多普勒雷達資料同化對暴雨預報的影響

馬曉華，屈麗瑋，張雅斌

(1.陜西省氣象臺，西安 710014；2.西安市氣象臺，西安 710016)

?

多普勒雷達資料同化對暴雨預報的影響

馬曉華1，屈麗瑋1，張雅斌2

(1.陜西省氣象臺，西安 710014；2.西安市氣象臺，西安 710016)

診斷分析了2007年8月8日陜西中南部一次突發性大暴雨過程，利用WRFV3.4數值預報模式及WRF-3DVAR變分同化系統，采用直接同化西安C波段多普勒雷達資料的方法，設計了4組試驗方案。結果表明，多普勒雷達資料同化能有效改進WRF數值模式性能，不同的同化方案對模式初始場及預報場有不同的改進，同化反射率對初始水汽場的改變較為顯著，而同化徑向速度對初始風場的改變更為明顯。在加入雷達資料同化后模式系統對中小尺度天氣系統特征的模擬效果提高，風場的輻合特征更為明顯，水汽也有顯著增強，降水強度和中心跟實況更為接近。

雷達資料同化；WRF模式；暴雨

隨著天氣預報技術的發展，數值預報產品已成為不可缺少的預報工具。提高數值預報模式預報能力是提高預報準確率最直接的手段。陜西地處西北地區東部、青藏高原東北部，每年7月上旬及8月下旬中尺度對流系統頻發，易發生突發性強、災害性大的強對流天氣[1]。數值預報模式對強對流天氣成功預報的基礎是初始場中盡可能含有足夠多的中尺度信息，研究表明多普勒雷達資料同化能有效提升中尺度數值模式降水預報性能[2-7]。但是目前我國西北地區普遍使用C波段雷達，相關研究不多[8]。陜西擁有7部多普勒雷達，高時空的多普勒雷達資料包含了豐富的中尺度信息，雷達徑向速度和反射率因子資料對強對流過程的模擬有何影響？不同雷達資料調整方案對模式初始場和中尺度對流系統及降水預報結果有何影響？如何利用反射率因子及徑向速度資料改進陜西省數值預報產品，從而提高預報準確率是陜西省氣象部門目前亟待解決的問題。

采用美國NCAR研發的WRFV3.4數值預報模式及WRF-3DVAR變分同化系統，對陜西西安C波段多普勒天氣雷達徑向速度及反射率因子做了直接同化，選取了2007年8月8日關中地區一次區域性暴雨過程，設計了四組試驗方案，包括控制試驗(不同化雷達資料)和三種敏感性試驗(同化反射率因子、同化徑向速度、同化反射率因子和徑向速度)，來檢驗和評估不同種類多普勒天氣雷達資料同化對WRF模式初始場及模式對暴雨的預報能力的影響和作用。

1 個例選取及試驗設計

1.1 暴雨個例及其天氣背景分析

2007年8月8日10:00—22:00(世界時,下同),陜西關中出現強降水天氣過程,并伴隨雷電,降水中心主要位于西安、咸陽、寶雞一帶,雨帶呈東西走向,降水區域東西向約300 km、南北向約150 km,此次降水過程具有范圍小、強度大、時間短的特點,屬于典型的α中尺度強降水(圖1a)。

本次過程發生時(12:00)，200 hPa有一條自西向東的高空急流帶，陜西關中及陜南地區位于高空急流南側的入口區，由于強的超地轉風存在，陜西中南部處于強的高空風場輻散區(圖1b)。500 hPa上，45°N以北從烏拉爾山以東到貝加爾湖以東被強大的低壓系統控制，西太平洋副熱帶高壓主體位于海上，整個副熱帶高壓系統呈帶狀分布，控制了江淮大部分地區，588 dagpm線西伸到川陜交界處，同時在南海有熱帶風暴“帕布”活動。700 hPa副高312 dagpm線西伸到河套地區(圖略)，“帕布”向西向北移動的同時，將南海的水汽攜帶至陸地上，在熱帶系統“帕布”的作用下，南海暖濕氣流沿著副高外圍向西北地區東部輸送。貝加爾湖以東的冷低壓勢力也比較強，向南不斷分裂冷空氣，干冷空氣與暖濕氣流相互交匯，陜西中南部地區出現了區域性暴雨，雨帶中有多個強降水中心，中尺度系統降水特征明顯。

圖1 2007-08-08UTC10：00—22：00降水量(a，單位為mm)，2007-08-08UTC12：00 200 hPa高空急流(色斑區，風速≥30 m/s)、500 hPa高度場(實線，單位為dagpm)及700 hPa風場(b)

1.2 試驗方案設計

利用WRFV3.4中尺度數值模式對此次過程進行模擬，采用兩重雙向嵌套，中心位于108°E、35°N，分辨率分別為15 km和5 km，格點數分別為118×118、157×199，垂直方向28層。使用的主要物理參數化方案有：YSU邊界層方案、RRTM長波輻射方案、Dudhia短波輻射方案、Noah 陸面過程方案、WSM 6類方案、15 km區域采用淺對流Kain-Fritsch (new Eta) 積云參數化方案、5 km區域不使用積云參數化方案。背景場資料為NCEP/NCAR提供的每6 h一次的1°×1°再分析資料，通過WPS模塊處理。模式采用“熱啟動”方式進行預報，即先從8日06:00開始預報，采用10:00的預報場作為背景場，同化09:00—11:00每隔6 min一次的西安單站雷達資料，再次預報12 h，直到22:00結束預報。為檢驗和評估西安多普勒雷達不同種類觀測數據同化對數值模式初始場及模式暴雨預報能力的影響及作用，設計了四組試驗方案(表1)。

表1 試驗方案設計

1.3 多普勒雷達資料預處理

采用09:00—11:00西安雷達站資料，體掃模式為VCP21，仰角從0.5°～19.5°共9個，每次體掃時間間隔約6 min，反射率因子庫長500 m，最大庫數800，徑向速度庫長125 m，最大庫數1 600。在WRF-3DVAR直接同化多普勒雷達反射率因子和徑向速度資料前，進行了雷達資料的質量控制，各仰角由低至高有選擇地剔除一部分資料來避免西安城市及周圍山區產生的地物回波，提取、形成晴空地物雜波信息庫，有效抑制地物雜波。 剔除雷達反射率因子和徑向速度資料中的孤立點，減小資料空間上存在的突變噪聲對初始場的不利影響。 對缺測數據進行填補處理，保證數據連續性。選用沿徑向和切向的3點進行平滑處理，實現高頻“噪聲”的過濾。按照模式分辨率和計算量要求，使用格點周圍最近4點資料進行雙線性插值對雷達數據進行抽取稀疏化等數據預處理。

2 資料同化對初始場的影響

2.1 初始場風場

通過對比分析三組敏感試驗和控制試驗的初始場發現，無論是同化反射率因子還是徑向速度均對初始場有一定的改變，同化徑向速度對初始流場的改變更明顯。圖2給出了8月8日10:00 700 hPa流場，由圖2a可以看出，雷達站附近為一致東南氣流，在其上游地區有偏東風和偏南風的輻合。同化反射率因子流場分布(圖2b)與控制試驗流場分布結構較相似，在雷達站附近沒有出現明顯的中尺度信息。同化徑向速度(圖2c)發現，在雷達偏東北側出現了明顯的氣旋性環流特征，尺度在100 km左右，同化徑向速度和反射率因子的初始流場(圖2d)與只同化徑向速度相似。這說明同化多普勒雷達徑向速度對初始流場調整比較顯著，能在初始風場中增加中小尺度信息。

a.控制試驗；b.反射率因子；c.徑向速度；d.反射率因子+徑向速度；●為雷達站。圖2 2007-08-08UTC10:00 700 hPa初始流場

2.2 初始場水汽場

圖3給出了三組敏感性試驗相對于控制試驗初始水汽場的增量?？梢钥闯?，同化反射率因子對初始水汽的調整顯著，而同化徑向速度對初始水汽的改變非常小。同化反射率因子(圖3a)，在西安、咸陽及寶雞東北部均出現了水汽混合比增量正值區，大小在0.5～2 g/kg，這些水汽混合比增量的正值區與之后的12 h總降雨量落區基本吻合。同化徑向速度(圖3b)，在雷達站附近的水汽基本沒有改變，只在寶雞東北部出現了0.01～0.02 g/kg的水汽增量。同化反射率因子和徑向速度(圖3c)與同化反射率因子水汽增量相似。由此可見，在初始場中加入反射率因子的同化對模式初始場的水汽調整極其重要，而同化徑向速度對水汽的改變微乎其微，與前者對水汽的改變相差兩個量級。低層850 hPa水汽增量(圖略)與700 hPa類似，但較700 hPa偏大，高層300 hPa水汽增量較低層700 hPa偏小兩個量級?？梢?，同化雷達資料對初始水汽場的改變主要在低層。

a.反射率因子；b.徑向速度；c.反射率+徑向速度；·為雷達站。圖3 700 hPa三組敏感性試驗相對于控制試驗初始水汽場增量(單位為g/kg)

3 資料同化對預報場的影響

3.1 風場

從8月8日16:00 850 hPa預報風場(圖4)可以看出，本次過程冷空氣主要是從河套附近南下，偏北氣流與偏東南暖濕氣流在秦嶺北坡相遇造成了關中地區的區域性暴雨?？刂圃囼?圖4a)對偏北風和偏東風的預報較準確，偏北風和偏東風輻合主要發生在寶雞北部地區，輻合區雷達回波強度也達到了30 dBz以上，風場輻合區與未來1 h降水落區較吻合。同化反射率因子(圖4b)偏北風稍有減弱，秦嶺以北的關中地區為偏東風。同化徑向速度(圖4c)關中地區風場出現了一些中小尺度輻合，在34.5°N、108°E附近有一明顯的氣旋性輻合，尺度不足100 km，同時偏北風有所加強，冷暖空氣在關中西北部交匯。同化經向速度和反射率因子(圖4d)整個風場變化較大，偏北氣流明顯減弱，秦嶺以北關中地區主要為偏東氣流控制。該時刻700 hPa秦嶺以南主要以偏南風為主，秦嶺以北以偏東氣流為主，四組試驗對700 hPa風場的改變與850 hPa相似。雖然敏感性試驗對風場的改變不是特別明顯，但是同化徑向速度使得原本與實況較為接近的風場中增加了細微的中小尺度擾動，為局地單點暴雨預報能力的提高提供了可能。圖5是15:00經過108.5°E風場(V,5W)和雨水混合比緯度-高度剖面，由圖5可以看出，同化徑向速度后，在33.8°～34°N出現了明顯的局地上升運動，上升支達到了200 hPa，同時該區域雨水混合比也達到了3 g/kg，正是該上升支造成了咸陽的局地暴雨。

a.控制試驗；b.反射率因子；c.徑向速度；d.反射率因子+徑向速度。圖4 2007-08-08UTC16:00 850 hPa風場和反射率因子(陰影，單位為dBz)

a.控制試驗；b.反射率；c.徑向速度；d.反射率+徑向速度。圖5 2007-08-08UTC15:00過108.5°E風場(V,5W)和雨水混合比(陰影區，單位為g/kg)緯度-高度剖面

3.2 水汽場

為了進一步分析三組敏感性試驗對模式水汽預報能力的改變，計算了整層水汽通量積分(圖6)?？梢钥闯鏊看笾祬^主要分布在秦嶺兩側，秦嶺以北水汽通量大值區主要呈現東南—西北向，秦嶺以南以分散性塊狀為主，可見區域性暴雨的水汽供應分別為來自秦嶺以北的偏東南暖濕氣流和秦嶺以南的偏南暖濕氣流。對比四組試驗的水汽通量發現，總體上四組試驗都預報出水汽通量場走向，但對水汽輸送帶中心位置及其強度的預報，各組試驗存在較大差異，這些差異是同化分析初值中不同環流差異引起的中尺度系統發展的結果[7]?？刂圃囼?圖6a)，關中地區的水汽通量大值中心為40 kg/(s·cm)，主要分布在107.5°～109°E，而大暴雨落區主要分布在107°～108°E，控制試驗對水汽的預報位置偏東。而在敏感性試驗中水汽的位置和強度得到了較好改進。同化反射率因子(圖6b)，水汽通量大于30 kg/(s·cm)的區域主要分布在107°～108.5°E，中心(107.5°E，34.5°N)最大值增加到50 kg/(s·cm)以上，該大值區與關中西部的強降水落區完全吻合。同時在秦嶺以南107°～108°E也出現了水汽通量的增加，大值中心增加到45 kg/(s·cm)，該區域的水汽通量大值區與秦嶺南側的強降水落區十分吻合。同化徑向速度(圖6c)，水汽通量大于30 kg/(s·cm)的區域明顯向東北偏移，同時秦嶺以南水汽通量大值中心增加到55 kg/(s·cm)，且位置西移，雖然水汽強度的預報有明顯增強，但是位置較實況有所偏移，而且仔細對比發現，該預報場漏報了109°E、33°N附近的暴雨。同化反射率因子和徑向速度(圖6d)，水汽通量積分場對陜南的強降水中心預報較好，但是對關中地區(107°～108°E，34.5°N)范圍內的水汽通量大值區的預報值及范圍均有所減小，在108°～109°E，34.8°N附近出現了大于45 kg/(s·cm)的水汽通量大值中心，該水汽通量大值區與實況降水落區有所偏差。

a.控制試驗；b.反射率因子；c.徑向速度；d.反射率+徑向速度。圖6 2007-08-08UTC18:00 地面～300 hPa水汽通量積分(單位為kg/(s·cm) )

同化反射率因子對水汽的預報非常精準，無論是水汽通道的走勢，還是區域性暴雨中的局地暴雨點對應的水汽通量，整個水汽通量大值中心與大暴雨中心完全吻合，強的水汽通量帶也與暴雨落區基本一致。

3.3 降水量

(1)累計降水量 與降水實況(圖1a)相比，四組試驗對本次過程降水量均有一定的預報能力，但從暴雨落區及強度方面比較，發現同化反射率因子對模式的預報能力改進更大(圖7)?？刂圃囼灡┯曷鋮^較為分散，寶雞地區的暴雨較實況位置偏西，同時陜南佛坪局地暴雨較實況位置偏西、強度偏弱(圖7a)。三組敏感性試驗中，同化徑向速度(圖7b)對寶雞地區的雨帶預報也是較為偏西，但是對佛坪局地暴雨的預報較為準確，對西安地區局地暴雨也有一定的預報能力；同化反射率因子和徑向速度(圖7c)對關中地區的暴雨落區預報較控制試驗有一定的改善，寶雞東部地區的扶風、岐山等站預報出了暴雨；同化反射率因子對暴雨的預報能力最強(圖7d)，整個降水落區中，對寶雞西部及東部的區域性暴雨預報與實況降水落區基本一致，同時對佛坪及西安地區的局地暴雨也有一定的預報能力。

a.控制試驗；b.徑向速度；c.反射率因子+徑向速度；d.反射率因子。圖7 2007-08-08UTC10:00—22:00 4組試驗降水量分布

(2)逐小時降水量 本次降水始于寶雞地區，降水云團自西向東移動，逐小時降水量大于20 mm的自動站達數十站。西安地區短時強降水發生在15:00—16:00，高陵站(109.05°E，34.31°N)降水量92.1 mm、涇河(108.58°E，34.26°N)66 mm、三原(108.55°E，34.38°N)46.5 mm。對比該時段4組試驗降水量預報場發現，控制試驗對西安一帶的短時強降水，特別是局地大暴雨預報能力較弱(圖8a)。同化反射率因子(圖8b),WRF模式對該時段降水落區及降水量的預報與實況最吻合，模式較好地預報了西安一帶的短時強降水，對高陵站大暴雨預報較為成功。同化徑向速度(圖8c),模式只報出高陵站短時強降水，但量級與實況相差甚遠，也沒有報出西安周邊的其他站暴雨。同化反射率和徑向速度 (圖8d)與同化反射率因子的降水量預報場相似，但對高陵站局地大暴雨量級預報較弱，可能是該時段強降水局地性太強，加入了徑向速度對模式的降水量預報造成了一定影響。

以上分析初步說明，同化多普勒雷達資料能夠改進模式對降水帶和降水中心的預報，同化反射率因子對降水預報改進最為明顯，特別是對區域性暴雨中的單點大暴雨預報有較強預報能力。

4 結論

(1)同化多普勒雷達資料能夠改進模式對降水的預報，無論逐時降水預報還是 12 h 累計降水預報的強降水中心及雨帶分布，都有較大改進；能使模式預報中尺度暴雨雨團能力得到不同程度改進，對提高暴雨預報能力更為重要，同化反射率因子對暴雨雨帶及區域性暴雨中的局地暴雨的預報能力相對更強。

a.控制試驗；b.反射率因子；c.徑向速度；d.反射率因子+徑向速度。圖8 2007-08-08UTC15:00—16:00 4組試驗降水量分布(單位為mm)

(2) 同化多普勒雷達反射率因子對初始水汽場的改變較為顯著，而對初始風場的影響不明顯。

(3) 同化多普勒雷達徑向速度能夠在初始風場中增加中小尺度信息，而對初始水汽場改變較小。

(4)結論僅針對一次暴雨過程進行同化分析試驗得出，今后將通過更多暴雨過程試驗及分析來驗證該結論的普適性。

[1] 梁生俊，馬曉華.西北地區東部兩次典型大暴雨個例對比分析[J].氣象，2012，38(7)：805-813.

[2] 劉青松，董海萍，郭衛東，等.多普勒雷達資料的直接同化對降雨預報的影響[J].暴雨災害，2010,29(2)：122-128.

[3] 王遂纏，胡向軍，張新榮，等.雷達資料同化在甘肅局地暴雨天氣個例中的應用[J].高原氣象，2011，30(3)：711-718.

[4] 何文勇，麥雪湖，歐建蓮，等.多普勒雷達資料同化對暴雨過程模擬的影響[J].氣象研究與應用，2013，34(3)：61-64.

[5] 徐廣闊，孫建華，雷霆，等. 多普勒天氣雷達資料同化對暴雨模擬的影響[J].應用氣象學報，2009，20(1)：36-46.

[6] 楊毅，邱崇踐，龔建東，等.利用3維變分方法同化多普勒天氣雷達資料的試驗研究[J].氣象科學，2008，28(2)：124-132.

[7] 李國靜，徐幼平，成巍，等.一次大暴雨過程的多普勒雷達資料同化的敏感性試驗[J].暴雨災害，2009，28(2)：97-103.

[8] 李平，解以楊，李英愛，等.C波段雷達反射率資料的同化與數值模擬[J].氣象科技，2013，41(3)：506-515.

馬曉華，屈麗瑋，張雅斌.多普勒雷達資料同化對暴雨預報的影響[J].陜西氣象，2016(6)：1-8.

1006-4354(2016)06-0001-08

2016-03-11

馬曉華(1986—)，女，陜西寶雞人，碩士，工程師，主要從事天氣預報理論及方法研究。

陜西省氣象局預報員專項“雷達資料同化改進模式對暴雨預報能力的研究(2015Y-1)”

P458.121.1

A