面向CRA的中國風(fēng)廓線雷達(dá)小時(shí)產(chǎn)品質(zhì)量控制算法與評估*

王蕙瑩 周自江 廖 捷 遠(yuǎn) 芳 劉雨佳

國家氣象信息中心，北京 100081

提 要：面向中國第一代全球大氣/陸面再分析產(chǎn)品(CRA)的應(yīng)用需求，針對中國風(fēng)廓線雷達(dá)小時(shí)產(chǎn)品資料特點(diǎn)，在美國NCEP風(fēng)廓線綜合質(zhì)量控制方法的基礎(chǔ)上，提出一套適用于中國風(fēng)廓線雷達(dá)逐小時(shí)水平風(fēng)產(chǎn)品的質(zhì)量控制方法。通過對比質(zhì)量控制前后風(fēng)廓線雷達(dá)資料與探空資料的相關(guān)系數(shù)、平均偏差及均方根誤差，證明了質(zhì)量控制方案的有效性。以ERA-Interim資料作為間接參考場，通過比較探空資料與不同型號、不同探測高度范圍、不同觀測時(shí)段、不同垂直層次風(fēng)廓線雷達(dá)資料相對ERA-Interim再分析資料的偏差，分析了質(zhì)量控制前后中國風(fēng)廓線雷達(dá)資料的整體質(zhì)量。結(jié)果表明，經(jīng)該算法質(zhì)量控制后，風(fēng)廓線雷達(dá)與探空風(fēng)場表現(xiàn)出了更好的一致性。不同雷達(dá)型號、不同探測高度資料的相關(guān)系數(shù)從0.17～0.82上升至0.79～0.98。在相對ERA-Interim與探空資料的偏差方面，質(zhì)量控制后，除邊界層風(fēng)廓線雷達(dá)的u風(fēng)分量在300 hPa以上仍有5 m·s-1左右的偏差外，其他型號雷達(dá)的u、v風(fēng)分量在各垂直層的平均偏差均在3 m·s-1以內(nèi)，證明質(zhì)量控制算法具有識別高層粗大誤差數(shù)據(jù)的能力，能夠使最大探測高度以上的數(shù)據(jù)得到有效利用。

引 言

再分析產(chǎn)品由于時(shí)空分辨率高、資料時(shí)間長且融合多種氣象觀測資料，能夠很好地彌補(bǔ)觀測資料匱乏和時(shí)空不均等問題，在氣候變化分析及監(jiān)測、衡量建模和同化發(fā)展能力、評估觀測系統(tǒng)變化影響等方面具有廣泛應(yīng)用。國際第一代產(chǎn)品包括ERA-15(Gibson et al,1999)、NCEP/NCAR(Kalnay et al,1996)和NASA/DAO(Data Assimilation Office;Schubert et al,1995)，第二代產(chǎn)品包括NCEP/DOE(Department of Energy;Kanamitsu et al,2002)、ERA-40(Uppala et al, 2005)和JRA-25(Onogi et al,2007)，第三代產(chǎn)品包括ERA-Interim(Dee et al,2011)、CFSR(climate forecast system reanalysis;Saha et al,2014)、MERRA(modern era retrospective-analysis for research and applications;Rienecker et al,2011)和JRA-55(Kobayashi et al,2015)。目前，國際上發(fā)布的最新一代的再分析產(chǎn)品為ERA5(Hersbach et al,2020)。再分析產(chǎn)品研制涉及氣象觀測資料處理、數(shù)值預(yù)報(bào)模式及同化技術(shù)等多個方面。在開展再分析產(chǎn)品研制的過程中，首要任務(wù)是研發(fā)一套滿足再分析應(yīng)用需求的高質(zhì)量的觀測數(shù)據(jù)集。

風(fēng)廓線雷達(dá)資料時(shí)空分辨率較高，探測周期不超過6 min，垂直分辨率為幾十米到幾百米，具有反演風(fēng)場信息準(zhǔn)確、數(shù)據(jù)連續(xù)性好等特點(diǎn)，被認(rèn)為是常規(guī)探空之外高空風(fēng)資料的最直接來源(Beran and Wilfong,1998；董麗萍等，2014)。另一方面，歐洲、美國、日本、澳大利亞、中國等多個國家和地區(qū)的大量研究表明，高分辨率的風(fēng)廓線雷達(dá)資料更精細(xì)地刻畫了強(qiáng)對流天氣過程(黃鈺等，2020；黃小彥等，2020；王葉紅等，2019；潘勁松等，2019；徐珺等，2018)，為數(shù)值預(yù)報(bào)系統(tǒng)提供了更加豐富的局地中、小尺度信息的初始場，可明顯改善數(shù)值天氣預(yù)報(bào)的準(zhǔn)確率，尤其對短時(shí)臨近預(yù)報(bào)效果具有正貢獻(xiàn)(Kuo et al,1987；Bouttier,2001；WMO,2012；Bronwyn et al,2016)。

2013年，國家氣象信息中心牽頭啟動了中國第一代全球大氣/陸面再分析產(chǎn)品(簡稱CRA，1979年至今)的研制，其特色之一是盡可能使用國際已發(fā)布再分析產(chǎn)品未同化的中國特有觀測資料，其中包括中國風(fēng)廓線雷達(dá)資料(廖捷等，2018)。近年來，我國不斷推進(jìn)風(fēng)廓線雷達(dá)觀測網(wǎng)的建設(shè)，并規(guī)劃建成布局科學(xué)、功能先進(jìn)的風(fēng)廓線雷達(dá)網(wǎng)。目前，完成建設(shè)的風(fēng)廓線雷達(dá)近百部，70余部已投入業(yè)務(wù)運(yùn)行，尤其在華北、華東、華南等地區(qū)已經(jīng)初步形成了相對密集的風(fēng)廓線雷達(dá)網(wǎng)，可以獲取短波波動等天氣系統(tǒng)連續(xù)詳實(shí)的風(fēng)場變化。但是，一方面，由于我國氣象部門早期沒有對風(fēng)廓線雷達(dá)資料進(jìn)行傳輸及質(zhì)量考核，缺報(bào)漏報(bào)、數(shù)據(jù)格式不符合規(guī)范等現(xiàn)象時(shí)有發(fā)生，加之風(fēng)廓線雷達(dá)型號及生產(chǎn)廠家不盡相同，雷達(dá)探測系統(tǒng)參數(shù)設(shè)計(jì)、計(jì)算方法不一致，致使不同型號風(fēng)廓線雷達(dá)資料時(shí)空代表性差異較大。另一方面，廠家提供的產(chǎn)品級數(shù)據(jù)簡單地將可信度標(biāo)記為百分之百可信和零可信，處理方式較為籠統(tǒng)，影響數(shù)據(jù)的使用效果(朱立娟，2015)。因此，在將我國風(fēng)廓線雷達(dá)歷史資料提供給CRA應(yīng)用之前，最急需解決的就是該資料的質(zhì)量控制問題。

在面向同化應(yīng)用的風(fēng)廓線雷達(dá)資料質(zhì)量控制技術(shù)方面，國內(nèi)學(xué)者積累了大量的研究工作。張旭斌等(2015)利用經(jīng)驗(yàn)正交函數(shù)法(EOF)對廣東地區(qū)13部風(fēng)廓線雷達(dá)資料進(jìn)行了質(zhì)量控制，并將其應(yīng)用于華南區(qū)域預(yù)報(bào)模式，證明了風(fēng)廓線雷達(dá)資料使短期降水預(yù)報(bào)有明顯改善。王丹等(2019)從風(fēng)廓線雷達(dá)徑向速度資料入手，經(jīng)兩步質(zhì)量控制方案之后，開展了風(fēng)廓線雷達(dá)資料在臺風(fēng)蓮花個例中的同化試驗(yàn)。結(jié)果表明，同化風(fēng)廓線雷達(dá)資料能有效地調(diào)整臺風(fēng)降水區(qū)的動力結(jié)構(gòu)和水汽分布，從而更好地預(yù)報(bào)降水的位置及強(qiáng)度。余貞壽等(2018)采用氣候極值檢查、一致性檢查、垂直稀疏化等算法對中國東部地區(qū)35部風(fēng)廓線雷達(dá)資料實(shí)施質(zhì)量控制，并基于中尺度模式(WRF)和美國俄克拉何馬大學(xué)風(fēng)暴分析預(yù)測中心的資料同化系統(tǒng)開展了風(fēng)廓線雷達(dá)資料的同化試驗(yàn)。分析顯示同化風(fēng)廓線雷達(dá)資料后，浙江地區(qū)小雨和大雨的TS評分分別提高了0.06和0.07，降水預(yù)報(bào)漏報(bào)率和空報(bào)率分別降低了0.04和0.05。但是，以上工作多為小范圍區(qū)域的站網(wǎng)個例試驗(yàn)，針對全國站網(wǎng)及早期歷史資料的質(zhì)量控制技術(shù)幾乎空白。

在國外，面向再分析產(chǎn)品應(yīng)用的質(zhì)量控制技術(shù)早已業(yè)務(wù)應(yīng)用，并發(fā)展成熟。日本在研制JRA-25及JRA-55再分析產(chǎn)品時(shí)，采用的風(fēng)廓線資料的質(zhì)量控制算法主要包括氣候檢查、粗大誤差檢查、空間一致性檢查以及黑名單。其中，粗大誤差檢查及空間一致性檢查采用動態(tài)閾值參數(shù)，該參數(shù)的大小取決于局部水平梯度和背景場的變化趨勢。整套算法與日本氣象局業(yè)務(wù)使用的算法基本一致(Onogi et al,2007)。美國CFSR在同化應(yīng)用前采用NCEP觀測數(shù)據(jù)質(zhì)量控制軟件對多類常規(guī)資料進(jìn)行質(zhì)量控制(Saha et al,2014)。其中，風(fēng)廓線雷達(dá)資料采用的是綜合質(zhì)量控制算法(NCEP CQC)。該算法的核心思想是通過比較觀測值與背景場的差異來判斷風(fēng)場變化的一致性，從而進(jìn)行錯誤數(shù)據(jù)的識別。主要包括增量檢查、時(shí)間一致性檢查、垂直一致性檢查及中值檢查等四步基本檢查，最后通過四步檢查得到的殘差綜合判斷風(fēng)場的可信性，并給出質(zhì)量控制碼(Dennis,2003)。

同樣是面向再分析的應(yīng)用需求，同樣是對風(fēng)廓線資料進(jìn)行質(zhì)量控制，能否利用NCEP CQC算法對我國的風(fēng)廓線雷達(dá)資料進(jìn)行質(zhì)量控制？該算法能否全部覆蓋中國風(fēng)廓線資料的錯誤類型？算法能否滿足CRA的同化應(yīng)用需求？為了回答這些問題，本文面向CRA的同化應(yīng)用需求，以重點(diǎn)解決中國風(fēng)廓線雷達(dá)資料的質(zhì)量控制為目的，針對中國風(fēng)廓線雷達(dá)資料的錯誤類型，在NCEP CQC算法的基礎(chǔ)上，提出了一套適用于中國風(fēng)廓線雷達(dá)逐小時(shí)水平風(fēng)產(chǎn)品的質(zhì)量控制方法，并通過評估與探空資料的相關(guān)系數(shù)、平均偏差、均方根誤差等，分析了該質(zhì)量控制算法的效果。此外，以ERA-Interim資料為間接參考場，通過比較探空資料與不同型號、不同探測高度、不同時(shí)段風(fēng)廓線雷達(dá)資料相對ERA-Interim資料的偏差，討論了質(zhì)量控制前、后中國風(fēng)廓線雷達(dá)資料的整體質(zhì)量水平。

1 數(shù) 據(jù)

若將時(shí)間分辨率較高、包含高頻脈動變化的風(fēng)場資料直接接入同化系統(tǒng)，很可能造成較大的分析誤差。NCEP、ECMWF等機(jī)構(gòu)在業(yè)務(wù)中均同化一小時(shí)分辨率的風(fēng)廓線雷達(dá)水平風(fēng)。因此，本文也采用一小時(shí)平均采樣高度上的產(chǎn)品文件作為輸入源。數(shù)據(jù)來源于國家氣象信息中心，時(shí)間序列長度為2007年8月至2018年12月。在該時(shí)段內(nèi)，收到觀測數(shù)據(jù)的臺站共計(jì)112個，包括邊界層風(fēng)廓線雷達(dá)(簡稱LC型)106個，對流層I型風(fēng)廓線雷達(dá)(簡稱PA型)3個，對流層II型風(fēng)廓線雷達(dá)(簡稱PB型)3個，臺站空間分布如圖1所示。在數(shù)據(jù)收集整理過程中發(fā)現(xiàn)，2016年以前，尤其在2009—2013年，多站出現(xiàn)了一小時(shí)內(nèi)上傳多個冗余文件的現(xiàn)象。在數(shù)據(jù)選用時(shí)，只選用離整點(diǎn)時(shí)間最近的一次文件。

圖1 2007年8月至2017年12月中國風(fēng)廓線雷達(dá)站點(diǎn)分布(紅色：LC型；綠色：PA型；藍(lán)色：PB型)

2 質(zhì)量控制方法

首先，利用中國風(fēng)廓線雷達(dá)資料對NCEP CQC算法的適用性進(jìn)行評估。在算法實(shí)施過程中，用于輔助算法綜合決策的背景場選用NECP FNL資料(NCEP,1999)。該資料分辨率為1°×1°，時(shí)間間隔為6 h，共有26個標(biāo)準(zhǔn)等壓層(1 000～10 hPa)、地表邊界層和對流層頂?shù)男畔?，文件頻率為每6小時(shí)(00、06、12、18 UTC)一次。在數(shù)據(jù)時(shí)空匹配處理時(shí)，利用雙線性插值法進(jìn)行插值。評估中發(fā)現(xiàn)，NCEP CQC算法不能完全覆蓋中國風(fēng)廓線雷達(dá)資料的所有錯誤類型，尤其對兩類錯誤數(shù)據(jù)的識別能力欠缺。第一類是在時(shí)間或空間上連續(xù)出現(xiàn)的異常值。第二類是由于個別站點(diǎn)在某時(shí)段內(nèi)因儀器故障、失靈、定標(biāo)不準(zhǔn)等而導(dǎo)致持續(xù)出現(xiàn)的系統(tǒng)性錯誤數(shù)據(jù)。因此，在NCEP CQC算法之前增加允許值檢查、臺站氣候?qū)W界限值檢查來識別第一類錯誤數(shù)據(jù)，在其后增加黑名單檢查來識別第二類錯誤數(shù)據(jù)。改進(jìn)后的算法被稱為“國家氣象信息中心質(zhì)量控制算法”(簡稱NMIC QC)，流程如圖2所示。

圖2 改進(jìn)后的質(zhì)量控制算法(NMIC QC)流程

NMIC QC的風(fēng)速允許值范圍來自國家氣象信息中心業(yè)務(wù)應(yīng)用的全球高空天氣報(bào)質(zhì)量控制方案，根據(jù)觀測位置的拔海高度，將風(fēng)速的允許值范圍分為五個等級(表1)。風(fēng)向的允許值范圍均為0°～360°。

表1 風(fēng)速允許值范圍

臺站氣候?qū)W界限值檢查主要判別的是超出氣候?qū)W有效值范圍的風(fēng)場數(shù)據(jù)。由于我國開始風(fēng)廓線雷達(dá)觀測的時(shí)間不長，大部分臺站數(shù)據(jù)的時(shí)間序列長度還不能滿足統(tǒng)計(jì)分析氣候?qū)W界限值的條件。因此，采用距待檢風(fēng)廓線雷達(dá)站200 km以內(nèi)最近的L波段秒級探空臺站的氣候?qū)W界限值參數(shù)作為該站的氣候?qū)W界限值。該界限值利用近10年的質(zhì)量控制后的L波段秒級資料統(tǒng)計(jì)而來。在風(fēng)廓線雷達(dá)有效探測范圍內(nèi)，按照42個垂直厚度層提供參數(shù)。其中，700 hPa以下每20 hPa為一層；700～300 hPa每40 hPa為一層；300～100 hPa每20 hPa為一層；100～50 hPa每10 hPa為一層。由于風(fēng)廓線雷達(dá)與L波段秒級探空資料的垂直坐標(biāo)單位不同，為了便于匹配，采用WMO推薦使用的標(biāo)準(zhǔn)大氣公式(ISO,1975)將風(fēng)廓線雷達(dá)的觀測高度轉(zhuǎn)換為氣壓。具體算法如下：

(1)

式中:p為氣壓，單位為hPa；H為采樣層的海拔高度，單位為m；g為重力加速度，為9.806 65 m·s-2。

由于統(tǒng)計(jì)學(xué)的質(zhì)量控制算法很難全部覆蓋第二類錯誤數(shù)據(jù)，ECMWF在業(yè)務(wù)系統(tǒng)中使用黑名單來解決此問題，并采用質(zhì)量控制后的錯誤率作為站點(diǎn)是否加入黑名單的判斷依據(jù)。本文沿用此方法，將每月單站錯誤率大于20%的站點(diǎn)加入黑名單。

3 質(zhì)量控制效果評估

3.1 按雷達(dá)型號與最大探測高度范圍評估

國家氣象信息中心研制的全球高空定時(shí)值數(shù)據(jù)集(V3.0)整合了全球多個數(shù)據(jù)來源的探空報(bào)文數(shù)據(jù)，其中包含了1950年以來中國近260個綜合探空站、單測風(fēng)站、科學(xué)試驗(yàn)站等的規(guī)定等壓面風(fēng)、特性層風(fēng)及規(guī)定高度層風(fēng)資料。數(shù)據(jù)經(jīng)過了允許值檢查、臺站氣候?qū)W界限值檢查、風(fēng)向風(fēng)速間一致性檢查以及風(fēng)切變檢查等多個步驟的質(zhì)量控制(Liao et al,2014)，并對質(zhì)量控制結(jié)果進(jìn)行了人工核查，可信度較高。本文采用數(shù)據(jù)集中質(zhì)量控制碼為正確的規(guī)定高度層風(fēng)數(shù)據(jù)作為“真值”，來檢驗(yàn)上述質(zhì)量控制算法的有效性?？紤]到兩種資料在觀測時(shí)間、地點(diǎn)、垂直分辨率等方面的差異，本文只選取探空與風(fēng)廓線雷達(dá)的同址觀測站，且將時(shí)間00、12 UTC(個別包含探空06、18 UTC加密觀測)的資料作為評估樣本，并采用雙線性插值法將探空資料垂直插值到風(fēng)廓線雷達(dá)探測高度。早期，探空與風(fēng)廓線雷達(dá)的同址觀測站只有2～5個。2016年，兩類觀測的同址觀測站增至9個，分別為烏魯木齊、北京大興、沈陽、濟(jì)南、青島、武漢、南京、?？诩叭常涞乩砦恢每筛采w全國大部分地區(qū)，具有較好的代表性。在風(fēng)廓線雷達(dá)型號的基礎(chǔ)上，結(jié)合考慮雷達(dá)的最大探測高度(中國氣象局，2020；吳蕾等，2013)，將以上臺站分為PB型、增強(qiáng)LC型及LC型三類。其中，PB型的臺站為青島，最大探測高度為8 km。LC型的臺站為烏魯木齊、濟(jì)南及南京，最大探測高度為3 km。其他5個臺站均為增強(qiáng)LC型，最大探測高度為8 km。由于沒有匹配到與PA型風(fēng)廓線雷達(dá)同址觀測的探空站，因此，本節(jié)中暫不討論P(yáng)A型雷達(dá)的質(zhì)量控制效果。

圖3給出了2016年質(zhì)量控制前、經(jīng)NCEP CQC以及NMIC QC質(zhì)量控制后的三類中國風(fēng)廓線雷達(dá)資料與探空資料的u、v風(fēng)分量散點(diǎn)分布。其中，圖3a～3f、3g～3l、3m～3r分別對應(yīng)PB型、增強(qiáng)LC型及 LC型風(fēng)廓線雷達(dá)。藍(lán)色、黑色散點(diǎn)分別表示超出和未超出最大探測高度的數(shù)據(jù)。由圖6可以看出，質(zhì)量控制前的資料散點(diǎn)分布較為散亂，有明顯的離群資料，在零風(fēng)速附近存在不少偏差較大的點(diǎn)(圖3a、3g、3j、3m)，且分布在對角線以下的u風(fēng)分量散點(diǎn)數(shù)量偏多(圖3a、3g、3m)。經(jīng)過NCEP CQC質(zhì)量控制后，數(shù)據(jù)主要集中在對角線兩側(cè)，但仍有一些離群點(diǎn)存在。經(jīng)NMIC QC質(zhì)量控制后，資料更集中于對角線分布，紡錘形特征明顯，整體質(zhì)量顯著提高。

圖3 2016年中國風(fēng)廓線雷達(dá)資料(下標(biāo)p)與探空資料(下標(biāo)s)的散點(diǎn)分布(a，d，g，j，m，p)質(zhì)量控制前，(b，e，h，k，n，q)NCEP CQC，(c，f，i，l，o,r)NMIC QC(a～f)PB型，(g～l)增強(qiáng)LC型，(m～r)LC型(藍(lán)色：超出最大探測高度數(shù)據(jù)，黑色：最大探測高度范圍內(nèi)數(shù)據(jù))

進(jìn)一步計(jì)算兩類觀測資料的相關(guān)系數(shù)、平均偏差及均方根誤差,可以看出(表2)，質(zhì)量控制前，不同探測高度范圍的增強(qiáng)LC型雷達(dá)的u、v風(fēng)分量與探空資料的相關(guān)系數(shù)為0.17～0.53，平均偏差為-15.64～-0.05 m·s-1，均方根誤差為26.58～8.03 m·s-1。經(jīng)NCEP CQC質(zhì)量控制后，相關(guān)系數(shù)提升至0.68～0.88，平均偏差范圍縮小為-4.45～-0.25 m·s-1，均方根誤差減小為10.26～4.11 m·s-1。經(jīng)NMIC QC質(zhì)量控制后相關(guān)系數(shù)進(jìn)一步提升為0.92～0.98，平均偏差范圍進(jìn)一步縮小為-1.03～0.15 m·s-1，均方根誤差也減小為3.29～2.51 m·s-1。PB型及普通LC型雷達(dá)資料的結(jié)果類似。這一結(jié)果與國內(nèi)其他學(xué)者的研究結(jié)論一致(王棟成等，2019；吳蕾等，2014)，證明了上述算法的有效性。

表2 2016年三類中國風(fēng)廓線雷達(dá)相對探空測風(fēng)的相關(guān)系數(shù)、平均偏差及均方根誤差

根據(jù)風(fēng)廓線雷達(dá)探測原理，接收到的信號通常隨高度的增加而衰減，導(dǎo)致高層資料的誤差較大。因此，超出雷達(dá)最大探測范圍的資料可用性尤其值得關(guān)注。以u風(fēng)分量為例，質(zhì)量控制前，超出PB型和增強(qiáng)LC型雷達(dá)最大探測范圍的數(shù)據(jù)與探空資料的相關(guān)系數(shù)僅為0.18和0.17，平均偏差為-8.01和-15.64 m·s-1，均方根誤差為17.75和26.58 m·s-1。經(jīng)NMIC QC質(zhì)量控制后，相關(guān)系數(shù)上升至0.88和0.98，平均偏差減小為-3.13和-4.45 m·s-1，均方根誤差也減小為4.94和3.29 m·s-1。其中，PB型雷達(dá)資料質(zhì)量控制后的結(jié)果欠佳，與該型號樣本總量偏小有關(guān)。以上數(shù)據(jù)表明，采用NMIC QC算法，超出最大探測范圍數(shù)據(jù)的與探空雖有一定偏差，但制定合理的觀測誤差后，仍可提供用戶使用。從質(zhì)量控制前后的數(shù)據(jù)量變化可以看出，NMIC QC比NCEP CQC方法的數(shù)據(jù)剔除比例高，這主要是因?yàn)樵诓煌慕y(tǒng)計(jì)時(shí)段，三類雷達(dá)均有相應(yīng)的站點(diǎn)被加入了黑名單。

3.2 按觀測時(shí)間范圍評估

由于風(fēng)廓線雷達(dá)與探空資料的匹配站點(diǎn)有限，為了了解質(zhì)量控制后的中國風(fēng)廓線雷達(dá)資料的整體質(zhì)量水平，避免質(zhì)量較差的觀測數(shù)據(jù)對再分析同化應(yīng)用造成負(fù)面影響，同時(shí)，也為同化期間觀測誤差的設(shè)定提供依據(jù)，需要一套時(shí)間序列長、高質(zhì)量、高分辨率的資料進(jìn)行評估。再分析資料并不是觀測值，與觀測存在一定的偏差，但能夠反映長時(shí)間尺度上大氣的平均狀態(tài)，可以作為間接參考場。如果同一套再分析資料與同一區(qū)域的探空資料、風(fēng)廓線雷達(dá)資料的偏差相當(dāng)，可以間接證明風(fēng)廓線雷達(dá)與探空資料的偏差很小，質(zhì)量可信。如果再分析資料與探空資料的偏差很小，但與風(fēng)廓線雷達(dá)資料的偏差很大，可以反映出再分析資料相對可信，但風(fēng)廓線雷達(dá)資料的質(zhì)量存在一定問題。李慶雷等(2018)、張寅等(2017)和傲雪等(2018)研究表明,ERA-Interim再分析資料與中國風(fēng)場觀測資料的相關(guān)性較好，因此，本文選用該資料作為間接參考場，評估了中國探空資料和質(zhì)量控制前后的風(fēng)廓線雷達(dá)資料相對ERA-Interim再分析資料的逐月平均偏差及均方根誤差(圖4)。為了便于對比，利用GSI V3.6版同化系統(tǒng)(GSI，2017)將所有數(shù)據(jù)統(tǒng)一插值到模式層進(jìn)行分析。

從圖4a可以看出，中國探空資料與ERA-Interim資料的u風(fēng)分量月平均偏差一直穩(wěn)定在0 m·s-1附近，均方根誤差為3 m·s-1左右。2014年以后質(zhì)量控制前的風(fēng)廓線雷達(dá)資料與ERA-Interim資料的平均偏差及均方根誤差曲線平穩(wěn)，峰值出現(xiàn)在2016年2月及2017年1月，平均偏差為-2 m·s-1，與探空資料相差2 m·s-1，均方根誤差為8 m·s-1，與探空資料相差5 m·s-1。經(jīng)NMIC QC質(zhì)量控制后，兩次平均偏差高峰均降低至-1～0 m·s-1范圍內(nèi)，均方根誤差降至4 m·s-1以下。而2014年以前，質(zhì)量控制前的風(fēng)廓線雷達(dá)資料與ERA-Interim資料差異較大，平均偏差及均方根誤差數(shù)值存在較大波動，峰值出現(xiàn)在2010年12月，平均偏差達(dá)到-13 m·s-1，與探空資料相差13 m·s-1，均方根誤差達(dá)到32 m·s-1，與探空資料相差30 m·s-1。經(jīng)NMIC QC質(zhì)量控制后，2009年2月、2010年12月以及2012年2月的3次平均偏差高峰均縮減至±2 m·s-1范圍內(nèi)，均方根誤差降至5 m·s-1s以下，與2014年以后的質(zhì)量水平相當(dāng)，與探空資料的平均偏差及均方根誤差曲線更加接近。從數(shù)據(jù)量方面來看，相比2014年以后，2014年以前NMIC QC算法的剔除數(shù)據(jù)量更大。造成中國風(fēng)廓線雷達(dá)資料質(zhì)量在2014年前后的差異原因是早期歷史數(shù)據(jù)沒有進(jìn)行業(yè)務(wù)傳輸考核，質(zhì)量控制算法識別的錯誤類型在該段時(shí)間發(fā)生的概率較大，2014年以后，觀測業(yè)務(wù)逐步完善，錯誤數(shù)據(jù)量明顯減少，這也與我國風(fēng)廓線雷達(dá)觀測網(wǎng)的發(fā)展歷史相吻合。

圖4 2007—2017年中國探空資料和經(jīng)NMIC QC質(zhì)量控制前后的中國風(fēng)廓線資料的數(shù)量變化(a1，b1)及相對于ERA-Interim的月平均偏差(Bias,下同；a2，b2)及均方根誤差(RMSE，下同；a3，b3)(a)u風(fēng)分量，(b)v風(fēng)分量

3.3 按垂直層次評估

以2014年為例，進(jìn)一步對比探空資料與不同型號的風(fēng)廓線雷達(dá)資料在不同垂直層次上相對ERA-Interim的平均偏差(圖5)及均方根誤差(圖6)。從圖5a～5d可以看出，探空資料與ERA-Interim資料在各垂直層的偏差均在0 m·s-1附近。質(zhì)量控制以前，各類型風(fēng)廓線雷達(dá)相對探空的u風(fēng)分量整體呈負(fù)偏差，最大探測高度以上層次的平均偏差普遍大于最大探測高度以下層次。如：LC型雷達(dá)在200 hPa 以上層次的偏差明顯變大，100 hPa高度層的平均偏差達(dá)-31 m·s-1。經(jīng)NMIC QC質(zhì)量控制以后，各型號雷達(dá)在各層的平均偏差均不同程度的減少，與探空資料的垂直偏差曲線更加接近。其中，PA型雷達(dá)100 hPa以下及PB型、增強(qiáng)LC型雷達(dá)各層的平均偏差均縮減為-2～0 m·s-1，且曲線在最大探測高度以上及以下層次不再有較大波動。雖然，經(jīng)質(zhì)量控制以后，LC型雷達(dá)在300 hPa以上的平均偏差仍小于-5 m·s-1，但200 hPa以上的偏差較大數(shù)據(jù)已被全部剔除。從圖5e～5h可以看出，質(zhì)量控制以前，PA型和增強(qiáng)LC型雷達(dá)v風(fēng)分量的平均偏差在最大探測高度上、下差異不明顯，均在-1～3 m·s-1范圍內(nèi)。PB型雷達(dá)在700～300 hPa高度范圍與探空資料有3 m·s-1左右的偏差。LC型雷達(dá)在200 hPa以上層偏差較大，100 hPa的平均偏差已達(dá)到15 m·s-1。經(jīng)質(zhì)量控制以后，PB型雷達(dá)在925～300 hPa層次的偏差均減小約1 m·s-1，與探空資料的偏差曲線更加接近。LC型雷達(dá)200 hPa以上的偏差較大的數(shù)據(jù)已被全部剔除?？傮w上看，質(zhì)量控制以后的中國風(fēng)廓線雷達(dá)資料相對ERA-Interim資料在各層的平均偏差與探空資料的偏差曲線更加接近，最大探測高度以上及以下的資料偏差差異減小。

圖5 2014年質(zhì)量控制前(藍(lán)色虛線)與NMIC QC后(藍(lán)色實(shí)線)的不同型號風(fēng)廓線雷達(dá)資料與探空資料(紅線)相對ERA-Interim的平均偏差垂直空間分布(a～d)u風(fēng)分量，(e～h)v風(fēng)分量(a，e)PA型，(b，f)PB型,(c，g)增強(qiáng)LC型，(d，h)LC型(黑線為最大探測高度)

從圖6可以看出，均方根誤差曲線與相對偏差曲線的分布特征相似。探空的u風(fēng)分量相對ERA-Interim的均方根誤差為2～4 m·s-1。質(zhì)量控制以前，PA型雷達(dá)100 hPa以下各層的均方根誤差較探空資料相差2 m·s-1以內(nèi)。在最大探測高度以下，LC型雷達(dá)資料的均方根誤差與探空資料相差在1 m·s-1以內(nèi)，但200 hPa以上的均方根誤差突然增大，在100 hPa層，u風(fēng)分量的均方根誤差達(dá)到38 m·s-1。PB型和增強(qiáng)LC型雷達(dá)在最大探測高度附近的均方根誤差也分別達(dá)到9、8 m·s-1。經(jīng)質(zhì)量控制以后，各型號雷達(dá)在各層的均方根誤差均有所減小，特別是最大探測高度以上層次。如：增強(qiáng)LC型雷達(dá)200 hPa層的均方根誤差從13 m·s-1縮小至5 m·s-1，LC型雷達(dá)200 hPa以上層的粗大誤差數(shù)據(jù)被剔除。經(jīng)質(zhì)量控制后，PB型、增強(qiáng)LC型與LC型雷達(dá)的均方根誤差曲線與探空更為接近。v風(fēng)分量的情況類似。

4 應(yīng)用情況

經(jīng)NMIC QC質(zhì)量控制后的2007—2018年中國風(fēng)廓線雷達(dá)資料已提供CRA同化應(yīng)用，其中歷史數(shù)據(jù)的黑名單單獨(dú)提供。表3為2007—2018年中國和美國風(fēng)廓線雷達(dá)資料進(jìn)入再分析系統(tǒng)的數(shù)據(jù)量和同化率。其中，美國資料來源于CFSR再分析產(chǎn)品同化輸入的觀測資料，數(shù)據(jù)截止時(shí)間為2014年。從表3可以看出，中國資料同化率較低的時(shí)段為2008—2010年，這是由于這段時(shí)間加入黑名單的站點(diǎn)較多，與本文3.2節(jié)所述結(jié)論一致。整體上看，中國資料的同化率在88.10%～97.21%，說明質(zhì)量控制后的中國資料可基本滿足再分析同化應(yīng)用的需求，美國資料的同化率在91.37%～95.49%，與中國資料的同化率在同一數(shù)值范圍，可間接證明質(zhì)量控制后的中國風(fēng)廓線雷達(dá)資料與美國資料的質(zhì)量相當(dāng)。

表3 2007—2014年中國和美國風(fēng)廓線雷達(dá)資料進(jìn)入再分析系統(tǒng)的數(shù)據(jù)量和同化率

5 結(jié) 論

面向再分析的同化應(yīng)用需求，本文針對中國風(fēng)廓線雷達(dá)資料特點(diǎn)，在NCEP CQC算法的基礎(chǔ)上，提出一套適用于中國風(fēng)廓線雷達(dá)逐小時(shí)水平風(fēng)產(chǎn)品的質(zhì)量控制方法。通過對比質(zhì)量控制前后中國風(fēng)廓線雷達(dá)資料與探空資料的相關(guān)系數(shù)、平均偏差及均方根誤差，討論了質(zhì)量控制方案的有效性。此外，以2007年8月至2017年12月的風(fēng)廓線雷達(dá)資料作為樣本，以ERA-Interim資料作為間接參考場，通過比較探空資料與不同型號、不同探測高度范圍、不同觀測時(shí)段、不同垂直層次風(fēng)廓線雷達(dá)資料相對ERA-Interim資料的偏差，分析了質(zhì)量控制前后中國風(fēng)廓線雷達(dá)資料質(zhì)量。主要結(jié)論如下：

(1)通過統(tǒng)計(jì)分析中國風(fēng)廓線雷達(dá)與探空數(shù)據(jù)質(zhì)量控制前后的相關(guān)系數(shù)、平均偏差及均方根誤差表明，質(zhì)量控制以前，不同探測高度范圍的各類風(fēng)廓線雷達(dá)資料與探空資料均有較大偏差，經(jīng)NCEP CQC質(zhì)量控制后，可去除明顯的離群資料，經(jīng)NMIC QC后，可進(jìn)一步剔除數(shù)據(jù)中的粗大誤差、系統(tǒng)性故障等錯誤數(shù)據(jù)，不同雷達(dá)型號、不同探測高度資料的相關(guān)系數(shù)從0.17～0.82上升至0.79～0.98，兩類觀測資料表現(xiàn)出更好的一致性特征。

(2)經(jīng)NMIC QC質(zhì)量控制后，中國風(fēng)廓線雷達(dá)資料與ERA-Interim再分析資料的平均偏差及均方根誤差曲線與探空資料相對該資料的偏差曲線更為接近，這能夠反映質(zhì)量控制算法使風(fēng)廓線雷達(dá)資料的質(zhì)量有所提升。從觀測時(shí)段看，2014年以后的中國風(fēng)廓線雷達(dá)資料質(zhì)量明顯優(yōu)于2014年以前，這與我國風(fēng)廓線雷達(dá)觀測網(wǎng)的發(fā)展歷史及業(yè)務(wù)管理緊密相關(guān)。從垂直分布來看，最大探測高度范圍以外數(shù)據(jù)的平均偏差較大，但經(jīng)質(zhì)量控制以后，除LC型雷達(dá)的u風(fēng)分量在300 hPa以上仍有5 m·s-1左右的偏差外，其他型號雷達(dá)的u、v風(fēng)分量在各垂直層的平均偏差均在3 m·s-1以內(nèi)，這也證明質(zhì)量控制算法具有識別高層粗大誤差數(shù)據(jù)的能力，使最大探測高度以外的數(shù)據(jù)得到有效利用。

(3)通過比較中國、美國風(fēng)廓線資料進(jìn)入CRA再分析同化系統(tǒng)的同化率，證明了質(zhì)量控制后的中國風(fēng)廓線雷達(dá)資料與美國風(fēng)廓線資料質(zhì)量基本相當(dāng)。

本文的研究工作為以后開展風(fēng)廓線雷達(dá)資料的業(yè)務(wù)應(yīng)用積累了經(jīng)驗(yàn)。但是由于風(fēng)廓線雷達(dá)資料的誤差來源廣泛，隨機(jī)性較強(qiáng)，該工作仍需進(jìn)一步完善，包括：深入了解我國風(fēng)廓線雷達(dá)觀測端的數(shù)據(jù)問題，嘗試從信號污染及反演算法等角度，解決高層誤差較大的問題，進(jìn)一步完善質(zhì)量控制算法流程；選取不同時(shí)段、不同區(qū)域的個例，開展風(fēng)廓線雷達(dá)資料在CRA再分析產(chǎn)品的應(yīng)用效果分析，進(jìn)一步評估風(fēng)廓線雷達(dá)資料對同化應(yīng)用的貢獻(xiàn)。

致 謝：文中與ERA-Interim資料的對比工作是利用常規(guī)與衛(wèi)星資料質(zhì)量預(yù)評估系統(tǒng)完成的，該軟件的開發(fā)人員姜立鵬、張濤等人在該工作開展期間給予了很多指導(dǎo)與幫助，在此致謝！