1 引言
利用观测资料改善数值天气预报模式的初始场质量是提升数值模式预报性能的关键因素之一。然而， 常规观测资料在空间覆盖面和时间尺度上有很大的局限性， 常常无法捕捉发展迅速且变化剧烈的中小尺度天气过程。有研究表明， 近年来国际上数值天气预报能力的提升， 很大一部分贡献是由于卫星资料的同化应用（薛纪善， 2009）。特别是包含有大气湿度信息的卫星观测， 可以有效解决常规探测水汽信息的水平空间局限性和中高层探测精度低的问题， 对数值模式中高层水汽分布、 温度场以及风场的预报有一定的改善（Baordo and Geer， 2016； Singh et al， 2011； Otkin， 2010； 沈桐立等， 1996； 薛童等， 2017）。
微波探测具有穿透探测大气水汽的特点， 一直以来是国内外科研学者广泛关注和研究的热点（Eyre et al， 1993； Liu et al， 2012； 顾松强等， 2006； 张利红等， 2007）， 欧洲中期天气预报中心（European Center for Medium-Range Weather Forecasts， ECMWF）、 美国国家环境预报中心（National Center for Environmental Prediction， NCEP）和国家大气研究中心（National Center for Atmospheric Research， NCAR）均已将微波探测辐射率资料同化应用至其全球或区域数值预报业务系统中（Bormann et al， 2013； Powers and Gao， 2000； Derber and Wu， 1998）。但微波探测辐射率资料同化方面还有许多关键技术问题有待解决， 如卫星辐射率资料的质量控制、 偏差订正、 地面发射率的修正等。Harris et al（2001）在Eyre et al（1993）研究基础上， 开发了适用于TOVS（The TIROS Operational Vertical Sounder）辐射率资料的偏差订正方案， 并被广泛应用； Zou et al（2013）基于MHS（Microwave Humidity Souder）三个通道和GOES（Geostationary Operational Environmental Satellite）10.7 mm成像仪通道探测资料之间的统计关系， 提出了一种新的云检测算法， 可较好剔除受云影响的资料； Geer and Bauer（2011）利用快速辐射传输模式RTTOV的散射辐射模块， 将观测误差作为对称云量的函数， 对有云和降水影响下的微波辐射率资料资料进行同化， 该方法也用于ECMWF中多种卫星探测资料的全天候同化中。
由我国自主研发的风云系列气象卫星作为全球综合对地观测系统的重要组成成员， 通过欧洲中期天气预报中心（ECMWF）的测试评估， 其微波探测辐射率资料在数值预报模式中得到同化应用（Lu et al， 2012； Chen et al， 2015； Lawrence et al， 2018）。其中， FY-3C卫星于2013年9月发射， 其上搭载了多种探测仪， 而微波湿度计（MicroWave Humidity Sounder-2， MWHS-2）较之前也更为先进， 探测频点增加， 精度进一步提升， 可较好提供大气水汽的垂直分布。Lu et al（2015）和Lawrence et al（2018）在ECMWF数值预报系统中对该资料的同化应用进行了长时间序列的效果评估， 表明同化风云三号C星微波湿度计的大部分通道资料可提高全球预报准确率， 尤其是位于183 GHz附近的通道资料， 对不同时效的预报效果均有积极的影响。基于此研究， FY-3C卫星MWHS-2辐射率资料于2016年4月4日起正式在ECMWF数值预报系统中业务化应用（Lawrence et al， 2018）。但目前在国内外对于FY-3C卫星MWHS-2资料在有限区域同化系统中的应用研究处在初步阶段。朱利剑等（2018）提出了基于亮温通道变率的新的陆地资料云检测方法， 可较好剔除大部分受云影响的资料； 吴应昂（2015）利用WRFDA同化系统实现对FY-3C卫星MWHS-2观测资料的同化应用， 并对台风“海鸥”的路径预报产生正效果。
尽管有不少学者开展了上述研究， 但目前国内诸多数值预报模式还未真正对风云三号卫星微波湿度计辐射率资料进行业务化同化应用。本研究在北京城市气象研究院研发的新一代快速更新多尺度资料分析和预报系统——短期预报子系统（the rapid-refresh multi-scale analysis and prediction system-Short-term， RMAPS-ST）框架内， 构建了针对FY-3C卫星微波湿度计辐射率资料的同化模块， 并初步评估了MWHS-2辐射率资料同化对RMAPS-ST系统预报结果的影响。本文所涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2019）1711号的中国地图制作， 底图无修改。
2 MWHS-2辐射率资料及前处理方法
2.1 MWHS-2辐射率资料
搭载于FY-3C的微波湿度计（MWHS-2）每条扫描观测98个地球视场， 探测通道较之前的微波湿度计有所更新（Lu et al， 2015）， 增加为15个， 其中5个通道位于183.31 GHz附近的水汽吸收线， 8个通道位于118.75 GHz附近的氧气吸收线， 另有两个位于89 GHz和150 GHz的窗区通道， 可综合探测大气的温湿垂直分布廓线。表1 罗列了各频率通道信息， 图1 为不同通道的温度或湿度Jacobian（Lawrence et al， 2018）。从图1 中可以看出， 通道2~7主要用于大气温度信息的探测， 其中通道2~4的权重峰值分布较高， 在100 hPa以上的平流层， 通道5~7的权重峰值位于100 hPa以下高度至地面。通道11~15主要用于探测大气湿度的垂直分布特征， 权重峰值位于300~700 hPa之间。由于本文重点研究晴空大气状态下的辐射率资料同化应用， 而通道2~7对云雨粒子观测敏感， 故主要选择通道11~15的辐射率资料。
表1 MWHS-2各频率通道信息Table 1 MWHS-2 channel characteristics |
| 通道序号 | 中心频率/GHz | 星下分辨率/km | 极化方式 |
|---|---|---|---|
| 1 | 89 | 29 | V |
| 2 | 118.75±0.08 | 29 | H |
| 3 | 118.75±0.2 | 29 | H |
| 4 | 118.75±0.3 | 29 | H |
| 5 | 118.75±0.8 | 29 | H |
| 6 | 118.75±1.1 | 29 | H |
| 7 | 118.75±2.5 | 29 | H |
| 8 | 118.75±3.0 | 29 | H |
| 9 | 118.75±5.0 | 29 | H |
| 10 | 150 | 29 | V |
| 11 | 183.31±1 | 16 | H |
| 12 | 183.31±1.8 | 16 | H |
| 13 | 183.31±3 | 16 | H |
| 14 | 183.31±4.5 | 16 | H |
| 15 | 183.31±7 | 16 | H |
图1 标准大气条件下， MWHS-2晴空大气在118 GHz通道的温度Jacobian（a）， 183 GHz通道的湿度Jacobian（b） ［引自Lawrence et al （2018）］Fig.1 Clear-sky temperature Jacobians for the 118-Ghz channels （a） and clear-sky temperature Jacobians for the 183-Ghz channels （b） in the standard atmosphere［from Lawrence et al （2018）］ |
2.2 质量控制
由于卫星仪器探测本身和大气环境等影响， 卫星观测资料不可避免地会产生误差， 在进入WRF-3DVAR同化模块之前， 需要使用一定的技术手段， 剔除误差较大的观测数据， 从而保证只有质量较“好”的资料进入同化模块。以往诸多研究表明（Chen et al， 2018； Lawrence et al， 2018）， 风云系列卫星上的MWHS的部分通道（特别是183 GHz附近）与搭载于METOP-B卫星上的微波湿度计（Microwave Humidity Sounding， MHS）通道的中心频率十分接近， 因此， 可参考MHS辐射率资料的质量控制方法。本研究中， 再结合MWHS-2辐射率资料的自身特征， 采用的质量控制基础步骤如下：
（1） 地表类型检验： 由于复杂地表发射辐射率模拟计算较为复杂， 会在同化过程中产生较大误差， 因此， 以USGS高分辨率地形数据（分辨率为10′）为基础， 以每个卫星观测像元的海陆掩码为判识依据， 剔除混合地表类型的所有通道的观测， 而只同化单一下垫面的观测。
（2） 临边检验： MWHS-2单条扫描线包含98个扫描点， 但位于其两端的探测点到仪器通道之间的路径比星下点到探测仪器通道之间的路径要长， 观测辐射量降低， 会产生所谓的临边效应， 因此剔除每条扫描线两端最边缘的8个观测。
（3） 地形高度检验： 剔除第15通道的地表气压值小于800 hPa的观测（Geer et al， 2014）。
（4） 偏差检验： 剔除模拟亮温与观测亮温的观测残差大于15 K的观测（Chen et al， 2015）； 剔除模拟亮温与观测亮温的观测残差大于3倍观测误差标准差的观测（Xie et al， 2019）。
（5） 云检测： 采用目前同化系统中微波湿度计云检测的通用方法， 以第一通道和第10 通道（即窗区通道）观测亮温差作为Bennartz 散射因子（Bennartz et al， 2002）进行云检测， 剔除该散射因子大于4.0的观测。
以2019年7月28日12:00（北京时， 下同）为例， 图2 给出经过上述质量控制步骤所剔除观测的分布。从图2 中可以看到， 第一步将扫描覆盖区域内海陆交界、 湖泊与陆地交界等混合下垫面交界处的观测剔除； 第二步剔除了每条扫描线两端最边缘的8个观测， 剔除了共计1207个观测资料； 第三步开展了地形高度检验， 剔除海拔较高地区的观测； 第四步通过前文所述两项判识规则将观测残差较大的资料剔除， 该步剔除的资料量也是除临边检验外最多的； 最后一步在前四步基础上， 剔除该时次大部分受云影响的资料， 此步剔除了约15%的观测。
2.3 偏差订正
尽管质量控制从一定程度上保证了进入同化系统的辐射率资料的质量， 但由于辐射传输模式本身及其基础光谱数据和输入数据的误差、 卫星观测资料因仪器灵敏度、 定标、 云等的影响所产生的误差、 传感器的响应特性随时间发生改变而产生的误差等综合影响下， 即使经过质量控制的辐射率资料也存在一定的偏差（Derber et al， 1998）。本研究中采用的是三维变分同化方法， 变分同化理论的基本假定是观测场和背景场误差（即观测残差OMB）满足高斯分布并且是无偏的， 但上述各种误差的存在， 这种无偏的假定实际上是不成立的， 因此， 需要进行偏差订正（Dee， 2005； 刘志权等， 2007； 王雪曼等， 2015）。
在本研究中， 卫星资料的变分偏差订正方法（Dee， 2004）采用一组预报因子的组合与辐射率偏差相联系， 针对每个通道， 利用以下线性回归方程计算偏差：
式中： pi 和βi 分别代表第i个预报因子和偏差订正系数。偏差订正系数需由大量样本通过最小二乘法拟合计算（Harris and Kelly， 2001）。预报因子则确定为多个变量的组合（Lu et al， 2015）， 包括由模式背景场提供的1000~300 hPa厚度、 模式背景场200~50 hPa的厚度、 模式表面温度、 模式水汽总量， 以及探测器本身的扫描角信息。
本研究以2019年7月20 -31日（共计12天）的观测残差为样本分析该偏差订正方法的效果。图4 分别罗列了通道11~15的观测残差在偏差订正前、 后的分布直方图。从图4 中可见， 这5个通道在偏差订正后观测残差概率分布的峰值比偏差订正前更接近0， 特别是在通道12~15， 偏差订正的效果尤为突出（表2 ）。通道15为例， 偏差订正前观测残差的概率分布峰值为-3.49， 经过偏差订正之后该值调整为-0.89， 减小74.5%， 偏差订正后观测残差的分布特征更接近于均值为零的高斯分布。
图4 2019年7月20 -31日MWHS-2通道11~15观测残差在偏差订正前、 后直方图Fig.4 The histogram of the observed versus RTTOV-calculated brightness temperature for channel 11~15 without and with bias correction， valid from 00:00 on 20 to 21:00 on 31 July 2019 |
表2 MWHS-2各通道偏差订正前、 后观测残差峰值对比Table 2 The comparison of OMB peak values before and after bias correction of MWHS-2 channels |
| 通道 | 通道11 | 通道12 | 通道13 | 通道14 | 通道15 |
|---|---|---|---|---|---|
| 偏差订正前/K | -0.96 | -1.70 | 1.25 | 3.34 | -3.49 |
| 偏差订正后/K | 0.08 | -0.24 | -0.27 | -0.74 | -0.89 |
FY-3C卫星于每日00:00 -03:00和12:00 -15:00通过中国区域上空， 但具体扫描时间不定， 由于同化时间窗的设置， 并非上述时次内的所有观测资料都可以进入同化模块， 故每次同化的观测个数不尽相同［图5 （a）］。每日有3~4个同化时次， 观测个数最多为3020个， 有4个时次观测数目低于500， 绝大部分时次的观测数目在500~3000之间。就逐时次偏差订正前、 后的观测残差而言， 偏差订正后的背景场与观测场残差均值均明显低于偏差订正前［图5 （b）］， 均方根误差在偏差订正后也有明显减小［图5 （c）］， 且调整之后的分析场与观测场残差均值更接近于0， 均方根误差也有减小， 表明了偏差订正方案的合理性和有效性。
图5 2019年7月20 -31日MWHS-2通道15逐时次同化观测个数（a）， 偏差订正前（OMB_nb）、 偏差订正后（OMB_wb）以及分析场（OMA）的观测残差平均值（b）与均方根误差（c）Fig.5 The number of observations（a）， mean bias（b）， and root mean square error （Rms）（c） of MWHS-2 channel 15 for OMB （OMB_nb） and with （OMB_wb）bias correction and OMA， valid from 00:00 on 20 to 21:00 on 31 July 2019 |
3 试验结果
3.1 试验设计
为评估FY-3C卫星MWHS-2辐射率资料同化对RMAP-ST系统预报结果的影响， 本研究设计了两组对比试验。RMAPS-ST系统是基于WRF模式及其同化系统WRFDA（Xie et al， 2019）发展起来的。此外， 本研究采用由ECMWF研究开发的快速辐射传输模式RTTOV（Radiative Transfer for TIROS-N Operational Vertical Sounder）（James et al， 2014）。
本研究试验时段选为2019年7月20日00:00至31日21:00， 每日8次时长为24 h的循环预报， 共计96个预报试验。两组试验中采用的模式设置详见表3 ， 加入同化的资料详见表4 ， 其中同化试验在每日相应卫星资料覆盖时次（即： 00:00， 03:00， 12:00和15:00）在模式外层的9 km区域同化FY-3C卫星MWHS-2资料， 同化试验的时间窗为分析时刻的 ±3 h。
表3 RMAPS-ST系统配置Table 3 Model and configurations of RMAPS-ST |
| 参数 | 配置 |
|---|---|
| 模式版本 | WRFv3.8.1+ WRFDAv3.8.1 |
| 模拟区域 | D01（模式第1层嵌套区域）： 649×500， 水平分辨率9 km |
| D02（模式第2层嵌套区域）： 550×424， 水平分辨率3 km | |
| 垂直分层 | 50层， 层顶50 hPa |
| 物理参数化 方案 | 微物理方案： Thompson双参 |
| 边界层方案： ACM2 | |
| 长波辐射方案： RRTMG | |
| 短波辐射方案： RRTMG | |
| 陆面方案： NOAH | |
| 对流参数化方案： Kain-Fritsch（仅D01） |
表4 同化试验设计Table 4 The design of experiments |
| 试验名称 | 同化资料 |
|---|---|
| 控制试验（CTRL） | 常规地面、 探空、 飞机报， 加密自动气象站资料（以下简称常规观测资料） |
| 同化试验（DA_RAD） | 常规观测资料， FY3C MWHS-2资料 |
3.2 对预报要素的影响评估
首先重点分析评估FY-3C卫星的微波湿度计辐射率资料同化对湿度场的影响。图6 对比了两组试验在2019年7月20 -31日时段内逐6 h预报时效的比湿场偏离观测（探空）的垂直廓线统计特征。从图6 中可以看出， 在初始预报时效内， 无论是平均偏差（BIAS）还是均方根误差（RMSE）， 均为控制试验优于加入MWHS-2资料同化的试验， 因为两组试验的00:00和12:00均同化了探空资料， 在此基础上再加入卫星辐射率资料同化， 且未经过动力协调而直接与探空资料对比， 偏差相对较大。在经过一定时间的积分之后， 6， 12和18 h预报时效的同化试验BIAS和RMSE均较控制试验有不同程度减小。在6 h预报时效， 同化试验的湿度BIAS从925~400 hPa均小于控制试验， 特别是在500 hPa（该高度是同化通道权重峰值所在层）， 同化前BIAS为0.12 g·kg-1， 同化MWHS-2资料后BIAS为0.07 g·kg-1， 减小了41.6%， 但RMSE从同化前的1.12 g·kg-1到1.10 g·kg-1， 仅减小了1.8%。为更加直观地体现MWHS-2资料同化的影响， 表5 给出了两组试验在12 h预报时效的BIAS和RMSE。从表5 中同样可以看到， 同化试验在整层的BIAS较控制试验均有明显减小， BIAS最多减小了33.3%； RMSE虽然改进效果较小， 但在整层表现为正效果； 18 h预报时效的预报也在500 hPa高度上表现出较明显的改善， 同化试验的BIAS比控制试验减小了45%； 400 hPa是MWHS-2探测器通道12的权重能量峰值对应高度， 因此同化试验的水汽场较控制试验也有一定的改善， 但由于大气中的水汽主要分布在中低层， 该高度本身的水汽含量较低， 故同化效果并不如500 hPa及以下高度的同化效果显著。
图6 控制试验与同化试验预报的比湿在预报时效的平均偏差及均方根误差的垂直分布Fig.6 The vertical profiles of average BIAS and RMSE for specific humidity for retrospective run forecasts from 20 to 31 July 2019 without （CTRL） and with （DA_RAD） satellite radiances |
表5 控制试验与同化试验预报的比湿在12 h预报时效的平均偏差及均方根误差对比Table 5 The comparison of average BIAS and RMSE for specific humidity in 12 hours for retrospective run forecasts without（CTRL） and with （DA_RAD） satellite radiances |
| 气压 /hPa | 平均偏差/（g·kg-1） | 均方根误差/（g·kg-1） | ||||
|---|---|---|---|---|---|---|
| 控制 试验 | 同化 试验 | 改进率 /% | 控制 试验 | 同化 试验 | 改进率 /% | |
| 400 | 0.10 | 0.08 | 20 | 0.72 | 0.71 | 1.3 |
| 500 | 0.12 | 0.08 | 33.3 | 1.10 | 1.08 | 1.8 |
| 700 | 0.22 | 0.19 | 13.6 | 1.86 | 1.83 | 1.6 |
| 850 | 0.19 | 0.14 | 26.3 | 2.76 | 2.71 | 1.8 |
| 925 | 0.19 | 0.18 | 5.2 | 2.82 | 2.80 | 0.7 |
总体而言， FY-3C卫星MWHS-2辐射率资料同化不仅对RMAPS-ST系统的湿度场有一定的影响， 同时通过背景误差协方差的作用对风场也有一定的改善， 预报效果在一定程度上优于控制试验。
3.3 降水预报影响
定量降水的准确预报是评估数值天气预报模式性能的一个关键方面。本研究采用常用的评分指标CSI和BIAS来评估两组试验的降水预报效果。CSI和BIAS的计算公式分别定义如下：
针对不同的降水阈值， NA表示实况有降水且模式预报正确的站数； NB表示实况无相应降水但模式预报有降水的站数； NC表示实况有降水但模式没有预报相应量级降水的站数。故CSI和BIAS越接近1， 表明降水预报越准确。
3.3.1 批量降水检验
本研究所选取的模拟试验时段内有两次较大范围的降水过程， 图8 和图9 分别给出了9 km区域（即全国范围）逐6 h预报降水的BIAS评分和CSI评分结果。25 mm·（6h）-1及以下阈值降水的预报中， 控制试验（灰色）和同化试验（黑色）的BIAS评分均大于1， 说明RMAPS-ST 9 km分辨率区域内该阈值的降水整体上存在较大范围空报， 而同化了MWHS-2辐射率资料后的降水预报BIAS评分均有所减小， 即在一定程度上改善了空报现象， 特别是10 mm·（6h）-1和25 mm·（6h）-1阈值， 评分优于控制试验。对于50 mm·（6h）-1阈值的降水， 两组试验从BIAS评分上均表现为漏报， 除了最初6 h时效内同化试验的评分略差于控制试验外， 其余三个时效内， 同化试验预报有较为明显的正效果。此外， 从预报时效的角度来看， 12~18 h、 18~24 h时效内的降水预报效果优于最初的0~6 h预报时效， 这对应于数值模式在最初需经过一定时间的调整从而达到初始场物理量与动力场平衡的状态。
由图9 可以看出， MWHS-2辐射率资料同化对RMAPS-ST系统降水预报的影响主要体现在5 mm·（6h）-1以上阈值中。两组试验中降水预报在0.1 mm·（6h）-1和1 mm·（6h）-1阈值的CSI评分无明显差异， 而在其余四个阈值上， MWHS-2同化试验在大部分情况下的CSI评分高于控制试验， 主要表现在12~18 h、 18~24 h预报时效25 mm·（6h）-1阈值的预报上， CSI评分分别由控制试验的0.0686、 0.0568提升为同化试验的0.0760、 0.0651， 分别提高了9.7%和12.7%； 50 mm·（6h）-1的大阈值预报中， 在最初两个预报时效， 同化试验降水预报准确率较控制试验高， 最大增幅为44.9%（6~12 h）。可见， MWHS-2辐射率资料的同化应用可在一定程度上改善RMAPS-ST 系统在9 km分辨率区域内对于较强降水预报的效果。
3.3.2 个例检验
为了进一步检验RMAPS-ST系统同化MWHS-2辐射率资料对华北区域降水的预报影响， 选取2019年7月28日夜间至29日白天发生在京津冀地区的一次暴雨过程进行分析。如图10 所示， 28日夜间到29日白天， 陕西东北部、 山西西北部和中南部、 河北中部、 北京中南部等地部分地区出现暴雨， 特别是在29白天， 河北中部局地出现了特大暴雨。
在两组对比试验最初的0~12 h时效内， 控制试验和同化MWHS-2辐射率资料的同化试验都能较好模拟出25 mm·（12h）-1量级以下的降水范围， 但在陕西北部、 山西中部、 河北西部及山东西部等多地预报出暴雨， 部分地区预报降水量超100 mm·（12h）-1的大暴雨， 比实况降水偏强。同化试验在上述大部地区的大暴雨预报范围明显减小， 且对50~100 mm·h-1降水范围的预报也比控制试验更接近实况（自动站观测资料）， 同时， 一定程度上改善了控制试验中对山东东南部降水预报量级过大的问题。在后12 h的预报中， 实况降水范围整体向东移动， 且在京津冀部分地区出现了暴雨到大暴雨。控制试验预报的暴雨中心位于天津以北， MWHS-2辐射率资料同化预报试验中将该暴雨中心向南调整， 相比之下与实况更接近。此外， 控制试验中对河北最南部降水的预报出现了一个50~100 mm·h-1的虚假大量级降水中心， 而MWHS-2资料同化则很好地修正了预报的量级。总体而言， FY-3C卫星MWHS-2辐射率资料同化对RMAPS-ST系统3 km区域的降水预报表现出正面的影响。
4 结论
本研究在区域数值模式RMAPS-ST系统的基础上研发了FY-3C 卫星微波湿度计辐射率资料的三维变分同化流程。通过对FY-3C卫星微波湿度计资料的一系列质量控制和偏差订正， 实现了MWHS-2辐射率资料在RMAPS-ST系统中的有效同化应用。
利用区域数值模式RMAPS-ST系统选取2019年7月20 -31日进行循环同化模拟试验， 进一步验证了系统三维变分同化模块中针对FY-3C卫星微波湿度计辐射率资料的质量控制和偏差订正方案的合理性， 并初步探究了该卫星辐射率资料在区域数值模式中的同化应用对预报性能的影响。批量试验结果表明： 在经过质量控制及偏差订正之后， 针对12天样本的观测残差统计特征更接近于均值为零的高斯正态分布， 残差标准方差有较大程度的减小， 表明了经过质量控制和偏差订正后的MWHS-2辐射率资料同化应用能够对RMAPS-ST分析场进行有效调整。MWHS-2辐射率资料同化可为区域数值模式RMAPS-ST系统初始场提供更多的湿度场信息， 从而在一定程度上改善了RMAPS-ST系统中 9 km区域上小量级降水预报范围偏大、 大量级降水预报强度不足的情况。MWHS-2辐射率资料同化在不同程度上提高了RMAPS-ST系统9 km区域上逐6 h降水预报的CSI评分， 并对3 km华北区域上的强降水预报改善表现出一定的正效果。
本研究为推进我国自主研发卫星资料的应用做了积极探索， 也为提升RMAPS-ST预报性能提供技术参考。同时， 不可否认， 该研究是对FY-3C卫星微波湿度计辐射率资料在区域数值预报模式中同化应用的初步探究。针对该探测资料同化应用的效果评估及优化方面， 仍需要更加细致和深入的研究， 如探究不同通道辐射率资料对同化的影响， 开展更为严格的质量控制方案， 发展有云影响（all-sky）区域辐射率资料的同化方法研究等。且要将其应用到RMAPS-ST业务预报系统中， 还需做更长时间序列的试验得出更为全面和有针对性的评估结果。