對(duì)于一次川渝暴雨的ATOVS資料同化數(shù)值模擬

郭銳,張國(guó)平,李澤椿

(1.北京市氣象臺(tái),北京 100089;2.國(guó)家氣象中心,北京 100081)

對(duì)于一次川渝暴雨的ATOVS資料同化數(shù)值模擬

郭銳1,張國(guó)平2,李澤椿2

(1.北京市氣象臺(tái),北京 100089;2.國(guó)家氣象中心,北京 100081)

利用我國(guó)全球中期數(shù)值預(yù)報(bào)業(yè)務(wù)模式T213L31及其三維變分同化系統(tǒng)SSI,對(duì)全球NOAA16、17的ATOVS資料進(jìn)行了同化試驗(yàn)。對(duì)2007年7月16—18日發(fā)生在川渝地區(qū)的一次暴雨過(guò)程進(jìn)行數(shù)值模擬研究,對(duì)比分析了僅同化常規(guī)資料與加入衛(wèi)星資料后的同化結(jié)果及模擬結(jié)果。試驗(yàn)表明:T213L31模式加入同化AMSU資料后,可以改善降水預(yù)報(bào),尤其是降水強(qiáng)度。通過(guò)連續(xù)滾動(dòng)同化衛(wèi)星資料,模式對(duì)于大尺度環(huán)境場(chǎng)改進(jìn)明顯,模擬效果更加接近實(shí)況。AMSU資料的使用可以改進(jìn)溫度場(chǎng)、濕度場(chǎng)以及風(fēng)場(chǎng),對(duì)于降水落區(qū)的預(yù)報(bào)有很好的指示意義。同化AMSU資料雖然一定程度上增加了降水區(qū)的濕度,但是該區(qū)域?yàn)橐粋€(gè)穩(wěn)定維持的低濕中心占據(jù),是造成降水落區(qū)出現(xiàn)偏差的原因。

AMSU資料;變分同化;SSI同化系統(tǒng);暴雨數(shù)值模擬

0 引言

在數(shù)值預(yù)報(bào)模式不斷趨于完善的情況下,提供準(zhǔn)確的模式初始分析場(chǎng)成了現(xiàn)代數(shù)值天氣預(yù)報(bào)成功的關(guān)鍵。國(guó)內(nèi)外已有很多研究表明,將非常規(guī)資料引入模式,大大提高了模式預(yù)報(bào)準(zhǔn)確率[1-7]。尤其是近年來(lái),NOAA極軌衛(wèi)星的ATOVS資料的應(yīng)用業(yè)務(wù)化,更是極大地提高了各國(guó)數(shù)值模式預(yù)報(bào)水平[8-11]。國(guó)內(nèi)對(duì)于ATOVS資料的同化研究雖然起步較晚,但是近些年來(lái)已經(jīng)成為研究熱點(diǎn),不少科學(xué)工作者業(yè)已取得了一定的研究成果。潘寧等[12]用增量3D-Var同化方法對(duì)ATOVS輻射亮溫資料在MM5模式上進(jìn)行了直接同化和預(yù)報(bào),結(jié)果表明,同化AMSU-A資料對(duì)中高層的溫度分析場(chǎng)的影響很明顯,但對(duì)降水預(yù)報(bào)的改善作用不大。魏應(yīng)植和許健民[13]將AMSU資料進(jìn)行反演,發(fā)現(xiàn)AMSU反演的溫度不僅能夠清晰地反映熱帶氣旋的暖核結(jié)構(gòu),而且其溫度距平值與熱帶氣旋中心風(fēng)速和最低海平面氣壓有較好的相關(guān)關(guān)系。齊琳琳等[14]采用3DVAR和MM5V3對(duì)ATOVS輻射率資料進(jìn)行直接同化,并對(duì)長(zhǎng)江流域的一次暴雨過(guò)程進(jìn)行模擬研究。結(jié)果表明,直接同化ATOVS資料,可以有效改進(jìn)對(duì)流層溫、濕場(chǎng)分布,且對(duì)初期暴雨中尺度系統(tǒng)的發(fā)生發(fā)展過(guò)程和強(qiáng)暴雨落區(qū)、雨強(qiáng)的模擬效果均有明顯改善。黃兵等[15]采用GRAPES3D-Var同化系統(tǒng)與MM5模式相結(jié)合,對(duì)ATOVS資料進(jìn)行直接同化,結(jié)果表明,采用ATOVS資料的直接變分同化主要體現(xiàn)在其對(duì)對(duì)流層中上層溫度場(chǎng)和對(duì)流層低層濕度場(chǎng)的影響上,且對(duì)流層中下層風(fēng)場(chǎng)也有一定改進(jìn)。齊琳琳和孫建華[16]利用GRAPES 3D-Var同化系統(tǒng)和MM5V3模式,直接同化ATOVS資料,發(fā)現(xiàn)同化ATOVS資料對(duì)模式初始場(chǎng)有明顯改善,在降水預(yù)報(bào)方面有很大的潛力。張愛(ài)忠等[17]采用GRAPES3D-Var同化系統(tǒng)三維變分直接同化AMSU-A輻射亮溫資料,并將同化后的三維場(chǎng)轉(zhuǎn)變格式輸入MM5V3中尺度數(shù)值預(yù)報(bào)模式中進(jìn)行個(gè)例模擬對(duì)比試驗(yàn)研究。研究結(jié)果表明同化衛(wèi)星資料獲得的分析場(chǎng)對(duì)于低層水汽增濕效果較明顯,對(duì)中層溫度的調(diào)整增大了整層大氣的對(duì)流不穩(wěn)定。張利紅等[18]利用GRAPES三維變分同化系統(tǒng),對(duì)AMSU-A/B微波遙感資料進(jìn)行了同化試驗(yàn),研究了這種資料在我國(guó)夏季暴雨數(shù)值預(yù)報(bào)中的作用,發(fā)現(xiàn)使用AMSU資料,對(duì)我國(guó)夏季暴雨數(shù)值預(yù)報(bào)有改進(jìn)作用。沈桐立等[19]在MM5伴隨模式中使用NOAA-16極軌衛(wèi)星探測(cè)獲得的AMSU資料,對(duì)江淮流域的一次暴雨過(guò)程進(jìn)行了數(shù)值模擬。結(jié)果表明,使用AMSU資料后,濕度場(chǎng)、溫度場(chǎng)和風(fēng)場(chǎng)均得到一定程度的改善,降水的落區(qū)和強(qiáng)度也更接近實(shí)況。

前人的研究工作多是利用WRF或者M(jìn)M5區(qū)域模式同化ATOVS資料,對(duì)暴雨進(jìn)行數(shù)值模擬預(yù)報(bào),并且研究個(gè)例大都選取江淮流域的暴雨。對(duì)于我國(guó)的業(yè)務(wù)模式T213L31模式衛(wèi)星資料的同化研究卻甚少,鑒于此,本文選用全球譜模式T213L31及其三維變分同化系統(tǒng)SSI為平臺(tái),開(kāi)展對(duì)ATOVS資料的直接同化試驗(yàn),探討了ATOVS資料在我國(guó)夏季暴雨預(yù)報(bào)中的作用。并選取2007年7月16—18日發(fā)生在地形復(fù)雜的川渝地區(qū)的大暴雨為個(gè)例進(jìn)行分析。

1 ATOVS資料及SSI三維變分同化方法介紹

1.1 ATOVS資料介紹

ATOVS(Advanced TIROS-N Operational Vertical Sounder)先進(jìn)的大氣垂直探測(cè)器是美國(guó)國(guó)家大氣海洋局第五代NOAA衛(wèi)星的系列傳感器的一種。ATOVS具有探測(cè)通道多,空間分辨率高等特點(diǎn)。ATOVS由三個(gè)相互獨(dú)立的儀器組成,分別是高分辨率紅外輻射探測(cè)器3型(H I RS/3),先進(jìn)的微波探測(cè)裝置A(AMSU-A)和先進(jìn)的微波探測(cè)裝置B(AMSUB),主要是用于大氣溫度和濕度垂直探測(cè),同時(shí)也具備探測(cè)地表參數(shù)的能力。

目前國(guó)家氣象中心使用的ATOVS數(shù)據(jù)文件包括搭載在NOAA-15,16,17上的AMSU-A、AMSU-B探測(cè)資料,其中NOAA-15的AMSU-A的11和14通道不可用,NOAA-17AMSU-A數(shù)據(jù)不可用。除此之外,H I RS/3資料也缺失,因此本文研究所用ATOVS資料只包含AMSU資料。數(shù)據(jù)格式為二進(jìn)制格式數(shù)據(jù),每種儀器每天有4個(gè)時(shí)次,00時(shí)、06時(shí)、12時(shí)、18時(shí)(世界時(shí),下同)的數(shù)據(jù)文件,每個(gè)時(shí)次的數(shù)據(jù)為將每個(gè)時(shí)次前后3 h的數(shù)據(jù)拼接到一起生成的數(shù)據(jù)文件。

1.2 SSI三維變分同化方法介紹

譜統(tǒng)計(jì)插值方案(spectral statistical interpolation,SSI)。SSI分析方案是根據(jù)三維變分分析原理、針對(duì)全球譜模式而開(kāi)發(fā)設(shè)計(jì)的資料分析方案,它的框架和計(jì)算流程設(shè)計(jì)比較合理,可以比較容易的引入新的觀測(cè)算子;含有快速輻射傳輸計(jì)算方案(以O(shè)PTRAN為核心),有能力直接同化衛(wèi)星輻射觀測(cè)資料(包括ATOVS輻射資料);程序是專(zhuān)為大規(guī)模并行計(jì)算機(jī)設(shè)計(jì)編寫(xiě),代碼高度并行化,計(jì)算效率較高,可以滿(mǎn)足業(yè)務(wù)的時(shí)效要求。

氣象上資料三維變分同化的基本思想是將一個(gè)目標(biāo)函數(shù)(泛函)極小化,SSI三維變分同化構(gòu)造的目標(biāo)函數(shù)

上式的基本思想是用背景誤差協(xié)方差矩陣的逆(B-1)對(duì)分析場(chǎng)與背景場(chǎng)的偏差(x-xb)進(jìn)行加權(quán),同時(shí)用觀測(cè)誤差協(xié)方差矩陣的逆(O-1)對(duì)分析場(chǎng)與觀測(cè)場(chǎng)的偏差yobs-R(x)進(jìn)行加權(quán),使分析對(duì)背景場(chǎng)和觀測(cè)場(chǎng)進(jìn)行最優(yōu)擬合,J關(guān)于分析變量x極小化。極小化過(guò)程采用了下降算法來(lái)完成。

由于背景場(chǎng)誤差協(xié)方差逆矩陣B-1往往是病態(tài)的,需要對(duì)其進(jìn)行調(diào)節(jié),并且B-1太大,計(jì)算量巨大,現(xiàn)有計(jì)算機(jī)很難處理。因此,采用變量變換的的方法,對(duì)目標(biāo)函數(shù)進(jìn)行預(yù)調(diào)節(jié)。

首先定義一個(gè)變量w

其中C與預(yù)報(bào)誤差協(xié)方差矩陣B有關(guān),

根據(jù)w的定義,(1)式可寫(xiě)為

將上式代入(5),可得

求解δ,得到線性方程:

δ用共軛梯度法求解,進(jìn)而求得使J極小化的狀態(tài)x。

2 個(gè)例簡(jiǎn)介

2007年7月16—18日,四川盆地中東部、重慶西南部等地出現(xiàn)了暴雨或大暴雨、局部地區(qū)出現(xiàn)了特大暴雨。其中17日08時(shí)—18日08時(shí)銅梁、璧山、沙坪壩降水分別達(dá)到179.5mm、258.0mm和262.8mm,均創(chuàng)有氣象記錄以來(lái)日降雨量的最大值(其中沙坪壩為1892年以來(lái)的最大值)。此次暴雨主要是由于西南低渦長(zhǎng)期盤(pán)踞在四川、重慶交界地區(qū)所致,是中緯度西風(fēng)帶系統(tǒng)調(diào)整過(guò)程中形成的轉(zhuǎn)折性天氣。500hPa上青藏高原東部我國(guó)大陸上有二脊一槽,高原東部是一弱脊,在陜西、四川一直到云貴高原形成一個(gè)較深的低槽,槽底鋒區(qū)南壓,巴湖冷空氣隨之進(jìn)入川渝地區(qū),副熱帶高壓脊線位于20°N以北并且西伸,在低層,西南低渦位于四川盆地,低渦前部西南風(fēng)和副高西北部的西南風(fēng)合并形成明顯的西南急流,西南急流帶來(lái)的暖濕空氣與巴湖冷平流在川渝地區(qū)上空相交綏,并且西太副高相對(duì)穩(wěn)定,使得此次暴雨過(guò)程降雨量大、雨強(qiáng)強(qiáng)(局部地區(qū)達(dá)特大暴雨標(biāo)準(zhǔn))、持續(xù)時(shí)間較長(zhǎng),造成的危害較大。

3 模式與模擬方案設(shè)計(jì)

3.1 模式介紹

本文使用的模式為中國(guó)國(guó)家氣象中心數(shù)值室在引進(jìn)的歐洲中期天氣預(yù)報(bào)中心IFS(Integrated Forecasting System)模式框架的基礎(chǔ)上,經(jīng)過(guò)移植改造和開(kāi)發(fā)的我國(guó)新一代全球中期數(shù)值預(yù)報(bào)業(yè)務(wù)模式T213L31。它是我國(guó)第一代大規(guī)模并行化的中期數(shù)值預(yù)報(bào)模式,T213L31模式為三角截?cái)嗟娜蜃V模式,截?cái)嗖〝?shù)為213個(gè)波,最小的波長(zhǎng)分辨率為190 km,歸約高斯格點(diǎn)空間其水平分辨率達(dá)到60km,計(jì)算量大大減少,內(nèi)存和結(jié)果的存儲(chǔ)量也減少,垂直p-σ混合坐標(biāo)31層,地面到30km,即模式頂為10 hPa,采用二時(shí)間層的半拉格朗日半隱式時(shí)間積分方案,歐拉型的ξ-D(渦度—散度)模式轉(zhuǎn)換為U-V型的動(dòng)量方程形式,減少了花費(fèi)機(jī)時(shí)很多的勒讓德變換數(shù)。圖1為T(mén)213-SSI同化分析預(yù)報(bào)流程。

3.2 數(shù)值模擬方案設(shè)計(jì)

為了考察AM SU資料在夏季暴雨數(shù)值模擬中的作用,并檢驗(yàn)T213-SSI同化分析預(yù)報(bào)系統(tǒng)同化AM SU資料的效果,本文設(shè)計(jì)了兩個(gè)對(duì)比試驗(yàn)方案,即方案A與方案B。兩方案均采用2007年7月8日06時(shí)T213L31模式的預(yù)報(bào)場(chǎng)作為初始時(shí)刻背景場(chǎng),從2007年7月8日06時(shí)開(kāi)始,連續(xù)滾動(dòng)同化10d到2007年7月17日00時(shí),其中A方案只同化常規(guī)資料(aob),B方案同化常規(guī)資料與NOAA16、17的AM SU-AB資料。連續(xù)同化10d進(jìn)行對(duì)比,可以排除偶然因素的影響,結(jié)果差異僅是由同化了AM SU資料引起的,使得對(duì)比分析結(jié)果更加準(zhǔn)確。B方案加入同化的衛(wèi)星資料為NOAA16的AM SUA與AM SU-B資料,以及NOAA17的AM SU-B資料。此次試驗(yàn)選取的是AM SU-A的1～11、15通道,AM SU-B的1～5通道。圖2為其中一時(shí)刻兩個(gè)通道經(jīng)過(guò)質(zhì)量控制,篩選剔出后,為T(mén)213-SSI系統(tǒng)同化的衛(wèi)星資料。

圖1 T213-SSI同化分析預(yù)報(bào)流程示意圖Fig.1 The flow chart of T213-SSI assimilation,analysis and forecast processes

4 數(shù)值模擬結(jié)果分析

此次暴雨過(guò)程從16—18日連續(xù)3d,在四川盆地中東部、重慶西南部等地出現(xiàn)較大范圍的強(qiáng)降水。尤其是17日08時(shí)—18日08時(shí),部分站點(diǎn)的降水量均超過(guò)了200mm,并且,17日為此次過(guò)程的中間時(shí)段。因此,本文主要研究17日的實(shí)況場(chǎng)與方案A、B的模擬結(jié)果的對(duì)比分析。

4.1 降水場(chǎng)

對(duì)降水預(yù)報(bào)準(zhǔn)確率的影響,是此次實(shí)驗(yàn)的主要目的,同時(shí)也是檢驗(yàn)衛(wèi)星資料對(duì)于預(yù)報(bào)的作用的重要標(biāo)準(zhǔn)之一。圖3為2007年7月17日的24h降水實(shí)況與A、B方案模擬的24h降水預(yù)報(bào)對(duì)比。

圖2 2007年7月11日08時(shí)T213-SSI同化系統(tǒng)同化的NOAA16第6通道資料(a)與第7通道資料(b)Fig.2 Assimilated NOAA16(a)channel6and(b)channel7data by T213-SSI system at0800U TC11July 2007

圖3 2007年7月17日08時(shí)—18日08時(shí)24h累積降水量(單位:mm) a.實(shí)況;b.A方案;c.B方案Fig.3 The distribution of24h accum ulative precipitation(mm)from08:00on17July to08:00on18July2007 a.the observation;b.Scheme A;c.Scheme B

從實(shí)況(圖3a)上可以看出,17日08時(shí)—18日08時(shí)的24h降水主要集中在106～108°E,29～33°N這一區(qū)域,降水都在20mm以上,最大中心區(qū)更是超過(guò)了160mm。從A方案(圖3b)可以看出,模式基本模擬出了降水形式,但是降水中心卻明顯偏東,而且量級(jí)偏小,最大降水中心只有30mm。B方案(圖3c)的預(yù)報(bào)結(jié)果中,降水分布型更加接近實(shí)況,在量級(jí)上有了明顯改善,降水中心達(dá)到了50mm以上,增加了20mm以上的降水量,但是落區(qū)并無(wú)明顯改善,仍是偏東。可見(jiàn)AM SU資料的引入,顯著增加了降水強(qiáng)度。

4.2 形勢(shì)場(chǎng)

圖4是2007年7月17日08時(shí)500hPa位勢(shì)高度場(chǎng)的實(shí)況與模擬方案A、B的對(duì)比。首先從500hPa實(shí)況(圖4a)可以看出,歐亞大陸40°N以北的中高緯地區(qū)為一槽一脊,西西伯利亞為一高壓脊,貝加爾湖至雅庫(kù)茨克為一寬廣的低槽區(qū),中低緯地區(qū)高原東部我國(guó)大陸上有二脊一槽,高原東部是一弱脊,110°E以東高脊較強(qiáng),二脊之間在陜西、四川一直到云貴高原形成一個(gè)較深的低槽,尤其是川渝交界地區(qū),幾乎形成一個(gè)閉合的低壓中心,并且西太平洋副熱帶高壓西伸北抬到25°N附近,這表明了四川盆地及其四周上空存在著顯著的“鞍”型大尺度環(huán)流配置,有利于西南低渦的發(fā)展,引發(fā)大暴雨。相應(yīng)850hPa(圖4d),四川東南部、重慶西部存在一強(qiáng)大的低渦,低渦前部西南風(fēng)和西太平洋西北部西南風(fēng)合并形成明顯的西南急流,來(lái)自于孟加拉灣和南海的水汽匯聚在一起,從而在四川盆地東部形成強(qiáng)烈的水汽輻合帶,強(qiáng)降水就發(fā)生在低渦前部和低空西南急流的左側(cè)。

圖4 2007年7月17日08時(shí)500hPa位勢(shì)高度場(chǎng)(a,b,c,gpm)及850hPa位勢(shì)高度場(chǎng)(gpm)與風(fēng)場(chǎng)(m/s)(d,e,f)a,d.實(shí)況;b,e.A方案;c,f.B方案Fig.4 (a,b,c)The geopotential height field(gpm)at500hPa and(d,e,f)the geopotential height(gpm)and wind(m/s)fields at850hPa at08:00on17July2007 a,d.the observation;b,e.Scheme A;c,f.Scheme B

將A(圖4b)、B(圖4c)兩方案的模擬結(jié)果與實(shí)況進(jìn)行對(duì)比,500hPa上空,兩方案都模擬出了基本的天氣形勢(shì),槽脊分布特征也基本一致,但是同化衛(wèi)星資料后的模擬結(jié)果,對(duì)于此次降水過(guò)程的直接影響系統(tǒng)川渝地區(qū)的深槽,模擬的更加偏南,曲率更大,更接近于實(shí)況。850hPa上空,兩方案(圖4e、f)模擬的位勢(shì)高度場(chǎng)與風(fēng)場(chǎng)與實(shí)況場(chǎng)都非常接近,四川西南部的低渦也模擬了出來(lái),但是很明顯,僅僅同化常規(guī)資料,模擬的西南低渦強(qiáng)度較弱且位置偏北。加入同化衛(wèi)星資料后,西南渦無(wú)論從位置與強(qiáng)度上都更加接近實(shí)況。

再通過(guò)B方案相對(duì)于A方案的位勢(shì)高度場(chǎng)增量進(jìn)行定量的分析衛(wèi)星資料帶來(lái)的調(diào)整情況。由圖5a可以看出,在實(shí)況低壓槽控制的川渝地區(qū)有一個(gè)閉合的負(fù)變壓中心,往南更是逐漸加強(qiáng)的負(fù)變壓。同化AM SU資料后,使得川渝地區(qū)以及其南部的低值系統(tǒng)進(jìn)一步加強(qiáng),且位置與實(shí)況相接近。850hPa上(圖5b),同樣在實(shí)況西南渦控制的川渝地區(qū),出現(xiàn)了負(fù)變壓,并向南逐漸加強(qiáng)。AM SU的同化增強(qiáng)了降水的直接影響系統(tǒng)西南渦,進(jìn)而使得降水量進(jìn)一步加大。由此,可以看出,通過(guò)同化AM SU資料,能改進(jìn)大尺度環(huán)境場(chǎng),得到較好的效果。

4.3 要素場(chǎng)模擬診斷分析

從2007年7月17日08時(shí)A、B兩方案模擬的850hPa相對(duì)濕度場(chǎng)差值(圖6a)可以看出,同化AM SU資料后,在106°E、31°N附近,出現(xiàn)了一個(gè)中心值達(dá)8%的正增濕中心,這一位置與17日的降水中心基本吻合?？梢?jiàn),AM SU資料的引入對(duì)于低層濕度場(chǎng)有了顯著的調(diào)整,與實(shí)況較為接近。

暖濕空氣和干冷空氣的交匯是導(dǎo)致這次暴雨過(guò)程發(fā)生的重要條件。為此,本文分析了同化衛(wèi)星資料后對(duì)于假相當(dāng)位溫θe的調(diào)整作用。由圖6b可見(jiàn),同化衛(wèi)星資料后,在105°E以東出現(xiàn)了一個(gè)正增量中心,以西出現(xiàn)了一個(gè)負(fù)增量中心。這使得以105°E為界,東部冷空氣與西部暖濕空氣間θe水平切變進(jìn)一步加大,冷暖空氣在此交匯,降水就形成于這一鋒區(qū)前部。

圖7是川渝地區(qū)上空2007年7月17日08時(shí)200hPa和850hPa上,B方案相對(duì)于A方案的渦度增量場(chǎng)。由圖7可見(jiàn),AM SU資料同化后,在高層出現(xiàn)了負(fù)渦度增量中心,即渦度減小,散度加強(qiáng);低層出現(xiàn)了正的渦度增量中心,渦度加強(qiáng)。這樣的高低空配置,低層渦度增強(qiáng)、輻合加強(qiáng),高層輻散加強(qiáng),使得對(duì)流垂直運(yùn)動(dòng)加強(qiáng),利于強(qiáng)降水的發(fā)生。并且高低空的正負(fù)渦度增量中心位置與實(shí)況降水中心基本一致。對(duì)于散度場(chǎng)的模擬(圖略),與此結(jié)果基本一致。

圖5 2007年7月17日08時(shí)B方案相對(duì)于A方案位勢(shì)高度場(chǎng)的增量(單位:gpm) a.500hPa;b.850hPaFig.5 The geopotential height increments(gpm)of Scheme B over Scheme A at(a)500hPa and(b)850hPa at08:00on17July2007

圖6 2007年7月17日08時(shí)B方案相對(duì)于A方案的850hPa相對(duì)濕度增量場(chǎng)(a;單位:%)及假相當(dāng)位溫增量場(chǎng)(b;單位:K)Fig.6 (a)The relative humidity increments of SchemeB over SchemeA at850hPa at08:00on17July2007(units:%);(b)The pseudo-equivalent potential temperature increments at850hPa at08:00on17July2007(units:K)

綜合以上分析,加入同化衛(wèi)星資料比僅僅同化常規(guī)資料,對(duì)于溫濕場(chǎng),以及渦度場(chǎng)都有明顯的改進(jìn)作用,尤其是相應(yīng)的增量中心都基本與實(shí)況降水中心位置一致。這可以給預(yù)報(bào)員提供相對(duì)準(zhǔn)確的參考,為作出準(zhǔn)確的預(yù)報(bào)提供可靠的要素場(chǎng)分布情況。

同化AM SU資料后,模式在暴雨區(qū)表現(xiàn)出更有利于降水發(fā)生的環(huán)境條件。但是,A和B方案模擬的降水落區(qū)卻同樣出現(xiàn)了較大偏差,東偏了2～3個(gè)經(jīng)度。對(duì)相對(duì)濕度場(chǎng)進(jìn)行逐6h積分,分析其可能存在的原因。

圖8是逐6h B方案模擬的850hPa相對(duì)濕度場(chǎng)。由圖8可見(jiàn),17日08時(shí),相對(duì)濕度大值區(qū)主要集中在四川東北部、中部以及南部,呈現(xiàn)一個(gè)東北西南向的濕度大值帶,而在重慶南部有一個(gè)相對(duì)的低濕區(qū)。14時(shí),北部的濕區(qū)東移,南部的濕區(qū)向北移動(dòng),而相對(duì)低值中心位置保持不變。到了20時(shí),北部的濕區(qū)東移南下,川西部的濕區(qū)繼續(xù)北抬,低濕中心位置仍然不變,但是濕度進(jìn)一步降低。這種中間較干,兩側(cè)濕的分布形式與17日的降水分布形式相一致。18日02時(shí),低濕中心兩側(cè)的濕區(qū)進(jìn)一步擴(kuò)大,形成兩條南北向的濕度帶。到了08時(shí),兩條濕度帶在重慶北部相接,形成了倒U型的濕度帶,川渝交界的南部地區(qū)仍然被低濕中心控制。這種分布形式與模式預(yù)報(bào)的雨區(qū)一致?？梢?jiàn),濕度場(chǎng)上,低值區(qū)盤(pán)踞在川渝交界地區(qū),而實(shí)況降水正位于這一地區(qū)。因此,模式并沒(méi)有預(yù)報(bào)出這一地區(qū)的降水,而是報(bào)在低值中心兩側(cè)的濕度大值帶,造成了17日的降水預(yù)報(bào)偏東了2～3個(gè)經(jīng)度。衛(wèi)星資料的同化雖然增加了川渝交界地區(qū)的濕度,但是模式模擬的這一地區(qū)為一個(gè)低濕中心,并且積分后,這一中心位置穩(wěn)定不變。所以最后模式預(yù)報(bào)出的降水落區(qū)出現(xiàn)了較大偏差。

圖7 2007年7月17日08時(shí)B方案相對(duì)于A方案的渦度增量場(chǎng)(單位:10-6s-1) a.200hPa;b.850hPaFig.7 The vorticity increments of Scheme B over Scheme A at(a)200hPa and(b)850hPa at08:00 on17July2007(units:10-6s-1)

圖8 2007年7月17日08時(shí)—18日08時(shí)逐6h B方案模擬的850hPa相對(duì)濕度場(chǎng)(單位:%) a.17日08時(shí);b.17日14時(shí);c.17日20時(shí);d.18日02時(shí);e.18日08時(shí)Fig.8 The simulated relative humidity at850hPa in Scheme B at(a)08:00on17July,(b)14:00on17July,(c)20:00on17July,(d)02:00on18July,and(e)08:00on18July2007

5 結(jié)論與討論

本文對(duì)2007年7月16—18日川渝地區(qū)暴雨,采用三維變分同化系統(tǒng)SSI以及T213L31全球譜模式,將AM SU資料同化進(jìn)模式,通過(guò)與僅同化常規(guī)資料的模擬結(jié)果對(duì)比,分析同化衛(wèi)星資料后,對(duì)于暴雨過(guò)程模擬的調(diào)整結(jié)果,得出以下結(jié)論:

(1)T213L31模式加入同化AM SU資料后,相對(duì)于僅同化常規(guī)資料,可以改善降水預(yù)報(bào),尤其是降水強(qiáng)度。

(2)通過(guò)連續(xù)同化衛(wèi)星資料,模式對(duì)于大尺度環(huán)境場(chǎng)改進(jìn)明顯,模擬效果更加接近實(shí)況。

(3)要素場(chǎng)的增量分析表明,AM SU資料的使用可以改進(jìn)溫度場(chǎng)、濕度場(chǎng)以及渦度場(chǎng),對(duì)于降水落區(qū)的預(yù)報(bào)有很好的指示意義。

(4)同化AM SU資料雖然一定程度上增加了降水區(qū)的濕度,但是該區(qū)域?yàn)橐粋€(gè)穩(wěn)定維持的低濕中心占據(jù),是造成降水落區(qū)出現(xiàn)偏差的原因。

本文初步探討了A TOVS資料的同化對(duì)提高我國(guó)業(yè)務(wù)數(shù)值預(yù)報(bào)模式T213L31預(yù)報(bào)局地暴雨過(guò)程的效果。由于僅進(jìn)行了川渝暴雨一個(gè)個(gè)例的對(duì)比試驗(yàn),因此所得結(jié)論具有局限性,應(yīng)增加不同類(lèi)型的暴雨個(gè)例來(lái)進(jìn)行研究試驗(yàn),這部分工作將在今后進(jìn)一步展開(kāi)。

[1] Derber J C,W uW S.The use of TOVS cloud-cleared radiance in the NCEP SSI analysis system[J].M on W ea Rev,1998,126(8):2287-2299.

[2] Frank H.Assimilation of satellite imager data and surface observations to improve analysis of circulations forced by cloud shading contrasts[J].M on W ea Rev,2000,128(2):434-448.

[3] Bouttier F,Kelly C Z.Observing-system experiments in the ECMW F4D-Var assimilation system[J].Quart J Roy Meteor Soc,2001,127:1469-1488.

[4] 楊毅,邱崇踐,龔建東,等.利用3維變分方法同化多普勒天氣雷達(dá)資料的試驗(yàn)研究[J].氣象科學(xué),2008,28(2):124-132.

[5] 閔錦忠,彭霞云,賴(lài)安偉,等.反演同化和直接同化多普勒雷達(dá)經(jīng)向風(fēng)的對(duì)比試驗(yàn)[J].南京氣象學(xué)院學(xué)報(bào),2007,30(6):745-754.

[6] 王葉紅,趙玉春,張兵,等.“7·8”特大暴雨過(guò)程雷達(dá)風(fēng)場(chǎng)資料的三維變分同化研究[J].氣象科學(xué),2008,28(3):301-307.

[7] 李寧,沈桐立,閔錦忠.一次臺(tái)風(fēng)登陸過(guò)程的變分同化模擬試驗(yàn)[J].氣象科學(xué),2008,28(3):244-250.

[8] English S J,Renshaw R J,D ibben P C,et al.A comparison of the impact of TOVS and ATOVS satellite sounding data on the accuracy of numerical weather forecasts[J].Quart J Roy Meteor Soc,2000,126:2911-2931.

[9] Okamoto K,KazumoriM,Owada H.The assimilation of ATOVS radiances in the JMA global analysis system[J].J M eteorSoc Japan,2005,83(2):201-217.

[10] Ferraro R R,Weng Fuzhong,Zhao N C.NOAA operational hydrological products derived from the advanced microwave sounding unit(AMSU)[J].IEEE Trans Geosci Remote Sens,2005,43(3):1036-1049.

[11] W an Q ilin,Xu Jianjun,He Jinhai.Impacts of ATOVS data assim ilation on prediction of a rainstorm over Southeast China[J].Journal of Tropical Meteorology,2009,15(2):155-161.

[12] 潘寧,董超華,張文建.ATOVS輻射率資料的直接變分同化試驗(yàn)研究[J].氣象學(xué)報(bào),2003,61(2):226-236.

[13] 魏應(yīng)植,許健民.AMSU溫度反演及其在臺(tái)風(fēng)研究中的應(yīng)用[J].南京氣象學(xué)院學(xué)報(bào),2005,28(4):522-529.

[14] 齊琳琳,孫建華,張小玲,等.ATOVS資料在長(zhǎng)江流域一次暴雨過(guò)程模擬中的應(yīng)用[J].大氣科學(xué),2005,29(5):780-789.

[15] 黃兵,劉建文,鐘中,等.衛(wèi)星資料變分同化在一次中尺度強(qiáng)暴雨模擬中的應(yīng)用[J].應(yīng)用氣象學(xué)報(bào),2006,17(3):363-369.

[16] Q i Linlin,Sun Jianhua.Application of ATOVS microwave radiance assimilation to rainfall prediction in summer[J].Adv A tmos Sci,2006,23(5):815-850.

[17] 張愛(ài)忠,紀(jì)飛,崔錦.ATOVS微波輻射資料變分同化試驗(yàn)研究[C]//中國(guó)氣象學(xué)會(huì)2006年年會(huì)論文集.成都:中國(guó)氣象學(xué)會(huì),2006.

[18] 張利紅,沈桐立,王洪利.AMSU資料變分同化及在暴雨數(shù)值模擬中的應(yīng)用研究[J].高原氣象,2007,26(5):1004-1012.

[19] 沈桐立,何如意,張利紅,等.在MM5伴隨模式中使用AMSU資料對(duì)暴雨的數(shù)值模擬[J].南京氣象學(xué)院學(xué)報(bào),2008,31(2):208-213.

Ass im ilation and Numerical S imulation of ATOVS Data of the Heavy Rain over Eastern Sichuan Province and Chongq ing

GUO Rui1,ZHANG Guo-ping2,L I Ze-chun2

(1.BeijingMeteorologicalObservatory,Beijing 100089,China;2.NationalMeteorological Center,Beijing 100081,China)

The global mesoscale numerical forecast system T213L31 and its three-d imensional variational data assimilation system SSI are used in this paper to ass imilate ATOVS data from NOAA-16 and 17 satellites.A heavy rainfall event in Eastern Sichuan Province and Chongqing during 16—18 July 2007 is simulated to compare and analyze the assimilation and simulation results based on conventional data only with those based on ATOVS data also.The results show that with AMSU data,the T213L31Model is improved in precipitation forecast accuracy,especially the precipitation intensity.By continuous assimilation,the weather situation fields are obviously improved and are closer to the reality.It is found that AMSU data can improve the temperature,humidity and wind fields,which are significant for the forecast of precipitation location.In the precipitation area,although the humidity is increased by ass imilating the AMSU data,the stay of the low centre of humidity is the reason for the deviation of the precipitation location.

AMSU data;variational assimilation;SSI assimilation system;numerical simulation

P414.4

A

1674-7097(2010)05-0615-09

2009-03-11;改回日期:2009-06-23

國(guó)家自然科學(xué)基金資助項(xiàng)目(40971016)

郭銳(1983—),男,山西臨汾人,碩士,助理工程師,研究方向?yàn)閿?shù)值預(yù)報(bào)與資料同化,chinagr@163.com.

郭銳,張國(guó)平,李澤椿.對(duì)于一次川渝暴雨的ATOVS資料同化數(shù)值模擬[J].大氣科學(xué)學(xué)報(bào),2010,33(5):615-623.Guo Rui,Zhang Guo-ping,Li Ze-chun.Assimilation and numerical simulation of ATOVS data of the heavy rain over eastern Sichuan Province and Chongqing[J].Trans Atmos Sci,2010,33(5):615-623.

(責(zé)任編輯:劉菲)