大气边界层决定着大气与下垫面的热量、动量和物质(水汽、沙尘和污染物等)的通量交换，对天气系统的演变有重要影响。模式初始条件在大气边界层的准确度对于天气预报，尤其是短时天气预报是十分重要的。由于地面观测资料能够较为准确地提供大气近地面的动力、热力状况和湿度分布等大气特征，因此，地面资料同化技术的发展是提高数值天气预报水平的重要方法之一。早在20世纪80年代，国际上就已经开始注重地面资料同化研究(Hessler，1984； Seaman et al，1985)。在中国，地面观测网的建设也受到了高度重视，至2006年初，中国已有5000多个地面自动气象站，一些地区地面站的间距已小于10 km。中国地面资料分布密度大，空间覆盖率远大于探空，但地面资料同化技术的发展却远落后于探空资料同化(张昕等，2002；程小平等，2006；丁扬，2007；王叶红等，2013)，其主要原因是地面观测资料容易受到观测仪器、观测技术、测站位置、观测时间、观测方法等多种因素的影响，使资料质量大打折扣(李庆祥等，2003)。同化系统对资料中的错误和离群资料非常敏感，这些错误资料的同化会影响初始条件的准确性，进而导致模式积分过程中产生不合理的现象，由此导致预报失败。因此，在进行资料同化之前，必须对观测数据进行质量控制。只有确保地面观测资料的准确性和合理性，才能有效地提高数值预报效果(程磊等，2011；Lopez，2013)。因此，地面资料同化技术发展的首要任务是如何利用质量控制方法选取高质量的观测资料进行同化。

中外专家学者在这方面已进行了一定的研究，提出了一些通用的资料质量控制方法，比如业务中的常见质量控制方法包括极值检查法、时间一致性检查法(Shafer et al，2000)、内部一致性检查法(Reek et al，1992)、空间一致性检查法(Eischeid et al，1995)、背景场一致性检查法(Dee et al，2001)，以及一些综合性质量控制法(方炳兴，1994；熊安元，2003； Feng et al，2004；任芝花等，2005，2006；徐枝芳，2013)等，此外，还有更为复杂的变分质量控制法(Ingleby et al，1993；Anderson et al，1999)。也有一些科学家针对地面观测资料的特点提出了专用的方法，比如Ruggiero等(1996)发现了测站地形高度与模式地形高度之间存在的显著差异问题，并尝试利用近地层相似理论对资料分情况进行处理，这种处理方法虽不需观测算子和相应的切线性和伴随程序，但会剔除很多资料，导致资料不能得到充分的利用。Lazarus等(2002)利用ADAS系统(Advance Regional Prediction System Data Analysis System)客观地分析了复杂地形下地面观测和探空观测资料，考虑到模式地形与实际地形存在的高度差异，因此，在进行客观分析时，所取的客观分析权重系数中不仅包含了原有的水平距离权重系数，还增加了模式分析层高度与观测站地形高度距离权重系数，该方法有效地解决了模式与观测站地形高度差异在资料客观分析过程中可能带来的负面效果。Guo等(2002)未考虑测站高度与模式地形高度的差异，假定所有测站的资料(不包括地面气压)都是位于模式面，然后利用相似理论建立10 m风场、2 m气温和湿度的观测算子及相应的切线性和伴随模式，同时在进行极小化运算前将地面气压折算到模式最低层，该方案能充分利用观测资料，实际应用中也取得了较好的效果(张利红等，2011)。Benjamin等(2004)在NECP的RUC系统中通过采用局地递减率将地面观测气压、温度和湿度由观测站地形订正到模式地形高度的方法，解决地面观测资料同化中模式地形和观测站地形高度差异问题。但引进地面观测资料同化后，改进效果不是很明显。徐枝芳等(2006)通过对比分析当前两种地面观测资料同化方案(Ruggiero方案和郭永润方案)，对其优缺点进行了细致分析研究。并在此基础上探讨了考虑模式与实际观测站地形高度差异的必要性，指出由于中国地形复杂，在地面资料同化中考虑高度差异是必要的，而且，通过改进温度订正方案和加入地形代表性误差，进一步改进了地面资料同化效果(徐枝芳等，2007a，2007b，2009)。

模式地形与观测地形高度差异不是影响地面资料质量控制的唯一因素，Zou等(2010)通过对比地面与再分析资料，发现地面温度的日变化也是影响地面资料质量控制的重要因子。由于背景场对温度日变化波动的模拟不准确，观测和背景场的日变化会存在明显的相位差，这种差异会导致正确的观测资料与背景场出现大的偏差，进而观测资料会被错误剔除。此外，由于地面天气系统变化较大，模式对重要天气系统模拟的强度和位置的不准确也会导致质量控制出现类似的错误剔除现象，所以，要想合理地进行地面资料质量控制，首先必须从观测资料中提取出地面温度的日变化和天气系统异常导致的温度变化。经验正交函数分解(EOF)方法是提取资料主要变化的有效方法，该方法也在很多研究中用于观测资料噪音滤除的研究。Antonelli等(2004)利用经验正交函数分解构造了一个滤波器，删除高阶主成分量，减少了高光谱红外观测和模拟中的随机噪音；Tobin等(2007，2009)利用经验正交函数分解有效诊断、滤除了大气红外探测仪(AIRS)及其他高光谱数据中的误差，并使用经验正交函数分解消除了AIRS观测资料中存在的线性小幅度扭曲。Zou等(2012)利用经验正交函数分解方法提取并滤除了FY-3卫星微波湿度计(MWHS)数据中的扫描角噪音。为了消除地面观测资料中背景场对实际近地面大气日变化波动和主要天气系统再现能力的影响，Qin等(2010)发展了经验正交函数分解质量控制方法(EOF-QC)，通过经验正交函数分解方法将背景场容易出现误差的日变化波动和主要天气系统提取出来，然后针对剩余部分再进行常规的质量控制，从而很好地消除了天气系统和日变化对质量控制的影响。Xu等(2013)通过引入再分析资料的逐步回填使得经验正交函数分解法更为稳定。王轶等(2013)进行了准业务化质量控制试验，取得了较好的效果。

虽然前人利用经验正交函数质量控制法进行了长时间的质量控制试验，但是此方法对地面资料同化影响的研究尚未展开。本研究主要注重经验正交函数质量控制法对地面资料同化的影响，基于WRF模式及其三维变分资料同化系统，将经验正交函数质量控制法集成于WRF三维变分资料同化系统中，选取一些强降水个例进行同化试验，通过实际同化试验结果的对比，分析经验正交函数质量控制法和系统原有的常规观测与模拟偏差质量控制方法(Observation Minus Background quality control，OMB-QC)的同化结果差异，从而研究经验正交函数质量控制法的优缺点，为经验正交函数质量控制法的改进和地面资料同化技术的发展提供借鉴。2 天气过程介绍及同化试验设计 2.1 天气过程介绍

2008年1月28—29日华南地区出现一次明显的降水过程，该时段降水主要是由于强盛的阻塞高压稳定维持于西西伯利亚一带，干冷气流与南支槽和副热带高压带来的暖湿气流交汇于长江中下游与华南地区，由此造成大范围的雨雪冰冻天气。2008年7月14—15日中国华北地区也有一次强降水过程，河套地区为一南一北2支低压槽，低压槽后有来自新疆东部的冷空气南下补充，低压槽前河套东至华北地区为西南气流。与此同时，沿副热带高压外围自江淮至山东半岛的西南气流显著加强，将来自东南沿海及孟加拉湾的暖湿水汽带到华北地区。2.2 同化试验设计

选用WRF3.5版本，模式模拟采用两重双向嵌套。其中，试验1的d01和d02区域的格点数分别为200×160和253×247，格距分别为30和10 km，d02区域中心坐标为(29°N，111°E)，位于中国湖南省常德市附近。试验2的d01和d02区域的格点数分别为140×120和193×197，格距分别为30和10 km，d02区域中心坐标为(38.5°N，116.8°E)，位于中国河北省沧州市附近。两组试验模式垂直层数为35层，顶层气压设为50 hPa，皆采用WDM-6微物理方案、Grell-3积云参数化方案、MYJ边界层方案、Dudhia短波辐射方案、RRTM长波辐射方案和Noah陆面过程方案。

WRF中的三维变分同化系统(WRF-3DVAR)(Barker et al，2004)是在MM5-3DVAR系统的基础上发展起来的，该系统的主要特点是：目标函数采用增量形式，分析增量采用不交错的A网格，多种背景场误差和控制变量供选择以及区域的水平背景场误差协方差由递归滤波表示，背景误差水平相关和垂直相关不分离。文中同化试验的观测算子采用了Guo等(2002)设计的方案。

针对两次降水过程分别设计了4组试验：

(1)控制试验(CTRL)：不同化任何资料，以FNL资料作为初始场和边界条件，个例1利用WRF模式从1月26日18时积分至29日00时(世界时，下同)，共积分54 h，个例2则利用WRF模式从7月12日18时积分至15日00时，也积分54 h，两个个例的前6 h为模式起转时间。

(2)质量控制前的三维变分同化试验(No-QC)：以WRF预报场作为背景场，逐6 h同化未经任何质量控制的地面2 m气温资料，其中，背景误差协方差B用美国气象中心(NMC)(Parrish et al，1992)方法统计得到，试验1流程如图 1所示。 Fig.1

图 1 试验1中No-QC试验流程Fig. 1 Flowchart for the No-QC experiments No.1

图选项

y⁰代表观测，在同化时段逐6 h同化一次地面2 m气温资料，共同化5次，资料来自于地面综合观测数据SYNOP(surface synoptic observations)。试验2类似于试验1，在7月13日00时—14日00时连续同化5次，之后再从7月14日00时预报至15日00时。

(3)经背景场一致性检查后的三维变分同化试验(OMB-QC)，流程和试验参数同No-QC，质量控制方案采用WRF模式自带方案，即剔除观测与背景场之差大于5倍的观测误差的观测。

(4)经经验正交函数分解质量控制后三维变分同化试验(EOF-QC)：流程和试验参数同No-QC，选用经验正交函数分解方法对资料进行质量控制。 3 资料的经验正交函数分解质量控制 3.1 质量控制方法简介

观测数据来自SYNOP，该资料逐日的时间分辨率为3 h(00、03、06、09、12、15、18、21时)，研究区域为(0—70°N，55°—145°E)。

经验正交函数分解质量控制法由Qin(2010)提出，该方法首先利用经验正交函数分解对观测资料(OBS)和背景场(BF)的时间序列分别进行分解，将温度场的时间序列分解为一系列不相关的典型模态和对应的时间系数

点击浏览公式

点击浏览公式

根据已有研究，这里选取N=10。因为前10个经验正交函数分解模态可以保留温度的日变化特征和主要的天气系统及其时间变化特征，并且，可以解释变量场的99％以上的时空变化特征，所以，可以保证大气中主要的天气系统及其波动特征能够在重构场中得到再现。如图 2给出的2008年1月27日09时的温度原始观测场、经验正交函数重构场以及27日00时—28日00时原始场和重构场的空间相关系数。从图中可以看出，经验正交函数重构场和原始观测场非常接近，基本保留了观测场中的温度槽特征，并且，二者的空间相关系数高达99.6%。

图 2 2008年1月27日09时的气温(单位:℃)原始观测场 (a)、经验正交函数重构场(b)以及2008年1月27日 00时-28日00时原始场和重构场的空间相关系数Fig. 2 2 m air temperature fields (unit:℃) from the original observations (a) and EOF recontructed fields (b) at 09:00 UTC 27 January and (c) the correlation coefficients between original observations and EOF recontructed fields from 00:00 UTC 27 January to 00:00 UTC 28 January

图选项

由于前10个经验正交函数分解模态基本代表了变量的空间连续性的温度变化特征，而观测误差是随机的，不会有空间连续性，所以观测误差不会出现在重构场中。从原始资料中减去重构场，剩余部分文中称为剩余场，经验正交函数剩余场则包含了各种误差和观测噪音。对剩余场的O-B进行双权重质量控制(Zou et al，2006)可以有效地识别观测中的可疑数据。

经验正交函数分解需要在连续的时间和空间场上展开，针对某一个时次的观测资料进行经验正交函数分解时，需要使用该时次及其前s-1个连续时次的资料作为一个样本。这里参考Qin(2010)的研究，s取为64。以个例1为例，如要对1月27日00时的观测进行质量控制，则需要使用该时次及其前面63个时次的观测资料作为一个样本，对此样本进行经验正交函数分解和质量控制。对每个时次的质量控制都是以这样的样本为基础展开的。

经验正交函数分解质量控制算法的具体流程为

(1)对每个样本数据进行经验正交函数分解之后得到剩余场和重构场，观测和代表背景场的剩余场记为T_EOF^OBSres和T_EOF^BFres，重构场记为T_EOF^OBSreb和T_EOF^BFreb；

(2)计算第i个站点第j个时次的权重值w_i，j

点击浏览公式

(3)计算T_EOF^OBSres-T_EOF^BFres双权重平均值和双权重标准偏差

点击浏览公式

(4)如果满足

点击浏览公式

图 3为T_EOF^OBSres-T_EOF^BFres的双权重标准偏差的空间分布，所用的数据为2008年1月20—28日，其他时刻的双权重标准偏差的空间分布与该时段类似。可见在研究区域内标准偏差在南北向差异较大，因此，将研究区域划分为南区和北区两部分，分别针对这两个区域做质量控制，南区的Z_score取为1.5，北区的Z_score取为1.3。

图 3 2008年1月20-28日双权重标准偏差的空间分布Fig. 3 Spatial bi-weighted standard deviation of the difference from 20 January to 28 January 2008

图选项

选取经验正交函数分解和观测与模拟偏差法分别对资料进行质量控制，为比较两种方法的差异，图 4给出2008年1月9日03和09时质量控制前、经验正交函数分解质量控制后和观测与模拟偏差质量控制后温度观测场和背景场以及二者之差(阴影)的空间分布，可见在9日03时中国的南部地区，观测场表现为明显的两槽一脊的形势，而背景场中温度表现为平缓的弱脊，因此，沿观测的温度槽出现了两个较大的差值中心(图 4a)。资料经经验正交函数分解质量控制后，原有观测中的两个温度槽被保留下来(图 4b)，经验正交函数分解质量控制保留了很多观测信息，一般来说资料不可能出现成片错误的现象；并且，这些站点上相邻的观测值非常接近，因此，可以认为经验正交函数分解质量控制保留了正确的观测资料。从经验正交函数分解质量控制的原理也可知，原始观测资料可以分解为重构场和剩余场，重构场中包含资料的主要天气信息，反映大气异常状态的观测信息会保留在重构场中，不会进入剩余场，从而可以保证不会因为温度变化而导致资料被剔除。经观测与模拟偏差质量控制后(图 4c)，去掉了大片与背景场不一致的观测，导致湖南地区的槽的强度明显削弱，江苏地区的槽演变为弱脊，天气形势发生了明显的变化。经6 h以后，在河南、山东和安徽交界处，观测场表现为温度槽而背景场为温度脊，因此，在此处有一较大的差值中心(图 4d)。资料经经验正交函数分解质量控制后，观测场仍然保留了此处能反映天气变化特征的数据(图 4e)，而资料经观测与模拟偏差质量控制后，观测场的槽强度减弱(图 4f)。通过对这一时段的天气过程进行分析可知，经验正交函数分解质量控制较观测与模拟偏差质量控制能更好地连续保留观测中比较重要的天气波动特征。

图 4 2008年1月9日03时(a-c)和09时(d-f)的质量控制前(a、d)、经验正交函数分解质量控制后 (b、e,图中标注数据为经验正交函数分解质量控制法保留下来而观测与模拟偏差质量控制法剃掉的观测)和观测与模拟 偏差质量控制后(c、f)观测场(实线)和背景场(虚线)以及观测与背景场之差(阴影)气温的空间分布(单位:℃)Fig. 4 2 m air temperature spatial distributions of observations (solid lines) and background fields (dashed lines) and the differences between the observations and the background fields (shaded) for data before QC (a,d), after EOF QC (b,e;the data marked indicates the observations retained by EOF QC but removed by OMB QC) and after OMB QC (c,f) at 03:00 UTC 9 January (a-c) and 09:00 UTC 9 January 2008(d-f)(unit:℃)

图选项

文中针对d01区域做同化，为了展示经验正交函数分解质量控制和观测与模拟偏差质量控制的质量控制结果，以华南地区为例，给出该区域地面观测站的空间分布(图 5)。整体而言，本文所用的地面气温观测资料的空间分辨率较高，站距为20—50 km，可以监测并提供中小尺度天气系统的发生、发展和变化信息。3组同化试验中，No-QC同化所有的观测资料，观测与模拟偏差质量控制同化蓝色和灰色点所代表的观测，经验正交函数分解质量控制同化红色和灰色点所代表的观测。可见经验正交函数分解质量控制和观测与模拟偏差质量控制在每个时刻去除的数据都不相同，体现了两种质量控制方法的差异。

图 5 (a)1月27日00时、(b)06时、(c)12时、(d)18时、 (e)28日00时EOF QC (蓝色),OMB QC (红色)和两种方 法共同识别出的离群点(绿色)的空间分布 (灰色的点代表质量控制后保留的观测点)Fig. 5 Spatial distributions of the outliers identified by EOF QC (blue),OMB QC (red) and both QC methods (green) at (a)00:00 UTC,(b)06:00 UTC (c)12:00 UTC, (d)18:00 UTC 27 January 2008 and (e)00:00 UTC 28 January 2008(The gray dots represent the data retained after quality control)

图选项

为检验地面资料同化的持续性效果，计算了华南地区(20°—30°N，105°—125°E)同化前、后模拟气温与观测值的误差。通过提取各组试验中的2 m气温(T₂)，利用双线性插值将模式格点数据插值到观测站点上，并考虑到模式地形与观测地形的差异，依据气候平均气温垂直递减率对模式的2 m气温进行订正，再与观测相比，分别计算了4组试验的偏差(图 6a、b)及均方根误差(图 6c、d)。在分析阶段(图 6a)，控制试验的偏差在27日12时之后明显大于其他同化试验，其他3组同化试验偏差的差异并不明显。在预报时段(图 6b)，EOF-QC试验都明显小于其他3组试验，在预报后期，模拟的温度偏低。通过各组试验的模拟跟观测的均方根误差(6c、d)可以看出，EOF-QC试验的误差都明显小于其他3组试验，而且表现出很好的持续性。同时值得注意的是No-QC试验在预报后期的偏差和误差最大，这可能是由于未经质量控制的地面观测资料中含有与模式不匹配的信息，未被模式充分“吸收”导致该试验随着时间积分的延长对温度的预报效果变差，间接证明了质量控制对地面资料同化的重要性。

图 6 2 m气温的预报偏差(a、b)和均方根误差(c、d)在同化时段(1月27日00时-28日00时,a、c) 和预报时段(1月28日00时-29日00时,b、d)随时间的变化(单位:℃)Fig. 6 Forecast bias (a,b) and root mean square error of 2 m temperature (c,d) varies with time during the assimilating period (from 00:00 UTC 27 January to 00:00 UTC 28 January;a,c) and the forecasting period (from 00:00 UTC 28 January to 00:00 UTC 29 January,b,d)(unit:℃)

图选项

通过分析EOF-QC与OMB-QC试验2 m气温分析场，发现1月27日12时在中国北部有一明显的差值中心，EOF-QC试验的气温较OMB-QC试验约偏低2.5℃(图 7a)。图 7b和c为该区域OMB-QC和EOF-QC试验同化资料后的2 m气温分析场，同时为了便于进一步分析和比较，同时给出了ERA-Interim的2 m气温场(7d)。可见由于OMB-QC试验去掉了位于(50°N，95°E)附近的一些低温观测(图 7b中红色标注数据)，OMB-QC试验分析场中(46°—54°N、90°—97°E)(图 7b中黑色矩形框标注的区域)的气温偏高。资料经经验正交函数分解质量控制后，该区域的低温信息得以保留，温度的空间分布也更接近于ERA-Interim再分析资料(图 7d)。

图 7 1月27日12时OMB-QC与EOF-QC试验的2 m气温分析场之差(a),以及OMB-QC试验 (b;红色标注数据为OMB-QC试验剔除的,蓝色为EOF-QC试验剔除的,绿色为共同剔除的) 和EOF-QC试验(c)的2 m气温分析场和ERA-Interim的2 m气温场(d)(单位:℃)Fig. 7 Analysis differences of 2 m air temperature between EOF-QC and OMB-QC at 12:00 UTC 27 January 2008(a),and 2 m air temperature analysis fileds from EOF-QC (b;data marked indicates the observations removed only by OMB-QC (red),only by EOF-QC (blue) and both by two QC methods (green)),OMB-QC (c) and ERA-Interim reanalysis data (d),(unit:℃)

图选项

EOF-QC试验在1月28日00时、12时和29日00时的温度场与风场(图 8a—c)显示，在40°N以北有一低温中心，该低温中心随时间向东向南移动，且低温中心附近有明显的风场切变，偏北气流带动冷空气南下与来自西南方向的强盛暖湿气流交汇于华南地区，有利于形成降水。图 8d—f给出上述三个时刻的EOF-QC试验相对于OMB-QC试验的气温增量场与风场增量场的叠加。由于温度降低，在28日12时，在图 8e黑色矩形处有一温度低值中心，产生了一个气旋性环流，环流底部的偏西气流带动北方的冷空气向东移动。在29日00时，这一现象更为明显(图 8f)，北方的冷空气在此环流的影响下经华北平原东移入海，而另一方面冷空气又绕过四川盆地东侧的山脉南下，向西南方向推进，削弱了西南气流的水汽输送(图 8f中的黑色箭头所示)，因此，导致EOF-QC与OMB-QC试验相比，在华南地区，有明显的风场辐散现象(图 8f中的黑色斜线所在地区)。

图 8 2008年1月28日00时(a、d)、12时(b、e)和29日00时(c、f)模式第12层(约700 hPa) 的经验正交函数质量控制的气温场(阴影,℃)与水平风场(矢量,m/s) (a-c)以及经验正交函数质量控制与观测与模拟偏差质量控制的温度增量 (阴影,℃)与水平风场增量(矢量,m/s)(d-f)Fig. 8Temperature (shaded,℃) and wind fields (vector,m/s) from EOF-QC (a-c) and the difference between EOF-QC and OMB-QC (d-f) on the 12th model level (about 700 hPa) at 00:00 UTC 28(a,d), 12:00 UTC (b,e)28 and 00:00 UTC (c,f)29 January 2008

图选项

图 9为1月28日00时—29日00时24 h降水的实况、控制试验及3组同化试验。从实况(图 9a)可以看出，降水主要集中在中国东南沿海地区，雨带呈西南—东北走向，沿降水带有两个较大的降水中心，一个位于云南南部，降水量超过15 mm，另一个位于赣、皖、浙、闽四省交界处，降水中心大于25 mm。无论是控制试验还是同化试验，基本上都能够模拟出雨带的位置和走向。但是控制试验的降水在云南南部降水量偏小，在整个华南地区降水中心范围偏大、雨量偏大，降水量超过30 mm，部分区域的降水量甚至大于40 mm。No-QC试验同样存在降水量偏大的不足，而且，雨区有明显向西南偏移的现象。OMB-QC试验的降水量和观测相似，但是主要雨区仍然存在偏西南的不足。EOF-QC试验对两个降水中心位置预报最为准确，消除了其他同化试验中降水向西南偏移的不足，最大降水量约为25 mm，与观测也最为接近。总之，EOF-QC试验中降水带的空间分布形式和降水中心量级非常接近于实况，效果优于其他3组试验。

图 9 2008年1月28日00时-29日00时 24 h累积降水(单位:mm) (a.实况,b.CTRL试验,c.No-QC试验, d.OMB-QC试验,e.EOF-QC试验)Fig. 9 24 h accumulative rainfalls from 00:00 UTC 28 January to 00:00 UTC 29 January (unit:mm) (a.Observation,b.CTRL,c.No-QC, d.OMB-QC,e.EOF-QC)

图选项

以上主要从降水的空间分布形势对各组试验进行了对比分析，为定量评估同化试验对降水模拟的能力，根据1、5、10 mm的降水等级对各组试验的24 h累积降水进行检验。将模式预报的格点降水量通过距离权重加权平均的方法插值到各观测站，并与测站上的实况降水进行比较。采用ETS评分(Equitable threat score)(Wilks，2011)对上述4组试验在1月28日00时—29日00时的逐6 h累积降水进行客观检验评分(图 10)。其中，ETS评分可以有效地判断各试验对降水的模拟能力，ETS≤0表示无技巧预报，ETS＞0表示有技巧预报，ETS=1时为最佳预报，其计算公式为SET=NA-R(a)(NA+NB+NC-R(a))

点击浏览公式

图 10 CTRL、No-QC、OMB-QC、EOF-QC各组试验 在28日00时-29日00时的逐6 h累积降水大于 (a)1 mm、(b)5 mm、(c)10 mm的ETS评分Fig. 10 ETS scores of 6 h accumulative precipitation from 00:00 UTC 28 January to 00:00 UTC 29 January for that greater than (a)1 mm,(b)5 mm and (c)10 mm for the experiments of CTRL, No-QC,OMB-QC and EOF-QC

图选项

可以看出，在模式参数设置相同的前提下，同化资料质量的好坏会对模式各个量级的降水预报带来不同程度的影响。整体而言，EOF-QC试验的降水ETS评分在这3个量级的降水中几乎都表现最优，随着降水量级增大，预报技巧略微下降。并且，经验正交函数质量控制对大量级的降水改进最为明显，尤其是对于28日12—18时和28日18时—29日00时10 mm的降水，预报技巧较控制试验分别提高了36%和104%。在这4组试验中，CTRL试验对各个量级的降水评分都高于No-QC和OMB-QC试验，这说明虽然对资料进行了同化，但同化资料的质量对提高降水预报能力起着至关重要的作用。OMB-QC试验的降水评分在多数时刻也高于No-QC试验，这说明好的资料会对降水预报带来正效果。 5.2 2008年7月14—15日降水结果分析

利用前面设计的4组试验，对2008年7月14日00时—15日00时的降水进行了试验，并给出24 h的累积降水空间分布(图 11)。比较4组试验的结果可以看出，降水的空间分布及量级更加接近实况。控制试验预报的降水中心偏西，降水量远小实况。No-QC和OMB-QC试验预报的降水带的空间分布接近实况，但是大于25 mm的降水范围偏大，大于50 mm的降水范围偏小。对资料进行了经验正交函数分解质量控制后的同化试验有效地纠正了这一现象，使得降水中心和空间分布更接近实况。

图 11 2008年7月14日00时-15日00时 24 h累积降水(单位:mm) (a.实况,b.CTRL试验,c.No-QC试验, d.OMB-QC试验,e.EOF-QC试验)Fig. 11 24 h accumulative rainfalls from 00:00 UTC 14 July to 00:00 UTC 15 July (unit:mm) (a.Observation,b.CTRL,c.No-QC, d.OMB-QC,e.EOF-QC)

图选项

比较各组试验的逐6 h降水评分(图 12)，可见对资料进行经验正交函数分解质量控制后，对大于1、5、10和15 mm的预报都明显地优于其他3组试验。ETS评分的提高说明模式对降水的预报技巧得到提高，即经验正交函数分解质量控制的应用使得模式预报初值得到改进，得到预报效果。

图 12 2008年7月14日00时-15日00时的逐6 h累积降水大于(a)1 mm、(b)5 mm、(c)10 mm、(d)15 mm ETS评分Fig. 12 ETS scores of each 6 h accumulative precipitation from 00:00 UTC 14 July to 00:00 UTC 15 July 2008 for that greater than (a)1 mm,(b)5 mm,(c)10 mm and (d)15 mm

图选项

资料同化中，资料质量的优劣直接影响到预报效果的好坏。基于经验正交函数分解质量控制法，以2008年1月和2008年7月的两次降水过程为例，利用WRF-3DVAR同化了地面观测站质量控制前、观测与模拟偏差质量控制法和经验正交函数分解质量控制法后的2 m气温资料，从地面气温质量控制结果、同化效果、预报误差以及降水空间分布和预报技巧等方面对试验结果进行了对比和分析，主要的结论如下：

(1)经验正交函数分解质量控制法与观测和模拟偏差质量控制法的对比表明，经验正交函数分解较观测与模拟偏差质量能更好地保留观测中对天气的发生、发展至关重要的天气波动信息，可以更客观地反映大气的真实状态，有利于提高同化效果。

(2)利用经验正交函数分解对地面观测资料进行质量控制后，地面温度场的质量在整个试验过程当中都得到明显提高，预报误差最小。No-QC试验的2 m气温偏差和均方根误差在预报后期最大，这表明未经质量控制的地面观测资料中可能含有与模式不匹配的信息，不能完全有效地与模式相协调，这也进一步说明资料质量控制在同化中的重要性。

(3)与其他3组试验相比，同化了经过经验正交函数分解质量控制的地面气温资料后，模式对降水的强度和落区的预报都更为准确。降水预报得到改进的原因主要是同化经过经验正交函数分解质量控制的资料能使模式的气温降低，在中国北部形成一个气旋性环流，环流底部的偏西气流带动北部冷空气向东移动入海，同时北部冷空气向西南方向推进，削弱了西南气流的水汽输送，导致同化经验正交函数分解质量控制地面气温资料试验降水中心东移，降水的空间分布与中心位置更接近实况。

(4)2008年1和7月的两个降水个例的ETS评分表明经验正交函数分解质量控制法在WRF模式中的应用对各个时刻、各个量级的降水技巧都得到了明显的提升。

总体来说，通过2008年1和7月的两个个例展示了经验正交函数分解质量控制法在地面观测资料同化中的应用潜力，结果表明经验正交函数分解质量控制法在WRF-3DVAR同化系统中应用对提高数值模式的预报水平具有很好的效果。然而也仍需要更多的个例来揭示该方法在提高数值预报效果中的普遍作用。另外，在试验过程中发现同化地面资料主要改善了模式中低层的信息，对高层影响不大，如何将地面观测信息快速准确地传到中高层，合理调整整层大气的热力场和动力场，也是值得深入研究的问题。

致谢：感谢南京信息工程大学邹晓蕾教授在研究工作中给予的指导和帮助。