高原气象

高原气象 >

2024 , Vol. 43 >Issue 4: 883 - 894

DOI: https://doi.org/10.7522/j.issn.1000-0534.2023.00099

论文

卫星微波湿度计资料同化对雅鲁藏布江大峡谷暴雨模拟的影响

  • 符梓霖 ,
  • 王磊 ,
  • 李谢辉 ,
  • 梁沛乐
展开
  • 成都信息工程大学大气科学学院，四川 成都 610225

符梓霖（1998 -）， 男， 广东人， 硕士研究生， 主要从事卫星资料同化与数值模拟研究. E-mail：

收稿日期: 2023-06-25

  修回日期: 2023-12-08

  网络出版日期: 2023-12-08

基金资助

第二次青藏高原综合科学考察研究项目(2019QZKK0105); 四川省科技计划项目(2022YFS0536)

收起

Impact of Satellite Microwave Hygrometer Data Assimilation on the Yarlung Zangbo Grand Canyon Area Heavy Rain Simulation

  • Zilin FU ,
  • Lei WANG ,
  • Xiehui LI ,
  • Peile LIANG
Expand
  • College of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China

Received date: 2023-06-25

  Revised date: 2023-12-08

  Online published: 2023-12-08

Fold

摘要

利用数值预报系统Weather Research Forecast Model（WRF）与三维变分同化系统Data Assimilation（WRF-DA）， 通过控制方案（Con）、 NOAA-19方案（MHS）和FY-3C方案（MWHS-2）， 研究了FY-3C搭载的Micro-Wave Humidity Sounder 2（MWHS-2）和NOAA-19（National Oceanic and Atmospheric Administration-19）的Microwave Humidity Sound‐er（MHS）微波湿度计资料同化了雅鲁藏布江大峡谷暴雨模拟预报的影响。结果表明： 利用WRF-3DVAR（Three Dimensional Variation）同化MHS与MWHS-2微波辐射资料的模拟， 改善了降水的落区位置， 但MWHS-2试验降水落区更偏北； 同化使得水汽场的落区明显改善， 但相较于落区的改善， 其对强降水量级的改善作用较小。同化增强了700 hPa南北风分量， 加大了研究区域水汽的输送强度， 有利于水汽聚集。同化也改善了温度场， 如700~400 hPa层形成具有不稳定性的垂直温度场结构， 有利于降水产生和发展。总之， MHS试验的模拟结果优于MWHS-2， 主要体现在风场、 温和湿度场。此外， MWHS-2试验的24 h预报均方根误差变化较稳定， 说明该数据更有利于中后期的模拟。

关键词： WRF; MWHS-2; MHS; 同化; 暴雨; 雅鲁藏布江

本文引用格式

符梓霖 , 王磊 , 李谢辉 , 梁沛乐 . 卫星微波湿度计资料同化对雅鲁藏布江大峡谷暴雨模拟的影响[J]. 高原气象, 2024 , 43(4) : 883 -894 . DOI: 10.7522/j.issn.1000-0534.2023.00099

Abstract

This study uses the Weather Research Forecast Model （WRF） numerical forecast system and the Three-Dimensional Variational Data Assimilation （WRF-DA） system to investigate the impact of assimilating data from the Micro-Wave Humidity Sounder 2 （MWHS-2） onboard FY-3C and the Microwave Humidity Sounder （MHS） from NOAA-19 （National Oceanic and Atmospheric Administration-19） on the simulation and prediction of heavy rainfall events in the Yarlung Zangbo Grand Canyon.Three assimilation schemes are compared： the control （Con） scheme， the NOAA-19 scheme （MHS） and the FY-3C scheme （MWHS-2）.The results indicate that assimilation of MHS and MWHS-2 microwave radiance data using WRF-3DVAR （Three-Dimensional Variation） improves the simulation performance compared to the Con experiment.It improves the accuracy of the precipitation location， although the MWHS-2 experiment shows a northern bias in the precipitation area.Satellite data assimilation significantly improves the moisture field， but its effect on heavy rain intensity is less pronounced than its effect on precipitation area improvement.Data assimilation enhances the 700 hPa meridional wind component， leading to increased moisture transport within the study area.With respect to temperature， the assimilation of satellite microwave moisture data has a moderately positive effect， which forming an unstable vertical temperature structure in the 700~400 hPa layer， conducive to the generation and development of precipitation.Overall， the simulation results of the MHS experiment outperform those of MWHS-2， especially in the wind field， temperature and humidity fields.In addition， the root mean square error changes in the 24-hour forecast of the MWHS-2 experiment are relatively stable， indicating that MWHS-2 satellite data are more advantageous for medium to long-term simulation studies.

Key words： WRF; MWHS-2; MHS; assimilation; rainstorm; Yarlung Zangbo River

1 引言

青藏高原被称为“亚洲水塔”， 其中雅鲁藏布江是青藏高原面积最大的河流， 其特殊的地理位置在高原气候和生态环境中具有重要的意义。藏东南的雅鲁藏布大峡谷地区位于南迦巴瓦峰山脉、 喜马拉雅山脉和念青唐古拉山脉的交会处， 是高原转运水汽的关键区域（徐祥德等， 2002）。印度洋的强劲暖湿气流沿雅鲁藏布江地区北上高原， 和大峡谷地区独有的通道地形相结合， 共同造就了世界第二大降水带（张强等， 2022）， 年均4000 mm， 地处其下游段的墨脱县年降水量约3500 mm， 中下游段米林县约600 mm， 且下游段年水面蒸发量在1000 mm以下。其次， 林芝和墨脱等城镇位于雅鲁藏布江流域中下游区域， 降水丰沛， 短时强降水集中， 易达到山洪灾害的降水阈值。1998年我国开展第二次青藏高原大气科学试验或2019年开始的青藏高原科学考察等活动中， 大多数观测试验的地点均位于高原中西部， 对于藏东南地区， 尤其是雅鲁藏布大峡谷以及雅鲁藏布江中下游地区， 缺乏针对性的试验和连续的观测， 特别是数值模拟和资料同化方面更是少之又少（马耀明等， 2021）， 这对于一系列的气象问题研究都是十分不利的。因此， 利用现今比较成熟的卫星遥感技术与资料， 深入研究雅鲁藏布江流域中小尺度天气过程的演变， 特别是暴雨等问题的研究具有重要的科学价值。
在20世纪90年代， 卫星辐射资料已经被引入数值模拟， 用于改善气象预报（Pailleux and Kelly， 1985）。随着大量卫星观测数据的出现， 在数值天气预报Numerical weather prediction （NWP）中， 有效利用这些数据提高模式分析和预报的质量变得至关重要（Zhang et al， 2013）。在卫星微波湿度资料的评估方面， Chen et al（2015）和 Lawrence et al（2017）利用European Centre for Medium-Range Weather Forecasts（ECMWF）的资料同化系统先后对风云三号Ａ、 Ｂ星微波湿度计观测资料（MWHS）、 Ｃ星（MWHS-2）的数据质量可靠性及预报影响进行了研究。结果表明这些数据质量可靠， 同化后可改善模式的分析场。对于资料的同化影响， 研究发现MHS与MWHS-2资料可以通过改善模式水汽的初始场条件， 从而改善降水的模拟和预报（Xu et al， 2013； 范娇， 2019； 毛璐等， 2022； 陈旭等， 2023）。此外， Newman et al（2015）研究了在有限区域的集合卡曼滤波Ensemble Kalman filter（EnKF）数据同化系统中同化 MHS 的影响， 他们认为对中层水分有较大的改善。
在雅鲁藏布江大峡谷区域， 目前关于利用卫星资料同化探讨中小尺度降水的模拟预报研究相对较少， 因此在前人研究基础上， 本文进一步探索和评估MHS与MWHS-2微波湿度计观测资料同化对西藏雅鲁藏布江大峡谷区域的暴雨降水模拟预报结果的影响， 利用区域中尺度数值模型WRF和三维变分同化系统WRF-DA对2020年4月1 -2日一次暴雨案例进行资料同化与模拟预报试验， 并对比分析MHS与MWHS-2的不同影响。

2 研究区域概况

图1展示了雅鲁藏布江大峡谷及其流域的地理位置［此图及文中其他涉及的地图均是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2019）1711号的中国地图制作， 底图无修改］。雅鲁藏布江绕过喜马拉雅山脉最东端的南迦巴瓦峰后转向南， 途经波密、 林芝、 米林与墨脱县。其中， 东西走向的喜马拉雅山脉对全年盛行的西南风具有屏障作用， 其形成的海拔屏障使得水汽难以直接从南部进入高原腹地， 而气流沿高原南坡爬升， 导致对流事件频发（Boss and Kuang， 2010）。在全球变暖的背景下， 洪旱等灾害因子正影响着该流域水资源的演化（胡博亭等， 2019）。杨浩等（2019）、 刘江涛等（2018）总结前人的工作， 发现近年来东部湿润地区的暴雨事件可能更加频繁、 洪涝灾害更加严重， 在未来， 流域降水将有所增加， 暖湿化程度进一步增强。因此， 利用数值模式与资料同化方法研究探索该区域降水的天气变化特征， 对高原及周边地区的水循环研究、 暴雨洪涝等天气灾害的防治具有一定意义。
图1 雅鲁藏布江流域中下游（深色曲线）与雅鲁藏布江大峡谷研究区域（灰框）

Fig.1 The middle and lower reaches of the Yarlung Zangbo River Basin （curve） and the research area of the Yarlung Zangbo Grand Canyon （box）

3 数据介绍及实验设计

3.1　微波湿度计资料

极轨气象卫星所搭载的微波湿度计测量仪主要是用于探测大气湿度的垂直分布与水汽含量等信息。其探测资料为数值天气预报提供及时准确的大气湿度初始场信息， 对暴雨等灾害性天气的模拟、 预报、 预警防治等具有重要作用。本文采用的MHS微波湿度计来自于NOAA-19卫星， MWHS-2微波湿度计及其数据来自于风云卫星FY-3C， 所使用的数据资料源于国家卫星气象中心。
表1与表2分别列出了MHS与MWHS-2的各通道参数指标： MHS与MWHS-2的183 GHz系列通道都是用于探测大气水汽和湿度信息， 二者相同点在于183±1/3/7频率都是反映400、 600和800 hPa高度的水汽湿度特征。此外FY-3C的MWHS-2还增加了两个探测水汽的通道， 分别用于500 hPa和700 hPa的观测， 增加了垂直方向上的观测分辨率， 这有利于进一步改善数值模拟的初始场信息。由于FY-3C的118 GHz系列通道是用于大气温度探测， 本文在同化过程中不采用此系列通道。
表1 MHS通道设计参数指标（董佩明等， 2014）

Table 1 MHS channels design parameter（from Dong et al， 2014）

通道 中心频率/GHz 极化方式 观测高度/hPa
1 89.0 V 地表
2 157.0 V 地表
3 183.31±1.0 H 400
4 183.31±3.0 H 600
5 190.31 V 800
表2 MWHS-2通道设计参数指标

Table 2 MWHS-2 channels design parameter

通道 中心频率/GHz 极化方式 观测高度/hPa
1 89.0 V 地表
2 118.75±0.08 H 20
3 118.75±0.2 H 60
4 118.75±0.3 H 100
5 118.75±0.5 H 250
6 118.75±1.1 H 300
7 118.75±2.5 H 700
8 118.75±3.0 H 地表
9 118.75±5.0 H 地表
10 150.0 V 地表
11 183.31±1.0 H 400
12 183.31±1.8 H 500
13 183.31±3.0 H 600
14 183.31±4.5 H 700
15 183.31±7.0 H 800

3.2　同化实验设计

为了研究不同的微波湿度计观测资料同化所产生的影响， 本文将设置一组控制实验Con， 即不进行任何的观测资料同化条件的降水模拟试验。研究使用WRF V4.2作为预报模式， 以水平分辨率为1°×1°的FNL（Final Operational Global Analysis）全球分析资料作为驱动场。本次模拟积分时间为2020年4月1日00:00（世界时， 下同）至2日00:00。试验采用单层、 空间分辨率为3 km的模拟方式， 模拟区域为93°E -97°E， 27°N -31°N。试验格点数为347×324， 中心格点为（95°E， 28°N）。吴遥等（2017）指出， 提高模式的水平空间分辨率可以提高高原南侧降水的模拟精确度。同时， 前人的研究表明（Banks et al， 2016； Gómez-Navarro et al， 2015； Liu et al， 2018）， 雅鲁藏布江大峡谷中下游地区地形复杂多样， 高低起伏差距大， 在WRF模式模拟中， 选择非局地边界层方案模拟复杂地形的特征优于局地边界层方案， 因此本文选择非局地边界层方案当中的代表性方案Yonsei University-YSU方案（Hong et al， 2004）。近地面层一般使用Monin-Obukhov方案（Monin and Obukhov， 1954）与边界层YSU方案进行组合。此外， 对于云微物理模拟方面， 黄海波等（2011）、 毛智等（2022）研究表明， 在暴雨量级中的降水模拟中， 采用WRF Single-Moment 6 class方案（Hong and Lim， 2006）表现会更好， 在高分辨率下WSM6方案在霰向雨水转化方面表现比较突出， 因此本文选择WSM6方案。在辐射传输过程模拟方面， 选择常用的Rapid Radiative Transfer Model长波辐射方案RRTM（Mlawer et al， 1997）和Dudhia短波辐射方案（Dudhia， 1989）， 这两者一般同时进行组合使用（刘东海等， 2023）。由于模拟空间分布率低于5 km， 因此积云对流不采用参数化方案。WRF模式采用的参数化方案如表3所示。
表3 同化实验模拟参数化方案

Table 3 Parameterization schemes

试验组 微物理 长波辐射 短波辐射 近地面层 陆面层 边界层 积云对流
Con WSM6 RRTM Dudhia Monin-Obukhov Noah YSU 无
MHS WSM6 RRTM Dudhia Monin-Obukhov Noah YSU 无
MWHS-2 WSM6 RRTM Dudhia Monin-Obukhov Noah YSU 无
同化时所应用的较为广泛的三维变分基本方法， 其实质是约束观测场与分析场、 分析场与背景误差场之间的泛函极小化过程的问题， 三维变分算法的计算公式为：
J = ( x - x b ) T B - 1 ( x - x b ) / 2 + ( y 0 - H x ) T R - 1 ( y 0 - H x ) / 2
式中： x为初始场最优解； xb 为背景场； y 0为大气观测值； B 为背景误差协方差矩阵； R 为观测误差协方差矩阵； H为观测算子。同化观测算子以欧洲中期天气预报ECMWF开发的Radiative Transfer for TOVS v12（RTTOV12）作为标准。RTTOV是欧洲中期数值天气预报中心ECMWF在TOVS辐射传输模型基础上进一步发展起来的， 目前已经广泛地应用于微波遥感资料的同化中（刘硕松等， 2012）。它采用统计和物理相结合的方法模拟卫星观测的辐射传输过程， 生成模拟观测资料， 从而提供了卫星数据直接同化所需的模拟观测数据（周校立和官莉， 2023； Liu et al， 2013）。
具体同化流程如下： MHS为在控制试验Con基础上， 同化MHS观测资料的试验， 同化窗为6 h， 从2020年4月1日00:00开始积分模拟得到WRF预报的初始场， 并同时同化00:00的MHS观测数据， 得到00:00的分析场数据作为新的背景场， 继续积分到06:00并同化06:00的观测资料， 得到06:00的分析场作为另一新的背景场数据； 每6 h循环同化一次， 最后持续积分到4月2日00:00并结束预报， 其余参数设计与Con试验保持一致。
MWHS-2为在控制试验基础上， 同化MWHS-2观测资料的试验——2020年4月1日02:00和14:00的LEVEL 1的观测资料， 其扫描宽度与观测点能覆盖藏东南地区和雅鲁藏布江大峡谷区域。试验同化窗为6 h， 从2020年4月1日00:00开始积分2 h， 得到02:00的WRF初始场， 同化02:00的MWHS-2观测数据， 得到的分析场作为新的背景场； 继续积分到14:00并同化14:00的观测资料， 得到14:00的分析场作为另一新的背景场数据， 最后持续积分到2日00:00并结束预报， 其余参数设计与Con试验相同。

4 暴雨案例及卫星数据预处理

4.1　暴雨个例

2020年4月1 -2日， 西藏自治区的林芝地区发生一场区域性的暴雨降水事件， 24 h累积最大降水中心出现在雅鲁藏布江中下游的墨脱县地区， 达到70 mm以上。［图5（a）］展示了雅鲁藏布江下游大峡谷地区从2020年4月1日00:00开始的24 h累积降水分布； 在2020年4月1日12:00， 受北方巴尔克什湖的高压中心影响， 500 hPa西风带沿槽进入青藏高原地区， 使低层冷空气入侵； 同时， 西藏中西部出现暖中心， 其槽前弱暖空气在低层带来暖湿空气， 促使对流的产生和进一步的发展。在700 hPa雅鲁藏布江大峡谷附近出现风切变与低压槽， 随着时间推移， 切变线与低压槽往东南移动， 有利于底层形成气旋辐合， 增强上升运动。
图2 同化MHS与MWHS-2试验目标函数极小化过程

Fig.2 MHS and MWHS-2 assimilation test objective function minimization process

图3 MHS 4通道与MWHS-2 13通道观测资料在偏差订正前后的亮温分布（a） MHS 4通道， （b） MWHS-2 13通道

Fig.3 Brightness temperature scatter plot for MHS 4-channel （a） and MWHS-2 13-channel （b） before and after bias correction

图4 MHS与MWHS-2在同化前（深灰）与同化后（浅灰）的均方根误差RMSE

Fig.4 The root mean square error RMSE for MHS and MWHS-2 before correction （dark gray） and after correction （light gray）

图5 从2020年4月1日00:00开始预报的24 h累积降水（单位： mm）

（a） 观测降水， （b） Con控制实验， （c） MHS试验， （d） MWHS-2试验

Fig.5 24 h accumulation precipitation forecast from 00:00 on 1 April 2020.Unit： mm.（a） observed precipitation， （b） Con control experiment， （c） MHS test， （d） MWHS-2 test

4.2　预处理

由于卫星亮温资料不是数值模型的预测变量， 因此需要利用观测算子对观测数据进行模拟计算， 同时采用WRFDA系统对卫星数据进行预处理， 包括数据细化和偏差订正等。误差订正方案采用变分偏差订正方法Variational Bias Correction（VARBC） （Dee and Uppala， 2009）， 该方法也被广泛地应用于区域模式的卫星资料同化（Schwartz et al， 2012； Xu et al， 2016； 蒋璐西等， 2019）， 并对183 GHz系列通道进行分析。
分析结果表明： 如图2所示， 在目标函数极小化过程中， MHS试验与MWHS-2试验均有比较好的收敛效果， 说明两个试验同化有积极的作用； 关于MHS的4通道与MWHS-2的13通道的观测亮温与背景模拟亮温分布如下（图3）， 可以看出， 二者在采用VARBC变分订正方法后， 能够有效地减少观测系统的误差。订正前［图3（a）、 3（b）三角］， MHS观测资料的1387个观测像元和MWHS-2的158个观测像元相对分散于对角线， 订正后［图3（a）、 3（b）叉点］观测像元较为集中。
本文对卫星观测数据也进行了细化处理， 将通道数据进行了稀疏化， 指标设置为30。如图4所示， MHS的4、 5通道与MWHS-2的11、 12通道误差减少。使用均方根误差RMSE（root mean square error）进行分析判断， 均方根误差反映的是模拟值与真值的平均偏离程度， 其计算公式如下：
R M S E = ∑ ( X i - Y i ) 2 N
在处理同化前， 背景误差（OI）即观测亮温与模拟亮温之间的差值比较大； 处理同化后， 分析误差（AO）减少， 表明经过数据处理后， 能有效降低观测亮温与模拟亮温的差值， 说明同化MHS与MWHS-2观测资料均有积极作用。

5 同化结果分析

5.1　降水预报评估

国内外学者研究发现， 在青藏高原地区， GPM（Global Precipitation Measurement）全球降水测量产品与热带降水测量任务TRMM（Tropical Rainfall Measuring Mission）、 CMORPH（CPC MOR-PHing technique）等卫星降水产品相比误报率较低、 偏差较低， 且时间分辨率较高（Xu et al， 2017； Zhang et al， 2018； Ma et al， 2016； 魏栋等， 2021； 沈程锋和李国平， 2022）， 因此本次降水试验采取GPM卫星降水产品对三种方案的模拟结果进行对比。不同试验的24 h累积降水预报结果如图5所示。
对于墨脱县中部区域的降水中心模拟， 三个不同实验的结果存在较大差异。Con控制［图5（b）］试验的降水强度预报比较好， 但对观测降水以北的降水中心进行了预报； MHS试验［图5（c）］对墨脱县中部降水中心进行了比较准确的预报， 降水强度与观测相当， 降水位置稍微偏北； MWHS-2试验［图5（d）］比起Con控制实验也预报了墨脱县的降水， 但降水量仍然比观测值小。总之， 在本次暴雨降水预报案例中， MHS和MWHS-2试验对于降水位置和强度方面比Con试验均有一定的改善， 其中MHS对于雅鲁藏布江流域中下游的墨脱县中部区域的降水中心预报最佳， 与观测值更加接近。
图6是观测与三个试验方案的逐时区域平均降水， 其中在12:00后， 观测降水逐渐产生， 并在15:00达到降水峰值。实验结果显示， MHS实验与MWHS-2实验使得降水强度明显增加， Con控制实验未能捕捉到降水峰值， 说明经过同化， 微波湿度计的辐射观测数据能较好地被同化进入WRF模式， 改变了模式的初始场与输入场的条件， 从而更好地模拟降水。此外， 相较于MWHS-2实验在14:00只有一个降水峰值， MHS实验存在两个比较大的降水峰值， 分别位于07:00 -08:00和18:00， 且18:00前后的降水值比MWHS-2实验更加接近观测降水Obs， 因此MHS实验模拟降水强度比MWHS-2大， 说明MHS微波资料同化与降水模拟的效果在本案例中比MWHS-2资料更好。
图6 从2020年4月1日00:00开始逐时区域（94°E -96°E， 28N° -30°N）平均降水

Fig.6 Hourly area （94°E -96°E， 28°N -30°N） mean precipitation for Obs， Con， MHS， MWHS-2 schemes initialized 00:00 on 1 April 2020

图7为2020年4月1日00:00至2日00:00在中心降水区域的观测与模式模拟的逐时降水空间相关性。24 h的空间相关系数均为正值。从图7中可以看到， 在模拟降水的风暴时段前后， 空间相关性较高。在预报时段内， 除MHS实验， 控制实验Con与同化试验DA（MWHS-2）的模拟降水与观测值相关性比较低。与MHS相比， MWHS-2对于降水场的影响较小， 同时也表明MHS资料同化对本次降水过程的模拟具有更加积极的作用与影响。
图7 从2020年4月1日00:00开始预报的中心降水区域（94°E -96°E， 28°N -30°N）观测与模拟的逐时降水空间相关性

Fig.7 Hourly precipitation spatial pattern correlation of observation and simulation initialized at the precipitation center area （94°E -96°E， 28°N -30°N） at 00:00 on 1 April 2020

5.2　同化增量分析

为了识别不同试验对降水模拟预报改善的可能贡献， 以下展示了不同气象要素的增量分析。图8和图9分别展示了MHS与MWHS-2试验在500 hPa和700 hPa高度的水平风的分析增量。
图8 MHS试验（a）和MWHS-2试验（b） 500 hPa水平风增量（风矢， 单位： m·s-1）与观测降水（阴影， 单位： mm）

Fig.8 Wind filed increment （wind vector， unit： m·s-1） and observation precipitation （shaded area， unit： mm）of 500 hPa for MHS （a） and MWHS-2 experiment （b）

图9 MHS试验（a）， MWHS-2试验（b） 700 hPa水平风增量（风矢， 单位： m·s-1）与观测降水（阴影， 单位： mm）

Fig.9 Wind filed increment （wind vector， unit： m·s-1） and observation precipitation （shaded area， unit： mm）of 700 hPa for MHS （a） and MWHS-2 experiment （b）

在500 hPa层， MHS实验［图8（a）］在墨脱县中部（28.7°N， 95.3°E）存在西风与南风的增量风辐合， 有利于该位置的中层形成上升运动， 因此该试验能较好地模拟出降水中心； 此外， 在观测降水偏北区域（29.2°N， 94.8°E）存在较为明显的气旋辐合， 相较于观测降水的原始位置， 可能增强了偏北区域的对流上升运动， 最终导致了该位置的虚假降水增加。对于MWHS-2实验［图8（b）］， 墨脱县中部偏北区域（29.1°N， 94.9°E）的西风与南风增量相较于MHS实验有所增大， 同时该区域也存在较为明显的风辐合运动， 因此可能导致该实验模拟的降水中心位置相较于观测有所偏北， 使该位置的虚假降水产生并增大。
在700 hPa层MHS实验［图9（a）］当中， 大峡谷中下游区域（28.7°N， 95.3°E）有较明显气旋风辐合， 有利于该区域形成上升运动， 这可能是该区域降水量增加的主要原因； 同时29°N以北的有较明显的东北风与北风增量产生， 降水中心以南有一定程度的南风增量形成， 有利于该区域南北两部分的低层水汽往墨脱县中部汇聚。结合500 hPa层的水平风增量分析结果， 说明经过同化， MHS试验使得该区域产生低层的水汽聚集、 风辐合和中高层的上升运动， 形成了有利于降水生成与发展的条件， 从而改善了降水的模拟结果。在MWHS-2实验［图9（b）］中， 由于观测降水中心北部区域（28.6°N， 94.8°E）的东南风和南风增强， 使得低层的水汽被输送到更加偏北的位置。结合500 hPa层的水平风矢量增量分析结果， 说明经过同化， MWHS-2试验在风场要素上的改变， 可能导致降水模拟的大值中心的位置偏北， 使得该区域产生了一定的虚假降水。在MHS与MWHS-2两次试验中， 水平风增量的大值区域主要分布在模拟降水中心区， 说明两次试验的风场调整与暴雨分布密切相关。
图10展示了MHS与MWHS-2实验中， 沿28.3°N同化4月1日12:00、 14:00后的温度和水汽混合比增量的纬向垂直剖面。从图10（a）可以看出， 在MHS试验当中， 墨脱县中部的700~400 hPa之间是暖增量， 300 hPa以上是冷增量， 可能原因在于MHS微波湿度计资料在中低层所探测到的观测亮温比背景亮温更大， 其反映的水汽特征经过同化系统的处理后， 通过温、 湿、 风等具体气象要素综合体现， 形成该现象， 这有利于形成对流性暴雨的降水不稳定层结， 加强低层热辐合上升运动； 图10（c）同样存在正水汽增量， 有效地增加水汽， 综合而言MHS试验对该地区的降水模拟起到积极的作用。在MWHS-2实验当中， 图10（b）墨脱县中部区域700~500 hPa区域存在冷增量， 400~300 hPa存在暖增量， 这将形成一种“逆温”效应， 相较于MHS实验， 这是减弱了该地区的降水模拟强度。综上， MHS试验对背景风场、 温湿度场的改善效果比MWHS-2好， 因此降水的位置与强度得到更好的调整。温湿度场的调整， 结合MHS试验在风场方面的调整， 其对降水预报准确度的提高起到了比较重要的作用。
图10 沿28.7°N同化12:00 、 14:00的MHS（a， c）和MWHS-2（b， d）试验温度增量（a， b， 单位： K）和水汽混合比增量（c， d， 单位： g·kg-1）的纬向垂直剖面图

Fig.10 Zonal vertical profiles along 28.7°N of temperature increments （a， b， unit： K） and water vapor mixing ratio increments （c， d， unit： g· kg-1） for the MHS experiment （a， c） and the MWHS-2 experiment （b， d）

5.3　预报均方根误差评估

利用Con控制试验、 MHS试验和MWHS-2试验的u风、 v风、 温度以及水汽混合比的模拟预报均方根误差RMSE的24 h演变情况， 来对比分析三种实验对本案例的降水事件影响。图11展示了三个实验对各气象要素24 h预报场均方根误差的演变趋势。
图11 从2020年4月1日00:00开始对500 hPa研究区域（28°N -30°N， 94.5°E -96.5°E）进行计算的Con控制实验、 MHS试验和MWHS-2试验在24 h预报场均方根误差变化

（a） u分量风， （b） v分量风， （c）温度， （d）水汽混合比

Fig.11 Evolution of the RMSEs of the 24 h forecast field for the Con， MHS， and MWHS-2 experiments initialized at 00:00 on 1 April 2020.The results are calculated for the 500 hPa outer domain （28°N -30°N， 94.5°E -96.5°E）.（a） U-component wind， （b） V-component wind， （c） temperature， （d） water-vapor mixing ratio

在风场方面，MHS与MWHS-2两者的u风、v风均方根误差RMSE总体小于Con控制实验。在预报初始期00:00 -01:00时段，MHS与Con试验对u、v风均方根误差大致相同，MWHS-2试验的误差要小于其余二者试验。在02:00 -11:00的预报时段中，MWHS-2试验的均方根误差大于MHS试验；但渡过了12:00的峰值误差后，MWHS-2试验误差比MHS试验小。在温度场方面，MHS试验与MWHS-2试验的均方根误差总体小于Con控制实验，但在12:00时刻存在突变峰值，导致MHS的误差超过了Con。同样，在02:00 -11:00的预报时段中，MWHS-2试验的均方根误差大于MHS试验，但在12:00 - 24:00的预报时段中，MWHS-2试验误差变得比MHS试验小。对于水汽预报方面，三个实验在预报初始期00:00 -02:00相差较大；同样存在前12 h MHS试验均方根误差比MWHS-2小、后12 h比MWHS-2误差大的情况。同时，MWHS-2试验的RMSE出现随时间缓慢降低的趋势，而MHS试验与Con控制试验是误差随时间增加趋势。
此外，对于MWHS-2试验，其各气象要素的均方根误差在预报2 h后，基本呈现平稳演变的趋势；而MHS试验与Con控制实验的RMSE变化较明显，这为后续进行新方面的问题研究提供了有利条件。

6 结论

本文采用WRFDA同化模型， 以RTTOV12作为观测算子， 将MHS与MWHS-2微波湿度计资料同化到WRF模式中， 对雅鲁藏布江大峡谷在2020年4月1 -2日的一次24 h暴雨过程进行同化模拟试验， 并对降水、 风场、 温度与水汽等进行了一系列的分析对比后得出以下主要的结论：
（1） 结果表明： 使用3DVAR同化方法， MHS试验与MWHS-2试验都能有效地同化二者的微波辐射资料， 都能一定程度上提高暴雨降水的模拟精度， 同化后的模拟效果均优于Con控制试验。
（2） 从降水中心的落区位置与强度的模拟预报效果来看， MHS试验要优于MWHS-2试验。在模拟方面， MHS试验对背景风场、 温湿度场的改善效果比MWHS-2试验好， 因此降水的位置与强度得到更好的调整。温湿度场的调整， 结合三维风场调整， MHS试验对本次降水模拟预报的准确度提高起到了比较重要的作用。
（3） 24 h预报场均方根误差RMSE分析对比结果表明， MHS试验在前期预报时段误差略小于MWHS-2试验； 此外， MWHS-2试验预报整体误差平稳演变， MWHS-2试验中后期误差较优， 在中后期预报具有一定优势。这对于后续FY-3C卫星微波湿度计资料的研究有着比较重要的意义。
由于雅鲁藏布江大峡谷地区的复杂地形对降水预报会产生很多影响， 在未来的工作中将利用更多的大峡谷地区降水案例进行关于复杂地形的变量实验， 为后续研究MHS与MWHS-2系列通道的微波辐射观测资料同化提供更多的参考。此外， 由于各卫星及其星载仪器的系统设计存在差异性， 导致不同卫星在微波湿度计观测仪器及其所涵盖的数据资料等方面产生不同的影响， 譬如仪器的观测像元数、 仪器的系统误差等等， 因此在未来的工作中需要进一步地考虑和探索研究这些资料差异性对模拟结果所带来的影响。

参考文献

null
Banks R F， Tiana-Alsina J， Baldasano J M， et al， 2016.Sensitivity of boundary-layer variables to PBL schemes in the WRF model based on surface meteorological observations， lidar， and radiosondes during the HygrA-CD campaign［J］.Atmospheric Research， 176： 185-201.DOI： 10.1016/j.atmosres.2016.02.024 .
null
Boos W R， Kuang Z， 2010.Dominant control of the South Asian monsoon by orographic insulation versus plateau heating［J］.Nature， 463（7278）： 218-222.DOI： 10.1038/nature08707 .
null
Chen K Y， English S， Bormann N， et al， 2015.Assessment of FY-3A and FY-3B MWHS observations［J］.Weather and Forecasting， 30（5）： 1280-1290.DOI： 10.1175/WAF-D-15-0025.1 .
null
Dee D P， Uppala S， 2009.Variational bias correction of satellite radiance data in the ERA‐Interim reanalysis［J］.Quarterly Journal of the Royal Meteorological Society： A journal of the Atmospheric Sciences， Applied Meteorology and Physical Oceanography， 135（644）： 1830-1841.DOI： 10.1002/qj.493 .
null
Dudhia J， 1989.Numerical study of convection observed during the Winter Monsoon Experiment using a mesoscale two-dimensional model［J］.Atmospheric Sciences， 46（20）： 3077-3107.DOI： 10.1175/1520-0469（1989）046<3077： NSOCOD>2.0.CO； 2 .
null
Gómez-Navarro J， Raible C， Dierer S， 2015.Sensitivity of the WRF model to PBL parametrisations and nesting techniques： evaluation of wind storms over complex terrain［J］.Geoscientific Model Development， 8（10）： 3349-3363.DOI： 10.5194/gmd-8-3349-2015 .
null
Hong S Y， Dudhia J， Chen S H， 2004.A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation［J］.Monthly Weather Review.132（1）： 103-120.DOI： 10.1175/1520-0493（2004）132<0103： ARATIM>2.0.CO； 2 .
null
Hong S Y， Lim J O J， 2006.The WRF single-moment 6-class microphysics scheme （WSM6）［J］.Korean Meteorological Society， 42： 129-151.
null
Lawrence H， Carminati F， Bell W， et al， 2017.An Evaluation of FY-3C MWRI and Assessment of the Long-Term Quality of FY-3C MWHS-2 at ECMWF and the Met Office［M］.European Centre for Medium-Range Weather Forecasts Reading， UK.
null
Liu J， Zhang W， Nie N， 2018.Spatial downscaling of TRMM precipitation data using an optimal subset regression model with NDVI and terrain factors in the Yarlung Zangbo River Basin， China［J］.Advances in Meteorology （1）： 1-13.DOI： 10.1155/2018/3491960 .
null
Liu Q， Xue Y， Li C， 2013.Sensor-based clear and cloud radiance calculations in the community radiative transfer model［J］.Applied Optics， 52（20）： 4981-4990.DOI： 10.1364/ao.52.004981 .
null
Ma Y， Tang G， Long D， et al， 2016.Similarity and error intercomparison of the GPM and its predecessor-TRMM multi-satellite precipitation analysis using the best available hourly gauge network over the Tibetan Plateau［J］.Remote Sensing， 8（7）： 569.DOI： 10.3390/rs8070569 .
null
Mlawer E J， Steven J， Taubman， et al， 1997.Radiative transfer for inhomogeneous atmospheres： RRTM， a validated correlated-k model for the longwave［J］.Geophysical Research： Atmospheres， 102（14）： 16663-16682.DOI： 10.1029/97JD00237 .
null
Monin A S， Obukhov A M， 1954.Basic laws of turbulent mixing in the surface layer of the atmosphere［J］.Contrib Geophys Inst Acad Sci USSR， 151： 163-187.
null
Newman K M， Schwartz C S， Liu Z， et al， 2015.Evaluating forecast impact of assimilating microwave humidity sounder （MHS） radiances with a regional ensemble Kalman filter data assimilation system［J］.Weather and Forecasting， 30（4）： 964-983.DOI： 10.1175/WAF-D-14-00091.1 .
null
Pailleux J， Kelly G， 1985.Use of satellite data in the ECMWF analysis system［C］.ECMWF Workshop High Resolut.Anal， 15-26.DOI： 10.1175/WAF-D-14-00091.1 .
null
Schwartz C S， Liu Z， Chen Y， et al， 2012.Impact of assimilating microwave radiances with a limited-area ensemble data assimilation system on forecasts of Typhoon Morakot［J］.Weather and Forecasting， 27（2）： 424-437.DOI： 10.1175/WAF-D-11-00033.1 .
null
Xu D， Min J， Shen F， et al， 2016.Assimilation of MWHS radiance data from the FY‐3B satellite with the WRF Hybrid‐3DVAR system for the forecasting of binary typhoons［J］.Advances in Modeling Earth Systems， 8（2）： 1014-1028.DOI： 10.1002/2016MS000674 .
null
Xu D， Liu Z， Huang X Y， et al， 2013.Impact of assimilating IASI radiance observations on forecasts of two tropical cyclones［J］.Meteorology and Atmospheric Physics， 122： 1-18.DOI： 10.1007/s00703-013-0276-2 .
null
Xu R， Tian F， Yang L， et al， 2017.Ground validation of GPM IMERG and TRMM 3B42V7 rainfall products over southern Ti‐ betan Plateau based on a high-density rain gauge network［J］.Geophysical Research： Atmospheres， 122（2）： 910-924.DOI： 10.1002/2016JD025418 .
null
Zhang S， Wang D， Qin Z， et al， 2018.Assessment of the GPM and TRMM precipitation products using the rain gauge network over the Tibetan Plateau［J］.Meteorological Research， 32： 324-336.DOI： 10.1007/s13351-018-7067-0 .
null
Zhang S Q， Zupanski M， Hou A Y， et al， 2013.Assimilation of precipitation-affected radiances in a cloud-resolving WRF ensemble data assimilation system［J］.Monthly Weather Review， 141（2）： 754-772.DOI： 10.1175/MWR-D-12-00055.1 .
null
陈旭， 王磊， 李谢辉， 等， 2023.MWHS-2和MHS资料同化对三江源地区暴雨模拟影响的对比研究［J］.高原气象， 42（6）： 1386-1401.DOI： 10.7522/j.issn.1000-0534.2023.00024.Chen X ，
null
Wang L， Li X H， et al， 2023.A comparative study on the impact of MWHS-2 and MHS data assimilation on the simulation of rainstorm in the Three Rivers Source Area［J］.Plateau Meteorology， 42（6）： 1386-1401.DOI： 10.7522/j.issn.1000-0534.2023.00024 .
null
范娇， 2019.FY-3C微波湿度计资料在西南涡降水预报中的同化研究［D］.成都： 成都信息工程大学.Fan J， 2019.Assimilation of FY-3C microwave hygrometer data in precipitation forecasting of the southwest vortex［D］.Chengdu： Chengdu University of Information Technology.
null
董佩明， 刘健文， 刘桂青， 等， 2014.ATMS卫星资料的同化应用及与AMSUA/MHS的比较研究［J］.热带气象学报（4）： 623-632.Dong P M， Liu J W， Liu G Q， et al， 2014.Study on the aassimilation of ATMS satellite data and comparison with AMSUA/MHS［J］.Journal of Tropical meteorology（4）： 623-632.
null
胡博亭， 柳江， 王文玲， 等， 2019.基于洪旱灾害的雅鲁藏布江流域水资源脆弱性时空差异分析［J］.长江流域资源与环境， 28（5）： 1092-1101.
null
Hu B T， Liu J， Wang W L， et al， 2019.Temporal-spatial differences of water resources vulnerability in the Yarlung Zangbo River Basin based on the characteristics of flood and drought disasters［J］.Resources and Environment in the Yangtze Basin， 28（5）： 1092-1101.
null
黄海波， 陈春艳， 朱雯娜， 2011.WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响［J］.气象科技， 39 （5）： 529-536.DOI： 10.19517/j.1671-6345.2011.05.001.Huang Ha B ，
null
Chen C Y， Zhu M N， 2011.Impacts of different cloud microphysical processes and horizontal resolutions of WRF Model on precipitation forecast effect［J］.Meteorological Science and Technology， 39 （5）： 529-536.DOI： 10.19517/j.1671-6345.2011.05.001 .
null
蒋璐西， 陈科艺， 陈林琳， 2019.MWHS/FY-3资料同化在四川盆地暴雨预报中的应用研究［J］.高原山地气象研究， 39（4）： 9-15.
null
Jiang L X， Chen K Y， Chen L L， 2019.The study of assimilating MWHS/FY-3 data in the rainstorm cases in Sichuan Basin［J］.Plateau and Mountain Meteorology Research， 39（4）： 9-15.
null
刘东海， 黄静， 刘娟， 等， 2023.国内外典型中尺度数值预报模式参数化方案的综述与展望［J］.地球科学进展， 38（4）： 349-362.
null
Liu D H， Huang J， Liu J， et al， 2023.Review and prospect of parameterization schemes of typical mesoscale numerical prediction models at home and abroad［J］.Advances in Earth Science， 38（4）： 349-362.
null
刘江涛， 徐宗学， 赵焕， 等， 2018.1973-2016年雅鲁藏布江流域极端降水事件时空变化特征［J］.山地学报， 36（5）： 750-764.
null
Liu J T， Xu Z X， Zhao H， et al， 2018.Spatiotemporal variation of extreme precipitation events in the Yarlung Zangbo River Basin from 1973 to 2016， China［J］.Mountain Research， 36 （5）： 750-764.
null
刘硕松， 董佩明， 韩威， 等， 2012.RTTOV和CRTM对“罗莎”台风卫星微波观测的模拟研究与比较［J］.气象学报， 70（3）： 585-597.DOI： 10.11676/qxxb2012.048.Liu S S ，
null
Dong P M， Han W， et al， 2012.Simulative study of satellite microwave observations for Typhoon Luosha using RTTOV and CRTM and the comparison［J］.Acta Meteorologica Sinica， 70（3）： 585-597.DOI： 10.11676/qxxb2012.048 .
null
马耀明， 胡泽勇， 王宾宾， 等， 2021.青藏高原多圈层地气相互作用过程研究进展和回顾［J］.高原气象， 40（6）： 1241-1262.DOI： 10.7522/j.issn.1000-0534.2021.zk006.Ma Y M ，
null
Hu Z Y， Wang B B， et al， 2021.The review of the observation experiments on land-atmosphere interaction progress on the Qinghai-Xizang （Tibetan） Plateau［J］.Plateau Meteorology， 40（6）： 1241-1262.DOI： 10.7522/j.issn.1000-0534.2021.zk006 .
null
毛璐， 谢彦辉， 刘瑞霞， 等， 2022.FY-3C微波湿度计辐射率资料同对RMAPS-ST系统的降水预报影响［J.高原气象， 41（4）： 896-908.DOI： 10.7522/j.issn.1000-0534.2021.00025.Mao L ，
null
Xie Y H， Liu R X， et al， 2022.Impact of assimilating radiances from the microwave sounder MWHS-2 onboard FY-3C on rain forecasts in RMAPS-ST［J］.Plateau Meteorology， 41（4）： 896-908.DOI： 10.7522/j.issn.1000-0534.2021.00025 .
null
毛智， 朱志鹏， 张如翼， 等， 2022.不同云微物理方案对青藏高原一次强降水的模拟影响分析［J］.热带气象学报， 38（1）： 81-90.DOI： 10.16032/j.issn.1004-4965.2022.008.Mao Z ，
null
Zhu Z P， Zhang R Y， et al， 2022.The impact of different cloud microphysics parameterization schemes on the simulation of a heavy rainfall event over the Tibetan Plateau［J］.Journal of Tropical Meteorology， 38（1）： 81-90.DOI： 10.16032/j.issn.1004-4965.2022.008 .
null
沈程锋， 李国平， 2022.基于GPM资料的四川盆地及周边地区夏季地形降水垂直结构研究［J］.高原气象， 41（6）： 1532-1543.DOI： 10.7522/j.issn.1000-0534.2021.0116.Shen C F ，
null
Li G P， 2022.The vertical structure of orographic precipitation during warm season in the Sichuan Basin and its surrounding areas by using GPM dual-frequency spaceborne precipitation radar［J］.Plateau Meteorology， 41（6）： 1532-1543.DOI： 10.7522/j.issn.1000-0534.2021.0116 .
null
魏栋， 刘丽伟， 田文寿， 等， 2021.基于卫星资料的西北地区高原涡强降水分析［J］.高原气象， 40（4）： 829-839.DOI： 10.7522/j.issn.1000-0534.2021.000021.Wei D ，
null
Liu L W， Tian W S， et al， 2021.Analysis of the heavy precipitation caused by Plateau Vortex in northwest China based on satellite data［J］.Plateau Meteorology， 40（4）： 829-839.DO： 10.7522/j.issn.1000-0534.2021.000021.
null
吴遥， 李跃清， 蒋兴文， 等， 2017.WRF模拟青藏高原东南部极端旱涝年降水的参数敏感性研究［J］.高原气象， 36（3）： 619-631.DOI： 10.7522/j.issn.1000-0534.2016.00057.Wu Y ，
null
Li Y Q， Jiang X W， et al， 2017.Parameters sensitivity analysis on simulation of rainfall in drought-flood year on Qinghai-Tibetan Plateau by WRF Model［J］.Plateau Meteorology， 36（3）： 619-631.DOI： 10.7522/j.issn.1000-0534.2016.00057 .
null
杨浩， 崔春光， 王晓芳， 等， 2019.气候变暖背景下雅鲁藏布江流域降水变化研究进展［J］.暴雨灾害， 38（6）： 565-575.
null
Yang H， Cui C G， Wang X F， et al， 2019.Research progresses of precipitation variation over the Yarlung Zangbo River basin under global climate warming［J］.Torrential Rain and Disasters， 38（6）： 565-575.
null
徐祥德， 陶诗言， 王继志， 等， 2002.青藏高原—季风水汽输送“大三角扇型”影响域特征与中国区域旱涝异常的关系［J］.气象学报， 60（3）： 257-266.DOI： 10.11676/qxxb2002.032.Xu X D ，
null
Tao S Y， Wang J Z， et al， 2002.The relationship between water vapor transport features of Tibetan Plateau-monsoon "Large Triangle" affecting region and drought-flood abnormality of China［J］.Acta Meteorologica Sinica， 60（3）： 257-266.DOI： 10.11676/qxxb2002.032 .
null
周校立， 官莉， 2023.RTTOV中模拟亮温对垂直插值方案的敏感性研究［J］.科学技术创新（4）： 212-216.
null
Zhou X L， Guan L， 2023.Sensitivity of simulated brightness temperature to vertical interpolation scheme in RTTOV［J］.Scientific and Technological Innovation（4）： 212-216.
null
张强， 文军， 武月月， 等， 2022.雅鲁藏布大峡谷地区近地面-大气间水热交换特征分析［J］.高原气象， 41（1）： 153-166.DOI： 10.7522/j.issn.1000-0534.2021.00113.Zhang Q ，
null
Wen J， Wu Y Y， et al， 2022.Characteristics analysis of the Land-atmospheric water & heat exchanges over the Yarlung Zangbo grand canyon region［J］.Plateau Meteorology， 41（1）： 153-166.DOI： 10.7522/j.issn.1000-0534.2021.00113 .
Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn