ATOVS衛星資料同化對三江源暴雨預報影響的試驗研究

鐘浩斌 王磊 李謝輝 陳旭 梁周彤

摘要 選取3個三江源的典型降水個例（2018年6月30日、7月5日、8月24日），利用NCEP FNL再分析數據，并加入ATOVS濕度探測器MHS資料同化，基于WRF模式及其三維變分同化系統對三江源區域3次降水過程進行循環同化試驗，分析3次事件的模擬狀況，并定量分析降水結果。結果表明，3次降水事件在加入MHS資料同化后，1）模擬的水汽增大，在中層體現最明顯且更符合實際情況，高空水汽和風模擬較好，地面溫度預報欠佳;2）MHS資料對降水預報的影響主要體現在降水區面積和降水量的增大，提高了降水預報水平，但也帶來較多空報區域;3）從TS、ETS、POD評分結果來看，有兩個降水試驗的提升較為明顯，其中“0630”試驗TS評分結果在0.5～10 mm之間提升了0.05～0.1，ETS在5 mm提升超過0.08，在10～20 mm之間也有少量提升，POD檢驗在0.5～20 mm之間均有提升，在0.5～10 mm之間提升最為明顯，提升了0.1～0.25，“0824”試驗TS與ETS在10～20 mm之間提升超過0.1，POD檢驗在6～20 mm之間提升了0.1～0.4，同化后降水預報有所改善，且在大閾值降水尤為明顯;4）MHS資料同化對“0705”試驗降水預報改善不明顯，說明同化并不是每次都能給結果帶來正效應，因此在使用MHS資料時不能過于信賴它，但總體上，同化MHS資料能夠提升預報質量。

關鍵詞三江源;降水;WRF模式;資料同化;微波輻射數據

三江源位于中國青海省南部，是長江、黃河和瀾滄江三大水系的主要發源地，是我國面積最大的自然保護區，也是世界高海拔地區生物多樣性最集中的自然保護區，流域保護區總面積達302 500 km2，地理位置為89°～103°E、31°～39°N，平均海拔高度為3 335～6 564 m，西高東低，地形地貌極其復雜。三江源屬于高原大陸性氣候，冷熱季與干濕季交替，年溫差大，日溫差小，且生態環境脆弱，對氣候變化響應十分敏感。在青藏高原大地形作用下，來自青藏高原北側的氣流與來自西南方向的氣流經常在三江源地區交匯形成輻合，這種流場特征有利于形成高原切變線和低渦等天氣系統，為當地降水形成提供了動力條件（李生辰等，2009）。三江源暴雨的水汽一般有3條來源路徑，分別是孟加拉灣的西南路徑、中緯度西風帶的水汽路徑和西北的干冷氣流輸送路徑（陳亞玲等，2022），它們配合三江源局地的動力系統（姚秀萍等，2022），常常能引起較大的降水事件。三江源年平均降水量為470 mm左右（蔡永祥等，2022），夏季平均降水量接近300 mm（劉曉瓊等，2019），夏季是三江源降水最集中的季節，常常發生暴雨。一旦發生暴雨天氣，很容易引起山體滑坡和山洪暴發等災害，不僅給當地人民生命財產安全帶來嚴重威脅，而且會損害當地經濟發展（馬秀梅等，2017;雷彥和張廣偉，2020），而提升三江源數值天氣預報的準確率，則能提高暴雨的預報水平并有效減少災害損失。2018年夏季三江源降水量較大，與往年相比多了三成，位列歷史第一，因此本文將對2018年夏季3場典型的短波槽降水進行試驗研究。

數值天氣預報涉及初邊值問題，當輸入大氣狀態初值、合適的地面條件和側邊界條件后，數值模式將模擬出大氣的推演結果，即預報出天氣要素，包括氣溫、氣壓、降水量、風場和濕度等。數值天氣預報在確定了參數化方案后，其初始場越精確，其預報結果就會越準確。資料同化能改進模式初始場（薛紀善，2009），從而進一步提升模式預報結果的質量（王順鳳等，2011）。資料同化實質是研究如何處理各種不同精度的非常規觀測數據，包括雷達數據和衛星輻射資料等，并使之與常規觀測數據合理地整合為一個有機整體，從而為數值模式提供一個更準確的初始場，達到提高模式預報精度的目的。相比其他同化資料，衛星資料具有觀測數據一致、覆蓋范圍廣、時空分辨率高、不受地理條件影響等特點（王宗皓，1995;楊引明等，2012）;衛星資料因上述特點已被廣泛應用于天氣診斷分析和數值天氣預報中。歐洲中期數值預報中心公布的數據顯示，衛星輻射資料占所有同化資料的90％以上，純粹的衛星輻射資料又占所有使用資料的80％以上（薛紀善，2009），許多業務數值天氣預報中心和研究機構實現了多類型衛星輻射資料同化在數值天氣預報中的應用。對于衛星資料同化，一些學者就不同的事件個例進行了深入探究（Qin et al.，2013;馬旭林等，2014;王恬等，2014）;許多案例研究結果表明，加入衛星資料同化后，形勢場和降水分布的模擬有了顯著提升（郭銳等，2010;張斌等，2014;Wang et al.，2018;張少婷等，2019），臺風路徑的模擬也有較好改善（張濤等，2019）。此外，有學者對多種衛星輻射資料同化中應用偏差訂正方案進行了探討，并對衛星輻射資料同化影響模式預報結果進行了綜合評估，結果表明改善效果明顯（Schwartz et al.，2012;段華等，2015）。

在衛星氣象微波資料中，極軌氣象衛星搭載的微波濕度探測器資料（microwave humidity sounder，MHS）的研究應用對降水模擬有著很大影響。相比于紅外濕度計，MHS的微波輻射能夠穿透非降水云，得到云里面的大氣濕度信息。隨著氣象衛星事業和資料同化的發展，MHS資料得到了進一步利用，云區和降水區預報激發了對MHS資料的研究，因此對衛星輻射濕度資料進行研究具有十分重要的意義。Andersson et al.（2007）、張同（2016）使用不同方法評估了衛星濕度資料的同化應用，結果表明均取得較好的效果。然而，在數值天氣預報中如何最有效地同化衛星微波濕度計資料，至今仍是一大挑戰。McNally et al.（1997）指出，衛星資料同化需要考慮發射率校正、偏差訂正以及云況和降水等。同化過程必須顧及掃描偏差（Harris and Kelly，2001）;衛星輻射資料直接同化需要通過輻射傳輸模型;在衛星資料同化過程中，基礎光譜數據和濕度資料等衛星觀測數據誤差會造成系統性偏差，結果與實際有誤差（李剛等，2016a，2016b）。MHS資料包含大氣的水汽信息，對降水預報有著舉足輕重的影響（馬原和鄒曉蕾，2013;Candy and Migliorini，2021）。曲美慧（2015）研究發現，MHS資料在GRAPES-GFS模式中的應用能改善水汽的預報。于曉晶等（2018）針對一次暴雨個例，同化MHS與AMSU-A（advanced microwave sounder unit-A）資料;結果表明，同化MHS比同化AMSU-A的降水評分更優，MHS更適用于降水預報。另外，有學者研究發現，與其他微波濕度計資料AMSU-B（advanced microwave sounder unit-B）相比，MHS在測量敏感性與定標的精確度方面要優于AMSU-B，MHS的效果更好（Bonsignori，2007）。總體來看，大多數MHS研究的結果表明，其對數值預報有正效應。然而，目前我們還不清楚MHS資料在三江源地區的降水模擬應用是否具有同樣好的效果，而此類研究也較少。由于三江源地區地勢較高、地形復雜、面積廣闊且氣象觀測站點稀少，所以數值模式中的初值質量存在較大問題;而衛星輻射資料具有覆蓋面廣和時空分辨率高等特點，故其有望改善三江源地區常規觀測資料不足的現狀。因此，在缺乏常規資料的三江源地區開展MHS資料同化研究應用勢在必行。目前，國內有關WRF資料同化的研究主要是探討不同同化方法及多數據同化的效果差異，而同區域多事件案例對單一數據同化模擬結果的影響研究則較少。為此，本文將在三江源3次降水事件中加入MHS資料循環同化進行試驗，比較同化前后試驗的結果，探討加入衛星MHS資料同化對3次事件預報效果的影響，以期提高三江源地區降水預報的精度。

1 資料來源與說明

1.1 資料來源

本次預報模擬使用WRF模式，用來輸入WRF模式的氣象資料是NCAR／NCEP提供的FNL（final operational global analysis）全球分析數據，空間分辨率為1°×1°，時間分辨率為6 h，垂直方向上分26層，包括氣溫、對流、蒸發、濕度和位勢高度等。500 hPa環流形勢資料選用歐洲中期數值預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的第5代高分辨率再分析資料（the fifth generation ECMWF Re-Analysis，ERA5），包括日每小時的緯向風分量、經向風分量、比濕、位勢高度，其水平分辨率為0.25°×0.25°。高時空分辨率的降水觀測資料對于模式預報具有相當重大的意義（任英杰等，2019），降水觀測資料分辨率高能減少計算模式模擬降水的評分結果因分辨率產生的誤差，能有效提升測評模式預報降水的能力，因此用來與WRF輸出數據進行對比的觀測降水資料選取了空間分辨率為0.1°×0.1°、時間分辨率為0.5 h、由美國NASA（National Aeronautics and Space Administration）提供的GPM IMERG（Integrated Multi-satellitE Retrievals for GPM）中的Final Run降水產品。分析高空實況的水汽資料使用氣象信息綜合分析處理系統（Meteorological Information Comprehensive Analysis and Processing System，MICAPS）第4類格點數據，風場使用MICAPS第11類格點矢量數據，它們的網格分辨率是緯度方向3.4°、經度方向5°，時間分辨率是12 h，即00時與12時（世界時，下同）。分析地面溫度實況的資料使用MICAPS第3類通用填圖和離散點等值線數據，其空間分辨率為氣象站點分布狀況，時間分辨率為5 min。同化資料采用MHS資料。降水資料采用GPM IMERG的Final Run產品（Chen and Li，2016;Liu，2016;Sharifi et al.，2016;Siuki et al.，2017）。

1.2 微波濕度探測器介紹

微波濕度探測器（MHS）用于探測大氣濕度信息，是一種先進的微波濕度探測器，含有5個通道，主要用于探測大氣濕度的垂直分布、水汽含量和云中液態含水量等，能有效探測大氣中水汽的空間分布與變化狀況。MHS擁有89～190 GHz范圍的頻道，微波濕度探測器將在大氣中吸收水汽最強的183.31 GHz作為主探測頻點，并向兩側擴展有3個探測通道（183.31±1） GHz、（183.31±3） GHz和190.31 GHz，它們分別對大氣層的上層、中層和下層水汽敏感。183.31 GHz頻道提供大氣濕度數據，而157 GHz和89 GHz頻道用來觀測地表發射率、地表溫度（結合AMSU-A數據）等參數;另有低層大氣信息的窗區通道，能修正主探測通道的數據，探測云中的含水量以及低空云和降水等。綜合5個通道的探測信息，能得到大氣濕度在垂直方向上的分布狀況，為數值預報模式提供重要的參數信息。

2 模式方案與方法

2.1 模式設置

本試驗研究使用WRF模式（3.9.1版本）模擬，并以NCEP FNL全球再分析資料為背景場。3次個例模擬過程時間分別為2018年6月29日12：00—7月1日00：00、7月4日12：00—7月6日00：00、8月23日12：00—8月25日00：00。為了囊括三江源周邊地區可能的天氣影響而使得試驗更具真實性，試驗采用雙層嵌套，外層水平分辨率為9 km，包含部分西北、西南、華北地區，垂直方向有60層;內層水平分辨率為3 km，以三江源地區為主，垂直方向有60層，積分步長為30 s，模擬中心點為96.061 2°E、36.138 7°N，位于三江源降水位置附近（圖1）。試驗設置參數方案如下：長波輻射，rrtm方案;短波輻射，Dudhia方案;積云對流參數方案，淺對流Kain-Fritsch方案;近地面層，Monin-Obukhov方案;陸面過程，Noah陸面過程方案;邊界層，YSU方案;微物理過程，新Thompson冰雹方案。

2.2 同化方案

本研究使用的同化系統為WRF資料同化系統（WRF Data Assimilation System，WRFDA），數據同化方法為WRF三維變分同化（WRF-3DVAR）。WRFDA是由美國國家大氣研究中心開發并維護的與中尺度模式WRF相配套的資料同化系統，由Fortran90程序語言編寫，同樣采用模塊化結構。WRF-3DVAR可以理解為觀測場與分析場、分析場與背景誤差場之間的二次泛函極小化問題，計算公式為：

式中：y0為大氣觀測;xb為背景場;x為初始場最優解;B為背景誤差協方差矩陣;R為觀測誤差協方差矩陣;H（x）為由x向y的映射（觀測算子）。輻射傳輸模式采用美國衛星資料同化聯合中心研制開發的CRTM（Community Radiative Transfer Model），背景誤差協方差矩陣采用WRFDA的通用“CV3”，偏差訂正采用變分偏差訂正方法。同化方案采用循環同化方案，從初始刻（“0630”試驗，2018年6月29日12：00;“0705”試驗，2018年7月4日12：00;“0824”試驗，2018年8月23日12：00）同化初始場積分6 h，將模擬得到的預報場作為下一個時刻的初始場進行同化，以此分別循環至2018年7月1日00：00、7月6日00：00、8月25日00：0，共36 h。同化時間窗口設為6 h，即以分析時間為中心的±3 h為時間窗口。同化資料選用NOAA-18衛星的MHS資料。本次試驗個例有3個，研究試驗分成3組，具體設計方案如表1所示。此外，衛星觀測資料不能直接用于同化，因為探測得到的輻射數據部分為地表、海冰、雪蓋等下墊面信息，且容易受到云污染，所以需要對衛星資料進行質量控制。質量控制是觀測資料進入同化系統分析之前必不可少的一步，目的是消除一些不符合同化質量要求的觀測數據，并保證同化計算過程的快速收斂和同化分析結果的質量。為方便起見，本試驗采用WRFDA中自帶的質量控制方案：1）剔除混合層、陸地、海冰、雪蓋通道1、通道2，保留通道3、通道4、通道5;2）降水檢測，若通道1和通道2的亮溫之差≥3 K，則認為有降水影響，該廓線舍去;3）臨邊檢測時舍去掃描線兩端的8個點;4）地面氣壓檢測，若存在地面氣壓小于800 hPa，則剔除通道5。

2.3 分析方法

為了更客觀地分析預報試驗的模擬效果，本文采用FAR（false alarm rate）、MAR（missing alarm rate）、POD（probability of detection）、TS（threat score）、BIAS、ETS（equitable threat score）、平均絕對誤差（mean absolute error，MAE）與均方根誤差（root mean squared error，RMSE）對其結果進行檢驗。TS評分與模式水平分辨率有重要相關關系，分辨率越高，TS評分效果越明顯（王在文等，2016）。ETS評分是TS評分的一種改進，能夠由空報與漏報的降水預報點對評分進行懲罰，因此使得其對降水的評分結果相對后者更加公平（吳啟樹等，2017）。

TS評分為：

ETS評分為：

式中：NA為成功預報降水的頻次;NB為降水空報的頻次;NC為降水漏報的頻次;ND為預報與實況結果均未達到閾值正確的次數。TS、ETS評分的值介于0～1之間。通常情況下，由于ETS評分對空報結果有較大懲罰而使其偏低于TS評分，所以ETS評分常與TS評分結合起來作綜合評估。在一個降水閾值內，TS和ETS評分越大說明預報效果越好，反之則說明預報效果越差。其他常用的降水評估還有：

式中：POD是指每次預報的命中情況，表示模式模擬降水在實際降水中發生的概率，也就是成功預報的真實降水地區占所有真實降水地區的比值，取值在0～1之間，值越大表示預報效果越好;FAR為空報率，指所有模擬的降水地區中實際沒有發生降水地區的占比，取值在0～1之間，值越大表示空報率越高;BIAS為偏差評分，表示在某一量級降水閾值上預報的降水區域中滿足該閾值的所有格點數與對應實際降水的格點數之比（Kong et al.，2008），BIAS評分能指示預報的降水不足（結果小于1）或過度（大于1），用來測量降水預報與實際的相對程度。

3 結果與分析

3.1 衛星資料診斷

3.1.1 衛星資料分布

由于同一傳感器不同通道的觀測資料覆蓋范圍大致相同，所以下面以MHS第4通道為例，對衛星資料范圍進行分析。圖2a為各衛星資料稀疏化后的分布（MHS搭載于NOAA-18衛星上，由兩條掃描帶組成），可知MHS稀疏化后的資料有1 236個。圖2b為剔除不符合質量的資料后剩余的觀測點分布;經過質量控制后，資料剩余數為539個，MHS第4通道剔除資料主要位于兩條掃描帶之間以及青藏高原和西北部分地區。通過對衛星云圖（圖略）的觀察分析可以發現，在這些地區上空，云量較多，云層較厚，推測是衛星觀測資料在該地區受云污染嚴重，資料質量較差，故在質量控制中未通過檢驗而被舍去。通過質量控制后，衛星資料的整體質量雖然有所上升，但通過圖2c可發現，背景場亮溫與觀測亮溫仍有差異，且背景場亮溫普遍要高于觀測亮溫，這是由于觀測資料本身、背景場、分析場以及CRTM輻射傳輸模式可能存在系統性誤差所致，因此在衛星資料經過質量控制后仍需對其進行偏差訂正（李剛等，2016a，b），這樣才能更好地發揮衛星資料在資料同化中的作用，下面將分析衛星資料的偏差訂正結果。

3.1.2 偏差訂正

圖3a—c為MHS資料中一個通道亮溫偏差訂正結果。圖3a中，橫坐標為觀測亮溫（OBS），縱坐標為未訂正的背景場亮溫（BAK）。由圖3a可發現，一個通道的散點圖大致呈線性分布，且大多數散點位于圖中對角線上方，說明背景場模擬亮溫與觀測亮溫有差異，且大多數模擬亮溫高于觀測亮溫。圖3b的橫坐標為觀測亮溫，縱坐標為訂正后的背景場亮溫。圖3b的散點分布相對圖3a整體下降，且更加貼近圖中對角線，說明資料在經過偏差訂正后模擬亮溫下降了，更加符合觀測亮溫的結果。圖3c的縱坐標是同化后的分析場模擬亮溫。與圖3b比較，圖3c的散點更向對角線靠攏，即分析場模擬亮溫與觀測亮溫更加接近，說明同化效果好。比較MEAN、STDV和RMSE結果可知，訂正后的觀測殘差MEAN和RMSE與訂正前相比有所下降，說明偏差訂正方案能減少系統誤差;背景場與同化后的分析場相比，分析場的觀測殘差MEAN和RMSE在同化后進一步減少，STDV也有所下降，說明偏差訂正方案能改善分析場模擬亮溫，由此使得模擬亮溫結構與觀測亮溫結果更加接近。

圖3d—f是觀測殘差頻數分布直方圖，能進一步分析偏差訂正的效果。圖3d、e的橫坐標為OMB（觀測場減背景場），圖3f的橫坐標為OMA（觀測場減分析場）。結果顯示，圖3d的OMB范圍在-7～3 K之間，大值主要位于-2～-1 K區間，圖3e的OMB范圍在-6～4 K之間，訂正后的模擬亮溫有所提升，大值主要位于-1～0 K之間，偏差減小了，說明偏差訂正有正效應。圖3f的OMA范圍在-4～3 K之間，與圖3e相比范圍明顯縮小，且有近300個資料分布在0附近;圖3f位于0附近的資料比圖3e多約200個，說明分析場亮溫更加接近觀測結果。對其他通道的分析也得出了較為一致的結論，限于篇幅，此處不再贅述。

3.2 預報場分析

3.2.1 預報風場與水汽場

圖4給出了模擬24 h的400 hPa風濕場。由“0630”試驗結果來看，三江源西側的南風與東南側的東南風在加入同化后風速稍有增大，整體提升了2～4 m／s，而北側的西風則減弱了2 m／s左右;濕度分布是整體西部偏濕、北部和東南部偏干，同化后西側濕度大于4.5 g·kg-1的區域增大，局部濕度增大至5.5 g·kg-1;跟實況相比，西北側和西南側的風向的同化模擬效果更好，東北側的風向在同化前更接近實況，而東南側的風向在同化前、后均與實況相差較大。由“0705”試驗結果來看，同化前、后整體以西風為主，同化前在96°E、35°N附近出現弱的風速輻合，同化后該輻合西移，此處原西北風轉為東風且風速輻合增大;濕度分布主要是南北干、中間濕，同化后西南側濕度減小、北側濕度增大;4個點的實況風均為偏西風，模擬結果與之相符;南側2個點的風速在同化前稍小，同化后增大了2～4 m／s，風速更符合實況，而北側2個點的風速與同化前、后的結果相比，無明顯差異。

由“0824”試驗結果來看，整體以西風和西北風為主，在加入同化后，西南側的西北風的北風分量減少，東南側的西風轉為西南風，風速比實況略大，而北側2個點的風速在同化前、后相差不大，模擬結果較符合實況;對照實況看，同化后的風場質量稍有提升;濕度分布整體是北側和東南側偏干、中間濕，同化后北側偏干區域的濕度有所上升。通過比較3次試驗的400 hPa水汽分布可發現，加入MHS資料同化后，水汽含量預報有了明顯增大;與MICAPS資料相比，同化后部分地區的風速和風向預報稍有改善。

圖5為站點水汽含量隨高度的分布（站點位置是根據MICAPS資料的高空站點分布和實際主要降水區域綜合考慮后確定的;圖a、d與圖b、e的地點在95°E、35.8°N，圖c、f的地點在100°E、32.4°N）。由圖5可見，500 hPa上，同化后的水汽含量均增大，更接近實況;在其他高度層上，同化后的水汽含量幾乎都增加，且中層的水汽增量最大，推測是質量控制的方案保留了第3、4、5通道，而這3個通道主要是探測中低層水汽的原因所致。3個降水試驗結果顯示，在降水水汽貢獻最大的中低層，加入同化后差值減小的層數比同化前要多。此外，“0630”試驗和“0824”試驗的RMSE在同化后低于同化前，表明同化后其水汽模擬較好。從總體效果看，同化試驗對“0705”試驗的站點水汽預報不夠理想，而對“0630”和“0824”試驗的站點水汽預報效果較好。

3.2.2 預報溫度場

圖6為3場降水的24 h地面溫度預報及實況。“0630”試驗中，同化后西側溫度有所下降，大范圍低于6 ℃，北側溫度有所提升，局地可達28 ℃;三江源南側大范圍溫度下降2～4 ℃;對照實況可知，同化后模擬效果更佳。“0705”試驗中，同化前、后的差異主要位于北側和南側部分地區，同化后溫度下降2 ℃;對照實況可知，北側和中部溫度在同化后模擬更佳，且南側大范圍高溫區在同化后模擬更好。“0824”試驗中，同化后北側局域溫度上升2 ℃，西北側部分地區溫度上升2 ℃;對照實況可知，北側區域溫度上升與同化前相比預報效果不夠理想，而西北側區域同化后溫度模擬更加接近實況。

綜上所述，3次試驗對地面溫度的預報，在加入MHS同化后效果改善得不夠理想，推測是降水云層較厚影響了傳輸模式結果，使得MHS資料在低層大氣濕度探測結果與實況有偏差，導致地面溫度的模擬沒有得到很好的改善。這表明，同化MHS資料并不總是能給預報帶來正效應，同化資料仍存在不足之處。

3.2.3 降水空間分布

圖7a—c為2018年6月30日15：00—21：00（此次降水發生的主要時段）模擬累計降水量分布及實況。由圖7c可見，降水區域為一條東北—西南走向的雨帶，包括三江源西南側局部地區，降水中心主要位于三江源西側及東北側，最大降水量可達30 mm。由圖7a可見，同化前，模擬試驗的降水區主要位于三江源西側、西北側及西南側局部地區，最大降水量可達30 mm，與實況相比，降水中心位置偏北，三江源東北部降水未被模擬出，與實況有差異。由圖7b可見，MHS同化后試驗模擬的降水分布與同化前相比有較大變化，模擬降水區域與實況的重合度更高，模擬的雨帶更接近實況，說明此次同化改善降水結果較好。圖7d—f為2018年7月5日12：00—18：00模擬累計降水量分布及實況。由圖7f可見，降水主要發生在中部及東南部，最大降水量可達30 mm。比較圖7d與圖7e可發現，在三江源中部，同化前、后的降水位置較接近，但同化后的降水區域分為兩部分，更接近實況;在三江源東南部，同化前的雨區更接近實況，同化后則偏南;在三江源西部局部地區，同化前、后降水均未能被模擬出。總體來看，此次降水模擬同化的改善作用較小，甚至部分地區的降水預報反而不如同化前。圖7g—i為2018年8月24日09：00—15：00模擬累計降水量分布及實況。由圖7i可見，降水區域為一條東北—西南走向的雨帶，且雨帶東北部和南部局地存在大值降水。由圖7g可見，同化前的試驗基本能模擬出雨帶，但降水大值區主要位于雨帶西南部，與實況相差較大。由圖7h可見，同化后的試驗能模擬出雨帶，且降水大值區幾乎覆蓋整條雨帶;試驗能模擬出部分地區的降水大值中心，而部分地區的大值降水預報可能會使得大值降水錯報增多，但效果上仍比同化前大值降水錯報和漏報要更好。綜合來看，同化MHS資料對降水分布預報有較明顯的改善。盡管如此，僅從降水分布來評價預報結果是否有改善還存在主觀性，故而下面將對所有試驗進行降水評分，以客觀分析檢驗預報結果。

3.3 降水預報評分

在研究區域（92°～100°E，31°～37°N）內，以GPM IMERG的Final降水產品為觀測標準，對主要時段的模擬降水進行數據評估。根據6 h累計降水量實況，將試驗研究的6 h累計降水量分為4個等級，分別為小雨（0.5～<5.0 mm）、中雨（5.0～<10.0 mm）、大雨（10.0～<20.0 mm）和暴雨（大于等于20.0 mm），小于0.5 mm均視為無雨。通過網格數據插值方法，將GPM降水產品數據網格與WRF模擬數據的高分辨率網格統一，計算3個個例試驗的POD、FAR、BIAS以及各個降水等級的TS、ETS。

由表2和圖8可見，“0630”降水在同化前的模擬效果是，TS評分有不錯的評估，但對于ETS評分，由于存在許多空報和漏報的地方，ETS評分會對空報和漏報進行懲罰，所以ETS評分整體偏低。加入同化后，大于等于小雨級別的降水TS評分提升了0.1左右，中雨級別的降水TS評分提升了0.13、ETS評分提升了0.08左右;POD檢驗在0.5～20 mm之間均有提升，特別在0.5～10 mm之間提升最明顯，提升了0.1～0.25。TS、ETS和POD在同化后雖然有明顯的提升效果，但也存在一些不足。對于大于等于0.5 mm的降水，加入同化后POD提升，但FAR相較于同化前空報次數略增，這導致大于等于小雨級別降水ETS評分在同化后沒有明顯提升。從BIAS來看，同化前、后相差較大，同化后在1～16 mm之間BIAS評分大于1，試驗預報結果偏濕，而在16～20 mm之間BIAS評分小于1，說明在該降水閾值內多處降水漏報，同化前BIAS整體小于1，降水以漏報為主。此外，此次降水同化后的RMSE與MAE均有所下降。總體來看，此次降水加入同化后對改善降水模擬效果是有所提升的。

對于“0705”降水，同化后降水分布改善較小（圖7）。從降水評估來看，POD與FAR相比其他2場降水檢驗結果均較差，對大于等于小雨級別的降水，同化前TS評分僅有0.448，但ETS評分相對于“0630”降水卻有增大;這可能是由于此次降水范圍不大、降水量偏小，模擬降水和實際降水在多處均無降水，所以ETS評分不會因多處模擬和實際同時無降水而受到懲罰，故而其結果比“0630”降水的要大。由BIAS結果可見，同化前、后的結果較相近，總體趨勢是在較小降水閾值內稍大于1 mm之后隨雨量的增大而迅速減小，整體均以漏報為主。此個例模擬結果過高的降水空報使得ETS結果偏低，此外考慮到TS、POD降水檢驗結果相比其他2場降水均較差，故該個例檢驗效果不理想（TS、ETS、POD與同化前相比均有所下降）。這說明，同化MHS資料并不總會給每次降水事件的預報都能帶來好的結果，有時甚至會給模擬帶來負效應。這里提醒我們，在使用MHS資料同化模擬時，不能對其模擬結果完全信賴，仍需通過改進資料的使用方法來找到最適宜的同化方案，尋找更優的質量控制方案和同化方法，以達到提高模式預報質量的目的。

對于“0824”降水，同化前、后雨帶位置基本無差異，且均能被大致模擬出（圖7）。表2表明，對小雨和中雨級別的降水，同化前、后的TS與ETS評分較接近，但大雨和暴雨級別的降水，同化后的TS與ETS評分均有大幅提升。在暴雨級別同化前的TS和ETS均為0的情況下，同化后TS和ETS分別提升至0.128和0.114，這對暴雨預報的提升是非常顯著的。由圖8c可見，同化后的POD始終大于同化前，且大于6 mm同化后的POD有大幅提升，提升了0.1～0.4;在0.5～8 mm之間同化后的FAR略大于同化前，但大于8 mm同化后的FAR小于同化前。從BIAS結果來看，小于8 mm的預報效果均較好，同化前、后都接近于1，在8～20 mm之間同化前評分減小，同化后先增大、后在16～20 mm之間迅速減少并接近1。BIAS評分結果表明，同化前預報結果以偏干為主，同化后以偏濕為主，相對而言，同化后的結果更佳，尤其在大閾值降水區間。同化后，RMSE和MAE增大，這可能是因為模擬的降水量偏大且空報次數增多，使得RMSE和MAE增大;但總體來看，此次模擬在加入同化后對降水預報有提升。此外，結合前2個個例可發現，加入同化后，BIAS普遍比同化前偏大，預報結果偏濕;這與衛星探測器的種類有關，同化MHS資料使得初始場的水汽含量增大，從而導致預報結果的水汽含量也增大，進而使得降水期間有更充足的水汽，預報的降水區域增大、降水量增加。

4 結論與討論

針對三江源區2018年6月30日、7月5日、8月24日3次降水過程，利用WRF3.9.1及其三維變分同化系統（WRFDA），使用NCEP提供的FNL再分析資料并輸入到WRF模式中，通過同化ATOVS微波濕度探測器資料，進行了多次循環同化試驗，探討了循環同化方案對水汽場、風場和溫度場的影響，以及對它們和降水的模擬效果，得到以下結論：

1）同化后，從下層到上層預報的水汽含量基本比同化前要大，由于質量控制方案的原因，保留了第3、4、5通道的資料，故中層體現得最明顯，且同化預報的水汽更符合實際。同化后，地面溫度預報改善不明顯，部分地區模擬效果欠佳，但大部分高空風模擬結果較好。總體而言，MHS資料同化對地面溫度模擬改善欠佳，對高空水汽、風模擬有改善。

2）衛星資料同化提升降水預報的能力主要體現在降水區面積和降水量的增大，提高了降水預報水平，但增加了空報降水區域，且高估降水也較明顯，說明同化MHS的結果仍存缺陷。

3）從TS、ETS評分結果來看，加入同化后，有2個個例試驗的提升較明顯，其中“0630”試驗的TS評分結果在0.5～10 mm之間提升了0.05～0.1，ETS評分結果在5 mm提升超過0.08，在10～20 mm之間也有少量提升，POD檢驗在0.5～20 mm之間均有提升，在0.5～10 mm之間提升最為明顯，提升了0.1～0.25;“0824”試驗的TS和ETS評分結果在10～20 mm之間提升超過0.1，POD檢驗在6～20 mm之間提升了0.1～0.4。同化后試驗模擬有提升，模擬的降水區域次數增多，說明加入MHS同化對降水模擬有改善，大閾值降水改善效果較明顯。

4）加入衛星資料同化并非所有試驗預報都能有理想的結果。在“0705”試驗中，加入同化后，無論是從降水分布，還是從降水檢驗結果來看，同化對降水預報的結果并沒有很大的提升，說明同化并不是每次都能對每個個例的模擬結果有正效應，因此對MHS資料的使用不能過于信賴，同化資料的使用方法仍需改進，可嘗試更換質量控制方案以改善降水預報結果。但結合“0630”和“0824”試驗結果可知，同化MHS資料對降水預報仍有提升效果。

本研究進行初步試驗時，由于WRF模式設置的水平分辨率和垂直分辨率不高，所以模擬結果與真實降水相差甚遠。為此，加入資料同化，然而降水模擬分布并無改善;這是由于同化前初始場的模擬效果較差，同化對改善初始場的作用有限。在不斷提高分辨率和更換微物理方案后，WRF模擬的結果也開始不斷得到改善;在此情況下，加入MHS資料同化，此后提升的效果越來越明顯，同化后的降水分布與同化前相比更加符合實況。經過多次試驗后發現，影響模擬效果的重要因素之一是初始的設置方案以及水平和垂直分辨率，衛星資料同化具有改善作用的前提條件是要有良好的WRF模式設置。此外，“0705”試驗的同化效果與其他2個試驗相比不夠理想，這可能是因為質量控制方案、偏差訂正方案并不適用于該個例，也可能是因為云層較厚影響了衛星資料的質量，從而導致產生較大的系統性誤差。在此試驗的基礎上，可考慮進一步提高方案的水平和垂直分辨率以提高初始場的準確度，并嘗試使用其他質量控制方案、偏差訂正方案以提高MHS資料的準確度，達到提升降水模擬效果的目的。此外，本試驗尚存在不足之處：選擇的同化資料較少，選取的2018年3個降水個例均為短波槽的強降水，對其他天氣系統的降水可能不具有適用性。為此，可考慮使用精度更高的衛星數據以及其他衛星的微波濕度資料，對不同類型降水進行同化試驗，以進一步驗證微波濕度資料在三江源地區同化預報系統中的同化效果。另外，本試驗使用同化路線均為循環同化，采用的質量控制方案為WRFDA自帶的方案，偏差訂正為變分偏差方法;這些方案可能不是最優方案，可嘗試單時次同化，更換質量控制方案和偏差訂正方法，繼續比較試驗結果，以探討不同方案對同化試驗的改進。

參考文獻（References）

Andersson E，Hólm E，Bauer P，et al.，2007.Analysis and forecast impact of the main humidity observing systems［J］.Quart J Roy Meteor Soc，133（627）：1473-1485.

Bonsignori R，2007.The Microwave Humidity Sounder （MHS）：in-orbit performance assessment［C］／／Proc SPIE 6744，Sensors，Systems，and Next-Generation Satellites XI：93-104.doi：10.1117／12.737986.

蔡永祥，羅少輝，王軍，等，2022.三江源地區1961—2019年降水量時空變化特征［J］.草業科學，39（1）：10-20. Cai Y X，Luo S H，Wang J，et al.，2022.Spatiotemporal variations in precipitation in the Three-River Headwater region from 1961 to 2019［J］.Pratacultural Sci，39（1）：10-20.doi：10.11829／j.issn.1001-0629.2021-0376.（in Chinese）.

Candy B，Migliorini S，2021.The assimilation of microwave humidity sounder observations in all-sky conditions［J］.Quart J Roy Meteor Soc，147（739）：3049-3066.doi：10.1002／qj.4115.

Chen F R，Li X，2016.Evaluation of IMERG and TRMM 3B43 monthly precipitation products over mainland China［J］.Remote Sens，8（6）：472.doi：10.3390／rs8060472.

陳亞玲，文軍，劉蓉，等，2022.江河源區水汽輸送與收支的時空演變特征分析［J］.高原氣象，41（1）：167-176. Chen Y L，Wen J，Liu R，et al.，2022.Analysis on the temporal and spatial evolution characteristics of water vapor transport and budget over the source region of the Three-River［J］.Plateau Meteor，41（1）：167-176.doi：10.7522／j.issn.1000-0534.2021.00049.（in Chinese）.

段華，潘曉濱，臧增亮，等，2015.基于GSI同化系統的衛星輻射率資料的同化試驗［J］.干旱氣象，33（6）：895-901. Duan H，Pan X B，Zang Z L，et al.，2015.Analysis on assimilation experiment of AMSU-A radiance based on GSI system［J］.J Arid Meteor，33（6）：895-901.doi：10.11755／j.issn.1006-7639（2015）-06-0895.（in Chinese）.

郭銳，張國平，李澤椿，2010.對于一次川渝暴雨的ATOVS資料同化數值模擬［J］.大氣科學學報，33（5）：615-623. Guo R，Zhang G P，Li Z C，2010.Assimilation and numerical simulation of ATOVS data of the heavy rain over eastern Sichuan Province and Chongqing［J］.Trans Atmos Sci，33（5）：615-623.（in Chinese）.

Harris B A，Kelly G，2001.A satellite radiance-bias correction scheme for data assimilation［J］.Quart J Roy Meteor Soc，127（574）：1453-1468.doi：10.1002／qj.49712757418.

Kong F，Xue M，Thomas K，et al.，2008.Real-time storm-scale ensemble forecast experiment：analysis of 2008 spring experiment data［C］／／24th Conference on Several Local Storms.Savannah：Amer Meteor Soc.

雷彥，張廣偉，2020.青海東北部地區一次暴雨天氣成因分析［J］.現代農業科技（22）：162-163，167. Lei Y，Zhang G W，2020.Analysis on the cause of a rainstorm in Northeast Qinghai Province［J］.Mod Agric Sci Technol（22）：162-163，167.（in Chinese）.

李剛，曲美慧，張華，2016a.微波濕度計資料在GRAPES模式中偏差訂正方法研究［J］.大氣科學學報，39（5）：653-660. Li G，Qu M H，Zhang H，2016a.Bias correction of microwave humidity sounder radiances in the Global／Regional Assimilation and Prediction System［J］.Trans Atmos Sci，39（5）：653-660.doi：10.13878／j.cnki.dqkxxb.20140228001.（in Chinese）.

李剛，吳兆軍，張華，2016b.偏差訂正方法在IASI輻射率資料同化中的應用研究［J］.大氣科學學報，39（1）：72-80. Li G，Wu Z J，Zhang H，2016b.Bias correction of infrared atmospheric sounding interferometer radiances for data assimilation［J］.Trans Atmos Sci，39（1）：72-80.doi：10.13878／j.cnki.dqkxxb.20140228001.（in Chinese）.

李生辰，李棟梁，趙平，等，2009.青藏高原“三江源地區”雨季水汽輸送特征［J］.氣象學報，67（4）：591-598. Li S C，Li D L，Zhao P，et al.，2009.The climatic characteristics of vapor transportation in rainy season of the origin area of Three Rivers in Qinhai-Xizang Plateau［J］.Acta Meteor Sin，67（4）：591-598.（in Chinese）.

劉曉瓊，吳澤洲，劉彥隨，等，2019.1960—2015年青海三江源地區降水時空特征［J］.地理學報，74（9）：1803-1820. Liu X Q，Wu Z Z，Liu Y S，et al.，2019.Spatial-temporal characteristics of precipitation from 1960 to 2015 in the Three Rivers Headstream Region，Qinghai，China［J］.Acta Geogr Sin，74（9）：1803-1820.doi：10.11821／dlxb201909008.（in Chinese）.

Liu Z，2016.Comparison of integrated multisatellite retrievals for GPM （IMERG） and TRMM multisatellite precipitation analysis （TMPA） monthly precipitation products：initial results［J］.J Hydrometeorol，17（3）：777-790.doi：10.1175／jhm-d-15-0068.1.

馬秀梅，劉曉燕，代青措，2017.副熱帶高壓影響下青海東部兩次暴雨對比分析［J］.青海科技，24（3）：72-77. Ma X M，Liu X Y，Dai Q C，2017.Comparative analysis of two heavy rains in eastern Qinghai under the influence of subtropical high［J］.Qinghai Sci Technol，24（3）：72-77.（in Chinese）.

馬旭林，陸續，于月明，等，2014.數值天氣預報中集合-變分混合資料同化及其研究進展［J］.熱帶氣象學報，30（6）：1188-1195. Ma X L，Lu X，Yu Y M，et al.，2014.Progress on hybrid ensemble-variational data assimilation in numerical weather prediction［J］.J Trop Meteor，30（6）：1188-1195.doi：10.3969／j.issn.1004-4965.2014.06.020.（in Chinese）.

馬原，鄒曉蕾，2013.氣象衛星微波濕度計資料簡介［J］.氣象科技進展，3（6）：45-51. Ma Y，Zou X L，2013.Serial of applications of satellite observations an introduction to satellite-based microwave humidity sounding data［J］.Adv Meteor Sci Technol，3（6）：45-51.doi：10.3969／j.issn.2095-1973.2013.06.006.（in Chinese）.

McNally A，Andersson E，Kelly G，et al.，1997.The use of raw TOVS／ATVOS radiances in the ECMWF 4D-Var assimilation system［R］.ECMWF Newsletter（83）.

Qin Z K，Zou X L，Weng F Z，2013.Evaluating added benefits of assimilating GOES imager radiance data in GSI for coastal QPFs［J］.Mon Wea Rev，141（1）：75-92.doi：10.1175／mwr-d-12-00079.1.

曲美慧，2015.ATOVS微波濕度計MHS資料在GRAPES-GFS模式中的同化應用技術研究［D］.南京：南京信息工程大學. Qu M H，2015.Assimilated application study of ATOVS microwave humidity sounder radiance in GRAPES-GFS［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.

任英杰，雍斌，鹿德凱，等，2019.全球降水計劃多衛星降水聯合反演IMERG衛星降水產品在中國大陸地區的多尺度精度評估［J］.湖泊科學，31（2）：560-572. Ren Y J，Yong B，Lu D K，et al.，2019.Evaluation of the Integrated Multi-satellitE Retrievals （IMERG） for Global Precipitation Measurement （GPM） mission over the mainland China at multiple scales［J］.J Lake Sci，31（2）：560-572.（in Chinese）.

Schwartz C S，Liu Z Q，Chen Y S，et al.，2012.Impact of assimilating microwave radiances with a limited-area ensemble data assimilation system on forecasts of Typhoon Morakot［J］.Wea Forecasting，27（2）：424-437.doi：10.1175／waf-d-11-00033.1.

Sharifi E，Steinacker R，Saghafian B，2016.Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in Iran：preliminary results［J］.Remote Sens，8（2）：135.doi：10.3390／rs8020135.

Siuki S K，Saghafian B，Moazami S，2017.Comprehensive evaluation of 3-hourly TRMM and half-hourly GPM-IMERG satellite precipitation products［J］.Int J Remote Sens，38（2）：558-571.doi：10.1080／01431161.2016.1268735.

王順鳳，蔡春園，沈桐立，等，2011.一次暴雨過程的變分同化試驗及診斷分析［J］.大氣科學學報，34（2）：153-161. Wang S F，Cai C Y，Sheng T L，et al.，2011.Variational assimilation and diagnosis of a rainstorm process［J］.Trans Atmos Sci，34（2）：153-161.（in Chinese）.

王恬，張述文，毛璐，等，2014.同化衛星對地敏感通道微波亮溫觀測的模擬試驗［J］.干旱氣象，32（6）：909-915. Wang T，Zhang S W，Mao L，et al.，2014.A simulation experiment of assimilating microwave brightness observations at the sensitive channel to land［J］.J Arid Meteor，32（6）：909-915.doi：10.11755／j.issn.1006-7639（2014）-06-0909.（in Chinese）.

Wang Y B，Liu Z Q，Yang S，et al.，2018.Added value of assimilating Himawari-8 AHI water vapor radiances on analyses and forecasts for “7.19” severe storm over North China［J］.J Geophys Res：Atmos，123（7）：3374-3394.doi：10.1002／2017jd027697.

王在文，梁旭東，范水勇，等，2016.數值模式降水評分對分辨率的敏感性初探［J］.暴雨災害，35（1）：10-16. Wang Z W，Liang X D，Fan S Y，et al.，2016.Impact of spatial resolution on precipitation forecast score in numerical weather prediction models［J］.Torrential Rain Disasters，35（1）：10-16.doi：10.3969／j.issn.1004-9045.2016.01.002.（in Chinese）.

王宗皓，1995.衛星探測輻射率在數值天氣預報中的直接應用［J］.應用氣象學報，6（1）：101-108. Wang Z H，1995.Derect use of satellite sounding radiances in numerical weather prediction［J］.Quart J Appl Meteor，6（1）：101-108（in Chinese）.

吳啟樹，韓美，劉銘，等，2017.基于評分最優化的模式降水預報訂正算法對比［J］.應用氣象學報，28（3）：306-317. Wu Q S，Han M，Liu M，et al.，2017.A comparison of optimal-score-based correction algorithms of model precipitation prediction［J］.J Appl Meteor Sci，28（3）：306-317.doi：10.11898／1001-7313.20170305.（in Chinese）.

薛紀善，2009.氣象衛星資料同化的科學問題與前景［J］.氣象學報，67（6）：903-911. Xue J S，2009.Scientific issues and perspective of assimilation of meteorological satellite data［J］.Acta Meteor Sin，67（6）：903-911.doi：10.3321／j.issn：0577-6619.2009.06.001.（in Chinese）.

楊引明，杜明斌，張潔，2012.FY-3A微波資料在“莫拉克”臺風預報中的同化試驗［J］.熱帶氣象學報，28（1）：23-30. Yang Y M，Du M B，Zhang J，2012.Experiments of assimilating FY-3A microwave data in forecast of Typhoon Morakot［J］.J Trop Meteor，28（1）：23-30.doi：10.3969／j.issn.1004-4965.2012.01.003.（in Chinese）.

姚秀萍，謝啟玉，黃逸飛，2022.中國三江源地區降水研究的進展與展望［J］.大氣科學學報，45（5）：688-699. Yao X P，Xie Q Y，Huang Y F，2022.Advances and prospects on the study of precipitation in the Three-River-Source Region in China［J］.Trans Atmos Sci，45（5）：688-699.doi：10.13878／j.cnki.dqkxxb.20211220001.（in Chinese）.

于曉晶，韓威，馬秀梅，等，2018.衛星微波輻射資料同化在新疆降水預報中的應用初探［J］.暴雨災害，37（4）：337-346. Yu X J，Han W，Ma X M，et al.，2018.Implementation of microwave radiance data assimilation in precipitation forecast in Xinjiang［J］.Torrential Rain Disasters，37（4）：337-346.doi：10.3969／j.issn.1004-9045.2018.04.006.（in Chinese）.

張斌，張立鳳，熊春暉，2014.ATOVS資料同化方案對暴雨模擬效果的影響［J］.大氣科學，38（5）：1017-1027. Zhang B，Zhang L F，Xiong C H，2014.Effects of ATOVS data assimilation schemes on the simulation of heavy rain［J］.Chin J Atmos Sci，38（5）：1017-1027.doi：10.3878／j.issn.1006-9895.1401.13215.（in Chinese）.

張少婷，王東海，于星，等，2019.雷達和衛星資料同化在一次華南暴雨預報中的應用［J］.中山大學學報（自然科學版），58（5）：80-93. Zhang S T，Wang D H，Yu X，et al.，2019.Application of radar and satellite data assimilation in a rainstorm forecast in southern China［J］.Acta Sci Nat Univ Sunyatseni，58（5）：80-93.doi：10.13471／j.cnki.acta.snus.2019.05.011.（in Chinese）.

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）.

張同，2016.直接同化多種衛星輻射率資料對江淮暴雨預報影響研究［D］.南京：南京信息工程大學. Zhang T，2016.The study on the effect of directly assimilating satellite radiance on heavy rain forecast in Yangtze River Basin［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.