2019, Vol. 77
中国气象学会主办。
文章信息
- 陈锋, 董美莹, 冀春晓, 梁旭东. 2019.
- CHEN Feng, DONG Meiying, JI Chunxiao, LIANG Xudong. 2019.
- 雷达资料同化对2016年6月23日阜宁龙卷模拟的改进
- Improving the simulation of the tornado occurring in Funing on 23 June 2016 by using radar data assimilation
- 气象学报, 77(3): 405-426.
- Acta Meteorologica Sinica, 77(3): 405-426.
- http://dx.doi.org/10.11676/qxxb2019.025
文章历史
-
2018-04-27 收稿
2018-10-16改回
2. 中国气象科学研究院灾害天气国家重点实验室, 北京, 100081
2. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China
龙卷是从积雨云底伸展出来的猛烈旋转的漏斗状云柱，属于有着强烈涡旋的小尺度天气系统，因具有突发性强、致灾性强、时空尺度小、出现概率低等特点，一般难以观测和预报。早期对龙卷的研究以调查分级评估等工作为主，目前已经形成了一整套规范的、以EF等级评估标准为代表的龙卷风灾强度等级和现场调查体系(Fujita, et al, 1970; Bunting, et al, 1993; Doswell, 2003; Doswell et al, 2009)。20世纪80年代以来，得益于地面、探空、多普勒雷达等观测设备和站网的建设发展，更多学者针对强龙卷发生的天气背景和回波特征进行了大量统计和个例分析(Johns, 1982; Brooks, et al, 1994; Rose, et al, 2004; Schumacher, et al, 2011)。近年来，随着大气数值模式和计算机技术的发展，对龙卷的数值模拟研究也逐步开展。Xue等(2003)利用ARPS(Advanced Regional Prediction System)模式及其同化系统成功模拟了两次龙卷母体风暴的发生、发展过程。Hu等(2006a, 2006b)利用ARPS-3DVAR(ARPS three-dimensional Variational Assimilation System)及其复杂云分析系统探讨了雷达反射率和径向速度对一次龙卷性超级单体模拟的影响，发现雷达反射率和径向速度对龙卷模拟均具有正效应，且雷达反射率的作用更大。Hu等(2007)开展了雷达资料循环同化配置对龙卷性超级单体模拟结果的影响研究，指出在1 h同化时间窗内每隔10 min循环同化一次雷达资料的配置较好。Mashiko等(2009)用四重嵌套(最高50 m的格距)成功模拟了登陆台风外围雨带中一个龙卷的生成过程。Schenkman等(2012)在100 m网格分辨率下成功模拟到了一个类似于龙卷的涡旋，并对其发展过程做了深入分析。Xue等(2014)在1 km网格分辨率尺度上同化雷达资料，并进一步降尺度至50 m网格分辨率，发现雷达径向速度同化和3DVAR中的辐散约束对龙卷低层中尺度涡旋的建立形成有至关重要的作用。
中国也有较多关于龙卷的研究工作，主要集中在龙卷发生的实地调查分级(Meng et al, 2014, 2016; Xue, et al, 2016; 郑永光等, 2016a, 2016b)、气候特征(范雯杰等, 2015；Yao, et al, 2015; 王秀明等, 2015)、环境条件(姚叶青等, 2012; 张一平等, 2012; 周后福等, 2014; 陈元昭等, 2016; 曾明剑等, 2016; 李兆慧等, 2017)和雷达资料特征(姚叶青等, 2007; 俞小鼎等, 2008; 郑媛媛等, 2015; 朱江山等, 2015)等方面。这些分析指出，强龙卷过程多数由超级单体产生，需要中等大小的对流有效位能(CAPE)和强风垂直切变条件，同时抬升凝结高度较低(俞小鼎等, 2008; 郑媛媛等, 2009)。中国对龙卷的数值模拟还较少，且多集中于对龙卷发生天气背景条件的模拟(张玲等, 2008; 吴俞等, 2015)。李佳等(2017)基于3 km水平分辨率的第2代华东快速更新循环同化预报模式系统，成功模拟出了类似龙卷母体的涡旋结构并伴有剧烈的上升运动，表明逐时循环同化对此次龙卷天气的模拟起关键作用。
鉴于龙卷天气的重大致灾性和当前中国实际龙卷个例数值模拟尤其是雷达资料同化对其影响研究的缺乏，本研究采用GSI-3DVAR(Community Gridpoint Statistical Interpolation Three-dimensional Variational Assimilation System)循环同化多部多普勒雷达的反射率因子和径向速度资料并应用于WRF中尺度模式，针对2016年6月23日阜宁龙卷过程开展数值模拟试验，分析雷达资料的同化对龙卷超级单体风暴初始场的改进效果以及对模式预报能力的提高作用，探讨雷达资料同化对此次过程发生、发展的作用和可能影响机制，为今后此类天气的预报技术改进提供参考。
2 天气过程概述2016年6月23日江苏省盐城市阜宁县发生由龙卷引起的特大灾害，导致99人死亡、800多人受伤，后经中国气象局现场调查，评估为EF4级超级单体龙卷(Xue, et al, 2016; 郑永光等, 2016b)。此次龙卷的天气尺度背景为典型的梅雨期暴雨环流：冷涡后部的冷空气南下与副热带高压外围西南急流在中国西北地区东部至黄淮、江淮北部一带形成明显的低空切变线，沿着该切变线，在陕西南部、河南北部、山东西部、江苏北部等地均有对流云团生成。伴随冷空气南下和西南急流的持续作用，黄淮及江淮北部低层暖湿条件不断加强，为对流系统的新生及发展提供了有利的水汽和不稳定条件，切变线及相伴对流系统在缓慢东移南压过程中发展加强(曹艳察等, 2016)。
中国国家强对流业务监测显示，6月23日00—12时(世界时，下同)在山东南部、江苏北部出现了大范围的以短时强降水为主的强对流天气，在江苏北部偏东地区伴随有8级以上雷暴大风，阜宁县城北、陈集镇一带出现了冰雹天气(张小玲等, 2016)。雷达组合反射率拼图(图 1)显示，23日06—07时，山东南部、江苏北部出现了30 dBz以上的强回波带，尤其是在阜宁地区出现50 dBz以上的回波由西向东移动。距离阜宁最近的3部多普勒雷达(盐城、淮安和连云港)均观测到了清晰的“钩状回波”和具有明显旋转特性的径向速度(图 2)。综合多普勒雷达、区域自动站、目击者灾情报告和现场调查结果显示，此次龙卷主要发生在阜宁县城西南方向，向东略偏北方向移动，发生时间推测在06—07时(图 3a)；龙卷中气旋主要影响范围在阜宁县新沟镇及其以南的东西向狭窄区域，区域自动气象站记录到的小时极大风超过8级，但仅出现在阜宁县西南部长25 km、宽10 km的范围内，最大风速34.6 m/s (12级，时间为06时29分，图 3b)；中气旋周围降水主要出现在阜宁县西北方，06—07时1 h累积降水量在20 mm以上，最强降水中心位于阜宁县西北方约28 km，最大1 h降水量为55.6 mm。
|
| 图 1 2016年6月23日最大雷达反射率(单位：dBz)实况 (a. 06时，b. 06时30分，c. 07时；黑色三角形表示阜宁，黑色五角星表示盐城(右下)、淮安(左下)、连云港(中上)3部多普勒雷达站，下同) Fig. 1 Observed radar composite reflectivity (unit: dBz) on 23 June 2016 (a. 06:00 UTC, b. 06:30 UTC, c. 07:00 UTC. The black triangle indicates Funing city, black pentagrams indicate locations of Doppler radars (Yancheng at the low-right, Huaian at the low-left, and Lianyungang at the up-middle). The same hereafter) |
|
| 图 2 2016年6月23日06时0.5°仰角雷达反射率(a—c，单位: dBz)及径向速度(d—f，单位: m/s) (a、d.盐城雷达，b、e.淮安雷达，c、f.连云港雷达；黑色三角形表示阜宁) Fig. 2 Observed radar reflectivity (a-c, unit: dBz) and radial velocity (d-f, unit: m/s) at 0.5° elevation at 06:00 UTC 23 June 2016 (a, d. Yancheng radar; b, e. Huaian radar; c, f. Lianyungang radar. The black triangle indicates Funing) |
|
| 图 3 2016年6月23日06—07时(a)阜宁龙卷灾害路径、(b) 1 h最大风速(单位：m/s)和(c)1 h累积降水(单位：mm) (黑色三角形表示阜宁，黑色五角星表示盐城雷达站，黑色十字代表降水中心极值点) Fig. 3 Observations of (a) the track of the Funing tornado, (b) hourly maximum wind speed (unit: m/s) and (c) hourly accumulated precipitation (unit: mm) during 06:00- 07:00 UTC 23 June 2016 (The black triangle indicates Funing, the black pentagram indicates the doppler radar at Yancheng, and the black cross point represents the maximum precipitation center) |
选用美国国家大气研究中心(NCAR)等机构开发的WRF-ARW V3.7.1 (http://www2.mmm.ucar.edu/wrf/users)(Skamarock, et al, 2008)和美国国家环境预报中心(NCEP)开发的GSI-3DVAR V3.4(Hu, et al, 2015)作为预报模式和资料同化系统。
WRF模式是一个完全可压缩、非静力模式，适用于业务天气预报和大气研究等需要，能有效模拟天气系统尤其是中小尺度天气系统的发生、发展、消亡过程及其机理，表现出较强的模拟能力和较可靠的预报性能(Kain, et al, 2006; Correia, et al, 2008; Wang, et al, 2013; 杨悦等, 2016; 吴胜刚等, 2016; Blake, et al, 2017; 陈志雄等, 2017)。本研究采用双重嵌套网格，以(33°N，119°E)为中心，外层网格格点数为295×283，水平分辨率为9 km，内层网格格点数为331×337，水平分辨率为3 km，垂直51层(其中距地高度2 km以下约14层)，模式顶为10 hPa。两重网格使用相同的物理参数化方案：Thompson云微物理方案(Thompson, et al, 2008)、RRTMG短波和长波辐射方案(Iacono, et al, 2008)、修正的Monin-Obukhov表层方案(Jiménez, et al, 2012)、YSU边界层方案(Hong, et al, 2006)以及Noah陆面方案(Chen, et al, 2001)，没有采用积云参数化方案。初始背景场资料(包括初始条件和边界条件)由NCEP/NCAR提供的Final Operational Global Analysis data (FNL)逐6 h的1.0°×1.0°再分析资料(National Centers for Environmental Prediction, et al, 2000)通过WRF预处理系统(WPS)的初始化模块插值获取。
GSI-3DVAR系统可对常规、卫星、雷达等多种观测资料进行质量控制后，再通过三维变分方法和复杂云分析技术调整模式的三维大气初始场，在目前各类业务预报系统和科学研究试验中得到了广泛应用(Kleist, et al, 2009; Zhu, et al, 2013; 王洪等, 2015; Shao, et al, 2016; Hu, et al, 2017)。GSI对雷达径向速度的同化采用的是三维变分方法，选用默认区域背景误差协方差阵，水平尺度因子为0.074、0.149、0.3(默认值的20%)，垂直尺度因子为0.7(默认值的70%)，采用Liang等(Liang, 2007; 罗义等, 2014; 马昊等, 2016; Chen, et al, 2017)改进后的基于IVAP的雷达径向速度观测算子，对雷达资料径向速度开展质量控制、“Super-Obbing”和同化。GSI对雷达反射率因子的同化采用的是复杂云分析技术，本研究选用RUC层云方案(Albers, et al, 1996)计算云冰和云水等云物质含量，用Thompson方案(Thompson, et al, 2004)计算云内雨、雪和雹粒子的含量，用绝热初始化方案调节云内温度，用RUC层云方案调整云内水汽。
3.2 观测资料为改进模式对阜宁龙卷的模拟，同化了常规资料和多普勒雷达探测资料。常规资料来自于中国国家气象信息中心，主要是在Global Data Assimilation System (GDAS,www.emc.ncep.noaa.gov/gmb/gdas)资料的基础上整合了未用于国际交换的数据，包括地面报、地面探空、飞机报、云导风、风廓线等资料，同化时间窗1 h。多普勒雷达探测资料包括阜宁周边最近3部雷达：盐城、淮安和连云港，探测时间间隔约为6 min，同化时间窗为10 min。在同化分析前，利用浙江省雷达资料质量控制系统对全部9个仰角体扫径向速度和反射率因子资料进行了去除地物杂波、去距离折叠、速度退模糊等必要的质量控制，并用NCAR SOLO工具(Oye, et al, 1995)对仍然存在的错误数据进行人工修正。此外，内层区域内1000多个区域自动气象站用于模拟结果检验，阜宁县及其周边地区区域自动气象站间距为4—6 km，其中龙卷途经区域有5个站。已有研究显示，这样高密度资料的格点化精度对插值方法并不敏感(Ikeda, et al, 2010; 许娈等, 2017)，因此，采用简单的距离平方反比方法将站点数据插值到模式格点。
3.3 试验设计外层区域从2016年6月23日00时起向后积分7 h至07时，初始场和边界场由FNL资料插值并同化常规资料后得到。内层区域从05时起向后积分2 h至07时，初始场和边界场由外层区域逐10 min输出结果插值提供。为了考察雷达反射率和径向速度对阜宁龙卷模拟的改善效果，对内层区域设计了4组试验方案：(1)CTL试验：不同化雷达资料，直接以外层区域输出的05时结果插值得到初始场，连续积分2 h至07时；(2)REF试验：以外层区域输出的05时结果插值得到初始场，在05—06时逐10 min同化一次雷达反射率因子，得到06时分析场后，向后积分1 h至07时；(3)VEL试验：同REF试验，但只同化雷达径向速度资料；(4)RAD试验：同REF试验，但同时同化雷达反射率因子和径向速度。所有试验的输出步长为10 min，分析过程均基于内层区域结果开展。
4 雷达资料同化对初始场的影响资料同化是通过一定数学方法将观测信息与先验信息融合，提供一个最大可能精确的大气运动状态，为数值模式提供初值。为探讨雷达资料同化对阜宁龙卷预报的影响，首先从动力条件、水汽条件和热力条件三个方面来分析雷达反射率因子和径向速度同化对初始场的影响。
4.1 对动力场的影响低层的动力条件是龙卷生成和发展的基础。图 4给出了各个试验在2016年6月23日06时分析场中的850 hPa风场和垂直涡度。对比后发现，在模式启动积分1 h后，CTL试验在龙卷生成的阜宁县西侧(33.68°N，119.59°E)附近区域以偏南风为主，阜宁县北侧以顺直东南风为主，垂直涡度均较小，没有明显的垂直运动存在，不利于龙卷的生成(图 4a)。REF试验通过复杂云分析技术同化了雷达反射率因子后，可以看到有微弱的局地扰动生成，在阜宁县西侧和北侧出现微弱的气旋性涡度，较为零乱不成系统(图 4b)，但出现位置与观测到的反射率较大值区域较为一致(对比图 1a)。VEL试验在同化了雷达径向风速后，阜宁县西侧出现了较为明显的气旋结构和气旋性涡度，包含了更多的中尺度动力场特征，更好地对应了实况中龙卷生成的环境条件(图 4c)。RAD试验与VEL试验相似，保留了同化径向速度给初始场带来的中小尺度信息，在阜宁县西侧出现了较为明显的小尺度正、负涡度中心，体现出对流单体较强的旋转特性。
|
| 图 4 2016年6月23日06时各个试验模拟的850 hPa风场(矢线, 单位: m/s)和垂直涡度(色阶, 单位: 10-5 s-1) (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验) Fig. 4 Simulated 850 hPa wind field (vectors, unit: m/s) and vertical vorticity field (shaded, unit: 10-5 s-1) at 06:00 UTC 23 June 2016 (a. CTL, b. REF, c. VEL, d. RAD) |
为进一步深入分析雷达资料同化对风场的影响过程，图 5给出了各试验模拟及观测到的2016年6月23日06时连云港多普勒雷达0.5°仰角径向速度和反射率因子。实况观测到的径向速度在阜宁县西侧出现了明显的正、负速度对，显示在该位置有一个较强的中气旋存在，且在该位置北侧出现了最大超过50 dBz的反射率回波(图 5e)。CTL试验(图 5a)模拟的对流主体在阜宁县西北方约70 km处，且没有形成明显的涡旋。REF试验(图 5b)虽然较好地再现了反射率因子的强度和位置，但对径向速度的改进并不明显。VEL试验(图 5c)同化径向风速后为风场加入了很多中小尺度信息，模拟出了较为明显的正、负速度对。RAD试验(图 5d)保留了VEL试验中同化径向速度所带来的中气旋信息，并对反射率因子做了调整，使整个模拟效果更接近实况。
|
| 图 5 各试验模拟及观测到的2016年6月23日06时连云港多普勒雷达0.5°仰角径向速度(色阶, 单位: m/s)和反射率因子(等值线, 间隔10，单位: dBz) (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验，e.观测) Fig. 5 Radar reflectivity (contours from 10 to 60 by 10, unit: dBz) and radial velocity (shaded, unit: m/s) at 0.5° elevation observed by the radar at Lianyungang and from simulations by experiments (a) CTL, (b) REF, (c) VEL, (d) RAD, and (e) corresponding radar observations at 06:00 UTC 23 June 2016 |
由此可见，雷达径向速度同化对初始场的中尺度动力场的修正明显强于雷达反射率因子同化，这可能是因为雷达径向速度同化是直接调整了风场中的尺度扰动，同化效率较高；而雷达反射率因子同化是通过云分析方法调整了热力场后，再通过数值模式物理过程中热力场对动力场的反馈来间接影响动力场的。
4.2 对水凝物场的影响大气中的水汽条件是影响数值模式微物理发展的重要因素，水凝物数量和分布的合理调整能有效缩短模式起转时间。雷达反射率因子能有效观测到水凝物的空间分布和数量。图 6e显示在阜宁县西侧、西北侧以及东北侧沿海岸线监测到40 dBz以上的强回波，回波分布形态和强度与06—07时的累积降水有较好的对应(图 3c)。CTL试验(图 6a)未模拟出上述3处强回波。REF试验(图 6b)明显修正了反射率因子量级和分布，与观测对应较为一致。VEL试验(图 6c)模拟出了阜宁县西侧的主体强回波块，但对细节上的把握不如REF试验。RAD试验(图 6d)结合了REF和VEL试验的优势，基本模拟出了观测中的3个强回波带区域。
|
| 图 6 各试验模拟及观测的2016年6月23日06时最大反射率因子(单位: dBz) (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验，e.观测) Fig. 6 Radar composite reflectivity (unit: dBz) from experiments (a) CTL, (b) REF, (c) VEL, (d) RAD, and (e) corresponding radar observations at 06:00 UTC 23 June 2016 |
沿着图 6中黑色实线的垂直剖面图显示，这次龙卷过程的对流系统非常深厚，30 dBz以上反射率因子从地面一直伸展至17 km高空，沿着剖面自北向南存在3个极值中心，尤其是第2个极值中心强度最大，很好地对应了龙卷的发生位置(图 7e)。CTL试验模拟的反射率因子强度明显偏小，且位置偏北(图 7a)。REF试验(图 7b)对反射率因子的强度和位置作了大幅改进，较好地模拟出了自北向南3个强回波极值中心，且在龙卷发生位置模拟出的30 dBz以上的回波顶位置达到了12 km。VEL试验(图 7c)模拟的反射率因子不如REF试验，但仍然较好地模拟了龙卷生成位置的强回波。RAD试验(图 7d)模拟的反射率回波与REF试验较相似，雨水主要分布在离地面0—5 km区域，极值出现在4 km附近，中心最高达6 g/kg；雪主要分布在离地面5 km以上区域，极值出现在9.5 km附近，中心最高达8.5 g/kg；雹主要分布在离地面4.5—8 km区域，极值出现在6 km附近，中心最高达1.8 g/kg。
|
| 图 7 2016年6月23日06时模拟和观测的反射率因子(色阶, 单位: dBz)、雨水(蓝色等值线, 单位: g/kg)、雪(黑色等值线, 单位: g/kg)、雹(紫色等值线, 单位: g/kg)沿图 6中黑色实线的垂直剖面 (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验，e.观测) Fig. 7 Vertical cross sections along the black line in Fig. 6 of radar reflectivity (shaded, unit: dBz), rain water (blue contours, unit: g/kg), snow (black contours, unit: g/kg), and graupel (purple contours, unit: g/kg) from experiments (a) CTL, (b) REF, (c) VEL, (d) RAD, and (e) corresponding radar observations at 06:00 UTC 23 June 2016 |
对比可见，RAD试验与REF试验模拟的水凝物数量和垂直分布较为相似(图 7b、d)，说明RAD试验分析场中的水凝物增量主要是由雷达反射率因子同化引入。这是因为通过复杂云分析引入的雷达反射率因子能直接调整水凝物含量，而同化雷达径向速度需要通过调整动力场结构间接调整水汽场分布。比如VEL试验中龙卷生成位置水凝物增量较为明显，结合图 4c可见该位置风场和垂直涡度增量较大，说明在同化径向风后该处初始风场扰动带来水汽辐合，并经过上升运动、凝结、降水等模式积分调整，如此经过几次循环同化后，引起该处低层水凝物的增加。
4.3 对热力场的影响热力条件表征了天气系统的稳定性，反映了对流的发展程度。图 8显示CTL试验模拟的假相当位温等值线较为平直，已经积蓄了较高能量，但缺乏有利的抬升触发机制。其余同化试验(REF、VEL和RAD)相比CTL试验均在龙卷发生位置低层模拟出了一条明显高能舌伸入5 km高空，这是由于水凝物凝结降水形成的潜热释放加热了云团。这说明雷达资料通过循环同化(包括反射率因子的云分析、径向速度的变分同化及预报模式的积分调整)对大气热力场进行了正温度扰动调整，这种低层大气(1—5 km)的正温度扰动展示了对流活动对大气的反馈作用。此外，随着循环同化的不断调整，同化试验(REF、VEL和RAD)具备了较好的对流触发条件(如RAD试验中在2—12 km模拟出了较强的向上垂直速度，中心极值可达9 m/s)，强烈的上升运动与较好的热力条件相互配合，极易触发强对流天气。对比REF和VEL试验可知，雷达反射率因子和径向速度同化对初始场的热力条件均起到一定的调整作用。
|
| 图 8 模式模拟的2016年6月23日06时的假相当位温(色阶, 单位: K)和垂直速度(等值线, 单位: m/s)沿图 6中黑色实线的垂直剖面 (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验) Fig. 8 Vertical cross sections along the black line in Fig. 6 of equivalent potential temperature (shaded, unit: K) and vertical velocity (black contours, unit: m/s) from experiments (a) CTL, (b) REF, (c) VEL, and (d) RAD at 06:00 UTC 23 June 2016 |
综合以上分析可以发现, 雷达反射率因子同化通过云分析技术进入模式，调节水凝物含量释放潜热，加热云团对低层大气进行了正温度扰动调整，对于初始场的水汽条件和热力条件影响较大；而雷达径向速度同化通过三维变分技术直接调整风场，进而引起水汽输送变化影响水凝物的调整和大气热力场的变化，对初始场的动力条件和热力条件影响较大；雷达反射率因子和径向速度的同时同化能综合两者的改进效果，对风场、湿度场和温度场进行综合调整，使初始场在动力、水汽和热力上达到最佳效果。
5 资料同化对数值模拟结果的改进为进一步分析雷达资料同化对阜宁龙卷模拟的改进程度，本节从最大雷达反射率、底层位涡和螺旋度、风垂直切变、地面风场和降水等方面进行了对比分析。
5.1 最大雷达反射率此次龙卷过程发生在典型的梅雨期暴雨环流天气尺度背景下，图 9e1显示超过30 dBz的回波带覆盖了山东南部、江苏北部及东北部，其中在阜宁县西北侧区域出现了两个相对独立的对流单体，最近一个对流单体距离阜宁县仅30 km左右，回波强度超过50 dBz，并逐渐向东移动(图 9e2、e3)。CTL试验模拟出了山东和江苏交界处的主体回波带，但回波强度总体略偏小且没有模拟出阜宁县西北侧的两个独立对流单体(图 9a)。REF试验在06时刻较好地把握了强回波带的位置，尤其是较好地重现了阜宁县西北侧的两个对流单体(图 9b1)，但随着预报时间的推进，阜宁西北侧的强回波带移动速度太慢，造成较大偏差(图 9b2—b3)。VEL试验通过直接调整动力，较好地模拟出了阜宁县西北侧的对流单体及其运动趋势，与实况较为一致，但总体来说模拟的回波强度偏小，尤其是鲁苏交界和黄海区域(图 9c)。RAD试验(图 9d)结合了REF和VEL试验的优势，模拟的回波带强度和分布均与观测较为一致。
|
| 图 9 各试验模拟及实况的最大反射率(色阶，单位: dBz)和3 km处风场(矢线，单位: m/s)时间演变 (a1—e1. 2016年6月23日06时，a2—e2. 06时30分，a3—e3. 07时；a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验，e.观测) Fig. 9 Radar composite reflectivity (shaded, unit: dBz) and wind fields (vectors, units: m/s) at 3 km at 06:00 UTC (a1-e1), 06:30 UTC (a2-e2), and 07:00 UTC (a3-e3) 23 June 2016 from experiments (a) CTL, (b) REF, (c) VEL, (d) RAD, and (e) corresponding radar observations |
逐10 min最大雷达反射率的ETS(Equitable threat scores)评分≥40 dBz量级显示(图 10)，CTL试验评分较低，仅在0.05—0.08，说明CTL试验对强回波带的量级和位置模拟较差。REF试验在初始时刻(06时)评分最高，达到0.24，但随着积分时间延长，得分迅速下降，并在积分40 min后降至0.1以下，说明雷达反射率因子同化对改善初始场水凝物质效果非常明显，但如果缺乏动力等其他物理条件的支持，对流运动无法持续或进一步发展，模拟的雷达反射率强度和位置会变差。VEL试验与REF试验结果相反，在初始时刻评分较低，但随着积分时间推进，动力场的不断调整，间接对水凝物的改进效果逐步显现，因此模拟的雷达反射率得分反而增大。RAD试验汲取了雷达反射率因子和径向速度同化的共同优势，给出了最为理想的评分结果，保持了REF试验在初始时刻较高的得分，并使高得分维持了整个积分时段。
|
| 图 10 各试验模拟的2016年6月23日06—07时逐10 min最大雷达反射率的ETS评分 Fig. 10 ETS of predicted radar reflectivity for the 40 dBz threshold for experiments CTL, REF, VEL, and RAD |
图 11给出了200 m高度上位涡和流场的时间演变。对比后发现，CTL试验模拟的风场较为平直，没有明显强涡旋区域(图 11a)。REF试验于06时和06时10分在阜宁县西侧30 km处模拟出弱涡旋，但并没有发展起来(图 11b)。VEL试验对初始场位涡给出了较好的改进模拟，基本把握住了整个涡旋的发生、发展过程(图 11c)。RAD试验在VEL试验的基础上做出了进一步调整，可见06时(图 11d1)，阜宁县西侧约20 km处为东风和南风辐合，有较小(约6—10 PVU)的正位涡存在；06时10—20分(图 11d2、d3)，辐合发展、位涡持续增大，并伴有螺旋上升运动出现；06时30—40分(图 11d4、d5)，涡旋发展到最强，螺旋度大值区位于强涡旋的上方及东北侧区域，涡旋中心向东偏北方向移动；06时50分—07时(图 11d6、d7)，涡旋减弱并继续向东偏北方向移动，逐渐远离阜宁并消散。结合图 3a可知，VEL试验模拟出的地面涡旋路径移动略有偏折，RAD试验模拟的路径较为顺直，与实际龙卷路径较为一致，但移速略快。两个试验的路径偏差分别为6.8和7.5 km (2—3个模式网格距)。此外，上升螺旋度(Kain, et al, 2008)代表了气流旋转上升的程度，Sobash等(2008)认为上升螺旋度极值对强天气预报中与龙卷等密切相关的对流单体的诊断非常有效，并通过统计给出了54 m2/s2的参考值。VEL试验和RAD试验从06时10分起在阜宁县西侧模拟出部分区域超过该参考值，表明中、低层有非常强烈的对流运动发展。由此可见，雷达径向速度同化对龙卷涡旋生成和发展的模拟有着重要的改进作用。
|
| 图 11 各试验模拟的2016年6月23日06—07时的逐10 min(a1—d1、a2—d2、a3—d3、a4—d4、a5—d5、a6—d6、a7—d7)200 m高度位涡(色阶, 单位: PVU)和风场(矢线, 单位: m/s) (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验；紫色等值线内为上升螺旋度≥54 m2/s2的区域) Fig. 11 Temporal evolutions of simulated potential vorticity (shaded, unit: PVU) and wind field (vectors, unit: m/s) at 200 m above the ground at 10 minute intervals during 06:00 to 07:00 UTC (a1-d1, a2-d2, a3-d3, a4-d4, a5-d5, a6-d6, a7-d7) 23 June 2016 from experiments (a) CTL, (b) REF, (c) VEL, and (d) RAD (Areas enclosed by purple lines indicate updraft helicity (UH) ≥54 m2/s2) |
环境条件的分析是龙卷判定的重要方法。参考郑永光等(2017)对龙卷环境条件的分析方法和指标的综述性分析，选取了龙卷发生时刻之前(06时)发生点上游区域(33.7°N，119.45°E为中心，10×10网格区域)，计算风垂直切变、对流有效位能、抬升凝结高度(LCL)、重大强天气指数(SSP)和龙卷对流指数(STP)。Brooks等(2003)指出有利于超级单体风暴的环境条件是较大的对流有效位能和强的0—6 km风垂直切变。图 12c、b显示4个试验模拟的最大对流有效位能分别为2966、1997、2803和2550 J/kg，0—6 km最大风切变分别为32.6、35.9、41.7和42.4 m/s。从指标上讲，4个试验的对流有效位能均较大，且0—6 km风垂直切变均超过了20 m/s (Craven等(2004)和Grams等(2012)指出20 m/s是美国F2/EF2级及以上龙卷对流风暴普遍出现的风切变阈值)。Markowski等(2010)在分析强对流发生概率与对流有效位能和0—6 km风垂直切变时指出，对流有效位能和0—6 km的风垂直切变越大，发生龙卷的可能性越大。根据Craven等(2004)提出的重大强天气指数，4个试验模拟的结果均明显超过了30000 m3/s3，且RAD试验最大(图 12c)。Markowski等(2014)和Schultz等(2014)指出，较大的低层(0—1 km)风垂直切变既有利于中层中气旋的加强和下降与向下层发展，也有利于通过风垂直切变产生的垂直气压梯度的作用抬升出流气流。Craven等(2004)则认为，低的抬升凝结高度(1200 m以下)和高的0—1 km风切变(10 m/s以上)更有利于龙卷的发生，尤其强龙卷更是具有低层强风垂直切变和低抬升凝结高度特点。4个试验模拟的最低抬升凝结高度分别为0.57、0.28、0.17和0.12 km，0—1 km风垂直切变分别为8.1、15.4、26.2和22.4 m/s (图 12d、a)。同化试验相对于对照试验，发生龙卷的底层风切变条件更好。综合以上这些有利于强龙卷的环境物理特征量，图 12f给出了用以判别F2/EF2级及以上的中气旋龙卷对流指数(Craven, et al, 2004)，4个试验的模拟结果分别为0.4、1.76、2.66和2.93。对比可见，4个试验模拟的龙卷发生概率排序依次为：RAD、VEL、REF和CTL。
|
| 图 12 各试验模拟的2016年6月23日06时(a) 0—1 km最大风切变、(b) 0—6 km最大风切变，(c)对流有效位能、(d)抬升凝结高度、(e)重大强天气指数和(f)龙卷对流指数 Fig. 12 Simulations of (a) 0-1 km maximum wind speed shear, (b) 0-6 km maximum wind speed shear, (c) convective available potential energy, (d) lifted condensation level, (e) significant severe parameter, and (f) strong tornado parameter index at 06:00 UTC 23 June 2016 |
龙卷带来的大风是造成灾害的主要原因。阜宁龙卷大风主要影响范围出现在阜宁县西南部长25 km、宽10 km的范围内，小时极大风速在6—20 m/s，最大值为34.6 m/s (12级，06时29分，图 13e)。4个模式模拟的小时极大风速以偏大为主，但对龙卷大风的模拟又明显偏低。CTL和REF试验模拟的大风区域明显偏离龙卷发生位置，属于模式模拟的虚假的风暴单体引起的大风(图 13a、b)。VEL试验在阜宁西南侧龙卷发生位置模拟出了较大的小时极大风速区，但其大风区域和极值偏小(图 13c)。4个试验中，RAD试验给出了最好的模拟结果，基本把握了小时极大风速区域的位置和大值区范围，中心极大值为17.4 m/s(8级，06时40分)，虽然与实况相比还有一定差距，但相对其余3个试验已有较大改进(图 13d)。
|
| 图 13 各试验模拟及观测到的2016年6月23日06—07时地面最大风速(单位: m/s) (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验，e.观测) Fig. 13 Simulated and observed maximum wind speeds (unit: m/s) at 10 m above the ground during 06:00-07:00 UTC 23 June 2016 (a. CTL, b. REF, c. VEL, d. RAD, e. OBS) |
图 14给出了06—07时地面1 h累积降水。对比可见，CTL试验基本没有模拟出阜宁西北侧的两个强雨带(图 14a)。REF试验比CTL试验有所改进，但强降水中心还是偏离在西北方(图 14b)。由此可见没有动力条件的配合，即使同化反射率因子对模式初始时刻水凝物分布有了较大改进，也无法形成持续性降水。VEL试验(图 14c)在同化径向风速后，改进了模式的动力条件，模拟了阜宁西北侧最强的强降水区。RAD试验(图 14d)取得了最好的降水模拟结果，对阜宁西北侧的两个强降水区均有较好模拟。但VEL和RAD两个试验对降水中心极值的模拟还是有一定程度的偏大(VEL和RAD试验分别为98.4和92.9 mm，而区域站观测为55.6 mm)。当然，区域观测站也存在因布站原因，没有观测到降水极值的情况(图 14e)。
|
| 图 14 各试验模拟及观测到的2016年6月23日06—07时地面1 h累积降水(单位: mm) (a. CTL试验，b. REF试验，c. VEL试验，d. RAD试验，e.观测) Fig. 14 Simulated and observed 1 hour accumulated precipitation (unit: mm) during 06:00-07:00 UTC 23 June 2016 (a. CTL, b. REF, c. VEL, d. RAD, e. OBS) |
综合以上对比分析可以看到：雷达反射率因子同化通过调节初始场水凝物含量释放潜热，对模式起报初始10 min的预报结果有较大改进，尤其是反射率模拟取得了最好结果，但因其缺乏动力条件支持，对能表征龙卷形成环境条件的位涡、螺旋度、风切变等特征要素模拟改进程度有限。雷达径向速度同化通过改变初始风场，通过动力场和热力场的相互作用，有效强迫出了较合适的龙卷发生、发展环境条件，虽然在涡旋强度和龙卷结构上与实况还有一定差距，但在龙卷发生位置模拟出了明显的中尺度涡旋，对其生命史过程和移动路径也有较好的反映，对地面大风和强降水模拟也有较好的改进作用。
6 结论与讨论采用GSI-3DVAR同化系统和WRF模式，同化了多部多普勒雷达的反射率因子和径向速度资料，分析了雷达资料对2016年6月23日阜宁EF4级龙卷模拟的改进作用及其影响途径。通过对分析场和预报物理要素的诊断分析，得到以下主要结论：
(1) WRF模式能基本模拟出冷、暖空气交汇形成的梅雨期暴雨环流，但对阜宁龙卷这样的小尺度强对流系统缺乏模拟能力。雷达反射率因子同化和径向速度同化均能在一定程度上改进模式对阜宁龙卷及其环境场的模拟，同时同化两者的改进效果最佳。相比而言，雷达径向风速同化的改进作用更大。
(2) 雷达反射率因子和径向风速影响初始场的途径相差较大。雷达反射率因子同化是利用复杂云分析技术，调节水凝物含量释放潜热，对于初始场的水汽条件和热力条件影响较大；而雷达径向速度同化通过三维变分技术直接调整风场，进而引起水汽输送变化影响水凝物的调整和稳定度的变化，对初始场的动力条件和热力条件影响较大；雷达反射率因子和径向速度的同时同化能综合两者的改进效果，对风场、湿度场和温度场进行综合调整，使初始场在动力、水汽和热力上达到最佳效果。
(3) 雷达反射率因子同化对模式积分初期的预报结果改进较大，而对能表征龙卷形成环境条件的位涡、螺旋度、风切变等特征要素模拟改进程度有限。其主要原因是复杂云分析技术只能调节水凝物含量，对初始场的水汽条件和热力条件影响较大，而对动力条件改进不大。
(4) 雷达径向速度同化虽然在模式积分初期改进效果不如反射率因子同化，但对整个模拟过程的演变和小时地面极大风、强降水等方面取得了较大改进。其主要原因是径向速度同化直接改变初始风场，有效强迫出了较为合适的龙卷发生、发展环境条件，在龙卷发生位置模拟出了明显的中尺度涡旋，对其生命史过程和移动路径也有较好反映。
(5) 同时同化雷达反射率因子和径向速度后，模式在阜宁附近模拟出明显的涡旋结构，具有较大的垂直涡度和上升螺旋度，模拟的涡旋发生发展过程、路径、地面小时极大风和降水等相对于其他试验更接近实况观测。但涡旋中心移速略偏快，路径平均约7.5 km (2—3个格距)，且最大地面风速较实况偏小较多。
综上所述，雷达探测资料的同化、特别是径向速度同化能显著改进2016年6月23日阜宁附近涡旋的发生、发展过程模拟。然而，本研究模拟的涡旋在强度和龙卷结构上与实况还有一定差距。其原因可能有三点：一是本研究采用的模式分辨率不够精细(Xue等(2014)指出模拟龙卷需要的分辨率要在50 m左右)，只能对产生龙卷的母体对流单体环境做出预报，却还不足以分辨龙卷内部结构；二是GSI-3DVAR中控制变量并没有包括垂直速度，观测算子及雷达资料的同化方法还存在改进的空间；三是雷达资料观测及质量控制效果有限，质量控制后仍旧存在大范围的缺测和一定的质量问题，且观测误差估计也相对较为简单。因此，提高模式分辨率，改进相应的模式物理过程、资料同化系统和观测手段及质量控制方法，是提高龙卷性超级单体预报精度的有效途径。
致谢: 感谢江苏省气象科学研究所郑媛媛研究员在环境条件计算方面的建议和指导。
| 曹艳察, 张涛. 2016. 2016年6月大气环流和天气分析. 气象, 42(9): 1154–1160. Cao Y C, Zhang T. 2016. Analysis of the June 2016 atmospheric circulation and weather. Meteor Mon, 42(9): 1154–1160. (in Chinese) |
| 陈元昭, 俞小鼎, 陈训来, 等. 2016. 2015年5月华南一次龙卷过程观测分析. 应用气象学报, 27(3): 334–341. Chen Y Z, Yu X D, Chen X L, et al. 2016. A tornado in South China in May 2015. J Appl Meteor Sci, 27(3): 334–341. (in Chinese) |
| 陈志雄, 郄秀书, 田野, 等. 2017. 云分辨尺度下一种综合调整水物质含量的闪电资料同化方法. 气象学报, 75(3): 442–459. Chen Z X, Qie X S, Tian Y, et al. 2017. Assimilation of lightning data through comprehensively nudging water contents at the cloud-resolving scale. Acta Meteor Sinica, 75(3): 442–459. (in Chinese) |
| 范雯杰, 俞小鼎. 2015. 中国龙卷的时空分布特征. 气象, 41(7): 793–805. Fan W J, Yu X D. 2015. Characteristics of spatial temporal distribution of tornadoes in China. Meteor Mon, 41(7): 793–805. (in Chinese) |
| 李佳, 陈葆德, 张旭, 等. 2017. 2016年6月23日江苏阜宁龙卷的高分辨快速更新同化预报与分析. 大气科学, 41(6): 1221–1233. Li J, Chen B D, Zhang X, et al. 2017. High-resolution rapid refresh analysis and prediction of the tornado occurring in Funing on 23 June 2016. Chinese J Atmos Sci, 41(6): 1221–1233. (in Chinese) |
| 李兆慧, 王东海, 麦雪湖, 等. 2017. 2015年10月4日佛山龙卷过程的观测分析. 气象学报, 75(2): 288–313. |
| Li Z H, Wang D H, Mai X H, et al. 2017. Observations of the tornado occurred at Foshan on 4 October 2015. Acta Meteor Sinica, 75(2): 288–313. |
| 罗义, 梁旭东, 陈明轩. 2014. 单多普勒雷达径向风同化的改进. 气象科学, 34(6): 620–628. Luo Y, Liang X D, Chen M X. 2014. Improvement of radial wind data assimilation of single Doppler radar. J Meteor Sci, 34(6): 620–628. (in Chinese) |
| 马昊, 梁旭东, 罗义, 等. 2016. GRAPES_3Dvar中雷达径向风同化改进观测算子的应用. 气象, 42(1): 34–43. Ma H, Liang X D, Luo Y, et al. 2016. Application of advanced observation operator of Doppler radar radial velocity assimilation in GRAPES_3Dvar. Meteor Mon, 42(1): 34–43. (in Chinese) |
| 王洪, 王东海, 万齐林. 2015. 多普勒雷达资料同化在"7.21"北京特大暴雨个例中的应用. 气象学报, 73(4): 679–696. Wang H, Wang D H, Wan Q L. 2015. Application of assimilating Doppler weather radar data in the "7.21" Beijing excessive storm. Acta Meteor Sinica, 73(4): 679–696. (in Chinese) |
| 王秀明, 俞小鼎, 周小刚. 2015. 中国东北龙卷研究:环境特征分析. 气象学报, 73(3): 425–441. |
| Wang X M, Yu X D, Zhou X G. 2015. Study of Northeast China torandoes:The environmental characteristics. Acta Meteor Sinica, 73(3): 425–441. |
| 吴胜刚, 刘屹岷, 邹晓蕾, 等. 2016. WRF模式对青藏高原南坡夏季降水的模拟分析. 气象学报, 74(5): 744–756. Wu S G, Liu Y M, Zou X L, et al. 2016. The simulation analysis of the precipitation over the southern slopes of the Tibetan Plateau based on WRF model. Acta Meteor Sinica, 74(5): 744–756. (in Chinese) |
| 吴俞, 薛谌彬, 郝丽清, 等. 2015. 强台风"山神"外围超级单体引发的龙卷分析. 热带气象学报, 31(2): 213–222. Wu Y, Xue C B, Hao L Q, et al. 2015. The analysis of tornado caused by supercell in outer-band of typhoon Shanshen. J Trop Meteor, 31(2): 213–222. (in Chinese) |
| 许娈, 董美莹, 陈锋. 2017. 基于逐时降水站点资料空间插值方法对比研究. 气象与环境学报, 33(1): 34–43. Xu L, Dong M Y, Chen F. 2017. Comparison study of spatial interpolation methods based on hourly precipitation data from automatic weather stations. J Meteor Environ, 33(1): 34–43. DOI:10.3969/j.issn.1673-503X.2017.01.005 (in Chinese) |
| 杨悦, 高山红. 2016. 黄海海雾WRF数值模拟中垂直分辨率的敏感性研究. 气象学报, 74(6): 974–988. Yang Y, Gao S H. 2016. Sensitivity study of vertical resolution in WRF numerical simulation for sea fog over the Yellow Sea. Acta Meteor Sinica, 74(6): 974–988. (in Chinese) |
| 姚叶青, 俞小鼎, 郝莹, 等. 2007. 两次强龙卷过程的环境背景场和多普勒雷达资料的对比分析. 热带气象学报, 23(5): 483–490. Yao Y Q, Yu X D, Hao Y, et al. 2007. The contrastive analysis of synoptic situation and Doppler radar data for two intense tornado cases. J Trop Meteor, 23(5): 483–490. DOI:10.3969/j.issn.1004-4965.2007.05.009 (in Chinese) |
| 姚叶青, 郝莹, 张义军, 等. 2012. 安徽龙卷发生的环境条件和临近预警. 高原气象, 31(6): 1721–1730. Yao Y Q, Hao Y, Zhang Y J, et al. 2012. Synoptic situation and pre-warning of Anhui tornado. Plateau Meteor, 31(6): 1721–1730. (in Chinese) |
| 俞小鼎, 郑媛媛, 廖玉芳, 等. 2008. 一次伴随强烈龙卷的强降水超级单体风暴研究. 大气科学, 32(3): 508–522. Yu X D, Zheng Y Y, Liao Y F, et al. 2008. Observational investigation of a tornadic heavy precipitation supercell storm. Chinese J Atmos Sci, 32(3): 508–522. DOI:10.3878/j.issn.1006-9895.2008.03.08 (in Chinese) |
| 曾明剑, 吴海英, 王晓峰, 等. 2016. 梅雨期龙卷环境条件与典型龙卷对流风暴结构特征分析. 气象, 42(3): 280–293. Zeng M J, Wu H Y, Wang X F, et al. 2016. Analysis on environmental conditions and structural features of typical convective tornado storm in Meiyu period. Meteor Mon, 42(3): 280–293. (in Chinese) |
| 张玲, 张艳玲, 陆汉城, 等. 2008. 不稳定能量参数在一次强对流天气数值模拟中的应用. 南京气象学院学报, 31(2): 192–199. Zhang L, Zhang Y L, Lu H C, et al. 2008. Application of instability energy parameters to a severe convective storm forecast. J Nanjing Inst Meteor, 31(2): 192–199. DOI:10.3969/j.issn.1674-7097.2008.02.007 (in Chinese) |
| 张小玲, 杨波, 朱文剑, 等. 2016. 2016年6月23日江苏阜宁EF4级龙卷天气分析. 气象, 42(11): 1304–1314. Zhang X L, Yang B, Zhu W J, et al. 2016. Analysis of the EF4 tornado in Funing county, Jiangsu Province on 23 June 2016. Meteor Mon, 42(11): 1304–1314. DOI:10.7519/j.issn.1000-0526.2016.11.002 (in Chinese) |
| 张一平, 俞小鼎, 吴蓁, 等. 2012. 区域暴雨过程中两次龙卷风事件分析. 气象学报, 70(5): 961–973. Zhang Y P, Yu X D, Wu Z, et al. 2012. Analysis of the two tornado events during a process of regional torrential rain. Acta Meteor Sinica, 70(5): 961–973. (in Chinese) |
| 郑永光, 田付友, 孟智勇, 等. 2016a. "东方之星"客轮翻沉事件周边区域风灾现场调查与多尺度特征分析. 气象, 42(1): 1–13. Zheng Y G, Tian F Y, Meng Z Y, et al. 2016a. Survey and multi scale characteristics of wind damage caused by convective storms in the surrounding area of the capsizing accident of cruise ship "Dongfangzhixing". Meteor Mon, 42(1): 1–13. (in Chinese) |
| 郑永光, 朱文剑, 姚聃, 等. 2016b. 风速等级标准与2016年6月23日阜宁龙卷强度估计. 气象, 42(11): 1289–1303. Zheng Y G, Zhu W J, Yao D, et al. 2016b. Wind speed scales and rating of the intensity of the 23 June 2016 tornado in Funing county, Jiangsu province. Meteor Mon, 42(11): 1289–1303. (in Chinese) |
| 郑永光, 陶祖钰, 俞小鼎. 2017. 强对流天气预报的一些基本问题. 气象, 43(6): 641–652. Zheng Y G, Tao Z Y, Yu X D. 2017. Some essential issues of severe convective weather forecasting. Meteor Mon, 43(6): 641–652. (in Chinese) |
| 郑媛媛, 朱红芳, 方翔, 等. 2009. 强龙卷超级单体风暴特征分析与预警研究. 高原气象, 28(3): 617–625. Zheng Y Y, Zhu H F, Fang X, et al. 2009. Characteristic analysis and early-warning of tornado supercell storm. Plateau Meteor, 28(3): 617–625. (in Chinese) |
| 郑媛媛, 张备, 王啸华, 等. 2015. 台风龙卷的环境背景和雷达回波结构分析. 气象, 41(8): 942–952. Zheng Y Y, Zhang B, Wang X H, et al. 2015. Analysis of typhoon tornado weather background and radar echo structure. Meteor Mon, 41(8): 942–952. (in Chinese) |
| 周后福, 刁秀广, 夏文梅, 等. 2014. 江淮地区龙卷超级单体风暴及其环境参数分析. 气象学报, 72(2): 306–317. Zhou H F, Diao X G, Xia W M, et al. 2014. Analysis of the tornado supercell storm and its environmental parameters in the Yangtze-Huaihe region. Acta Meteor Sinica, 72(2): 306–317. (in Chinese) |
| 朱江山, 刘娟, 边智, 等. 2015. 一次龙卷生成中风暴单体合并和涡旋特征的雷达观测研究. 气象, 41(2): 182–191. Zhu J S, Liu J, Bian Z, et al. 2015. Analysis of cell merger and vortex signature during generation of tornado in Anhui based on Doppler radar observation. Meteor Mon, 41(2): 182–191. (in Chinese) |
| Albers S C, McGinley J A, Birkenheuer D L, et al. 1996. The local analysis and prediction system (LAPS):Analyses of clouds, precipitation, and temperature. Wea Forecasting, 11(3): 273–287. DOI:10.1175/1520-0434(1996)011<0273:TLAAPS>2.0.CO;2 |
| Blake B T, Parsons D B, Haghi K R, et al. 2017. The structure, evolution, and dynamics of a nocturnal convective system simulated using the WRF-ARW model. Mon Wea Rev, 145(8): 3179–3201. DOI:10.1175/MWR-D-16-0360.1 |
| Brooks H E, Doswell Ⅲ C A, Cooper J. 1994. On the environments of tornadic and nontornadic mesocyclones. Wea Forecasting, 9(4): 606–618. DOI:10.1175/1520-0434(1994)009<0606:OTEOTA>2.0.CO;2 |
| Brooks H E, Lee J W, Craven J P. 2003. The spatial distribution of severe thunderstorm and tornado environments from global reanalysis data. Atmos Res, 67-68: 73–94. DOI:10.1016/S0169-8095(03)00045-0 |
| Bunting W F, Smith B E. 1993. A guide for conducting convective windstorm surveys. NOAA Tech Memo NWS SR-146, 44pp |
| Chen F, Dudhia J. 2001. Coupling an advanced land surface-hydrology model with the Penn State-NCAR MM5 modeling system. Part Ⅰ:Model implementation and sensitivity. Mon Wea Rev, 129(4): 569–585. |
| Chen F, Liang X D, Ma H. 2017. Application of IVAP-based observation operator in radar radial velocity assimilation:The case of typhoon Fitow. Mon Wea Rev, 145(10): 4187–4203. DOI:10.1175/MWR-D-17-0002.1 |
| Correia Jr J, Arritt R W, Anderson C J. 2008. Idealized mesoscale convective system structure and propagation using convective parameterization. Mon Wea Rev, 136(7): 2422–2442. DOI:10.1175/2007MWR2229.1 |
| Craven J P, Brooks H E. 2004. Baseline climatology of sounding derived parameters associated with deep, moist convection. Natl Wea Dig, 28: 13–24. |
| Doswell C A. 2003. A guide to F-scale damage assessment. NOAA/NWS, 94. http://www.wdtb.noaa.gov/courses/ef-scale/lesson2/FinalNWSFscaleAssessmentGuide.pdf |
| Doswell Ⅲ C A, Brooks H E, Dotzek N. 2009. On the implementation of the enhanced Fujita scale in the USA. Atmos Res, 93(1-3): 554–563. DOI:10.1016/j.atmosres.2008.11.003 |
| Fujita T T, Bradbury D L, Van Thullenar C F. 1970. Palm Sunday tornadoes of April 11, 1965. Mon Wea Rev, 98(1): 29–69. DOI:10.1175/1520-0493(1970)098<0029:PSTOA>2.3.CO;2 |
| Grams J S, Thompson R L, Snively D V, et al. 2012. A climatology and comparison of parameters for significant tornado events in the United States. Wea Forecasting, 27(1): 106–123. DOI:10.1175/WAF-D-11-00008.1 |
| Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes. Mon Wea Rev, 134(9): 2318–2341. DOI:10.1175/MWR3199.1 |
| Hu M, Xue M, Brewster K. 2006a. 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. Mon Wea Rev, 134(2): 675–698. |
| Hu M, Xue M, Gao J D, et al. 2006b. 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. Mon Wea Rev, 134(2): 699–721. |
| Hu M, Xue M. 2007. Impact of configurations of rapid intermittent assimilation of WSR-88D radar data for the 8 May 2003 Oklahoma City tornadic thunderstorm case. Mon Wea Rev, 135(2): 507–525. DOI:10.1175/MWR3313.1 |
| Hu M, Shao H, Stark D, et al. 2015. Gridpoint statistical interpolation advanced user's guide version 3.4.0.0. Developmental Testbed Center. http://www.dtcenter.org/com-GSI/users/docs/users_guide/AdvancedGSIUserGuide_v3.4.0.0.pdf |
| Hu M, Benjamin S G, Ladwig T T, et al. 2017. GSI three-dimensional ensemble-variational hybrid data assimilation using a global ensemble for the regional rapid refresh model. Mon Wea Rev, 145(10): 4205–4225. DOI:10.1175/MWR-D-16-0418.1 |
| Iacono M J, Delamere J S, Mlawer E J, et al. 2008. Radiative forcing by long-lived greenhouse gases:Calculations with the AER radiative transfer models. J Geophys Res, 113(D13): D13103. DOI:10.1029/2008JD009944 |
| Ikeda K, Rasmussen R, Liu C H, et al. 2010. Simulation of seasonal snowfall over Colorado. Atmos Res, 97(4): 462–477. DOI:10.1016/j.atmosres.2010.04.010 |
| Jiménez P A, Dudhia J, González-Rouco J F, et al. 2012. A revised scheme for the WRF surface layer formulation. Mon Wea Rev, 140(3): 898–918. DOI:10.1175/MWR-D-11-00056.1 |
| Johns R H. 1982. A synoptic climatology of northwest flow severe weather outbreaks. Part Ⅰ:Nature and significance. Mon Wea Rev, 110(11): 1653–1663. |
| Kain J S, Weiss S J, Levit J J, et al. 2006. Examination of convection-allowing configurations of the WRF model for the prediction of severe convective weather:The SPC/NSSL spring program 2004. Wea Forecasting, 21(2): 167–181. DOI:10.1175/WAF906.1 |
| Kain J S, Weiss S J, Bright D R, et al. 2008. Some practical considerations regarding horizontal resolution in the first generation of operational convection-allowing NWP. Wea Forecasting, 23(5): 931–952. DOI:10.1175/WAF2007106.1 |
| Kleist D T, Parrish D F, Derber J C, et al. 2009. Introduction of the GSI into the NCEP global data assimilation system. Wea Forecasting, 24(6): 1691–1705. DOI:10.1175/2009WAF2222201.1 |
| Liang X D. 2007. An integrating velocity-azimuth process single-Doppler radar wind retrieval method. J Atmos Oceanic Technol, 24(4): 658–665. DOI:10.1175/JTECH2047.1 |
| Markowski P M, Richardson Y P. 2010. Mesoscale Meteorology in Midlatitudes. Chichester: Wiley-Blackwell: 245-260. |
| Markowski P M, Richardson Y P. 2014. The influence of environmental low-level shear and cold pools on tornadogenesis:Insights from idealized simulations. J Atmos Sci, 71(1): 243–275. DOI:10.1175/JAS-D-13-0159.1 |
| Mashiko W, Niino H, Kato T. 2009. Numerical simulation of tornadogenesis in an outer-rainband minisupercell of Typhoon Shanshan on 17 September 2006. Mon Wea Rev, 137(12): 4238–4260. DOI:10.1175/2009MWR2959.1 |
| Meng Z Y, Yao D. 2014. Damage survey, radar, and environment analyses on the first-ever documented tornado in Beijing during the heavy rainfall event of 21 July 2012. Wea Forecasting, 29(3): 702–724. DOI:10.1175/WAF-D-13-00052.1 |
| Meng Z Y, Yao D, Bai L Q, et al. 2016. Wind estimation around the shipwreck of Oriental Star based on field damage surveys and radar observations. Sci Bull, 61(4): 330–337. DOI:10.1007/s11434-016-1005-2 |
| National Centers for Environmental Prediction, National Weather Service, NOAA, U.S. Department of Commerce. 2000. NCEP FNL Operational Model Global Tropospheric Analyses, continuing from July 1999. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory, Boulder, CO. https: //doi.org/10.5065/D6M043C6 |
| Oye R, Mueller C, Smith S. 1995. Software for radar translation, visualization, editing and interpolation//Preprints, 27th Conf. on Radar Meteorology, Vail, CO: Amer Meteor Soc, 359-361 |
| Rose S F, Hobbs P V, Locatelli J D, et al. 2004. A 10-yr climatology relating the locations of reported tornadoes to the quadrants of upper-level jet streaks. Wea Forecasting, 19(2): 301–309. DOI:10.1175/1520-0434(2004)019<0301:AYCRTL>2.0.CO;2 |
| Schenkman A D, Xue M, Shapiro A. 2012. Tornadogenesis in a simulated mesovortex within a mesoscale convective system. J Atmos Sci, 69(11): 3372–3390. DOI:10.1175/JAS-D-12-038.1 |
| Schultz D M, Richardson Y P, Markowski P M, et al. 2014. Tornadoes in the central United States and the "Clash of Air Masses". Bull Amer Meteor Soc, 95(11): 1704–1712. DOI:10.1175/BAMS-D-13-00252.1 |
| Schumacher P N, Boustead J M. 2011. Mesocyclone evolution associated with varying shear profiles during the 24 June 2003 Tornado Outbreak. Wea Forecasting, 26(6): 808–827. DOI:10.1175/WAF-D-10-05021.1 |
| Shao H, Derber J, Huang X Y, et al. 2016. Bridging research to operations transitions:Status and plans of community GSI. Bull Amer Meteor Soc, 97(8): 1427–1440. DOI:10.1175/BAMS-D-13-00245.1 |
| Skamarock W C, Klemp J B, Dudhia J, et al. 2008. A description of the advanced research WRF version 3. Boulder, Colorado, USA: National Center for Atmospheric Research |
| Sobash R, Bright D R, Dean A R, et al. 2008. Severe storm forecast guidance based on explicit identification of convective phenomena in WRF-model forecasts//Preprints, 24th Conf. on Severe Local Storms. Savannah, GA: American Meteor Society |
| Thompson G, Rasmussen R M, Manning K. 2004. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part Ⅰ:Description and sensitivity analysis. Mon Wea Rev, 132(2): 519–542. |
| Thompson G, Field P R, Rasmussen R M, et al. 2008. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part Ⅱ:Implementation of a new snow parameterization. Mon Wea Rev, 136(12): 5095–5115. |
| Wang H L, Sun J Z, Fan S Y, et al. 2013. Indirect assimilation of radar reflectivity with WRF 3D-Var and its impact on prediction of four summertime convective events. J Appl Meteor Clim, 52(4): 889–902. DOI:10.1175/JAMC-D-12-0120.1 |
| Xue M, Wang D, Gao J, et al. 2003. The advanced regional prediction system (ARPS), storm-scale numerical weather prediction and data assimilation. Meteor Atmos Phys, 82(1-4): 139–170. DOI:10.1007/s00703-001-0595-6 |
| Xue M, Hu M, Schenkman A D. 2014. Numerical prediction of the 8 May 2003 Oklahoma city tornadic supercell and embedded tornado using ARPS with the assimilation of WSR-88D data. Wea Forecasting, 29(1): 39–62. DOI:10.1175/WAF-D-13-00029.1 |
| Xue M, Zhao K, Wang M J, et al. 2016. Recent significant tornadoes in China. Adv Atmos Sci, 33(11): 1209–1217. DOI:10.1007/s00376-016-6005-2 |
| Yao Y Q, Yu X D, Zhang Y J, et al. 2015. Climate analysis of tornadoes in China. J Meteor Res, 29(3): 359–369. DOI:10.1007/s13351-015-4983-0 |
| Zhu K F, Pan Y J, Xue M, et al. 2013. A regional GSI-based ensemble Kalman filter data assimilation system for the rapid refresh configuration:Testing at reduced resolution. Mon Wea Rev, 141(11): 4118–4139. DOI:10.1175/MWR-D-13-00039.1 |