气象学报  2015, Vol. 73 Issue (1): 187-199   PDF    
http://dx.doi.org/10.11676/qxxb2015.002
中国气象学会主办。
0

文章信息

郝民, 龚建东, 王瑞文, 万晓敏, 刘艳. 2015.
HAO Min, GONG Jiangdong, WANG Ruiwen, WAN Xiaomin, LIU Yan. 2015.
中国L波段探空湿度观测资料的质量评估及偏差订正
The quality assessment and correction of the radiosonde humidity data biases of L-band in China
气象学报, 73(1): 187-199
Acta Meteorologica Sinica, 73(1): 187-199.
http://dx.doi.org/10.11676/qxxb2015.002

文章历史

收稿日期:2014-03-031
改回日期:2014-08-04
中国L波段探空湿度观测资料的质量评估及偏差订正
郝民, 龚建东, 王瑞文, 万晓敏, 刘艳    
国家气象中心, 中国气象局数值预报中心, 北京, 100081
摘要:L波段探空观测资料无论在天气预报还是数值预报中均为最基本和最重要的一类数据,而其湿度观测资料的质量对同化分析及降水预报有直接影响。通过用L波段探空湿度观测资料与不同类型的其他观测反演的湿度资料互校及与NCEP、GRAPES、EC等不同模式分析场为背景的湿度场比较,评估中国L波段探空湿度观测资料的质量状况,对探空湿度资料的质量有了新的认识,为更好地使用该资料提供依据。研究发现中国L波段探空湿度观测资料存在偏干的现象,特别是当背景场湿度大于60%时,观测湿度偏低更加明显。通过分析其偏差特征,找出了适合中国L波段探空湿度观测资料偏差特点的分段函数订正方法。个例试验表明,对探空湿度观测资料的偏差订正后,观测偏差明显减小,订正效果非常显著;模式降水强度预报能力有一定的提高。从连续试验检验的降水预报评分(TS)和预报偏差(Bias)看,中雨和暴雨的预报在探空湿度观测偏差订正后都表现出正效果。
关键词探空观测     湿度偏干     偏差订正     同化预报    
The quality assessment and correction of the radiosonde humidity data biases of L-band in China
HAO Min, GONG Jiangdong, WANG Ruiwen, WAN Xiaomin, LIU Yan    
Numerical Weather Prediction Center, National Meteorological Center, China Meteorological Administration, Beijing 100081, China
Abstract:The radiosonde observation data of L-band has been one kind of the most basic and important data used in either the weather forecast or the numerical prediction, and its quality for humidity observations has a direct impact on the precipitation forecast. In this study, by calibrating the humidity data from the radiosonde observations with those derived from other type observations and comparing to the background fields based on the NCEP, GRAPES and EC modeling analyses, the qualities for the humidity data from radiosonde observation of L-band in China were assessed. So we could have a new understanding about the quality of the radiosonde observation, which would provide basis information for better use of the data.It was found that these sounding humidity tended to be drier than the analyses, thus the piecewise functions were applied for the humidity data correction. When the humidity was more than 60% in the background field, the deviation of the radiosonde observations for humidity would be significant, and the correction effect would become very prominent. The results of case studies and continuous experiments showed that the forecasting capabilities of precipitation intensity could be significantly improved after applying the bias correction for sounding humidity observations. Meanwhile, in term of precipitation forecast test score (TS) and forecasting bias (B), the humidity correction could obviously have positive effects on both the moderate and torrential rain forecasts.
Key words: Radiosonde observation     Humidity drier than normal     Bias correction     Assimilation prediction    
1 引 言

无线电探空仪观测能获取高空温、压、湿资料,是了解天气预报、数值预报及气候变化极其重要的数据源之一。探空观测资料的准确性直接影响天气形势和天气系统的分析与预报。为了提高高空大气探测数据准确度,新一代L波段探空系统从2000年开始推广使用,目前已基本覆盖全中国。L波段探空仪使用的湿度感应元件是参照美国同类设备研制的碳湿敏电阻,与之前探空仪使用的肠膜感应元件相比,灵敏度高,滞后小,在高空低温期间响应快,测量准确度高。此外,该元件校准线一致性好,无需逐一校准,节省了生产成本(姚雯等,2008)。新一代L波段探空仪系统数据精度相比过去59型探空仪温度观测误差减少了3/4,而风和位势高度等大气要素的测量精度也都有明显的改进(陶士伟等,2006王缅等,2011)。相比探空温度和风观测的精度分析研究,探空湿度观测的精度及其特点的研究相对较少(梁宏等,2012郝民等,2014)。而湿度观测在天气分析和资料同化预报中起着重要作用,特别在强对流天气预报中是必不可少的参考资料之一。但目前可以用到的反映大气垂直层次上湿度变化的观测资料却很有限,如探空湿度廓线观测、全球定位系统(GPS)遥感大气可降水量、卫星及雷达反演水汽资料等。相比之下探空湿度资料是最为便捷可直接使用的湿度观测资料,而其资料测量精度将直接影响数值模式分析的精度和模式降水预报的效果。

早在20世纪90年代英国气象局就发现维萨拉 RS80探空仪在探测近饱和大气时出现干观测偏差(Lorenc et al,1996;Wang et al,2002; Mathieu et al,2008),故对于探空湿度观测大于80%的资料进行一定加湿订正,这样在数值模式预报积分过程中预报降水率有提高,以解决由于湿度观测偏干造成的模式预报降水量偏小的问题。Wang等(2008)在比较了GPS遥感大气可降水量与维萨拉 RS80、RS90及RS92探测仪反演的可降水量后,发现维萨拉的探空仪都存在探测湿度偏干的现象,其中,维萨拉 RS80探测湿度偏干的偏差最大。2009年欧洲中心的试验研究发现,不同探空仪测量的湿度都出现湿度偏干5%—30%现象(Agustí-Panareda et al,2009),根据GPS TCWV(total columnar water vapour)资料对探空仪测量湿度资料加以订正后同化试验中降水预报得到显著改进。Miloshevich等(2009)在分析探空仪的水汽测量时也发现有偏干问题。Ciesielski等(2009)在NAME(North American Monsoon Experiment)试验中发现高层探空观测在主要的季风区表现水汽值偏小(Faccami et al,2009),通过对湿度观测偏差订正后,湿度场的描述更加准确合理,同时一些反映对流的参数如可降水量、对流有效位能(CAPE)等预报都得到改进。2011年美国大气研究中心研究表明(Wang et al,2013;Dai et al,2011),由于受白天太阳辐射的影响,维萨拉 RS92的湿度探测有负的偏差(Vömel et al,2007; Kottayil et al,2012; Rowe et al,2008),而偏差订正根据不同气压、季节和时间订正值不同,订正值范围为2%—8%。近年来,中国有研究发现在做资料同化的过程中,中国区域的探空相对湿度观测在水平空间上会出现大片的低值区,唐南军等(2014)研究发现,中国区域L波段无线电探空仪系统在对流层中下层会经常性出现成片相对湿度异常偏低的现象,其部分原因与探测仪湿度片的测湿性能差有关,也与探空仪穿云的特点有关。颜晓露等(2012a)比较了两种探空仪观测的湿度垂直分布,同样发现探空测量的相对湿度在高空偏低,特别是对于6000 m以上高云甄别能力很低。Bian等(2011)比较了GTS1(L波段探空系统)、维萨拉 RS80与CFH(Cryogenic Frost-point Hygrometer)温湿传感器湿度偏差情况,二者都存在一定的负偏差,而GTS1与CFH的偏差要大于维萨拉 RS80与CFH的偏差。世界气象组织(WMO)(2005)的观测方法指南中也指出,云中的无线电探空仪在高湿条件下相对湿度会产生负的系统误差,若这种误差不能补偿,会对数值天气预报分析产生负影响(Durre et al,2006;Flores et al,2013)。近年来,对于探空仪湿度观测偏干现象受到一定的关注,但对其偏差订正方法的研究很有限。针对这些问题,本研究试图采用探空湿度观测资料与其他不同类型的湿度观测资料互校的方法,及与不同模式的分析场为背景的湿度场进行比较,评估中国区域L波段探空湿度观测资料的质量状况,并借鉴英国气象局相关的探空湿度观测偏差订正方法,结合中国探空湿度观测的误差特点,寻求一种有效的、实用的针对探空湿度观测资料存在的偏差进行订正的方法
(Sperka et al,2011;Guichard et al,2000;Ciesielski et al,2010),以提高该资料的使用精度,改善探空湿度资料在数值预报中的应用效果,提高模式降水预报的准确度。 2 资料评估方法

无线电探空仪观测作为天气分析和数值预报最常用的资料数据,在实际应用中多被认为其误差较小,精度较高而作为最接近实际大气、反映大气运动变化的一类观测资料标准来检验、校验和订正天气预报和数值预报的结果。但任何一种观测资料都存在观测误差,不仅与观测仪器性能有关,也与观测手段及观测系统本身有关。故合理地评估探空资料的质量,并对其有正确的认识,同时对存在的偏差加以订正,使之在天气分析及数值预报中发挥最大的作用是资料使用中必不可少的工作。本研究采用与探空资料不同类型的其他资料如GPS遥感大气可降水量(PW)资料、掩星反演湿度廓线(Cosmic的2级产品)WetPrf资料的比较,以及在资料同化中不同模式背景场与相同探空湿度资料进行比较,试图达到对探空湿度观测质量有较全面的评估和认识。 2.1 与GPS遥感大气可降水量资料的互校比较

GPS气象学是20世纪80年代发展起来的利用GPS主动遥感地球大气的科学技术,通过测量穿过大气层的GPS信号的延迟来获得大气折射率,进而从中得到温、压、湿等信息(万蓉等,2013;Benjamin et al,2010)。利用地基GPS接收机进行气象探测,可以获得站点上空准确、连续的大气可降水量,精度可达2 mm,时间分辨率小于1 h。而无线电探空资料观测到的测站上空的湿度廓线资料,通过计算可以得到大气可降水量(曹云昌等,2005)。

大气可降水量是指从地面直到大气顶的单位截面积大气柱中所含水汽总量全部凝结降落到地面可以产生的降水量,并通常用在同面积容器中相当水量深度表示。

式中,q(p)为比湿,随气压p而变;g为重力加速度;p0为地面气压,w1为单位气柱中的水汽总量,尚未换算成水深。 式中,w2代表已换算成水深的可降水量(单位:cm),是将积分式(1)改变为相应的差分求和形式,再除以水的密度ρw而求得。


从2013年7月00时(世界时,下同)、12时全中国的GPS遥感大气可降水量与相应站对应时间的探空观测计算的大气可降水量比较(图 1a)可以看出,GPS遥感计算的大气可降水量多数都略大于探空观测计算的大气可降水量,而探空资料的可降水量是通过探空湿度计算而来,说明探空湿度观测量偏小。而从与图 1a相匹配的全中国的GPS遥感与探空资料计算的大气可降水量点聚图(图 1b)可见,发散的点在对角线右侧略多于对角线左侧,且发散点偏向GPS大气可降水量一边值要略大于探空观测计算的大气可降水量值,这说明GPS遥感大气可降水量要大于探空资料计算的大气可降水量,即探空湿度观测偏低。

图 1 2013年7月中国GPS遥感与探空资料计算的大气可降水量的比较(a)及其散点分布(b)Fig. 1(a)Comparing GPS PW and the calculated PW from the radiosonde data in China,and (b)Scatter diagram of GPS PW and the calculated PW in China for July 2013
2.2 与掩星COSMIC反演湿度廓线资料的互校比较

2 006年4月15日,美国与中国台湾地区合作发射了气象、电离层和气候观测星座(Constellation Observation System of Meteorology,Ionosphere and Climate,COSMIC),进行GPS掩星星座业务探测试验。COSMIC 星座由6颗LEO(Low earth orbit satellite)卫星组成,当GPS卫星信号穿过地球大气层时,电波射线因折射发生弯曲,LEO卫星接收该信号,根据几何光学原理得到GPS信号在各大气路径上的弯曲角,处理得到大气各层折射率,进而反演出全球大气温、压、湿和电离层廓线资料,根据COSMIC数据分析和归档中心提供的COSMIC资料2级产品WetPrf湿度廓线资料通过时空匹配和插值得到相应时间与探空观测的数据比较(王洪等,2010),唐南军等(2014)分析了探空湿度观测并与COSMIC的WetPrf湿度廓线资料和EcPrf湿度廓线资料的比较发现,相对湿度异常偏干现象主要出现在对流层中低层,经常出现在650—500 hPa,起始高度可以低到900 hPa以下(图略)。 2.3 与不同背景场的比较

探空湿度观测与不同类型的其他湿度观测资料相比,发现探空湿度观测相比其他类型反演的湿度场存在偏低现象。为了进一步评估探空湿度观测的质量及其湿度观测偏差的特点,在资料同化试验中选取2011年7月NCEP、 EC(European Centre)及GRAPES(Global and Regional Assimilation and Prediction System)不同模式的分析场做背景场,仅使用探空观测资料进行资料同化试验,即采用不同背景场和同化相同观测资料的3组试验。分析同化试验后得到的背景场与观测场的平均偏差(Bias)和均方根误差(RMSE)及不同模式分析背景场偏差表现的差异(张诚忠等,2012陈敏等,2011)。为了能清楚看出探空湿度观测在不同区域的表现,分中国、欧洲、北美3个区域分别计算背景场与观测场的偏差。

从以NCEP分析场为背景场统计2011年7月与探空湿度观测的垂直平均偏差场(图 2)可以看出,偏差多为正值,即背景场湿度高于观测湿度。图 2a为在中国的统计偏差,在 850—100 hPa偏差为正值,背景场湿度大,观测湿度小;偏差最大出现在250—200 hPa,偏差值为25%—30%;在950—500 hPa,偏差小于5%。图 2b为欧洲统计偏差,在600—150 hPa偏差值为正;偏差最大值也出现在250—200 hPa,最大值为20%。图 2c为北美统计偏差,在600—100 hPa偏差为正;偏差最大值出现在250—200 hPa,为25%—30%。可见探空湿度观测与NCEP资料为背景场相比,200 hPa以下多为正偏差,即探空湿度观测偏小,500 hPa之下偏差减小,湿度偏差最大值出现在250—200 hPa。

图 2 2011年7月以NCEP的分析场为背景场与探空湿度观测的垂直偏差场(a.中国,b.欧洲,c.北美)Fig. 2 Vertical deviation of the analysis of NCEP minus the radiosonde humidity observation for July 2011 (a.China,b.Europe,c.North American)

图 3为以GRAPES分析场为背景场统计2011年7月与探空湿度观测的垂直平均偏差场。在中国150 hPa以下湿度偏差大于0,之上小于0,500 hPa以下湿度偏差小于5%,偏差最大值在250 hPa,达 25%(图 3a)。欧洲200 hPa以下湿度偏差大于0,之上小于0,200—700 hPa偏差最大值出现在250 hPa,达13%,200 hPa以上湿度负偏差最大为-6%,700—950 hPa偏差接近为0(图 3b)。北美600 hPa以下为负偏差,小于-5%,60—150 hPa为正偏差,最大偏差值在250 hPa,小于15%,150 hPa以上为负偏差,最大偏差为-13%(图 3c)。探空湿度观测与GRAPES为背景场比较仍表现为观测湿度偏干。

图 3 2011年7月以GRAPES的分析场为背景场与探空湿度观测的垂直偏差场(a.中国,b.欧洲,c.北美)Fig. 3 As in Fig. 2 but for GRAPES minus the observation

图 4为以EC分析场为背景场统计2011年7月与探空湿度观测的垂直平均偏差场。在中国200 hPa 以下湿度偏差大于0,但最大不超过5%;200 hPa以上偏差小于0,最大为-15%;400 hPa以下,偏差最大为3%(图 4a)。欧洲200—400 hPa湿度偏差在0—5%,200 hPa以上小于0,400 hPa 以下偏差接近0(图 4b)。北美跟欧洲结果接近,400 hPa 以上偏差值更大些,250 hPa偏差最大达10%(图 4c)。欧洲和北美的偏差在400 hPa以下都接近于0,而中国偏差小于5%。

图 4 2011年7月以EC的分析场为背景场与探空湿度观测的垂直偏差场(a.中国,b.欧洲,c.北美)Fig. 4 As in Fig. 2 but for EC minus the observation

比较图 2—4会发现在同化使用相同探空湿度观测条件下(图 2a、3a、4a),NCEP、GRAPES、EC等不同模式分析场为背景场的偏差,无论是在中国、欧洲还是北美都是以EC模式分析场为背景的偏差最小,即相比其他模式EC模式分析场最接近观测场。 故其分析场参考意义也最好。在同一模式背景场条件下(图 4a—c),以EC分析场为背景场时,欧洲与北美在400 hPa以下偏差都接近于0,说明探空观测湿度与背景场值基本是一致的,而中国区域相比其他背景场偏差虽然减小,但正偏差仍然存在,这再次证实探空湿度观测有偏干现象存在。 3 探空湿度观测偏差的分析

为了能更清楚地深入了解探空湿度场相对于背景场偏差的分布,取背景场误差相对较小的EC分析场为背景场,比较探空湿度偏差在不同分段情况下的垂直和水平分布。

图 5为以EC的分析场为背景场湿度高于80%与探空湿度观测的垂直偏差场及样本个数。在550—950 hPa湿度偏差均为5%左右,而550 hPa以上湿度偏差小些,约为3%(图 5a)。从图 5b的样本数上看,均为500以上,在1000 hPa最大样本数超过1400,多数层次样本数在1200以上;400 hPa的样本数达500,而400 hPa以上样本数很小,没有偏差的统计意义。

图 5 2011年7月以EC分析为背景场湿度大于80%与探空湿度观测的垂直偏差场(a) 及其在各垂直层次上的样本数(b)Fig. 5(a)Vertical deviation in July 2011 with the EC analysis as the background field humidity(greater than 80%)to the radiosonde observation, and (b)the number of samples on each vertical level

图 6为以EC分析场为背景场湿度在(60%,80%]与探空湿度观测的垂直偏差场及样本个数。850—400 hPa湿度偏差都稳定在3.5%左右,400 hPa 以上偏差逐渐增大,最大在200 hPa,达18%,850 hPa之下偏差逐渐减小(图 6a)。500—300 hPa样本数均在2200以上,200 hPa以上样本数减小,500 hPa以下样本数多为1000—2000,具有统计意义(图 6b)。

图 6 2011年7月以EC分析为背景场湿度在(60%,80%]与探空湿度观测的垂直偏差场(a) 及其在各垂直层次上的样本数(b)Fig. 6 As in Fig. 5 but for the humidity between 60% and 80%(80% included)

图 7为以EC分析场为背景场湿度在(20%,60%]与探空湿度观测的垂直偏差场及样本个数。400—800 hPa湿度偏差由5%逐渐减小,850 hPa以下湿度偏差为负偏差,负偏差也小于-5%,说明背景场湿度在(20%,60%]时观测与背景场值比较一致,偏差较小,而在低层表现观测湿度偏高,所以出现负偏差。高层400 hPa以上偏差较大,最大偏差值出现在150 hPa,达到15%(图 7a)。样本数在700 hPa以下为1000左右,样本数在700—200 hPa多为2800—7200,200 hPa以上样本数减少,虽然200 hPa以上偏差较大,由于样本数少,所以统计意义不大。

图 7 2011年7月以EC分析为背景场湿度在(20%,60%]与探空湿度观测的垂直偏差场(a) 及其在各垂直层次上的样本数(b)Fig. 7 As in Fig. 5 but for the humidity between 20% and 60%(60% included)

图 8以EC分析场为背景场湿度在(5%,20%]与探空湿度观测的垂直偏差场及样本个数。在700—250 hPa湿度偏差小于3%,700 hPa以下偏差为负偏差,最大偏差达-8%,探空湿度观测相比背景场偏大。而高层湿度偏差较小,观测与背景场较一致(图 8a)。500—200 hPa样本数为1000—2500,500 hPa以下除900 hPa样本数为700外,其他层次为300左右,200 hPa以上由于样本数很少,统计意义也不大(图 8b)。

图 8 2011年7月以EC分析为背景场湿度在(5%,20%]与 探空湿度观测的垂直偏差场(a)及其在各垂直层次上的样本数(b)Fig. 8 As in Fig. 5 but for the humidity between 5% and 20%(20% included)

由上述EC背景场与探空湿度观测偏差场垂直分段表现可见,当背景场湿度大于60%时,在550—950 hPa湿度偏差均为5%左右,探空观测偏干显著;背景场湿度在(20%,60%]时偏差较小;背景场湿度小于20%则在750 hPa以下为负偏差,探空观测偏大,750 hPa以上仍是正偏差,即探空湿度观测偏干。

对于以EC分析场为背景场与探空湿度观测偏差场水平分布,同样采用将湿度值分段比较,发现背景场与探空湿度观测偏差在水平方向上分布是比较均匀的,特别是对于背景场湿度大于60%的部分(图略),背景场与探空湿度观测正偏差大于负偏差,说明观测湿度偏干现象依然存在,但没有表现出明显的区域变化。而背景场湿度不高于60%的情况也类似。可见对于背景场湿度大于60%,探空湿度观测偏干现象最为显著,需要进行偏差订正,以提高其使用的准确性。 4 探空湿度观测的偏差订正

通过对探空湿度偏差的比较与分析可以看出,探空湿度观测在大值区即湿度在60%以上时,观测湿度偏干现象较严重,必须对其偏差加以订正,使探空湿度观测准确性更高,更能反映真实大气的水汽分布,也更有利于数值预报中同化分析的使用。 4.1 探空湿度观测的偏差订正方法

英国气象局早在1996年研究发现,维萨拉 RS80探空仪在探测水汽接近饱和时出现观测较低偏差,通过大量试验分析诊断探空观测与模式背景场(O-B)的偏差特点,给出相应的偏差订正分段线性函数,对观测湿度高于80%的值进行一定加湿订正,订正后对于预报模式的降水率有显著的提高。虽然中国目前使用的探空仪器是L波段的电子探空仪,不同于英国、美国等使用的维萨拉 RS80探空仪,但根据WMO 2004年公布的探测仪测量精度表明:中国L 波段电子探空仪测量精度比之前的59 型机械电码式探空仪显著提高,与国际上使用的芬兰维萨拉公司的RS80 探空仪测量偏差比较接近,精度相当(马舒庆等,2006Li,2006李伟等,2009),所以,在实际应用中借鉴英国气象局探空湿度偏差订正的方法,即对于观测湿度高于80%的观测采用分段线性函数订正方法:在观测湿度高于80%、低于92%时,订正量由0—3%线性变化;观测值在92%—96.5%时,订正量为3%;观测值在96.5%—100%时,订正量由3%线性减至0。采用此方法订正后的观测湿度高于80%的偏差在垂直方向上各层次均有所减小,偏差最大值由订正前的8%降至6%左右(图略),虽然偏差相比之前有所减小,但探空观测湿度偏干现象依然存在。故在借鉴英国气象局方案的基础上,结合对中国探空观测湿度偏差的实际情况及特点的分析,将原订正方案加以改进,对观测湿度高于60%即开始订正,同时订正分段函数的系数做相应的调整。试验结果证明,使用改进后的偏差订正方案

偏差明显减小。式中,f为(相对)湿度,湿度的阀值取60%,即fcrit=60%,fob 为观测的湿度值。此分段函数与图 9改进后偏差订正方案的分段函数图像是一一对应的。这里分段函数的取法借鉴了英国气象局对探空湿度观测的订正方法并结合前面对中国 探空湿度观测偏差性能的分析,所以偏差的订正量相比之前的英国气象局方案要大。英国气象局方案最大订正值在90%—95%时达到4.6%。改进后方案当探空观测湿度在60%—80%时,湿度的订正值是线性增大的,由0增大至最大8%;当湿度观测在80%—95%时订正湿度为8%;湿度观测高于95%后,则订正值逐渐减小至0。整个订正最大值是在观测湿度为80%—95%时,订正量最大为8%。
图 9 改进后偏差订正方案的分段函数图像Fig. 9 Improved segmentation function image of the deviation corretion scheme
4.2 探空湿度观测的偏差订正结果分析

从采用改进偏差订正方案后探空湿度观测偏差垂直分布(图 10)可以看出,背景场湿度不低于90%时,探空湿度观测与其背景场的偏差在400 hPa以下明显减小,400—850 hPa的偏差由8%降至0%附近,均方根误差也由最大18%降至13%(图 10a)。对于背景场湿度在[80%,90%),探空湿度观测与其背景场的偏差在400—850 hPa由6%降至0%左右,偏差改进非常显著(图 10b)。背景场湿度在[70%,80%),探空湿度观测与其背景场的偏差也有所减小(图 10c)。总之,通过探空湿度观测的偏差订正,在垂直层次各层上其偏差都有所减小,特别是背景场在400—850 hPa时改进更加显著,而相比之下900 hPa以下改进不明显。

图 10 改进偏差订正方案后探空湿度观测与EC分析场为背景场的偏差垂直分布
(a.背景场湿度不低于90%,b.背景场湿度在[80%,90%),c.背景场湿度在[70%,80%))
Fig. 10 Vertical distribution bias with the EC analysis as the background field to the improved radiosonde humidity
(a.The humidity of background field is greater than or equal 90%,b.The humility of background field is greater than or equal to 80% and less than 90%,c.The humility of background field is greater than or equal to 70% and less than 80%)

图 11为改进前后湿度场偏差的概率密度函数分布,400—850 hPa是湿度方案改进变化比较大的层次,也是最为关注的几层。400 hPa湿度场偏差的概率密度函数改进后较之前变窄,更接近0线,成正态分布;而500 hPa变化较小,但相比之前方案的偏差概率密度函数分布明显更窄更尖些(图 11a)。700 hPa湿度场偏差的概率密度函数也是改进后较之前明显变尖变窄,偏差值也变小,850 hPa变化不明显,偏差值略微减小(图 11b)。总之通过湿度场偏差订正后观测的湿度与背景场偏差是减小了,湿度场偏差的概率密度函数分布显示更加合理。

图 11 改进前后湿度场偏差的概率密度函数分布
(a.400、500 hPa改进前后的对比,b.700、850 hPa改进前后的对比)
Fig. 11 Distributions of the probability density function before and after improving the humidity deviation
(a. 400 and 500 hPa,b. 700 and 850 hPa)
5 降水个例分析与连续试验

为了解探空湿度观测偏差订正后给资料同化分析与预报模式带来的影响,采用GRAPES 3Dvar区域同化系统分别进行个例试验与连续试验。个例试验选取2011年7月24日00时常规观测资料,包括探空、地面、飞机及船舶资料等。连续试验时段为2011年7月1—31日1个月,其中,试验1是未对探空湿度观测资料进行偏差订正,试验2是对探空湿度观测资料进行偏差订正后的资料进行同化分析。

图 12为2011年7月24日00时24 h降水实况及试验1、2的24 h降水预报和两组试验的降水偏差分布。东北、华北北部地区有大面积的降水,其中,河北东北部和北京大部分地区有50 mm以上降水(图 12a)。两组试验对本次降水过程都有预报,但在降水的预报范围和强度上有差异,且都比实况降水偏弱,特别是对河北和北京等50 mm以上强降水中心,预报强度偏弱(图 12c、d)。可以看出,试验2与试验1的差均为正值,即试验2的预报降水量明显大于试验1,说明经过对探空湿度观测资料的偏差订正后,反映在同化预报上降水量增强。特别是在强的降水中心北京、天津地区降水量显著增大5—10 mm,相比试验1的预报,试验2的预报在降水强度上有所改进,更接近实况降水强度(图 12b)。

图 12 2011年7月24日00时24 h降水分布(单位:mm)
(a.24 h降水实况,b.试验1、2的24 h降水预报差值,c.试验1的24 h降水预报,d.试验2的24 h降水预报)
Fig. 12 24 h accumulative rainfall over China at 00: 00 UTC 24 July 2011(unit: mm)
(a. 24 h real rainfall,b. Comparison of the forecast rainfall bias between the two experiments, c. 24 h forecast rainfall of the first experiment,d. 24-h forecast rainfall of the second experiment)

图 13是在GRAPES 3Dvar中使用未对探空湿度偏差订正和对探空湿度观测偏差订正两组试验同化分析后做24 h预报,连续30 d试验的降水检验结果。连续试验24 h降水预报TS评分,从小雨、中雨、大雨和暴雨预报评分的几个量级上看,试验2的预报评分明显优于试验1方案,说明探空湿度偏差订正方案是有正效果的(图 13a)。24 h预报偏差在中雨、暴雨量级,试验2同样较试验1表现明显的优势,即中雨和暴雨量级试验2预报偏差比试验1都更接近1,表示预报降水发生频率更接近实况降水发生频率,而小雨和大雨预报偏差变化不大(图 13b)。由此看出,对探空湿度观测偏差订正后对降水预报评分和偏差是有一定的改进效果。

图 13 2011年7月两组连续试验的降水检验
(a.24 h降水预报评分TS,b. 模式预报偏差Bias值)
Fig. 13 Verification of the rainfall forecasts over China for July 2011 for the two experiments
(a.TS for 24 h rainfall forecast,b. Bias of forecast)
6 结论与讨论

通过将探空湿度观测资料与不同类型其他观测如GPS可降水量及COSMIC资料2级产品湿度廓线资料之间互校,并与和NCEP、GRAPES、EC等不同模式分析场为背景的湿度场进行比较,评估了中国区L波段探空湿度观测资料的质量状况;对探空湿度观测存在的湿度偏干现象加以订正;同时还进行了个例试验和连续试验,得到以下主要结论:
(1)探空湿度观测与GPS遥感计算的大气可降水量比较表明,探空湿度观测资料计算大气可降水量偏小,探空湿度观测存在偏干现象。探空湿度观测与COSMIC的WetPrf等湿度廓线资料比较发现相对湿度异常偏干现象主要出现在对流层中低层。

(2)同化探空湿度观测与以NCEP、GRAPES、EC等不同模式分析场为背景场的试验结果发现:无论是在中国、欧洲还是北美探空湿度观测偏干现象普遍存在。当背景场质量较好时,其偏差较小。如用EC分析做背景场时,欧洲区与北美区在400 hPa 以下偏差接近0,说明探空观测湿度与背景场值基本一致,而在中国区偏差仍然为正值,表明中国区的探空湿度观测仍存在偏干现象。

(3)以EC分析为背景场与探空湿度观测偏差垂直分布看,当背景场相对湿度高于60%,探空湿度观测偏差较大,观测偏干显著;背景场湿度为(20%,60%],偏差较小。采用分段函数对探空湿度观测偏差进行订正,订正后在400—850 hPa时EC分析为背景场与探空湿度观测偏差有显著改进,当背景场相对湿度不低于80%时两者偏差接近0,而相比之下900 hPa以下改进不明显。

(4)降水的个例试验及连续试验都表明:探空湿度观测偏差订正后对于降水预报强度偏弱的情况有改进,从连续试验的降水预报TS评分和预报偏差看,中雨和暴雨的预报能力有显著的提高。

总之,通过用探空湿度观测资料与不同类型的观测资料之间互校及与NCEP、GRAPES、EC等不同模式分析场为背景的湿度场进行比较,评估中国区L波段探空湿度观测资料的质量状况;发现中国区的探空湿度观测资料存在偏干现象,使人们对探空资料的质量有新的认识,为更好地使用该资料提供了依据。同时对探空湿度观测资料存在偏干加以订正,订正效果显著,对降水预报强度的改进起到积极的作用。由于目前诊断评估受资料时间长度的限制,试验结果分析只是初步的认识,可能还不够全面,尚需利用更多的资料进行更长时段的数值模拟分析与研究。

参考文献
曹云昌, 方宗义, 夏青. 2005. GPS遥感的大气可降水量与局地降水关系的初步分析. 应用气象学报, 16(1): 54-59. Cao Y C, Fang Z Y, Xia Q. 2005. Relationship between GPS precipitable water vapor and precipitation. J Appl Meteor Sci,16(1):54-59 (in Chinese)
陈敏, 范水勇, 郑祚芳等. 2011. 基于BJ-RUC系统的临近探空及其对强对流发生潜势预报的指示性能初探. 气象学报, 69(1): 181-194. Chen M, Fan S Y, Zhen Z F, et al. 2011. The performance of the proximity sounding based on the BJ-RUC system and its preliminary implementation in the convective potential forecast. Acta Meteor Sinica, 69(1): 181-194 (in Chinese)
郝民, 田伟红, 龚建东. 2014. L波段秒级探空资料在GRAPES同化系统中的应用研究. 气象, 40(2): 158-165.Hao M, Tian W H, Gong J D. 2014. Study of L-band second-level radiosonde Data application in the GRAPES assimilation system. Meteor Mon, 42(2):158-165(in Chinese)
梁宏, 张人禾, 刘晶淼. 2012. 青藏高原大气水汽探测误差及其成因. 气象学报, 70(1): 155-164. Liang H, Zhang R H, Liu J M. 2012. Systematic errors in the precipitable water vapor measurements over the Tibetan Plateau and associated causes. Acta Meteor Sinica, 70(1): 155-164 (in Chinese)
马舒庆, 李峰, 邢毅. 2006. 从毛里求斯国际探空系统对比看全球探空技术的发展. 气象科技, 34(5): 606-609. Ma S Q, Li F, Xing Y. 2006. Overview of the global upper- air sounding technology Development based on the sounding system of Mauritius. Meteor Sci Technol, 34(4):606-609(in Chinese)
李伟, 李锋, 赵志强等. 2009. L波段气象探测系统建设技术评估报告. 北京: 气象出版社, 95pp. Li W, Li F,Zhao Z Q, et al. 2009. L-Band Meteorological Sounding System Construction Technology Evaluation Report. Beijing: China Meteorological Press, 95pp (in Chinese)
世界气象组织. 2005. 《气象仪器和观测方法指南》(第六版).WMO. 2005. Meteorological Instruments and Observation Method Guide (The sixth edition). (in Chinese)
唐南军, 刘艳, 李刚等. 2014. 中低空探空相对湿度观测数据的新问题:基于中国L波段探空系统湿度观测异常偏干现象的初步分析. 热带气象学报, 30(4): 643-653. Tang N J, Liu Y, Li G, et al. 2014. New problems in the low-level relative humidity sounding observation: A preliminary analysis of the anomalous dry observation by the Chinese L-band sounding system. J Trop Meteor, 30(4): 643-653(in Chinese)
陶士伟, 陈晓红, 龚建东. 2006. L波段探空仪温度资料误差分析. 气象, 32(10): 46-51. Tao S W, Chen X H, Gong J D. 2006. Error analyses for temperature of L band radiosonde. Meteor Mon, 32(10): 46-51(in Chinese)
万蓉, 郑国光, 于胜杰等. 2013. 基于观测约束的地基GPS三维水汽层析技术研究. 气象学报, 71(2): 318-331. Wan R, Zhen G G, Yu S J.2013. A study of the ground-based GPS 3D water vapor tomography with radiosonde vertical constraining. Acta Meteor Sinica, 71(2):318-331(in Chinese)
王洪, 曹云昌, 肖稳安. 2010. COSMIC掩星数据与L波段探空数据的对比分析. 气象, 36(9): 14-20. Wang H, Cao Y C, Xiao W A. 2010. Comparison between the COSMIC and the L-band radiosonde data. Meteor Mon, 36(9): 14-20 (in Chinese)
王缅, 李伟, 陈永清等. 2011. L波段探空系统高空风平滑计算方法探讨. 气象, 37(1): 85-91.Wang M,Li W, Chen Y Q, et al.2011.Investigation on the smoothing methods for upper-air wind measurements by L-band radar and radiosonde sounding system.Meteor Mon, 37(1): 85-91 (in Chinese)
颜晓露, 郑向东, 李蔚等. 2012. 两种探空仪观测湿度垂直分布及其应用比较. 应用气象学报, 23(4): 433-440.Yan X L, Zhen X D, Li W, et al. 2012. Inter-comparison and application of atmospheric humidity profiles measured by CFH and Vaisala RS80 radisondes.J Appl Meteor Sci,23(4): 433-440 (in Chinese)
姚雯, 马颖, 徐文静. 2008. L波段电子探空仪相对湿度误差研究及其应用. 应用气象学报, 19(3): 356-361.Yao W, Ma Y, Xu W J. 2008. Relative humidity observational error of the L-band electronic radiosonde and related applications.J Appl Meteor Sci,19(3): 356-361 (in Chinese)
张诚忠, 万齐林, 丁伟钰等. 2012. 下投探空资料在台风莫拉克路径预报的应用试验. 气象学报, 70(1): 30-38.Zhang C Z, Wan Q L, Ding W Y, et al. 2012. An experiment in application of the dropsonde data to forecasting the track of Typhoon Morakot.Acta Meteor Sinica, 70(1): 30-38 (in Chinese)
Agustí-Panareda A, Vasiljevic D, Beljaars A, et al. 2009. Radiosonde humidity bias correction over the West African region for the special AMMA reanalysis at ECMWF. Quart J Roy Meteor Soc, 135(640): 595-617
Benjamin S G, Jamison B D, Moninger W R, et al. 2010. Relative short-range forecast impact from aircraft, profiler, radiosonde, VAD, GPS-PW, METAR, and mesonet observations via the RUC hourly assimilation cycle. Mon Wea Rev, 138(4): 1319-1343
Bian J C, Chen H B, Vömel H, et al. 2011. Intercomparison of humidity and temperature sensors: GTS1, Vaisala RS80 and CFH. Adv Atmos Sci, 28(1): 139-146
Ciesielski P E, Johnson R H, Wang J H. 2009. Correction of humidity biases in Vaisala RS80-H sondes during NAME. J Atmos Ocean Technol, 26(9): 1763-1780
Ciesielski P E, Chang W M, Huang S C, et al. 2010.Quality-controlled upper-air sounding dataset for TiMREX/SoWMEX: Development and corrections. J Atmos Ocean Technol, 27(11): 1802-1821
Dai A G, Wang J H, Thorne P W, et al. 2011. A new approach to homogenize daily radiosonde humidity data. J Climate, 24(4): 965-991
Durre I, Vose R S, Wuertz D B. 2006.Overview of the integrated global radiosonde archive. J Climate, 19(1): 53-68
Faccami C, Rabier F, Fourrié N, et al. 2009. The impacts of AMMA radiosonde data on the French global assimilation and forecast system. Wea Forecasting, 24(5): 1268-1286
Flores F, Rondanelli R, Díaz M, et al. 2013. The life cycle of a radiosonde. Bull Amer Meteor Sci, 94(2): 187-198
Guichard F, Parsons D, Miller E. 2000. Thermodynamic and radiative impact of the correction of sounding humidity bias in the tropics. J Climate, 13(20): 3611-3624
Kottayil A, Buehler S A, John V O, et al. 2012. On the importance of Vaisala RS92 radiosonde humidity corrections for a better agreement between measured and modeled satellite radiances. J Atmos Ocean Technol, 29(2): 248-259
Li F. 2006. New Development with upper Air Sounding in China. Instruments and Observing Methods Report No. 94, WMO/TD No. 1354. Geneva: WMO
Lorenc A C, Barker D, Bell R S, et al. 1996. On the use of radiosonde humidity observations in mid-latitude NWP. Meteor Atmos Phys, 60(1-3): 3-17
Mathieu N, Lafore J P, Guichard F, et al. 2008. Correction of humidity bias for Vaisala RS80: A sondes during the AMMA 2006 Observing Period. J Atmos Ocean Technol, 25(11): 2152-2158
Miloshevich L M, Vömel H, Whiteman D N, et al. 2009. Accuracy assessment and correction of Vaisala RS92 radiosonde water vapor measurements. J Geophys Res, 114:D11305, doi: 10.1029/2008JD011565
Rowe P M, Miloshevich L M, Turner D D, et al. 2008. Dry bias in Vaisala RS90 radiosonde humidity profiles over Antarctica. J Atmos Ocean Technol, 25(9): 1529-1541
Sperka S, Steinacker R. 2011. A quality-control and bias-correction method developed for irregularly spaced time series of observational pressure data. J Atmos Ocean Technol, 28(10): 1317-1323
Vömel H, Selkirk H, Miloshevich L, et al. 2007. Radiation dry bias of the Vaisala RS92 humidity sensor. J Atmos Ocean Technol, 24(6): 953-963
Wang J H, Cole H L, Carlson D J, et al. 2002. Corrections of humidity measurement errors from the Vaisala RS80 radiosonde: Application to TOGA COARE data. J Atmos Ocean Technol, 19(7): 981-1002
Wang J H, Zhang L Y. 2008.Systematic errors in global radiosonde precipitable water data from comparisons with ground-based GPS measurements. J Climate, 21(10): 2218-2238
Wang J H, Zhang L Y, Dai A G, et al. 2013. Radiation dry bias correction of Vaisala RS92 humidity data and its impacts on historical radiosonde data. J Atmos Ocean Technol, 30(2): 197-214