內蒙古區域數值預報對探空和地面觀測資料的敏感性試驗研究*

姚樂寶 沈 丹 孟雪峰 孫 鑫 孟智勇 黃曉璐 葉 飛 劉林春 孫永剛

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,珠海 519082

2 南方海洋科學與工程廣東省實驗室(珠海), 珠海 519082

3 內蒙古自治區氣象臺,呼和浩特 010051

4 北京大學物理學院大氣與海洋科學系,北京 100871

5 中國氣象局雷達氣象中心長沙氣象雷達標校中心,長沙 410207

提 要：基于內蒙古睿圖預報系統的低分辨率版本和WRFDA-FSO診斷工具,評估2021年7月現有探空和地面觀測對內蒙古睿圖預報系統預報的影響。該方法計算代價相對低廉,并允許根據觀測變量、觀測類型、氣壓層次、地理區域等觀測的子集對觀測影響進行劃分。代價函數為以干總能量為度量的背景場和分析場的預報誤差之間的差異。結果表明:觀測影響的總體總和為負,觀測對預報起正貢獻作用。對12 h預報誤差減小貢獻最大的觀測來自探空觀測的動力變量(U、V風分量)。而單時次單位數量平均觀測影響,探空觀測的貢獻約為地面觀測的1/2。探空觀測對12 h預報誤差減小從近地面層至模式層頂均保持正貢獻作用,并在對流層中低層和對流層高空急流層存在兩個極大值區域;地面觀測在850 hPa以下低層正貢獻占比明顯。探空觀測在被同化系統同化時均總體具有有利的影響,也反映出探空觀測數據穩定、質量較高的特征;地面觀測對12 h預報誤差減小起正貢獻作用次數最多的區域在河套地區尤為顯著。同時,探討了需進一步提高地面觀測資料同化率的問題。

引 言

內蒙古地區是影響我國東部天氣氣候系統的上游地區之一,該地區氣象觀測資料對本地和下游天氣預報、氣候預測都非常重要。然而,內蒙古地區幅員遼闊、東西跨度大,地形較為復雜,綜合氣象觀測站點稀疏,建設和維護難度較大。其探空站平均站網間距為354.4 km(12個探空站),地面站平均站網間距為46.1 km(119個國家站、589個遴選區域站),距世界氣象組織(World Meteorological Organization,WMO)觀測系統能力分析與評審(observing systems capability analysis and review,OSCAR)對觀測系統不同領域的指標要求還存在較大的差距。而站網布局設計首先要建立在對現有觀測進行評估的基礎上。本文主要從數值模式的角度探討內蒙古區域數值預報對現有探空和地面觀測資料的敏感性。

觀測與預報互動試驗目前主要包括觀測系統試驗(Observing System Experiments,OSEs)、觀測系統模擬試驗(Observing System Simulation Experiments,OSSEs)、基于伴隨的預報對觀測敏感性(Forecast Sensitivity to Observations,FSO)試驗。OSEs主要采用加入/剔除某一類、不同時空分辨率觀測資料的方法來評估現有觀測系統(王平等,2017);OSSEs采用參考大氣構造模擬觀測資料來確定觀測敏感區,客觀評估新增觀測(王瑞文等,2023);FSO試驗則提供了一種有效方法去定量確定對某一天氣過程有著重要影響的初始擾動或物理因子。其中OSEs與OSSEs要定位到某一類或某一個地區觀測需要開展非常大量的對比試驗和診斷評估計算;而FSO試驗通過一次模擬試驗就可以提供關于所有同化觀測對選定的短期預報誤差度量影響的更詳細信息。

FSO方法描述了一種基于伴隨的過程來評估數值天氣預報中觀測對短期預報誤差的影響。該方法的基礎理論最初由Baker and Daley(2000)提出,其使用一個簡化的資料同化系統的伴隨來直接確定預報對觀測和背景場的敏感性。隨后,Doerenbecher and Bergot(2001)基于該理論針對鋒面和大西洋風暴路徑試驗(Fronts and Atlantic Storm-Track EXperiment,FASTEX)一個目標個例的詳細結果,評估了特定敏感區下投式探空儀對風暴預報的影響。Fourrié et al(2002)則針對FASTEX期間的十個個例,討論了同化泰羅斯業務垂直探測器(television infrared observation satellite operational vertical sounder,TOVS)觀測的敏感性。Langland and Baker(2004)基于美國海軍全球大氣預報系統(Navy Operational Global Atmospheric Prediction System,NOGAPS)/美國海軍研究實驗室(Naval Research Laboratory,NRL)大氣變分資料同化系統(Atmospheric Variational Data Assimilation System,NAVDAS)及其伴隨版本,選擇24 h和30 h全球干總能量(Zou et al,1997)預報誤差二階函數的差值作為代價函數,評估了2002年6月和12月期間數值天氣預報中觀測對短期預報誤差的影響,并論證了觀測對短期天氣預報誤差的大部分(75%)影響可以用“干”觀測(氣溫、風和高度)和預報模式中的準線性過程來解釋。次年,Langland(2005)又針對性地討論了2003年冬季北大西洋地區常規觀測與衛星觀測對短期預報的作用。隨后,為了進一步提升精度,Errico(2007)重新推導了Langland and Baker(2004)伴隨理論框架中預報誤差切線性近似的表達式,明確地給出了其度量的三階特征,認為其相較于一階近似能得到更為可靠的結果。Gelaro et al(2007)則基于美國國家航空和宇宙航行局(National Aeronautics and Space Administration,NASA)戈達德地球觀測系統(Goddard Earth Observing System,GEOS)大氣資料同化系統的伴隨版本,研究了觀測影響的基于伴隨的各階近似。同時,Trémolet(2007)給出了高階近似能產生相對準確估計的原因,進一步驗證了更高階的近似導致相對準確的估計。Zhu and Gelaro(2008)討論了格點統計插值(gridpoint statistical interpolation,GSI)分析方案的切線性和伴隨版本的發展,并開展了觀測敏感性試驗,在觀測敏感性的大小、觀測類型和分布以及周邊觀測密度等方面得到了與Baker and Daley(2000)一致的結論。Gelaro and Zhu(2009)基于NASA GEOS-5大氣資料同化系統的正向和伴隨版本,將基于伴隨的FSO試驗的觀測影響估計與標準OSEs試驗的結果進行了比較。結果表明,盡管兩種方法在觀測影響的測量上存在重要的潛在差異,但在主要觀測系統對24 h預報誤差干總能量減小的總體影響上提供了一致的估計。Cardinali(2009)首次在一個12 h 4D-Var同化系統中使用FSO方法作為診斷工具監測短期預報中的觀測性能。Gelaro et al(2010)依托全球觀測系統研究與可預報性試驗(The Observing System Research and Predictability Experiment,THORPEX)量化和比較了NOGAPS、NASA GEOS-5和加拿大環境部全球確定性預報系統(Global Deterministic Prediction System,GDPS)等三個全球業務預報系統中的觀測影響。Auligné et al(2011;2013)基于WRF/WRFPLUS/WRFDA框架開發了相應的WRFDA-FSO診斷工具。Joo et al(2013)基于英國氣象局數值天氣預報系統中開發的基于伴隨的FSO方法,評估了觀測對24 h預報誤差減小的影響,并指出MetOp-A數據的影響是任何單個衛星平臺中最大的(約占全球預報誤差減小總影響的25%)。Jung et al(2013)則首次在有限區域模式框架內全面評估了基于伴隨的觀測對WRF系統的影響和對誤差協方差參數的敏感性,基于WRFDA-FSO診斷工具對2008年臺風季東亞和西北太平洋地區觀測對預報的效果進行了評估。Lorenc and Marriott(2014)提出了一種在英國氣象局全球4D-Var同化系統中計算觀測影響的基于伴隨的方法,其試驗結果同Cardinali(2009)和Gelaro et al(2010)的結果非常類似。Zhang et al(2015)通過2010年1月和6月分別執行兩周長度的FSO試驗評估了對流層氣象數據報告(tropospheric airborne meteorological data reporting,TAMDAR)對美國大陸24 h預報誤差減小的影響。Mallick et al(2017)基于印度國家中期天氣預報中心(National Centre for Medium Range Weather Forecasting,NCMRWF)全球統一模式(unified model,NCUM),研究了不同衛星反演風觀測對短期24 h預報的影響,并發現FSO方法在不良觀測的質量控制和確定觀測的相對影響上十分有效。Kim et al(2017)基于WRFDA-FSO診斷工具定量地評估了衛星反演的增強大氣運動矢量對東亞地區數值天氣預報的影響。

我國已有的評估觀測對模式預報影響的研究多采用OSEs和OSSEs方法,而采用基于伴隨的FSO方法的研究還處于探索和實踐階段。其中王曼等(2015)基于WRFDA-FSO診斷工具,統計分析了2009年和2010年5—10月青藏高原東側常規地面和高空觀測對WRF模式預報誤差的貢獻。韓峰等(2018)基于WRFDA-FSO診斷工具,針對2015年2月12—16日發生在東亞的一次預報過度的溫帶氣旋開展了觀測影響研究。王佳(2019)采用基于伴隨的FSO方法,評估了2018年7—8月國家級地面自動站、探空和風廓線雷達(wind profile radar,WPRD)觀測對華東地區12 h預報的影響,并初步討論了臺風預報對觀測的敏感性。唐兆康(2021)采用基于伴隨的FSO方法,開展了WPRD和地基微波輻射計(microwave radiometer,MWR)觀測對WRF模式12 h預報的影響試驗,分析了風溫濕觀測對模式預報的貢獻。

以內蒙古睿圖預報系統為核心的內蒙古數值預報業務系統,近年來通過技術引進和自主研發,根據本地氣候特點和特色氣象服務需求,持續開展數值預報研發和應用,推進數值預報業務集約化發展,解決本地精細化預報需求。目前,內蒙古睿圖預報系統在初始場中同化常規探空和地面觀測。當數值天氣預報模式從分析場積分得到預報時,并不是所有同化進分析場的觀測都能改善預報。因此,有必要定量地評估特定觀測對預報的影響,以提供有關觀測系統影響的相關信息。本文基于內蒙古睿圖預報系統的低分辨率版本和WRFDA-FSO診斷工具,評估現有探空和地面觀測對內蒙古睿圖預報系統預報的影響,為改善內蒙古區域數值預報技巧確定相關敏感區,并對在最需要的地區進行最有用的觀測提供決策參考。同時,分析對預報誤差減小起負貢獻作用次數偏多的站點及其分布,為該地區的站點布局的進一步加強和調整提供參考;并開展觀測資料的質量控制及不確定性分析(王丹等,2020;2022)等工作。該工作具有較高的理論意義和實際應用價值,同時目前也備受關注。

1 基于伴隨的FSO算法與WRFDA-FSO診斷工具簡介

1.1 基于伴隨的FSO算法

(1)

(2)

式中:LT為代表預報模式伴隨的算子。

敏感性計算的第二步是使用同化系統的伴隨,將初始條件敏感性梯度從網格空間擴展到觀測空間。則式(2)可進一步改寫為

(3)

式中:K為卡爾曼增益矩陣,y為觀測向量,H將xb投影到觀測空間中。

1.2 WRFDA-FSO診斷工具簡介

WRFDA-FSO診斷工具由WRF非線性模式及其切線性伴隨模式WRFPLUS和WRFDA同化系統及其伴隨模塊組成。包含1次分析同化、2次非線性預報模式積分、2次切線性伴隨模式積分、1次伴隨分析同化,計算代價約為普通單次模式預報的10～15倍。圖1為預報對觀測敏感性試驗流程示意圖。

圖1 預報對觀測敏感性試驗流程示意圖Fig.1 Flow diagram of forecast sensitivity to observation experiments

2 資料簡介與試驗設計

2.1 觀測資料

試驗的觀測資料主要由中國高空秒級數據和中國地面逐小時全要素數據組成,來自氣象大數據云平臺“天擎”(China Meteorological Administration Data as a Service,CMADaaS)。試驗中將中國高空秒級數據稀釋為分鐘級觀測輸入同化系統;試驗中選取模式區域內的國家級地面自動站和內蒙古自治區境內的區域級地面自動站觀測。

兩種觀測類型對應的站點數量和觀測影響評估相關觀測變量如表1所示。觀測資料的前處理包括將資料格式轉換為WRFDA同化系統所需的LITTLE_R格式以及運行質量控制程序。

2.2 模式設置

本研究采用的WRF非線性模式及其前處理系統的版本為WRF-4.1.3與WPS-4.1,WRFPLUS切線性伴隨模式的版本為WRFPLUS-4.1.2,WRFDA同化系統及其伴隨模塊的版本為WRFDA-4.1.3。模式區域以43.5°N、106.7°E為中心,覆蓋了我國北方大部分地區(圖2),并將全域作為計算預報準確度的目標區域。模式水平分辨率為12 km,水平格點數為241個×208個,垂直層數為50層,模式層頂氣壓為50 hPa,積分時間步長為72 s。模擬過程中采用的各參數化方案如表2所示,其中WRFPLUS切線性伴隨模式目前僅支持少數簡單物理過程,在實際計算中忽略了濕物理過程。

表2 預報對觀測敏感性試驗模式參數化方案Table 2 Parameterization scheme in forecast sensitivity to observation experiments

注:紅色:探空站,藍色:國家級地面自動站,紫色:區域級地面自動站。

2.3 試驗設計

批量試驗時間為2021年7月1—31日,每天00時(世界時,下同)和12時起報,預報時效為12 h,計算內蒙古睿圖預報系統區域內觀測對該系統12 h預報的影響。背景場xb來自美國國家環境預報中心(National Centers for Environmental Prediction,NCEP)全球預報系統(Global Forecast System,GFS)水平分辨率為0.25°×0.25°的格點預報資料在相應試驗起報時刻的初始場。分析場xa由背景場同化常規探空和地面觀測資料所得,為了得到更加良好的分析同化效果,采用混合(Hybrid/3DEnVar)同化方法(其背景誤差協方差中的25%源于3DVar變分框架中的靜態背景誤差協方差,75%源于集合預報的動態背景誤差協方差)。其中,靜態背景誤差協方差使用WRFDA同化系統的gen_be模塊采用美國國家氣象中心(National Meterological Center,NMC)方法和控制變量CV7選項生成,統計樣本為2021年7月1—31日采用相同模式設置和以GFS格點預報資料為背景場的逐12 h起報的24 h和12 h區域模式預報場之間的差異;而動態背景誤差協方差則由NCEP全球集合預報系統(Global Ensemble Forecast System,GEFS)格點集合預報資料30組集合成員在相應試驗起報時刻的初始場相對于集合平均的擾動估計。大氣參考狀態(真實場)xt由NCEP全球資料同化系統(Global Data Assimilation System,GDAS)水平分辨率為0.25°×0.25°的格點分析資料在相應試驗起報時刻的初始場同化常規探空和地面觀測資料后的分析場代表,即由下一起報時刻GDAS分析場代表當前起報時刻模式積分12 h時對應的大氣參考狀態(真實場)。

3 觀測影響分析

3.1 觀測影響線性近似代表性分析

圖3 2021年7月(a)00時和(b)12時預報對觀測敏感性試驗實際預報誤差減小及相應的基于伴隨的估計預報誤差減小的時間序列Fig.3 Time series of actual forecast error reductions and corresponding adjoint-based forecast error reductions estimated for forecast sensitivity to observation experiments at (a) 00:00 UTC and (b) 12:00 UTC July 2021

3.2 預報誤差的空間特征分析

2021年7月00時和12時的時間平均能量加權垂直積分預報誤差如圖4所示,誤差綜合考量了從地面到模式層頂的水平風場、位溫和氣壓。可以看出,對于12 h短期預報誤差,12時起報試驗由于積分時段基本處于夜間,模式對輻射、對流等物理過程的描述具有的不確定性更小,導致12時起報的短期預報誤差明顯小于00時起報的,量值上約為前者的2/3。最大預報誤差出現在00時起報試驗的蒙古國中部和東部、華北平原北部和青藏高原東北部等地區,一方面是由于模式區域內杭愛山、祁連山和巴顏喀拉山等陡峭的山地和高原地區對于數值模式屬于復雜的下墊面區域,導致模式預報誤差增大;另一方面也與該季節中緯度地區活躍的天氣尺度氣旋和反氣旋有關,如蒙古氣旋源地等。此外,通過對探空和地面觀測資料的同化,每個格點上的時間平均能量加權垂直積分預報誤差平均從1747.3 J·kg-1減小到1730.6 J·kg-1,降低了約1%。

圖4 2021年7月(a,c)00時和(b,d)12時預報對觀測敏感性試驗(a,b)背景場預報誤差及(c,d)相應的分析場預報誤差的空間分布Fig.4 Spatial distribution of (a, b) forecast error from background and (c, d) corresponding forecast error from analysis for forecast sensitivity to observation experiments at (a, c) 00:00 UTC and (b, d) 12:00 UTC July 2021

同時,分別利用批量試驗背景場和分析場的12 h 累計降水預報與模式區域內的1120個國家級地面自動站的降水資料進行TS降水評分計算來評估模式定量降水預報(quantitative precipitation forecast,QPF)效果(表3)。可以看出,對于各量級降水評分,分析場預報的評分均較背景場預報評分高,尤其在大雨及以上量級評分中改善明顯。結果表明,同化探空和地面觀測資料可以進一步提高定量降水預報效果。

表3 2021年7月預報對觀測敏感性試驗12 h累計降水的TS評分Table 3 Precipitation TS scores of 12 h accumulated rainfall for forecast sensitivity to observation experiments in July 2021

2021年7月00時和12時的時間平均能量加權垂直積分實際預報誤差減小及相應的基于伴隨的估計預報誤差減小如圖5所示。由圖可見,盡管存在相當一部分實際預報誤差減小為正的地區,如蒙古國、內蒙古東北部地區等,這可能是由于模式區域內天氣系統上游地區缺乏有效觀測資料的輸入,同時也與同化系統對地面觀測海拔與模式最低層高度差異質量控制設置較為嚴苛有關,導致大興安嶺等地形陡峭地區有一定量的地面觀測未能通過同化系統的質量控制。但觀測影響的總體總和為負,其中12時起報試驗每個格點上的時間平均能量加權垂直積分實際預報誤差減小平均為-19.5 J·kg-1,對背景場預報誤差的改善略優于00時起報試驗的-13.6 J·kg-1。這種負和正觀測影響的組合反映了資料同化的統計性質。觀測影響的總體總和為負說明觀測的同化減小了預報誤差,觀測對預報起正貢獻作用。這種正貢獻作用在青藏高原東北部、黃土高原和華北平原北部等地區尤為顯著。

同時,基于伴隨的估計預報誤差減小在空間分布上亦對實際預報誤差減小提供了較為合理的估計,觀測對預報起顯著正貢獻作用的地區均主要分布在模式區域的偏南部。從物理意義上看,可以將基于伴隨的估計預報誤差減小分布型理解為“上游地區的天氣氣候系統”,其將在12 h預報時效后演變成實際預報誤差減小分布型。至此,可以使用同化系統的伴隨模塊將基于伴隨的估計預報誤差減小由網格空間擴展到觀測空間來計算每個觀測對預報誤差減小的影響。此外,在華北平原等局部地區出現了極大值與極小值環狀交替分布的現象,導致這種現象的原因有待進一步探討和研究。

3.3 不同觀測變量對預報的影響

圖6為2021年7月探空觀測及地面觀測按觀測變量劃分的觀測影響的統計結果。結果表明,對12 h預報誤差減小貢獻最大的觀測是來自探空觀測的動力變量(U、V風分量);而探空觀測的比濕(q)變量與地面觀測的動力變量、溫度(T)變量的觀測影響相當,對12 h預報誤差減小的正貢獻作用次之;探空觀測的T變量與地面觀測的氣壓(p)變量的觀測影響相當,對12 h預報誤差減小起正貢獻作用但不顯著,這可能是由于隨著模式發展目前數值模式對溫度場預報本身質量較高導致的。此外,探空觀測的p變量是作為坐標變量輸入同化系統的,因此地面觀測是唯一能夠產生p變量觀測影響的觀測,對預報誤差減小亦起著不可或缺的作用;地面觀測的q變量對12 h預報誤差減小的平均貢獻較弱,這可能是由于該濕度觀測僅有地面一層,對濕度變量的敏感性較低導致的。

探空觀測的各變量單時次平均觀測使用數接近,明顯多于地面觀測。一方面是由于探空觀測給出了各變量在垂直方向上的廓線,具有多個垂直層次,而地面觀測僅有地面一層;另一方面也與同化系統對地面觀測海拔與模式最低層高度差異質量控制設置較為嚴苛有關,導致一定量的地面觀測未能通過同化系統的質量控制,觀測資料同化率不高。結合各變量的單時次平均觀測影響,給出各變量的單時次單位數量平均觀測影響,結果表明:地面觀測的動力變量對12 h預報誤差減小的單位正貢獻作用最大;探空觀測的動力變量、q變量與地面觀測的T變量、p變量的單位正貢獻作用次之;探空觀測的T變量與地面觀測的q變量的單位正貢獻作用較弱。

圖6d,6h給出了探空觀測及地面觀測的單時次平均觀測影響正負貢獻觀測數量對比,藍色表示對12 h預報誤差減小起正貢獻作用的觀測數量,紅色表示對12 h預報誤差減小起負貢獻作用的觀測數量,灰色表示對12 h預報誤差減小貢獻呈中性的觀測數量(未能通過同化系統的質量控制)。結果表明:無論是探空觀測還是地面觀測,所有變量對12 h 預報誤差減小起正貢獻作用的觀測數量均大于起負貢獻作用的觀測數量。此外,探空觀測同化率顯著優于地面觀測,也進一步反映出從觀測角度推動數值模式發展所面臨的涉及觀測質量、同化系統參數設置及地形原因等提高地面觀測同化率的問題和其蘊藏的巨大潛力。

3.4 不同觀測類型對預報的影響

圖7為2021年7月探空觀測及地面觀測按觀測類型劃分的觀測影響的統計結果。結果表明:無論是探空觀測還是地面觀測,單時次平均觀測影響均為負,這說明觀測在被同化系統同化時具有有利的影響,即從分析場xa開始的預報比從背景場xb開始的預報具有更小的誤差。

注:灰色表示貢獻呈中性的觀測數量。

探空觀測提供了更多的觀測數據,其對12 h預報誤差減小的貢獻也最大。而單時次單位數量平均觀測影響探空觀測的貢獻約為地面觀測的1/2。對于探空觀測,對12 h預報誤差減小起正貢獻作用的觀測數量占比為52.3%,起負貢獻作用的觀測數量占比為44.2%,貢獻呈中性的觀測數量占比為3.5%,具有較高的觀測資料同化率;對于地面觀測,對12 h預報誤差減小起正貢獻作用的觀測數量占比為33.4%,起負貢獻作用的觀測數量占比為27.1%,貢獻呈中性的觀測數量占比為39.5%,有待進一步提高觀測資料同化率。

3.5 觀測影響時間序列

圖8為2021年7月探空觀測及地面觀測的觀測影響的時間序列。結果表明,對于探空觀測,85.5%的試驗時次觀測影響為負;對于地面觀測,83.9%的試驗時次觀測影響為負。這說明無論是探空觀測還是地面觀測,絕大部分試驗時次觀測在被同化系統同化時對12 h預報誤差減小起到了積極的作用。此外,對12 h預報誤差減小起負貢獻作用的試驗時次與圖3中基于伴隨的估計預報誤差減小為正的時次有著高度一致的對應關系。其中僅有9日12時、13日12時、20日00時、25日00時和28日12時5個時次出現了探空觀測與地面觀測均對12 h預報誤差減小起負貢獻作用的情況,這可能是由于對背景誤差和觀測誤差統計進行的假設和近似以及同化參數設置等很難在所有時次試驗中均保持適合,導致在上述時次試驗中無法獲得更好的分析場。

圖8 2021年7月預報對觀測敏感性試驗(a)探空觀測和(b)地面觀測的觀測影響的時間序列Fig.8 Time series of observation impact of (a) radiosonde observation and (b) surface observation for forecast sensitivity to observation experiments in July 2021

3.6 觀測影響空間垂直分布

根據觀測的垂直層次對觀測影響的統計結果進行劃分具有指導意義,如圖9所示為2021年7月探空觀測及地面觀測按氣壓層次劃分的觀測影響的統計結果。對于探空觀測,對12 h預報誤差減小從近地面層至模式層頂均保持正貢獻作用,可以看到2個極大值區域:一個位于對流層中低層850～500 hPa層,另一個位于對流層高空急流層300～200 hPa層附近;對于地面觀測,對12 h預報誤差減小起正貢獻作用的層次可以從近地面層延伸至700 hPa,這可能是由于地面觀測資料同化時在垂直方向上的傳播導致的。整體上,地面觀測在850 hPa以下低層正貢獻占比明顯。

圖9 2021年7月預報對觀測敏感性試驗(a,b)探空觀測及(c,d)地面觀測按氣壓層次劃分的(a,c)單時次平均觀測影響,(b,d)單時次平均觀測使用數Fig.9 (a, c) Averaged observation impact per time, (b, d) averaged observation-used number per time of (a, b) radiosonde observation and (c, d) surface observation partitioned by pressure level for forecast sensitivity to observation experiments in July 2021

綜合探空觀測及地面觀測的整體觀測影響的統計結果。結果表明,盡管500 hPa以上的觀測數量更多(占總觀測數量的54.3%),但12 h預報誤差的總減小量只有34.3%可歸因于500 hPa以上的觀測,約有65.7%歸因于地面和500 hPa之間的觀測。100 hPa以上的觀測數量約占總觀測數量的9%,主要是探空觀測在平流層的觀測資料,對本研究使用的預報誤差測量沒有實質性地減小。

3.7 觀測影響空間水平分布

上述已經表明,大量觀測資料的同化可以減小短期預報誤差。然而,單個觀測的影響可能有很大不同,基于伴隨的計算可以以合理的準確性對模式區域內的每個單獨的觀測估計量化這種影響。圖10顯示了2021年7月探空觀測及地面觀測的觀測影響的空間分布。

注:灰點代表未能通過同化系統的質量控制;對于探空觀測,每個點代表垂直廓線上觀測的綜合影響。

對于探空觀測,模式區域內的57個探空站在垂直廓線上觀測的綜合影響均為負,這說明探空觀測在被同化時均總體具有有利的影響,也反映出探空觀測數據穩定、質量較高的特征(張旭鵬等,2021;李秋陽等,2022)。對12 h預報誤差減小貢獻最大的3個探空站分別為:唐山市樂亭站(-24 602.3 J·kg-1)、邢臺市邢臺站(-19 662.2 J·kg-1)、通遼市通遼站(-17 639.5 J·kg-1);對12 h預報誤差減小起正貢獻作用次數最多的3個探空站分別為:呼倫貝爾市海拉爾站(52次)、鄂爾多斯市東勝站(51次)、昌吉回族自治州北塔山站(51次)。可以看出,高原地區探空站較其他地區探空站的正貢獻作用和次數相對較弱,這可能是由于其垂直探測范圍較窄導致的。

對于地面觀測,盡管存在相當一部分觀測影響為正的個別觀測,但其觀測影響的總體總和為負。這種負和正觀測影響的組合反映了資料同化的統計性質。相較探空站,地面自動站的地面觀測僅有地面一層,單個站點的觀測影響要比探空站小一個數量級,但考慮到其站點數量巨大,因此累加得到的總體觀測影響也可能是較大的。對12 h預報誤差減小起正貢獻作用的站點主要分布在嫩江平原、遼河平原上游、內蒙古中部偏南、黃河幾字灣西南部以及華北平原南部和長江中下游平原北部,起負貢獻作用的站點則主要分布在黃河幾字灣東部以及華北平原北部,而模式區域西部觀測資料較稀疏地區站點則主要表現為弱正貢獻或貢獻呈中性。對12 h預報誤差減小貢獻最大的3個國家級地面自動站分別為:石嘴山市陶樂站(-1106.8 J·kg-1)、銀川市永寧站(-1090.8 J·kg-1)、鄂爾多斯市烏審旗站(-998.7 J·kg-1),均位于黃河幾字灣西南部;對12 h預報誤差減小起正貢獻作用次數最多的3個國家級地面自動站分別為:包頭市包頭站(50次)、巴彥淖爾市五原站(50次)、邯鄲市永年站(49次),且在河套地區尤為顯著。此外,也存在極個別站點對12 h預報誤差減小起正貢獻作用次數顯著偏少的情況(紅點,圖10d),應著重排查觀測資料是否存在問題。尤其值得關注的是,有一定量的地面觀測未能通過同化系統的質量控制(灰點),這些觀測主要位于大興安嶺、燕山、太行山、呂梁山、秦嶺以及青藏高原地區。可見,對于數值模式屬于復雜下墊面的區域,應調整同化系統參數設置,本著容忍偏差、提高觀測資料同化率的原則促進觀測資料更多的吸收利用,才能更好地從觀測角度推動數值模式發展,通過觀測與預報互動使預報能力和觀測能力同時不斷迭代升級。

4 結論與展望

(2)12時起報試驗的短期預報誤差明顯小于00時起報試驗,量值上約為前者的2/3。最大預報誤差出現在00時起報試驗的蒙古國中部和東部、華北平原北部和青藏高原東北部等地區。此外,觀測影響的總體總和為負,觀測對預報起正貢獻作用。

(3)對12 h預報誤差減小貢獻最大的觀測來自探空觀測的動力變量(U、V風分量),而單時次單位數量平均觀測影響探空觀測的貢獻約為地面觀測的1/2。

(4)探空觀測對12 h預報誤差減小從近地面層至模式層頂均保持正貢獻作用,并在對流層中低層和對流層高空急流層存在兩個極大值區域;地面觀測在850 hPa以下低層正貢獻占比明顯。此外,12 h預報誤差的總減小量約有65.7%歸因于地面和500 hPa之間的觀測。

(5)探空觀測在被同化系統同化時總體具有有利的影響,也反映出探空觀測數據穩定、質量較高的特征;地面觀測對12 h預報誤差減小起正貢獻作用的站點主要分布在嫩江平原、遼河平原上游、內蒙古中部偏南、黃河幾字灣西南部以及華北平原南部和長江中下游平原北部。對12 h預報誤差減小起正貢獻作用次數最多的區域在河套地區尤為顯著。

此外,本研究模式區域內俄羅斯南部和蒙古國等天氣系統上游地區缺乏有效觀測資料的輸入,同時,隨著氣象衛星輻射和反演資料在數值預報中逐步起到主導的貢獻作用,還需在后續的研究中進一步加入上述觀測資料,進行更多的預報對觀測敏感性試驗討論與驗證。尤其值得關注的是,一些地形陡峭地區有一定量的地面觀測未能通過同化系統的質量控制,應調整同化系統參數設置,本著容忍偏差、提高觀測資料同化率的原則促進觀測資料更多的吸收利用。因此,針對上述不足進行完善,繼續開展批量試驗以驗證預報對觀測敏感性試驗分析的結論,最終形成同化系統按觀測影響分級的動態站點白名單等亦是至關重要的工作(楊國彬等,2021)。可以預見該項工作在提高地面觀測同化率、不良觀測的質量控制以及進一步改善分析同化效果方面還蘊藏著巨大的潛力有待挖掘。

致謝：中國氣象局氣象探測中心王佳對本文給予了寶貴建議和幫助,謹此致謝!