同化青藏高原地區(qū)GPSPW數(shù)據(jù)對長江中下游地區(qū)降水預(yù)報的影響評估*

朱豐 徐國強李莉鄭曉輝張勝軍

1中國氣象科學(xué)研究院，北京100081

2國家氣象中心/數(shù)值預(yù)報中心，北京100081

3寧夏氣象臺，銀川750002

4中國氣象科學(xué)研究院災(zāi)害天氣國家重點實驗室，北京100081

4 State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081

1 引言

降水預(yù)報歷來是數(shù)值預(yù)報的難點，而缺少精確連續(xù)的水汽數(shù)據(jù)是短期降水預(yù)報的主要問題之一（Kuo et al., 1993, 1996）。眾所周知，初始場對于客觀世界刻畫的準確程度直接影響著數(shù)值預(yù)報的準確程度。而資料同化是改進初始場的有效手段，它通過生成在時空上不規(guī)則分布的估計，為模式提供一個最優(yōu)估計的初始場，能夠提高模式的預(yù)報能力（Wang et al., 2000）。隨著技術(shù)手段的進步，能夠被有效同化的遙感資料越來越多，如雷達資料（蘭偉仁等，2010a，2010b）、衛(wèi)星資料（Bauer et al.,2011；冉令坤和周玉淑，2011）等，使得進一步提高數(shù)值預(yù)報中降水預(yù)報的能力成為可能。利用資料同化技術(shù)提高模式的降水預(yù)報性能，人們做出了多種嘗試，其中之一便是對大氣可降水量 （Precipitable Water，PW）資料的同化。

早在20世紀90年代，以Bevis為代表的學(xué)者們的一系列工作指出：利用全球定位系統(tǒng)（Global Positioning System, GPS）得到大氣天頂濕延遲（Zenith Wet Delay, ZWD）估計值后，可以十分準確地計算PW值（Bevis et al., 1992, 1994; Duan et al., 1996）。1993年 5月，在美國開展了一項名為GPS/STORM的野外試驗，用以評估地基GPS對于大氣水汽的觀測。Businger et al.（1996）認為，地基GPS能夠以相對低增長的成本在科研和業(yè)務(wù)工作中投入使用，利用GPS獲得的PW數(shù)據(jù)（GPSPW）在短期天氣預(yù)報應(yīng)用中具有可觀的潛在價值。

隨后，國外學(xué)者開展了大量對GPSPW資料的同化試驗。Kusaka et al.,（2004）針對2002年6月13日在美國的一次颮線過程，利用WRF（Weather Research and Forcasting）模式三維變分同化模塊（Three Dimentional Variational, 3DVAR）WRF-3DVAR進行了 GPS資料的同化試驗，結(jié)果表明GPSPW 資料的同化能消除強降水過程中過量的降水估計。Smith et al.（2007）研究了同化GPSPW資料對快速更新系統(tǒng)（Rapid Update Cycle, RUC）的影響，發(fā)現(xiàn)GPSPW資料作為有用的實時水汽信息，能提高短期水汽預(yù)報的準確性，并且同化在不同時段以及不同季節(jié)有著不同程度的正面影響。

國內(nèi)在 2004年也開始了這方面的工作。袁招洪等（2004a）利用長三角地區(qū)GPS觀測網(wǎng)中11個站點提供的可降水量數(shù)據(jù)，針對長三角地區(qū) 2002年6月23～24日的降水過程進行Nudging同化試驗，發(fā)現(xiàn)可降水量數(shù)據(jù)能明顯增強模式初始場描述水汽分布的能力，改善次網(wǎng)格降水的預(yù)報能力。袁招洪等（2004b）還比較了2002年梅雨期MM5模式 24小時預(yù)報結(jié)果和長三角地區(qū) 4個站點的GPSPW觀測資料結(jié)果，發(fā)現(xiàn)GPSPW資料與探空觀測有較高的一致性。此外，袁招洪（2005）還利用GPSPW資料，針對長三角地區(qū)2002年6月27～28日的降水過程進行三維變分同化試驗，結(jié)果表明三維變分技術(shù)能有效同化GPSPW資料，該資料的變分同化有利于模式降水預(yù)報能力的提高。朱男男等（2008）利用GPS可降水資料針對2005年7月23～24日發(fā)生在京、津、冀地區(qū)的一次強降水過程進行伴隨同化試驗，證明加入GPS可降水資料能對初始溫度場、高度場以及風(fēng)場產(chǎn)生不同程度的改善。顧瑩等（2010）利用實時GPSPW資料針對2007年7月 2～3日發(fā)生在日本的一次梅雨鋒降水過程進行同化試驗，發(fā)現(xiàn)GPSPW資料能有效提高降水預(yù)報業(yè)務(wù)的實時性。萬文龍等（2010）利用GPSPW資料對2008年9月23～25日的一次川西暴雨進行同化試驗，發(fā)現(xiàn)同化GPSPW資料對初始場的濕度場影響明顯，而對其他變量場影響相對較弱。陳敏等（2010）在北京地區(qū)利用GPSPW資料，使用快速更新循環(huán)系統(tǒng)進行同化試驗，分析了一次強對流個例，發(fā)現(xiàn)由于使用資料極為局地，同化并不能對模式總體預(yù)報性能帶來明顯差異，但快速循環(huán)同化能使同化效果累積，為氣象要素在局地的預(yù)報效果帶來顯著正面影響。

由上述可知，歷史上國內(nèi)外的GPSPW數(shù)據(jù)同化試驗多為個例分析，且預(yù)報的關(guān)注區(qū)域基本局限在同化區(qū)域局地。而本文研究同化青藏高原地區(qū)GPSPW 數(shù)據(jù)對長江中下游地區(qū)降水預(yù)報的影響，立足于GPSPW數(shù)據(jù)同化的批量試驗，且降水預(yù)報的關(guān)注區(qū)域不在同化區(qū)域局地，這兩點是本文不同于以往研究工作的地方。

長江中下游地區(qū)位于東亞季風(fēng)區(qū)，其夏季降水的來源一部分來自東海及南海洋面氣流或臺風(fēng)攜帶而來的水汽，一部分來自南亞孟加拉灣經(jīng)四川盆地長途輸送的水汽。徐祥德等（2002）指出青藏高原地區(qū)是長江流域梅雨帶水汽輸送西邊界重要的水汽“轉(zhuǎn)運站”。苗秋菊等（2005）研究發(fā)現(xiàn)高原周邊水汽輸送對長江流域洪澇過程的形成有重要影響。利用美國國家環(huán)境預(yù)報中心/美國國家大氣研究中心（National Center for Atmospheric Research/National Centers for Environmental Prediction,NCAR/NCEP）的再分析資料可以得到長江中下游地區(qū)7月份水汽輸送的氣候特征，如圖1。由圖可知，7月份自孟加拉灣而來的水汽輸送帶在90.0°E經(jīng)線附近分支轉(zhuǎn)向，其中的一支圍繞高原地形往北輸送，另一支沿高原東部盆地繼續(xù)向東，而長江中下游正處于這支水汽輸送帶的下游方向，其降水所需的水汽更多的來源于此。因此，如果通過同化GPSPW 數(shù)據(jù)的方法，將這支水汽輸送帶的信息同化進數(shù)值模式，從而形成對客觀世界刻畫更準確的初始場，可以期望在一定程度上改善長江中下游地區(qū)的降水預(yù)報。

圖1 東亞地區(qū)7月份1981～2010年長期平均的700 hPa水汽輸送。圖中矢量箭頭表示700 hPa風(fēng)場，單位：m s–1；陰影區(qū)表示700 hPa水汽通量，單位：g cm–1 hPa–1 s–1。虛線框表示長江中下游地區(qū)，其范圍是：（25.0°N～35.0°N，110.0°E～125.0°E），下同F(xiàn)ig.1 Long-time mean transfer of water vapor in East Asian area in July 1981–2010.The vector arrow is the wind field at 700 hPa, unit: m s–1; the shaded area is water vapor flux, unit: g cm–1 hPa–1 s–1.The dashed box outlines the area of the middle and lower reaches of the Yangtze River (25.0°N～35.0°N，110.0°E～125.0°E), the same below

本文利用青藏高原地區(qū)GPS站網(wǎng)的GPSPW數(shù)據(jù)，針對長江中下游地區(qū)2012年7月的降水過程進行批量試驗，探究青藏高原地區(qū)GPS數(shù)據(jù)的同化對于長江中下游地區(qū)降水預(yù)報的影響。同時，選取2012年7月發(fā)生的兩次降水過程，對比分析何種情況下同化對提高模式降水預(yù)報能力有益。此外，進行延長預(yù)報時長的補充試驗以探究同化正效果最明顯的時段。同時，進行同化部分GPS站點的補充試驗，進一步探究和驗證同化有益的條件。通過批量試驗、個例分析以及補充試驗，全面評估同化青藏高原地區(qū)GPSPW數(shù)據(jù)對于長江中下游地區(qū)降水預(yù)報的影響，探究同化有益的條件，期望為今后我國GPS站點的全面布點產(chǎn)生一定的借鑒意義。

2 資料及同化系統(tǒng)簡介

2.1 背景場數(shù)據(jù)與GPSPW數(shù)據(jù)

本文運轉(zhuǎn)模式采用的背景場數(shù)據(jù)為美國全球預(yù)報系統(tǒng)（Global Forecast System，GFS）的模式輸出，分辨率為 1.0°×1.0°，以 6小時為間隔，取前72小時的預(yù)報結(jié)果為模式提供初值和邊界。青藏高原地區(qū)的 GPSPW 數(shù)據(jù)由中國氣象科學(xué)研究院提供，時間間隔為1小時，測站數(shù)為20個。站名分別為：BAIS、BFLJ、CQBB、BFDI、DAXI、GAIZ、GANZ、BEKM、LINZ、LITA、LNGZ、MNZI、NAQU、RUOE、SHEN、TNCH、XICH、XINJ、DING、MNLA，其具體分布見圖 2。該資料已經(jīng)剔除了缺測時次較多的其他站點，并經(jīng)過了質(zhì)量控制。

2.2 實況數(shù)據(jù)

本文采用的實況降水?dāng)?shù)據(jù)由國家氣象信息中心氣象數(shù)據(jù)研究室提供，分為兩部分。用于形勢對比與實況繪圖的是 “中國自動站與 CMORPH降水產(chǎn)品融合的逐時降水量0.1°網(wǎng)格數(shù)據(jù)集（1.0版）”，資料時間間隔為1小時。用于模式結(jié)果統(tǒng)計檢驗的是從國家氣象信息中心實時庫中提取的全國測站00時（協(xié)調(diào)世界時，下同）逐日24小時累積降水資料，測站數(shù)接近6000個。

本文采用的實況水汽和風(fēng)場數(shù)據(jù)為NCEP/ NCAR免費公開發(fā)布的基于 GFS資料的再分析資料——FNL（NCEP Final Analysis）資料，其分辨率和時間間隔與GFS資料一致，但相對GFS資料更接近實況，用以分析東亞地區(qū)的水汽輸送情況。而圖1所用的氣候數(shù)據(jù)為NCEP/NCAR再分析資料。

2.3 WRF和WRFDA

本文采用的數(shù)值模式是2012年4月6日發(fā)布的WRF 3.4版，采用的同化系統(tǒng)是WRF的同化模塊WRFDA。WRF是目前全球在業(yè)務(wù)與科研領(lǐng)域運用最為廣泛的中尺度模式之一，它由美國國家大氣研究中心（NCAR）、美國環(huán)境預(yù)測中心（NCEP）等美國的科研機構(gòu)為中心開發(fā)維護。它采用完全可壓的非靜力模式，水平網(wǎng)格采用Arakawa-C格點，垂直方向采用地形追隨質(zhì)量坐標，時間積分采用Runge-Kutta三步時間積分方案，可在全球或區(qū)域應(yīng)用，并支持多重嵌套網(wǎng)格與網(wǎng)格的雙向嵌套（Wanget al., 2012）。

圖2 模擬區(qū)域設(shè)置及GPS和常規(guī)觀測站點分布Fig.2 The simulation domains and the locations of the GPS and conventional observation sites

WRF的三維變分同化模塊3DVAR的第一版于2003年6月發(fā)布，2004年5月發(fā)布了它的第二版，2008年發(fā)布第三版。2004年，WRF同化模塊引入了四維變分技術(shù)（Four Dimentional Variational,4DVAR），于是更名為 WRF-VAR。2008年引入了混合變分集合算法，更名為WRFDA（Barker et al.,2012）。與4DVAR相比，3DVAR在計算資源有限的情況下性價比更高，且理論成熟，在業(yè)務(wù)上已得到普遍使用，因此本文選用3DVAR進行同化試驗。

3 試驗方案設(shè)計

模式采用雙層嵌套網(wǎng)格，粗網(wǎng)格精度為21 km，格點數(shù)為220×331，細網(wǎng)格精度為7 km，格點數(shù)為253×541。粗網(wǎng)格區(qū)域覆蓋了約50°N以南、70°E以東的東南亞地區(qū)，細網(wǎng)格區(qū)域覆蓋了青藏高原至長江中下游地區(qū)。模式模擬區(qū)域及青藏高原GPS站點和長江中下游地區(qū)常規(guī)觀測站點分布如圖 2。模式的在垂直方向取不均勻的 28層。模式中的物理過程方案設(shè)置如表1。

表1 物理過程方案設(shè)置Table 1 Setting of physics processes

為了評估同化GPSPW數(shù)據(jù)對于長江中下游地區(qū)降水預(yù)報的影響，我們進行了三組試驗，分別為：無資料同化的控制試驗（NoDA）、冷啟動同化試驗（Cold）以及循環(huán)同化試驗（Cycling）。模式積分時長為72小時，同化試驗的同化窗取6小時。其中 Cold方案只在模式起報時刻進行一次冷啟動同化，然后一直積分到結(jié)束；而Cycling方案除了在模式起報時刻進行一次冷啟動同化外，還在以后的每6小時都進行一次熱啟動同化，這樣在積分時段內(nèi)一共進行了12次同化（同化分析時刻為： 00時，06時，12時，18時，24時，30時，36時，42時，48時，54時，60時，66時），如圖3。因此，這三組試驗分別對應(yīng)了對GPSPW數(shù)據(jù)不進行同化、進行單次同化與進行多次同化。

4 試驗結(jié)果檢驗

4.1 批量試驗的降水預(yù)報檢驗

表2 檢驗指標Table 2 Statistics for inspection

表3 分級降水的雙態(tài)分類列聯(lián)表Table 3 Contingency table of dimorphic distribution of classified precipitation

圖3 Cycling方案3DVAR同化流程Fig.3 The process of cycling scheme with 3DVAR

本文對模式預(yù)報的 24小時累積降水量進行五級劃分：小雨（R≥0.1 mm）、中雨（R≥10.0 mm）、大雨（R≥25.0 mm）、暴雨（R≥50.0 mm）以及大暴雨（R≥100.0 mm）。降水檢驗采用二分類預(yù)報檢驗法，檢驗指標TS和Bias的計算公式及含義見表2（陳超君等 2012）。以 2012年7月2日～7月31日每天 00時（協(xié)調(diào)世界時，下同）為起報點，對實況降水采用NoDA方案、Cold方案以及Cycling方案進行 72小時模擬試驗，并以長江中下游地區(qū)（25°N～35°N，110°E以東之間）的站點為標準，剔除在所有時段內(nèi)有缺測的站點（余下站點數(shù)為654，站點分布見圖2），計算 00～24小時、24～48小時、48～72小時三個時段針對5個累積降水等級的TS和Bias得分，得到圖4。

由圖4左欄TS評分可見，00～24小時，降水預(yù)報同化后比不同化有微弱的正效果。Cold方案相對于NoDA方案，對0.1 mm以上的累積降水等級有微弱負效果，而對其他各累積降水等級都有不同程度的提升。Cycling方案對10 mm以上的累積降水等級不如NoDA方案，但對其他各累積降水等級均有最佳效果。24～48小時，同化方案（Cycling方案和Cold方案）的正效果比00～24小時略微明顯些，但對100 mm以上的累積降水等級有微弱負效果。Cold方案對除100 mm以上累積降水等級外的其他累積降水等級均保持平穩(wěn)的0.01～0.02左右的提升。而Cycling方案對10 mm以及25 mm以上的累積降水等級正效果不如 Cold方案明顯，但對50 mm以上的累積降水等級有接近0.03的提升。48～72小時，同化的正效果變得十分明顯。Cold方案除了對100 mm以上的累積降水等級有微弱負效果外，對其他累積降水等級均有約0.02～0.04的提升。Cycling方案則表現(xiàn)出了明顯的優(yōu)越性，對5個累積降水等級都有約0.02～0.05的提升，且得分均高于Cold方案。

從整體上看，對于各時段的各累積降水等級的預(yù)報，經(jīng)過GPSPW數(shù)據(jù)的同化后，降水預(yù)報的TS評分得到了一定程度的改善。00～24小時和 24～48小時時段同化的正效果并不十分明顯，原因可能是同化區(qū)域位于我國四川盆地、廣西、云南及青藏高原地區(qū)，優(yōu)化后的濕度場還沒有完全輸送到長江中下游地區(qū)。48～72小時，隨著同化后更準確的濕度場信息輸送進長江中下游地區(qū)，同化給降水預(yù)報帶來的正效果相對顯著。Cycling方案的TS評分略高于 Cold方案，原因可能是循環(huán)同化方案能夠?qū)⑼恼ЧM行不斷累積，使模式的濕度場在72小時的預(yù)報時段內(nèi)都比 Cold方案更接近實況。同時，從圖中還能看出，同化GPSPW數(shù)據(jù)后，對于日降水50 mm以上的暴雨的預(yù)報，同化后在各時段均有一定程度的提升，且在 48～72小時提升最為明顯。而對于日降水100 mm以上的特大暴雨的預(yù)報，在00～24和24～48小時時段，同化幾乎沒有改善效果，但在48～72小時，Cycling方案帶來的正面效果尤為明顯。

圖4 NoDA、Cold、Cycling 試驗中模式對不同強度降水預(yù)報的TS評分以及預(yù)報偏差（Bias），時段為（a, b）0～24 h、（c, d）24～48 h、（e, f）48～72 hFig.4 TS score and Bias in the prediction of different intensity of precipitation from schemes NoDA, Cold, and Cycling, the time period is (a, b) 0–24 h, (c,d) 24–48 h, (e, f) 48–72 h

由圖4右欄預(yù)報偏差（Bias）可見，除了00～24小時NoDA方案對100 mm以上累積降水等級有略微的偏少外，模式三種方案對降水發(fā)生的預(yù)報在整體上都比實況偏多。00～24小時時段，Cycling方案偏差最小，NoDA方案次之，Cold方案偏差較大；24～48小時時段，Cycling方案對于0.1 mm、10 mm以及25 mm以上的累積降水等級的預(yù)報偏差最小，但對50 mm以及100 mm以上累積降水等級偏差最大；48～72小時時段，Cycling方案對50 mm以上累積降水等級的預(yù)報偏差最大，但對其他累積降水等級的預(yù)報偏差最小?？梢?，Cycling方案使得模式過多地預(yù)報有降水的傾向在整體上有所緩解，但在24～48小時時段內(nèi)對于50 mm和100 mm以上累積降水等級以及48～72小時時段內(nèi)對于50 mm以上累積降水等級偏差較大，意味著Cycling方案使得模式傾向于更多地預(yù)報有暴雨以上等級的降水發(fā)生。而Cold方案在00～24小時以及24～48小時時段內(nèi)加劇了模式更多地預(yù)報有降水發(fā)生的傾向，到 48～72小時才起到了抑制這種傾向的作用。

由圖4分析可以知道，同化方案（Cold方案和Cycling方案）在整體上優(yōu)于不同化方案（NoDA方案），且對于降水預(yù)報的提升在48～72小時時段內(nèi)最明顯。而 Cycling方案與 Cold方案相比更具優(yōu)勢，主要體現(xiàn)在對降水預(yù)報的偏差（Bias）上。可見在起報時刻的一次冷啟動同化在整體上不如循環(huán)同化更能提升模式降水預(yù)報的性能。

以上檢驗方法的結(jié)果受降水落區(qū)預(yù)報的影響較大。為了全面評估同化的效果，還要對最大降水量進行檢驗。

將各時段各方案預(yù)報降水插值到站點上后，統(tǒng)計每日的最大降水量，計算與實況站點最大降水量的絕對誤差后得到圖 5。該圖主要反映了同化方案產(chǎn)生正效果的頻數(shù)。經(jīng)統(tǒng)計，對于最大降水量的預(yù)報，00～24小時時段內(nèi)，Cold方案在30天中有14天相對于NoDA方案有正效果，在24～48小時時段，正效果天數(shù)為18天，在48～72小時時段內(nèi)，正效果天數(shù)為14天。而Cycling方案在三個時段內(nèi)都有17天相對于NoDA方案有正效果?？梢姡谡Ч念l數(shù)方面，Cycling方案表現(xiàn)較為穩(wěn)定，對于最大降水量的預(yù)報有一定程度的改善作用。而Cold方案綜合三個時段來看，正效果不明顯。同時，我們也注意到Cycling方案在7月12日的00～24小時時段、7月15日的24～48小時時段以及7月14日的48～72小時時段對于最大降水量的預(yù)報有著較大的偏差，說明在某些特殊時段內(nèi)，Cycling方案仍然可能會給模式帶來某些負面影響，其具體原因有待于進一步研究。

計算各方案相對于實況最大降水量的均方根誤差（RMSE），得到表4。該表反映了同化方案正效果的總體程度。由表可見，在 00～24小時時段內(nèi)，Cold方案和 Cycling方案對于最大降水量的誤差均大于NoDA方案，Cycling方案的誤差最大。24小時以后，同化方案表現(xiàn)出了優(yōu)越性：在 24～48小時時段，Cold方案都表現(xiàn)出了最佳的預(yù)報效果，Cycling方案次之；在48～72小時時段，Cycling方案最佳，Cold方案次之。

表4 各方案相對于實況最大降水量的均方根誤差 RMSE（單位：mm d–1）Table 4 RMSE of the maximum precipitation from every scheme with regard to the observation (unit: mm d–1)

綜上可知，對于最大降水量的預(yù)報，從同化正效果的頻數(shù)以及程度綜合來看，Cycling方案和Cold方案與NoDA方案相比都有一定程度的正效果，正效果的程度在24小時內(nèi)不甚明顯，但在24小時以后逐漸加大。

通過對批量試驗的以上檢驗分析，可以得出結(jié)論：從整體上看，對于降水落區(qū)的預(yù)報，Cycling方案和 Cold方案都有一定程度的正效果，00～24小時時段內(nèi)正效果不明顯，24～48小時正效果逐漸顯現(xiàn)，48～72小時正效果突出，且Cycling方案在整體上略優(yōu)于Cold方案。對于最大降水量的預(yù)報，與NoDA方案相比，Cycling方案和Cold方案也都有一定程度的正效果，正效果主要在 24小時以后出現(xiàn)，且Cycling方案的效果更好。正如上文所述，同化方案的正效果在 24小時以后才逐漸顯現(xiàn)的原因，可能是由于同化信息在 24小時內(nèi)沒有完全輸送進關(guān)注區(qū)域，而在 24小時以后，模式因同化而逐漸獲得更加接近實況的濕度場。而Cycling方案的正效果比 Cold方案更明顯，說明多次同化能夠不斷累積同化正效果，比單次同化更具優(yōu)越性。此外，同化GPSPW數(shù)據(jù)能在一定程度上改善模式針對暴雨及特大暴雨的預(yù)報能力。

圖5 各時段各方案預(yù)報降水插值到站點上后所得最大降水量與實況站點最大降水量的絕對誤差，時段為（a）0～24 h、（b）24～48 h、（c）48～72 h。單位：mm d–1Fig.5 The absolute differences of the maximum of precipitation between the results interpolated to the sites from every scheme and the observations, the time period is (a) 0–24 h, (b) 24–48 h, (c) 48–72 h.unit: mm d–1

4.2 個例分析

為了探究同化青藏高原地區(qū)GPSPW數(shù)據(jù)對長江中下游地區(qū)的降水預(yù)報在何種情況下有益，何種情況下效果不明顯。下面將選取兩次降水個例，針對我國西南部水汽輸送的情況與降水TS評分的關(guān)系，進行對比分析。

（1）效果明顯的個例

2012年7月14日00時至17日00時，長江中下游地區(qū)經(jīng)歷了一次降水過程。從起報時刻開始，00～24小時時段內(nèi)降水量100 mm以上的大暴雨區(qū)分布在湖南、江西、安徽、浙江、江蘇等地；24～48小時，長江以北地區(qū)雨勢減小，大暴雨帶橫跨在江西中部；48～72小時，大暴雨區(qū)主要在湖南東部以及江西西部，范圍最大。

圖6是針對這個降水個例的實況以及NoDA、Cold、Cycling三種方案的模擬結(jié)果。從圖中可以看出，00～24小時 NoDA、Cold、Cycling三種預(yù)報方案都較好地模擬出了大暴雨區(qū)的位置，但在浙江省內(nèi)都有一定程度的漏報。在這一時段內(nèi)，Cycling方案與Cold方案和NoDA方案相比，對于大暴雨帶的預(yù)報并無明顯優(yōu)勢。24～48小時，NoDA方案對于江西中部的大暴雨帶預(yù)報的位置偏東偏南，而Cold方案與Cycling方案針對這一大暴雨帶有較好的模擬效果，且Cycling方案模擬的形狀比Cold方案更接近實況，但在湖南中部，兩種同化方案對于大暴雨都存在著較多的空報。48～72小時，NoDA方案未能預(yù)報出位于湖南中北部的大暴雨區(qū)，Cold方案與Cycling方案對于這一大暴雨區(qū)有著較好的察覺，且Cycling方案模擬出的暴雨區(qū)范圍比Cold方案更大些，相對更接近實況，不過仍然顯得滯后于實況。而三種方案對于江西地區(qū)的局部大暴雨區(qū)都存在著不同程度的漏報。

圖6 2012年7月14日00時起報的三種方案的0～24 h、24～48 h以及48～72 h的24 h累積降水與實況的對比。0～24 h累積降水為（a）實況、（d）NoDA、（g）Cold、（j）Cycling；24～48 h 累積降水為（b）實況、（e）NoDA、（h）Cold、（k）Cycling；48～72 h 累積降水為（c）實況、（f）NoDA、（i）Cold、（l）Cycling。單位：mm d–1Fig.6 Contrast between the 24-hour cumulative precipitation predicted with three schemes and the observations, the initial time is 0000 UTC on 14 July 2012.Cumulative precipitation for 0–24 h is from (a) observation, (d) NoDA, (g) Cold, (j) Cycling; 24–48 h is from (b) observation, (e) NoDA, (h) Cold, (k)cycling; 48–72 h is from (c) observation, (f) NoDA, (i) Cold, (l) Cycling.unit: mm d–1

圖7左欄是針對這個降水個例的TS評分。評分結(jié)果與以上分析基本一致。從圖中可以看出，00～24小時時段，同化方案產(chǎn)生了一定程度的負效果，整體上不如 NoDA方案。24～48小時時段，同化方案對于除100 mm以上的累積降水等級外的其他等級的預(yù)報都有大幅度改善，且 Cycling方案改善效果比Cold方案更明顯，而對于100 mm以上的累積降水等級，Cold方案與 Cycling方案都不如NoDA方案，這主要是由于湖南中部地區(qū)的空報造成了減分。在 48～72小時時段，相對于NoDA方案，Cycling方案與 Cold方案對各累積降水等級的預(yù)報都有非常明顯的改善，而 Cycling方案對于100 mm以上累積降水的預(yù)報效果尤為突出。

水汽的空間分布具有連續(xù)性，因此某地某時的水汽供應(yīng)將主要來自其上游前一時段內(nèi)的水汽通量的輸送。從天氣學(xué)角度看，對于長江中下游地區(qū)，從GPS站網(wǎng)所在位置輸送而來的水汽，大約要經(jīng)過24小時的輸送時間。因此，下面關(guān)注24小時平均水汽輸送情況與長江中下游地區(qū)降水TS評分的關(guān)系。

圖7 （a，c，e）同圖4中的TS評分，但針對的是2012年7月14日00時起報的降水個例。（b，d，f）2012年7月14日00時～15日00時各層的24 h 平均水汽輸送情況：（a）500 hPa；（d）600 hPa；（f）700 hPa。圖中圓點表示 GPS 站點。風(fēng)矢量單位：m s–1，水汽通量單位：g cm–1 hPa–1 s–1Fig.7 (a, c, e) Same as Fig.4 (a, c, e), but for the initial time is 0000 UTC on 14 July 2012.(b, d, f) The 24-hour mean water vapor flux from 0000 UTC on 14 July 2012 to 0000 UTC on 15 July 2012: (b) 500 hPa; (d) 600 hPa; (f) 700 hPa.The dots stand for the GPS sites; wind speed units: m s–1

圖7右欄是2012年7月14日00時～15日00時500 hPa、600 hPa、700 hPa三層的24小時平均水汽輸送情況。從圖中可以看出，在這一時段內(nèi)，700 hPa層次上，有向長江中下游地區(qū)輸送趨勢的水汽輸送帶主要通過了云南地區(qū)的5個GPS站點以及廣西地區(qū)的1個GPS站點。600 hPa層次上的情況與700 hPa層次上的情況基本相同，但水汽輸送帶不僅經(jīng)過廣西地區(qū)的1個GPS站點，同時也將云南地區(qū)所有6個GPS站點都覆蓋了，且覆蓋到了位于四川地區(qū)的個別GPS站點。500 hPa層次與600 hPa和700 hPa層次上的水汽輸送相比，水汽輸送量相對較小，但可以看出，對長江中下游地區(qū)降水具有貢獻的水汽輸送帶較多地經(jīng)過了高原上的GPS站點。所以，不論在中低層還是高層，對長江中下游地區(qū)降水具有貢獻的水汽輸送帶都比較多地經(jīng)過了GPS站點所在區(qū)域。

與此形成鮮明對比的是下面要分析的效果不明顯的個例。

（2）效果不明顯的個例

圖8左欄為2012年7月18日00時起報進行72小時預(yù)報的TS評分結(jié)果，從圖中可以看出，這次預(yù)報同化方案在各時段針對各累積降水等級整體上沒有明顯的正效果。

圖8右欄是2012年7月18日00時～19日00時500 hPa、600 hPa、700 hPa三層的24小時平均水汽輸送情況。該時段內(nèi)的水汽輸送情況比較有趣，對于長江中下游地區(qū)降水有貢獻的水汽輸送帶在三個層次上都只覆蓋到了位于廣西地區(qū)的 1個GPS站點，繞開了大部分GPS站點所在的位置。

（3）討論

眾所周知，天氣尺度的降水主要受兩方面條件的影響：一是水汽的供應(yīng)，二是垂直運動的發(fā)展。GPSPW 資料對濕度的時間變化較為敏感，因此同化GPSPW數(shù)據(jù)主要修正的是模式場的水汽信息，這一修正有助于模式更加準確地捕捉水汽帶的變化趨勢，從而改進模式對于降水的預(yù)報性能。

對于同化方案具有明顯正效果的個例，在起報時刻開始的 00～24小時時段內(nèi)，對長江中下游地區(qū) 72小時降水有貢獻的水汽輸送帶較多地經(jīng)過了GPS站點所在的位置，因此水汽輸送帶的信息被GPS站網(wǎng)很好地捕捉到，并通過同化系統(tǒng)同化進模式，使后續(xù)時段的預(yù)報準確度得以提高。而與此相對應(yīng)的是，正如上文所述的同化正效果不明顯的個例，如果水汽輸送帶不經(jīng)過或者較少地經(jīng)過 GPS站點所在位置，那么同化這些站點的GPSPW數(shù)據(jù)將很難對遠在近千公里外地區(qū)的未來 24～72小時的降水預(yù)報起到正面效果。

圖8 同圖7，但（a, c, e）TS評分的起報時刻為2012年7月18日00時，（b, d, f）時段為2012年7月18日00時～19日00時Fig.8 Same as Fig.7, but that (a, c, e) the initial time is 0000 UTC on 18 July 2012 and (b, d, f) the time period is from 0000 UTC on 18 July 2012 to 0000 UTC on 19 July 2012

5 補充試驗

5.1 關(guān)于同化正效果最明顯時段的探索

通過以上對批量試驗的降水預(yù)報檢驗以及個例分析可知，同化青藏高原地區(qū)的GPSPW數(shù)據(jù)對于長江中下游地區(qū)的降水預(yù)報是有益的。而同化帶來的正效果表現(xiàn)出了明顯的時段性，在 00～24小時、24～48小時、48～72小時三個時段內(nèi)，同化帶來的正效果呈現(xiàn)遞增趨勢。那么，這種遞增趨勢是否能在更長的預(yù)報時段內(nèi)繼續(xù)維持，同化GPSPW 數(shù)據(jù)究竟在哪個預(yù)報時段能給模式的降水預(yù)報性能帶來最明顯的提升？為了探究這一問題，進行延長預(yù)報時長的批量試驗，將原來的 72小時預(yù)報時長延長至120小時，尋找同化正效果最明顯的預(yù)報時段。由于Cycling方案在整體上表現(xiàn)出了比Cold方案更優(yōu)的性能，這里只比較Cycling方案相對于NoDA方案的性能提升。同時，這組批量試驗只選取7月2日至7月16日每日00時的15個起報點進行，因為在4.1節(jié)的批量試驗中，發(fā)現(xiàn)從7月22日以后同化帶來的正效果并不明顯（其中原因?qū)⒃?.2節(jié)予以解釋）。

圖 9a–e分別是延長預(yù)報時長后批量試驗中Cycling方案與NoDA方案在00～24小時、24～48小時、48～72小時、72～96小時以及 96～120小時時段內(nèi)的TS評分。從圖中可以看出，WRF作為中尺度模式，隨著預(yù)報時長的延長，模式的降水預(yù)報能力在72小時以后明顯下降（比如對于0.1 mm以上累積降水等級，在72小時前NoDA方案作為控制試驗，TS得分高于0.5，但在72小時以后，TS得分低于0.5）。而圖 9f顯示了各時段的 Cycling方案與NoDA方案的TS評分差值。由圖可以看出，同化青藏高原地區(qū)GPS站點的GPSPW數(shù)據(jù)對長江中下游地區(qū)帶來的性能提升在 5個預(yù)報時段內(nèi)呈現(xiàn)出一種以 48～72小時時段為分水嶺的對稱性。即同化的最大正面效果出現(xiàn)在48～72小時預(yù)報時段，在該時段以前同化的正效果不夠明顯，而在該時段以后，同化帶來的正效果也逐漸減弱。同時注意到，72～96小時時段與 24～48小時時段相比，以及96～120小時時段與00～24小時時段相比，都是前者的提升較明顯一些?？梢娡睦鄯e效果給模式帶來了較為深遠的正面影響，這種正面影響比模式剛啟動時更大。但是WRF作為一個中尺度模式有著固有的有效預(yù)報時長，當(dāng)預(yù)報時長延長到一定程度時，受到模式本身性能下降的限制，同化的正效果逐漸被模式其他方面的誤差所掩蓋，因此不可避免地趨于微弱。

圖9 2012年7月2日至7月16日每日00時起報的15個起報點的批量試驗。Cycling方案與NoDA方案的TS評分：（a）0～24 h時段；（b）24～48 h時段；（c）48～72 h時段；（d）72～96 h時段；（e）96～120 h時段內(nèi)。（f）各時段Cycling方案與NoDA方案的TS評分差值Fig.9 A batch experiment consisting of fifteen initial time points at 0000 UTC from 2 July 2012 to 16 July 2012.The TS scores for schemes Cycling and NoDA: (a) 0–24 h; (b) 24–48 h; (c) 48–72 h; (d) 72–96 h; (e) 96–120 h.(f) The difference of TS scores between schemes Cycling and NoDA during each time period

綜上可以基本認為，對于Cycling方案，同化GPSPW數(shù)據(jù)獲得正效果最明顯的時段為48～72小時。

5.2 關(guān)于同化正效果來源的探索

通過4.2節(jié)中的個例分析可知，同化是否能夠帶來正效果可能與水汽輸送帶覆蓋 GPS站點的程度有關(guān)。如果水汽輸送帶較多的覆蓋到 GPS站點，那么關(guān)于水汽輸送帶的準確信息將被模式捕捉到，從而提高降水預(yù)報性能；反之，則同化趨于無益。為了進一步驗證上述猜想，進行減少同化GPS站點的同化試驗，即只同化部分GPS站點的資料，檢驗其降水預(yù)報性能，并與原同化方案比較。同樣根據(jù)前文的研究，Cycling方案的整體性能優(yōu)于Cold方案，因此這里只針對Cycling方案進行減少GPS站點的同化試驗，命名為Cycling_less方案。

圖10是2012年7月12日00時～13日00時500 hPa、600 hPa、700 hPa三層的24小時平均水汽輸送情況。從圖中可以看到，對長江中下游地區(qū)降水有較大貢獻的水汽輸送帶覆蓋的站點主要為青藏高原東南部及東部的10個站點：BAIS、BFLJ、CQBB、BFDI、DAXI、BEKM、MNZI、TNCH、XICH、MNLA。雖然在高原上仍有幾個站被500 hPa層次上的水汽輸送帶覆蓋，但相對而言水汽通量量級較小。因此首先優(yōu)先選取上述 10個站點進行Cycling_less方案的試驗，命名為Cycling_less_a方案。

對模擬結(jié)果進行TS評分，得到圖11。由圖可以看出，Cycling_less_a方案與Cycling方案相比，幾乎具有同等程度的正效果。在00～24小時與24～48小時時段內(nèi)，Cycling_less_a方案比Cycling方案略差，但差距很小。而 48～72小時時段內(nèi)，Cycling_less_a方案甚至整體上還優(yōu)于 Cycling方案，它對0.1 mm、10 mm以及50 mm以上的三個累積降水等級的預(yù)報都得到了比Cycling方案更高的TS評分。

圖10 同圖7右欄，但時段為2012年7月12日00時～13日00時Fig.10 Same as the right column in Fig.7, but that the time period is from 0000 UTC on 12 July 2012 to 0000 UTC on 13 July 2012

那么，如果同化上述10個站點以外的另外10個站點會是怎樣的結(jié)果呢？

對另外10個站點進行GPSPW數(shù)據(jù)的同化，進行 72小時的數(shù)值模擬，這 10個站點為：GAIZ、GANZ、LINZ、LITA、LNGZ、NAQU、RUOE、SHEN、XINJ、DING。命名該方案為Cycling_less_b方案。圖12是模擬結(jié)果的TS評分。從圖中可以明顯地看出，同化這10個GPS站點的GPSPW數(shù)據(jù)對于降水預(yù)報的 TS評分改善作用并不明顯。Cycling_less_b方案在00～24小時以及24～48小時時段存在一定的負效果，只有在 48～72小時時段內(nèi)才在一定程度上靠近Cycling方案。

同化GPSPW數(shù)據(jù)直接修正的是初始場的PW場，因此我們可以從 PW 場的角度來檢查兩種Cycling_less方案的同化作用。

圖13a、b 是2012年 7月12日 00時刻兩種Cycling_less方案與 Cycling方案的 PW 場的差值場。從圖13a可以看出，在00時，由于沒有同化高原上的10個GPS站點，導(dǎo)致PW值在這些區(qū)域有約0.4～2.4 mm的偏少，而在孟加拉國和緬甸與高原交界處PW值偏少得更厲害。從圖13b可以看出，由于起報時刻沒有同化高原東南部及東部的10個 GPS站點，而這些區(qū)域又是主要水汽輸送帶通過的地方（圖 10），因此這些區(qū)域的 PW 值相對于 Cycling方案有較多的偏差，在重慶、西安地區(qū)存在兩個偏差大值區(qū)，且位于西安地區(qū)的偏差大值區(qū)直接影響到了部分長江中下游地區(qū)。而圖13c是各時刻兩方案相對于Cycling方案的RMSE。由圖可見，Cycling_less_a方案的RMSE值在72小時內(nèi)的各個時刻都低于Cycling_less_b方案，這意味著 Cycling_less_a方案對 PW 場的刻畫相對Cycling_less_b方案更接近Cycling方案，也就是說，Cycling_less_a方案對于 PW 場的調(diào)整能力比Cycling_less_b方案更接近Cycling方案。這在一定程度上導(dǎo)致了 Cycling_less_a方案的 TS評分比Cycling_less_b方案更接近Cycling方案。

圖11 同圖7左欄，但起報時刻為2012年7月12日00時，比較的是NoDA、Cycling_less_a、Cycling方案Fig.11 Same as the left column in Fig.7, but that the initial time is 0000 UTC on 12 July 2012 and that the contrast is conducted among schemes NoDA,Cycling_less_a, and Cycling

為了進一步驗證上述對于個別站點進行針對性同化的可行性，進行批量的針對性同化試驗Cycling_less_a。選站原則仍然基于水汽通量的分布，即選取被對長江中下游地區(qū)有貢獻的水汽輸送帶覆蓋到的站點進行同化。由于每天的天氣狀況不同，選取的站點組合并不固定，具體選站情況見表5。同樣為了突出對比選擇站點不同帶來的同化效果的差異，對上述站點選取情況進行反選（不選擇表中出現(xiàn)的站點），即選擇水汽輸送帶較少覆蓋到的站點進行批量的同化試驗Cycling_less_b。

表5 針對性批量同化試驗Cycling_less_a的站點選取Table 5 The stations picked to conduct targeted batch assimilation experiment Cycling_less_a

圖 14是兩種選站情況下針對性同化批量試驗的TS評分對比，圖中虛線表示Cycling方案而實線代表 NoDA方案。由圖 14c可見，Cycling_less_a方案對于各累積降水等級的 TS評分都比較接近Cycling方案，而Cycling_less_b方案與NoDA方案比正效果并不明顯。該圖很好地印證了前面的猜想，即只同化被水汽輸送帶主要覆蓋到的GPS站點也能夠保持住大部分的同化正效果，而只同化那些不被水汽輸送帶覆蓋到的GPS站點，同化帶來的正效果不明顯。值得注意的是，基于能夠保持住大部分同化正效果的選站原則，從7月2日00時至7月31日00時30個起報點的平均同化站點數(shù)只有6個。

需要再次說明的是，表5中站點的選取是定性的，是根據(jù)如圖10的水汽通量情況人為判定的，并不精確。而選取的情況雖然每天有細微的差異，但大多選擇了高原東部和東南部的站點，這種大體上一致但每日有差別的選取情況，與水汽輸送的氣候態(tài)以及每日變化相對應(yīng)。7月18日只選擇了BAIS一個站點，因為從圖8右欄可以看出只有BAIS這個站點被對長江中下游地區(qū)有貢獻的水汽輸送帶覆蓋。而在7月22日以后，由于第8號臺風(fēng)“韋森特”的逐漸靠近，中國南部的風(fēng)速流場從原來的西南氣流轉(zhuǎn)為偏東氣流（圖略），這意味著長江中下游地區(qū)的降水水汽來源發(fā)生了改變，自南亞孟加拉灣而來的水汽帶受到臺風(fēng)影響而轉(zhuǎn)變了方向。這種影響一直持續(xù)到7月末都未能改變，因為在“韋森特”離開以后，第9號臺風(fēng)“蘇拉”又接踵而至了。因此，基于前面提到的選站原則，認為7月下旬時段內(nèi)同化青藏高原地區(qū)的 GPS站點無法期望得到正面效果。

圖12 同圖11，但同化的是另外10個站點：GAIZ、GANZ、LINZ、LITA、LNGZ、NAQU、RUOE、SHEN、XINJ、DINGFig.12 Same as Fig.11, but that the assimilated ten sites are: GAIZ, GANZ, LINZ, LITA, LNGZ, NAQU, RUOE, SHEN, XINJ, DING

綜上可知，降水的TS評分與水汽輸送帶經(jīng)過同化區(qū)域的站點數(shù)量存在一定的聯(lián)系，同化的正效果主要來源于水汽輸送帶覆蓋到的 GPS站點的GPSPW 數(shù)據(jù)的同化。只同化被水汽輸送帶覆蓋到的GPS站點的GPSPW數(shù)據(jù)，仍然能夠保留住大部分的同化正效果。同化不被水汽輸送帶覆蓋到的GPS站點的GPSPW數(shù)據(jù)對于提高降水預(yù)報能力貢獻不大。因此，針對性地同化GPSPW數(shù)據(jù)是可行的。

6 結(jié)語

通過進行對于青藏高原地區(qū)GPSPW數(shù)據(jù)的一系列同化試驗，檢驗并評估其對長江中下游地區(qū)降水預(yù)報的影響，得出以下結(jié)論：

（1）同化青藏高原地區(qū)GPSPW數(shù)據(jù)，對長江中下游地區(qū)的降水預(yù)報有一定程度的正面效果。正效果在00～24小時時段內(nèi)不是很明顯，在24～48小時時段內(nèi)正效果逐漸顯現(xiàn)，在 48～72小時時段內(nèi)具有明顯正效果。而基于多次同化的循環(huán)同化方案 （Cycling）在整體上優(yōu)于基于單次同化的冷啟動同化方案（Cold）。

圖13 2012年7月12日00時的（a）Cycling_less_a方案與Cycling方案的PW差值場以及（b）Cycling_less_b方案與Cycling方案的PW差值場。圖中圓點表示該站點參與同化，“×”號表示該站點不參與同化。（a）2012年7月12日00時起報的各時刻Cycling_less_a方案與Cycling_less_b方案相對于Cycling方案的PW場的RMSE，考察范圍為長江中下游地區(qū)。單位：mmFig.13 The differences of PW fields at 0000 UTC on 12 July 2012 between (a) schemes Cycling_less_a and Cycling, (b) schemes Cycling_less_b and Cycling.The dots stand for the GPS sites that are assimilated while “×” stands for the ones that are not.(c) The RMSEs of PW fields between the results from schemes Cycling_less_a, Cycling_less_b and Cycling respectively, the initial time is 0000 UTC on 12 July 2012 and the area of inspection is the middle and lower reaches of the Yangtze River.Units: mm

（2）對于Cycling方案，在120小時預(yù)報時長內(nèi)，同化上游 GPS站點數(shù)據(jù)對長江中下游地區(qū)帶來最大正面效果的時段為 48～72小時，在該時段以前同化的正效果不夠明顯，而在該時段以后，中尺度模式WRF的降水預(yù)報能力大幅度下降，同化帶來的正效果也逐漸減弱。

（3）當(dāng)水汽輸送帶較多地經(jīng)過同化區(qū)域時，降水的TS評分在整體上能得到明顯改善；而當(dāng)水汽輸送帶較少地經(jīng)過同化區(qū)域時，整體上降水的TS評分改善效果不明顯。

（4）與同化所有GPS站點的GPSPW數(shù)據(jù)相比，只對被水汽輸送帶覆蓋的GPS站點進行GPSPW數(shù)據(jù)同化，仍然可以保留住大部分的同化正效果，提高模式的降水預(yù)報能力。因此，對于長江中下游地區(qū)的降水預(yù)報而言，針對性地同化青藏高原地區(qū)的GPSPW數(shù)據(jù)是可行的。

目前，我國GPS站網(wǎng)還沒有全面建起，針對長江中下游地區(qū)的降水預(yù)報，在今后的站網(wǎng)布點時，可以適當(dāng)減少現(xiàn)有 GPS站點中不被長期水汽輸送帶覆蓋到的站點，而在水汽輸送帶長期經(jīng)過的位置加密GPS站點的分布，從而更具效益地提高降水預(yù)報能力。推而廣之，可以逐漸增設(shè)可移動的GPS站點。由于水汽輸送具有一定的連續(xù)性，其預(yù)報相對容易，因此，利用可移動的GPS站點，根據(jù)水汽輸送情況靈活變動其位置，可以最大限度地發(fā)揮既有GPS站點的作用，從而有效提高長江中下游地區(qū)的降水預(yù)報能力。

本文最后一部分中探索同化正效果來源的補充試驗仍是基于定性分析，選擇同化哪些站點的GPSPW 數(shù)據(jù)只依據(jù)水汽輸送帶的覆蓋范圍。該依據(jù)較為粗略，且基于經(jīng)驗性的判定而沒有量化，因此受人為因素影響較大，但依然取得了不錯的效果。這意味著針對性同化GPSPW數(shù)據(jù)具有較大的潛力，如何更具技巧地對GPSPW數(shù)據(jù)進行針對性同化有待于進一步深入研究。

圖14 同圖4左欄，但比較的是NoDA、Cycling_less_a、Cycling_less_b以及Cycling方案Fig.14 Same as the left column in Fig.4, but that the contrast is conducted among schemes NoDA, Cycling_less_a, Cycling_less_b, and Cycling

致謝 感謝中國氣象科學(xué)研究院提供青藏高原地區(qū)的GPSPW資料，感謝國家氣象中心以及國家氣象信息中心為本文提供實況降水?dāng)?shù)據(jù)，同時感謝NCEP/NCAR免費公開發(fā)布GFS、FNL資料以及氣候態(tài)再分析資料。

（References）

Barker D, Huang X Y, Liu Z, et al.2012.The weather research and forecasting model’s community variational/ ensemble data assimilation system: WRFDA [J].Bull.Amer.Meteor.Soc., 93 (6): 831–843.

Bauer P, Ohring G, Kummerow C, et al.2011.Assimilating satellite observations of clouds and precipitation into NWP Models [J].Bull.Amer.Meteor.Soc., 92 (6): ES25-ES28.

Bevis M, Businger S, Herring T A, et al.1992.GPS Meteorology: Remote sensing of atmospheric water vapor using the Global Positioning System[J].J.Geophys.Res., 97 (14): 15787–15801.

Bevis M, Businger S, Chiswell S, et al.1994.GPS Meteorology: Mapping zenith wet delays onto precipitable water [J].J.Appl.Meteor., 33 (3):379–386.

Businger S, Chiswell S R, Bevis M, et al.1996.The promise of GPS in atmospheric monitoring [J].Bull.Amer.Meteor.Soc., 77 (1): 5–17.

陳超君, 王東海, 李國平, 等.2012.冬季高海拔復(fù)雜地形下GRAPES-Meso要素預(yù)報的檢驗評估 [J].氣象, 38 (6): 657–668.Chen Chaojun, Wang Donghai, Li Guoping, et al.2012.A study of the GRAPES-Meso prediction verification for high altitude and complex terrain during winter time [J].Meteorological Monthly (in Chinese), 38(6): 657–668.

陳敏, 范水勇, 仲躋芹, 等.2010.全球定位系統(tǒng)的可降水量資料在北京地區(qū)快速更新循環(huán)系統(tǒng)中的同化試驗 [J].氣象學(xué)報, 68 (4): 450–463.Chen Min, Fan Shuiyong, Zhong Jiqin, et al.2010.An experimental studyof assimilating the Global Position System-precipitable water vapor observations into the rapid updated cycle system for the Beijing area [J].Acta Meteorologica Sinica (in Chinese), 68 (4): 450–463.

Duan J P, Bevis M, Fang P, et al.1996.GPS meteorology: Direct estimation of the absolute value of precipitable water [J].J.Appl.Meteor., 35 (6):830–837.

顧瑩, 日下博幸, 束炯, 等.2010.實時 GPS 可降水量資料的變分同化個例研究 [J].氣象科學(xué), 30 (2):172–178.Gu Ying, Hiroyuki KUSAKA, Shu Jiong, et al.2010.A case study of variational assimilation of true real-time GPS precipitable water [J].Scientia Meteorologica Sinica (in Chinese), 30 (2): 172–178.

Kusaka H, Guo Y R, Crook A, et al.2004.The impact of assimilating GPSPW data using WRF-3DVAR on a simulation of a squall line observed during IHOP [C] // 20th Conference on Weather Analysis and Forecasting/16th Conference on Numerical Weather Prediction.Seattle,WA, USA: Amer.Meteor.Soc.: p1.23.

Kuo Y H, Guo Y R, Westwater E R.1993.Assimilation of precipitable water measurements into a mesoscale numerical model [J].Mon.Wea.Rev.,121 (4): 1215–1238.

Kuo Y H, Zou X, Guo Y R.1996.Variational assimilation of precipitable water using a nonhydrostatic mesoscale adjoint model.Part I: Moisture retrieval and sensitivity experiments [J].Mon.Wea.Rev., 124 (1):122–147.

蘭偉仁, 朱江, Xue M，等.2010a.風(fēng)暴尺度天氣下利用集合卡爾曼濾波模擬多普勒雷達資料同化試驗 I.不考慮模式誤差的情形 [J].大氣科學(xué), 34 (3): 610–652.Lan Weiren, Zhu Jiang, Xue Ming, et al.2010.Storm-scale ensemble Kalman filter data assimilation experiments using simulated Doppler radar data.Part I: Perfect model tests [J].Chinese Journal of Atmospheric Sciences (in Chinese), 34 (3): 640–652.

蘭偉仁, 朱江, Xue M，等.2010b.風(fēng)暴尺度天氣下利用集合卡爾曼濾波模擬多普勒雷達資料同化試驗 II.考慮模式誤差的情形 [J].大氣科學(xué), 34 (4): 737–753.Lan Weiren, Zhu Jiang, Xue Ming, et al.2010.Storm-scale ensemble Kalman filter data assimilation experiments using simulated Doppler radar data.Part II: Imperfect model tests [J].Chinese Journal of Atmospheric Sciences (in Chinese), 34 (4): 737–753.

苗秋菊, 徐祥德, 張勝軍.2005.長江流域水汽收支與高原水汽輸送分量“轉(zhuǎn)換”特征 [J].氣象學(xué)報, 63 (1): 93–99.Miao Qiuju, Xu Xiangde, Zhang Shengjun.2005.Whole layer water vapor budget of Yangtze River valley and moisture flux components transform in the key areas of the plateau [J].Acta Meteorologica Sinica (in Chinese), 63 (1):93–99.

冉令坤, 周玉淑.2011.TRMM 衛(wèi)星的閃電觀測資料在中尺度數(shù)值模式中的 Nudging 同化應(yīng)用研究 [J].大氣科學(xué), 35 (6): 1145–1158.Ran Lingkun, Zhou Yushu.2011.Application of lightning observations of TRMM satellite to the mesoscale numerical model by a New Nudging assimilation adjustment technique [J].Chinese Journal of Atmospheric Sciences (in Chinese), 35 (6): 1145–1158.

Smith T L, Benjamin S G, Gutman S I, et al.2007.Short-range forecast impact from assimilation of GPS-IPW observations into the rapid update cycle [J].Mon.Wea.Rev., 135 (8): 2914–2930.

Wang B, Zou X, Zhu J.2000.Data assimilation and its applications [J].Proceedings of the National Academy of Sciences of the United States of America, 97 (21): 11143–11144.

Wang W, Bruyere C, Duda M, et al.2012.ARW Version 3 Modeling System User’s Guide [M].USA: M&MMD/NCAR, 384pp.

萬文龍, 張杰, 朱克云, 等.2010.GPS-PW 資料在川西暴雨中的應(yīng)用研究 [J].安徽農(nóng)業(yè)科學(xué), 38 (13): 6759–6764.Wan Wenlong, Zhang Jie,Zhu Keyun, et al.2010.Study on the application of GPS-PW data in the rainstorm in Western Sichuan [J].Journal of Anhui Agricultural Sciences(in Chinese), 38 (13): 6759–6764.

徐祥德, 陶詩言, 王繼志, 等.2002.青藏高原——季風(fēng)水汽輸送 “大三角扇型” 影響域特征與中國區(qū)域旱澇異常的關(guān)系 [J].氣象學(xué)報, 60(3): 257–264.Xu Xiangde, Tao Shiyan, Wang Jizhi, et al.2002.The relationship between water vapor transport features of Tibetan Plateau-Monsoon “l(fā)arge triangle” affecting region and drought-flood abnormality of China [J].Acta Meteorologica Sinica (in Chinese), 60 (3):257–264.

袁招洪.2005.GPS 可降水量資料應(yīng)用于 MM5 模式的變分同化試驗[J].氣象學(xué)報, 63 (4): 391–402.Yuan Zhaohong.2005.Variational assimilation of GPS precipitable water into MM5 mesoscale model [J].Acta Meteorologica Sinica (in Chinese), 63 (4): 391–402.

袁招洪, 丁金 才, 陳敏.2004a.GPS觀測資料應(yīng)用于中尺度數(shù)值預(yù)報模式的初步研究 [J].氣象學(xué)報, 62 (2): 200–212.Yuan Zhaohong, Ding Jincai, Chen Min.2004a.Preliminary study on applying GPS observations to mesoscale numerical weather prediction model [J].Acta Meteorologica Sinica (in Chinese), 62 (2): 200–212.

袁招洪, 丁金才, 陳永林.2004b.中尺度數(shù)值預(yù)報模式預(yù)報水汽與 GPS觀測的比較研究 [J].大氣科學(xué), 28 (3):433–440.Yuan Zhaohong,Ding Jincai, Chen Yonglin.2004b.A comparison study of precipitable water simulated by NWP and GPS observations [J].Chinese Journal of Atmospheric Sciences (in Chinese), 28 (3): 433–440.

朱男男, 沈桐立, 朱偉軍.2008.一次降水過程的 GPS 可降水量資料同化試驗 [J].南京氣象學(xué)院學(xué)報, 31 (1): 26–32.Zhu Nannan, Shen Tongli, Zhu Weijun.2008.An adjoint assimilation experiment of GPS precipitable water [J].Journal of Nanjing Institute of Meteorology (in Chinese), 31 (1): 26–32.