化方法中，ARPS復雜云分析系統能改善云微物理場的分布，但其對初始場及預報場的具體修改效果研究較少，尤其對雨水調整參數和垂直速度相關參數鮮有探討，因此本文基于此角度進行了深入研究。

2 方法與試驗設計

2.1 個例回顧

從2018年3月3日開始，連續有三段颮線過程在華中、華南區域不斷生成，最后一段颮線從3月4日15時（協調世界時，下同）由零散回波開始發展，17時于湖南南部及江西中部地區形成完整弓形結構（圖1），之后逐漸加強東移。系統在19時發展到最強，最大回波達到71 dBZ，此時橫跨湖南、江西、福建、浙江四個省，最強小時降水量超過了40 mm。隨后颮線向東南方向移動并且逐漸減弱，最終颮線于3月5日04時移到廣東北部，其線性結構完全消散。這次強對流過程造成58.5萬人受災，14人死亡，直接經濟損失達9.3億元。

圖1 2018年3月4日17時（協調世界時，下同）中國南部13部新一代天氣雷達組合反射率因子（單位：dBZ）。紅色實線表示垂直于颮線移動方向的垂直剖面位置Fig. 1 Composite radar reflectivity (units: dBZ) of 13 new-generation weather radars in southern China at 1700 UTC 4 March 2018. The red solid line indicates a cross section perpendicular to the moving direction of the squall line

本文基于美國環境預報中心（National Centers for Environmental Prediction，簡稱NCEP）全球預報模式（Global Forecast System，簡稱GFS）每日發布的分析場數據探討此次過程的環流背景。2018年3月4日12時（颮線發生前3 h），湖南等省位于高空300 hPa急流軸風核的左前象限（圖略），500 hPa（圖2a）有一支高空槽位于湖南中部上空（27°N，110°E），高空盛行西南偏西氣流。850 hPa（圖2b）湖南中北部出現一個低空切變線，并有強低渦發展，構建了水汽通道（圖2c），水汽在湖南、江西等地大量輻合，高空急流出口區的正渦度區與低空急流大風核左前方上下重疊。但是此次過程的不穩定能量比較低（圖2d），Takemi（2007）提出靜力穩定度才是決定颮線強度的控制參數，只有在環境靜力穩定度均勻一致時，對流有效位能（Convective Available Potential Energy，簡稱CAPE）才能很好地表征對流系統的發生、發展。因此高低空急流之間相互配置，高空槽與低空切變線觸發了此次強對流天氣過程，再加上充足的水汽來源，增強了此次過程的對流活動。根據丁一匯等（1982）對中國颮線的分類，此次颮線屬于槽前型。

圖2 2018年3月4日12時GFS分析場（a）500 hPa、（b）850 hPa風場（風向桿，單位：m s?1）和位勢高度（填色，單位：gpm），（c）850 hPa水汽通量散度（填色，單位：g s?1 cm?2 hPa?1，負值表示水汽輻合）、水汽通量（箭頭，單位：g s?1 cm?1 hPa?1），（d）地面對流有效位能（單位：J kg?1）Fig. 2 Wind (barbs, units: m s?1) and geopotential height (shadings, units: gpm) at (a) 500 hPa and (b) 850 hPa, (c) moisture flux divergence(shadings, units: g s?1 cm?2 hPa?1, negative values represent horizontal mass convergence) and its corresponding moisture flux (arrows, units: g s?1 cm?1 hPa?1), (d) convective available potential energy (CAPE) (units: J kg?1) at the surface from the GFS (Global Forecast System) analysis at 1200 UTC 4 March 2018

2.2 模擬試驗設計

本文運用WRFV3.7數值模式進行積分預報，使用3 km水平格點分辨率，區域水平格點設置為620（緯向）×460（經向），覆蓋了系統發展及傳播的整個區域（圖3），垂直層數為60層，模式頂層氣壓為50 hPa，模擬未采用嵌套。利用3月4日12時的GFS分析場作為預報初始背景場，控制試驗（CNTL）中模式預報了18 h，總體設置了四組同化試驗（圖4），使用ARPS 3DVAR（Gao et al., 2002）分析雷達徑向風速（Vr）數據，并通過ARPS包含的復雜云分析模塊（Brewster, 1996,2002; Zhang et al., 1998）處理雷達反射率（Z）數據。第一組試驗僅同化了3月4日12時一個時次，在此基礎上進行18 h的預報，該部分由三個試驗組成，即僅同化Vr（Exp1Vr），僅分析Z（Exp1Z），以及同時同化Vr和Z（Exp1All），旨在探討Vr和Z對颮線系統初始場和預報場的影響。為了考察模式直接同化與自調整（spin-up）后再同化的區別，設計了ExpSPstart試驗（先通過WRF模式積分3 h至15時，再利用ARPS同化15時單次時刻的雷達資料）。為了探討模擬颮線過程的最優循環同化方案，另外三組試驗均先用WRF模式從12時積分2 h至14時，在14～15時同化窗口內進行循環同化（表1、表2）；其中，第二組試驗討論不同同化時間間隔方案：1 h（Exp2All1h2t）、30 min（Exp2All30m3t）、12 min（Exp2All12m6t）、6 min（Exp2All6m11t）。第三組試驗以12 min為間隔討論不同同化次數的影響，分別同化2次（Exp3All12m2t）、4次（Exp3All12m4t）以及6次（Exp2All12m6t），其中Exp3All12m2t同化了14:48、15時的資料，Exp3All12m4t同化了14:24、14:36、14:48、15時的資料。

圖3 模式區域設置。填色表示地形高度（單位：m）Fig. 3 Model domain configuration. The shadings represent the elevation (units: m)

圖4 同化試驗流程圖Fig. 4 Flowchart of data assimilation experiments

表1 第一組、第二組和第三組同化試驗設計Table 1 List of different data assimilation experiments

表2 云分析參數敏感性試驗設計Table 2 Design of cloud analysis parameter sensitivity test

ARPS云分析模塊包含多種微物理調整參數，該模塊在處理雷達反射率數據時，首先給定云內達到濕絕熱上升后生成液態含水量時的反射率閾值，利用反射率方程進行反演計算，從而判斷出水成物類型，并基于模式背景場的相對濕度進行云內濕度場調整，結合給定的云微物理方案進行水汽調整，最后依據選擇的溫度調整方案進行溫度場調整。雨水調整過程分別采用Kessler（Kessler, 1995）和Ferrier（Ferrier, 1994）方案，后者考慮了冰相過程。Qrlimit參數是分析場中的雨、雪及雹的最大輸出混合比，Frac_qr_2_qc參數調整初始場中雨水/冰向云水轉換的比例。溫度調整主要有云內凝結潛熱釋放方案（LH）和濕絕熱廓線調整方案（MA），LH主要基于云水/冰的潛熱釋放調整分析場內的溫度，MA考慮了濕空氣塊上升時的溫度變化，因此后者更能表征對流單體中的物理狀態。垂直速度調整參數可以調整積云及層狀云內垂直速度，其中積云內最大垂直速度由云高與Wmhr_Cu參數的乘積決定，因此，改變Wmhr_Cu參數間接調整了積云內的最大垂直速度。在第二組和第三組試驗中，云分析調整參數開關均打開，為了討論不同參數對分析場水成物的影響，基于第二組試驗的最優結果開展了第四組試驗（表2）。首先，分別關閉水汽調整（Qcopt=0，Exp4AllQC0）、濕度調整（Qvopt=0，Exp4AllQV0）、溫度調整（Ptopt=0，Exp4AllPT0）、雨水調整（Qropt=0，Exp4AllQR0）、垂直速度調整（Wopt=0，Exp4AllW0）。其次，探討溫度調整中LH方案（Ptopt=3，Exp4AllPT3）和MA方案（Ptopt=5，Exp2All12m6t），以及雨水調整中Kessler（Qropt=1，Exp4AllQR1）和Ferrier（Qropt=2，Exp2All12m6t）計算方案的影響。最后，將雨水向云水轉換比例參數Frac_qr_2_qc（Exp4Allqr2qc）從0增大至0.4，將Wmhr_Cu參數增大10倍（Exp4AllwmhrCu），將Qrlimit參數（Exp4Allqrlmt）縮小10倍；針對以上每個參數各設置了敏感性試驗，第四組試驗中循環同化設置和第二組試驗中的Exp2All12m6t試驗相同。循環同化雷達資料后利用WRF模式從15時開始積分15 h。所有試驗采用的物理方案保持一致，云微物理方案采用WDM6（Lim and Hong, 2010），長波輻射方案采用RRTM方案（Mlawer et al., 1997），短波輻射方案采用Dudhia方案（Dudhia, 1989），邊界層方案采用MYJ方案（Janji?, 2001），陸面方案采用Noah方案（Chen et al., 1996）；由于分辨率足夠高，因此沒有使用積云參數化方案。采用湖南、江西、廣西共12部S波段新一代多普勒雷達及1部C波段雷達的反射率和徑向風數據，采用ARPS中的88d2arps模塊對雷達觀測數據進行質量處理，并使用ARPS后處理模塊生成雷達拼圖作為觀測對比。

3 試驗結果與討論

3.1 雷達徑向風速和反射率對颮線系統的影響

首先考察Vr及Z對初始場中組合反射率的影響，初始時刻回波主體位于江西省與湖南省的交界處，湖南南部有零散回波塊（圖5a），CNTL試驗（圖5b）和Exp1Vr試驗（圖5c）均未能模擬出對流回波，Exp1Z試驗（圖5d）和Exp1All試驗（圖5e）較準確地模擬出了對流回波的結構及位置，并且精準預報出了最強回波帶的強度，Exp1All和Exp1Z試驗結果差別很小，表明利用復雜云分析系統同化Z后明顯改善了模式預報初始場。

圖5 2018年3月4日12時組合反射率（單位：dBZ）：（a）中國南部13部新一代多普勒天氣雷達；（b）CNTL試驗；（c）Exp1Vr試驗；（d）Exp1Z試驗；（e）Exp1All試驗Fig. 5 Composite reflectivity (units: dBZ) at 1200 UTC 4 March 2018: (a) 13 new generation weather radars in southern China; (b) CNTL experiment; (c) Exp1Vr experiment; (d) Exp1Z experiment; (e) Exp1All experiment

1 h后回波向東南向移動（圖略），Exp1All試驗和Exp1Z試驗預報的回波結構與位置和觀測一致，最大值為55 dBZ，接近實際觀測（59.9 dBZ），且其預報出了系統東南向的移動。CNTL試驗仍在調整階段，沒有預報出系統，Exp1Vr試驗預報出了主體回波結構，但是回波位置偏差很大，位于江西中部，并且強度遠遠弱于觀測。綜上所述，在颮線系統的預報中，由于Z改善了初始場的水凝物信息，明顯減少了模式自調整時間，使初始場和預報場與實際觀測十分接近，這也表明復雜云分析系統能較明顯改善對颮線系統的模擬。4 h后，Exp1Vr試驗中颮線結構得到了較好的發展，生成的系統位置及反射率強度與另外兩組同化試驗（Exp1All和Exp1Z）近乎一致，并接近于觀測，說明同化Vr后通過模式的動力調整，改善了系統預報。CNTL試驗中回波大值區較同化后的試驗偏弱，且仍未預報出位于湖南的零散塊狀回波，但CNTL試驗預報的颮線主體弓形回波結構與幾組同化試驗趨于一致（圖略），表明云分析的作用在此次颮線過程中只能維持3～4 h。相較而言，ExpSPstart試驗得到的組合反射率強度以及結構與觀測更為接近（圖略），所以讓模式先自行調整生成較為平衡的初始場，在此基礎上再進行同化會得到更好的預報結果，因此本文之后的循環同化試驗均先讓模式自調整2 h后再進行同化。

鄭淋淋等（2019）提出垂直風切變減弱了強對流系統中上升氣流與下沉氣流的相互干擾，有利于系統的加強維持，Rotunno et al.（1988）經過數值模擬試驗也證實了RKW（Rotunno-Klemp-Weisman）颮線維持機制，即當冷池與垂直風切變強度相當時最利于系統的發展傳播。颮線是準二維結構分布系統，在雷達回波上主要呈現狹窄帶狀分布，考慮到本文的颮線個例主要向東南方向發展移動，為了使全文較一致，本文垂直于颮線，平行于其移動方向截取了一個剖面（27°N，114°E）–（25°N，116°E）。如圖1紅色實線所示，該剖面經緯度跨度相對較大，延展范圍包含了從颮線弓形結構初始形成時（17時）到強烈發展（19時）整個階段。考察颮線發展最強時刻（19時）雷達資料同化對系統動力場和溫度場的影響（圖6）。700～1000 hPa層，Exp1Vr試驗的切變值達到24 m s?1，屬于強垂直風切變，而CNTL試驗僅為12 m s?1，Exp1Z試驗為16 m s?1，僅為中等強度，由此可知Vr通過改善系統動力場為對流系統的組織發展提供了有利條件。根據James et al.（2006）定義，擾動溫度低于?1 K時可以定義為冷池。如圖6中紅色圓圈內所示，颮線系統前沿在（26.0°N，115.0°E）處旺盛發展，Exp1All試驗及Exp1Z試驗中對流單體發展后方（26.2°N，114.8°E），近地面產生了較為深厚的冷池，擾動溫度低于了?9 K，Exp1Vr試驗的最大擾動值也達到了?6 K，但是冷池較淺，相較之下CNTL試驗冷空氣下沉產生的變溫最弱。因此同化Vr和Z有效改善了颮線熱動力場，從而促進其發生、發展。

圖6 2018年3月4日19時擾動位溫（填色，單位：K）、組合反射率（黑色等值線，單位：dBZ）及水平風場的垂直切變（風羽，單位：m s?1）沿（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（a）CNTL試驗；（b）Exp1Vr試驗；（c）Exp1Z試驗；（d）Exp1All試驗Fig. 6 Cross sections of temperature perturbation (shadings, units: K), composite reflectivity (black contours, units: dBZ), and vertical wind shear(barbs, units: m s?1) of horizontal wind field along (27°N, 114°E)–(25°N, 116°E) at 1900 UTC 4 March 2018: (a) CNTL experiment; (b) Exp1Vr experiment; (c) Exp1Z experiment; (d) Exp1All experiment

采用公平技巧評分（Equitable Threat Score，簡稱ETS）定量考察同化雷達數據對颮線系統降水預報的影響，選定不同的每小時降水量閾值0.1 mm、2.5 mm、8 mm、16 mm，分別對應小雨、中雨、大雨、暴雨。總體來看，Exp1All試驗和Exp1Z試驗的評分走向較為一致（圖7），在13時，Exp1Z試驗甚至略高于Exp1All試驗，針對不同量級降水，兩者評分均為最高，但在2 h后急劇下降，而后又呈U型結構上升，這是因為模式動力場和熱力場不斷調整和平衡的原因（Zhao and Xue, 2009），兩個試驗在預報時段內整體表現較好。對不同閾值，Exp1Vr試驗初始階段評分最低，符合客觀分析結果，僅同化Vr并不能在一開始就調整出回波；但是在2 h后評分不斷升高，尤其是對于小雨和暴雨量級，Exp1Vr試驗在對流發展強烈階段（19時）評分最高。分析垂直速度剖面（圖略），發現Exp1Vr試驗對流發展區域垂直速度增強，加入Vr信息改善了動力結構，因此更能維持系統對流活動的發展，提高后期降水預報。Xue et al.（2014）也指出徑向速度和3DVAR的動力約束對低層的中尺度渦旋比較重要，只同化反射率則不能預報出中尺度氣旋的強度，因此對系統之后的維持起的作用相對于Vr較小。CNTL試驗一開始評分很較低，經過了4 h的平衡調整后評分也逐漸升高，但整體評分仍低于Exp1All試驗和Exp1Z試驗。在3月5日00時后幾個試驗結果趨于一致，這表明雷達數據的影響在這之后開始消散。綜上所述，從定量分析的角度也可以看出由于Z改善了初始場中水凝物分布，因此在模式預報前幾個小時，Exp1Z試驗的評分較高；而Vr主要對系統動力進行了改善，從而更能維持強對流發展，因此Exp1Vr試驗的評分雖然一開始不高，但在之后逐步上升，并且從該試驗也可看出同化雷達信息后明顯縮短了模式自調整時間。

圖7 2018年3月4日12時至3月5日06時第一組試驗（表1）不同閾值下每小時累積降水量ETS評分：（a）0.1 mm；（b）2.5 mm；（c）8 mm；（d）16 mmFig. 7 ETS scores of predicted hourly accumulated rainfall at the thresholds of (a) 0.1 mm, (b) 2.5 mm, (c) 8 mm, and (d) 16 mm for the first group of experiments (Table 1) from 1200 UTC 4 March to 0600 UTC 5 March 2018

3.2 不同同化方案設計

3.2.1 不同同化間隔

同化Vr和Z均對系統有正效應，并且由ExpSPstart試驗得到讓模式先自調整一定時間后得到的初始場更與實際相符合，因此在第二組試驗中，同時同化兩種數據，設計不同的循環同化方案，選擇颮線系統預報的最優方案。

考察初始場（15時），回波主體位于江西，湖南和廣東西北部有零散回波單體，最強回波值達到54 dBZ（圖8a）。幾個試驗均準確模擬出了回波結構，Exp2All1h2t試驗（圖8b）和Exp2All30m3t試驗（圖8c）模擬的回波最大值為55 dBZ，與觀測接近，但是最大值位于西南回波帶上，其余地方均為50 dBZ，尤其對于東北帶回波模擬相對較弱。Exp2All12m6t試驗模擬的回波最大值為60 dBZ，雖然有所高估，但是大值區出現的位置與觀測對應，且在西南帶和東北帶上大值均為55 dBZ，與雷達拼圖相符合。Exp2All6m11t試驗的模擬結果與12 min間隔近似，但前者未模擬出湖南西北部零散回波的分布。總體來看，循環同化雷達數據大大改善了回波的初始結構，不同間隔時間對于回波強度、大值區分布及其中小回波的分布有較大影響。

圖8 2018年3月4日15時 組 合 反 射 率（單 位：dBZ）：（a）中 國 南 部13部 新 一 代 多 普 勒 天 氣 雷 達；（b）Exp2All1h2t試 驗；（c）Exp2All30m3t試驗；（d）Exp2All12m6t試驗；（e）ExpSPstart試驗Fig. 8 Composite reflectivity (units: dBZ) at 1500 UTC 4 March 2018: (a) 13 new generation weather radars in southern China; (b) Exp2All1h2t experiment; (c) Exp2All30m3t experiment; (d) Exp2All12m6t experiment; (e) ExpSPstart experiment

1 h預報中（圖略），回波分為三塊：位于湖南西北部的颮線后部回波、位于廣東西北部邊界的零散回波、跨越湖南南部至江西省弓形結構回波，最大反射率為59.2 dBZ，回波主體有多個大值區，系統東南移動方向上新的回波不斷生成。不同間隔同化試驗均較準確地預報出了回波結構，Exp2All1h2t試驗和Exp2All30m3t試驗只預報出了一個60 dBZ的大值中心，接近觀測，但是新生回波位置稍偏北，Exp2All12m6t試驗預報的最大反射率偏強，為65 dBZ，但是較準確地預報出了颮線移動前方新回波生成以及寬廣的回波范圍，并且系統移動速度與觀測更為一致。Exp2All6m11t試驗預報的強度以及結構都與觀測接近，但產生了較多的虛假回波。

由RKW機制可知當近地面冷池產生的負渦度與低層垂直風切變產生的正渦度大小相當時最有利于颮線系統的發展。在颮線觸發階段（16時），Exp2All1h2t（圖9a）垂直上升運動很弱，垂直P速度最大只有10 Pa s?1，Exp2All30m3t（圖9b）也僅達到了20 Pa s?1，且負渦度較弱，不利于系統進一步發展。Exp2All12m6t（圖9c）低層產生了很強的正渦度，表明有較強低空垂直風切變，冷池出流加強了單體上升運動，最大垂直P速度達到了50 Pa s?1，對流活動最高伸展至300 hPa，并且颮線移動前方正負渦度強度相當，利于新單體發展。Exp2All6m11t（圖9d）移動前方（26.6°N，114.4°E）產生了具有強上升速度的新對流單體，因此組合反射率預報偏強，產生許多虛假回波。

圖9 2018年3月4日16時不同同化間隔下絕對渦度（填色，單位：10?5 s?1）及p坐標系下垂直速度（黑色等值線，單位：Pa s?1）沿圖1中紅色線段（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（a）1 h；（b）30 min；（c）12 min；（d）6 minFig. 9 Cross sections of absolute vorticity (shadings, units: 10?5 s?1) and vertical velocity (black contours, units: Pa s?1) on the p coordinate with different assimilation intervals along red line (27°N, 114°E)–(25°N, 116°E) in Fig. 1 at 1600 UTC 4 March 2018: (a) 1 h; (b) 30 min; (c) 12 min;(d) 6 min

低層濕環境有利于颮線系統的發生、發展，相對于國外颮線，國內颮線低層濕度往往更大（Meng et al., 2013; Zhang, 1999）。幾個試驗中單體前方高層均有大范圍的干冷空氣入侵（圖10），低層有暖濕氣流，產生下暖上冷的不穩定層結，但是Exp2All1h2t試驗（圖10a）中對流單體發展區域整層空氣溫度為330 K，相對較低。Exp2All30m3t試驗（圖10b）中相對濕度達到90%的范圍較小，但低層冷池溫度相對較高。Exp2All6m11t試驗（圖10d）冷池較強，低至300 K，但其冷空氣范圍更小。而Exp2All12m6t試驗（圖10c）系統對流上升造成潛熱釋放，因此在單體對流區域垂直方向上形成了一條暖濕通道，從低層到500 hPa相對濕度都達到了90%，并且在近地面冷池很強，相對位溫低至310 K。總體而言，同化間隔時間越長，預報的熱力條件以及濕度條件是相對較弱的，因此產生的系統強度也偏弱。

圖10 同圖9，但為相當位溫（填色，單位：K）、相對濕度（黑色等值線，單位：%）的垂直剖面分布Fig. 10 As in Fig. 9, but for cross sections of equivalent potential temperature (shadings, units: K) and relative humidity (black contours, units: %)

從動力角度分析不同同化方案對初始場的改善，分析300 hPa（圖略）和850 hPa輻合、輻散場，Exp2All1h2t試驗和Exp2All30m3t試驗模擬的輻合、輻散場均偏弱。Exp2All12m6t試驗和Exp2All6m11t試驗模擬出了尾流低壓，中心位勢高度為1360 gpm，低空切變線北部風速更大，颮線系統前面的西南風速達到28 m s?1。結果表明同化雷達資料后，通過改善高低空風場，模擬出觸發颮線生成的低空切變線，得到了更好的對流活動發展條件，從而提高預報水平，而同化間隔越短，初始場動力觸發機制越強。

考慮到此次個例在17時完全形成弓形回波的結構，然后開始發展加強，因此接下來考察該時刻下不同同化方案對系統垂直風切變的模擬（圖略）。Exp2All1h2t試驗中近地面冷池強度較弱，低空垂直風切變為16 m s?1。Exp2All30m3t試驗新生成的單體后方近地面冷池也有所加強，但是低空垂直風切變很弱。Exp2All12m6t試驗和Exp2All6m11t試驗中近地面冷池均很強，擾動位溫達到了?9 K，低空垂直風切變達到了20 m s?1，并且與回波近似垂直。

從定量的角度考慮，考慮對不同降水量級的ETS評分（圖略），Exp2All12m6t試驗和Exp2All6m11t試驗的評分是最高的，但是分數下降較快，只維持了3 h的同化效果，而后評分開始再次升高，表明通過Vr對系統動力場的改善，在模式動力及熱力相互適應調整后提高了降水預報水平。Exp2All1h2t試驗在不同降水量級下評分都是最差的，30 min次之。總體而言，12 min間隔得到了最好的降水預報結果。

由以上結論可知，并不是同化間隔越短得到的分析場及預報場結果越好，6 min間隔生成了很多虛假回波，這是因為模式在短時間內沒有調整到穩定狀態，因此在此基礎上接連同化不能生成較好的分析場。參考Pan and Wang（2019），本文通過1 h預報內最大垂直速度的變化表征模式自調整的穩定特征（圖11），其中1 h和30 min間隔產生的垂直速度均偏小，而6 min間隔遲于12 min間隔調整到穩定狀態，因此并不是同化間隔時間越短越好。

圖11 2018年3月4日第二組試驗（表1）初始1 h預報時段（15～16時）850 hPa每分鐘最大垂直速度（單位：m s?1）的變化Fig. 11 Variation of the maximum vertical velocity (units: m s?1) per minute at 850 hPa during the initial 1 h forecast period (from 1500 UTC to 1600 UTC) for the second group of experiments (Table 1) on 4 March 2018

3.2.2 不同同化次數

第二組試驗結果表明12 min為最優間隔同化時間，基于此結論對同化次數進行探討。對反射率初始場及1 h預報場進行分析（圖略），發現同化次數越少得到的對流回波越弱。深入研究其動力結構（圖略），也可以發現，同化次數越少，產生的垂直對流活動是較弱的，并且Exp3All12m2t試驗在對流正旺盛發展區域有下沉運動。考慮對熱力場的影響（圖略），Exp3All12m2t試驗在對流發展區域，整層大氣溫度均較低，低層相對濕度僅達到70%。增加同化次數，Exp3All12m4t試驗由于對流上升運動釋放凝結潛熱，對流發展區域從近地面到中高層溫度相對較高，低層相對濕度增大，達到了90%，因此同化次數的增多也能改善颮線發展的熱力條件。考慮幾組試驗高空輻散場分布，Exp3All12m2t試驗和Exp3All12m4t試驗相對于Exp3All12m6t試驗的高空輻散結構更加分散，并且相對偏弱。850 hPa位勢高度場上，Exp3All12m2t試驗系統后部低壓中心最弱，隨著同化次數增加，系統尾流低壓逐漸增強，切變線的位置南移。不僅如此，Exp3All12m2t試驗和Exp3All12m4t試驗產生的低空垂直風切變和冷池強度明顯比Exp3All12m6t試驗弱（圖略）。

定量分析同化次數對降水預報的影響（圖12），結果表明，對于小雨和中雨量級，同化次數越多得到的評分越高，對于大到暴雨的降水評分反之，這可能是同化次數越多在初始時刻對天氣系統加強明顯，造成大值降水與實際觀測相較在一定程度上偏強；2 h后Exp3All12m6t試驗評分明顯高于Exp3All12m2t試驗和Exp3All12m4t試驗，表明同化次數越多，降水預報越能得到改善。

圖12 2018年3月4日15時至3月5日06時第三組試驗（表1）不同閾值下每小時累積降水量ETS評分：（a）0.1 mm；（b）2.5 mm；（c）8 mm；（d）16 mmFig. 12 ETS scores of predicted hourly accumulated rainfall at the thresholds of (a) 0.1 mm, (b) 2.5 mm, (c) 8 mm, and (d) 16 mm for the third group of experiments (Table 1) from 1500 UTC 4 March to 0600 UTC 5 March 2018

由于ETS評分并未考慮降水空間分布情況，僅根據格點之間預報和觀測的相互對應進行評判，因而隨著模式分辨率的增大，評分誤差也會相應增大，因此本文進一步采用分數技巧評分（Fraction Skill Score，簡稱FSS）對第三組試驗預報結果進行評估。FSS評分結果與ETS評分結果幾乎一致，針對小雨和中雨量級（圖13a、b），同化次數越多，對系統初始及發展時刻的降水預報結果越好，而對大到暴雨量級（圖13c、d），系統發展階段的FSS評分相對較低。與ETS評分有所差異的是，對中雨量級的降水，三組試驗最初幾個小時的評分差異較小；對大雨量級的降水，Exp3All12m6t試驗初始幾個小時評分較低，但在系統強烈發展階段，評分遠高于另外兩組試驗。

圖13 同圖12，但為每小時累積降水量的FSS評分Fig. 13 As in Fig. 12, but for FSS scores of predicted hourly accumulated rainfall

4 云分析參數敏感性試驗

分析初始場水凝物分布，Exp2All12m6t試驗（圖14a）中云水混合比極大值位于700 hPa，颮線移動前方400～800 hPa云水含量充足，利于對流發展。若分別關閉水汽（圖14d）、濕度（圖14e）、雨水調整（圖14f），分析場中云水過少。若減小雨水/冰上限分析值（Qrlimit）（圖14h），由于雨水/冰輸出量受到限制，增大了高層云水含量，極大值位于500 hPa以上，達到1.2 g kg?1。若增大雨水/冰 至 云 水 轉 換 率（Frac_qr_2_qc）（圖14i），則更多雨水向云水轉換，因此分析場中云水混合比明顯增多。若通過潛熱方案（LH）調整溫度場（圖14c），由于循環同化過程中生成的水凝物通過凝結釋放加入了過多潛熱，造成更強的對流運動，因此在400 hPa出現了云水極大值。而由于濕絕熱廓線方案（MA）考慮了氣塊上升過程中的溫度變化，因此產生的云水混合比分布高度不會過高（圖14a）。改變垂直速度相關參數，幾乎未對初始場中云水含量產生影響（圖14j、k）。

圖14 2018年3月4日15時Exp2All12m6t試驗（a）初始參數配置、（b–k）調整參數后云水混合比（單位：g kg?1）沿圖1中紅色線段（27°N，114°E）–（25°N，116°E）的垂直剖面分布：（b）溫度調整方案Ptopt=0；（c）溫度調整方案Ptopt=3；（d）水汽調整方案Qcopt=0；（e）濕度調整方案Qvopt=0；（f）雨水調整方案Qropt=0；（g）雨水調整方案Qropt=1；（h）水成物最大輸出混合比Qrlimit=0.0005；（i）雨水/冰向云水的轉換比例Frac_qr_2_qc=0.4；（j）垂直速度調整方案Wopt=0；（k）積云內最大垂直速度Wmhr_Cu=0.005Fig. 14 Cross sections of the cloud water mixing ratio (units: g kg?1) in (a) the initial parameter configuration, (b–k) after adjusting the parameters of Exp2All12m6t experiment along red line (27°N, 114°E)–(25°N, 116°E) in Fig. 1 at 1500 UTC 4 March 2018: (b) Temperature option Ptopt = 0;(c) temperature option Ptopt = 3; (d) water vapor Qcopt = 0; (e) humidity Qvopt = 0; (f) rainwater Qropt = 0; (g) rainwater Qropt = 1; (h) maximum mixing ratio of hydrometeors Qrlimit = 0.0005; (i) conversion ratio of rain/ice to cloud water Frac_qr_2_qc = 0.4; (j) vertical velocity Wopt = 0;(k) maximum vertical speed in cumulus clouds Wmhr_Cu = 0.005

雨水調整相關參數直接影響了初始場中的雨水及云冰混合比，若關閉濕度及雨水調整，雨水混合比大幅增加（圖略），云冰含量降低。減小雨水/冰上限分析值（Qrlimit）和增大雨水/冰至云水轉換率（Frac_qr_2_qc），均使分析場中雨水含量明顯減少，因此高空中由于溫度過低，云水直接轉換為云冰，導致云冰混合比增大（圖略）。其余云分析參數對液態水含量影響較小。

系統最大垂直速度（Wmax）表征不同云分析參數對動力結構的影響（圖15），當不進行水汽調整、溫度調整、濕度調整時，Wmax偏小，不進行雨水調整也會引起最大垂直速度的較大差異；而直接關掉垂直速度調整參數對系統整體模擬最初幾個小時影響不大，但在2 h后Wmax有所下降，整體來看垂直速度調整參數影響較小，這可能是因為通過初始場水成物潛熱釋放過程仍能產生強對流活動。4 h后，幾個試驗趨于一致，這表明云分析作用隨后逐漸消失。因此云分析調整參數不僅對水成物初始場有影響，對系統動力場也有較大改善。

圖15 2018年3月4日15時至3月5日06時不同云參數敏感性試驗每小時700 hPa最大垂直速度（單位：m s?1）Fig. 15 Hourly maximum vertical velocity (units: m s?1) at 700 hPa of different sensitivity tests on complex cloud analysis from 1500 UTC 4 March to 0600 UTC 5 March 2018

檢驗不同云分析參數對降水預報的影響（圖略）表明，對小雨、中雨及大雨量級而言，若不進行濕度調整，則評分會大幅降低。溫度調整方案對降水預報影響僅次于濕度調整，針對本次個例，溫度調整中MA方案對小雨和中雨量級的降水預報較好，LH方案對大雨及暴雨預報的評分較高，這是因為LH方案釋放了較多潛熱，在系統發展后期更能維持對流發展。如果不進行雨水調整，則評分在2 h后下降明顯，使用Kessler方案在大雨和暴雨量級得到了更高的評分，這是由于在此次對流個例中，主要是液相粒子作用。對于大雨，若不進行垂直速度調整，在2 h后評分降低，但對于其他降水量級，垂直速度相關參數的影響都較弱，表明垂直參數仍能在一定程度上增強對流。

5 總結與討論

本文利用ARPS的三維變分模塊（ARPS 3Dvar）、復雜云分析模塊及WRF模式，針對華南一次春季颮線過程展開研究，討論颮線觸發及其發展機制及預報的可行性。得出以下結論：

（1）雷達反射率數據同化主要是改善了初始場的水凝物分布，而雷達徑向速度數據同化主要改善了颮線系統動力結構的預報。徑向速度數據同化使WRF模式在此過程積分后期更有利于維持對流系統的發展，從而提高降水預報準確性。雷達反射率數據同化大大減少了WRF模式自適應（spin-up）時間，經過2 h左右的自行調整后，預報結果更加合理可靠。

（2）不同同化時間間隔的對比試驗表明，12分鐘同化間隔的預報效果最優。模擬的冷池和垂直風切變較強，且相當位溫和相對濕度分布結果更有利于颮線系統發展；客觀ETS和FSS評分結果也定量表明，12分鐘同化間隔產生的降水預報效果最佳。在12分鐘同化間隔固定條件下，同化次數越多得到的降水預報結果越好。這表明雷達實況數據經過合理時間間隔的多次融合，可以使預報結果更好。

（3）復雜云分析參數主要對水凝物初始場進行調整，其中水汽、雨水調整對系統初始場影響較大，而垂直速度調整影響相對較小。由于改善水成物分布，模擬的強對流系統發展后期潛熱釋放更利于對流上升運動增強，使颮線系統內的云水及冰晶粒子增加。同時，云分析參數對系統動力結構也有一定影響，濕度調整、溫度調整和水汽調整對最大垂直速度的模擬結果影響較大，雨水調整則對系統動力結構模擬結果有較大影響。

本文工作僅是針對一次颮線過程，得到的結果有一定的局限性，考慮到不同個例發生、發展機制的不同，今后應該對更多實際颮線過程進行研究。同時，云分析的主要作用是改善模式中初始場水凝物等氣象要素的分布，使其更接近于實況，進而改善短時預報質量，對于較長時間的降水預報，微物理方案的合理設置更為關鍵，因此，如何利用云分析方案與微物理方案合理搭配來提高降水預報效果，也是值得深入探討的問題。