20世纪90年代初，数值预报模式多半提供绝热的初始条件，即冷启动。冷启动时，由于在非平衡初值或扰动条件下，模式要进行调整进而达到平衡态，必须经过模式的起转过程即spin-up问题。为了解决这个问题，科学家开始采用非绝热初始化方法，即热启动。这种情况下，NOAA (National Oceanic and Atmospheric Administration) 下属ESRL (Earth System Research Laboratory) 发展了LAPS (Local Analysis and Prediction System) 系统，其中的云分析模块可以融合多种观测数据，得到高分辨率三维云场提供模式热启动使用^[1]。其他一些机构也发展了类似的数据融合系统，如ARPS (the Advanced Regional Prediction System)^[2], RUC (Rapid Update Cycle)^[3]等，并应用于数值预报模式初始场的个例中，证明了云分析减少了模式初始运行中的spin-up问题^[4-9]。

国内也开展了云分析及模式热启动方面的研究，鄢俊一等^[10]、李永平等^[11]、施丽娟等^[12]、管成功等^[13]在模式初始场中增加云变量，热启动模式也降低了模式spin-up现象。国内多个单位引进了LAPS系统并本地化，开展了三维数据融合及数值模式热启动相关研究^[14-15]。然而对于LAPS中融合卫星云图进行云分析的应用仍较少，因此本研究将卫星云图资料融合进入LAPS，并对加入卫星资料以后的云分析与融合其他数据 (雷达、地面) 的云分析效果进行对比，探讨各种资料在LAPS三维云量场融合中的作用。

LAPS是NOAA下属ESRL发展的三维数据分析系统，它融合模式背景场、地基、空基等多种观测数据获得高分辨率风、温、压、湿、云等大气参数^[15]。三维云分析是LAPS最有特色的部分，云分析主要采用了逐步订正方案，具体算法见文献[1-2]，获得的云参数包括三维云量场、大气柱云量、云底高度、云顶高度等，产生的三维云量场用于LAPS中其他云物理参数如云水含量、云冰含量、云分类等的计算。

本文选取北京地区2009年11月9日08：00(北京时，下同) 和华南地区2008年6月12日14：00两个个例，分析了融合各种资料后在LAPS云分析中的效果。北京地区研究区域为39.3°~40.3°N，115.5°~117.5°E，研究时段内天气为阴、有雪；华南地区研究区域为14°~32°N，102°~123°E，研究时段内出现了暴雨。

LAPS主要融合的数据包括背景场、地面、雷达和卫星数据。北京地区个例中，LAPS背景场采用了北京市气象局快速更新循环同化和预报系统RUC预报场资料；融合的地面数据为地面人工站云量、北京3部微波辐射仪的云底高度；雷达数据包括北京、天津、张家口和石家庄4部降水雷达基数据；卫星资料采用了我国FY-2C静止气象卫星11 μm，3.9 μm和可见光通道数据。华南地区个例中，背景场采用了NCEP预报场数据，由于没有微波辐射仪数据，地面数据仅采用人工站云量，雷达数据包括了区域内12部降水雷达基数据；卫星数据与北京地区个例相同。

LAPS云分析模块保留LAPS原有输入、输出接口。其中背景场数据、地面观测、探空观测及雷达数据的输入主要采用文献[15]的方法。本研究将FY-2C气象卫星数据融合进入LAPS云分析中，LAPS原有卫星数据格式与FY-2C不同，因此卫星数据融合部分做了较大改动。首先将卫星各通道数据提取出来，进行插值及边缘平滑处理、太阳高度角订正，最后按照LAPS需要的格式将卫星资料投影到LAPS网格点上，生成中间文件，这些中间文件使用LAPS原有接口进入LAPS云分析模块。

为了研究各种观测数据对LAPS三维云场融合的贡献，根据融合进入LAPS云分析数据不同设计了5种试验：① 仅融合模式背景场数据；② 融合背景场和地面观测数据；③ 融合背景场和卫星云图数据；④ 融合背景场和雷达基数据；⑤ 同时融合背景场、地面观测、雷达基数据和卫星数据。

图 1为北京地区2009年11月9日08：00 5种试验得到的LAPS三维云量场沿39.8°N垂直剖面图，空间分辨率为1 km×1 km，垂直方向为42层。由图 1可以看出，如果仅融合背景场数据 (即试验1)，沿39.8°N北京西部被中、低云覆盖，东部地区对流云发展比较旺盛，云顶发展到将近11 km高度。在背景场数据基础上融合地面观测数据后 (即试验2)，云底的云量分布发生了显著变化，在116.8°~117.2°E云底相对背景场升高，另外在4~5 km高度，出现了1个少云区。如果在背景场基础上融合卫星资料 (试验3)，在39.8°N沿线西部6 km以上高空出现了高云，并且北京东部对流云分布型态也发生了变化，云顶云量增多；如果背景场基础上融合雷达数据 (试验4)，在北京西部，也出现了发展比较旺盛的对流云系；对照融合的雷达反射率 (图略)，在沿39.8°N西部出现了较强的雷达回波，因此，有雷达回波的区域三维云量得到了订正。如果将背景场、地面观测、雷达、卫星同时进行融合 (试验5), 对于云底，地面观测资料起主要作用，而对于云顶，卫星资料和雷达资料均对其结构进行了调整，并且卫星资料贡献相对更大，而云层中部主要是雷达的调整作用较大。

图 1

图 1. 北京地区2009年11月9日08:00云分析5种试验获得的沿39.8°N的三维云量场剖面图 Fig 1. Cross section of three-dimensional cloud amount along 39.8°N at 08:00 9 November 2008 in Beijing by 5 schemes

LAPS分析中将大气柱各层中的云量最大值作为此气柱的总云量，称柱云量。图 2为北京地区个例柱云量分布。由图 2可以看出，单独加入地面观测数据 (试验2)、雷达数据 (试验4)，柱云量空间分布趋势相对背景场变化不大，而增加了卫星资料后云量分布趋势发生了较大变化，在40°N附近，出现了1个西南—东北向带状的云量小值区 (试验3)，分布形势与卫星可见光和红外云图 (图 3) 较为一致。与LAPS云分析5种试验结果相比发现，融合了多种资料后的柱云量 (试验5) 与卫星观测实况 (图 3) 更接近，获得的云量场分布更为真实客观。而只融合了卫星资料的柱云量分布体现了实况的大部分特征，因此卫星资料对云量场的订正作用不可忽视。

图 2

图 2. 北京地区2009年11月9日08:00云分析5种试验分析得到的柱总云量 Fig 2. Distribution of column cloud amount at 08:00 9 November 2008 in Beijing by 5 schemes

图 3

图 3. 北京地区2009年11月9日08:00 FY-2C气象卫星可见光云图 (a) 和红外云图 (b) Fig 3. FY-2C visible image (a) and infrared image (b) at 08:00 9 November 2008 in Beijing

与北京地区个例相同设计了5种试验分析得到华南地区2008年6月12日14：00的三维云量场，空间分辨率为4.5 km×4.5 km，垂直方向为42层。图 4为LAPS融合得到的三维云量沿24°N垂直剖面图。由图 4可以看出，当融合了卫星云图数据，对三维云量场顶部云量起到了订正作用 (试验3)，只融合雷达反射率，对中、低层的云量分布有一定调节作用 (试验4), 融合了地面观测效果不明显 (试验2)，主要是由于我国自动站观测中没有云底高度的观测，而本个例中雷达和卫星观测均作出了贡献，其中卫星资料的作用更为显著 (试验5)。

图 4

图 4. 华南地区2008年6月12日14:00云分析5种试验获得的沿24.0°N的三维云量场剖面图 Fig 4. Cross section of three-dimensional cloud amount along 24.0°N at 14:00 12 June 2008 in South China by 5 schemes

同样将LAPS分析得到的柱云量与同时刻卫星云图对比 (图略)，可以看出融合了卫星资料后，LAPS分析得到的云量场与实况更吻合。

另外，分别将5种试验获得的柱云量与同时刻FY-2C气象卫星反演总云量产品进行定量对比检验，并制作了5种试验柱云量与FY-2C气象卫星反演总云量对比散点图 (图略)。对应5种试验的柱云量与FY-2C气象卫星反演总云量相关系数分别为0.51，0.51，0.78，0.51和0.77，均通过90%信度检验。当LAPS没有融合卫星数据时，其柱云量明显高于FY-2C气象卫星所获得的云量。而融合了卫星资料后，LAPS分析云量与FY-2C气象卫星反演云量产品值比较接近，相关也较好。由此看出，在LAPS云分析中卫星资料在其中起很大作用。

本研究将我国FY-2C静止气象卫星资料融合进入LAPS三维数据分析系统，并且分别对融合了地面数据、雷达数据、卫星数据后的LAPS三维云场进行对比分析。卫星、雷达和地面观测数据分别从云顶、云中、云底对云量进行调整，从而获得更为客观的三维云量场。LAPS云分析设计中，融合的客观数据越多，得到的三维云场也越为客观，因此，下一步考虑将更多的雷达、卫星等数值产品融合到LAPS中；另外，由于云分析对地基观测云底高度的依赖，还将研究利用地面、探空数据计算得到合理的云底高度提供LAPS使用。