气象学报  2021, Vol. 79 Issue (5): 769-785 |
 PDF |
半个多世纪以来，数值天气预报（NWP）和气象卫星的发展相辅相成，是气象领域中两项备受瞩目的科学技术成就（薛纪善，2009）。一方面，气象卫星的不断进步，对数值天气预报贡献越来越大；另一方面，随着数值天气预报精度越来越高，数值预报模式也为气象卫星观测系统质量评估、载荷设计和优化布局提供了基础支撑（沈学顺等，2017；Yin，et al，2020），其中观测系统模拟试验（OSSE）就是技术途径之一（Hoffman，et al，2016；Li，et al，2018）。
静止轨道（GEO）卫星具有相对地球基本静止的特点，而被动微波大气探测可穿透云、雨、大气，获取云层内部的热力结构和微物理特性。静止轨道微波观测同时具备高频次、全天候、固定区域连续观测的能力，能够为台风模式提供连续时次的台风三维结构实测数据，将其观测资料同化到数值预报模式中有望改善对复杂多变的台风、流域性降水等强对流天气的预报能力。这是国际上致力于发展静止轨道微波探测（GEO-MW）技术的主要原因。
美国早在1978年就提出了静止轨道微波探测的概念，并于20世纪90年代由NASA（National Aeronautics and Space Administration）启动了静止轨道微波载荷方案研究。为此，美国和欧洲提出了两种辐射探测仪：采用大口径反射面的静止轨道多频段实孔径辐射探测仪（Gasiewski，et al，2003；Bizzarri，et al，2002）和静止轨道综合孔径辐射探测仪（Tanner，et al，2007；Christensen，et al，2007），开展了地面样机研究。中国气象局国家卫星气象中心在1995年规划中国第二代静止轨道气象卫星“风云四号”时，明确提出了对静止轨道微波观测的需求。同欧美国家一样，中国的静止轨道微波载荷也同时发展了两条技术路线：上海航天电子技术研究所基于可展开5 m实孔径天线提出的静止轨道毫米波/亚毫米波探测仪（王彦等，2016）和中国科学院国家空间科学中心基于旋转圆环综合孔径阵列提出的静止轨道双模式毫米波/亚毫米波探测仪（Zhang，et al，2015），并且都研制出了地面样机。
目前全球还没有实际在轨运行的静止轨道微波探测仪，中国发展静止轨道微波探测技术一方面缺乏成熟经验可以借鉴，另一方面也对这种新型观测资料的应用方式和应用效益缺乏理解。在新型大气遥感设备的研究初期，开展基于资料同化和数值预报的观测系统模拟试验（OSSE）可以提供一种定量化的方法来评估未来新型气象观测能力对数值天气预报性能的影响，是解决以上问题的一种有效手段。Guedj等（2014）在2014年开展了观测系统模拟试验研究评估红外探测仪（IRS，Infrared Sounder）对欧洲中尺度数值天气预报的潜在影响。Duruisseau等（2017）在2017年使用法国气象局的中尺度模式和三维变分同化系统开展了静止轨道微波探测仪观测系统模拟试验研究，评估模拟的183.31 GHz观测资料对降水强度预报的影响。Riishojgaard等（2013）从2009年开始开展了针对晨昏轨道气象卫星的观测系统模拟试验，该研究的应用直接推动了采用晨昏轨道的中国“风云三号”E星的立项（张鹏等，2015）。美国的NASA和NCEP（National Centers for Environmental Prediction）也针对多种载荷开展了观测系统模拟试验系统的开发和验证研究，取得良好效果（McCarty，et al，2012；Errico，et al，2013；Boukabara，et al，2016）。而目前中国相关研究开展的仍较少。本研究采用上海航天电子技术研究所提出的5频段（50、118、183、380和425 GHz）静止轨道实孔径毫米波/亚毫米波探测仪方案，基于GRAPES_GFS （Global and Regional Assimilation and PrEdiction System）数值模式和GRAPES全球四维变分同化系统开展静止轨道微波观测系统模拟试验研究，选取2018年第8号台风玛莉亚和第22号台风山竹作为案例，评估静止轨道微波观测的频段选取、观测噪声和时间分辨率对台风数值预报的影响。
2 静止轨道微波观测系统模拟试验方案 2.1 静止轨道微波观测系统模拟试验框架观测系统模拟试验的基本原理是从数值模式计算的历史大气演变自然模拟中根据卫星轨道和载荷指标参数模拟卫星观测资料，然后将其同化到数值预报模式并开展数值预报试验，评估和验证新型卫星观测资料对模式初始场和预报性能的影响（Guedj，et al，2014）。根据使用的Nature Run数据不同，模拟试验分为quick OSSE和full OSSE两类。quick OSSE的Nature Run使用针对某种天气现象的短期预报数据，而full OSSE的Nature Run则是使用足够长的、可以完全背离真实情况的预报数据。本文主要目的是分析同化静止轨道微波观测资料对台风预报的影响，使用短期预报Nature Run数据与台风真实情况更加接近，因此本文采用了quick OSSE方案。
本研究的静止轨道微波观测系统模拟试验采用GRAPES_GFS中尺度数值预报模式和GRAPES全球四维变分同化系统，试验框架如图1所示（Xa、Xb、Xo分别为分析场、背景场、观测场），包括以下4个主要步骤：（1）使用GRAPES_GFS模式产生作为参考“真实大气”的历史大气演变Nature Run；（2）使用快速辐射传输模式RTTOV（Radiative Transfer for TOVS）从Nature Run大气参数计算试验场景大气亮温（TB），然后将其输入GEO-MW观测模型计算观测亮温数据（TA）；（3）使用GRAPES全球四维变分同化系统将观测亮温数据（TA）和背景场一起同化到GRAPES_GFS模式，得到分析场；（4）以背景场和分析场分别作为初始场进行数值预报，将预报结果与Nature Run对比，评估GEO-MW观测资料对数值预报的影响。
|
| 图 1 静止轨道微波观测系统模拟试验框架 Fig. 1 Geostationary orbit microwave observation system simulation experiment framework |
由于可实现性方面的原因，文中模拟试验只实现了对模拟静止轨道微波资料的单独同化分析，目的是分析和理解静止轨道微波观测的频段选取、观测噪声和时间分辨率对台风预报的可能影响。
2.2 历史大气演变（Nature Run）在观测系统模拟试验中，参考“真实”大气演变（Nature Run）既是模拟观测数据的输入大气参数，也是用于验证同化效果的参考真值。文中静止轨道微波观测系统模拟试验采用中国GRAPES_GFS和美国NCEP的再分析资料来产生高时、空分辨率的全球预报场作为历史大气演变。
GRAPES全球/区域同化预报模式是中国气象局数值天气预报中心在充分吸收中外数值天气预报与相关学科的最新科研成果基础上，自主设计研发的数值预报模式，全球模式为GRAPES_GFS，自2009年GRAPES_GFS实现准业务运行后，经过同化系统和模式的不断完善，2016年建立了GRAPES_GFS2.0预报模式（王金成等，2017），本研究采用的版本是2.1.2.2。
2.3 GRAPES全球四维变分同化系统四维变分是三维变分在时间维度上的扩展（Gauthier，et al，2007）。三维变分忽略时间窗口内观测资料的时间分布，将一个时间窗口内的观测资料以加权形式集中在分析时刻，而四维变分是在此基础上加上了时间维度，并且四维变分通过模式积分可以得到隐式的依赖于实际大气变化的背景误差协方差矩阵，观测资料信息在空间和变量间的传递更为合理，增强了分析结果与预报模式的协调性（尹若莹等，2019；Lorenc，et al，2005；Fan，et al，2019）。本文采用GRAPES四维变分同化系统，既能够发挥GEO-MW观测资料连续性、高时间频次的优势，又能为将来资料的业务应用积累经验。
2.4 质量控制和偏差订正静止轨道微波观测系统模拟试验需要在GRAPES四维变分同化系统里增加新的GEO-MW仪器定义以及GEO-MW观测亮温数据处理接口，包括偏差订正和质量控制，使系统能够同化自定义的静止轨道微波资料。
卫星亮温数据同化之前必须针对OMB（Observation Minus Background）进行偏差订正预处理。GRAPES四维变分采用有约束偏差订正方案（Han，2014；Han，et al，2016）。本试验对静止轨道微波资料的偏差订正方案是在现有的扫描角偏差订正方案基础上简化实现的，各通道的偏差订正系数可表示为
| ${\rm {bias}}={\rm{OBS}}-H\left( {{x}_{\rm b}} \right)$ | (1) |
式中，OBS为观测亮温，
偏差订正前对观测资料进行质量控制，减小天气条件、下垫面、地理位置变化等因素带来的观测资料误差，使参与同化的观测数据更为合理。GRAPES四维变分对卫星微波观测数据有成熟的质量控制方案，其中主要包括地表类型检测、极值检测、云检测、临边检测、云和降水检测等。然而对于观测系统模拟试验，观测亮温数据是基于辐射传输模型计算产生，受外部天气情况影响较小，因此静止轨道微波资料的质量控制方案简化为将OMB绝对值偏差较大（＞±1 K）的观测亮温数据剔除。
3 静止轨道微波观测资料模拟 3.1 生成Nature Run文中以NCEP的FNL再分析资料作为初始场和边界条件，根据试验案例的台风时间范围使用GRAPES_GFS全球模式开展长期预报，输出指定时间频次和空间分辨率的预报场作为Nature Run。表1列出了2个试验（2018年第8号台风玛莉亚和第22号台风山竹）中的台风时间范围和空间区域。
| 个例 | 玛莉亚 | 山竹 |
| 时间 | 2018年7月7日06时—10日06时 | 2018年9月9日06时—12日06时 |
| 区域中心经纬度 | 27.5°N，132.5°E | 17.5°N，132.5°E |
| 经度范围 | 120°—145°E | 120°—145°E |
| 纬度范围 | 15°—40°N | 5°—30°N |
| 分辨率 | 28 km×28 km | 28 km×28 km |
从大气物理场到微波载荷观测的大气辐射场映射的核心是基于微波辐射吸收、散射理论建立辐射场强度与大气物理量参数的辐射传输方程并对其进行求解，即辐射传输模式。在GRAPES四维变分同化系统中使用的是RTTOV辐射传输模式，本模拟试验也使用RTTOV模式来计算场景大气亮温（TB），这样可以避免同化中的辐射传输模型误差。大气吸收计算采用ROS吸收模型（Rosenkranz，1998），基准廓线采用与RTTOV相同的54层基准廓线，训练廓线采用101层廓线集（52根廓线），预报因子采用与RTTOV一致的预报因子，采用加权最小二乘法，拟合逐层光学厚度与预报因子的计算系数，从而生成静止轨道微波探测仪42个频率通道的系数文件，实现基于RTTOV的静止轨道微波观测算子。
模拟亮温频点选择与上海航天电子技术研究所研制的5频段（50、118、183、380和425 GHz）42频率通道的静止轨道实孔径毫米波/亚毫米波探测仪地面样机频点保持一致（谢振超等，2018a），中心频率如表2所示。其中50、118和425 GHz是氧气吸收频段，主要用于大气温度廓线探测，183和380 GHz是水汽吸收频段，主要获取大气湿度信息。由于GRAPES_GFS模式输出参数的网格最小为28 km，低于模拟静止轨道微波观测资料在高频通道的分辨率，因此在正演亮温时，对GRAPES_GFS模式数据进行了插值预处理，将大气参数插值到10 km网格上，产生高分辨率的场景大气亮温（TB）。
| 通道 | 中心频率
（GHz） |
带宽（MHz） | 噪声系数（dB） | 分辨率（km） | 灵敏度（K） | 通道 | 中心频率（GHz） | 带宽（MHz） | 噪声系数（dB） | 分辨率（km） | 灵敏度（K） | |
| 1 | 50.3 | 180 | 5 | 54 | 0.33 | 22 | 118.75±5.0 | 2×2000 | 8 | 48 | 0.14 | |
| 2 | 51.76 | 400 | 5 | 53 | 0.22 | 23 | 165.5 | 3000 | 8 | 34 | 0.16 | |
| 3 | 52.8 | 400 | 5 | 52 | 0.22 | 24 | 183.31±7 | 2×2000 | 9 | 30 | 0.18 | |
| 4 | 53.596 | 400 | 5 | 51 | 0.22 | 25 | 183.31±4.5 | 2×2000 | 9 | 30 | 0.18 | |
| 5 | 54.40 | 400 | 5 | 50 | 0.22 | 26 | 183.31±3 | 2×1000 | 9 | 30 | 0.25 | |
| 6 | 54.94 | 400 | 5 | 50 | 0.22 | 27 | 183.31±1.8 | 2×1000 | 9 | 30 | 0.25 | |
| 7 | 55.50 | 330 | 5 | 49 | 0.24 | 28 | 183.31±1 | 2×500 | 9 | 30 | 0.36 | |
| 8 | 57.290344（fo） | 330 | 5 | 48 | 0.24 | 29 | 380.197±18.0 | 2×1000 | 9 | 15 | 0.25 | |
| 9 | fo±0.217 | 2×78 | 5 | 48 | 0.35 | 30 | 380.197±9.0 | 2×2000 | 11 | 15 | 0.29 | |
| 10 | fo±0.322±0.048 | 4×36 | 5 | 48 | 0.35 | 31 | 380.197±4.0 | 2×2000 | 11 | 15 | 0.29 | |
| 11 | fo±0.322±0.022 | 4×16 | 5 | 48 | 0.55 | 32 | 380.197±1.5 | 2×900 | 11 | 15 | 0.43 | |
| 12 | fo±0.322±0.010 | 4×8 | 5 | 48 | 0.78 | 33 | 380.197±0.4 | 2×500 | 11 | 15 | 0.57 | |
| 13 | fo±0.322±0.0045 | 4×3 | 5 | 48 | 1.27 | 34 | 380.197±0.045 | 2×200 | 11 | 15 | 0.90 | |
| 14 | 88.2 | 2000 | 7 | 31 | 0.16 | 35 | 424.763±4.0 | 2×1000 | 11 | 13 | 0.40 | |
| 15 | 118.75±0.08 | 2×20 | 8 | 48 | 1.41 | 36 | 424.763±1.5 | 2×600 | 11 | 13 | 0.52 | |
| 16 | 118.75±0.2 | 2×100 | 8 | 48 | 0.63 | 37 | 424.763±1.0 | 2×400 | 11 | 13 | 0.64 | |
| 17 | 118.75±0.3 | 2×165 | 8 | 48 | 0.49 | 38 | 424.763±0.6 | 2×200 | 11 | 13 | 0.90 | |
| 18 | 118.75±0.8 | 2×2000 | 8 | 48 | 0.14 | 39 | 424.763±0.3 | 2×100 | 11 | 13 | 1.28 | |
| 19 | 118.75±1.1 | 2×200 | 8 | 48 | 0.48 | 40 | 424.763±0.15 | 2×60 | 11 | 13 | 1.65 | |
| 20 | 118.75±2.5 | 2×200 | 8 | 48 | 0.48 | 41 | 424.763±0.07 | 2×20 | 11 | 13 | 2.85 | |
| 21 | 118.75±3.0 | 2×1000 | 8 | 48 | 0.20 | 42 | 424.763±0.03 | 2×10 | 11 | 13 | 4.04 |
本研究的GEO-MW观测模型主要使用观测坐标系变换、载荷天线方向图卷积和添加系统噪声来模拟GEO-MW微波亮温测量过程，准确反映未来实际观测资料的特征。
实孔径微波辐射计主要由天线和接收机构成。实孔径辐射计通过天线波束对观测场景二维扫描实现测量，其数学模型可表示为辐射计天线方向图对场景大气亮温（TB）的二维卷积（Limaye，et al，2006）加上系统高斯热噪声（式（2）），
| ${{{T}}_{\rm A}}={{{T}}_{\rm B}}\left( \theta ,\varphi \right)\otimes {{{F}}_{n}}\left( \theta ,\varphi \right)+n$ | (2) |
式中，Fn为各个频率通道的归一化天线图，n为辐射计的系统噪声，
| ${{{F}}_{n}}\left( \theta ,\varphi \right)=2{{J}_{1}}\left( \frac{{\text π} D}{\lambda }\sin\theta \right)\Big/\left( \frac{{\text π} D}{\lambda }\sin\theta \right)$ | (3) |
式中，D为天线口径，
星载微波辐射计的物理空间分辨率由天线方向图的3 dB波束宽度决定，图2展示了文中试验仿真的静止轨道微波载荷在4个频率通道（50.3、118.75±0.8、183.31±3.0和424.763±1.5 GHz）的E面天线方向，其3 dB波束宽度分别为0.07°、0.06°、0.04°、0.017°，与表2中的载荷空间分辨率数据一致。系统噪声（n）根据天线输入噪声温度（TANT）、接收机噪声温度（TREC）、接收机带宽（B）和积分时间（
|
| 图 2 静止轨道微波辐射计的模拟天线方向图E面截面 （a. 50.3 GHz，b. 118.75±0.8 GHz，c. 183.31±3.0 GHz，d. 424.763±1.5 GHz） Fig. 2 Simulated E-plane antenna patterns of GEO microwave radiometry （a. 50.3 GHz，b. 118.75±0.8 GHz，c. 183.31±3.0 GHz，d. 424.763±1.5 GHz） |
| $n=\left( {{{T}}_{\rm{ANT}}}+{{{T}}_{\rm{REC}}} \right)/\sqrt{B\tau }$ | (4) |
接收机噪声温度（TREC）由接收机噪声系数（NF）计算得到。接收机带宽（B）由各个频率通道的频谱响应函数（SFR）决定，仿真中SFR简化为理想矩形函数，则B直接由系统带宽给定。从式（2）可以看出，在静止轨道微波载荷观测过程中，一方面天线方向图有限的波束宽度和波束旁瓣会引入观测误差，一方面系统随机噪声也会造成亮温数据信噪比的下降，因此观测亮温（TA）相对于场景亮温（TB）产生了数据质量的退化，在忽略定标精度的情况下，退化程度主要由天线方向图和系统噪声决定。
静止轨道微波载荷观测仿真的具体实现流程如下：（1）根据卫星轨道参数、载荷观测角度和场景经纬度坐标确定观测几何，将大气场景亮温（TB）的格点从地球坐标系转换到天线坐标系；（2）根据频率通道及天线参数，计算载荷天线方向图；（3）由步骤（1）转换的坐标和步骤（2）计算得出的天线方向图，对各频率通道的大气场景亮温（TB）进行卷积运算得到无噪声的观测天线亮温；（4）根据辐射计载荷参数（噪声系数、带宽、积分时间）计算各个频率通道的接收机噪声，加入步骤（3）得到的天线亮温，计算得到模拟观测亮温（TA）。
由于目前还没有实际的静止轨道微波观测数据，为了验证文中观测仿真模型的有效性，将以上观测模型的参数进行调整，针对美国Suomi NPP极轨气象卫星搭载的ATMS （Advanced Technology Microwave Sounder）微波探测仪的观测几何和载荷参数进行仿真，用相同流程模拟ATMS亮温数据并与对应实际观测亮温数据进行对比。图3a、b展示了2016年7月7日04时45分（世界时）ATMS对2016年台风尼伯特的实际观测亮温和模拟亮温，频率分别为55.50 GHz（图3a）和183.31±3 GHz（图3b）（ATMS最高频段为183 GHz），对应了表2中的通道7和26。可以看出模拟亮温和ATMS实际观测亮温一致性较好，能够准确反映2个频率通道的亮温特征，但是对台风区域的散射计算偏小，模拟亮温比ATMS实际观测亮温略微偏高。总体来说，通过图3展示的55.5 GHz和183.31±3 GHz模拟亮温与极轨卫星实际观测亮温的对比结果，表明本试验采用的静止轨道微波载荷观测仿真模型是可靠的。
|
| 图 3 ATMS观测亮温 （a1、b1） 与模拟亮温 （a2、b2） 对比 （a. 55.50 GHz，b. 183.31±3 GHz；单位：K） Fig. 3 Comparison of ATMS observed （a1，b1） and simulated （a2，b2） brightness temperature （a. 55.50 GHz，183.31±3.0 GHz；unit：K） |
本试验使用上海航天电子技术研究所为静止轨道微波探测研发的实孔径毫米波/亚毫米波大气探测辐射计方案（谢振超等，2018a，2018b），该方案特点之一是采用了可展开的大口径天线，在最低的大气探测频段（50 GHz）使用展开的完整5 m口径天线，在89 GHz以上频段使用天线口面中心部分固定的2.4 m口径天线（因为天线展开部分表面精度低，用于高频段会引入较大误差）。特点之二是观测频段非常完整，包括了国家卫星气象中心目前为静止轨道微波观测规划的5个频段42个通道。
根据以上方案，50 GHz频段的1—14频率通道仿真，天线口径设置为5 m，更高频段的15—42频率通道仿真，天线口径设置为2.4 m，积分时间统一设置为40 ms。
将3.3节得到的大气场景亮温（TB）输入静止轨道微波载荷观测模型进行计算，即可得到模拟的观测亮温（TA）。台风玛利亚（2018年7月7日03时，世界时）的部分频率通道的模拟静止轨道观测亮温如图4所示。
|
| 图 4 静止轨道模拟观测亮温 （a. 50.3 GHz，b. 183.31±3.0 GHz，c. 380.197±4.0 GHz，d. 424.763±1.0 GHz；单位：K） Fig. 4 GEO simulated observation brightness temperature （a. 50.3 GHz，b. 183.31±3.0 GHz，c. 380.197±4.0 GHz，d. 424.763±1.0 GHz；unit：K） |
选择2018年第8号台风玛莉亚和第22号台风山竹两个试验案例。台风玛莉亚于2018年7月11日09时10分（北京时）在福建连江黄岐半岛登陆，是2018年登陆华东地区的第一个超强台风，中心附近最大风力14级（42 m/s），中心最低气压960 hPa。台风山竹于2018年9月16日17时（北京时）以强台风级在广东江门沿海地区登陆，是2018年登陆中国的最强台风。试验分别选择台风玛莉亚2018年7月7日06时（世界时，下同）和山竹2018年9月10日06时起为期3 d的台风预报路径、中心气压为分析指标，以Nature Run作为参考真值，研究静止轨道微波观测资料对台风数值预报的影响，同化试验参数设置见表3。
| 台风场景 | 玛莉亚 | 山竹 |
| 预报时间 | 7月7日06时—
10日06时 |
9月11日06时—
14日06时 |
| 网格大小 | 28 km | |
| 网格数 | 1440×720 | |
| 垂直分层 | 17 | |
| 顶层气压 | 10 hPa | |
| 初始场 | NCEP的FNL再分析资料 | |
| 同化时间窗口长度 | 6 h | |
| 辐射传输模式 | RTTOV _DIRECT（晴空辐射模块） | |
| 观测误差矩阵系数 | 1.25 | |
| 观测资料时间间隔 | 1 h | |
图5以台风玛莉亚为例展示了四维变分同化试验时序。观测系统模拟试验以2018年7月5日00时的FNL再分析资料为初值，预报得到7月5日00时—12日00时的大气数据作为“真实大气”Nature Run，模拟的静止轨道微波观测亮温以Nature Run数据为输入。同化时刻为7月7日06时，GRAPES四维变分使用7月7日00时的FNL再分析资料为初值，将6 h短期预报场作为背景场，同化模拟亮温资料得到分析场。为了定量评估同化静止轨道亮温资料对GRAPES_GFS模式初值的改善在台风预报应用中的效果，文中将对照试验（Ctrl）、同化试验与Nature Run数据进行对比分析。对照试验以背景场为初值开展72 h预报，得到7月7日6时—10日06时台风参数；同化试验以分析场为初值开展72 h预报，得到相同时间范围的台风参数；而参考真实值则使用Nature Run在该时段内的台风参数。
|
| 图 5 台风玛莉亚同化试验时序 Fig. 5 Assimilation experiment sequence diagram of typhoon Maria |
试验首先对比同化不同频段的静止轨道亮温资料对台风预报的影响，试验频段的频率通道见表4。分别使用两种模拟亮温数据：试验案例的大气场景亮温（TB）和静止轨道微波载荷观测亮温（TA）。TB的物理意义是大气场景的理想真实亮温，而TA则是包含测量误差后质量下降的观测亮温。试验对TB和TA分别进行同化，评估观测误差对同化效果的影响。
| 频段（GHz） | 同化频率（GHz） |
| 50—60 | 52.8、53.596、54.40、54.94、55.50、57.290344、57.290344±0.217 |
| 118 | 118.75±0.08、118.75±0.2、118.75±0.3、118.75±0.8、118.75±1.1 |
| 183 | 183.31±7、183.31±4.5、183.31±3 |
| 380 | 380.197±0.4、380.197±0.045 |
| 425 | 424.763±1.5、424.763±1.0、424.763±0.6、424.763±0.3、424.763±0.3、 424.763±0.15、424.763±0.07、424.763±0.03 |
图6展示了50—60、118、425 GHz三个大气温度探测频段的试验结果。极轨卫星微波资料同化的结果表明，温度探测频段微波资料同化后能够改善台风路径预报准确度，因此图6主要展示了同化之后的台风路径预报结果。图6a1—d1分别是同化50、118、425 GHz以及全部3个频段亮温资料得到的台风玛莉亚路径，图6a2—d2是上述频段以Nature Run为真值计算的台风中心路径偏差。图7展示了对照试验、3个频段及其组合的TB和TA亮温资料同化试验的台风玛莉亚和山竹的54 h路径预报平均误差。
|
| 图 6 不同大气温度探测频段同化试验的台风预报路径 （a1—d1） 和路径偏差 （a2—d2）（a. 50 GHz，b. 118 GHz，c. 425 GHz，d. 3个频段组合） Fig. 6 Experiment results of various atmospheric temperature sounding frequency bands （a1—d1 represent the typhoon track forecasts with assimilations of 50，118，425 GHz and all，respectively；a2—d2 are the corresponding track deviations） |
|
| 图 6 Fig. 6 Continued |
|
| 图 7 不同大气温度探测频段同化试验的平均路径偏差 （a. 玛莉亚，b. 山竹） Fig. 7 Average track deviations of assimilation experiments of various atmospheric temperature sounding bands （a. Maria，b. Mangkhut） |
从台风玛莉亚和山竹的试验结果可以看出，单独同化大气温度探测频段的50—60、118和425 GHz静止轨道微波观测亮温（TA）都能提高数值预报台风路径的准确度，相比对照试验，台风预报路径54 h平均准确度分别提高了16.1%、14.5%、12.5%。而同化理想场景亮温（TB）能使54 h路径预报的平均准确度分别提高22.1%、17.9%、20%。由此可见，TA的测量误差会略微引起同化性能的下降，与理论预测一致。同时同化3个频段的亮温资料，TB和TA对两个台风案例的预报路径54 h平均准确度分别提高了32.5%和25.5%，比同化任意单一频段亮温资料的效果更好。不同频段及其组合的对比试验结果表明，在静止轨道微波载荷上实现多个频段观测能够提供更多的信息，经过资料同化后比单一频段亮温数据对数值预报的贡献更大，但是目前的同化试验对于更长时间的台风预报模拟还存在一些不确定性，有待进一步分析研究。
图8是183 GHz和380 GHz两个大气湿度探测频段的试验结果。目前极轨卫星微波资料同化的结果表明，湿度探测频段微波资料同化后能够改进水汽场（Andersson，et al，2007），进而影响台风强度预报。因此，文中主要分析同化之后的台风强度预报结果，用台风区域海平面最低气压表示，气压越低台风强度越大。图8a1是183 GHz频段亮温资料同化试验得到的台风玛莉亚路径，图8a2是预报的台风海平面最低气压偏差。图8b1、b2是380 GHz频段台风山竹路径和最低气压偏差。图8c1、c2是上述两个频段亮温同时同化后的台风山竹路径和最低气压偏差。图9展示了对照试验、两个频段及其组合的TB和TA亮温资料同化试验的台风玛莉亚和山竹的72 h海平面最低气压预报平均误差。
|
| 图 8 不同大气湿度探测频段同化试验的台风预报路径 （a1—c1） 和气压偏差 （a2—c2）（a. 183 GHz，b. 380 GHz，c. 2个频段组合） Fig. 8 Experiment results of various atmospheric humidity sounding frequency bands （a1—c1 represent the typhoon track forecasts with assimilations of 183，380 GHz and all，respectively；a2—c2 are the corresponding pressure deviations） |
|
| 图 9 不同大气湿度探测频段同化试验的平均气压偏差 （a. 玛莉亚，b. 山竹） Fig. 9 Average pressure deviations of assimilation experiments of various atmospheric humidity sounding bands （a. Maria，b. Mangkhut） |
从图9可以看出，单独同化大气湿度探测频段的183 GHz和380 GHz静止轨道微波观测亮温（TA）对台风玛莉亚和山竹的强度预报提升并不明显。相比对照试验，台风预报强度72 h平均准确度分别只提高了0.2%和0.5%。而同化理想场景亮温（TB）后台风强度预报也只分别提高了2.7%和4.6%。同时同化这两个频段的TA和TB对两个台风的预报强度72 h平均准确度分别提高了10.5%和8.2%，说明多频段观测亮温能一定程度上改进台风强度预报结果。图8a1—c1也表明同化183 GHz和380 GHz两个频段的亮温数据对台风路径预报几乎没有影响。
4.3 不同噪声观测资料的对比试验为了评估静止轨道微波观测亮温数据中的噪声强度对资料同化和台风路径预报的影响，在表2中的标准噪声系数基础上分别乘以倍数因子0.5、1.0、1.5和2.0，模拟具有不同噪声强度的静止轨道微波观测亮温，分别开展同化-预报试验。试验同时同化大气温度探测的50—60、118和425 GHz三个频段的亮温资料。图10a是不同噪声亮温同化-预报试验得到台风玛莉亚路径，图10b是对应的台风中心路径偏差，图10c、d是台风山竹的试验结果。图11显示了所有噪声倍数因子的TA亮温资料对两个台风的72 h路径预报平均误差。
|
| 图 10 不同噪声观测资料对台风玛莉亚 （a、b） 和山竹 （c、d） 的试验结果 （a、c. 台风预报路径，b、d. 路径偏差） Fig. 10 Experiment results of the observation data with various noise levels （a，c. typhoon forecast tracks，b，d. corresponding track deviations） |
|
| 图 11 不同噪声观测资料同化试验的平均路径偏差 Fig. 11 Average track deviations of assimilation experiments of the observation data with various noise levels |
结果表明，随着亮温数据的噪声电平增加，同化静止轨道微波资料对台风预报的正效应逐渐下降。相比对照试验，噪声倍数因子分别为0.5、1.0、1.5、2.0的台风预报路径72 h平均准确度分别提高18.9%、19.7%、14.5%和12.1%，表明降低静止轨道微波辐射计系统噪声有利于提升资料同化对台风预报的贡献。
4.4 不同时间频次观测资料的对比试验相比极轨微波观测，静止轨道微波观测最重要的特点就是能够实现对同一区域的高时间频次观测。为了验证高频次微波观测资料同化对数值预报的改善，评估观测资料时间频次对台风预报的影响，开展了1、2、3、6 h时间频次的观测系统模拟试验。GRAPES四维变分同化时间窗口长度为6 h，因此以上4个时间频次进入同化系统的观测资料数量分别为7、4、3、2，其他试验参数保持一致。试验同时同化大气温度探测的50—60、118和425 GHz 三个频段的亮温资料。图12a是不同时间频次亮温同化-预报试验得到台风玛莉亚路径，图12b为对应的台风中心路径偏差，图12c、d是台风山竹的试验结果。图13展示了所有时间频次的TB和TA亮温资料对两个台风案例的72 h路径预报平均误差。
|
| 图 12 不同时间间隔观测资料对台风玛莉亚 （a、b） 和山竹 （c、d） 的试验结果 （a、c. 台风预报路径，b、d. 路径偏差） Fig. 12 Experiment results of the observation data with various time intervals （a，c. typhoon forecast tracks，b，d. corresponding track deviations） |
|
| 图 13 不同时间间隔观测资料同化试验的平均路径偏差统计 （a. 玛莉亚，b. 山竹） Fig. 13 Average track deviations of assimilation experiments of observation data with various time intervals （a. Maria，b. Mangkhut） |
从试验结果可以看出，静止轨道观测资料的时间频次越高，资料同化对台风预报的改善作用越明显。同化1、2、3、6 h间隔的观测亮温（TA），台风路径72 h预报平均误差依次降低42、35、11、24 km，准确度相对提高19.7%、18.5%、6.5%、11.0%。对理想场景亮温（TB），同化后的72 h预报平均误差分别降低52、40、41、36 km，准确度相对提高23.7%、18.5%、19.0%、16.8%。表明高频次的静止轨道微波观测资料能有效地改善台风路径预报性能，并且正效应随着资料时间频次增加而增加，验证了发展静止轨道微波观测的重要性。
5 结论与讨论本研究以2018年第8号台风玛莉亚和第22号台风山竹为例，使用实孔径毫米波/亚毫米波辐射计观测模型、GRAPES_GFS数值预报模式和GRAPES全球四维变分同化系统实现了静止轨道微波观测系统模拟试验。试验分析了静止轨道微波观测资料的频段（50—60、118、425、183、380 GHz）选取、观测噪声和时间分辨率等因素对台风数值预报的影响，主要结论如下：
（1）对于温度探测频段，同时同化50—60、118、425 GHz 三个频段亮温资料比同化任意单一频段资料对台风路径预报的改善效果更好；在湿度频段，同时同化183 GHz和380 GHz也比同化单一频段对台风强度预报的改善更明显。表明发展多频段的静止轨道微波载荷能够取得更好的应用效益。
（2）降低静止轨道微波载荷的噪声水平能够提升资料同化对台风路径预报的改善效果，与对照试验相比，设置噪声倍数因子分别为1.0、1.5和2.0时，台风预报路径72 h平均准确度分别提高19.7%、14.5%和12.1%。
（3）随着静止轨道微波观测时间分辨率的提高，增加四维变分同化频次，台风路径预报精度也随之提高。试验结果验证了微波观测资料的时间分辨率增加能够较为明显提升资料同化对台风路径数值预报的性能，表明发展高时间分辨率的静止轨道微波观测技术对于提升灾害天气预报有重要意义。
文中基于GRAPES 全球四维变分同化系统实现的静止轨道微波观测系统模拟试验既能够为中国发展静止轨道微波大气探测载荷提供论证依据和技术支撑，也能为中国未来静止轨道微波观测资料在资料同化和数值预报中的应用摸索经验。
沈学顺, 苏勇, 胡江林等. 2017. GRAPES_GFS全球中期预报系统的研发和业务化. 应用气象学报, 28(1): 1-10. Shen X S, Su Y, Hu J L, et al. 2017. Development and operation transformation of GRAPES global middle-range forecast system. J Appl Meteor Sci, 28(1): 1-10. DOI:10.11898/1001-7313.20170101 (in Chinese) |
王金成, 陆慧娟, 韩威等. 2017. GRAPES全球三维变分同化业务系统性能. 应用气象学报, 28(1): 11-24. Wang J C, Lu H J, Han W, et al. 2017. Improvements and performances of the operational GRAPES_GFS 3DVar system. J Appl Meteor Sci, 28(1): 11-24. DOI:10.11898/1001-7313.20170102 (in Chinese) |
王彦, 康奥峰, 曹韫真等. 2016. 静止轨道实孔径微波天线主反热控方案研究. 上海航天, 33(5): 107-113. Wang Y, Kang A F, Cao Y Z, et al. 2016. Research of real aperture microwave antenna main reflector thermal control measures on geostationary earth orbit. Aerosp Shanghai, 33(5): 107-113. (in Chinese) |
谢振超, 李秀伟, 姚崇斌等. 2018a. 地球静止轨道微波辐射计技术. 上海航天, 35(2): 20-28. Xie Z C, Li X W, Yao C B, et al. 2018a. Research on geostationary orbit microwave radiometer technology. Aerosp Shanghai, 35(2): 20-28. (in Chinese) |
谢振超, 徐红新, 安大伟等. 2018b. 微波辐射计静止轨道遥感试验技术. 上海航天, 35(2): 49-59. Xie Z C, Xu H X, An D W, et al. 2018b. Remote sensing technology of experimental microwave radiometer in geostationary orbit. Aerosp Shanghai, 35(2): 49-59. (in Chinese) |
薛纪善. 2009. 气象卫星资料同化的科学问题与前景. 气象学报, 67(6): 903-911. Xue J S. 2009. Scientific issues and perspective of assimilation of meteorological satellite data. Acta Meteor Sinica, 67(6): 903-911. (in Chinese) |
尹若莹, 韩威, 高志球等. 2019. 基于FY-4A卫星探测区域模式背景误差和观测误差估计的长波红外通道选择研究. 气象学报, 77(5): 898-910. Yin R Y, Han W, Gao Z Q, et al. 2019. A study on longwave infrared channel selection based on estimates of background errors and observation errors in the detection area of FY-4A. Acta Meteor Sinica, 77(5): 898-910. (in Chinese) |
张鹏, 杨磊, 谷松岩等. 2015. 晨昏轨道卫星的气象应用需求分析. 气象科技进展, 5(2): 6-12. Zhang P, Yang L, Gu S Y, et al. 2015. Meteorological requirements for the early-morning-orbit satellite. Adv Meteor Sci Technol, 5(2): 6-12. (in Chinese) |
Andersson E, Holm E, Bauer P, et al. 2007. Analysis and forecast impact of the main humidity observing systems. Quart J Roy Meteor Soc, 133(627): 1473-1485. |
Bizzarri B, Gasiewski A, Staelin D. 2002. Initiatives for millimetre/submillimetre-wave sounding from geostationary orbit∥Proceedings of the IEEE International Geoscience and Remote Sensing Symposium. Toronto, Canada: IEEE, 548-552
|
Boukabara S A, Moradi I, Atlas R, et al. 2016. Community global observing system simulation experiment （OSSE） package （CGOP）: Description and usage. J Atmos Ocean Technol, 33(8): 1759-1777. DOI:10.1175/JTECH-D-16-0012.1 |
Christensen J, Carlstrom A, Ekstrom H, et al. 2007. GAS: The geostationary atmospheric sounder∥Proceedings of 2007 IEEE International Geoscience and Remote Sensing Symposium. Barcelona, Spain: IEEE, 223-226
|
Duruisseau F, Chambon P, Guedj S, et al. 2017. Investigating the potential benefit to a mesoscale NWP model of a microwave sounder on board a geostationary satellite. Quart J Roy Meteor Soc, 143(706): 2104-2115. DOI:10.1002/qj.3070 |
Errico R M, Yang R H, Privé N C, et al. 2013. Development and validation of observing-system simulation experiments at NASA's Global Modeling and Assimilation Office. Quart J Roy Meteor Soc, 139(674): 1162-1178. DOI:10.1002/qj.2027 |
Fan S H, Han W, Gao Z Q, et al. 2019. Denoising algorithm for the FY-4A GIIRS based on principal component Analysis. Remote Sens, 11(22): 2710. DOI:10.3390/rs11222710 |
Gasiewski A J, Voronovich A, Weber B L, et al. 2003. Geosynchronous microwave （GEM）sounder/imager observation system simulation∥Proceedings of 2003 IEEE International Geoscience and Remote Sensing Symposium. Toulouse, France: IEEE, 1209-1211
|
Gauthier P, Tanguay M, Laroche S, et al. 2007. Extension of 3DVAR to 4DVAR: Implementation of 4DVAR at the meteorological service of Canada. Mon Wea Rev, 135(6): 2339-2354. DOI:10.1175/MWR3394.1 |
Guedj S, Guidard V, Ménétrier B, et al. 2014. Future benefits of high-density radiance data from MTG-IRS in the AROME fine-scale forecast model Final Report. https://hal-meteofrance.archives-ouvertes.fr/meteo-0113 3380, retrieved on 21 July, 2021
|
Han W. 2014. Constrained variational bias correction for satellite radiance assimilation∥Proceedings of the 19th International TOVS Study Conference. Jeju Island, South Korea: ITWG. http://library.ssec.wisc.edu/research_Resources/publications/pdfs/ITSC19/han04_ITSC19_2014.pdf, retrieved on 21 July, 2021）
|
Han W, Bormann N. 2016. Constrained adaptive bias correction for satellite radiance assimilation in the ECMWF 4D-Var system. Shinfield Park, Reading: ECMWF Technical Memorandum, 783
|
Hoffman R N, Atlas R. 2016. Future observing system simulation experiments. Bull Amer Meteor Soc, 97(9): 1601-1616. DOI:10.1175/BAMS-D-15-00200.1 |
Li Z L, Li J, Wang P, et al. 2018. Value-added impact of geostationary hyperspectral infrared sounders on local severe storm forecasts—Via a quick regional OSSE. Adv Atmos Sci, 35(10): 1217-1230. DOI:10.1007/s00376-018-8036-3 |
Limaye A S, Crosson W L, Laymon C A. 2006. Estimating accuracy in optimal deconvolution of synthetic AMSR-E observations. Remote Sens Environ, 100(1): 133-142. DOI:10.1016/j.rse.2005.10.008 |
Lorenc A C, Rawlins F. 2005. Why does 4D-Var beat 3D-Var?. Quart J Roy Meteor Soc, 131(613): 3247-3257. DOI:10.1256/qj.05.85 |
McCarty W, Errico R M, Gelaro R. 2012. Cloud coverage in the joint OSSE nature run. Mon Wea Rev, 140(6): 1863-1871. DOI:10.1175/MWR-D-11-00131.1 |
Riishojgaard L P, Casey S P F, Masutani M, et al. 2013. Observing system simulation experiments for an early-morning-orbit meteorological satellite in the joint center for satellite data assimilation∥Joint EUMETSAT/AMS Meteorological Satellite Conference. Vienna, Austria: EUMETSAT
|
Rosenkranz P W. 1998. Water vapor microwave continuum absorption: A comparison of measurements and models. Radio Sci, 33(4): 919-928. DOI:10.1029/98RS01182 |
Tanner A B, Wilson W J, Lambrigsten B H, et al. 2007. Initial results of the geostationary synthetic thinned array radiometer （GeoSTAR） demon-strator instrument. IEEE Trans Geosci Remote Sens, 45(7): 1947-1957. DOI:10.1109/TGRS.2007.894060 |
Yin R Y, Han W, Gao Z Q, et al. 2020. The evaluation of FY4A's Geostationary Interferometric Infrared Sounder （GIIRS） long-wave temperature sounding channels using the GRAPES global 4D-Var. Quart J Roy Meteor Soc, 146(728): 1459-1476. DOI:10.1002/qj.3746 |
Zhang C, Liu H, Wu J, et al. 2015. Imaging analysis and first results of the geostationary interferometric microwave sounder demonstrator. IEEE Trans Geosci Remote Sens, 53(1): 207-218. DOI:10.1109/TGRS.2014.2320983 |
表1(Table 1)
