雙偏振雷達(dá)資料同化對(duì)一次臺(tái)風(fēng)降雨模擬的影響

王德立 孔凡鈾 王洪 陳訓(xùn)來

（1 深圳市氣象局，深圳 518040；2 深圳南方強(qiáng)天氣研究重點(diǎn)實(shí)驗(yàn)室，深圳 518040；3 美國(guó)俄克拉荷馬大學(xué)風(fēng)暴分析和預(yù)報(bào)中心，諾曼 73072，美國(guó)；4 中國(guó)氣象局廣州熱帶海洋氣象研究所/中國(guó)氣象局廣東省區(qū)域數(shù)值天氣預(yù)報(bào)重點(diǎn)實(shí)驗(yàn)室，廣州 510640）

0 引言

相比于常規(guī)的多普勒天氣雷達(dá)只進(jìn)行單一方向（通常為水平方向）的偏振觀測(cè)，雙偏振雷達(dá)通過交替或同時(shí)進(jìn)行水平偏振和垂直偏振方向觀測(cè)，可以額外探測(cè)到降水系統(tǒng)的差分反射率（ZDR）、差傳播相移率（KDP）、零滯后互相關(guān)系數(shù)（ρHV）等偏振物理量。許多研究表明這些偏振量能夠更加準(zhǔn)確地描述降水云微物理特征[1-2]，因而能改進(jìn)雷達(dá)資料質(zhì)量控制[3]、雷達(dá)定量降水估測(cè)[4]、降水相態(tài)分類[5]和冰雹識(shí)別[6]等，為災(zāi)害天氣臨近預(yù)警預(yù)報(bào)提供更強(qiáng)有力的支持。如何利用雙偏振雷達(dá)資料提高災(zāi)害天氣預(yù)警預(yù)報(bào)和防災(zāi)減災(zāi)水平，已成為擺在我們面前的重大課題。

目前國(guó)內(nèi)對(duì)雙偏振雷達(dá)資料研究主要集中在雷達(dá)資料質(zhì)量控制[7-10]、定量降雨估測(cè)[11-13]、災(zāi)害天氣分析[14-18]、降水相態(tài)識(shí)別[19]等方面，對(duì)雙偏振雷達(dá)資料同化研究方面則涉及非常少。常規(guī)雷達(dá)資料（反射率、徑向風(fēng)）的同化對(duì)中尺度數(shù)值預(yù)報(bào)效果改進(jìn)已經(jīng)被眾多的研究和業(yè)務(wù)應(yīng)用所證明[20-22]。深圳目前業(yè)務(wù)運(yùn)行的實(shí)時(shí)同化預(yù)報(bào)系統(tǒng)（Hourly Assimilation Prediction System，HAPS）和雷暴尺度集合預(yù)報(bào)系統(tǒng)都利用三維變分（3DVAR）同化徑向風(fēng)，而采用云分析同化反射率。既然雙偏振雷達(dá)資料可以提供跟強(qiáng)對(duì)流系統(tǒng)發(fā)生發(fā)展緊密聯(lián)系的云微物理信息，那么同化雙偏振雷達(dá)資料能否進(jìn)一步提升數(shù)值預(yù)報(bào)對(duì)強(qiáng)天氣的預(yù)報(bào)技巧呢？ Jung等[23]利用集合卡爾曼濾波方法實(shí)現(xiàn)了對(duì)雙偏振雷達(dá)偏振量同化，其研究結(jié)果表明同時(shí)同化ZDR、KDP和ρHV可以獲得最大的正影響，主要改進(jìn)在于對(duì)流風(fēng)暴分析場(chǎng)的垂直速度、水汽混合比和雨水混合比等變量。Li等[24]利用WRF-3DVAR系統(tǒng)實(shí)現(xiàn)C波段雙偏振雷達(dá)ZDR、KDP等偏振量的同化，改進(jìn)了降雨短時(shí)臨近預(yù)報(bào)。Tong[25]則通過改進(jìn)ARPS-3DVAR的云分析模塊實(shí)現(xiàn)雙偏振雷達(dá)資料同化，可以得出更加合理真實(shí)的水凝物分析。

卡爾曼濾波同化技術(shù)需要巨大的計(jì)算量，目前還無法在業(yè)務(wù)上使用。而ARPS-3DVAR和云分析技術(shù)已經(jīng)十分成熟，并且已經(jīng)在深圳市氣象局業(yè)務(wù)運(yùn)行多年。因此，本文將選用Tong等[25]改進(jìn)的ARPS-3DVAR云分析模塊進(jìn)行雙偏振雷達(dá)資料同化試驗(yàn)，通過2017年第13號(hào)臺(tái)風(fēng)天鴿個(gè)例考察同化雙偏振雷達(dá)資料對(duì)臺(tái)風(fēng)降雨模擬的影響。

1 雙偏振雷達(dá)資料同化方案簡(jiǎn)介

1.1 雙偏振雷達(dá)資料質(zhì)量控制方案

雷達(dá)回波觀測(cè)中包含著大量電磁干擾、鳥類昆蟲、地物、波在特定溫濕環(huán)境的異常傳播等引起[26]的非氣象回波，如果不將這些非氣象回波識(shí)別并剔除將嚴(yán)重影響資料同化的準(zhǔn)確性。本試驗(yàn)采用王洪等[27]基于廣東省S波段雙偏振雷達(dá)網(wǎng)研發(fā)建立的面向資料同化的雙偏振雷達(dá)質(zhì)量控制方案。該方案包含非標(biāo)準(zhǔn)遮擋去除、水凝物分類篩選、偏振量閾值檢查、雜波剔除和平滑等五個(gè)質(zhì)量控制步驟。

1）非標(biāo)準(zhǔn)遮擋去除。由樹木或其他人造物體（建筑物、通信塔等）帶來的波束遮擋稱為非標(biāo)準(zhǔn)遮擋（NSB）。若雷達(dá)存在NSB，則會(huì)在PPI和其他相關(guān)產(chǎn)品中出現(xiàn)徑向不連續(xù)。通過累計(jì)一段時(shí)間內(nèi)反射率因子，找到雷達(dá)切向的梯度不連續(xù)區(qū)，建立NSB靜態(tài)文件（需要定期更新）作為識(shí)別NSB的依據(jù)。NSB方位角小于5°，則通過線性插值補(bǔ)齊；若NSB方位角在5～180°，則將相應(yīng)偏振量設(shè)為缺??；若NSB方位角大于180°，則舍棄該仰角資料。

2）水凝物分類篩選。為了識(shí)別并剔除非氣象回波， 本方案引入了Park等[5]基于模糊邏輯建立的水凝物分類算法（HCA），并利用Wu等[28]基于珠海雙偏振雷達(dá)資料研究結(jié)果更新相關(guān)隸屬函數(shù)閾值和加入數(shù)值模式背景場(chǎng)溫度（用于確定融化層頂?shù)母叨龋┑冗M(jìn)行本地化應(yīng)用。HCA算法將雷達(dá)回波劃分為10類：地物雜波（GC/AP）、生物回波（BS）、干雪（DS）、濕雪（WS）、冰晶（CR）、霰（GR）、“大滴”（BD）、小雨和中雨（RA）、大雨（HR）和雨-雹混合物（RH）。BD是指其粒子譜分布趨于大粒子端的回波。首先利用隸屬函數(shù)計(jì)算水平反射率因子（Zh）、差分反射率（ZDR）、差傳播相移率（KDP）、零滯后互相關(guān)系數(shù)（ρHV）、Zh標(biāo)準(zhǔn)差和差分相位(φDP)的標(biāo)準(zhǔn)差在各回波類型內(nèi)的概率，然后將概率值做加權(quán)求和，得到每個(gè)回波類型的集合概率值；再根據(jù)經(jīng)驗(yàn)和模式溫度抑制不合理類型的概率；最后將集合概率最大對(duì)應(yīng)的類型作為該庫的回波類型，并剔除被識(shí)別為GC/AP或BS的觀測(cè)。

3）偏振閾值檢查。根據(jù)已有的研究和經(jīng)驗(yàn)，對(duì)雙偏振觀測(cè)資料進(jìn)行閾值檢查，剔除不可信的觀測(cè)資料。包括當(dāng)ρHV＞1.0或者ρHV＜0.8或者信噪比SNR小于10 dB時(shí)，剔除對(duì)應(yīng)庫的偏振觀測(cè)資料；當(dāng)KDP＜0.01°/km時(shí)，剔除相應(yīng)庫的KDP。

4）雜波剔除?；诔Ｒ?guī)多普勒雷達(dá)資料處理經(jīng)驗(yàn)，定義在臨近9個(gè)庫內(nèi)，該偏振觀測(cè)的有效庫數(shù)少于3個(gè)，則該點(diǎn)為孤立回波點(diǎn)（即雜波），將雜波點(diǎn)對(duì)應(yīng)的偏振觀測(cè)設(shè)為缺省值。

5）平滑。目前廣東省偏振雷達(dá)距離庫分辨率為250 m，較模式分辨率高出許多。因而有必要對(duì)偏振觀測(cè)做濾波處理，以保證觀測(cè)和模式分辨率相互匹配。平衡包括九點(diǎn)中值濾波和九點(diǎn)徑向?yàn)V波。

在進(jìn)行資料同化前，每部雙偏振雷達(dá)觀測(cè)資料都分別經(jīng)過上述資料質(zhì)量控制步驟后才進(jìn)入資料同化的環(huán)節(jié)。圖1給出2017年5月8日10時(shí)（北京時(shí)，下同）廣州雙偏振雷達(dá)量0.48°仰角通過質(zhì)量控制前后偏振量分布對(duì)比，可以看出質(zhì)量控制方案能有效去除非標(biāo)準(zhǔn)遮擋和剔除非氣象回波。

圖1 2017年5月8日10時(shí)廣州雙偏振雷達(dá)量0.48°仰角質(zhì)量控制前（a）和后（b）偏振量分布 Fig. 1 Measurements before (a) and after (b) quality control for Guangzhou polarimetric radar of 0.48° elevation at 10:00 8 May 2017

1.2 雙偏振雷達(dá)資料同化方案

本文使用Tong[25]改進(jìn)的ARPS 云分析模塊來實(shí)現(xiàn)雙偏振雷達(dá)資料的同化。傳統(tǒng)的ARPS云分析采用的是基于常規(guī)多普勒雷達(dá)的相對(duì)較簡(jiǎn)單的雷達(dá)反射率因子與水凝物混合比的關(guān)系公式，水凝物類別由反射率因子和環(huán)境氣溫確定，同一個(gè)格點(diǎn)只允許一種水凝物存在（這顯然與真實(shí)云內(nèi)情況不同），由Zh反演出Qx（如雨水Qr、雪Qs、冰雹Qh）。

改進(jìn)的云分析模塊結(jié)合Jung等[29]的基于T-matrix方法的雷達(dá)算子以及P a r k 等[5]水凝物分類算法（HCA）實(shí)現(xiàn)。首先利用HCA算法對(duì)回波進(jìn)行分類識(shí)別。這里跟質(zhì)量控制步驟不同的，由于雙偏振雷達(dá)資料已經(jīng)經(jīng)過質(zhì)量控制，只使用Zh、ZDR、KDP和ρHV和背景場(chǎng)氣溫進(jìn)行識(shí)別，并且不再對(duì)地物雜波和生物回波類型計(jì)算。通過HCA算法獲得各類氣象回波集合概率值后，將其中8個(gè)氣象回波類別歸為三個(gè)主要水凝物種類：雨（BD、RA、HR）、雪（DS、WS、CR）、雹/霰（GR、RH），將每種水凝物中的最大集合概率值作為該種類所占份額，即在一個(gè)格點(diǎn)上允許不同的水凝物共存。由于雙偏振雷達(dá)觀測(cè)到的反射率為雨、雪、雹/霰分別貢獻(xiàn)的反射率之和，因此可以根據(jù)基于T-matrix的雷達(dá)算子、三種水凝物所占相應(yīng)份額和觀測(cè)的反射率分別分析出各水凝物混合比。

除了上述提到的改進(jìn)外，改進(jìn)的云分析模塊還新增加了融冰模式，冰相粒子落入零度層以下后不是立即全部融化，而是由密度控制融化快慢，從而允許水與冰共存。值得指出的是，為了實(shí)現(xiàn)高效快速同化，模塊對(duì)大粒子如冰雹采用了瑞利散射近似。對(duì)S波段雷達(dá)來說，直徑超過1 cm的冰雹的非瑞利散射效應(yīng)已經(jīng)較明顯了[29]，因此改進(jìn)后的云分析模塊僅適用于波長(zhǎng)較長(zhǎng)的氣象雷達(dá)（如S波段雷達(dá)）。

2 試驗(yàn)設(shè)計(jì)

為了考察雷達(dá)偏振量同化對(duì)數(shù)值模擬的影響，設(shè)計(jì)了兩個(gè)試驗(yàn)DP和nDP，DP試驗(yàn)是利用ARPS三維變分和新修改后的云分析模塊同化雷達(dá)徑向風(fēng)、水平反射率、差分反射率、差傳播相移率、相關(guān)系數(shù)，nDP試驗(yàn)則只同化雷達(dá)徑向風(fēng)和水平反射率。

試驗(yàn)個(gè)例選取2017年第13號(hào)臺(tái)風(fēng)天鴿個(gè)例，起報(bào)時(shí)間為2017年8月23日14時(shí)（即臺(tái)風(fēng)登陸后1 h左右），模擬時(shí)長(zhǎng)6 h。背景場(chǎng)采用ECMWF的0.125分辨率的2017年8月23日00時(shí)起報(bào)的預(yù)報(bào)場(chǎng)。數(shù)值模式采用WRF-ARW 3.5.1版本，模式水平分辨率為4 km，水平格點(diǎn)為420×360，垂直層數(shù)為50，模式區(qū)域?yàn)椋?03.20°-120.84°E，17.27°-30.56°N）；微物理方案采用新Thompson方案，邊界層方案采用MYJ方案，陸面方案采用Noah方案。參與同化的雷達(dá)資料為廣州、清遠(yuǎn)、韶關(guān)和陽江等4部S波段雙偏振雷達(dá)在2017年8月23日13時(shí)54分觀測(cè)。圖2給出 2017年8月23日13時(shí)54分由這4部雙偏振雷達(dá)觀測(cè)經(jīng)過質(zhì)控程序處理后插值到4 km分辨率網(wǎng)格的組合反射率拼圖，紅點(diǎn)表示雷達(dá)位置。

3 試驗(yàn)結(jié)果分析

3.1 初始場(chǎng)

首先比較DP試驗(yàn)和nDP的分析場(chǎng)差異。圖3是兩個(gè)試驗(yàn)分析的垂直氣柱累計(jì)冰相水量（包括冰雹、雪、冰）以及垂直氣柱累計(jì)總凝水量（包括冰雹、雪、冰、云水、雨水、軟雹）?？梢钥吹絻烧叻植夹螒B(tài)非常相近，但是大小有顯著區(qū)別。DP試驗(yàn)分析的垂直氣柱累計(jì)冰相含量最大值1.09 kg/m2，明顯小于nDP試驗(yàn)的2.10 kg/m2；DP試驗(yàn)分析的垂直氣柱累計(jì)總凝水量比nDP試驗(yàn)小一個(gè)量級(jí)，DP試驗(yàn)最大只有1.82 kg/m2，nDP試驗(yàn)則達(dá)到15.5 kg/m2。圖4是沿臺(tái)風(fēng)中心南北向剖面上的初始冰雹、雨、雪混合比分布。一個(gè)顯著差別是該剖面上nDP無雹分布而DP試驗(yàn)則存在著雹分布，這是由于該例觀測(cè)到水平反射率因子基本未超過50 dBz（圖2）沒有達(dá)到原云分析方案出現(xiàn)雹的標(biāo)準(zhǔn)，新云分析方法（DP）允許不同水凝物類別甚至融冰共存，基于HCA算法獲得與對(duì)流活躍區(qū)域?qū)?yīng)的雹（也包括小的霰粒）的分布。另一個(gè)較顯著差別是DP同化分析得到雨混合比要比nDP的小約一個(gè)量級(jí)，其原因是前者允許不同水凝物類別共存，同時(shí)DP同化分析采用到的融冰模式計(jì)入了融化水物質(zhì)（濕雪、濕雹）對(duì)反射率因子的貢獻(xiàn)，而這種貢獻(xiàn)是隱形的，并不體現(xiàn)為額外的水凝物混合比[25]。

圖2 2017年8月23日13時(shí)54分組合反射率（紅點(diǎn)表示雙偏振雷達(dá)站位置：QY表示清遠(yuǎn)雷達(dá)，SG表示韶關(guān)雷達(dá)，YJ表示陽江雷達(dá)，GZ表示廣州雷達(dá)） Fig. 2 The composite reflectivity at 13:54 BT on 23 August 2017(The red dots represented the position of the dualpolarization radar stations, where QY, SG, YJ and GZ refers to radar of Qingyuan, Shaoguan, Yangjiang and Guangzhou respectively)

雙偏振雷達(dá)資料的同化對(duì)初始水汽也產(chǎn)生了較大的影響。圖5給出兩個(gè)試驗(yàn)分析的700 hPa水汽混合比分布，可以看出兩者差別主要出現(xiàn)在廣東省以及沿海即雷達(dá)資料覆蓋的范圍。DP分析的水汽混合比小于nDP試驗(yàn)，且有干舌從臺(tái)風(fēng)東北側(cè)經(jīng)西北氣旋性伸入臺(tái)風(fēng)東南側(cè)，使得臺(tái)風(fēng)濕區(qū)范圍顯著減小。

圖3 2017年8月23日14時(shí)同化分析的垂直氣柱累計(jì)冰相水量（a，b），垂直氣柱累計(jì)總凝水量 (c，d)，其中a、c為nDP，b、d為DP Fig. 3 Fig.3 The vertical column accumulated water amount of ice phase (a, b), and the vertical column accumulated total water amount of condensation (c, d) at 14:00 on 23 August 2017, a and c for nDP, b and d for DP

圖4 2017年8月23日14時(shí)雷達(dá)同化分析的雹（a，b）、雨（c，d）、雪（e，f）沿臺(tái)風(fēng)中心南北向剖面分布：左列為nDP，右列為DP Fig. 4 Mixing ratio (g/kg) analyses for hydrometeor along the north-south cross section of the typhoon center at 14:00 BT on 23 August 2017: hail (a, b), rain (c, d) and snow (e, f): nDP(left), DP(right)

3.2 對(duì)臺(tái)風(fēng)降雨模擬影響分析

圖6給出了兩個(gè)試驗(yàn)?zāi)M23日20時(shí)的6 h累計(jì)雨量和對(duì)應(yīng)的降雨觀測(cè)資料。降雨觀測(cè)資料是由中國(guó)國(guó)家氣象信息中心基于“計(jì)雨量（概率密度函數(shù)）+BMA（貝葉斯模式平均）+OI（最優(yōu)插值）”方法研制的中國(guó)區(qū)域地面自動(dòng)站、衛(wèi)星、雷達(dá)三源降雨融合數(shù)據(jù)產(chǎn)品（格點(diǎn)分辨率為0.05°）[30-32]。

從圖6可以看出，DP試驗(yàn)?zāi)M的23日20時(shí)6 h累計(jì)雨量最大值達(dá)到238.1mm比nDP的195.7 mm更接近觀測(cè)的237.3 mm，同時(shí)DP模擬的強(qiáng)降雨范圍小于nDP，避免了雷州半島和廣東沿海地區(qū)強(qiáng)降雨空?qǐng)?bào)。nDP和DP試驗(yàn)?zāi)M降雨差異可能跟同化分析引起的水汽差異有較大關(guān)系， 水汽混合比和干舌存在可能是DP試驗(yàn)?zāi)M廣東沿海降雨較弱的原因，由同化分析引起的水汽混合比差異可以持續(xù)到第6 h。

圖5 2017年8月23日14時(shí)雷達(dá)同化分析結(jié)果：700 hPa水汽混合比（單位：g/kg）（a）nDP，（b）DP Fig. 5 700 hPa water-vapor mixing ratio (g/kg) analyses at 14:00 BT on 23 August 2017: nDP (a), DP (b)

圖6 2017年8月23日20時(shí)的6 h累計(jì)降雨量（單位：mm）（a）融合觀測(cè)降水，（b）nDP，（c）DP Fig. 6 6 h precipitation (unit: mm) at 20:00 BT on 23 August 2017(a) merge precipitation, (b) nDP, (c) DP

為了定量評(píng)價(jià)偏振量同化對(duì)這次臺(tái)風(fēng)降雨模擬影響，利用降雨融合資料對(duì)（108.73—118.19°E，19.80—26.279°N）范圍內(nèi)6 h累計(jì)降雨模擬進(jìn)行ETS評(píng)分和偏差檢驗(yàn)（圖7）。DP試驗(yàn)的小雨、中雨和大暴雨的ETS評(píng)分雖然低于nDP試驗(yàn)，但是大雨和暴雨的ETS評(píng)分高于nDP試驗(yàn)，且DP試驗(yàn)的降雨模擬偏差更接近1，而nDP對(duì)中雨以上量級(jí)降雨模擬的偏差普遍都大于1.5，這說明nDP試驗(yàn)?zāi)M（強(qiáng)）降雨范圍明顯偏大。綜合來看偏振量同化對(duì)強(qiáng)降雨的臨近預(yù)報(bào)有一定正影響。案和改進(jìn)的ARPS云分析模塊實(shí)現(xiàn)了雷達(dá)偏振量包括差分反射率（ZDR）、差傳播相移率（KDP）、相關(guān)系數(shù)（ρHV）的同化，并利用廣東省廣州、陽江、清遠(yuǎn)和韶關(guān)4部S波段雙偏振雷達(dá)資料對(duì)2017年第13號(hào)臺(tái)風(fēng)天鴿個(gè)例進(jìn)行了雷達(dá)偏振量同化試驗(yàn)，獲得以下結(jié)論：

1）雙偏振雷達(dá)資料質(zhì)量方案包含非標(biāo)準(zhǔn)遮擋去除、水凝物分類篩選、閾值檢查、雜波剔除和平滑等五個(gè)質(zhì)量控制步驟，能有效去除非標(biāo)準(zhǔn)阻塞和剔除非氣象回波。

2）改進(jìn)的ARPS云分析模塊能有效地同化雷達(dá)偏振量。在這次臺(tái)風(fēng)個(gè)例中，偏振量同化使得初始場(chǎng)的雨水混合比顯著減小、雹混合比增加，垂直氣柱累計(jì)總凝水量顯著變小，同時(shí)低層的水汽混合比變小，臺(tái)風(fēng)外圍出現(xiàn)明顯干舌（干區(qū)）。

3）雷達(dá)偏振量資料同化對(duì)這次臺(tái)風(fēng)強(qiáng)降雨短時(shí)預(yù)報(bào)有一定正影響。由于初始場(chǎng)中水汽混合比減小以及臺(tái)風(fēng)外圍出現(xiàn)的干舌，在0～6 h內(nèi)，DP試驗(yàn)預(yù)報(bào)的強(qiáng)降雨范圍明顯縮小，減少了nDP試驗(yàn)中強(qiáng)降雨空?qǐng)?bào)

4 小結(jié)

本文利用面向資料同化的雙偏振雷達(dá)質(zhì)量控制方現(xiàn)象，因此DP試驗(yàn)對(duì)大雨和暴雨模擬要優(yōu)于不同化偏振量的nDP試驗(yàn)。

實(shí)際上，正如孫娟珍等[20]指出那樣，雙偏振雷達(dá)資料同化研究正在處于起步階段，有許多問題需要解決進(jìn)一步解決，雙偏振雷達(dá)資料同化對(duì)中尺度數(shù)值模擬或預(yù)報(bào)的影響也需要更多研究和個(gè)例驗(yàn)證。

圖7 2017年8月23日20時(shí) 6 h累計(jì)雨量模擬的ETS評(píng)分（a）和偏差（b） Fig. 7 ETS score (a) and BIAS (b) of 6 h precipit ation simulation at 20:00 BT on 23 August 2017