2017, Vol. 36
2. 中国气象局台风数值预报重点实验室, 上海 200030;
3. 区域高分辨率数值预报创新中心, 上海 200030
在数值天气预报中, 模式初始场的准确性对预报有决定性的影响。由于模式初始信息中云和降水系统的缺失或不协调, 以致在初始阶段需要经历spin-up过程, 这严重拖延了云和降水系统在模式中的发展。而强对流等中小尺度高影响性天气系统, 由于其具有突发、剧烈的特点, 给短时临近预报带来巨大的挑战。为了初始化云场、降水系统以及温度和湿度场, 近年来多普勒天气雷达观测资料的应用成为资料同化应用的一个重要方向。如王遂缠等 (2011)利用GRAPES模式及其变分同化系统, 选取2006年7月27日发生在甘肃的局地强对流个例进行多普勒雷达观测资料同化数值试验, 发现同化多普勒雷达资料能明显提高模式对中小尺度天气系统的模拟效果。Nicholas et al (2013)利用ARPS-3DVAR同化系统对2010年5月19日发生在美国俄克拉荷马州中西部的强对流个例的雷达反射率观测资料的同化数值试验结果表明, 同化雷达反射率数据后, 可以调整模式低层的水汽模拟误差, 从而改进对流初始预报。Hu et al (2006)通过改进ARPS Data Analysis System (ADAS) 的云分析系统, 使用WSR-88D雷达反射率和径向风资料对一次龙卷个例进行了成功的数值模拟, 试验结果表明, 雷达资料可以改进龙卷的预报, 提前2 h预报出龙卷的发生, 通过云分析技术将雷达反射率同化到模式中, 有效地调整了模式初始场中云内的温度场和湿度场。由此可见, 有效利用雷达资料能通过改进初始场中的云温、水汽、云量以及水物质场, 提升中小尺度数值预报模式中湿物理过程分析能力, 对改善降水预报性能、缩短spin-up时间、提高短时临近预报的可信度具有重要意义。
探空观测资料也是数值模式获取大气垂直层初始状态信息的主要来源。全球大约有900个高空观测站, 探测从地面到30 km高度的大气温度、气压、风和水汽信息, 其中有三分之二的站点在08:00(北京时, 下同) 和20:00进行观测, 有100~200个站进行每天一次的观测。尽管探空观测站十分有限, 且水平分布不均匀, 但观测资料质量稳定、可靠, 尤其是垂直分辨率高, 可直接对高层大气进行观测, 是其他观测手段所无法替代的, 尤其在观测资料匮乏地区。张利红等 (2009)利用探空资料对西南暴雨的同化试验表明, 同化探空资料越多对背景场尤其是高空形势场的调整幅度越大、改善效果越明显, 降水中心也越接近实况。舒守娟等 (2011)利用探空资料对Frank and Ritchie 1999和2001年的数值模拟结果进行了验证, 结果表明, 观测分析结果与Frank and Ritchie (1999, 2001) 的数值模拟结果能较好的吻合, 解释了环境垂直风切变对台风不对称结构的可能影响。黄燕燕等 (2011)利用加密探空资料对华南暴雨进行了数值试验, 结果表明, 同化加密探空资料后, 分析场中水汽的均方根误差减小, 水汽条件和大气环流形势与实况更为接近, 以此分析场为模式初始场进行预报, 雨区的分布和降水量级都较不同化加密探空资料试验有改善。张飞民和王澄海 (2014)利用WRF-3DVAR同化系统和Evenson提出的方法在分析时刻添加扰动形成扰动型初始场, 并在此基础上同化探空资料和地面资料, 发现同化探空资料后, 对低层大气风场和温度场的改进较FNL资料明显。由此可见, 探空资料对大尺度环境场和水汽改善明显, 对系统性降水有较好的改善作用。
鉴于探空观测时空分辨率相对较疏, 而AMDAR资料是商用飞机在飞行过程中观测到的气象资料, 具有高时空分辨率的特点, 是探空观测的有效补充。梁科等 (2007)利用飞机报对0506华南致灾暴雨过程进行数值模拟, 试验证明利用飞机报不仅能模拟出主要的降水区域, 而且降水强度与实况更加吻合, 比不加入飞机报的试验结果准确率明显提高。另外, 高时空分辨率的AMDAR资料与其他资料结合能够较连续的监视机场附近气象要素的时空变化特征, 进而捕捉到一些常规观测资料难于发现的引发冰雹等强对流天气的中尺度天气系统, 在一定程度上增强对灾害性天气的认识和预见性 (黄卓等, 2006)。
尽管目前有关雷达观测、探空观测和飞机观测资料对数值模式预报效果的影响评估方面已有很多研究成果, 但是上述观测资料在应用于短时临近预报的快速更新同化系统中的应用效果如何, 国内在这方面尚缺乏细致研究。针对强对流天气系统的0~6 h预报, 各气象研究和业务中心主要基于雷达回波与卫星图像的简单外推及实践经验, 发展了各种类型的短时临近预报 (NOWCASTING) 系统, 业务表明它们在0~1 h的预报中相当有效。然而由于缺乏对强对流系统的发生、发展和消亡的物理机制描述, 其预报能力随预报时效增加迅速降低 (Wilson, 2011)。为适应局地强对流爆发迅速、空间尺度小的特点, 在数值模拟试验的设计上应考虑高时空分辨率, 至少在时间频率和空间尺度上能捕获对流系统。同时尽量采用热启动技术以尽可能缩短模式的spin-up时间, 以适应强对流系统迅速发展的特点。为了不断修正热启动背景场的误差, 需要采用适合局地观测的同化系统, 不断地把最新观测数据融合进模式背景场中。鉴于此, 本文选取发生在上海地区的一次强对流天气过程, 针对此问题作了详细分析。
2 资料和方法介绍 2.1 快速更新同化系统简介上海气象局建立了基于ADAS资料同化系统和区域中尺度数值模式WRF的快速更新同化系统 (SMS-WARR, Shanghai Meteorological Service-WRF ADAS Rapid Refresh System)。该系统水平分辨率为3 km, 垂直分辨率为51层, 预报区域覆盖华东及其周边地区, 系统采用逐小时循环同化的方式对观测资料进行同化, 每日02:00冷启动, 冷启动的背景场和侧边界条件由NCEP GFS 6 h的全球预报场提供, 其它时刻同化的背景场则由SMS-WARR系统上一时次的1 h预报场提供。系统每小时启动一次预报, 预报时效为12 h, 并提供逐小时高分辨率中尺度分析场。之后每个整点时刻采用热启动技术, 即将前一时次WRF模式的1 h预报场作为该时次的背景场, 经ADAS同化多源观测资料后得到WRF模式在该时刻的初始场, 继续做12 h预报, 同时提供中尺度客观分析场, 依此类推 (图 1)。同化观测资料包括常规天气观测、自动站、飞机报、探空、雷达反射率和FY-2E红外辐射率资料 (陈葆德等, 2013)。
|
图 1 快速更新同化试验设计 Figure 1 The flow chart of the numerical experiments |
尽量缩短spin-up时间是提高快速更新同化预报系统性能和效率的关键之一, 模式的冷启动和热启动技术与循环同化方案中对各种启动技术的合理配置, 都是针对如何尽量缩短spin-up时间的。
模式冷启动指区域模式背景场由其他低分辨模式 (如全球模式) 提供, 以此为背景场做同化或直接当作初始分析场进行预报, 但由于初始场中缺乏中尺度信息, 特别是云和水物质的特征量一般为零, 模式需要较长的spin-up时间。如果在同化时通过雷达资料直接同化或使用复杂云分析对与对流系统相关的云和水物质也进行调整, 并且也调整相应的垂直速度, 使用这种初始场启动模式, 称为热启动。
2.1.2 云分析技术每次模式启动时, 需要对模式初始变量 (包括云、水物质含量和地表变量等) 进行更新, 使模式不断吸收反映天气系统时间演变的观测信息从而达到使模式初始场更加接近实际天气状况的目的。云分析的基本原理是:首先根据地面、雷达和卫星等观测资料所提供的有关云与降水信息, 结合数值预报模式结果得到云的几何特征 (如云顶和云底高度、云类型等), 然后通过对云内的温度和水汽场进行调整 (如基于绝热上升的热力调整) 得到云水物质参数的混合率和分布。以ADAS云分析为例, 它首先通过地面、雷达和卫星等观测资料得到模式格点上的云量和云顶高度; 然后根据三维雷达反射率资料通过Smith-Feddes模型, 并考虑干空气夹卷过程及凝结过程对云水量的损耗, 得到云水、云冰混合比; 而雨水、雪、冰雹等降水粒子场则是由模式格点上的温度场和雷达反射率通过雷达反射率方程诊断分析获得; 最后根据云水、云冰对应的潜热释放, 基于湿绝热假定对云内温度场进行调整。云分析通过综合使用卫星、雷达和地面观测资料逐步完善和实现了对模式初始场的三维云特征量场的构造和修正。
2.2 试验设计为了研究雷达、探空和AMDAR观测资料在快速更新同化系统中的作用, 本文设计了3个观测资料敏感性同化分析试验, 各试验均从2011年7月31日02:00冷启动, 随后逐小时热启动, 具体试验设计如表 1所示。
|
表 1 多源观测资料同化试验方案 Table 1 Experimental design for different numerical experiments |
2011年7月31日午后, 上海城区出现了少见的强对流天气。12:00上海北部沿江地区首先出现局地降雨; 随着对流系统逐渐发展南移, 14:00上海北部郊区发生短时强降水过程, 上大附中站1 h累积雨量达到41.9 mm; 同时上海东南部郊区也出现短时强降水产生。15:00东南部的局地对流系统逐渐减弱; 16:00上海西北部短时强对流天气逐渐发展; 17:00形成了一条覆盖宝山东北部、市区中南部和浦东西部的呈现西北东南走向并穿越市区的雨带, 雨强极大, 其中东方体育中心1 h雨量达70.9 mm; 同时上海西部郊区青浦、松江及上海西南沿海地区形成另外一条雨带。18:00雨带迅速减弱并东移南压, 19:00此次降水过程基本结束 (图 2)。
|
图 2 2011年7月31日12:0019:00上海地区逐小时雨量分布 (单位: mm) (a) 12:00, (b) 13:00, (c) 14:00, (d) 15:00, (e) 16:00, (f) 17:00, (g) 18:00, (h) 19:00 Figure 2 Hourly accumulated rainfall distributions along with the time in Shanghai from 12:00 to 19:00 on 31 July 2011. Unit: mm |
综上所述, 此次暴雨的主要特点是:暴雨强度大, 局地性强。强降水过程主要集中在上海中心城区, 有7个站降水量超过50 mm, 其中东方体育中心16:00-18:00时短时强降水达82.3 mm, 部分地区出现6~8级雷雨大风天气, 最大风速出现在吴淞, 为19.0 m·s-1(王晓峰等, 2014, 2015)。
3 雷达资料敏感性试验结果分析 3.1 对模式初始场的调整从02:00华东区域多普勒雷达反射率因子拼图 (图 3) 看, 从江苏中东部到山东半岛东部海域存在着较强的雷达回波带, 最大雷达回波值达到了45 dBZ左右。上海区域雷达回波较弱处于15 dBZ以下, 没有对流系统的存在。
|
图 3 2011年7月31日02:00华东地区最大雷达反射率因子 (单位: dBZ) Figure 3 Observed maximum radar reflectivity in Eastern China at 02:00 on 31 July 2011. Unit: dBZ |
从02:00初始场水物质剖面的调整 (图 4) 看, 云分析中加入卫星和地面观测后主要调整了模式高层云量和低层部分的云量 (图 4b、d), 如模式初始场10~15 km中增加了云冰的含量, 说明云分析中加入卫星资料主要增加了高层云量, 尤其在上海东方体育中心上空约13 km处, 有云冰高值区的存在, 但是在10 km以下几乎没有水物质, 这与图 3雷达拼图中所见的较强雷达回波带差异极大。可见云分析中仅加入卫星和地面观测调整的初始场存在明显缺陷, 尤其是对10 km以下的水物质几乎没有描述的能力。同化雷达反射率数据后, 主要调整了模式中的低层云量, 在较强雷达回波带处尤其是10 km以下出现了深厚水物质 (云水、云冰和雨水) 柱; 同时对高层云量也进行了调整, 剔除了高云 (图 4c) 尤其对上海东方体育中心上空的云冰进行了剔除。总体而言, 云分析系统尤其是引入雷达资料后能够得到较优的云量场。
|
图 4 2011年7月31日02:00 ctrl (a, c) 和T1 (b, d) 试验水物质的WE (上) 和SN (下) 剖面分布 (单位: kg·kg-1) 红色标记是东方体育中心 Figure 4 Distribution of west-east (up) and south-north (down) cross-section in different hydrometers for ctrl (a, c) and T1 (b, d) experiment at 02:00 on 31 July 2011. Unit: kg·kg-1. Red mark represents the location of oriental sports center |
对强对流预报而言, 准确地预报降水落区、降水起止时间及其随时间的演变尤为重要。考虑到预报的及时性, 本文重点分析31日13:00起报的预报结果 (下同)。图 5是雷达资料同化对模式预报结果的影响, 首先对比了控制试验和敏感试验中水物质的分布的模拟结果。从13:00起报17:00沿东方体育中心 (图 5中红色三角) 南北向的剖面垂直各水物质分布对比可以看出, 云分析中加入雷达资料后, 中低层云水和雨水混合比无论从数值量级还是分布范围均进行了调整, 尤其是在上海东方体育中心附近改进较为明显; 云水含量明显增大, 在0 ℃线以下含量及范围的增加尤为明显; 雨水含量的最大值也有所增加, 大值区分布范围则相对更广; 上海东方体育中心北部的中高层云冰混合比有所调整, 同时, 调整后东方体育中心上空的云冰和雪水混合比更加的深厚, ctrl试验的云冰混合比厚度从T1试验的约8 km调整为约9 km, 同时雪水混合比厚度也稍增加了约0.5 km, 更有利于短时强降水的发生。
|
图 5 2011年7月31日17:00 (13:00起报) ctrl (a~d) 和T1 (e~h) 试验各水物质含量沿东方体育中心的SN剖面 (单位: kg·kg-1) Figure 5 SN cross-section plots of different hydrometers for ctrl (a~d) and T1 (e~h) experiment at 17:00 (Initiated at 13:00) on 31 July 2011. Unit: kg·kg-1. From the first to fourth column are cloud water mixing ratio, rain water mixing ratio, ice mixing ratio and snow mixing ratio, respectively |
对比13:00起报的地面温度场和风场 (图 6) 可以看到, 14:00由于城市和东郊下垫面物理属性上的差异, 太阳辐射造成切变线西部的城区温度上升速度明显快于郊区, 海陆风逐渐显现, 地面风场出现辐合现象, 存在一条从西北到东南的地面风速辐合线。ctrl试验和T1试验模拟的地面辐合线的位置有明显差异。T1试验地面辐合线位于上海东部地区, 而ctrl试验模拟的地面辐合则相对偏西, 这与地面温差有关, T1试验低温区主要位于上海东部和南部沿海, 使得强盛的湖陆风和较弱的海陆风在上海东部地区辐合, 而ctrl试验低温区主要位于上海东北沿海; 另外南汇东南部海域最低温度仅为26 ℃, 而其沿海温度则有30 ℃左右, 较大的海陆温差使得上海东部沿海偏东海陆风尤为明显, 使得另一条辐合线在上海中南部产生。15:00-17:00, 北方弱冷空气逐渐南下, 上海西北部开始降温, T1试验模拟的降温幅度和范围较小, 地面辐合并不明显, ctrl试验能清晰地刻画出地面辐合线的移动变化。由此可见, 同化雷达资料后, 使得云的发展更剧烈, 继而对地面温差分布造成影响, 从而使地面风场辐合线的位置发生了显著差异。
|
图 6 13:00起报ctrl (a, c, e, g) 和T1 (b, d, f, g) 试验数值模式不同时刻的地面风场 (矢量, 单位: m·s-1) 和地面温度 (阴影, 单位: ℃) Figure 6 Simulated surface wind (vector, unit: m s-1) and surface temperature (the shaded, unit: ℃) field Initiated at 13:00 for ctrl (a, c, e, g) and T1 (b, d, f, g) experiment at different time |
从08:00初始场的对比 (图 7) 来看, 08:00同化探空资料后ctrl试验的北方高空槽比T2试验稍有东移, 且华东区域大部的高压也稍有加强, 上海区域中高层尤其是高层500 hPa仍然被585.5 gpdm和700 hPa的311.5 gpdm等高线 (弱高压) 控制, 而T2试验在上海区域的位势高度明显偏弱, 其高层500 hPa的585.5 gpdm等高线已经西退至安徽-江西一带。从位势高度场的差值场上也可以看出, 华东大部分区域都出现了正变高, 尤其是在长江下游南京-上海一带出现了500 hPa的0.5 gpdm以上的正变高, 而700 hPa也出现了以南京为中心的延伸到上海区域的0.4 gpdm以上的正变高。另外, 从风场的对比来看, ctrl试验850 hPa上海周边以弱的偏西风为主, 上海区域风速普遍达约4 m·s-1, 而T2试验则以稍强的西北偏西风为主, 上海地区风速为6 m·s-1; 从风矢量场的差值场来看, 850 hPa和500 hPa上海区域及周边出现了明显的东南向的差值风场, ctrl试验与实况相比较为准确。
|
图 7 08:00起报7月31日08:00 850 hPa (上)、700 hPa (中) 和500 hPa (下) 高度场 (等值线, 单位: dagpm) 和风场 (风矢, 单位: m·s-1) Figure 7 Simulated geopotential height (contour, unit: dagpm) and wind (vector, unit: m·s-1) on 850 hPa (up), 700 hPa (medium) and 500 hPa (down) at 08:00 on July 31. (a~c) observation, (d~f) ctrl, (g~i) T2, (j~l) control minus T2 |
另外, 从初始时刻08:00宝山站的温度-对数压力图的对比 (图 8) 可以看到, 低层700 hPa以下温度及露点温度均较高, 具备一定的暖湿条件, 中高层600~300 hPa则相对干冷。ctrl试验的最干层在500~350 hPa, 温度-露点差达到30 ℃左右, 而T2试验的最干层在400 hPa, 温度-露点差仅有20 ℃左右; 同时ctrl试验的沙氏指数为-2, 大气为轻度不稳定层结, 与实况的-2.4基本一致, 而T2试验的沙氏指数为0, 大气为中性层结与实况不符。由此可见, 探空资料不仅对大尺度形势场温度和水汽等进行了调整, 而且对大气层结状况也具有一定的改善能力。
|
图 8 08:00起报7月31日08:00上海宝山温度-对数压力分布 (a) ctrl试验, (b) T2试验 Figure 8 Simulated skew T-logP plots initiated at 08:00 at Baoshan station at 08:00 on July 31. (a) ctrl, (b) T2 test |
对比13:00起报的地面温度和风场 (图 9) 可以看到, 尽管模式模拟区域内同化的探空观测数量不多, 但对地面温度和风场的影响还是比较明显。14:00, 由于城市和东郊下垫面物理属性的差异, 海陆风逐渐显现, 地面风场出现辐合现象, 存在一条从西北到东南的地面风速辐合线, ctrl和T2试验地面辐合线位置较为一致。15:00开始, 上海西北部开始降温, T2试验降温范围与ctrl试验基本一致, 且上海城区辐合线位置也基本一致, 但T2试验降温没有ctrl试验明显, T2试验模拟的上海西北部温度比ctrl试验要低1~2 ℃。16:0017:00降温范围逐渐南移扩大, ctrl试验降温降温范围比T2试验更广, 降温幅度更大。17:00 ctrl试验模拟的上海东北部沿江地区地面温度由16:00的30 ℃降到24 ℃左右, 而T2试验并没有模拟出此处降温。
|
图 9 13:00起报ctrl (a, c, e, g) 和T2(b, d, f, g) 试验数值模式不同时刻的地面风场 (矢量, 单位: m s-1) 和地面温度 (阴影, 单位: ℃) Figure 9 Simulated surface wind (vector, unit: m s-1) and surface temperature (the shaded, unit: ℃) field initiated at 13:00 for ctrl (a, c, e, g) and T1 (b, d, f, g) at different time |
由于AMDAR资料时间分辨率很高, 可逐小时同化。为了分析AMDAR资料在循环同化中的作用, 对比13:00试验的初始场 (图 10)。加入AMDAR资料后, ctrl试验北方高空槽底位置明显较T3试验偏南, 且西太平洋副高较强, 同时大陆副高则较弱, 从差值场看也可以明显看出华东区域大部分地区为负变高。从低层850 hPa形势场对比看, 同样地, ctrl试验预报的北方槽较T3试验更偏南, 且大陆副高明显比T3试验弱, 从风场差值场上看, 上海区域存在明显的反气旋性差值环流。表明, 加入AMDAR资料后对循环预报的高空槽位置及西北太平洋副高强度都有所调整, 与实况较为接近。
|
图 10 7月31日13:00 850 hPa (a~c) 和500 hPa (d~f) 高度场 (等值线, 单位: dagpm) 和风场 (矢量, 单位: m·s-1) 第1~3列分别为ctrl试验、T3试验及ctrl-T3的差值场 Figure 10 Geopotential height (contour, unit: dagpm) and wind (vector, unit: m·s-1) on 850 hPa (a~c) and 500 hPa (d~f) at 13:00 on 31 July 2011. The column 1~3 denotes ctrl, T2 test and control minus T2, respectively |
对比13:00起报的地面温度和风场 (图 11), 15:00, 两试验模拟的地面风场辐合线位置基本一致, 但T3试验模拟的上海南部沿海地面温度高于ctrl试验, 表明ctrl试验上海南部海陆风明显大于T3试验; 16:00, ctrl试验的降温范围及幅度比T3试验广, 而T3比ctrl试验冷空气南移速度稍快, 此时ctrl试验冷中心仍在苏州南部, 而T3试验冷中心已经达到苏沪交界处; 另外, 在上海东北沿海部ctrl试验存在一个明显的冷区中心, 最低温度达到24 ℃以下, 并且在其北部沿江伴随着明显的气旋式环流, 与实况较接近, 而T3试验无此现象。
|
图 11 13:00起报ctrl (a, c, e, g) 和T3 (b, d, f, g) 试验数值模式不同时刻的地面风场 (矢量, 单位: m s-1) 和地面温度 (阴影, 单位: ℃) Figure 11 Simulated surface wind (vector, unit: m s-1) and surface temperature (the shaded, unit: ℃) field initiated at 13:00 for ctrl (a, c, e, g) and T3 (b, d, f, g) at different time |
从13:00起报的逐小时降水模拟结果的对比上可以清晰地看到分别不同化3种观测资料, 模式模拟的降水有显著不同 (图 12), 以降水最强时段15:00-17:00为例。15:00-16:00, T1-T3试验较好模拟出了上海西北和西部的降水中心, 但T1试验模拟的上海西北部的强降水中心最大降水仅为30 mm左右, 比实况较弱, 落区稍有偏南且范围较小; T2试验模拟的上海西北部的强降水中心最大雨强超过了70 mm; T3试验模拟的强降水中心最大雨强超过了60 mm, 比实况的45 mm偏大, ctrl试验较好地报出了强降水中心位置和强度; ctrl试验和3个敏感性试验在上海中部和南部都有大范围的空报。16:00-17:00, T1试验虽较好地把握了两条自北向南的雨带, 但在上海东方体育中心强降水强度明显偏弱, 最大雨强仅为约30 mm; T2试验没有预报出西北-东南向雨带, 尤其是上海东方体育中心的强降水中心; T3试验由于弱冷空气南压较快, 强降水中心偏南, 最大降水量达70 mm以上, 同时上海北部沿江的雨带预报较弱, 尤其是在上海东方体育中心降水强度比实况小, 仅为20 mm左右; 而ctrl试验则很好地预报出了强降水位置及强度, 最大降水达70 mm以上, 与实况较为一致。
|
图 12 13:00起报ctrl (a~d)、T1 (e~h)、T2 (i~l) 和T3 (m~p) 试验模式模拟的1 h累积降水 (单位: mm) 第1~4列分别表示13:0014:00, 14:0015:00, 15:0016:00和16:0017:00 Figure 12 Simulated 1 h accumulated rainfall initiated at 13:00 for ctrl, T1, T2 and T3 test. Unit: mm. The column 1~4 denote 3:0014:00, 14:0015:00, 15:0016:00 and 16:0017:00, respectively |
本文通过对发生在上海地区的一次强对流过程的敏感数值试验分析, 初步探讨了雷达观测、探空观测和AMDAR观测资料在快速更新同化系统中的作用, 得到如下结论:
(1) 通过云分析同化雷达观测资料后, 有效调整了模式初始场中的水物质含量 (云水、云冰、雨水、雪、冰雹等混合比), 增加了模式低层云量, 同时剔除了虚假的高云, 尤其对强降水中心上空的云冰进行了剔除, 实现了对模式初始场三维云特征量的构造和修正, 使云的分布较合理, 从而对中小尺度对流系统的结构和强度起到了关键作用, 这些因素是降水预报得到改进的直接原因。
(2) 增加探空资料后, 模式500 hPa、700 hPa和850 hPa高度场和风场预报均有所改进, 地面降温范围和强度均发生了变化, 特别是影响了中高层的水汽和温度分布, 直接影响着大气稳定度, 不稳定的大气层结是强对流发生的重要条件。尽管探空资料在试验中仅使用了一次, 但其可持续影响后续时刻的模拟。
(3) AMDAR资料的敏感性试验表明, 同化AMDAR资料后, 对模式500 hPa和850 hPa的高空槽位置和强度都有所调整, 此次强对流天气的形势场得到了较好的修正, 使得分析场更接近实况, 这是对预报降水改进的主要原因。更重要的是, AMDAR资料每个时次均可获得, 这是对探空资料极好的补充。
综上所述, 没有同化雷达资料试验虽能模拟出主要的雨带, 但不能很好的模拟出此次降水量级, 尤其是此次强降水中心的强度; 不同化探空资料, 降水时间和雨形都模拟的较准确, 但同样不能很好的预报出强降水落区和强度; 不同化AMDAR资料, 模式模拟的16:00-17:00强降水中心偏南, 没有准确地预报出强降水中心位置。
| Frank W M, Ritchie E A. 1999. Effects on environmental flow upon tropical cyclone structure[J]. Mon.Wea.Rev, 127: 2044–2069. DOI:10.1175/1520-0493(1999)127<2044:EOEFUT>2.0.CO;2 | |
| Frank W M, Ritchie E A. 2001. Effects of vertical wind shear on the intensity and structure of numerically simulated hurricanes[J]. Mon.Wea.Rev, 129: 2249–2269. DOI:10.1175/1520-0493(2001)129<2249:EOVWSO>2.0.CO;2 | |
| Hu M, Xue M, Gao J, et al. 2006. 3DVAR and cloud analysis with WSR-88D level-Ⅱ data for the prediction of the Fort Worth, Texas, tornadic thunderstorms.Part Ⅱ:Impact of radial velocity analysis via 3DVAR[J]. Mon Wea Rev, 134(2): 699–721. DOI:10.1175/MWR3093.1 | |
| Hu M, Xue M, Brewster K. 2006. 3DVAR and cloud analysis with WSR-88D level-Ⅱ data for the prediction of the Fort Worth, Texas, tornadic thunderstorms.Part Ⅰ:Cloud analysis and its impact[J]. Mon Wea Rev, 134(2): 675–698. DOI:10.1175/MWR3092.1 | |
| Nicholas A, Gasperini, Ming Xue, et al. 2013. Sensitivity of convective initiation prediction to near-surface moisture when assimilating radar refractivity:impact tests using 0SSEs[J]. J Atmos Ocean Tech, 30(10): 2281–2302. DOI:10.1175/JTECH-D-12-00038.1 | |
| Wilson J W.2011.Precipitation nowcasting:Past, present and future[C]//6th International Symposium on Hydrological Applications of Weather Radar. | |
| 陈葆德, 王晓峰, 李泓, 等. 2013. 快速更新同化预报的关键技术综述[J]. 气象科技进展, 3(2): 29–35. Chen Baode, Wang Xiaofeng, Li Hong, et al. 2013. An overview of the key techniques in rapid refresh assimilation and forecast[J]. Adv Meteor Sci Technol, 3(2): 29–35. | |
| 黄燕燕, 万齐林, 陈子通, 等. 2011. 加密探空资料在华南暴雨数值预报的应用试验[J]. 热带气象学报, 27(2): 179–188. Huang Yanyan, Wan Qilin, Chen Zitong, et al. 2011. Experiment of using dense observation data of sounding balloon in rainstorm forecast over South China[J]. J Trop Meteor, 27(2): 179–188. | |
| 黄卓, 李延香, 王慧, 等. 2006. AMDAR资料在天气预报中的应用[J]. 气象, 32(9): 42–48. Huang Zhuo, Li Yanxiang, Wang Hui, et al. 2006. Application of AMDAR data to weather forecast[J]. Meteor Mon, 32(9): 42–48. | |
| 梁科, 万齐林, 丁伟钰, 等. 2007. 飞机报资料在0506华南致灾暴雨过程模拟中的应用[J]. 热带气象学报, 23(4): 313–325. Liang Ke, Wan Qilin, Ding Weiyu, et al. 2007. The application of assimilated aircraft data in simulating the heavy rain over South China in June 2005[J]. J Trop Meteor, 23(4): 313–325. | |
| 舒守娟, 王元, 宋金杰. 2011. 西北太平洋台风"海棠"结构的GPS下投式探空仪观测分析[J]. 气象学报, 69(6): 933–944. Shu Shoujuan, Wang Yuan, Song Jinjie. 2011. Observational analysis of the structure of Typhoon Haitang (0505) over the western North Pacific by using the GPS Dropsonde data[J]. Acta Meteor Sinica, 69(6): 933–944. | |
| 王遂缠, 胡向军, 张新荣, 等. 2011. 雷达资料同化在甘肃局地暴雨天气个例中的应用[J]. 高原气象, 30(3): 711–718. Wang Suichan, Hu Xiangjun, Zhang Xinrong, et al. 2011. Application of doppler radar data assimilation in a local rainstorm case in Gansu province[J]. Plateau Meteor, 30(3): 711–718. | |
| 王晓峰, 王平, 张蕾, 等. 2015. 上海"7·31"局地强对流快速更新同化数值模拟研究[J]. 高原气象, 34(1): 124–136. DOI:10.7522/j.issn.1000-0534.2013.00202 Wang Xiaofeng, Wang Ping, Zhang Lei, et al. 2015. Numerical simulation of '7·31' severe convection event in Shanghai using rapid refresh technique[J]. Plateau Meteor, 34(1): 124–136. DOI:10.7522/j.issn.1000-0534.2013.00202 | |
| 王晓峰, 许晓林, 张蕾, 等. 2014. 上海"0731"局地强对流观测分析[J]. 高原气象, 33(6): 1627–1639. DOI:10.7522/j.issn.1000-0534.2013.00204 Wang Xiaofeng, Xu Xiaolin, Zhang Lei, et al. 2014. Observation analysis of local severe convection event in Shanghai on 31 July 2011[J]. Plateau Meteor, 33(6): 1627–1639. DOI:10.7522/j.issn.1000-0534.2013.00204 | |
| 尹东屏, 吴海英, 张备, 等. 2010. 一次海风锋触发的强对流天气分析[J]. 高原气象, 29(5): 1261–1269. Yin Dongping, Wu Haiying, Zhang Bei, et al. 2010. Analysis on a severe convective weather triggered sea breeze front[J]. Plateau Meteor, 29(5): 1261–1269. | |
| 张飞民, 王澄海. 2014. 利用WRF-3DVAR同化常规观测资料对近地层风速预报的改进试验[J]. 高原气象, 33(3): 675–685. DOI:10.7522/j.issn.1000-0534.2012.00198 Zhang Feimin, Wang Chenhai. 2014. Experiment of surface-layer wind forecast improvement by assimilating conventional data with WRF-3DVAR[J]. Plateau Meteor, 33(3): 675–685. DOI:10.7522/j.issn.1000-0534.2012.00198 | |
| 张利红, 蒋丽娟, 陈朝平, 等. 2009. 探空观测资料在西南暴雨中的同化试验[J]. 高原山地气象研究, 29(3): 31–38. Zhang Lihong, Jiang Lijuan, Chen Zhaoping, et al. 2009. Assimilation experiment of sounding data on the rainfall in Southwest China[J]. Plateau and Mountain Meteorology Research, 29(3): 31–38. |
2. Key Laboratory of Numerical Modeling for Tropical Cyclone of China Meteorological Administration, Shanghai 200030, China;
3. Innovative Center of Regional High Resolution Numerical Weather Prediction, Shanghai 200030, China