引言

经过一个世纪的数值天气预报理论研究和半个世纪的业务化应用实践，数值天气预报得到了迅速的发展^[1]。多年来，数值天气预报效果的改善一直围绕着模式本身和初值进行。成功的数值预报离不开精确的模式初值和较好的数值模式，而目前模式的初值、数值模式本身都存在误差（如较大的初值误差常出现在对流不稳定区域），因此通过同化高分辨率、高质量的观测资料提高模式初值精度就显得非常重要^[2]。全球范围的探空观测大致始于20世纪40年代^[3]。探空资料可以反映大气的垂直结构，在大气污染扩散研究、数值天气预报、流体动力学分析^[4]、模式探空检验^[5]、再分析资料验证^[6]及气候变化研究等方面具有重要作用。

尽管探空资料站的站点个数十分有限，但由于探空观测资料质量稳定、可靠，垂直探测精度高，可以提供大气三维结构的完整描述，因此探空资料一直以来是数值模式预报最基本资料之一^[7-8]，也是数值模式预报效果和其它观测资料可信度检验的标本，研究表明，同化探空观测资料可以改进大气温、湿、风廓线的预报精度^[9]，提高对流天气预报的准确率^[10-12]。然而，目前全球定常探空观测一天仅有两次（00 UTC和12 UTC）, 很难满足模式的需求。因此对探空资料同化在时间上进行加密并分析评估其对数值预报的影响是有必要的。

目前，国内外学者已开展了一系列加密探空资料在数值模式中的影响分析。如Faccani C等^[13]将2006年非洲季风多学科分析（AMMA）试验计划中的加密探空观测资料应用到法国全球变分同化系统中，结果证明使用加密探空资料后，模式模拟的湿度场与观测更为接近。李跃清等^[14-16]将西南涡加密探空观测资料应用到数值预报业务模式中，研究表明，同化加密探空资料可以改进模式初始场质量，提高降水预报业务水平，尤其是区域性暴雨天气预报。黄燕燕等^[17]采用逐时同化预报系统CHAF比较了同化加密探空资料与仅同化常规探空资料的分析场和模式预报，研究表明同化加密探空资料后所得分析场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。陈朝平等^[18]利用GRAPES_3DVAR系统，分别对2011年发生在四川境内的两次强降水过程进行加密探空和常规探空资料的同化对比试验，结果表明，同化加密探空资料后降水预报有所改善，降水强度与降水落区预报与实况更为接近。卢萍等^[19]将2010年在名山、九龙、稻城三地进行的西南涡加密观测试验取得的探空资料引入到AREM模式中，研究表明，在西南低涡存在的情况下，增加3个探空站资料后形成的初始场更有利于降水天气的产生。魏蕾等^[20]采用实时四维变分同化表明，加入加密探空观测后，得到的雷达回波、高度场、温度与实况比较接近，降水也更接近实况。然而上述研究工作大多基于个例分析，缺乏批量试验和实时业务系统的验证。2014年6月，中国气象局组织了全国范围内逐日14时(北京时，下同)的加密观测试验。本文利用华东区域数值预报业务系统开展加密探空对业务模式预报性能的影响评估。

1 模式系统及试验方案设计

华东区域业务模式系统基于中尺度数值预报模式WRF和ARPS Data Analysis System (ADAS)分析同化系统建立。模式中心位于(32°N, 117°E)，水平分辨率为9 km，水平格点数为265×265，垂直层次为35层。ADAS是由Oklahoma州立大学国家强风暴试验室开发的一套气象数据分析与同化系统，从The Local Analysis and Prediction System (LAPS)发展而来。ADAS具有非绝热初始技术，主要是依靠复杂云分析模块实现。

同化背景场采用GFS模式初始场，同化资料主要包括近地面资料（如2 m气温、10 m风速）、雷达资料和其它常规观测资料等。ADAS采用的同化分析方法主要为连续迭代方法（如Bratseth方法）。此外雷达资料主要使用云分析方法，该方法首先通过雷达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；最后根据与云水、云冰对应的潜热释放，基于湿绝热对云内温度场进行调整。同化系统主要参数配置见表 1。

为对比加密探空观测资料对实时业务系统的影响，本文选取2014年6月1—30日做为试验样本进行统计分析，并对6月19—21日区域性的暴雨典型过程进行个例分析。试验分为两组，一组为控制试验，即同化所有常规观测资料和雷达观测资料，另一组为敏感试验，在其它条件一致的情况下，在每日14时增加了加密探空观测资料的同化。图 1为模式对比试验的资料同化流程示意图。图 2给出了模式区域范围内加密探空站点位置，增加的加密探空数量每次约60个，探空数据的层次从40多层到60多层均有，平均为50层左右。本文检验评估方法参考常见的检验方法^[21-23]。

2 典型天气个例试验分析 2.1 天气实况

2014年6月19—22日，受梅雨锋和切变线影响，长江以南地区发生一次大范围降水过程，华东地区出现大范围暴雨天气。6月19—20日, 安徽南部、浙江西北部、江西中部出现暴雨, 江西中部和福建西北部局地有大暴雨（图 2a）。6月20—21日，暴雨区略有北抬东移，主要位于江西北部和皖、苏、浙交界，大暴雨主要出现在江西北部（图 2b)。6月21—22日，暴雨区进一步东移，主要位于江西西部和浙江境内，大暴雨主要出现在浙江西部（图 2c）。图 3显示了本次个例的过程实况累计降水量分布情况，长江以南地区出现大片的50 mm以上降水区域，其中从江西中西部至浙江西部有一条超过100 mm的强降水带。

2.2 同化加密探空观测前后模式初始场分析 2.2.1 增量和最大调整幅度

为分析加密探空资料对模式初始场的影响程度，采用增量分析方法（即敏感试验与控制试验的差值）分析各同化变量的变化情况，其中增量为模式范围内的平均结果。分析发现从6月19日14时—6月21日14时几个预报时次的扰动振幅分布特征类似。以6月20日14时起报个例为例，可见，位势高度的负增量主要位于500—900 hPa（图 4a）, 500 hPa向上均为正增量，100 hPa达到最大正增量值。比湿增量除100 hPa外，其余层次均为负增量，负增量最大值位于700 hPa（图 4b）。温度增量从300—650 hPa为正增量（图 4c），其余层次均为负增量，正增量最大值在400 hPa, 负增量最大值为925 hPa。u增量的正增量和负增量从低层到高层交替出现，正增量最大值150 hPa, 负增量最大值为500 hPa（图 4d）。

与增量分析类似，本次个例同化变量增量的最大调整幅度（即增量最大值）各个时次具有相似的特点，因此同样选择代表时次进行分析，其它时次类似。从位势高度的增量最大调整幅度可以看出（图 5a），随着高度增高，调整幅度逐渐增加，在100 hPa达到最大值，总体而言，模式高层的调整幅度更为显著。比湿最大调整幅度调整较大的层次主要位于1 000—650 hPa，最大值出现在750 hPa（图 5b），此后随着高度的增加最大调整幅度逐渐减小。从温度最大调整幅度分析可见（图 5c），调整幅度较大的层次分布在150 hPa以上和800—1 000 hPa之间，最大值出现在100 hPa。风场的水平u分量最大调整幅度从低层到高层总体呈现增大的趋势（图 5d），最大值出现在150 hPa。

由以上分析可见，同化加密探空观测资料后，对各模式变量在不同高度的初始场均有一定的影响。各模式变量最大调整幅度分析表明，对位势高度、风场和温度场的影响在高层表现的更为显著，对比湿的影响则在低层更为明显。

2.2.2 增量场水平分布

图 6给出模式各个变量增量场的水平分布特征。从图中可以看到100 hPa位势高度增量的水平分布情况（图 6a），模式同化加密探空资料后对位势高度场的影响在整个积分区域都有体现，增量场有正值和负值中心存在，正值中心的最大值达到5 dagpm，负值中心的最大值为-4 dagpm。同理，对850 hPa比湿场（图 6b）、100 hPa温度场（图 6c）和150 hPa纬向风（图 6d）的影响也涉及到模式整个区域，100 hPa温度场的增量在模式区域内多为负值，150 hPa纬向风的增量在模式区域内多为正值，且增量中心达到4 m·s^-1。通过同化变量增量场水平分布的分析可见，同化了加密探空资料之后的影响不仅仅体现在局部地区，而是面向整个积分区域的，并有明显的正负值中心存在，这可能与探空站点在整个模式区域内分布均匀有关。结合图 8和图 9，模式同化加密探空资料后，在24 h降水预报落区方面较控制试验结果更为合理，与实况落区更为吻合，预报技巧也有提高。并且从降水预报差值的分布来看（图 8d)，整体是较控制试验增强的。以江西、浙江为例，敏感试验与控制试验的差值中心可达80 mm·(24 h)^-1以上，对应图 6b可见，敏感试验的850 hPa比湿增量场在相应地区也存在大的正值区域，有较好的对应。

2.2.3 初始场误差分析

将同化前后的分析场检验变量分别插值到探空站进行均方根误差检验。图 7为6月20日14时控制和敏感同化试验不同高度温度、相对湿度、u风和位势高度同化前后的均方根误差统计结果。图中每一层次的均方根误差为该层次所有站点均方根误差平均值。从图 7分析可知敏感试验同化后各层次温度的均方根误差基本均小于控制试验（图 7a）, 相对湿度和u风也有类似的结果，位势高度则主要在500 hPa向上误差有所减小。

从以上分析可见，同化加密探空资料之后对模式初始场的影响从垂直和水平分布均较明显，并减小了模式初始场误差。这说明加密探空资料中的各层次大气风场、水汽信息等加密观测信息已经很好地被吸入数值模式中，由于加密探空资料本身具有较高的垂直分辨率，对常规观测资料的观测盲区部分起到了很好的补充作用，因此在背景场中有效引入了更多的观测信息，从而使得同化分析场更加接近于大气的真实状况。

2.3 降水预报对比分析

图 8为6月20日14时降水实况及两组试验模式模拟的24 h降水预报对比。如图 8a所示，6月20日14时—21日14时，受梅雨锋影响，华东地区从江西北部至上海形成一条西南-东北走向的暴雨带，其中江西东北部、浙江西部和安徽南部交界处有大暴雨，局地特大暴雨。对比图 8b、8c可以看到，敏感试验和控制试验均预报了江西东北部有暴雨和大暴雨出现，但控制试验中江西东北部大暴雨的范围偏小，而敏感试验对大暴雨的影响范围预报大于控制试验，与实况更为接近，敏感试验和控制试验对暴雨量级以上降水均存在明显的空报，特别是大暴雨量级。由两试验的24 h· 48 h降水预报差值（图 8d）可见，敏感试验比控制试验在江西东北部降水增多，差值超过80 mm, 对应于强降水中心区域。

图 9为不同试验模式6月20日14时起报的有无加密探空观测资料24 h累计降水预报的各量级降水TS评分对比。如图所示，增加加密探空资料同化后，模式对整个模式区域的24 h中雨、暴雨和大暴雨预报以及48 h各量级降水预报的TS评分比无加密探空资料高，其中对大暴雨量级的预报改进更为明显。说明同化了加密探空资料之后，不仅改善了模式的初始场，而且使得模式的降水预报在量级和空间分布上更加接近实况。

图 10为不同试验模式6月20日14时起报的有无加密探空观测资料6 h累计降水预报（预报至6月20日20时）、18 h累计降水预报（预报至6月21日08时）以及24 h累计降水预报（预报至4月21日14时）的TS评分，如图 10a所示，增加加密探空观测资料后对6 h累计降水预报的4 mm·(6 h)^-1, 13 mm·(6 h)^-1和25 mm·(6 h)^-1的TS评分都有提高，但对0.1 mm·(6 h)^-1和1 mm·(6 h)^-1预报评分是降低的。分析图 11(b)可知，增加加密探空资料后对18 h累计降水预报的8 mm·(18 h)^-1预报技巧基本不变，对20 mm·(18 h)^-1的预报技巧有提高，对0.1 mm·(18 h)^-1, 1 mm·(18 h)^-1和40 mm·(18 h)^-1的预报技巧比无加密探空资料低。24 h累计降水预报的10 mm·(24 h)^-1, 50 mm·(24 h)^-1和100 mm·(24 h)^-1预报技巧都有提高（图 10c），0.1 mm·(24 h)^-1和25 mm·(24 h)^-1预报技巧比无加密探空资料低。

3 批量数值试验统计结果分析

为进一步对比加密探空观测对数值预报实时业务系统的影响，选取2014年6月1—30日为期一个月时间进行试验对比分析。

3.1 降水预报结果检验

从降水实况资料可知，2014年6月模式区域共有3次主要天气过程，分别在6月1—2日，6月19—21日和6月25—26日，降水日共23 d。图 11为2014年6月1—30日为期一个月的降水预报统计结果。图 11a为24 h降水预报偏差值，可以看到同化加密探空资料后，各个量级降水预报的预报偏差均更加接近于1，进一步提高了降水预报准确率。图 11b为24 h累计降水预报TS评分, 可见同化加密探空资料后，24 h暴雨、大暴雨以及48 h小雨、暴雨和大暴雨量级降水的预报技巧均有提高，其中24 h暴雨和大暴雨量级降水的预报技巧分别提高了2.5%和8.1%。

为了比较同化08时的探空和14时的探空对于午后降水的预报能力的影响，对08时和14时起报的6 h累计降水（14—20时）进行了对比检验（如图 12所示），可见同化14时探空后对各个量级的降水预报技巧评分均较08时有提高，说明同化14时探空资料是非常有必要的，有助于提升区域模式对要素日变化的模拟性能。

3.2 高空预报要素检验

图 13a为不同试验的500 hPa位势高度预报场误差检验统计结果。可见加密探空资料后在大多数情况下均有改进，其中24 h、48 h位势高度场预报均方根误差分别为1.49和1.69；而控制试验的24 h、48 h预报均方根误差分别为1.51和1.70。同样，700 hPa相对湿度的预报误差也有一定程度的减小(图 13b，同化加密探空观测资料的24 h、48 h相对湿度预报均方根误差分别为17.63和20.4，而控制试验的24 h、48 h预报均方根误差分别为18.15和20.66。

从为期一个月的测试样本统计结果来看，同化加密探空观测资料对形势场和降水的预报都是有正贡献的，其中位势高度的24 h和48 h均方根误差相对减小1.3%和0.6%，相对湿度的24 h和48 h均方根误差相对减小2.8%和1.3%。

4 结论和讨论

本文利用华东区域中尺度数值预报业务系统分析了加密探空观测资料对实时业务的影响，通过典型天气个例分析和为期一个月的数值试验，得到如下结论：

(1) 对模式初始场增量最大调整幅度分析结果表明，同化加密探空观测资料后对模式初始场中不同高度上位势高度、比湿、温度、风速均有一定的影响。对位势高度、温度和风场的影响在高层100—150 hPa表现比较显著，而对比湿的影响主要集中在低层700—750 hPa。

(2) 同化加密探空资料，可使模式分析场的位势高度、相对湿度、温度和风速各层次的均方根误差减小，使分析场更加接近于实况。模拟的暴雨和大暴雨量级的降水在水平空间分布和量级上也更接近于实况，预报技巧有所提高。

(3) 批量数值试验的分析表明，同化加密的探空观测资料后对降水预报的提高主要在暴雨和大暴雨，而对暴雨以下量级的降水的改进并不明显，相关问题还有待进一步研究。24 h暴雨和大暴雨量级降水的预报技巧分别提高了2.5%和8.1%，对形势场预报也有所改善, 位势高度的24 h和48 h均方根误差相对减小1.3%和0.6%，相对湿度的24 h和48 h均方根误差相对减小2.8%和1.3%

综上所述，同化加密探空资料，有利于获得更丰富的大气观测信息，合理利用这些加密观测信息可进一步改进数值模式初始场，在一定程度上提高数值模式的预报效果。由于受资料和试验条件所限，本文仅对2014年6月一个月的试验结果和个例进行统计分析，今后将继续深入开展相关的研究工作, 针对分析同化加密探空资料对形势场和降水预报的改进是否具有广泛适用性的问题作进一步研究。