出版日期: 2017-09-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20176268
2017 | Volumn21 | Number 5
上一篇 | 下一篇

国产卫星

FY-3C积雪产品在同化中对微波资料质量控制的影响分析

马新园¹ , 马刚^2,3 , 王云峰¹ , 郭杨^2,3 , 黄静⁴ , 佟华⁴ , 钟波¹

1. 解放军理工大学，南京 211101

2. 国家卫星气象中心，北京 100081

3. 中国遥感卫星辐射测量和定标重点开放实验室，北京 100081

4. 中国气象局数值预报中心，北京 100081

收稿日期: 2016-07-26; 优先数字出版日期: 2017-09-01

基金项目: 国家自然科学基金(编号：41375106)；公益性行业(气象)科研专项(编号：GYHY201506002，GYHY201506022)

第一作者简介: 马新园(1989—　)，男，硕士研究生，研究方向为数值天气预报与卫星资料同化。E-mail：mxy1027257501@163.com

通讯作者简介: 马刚(1972-)，男，研究员，研究方向为数值天气预报与卫星资料同化。E-mail: magang@cma.gov.cn

中图分类号: P456.7

文献标识码: A

摘要

T639-GSI全球系统同化AMSU-A资料的过程中，目前使用的月平均积雪产品并不能反映中高纬度大陆上快速地降雪/融雪过程，而FY-3C日积雪产品在时间精度上要高于GSI月平均积雪覆盖数据。由于同化系统对AMSU-A较低通道辐射率资料的质量控制需要依据更准确的地表积雪信息，所以本文结合冬春季节的FY-3C日积雪产品和NCEP再分析资料，研究了北半球中高纬度地区不同积雪覆盖率初值对分析场不同高度层温度场的影响，以及在同化过程中对预报结果的影响。结果表明，在对AMSU-A辐射率资料的质量控制中，月平均积雪数据和日积雪产品对温度场影响较大的区域与两者积雪覆盖差异区域有明显的对应；冬春季节，使用FY-3C日积雪产品代替GSI月平均积雪数据作为背景场中积雪下垫面数据，对进入同化系统的AMSU-A辐射率资料质量控制时，120 h之内1000—600 hPa的中低层温度场的预报效果得到改善。

关键词

质量控制, GSI, AMSU-A资料同化, FY-3C, VIRR积雪数据

Effect of FY-3C snow cover products on the quality control of assimilating satellite microwave sounding data

MA Xinyuan¹ , MA Gang^2,3 , WANG Yunfeng¹ , GUO Yang^2,3 , HUANG Jing⁴ , TONG Hua⁴ , ZHONG Bo¹

1.PLA University of Science and Technology, Nanjing 211101, China

2.National Satellite Meteorological Center, China Meteorological Administration, Beijing 100081, China

3.Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites, China Meteorological Administration, Beijing 100081, China

4.Numerical Weather Prediction Center of China Meteorological Administration, Beijing 100081, China

Abstract

Inconducting direct assimilation experiments of microwave radiance data AMSU-A with the numerical weather prediction model T639-GSI 3DVAR system, the GSI monthly snow products cannot reflect the process of snow or snow melt in the middle and high latitudes of the northern hemisphere. The precision of the FY-3C snow daily products is higher than GSI snow monthly products. This study investigates the effect of different snow coverage values on the temperature field at different heights in the middle and high latitudes of the northern hemisphere. The numerical simulation results in assimilation process are based on the FY-3C SNC real-time snow daily products on January 20, 2016 and March 17, 2016, as well as the NCEP reanalysis data. In the assimilation experiment, we analyzed the distribution of winter snow over the northern hemisphere in January 2016 and that of spring snow over the northern hemisphere in March 2016. This study selects the largest snowpack of the FY-3C snow daily products in the two months as the test data and replaces the snow month products as the snow products of the underlying surface in the background field to reflect the process of snow or snow melt in the middle and high latitudes of the northern hemisphere. The 6-hour forecast results of the T639 model serve as the background of the assimilation experiment. Furthermore, the same assimilation data for all groups are used. The key differences are as follows. In group A, the winter snow month products are sold as the snow products of the underlying surface in the background field. In group B, the FY-3C snow daily products serve as the snow products of the underlying surface in the background field. Groups C and D are spring tests similar to groups A and B. In the assimilation experiment, we analyzed the distribution of winter snow over in the northern hemisphere in January 2016 and the distribution of spring snow over the northern hemisphere in March 2016. In order to reflect the process of snow or snow melt in the middle and high latitudes in the northern hemisphere, we selected the biggest snowpack of the FY-3C snow daily products in 2 months as the test data and replaced the snow month products as the snow products of the underlying surface in the background field. The 6 hour forecast result of the T639 model as the background of assimilation experiment. The same assimilation data were added for all groups. A key difference was as follows. In group A, the winter snow month products in business were the snow products of the underlying surface in the background field. In group B, Fy-3C snow daily products were the snow products of the underlying surface in the background field. Group C and group D are spring tests (similar to A and B). In terms of quality control, the regional differences of the temperature field using the GSI monthly products and FY-3C snow daily products evidently corresponded to the snow coverage differences between the two snow products. In winter and spring, we utilized the FY-3C snow daily products to replace the GSI snow month products as the snow products of the underlying surface in the background field. Quality control was also established in the assimilation system for the radiance data. The condition improved within 120 hours to a certain degree on the temperature field prediction at low to middle atmosphere levels from 1000 hPa to 600 hPa.

Key words

quality control, GSI, AMSU-A data assimilation, FY-3C, VIRR snow daily products

1 引　言

20世纪90年代开始，Eyre等人(1993)通过对星载垂直探测器资料进行直接同化，使卫星资料在数值预报中的应用进入一个新的时期。根据欧洲中期天气预报中心(ECMWF)的统计，同化中使用卫星观测的数量已经超过所使用资料总量的90%，卫星资料同化对预报的贡献也超过常规探空与地面气象观测(McNally 等，1999)。ECMWF和美国国家环境预报中心(NCEP)等早已在其业务3维/4维变分(3D/4D-Var)同化系统中实现了卫星TOVS和ATOVS辐射率资料的直接同化(Derber和Wu，1998)。由ECMWF对全球中期数值预报质量的影响统计发现，如果不同化卫星资料，南半球的可信预报时效将减短2天，北半球将减短近1天(薛纪善，2006)。对AMSU-A微波辐射率资料的同化中发现，卫星微波资料同化可以改善数值预报的初始场，对全球数值预报质量的改进作出贡献。

近年来，ECMWF等研究和业务部门逐渐在均一陆地下垫面上同化中使用卫星微波观测资料，但是在积雪等复杂下垫面上空的卫星资料仍然无法在同化中被使用(杨寅等，2011)。因为AMSU-A的窗区通道和近地面通道对下垫面辐射很敏感，并且积雪种类繁多，微波表面发射率的物理模型难以精确建立，所以积雪上空的微波观测资料难以被有效同化(Weng和Grody，1998；Weng 等，2001；Weng，2007)。

因此，在卫星微波资料同化的质量控制中，通常会把地表积雪区域的观测资料剔除掉，如果不能准确的反映出地表积雪信息，会误剔除掉大量有效的卫星观测资料，降低卫星资料的准确率(Geer 等，2010)。目前，国家气象中心的全球数值预报业务中使用的下垫面类型数据集每个月更新一次。这样的气候数据并不能及时地反映出冬春季节中纬度地区快速降雪、融雪过程，地表积雪信息在时间上不够准确，而同化系统在对AMSU-A较低通道辐射率资料的质量控制需要依据精确的地表积雪信息，地表积雪信息的不准确会导致进入同化系统的卫星微波资料不准确。

为将陆地上空AMSU-A低层探测通道的观测资料更准确有效利用起来，本文从微波辐射传输的下垫面敏感性分析入手，利用FY-3C每日实时反演的地表积雪覆盖产品和当前数值预报业务中使用的气候平均的积雪数据进行对比，分析了快速更新的积雪数据对AMSU-A辐射率资料的质量控制以及对同化的影响。

2 同化系统及质量控制

T639-GSI是中国气象局开发的全球3维变分同化分析预报业务系统，于2008年6月1日正式在国家气象中心业务运行。其中T639模式有1280×640个格点，相当于水平30 km分辨率，垂直分辨率60层，模式顶到达0.1 hPa。T639模式在形势场预报和降水预报上均比T213模式有明显改进(管成功等，2008；麻素红等，2012)。

GSI同化系统是一个3维变分同化系统，整合了通用辐射传输模式CRTM，该模式在晴空条件下能够准确模拟AMSU-A的所有通道辐射亮温(Wu 等，2002；Purser 等，2003a，2003b)。CRTM的Jacobian模块也被包含在GSI同化系统中，能有效地计算模拟亮温的梯度变化信息，实现卫星辐射资料的快速同化(邹晓蕾等，2016)。

AMSU-A仪器可以测量微波频段在氧气吸收带的辐射量，主要用于提供除强降水天气条件之外的近乎全天候的大气温度廓线信息(张华等，2004)。在AMSU-A的15个通道中，通道4—14主要用于探测大气温度结构，通道1、2、3和15主要用于地表和降水信息的探测。由于观测算子模拟不准确，以及观测存在误差等原因，微波辐射率资料同化的误差有时会很大。因此这些资料在同化时常需要进行质量控制。根据AMSU微波辐射率资料同化的误差来源，质量控制可以分为两类：针对观测算子的正演偏差订正和针对观测数据本身的质量控制(杨寅等，2011)，如降水检测、极值检测、观测几何信息检测、地理位置检测和下垫面类型检测等，其中下垫面类型检测包括积雪、海冰、海岸线等检测(English 等，1997；Bennartz 等，2002；Candy 等，2003)。由于海岸线等混合下垫面类型像元，以及冰、雪下垫面像元的地表发射率难于精确计算，使得这些地形上的窗区和近地面微波通道观测模拟亮温偏差明显增大，导致卫星观测资料无法有效同化(朱国富等，2008；李娟和朱国富，2008)。在同化过程中，这些地形上的卫星观测数据通常被剔除掉。

3 试验数据和试验方案

3.1 试验数据

本文试验中，同化资料包括常规观测资料和卫星观测资料。常规观测资料包括无线电探空、飞机报、小球测风、船舶、浮标站、地面站、高低层卫星测风等；卫星观测资料包括有NOAA-18的AMSU-A/B、MHS探测资料。同化系统的背景场来自于T639数值预报模式的预报场。T639-GSI输入的地面背景文件是气候平均值，而积雪覆盖数据正是来源于地面背景文件(包括海陆、植被、沙漠等下垫面类型数据)，每月更新一次，全球数据格点为1280×640，水平分辨率30 km。NCEP再分析资料作为同化分析场对比资料，水平分辨率1°×1°。

FY-3C卫星VIRR-MERSI积雪产品在VIRR和MERSI两种光学遥感器反演的日合成积雪覆盖率产品融合基础上生成，也称为SNC积雪覆盖产品，包括日/旬/月3个时间尺度的积雪覆盖和云/雪覆盖率产品。主要用于监测全球积雪分布和积雪变化，为数值预报提供下垫面信息，监测雪灾的发生和发展，以及研究积雪变化的气候特征等(刘玉洁等，2003)。产品采用等经纬度投影，分辨率有0.01°×0.01°和0.05°×0.05°两种形式，全球范围内以10°×10°分幅组成。具体产品规格见表1(杨军等，2011)。

表 1 VIRR-MERSI积雪产品规格表
Table 1 Snow product specifications of VIRR-MERSI

下载CSV

产品类型	覆盖范围	空间分辨率/(°)	数据量/MB	生成频次
日积雪覆盖	全球10°×10°分幅	0.01×0.01	1.91/幅	每日一次
日云/雪覆盖率	全球单幅	0.05×0.05	197	每日一次
旬积雪覆盖	全球10°×10°分幅	0.01×0.01	1.91/幅	每旬一次
旬云/雪覆盖率	全球单幅	0.05×0.05	197	每旬一次
月积雪覆盖	全球10°×10°分幅	0.01×0.01	1.91/幅	每月一次
月云/雪覆盖率	全球单幅	0.05×0.05	197	每月一次

本文试验中使用的VIRR-MERSI日积雪覆盖产品，等经纬度投影方式，空间分辨率为0.01°×0.01°，全球投影拼接后切割成10°×10°的地理位置分幅形成的数据文件(杨军等，2011)。FY-3C日积雪产品替换GSI月平均积雪数据需要相同的分辨率，所以采用插值方法使两种数据相匹配。本文是将FY-3C日积雪数据分辨率插值为30 km，与GSI月平均数据分辨率相同。

3.2 试验方案

在同化试验中，以2016年1月份作为冬季代表，分析北半球冬季积雪覆盖状况；以2016年3月份为春季代表，分析北半球春季积雪覆盖状况。对这两个月的FY-3C日积雪覆盖产品与GSI气候月平均值积雪覆盖产品对比分析(图1)。

图 1 FY-3C日积雪产品判断为积雪且GSI气候月平均积雪数据判断为非积雪的区域与GSI气候月平均值积雪区域的比值(2016年1月和3月)

Fig. 1 The ratio of the areas where the FY-3C snow daily products are covered by snow but the GSI monthly products are not covered by snow with the areas where the GSI monthly products are covered by snow (January, 2016 and March, 2016)

可以发现2016年1月20日和2016年3月17日两天的地表积雪覆盖区域，与当前数值预报业务中使用的气候月平均数据的地表积雪区域差别最大。为了突出快速地降雪、融雪天气过程，故选取这两天的FY-3C日积雪数据作为试验数据。同化时刻分别为2016年1月20日12时和2016年3月17日12时，同化时间窗为6 h，T639在1月20日6 h和3月17日6 h作120 h预报，每间隔12 h分析一次预报结果温度增量的均方根误差。本文共设计4组(表2)试验来开展研究。同化试验的背景场均采用T639模式的6 h预报结果，加入相同的同化资料，包括常规观测资料和AMSU-A/B和MHS卫星观测资料，主要区别在于：A组试验中，地面背景场中积雪覆盖率资料采用的是目前业务中使用的冬季气候月平均值；B组试验中，地面背景场中积雪覆盖率资料采用的是冬季FY-3C日积雪覆盖产品。C组和D组是春季试验，与A组B组类似，如表2。

表 2 同化试验设计方案
Table 2 Scheme of the assimilation experiment

下载CSV

试验方案	地面背景场积雪数据
A	冬季2016年1月GSI气候月平均积雪数据
B	冬季2016年1月20日FY-3C日积雪数据
C	春季2016年3月GSI气候月平均值积雪数据
D	春季2016年3月17日FY-3C日积雪数据

4 试验分析

4.1 AMSU-A各通道权重函数及其较低层通道辐射率资料对地表发射率的敏感性分析

通常权重函数的峰值代表通道的探测高度。图2(a)是标准大气廓线下的AMSU-A 15个通道的权重函数分布。AMSU-A通道4到通道14为温度垂直探测通道，探测高度依次递增。通道9的探测高度为100 hPa左右，通道4—8的探测高度都低于100 hPa，其他通道探测高度高于100 hPa，认为通道观测基本不受地表影响。图2(b)为通道4—9的观测辐射对地表发射率的敏感性分析，随着探测高度升高，通道观测受地表发射率的影响逐渐降低，通道4的探测高度为1000 hPa，对地表发射率的敏感性高于200 K，而通道9的敏感性只有10^–1 K。该结果支持了试验中只保留对AMSU-A通道4—6的数据进行分析这一结论。

图 2 AMSU-A权重函数及其4—9通道对地表发射率的敏感性

Fig. 2 AMSU-A weight function and the sensitivity of surface emissivity for channel 4—9

4.2 北半球月平均积雪和FY-3C日积雪覆盖区域的对比分析

在中纬度地区，由于地表温度较高，不会像高纬度地区长期留存积雪，其降雪会在短期内快速融化，因此在月平均的覆盖中很难体现。2016年1月20日和2016年3月17日两天的地表积雪覆盖区域，与当前数值预报业务中使用的当月气候月平均数据的地表积雪区域差别较大(图3(a)和(b))，在FY-3C日积雪数据中的积雪区域，欧洲黑海里海以北的俄罗斯城市伏尔加格勒至莫斯科一带地区，以及与哈萨克斯坦临近的新西伯利亚广大地区，都有中到大雪天气过程(摘自天气后报网(http:// www.tianqihoubao.com/[2016-07-26]))，而在月平均的数据中没有相应体现。此外，在美洲加拿大艾伯塔省南部地区，萨斯喀彻温省大部分地区以及曼尼托巴省的哈德森湾沿岸城市，也有中到大雪天气过程，而在月平均的数据中没有相应体现。这样短期的降雪天气过程可以被FY-3C日积雪覆盖产品完整的记录下来，却不能被GSI气候月平均值积雪覆盖产品体现出。

图 3 北半球冬春季节FY-3C日积雪产品与GSI月平均积雪的积雪区域对比分析

Fig. 3 The difference snow covered areas between GSI monthly products and the FY-3C daily products in northern hemisphere

以AMSU-A 4通道的观测(2016年1月20日)亮温为例，图4分析了分别采用月平均积雪和日积雪数据进行质量控制时的卫星资料分布，对比图3中冬季大陆积雪覆盖情况，根据同化时间窗内的卫星轨道分布，主要对红色框中的卫星数据进行分析。图4(a)为GSI月平均积雪覆盖情况，可以看出，北美(49°N—62°N、54°W—81°W)和中亚(46°N—62°N、47°E—90°E)地区大部分陆面上，由于下垫面被判识有积雪而导致观测资料被剔除，在AMSU-A 4通道的观测数据中，剔除49个观测数据；图4(b)中，FY-3C日积雪覆盖面积在这些地区显著增大，相应的下垫面被判识为积雪而剔除的卫星观测数据明显增多，在AMSU-A 4通道的观测数据中，剔除142个观测数据。

图 4 通过不同积雪下垫面检测后的AMSU-A通道4的卫星观测资料分布

Fig. 4 Observation data from AMSU-A channel 4 after underlying surfaces snow detection

4.3 同化分析场温度增量的对比分析

方案A、B(冬季)分别使用GSI月平均积雪数据和FY-3C日积雪产品数据进行质量控制，同化ASMU-A资料后可分别得到两种同化分析场，如图5，分析场中温度的差异主要集中在中亚北部和东欧部分地区，以及北美大陆中北部地区。其中中亚部分地区在大气低层温度增量峰值可达0.2—0.3K；北美大陆地区在大气低层温度增量峰值可达0.25—0.3K。方案C、D(春季)的分析场温度增量的对比与方案A、B(冬季)类似，温度增量在数值和分布上基本相当，主要集中在中西欧、贝加尔湖以北、北美大陆中部等区域。

图5中不同高度层两种分析场的温度增量，与图4中卫星资料被剔除较多数据的区域在地理位置上很接近，由此可得知：FY-3C日积雪数据和GSI月平均积雪数据对预报场中温度场有影响的区域与两者积雪覆盖差异较大区域有明显的对应。

图 5 不同积雪下垫面数据检测时同化后得到不同高度层分析场的温度增量

Fig. 5 The temperature increment analysis when assimilate AMSU-a radiance data in the case of different snow underlying surfaces in the winter

4.4 同化分析场温度均方根误差的对比分析

首先分析T639-GSI经过第一次同化后的分析场，即2016年1月20日12时和2016年3月17日12时的同化结果，并分别对其不同高度层的温度场均方根误差作对比分析。方案A使用气候月平均积雪覆盖时同化得到分析场，与再分析资料对比得到温度场均方根误差RMSE(A)，方案B使用FY-3C日积雪覆盖同化时可得到分析场，与再分析资料对比得到温度场均方根误差RMSE(B)，RMSE(A)减去RMSE(B)得到温度场均方根误差偏差BIAS，如图6(a)；方案C与方案D温度场均方根误差偏差算法与方案A和方案B算法相同，其偏差如图6(b)。

图 6 不同积雪下垫面数据检测时同化后不同高度层分析场的温度场均方根误差偏差

Fig. 6 The bias of temperature RMS in analysis field for different snow underlying surfaces at different height

图6(a)是冬季(2016年1月20日)两种下垫面积雪数据对AMSU-A资料质量控制后分析场温度均方根误差的对比分析。其中，偏差的峰值高度出现在1000 hPa和350 hPa处，数值分别为0.12 K和0.34 K，其他高度上的偏差小于0.05 K，说明在1000 hPa和350 hPa高度上，方案B得到的温度场均方根误差小于方案A。图6(b)是春季(2016年1月20日)两种下垫面积雪数据对AMSU-A资料质量控制后分析场温度均方根误差的对比分析，600 hPa以下方案D得到温度场均方根误差均小于方案C，方案D在1000 hPa高度的均方根误差减小约0.015 K，在900 hPa附近高度减小约0.03 K，在600 hPa处最大，比方案C均方根误差减小约0.05 K。从效果上看，在1000—900 hPa的较低层高度，方案B和方案D得到的均方根误差相对比方案A和方案C均有较小。结果表明，使用FY-3C日积雪产品作为下垫面积雪数据对AMSU-A辐射率资料质量控制时，在1000—900 hPa较低的高度层附近，温度场的改善效果要好于使用月平均数据。

4.5 120小时预报场温度均方根误差对比分析

为了分析用不同的下垫面积雪数据对AMSU-A辐射率资料质量控制时T639-GSI模式预报结果的影响，分别从2016年01月20日06时和2016年03月17日06时开始，做120 h的预报试验，在12时同化卫星微波资料，然后每间隔12 h分析一次两种方案预报场温度的均方根误差偏差。

由上节对6 h分析场温度均方根误差的对比分析，可知在1000—900 hPa较低的高度层附近温度场有较好的改善效果，所以在做120 h预报场温度均方根误差分析时，分别从600—1000 hPa中低层的温度场均方根误差展开分析。经过对不同高度及不同预报时刻分析场中温度场的均方根误差分析，分别使冬春季节两种试验方案120 h预报场的温度增量均方根误差相减，如图7(a)和(b)。

图 7 不同积雪下垫面数据检测时同化后得到不同高度层120h预报场的温度场均方根误差偏差

Fig. 7 The bias of temperature RMS in 120 h forecast field for different snow underlying surfaces at different height

由图7(a)可知冬季方案A与方案B 120 h预报场温度均方根误差偏差，在70 h之内，方案A均方根误差略大于方案B，偏差基本在0.05 K左右，区别并不明显，而从第70 h开始，方案A的预报场温度均方根误差开始明显大于方案B的预报场温度均方根误差，在第100 h之后最大偏差接近0.9 K，并且1000—600 hPa各个高度层的预报场温度均方根误差偏差趋势走向很接近。由图7(b)可知，在70 h之内，春季方案C与方案D 120 h预报场温度均方根误差偏差和冬季类似，方案C均方根误差略大于方案D，偏差基本都在0—0.1 K之间，后期接近0.1 K，经过70 h的预报之后，同样，方案C的预报场温度均方根误差开始明显大于方案D的预报场温度均方根误差，偏差多在0.15—0.45 K之间。除个别高度层个别时刻之外，1000—600 hPa各个高度层的预报场温度均方根误差偏差趋势走向也很接近。因此可知，在120 h预报场温度均方根误差对比分析中，方案B和方案D得到的温度场较方案A和方案C得到的温度场更为准确合理，在3—6 d的预报场中尤为明显。

结果表明，无论冬春季节，相较于GSI月平均数据，使用FY-3C日积雪产品作为下垫面积雪数据对AMSU-A辐射率资料质量控制时，在1000—600 hPa中低层高度范围内，70 h之内的预报场中温度场可以得到略微改善，温度场均方根误差减小0.05 K左右；70 h之后预报场中温度场改善幅度略微增加，冬季温度场均方根误差减小约0.3—0.9 K，春季温度场均方根误差减小约0.15—0.45 K。

5 结　论

本文研究了使用不同的下垫面积雪数据对AMSU-A辐射率资料质量控制时，对同化及预报结果中温度场的影响。在利用T639-GSI 3维变分同化系统实现NOAA-18 AMSU-A微波资料的直接同化的同时，分析了FY-3C日积雪数据分布与GSI月平均积雪数据的差异，并结合2016年1月20日和2016年3月17日的FY-3C的SNC日积雪覆盖产品开展试验，得到如下结论：

(1) 通过分析AMSU-A各通道的权重函数及其较低层通道辐射率资料对地表发射率的敏感性分析指出，通道4—6受地表发射率变化影响较大，微波辐射率资料在进入同化系统之前，积雪等复杂下垫面上空低层通道观测资料应予以剔除。

(2) FY-3C日积雪覆盖产品相对于国家气象中心的全球数值预报业务GSI同化系统中使用的月平均积雪覆盖数据，在冬春季节有较大差异，FY-3C日积雪产品能够更准确的反映中纬度大陆地区快速地降雪、融雪过程。

(3) FY-3C日积雪数据和GSI月平均积雪数据对预报场中温度场有影响的区域与两者积雪覆盖差异较大区域有明显的对应。

(4) 无论冬春季节，使用FY-3C日积雪产品代替GSI月平均积雪数据作为背景场中积雪下垫面数据，对进入同化系统的AMSU-A辐射率资料进行质量控制时，在中低高度层(1000—600 hPa)范围，120 h之内温度场的预报效果可以得到一定程度的改善。

后续更深一步的研究可以从以下几个方面展开：

(1) 增加试验个例。本文选择的FY-3C日积雪数据是2016年1月20日和3月17日两天的，在本文研究区域范围以内，这两天是该区域积雪量最大的时刻，而积雪量最小的时刻在1月14日和3月30日前后，如果增加积雪量最小的两天的FY-3C日积雪数据来进行试验，替换背景场中月平均积雪数据，可以增加试验的对比性。

(2) 本文研究了中纬度大陆地区快速降雪、融雪过程对微波资料同化结果的影响，可以扩展到中纬度海洋地区海冰的快速消融过程对微波资料同化结果的影响。在中高纬度的洋面上，常常会有海冰的出现，如果在背景场中加入每日实时监测的海冰数据，更加精确的海冰数据可以在卫星微波资料的质量控制过程中，实现对海洋地区卫星微波资料的优化。

参考文献(References)

Bennartz R, Thoss A, Dybbroe A and Michelson D B. 2002. Precipitation analysis using the advanced microwave sounding unit in support of nowcasting applications. Meteorological Applications, 9 (2): 177–189. [DOI: 10.1017/S1350482702002037]

Candy B, English S, Renshaw R and Macpherson B. 2003. Use of AMSU data in the met office UK mesoscale model//Proceedings of International TOVS Study Conference-XIII. Sainte Adele, Canada: [s.n.]

Derber J C and Wu W S. 1998. The use of TOVS cloud-cleared radiances in the NCEP SSI analysis system. Monthly Weather Review, 126 (8): 2287–2299. [DOI: 10.1175/1520-0493(1998)126<2287:TUOTCC>2.0.CO;2]

English S J, Renshaw R J, Dibben P C and Eyre J R. 1997. The AAPP module for identifying precipitation, ice cloud, liquid water, and surface type on the AMSU-A grid//Proceedings of the 9th International TOVS Study Conference. Igls, Austria: ECMWF: 119–130

Eyre J R, Kelly G A, McNally A P, Andersson E and Persson A. 1993. Assimilation of TOVS radiance information through one-dimensional variational analysis. Quarterly Journal of the Royal Meteorological Society, 119 (514): 1427–1463. [DOI: 10.1002/qj.49711951411]

Geer A J, Bauer P and Lopez P. 2010. Direct 4D-Var assimilation of all-sky radiances. Part II: assessment. Quarterly Journal of the Royal Meteorological Society, 136 (652): 1886–1905. [DOI: 10.1002/qj.681]

Guan C G, Chen Q Y, Tong H and Wang H. 2008. Experiments and evaluations of global medium range forecast system of T639L60. Meteorological Monthly, 34 (6): 11–16. [DOI: 10.7519/j.issn.1000-0526.2008.6.002] ( 管成功, 陈起英, 佟华, 王辉. 2008. T639L60全球中期预报系统预报试验和性能评估. 气象, 34 (6): 11–16. [DOI: 10.7519/j.issn.1000-0526.2008.6.002] )

Li J and Zhu G F. 2008. Application analysis of direct assimilation of satellite radiation data on heavy rain forecasting. Meteorological Monthly, 34 (12): 36–43. [DOI: 10.7519/j.issn.1000-0526.2008.12.005] ( 李娟, 朱国富. 2008. 直接同化卫星辐射率资料在暴雨预报中的应用研究. 气象, 34 (12): 36–43. [DOI: 10.7519/j.issn.1000-0526.2008.12.005] )

Liu Y J, Zheng Z J and Wang L B. 2003. Remote sensing on snow cover and variation analyzing in west of China. Climatic and Environmental Research, 8 (1): 114–123. [DOI: 10.3878/j.issn.1006-9585.2003.01.14] ( 刘玉洁, 郑照军, 王丽波. 2003. 我国西部地区冬季雪盖遥感和变化分析. 气候与环境研究, 8 (1): 114–123. [DOI: 10.3878/j.issn.1006-9585.2003.01.14] )

Ma S H, Wu Y, Qu A X, Xiao T G and Li X. 2012. Comparative analysis on tropical cyclone numerical forecast errors of T213 and T639 models. Journal of Applied Meteorological Science, 23 (2): 167–173. [DOI: 10.3969/j.issn.1001-7313.2012.02.005] ( 麻素红, 吴俞, 瞿安祥, 肖天贵, 李勋. 2012. T213与T639模式热带气旋预报误差对比. 应用气象学报, 23 (2): 167–173. [DOI: 10.3969/j.issn.1001-7313.2012.02.005] )

McNally, Andersson A P, Kelly E and Saunders G. W R. 1999. The use of raw TOVS/ATVOS radiances in the ECMWF 4D-Var assimilation system. Ecmwf Newsletter

Purser R J, Wu W S, Parrish D F and Roberts N M. 2003a. Numerical aspects of the application of recursive filters to variational statistical analysis. Part I: spatially homogeneous and isotropic Gaussian Covariances. Monthly Weather Review, 131 (8): 1524–1535. [DOI: 10.1175//1520-0493(2003)131<1524:NAOTAO>2.0.CO;2]

Purser R J, Wu W S, Parrish D F and Roberts N M. 2003b. Numerical aspects of the application of recursive filters to variational statistical analysis. Part II: spatially inhomogeneous and anisotropic general Covariances. Monthly Weather Review, 131 (8): 1536–1548. [DOI: 10.1175//2543.1]

Weng F Z and Grody N C. 1998. Physical retrieval of land surface temperature using the special sensor microwave imager. Journal of Geophysical Research: Atmospheres, 103 (D8): 8839–8848. [DOI: 10.1029/98JD00275]

Weng F Z, Yan B H and Grody N C. 2001. A microwave land emissivity model. Journal of Geophysical Research: Atmospheres, 106 (D17): 20115–20123. [DOI: 10.1029/2001JD900019]

Weng F Z. 2007. Advances in radiative transfer modeling in support of satellite data assimilation. Journal of the Atmospheric Sciences, 64 (11): 3799–3807. [DOI: 10.1175/2007JAS2112.1]

Wu W A, Purser J and Parrish D F. 2002. Three-dimensional variational analysis with spatially inhomogeneous covariances. Monthly Weather Review, 130 (12): 2905–2916. [DOI: 10.1175/1520-0493(2002)130<2905:TDVAWS>2.0.CO;2]

Xue J S. 2006. Progress of Chinese numerical prediction in the early new century. Journal of Applied Meteorological Science, 17 (5): 602–610. [DOI: 10.3969/j.issn.1001-7313.2006.05.010] ( 薛纪善. 2006. 新世纪初我国数值天气预报的科技创新研究. 应用气象学报, 17 (5): 602–610. [DOI: 10.3969/j.issn.1001-7313.2006.05.010] )

Yang J, Dong C H, Lu N M, Yang Z D, Shi J M, Zhang P, Liu Y J and Cai B. 2011. The New General of Fengyun Orbit Meteorological Satellite Business Applications and Data Application. Beijing: Science Publishing Press: 170–176 (杨军, 董超华, 卢乃锰, 杨忠东, 施进明, 张鹏, 刘玉洁, 蔡斌. 2011. 新一代风云极轨气象卫星业务产品及应用. 北京: 科学出版社: 170–176)

Yang Y, Han W and Dong P M. 2011. Overview on the quality control in assimilation of AMSU microwave sounding data. Meteorological Monthly, 37 (11): 1395–1401. [DOI: 10.7519/j.issn.1000-0526.2011.11.010] ( 杨寅, 韩威, 董佩明. 2011. AMSU微波探测资料同化的质量控制方法概述. 气象, 37 (11): 1395–1401. [DOI: 10.7519/j.issn.1000-0526.2011.11.010] )

Zhang H, Chou J F and Qiu C J. 2004. Assimilation analysis of Rammasun typhoon structure over Northwest Pacific using satellite data. Chinese Science Bulletin, 49 (5): 493–498. [DOI: 10.3321/j.issn:0023-074X.2004.05.016] ( 张华, 丑纪范, 邱崇践. 2004. 西北太平洋威马逊台风结构的卫星观测同化分析. 科学通报, 49 (5): 493–498. [DOI: 10.3321/j.issn:0023-074X.2004.05.016] )

Zhu G F, Xue J S, Zhang H, Liu Z Q, Zhuang S Y, Huang L P and Dong P M. 2008. Direct assimilation of satellite radiance data in GRAPES variational assimilation system. Chinese Science Bulletin, 53 (20): 3465–3469. [DOI: 10.1007/s11434-008-0419-x] ( 朱国富, 薛纪善, 张华, 刘志权, 庄世宇, 黄丽萍, 董佩明. 2008. GRAPES变分同化系统中卫星辐射率资料的直接同化. 科学通报, 53 (20): 3465–3469. [DOI: 10.1007/s11434-008-0419-x] )

Zou X L, Qin Z K and Weng F Z. 2016. Impact of dawn-dusk satellite AMSU-a data on quantitative precipitation forecasts and the implications for three-orbit constellation. Chinese Journal of Atmospheric Sciences, 40 (1): 46–62. [DOI: 10.3878/j.issn.1006-9895.1508.15137] ( 邹晓蕾, 秦正坤, 翁富忠. 2016. 晨昏轨道微波温度计资料同化对降水定量预报的影响及其对三轨卫星系统的意义. 大气科学, 40 (1): 46–62. [DOI: 10.3878/j.issn.1006-9895.1508.15137] )

摘要

关键词