加强目标观测,服务防灾减灾

穆 穆, 秦晓昊, 周菲凡, 陈博宇

(1.中国科学院海洋研究所海洋环流与波动重点实验室,山东青岛266071;2.中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室,北京 100029;3.中国科学院大气物理研究所云降水物理与强风暴实验室,北京100029;4.中国气象局国家气象中心天气预报室,北京100081)

1 目标观测的定义、历史和方法

目标观测,又称为适应性观测,是20世纪90年代后期以来发展起来的观测策略方法,如图1所示：为了使将来时刻(验证时刻)tv我们所关注的区域(验证区)内的预报更加准确,我们要在将来时刻(目标时刻)ta对验证区域预报影响较大的区域(敏感区)进行额外的观测[1],获得更多的观测资料,这些额外的观测资料经过资料同化系统进行同化后,给模式提供更接近真实状况的初始场,以期得到更加准确的预报。一旦针对某些极端天气事件的预报更准确,决策者和人民群众就能有更充足的时间进行防灾准备,更大程度地减小灾害带来的损失。据统计,中国因气象灾害造成直接经济损失占GDP的1%～3%,占GDP增加值的10%以上。近20年资料统计分析指出,中国每年平均要发生12次范围较大的强降水天气过程,直接经济损失达816.19亿元,占气象灾害年经济总损失的62.78%;平均每年登陆中国的台风有7个;平均每年遭受干旱的农作物面积达2557.3万顷,占气象灾害受灾总面积的51.15%。大雾的影响和危害也较大,除了对民航、公路等交通影响较大,给出行带来很多不便外,由于水滴形成的小颗粒物增多,加重空气污染,严重影响人民群众的身心健康。因此,为了更好地为防灾减灾与广大人民群众服务,目标观测是非常有必要的。

在过去的十几年里,为了改善对一些极端天气事件的预报效果,目标观测在全球范围内得以实施[2-6]。目标观测可以通过探空仪、热气球、卫星和浮标等手段进行。就目前已在大西洋[7-11]和太平洋地区[4,6,12-13]进行的一系列目标观测的外场试验对极端天气事件预报的改善程度来看,进行目标观测两天后热带气旋的路径预报误差显著减小了25%[3];在Wu et al.[4]的试验个例之一“杜鹃”中,用只同化了3个探空仪获得的观测资料得到的分析场进行预报,6～30小时的路径预报提高了32%～81%,超过36小时的路径预报提高近10%;在2008年秋季,通过同化目标观测资料,不同模式中台风路径预报提高了20%～40%[14]。必须指出的是：不是每一次目标观测的实施对预报的影响都是正面的,但是从统计角度而言,目标观测能够有效提高预报准确性。

确定敏感区是目标观测的关键问题。目前确定目标观测敏感区的方法主要有：繁殖方法[1],伴随敏感性方法[5,15-16],准反演方法[17],线性奇异向量方法(SVs[7,13,18-19])和集合转换卡曼滤波技术(ETKF[20])。其中,SVs和ETKF被广泛应用于外场试验中。SVs作为一种特殊的分析误差协方差(AEC)最优化方法,用于最大化可能线性发展为验证区域内预报误差的一类初始扰动[21]。在文献[16,22-23]中对该方法进行了评估。ETKF方法用于目标观测上试图解决这样的问题：在所有可行的目标观测方案中,哪种是最能减小预报误差方差的?通过建立基于集合的对预报误差协方差的近似,ETKF方法定量地估计出每一种可能的目标观测方案对预报误差方差的减小值,选出其中减小最多的方案作为最优的方案,进行实际操作。

图1 目标观测示意图

但是在一些情况下,大气和海洋的运动是由非线性过程主导的,而上述两种方法在确定目标观测敏感区时都是基于初始扰动是线性发展这一假定。因此,穆穆等[24-25]提出了条件非线性最优扰动(CNOP)方法。作为SVs方法在非线性领域的扩展,CNOP是指一类初始扰动,在一定的约束条件下,该类初始扰动的非线性发展将造成验证时刻验证区域内最大的误差。该方法已被应用于大气-海洋可预报性研究的不同领域,如厄尔尼诺-南方涛动的可预报性[26-30]、热盐环流[31-32]、阻塞高压[33-35]、冷涡[36]、暴雨和台风的目标观测[37-45],等等。

以上3种方法各有其优缺点：ETKF方法基于集合技术,不依赖伴随系统,在国外成熟的系统中,其计算机时相对较小,及时性较高;而对于SVs和CNOP方法来说,它们的计算量则高出几个量级;文献[46]发展了两种快速计算CNOP的算法,将CNOP的计算机时大大缩小。然而,SVs和CNOP方法更强调初始误差的动力发展,尤其在CNOP方法中强调的是误差的非线性发展,克服了SVs方法线性发展的不足。在文献[20]中提到,ETKF方法的应用要受到下面的限制：分析误差协方差矩阵足够精确;集合扰动的样本足够丰富;初始扰动足够小。

2 目标观测实例介绍

欧洲是全球目标观测发展得较早且较成熟的地区之一,并且已实现了目标观测在天气预报中的业务化[47]。由于欧洲地理位置的原因,影响欧洲的主要气象灾害为温带气旋和冬季风暴。下面将以欧洲中期天气预报中心(ECMWR)目标观测业务化为例,介绍目标观测实施流程。

图2 目标观测系统流程图

类似中国气象业务部门每天进行的天气会商,在ECMWR,关于目标观测的会商也是定期开展,其形式如中国中央气象台(图2,Lead User：ECMWR)和地方气象台(User：欧洲各成员国气象业务部门)。当一个天气事件即将威胁欧洲大部分范围或某个单一成员国时,各业务部门将首先商讨是否对这个天气事件进行目标观测,因为并不是每一个天气事件都需要或者适合进行目标观测。这个标准主要从2个方面判断：(1)这次天气事件是否可能对成员国造成较大的危害。结合中国的实际情况为例,每年夏秋季节,西北太平洋上会形成一定数量的台风,但是并不是所有台风都会靠近或登陆中国,而只有靠近或登录中国的台风才会对中国造成危害,需要进行目标观测。(2)对于这次天气事件的预报不确定性是否较大。由于各成员国使用的模式不同、资料不同,那么势必会造成对于同一个天气事件不完全一致的预报结果,如果所有成员国业务部门关于同一天气事件的预报差别很大,那么说明该事件对模式、对资料的依赖性很强,敏感性很高,就需要通过目标观测进行进一步的确定。只要满足上述两个条件中的任何一个,ECMWR将确定对这次天气事件进行目标观测,反之,则放弃目标观测。上述所有商榷、决策将在九点至十点半一个半小时内完成。

在接下来的一个半小时内,ECMWF、英国气象办公室(UKMO)和法国气象局(Meteo-France)将针对该次天气事件,分别用不同的方法确定目标观测的敏感区。由于上述3个中心所用模式、资料和方法的不同,会使得对于同一个事件确定的目标观测敏感区位置上存在一些差异。在这种情况下,ECMWF会综合考虑天气背景和各敏感区的差异,确定最终的目标观测实施范围和实施方案,并进行最终操作。

3 中国目标观测研究进展

在亚洲地区,日本、韩国和台湾地区较早的加入了观测系统研究及可预报性试验计划(THORPEX)并参与了目标观测的外场试验。中国于2005年成为THORPEX计划成员,且在2008年夏秋季针对台风进行了外场试验[48],但是关于目标观测的理论与方法的研究却从未中断。

文献[43]利用MM5模式和WRF模式,以台风Longwang(2005)和Sinlaku(2008)为例,研究了不同方法确定的敏感区和不同类型初始误差对台风预报的影响以及敏感区对模式的依赖性。结果表明,敏感区内随机初始误差的发展一般要大于其它随机选择的区域内误差的发展;而在所有选择的区域中,CNOP所识别的敏感区内的随机误差的发展是最大的;在同一个区域中,具有特定空间结构的初始误差的发展一般要大于随机误差的发展,如CNOP、SVs和第一线性奇异向量(FSV)类型的初始误差的结构。综合比较研究的结果,发现CNOP所识别的敏感区内CNOP类型初始误差对预报结果不确定性的影响最大。将MM5模式计算得到的台风预报的敏感区应用于WRF模式,结果发现由MM5模式确定的敏感区在WRF模式中也能非常有效的减小预报误差,说明在上述研究中台风预报的初值敏感区对模式的依赖性可能较弱。

另外,文献[42]通过观测系统试验(OSEs),在CNOP敏感区内同化目标观测资料,计算各气象要素及总扰动能量(TPE)的均方根误差(RMSE),与未同化目标观测资料在验证时刻的预报作比较。结果发现在CNOP敏感区进行目标观测后TPE的RMSE减小幅度要明显大于在随机区域的情况(表1)。这说明在CNOP确定的敏感区内进行目标观测,确实能够有效减小台风预报误差。综上,CNOP方法比其它方法更可能抓住台风预报中初始误差的敏感区域,具有相对较弱的模式依赖性,OSEs试验进一步验证了CNOP确定的敏感区在改进台风预报技巧中的有效性。所以,用CNOP方法所识别的敏感区是有效的。

表1 不使用探空仪(NONDROP)、使用全部探空仪(ALLDROP)、只在CNOP敏感区内使用探空仪(CNOPDROP)、只在FSV敏感区使用探空仪(FSVDROP)和随机区域使用探空仪(RANDROP)情况下验证区内干能量和24(36)小时路径误差绝对值及相对值(摘自Chen,2011)

文献[45]利用MM5模式,将CNOP方法应用于2009年西太平洋7个台风个例路径预报的研究。选择占全场不到1%的格点作为探空仪投放点。将同化了模拟观测资料后的初始场作为进行了目标观测后改善的初始场,进行每6h一次的路径预报,总共预报时长为72h。结果表明：7个台风个例中有6个个例的路径预报得到了改善。在CNOP敏感区内进行目标观测,路径预报改善程度为13%～46%,路径预报误差平均减少50公里左右;在SVs敏感区内进行目标观测,改善程度为14%～23%;而且上述改善不仅出现在优化时间段内(24～48h),甚至延续到72h。这说明CNOP方法可以有效地改进台风路径的预报技巧。

文献[35]采用CNOP方法,基于T21三层全球准地转谱模式,探讨了阻塞前期征兆及其相关的可预报性问题,结果表明(图3),在阻塞的形成过程中,全局最优增长初始误差(type-1)会导致阻塞事件发生被高估,其与阻塞最优前期征兆显示出很大的相似性,两者都主要位于阻塞及其上游区域。局地最优增长初始误差(type-2)也具有相似的模态,但符号相反。以优化时间3天为例,结果发现,最优前期征兆与type-1最快增长扰动的空间相似系数达到0.95,与type-2最快增长扰动的空间相似系数达到-0.87。进一步分析表明,type-1最优增长误差与最优前期征兆随时间皆演变为一个北正南负的阻塞偶极子模态,且其发展机制可以用阻塞的形成机制来解释。最优前期征兆和最快增长误差的这种相似性表明,我们可以在最优增长误差确定的敏感区施加目标观测,一方面可以消除最优增长误差,同时改善的观测网也有助于我们更好地抓住最优前期征兆的空间结构,从而提高阻塞发生的预报水平。

图3 500 hPa位势高度场(优化时间3天,初始时刻为0000 UTC 25 Feb 1993)[35]

4 未来展望

虽然目标观测的研究与业务化在国际上取得了令人瞩目的效果,但该领域仍有许多问题需要进一步解决。首先,在基础研究方面,要建立时效性高、准确度高、操作性强的目标观测方法,使其能被广大业务部门接收应用;其次,要建立目标观测是否实施的判定标准,以保证尽可能不漏掉高影响天气事件、合理使用国家人力物力。其次,在业务方面,如何将目标观测方法应用至业务模式中,使目标观测真正做到常规化,并逐渐发展成熟实现目标观测业务化?如何根据实际天气事件,合理地选择目标观测手段,在达到加密观测的基础上,最优配置资源。最后,也是最为重要的一点,如何将科研和业务这两头有效、平衡的结合起来,既能将科学研究的新成果应用于业务部门,又能将业务部门获得的试验数据提供给科研单位;既能利用科学理论指导目标观测的外场试验实施,又能将业务部门实际操作中遇到的各种问题及时反映到科研单位。必须在两手抓两手都要硬的基础上,实现两手相互合作,才能推动中国目标观测事业的发展,才能更好地为防灾减灾与广大人民群众服务。

[1]Lorenz,E N,Emanuel,K A.Optimal sites for supplementary observation sites：Simulation with a small model[J].J.Atmos.Sci.,1998,55：399-414.

[2]Aberson,S D.Two years of operational hurricane synoptic surveillance[J].Wea.Forecasting.,2002,17：1101-1110.

[3]Aberson,S D.Targeted observations to improve operational tropical cyclone track forecast guidance[J].Mon.Wea.Rev.,2003,131：1613-1628.

[4]Wu,C C,Coauthors.Dropwindsonde Observations for Typhoon Surveillance near the Taiwan Region(DOSTAR)：An overview[J].Bull.Amer.Meteor.Soc.,2005,86 ：787-790.

[5]Wu,C C,Chen,J H,Lin,P H,et al.Targeted observations of tropical cyclone movement based on the Adjoint-derived Sensitivity Steering Vector[J].J.Atmos.Sci.,2007,64：2611-2626.

[6]Elsberry,R L,P A Harr.Tropical cyclone structure(TCS08)field experiment science basis,observational platforms,and strategy[J].Asia-Pacific J.Atmos.Sci.,2008,44：209-231.

[7]Bergot,T.Adaptive observations during FASTEX：A systematic survey of upstream flights[J].Quart.J.Royal Meteor.Soc.,1999,125：3271-3298.

[8]Joly,A,Coauthors.The Fronts and Atlantic Storm-Track Experiment(FASTEX)：Scientific objectives and experimental design[J].Bull.Amer.Meteor.Soc.,1997,78：1917-1940.

[9]Montani,A,A J Thorpe,R Buizza,et al.Forecast skill of the ECMWF model using targeted observations dur-ing FASTEX[J].Quart.J.Roy.Meteor.Soc.,1999,125：3219-3240.

[10]Szunyogh,I,Z Toth,A Zimin,et al.On the propagation of the effect of targeted observations：The 2000 Winter Storm Reconnaissance Program[J].Mon.Wea.Rev.,2002,130：1144-1165.

[11]Majumdar,S J,C H Bishop,B J Etherton.Adaptive sampling with the ensemble transform Kalman filter.Part II：Field program implementation[J].Mon.Wea.Rev.,2002,130：1356-1369.

[12]Langland,R H,Coauthors.The North Pacific Experiment(NORPEX-98).Targeted observations for improved North American weather forecasts.Bull.Amer.Meteor[J].Soc.,1999,80：1363-1384.

[13]Gelaro,R,R Buizza,T N Palmer.Sensitivity analysis of forecast errors and the construction of optimal perturbations using singular vectors[J].J.Atmos.Sci.,1998,55：1012-1037.

[14]Weissmann M,Harnisch F,Wu C-C,et al.The influenceof assimilating dropsonde data on typhoon track and midlatitudeforecasts[J].Mon.Weather Rev.2010,139：908-920.

[15]Baker,N L Daley,R.Observation and background adjoint sensitivity in the adaptive observation-targeting problem[J].Quart.J.Roy.Meteor.Soc.,2000,126：1431-1454.

[16]Kim,H M,Morgan,M C,Morss,R E.Evolution of analysis error and adjoint-based sensitivities：Implications for adaptive observation[J].J.Atmos.Sci.,2004,61：795-812.

[17]Pu,Z,E Kalnay.Targeting observation with the quasilinear inverse and adjoint and adjoint NCEP global models：Performance during FASTEX[J].Quart.J.Roy.Meteor.Soc.,1999,126：3329-3338.

[18]Palmer,T N,R Gelaro,J Barkmeijer,et al.singular vectors,metrics,and adaptive observations[J].J.Atmos.Sci.,1998,55：633-653.

[19]Buizza,R.,A Montani.Targeting observations using singular vectors[J].J.Atmos.Sci.,1999,56：2965-2985.

[20]Bishop,C H,Toth,Z.Ensemble transformation and adaptive observations[J].J.Atmos.Sci.,1999,56：1748-1765.

[21]Peng,M S,C A Reynolds.Sensitivity of tropical cyclone forecasts as revealed by singular vectors[J].J.Atmos.Sci.,2006,63：2508-2528.

[22]C Cardinali,R Buizza.Forecast Skill of Targeted Observations：A Singular-Vector-Based Diagnostic[J].J.Atmos.Sci.,2003,60：1927-1940.

[23]C A Reynolds,R Gelaro,T E Rosmond.A comparison of variance and total-energy singular-vectors[J].Quart.J.Roy.Meteor.Soc.,2005,131：1955-1973.

[24]Mu,M,Duan,W S,Wang,B.Conditional nonlinear optimal perturbation and its applications[J].Nonlinear Processes in Geophysics.,2003,10：493-501.

[25]Mu,M,Z Y Zhang.Conditional nonlinear optimal perturbations of a barotropic model[J].J.Atmos.Sci.,2006,63：1587-1604.

[26]Mu,M,Duan Wansuo,Bin Wang.Season-dependent dynamics of nonlinear optimal error growth and ENSO predictability in a theoretical model[J].J.Geophys.Res.,2007,112.

[27]Duan,W S,Mu,M,Wang,B.Conditional nonlinear optimal perturbation as the optimal precursors for El Nino-Southern oscillation events[J].J.Geophys.Res.,2004,109.

[28]Duan,W S,Xue F,Mu M.Investigating a nonlinear characteristic of El Nino events by conditional nonlinear optimal perturbation[J].Atmos.Res.,2009,94：10-18.

[29]Duan W S,Luo H.A new strategy for solving a class of constrained nonlinear optimization problems related to weather and climate predictability.Adv.Atmos.Sci.,2009,27：741-749.

[30]Yu Yanshan,Wansuo Duan,Hui Xu,et al.Dynamics of nonlinear error grow th and season-dependent predictability of El Nino events in the Zebiak-Cane model[J].Quart.J.Roy.Meteor.Soc.,2009,10.

[31]L Sun,D A Hank.The sensitivity and stability of the ocean's thermocline circulation to finite amplitude fresh water perturbations[J].J.Phys.Oceanogr.,2004,34：2305-2315.

[32]Sun,L,Mu,M,Sun,D J,et al.Passive mechanism of decadal variation of thermohaline circulation[J].J.Geophys.Res.,2005,110.

[33]Jiang Zhina,Wang Donghai.A study on precursors to blocking anomaliesin climatological flowsby using con-ditional nonlinear optimal perturbations[J].Quart.J.Roy.Meteor.Soc.,2010,136：1170-1180.

[34]Jiang Zhina,MU Mu,WANG Donghai.Optimal Perturbations Triggering Weather Regime Transitions：Onset of Blocking and Strong Zonal Flow[J].Adv.Atmos.Sci.,2011,28(1)：59-68.

[35]Mu Mu,Jiang Zhina.Similarities between optimal precursors that trigger the onset of blocking events and optimally growing initial errors in onset prediction[J].J.Atmos.Sci.,2011,68：2860-2877.

[36]Jiang Zhina,Wang Donghai.Conditional nonlinear optimal perturbations：behaviour during the evolution of cold vortices over northeast China[J].Quart.J.Roy.Meteor.Soc.,2011,10.

[37]穆穆,王洪利,周菲凡.条件非线性最优扰动方法在适应性观测研究中的初步应用[J].大气科学,2007,31：1102-1112.

[38]Mu M,Zhou F,Wang H.A method for identifying the sensitive areas in targeted observations for tropical cyclone prediction：Conditional nonlinear optimal perturbation[J].Mon.Wea.Rev.,2009,137：1623-1639.

[39]Wang B,Tan X.A fast algorithm for solving CNOP and associated target observation tests[J].Acta Meteorologica Sinica,2009,23：387-402.

[40]Zhou,F F,M Mu.The impact of horizontal resolution on the CNOP and on its identified sensitive areas for tropical cyclone predictions[J].Adv.Atmos.Sci.,2012,29(1)：36-46.

[41]Zhou,F F,M Mu.The time and regime dependencesof sensitive areasfor tropical cyclone prediction using the CNOP method[J].Adv.Atmos.Sci.,2012.

[42]Chen Boyu.Observation system experiments for typhoon Nida(2004)using the CNOP method and DOTSTAR data[J].Atmos.Oceanic Sci.Lett.,2011,4(2)：118-123.

[43]Chen Boyu,Mu Mu.The Roles of Spatial Locations and Patterns of Initial Errors in the Uncertainties of Tropical Cyclone Forecasts[J].Adv.Atmos.Sci.,in press.

[44]Qin Xiaohao,Mu Mu.A Study on the Reduction of Forecast Error Variance by Three Adaptive Observation Approaches for Tropical Cyclone Prediction[J].Mon.Wea.Rev.,2011,139：2218-2232.

[45]Qin Xiaohao,Mu Mu.Influence of conditional nonlinear optimal perturbations sensitivity on typhoon track forecasts[J].Quart.J.Roy.Meteor.Soc.2011,138：185-197.

[46]谭晓伟.CNOP新算法研究及其在目标观测中的应用检验[D].北京：中国科学院,2009.

[47]C Prates,D Richardson,C Sahin.Final report of the PREVIEW OBSERVATION Data Targeting System(DES)[R].2009.

[48]Zhang Renhe,Ni Yongqi,et al.South China Heavy Rainfall Experiments(SCHeREX)[J].J.Meteo.Soc.Japan.,2011,89：153-166.