青藏高原東側(cè)常規(guī)觀測資料對WRF模式預(yù)報誤差的貢獻(xiàn)分析

王曼,段旭,李華宏,符睿,陳新梅,王康

(1.云南省氣象科學(xué)研究所,云南 昆明 650034;2.云南省氣象臺,云南 昆明 650034;3.武漢市氣象局,湖北 武漢 430040)

?

青藏高原東側(cè)常規(guī)觀測資料對WRF模式預(yù)報誤差的貢獻(xiàn)分析

王曼1,段旭1,李華宏2,符睿1,陳新梅1,王康3

(1.云南省氣象科學(xué)研究所,云南 昆明 650034;2.云南省氣象臺,云南 昆明 650034;3.武漢市氣象局,湖北 武漢 430040)

摘要：利用WRFDA-FSO(Forecast Sensitivity to Observation)系統(tǒng),統(tǒng)計分析2009年和2010年5—10月青藏高原東側(cè)常規(guī)地面和高空觀測對WRF模式預(yù)報誤差的貢獻(xiàn)。結(jié)果表明:地面觀測資料各要素中,溫度場對模式預(yù)報誤差貢獻(xiàn)最大,風(fēng)場、氣壓和水汽場的貢獻(xiàn)相對小;四川東部、廣西大部和云南南部邊緣地區(qū)的資料對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn)較大。高空資料各要素中,溫度場對模式預(yù)報誤差貢獻(xiàn)最大,其次是水汽場,風(fēng)場貢獻(xiàn)最小;高空站資料對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn)較大的區(qū)域主要分布在云南大部、貴州西部邊緣和廣西西北部邊緣地區(qū)。依據(jù)誤差統(tǒng)計結(jié)果,剔除對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)較大的地面和高空站資料后,模式降水和溫度預(yù)報效果有所改善。

關(guān)鍵詞：青藏高原東側(cè);WRFDA-FSO系統(tǒng);預(yù)報誤差貢獻(xiàn);數(shù)值試驗

0引言

數(shù)值天氣預(yù)報NWP(Numerical Weather Prediction)是已知一個現(xiàn)時大氣狀態(tài)(背景場和觀測值)的估計,用模式(描寫天氣演變過程的流體力學(xué)和熱力學(xué)方程較高精度的數(shù)值解)來模擬(預(yù)報)其演變。對于一個預(yù)報模式而言,初始條件(現(xiàn)時大氣狀態(tài))的確定既是非常重要的,也是非常復(fù)雜的問題。

在早期的試驗中,Charney et al.(1950)將可用的觀測資料通過手工方法內(nèi)插到網(wǎng)格點(diǎn)上。由于工作量巨大,人們逐步開展了自動化的客觀分析方法研究,如逐步訂正法(SCM)、最優(yōu)插值法(OI)、三維和四維變分法(3D-Var、4D-Var)、集合卡爾曼濾波法(KF)等,并很快地將這些方法應(yīng)用于預(yù)報模式初始場的建立(朱琳等,2008;郭銳等,2010;閔錦忠等,2011,2012,2013;王順鳳等,2011;陳杰等,2012;趙延來等,2013;陳耀登等,2014)。然而,無論采用什么方法,觀測資料對模式初始場和模式預(yù)報都起著重要作用。

之前衡量觀測資料對模式預(yù)報的影響,一般采用敏感性試驗,即加入或者移除該觀測資料,對模式預(yù)報系統(tǒng)進(jìn)行評價和對比分析(李華宏等,2007;楊艷蓉和曾明劍,2012;李新峰等,2013)。這種方法一次試驗只能得到某種觀測或者某個站點(diǎn)對模式預(yù)報的影響,如果需要知道所有觀測站點(diǎn)和種類對模式預(yù)報的影響,采用這種方法需要花費(fèi)巨大的機(jī)時。隨著模式的伴隨技術(shù)的發(fā)展,Baker and Daley(2000)發(fā)展了利用同化系統(tǒng)的伴隨矩陣模式,計算模式初始場和預(yù)報對觀測的敏感性。利用這種方法進(jìn)行一次同化和預(yù)報,能計算出模式預(yù)報和初始場對所有種類和所有觀測站資料的敏感性。該方法也可用于診斷具體目標(biāo)觀測的有效性和全面評估短期天氣預(yù)報誤差對觀測系統(tǒng)的敏感性,如Doerenbecher and Bergot(2001)討論了FASTEX(Frontand Atlantic Storm-Track Experiment)計劃中加密觀測資料的效率。得到這種效率不僅與敏感性相關(guān),同時和觀測與背景場之間的偏差有關(guān)。Fourrie et al.(2002)討論TOVS(Television infrared observation satellite Operational Vertical Sounder)資料在FASTEX計劃中10個個例中的敏感性,結(jié)果表明晴空微波探測和局部有云的紅外探測對預(yù)報的影響最大。Langland and Baker(2004)利用NRL(the Naval Research Laboratory)的大氣同化系統(tǒng)伴隨系統(tǒng)評估了2002年6月和12月觀測資料對短期預(yù)報的影響,結(jié)果表明,在NOGAPS(Navy Operational Global Atmospheric Prediction System)系統(tǒng)中,北半球的探空、衛(wèi)星風(fēng)場和飛機(jī)觀測資料(aircraft observations)對系統(tǒng)預(yù)報誤差的減小貢獻(xiàn)最大,南半球則是TOVS資料的溫度反演、衛(wèi)星風(fēng)場和探空對系統(tǒng)預(yù)報誤差的減小貢獻(xiàn)最大。Cardinali(2009)利用FSO(Forecast Sensitivity to Observation)系統(tǒng)對24 h的預(yù)報進(jìn)行觀測資料的診斷,得到ECMWF(the European Centre for Medium-Range Weather Forecasts)預(yù)報系統(tǒng)中全球區(qū)域不同類型和不同高度的觀測資料對模式預(yù)報的貢獻(xiàn)大小。WRFDA-FSO(Auligné et al.,2010,2011)系統(tǒng)從2008年開始在WRFDA系統(tǒng)和WRF模式的切線性與伴隨模式上發(fā)展起來,能夠計算觀測資料對WRF模式短期天氣預(yù)報誤差的影響。Zhang et al.(2012)用該系統(tǒng)評估TAMDAR(Tropospheric Aircraft Meteorological Data Reports)對24 h模式預(yù)報誤差的貢獻(xiàn),結(jié)果表明,相對其他觀測資料如探空、地面觀測、水汽觀測等常規(guī)觀測資料,TAMDAR對24 h模式預(yù)報誤差減小產(chǎn)生最大的正貢獻(xiàn)。Jung et al.(2013)利用該系統(tǒng)對東亞區(qū)域2008年臺風(fēng)季節(jié)各種觀測資料對預(yù)報的影響進(jìn)行評估,得到衛(wèi)星和探空資料分別對模式預(yù)報和模式初始場產(chǎn)生最大的影響。

目前云南省業(yè)務(wù)運(yùn)行WRF模式,在模式初始場中同化進(jìn)入常規(guī)地面和高空觀測資料。為了了解不同區(qū)域和不同要素觀測資料對模式預(yù)報產(chǎn)生的影響,利用WRFDA-FSO系統(tǒng)計算青藏高原東側(cè)常規(guī)觀測資料對WRF模式預(yù)報的影響,根據(jù)誤差統(tǒng)計結(jié)果,對進(jìn)入模式系統(tǒng)的常規(guī)觀測站點(diǎn)進(jìn)行篩選,檢驗剔除負(fù)貢獻(xiàn)大的站點(diǎn)觀測后,模式的預(yù)報效果是否有所改進(jìn)?同時通過WRFDA-FSO的計算得到負(fù)貢獻(xiàn)大站點(diǎn)的地區(qū)分布,說明該地區(qū)的站點(diǎn)布局需要進(jìn)一步加強(qiáng)和調(diào)整。

1WRFDA-FSO系統(tǒng)簡介

Langland and Baker(2004)利用伴隨模式為基礎(chǔ)估算了觀測資料對數(shù)值天氣預(yù)報誤差的影響。首先定義一個衡量模式預(yù)報誤差的標(biāo)量:

ef=(Xf-Xt)TC(Xf-Xt)。

(1)

其中:Xf為預(yù)報量;Xt為驗證的真實量。模式的預(yù)報變量(X的分量)包括渦度、散度、位溫和地面氣壓。由于計算模式預(yù)報誤差中沒有濕度這個預(yù)報量,所以模式預(yù)報誤差值稱為干能量。C是能量權(quán)重系數(shù)矩陣,代表總的干能量(Zou et al.,1997)。這樣定義了一個衡量模式計算誤差的量,單位為J·kg-1。

(2)

如果知道預(yù)報模式的伴隨模式,對模式預(yù)報誤差進(jìn)行模式初始場的求導(dǎo),即

(3)

其中:LT為系數(shù),表示離散化模式的伴隨。由該公式可以估算出模式初始場對模式預(yù)報誤差的貢獻(xiàn)。模式的分析場Xa由模式背景場Xb加上觀測的增量得到。根據(jù)Barker and Daley(2000)的研究,在三維變分同化系統(tǒng)中,觀測空間中Xa和Xb的關(guān)系可寫為

Xa-Xb=BHT[HBHT+R]-1(y-HXb)。

(4)

其中,B和R分別為背景誤差協(xié)方差矩陣和觀測誤差協(xié)方差矩陣。H為模式背景場到觀測空間轉(zhuǎn)換的觀測算子。y為觀測場。由(3)和(4)式,以及同化的伴隨模式,可以求得觀測對模式預(yù)報誤差的貢獻(xiàn)。

(5)

通過公式(5)計算可以得到預(yù)報誤差對觀測系統(tǒng)敏感性,獲得各個觀測站(值)對預(yù)報好壞的貢獻(xiàn),即干能量的大小。這里需要進(jìn)行兩次模式誤差計算:一次為僅使用背景場進(jìn)行積分計算得到某時刻預(yù)報的誤差eg;另一次為分析場(背景場加入觀測進(jìn)行同化得到)進(jìn)行積分計算得到同一時刻的預(yù)報誤差ef。由于兩次積分都存在模式本身(不精確)的預(yù)報誤差,因此,可以認(rèn)為兩次預(yù)報誤差的差值F=ef-eg是由于加入了觀測資料所產(chǎn)生的,也就是觀測對模式預(yù)報誤差的影響,即觀測對預(yù)報好壞的作用。實際計算中,為了評估觀測對模式預(yù)報的貢獻(xiàn),近似地把兩種模式預(yù)報誤差的差值作為目標(biāo)函數(shù)。

(6)

按照Gelaro et al.(2007)的研究,定義模式預(yù)報誤差有三種近似,分別為一級、二級和三級近似。分別為(7)—(9)式。

(7)

(8)

(9)

(10)

(11)

(12)

根據(jù)以上理論,WRFDA-FSO系統(tǒng)從2008年開始在WRFDA系統(tǒng)和WRF模式的切線性與伴隨模式上發(fā)展起來,具體整個系統(tǒng)的計算流程和安裝運(yùn)行可以參考Auligné et al.(2011)。

2觀測對模式預(yù)報誤差貢獻(xiàn)計算方案

利用WRFDA-FSO系統(tǒng),包括WRF主模式3.11版本、WRFDA3.11版本、WRF模式V3版本的伴隨模式WRFPLUS和WRFDA的伴隨模式。伴隨模式實際計算中濕物理過程未包括其中,因此,計算模式的預(yù)報誤差為干能量。WRF模式主模塊的水平格距為30 km,模擬區(qū)域中心為103°E、25.5°N,格點(diǎn)數(shù)為61×61,垂直方向取35層,模式層頂取50 hPa。行星邊界層采用YSU方案(Chen and Dudhia,2001),陸面過程采用thermal diffusion方案(Hong et al.,2006),輻射方案采用快速傳輸長波輻射方案(Mlawer et al.,1997)和Dudhia(1989)的短波方案。積云對流方案采用KF(Kain,2004)方案。微物理方案采用WSM 6-class graupel方案(Dudhia et al.,2008)。

試驗時間為2009年和2010年雨季(即2009年5月1日—10月31日和2010年5月1日—10月31日)。模式初背景場(Xb)采用NCEP/GFS(Globe Forecast System)資料的預(yù)報場,水平分辨率為1°×1°,時間間隔為3 h,每天00時(世界時,下同)起報,積分12 h。分析場(Xa)用背景場同化常規(guī)地面和高空資料得到。兩種初始場分別積分12 h,得到兩個預(yù)報場。積分12 h的模式真值為NCEP/GFS資料對應(yīng)時刻的分析場。通過WRFDA-FSO系統(tǒng)計算得到計算區(qū)域內(nèi)地面和高空站對WRF模式12 h預(yù)報誤差的貢獻(xiàn)。包括每個地面和高空站,各個觀測量包括風(fēng)場(u,v)、溫度場(t)、氣壓場(p)和濕度場(q)對模式預(yù)報誤差的貢獻(xiàn)(干能量值)。當(dāng)干能量是正值時,即增大模式預(yù)報誤差,則表明該觀測站資料對模式預(yù)報產(chǎn)生了負(fù)貢獻(xiàn);反之,如果為負(fù)值,減少模式預(yù)報誤差,對模式預(yù)報產(chǎn)生正貢獻(xiàn)。

地面站對模式預(yù)報誤差的貢獻(xiàn)為計算時間內(nèi)地面觀測量(包括u,v,t,p和q)統(tǒng)計累計貢獻(xiàn),不逐時次分析。高空觀測量(包括u,v,t和q)則先把各氣壓層干能量累加,然后作為一個值進(jìn)行累計貢獻(xiàn)統(tǒng)計。

在模式計算區(qū)域中地面觀測站為683個,高空站為36站。進(jìn)行地面資料同化時,對觀測資料進(jìn)行常規(guī)的質(zhì)量控制;如果觀測資料與背景場的差值大于3倍觀測誤差,則認(rèn)為該站資料不可用,同化計算中進(jìn)行剔除。由于上述地面資料的質(zhì)量問題,實際進(jìn)入模式進(jìn)行統(tǒng)計的地面站數(shù)2009年為666站,2010年為672站。而且地面各要素進(jìn)入同化系統(tǒng)的量不一致,溫度要素進(jìn)入同化系統(tǒng)的站數(shù)最多,其次是u、v分量,較少者為水汽和氣壓。WRFDA模塊中地面資料同化方案選取Guo et al.(2002)設(shè)計的方案。該方案不考慮實際觀測站地形與模式地形高度的差異,假定所有測站的資料(除地面氣壓)都位于模式面,然后利用相似理論建立10 m高度風(fēng)場(u10,v10)和2 m高度溫度(t2)、濕度(q2)的觀測算子及相應(yīng)的切線性與伴隨模式,同時在進(jìn)行極小化運(yùn)算前將地面氣壓(psfc)折算到模式最低層。在模式區(qū)域中,各個地面站實際觀測地形與模式地形高度存在差異,各個地面觀測要素對高度差異的敏感性不一致,造成各要素進(jìn)入同化系統(tǒng)的站數(shù)不一致;由此,地面站觀測資料各要素對模式貢獻(xiàn)也存在較大差別。2009和2010年高空站均為36站。為使兩年資料的統(tǒng)計站數(shù)一致,取地面666站、高空36站。為使統(tǒng)計結(jié)果具有普遍性,下述地面、高空資料對模式預(yù)報誤差影響的統(tǒng)計結(jié)果均為兩年累加。

3觀測對模式預(yù)報誤差貢獻(xiàn)分析

3.1　地面觀測對模式預(yù)報誤差貢獻(xiàn)分析

通過2009年和2010年5—10月的計算,得到地面站各個觀測要素對模式預(yù)報誤差貢獻(xiàn)(圖1)。由圖1a、b可見,各個站點(diǎn)地面觀測緯向風(fēng)和經(jīng)向風(fēng)場對模式誤差的貢獻(xiàn)較一致,除了四川西部和西藏東部地區(qū)為正值,對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)外,其他地區(qū)基本都為負(fù)值,對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn);云南大部地面觀測對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn);u分量比v分量正值站點(diǎn)更多;但云南東部邊緣和西北部負(fù)值站點(diǎn)偏多。溫度場對模式預(yù)報誤差貢獻(xiàn)(具體干能量值圖略)較大(圖1c)。徐枝芳等(2007)對地面觀測各要素分別進(jìn)行同化試驗,發(fā)現(xiàn)地面觀測資料(溫度、濕度、風(fēng)場、地面氣壓)中各物理量分別同化到數(shù)值模式都能影響24 h降水預(yù)報,但各物理量所起作用大小不同,其中影響最大的是溫度。此處的統(tǒng)計結(jié)果與該結(jié)論一致。從進(jìn)入同化系統(tǒng)各個物理量的站數(shù)看,溫度量進(jìn)入系統(tǒng)的站數(shù)最多,如2009年5月1日,u、v、t、p和q進(jìn)入同化系統(tǒng)的站數(shù)分別為422、413、542、252和251。因此溫度對模式預(yù)報產(chǎn)生的影響較大。高原東側(cè)(包括西藏東部、四川西部和南部以及云南大部)站點(diǎn)幾乎全部對對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)。這表明現(xiàn)有的觀測對該區(qū)域下墊面熱力狀況表述較差。氣壓和水汽場對模式預(yù)報誤差貢獻(xiàn)分布較相似(圖1d、e)。大部分區(qū)域為負(fù)值,正值主要集中在西藏東部、四川西部、云南和貴州大部以及廣西零星地區(qū)。

圖1　地面站觀測各氣象要素對模式預(yù)報誤差貢獻(xiàn)的分布(·表示干能量累計值為負(fù)值,對改進(jìn)預(yù)報(減少預(yù)報誤差)產(chǎn)生正貢獻(xiàn);+表示干能量累計值為正值,對改進(jìn)預(yù)報(減少預(yù)報誤差)產(chǎn)生負(fù)貢獻(xiàn))　　a.u分量;b.v分量;c.溫度;d.氣壓;e.水汽Fig.1　Distribution of forecast error contribution of meteorological elements in surface observations(·denote negative dry energy and positive contribution to improvement in the model(model forecast error is reduced);+ denote positive dry energy and negative contribution to improvement in the model(model forecast error is increased))a.u component wind;b.v component wind;c.temperature;d.pressure;e.vapor

圖1中,地面站點(diǎn)各觀測要素對模式預(yù)報誤差的貢獻(xiàn)是不一致的。為了綜合分析各個站點(diǎn)各觀測要素對模式預(yù)報誤差的貢獻(xiàn),將改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)站點(diǎn)分為5級,分別表示1～5個要素同時為正干能量值。這樣劃分后,可以綜合分析出每一個站點(diǎn)的觀測對數(shù)值模式預(yù)報的影響程度。圖2給出了地面觀測對增大模式預(yù)報誤差貢獻(xiàn)程度的分布。可以看出,西藏東部、四川西部和云南西北部地區(qū)站點(diǎn)均有3個以上觀測要素對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn),其代表性較差;其他地區(qū)對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)的要素在3個以下,特別是四川東部、廣西大部和云南南部邊緣地區(qū)的地面觀測資料對改進(jìn)預(yù)報為正貢獻(xiàn)。

圖2　地面觀測對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)程度的分布Fig.2　Distribution of negative contribution of surface observations to improvement in the mode(model forecast error is increased)

圖3為高空各要素觀測對模式預(yù)報誤差的貢獻(xiàn)。u分量對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)的站點(diǎn)分布在云南西部和東南部、貴州西部及廣西西北部,大部分站點(diǎn)的干能量值都在105J·kg-1以下;四川中部、陜西南部以及20°N以南地區(qū)共有4個站干能量值為105J·kg-1以上;其他地區(qū)都為正值,但值在105J·kg-1以下(圖3a)。v分量對模式預(yù)報誤差貢獻(xiàn)相對小,除了4個站為負(fù)值外,其他站為正值;5站正值在105J·kg-1以上,27站在105J·kg-1以下(圖3b)。溫度場對模式預(yù)報誤差的貢獻(xiàn)相對大,特別是云南東部、四川中東部、廣西和貴州西部都是較大負(fù)值,對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn),而云南西北部、四川西部和西藏東部的溫度貢獻(xiàn)是較大正值,對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)(圖3c)。水汽的貢獻(xiàn)除了3站為負(fù)值外,其他都為正值,貢獻(xiàn)值相對大,有20個站的值在105J·kg-1以上,最大值在貴州西北部,達(dá)3×105J·kg-1以上(圖3d)。從4個觀測要素的貢獻(xiàn)看,溫度對模式預(yù)報誤差的影響最大。同樣考察進(jìn)入模式同化系統(tǒng)各個要素的量,發(fā)現(xiàn)溫度進(jìn)入同化系統(tǒng)的量最大,如2009年5月1日,u、v、t和q進(jìn)入同化系統(tǒng)的站數(shù)分別為477、478、701和537。

圖3　高空站觀測各氣象要素對模式預(yù)報誤差貢獻(xiàn)的分布(單位:105J·kg-1)　　a.u分量;b.v分量;c.溫度;d.水汽Fig.3　Distribution of forecast error contribution of meteorological elements in sounding observations(units:105J·kg-1)a.u component wind;b.v component wind;c.temperature;d.vapor

3.2　高空觀測對模式預(yù)報誤差貢獻(xiàn)分析

與地面觀測對改進(jìn)預(yù)報貢獻(xiàn)的綜合分析(圖2)相同,將高空觀測的4個要素對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)進(jìn)行綜合疊加。考慮到溫度相對其他量敏感值大小差別較大,對于敏感值小于5×104J·kg-1的站,認(rèn)為它對預(yù)報影響較小,故未將這些站計入對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)的站中。根據(jù)上述統(tǒng)計原則,得到高空觀測站對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)程度的分布(圖4)?？芍?西藏東部、四川西部和南部、云南北部邊緣等區(qū)域的觀測站有3～4個要素對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn);云南大部、貴州西部邊緣和廣西西北部邊緣地區(qū)觀測站所有要素對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn)。

圖4　高空觀測對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)程度的分布Fig.4　Distribution of negative contribution of sounding observations to improvement in the mode(model forecast error is increased)

3.3　預(yù)報效果試驗

從上述地面和高空觀測資料對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)的分析發(fā)現(xiàn),有些站資料對改進(jìn)預(yù)報負(fù)貢獻(xiàn)的要素較多。如果剔除這些負(fù)貢獻(xiàn)要素較多的站點(diǎn),模式預(yù)報效果是否會有所提高?日常天氣預(yù)報業(yè)務(wù)中,衡量模式預(yù)報誤差大小一般對模式進(jìn)行降水和溫度預(yù)報的評分檢驗。因此,應(yīng)用上述統(tǒng)計結(jié)果,進(jìn)行模式預(yù)報效果試驗。比較對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)站資料剔除后與剔除前模式的降水和溫度預(yù)報效果,并與無同化資料的模式結(jié)果進(jìn)行對比。根據(jù)圖2,剔除3個及以上觀測要素對模式預(yù)報誤差產(chǎn)生負(fù)貢獻(xiàn)的地面站,一共剔除111個地面站。根據(jù)圖4,同樣剔除3個及以上觀測要素對模式預(yù)報誤差產(chǎn)生負(fù)貢獻(xiàn)的站,一共剔除5個站。預(yù)報試驗時間為2010年5月1日—10月31日。預(yù)報時間為12 h,對模式預(yù)報云南省124個站12 h的降水和溫度進(jìn)行逐日檢驗,降水檢驗分為小雨(0～4.9 mm)、中雨(5～14.9 mm)、大雨(15～29.9 mm)和暴雨(>30 mm)四個量級。表1為逐日降水檢驗評分累加之后再進(jìn)行平均的結(jié)果。檢驗從綜合TS評分、公平風(fēng)險評分ETS(Equitable Threat Score)和預(yù)報偏差3個方面進(jìn)行。從綜合TS評分看,對于4個量級降水,剔除對模式預(yù)報誤差產(chǎn)生負(fù)貢獻(xiàn)大的站后預(yù)報都較剔除前的TS評分高。ETS評分除了小雨的所有站預(yù)報評分略高外,其他量級都為剔除站后的預(yù)報評分高。從預(yù)報偏差看,暴雨以下量級預(yù)報偏差都是剔除站后小于所有站,更接近1;而暴雨量級的兩種預(yù)報都是小于1,其中剔除站后的預(yù)報偏差較大,接近1。與未同化資料的模擬結(jié)果相比,剔除前的小雨TS評分低于未同化,其他三個降水量級的評分都是同化資料后比未同化的高。ETS評分除了小雨評分比未同化的低外,其他量級都比未同化的高。預(yù)報偏差除了中雨量級剔除前的比未同化的大,且暴雨量級比未同化資料的小外,其他量級都比未同化的更接近1。綜合三種降水檢驗結(jié)果看,剔除站后模式的降水預(yù)報效果優(yōu)于剔除前的預(yù)報效果;同化地面和高空資料后預(yù)報效果比未同化資料的好。溫度檢驗是對12 h的2 m溫度預(yù)報進(jìn)行檢驗,即對每日12時的2 m溫度預(yù)報進(jìn)行評分,具體結(jié)果見表2。從溫度的絕對平均誤差、均方根誤差和平均誤差看,剔除模式預(yù)報誤差產(chǎn)生負(fù)貢獻(xiàn)大的站后溫度預(yù)報效果有所改善;資料同化后較未同化資料模式的溫度預(yù)報效果有所改善。

4結(jié)論和討論

利用WRFDA-FSO系統(tǒng),計算2009年和2010年5—10月常規(guī)地面和高空觀測資料對WRF模式12 h預(yù)報誤差貢獻(xiàn),通過統(tǒng)計分析得到以下結(jié)論:

1)地面觀測資料各要素中,溫度對模式預(yù)報誤差的貢獻(xiàn)最大,風(fēng)場、氣壓和水汽場的貢獻(xiàn)相對較小。u分量和v分量對模式預(yù)報誤差貢獻(xiàn)的空間分布相似,而氣壓和水汽場對模式預(yù)報誤差貢獻(xiàn)的空間分布相似。

2)地面觀測資料對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)較大的區(qū)域主要位于西藏東部、四川西部和云南省西北部地區(qū);而對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn)較大的區(qū)域主要位于四川東部、廣西大部和云南南部邊緣地區(qū)。

3)高空站觀測資料各要素中,溫度場對模式預(yù)報誤差的貢獻(xiàn)最大,干能量值達(dá)到13×105J·kg-1;其次是水汽場,干能量最大值達(dá)到3×105J·kg-1;風(fēng)場的影響最小,最大干能量值為1×105J·kg-1,大部分站在1×105J·kg-1以下。

表1對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)大的站剔除前后及未同化情況下WRF模式降水預(yù)報檢驗

Table 1Precipitation prediction verification in WRF model before and after rejecting those data,which have larger negative contribution to improvement in the mode(the forecast error is increased),and without assimilation

量級TS/%ETSBias未同化剔除前剔除后未同化剔除前剔除后未同化剔除前剔除后小雨44.5844.1844.660.3370.3320.3312.512.382.30中雨14.1714.4514.770.0870.0950.0953.133.613.00大雨7.537.888.010.0680.0860.0903.693.072.50暴雨2.173.123.370.0310.0470.0540.540.320.39

表2對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)較大的站剔除前后以及未同化資料的2 m溫度預(yù)報檢驗(包括絕對平均誤差、均方根誤差和平均誤差)

Table 2The 2 m temperature forecast verification in WRF model before and after rejecting those data,which have larger negative contribution to improvement in the mode(the forecast error is increased),and without assimilation (including absolute mean error,root mean square error and average error)℃

絕對平均誤差均方根誤差平均誤差未同化1.8302.3000.120剔除前1.8252.3040.040剔除后1.8102.2900.027

4)高空站資料對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)較大的區(qū)域主要位于西藏東部、四川西部和南部、云南北部邊緣等區(qū)域;而對改進(jìn)預(yù)報產(chǎn)生正貢獻(xiàn)較大的區(qū)域主要位于云南大部、貴州西部邊緣和廣西西北部邊緣地區(qū)。

5)通過分析地面和高空觀測資料對模式預(yù)報誤差的貢獻(xiàn),剔除對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)較大的地面和高空站進(jìn)行云南區(qū)域預(yù)報結(jié)果檢驗,發(fā)現(xiàn)剔除對改進(jìn)預(yù)報產(chǎn)生負(fù)貢獻(xiàn)較大的測站后,模式降水和溫度預(yù)報效果優(yōu)于剔除前所有站進(jìn)入模式的預(yù)報效果。這表明利用WRFDA-FSO系統(tǒng)得到的觀測資料影響性分析結(jié)果,能夠用于優(yōu)化模式同化系統(tǒng),從而改善模式預(yù)報效果。

從WRFDA-FSO系統(tǒng)的計算結(jié)果看,不論是地面還是高空觀測資料,溫度對模式預(yù)報誤差的貢獻(xiàn)都較大,這與在該區(qū)域溫度觀測的質(zhì)量較高,進(jìn)入模式同化系統(tǒng)的觀測數(shù)量較多相關(guān);而其他要素在高原山地區(qū)域觀測的代表性較差,在模式中應(yīng)用較少。西藏東部、四川西部的地面和高空資料對模式預(yù)報誤差負(fù)貢獻(xiàn)較大,這與該地區(qū)地形復(fù)雜、地形陡峭面較多、觀測資料代表性較差有關(guān);應(yīng)作為地面和高空觀測布局調(diào)整的重點(diǎn)區(qū)域。通過WRF-FSO系統(tǒng)能夠定量計算各觀測資料對模式預(yù)報誤差的貢獻(xiàn),可為模式業(yè)務(wù)預(yù)報系統(tǒng)中同化資料的挑選和同化系統(tǒng)的完善提供科學(xué)依據(jù)。

致謝:本文得到美國國家大氣研究中心(NCAR)黃向宇、劉建宇和王洪利三位老師的耐心指導(dǎo),在此表示感謝。

參考文獻(xiàn)(References)：

Auligné T,Wang Hongli,Xiao Qingnong.2010.Forecast sensitivity to observations and observation impact[EB/OL].2010[2014-06-06].http://www2.mmm.ucar.edu/wrf/users/wrfda/Tutorials/2010_Aug/docs/WRFDA_sensitivity.pdf.

Auligné T,Huang X-Y,Lin H-C,et al.2011.Forecast sensitivity to observations(FSO)[EB/OL].2011[2014-06-06].http://www2.mmm.ucar.edu/wrf/users/wrfda/Tutorials/2012_July/docs/README_FSO_v3.3.pdf.

Baker N,Daley R.2000.Observation and background adjoint sensitivity in the adaptive observation-targeting problem[J].Quart J Roy Meteor Soc,126:1431-1454.

Cardinali C.2009.Monitoring the observation impact on the short-range forecast[J].Quart J Roy Meteor Soc,135:239-250.

Charney J G,Fjqrtift R,von Neuman J.1950.Numerical intergration of the varotropic vorticity equation[J].Tellus,2:237-254.

Chen F,Dudhia J.2001.Coupling an advanced land-surface/hydrology model with the Penn State/NCAR MM5 modeling system.Part I:Model description and implementation[J].Mon Wea Rev,129:569-585.

陳杰,閔錦忠,王世璋,等.2012.WRF-EnSRF系統(tǒng)同化多普勒雷達(dá)資料在多類型強(qiáng)對流天氣過程的數(shù)值試驗[J].大氣科學(xué)學(xué)報,35(6):720-729.Chen Jie,Min Jinzhong,Wang Shizhang,et al.2012.A numerical experiment on WRF-EnSRF for assimilation of Doppler Radar data in multicase strong convective weather processes[J].Trans Atmos Sci,35(6):720-729.(in Chinese).

陳耀登,王元兵,閔錦忠,等.2014.一種控制變量循環(huán)擾動和多參數(shù)化方案的混合同化方法[J].大氣科學(xué)學(xué)報,37(6):732-739.Chen Yaodeng,Wang Yuanbing,Min Jinzhong,et al.2014.A hybrid assimilation method with control variable cycle perturbation and multi-physical parameterization[J].Trans Atmos Sci,37(6):732-739.(in Chinese).

Doerenbecher A,Bergot T.2001.Sensitivity to observations applied to FASTEX cases[J].Nonlinear Processes Geophys,8:467-481.

Dudhia J.1989.Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J].J Atmos Sci,46:3077-3107.

Dudhia J,Hong S Y,Lim K S.2008.A new method for representing mixed-phase particle fall speeds in bulk microphysics parameterizations[J].J Meteor Soc Japan,86:33-44.

Fourrie N,Doerenbecher A,Bergot T,et al.2002.Adjoint sensitivity of the forecast to TOVS observations[J].Quart J Roy Meteor Soc,128:2759-2777.

Gelaro R,Zhu Y,Errico R M.2007.Examination of various-order adjoint-based approximations of observation impact[J].Meteor Z,16:685-692.

郭銳,張國平,李澤椿.2010.對于一次川渝暴雨的ATVOS資料同化數(shù)值模擬[J].大氣科學(xué)學(xué)報,33(5):615-623.Guo Rui,Zhang Guoping,Li Zechun.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).

Guo Y R,Shin D H,Lee J H,et al.2002.Application of the MM5 3DVAR system for a heavy rain case over the Korean Peninsula[R]//Papers Presented at the Twelfth PSU/NCAR Mesoscale Model User’s Workshop NCAR.

Hong S Y,Noh Y,Dudhia J.2006.A new vertical diffusion package with an explicit treatment of entrainment processes[J].Mon Wea Rev,134:2318-2341.

Jung B J,Kim H M,Auligné T,et al.2013.Adjoint-derived observation impact using WRF in the western North Pacific[J].Mon Wea Rev,141:4080-4097.

Kain J S.2004.The Kain-Fritsch convective parameterization:An update[J].J Appl Meteor,43:170-181.

Langland R H,Baker N L.2004.Estimation of observation impact using the NRL atmospheric variational data assimilation adjoint system[J].Tellus A,56:189-201.

李華宏,薛紀(jì)善,王曼,等.2007.多普勒雷達(dá)風(fēng)廓線的反演及變分同化試驗[J].應(yīng)用氣象學(xué)報,18(1):50-57.Li Huahong,Xue Jishan,Wang Man,et al.2007.The retrieval and variational assimilation experiment on wind profile of doppler radar[J].J Appl Meteor Sci,18(1):50-57.(in Chinese).

李新峰,趙坤,王明筠,等.2013.多普勒雷達(dá)資料循環(huán)同化在臺風(fēng)“鲇魚”預(yù)報中的應(yīng)用[J].氣象科學(xué),33(3):255-263.Li Xinfeng,Zhao Kun,Wang Mingyun,et al.2013.Short-term forecasting of super typhoon Megi at landfall through cycling assimilation of China coastal radar data[J].J Meteor Sci,33(3):255-263.(in Chinese).

閔錦忠,陳杰,王世璋,等.2011.WRF-EnSRF同化系統(tǒng)的效果檢驗及其應(yīng)用[J].氣象科學(xué),31(2):135-144.Min Jinzhong,Chen Jie,Wang Shizhang,et al.2011.The test of WRF-EnARF data assimilation system and its applications in storm scale events[J].J Meteor Sci,31(2):135-144.(in Chinese).

閔錦忠,孔瑩,楊春,等.2012.衛(wèi)星輻射率資料EnSRF同化及暴雨模擬應(yīng)用[J].大氣科學(xué)學(xué)報,35(3):272-281.Min Jinzhong,Kong Ying,Yang Chun,et al.2012.Assimilation of radiance data in WRF-EnSRF and its application in a rainstorm simulation[J].Trans Atmos Sci,35(3):272-281.(in Chinese).

閔錦忠,畢坤,陳耀登,等.2013.基于物理約束擾動的EnSRF雷達(dá)資料同化[J].大氣科學(xué)學(xué)報,36(2):129-138.Min Jinzhong,Bi Kun.Chen Yaodeng,et al.2013.Assimilation of Doppler radar data with EnSRF based on physical constraint perturbation[J].Trans Atmos Sci,36(2):129-138.(in Chinese).

Mlawer E J,Taubman S J,Brown P D,et al.1997.Radiative transfer for inhomogeneous atmospheres:RRTM,a validated correlated-k model for the longwave[J].J Geophys Res,102(D14):16663-16682.

王順鳳,蔡春園,沈桐立.2011.一次暴雨過程的變分同化試驗及診斷分析[J].大氣科學(xué)學(xué)報,34(2):153-161.Wang Shunfeng,Cai Chunyuan,Shen Tongli.2011.Variational assimilation and diagnosis of a rainstorm process[J].Trans Atmos Sci,34(2):153-161.(in Chinese).

徐枝芳,龔建東,王建捷,等.2007.復(fù)雜地形下地面觀測資料同化Ⅰ.模式地形與觀測站地形高度差異對地面資料同化的影響研究[J].大氣科學(xué),31(2):222-232.Xu Zhifang,Gong Jiandong,Wang Jianjie,et al.2007.A study of assimilation of surface observational data in complex terrain part Ⅰ:Influence of elevation diference between model surface and observation site[J].Chinese J Atmos Sci,31(2):222-232.(in Chinese).

楊艷蓉,曾明劍.2012.雷達(dá)資料同化對暴雨預(yù)報影響的數(shù)值模擬研究[J].氣象科學(xué),32(2):145-152.Yang Yanrong,Zeng Mingjian.2012.Numerical simulation analysis on radar data assimilation for summer rainstorm forecast[J].J Meteor Sci,32(2):145-152.(in Chinese).

Zhang Xiaoyan,Huang Xiangyu,Zhang Xin,et al.2012.Evaluation of TAMDAR data impact on forecast error with WRFDA-FSO system[EB/OL].2012[2014-06-06].https://ams.confex.com/ams/92Annual/webprogram/Paper199032.html.

趙延來,黃思訓(xùn),張維峰,等.2013.三維變分同化中多變量平衡約束設(shè)計[J].大氣科學(xué)學(xué)報,36(3):277-285.Zhao Yanlai,Huang Sixun,Zhang Weifeng,et al.2013.Design of multivariable balance constraintsin three-dimensional variational assimilation[J].Trans Atmos Sci,36(3):277-285.(in Chinese).

朱琳,壽紹文,彭加毅,等.2008.集合卡爾曼濾波同化探空資料的數(shù)值試驗[J].大氣科學(xué)學(xué)報,31(2):264-271.Zhu Ling,Shou Shaowen,Peng Jiayi,et al.2008.Numerical test of an ensemble Kalman filter for sounding data assimilation[J].Trans Atmos Sci,31(2):264-271.(in Chinese).

Zou X,Vandenberghe F,Pondeca M,et al.1997.Introduction to adjoint techniques and the MM5 adjoint modeling system[R]//NCAR Tech Note,NCAR/TN-435+STR.

(責(zé)任編輯：倪東鴻)

Evaluation of conventional observations contribution on WRF model forecast error in the eastern of Tibetan Plateau

WANG Man1,DUAN Xu1,LI Hua-hong2,FU Rui1,CHEN Xin-mei1,WANG Kang3

(1.Yunnan Institute of Meteorology,Kunming 650034,China; 2.Meteorological Observatory of Yunnan Province,Kunming 650034,China;3.Wuhan Meteorological Bureau,Wuhan 430040,China)

Abstract:The contribution of conventional observations on the east side of Tibetan Plateau to forecast error in WRF model is evaluated by using the WRFDA-FSO(Forecast Sensitivity to Observation) system from May to October in 2009 and 2010.Results show that,for the surface observations,the surface temperature contributes the major impact to the forecast error,the surface wind,surface pressure and water vapor contribute the minor impact,and the surface observations located in the regions(including eastern of Sichuan,most of Guangxi,and south edge of Yunnan) contribute the positive impact.For the sounding observations,the sounding temperature contributes the major impact to the forecast error,the sounding water vapor and sounding wind contribute minor impact,and the sounding observations located in the regions(including most of Yunnan,west edge of Guizhou,and northwest edge of Guangxi) contribute positive impact.After removing the surface and sounding observations,which contribute negative impact,the precipitation and temperature forecast are improved.

Key words:east side of Tibetan Plateau;WRFDA-FSO system;contribution to forecast error;numerical experiment

doi：10.13878/j.cnki.dqkxxb.20130520003

文章編號：1674-7097(2015)03-0379-09

中圖分類號：P435

文獻(xiàn)標(biāo)志碼：A

通信作者：王曼,碩士,高級工程師,研究方向為中尺度數(shù)值模式應(yīng)用,wangmanbox@163.com.

基金項目:公益性行業(yè)(氣象)科研專項(GYHY201206039;GYHY201106005;GYHY201006053)

收稿日期：2013-05-20;改回日期:2013-09-13

王曼,段旭,李華宏,等.2015.青藏高原東側(cè)常規(guī)觀測資料對WRF模式預(yù)報誤差的貢獻(xiàn)分析[J].大氣科學(xué)學(xué)報,38(3):379-387.doi：10.13878/j.cnki.dqkxxb.20130520003.

Wang Man,Duan Xu,Li Hua-hong，et al.2015.Evaluation of conventional observations contribution on WRF model forecast error in the eastern of Tibetan Plateau[J].Trans Atmos Sci,38(3):379-387.(in Chinese).