WRF-EnSRF卫星资料同化模块的构建研究

杨春,闵锦忠,陈耀登

(气象灾害教育部重点实验室(南京信息工程大学),江苏 南京 210044)

杨春,闵锦忠,陈耀登.2015.WRF-EnSRF卫星资料同化模块的构建研究[J].大气科学学报,38(4):549-556.doi：10.13878/j.cnki.dqkxxb.20130529001.

Yang Chun,Min Jin-zhong,Chen Yao-deng.2015.Construction of WRF-EnSRF satellite data assimilation system[J].Trans Atmos Sci,38(4):549-556.(in Chinese).

WRF-EnSRF卫星资料同化模块的构建研究

杨春,闵锦忠,陈耀登

(气象灾害教育部重点实验室(南京信息工程大学),江苏 南京 210044)

摘要：为加强国内卫星资料在同化系统中的应用,在自主构建的新一代WRF-EnSRF同化系统中,采用RTTOV辐射传输模式作为观测算子,并建立卫星资料读取、偏差订正及质量控制等子模块,构建出WRF-EnSRF卫星资料同化系统。运用该同化系统,同时同化NOAA-16的AMSU-A和AMSU-B的辐射率资料,进行华南暴雨过程的卫星资料同化数值模拟试验。试验结果表明:偏差订正后亮温资料拟合结果基本位于主对角线上,偏差有所降低。从TS评分看,同化试验对中雨及大雨部分的降水落区以及暴雨级别以上的降水强度的模拟效果有改善。试验证明,建立的卫星同化系统是可运行的。

关键词：卫星资料同化;集合卡尔曼滤波;辐射传输模式;暴雨

0引言

高质量的初始场被认为是数值天气预报成功与否的关键,而资料同化被认为是提供准确、合理初始场的一个行之有效的方法。在早期的数值天气预报及资料同化的应用中,主要使用的是定时常规观测资料,如探空、测风资料等。随着数值天气预报和资料同化技术的发展,常规观测资料已不能满足气象业务的需要。气象卫星的出现大大完善了整个大气观测系统,弥补了其他手段观测的资料覆盖面有限、时空分辨率不高等缺点(朱素行等,2008;蔡淼等,2011),它的引进,对改善初始场提供了更加有利的条件。因此,如何利用卫星资料来改进模式的初始场,成为研究关注的热点问题(曹文博和沈桐立,2007)。

近年来,国内外专家就如何利用资料同化来提取卫星探测资料中的有效观测信息,弥补常规观测网的不足,提高中尺度数值预报的准确率,做了一系列认真细致的研究工作。通过他们不断的探索研究,卫星资料在同化领域得到了越来越广泛的应用,且大大提高了对暴雨、台风等天气过程的预报质量(Zhang et al.,2004;郭锐等,2010a)。

在目前的卫星资料同化领域里,三维变分同化依然占有相当重要的地位(郭锐等,2010b)。但是,三维变分法的背景误差协方差矩阵存在计算量大、各向同性和无法随天气形势演变,即不具有“流依赖”(flow dependent)的特征;另一种同化方法—集合卡尔曼滤波(EnKF)正受到越来越多的关注(Zhang and Pu,2010)。在集合卡尔曼滤波理论中,集合思想的引入解决了变分方法实际应用中背景误差协方差矩阵的估计和预报困难的问题,也使得背景误差的统计具有“流依赖”的特征。Evensen(1994)首次将集合卡尔曼滤波算法引入到气象资料同化中。近年来,它在大气、海洋资料同化研究中得到了广泛应用,也渐渐成为卫星资料同化的有效方法之一。Mitchell et al.(2003)利用集合卡尔曼滤波方法设计了一组试验,结果表明同化了微波辐射率资料后,对不同大气要素偏差和标准差都有一定改善,特别是在热带地区和南半球。Houtekamer et al.(2005)率先运用集合卡尔曼滤波同化加了扰动的卫星辐射率观测,目前该系统也已经升级为加拿大气象中心的业务集合预报系统。Miyoshi and Sato(2007)运用四维局地集合卡尔曼滤波方法,同化了多种卫星通道资料,试验得到了明显的正效果,并且验证了垂直距地化对卫星资料同化的重要性。Liu et al.(2012)运用局地集合卡尔曼滤波方法同化AMSU-A资料,模拟了2008年5个大西洋热带气旋,无论是强度还是路径,同化试验的预报效果都得到了很好的改善。然而,国内关于卫星资料同化系统的研发起步较晚,卫星资料在同化系统中的实际应用与国际较高水平还存在一定差距。

闵锦忠等(2011)在自主构建的新一代WRF-EnSRF同化系统中,已初步进行卫星资料同化模块的构建及初步应用(闵锦忠等,2012),然而,现在使用的卫星同化模块中的观测算子、偏差订正及质量控制等同化前处理过程,均直接借用了WRFDA资料同化系统的相关模块与接口。本文在前述研究的基础上,选取RTTOV作为观测算子,并且独立建立统一观测读取接口、偏差订正及质量控制等资料处理子模块,为以后各方面的进一步调整和研究提供独立模块,从而实现整个同化模块的组建,建立具有实际运行能力的集合平方根滤波卫星资料同化系统,并且运用该同化系统进行2010年6月19—20日华南暴雨个例的AMSU-A、AMSU-B辐射率资料的同化试验及数值模拟研究,旨在检验新建立的同化系统的可行性,为该卫星同化系统的进一步应用提供技术参考。

1WRF_EnSRF卫星资料同化模块的构建

一个完整的卫星资料同化模块构建过程,涉及同化方法、预报模式、观测算子、观测资料以及资料处理等多方面的数据接口的对接。本模块的构建运用的是集合平方根滤波(EnSRF)同化算法、WRF预报模式、RTTOV辐射传输模式、L1C格式的AMSU-A/B资料以及偏差订正、质量控制等数据处理方法。全模块采用F90语言编写,可以直接读入和输出WRF模式所需的初始场。

1.1　集合平方根滤波理论介绍

集合卡尔曼滤波中背景误差协方差矩阵是由几个通过完全非线性预报得到的有限个样本统计出来的。这些集合预报从一组初始条件开始,一段短暂的预报后经过分析过程,在继续向前预报,这样循环往复。预报的所有统计都是由集合样本来提供的。公式如下:

(1)

(2)

(3)

(4)

K=BHT(HBHT+O)-1。

(5)

Whitaker and Hamill(2002)研究发现,对观测进行扰动后,会引入新的采样误差,导致分析误差方差被低估,引起滤波发散。然而,如果观测不加扰,依然会低估分析误差协方差,因此他们提出采用集合平方根滤波方法(EnSRF)来解决该问题。主要的处理过程是将(2)式分为均值和集合两个部分来处理:

(6)

(7)

(8)

1.2　观测算子的应用

相对于反演同化,直接同化避免了计算复杂的不适定问题所带来的反演计算误差,使卫星探测信息转换过程与NWP模式紧密相联(王宗皓,1995),所以本模块采取的是直接同化卫星资料的同化方式,这就涉及到卫星资料观测算子的应用。

本模块中观测算子包括两部分:辐射传输模式和数据插值。

1)目前国际上运用比较多的辐射传输模式是CRTM和RTTOV。本系统选取了RTTOV-7版本作为辐射传输模式。其主要原理为:给定模式初始参量,沿着卫星观测方向,利用参数化的预报因子与透过率系数将分子辐射吸收和传输机制用线性关系表达。而卫星通道光谱响应函数、不同吸收成分的吸收、传输等都包含在此透过率系数中(马刚等,2006)。

在晴空情况下,其基本原理可表述为

Lclr(v,θ)=τs(v,θ)εs(v,θ)B(v,TS)+

(9)

式中:L(v,θ)是频率为v、天顶角为θ的大气顶向上的辐射;τs为地表到大气顶透射率;εs为地表比辐射率;B(v,T)为普朗克函数;T为模式层平均温度;下标s表示地表变量。(9)式右端第一、三项都为地表的辐射率贡献项(地表的放射和反射),第二项为大气辐射率贡献项。

2)由于卫星资料是离散点的资料,而非有序格点的资料,且本系统选取的辐射传输模式为43层等压面,与模式层并不匹配,所以需要在水平平面上运用插值方法,将背景向量插值到观测点,在垂直方向上则要插值到辐射传输模式的各等压面上。本系统中水平方向运用的是双线性插值,垂直方向运用的是对数插值方法。

1.3　观测资料的读取

随着气象卫星技术的不断改进,越来越多的卫星资料被应用到科学研究中。本系统应用的观测资料为NOAA-16的先进微波探测仪(AMSU)辐射率资料,包括用于温度探测的AMSU-A探测器资料和用于湿度探测的AMSU-B探测器资料。AMSU-A拥有15个通道,星下点分辨率为45 km,AMSU-B拥有5个通道,星下点分辨率为15 km,它们可以透过厚厚的云层探测到大气温度和湿度的垂直结构。

系统中观测读取子模块实际应用的观测资料格式是中国国家卫星气象中心发布的L1C格式资料。在进入系统之前,需要运用相关程序从源文件中提取扫描线数、扫描点数、通道数,以及扫描点所在的经度、纬度、天顶角和该扫描点上探测器所有通道的辐射率值等数据,将这些数据按一定的形式存储。在同化过程中,再将这些资料读入系统中。这样在以后的工作中,即使加入使用不同的资料,如FY-3,只要按一定格式书写,就可以使用,不需要对系统内部文件进行修改。

1.4　资料处理方法的设计

资料处理主要指背景场资料的处理子模块、偏差订正子模块以及质量控制子模块的具体设计方法。

1)对背景场资料处理的目的主要是为了提高计算效率,运用局地化方法只提取部分格点资料对其进行计算,而非全场计算。本系统运用的是一个局地化的相关函数——schur算子(Gaspari and Cohn,1999)。同时在计算模拟观测值时,插值后,对背景场进行气候极值检验,剔除在阈值范围以外的点。

2)对于实际观测和观测残差的处理主要运用偏差订正、质量控制等方法。系统中偏差订正方法为回归偏差订正法(Liu and Barker,2007),方程如下:

(10)

3)目前,本系统设计的针对NOAA-16的AMSU-A、AMSU-B探测器资料的质量控制方法如表1所示。

表1质量控制方案

Table 1Scheme of quality control

号码测试剔除条件滤除类型1地表类型剔除地表标记>4全部2通道选择AMSU-A:1—4,13—15;AMSU-B:1—2全部3临边检验AMSU-A:1—3,28—30;AMSU-B:1—8,83—90单个4降水检验IS(AMSU-A)=TB(23GHz)-TB(89GHz)IS(AMSU-B)=TB(89GHz)-TB(150GHz)IS>3.0单个5地表气压检验PSF<850单个6观测残差检验观测残差>15单个

得到分析场后,系统可以运用集合成员做集合预报或者运用集合平均场做单一性预报。且在整个系统中,分析模块独立于预报模块;若预报系统升级,则修改简便。

图1　WRF-EnSRF卫星资料同化系统的工作流程Fig.1　Work process of WRF-EnSRF satellite data assimilation system

2实际卫星资料同化数值试验

2.1　暴雨个例简介

2010年6月19日00时—20日00时(世界时),湖南、江西大部、福建西北部、广西北部、湖北和重庆南部、贵州南部和东北部等地普降大到暴雨,其中江西中北部,湖南怀化、常德、益阳、岳阳,福建南平,广西河池、桂林等地降大暴雨,最大降水点位于江西南昌(329 mm)。受强降雨影响,福建闽江上游、江西赣江等47条河流发生超警戒水位洪水。

2.2　试验方案设计

模式设置:试验区域为(105～123°E,22～34°N),水平格点为300×300,时间积分步长为30 s,垂直方向为28层。模拟时段为2010年6月19日00时—20日00时(世界时),初始场资料为NCEP 1°×1°格点资料,试验区域的边界条件由NCEP资料提供。微物理过程选用Lin微物理方案,积云参数化过程选浅对流Eta Kain-Fritsch方案,模式层顶为20 hPa。

同化方案:集合成员数为40个;全场添加随机扰动得到初始集合成员,风场的3个分量的标准偏差均为3 m/s,位温为3 K,水汽混合比为0.005 kg/kg,其余未添加扰动;协方差膨胀使用松弛膨胀法,采用距离相关函数进行协方差局地化。由于表面比发射率的程序编写未完成,所以试验中设置表面比发射率为定值(0.95)。

资料:试验中背景场采用NCEP 1°×1°分析资料。卫星资料是中国国家卫星气象中心发布的美国极轨卫星NOAA-16上的AMSU-A的5-12通道和AMSU-B的3-5通道卫星辐射率资料,资料格式是L1C数据格式。由于卫星资料在试验区域不是全天候的扫描,本试验选用的观测AMSU-A和AMSU-B辐射率资料是在2010年6月19日08时42分以及10时32分观测的,所以选取这两个时刻为同化时刻。

控制实验设计:不同化任何观测资料,从19日00时向后积分24 h至20日00时。

2.3　试验结果

1)偏差订正

来自辐射传输模式、传感器及资料本身等方面的误差,最终会造成观测亮温值与模式模拟亮温值之间存在系统偏差。只有将这些偏差进行控制或订正,才能使卫星辐射亮温值在数值预报模式中的应用获得正效应。

图2　AMSU-A第6通道模式模拟亮温与观测亮温的散点图　　a.偏差订正前;b.偏差订正后Fig.2　Scatter diagram of observed brightness temperatures versus simulated brightness temperatures for AMSU-A channel 6　　a.without bias correction;b.with bias correction

以AMSU-A为例,图2给出了第6通道模式正演亮温和观测亮温的散点分布。可以看出,偏差订正后模式模拟亮温与观测亮温的拟合比订正前更接近对角线,说明订正后两者更为接近,从而消除了模拟偏差可能引起的误差影响。且偏差订正后,模拟值与观测值的偏差均值绝对值从订正前的0.743 K减少到0.043 K,均方根也有所减小,进一步说明订正后的模拟亮温比订正前更接近实际观测。其他通道也有相同结论(图3)。

图3　AMSU-A第5—12通道偏差订正前、后模拟亮温值与观测亮温值偏差的均方根(单位:K)Fig.3　Root mean square of difference between observed brightness temperatures and simulated brightness temperatures for AMSU-A channels 5—12 with and without bias correction(units:K)

2)降水场

在同化完卫星辐射率资料后,系统以第二次同化后的分析场为初始场进行集合预报,至20日00时(世界时)。在24 h降水场的对比分析中,采用了全国1 049个台站在20日00时的24 h累积降水量(图4a)。由图4可见,控制试验和同化试验都将实况降水过程的东西向雨带和西南—东北向雨带的形势成功模拟出来。由图4a可见,江西南昌附近有一个非常强的降水中心,湖南桃源、湖南贵州交界处以及广西北部各有一个降水中心。

控制试验(图4b):模拟的降水中心形成了一个东西向的强降水中心带,横穿江西省,且降水中心的强度大于实际降水很多,超过400 mm;在湖南常德、益阳一带也有较大的强降水中心;东西向雨带从湖南西部一直延伸至浙江与福建交汇的沿海地区,广西地区的降水主要集中在北部,湖南东南部的降水没有模拟出来。

同化试验(图4c):总体趋势与控制试验相似,但是东西向雨带比控制试验的更短,雨带西侧出现了漏报现象,而雨带东侧则更接近实况降水。强降水中心不似控制试验的带状,分为两个独立的中心,位于江西南昌附近的强降水中心被成功模拟出来,但是,模拟得到的位于江西、湖南交汇处降水中心强度过大;相较于控制试验,在降水强度上有了明显改善,湖南东南部的降水也有较大改善。总体而言,同化试验对降水落区的改善不明显。

图4　台站24 h累积降水实况(a)以及控制试验(b)和同化试验(c)模拟的24 h降水场(单位:mm)Fig.4　(a)The 24 h accumulated rainfall of stations,and simulated 24 h rainfall of (b)control experiment and (c)assimilation experiment

3)TS评分

为了更直观地比较两组试验结果,分别对两组试验进行两种TS评分,分别从降水落区和降水量来考察预报效果。TS评分方法(娄珊珊,2009)介绍如下:

(11)

(12)

其中:f表示预报正确降水区的个点数;o表示漏报降水区的个点数;e表示空报降水区的个点数;z表示预报正确降水区内的降水量;s表示实际降水区内的降水量;k表示空报降水区内的降水量;ST1(TS1)代表模式对降水落区的预报效果;ST2(TS2)代表模式对降水量大小的预报效果。由于模拟降水普遍比实况降水大,特别是在极值区域,所以为了避免由模拟的偏大的降水极值带来的评分值较高的虚假现象,设置若预报正确区域内的降水极值大于实际降水区的降水极值,则用实际降水区的极值来代替预报正确区的降水极值。

图5a给出了控制试验和同化试验的TS1分量的评分,旨在查看两类试验对降水落区的预报效果。可以看出,中雨和大雨级别同化试验的TS1评分略高于控制试验,但是暴雨和大暴雨级别同化试验的TS1评分小于控制试验,这是因为控制试验的强降水中心面积比同化试验的要大,降水强度也比同化试验的强。图5b给出了控制试验和同化试验的TS2分量的评分,旨在查看两类试验对降水量级的预报效果。可以看出,由于控制试验的降水区域比同化试验的大,而大部分区域为中雨或大雨级别,所以在这两个级别的TS2评分,控制试验要优于同化试验,但同时由于控制试验出现过多的虚假强降水,导致暴雨和大暴雨级别的评分均低于同化试验。

图5　24 h降水TS评分　　a.TS1评分;b.TS2评分Fig.5　TS score of 24-h rainfall　　a.TS1 score;b.TS2 score

总体而言,同化试验对中雨及大雨部分的降水落区以及暴雨级别以上的降水强度的模拟效果有改善。但是,应看到强降水落区的预报还存在不足,这为系统未来调整提供了重要参考方向。

3结论和讨论

本文在自主构建的WRF-EnSRF的同化系统内部,通过添加针对卫星资料的同化模块,建立了集合平方根滤波卫星资料同化系统:1)运用快速发展的集合卡尔曼滤波作为同化方法,实现该方法对卫星辐射率资料的直接同化;2)选取RTTOV辐射传输模式作为观测算子,保留将来进一步同化其他卫星资料的能力;3)为系统设计了统一的观测数据读取接口,为进一步同化其他资料提供便利。

从偏差订正、降水场分布以及TS评分上分析,同化系统成功实现与辐射传输模式等方面的数据接口对接,且同化试验取得一定效果,试验证明了新建立的卫星同化系统的可行性。但是,应看到系统还存在不足之处(这为以后系统的调整提供了有效参考方向),仍需通过更多试验对系统作进一步改善和分析验证。目前该系统只能用于同化AMSU-A和AMSU-B的资料,试验参数设置较单一,未来工作将进一步解决这些问题,以期达到理想的目标。

参考文献：

蔡淼,周毓荃,朱彬.2011.一次对流云团合并的卫星等综合观测分析[J].大气科学学报,34(2):170-179.Cai Miao,Zhou Yuquan,Zhu Bin.2011.Comprehensive analysis of satellite and other observations from a convective clouds merging event[J].Trans Atmos Sci,34(2):170-179.(in Chinese).

曹文博,沈桐立.2007.卫星云导风资料应用于伴随同化系统的数值试验研究[J].南京气象学院学报,30(4):495-502.Cao Wenbo,Shen Tongli.2007.Application of cloud drift wind data assimilation in MM5 adjoint-model assimilation system[J].J Nanjing Inst Meteor,30(4):495-502.(in Chinese).

Evensen C.1994.Sequential data assimilation with a non-linear quasi-geotrophic model using Monte Carlo methods to forecast error statistics[J].J Geophys Res,99(C5):10143-10162.

Gaspari G,Cohn S E.1999.Construction of correlation functions in two and three dimensions[J].Quart J Roy Meteor Soc,125:723-757.

郭锐,李泽椿,张国平.2010a.ATOVS资料在淮河暴雨预报中的同化应用研究[J].气象,36(2):1-12.Guo Rui,Li Zechun,Zhang Guoping.2010a.Assimilation of ATOVS and its application in the heavy rainfall over the Huaihe river basin[J].Meteorological Monthly,36(2):1-12.(in Chinese).

郭锐,张国平,李泽椿.2010b.对于一次川渝暴雨的ATVOS资料同化数值模拟[J].大气科学学报,33(5):615-623.Guo Rui,Zhang Guoping,Li Zechun.2010b.Assimilation and numerical simulation of ATOVS data of the heavy rain over eastern Sichuan province and Chongqing[J].Trans Atmos Sci,33(5):615-623.(in Chinese).

Houtekamer P L,Mitchell H L,Pellerin G,et al.2005.Atmospheric data assimilation with an ensemble Kalman filter:Results with real observations[J].Mon Wea Rev,133:604-620.

Liu Zhiquan,Barker D M.2007.Radiance assimilation in WRF-Var:Implementation and initial results[C]//7th WRF Users’ Workshop,Boulder,Colorado,United States.

Liu Zhiquan,Schwartz C S,Snyder C,et al.2012.Impact of assimilating AMSU-A radiance on forecasts of 2008 Atlantic tropical cyclones initialized with a limited-area ensemble Kalman filter[J].Mon Wea Rev,140(12):4017-4034.

娄珊珊.2009.AMSU辐射率资料在中尺度WRF模式中的直接同化试验研究[D].南京:南京信息工程大学.Lou Shanshan.2009.Study of assimilating AMSU radiance in WRF model[D].Nanjing:Nanjing University of Information Science & Technology.(in Chinese).

马刚,邱崇践,黎光清,等.2006.利用RTTOV7快速辐射传输模式模拟风云二号红外和水汽成像通道辐射率的研究[J].红外与毫米波学报,25(1):37-40.Ma Gang,Qiu Chongjian,Li Guangqing,et al.2006.Study of simulation on radiance from infrared and water vapor channel of FY2B by a fast forward model—RTTOV7[J].J Infrared Millim Waves,25(1):37-40.(in Chinese).

闵锦忠,陈杰,王世璋,等.2011.WRF-EnSRF同化系统的效果检验及其应用[J].气象科学,31(2):135-144.Min Jinzhong,Chen Jie,Wang Shizhang,et al.2011.The tests of WRF-EnSRF data assimilation system and its application in storm scale events[J].Journal of the Meteorological Sciences,31(2):135-144.(in Chinese).

闵锦忠,孔莹,杨春,等.2012.卫星辐射率资料EnSRF同化及暴雨模拟应用[J].大气科学学报,35(3):272-281.Min Jinzhong,Kong Yin,Yang Chun,et al.2012.Assimilation of radiance data in WRF-EnSRF and its application in a rainstorm simulation[J].Trans Atmos Sci,35(3):272-281.(in Chinese).

Mitchell H L,Houtekamer P L,Pellerin G,et al.2003.Assimilation of AMSU-A microwave radiances with an ensemble Kalman filter(EnKF)[EB/OL].[2013-05-29].http://cimss.ssec.wisc.edu/itwg/itsc/itsc13/proceedings/session2/2_14_mitchell.pdf.

Miyoshi T,Sato Y.2007.Assimilating satellite radiances with a local ensemble transform Kalman filter(LETKF) applied to the JMA global model(GSM)[J].Sola,3:37-40.

王宗皓.1995.卫星探测辐射率在数值天气预报中的直接应用[J].应用气象学报,6(1):101-108.Wang Zonghao.1995.Direct use of satellite sounding radiances in numerical weather prediction[J].Quart J Appl Meteor,6(1):101-108.(in Chinese).

Whitaker J S,Hamill T M.2002.Ensemble data assimilation without perturbed observations[J].Mon Wea Rev,130:1913-1924.

Zhang H,Pu Zhaoxia.2010.Beating the uncertainties:Ensemble forecasting and ensemble-based data assimilation in modern numerical weather prediction[J].Advances in Meteorology.doi:10.1155/2010/432160.

Zhang H,Xue J,Zhu G,et al.2004.Application of direct assimilation of ATOVS microwave radiances to typhoon track prediction[J].Adv Atmos Sci,21(2):283-290.

朱素行,徐海明,何金海.2008.高分辨率卫星实测资料揭示的近年亚洲热带夏季风爆发进程[J].南京气象学院学报,31(6):790-802.Zhu Suxing,Xu Haiming,He Jinhai.2008.Features of the tropical Asian summer monsoon onset in recent years revealed by high-resolution satellite observations[J].J Nanjing Inst Meteor,31(6):790-802.(in Chinese).

(责任编辑：倪东鸿)

Construction of WRF-EnSRF satellite data assimilation system

YANG Chun,MIN Jin-zhong,CHEN Yao-deng

(Key Laboratory of Meteorological Disaster(NUIST),Ministry of Education,Nanjing 210044,China)

Abstract:To strengthen the application of satellite data in assimilation system,this paper constructed the WRF-EnSRF satellite data assimilation system with RTTOV radiative transfer model as the observation operator,and sat up some modules including satellite data reading,bias correction and quality control,thereby achieving the autonomy of the WRF-EnSRF satellite data assimilation system.With the assimilation system,the assimilation numerical simulation experiment of assimilating NOAA-16 AMSU-A and AMSU-B radiance data is conducted with a heavy rainfall occurred in South China.Test results show that,with bias correction,the deviation between observed and simulated brightness temperatures is reduced.For this experiment,the major effect is reflected in the improvement of amount of precipitation forecast result.For TS score,precipitation in the assimilation experiment is better than that in the control experiment at torrential rain level.Thus,it further proves the validity of the satellite data assimilation system.

Key words:satellite data assimilation;ensemble Kalman filter;radiation transfer model;rainstorm

doi：10.13878/j.cnki.dqkxxb.20130529001

中图分类号：

文章编号：1674-7097(2015)04-0549-08P435

文献标志码：A

通信作者：闵锦忠,博士,教授,博士生导师,研究方向为中小尺度数值模拟与资料同化、风暴尺度集合预报及气候变化区域响应,minjz@nuist.edu.cn.

基金项目:公益性行业(气象)科研专项(GYHY(QX)200806029);国家重点基础研究发展计划(973计划)项目(2013CB430102);2012年研究生创新计划(CXLX120494)

收稿日期：2013-05-29;改回日期:2014-06-09