水文氣象信息概述：觀測(cè)、融合與再分析*

周自江 曹麗娟 廖 捷 谷軍霞 張 濤 潘 旸

國(guó)家氣象信息中心，北京 100081

提 要： 高質(zhì)量的水文氣象觀測(cè)數(shù)據(jù)是開展氣象和水文災(zāi)害監(jiān)測(cè)、預(yù)報(bào)預(yù)警及長(zhǎng)期氣候變化趨勢(shì)分析的基本支撐。以降水等水分循環(huán)基本要素為重點(diǎn)，簡(jiǎn)要概述部分單源的觀測(cè)數(shù)據(jù)集、二維/三維的融合分析產(chǎn)品和多維的再分析產(chǎn)品的研發(fā)進(jìn)展，及其在水文氣象監(jiān)測(cè)預(yù)報(bào)中的應(yīng)用。分析表明：氣象和水文數(shù)據(jù)是地球系統(tǒng)中水分循環(huán)的最重要體現(xiàn)，二者的有效匯聚和協(xié)同質(zhì)量控制，能更有效地促進(jìn)其在地球系統(tǒng)模式各分量中的應(yīng)用；經(jīng)過(guò)多源數(shù)據(jù)融合分析和同化分析形成的多尺度、高精度、高時(shí)效、時(shí)空連續(xù)的格點(diǎn)化分析場(chǎng)，是智能網(wǎng)格天氣預(yù)報(bào)和氣候預(yù)測(cè)的“零時(shí)刻”起點(diǎn)，已經(jīng)成為無(wú)縫隙預(yù)報(bào)業(yè)務(wù)的組成部分；經(jīng)過(guò)歷史數(shù)據(jù)同化分析產(chǎn)出的長(zhǎng)序列大氣、陸面等再分析產(chǎn)品，是氣候變化演變?cè)u(píng)估和監(jiān)測(cè)的重要保障，其應(yīng)用價(jià)值遠(yuǎn)超觀測(cè)數(shù)據(jù)本身。

引 言

近百年來(lái)，全球氣候正經(jīng)歷著一次以變暖為主要特征的顯著變化。氣候變暖帶來(lái)了一系列的水文氣象及氣候效應(yīng)，包括海平面上升、冰川消融、沙漠化加劇，以及高溫、暴雨、干旱、風(fēng)暴等極端天氣氣候事件發(fā)生頻率與強(qiáng)度的增加。水以液態(tài)、固態(tài)和氣態(tài)的形式在氣候系統(tǒng)中不斷運(yùn)動(dòng)，并儲(chǔ)存在海洋、冰川、陸地表面和大氣中，是海洋、陸地和大氣相互作用中一種最活躍且最重要的樞紐(姜彤等, 2020)。聯(lián)合國(guó)政府間氣候變化專門委員會(huì)(Intergovernmental Panel on Climate Change,IPCC)第六次評(píng)估報(bào)告(AR6)指出氣候變化正在加劇水分循環(huán)(IPCC, 2021)：帶來(lái)更強(qiáng)的降水和洪水，或者區(qū)域更嚴(yán)重的干旱；氣候變化正在影響降水分布型，在高緯度地區(qū)，降水可能增加，而在亞熱帶的大部分地區(qū)則可能減少；21世紀(jì)，沿海地區(qū)的海平面將持續(xù)上升，會(huì)導(dǎo)致低洼地區(qū)發(fā)生更為頻繁和嚴(yán)重的沿海洪水，并將導(dǎo)致海岸受到侵蝕；進(jìn)一步的變暖將加劇多年凍土的融化，以及季節(jié)性積雪的損失、冰川和冰蓋的融化、夏季北極海冰的損失。

鑒于全球氣候變暖使得天氣氣候?yàn)?zāi)害更為嚴(yán)重且復(fù)雜，亟需從地球系統(tǒng)各圈層的相互作用出發(fā)，深入研究重大天氣氣候?yàn)?zāi)害的時(shí)空變化、發(fā)生規(guī)律、形成原因、預(yù)測(cè)理論和方法，提高防災(zāi)減災(zāi)和可持續(xù)發(fā)展的能力和水平。當(dāng)前，世界氣象組織(World Meteorological Organization,WMO)正在推動(dòng)地球系統(tǒng)框架下“天氣、氣候、水和環(huán)境+影響”的無(wú)縫隙氣象業(yè)務(wù)轉(zhuǎn)型(Brunet et al,2015；Rauser et al,2017)，且將2022年世界氣象日的主題定為“早預(yù)警、早行動(dòng)：氣象水文氣候信息，助力防災(zāi)減災(zāi)”(Early Warning and Early Action.Hydrometeorological and Climate Information for Disaster Risk Reduction)。該主題充分體現(xiàn)了水文氣象信息對(duì)氣候變化應(yīng)對(duì)及防災(zāi)減災(zāi)的重要基礎(chǔ)性保障作用。

水文氣象信息是地球系統(tǒng)大數(shù)據(jù)的重要組成部分，包含水分循環(huán)和水分平衡中的降水、徑流、土壤含水量、蒸發(fā)和蒸騰等基本要素，涉及發(fā)生在地球大氣系統(tǒng)中的暴雨、干旱、洪澇等極端事件等。目前，對(duì)于水文氣象信息尚沒有一個(gè)非常嚴(yán)格的定義，本文暫定為：通過(guò)一切可能的觀測(cè)、探測(cè)、遙測(cè)手段收集到的氣象和水文數(shù)據(jù)信息，或通過(guò)融合分析、同化分析、人工智能分析等加工處理得到的，來(lái)自地球系統(tǒng)各圈層的，進(jìn)行標(biāo)準(zhǔn)化和規(guī)范化處理后形成的能描述氣候系統(tǒng)狀態(tài)、結(jié)構(gòu)、成分、現(xiàn)象，并以直觀有效的表現(xiàn)形式給出詳細(xì)信息和時(shí)空屬性的數(shù)據(jù)產(chǎn)品集合。

從地球系統(tǒng)獲取水文氣象信息的最直接手段當(dāng)屬觀測(cè)。近三十年來(lái)，隨著科學(xué)技術(shù)的發(fā)展，多源觀測(cè)數(shù)據(jù)的融合分析、同化分析技術(shù)的快速發(fā)展，地基、?；?、天基和空基觀測(cè)的水文氣象數(shù)據(jù)得到充分匯聚、相互校準(zhǔn)和綜合應(yīng)用，有效支撐了智能預(yù)報(bào)、智慧服務(wù)和氣候變化監(jiān)測(cè)等核心業(yè)務(wù)和科研工作。本文以降水等水分循環(huán)基本要素為重點(diǎn)，以國(guó)家氣象信息中心(National Meteorological Information Centre,NMIC)的研究型業(yè)務(wù)實(shí)踐為主線，探討通過(guò)融合和同化不同觀測(cè)來(lái)源的水文氣象信息，構(gòu)建“全球-區(qū)域-局地”一體化零時(shí)刻分析場(chǎng)，無(wú)限逼近“真實(shí)”的地球系統(tǒng)狀況，為地球系統(tǒng)模式預(yù)報(bào)提供更精準(zhǔn)的初猜場(chǎng)和歷史再分析產(chǎn)品，從而可進(jìn)一步獲取更多要素變量的水文氣象及氣候信息。

1 水文氣象觀測(cè)數(shù)據(jù)與質(zhì)量保障

1.1 水文氣象觀測(cè)的質(zhì)量控制

觀測(cè)是人類認(rèn)識(shí)地球系統(tǒng)的基礎(chǔ)。當(dāng)前，WMO全球綜合觀測(cè)系統(tǒng)(WMO Integrated Global Observing System,WIGOS)日趨完善，不僅包括世界天氣監(jiān)測(cè)計(jì)劃下的全球觀測(cè)系統(tǒng)，還包括了大氣成分觀測(cè)、水文觀測(cè)和冰凍圈監(jiān)測(cè)等，且正在重點(diǎn)發(fā)展生態(tài)系統(tǒng)、冰川凍土積雪和海洋領(lǐng)域觀測(cè)，這些觀測(cè)包含了大氣圈、水圈、冰凍圈的諸多與水文氣象相關(guān)的基本氣候變量(essential climate variables,ECVs)，如降水、蒸發(fā)、土壤水分、陸地徑流、海流、海冰，以及高空大氣的水汽含量等等。IPCC關(guān)于氣候變化的一系列重要結(jié)論正是根據(jù)這些觀測(cè)事實(shí)得出的。

由于觀測(cè)系統(tǒng)的差異及觀測(cè)設(shè)備的不同，數(shù)據(jù)的觀測(cè)誤差始終客觀存在，其一般分為性質(zhì)不同的三類：隨機(jī)誤差、系統(tǒng)誤差和錯(cuò)誤資料。這些誤差或錯(cuò)誤數(shù)據(jù)需要通過(guò)質(zhì)量控制技術(shù)加以甄別或剔除，才能保證觀測(cè)數(shù)據(jù)的總體質(zhì)量。美國(guó)國(guó)家環(huán)境信息中心(National Centers for Environmental Information,NCEI)早在20世紀(jì)末就已建立了全自動(dòng)氣象資料質(zhì)量控制體系，實(shí)現(xiàn)對(duì)觀測(cè)資料質(zhì)量的實(shí)時(shí)監(jiān)控。歐美國(guó)家還在氣象資料質(zhì)量控制業(yè)務(wù)體系上，逐步形成了質(zhì)量控制算法的評(píng)估策略，并基于觀測(cè)偏差分析和同化應(yīng)用形成了比較成熟的數(shù)據(jù)黑名單判別技術(shù)，很好地保證了各類資料在數(shù)值預(yù)報(bào)中的同化應(yīng)用效果。我國(guó)氣象部門在觀測(cè)資料質(zhì)量控制方面做了大量探索，建立了臺(tái)站、省級(jí)和國(guó)家級(jí)三級(jí)質(zhì)量控制業(yè)務(wù)體系，以及觀測(cè)端、信息端和應(yīng)用端相互協(xié)調(diào)的質(zhì)量控制業(yè)務(wù)流程。近年來(lái)，NMIC通過(guò)全球大氣再分析和實(shí)況業(yè)務(wù)建設(shè)，進(jìn)一步引進(jìn)消化美國(guó)、英國(guó)及加拿大等國(guó)際數(shù)據(jù)機(jī)構(gòu)先進(jìn)的數(shù)據(jù)處理技術(shù)，構(gòu)建了適應(yīng)不同應(yīng)用需求的資料質(zhì)量控制體系(圖1)，包含傳統(tǒng)順序質(zhì)量控制、綜合質(zhì)量控制、數(shù)據(jù)偏差訂正和均一化等，經(jīng)過(guò)質(zhì)量控制、質(zhì)量評(píng)估、偏差分析與校訂的數(shù)據(jù)，同步保障了短時(shí)臨近預(yù)報(bào)、同化分析及氣候數(shù)據(jù)產(chǎn)品的研發(fā)應(yīng)用。目前，氣象與水文預(yù)報(bào)預(yù)測(cè)業(yè)務(wù)需求經(jīng)過(guò)統(tǒng)籌規(guī)劃(包紅軍等, 2021)，質(zhì)量控制對(duì)象正在向新型觀測(cè)、關(guān)鍵區(qū)域、關(guān)鍵要素聚焦，而質(zhì)量控制技術(shù)正在向?qū)崿F(xiàn)多圈層協(xié)同，以及統(tǒng)計(jì)模型與人工智能技術(shù)的組合應(yīng)用發(fā)展。

1.2 水文氣象觀測(cè)數(shù)據(jù)集

將經(jīng)過(guò)綜合質(zhì)量控制和偏差訂正的觀測(cè)數(shù)據(jù)，整合形成用戶可直接使用的基礎(chǔ)性數(shù)據(jù)集，是推進(jìn)資料應(yīng)用的有效方式。水文氣象預(yù)報(bào)預(yù)測(cè)和氣候變

圖1 適應(yīng)不同應(yīng)用需求的資料質(zhì)量控制體系Fig.1 Quality control frame for different operational application

化常用的要素包括降水、濕度、云、蒸發(fā)、徑流等。就水文氣象信息來(lái)說(shuō)，陸地和海洋現(xiàn)場(chǎng)觀測(cè)一直是重點(diǎn)。例如，美國(guó)NCEI發(fā)布的全球綜合地表數(shù)據(jù)庫(kù)(The Integrated Surface Database,ISD)(Smith et al,2011)，通過(guò)整合地面氣象站、水文站、農(nóng)業(yè)氣象站、水面浮標(biāo)站等多種類型觀測(cè)數(shù)據(jù)，為極端天氣監(jiān)測(cè)、氣候變化分析提供了重要信息來(lái)源，是遙感觀測(cè)數(shù)據(jù)和再分析產(chǎn)品檢驗(yàn)的重要參照系，也是全球水分循環(huán)和其他研究最重要的基礎(chǔ)數(shù)據(jù)(IPCC，2021)，同時(shí)也是地下水位歷史序列重建及水資源管理的重要輸入信息(Ascott et al,2020)。

國(guó)際上已發(fā)布了多套全球降水?dāng)?shù)據(jù)集(如：Schamm et al,2014；NCEI,2017；Blenkinsop et al,2018)。其中，全球降水氣候中心(Global Precipitation Climatology Centre,GPCC)研發(fā)的全球日降水產(chǎn)品(Schamm et al,2014)和NCEI 2017年發(fā)布的全球日降水產(chǎn)品(global surface summary of the day,GSOD)是廣泛使用的全球準(zhǔn)實(shí)時(shí)日降水產(chǎn)品。除了雨量站觀測(cè)，基于多源衛(wèi)星反演的降水產(chǎn)品，如熱帶雨量測(cè)量任務(wù)(Tropical Rainfall Measuring Mission,TRMM)衛(wèi)星產(chǎn)品(Huffman et al,2007)、CMORPH(CPC morphing technique)衛(wèi)星反演降水產(chǎn)品(Joyce et al,2004)等，由于覆蓋范圍廣、時(shí)空連續(xù)性好，已成為長(zhǎng)序列降水氣候數(shù)據(jù)集的重要代表。近年來(lái)，NMIC通過(guò)整合全球電信系統(tǒng)(Global Telesystems,GTS)、GSOD、ISD等多個(gè)來(lái)源的降水?dāng)?shù)據(jù)，并引入中國(guó)國(guó)家級(jí)氣象站實(shí)測(cè)數(shù)據(jù)，形成了一套完整性更好的全球日降水產(chǎn)品(Yang et al,2020)(圖2)；通過(guò)集成國(guó)內(nèi)外多種來(lái)源的海表觀測(cè)數(shù)據(jù)，研制出百年長(zhǎng)度全球海表觀測(cè)定時(shí)值數(shù)據(jù)集和全球月值網(wǎng)格產(chǎn)品(Chen et al,2021)；采用拉格朗日集成算法，實(shí)現(xiàn)FY-3B/3C/3D、NOAA-18/19/20、METOP-A/B/C、S-NPP、GPM等十余顆極軌衛(wèi)星微波反演降水與風(fēng)云靜止衛(wèi)星紅外數(shù)據(jù)的集成，形成覆蓋東亞區(qū)域的逐小時(shí)5 km分辨率的衛(wèi)星集成降水產(chǎn)品(East Asian multi-satellite integrated precipitation，EMSIP)，產(chǎn)品均方根誤差小于1.5 mm·h-1(徐賓等, 2015)。這些重要進(jìn)展明顯縮小了與發(fā)達(dá)國(guó)家在降水?dāng)?shù)據(jù)集研制方面的差距，助力相關(guān)業(yè)務(wù)科研實(shí)現(xiàn)國(guó)產(chǎn)數(shù)據(jù)集的安全替代。

除了降水之外，相對(duì)濕度也是反映全球干濕變化最常用的氣象要素之一，對(duì)水資源的變化有一定指示作用。站點(diǎn)觀測(cè)的地表相對(duì)濕度數(shù)據(jù)是水汽輸

圖2 2016年全球降水產(chǎn)品的日降水觀測(cè)數(shù)據(jù)量 (引自Yang et al,2020;ISD：NCEI發(fā)布的全球地面 小時(shí)整合數(shù)據(jù)；NMIC：GTS和中國(guó)地面小時(shí) 降水?dāng)?shù)據(jù)集合；Merged：ISD和NMIC的集合)Fig.2 Data volumes of global daily precipitation totals in 2016 from different data sources (from Yang et al, 2020； ISD: integrated surface database released by NCEI; NMIC: integration of GTS and CMA data; Merged: integration of ISD and NMIC data)

送通量變化、干濕變化狀況研究的重要輸入源之一(謝欣汝等,2018;徐麗君等,2021)，也是全球和區(qū)域大氣再分析輸入的關(guān)鍵地表觀測(cè)變量(Jiang et al,2021)?；谡军c(diǎn)觀測(cè)濕度數(shù)據(jù)，國(guó)內(nèi)外已發(fā)布了長(zhǎng)序列均一化數(shù)據(jù)集和高分辨率的相對(duì)濕度網(wǎng)格數(shù)據(jù)集，如英國(guó)哈德萊中心發(fā)布的全球地表濕度數(shù)據(jù)集HadCRUH(Willett et al,2008)和HadISDH(Willett et al,2014)，國(guó)家氣象信息中心發(fā)布的中國(guó)相對(duì)濕度均一化數(shù)據(jù)集(朱亞妮等，2015)及網(wǎng)格化數(shù)據(jù)集(趙煜飛和朱亞妮，2017)等。美國(guó)發(fā)布的北美地區(qū)高分辨率網(wǎng)格數(shù)據(jù)集Daymet(Thornton et al,2020)也包含了1 km網(wǎng)格的水汽壓日值數(shù)據(jù)。對(duì)流層大氣濕度觀測(cè)主要來(lái)自探空觀測(cè)、飛機(jī)觀測(cè)、地基全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)水汽觀測(cè)及衛(wèi)星觀測(cè)。NCEI發(fā)布的綜合全球無(wú)線電探空數(shù)據(jù)集(integrated global radiosonde archive,IGRA)(Durre et al,2018)提供了1905年以來(lái)全球高空溫度、濕度和風(fēng)場(chǎng)觀測(cè)資料。Liao et al(2021)發(fā)布的全球飛機(jī)觀測(cè)基礎(chǔ)數(shù)據(jù)集提供了2000年以來(lái)的全球飛機(jī)觀測(cè)濕度。衛(wèi)星垂直探測(cè)儀和多通道微波掃描輻射計(jì)的應(yīng)用為高空水汽提供新的信息來(lái)源，特殊傳感器微波成像儀(special sensor microwave/imager，SSM/I)于1987年應(yīng)用后資料質(zhì)量得到提高，為海洋上空提供了最為可信的對(duì)流層低層大氣水汽總量序列。這些觀測(cè)數(shù)據(jù)已被廣泛應(yīng)用于全球各國(guó)的數(shù)值天氣預(yù)報(bào)及再分析產(chǎn)品的研制與評(píng)估。地基GNSS/MET反演的大氣可降水量數(shù)據(jù)集已在降水預(yù)報(bào)中得到了應(yīng)用(Seco et al,2012；Yao et al,2017)。云是水汽在大氣中的極其重要的載體，基于國(guó)際衛(wèi)星云氣候計(jì)劃的ISCCP產(chǎn)品、地球觀測(cè)系統(tǒng)EOS系列衛(wèi)星云產(chǎn)品、云雷達(dá)衛(wèi)星CloudSat云產(chǎn)品等都能有效表征基本云屬性及不同時(shí)間尺度上的變化，是研究全球云水資源分布等的數(shù)據(jù)源。此外，微波輻射計(jì)可以提供大氣溫濕度、水汽密度及云液態(tài)水廓線(鄭颯颯, 2019；孔凡超等,2021)，微波輻射計(jì)聯(lián)合云雷達(dá)觀測(cè)可以提高相對(duì)濕度廓線反演的精度(丁虹鑫等,2018)。

徑流是水分循環(huán)陸地分支中的重要變量。WMO全球徑流數(shù)據(jù)中心(Global Runoff Data Centre,GRDC)提供了全球范圍內(nèi)超過(guò)1萬(wàn)個(gè)觀測(cè)站點(diǎn)的流量數(shù)據(jù)。根據(jù)2020年水文統(tǒng)計(jì)年報(bào)(http:∥www.mwr.gov.cn/sj/tjgb/swxytjnb/202109/t20210915_1544005.html)，我國(guó)水文水資源監(jiān)測(cè)共有國(guó)家基本水文站3 000余個(gè)，專用水文站4 000多個(gè)，覆蓋全部江河湖泊。地表蒸發(fā)不僅是地球表面水文循環(huán)的重要組成部分，也是徑流研究的重要參考數(shù)據(jù)之一。自20世紀(jì)50年代我國(guó)在地面氣象站開展蒸發(fā)觀測(cè)以來(lái)，形成了長(zhǎng)序列蒸發(fā)日值和月值數(shù)據(jù)集。但由于不同時(shí)期和地區(qū)部署了兩種不同的蒸發(fā)儀器(大型蒸發(fā)和小型蒸發(fā))，造成數(shù)據(jù)均一化較為困難。Xiong et al(2012)利用偏最小二乘法進(jìn)行線性回歸，重建了中國(guó)日大型蒸發(fā)數(shù)據(jù)集;Xue et al(2016)利用改進(jìn)的Delta統(tǒng)計(jì)降尺度方法重建了逐月累積蒸發(fā)量，并以此開展了徑流數(shù)據(jù)模擬與評(píng)估試驗(yàn)。

綜上所述，基于多渠道的氣象和水文數(shù)據(jù)，一方面，通過(guò)多源數(shù)據(jù)時(shí)間序列的空間相關(guān)性分析等算法可有效甄別各類觀測(cè)及元數(shù)據(jù)數(shù)據(jù)的錯(cuò)誤與不確定性，進(jìn)而提升數(shù)據(jù)集質(zhì)量(Bliefernich et al, 2021)。另一方面，通過(guò)降水、徑流、土壤水分、城市排水等多源信息的綜合應(yīng)用，可有效分析極端強(qiáng)降水條件下潛在洪澇災(zāi)害的發(fā)生條件,城市化條件下洪水響應(yīng)時(shí)間和峰值時(shí)空變化狀況,以及水資源評(píng)估與水基礎(chǔ)設(shè)施建設(shè)規(guī)劃等(Smith et al,2002；Chang et al,2010)。

2 多源數(shù)據(jù)融合分析與實(shí)況構(gòu)建

2.1 多源數(shù)據(jù)融合分析

隨著綜合觀測(cè)系統(tǒng)的發(fā)展，地基、?；⒖栈?、天基觀測(cè)數(shù)據(jù)越來(lái)越多。但是，由于受到自然條件限制，地面和海洋站點(diǎn)觀測(cè)分布不均勻，空間代表性始終存在不足，難以做到連續(xù)的時(shí)空覆蓋。同樣，天基或地基遙感探測(cè)容易受到遮擋物和反演算法的影響，產(chǎn)品精度也受到一定制約。因此，發(fā)揮不同來(lái)源觀測(cè)數(shù)據(jù)的優(yōu)勢(shì)，發(fā)展多源融合分析產(chǎn)品是獲取逼近水文氣象“真值”的有效手段。

仍以降水?dāng)?shù)據(jù)為例，不同來(lái)源降水?dāng)?shù)據(jù)的優(yōu)勢(shì)和不足非常明顯(表1)。正因如此，多源融合降水應(yīng)運(yùn)而生。國(guó)際上早期的全球降水氣候計(jì)劃(Global Precipitation Climatology Project Combined Precipitation，GPCP)(Huffman et al,1997)、CPC融合降水分析產(chǎn)品(CPC merged analysis of precipitation，CMAP)(Xie and Arkin,1997)等降水產(chǎn)品結(jié)合了靜止衛(wèi)星紅外探測(cè)時(shí)空連續(xù)分辨率高和極軌衛(wèi)星被動(dòng)微波降水精度較高的優(yōu)勢(shì)，并利用地面觀測(cè)對(duì)衛(wèi)星集成降水進(jìn)行訂正，融合形成長(zhǎng)序列2.5°分辨率的逐候降水?dāng)?shù)據(jù)，在水文氣象及氣候變化研究領(lǐng)域被廣泛應(yīng)用。20世紀(jì)90年代后期，隨著衛(wèi)星資料的廣泛應(yīng)用，發(fā)展了概率密度匹配(probability density function,PDF)等遙感資料校正及偏差訂正技術(shù)，最優(yōu)插值(optimum interpolation,OI)、卡爾曼濾波(Kalman filter,KF)等融合技術(shù)在降水融合領(lǐng)域也有了更成熟的應(yīng)用，衛(wèi)星集成及融合降水產(chǎn)品時(shí)空分辨率顯著提高，如美國(guó)的TMPA(TRMM multi-satellite precipitation analysis)(Huffman et al,2007)、CMORPH、日本GSMaP(global satellite mapping of precipitation)(Ushio et al,2009)等產(chǎn)品分辨率達(dá)到了逐小時(shí)0.1°分辨率，為全球大范圍高分辨率的降水監(jiān)測(cè)提供了便利。天氣雷達(dá)探測(cè)信息的引入，進(jìn)一步提升了區(qū)域降水的精細(xì)刻畫能力，美國(guó)StageIV系統(tǒng)(Kitzmiller et al,2013)和MRMS(Multi-Radar Multi-Sensor)系統(tǒng)(Zhang et al,2016)針對(duì)雷達(dá)估測(cè)降水的偏差，以雨量計(jì)為基準(zhǔn)發(fā)展了基于KF、OI、反距離權(quán)重(inverse distance weighted,IDW)等方法的平均場(chǎng)系統(tǒng)誤差訂正和局部偏差訂正技術(shù)(Seo and Breidenbach,2002)。其中，MRMS系統(tǒng)產(chǎn)品的空間分辨率達(dá)1 km，更新頻次達(dá)2 min，在強(qiáng)降水災(zāi)害天氣監(jiān)測(cè)和臨近預(yù)報(bào)方面發(fā)揮了重要作用。

表1 各種來(lái)源降水?dāng)?shù)據(jù)的優(yōu)缺點(diǎn)Table 1 Advantages and disadvantages of precipitation data from various sources

我國(guó)多源數(shù)據(jù)融合的研究起步相對(duì)晚一些。2007年，NMIC開啟了多源降水融合探索，研制出逐日25 km單源降水產(chǎn)品。之后，在消化改造國(guó)外相關(guān)技術(shù)[PDF、OI、貝葉斯模型平均(Bayesian model averaging，BMA)等]基礎(chǔ)上，陸續(xù)研制出逐小時(shí)10 km分辨率“地面+衛(wèi)星”二源融合降水產(chǎn)品、逐小時(shí)5 km和1 km分辨率“地面+衛(wèi)星+雷達(dá)”三源融合降水產(chǎn)品(潘旸等,2018)，并利用氣象和水文雨量站觀測(cè)數(shù)據(jù)進(jìn)行了獨(dú)立樣本檢驗(yàn)。經(jīng)過(guò)多年業(yè)務(wù)科研應(yīng)用反饋與優(yōu)化，2021年9月中國(guó)區(qū)域逐小時(shí)1 km分辨率降水產(chǎn)品實(shí)現(xiàn)業(yè)務(wù)運(yùn)行，為強(qiáng)降水監(jiān)測(cè)和智能網(wǎng)格預(yù)報(bào)業(yè)務(wù)提供了高精度“零時(shí)刻”分析場(chǎng)。2020年2 400個(gè)國(guó)家級(jí)自動(dòng)站獨(dú)立檢驗(yàn)評(píng)估結(jié)果顯示(表2)，基于地面、雷達(dá)和衛(wèi)星三源融合的降水產(chǎn)品的均方根誤差和平均偏差分別為0.526 mm·h-1和-0.007 mm·h-1，優(yōu)于單源地面分析產(chǎn)品的0.576 mm·h-1和-0.015 mm·h-1，以及雷達(dá)產(chǎn)品的0.815 mm·h-1和-0.016 mm·h-1。目前，NMIC的多源融合分析產(chǎn)品已由降水要素拓展到海洋、陸地和三維大氣的多個(gè)關(guān)鍵氣象要素，其中與水分循環(huán)密切相關(guān)的有三維云(朱智等,2021)、降水相態(tài)、蒸散發(fā)、土壤溫濕度(Han et al,2019)、積雪、海冰等。產(chǎn)出上述產(chǎn)品的核心技術(shù)各不相同，呈現(xiàn)出很好的多樣性，例如利用逐步訂正技術(shù)，融合雷達(dá)、衛(wèi)星、探空等多源數(shù)據(jù)研制出中國(guó)區(qū)域逐小時(shí)三維云產(chǎn)品；應(yīng)用高分辨率高質(zhì)量陸面驅(qū)動(dòng)數(shù)據(jù)和數(shù)值模擬技術(shù)，研發(fā)出中國(guó)區(qū)域逐小時(shí)積雪產(chǎn)品。此外，還研發(fā)了全球25 km、逐日海冰密集度產(chǎn)品(張雷等，2021)，數(shù)據(jù)質(zhì)量與英國(guó)OSTIA、美國(guó)OISST產(chǎn)品較為接近。在此基礎(chǔ)上，逐步建立了“全球-區(qū)域-局地”一體化大氣、陸面、海洋多源融合分析實(shí)況產(chǎn)品體系(圖3)，實(shí)時(shí)產(chǎn)出產(chǎn)品達(dá)140余種，全球分辨率達(dá)到10 km、中國(guó)區(qū)域則為1 km、局地可達(dá)百米。各類產(chǎn)品不僅在時(shí)空尺度上互補(bǔ)，更為重要的是存在著內(nèi)在的耦合驅(qū)動(dòng)，且可實(shí)現(xiàn)相互驗(yàn)證和迭進(jìn)。

表2 降水產(chǎn)品及各數(shù)據(jù)源獨(dú)立檢驗(yàn)評(píng)估結(jié)果Table 2 Independent verification results of different precipitation products

圖3 “全球-區(qū)域-局地”一體化大氣、陸面、海洋多源融合分析實(shí)況產(chǎn)品Fig.3 Multi-source merging analysis products of “global-regional-local” integrated atmospheric, land and ocean multi-source data

2.2 融合分析實(shí)況產(chǎn)品的應(yīng)用

通過(guò)融合分析快速產(chǎn)出的高精度實(shí)況產(chǎn)品，作為智能網(wǎng)格預(yù)報(bào)的背景場(chǎng)或預(yù)報(bào)模型的目標(biāo)場(chǎng)，可提升網(wǎng)格預(yù)報(bào)的精細(xì)化程度和準(zhǔn)確率，已成為時(shí)、日、月、季、年無(wú)縫隙預(yù)報(bào)業(yè)務(wù)的重要組成部分，支撐多尺度天氣氣候系統(tǒng)監(jiān)測(cè)和預(yù)報(bào)(圖4)。例如，國(guó)家氣象中心將實(shí)時(shí)的降水實(shí)況產(chǎn)品用于快速滾動(dòng)更新網(wǎng)格定量降水預(yù)報(bào)的訂正(諶蕓等，2021)，以此來(lái)提高突發(fā)性中小尺度天氣系統(tǒng)的降水預(yù)報(bào)能力。再如，2021年7月17—23日，河南省遭遇歷史罕見特大暴雨，5 min時(shí)效、逐10 min滾動(dòng)更新的1 km分辨率多源融合降水實(shí)況分析產(chǎn)品直觀地展現(xiàn)了降水過(guò)程的極端性，精準(zhǔn)地捕捉到降水極值和強(qiáng)降水中心，為一線氣象保障提供了重大支持(圖5)。

圖4 融合分析產(chǎn)品與無(wú)縫隙預(yù)報(bào)業(yè)務(wù)的對(duì)應(yīng)關(guān)系Fig.4 Corresponding relationship between multi-source data fusion analysis products and seamless forecast operation

圖5 1 km分辨率多源融合降水實(shí)況產(chǎn)品監(jiān)測(cè) 2021年7月17日00—15時(shí)河南暴雨過(guò)程累計(jì)雨量Fig.5 Observed accumulated rainfall during the extreme rainstorm in Henan Province by the 1 km resolution multi-source data merging precipitation product in 00-15 BT 17 July 2021

除了直接應(yīng)用于水文氣象災(zāi)害監(jiān)測(cè)和預(yù)報(bào)，多源融合實(shí)況分析產(chǎn)品也作為水文模型的輸入數(shù)據(jù)得到應(yīng)用。如國(guó)家氣象中心將降水實(shí)況產(chǎn)品接入水文模型前端，應(yīng)用于漬澇風(fēng)險(xiǎn)及洪水預(yù)報(bào)業(yè)務(wù)(包紅軍等，2021)。水利部防洪抗旱減災(zāi)工程技術(shù)研究中心將降水等陸面驅(qū)動(dòng)數(shù)據(jù)接入陸面水文模型，在遼寧、云南、長(zhǎng)江中下游等地區(qū)發(fā)生的區(qū)域性干旱事件監(jiān)測(cè)中發(fā)揮了重要作用。

3 資料再分析與水文氣象

3.1 資料再分析產(chǎn)品及應(yīng)用

眾多研究表明，觀測(cè)資料的發(fā)展豐富了人們的理論認(rèn)識(shí)，以及對(duì)自然規(guī)律的數(shù)理描述，這對(duì)天氣氣候模式的改進(jìn)具有重要推動(dòng)作用。例如21世紀(jì)初，在三維變分的同化技術(shù)條件下，衛(wèi)星資料應(yīng)用從同化反演廓線升級(jí)到直接同化衛(wèi)星輻射率，就使全球預(yù)報(bào)技巧(特別是南半球)顯著提升。同樣，數(shù)值模式和同化系統(tǒng)的發(fā)展，也推動(dòng)了觀測(cè)資料的發(fā)展，為數(shù)據(jù)分析提供了更多的工具。觀測(cè)資料與同化系統(tǒng)對(duì)接，依靠同化反饋數(shù)據(jù)的診斷分析，反復(fù)磨合，便可建立更完整、更高質(zhì)量的基礎(chǔ)數(shù)據(jù)集，同時(shí)可以產(chǎn)出高質(zhì)量的再分析產(chǎn)品(圖6)。

資料再分析，就是利用先進(jìn)的、固定的數(shù)據(jù)同化系統(tǒng)和數(shù)值預(yù)報(bào)模式，將模式預(yù)報(bào)和歷史觀測(cè)資料融合，從而獲取多變量、空間覆蓋完整、時(shí)間均一穩(wěn)定的長(zhǎng)序列歷史分析產(chǎn)品，實(shí)現(xiàn)對(duì)過(guò)去天氣和氣候狀況的重現(xiàn)。與針對(duì)特定要素開展的快速融合分析不同，資料再分析更加注重動(dòng)力、物理、化學(xué)上的協(xié)調(diào)一致，同化的數(shù)據(jù)更全面，產(chǎn)出的物理量也更多。從20世紀(jì)90年代中期開始，歐美日先后組織實(shí)施了一系列全球大氣資料再分析計(jì)劃，并已經(jīng)完成了四代全球大氣資料再分析研制(表3)。2017年，歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts,ECMWF)發(fā)布的最新一代再分析產(chǎn)品(ERA5)代表著當(dāng)前最高水平。與前幾代不同，其在資料同化方面有全面改進(jìn)，引入集合信息來(lái)表征“流依賴”的背景誤差協(xié)方差矩陣(Hersbach et al,2020)。從表3可以看出，國(guó)際再分析發(fā)展趨勢(shì)有如下特點(diǎn)：同化方法越來(lái)越先進(jìn)；考慮大氣與其他過(guò)程(氣溶膠、大氣化學(xué)、海洋、陸面)耦合；分析數(shù)據(jù)集的空間分辨率逐漸提高，同化的觀測(cè)資料(尤其衛(wèi)星資料)越來(lái)越多；時(shí)間上向后追溯到更早期。

圖6 觀測(cè)資料與數(shù)值預(yù)報(bào)、再分析的邏輯關(guān)系Fig.6 Relationship of observation data with numerical prediction and reanalysis data

表3 全球主要大氣再分析產(chǎn)品Table 3 Major global atmospheric reanalysis products

為了獲取更高質(zhì)量的陸面要素信息，國(guó)際主流的全球大氣再分析都基于離線的陸面模式模擬研制一套單獨(dú)的陸面再分析數(shù)據(jù)集，例如ERA-Interim/Land (Balsamo et al,2015)、ERA5/Land(Sabater et al,2017)、MERRA-Land (Reichle et al,2011)和CFSR-Land (Meng et al,2012)等。此外，國(guó)際上還先后組織實(shí)施了一系列全球海洋再分析產(chǎn)品的研究與制作，例如美國(guó)的SODA(Carton and Giese,2008)、ECCO(Menemenlis et al,2008)、HYCOM(Chassignet et al,2007)，ECMWF的ORA(Zuo et al,2017)，法國(guó)的GLORYS(Parent et al,2011)，日本的MOVE(Toyoda et al,2012)、ESTOC(Masuda et al,2010)等，不僅為海洋短期數(shù)值預(yù)報(bào)和氣候預(yù)測(cè)提供了初始場(chǎng)，而且還用于海洋動(dòng)力學(xué)和海洋在氣候變化中的影響研究。

再分析產(chǎn)品已成為研究地球系統(tǒng)重要的數(shù)據(jù)源(Hodges et al, 2011)，在天氣、氣候、海洋和水文等領(lǐng)域具有廣泛應(yīng)用。Lin et al(2014)研究顯示MERRA和ERA-Interim 再分析數(shù)據(jù)正確地再現(xiàn)了全球季風(fēng)降水的季節(jié)性。Winkelbauer et al(2022)使用最先進(jìn)的ERA5等再分析數(shù)據(jù)分析了北極主要流域的季節(jié)循環(huán)和年度徑流趨勢(shì)，計(jì)算了整個(gè)北極地區(qū)的河流流量。由于再分析能夠?yàn)樗哪Ｐ吞峁鉁亍⒔邓?、蒸散量、土壤水分和徑流等水文?shù)據(jù)，因而被廣泛用于各地的水文模型(Zhao et al,2010)。例如，Hersbach et al(2015)選擇 ERA-20CM氣候再分析作為驅(qū)動(dòng)水文模型的輸入，開展長(zhǎng)時(shí)間序列的水文變化研究。Essou et al(2016a;2016b)使用美國(guó)的全球和區(qū)域再分析數(shù)據(jù)比較了水文模型的輸出，再分析數(shù)據(jù)能夠再現(xiàn)除亞熱帶和濕潤(rùn)的大陸地區(qū)以外的降雨年際變化。Dile and Srinivasan(2014)在氣象數(shù)據(jù)缺乏的非洲尼羅河流域進(jìn)行水文預(yù)報(bào)時(shí)，將CFSR再分析資料與傳統(tǒng)氣象數(shù)據(jù)輸入SWAT模型中并對(duì)模擬結(jié)果進(jìn)行了評(píng)估，發(fā)現(xiàn)使用CFSR氣象數(shù)據(jù)的月尺度模擬精度較好。高瑞等(2017)以天山西部山區(qū)的喀什河流域?yàn)榈湫脱芯繀^(qū)，利用1990—2000年實(shí)測(cè)水文氣象站點(diǎn)資料、CFSR及ERA-Interim數(shù)據(jù)，驅(qū)動(dòng)水文變量滲透能力(variable infiltration capacity,VIC)模型所得的徑流過(guò)程與實(shí)測(cè)徑流過(guò)程，評(píng)估了再分析降水?dāng)?shù)據(jù)在喀什河流域的適用性。

3.2 中國(guó)第一代大氣和陸面再分析

NMIC于2013年底啟動(dòng)全球大氣再分析工作，通過(guò)一系列試驗(yàn)和監(jiān)測(cè)評(píng)估，建立了第一代全球大氣和陸面再分析系統(tǒng)，成功研制出1979年以來(lái)全球大氣再分析產(chǎn)品(簡(jiǎn)稱CMA-RA，時(shí)間分辨率為6 h，空間分辨率34 km，垂直層次為64層，模式層頂為0.27 hPa)和全球陸面再分析產(chǎn)品(時(shí)間分辨率為3 h，空間分辨率為34 km，垂直層次為4層)。以ERA5為基準(zhǔn)，多方綜合評(píng)估表明，CMA-RA的三維大氣溫度場(chǎng)、濕度場(chǎng)、風(fēng)場(chǎng)等總體上優(yōu)于國(guó)際第一、二代全球大氣再分析產(chǎn)品，與國(guó)際第三代全球大氣再分析產(chǎn)品質(zhì)量相當(dāng)(圖7)。CMA-RA已于2020年12月實(shí)現(xiàn)業(yè)務(wù)化運(yùn)行，可實(shí)現(xiàn)近實(shí)時(shí)追加更新，時(shí)效上快于從互聯(lián)網(wǎng)下載國(guó)際同類產(chǎn)品。于2021年5月向全社會(huì)公開發(fā)布，用戶已覆蓋氣象、水文、農(nóng)業(yè)科學(xué)、地球科學(xué)、環(huán)境與安全等多個(gè)行業(yè)。與國(guó)際主流再分析產(chǎn)品一樣，CMA-RA包含了諸多與水分循環(huán)相關(guān)的物理量，如降水、降雪、雪深、地表徑流、土壤溫度、土壤體積含水量、蒸散發(fā)、冠層總蓄水量等(表略)。目前，國(guó)家氣候中心的中國(guó)多模式集成(China multi-model ensemble,CMME)預(yù)測(cè)系統(tǒng)已實(shí)現(xiàn)初始場(chǎng)由日本JRA55替換為國(guó)產(chǎn)CMA-RA數(shù)據(jù)；世界氣象中心(北京)也基于CMA-RA開展了全球天氣及氣候監(jiān)測(cè)服務(wù)(圖8和圖9)。

但是實(shí)事求是地講，CMA-RA與ECMWF最新一代再分析ERA5相比還存在相當(dāng)大的差距。這種差距不僅表現(xiàn)在產(chǎn)品分辨率、精度和序列長(zhǎng)度等表層，還在同化技術(shù)、多分量模式耦合等核心技術(shù)層面。ERA5采用了集合四維變分混合同化技術(shù)，實(shí)現(xiàn)了大氣、陸面和波浪模型的耦合，產(chǎn)品時(shí)間分辨率達(dá)到1 h，已成為全球再分析工作的追趕目標(biāo)。

圖7 CMA-RA 500 hPa位勢(shì)高度與國(guó)際主流 再分析產(chǎn)品(以ERA5為參照)Fig.7 CMA-RA of 500 hPa geopotential height and three major reanalysis datasets (RMSE relative to ERA5)

圖8 1981—2010年CMA-RA全球日降水量氣候態(tài)Fig.8 Climatology of global daily precipitation derived from CMA-RA (1981-2010)

圖9 基于CMA-RA的臺(tái)風(fēng)煙花三維結(jié)構(gòu)Fig.9 3D structure of Typhoon In-Fa derived from CMA-RA

4 未來(lái)工作展望

未來(lái)一段時(shí)期，全球綜合觀測(cè)系統(tǒng)和社會(huì)化觀測(cè)還將快速發(fā)展。例如，歐盟哥白尼計(jì)劃持續(xù)地加強(qiáng)衛(wèi)星觀測(cè)和直接觀測(cè)，以及相應(yīng)的數(shù)據(jù)和產(chǎn)品研發(fā)，其中衛(wèi)星每天生產(chǎn)的數(shù)據(jù)量高達(dá)12 TB。與此同時(shí)，地球系統(tǒng)模式正在從大氣向陸地、海冰、海洋、海浪等分量模式擴(kuò)展，而且趨于走向統(tǒng)一的地球系統(tǒng)模式。目前，積雪、陸面、海冰等觀測(cè)資料同化還不是很充分，相對(duì)落后于大氣資料，所以在地球系統(tǒng)模式的未來(lái)發(fā)展過(guò)程中，各圈層交界面上的水文氣象觀測(cè)資料的同化應(yīng)用極其重要，需要進(jìn)一步深化水文氣象數(shù)據(jù)的收集整合、質(zhì)量控制、融合分析和再分析。

(1)觀測(cè)數(shù)據(jù)匯聚與質(zhì)量控制。面向水文氣象預(yù)報(bào)預(yù)測(cè)業(yè)務(wù)需求，進(jìn)一步加強(qiáng)全球數(shù)據(jù)發(fā)現(xiàn)與收集、歷史資料拯救、部門數(shù)據(jù)交換、社會(huì)化觀測(cè)數(shù)據(jù)獲取與處理，發(fā)展新型觀測(cè)數(shù)據(jù)質(zhì)量控制、復(fù)雜下墊面數(shù)據(jù)質(zhì)量控制、社會(huì)化觀測(cè)數(shù)據(jù)質(zhì)量控制及偏差分析訂正技術(shù)，實(shí)現(xiàn)多圈層協(xié)調(diào)質(zhì)量控制、質(zhì)量評(píng)估及偏差分析與訂正，拓展人工智能技術(shù)在數(shù)據(jù)重建及偏差訂正方面的應(yīng)用，構(gòu)建滿足地球系統(tǒng)模式不同分量應(yīng)用需求的立體綜合水文氣象觀測(cè)信息。

(2)多源數(shù)據(jù)融合分析?？茖W(xué)消除各類觀探測(cè)資料的系統(tǒng)偏差及復(fù)雜下墊面條件影響，進(jìn)行誤差估計(jì)和多尺度最優(yōu)分析從而得到準(zhǔn)確的實(shí)況場(chǎng)。面向“早預(yù)警、早行動(dòng)”對(duì)水文氣象實(shí)況信息的需求，研發(fā)快速多源數(shù)據(jù)融合分析技術(shù)，產(chǎn)品要素向冰凍、生態(tài)等圈層拓展，更新頻次提高至分鐘級(jí)，重點(diǎn)區(qū)域產(chǎn)品空間分辨率提高至次百米級(jí)，逐漸逼近“真實(shí)”水分循環(huán)全過(guò)程，為防災(zāi)減災(zāi)提供精密的水文氣象監(jiān)測(cè)數(shù)據(jù)，并為模式預(yù)報(bào)提供更精準(zhǔn)的初猜場(chǎng)。

(3)資料再分析。在我國(guó)第一代全球大氣再分析數(shù)據(jù)產(chǎn)品基礎(chǔ)上，研發(fā)高分辨率全球區(qū)域一體化大氣再分析系統(tǒng)，研制具有更高時(shí)空分辨率全球和區(qū)域再分析產(chǎn)品。因篇幅局限，本文對(duì)國(guó)內(nèi)海洋、大氣化學(xué)再分析研發(fā)進(jìn)展涉獵較少。但從未來(lái)發(fā)展看，可逐步將大氣再分析擴(kuò)展到耦合陸面、海洋、海冰、積雪、冰蓋、大氣化學(xué)、生物地球化學(xué)、動(dòng)態(tài)植被等氣候系統(tǒng)組分，研究多圈層、多組分和多過(guò)程相互協(xié)調(diào)的資料同化技術(shù)，優(yōu)化不同歷史時(shí)期氣候系統(tǒng)各組分背景誤差協(xié)方差，研發(fā)更長(zhǎng)時(shí)段氣候系統(tǒng)耦合再分析產(chǎn)品。

(4)人工智能分析。緊跟美國(guó)和ECMWF人工智能戰(zhàn)略，加快經(jīng)典數(shù)理分析技術(shù)與大數(shù)據(jù)、人工智能、云計(jì)算等新一代信息技術(shù)的融合應(yīng)用，圍繞災(zāi)害性天氣識(shí)別、短時(shí)臨近預(yù)報(bào)、氣候預(yù)測(cè)，以及數(shù)據(jù)質(zhì)量控制、誤差分析訂正、時(shí)空降尺度等典型氣象應(yīng)用場(chǎng)景，研發(fā)高質(zhì)量氣象和水文人工智能應(yīng)用訓(xùn)練、驗(yàn)證及測(cè)試數(shù)據(jù)集，發(fā)布基準(zhǔn)數(shù)據(jù)集，從而促進(jìn)人工智能在數(shù)據(jù)分析、數(shù)值模式多環(huán)節(jié)的應(yīng)用。

致 謝：本文撰寫得到了劉志權(quán)、師春香、姜立鵬等人在多源數(shù)據(jù)融合分析與再分析方面提供的有益指導(dǎo)和重要幫助，在此一并表示感謝。