雷達資料在一次大范圍冰雹天氣過程中的同化試驗分析*

張小娟 張誠忠 齊大鵬 黃 鈺 朱文達

1 貴州省人工影響天氣辦公室，貴陽 550081 2 中國氣象局廣州熱帶海洋氣象研究所/區(qū)域數(shù)值天氣預(yù)報重點實驗室，廣州 510640 3 貴州省冰雹防控技術(shù)工程中心，貴陽 550081 4 貴州省氣象臺，貴陽 550002

提 要： 基于華南區(qū)域高分辨率數(shù)值模式，采用牛頓連續(xù)松弛逼近法(nudging)同化C波段多普勒雷達反射率資料，針對2018年4月2日貴州一次大范圍冰雹天氣過程進行了數(shù)值模擬試驗。分析結(jié)果表明：在模式中進行雷達反射率因子信息nudging同化后，調(diào)整了分析場中的水凝物信息和熱力場結(jié)構(gòu)，對流層中層的雨水和冰相粒子含量均增加，水凝物潛熱釋放加熱了云體，對大氣熱力場進行了正溫度擾動調(diào)整，這種正溫度擾動在維持對流發(fā)展過程中起重要作用；通過云分析系統(tǒng)反演云微物理量，并nudging同化到模式中后，對雹云發(fā)展演變、雹云生命史、雹云強度都有明顯改進，并促進了云中云水向冰相粒子的轉(zhuǎn)化過程，同時對降水預(yù)報效果改善也有明顯貢獻。雷達反射率因子同化對冰雹云天氣系統(tǒng)的預(yù)報能力有重要意義，為冰雹云的臨近預(yù)報提供重要參考。

引 言

近年來，隨著高分辨率數(shù)值模式和資料同化技術(shù)的發(fā)展，模式對中小尺度天氣系統(tǒng)的預(yù)報能力有了顯著提高。在初始場中引入觀測資料可以使其更加接近實際大氣狀況，從而提高預(yù)報效果，并且能夠縮短模式spin-up時間。與其他觀測資料相比，雷達資料時空分辨率高，能夠及時監(jiān)測對流尺度系統(tǒng)的發(fā)生、發(fā)展。許多學者開展了反演分析、同化反射率因子和同時同化徑向速度和反射率因子等多種研究方法(Tuttle and Foote，1990；Sun et al，1991；Qiu and Xu，1992；Laroche and Zawadzki，1994；Shapiro et al，1995；Liou，1999；Snyder and Zhang，2003；Gao et al，2004；Xiao et al，2005；2007；Liu et al，2008；Weygandt et al，2008；Gao and Stensrud，2012；孫娟珍等，2016；楊雨軒等，2018)，將雷達資料信息引入到初始場中，以提高模式的預(yù)報效果。

國內(nèi)很多研究者在雷達資料同化對強對流天氣預(yù)報的影響方面進行了許多研究(李昕等，2016；李媛等，2011；陳鋒等，2012；馬昊等，2016；肖輝等，2019；鄭淋淋等，2019；張?zhí)m等，2019)。薛諶彬等(2017)利用美國Advanced Regional Prediction System(ARPS)模式的資料分析系統(tǒng)ARPS Data Analysis System(ADAS)分析了多普勒雷達徑向速度和反射率因子同化對初始場的改進作用，同化徑向速度對改善模式初始場的動力場有重要貢獻，同化反射率因子的主要作用是調(diào)整初始場中的水凝物場和熱力場，有效縮短了模式的spin-up時間，明顯改進了定量降水預(yù)報；同時同化雷達徑向速度和反射率因子模擬效果最佳。盛春巖等(2006)利用ADAS系統(tǒng)同化多普勒雷達資料，對一次暴雨過程進行了模擬對比試驗，發(fā)現(xiàn)同時使用雷達徑向風和反射率資料改進初始場對降水的模擬效果最明顯。胡金磊和郭學良(2013)利用ADAS系統(tǒng)將雷達反射率因子信息引入到模式初始場中，模式對雹云的預(yù)報效果改進明顯。陳力強等(2009)利用WRF-3DVar同化系統(tǒng)對暴雨過程進行了徑向風和反射率因子的直接同化試驗研究，模式對對流降水的預(yù)報有正的影響。張誠忠等(2008)利用GRAPES-3DVar系統(tǒng)對一次華南暴雨過程進行不同資料同化試驗，發(fā)現(xiàn)同化雷達徑向風的模擬效果最好。李華宏等(2014)進行了雷達反射率因子和反演風場的三維變分同化試驗，發(fā)現(xiàn)雷達同化對降水預(yù)報改善有明顯貢獻。陳鋒等(2020)利用GSI-3DVar系統(tǒng)對一次颮線過程進行了雷達資料同化研究，發(fā)現(xiàn)雷達資料同化對颮線過程的模擬效果有明顯提升。從已有的研究看，雷達資料同化在數(shù)值模式中有較好的應(yīng)用價值。目前，大部分都是針對暴雨個例的模擬試驗，而針對冰雹過程方面的研究較少。貴州是全國冰雹災(zāi)害最嚴重的地區(qū)之一，且由于地形原因，貴州多普勒天氣雷達均為CINRAD-CD型，因此，針對冰雹天氣過程將C波段雷達資料引入模式預(yù)報系統(tǒng)進行試驗研究非常有必要。

本文采用牛頓連續(xù)松弛逼近法(nudging)將多普勒雷達反射率因子資料云分析得到的水凝物信息逐步nudging同化到模式中，對2018年4月2日貴州一次強冰雹天氣過程進行了同化模擬試驗分析。

1 天氣過程

2018年4月2日17時至3日03時(北京時，下同)，貴州省中西部地區(qū)出現(xiàn)強對流天氣，地面累計24 h降水呈東南—西北向帶狀分布，有兩個強降水中心，最大雨量為70.5 mm。畢節(jié)(納雍縣、黔西縣)、六盤水(六枝特區(qū))、安順(普定縣、西秀區(qū)、平壩縣)、黔南州(惠水縣、平塘縣)和黔西南州(晴隆縣)出現(xiàn)降雹，冰雹最大直徑為15 mm。

從2日20時環(huán)流形勢來看(圖1)，500 hPa貴州受兩個高空槽過境影響，一個位于貴州西部至云南東部，影響貴州省西部地區(qū)，另一個位于重慶西部至貴州西南部，影響貴州省中部地區(qū)。700 hPa切變線位于貴州省東北部，低層850 hPa也有切變線位于貴州省的東北部，地面受低壓控制。綜上所述，此次冰雹天氣過程的主要影響系統(tǒng)是雙高空槽過境和中低層切變線。

2 同化方法和試驗方案

2.1 同化方法

本文采用了nudging法將云分析反演得到的水凝物信息逐步引入到模式中。nudging法(Anthes，1974；Kistler and McPherson，1975；Hoke and Anthes，1976；劉紅亞等，2007；張艷霞等，2012；張?zhí)m等，2019)就是模式積分的同化時段δt內(nèi)，在預(yù)報方程中增加一個線性強迫項，使模式預(yù)報逐漸向觀測逼近，其中δt取800 s，即20個積分步長。計算公式如下：

(1)

式中:W為模式預(yù)報變量，∑Fi代表模式中的所有物理過程變率，α>0，為張弛逼近系數(shù)，Wo為對應(yīng)時刻的觀測值。將式(1)對時間進行積分，并采用準隱式分步計算方法寫成離散形式如下：

(2)

其中：

a′=a×dt

(3)

2.2 試驗方案

本文所使用的華南高分辨率區(qū)域模式是在中國氣象局中尺度天氣數(shù)值預(yù)報系統(tǒng)CMA-MESO(原GRAPES-MESO)的基礎(chǔ)上開發(fā)得到的。模式的起始經(jīng)緯度為16°N、96°E，水平格點數(shù)為913×513，格距為0.03°，垂直方向為65層，模式頂層到30 km，時間積分步長為40 s。云微物理過程采用WSM6類方案，長波輻射采用rrtm方案，短波輻射采用Dudhia方案，陸面過程采用Slab熱量擴散方案，及邊界層過程采用MRF方案，積云對流參數(shù)化采用簡化Arakawa-Schubert(SAS)方案。

圖1 2018年4月2日20時500 hPa(a)、700 hPa(b)、850 hPa(c)天氣形勢圖(藍實線為等位勢高度線，單位：dagpm；紅虛線為等溫線，單位：℃)Fig.1 Synoptic chart at (a) 500 hPa, (b) 700 hPa, (c) 850 hPa at 20:00 BT 2 April 2018(Blue solid line is for geopotential height, unit: dagpm; red dotted line for isotherm, unit: ℃)

為了解C波段多普勒雷達資料同化到模式中對預(yù)報結(jié)果所產(chǎn)生的影響，本文進行了兩組試驗，為方便起見，將控制試驗稱為test1，同化試驗稱為test2。test1從2018年4月2日08時開始積分24 h。由于初始單體回波于17時生成，test2從4月2日08時啟動，積分9 h后，將貴陽雷達17:02雷達反射率因子云分析得到的水凝物信息逐步nudging同化到模式中，繼續(xù)運行至4月3日05時。

模式的初邊界資料采用ECMWF全球高分辨率模式提供的分析場，分辨率為0.1°×0.1°，時間間隔為6 h。對于模式同化的貴陽雷達資料，在同化前對雷達資料進行了孤立回波消除、地物回波識別和剔除的數(shù)據(jù)質(zhì)量控制(李豐等，2014)，然后采用三線性插值方法將反射率因子插值到與模式相匹配的三維格點坐標上。

3 nudging同化對分析場的調(diào)整

大氣中水凝物的準確分布對數(shù)值模式微物理過程的發(fā)展至關(guān)重要，能有效縮短模式的spin-up時間。本文設(shè)計對比試驗用來研究nudging同化水凝物信息對分析場的改進作用。下面具體分析nudging同化水凝物信息對分析場中的水凝物場和熱力場的改善情況。圖2a、2b分別給出了test1、test2分析場18時總水凝物分布情況，圖2c給出了test2與test1總水凝物混合比的差值，可以看到nudging同化水凝物信息積分1 h后總水凝物場調(diào)整比較明顯，總水凝物含量增加，主體云系增強，且在主體云系東側(cè)有分散云系生成。

沿主云系中心27.35°N(圖2中綠色虛線所示)做緯向垂直剖面，分析nudging同化對云水、雨水、冰晶、雪、霰及水汽的影響。從圖3中可以看到，云水主要分布在700～400 hPa，中心極值達0.3 g·kg-1，高度在500 hPa附近；雨水主要集中在地面至500 hPa范圍內(nèi)，中心最高可達1 g·kg-1以上，高值中心在近地面附近，地面有降水發(fā)生；冰晶集中分布在450～350 hPa，混合比極大值為0.15 g·kg-1，高度在400 hPa附近；雪晶的垂直分布范圍與冰晶基本一致，極大值為0.8 g·kg-1，高度在500 hPa附近；霰粒子位于冰晶的下方，中心極值達1.5 g·kg-1，高度在500 hPa。水汽混合比(圖3a填色)在大氣底層800 hPa至地面是大值區(qū)，達10 g·kg-1，其增量(圖3a 等值線)主要位于中層，最高達2.4 g·kg-1，可見同化雷達資料對水汽含量有正的貢獻。從test2分析場與test1分析場水凝物差值垂直分布(圖3b～3f，等值線)可以看到，nudging同化后云水、雨水、冰晶、雪、霰的混合比均有明顯增加，從區(qū)域平均的各水凝物混合比垂直廓線(圖4)也能發(fā)現(xiàn)同樣的變化特征。

圖2 2018年4月2日18時test1(a),test2(b)總水凝物混合比分布，及test2與test1總水凝物混合比的差值(c)(單位：g·kg-1)Fig.2 Mixing ratio of total water hydrometeors for analytical fields of (a) test1, (b) test2 and (c) the differences between test2 and test1 at 18:00 BT 2 April 2018 (unit: g·kg-1)

圖3 2018年4月2日18時test2分析場中水汽(a)、云水(b)、雨水(c)、冰晶(d)、雪(e)、霰(f)的水凝物混合比沿27.35°N(圖2中的綠色虛線)的緯向垂直剖面(填色，單位：g·kg-1)，以及test2與test1水凝物混合比差值(等值線，單位：g·kg-1)(灰色陰影為地型，下同)Fig.3 Zonal-vertical cross sections of mixing ratio of hydrometeors (shaded, unit: g·kg-1) of (a) water vapor, (b) cloud water, (c) rain water, (d) ice crystal, (e) snow, and (f) graupel along 27.35°N (green dashed line in Fig.2) in test2, and the mixing ratio differences of the hydrometeors between test2 and test1 (contour, unit: g·kg-1) at 18:00 BT 2 April 2018(gray shadow: terrain, same as below)

從27.35°N假相當位溫的垂直剖面來看(圖5)，test1冷空氣從中層500 hPa入侵，105.6°E附近有假相當位溫高能舌自地面向上伸展。test2相比test1有明顯變化，中層侵入的冷空氣明顯加強，假相當位溫高能舌增溫近4 K，700 hPa以下假相當位溫升高，暖中心最高可達342 K，這是由于水凝物潛熱釋放加熱了云團。nudging同化對大氣熱力場進行了正溫度擾動調(diào)整，這種正溫度擾動在維持對流發(fā)展過程中起重要作用。由此可見，雷達反射率因子云分析調(diào)整了初始場中的熱力場，“上冷下暖”更明顯，有利于對流的發(fā)展和維持。

圖4 2018年4月2日18時test1(藍實線)和test2(紅虛線)分析場中云水(qc)、雨水(qr)、冰晶(qi)、雪(qs)、霰(qg)的區(qū)域平均的水凝物混合比垂直廓線(區(qū)域平均范圍如圖2中的紅色矩形區(qū)域所示)Fig.4 Vertical profiles of mixing ratio of hydrometeors of cloud water (qc), rain water (qr), ice crystal (qi), snow (qs), graupel (qg) in test1 (blue solid lines) and test2 (red dotted lines) at 18:00 BT 2 April 2018 (The regional averaging is the red rectangle area in Fig.2)

4 試驗結(jié)果分析

4.1 雹云宏觀特征分析

表1給出了test1、test2雹云部分宏觀特征與實況的比較，其中test1和test2中模擬雹云源地與實況是一致的，均為畢節(jié)東北部地區(qū)。實際觀測雹云生命史約10 h，最大雷達回波強度達60 dBz以上，移動方向為先向東移動，后轉(zhuǎn)向東南方向移動；而test1模擬雹云的生命史為7 h，最大雷達組合反射率為45.6 dBz，且雹云自西向東移動；test2中雹云的生命史為9 h，最大雷達組合反射率為46.4 dBz，移動方向與test1一致?？梢姡走_資料同化使得雹云的生命史變長，回波強度增加，與實況更接近。

4.2 雷達反射率演變分析

4月2日18:02雷達組合反射率因子圖顯示(圖6c)，多個對流單體覆蓋在貴州中北部地區(qū)上空，最大回波強度達到65 dBz以上，回波中心位于畢節(jié)東部。對于test1，18時(圖6a)多個對流單體出現(xiàn)在貴州西北部，中心強度40 dBz以上，強回波中心范圍與實況相差不大，強度較實況偏弱，位置偏西。對于test2，在模式積分1 h后(圖6b)，畢節(jié)東部地區(qū)上空強對流中心最大回波達到45 dBz以上?？傮w來看，在該時刻test2、test1將強對流范圍較好地再現(xiàn)出來，而在回波強度和空間位置上，兩組試驗較實況都有一定的偏差，test2較test1略有改善。

圖5 2018年4月2日18時test1(a),test2(b)沿27.35°N(圖2中的綠色虛線)的假相當位溫垂直剖面Fig.5 Vertical cross sections of pseudo-equivalent potential temperature along 27.35°N (green dashed line in Fig.2) of (a) test1, (b) test2 at 18:00 BT 2 April 2018

表1 雹云宏觀特征Table 1 The macro characteristics of hail clouds

從19:02雷達組合反射率圖(圖7c)上來看，貴州中北部地區(qū)上空的強回波中心向東偏南方向移動，強回波中心區(qū)域面積增大，且在畢節(jié)中部地區(qū)有新的對流單體生成發(fā)展。圖7a中對流單體的位置和范圍與實況對應(yīng)較好，但強度仍有較大出入；西部的對流單體同時向東發(fā)展，回波中心強度增強，回波范圍增大。在test2中模式積分2 h后，強回波區(qū)域面積增大，回波強度變化不大，回波向東發(fā)展；西部的對流單體同時向東發(fā)展，回波中心強度增強，回波范圍增大。與雷達觀測實況相比，test1和test2模擬結(jié)果在雹云位置上有良好的表現(xiàn)，但雹云強度和雹云移向模擬出現(xiàn)偏差。

圖6 2018年4月2日18:00 test1(a),test2(b)模擬,18：02觀測(c)雹云的雷達組合反射率因子Fig.6 The simulations of (a) test1, (b) test2 at 18:00 BT and (c) observation at 18:02 BT composite radar reflectivity of hail clouds on 2 April 2018

圖7 同圖6，但為2018年4月2日19：00 test1(a),test2(b)模擬和19：02觀測(c)Fig.7 Same as Fig.6, but for simulations of (a) test1, (b) test2 at 19:00 BT and (c) observation at 19:02 BT 2 April 2018

由20:02雷達組合反射率因子圖(圖8c)可知，東部的對流單體回波繼續(xù)向東偏南方向移動，回波中心強度減弱，強回波區(qū)域減??；西部對流單體繼續(xù)發(fā)展，回波中心強度增強，最大回波強度超過55 dBz。從兩組試驗的模擬結(jié)果來看，主體對流單體西南側(cè)的單體繼續(xù)向東移動，與主體強對流單體并排一起，形成一個呈南北走向的強回波帶，40 dBz以上的回波中心衰減成多個小回波中心；西部強對流單體繼續(xù)向東發(fā)展。總的來說，積分3 h后模擬雹云雷達組合反射率與實況的偏差較0～2 h的大。

4.3 降雨量分析

從2018年4月2日17時至3日05時地面12 h 累計降水實況(圖9c)來看，貴州出現(xiàn)大范圍強降雨，降雨呈西北—東南帶狀分布，主要集中在貴州的中部地區(qū)，中北部和中南部各有1個降水中心，北部中心雨量為47.9 mm，南部中心12 h地面累計雨量最大可達70.5 mm。從test1模擬結(jié)果來看(圖9a)，貴州中北部有1個降水中心，12 h最大累計雨量約為24.1 mm，與實況相比，模式模擬出了貴州中北部的降水中心，位置略偏北，降雨量級略偏小，而南部的強降水中心漏報。test2中，貴州中部以北有一個強降水中心，中心雨量為44.6 mm，與實況相比，北部的降水中心強度相當，位置略偏東，預(yù)報效果較好，而南部的強降水中心預(yù)報也存在同樣問題。

4.4 水凝物場分析

過雹云中心作自西向東的垂直剖面，分析兩組試驗水凝物的垂直分布差異。圖10～圖12給出了4月2日18—20時云帶分布及沿云帶中心的云水和冰相粒子(冰晶、雪和霰)緯向垂直分布。

圖8 同圖6，但為2018年4月2日20:00 test1(a),test2(b)模擬和20：02觀測(c)Fig.8 Same as Fig.6, but for simulations of (a) test1, (b) test2 at 20:00 BT and (c) observation at 20:02 BT 2 April 2018

圖9 2018年4月2日17時至3日05時test1(a),test2(b)模擬,實況(c)地面12 h累計降水量Fig.9 The simulations of (a) test1, (b) test2 and (c) observed 12 h accumulated rainfall from 17:00 BT 2 to 05:00 BT 3 April 2018

圖10 2018年4月2日18時test1(a),test2(b)云系總水凝物混合比(a1,b1)和沿27.35°N(圖10a1，10b1中綠色虛線)的云水(a2,b2)和冰相粒子(a3,b3)的垂直剖面(單位：g·kg-1)(圖10a3，10b3中矢量為風矢，單位：m·s-1)Fig.10 Mixing ratio of total hydrometeors (a1, b1) and vertical profiles of cloud water (a2, b2), ice phase particles (a3, b3) along 27.35°N (horizontal green dashed line in Figs.10a1 and 10b1) of test1 (a), test2 (b) at 18:00 BT 2 April 2018 (unit: g·kg-1)(Vector in Figs.10a3 and 10b3 is wind， unit： m·s-1)

圖11 同圖10，但為2018年4月2日19時Fig.11 Same as Fig.10, but at 19:00 BT 2 April 2018

如圖10所示，18時，test2中，云水主要分布在105.5°～105.8°E，極值為0.3 g·kg-1，高度在500 hPa 附近，冰相粒子混合比含量主要分布在105.4°～106°E，高度在700～250 hPa，極大值達2.1 g·kg-1，高度為600 hPa，云頂附近有明顯上升氣流。與test1相比，云水和冰相粒子的垂直分布基本一致，水平分布范圍更大，極值更高，云內(nèi)上升氣流更強，有利于對流云繼續(xù)向上發(fā)展。同化過后，低層加熱作用，使得對流發(fā)展更加旺盛，低層豐沛水汽，促進了水汽向云水的轉(zhuǎn)化，以及云水向雪和霰的轉(zhuǎn)化。

test2模式積分2 h以后(圖11)，云帶向東移至105.8°～106.4°E，云水主要分布在-10～0℃，為過冷云水，極大值超過0.3 g·kg-1，冰相粒子主要分布在600～400 hPa，極值為2.7 g·kg-1，云中以上升氣流為主。test1中，云水混合比含量超過0.3 g·kg-1的區(qū)域面積較test2大，云中云水含量較豐沛，而冰相粒子含量較少，極值為2.4 g·kg-1左右，云中上升氣流較弱?？梢?，test2中雹云發(fā)展較test1迅速。

積分3 h后，20時(圖12)東部雹云處于衰亡階段，西部雹云發(fā)展較旺盛。test2中，西部雹云中以冰相粒子為主，為雙層云結(jié)構(gòu)，云體中上部有上升氣流，云水混合比含量極大值為0.3 g·kg-1，冰相粒子混合比含量極大值超過2.7 g·kg-1，且地面有固態(tài)降水。test1中，云水含量較test2多，雹云發(fā)展沒有test2旺盛，為單層云結(jié)構(gòu)，云中以上升氣流為主。

圖12 同圖10，但為2018年4月2日20時Fig.12 Same as Fig.10, but at 20:00 BT 2 April 2018

5 結(jié)論與討論

本文采用牛頓連續(xù)松弛逼近法(nudging)將多普勒雷達反射率因子資料云分析反演得到的水凝物信息nudging同化到模式中，分析了nudging同化對分析場的改進作用，并基于GRAPES中尺度數(shù)值模式對2018年4月2日貴州省一次大范圍冰雹天氣過程進行了模擬試驗和對比分析。通過對同化雷達反射率因子后的分析場和模擬物理量場的診斷分析，得到以下結(jié)論：

(1)nudging同化可以有效地利用雷達反射率因子信息對熱力場和云微物理量場進行調(diào)整。這種調(diào)整增加了中層雨水和冰相粒子含量，水凝物潛熱釋放加熱了云團，對大氣熱力場進行了正溫度擾動調(diào)整，這種正溫度擾動在維持對流發(fā)展過程中起重要作用。由此可見，雷達反射率因子同化調(diào)整了分析場中的熱力場和水凝物場，使得云體含水量更加豐沛，對流發(fā)展更加旺盛。

(2)雷達反射率因子同化對雹云發(fā)展演變、雹云生命史、雹云強度等有明顯改進，對降水強度的預(yù)報效果改善也有明顯貢獻。雷達反射率因子同化對雹云的微物理量結(jié)構(gòu)有明顯的促進作用，模式積分1 h，雹云內(nèi)的云水和冰相粒子含量都較多，云頂上升氣流明顯較強；2 h后，云內(nèi)上升氣流也較強，雹云以冰相粒子為主，冰相粒子較多，而云水含量則相反；3 h后，雹云云底出現(xiàn)固態(tài)降水，在初始場中同化雷達反射率因子后，明顯加快了雹云中液相粒子向固態(tài)粒子的轉(zhuǎn)化?？梢?，雷達反射率因子同化對提高冰雹云天氣系統(tǒng)的模擬能力有重要意義，為冰雹云的臨近預(yù)報提供重要參考。

本文只進行了一個冰雹天氣過程的單次同化模擬分析，對于南部降水漏報現(xiàn)象，可以考慮進行連續(xù)同化試驗研究，分析預(yù)報結(jié)果是否有改進。另外，考慮到不同的雹云天氣過程形成的云物理機制和初邊條件誤差不同，結(jié)論具有一定的局限性，今后需要進行多個個例同化試驗研究。