卫星观测在数值天气预报中的应用已经相当广泛。国外多家数值预报业务和研究中心都已实现了多种卫星资料在数值天气预报中的同化应用, 且卫星资料已经成为数值预报所用观测资料的主体, 同时极大提高了数值预报准确率^[1-2]。国内相关工作近些年才逐步开展起来, 通过协作攻关取得了较大进步, 但总体上与国外尚有一定的差距^[3-5]。卫星资料的应用对常规资料相对匮乏的台风系统更为重要, 针对台风数值预报中卫星资料的应用已开展大量工作, 国内张华等以增量三维变分同化AMSUA/B微波资料的试验表明:同化AMSU微波资料后能更加合理地反映台风三维结构特征, 并对台风路径预报效果具有积极的改善作用^[6-7]。

然而, 卫星观测由于受云的影响, 在目前背景条件中缺乏足够的云参数, 而且在快速辐射传输模式中没有详尽考虑云雨粒子散射效应的情况下, 云雨区卫星辐射亮温模拟和实际观测还有相当偏差, 卫星资料的同化应用主要只是针对晴空条件进行。但是云雨区所蕴含的大气信息同天气发生发展密切联系, 云雨区卫星资料的使用对改善数值预报效果有巨大潜在意义, 同时又需要慎重处理。

目前, 对云雨区卫星资料的应用通常采用云检测方案来判识卫星观测受云影响的严重程度并决定资料取舍。法国气象局全球同化系统中对AMSUA微波通道的云检测方案是当AMSU-A通道4观测亮温和模拟偏差大于阈值1.5K时, 判识AMSUA扫描视场受云污染。对云区的AMSU-A资料, 30°N~30°S之间区域只选择对流层顶以上的通道9~12, 30°N以北和30°S以南区域选择通道8~12^[8]。加拿大气象中心全球和区域共用的三维变分系统中应用Bennartz散射因子对AMSU-B微波通道进行云检测, 其受云影响判据取为陆上大于0、海上大于15和海冰大于40, 云区AMSU-B资料全部剔出^[9-10]。英国气象局在中尺度区域三维变分同化系统中同化AMSU-A/B微波资料时, 应用了一系列云检测方法, 具体为扫描视场整层含水量超阈值 (100g·m^-2) 视为云层影响区域, 剔出AMSU-A通道4~5和AMSU-B通道5。降水检测出的降水影响区域, 剔出AMSU-A通道4~8和AMSU-B全部通道。另外, 针对易受冰晶卷云散射影响的3个AMSU-B 183 GHz高频通道进行卷云检测, 卷云影响区域剔除AMSU-B的通道4~5^[11-12]。欧洲NWP SAF发展的ATOVS和AVHRR预处理软件包AAPP中包含有多种云检测方案, 包括散射指数检测、降水概率、小雨检测、AMSU-B89GHz测值范围检测、中值滤波检测和液态水云检测^[13]。国内张华等的试验中云检测方案使用的是降水概率^[6-7]。

本文以0604号热带气旋Bilis作为研究个例, 设计了一组不同云检测方案和通道选择试验, 在对卫星资料的使用情况、与天气系统的配置关系、卫星模拟与实际观测偏差特征的统计以及对初始分析影响分析的基础上, 探讨了它们对台风初期、发展与登陆3个阶段数值预报效果的影响。

快速辐射传输模式是实现卫星辐射率直接同化的关键, 本研究使用的是美国卫星资料同化联合中心JCSDA (Joint Center for Satellite Data Assimilation) 研制开发的辐射传输模式CRTM (Community Radiative Transfer Model)。CRTM具有较先进的辐射传输物理模型和较好的程序框架结构设计, 它将辐射传输模式分解为不同的模块单元, 每一部分定义独立的结构和应用模块, 从而便于各部分的独立开发, 也便于接入不同研究小组的成果, 进行效果比对并快捷地吸收和应用新的算法和技术。特别地, JCSDA的目标是以CRTM为基础实现数值天气预报中全天气条件下卫星资料的同化应用, 所以强调模式对受云雨影响卫星观测模拟的计算能力, 目前CRTM模式中已考虑了云和降水散射的效应并正在进一步发展之中, CRTM更详细的介绍请阅文献[14]。CRTM已被引入GRAPES-3Dvar同化系统中, 为下一步开展受云和降水影响卫星资料在数值天气预报中的应用研究提供了基础。

GRAPES-3Dvar是中国气象科学研究院数值预报研究中心发展建立的一个三维变分资料同化系统。系统采用增量法求解目标函数的极小化问题, 水平面上为Arakawa A格点的经纬网格, 垂直方向上采用p坐标, 水平和垂直方向维数均可调。GRAPES-3Dvar实现了对探空、云迹风和卫星辐射率等观测资料的同化模块, 对该系统更详细的了解可以参见文献[15-16]。其中卫星辐射率资料直接同化GRAPES-3Dvar接入的快速辐射传输模式是欧洲中期数值预报中心开发的RTTOV第7版, CRTM接入后可以通过选项选择使用快速辐射传输RTTOV或CRTM来同化应用卫星资料。

研究个例选取0604号热带风暴Bilis。Bilis原是西太平洋西部洋面上活动的热带扰动云团, 于2006年7月9日在菲律宾南部的棉兰老岛以东大约1150 km的西北太平洋洋面上生成。之后, 风暴中心以15 km/h左右的速度向西北方向移动并逐渐加强, 12日发展成为强热带风暴。Bilis于2006年7月14日在福建省霞浦县北壁镇登陆, 登陆时中心气压975 hPa, 近中心最大风力11级, 风速30 m · s^-1。登陆后风暴中心继续向西北方向移动, 穿过福建省北部地区, 于16日在江西省境内减弱并消失。

热带气旋的强度、中心位置、移动速度等数据取自中国气象局整编的《台风年鉴》。所用背景场资料为T213L31, 水平分辨率0.5625°×0.5625°, 垂直17层, 最低1000hPa, 最高10hPa。卫星资料为极轨卫星NOAA 16的全球AMSU微波资料, 包括先进微波探测器 (AMSU) 的AMSU-A和AMSU-B两部分。AMSU-A有15个通道, 主要探测大气垂直温度分布和地表特征, 空间分辨率为48 km (星下点)。AMSU-B有5个通道, 主要探测大气中水汽垂直分布和降水特征, 空间分辨率为16km (星下点)。

对AMSU-A, 云检测方法包括散射因子、降水概率和小雨检测3种。AMSU-B的云判识方法包括通道2亮温模拟观测误差和Bennartz散射因子。各云检测方法的具体计算公式为:

(1)

其中, T_B1, T_B2, T_B3和T_B15为AMSU-A通道1, 2, 3和15观测亮温, T_EB15为AMSU-A通道15导出亮温, a, b, c和d是扫描角正切的三次多项式。

(2)

(3)

其中, T_EB1为AMSU-A通道1导出亮温。

(4)

其中, T_obs为AMSU-B观测亮温, T_fg为相应通道快速辐射传输模式模拟亮温。

(5)

其中, θ是扫描视场的局地天顶角。

云检测方案和通道选择方案组合设计的同化试验见表 1。本文试验只是针对海上卫星资料的应用, 云检测方案对陆地和海洋还存在着不同, 陆地卫星资料的应用较海上还要复杂一些。控制试验为直接使用没有经过变分同化的背景场对台风进行模拟, 同化试验为使用变分同化加入卫星资料订正后的初始场对台风进行模拟。同化试验分为针对AMSU-A和AMSU-B的两组共9个试验, 试验1为GRAPES-3Dvar原AMSU-A云检测方案。

表 1

表 1 同化试验方案列表 Table 1 List of assimilation experiment design

表 1 同化试验方案列表 Table 1 List of assimilation experiment design

数值预报采用的模式为区域中尺度数值模式WRF2.2版, 模式中心点为25°N, 125°E, 水平分辨率54km, 格点数100×85, 垂直分层28层, 预报时效60h, 每6 h更换1次边界条件。采用的物理过程包括边界层过程YSU方案、积云对流Betts-Miller-Janjic方案、Lin等微物理过程、长波辐射RRTM方案、短波辐射Dudhia方案和近地面层热力混合方案。

试验对Bilis台风初期、发展和登陆阶段3个过程展开研究。3个阶段分别为2006年7月9日18:00(世界时, 下同) 至2006年7月12日06:00, 2006年7月10日18:00至2006年7月13日06:00, 2006年7月12日18:00至2006年7月15日06:00。因篇幅限制, 卫星资料使用情况和同化结果分析仅给出第2阶段的结果, 对台风预报的影响则对3个阶段进行对比分析。

从2006年7月10日18:00 MTSAT静止卫星红外云图 (图略) 可见, 台风中心位于17°N, 131°E附近, 台风云系主要由位于10°~20°N, 120°~135°E区域内的中心对流云区和分布于菲律宾以西南区域; 0°~10°N, 100°~130°E区域; 10°~25°N, 135°~145°E区域的3条螺旋云带组成。中心对流云纯白发亮, 说明上升运动强烈。3条螺旋云带由外向台风中心卷入, 螺旋云带上跳跃分布着白而发亮的对流云团。螺旋云带的边界上还有许多向外辐射而弯曲的卷云纹线, 说明高空有很强的反气旋辐散气流。

图 1给出了各种云检测方法的计算值。可以看到, 对AMSU-A, 散射因子、降水概率和小雨检测3种方案台风中心区都对应为一极值中心, 但台风外围的数值分布则有较大差别。相比较而言, 散射因子与台风云系的配合最为吻合。对散射因子取小于10作判据则整个0°~30°N, 100°~150°E海上区域卫星观测均判识为不受云影响。其实作为云雨粒子散射效应的一个表征, 散射因子越大说明云雨粒子的散射越强, 取小于10作为受云影响判识本身是错误的。这是GRAPES-3Dvar发展建立时, 参照法国气象局卫星同化工作文献[8], 而文章中将资料适用和去除条件写反而致。取散射因子大于10作判据, 则几乎0°~30°N, 100°~150°E海上区域所有的AMSU-A扫描点均判识为受云影响。加大散射因子判据至大于15, 受云影响的卫星观测点减少, 台风外围部分资料判识为不受云影响。取散射因子判据大于20, 受云影响的卫星观测点更为减少。降水概率和小雨检测判识受云影响的区域最小, 仅将台风中心的卫星观测判识为受云影响。

图 1

图 1. 图 1各种云检测方法的计算值 (a) 散射因子, (b) 降水概率, (c) 小雨检测, (d) 通道2亮温模拟误差, (e) Bennartz散射因子 Fig 1. The value of cloud examination methods (a) scattering index, (b) precipitation probability, (c) precipitation examination, (d) bias between simulated bright temperature and observation for channel 2, (e) Bennartz scattering index

表 2给出了各云检测方案和阈值下受云影响扫描观测点的个数与AMSU-A通道5~10模拟亮温与观测偏差的均方根误差统计。由表 2可见, 依上述散射因子到小雨检测方案及阈值的排列顺序, 判识的受云影响扫描观测点个数依次减少, 而AMSU-A通道5~10的模拟亮温与观测偏差的均方根误差基本上是逐渐增加。考虑背景场中云参数的缺失和快速辐射传输模式没有云雨粒子辐射效应, 模拟亮温与观测偏差随受云影响的严重程度逐渐增大。结果表明:散射因子IS >10判识的云区范围全而广, 既包含了受云影响严重的密实云区, 也包含着许多模拟亮温与观测偏差较小的薄云区。散射因子阈值逐渐增大到降水概率和小雨检测, 其判识区域重点依次缩小至受云影响渐重的密实云区。

各通道卫星资料进入同化分析系统还有一个模拟亮温与观测偏差极值的阈值控制。GRAPES-3Dvar AMSU-A通道5~10模拟亮温与观测偏差极值阈值见表 2注。可以看到, AMSU-A通道5~7的模拟亮温与观测偏差极值阈值介于散射因子取15~20, 而全部小于降水概率和小雨检测的均方根误差。这表明对降水概率、小雨检测和大于20的散射因子, 极值控制也将剔出大部分受云影响的卫星观测。当然, 因为快速辐射传输模式计算模拟卫星观测误差还包括有其他误差, 代表全部正向模式计算误差的极值控制并不能完全代替受云影响的判识。AMSU-A通道8~10模拟亮温与观测偏差的极值阈值要均大于均方根误差最大的小雨检测。

表 2

表 2 AMSU-A云检测方案检测出受云影响扫描点数目和模拟亮温与观测偏差的均方根误差 (单位: K) Table 2 The number of cloudy satellite observation point and the root mean square error of the bias between simulated bright temperature and observation for AMSU-A (unit: K)

表 2 AMSU-A云检测方案检测出受云影响扫描点数目和模拟亮温与观测偏差的均方根误差 (单位: K) Table 2 The number of cloudy satellite observation point and the root mean square error of the bias between simulated bright temperature and observation for AMSU-A (unit: K)

AMSU-B卫星观测两种云检测方法计算值分布见图 1d和图 1e。可以看出, 利用Δ≥5 K判识的云区与台风云区十分吻合, 甚至台风中心云区与外围螺旋云带之间的间隙都可以判识出来。Bennartz散射因子判识的云区范围相对Δ≥5 K的范围有所扩大。这反映在表 3中该方法受云影响卫星观测数目多, AMSU-B通道3~5模拟亮温与观测偏差均方根误差较前一种方法要小。在模拟亮温与观测偏差极值检查下, 通道2亮温模拟误差判识云区范围小将会使一些卫星资料, 特别是通道3卫星观测, 判识为不受云影响而参与同化分析, Bennartz散射因子会将更多观测判识为受云影响而不能使用。

表 3

表 3 AMSU-B云检测方案检测出受云影响扫描点数目和模拟亮温与观测偏差的均方根误差 (单位: K) Table 3 The number of cloudy satellite observation point and the root mean square error of the bias between simulated bright temperature and observation for AMSU-B (unit : K)

表 3 AMSU-B云检测方案检测出受云影响扫描点数目和模拟亮温与观测偏差的均方根误差 (单位: K) Table 3 The number of cloudy satellite observation point and the root mean square error of the bias between simulated bright temperature and observation for AMSU-B (unit : K)

图 2为同化初始时刻背景场温度距平、标量风场和相对湿度沿台风中心18.5°N, 130.7°E的纬向垂直剖面。由图 2可见, 背景场上台风在300hPa高度有明显暖心 (图 2a)。台风风场北部大于南部, 且在850hPa和500hPa高度层上有两个大风核区, 均达26m·s ^-1(图 2b)。南侧高层的大风区对应高层的强辐散。湿度分布方面, 台风中心区域整层湿度达饱和 (图 2c), 南侧低层有干舌切入。2006年7月10日18:00实况显示台风中心最大风速为20m·s^-1, 初始背景场中的台风显得比实况偏强。从T213资料台风中心海平面气压强度看, 其也明显强于实况, 表明背景场和实际情况存在较大误差, 这种情况和文献[17]一样。

图 2

图 2. 2006年7月10日18:00背景场沿台风中心18.5°N, 130.7°E的纬向垂直剖面 (a) 温度距平 (单位：K), (b) 标量风场 (单位：m·s-1), (c) 相对湿度 (单位：%) Fig 2. The zonal vertical cross section of background through the typhoon center 18.5°N, 130.7°E at 18:00 10 July 2006 (a) temperature anomaly (unit:K), (b) scalar wind (unit:m·s-1), (c) relative humidity (unit:%)

图 3给出了AMSU-A卫星资料同化试验分析场的温度增量和标量风场沿台风中心18.5°N, 130.7°E的纬向垂直剖面, 限于篇幅, 试验3、试验6和试验7的图略去。试验1、试验6和试验7使用卫星资料的数量最多, 同化结果也比较相似, 温度增量在200hPa和800hPa有增温, 400hPa减温, 试验1各层温度增量幅度最大。风场调整在低层850hPa高度风速增大、500hPa高度风速减小。试验2, 4和5在AMSU-A通道8~10资料使用上是一样的, 通道5~7资料使用量逐渐递增。可以看到, 试验2, 4主要在200hPa增温、400hPa减温, 而在800 hPa对温度没有多少调整, 且500hPa大风核风速也增加到28m·s^-1, 200hPa以上台风反气旋环流风速增大。和试验4相比, 试验5使用了更多通道5~7资料, 其850hPa低层也出现少量增温, 但各层上的温度增量、风场增量幅度都较试验1要小。试验3由于没有使用AMSU-A通道5~10的任何资料, 温度增量很小, 风场结构也没有大的变化。分析结果表明, 各试验初始分析场由于卫星资料使用情况不同带来明显差别, 特别体现在台风低层的温度增温, 中高层风速变化以及增量量级上, 这些差别带来了随后数值预报效果的差异。

图 3

图 3. 2006年7月10日18:00背景场沿台风中心18.5°N, 130.7°E的纬向垂直剖面 Fig 3. The zonal vertical cross section of background through the typhoon center 18.5°N, 130.7°E at 18:00 10 July 2006

AMSU-B两种试验方案同化后湿度增量场的垂直分布大致一样 (图 4), 基本都是在台风中心18°N以南500hPa以上增湿, 以下减湿。北侧对流层中低层均为增湿, 试验8增湿区域比试验9大, 同时500hPa以下减湿15 %的区域比试验9小, 且减湿中心更接近台风中心。

图 4

图 4. 2006年7月10日18:00湿度增量沿台风中心18.5°N, 130.7°E的纬向垂直剖面 (单位:%) Fig 4. The zonal vertical cross section of humility increment through the typhoon center 18.5°N, 130.7°E at 18:00 10 July 2006(unit:%)

表 4是台风3个阶段控制试验和试验1~960h模拟与真实路径误差, 其中台风中心以海平面气压最低点定位, 时间间隔为6h。由表 4可以发现, 相对于控制试验, 试验1台风预报路径在第2, 3阶段要差, 但是在第1阶段比控制试验明显好得多。前面分析说明试验1取散射因子小于10作为受云影响的判识从理论上讲是错误的, 它导致所有实际受云影响的卫星观测除了模拟亮温与观测偏差较大的被阈值检查剔除外全部参与了同化分析, 但是却得到卫星资料正效应的结果, 从而掩盖了真实问题的存在。这说明在对待卫星资料同化问题上, 许多深入和全面的分析工作还有待进一步展开, 需要真正清楚什么判据带来哪些资料参与分析, 它们的特征如何, 和天气形势的配置与合理性等, 这样才能发现问题并切实发挥出卫星资料在数值预报中的作用。另一方面, 试验1的结果也表明将受云影响的卫星资料直接使用在台风预报后两个阶段都表现出负效应。

表 4

表 4 台风Bilis3个阶段60h模拟与真实路径的误差 (单位: km) Table 4 The error between simulated and observation trace for Bilis of three stages (unit: km)

表 4 台风Bilis3个阶段60h模拟与真实路径的误差 (单位: km) Table 4 The error between simulated and observation trace for Bilis of three stages (unit: km)

试验2结果在第1阶段略好于控制试验, 第2阶段效果最好, 较试验1和控制试验都表现出了明显的正效应。第3阶段试验2效果好于试验1, 相比控制试验除台风登陆后以外也有所改进。结果说明, 采用云检测有效剔出受云影响资料改观了不加判识的负影响, 而且使卫星资料使用的效果表现出整体上的正效应。不过, 散射因子取I_S >10似乎使多数卫星观测都被判识为受到云的影响, 试验2剔除了大部分AMSU-A通道5~7的资料。试验3则是在试验2的基础上将云区AMSU-A通道8~10的资料也剔除, 3个阶段结果都较试验2有所退步显示了AMSU-A通道8~10卫星资料的作用。AMSU-A通道8~10实际上受云影响不大, 对其使用可以不加云判识。

试验4和试验5分别取散射因子I_S >15和I_S >20作云检测, 其结果带来部分受云影响程度不严重的卫星资料进入同化分析。和试验2比较, 加入了散射因子介于10~15之间AMSU-A通道5~7资料的试验4, 台风路径预报在第1, 2阶段都有明显改善。第3阶段前面略好, 后面时段如试验2一样变差, 这和实际台风登陆后有一个向南偏转有关。试验5加入了散射因子介于10~20之间的AMSUA通道5~7资料, 第1阶段由于是卫星资料用的越多越表现出正效应不适宜说明问题, 第2, 3阶段试验5效果总体上较试验4差。这些结果说明, 云检测判识的较小程度上受云影响卫星资料的使用对模式预报效果有积极的正效应, 但判识放得太宽将使资料的作用变得不确定, 散射因子取I_S >15是一个合适的阈值。

试验6和试验7采用降水概率和小雨检测, 由于判识的云区较小, 相当于允许较多甚至受云影响程度较大的资料参与分析, 预报效果均不好。采用降水概率或小雨检测来判识受云影响也应该寻求合适的阈值, 不过从其计算值分布看 (图 1), 它们的层次均没有散射因子丰富和与天气系统配合的好。相比之下, 散射因子作为AMSU-A云判识似乎更合适。

AMSU-B的试验8和试验9, 因为试验2中使用了AMSU-B, 同时试验8中也使用了AMSU-A, 所以试验8和试验2有同样的结果。试验8与试验9的结果比较可以看出, 试验9预报效果较试验8差, 表明通道2亮温模拟与观测偏差较Bennartz散射因子效果要好一些。

选取0604号热带气旋Bilis作为研究个例, 设计了一组包括散射因子、降水概率和小雨检测等不同云检测方案和通道选择组合下受云影响卫星微波资料的应用试验。不同的云检测和通道选择导致不同的云雨区卫星资料参与同化分析, 在对不同资料应用情况下卫星模拟与实际观测偏差特征的统计、和天气系统的配置关系以及影响分析的基础上, 探讨了台风初期、发展与登陆3个阶段数值预报效果的影响。试验结果表明:

1) 对受云影响卫星资料不加判识直接使用会对数值预报效果带来负效应, 但是在有些个例中问题却会被单纯比较同化卫星资料与否的预报结果所掩盖。

2) 采用云检测对受云影响资料加予判识能够使卫星资料使用的效果表现出整体上的正效应, 表明了受云影响卫星资料应用在数值预报中的重要性。但是需要慎重选择使用条件, 不同处理方法会带来资料使用间的巨大差别, 并影响初始分析和随后的数值预报效果。

3) 不同云区检测方法的结果差别较大, 对AMSU-A, 散射因子I_S取10带来过多资料被丢弃不能使用, I_S >15较适合, 再大的阈值使资料应用表现出负效应。降水概率和小雨检测作云检测时, 判识的是严重受云和降水影响的观测。采用降水概率或小雨检测来判识受云的影响, 也必须寻求合适的阈值。不过从其计算值分布看, 它们的层次均没有散射因子丰富并与天气系统配合较好。相比之下, 用散射因子可能更好。对AMSU-B, 通道2模拟误差判识较Bennartz散射因子合适。

需要指出的是, 受云影响卫星资料的应用是一个比较复杂的问题, 相关工作还需要进一步开展下去。由于没有在快速辐射传输模式中考虑云雨粒子辐射效应, 对受云影响卫星资料的应用只能采用云检测方法判识出资料是否受云影响而加以取舍。这一问题的真正解决依赖于快速辐射模式对云雨区卫星观测模拟效果的改善, CRTM考虑了云和降水粒子的散射效应并着力于受云雨影响卫星观测的模拟计算能力发展, GRAPES-3Dvar中CRTM的接入成为今后工作深入的一个基础, 后续的研究工作也正在逐步开展中。