应用气象学报  2010, 21 (1): 19-28   PDF    
引用本文
仲跻芹, 陈敏, 范水勇, 张朝林. AMDAR资料在北京数值预报系统中的同化应用[J]. 应用气象学报, 2010, 21(1): 19-28.
Zhong Jiqin, Chen Min, Fan Shuiyong, Zhang Chaolin. Assimilation Application of AMDAR Data to the Operational NWP System of Beijing[J]. Journal of Applied Meteorological Science, 2010, 21(1): 19-28  
AMDAR资料在北京数值预报系统中的同化应用
仲跻芹, 陈敏, 范水勇, 张朝林     
中国气象局北京城市气象研究所, 北京100089
2008-11-07 收到, 2009-11-05 收到修改稿.
资助项目: 公益性行业（气象）科研专项经费项目“环北京夏季暴雨观测系统研究与可预报行示范试验”（GYHY200706042）和国家自然科学基金项目“非静力数值模式的初始化与高频噪声控制”（40505020）共同资助    
摘要: 该文针对北京市气象局业务快速更新循环同化预报系统 (BJ RUC)，通过对有无飞机观测资料参加同化的预报试验客观要素预报均方根误差和降水量TS评分的对比分析，探讨了飞机观测资料对短期数值天气预报的影响。结果表明：飞机观测资料的同化对于前9 h预报时效内的高空风和温度预报有明显的正面影响。其中，对风预报的正面影响集中在925~250 hPa高度上；而对温度预报的正面影响主要体现在850~400 hPa之间的各层内。在快速更新循环的暖启动模式下，飞机观测资料同化比冷启动模式下带给预报结果更明显的正面贡献。飞机观测资料参加同化对于降水预报技巧的提高也有正面效应，对24 h和12 h累积降水量TS评分以及12~18 h和18~24 h时段内的6 h累积降水TS评分有明显提高，提高的最大幅度达50%，并对相应阈值和时段内无飞机观测资料参加同化的试验中雨区偏大现象有改善。分析增量分布特征与同化带来的风温要素3 h预报改进的垂直特征基本对应，表明飞机观测资料参加同化对初始场中风场和温度场质量的改进。
关键词: 飞机观测资料    变分同化    数值天气预报    
Assimilation Application of AMDAR Data to the Operational NWP System of Beijing
Zhong Jiqin, Chen Min, Fan Shuiyong, Zhang Chaolin     
Institute of Urban Meteorology, CMA, Beijing 100089
Abstract: AMDAR data has been widely proved valuable in improving accuracy of numerical weather forecast. But assimilation application of AMDAR data in operational NWP model is seldom accessed in China. BJ RUC, the operational rapid update and cycling NWP system of Beijing Meteorological Bureau, is used to evaluate the impacts of assimilating AMDAR data on forecast performance. Durative experiments with and without AMDAR data are conducted from 15 Jul to 15 Aug, 2007. The average RMSE difference and average precipitation scores difference of AMDAR and NOAMDAR experiments are compared to discuss the impacts of AMDAR on short range numerical weather forecast. Analysis shows that the assimilation of aircraft data has remarkable positive impacts on the first 9 hours forecast especially on upper levels. Forecasts of wind on the levels of 925 hPa to 250 hPa and temperature on the levels of 850 hPa to 400 hPa are improved. The assimilation of AMDAR data contributes more in rapid updated cycle mode than in cold start mode. It has positive impacts on the threshold score of accumulated precipitation forecast of 0—12 hours, 0—24 hours, 12—18 hours, and 18—24 hours. It also improves the overestimating in the NOAMDAR experiments. The increment analysis shows parallel characteristics with the horizontal distribution of AMDAR data and the vertical improvement characteristic of the 3 hours forecast. The comparability indicates the improvement of wind and temperature in first guess field made by assimilating AMDAR data. The relative observation errors of AMDAR against Beijing radiosonde are discussed and proved reliable. It suggests that determining AMDAR observation errors properly in assimilation can help make better use of AMDAR data. Experiments on AMDAR data assimilating application in the operational BJ RUC system show that AMDAR assimilating has important positive impacts on improving the upper temperature, wind and precipitation forecast. Reasonable amendment of observation errors will bring more efficient utilization of AMDAR data, so priority is assigned to adjusting the AMDAR observation errors in BJ RUC.
Key words: AMDAR     data assimilation     numerical weather prediction    
引言

航空气象数据转发 (Aircraft Meteorological Data Relay，简称AMDAR) 是通过民航班机上的自动观测仪器获得的自动气象报告，其获得的气象信息主要包括观测时的经度、纬度、飞行高度、气温、风向、风速、最大风和湍流等信息.飞机观测资料作为一种气象观测资料源，具有采样频度高、探测层次密集等特点，对现有常规高空气象观测资料在时空分布上的不足起到一定补充作用.

飞机观测资料的应用研究工作在国外开展多年，目前已进入稳定应用阶段.在20世纪90年代中期，国外研究人员就飞机通讯转发和发报系统 (Aircraft Communications Addressing and Reporting System，简称ACARS) 中飞机要素观测开展精度评估研究[1-2]，研究结果表明，ACARS系统中飞机观测与探空观测的差异已经很小，数据质量可靠.已经开展的飞机资料在数值预报的同化应用研究表明，ACARS系统中飞机观测资料的同化应用能够提高大尺度中短期预报技巧[3]，飞机观测资料的同化使得分析场中急流附近的大气更接近真实状态[4].许多研究表明[5-8]，飞机观测资料有助于提高天气预报 (包括数值预报) 的准确率.

我国已于2004年成为国际航空气象资料合作成员国，运行飞机观测资料交换业务系统.大量航空气象资料的获取，对提高我国天气预报水平是一个很好的机遇.这些资料很快在预报业务中得到应用，主要集中在一些特殊天气过程的短时和临近天气预报的天气分析上.袁子鹏等[9]利用AMDAR资料对辽宁、内蒙古地区汛期发生的强降水，尤其是强对流天气以及大雾等天气进行预报业务试应用个例试验，结果表明:AMDAR资料在天气预报业务中，尤其是在临近预报中具有参考价值.拓瑞芳等[10]利用AMDAR数据对一次锋面过境个例进行分析，根据航班起降时的气象观测制作的风、温度廓线，确定锋面系统过境的准确时间，弥补了常规探空在空间和时间分辨率上的不足.黄卓等[11]应用AMDAR资料对几次重大天气过程进行了动力和热力学分析研究，将飞机在航站上起降时探测的高时空分辨率数据与其他资料结合起来，捕捉到一些常规观测资料难于发现的引发冰雹等强对流天气的中尺度天气系统.伴随着各类非常规探测技术的飞速发展，变分同化技术成为改进预报准确率的一个主要途径和有效手段.近年来，我国在包括雷达、卫星等特种观测资料的变分同化应用方面也取得了长足进展[12-15].数值预报和变分同化技术给飞机观测资料的应用提供一个很好的平台.梁爱民等[16]利用包括AMDAR资料在内的不同资料进行三维变分同化试验，发现同化AMDAR资料使层结趋稳性明显，对雾区的模拟有修正效果.万齐林等[17]通过逐时同化飞机观测资料，针对一次暴雨过程进行预报试验，发现飞机观测资料的同化减少了降水的空报现象，对降水强度和雨带分布的预报有正面贡献.与国外开展的飞机观测资料在数值预报中的同化应用工作比较，我国在相应领域研究工作起步较晚，早期主要应用于特殊天气的个例预报分析.近几年，国家气象中心已在其全球和区域业务模式中开始实时同化应用飞机观测资料.

本文使用北京市气象局业务快速更新循环同化预报系统 (BJ-RUC)，利用从国家气象信息中心实时数据库中获取的飞机观测资料，进行了为期1个月的连续变分同化和数值预报试验，并通过客观检验和分析完成了飞机观测资料同化应用的效果评估，从业务应用意义上分析了该资料对短期数值天气预报的影响.

1 模式、试验方案和观测资料 1.1 模式和变分同化系统介绍

本文数值试验使用BJ-RUC系统，数值模式为WRF (Weather Research and Forecasting mode1) V2版本，模式为区域三重嵌套，预报区域以40°N，116°E为中心，D1，D2，D3水平分辨率分别为27/9/3 km，网格点数为151 ×151/184 ×142/199 ×172，垂直方向为38层.采用的物理过程包括WSM6显式微物理方案，Kain-Fritsch (new Eta) 对流参数化方案，YSU边界层方案，RRTM长波辐射方案，Goddard短波辐射方案，Noah land-surface model.三维变分同化系统为WRF V A R V2.1版本[18].

1.2 试验设计

本文选取试验时段为2007年7月15日00 :00(世界时，下同)-8月15日21 :00.数值试验采取快速更新循环同化和预报模式:在试验时段内每日00 :00冷启动，以3 h的更新周期逐次暖启动循环至当日21 :00，每次预报均同化相应观测数据，预报时效均为24 h，输出间隔为1 h.在试验时段内共256个循环试验.冷启动预报的背景场由NCEP/GFS6 h预报场提供，冷、暖启动预报的侧边界条件均由NCEP/GFS预报场提供.资料同化的背景场误差为BJ-RUC业务运行所中使用的背景场误差[19-20].本文同化和预报试验中所使用的观测误差为WRFVAR V2.1系统中的缺省误差，其中飞机观测误差在各层上均为常数，温度为1 ℃，风速为3.6 m/s，风向为5°.

本文进行了两个方案的试验，其一为控制试验 (NOAMDAR)，参加同化的资料包括常规和加密地面观测资料，常规和加密探空观测资料.加密探空观测资料包括06 :00和18 :00两个时次10个站点观测，即赤峰、北京、张家口、邢台、太原、章丘、青岛、大连、成山头、乐亭.其二为飞机观测资料同化试验 (AMDAR)，参加同化的资料除了控制试验中的所有观测资料外，还包含了飞机观测资料.飞机观测资料中被同化的要素包括风向、风速和温度.

本文使用通用的客观要素检验方法进行要素检验.参加检验的资料为D3中逐3 h地面观测资料和北京市观象台探空站 (站号为54511，37.8°N，116.47°E，以下均简称为北京探空站) 逐6 h观测资料.结果分析中给出的评分为试验时段内各试验评分的统计平均.本文使用TS评分方法进行累积降水量级检验.降水检验所使用的实况观测资料为北京地区的171个自动气象观测站的逐小时降水量，并得到6，12 h和24 h实况累积降水量.通过双线性插值方法将数值模式网格点降水量预报插值到自动站位置生成测站预报降水量.检验阈值为0.1，1，5，10，25 mm和50 mm.降水检验时效分别为6，12 h和24 h.

1.3 飞机观测资料分布

本文试验中所使用的飞机观测资料收集频次为3 h，收集数据的具体时次为每天的00 :00，03 :00，06 :00，09 :00，12 :00，15 :00，18 :00和21 :00，每个收集时次的数据中包含从该时次前2 h至其后1 h时段内的飞机观测资料.图 1给出了本研究所收集的飞机观测资料分布特征.从图 1a可以看到，D1中我国境内飞机观测资料主要以北京为中心密集分布.从图 1b可以看到，就D3而言，8000 m以下为飞机观测的密集分布层，这在很大程度上是因为进入D3区域内的飞机大部分是在北京首都国际机场起降的航班，航程发出的观测相应高度也就集中于平飞高度以下.由图 1c可知，飞机观测资料主要集中在03 :00-15 :00，观测数目在12 :00达到最大值，21 :00降到最小值.

图 1. 2007年7月15日-8月15日飞机观测数据分布 (a)7月15日12:00 27 km区域空间分布，(b) D3区域资料平均高度分布，(c) D3区域资料时间分布 Fig 1. AMDAR distribution from 15 July to 15 August 2007 (a) AMDAR spatial distribution in domain of 27 km resolution at 12:00 15 Jul 2007, (b) averaged vertical distribution of AMDAR data in D3, (c) averagedtemporal distribution of AMDAR data in domain of D3

前面分析已经指出飞机观测资料空间分布的不均匀性，基本上主要集中在华北地区.本文中数值试验D2和D3都不同程度覆盖该地区.以2007年8月1日为例，经质量控制后，不同时次D2和D3中同化系统读入的和最终同化的飞机观测数目如表 1所示，可以看出D3同化的观测数目少于D2.各时次平均的D3同化的观测数目约为D2的62 %.但与此同时，D3约为D2的14 %.为了更充分地评估同化飞机观测对预报的影响，本文选取了D3作为分析区域.

表 1 2007年8月1日不同时次D2和D3同化系统读入和同化的飞机观测资料数目 Table 1 Input and assimilated AMDAR report of different time on 1 Aug 2007 in D2 and D3

2 结果分析 2.1 飞机观测资料参加同化对客观要素预报的影响

图 2为试验时段内所有试验的风温要素在3，6 h和9 h预报时效的平均均方根误差.在前9 h预报时效内，AMDAR试验的风温要素平均均方根误差在各层上基本都小于NOAMDAR试验，同化飞机观测资料对风温要素预报有明显的正面影响.在12 h及之后的预报时效内，飞机观测资料同化对风温要素带来的正面影响相对较小 (图略).

图 2. 2007年7月15日-8月15日不同试验方案3，6 h和9 h风速和温度预报相对于北京探空观测的平均均方根误差垂直廓线 Fig 2. Vertical profiles of averaged root mean square error of 3, 6, 9-hour valid wind and tempe rature fo recast against 54511 RAOB o bserv ation from 15 Jul to 15 Aug 2007

具体来看，飞机资料同化对于风场的预报，前9 h预报时效内在925~250 hPa的各层上均有不同程度的正面影响.飞机观测资料同化对于温度场预报的正面影响主要集中在850~400 hPa，且这一影响在3 h和9 h预报时效要大于6 h预报时效.

出现这一现象的主要原因在于6 h预报试验均为00 :00，06 :00，12 :00和18 :00启动，这些试验中同化的资料还包括该时次的探空观测:规定层和特性层上温度观测以及规定层上的风观测.所以探空观测本身已经有了垂直分辨率较高的温度观测和有一定垂直分辨率的风观测.飞机观测资料的加入所补充的高空风温观测便不显著.而有3 h和9 h预报的试验均为03 :00，09 :00，15 :00，21 :00启动，这些试验中，飞机观测资料是唯一的高空观测资料来源，带给初猜场实际大气的高空信息.以2007年8月1日为例，在00 :00，06 :00，12 :00，18 :00等时次启动的试验中分别同化了D3中3个探空观测 (北京站54511，张北站54401和赤峰站54218) 以及132，285，72，135个飞机观测；而在03 :00，09 :00，15 :00，21 :00等无探空观测时次启动的试验中高空信息全部来源于D3中203，218，61，123个飞机观测.

图 3a，3b为试验时段内平均的冷启动模式 (00 :00启动预报)6 h预报时效的风和温度均方根误差，图 3c，3d为暖启动模式 (03 :00，06 :00，09 :00，12 :00，15 :00，18 :00，21 :00启动预报) 下与图 3a，3b相应的结果.从相同预报时效上AMDA R和NOAMDAR试验的均方根误差比较来看，在快速更新循环的暖启动模式下，同化飞机观测资料带给风和温度预报更明显的正面贡献.这是因为快速更新循环同化和预报模式较冷启动预报模式，在提高高时间密度观测资料的多时刻信息同化能力上有显著优势.这一优势不仅体现在以循环周期不断更新同化相应时刻的观测资料，从而改进了初猜场质量上，还表现在快速更新循环的暖启动中使用前次3 h时效预报场作为初猜场，将不同时刻观测资料带来的大气实际信息不断累积上.

图 3. 冷启动模式 (a，b) 和暖启动模式 (c，d) 模式下风速 (a，c) 和温度 (b, d)6 h预报均方根误差在2007年7月15日-8月15日针对北京探空站的平均垂直廓线 Fig 3. Vertical profile of averaged root mean square error of wind (a, c) and temper ature (b, d)6-hour valid forecast within the duration of 15 Jul to 15 Aug 2007 under cold start mode (a, b) and warm start mode (c, d) respectively

AMDA R和NOAMDA R试验中地面要素评分基本相当 (图略)，表明飞机观测资料的同化对于D3地面要素预报基本上无明显影响.从D3中飞机观测的垂直分布可以看到，2500 m以下为飞机观测的密集区，该高度层内飞机观测占各高度上飞机观测总和的30 %左右，但这些观测基本上集中在北京首都国际机场附近，这些资料的同化对于D3背景场的改善很有限；而其他70 %观测资料分布在2500 m以上的各个高度上，对地面客观要素预报的影响也有限.

2.2 同化AMDAR资料对降水预报的影响

从两个试验的24 h和12 h累积降水量预报TS评分 (图 4) 来看，AMDAR试验除了1 mm阈值在0~12 h时段内的TS评分略低于NOAMDAR试验外，在其他所有阈值所有预报时段上TS评分都优于或至少相当NOAMDAR试验.特别是在10 mm及以上阈值12 h累积降水量的TS评分上，AMDAR试验在降水时段的预报上表现出明显的优势.结合24 h和12 h累积降水预报BIAS评分 (图略) 可知，除了25 mm，50 mm阈值的0~12 h时段以及50 mm阈值0~24 h时段内的BIAS评分外，两个试验在其他阈值的各预报时段上的BIAS评分均大于1，表明两个试验预报的降水落区均偏大.AMDAR试验在10 mm及以下阈值降水量的24 h累积降水量BIAS评分低于NOAMDAR试验，表明飞机观测资料参加同化对于24 h累积降水量预报落区偏大有所改善.相应的12 h累积降水量BIAS评分则清楚地显示出飞机观测资料参加同化对于降水在不同12 h时段内落区预报的调整.从50 mm阈值降水量的24 h累积降水量BIAS评分来看，飞机观测资料参加同化对于NOAMDA R试验中的降水预报预报范围偏小现象有明显改善.

图 4. 不同预报时效不同阈值的累积降水量TS评分 Fig 4. Thresh score of 24-hour, 12-hour and 6-hour accumulated precipitation

从6 h累积降水量TS评分可见，在对10 mm及以下各阈值降水量预报上，AMDAR试验在6~12 h，12~18 h以及18~24 h这3个时段中的累积降水量预报TS评分较之NOAMDAR试验有显著提高，最大提高幅度达50 %；但对于25 mm阈值降水量，只有在6~12 h时段内，飞机观测资料参加同化使TS评分提高，在其他3个6 h时段内，都使TS评分降低.与12 h累积降水量TS评分综合来看，飞机观测资料参加同化对该阈值降水在12 h内不同6 h时段的降水时间发生了调整，但对降水强度和预报并未产生负面影响；对于50 mm阈值降水量，AMDAR试验在前3个6 h时段内的TS评分较之NOAMDAR试验都有提高.由各阈值6 h累积降水量的BIAS评分 (图略) 可知，飞机观测资料参加同化对不同6 h时段内预报落区的大小进行了调整.

从以上试验时段内降水量评分统计分析可见，飞机观测资料的同化对中尺度数值预报中降水量预报技巧的提高有积极的正面影响.AMDAR试验在各阈值各时段的24 h和12 h累积降水量TS评分都优于或相当于NOAMDA R试验；在1，5 mm和10 mm阈值降水量在12~18 h和18~24 h两个时段内的6 h累积降水量评分明显优于NOAMDAR试验，同时对于相应阈值和时段内控制试验中落区偏大的现象有改善.与此同时，多个阈值的0~6 h时段内AMDAR试验的6 h累积降水量TS评分低于NOAMDA R试验.表明飞机观测资料同化未使0~6 h降水量预报技巧明显提高，对于数值天气预报0~6 h时段降水量的动力与物理机制这样一个难题，今后还需深入研究与改进.此外，从2.1节中分析可知，同化飞机观测资料改进了试验对风场和温度要素的预报，从而通过改进流场、层结和动力场的模拟，使降水量预报得到明显改进.

2.3 同化飞机观测资料的分析增量分布

图 5给出了试验时段内各00 :00启动预报试验在D3飞机观测资料的分析增量.在沿40°N的纬向-高度剖面图中可以看到，u分量在垂直方向上有两个负中心，最大值分别为-0.18 m/s和-0.15 m/s，分别位于500 hPa和925 hPa.由于北京西北地形高，使得低层u分量增量在西侧出现了等值线的密集区.v分量增量在垂直方向上集中分布于200~600 hPa，中心值为-0.25 m/s，位于400 hPa.较u分量增量最大值偏大.从水平风矢量的增量图来看，400 hPa上在北京和天津交界地区有明显的东北风增量，最大值达到0.3 m/s以上.与此同时925 hPa上在北京顺义及其偏南地区有明显的东风增量，最大值达到0.1 m/ s以上.温度的正分析增量集中在700 hPa及以下，925 hPa上有一个值为0.35 ℃的增量中心，600~300 hPa存在一个负增量中心.从925 hPa上温度增量的水平分布来看，温度增量分布的中心地区为顺义地区，最大值达到0.4 ℃.同样由于北京西北地区和东北地区的高地形影响，温度增量在西北和东北方向有明显的等值线密集区.从风场和温度分析增量的垂直和水平分布可以看出，飞机观测资料的同化对初猜场有明显影响.结合飞机观测资料同化对预报影响来看，在3 h时效的预报中，飞机观测资料同化带给风场预报的改进主要集中在700~250 hPa，温度预报的改进则基本上在850~300 hPa.这与各要素分析增量的垂直分布基本上一致，表明飞机观测资料同化改进了初猜场风场和温度场的质量，从而改进预报.

图 5. D3中飞机观测同化的分析增量沿40°N的纬向-高度剖面及水平分布 Fig 5. Cross-section at 40°N and horizontal distribution of analysis increment of AMDAR obser vationin D3

3 飞机观测资料质量

本文选取北京探空站作为比对探空，计算该站周边飞机风温要素观测相对于该探空站风温要素观测的均方根误差，以此来量化认识飞机观测资料质量.与探空站的定时、定点观测不同，飞机观测存在观测位置和时间的不确定性.在相对误差计算中需要确定与探空观测时间、高度和空间位置相对应的飞机观测.本文在每个探空观测时次，对位于北京探空站30 km水平范围内，每个探空观测高度一定垂直范围内 (150 m高度以下为10 m范围，150~500 m高度为20 m范围，500 m高度以上为50 m范围) 的飞机观测，依次按照观测时间最近、水平距离最近、垂直距离最近的原则，选择与探空观测最接近的飞机观测，计算各探空观测层上两种类型风和温度观测的相对误差.图 6为用上述方法计算出的均方根误差的垂直分布.限于30 km的水平范围，参加相对误差统计的飞机观测资料基本上为航班在北京首都国际机场起降过程中发出的报告，观测高度在550 hPa以下.由于参加计算的探空温度观测包含了常规层和特性层观测，而风向、风速观测仅包含了常规层观测，不同要素的相对误差最大分布高度有所不同.从图 6可以看到，飞机观测相对于探空观测的温度均方根误差大致为0.5~1.5 ℃，风向均方根误差大致在15°~55°，风速均方根误差为1.4~2 m/s.低层的相对误差较大，风向尤其明显:风向相对误差在1000 hPa高度上高达55°，在925 hPa及以上高度则降低到30°以下.这是由于在探空站30 km的周边区域中，低层飞机观测基本位于北京首都国际机场附近，与北京探空站有一定距离.由于地形、下垫面性质以及周边环境的不同，近地面层中风温要素受各种因素影响分布差异较大，随高度增加而减弱，风温要素分布渐趋均匀.需要说明的是，参加误差计算的飞机观测资料并非本研究中使用的所有飞机观测资料，其代表性有一定限制，但就参加均方根误差计算的飞机观测资料而言，其观测质量是比较可靠的.

图 6. 飞机观测资料相对于北京探空观测资料的均方根误差 Fig 6. Root mean square error of AMDAR obser vation relative to the radiosonde observ ationin Beijing

本文试验所用观测误差为同化系统较为粗略的缺省误差，温度和风向、风速观测误差在垂直方向上为常数.合理地确定飞机观测误差来替代目前所使用的缺省观测误差，将有助于模式更有效地吸收飞机观测带来的高空信息，提高预报系统对于观测数据的使用效率，这是下一阶段需要深入开展的研究工作.

4 结论与讨论

本文使用BJ-RUC系统，通过对有无飞机观测资料参加同化的预报试验客观要素均方根误差和降水量TS评分的对比分析，探讨了飞机观测资料对短期数值天气预报的影响.得到以下主要结论:

1) 从有无飞机观测资料参加同化试验的风温等常规要素预报检验评分的对比分析来看，对于高空风的预报，前9 h预报时效内在925~250 hPa的各层上均有不同程度的正面影响，总体而言对u分量预报的影响更显著于v分量；对于高空温度预报，前9 h预报时效内在850~400 hPa各层内有明显的正面影响.暖启动模式下，同化飞机观测资料比冷启动模式下带给预报结果更明显的正面贡献.

2) 飞机观测资料参加同化对于降水量预报技巧的提高也有正面效应，对24 h和12 h累积降水TS评分以及12~18 h和18~24 h时段内的6 h累积降水TS评分有明显提高，并对相应阈值和时段内无飞机观测参加同化的试验中雨区偏大的现象有改善.

3) 飞机观测资料同化的分析增量中，u分量增量集中于300 hPa以下，有两个负中心，最大值达-0.18 m/s，分别位于500 hPa和925 hPa.v分量增量集中在600~200 hPa，最大值达到-0.25 m/s，位于400 hPa.温度增量集中在700 hPa以下，最大值达0.35 ℃，位于925 hPa.与飞机观测资料参加同化带给3 h时效风场和温度场预报改进的垂直特征基本相对应，表明飞机观测资料同化对初始场中风场和温度场质量的改进.

本研究主要针对同化飞机观测对BJ-RUC系统的影响，因此重点讨论了以北京为中心约500 km ×500 km的区域中的飞机观测资料对环北京天气预报的数值影响.受研究区域所限，未能全面纳入所有飞机观测资料，研究只是部分反映了飞机资料对预报改进的贡献.观测资料的误差分布对同化系统有重要影响，因此，还需要深入分析与评估飞机观测误差改进对业务预报系统的影响.

致谢 感谢北京市气象信息中心缪宇鹏、王彬彬以及国家气象信息中心刘媛媛在飞机观测资料的收集工作上做出的努力，使得本工作顺利完成.
参考文献
[1] Schwartz B E, Benjamin S G, A comparison of temperature and wind measurements from ACARS-equipped aircraft and rawinsondes. Weather and Forecasting, 1995, 10: 528–544. DOI:10.1175/1520-0434(1995)010<0528:ACOTAW>2.0.CO;2
[2] Benjamin S G, Schwartz B E, Cole R E, Accuracy of ACARS Wind and temperature observations determined by collocation. Weather and Forecasting, 1999, 14: 1032–1038. DOI:10.1175/1520-0434(1999)014<1032:AOAWAT>2.0.CO;2
[3] Bell R, Ingleby N, Parrett C, Processing and Assimilation of Automated Aireraft Data. UKMO Forecasting Research Division Tech, 1994: 1–25.
[4] Leonid Rukhovets, Joel Tenenbaum, Marvin Geller, The impact of additional aircraft data on the Goddard earth observing system analysis. Monthly Weather Review, 1998, 126: 2927–2941. DOI:10.1175/1520-0493(1998)126<2927:TIOAAD>2.0.CO;2
[5] Beatrice Pouponnear, Franck Ayrault, Thierry Bergot, et al. The impact of aircraft data on an Atlantic cyclone analyzed in terms of sensitivities and trajectories. Weather and Forecasting, 1999, 14: 67–83. DOI:10.1175/1520-0434(1999)014<0067:TIOADO>2.0.CO;2
[6] Gilles Fournier, Stephen D Holden.Development of the Canadian Aircraft Meteorological Data Relay (AMDAR) Program and Plans for the Futurere∥13th Sym posium on Met eorological Observat ions and Inst rument ation.Savann ah, GA, 2005.
[7] Carla Cardinali, Lars Isaksen, Erik Andersson, Use and impact of automated dircraft data in a global 4DVAR data assimilation system. Monthly Weather Review, 2003, 131: 1865–1877. DOI:10.1175//2569.1
[8] Benjamin Stan, william R Moninger, Tracy L Smith, et al.TAMDAR Impact Experiment Results for RUC Humidity.Temperature, and Wind Forecasts∥11th Symposium on Int egrated Obs erving and A ssimilation Systems for the Atmosphere, Oceans, and Land Surface (IOAS-AOLS).January San Antonio, Texas, Amer Meteor Soc, 2007.
[9] 袁子鹏, 陈艳秋, 陈传雷, 等. 辽宁内蒙古AMDAR资料统计及个例预报应用. 气象与环境学报, 2006, 22, (1): 64–67.
[10] 拓瑞芳, 金山, 丁叶风, 等. AMDAR资料在机场天气预报中的应用. 气象, 2006, 32, (3): 44–48.
[11] 黄卓, 李延香, 王慧, 等. AMDAR资料在天气预报中的应用. 气象, 2006, 32, (9): 42–48.
[12] 闵锦忠, 沈桐立, 陈海山, 等. 卫星云图资料反演的质量控制及变分同化数值试验. 应用气象学报, 2000, 11, (4): 410–418.
[13] 黄兵, 刘健文, 钟中, 等. 卫星资料变分同化在一次中尺度强暴雨模拟中的应用. 应用气象学报, 2006, 17, (3): 363–369.
[14] 徐枝芳, 龚建东, 王建捷, 等. 地面观测资料同化初步研究. 应用气象学报, 2006, 17, (1): 1–10.
[15] 李华宏, 薛纪善, 王曼, 等. 多普勒雷达风廓线的反演及变分同化试验. 应用气象学报, 2007, 18, (1): 50–57.
[16] 梁爱民, 张庆红, 刘开宇, 等. 华北地区一次大雾过程的三维变分同化试验. 气象学报, 2007, 65, (5): 792–803.
[17] 万齐林, 黄燕燕, 梁科, 等. 高时间频率探测资料逐时同化与预报试验. 第二十一届粤港澳气象科技研讨会, 2007.
[18] Barker D M, Huang W, Guo Y R, et al. A three-dimensional (3DVAR) data assimilation system for use with MM5:Implementation and initial results. Monthly Weather Review, 2004, 132: 897–914. DOI:10.1175/1520-0493(2004)132<0897:ATVDAS>2.0.CO;2
[19] 范水勇, 张朝林, 仲跻芹. MM5三维变分系统在北京地区冷暖季背景场误差的对比分析. 高原气象, 2006, 25, (5): 855–861.
[20] 范水勇, 郭永润, 陈敏, 等. 北京地区高分辨率WRF三维变分同化在降水预报中的应用. 高原气象, 2008, 27, (6): 1181–1188.