多普勒雷达资料同化对北京“7·21”大暴雨过程模拟的影响

沈菲菲，束艾青，许冬梅，郭雅凯，李 超，王 易，张 冰

（1.南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心，江苏 南京210044；2.高原与盆地暴雨旱涝灾害四川省重点实验室，四川 成都610225；3.河南省气象局，河南 郑州450003；4.南通市气象局，江苏 南通226018；5.江苏省气象台，江苏 南京210008；6.江苏省气象科学研究所，江苏 南京210008）

随着中尺度数值模式不断发展和完善， 对中尺 度系统的模拟和预报能力有了较大的提高。 但当前数值模式的初始场主要是由NCEP（National Centers for Environmental Prediction）的1°×1°再分析资料和常规探空观测资料提供， 由于其时空分辨率的限制， 使得提供于模式初始场的中小尺度信息较少，导致数值模式预报存在起转延迟时间（spin-up time）问题[1]，从而降低了对中小尺度天气系统模拟和预报的精度。 当前能与中尺度数值模式分辨率相匹配的非常规观测资料主要是多普勒天气雷达观测资料[2]，并且随着中国新一代多普勒天气雷达组网建设的逐步完善， 如何合理有效地利用多普勒雷达观测数据提取其丰富的中小尺度信息， 开展多普勒天气雷达资料同化研究显得尤为重要[3-6]。

近年来， 多普勒雷达观测资料的同化研究越来越受到重视[7]。 比较有影响的是Sun， et al.（1991，1997， 1998）的工作， 他们建立了以三维数值云模式和雷达资料四维变分同化技术为核心的VDRAS（Variational Doppler Radar Analysis System） 同化系统，并用于对强对流风暴的实时诊断和预报研究，其研究结果表明该系统可以有效地反演风暴云团的热动力场和微物理场[8-10]。Xiao， et al.（2005， 2007）开发了一个多普勒雷达同化径向风的3DVAR（Three-Dimensional Variation）方案，并通过试验证明使用3DVAR 同化雷达径向风可以有效改进模式6 h 内的降水预报精度[11-12]。 顾建峰等（2006）参与WRF 模式雷达资料3DVAR 同化系统开发工作并进行了相关数值模拟试验，在台风、中尺度暴雨和飑线个例上利用直接同化方法取得令人鼓舞的结果[13]。杨毅等（2008）将三维变分和物理初始化方法相结合来同化雷达观测资料， 有效缩短了模式的spin-up时间，显著改进了短时降水预报[14]。赖绍钧等（2012）将三维变分方法运用到一次华南前汛期特大暴雨过程中， 对其发生发展的动力和热力条件进行了详细的诊断分析和研究[15]。 范水勇等（2013）提出一种间接同化方法，不直接同化雷达反射率资料，而是同化由反射率反演出的雨水和估计的水汽， 分析了2009 年夏季北京地区的4 次强降水过程[16]。以上的研究工作为多普勒天气雷达资料在中小尺度模式中的应用进行了很好的探索， 但仍有一些工作需要进一步试验与研究。在京津冀地区强暴雨预报系统中，同时利用多部多普勒天气雷达上的径向风和反射率进行同时同化和单独同化对比试验的相关研究还较少[17-20]。

本文采用美国NCAR （National Center for Atmospheric Research） 研发的新一代中尺度预报模式WRFV3.6 及其三维变分同化系统， 对GTS（Global Telecommunication System） 上分发的地面报、飞机报、探空和船舶报等常规观测资料和五部新一代多普勒天气雷达（北京S 波段BJRS、天津S 波TJRS、石家庄S 波段SJZRS、张北C 波段ZBRC 和承德C 波段CDRC） 观测资料进行三维变分同化试验研究。 针对2012 年7 月21 日北京地区的一次暴雨过程进行了多普勒天气雷达径向风和反射率的同化试验， 检验和探讨高时空分辨率多普勒天气雷达资料在改进模式初始场及提高对暴雨过程预报的准确率等方面的应用效果及意义。

1 暴雨个例选取和天气背景

2012 年7 月21 日02 时（世界时，下同）—21 日18 时，北京大部分地区出现由中尺度对流系统产生的特大暴雨过程。截止21 日22 时，北京全市的平均降雨量达到170 mm， 最大降水值出现在房山河北镇，达到460 mm[21]。此次降水过程是北京地区1951年以来最强的一次降水过程， 由于此次降水过程是在非常有利于暴雨发生的大尺度环流背景下中尺度系统发生发展的结果，预报上难度较大，并且给京津冀地区造成了巨大的经济损失和人员伤亡， 因此在气象界引起了广泛的关注。 分析2012 年7 月20—21 日大尺度环流背景可以看到（图1）：20 日12 时，500 hPa 中高纬度主要是“两脊一槽”的形势[22]，贝加尔湖附近存在一个闭合的切断低压， 从贝加尔湖至河套地区伸出南北走向的西风槽， 东部的副高脊线北抬到36°N，形成高压坝，与切断低压相持，使环流经向度加大。 与此同时，位于高原东侧、河套西部的低槽东移发展。在低纬度地区，孟加拉湾和南海北部均有热带低压存在， 其中位于南海北部的已发展成热带气旋即第8 号台风韦森特。 在200 hPa 天气图上也主要是“两脊一槽”的形势，贝加尔湖附近有逐渐增强的高空急流， 华北地区位于急流出口区的右侧。 低层850 hPa，高原东北侧有一低涡形成，中心位置在104°E 附近， 并有切变线生成。 到20 日18时，低涡沿着暖式切变线东移至106°E。

2 同化试验设计

2.1 预报模式及其设置

本试验采用WRFV3.6 的ARW（Advanced Research WRF）版本作为预报模式。 该模式为可压缩、非静力中尺度模式，水平方向采用荒川C 网格，垂直方向采用随地形的质量坐标。 模式区域设置见图2，模拟区域中心为（40°N，105°E），采用双向嵌套，外层区域格点数为649×400，格距9 km，内层区域格点数为550×424， 格距为3 km， 垂直方向分为不等距的38 层，模式层顶气压为50 hPa。 由1°×1°分辨率的NCEP 再分析资料提供初边界条件， 微物理过程采用WSM6 （WRF Single-Moment 6-class）类冰雹方案[23]，外层区域采用Grell-Devenyi 积云对流方案[24]，内层嵌套区域关闭积云对流方案。其它物理参数化方案包括YSU（Yonsei University）边界层方案[25]，5 阶热量扩散方案，RRTM（Rapid Radiative Transfer Model） 长波辐射方案，Dudhia 短波辐射方案。

图1 2012 年7 月20 日12 时—22 日00 时天气形势分布及850 hPa 水平风场

图2 模拟区域网格设置

2.2 多普勒雷达资料预处理

新一代多普勒天气雷达采用VCP21（Volume Cover Pattern 21）观测模式进行连续体扫，在进行多普勒雷达资料同化之前， 有必要对雷达基数据进行必要的质量控制， 本文雷达资料质量控制主要包括：（1）剔除地物杂波，去除＜1 km 以下的资料，并且由于主要考虑的是强对流降水的影响， 剔除资料中＜10 dBZ 的非降水回波。（2） 退模糊， 采用Zhang（2006）提出的二维多途径退速度模糊方法[26]对雷达基数据进行了退模糊。（3）数据稀疏化处理，对雷达径向风和反射率观测数据都进行了稀疏化处理，均为径向每4 km 取一个观测，稀疏化后的观测空间的分辨率与模式格局相当。（4）背景场检查，雷达径向风观测误差2 m/s，反射率观测误差为5 dBZ，当观测与背景场的偏差大于3 倍的观测误差时，则剔除该雷达观测资料。

2.3 试验方案设计

为了考察加入雷达观测资料后的分析效果以及对随后预报的影响， 本文针对不同的初值设计了5组试验（表1）。 主要包括：控制试验（CNTL），不同化任何观测资料；试验CON 只同化GTS 观测资料；试验CRV 联合同化GTS 观测资料与雷达径向风观测资料； 试验CRF 联合同化GTS 观测资料与雷达反射率观测资料； 试验ALL 联合同化GTS 观测资料、雷达径向风观测资料和雷达反射率观测资料。 图3为试验方案示意图。试验CNTL 首先采用WRF 模式从2012 年7 月20 日12 时—22 日00 时做36 h 预报。4 组同化试验选定2012 年7 月20 日12 时作为同化初始时刻，通过WRF-3DVAR 同化系统每隔3 h 同化一次观测数据，连续同化18 h，将最后一个时刻的分析场作为背景场，做18 h 确定性预报。 本文中背景误差协方差矩阵用NMC 方法（Parrish and Derber， 1992）生成[27]。

表1 试验方案

图3 试验流程

3 试验结果分析

3.1 风场增量

通过比较四组同化试验（图4）的初始风场增量可以发现，无论同化哪种多普勒雷达资料，初始风场均发生变化， 但径向速度对初始大气流场的改进更加显著。 由图4a 可见，只同化GTS 资料的初始流场在山西东南部、 河北南部以及山东西北部主要呈现气旋性弯曲流型， 同化后华北地区风速都稍有所增加，此时流场尚未出现中尺度天气系统的信息。北京大部分地区受东南气流控制， 其西北侧和河北的交界处根据风向能分析出一条弱辐合线；与CON 试验相比，同化雷达径向速度后（图4b），38 °N 以北出现一中尺度低涡中心，40 °N 以北出现反气旋环流中心， 其偏北气流和中尺度低涡的东侧偏南气流在北京西部形成明显的强辐合线，风场增量达到6.5 m/s；若同时同化雷达反射率和径向速度后（图4d），初始流场与只同化径向速度的初始流场比较接近， 但辐合线附近风场增量超过5.5 m/s 的范围偏小；若只同化雷达反射率（图4c），其初始流场与CON 试验相比增量强度上改变并不太大， 只是北京及其以北地区的风场增量稍大一点， 主要的区别是北京西部出现了较大面积的反气旋式环流， 北京受偏北气流控制；在850 hPa，只同化径向速度后，北京南部出现气旋式风场增量，其西部存在明显的辐合线；仅同化雷达反射率的流场和CON 试验的结果较接近；同时同化反射率和径向速度的流场与只同化径向速度的初始场流型非常接近，改善了降水的动力条件。说明同化对初始场有不同程度的改进， 其中径向速度的同化对背景场的改进更加显著， 初始风场中增加的中尺度信息使调整后的风场在低层有更明显的风场辐合，使同化试验能更好地模拟出暴雨过程。

图4 2012 年7 月21 日06 时700 hPa 风场增量（箭头，单位：m/s）

3.2 比湿增量

水汽作为降水的来源， 在暴雨过程中起着重要的作用。 四组同化试验初始水汽场增量分布有正有负（图5），正的增量说明增加了背景场的水汽信息，负的增量则可以减少背景场过湿的情况， 在一定程度上减少虚假降水情况的出现。 CON 试验的比湿分析增量在河北中部、 北京东南部以及天津中部以南地区出现了一个范围较大的正值中心， 其值可达到1×10-4kg/kg。加入雷达反射率资料后（图5c，5d），比湿增量场发生显著变化，出现明显的中尺度特征。比湿增量整体呈西南—东北走向分布， 有多个零散的强正值中心，比湿增量值超过2×10-4kg/kg，与实况中锋前暖区降水的雨带呈西南—东北向并存在多个强降水中心是一致的。 同样这些特征在850 hPa 上也有类似的反映。通过对比发现，多普勒雷达资料同化尤其是反射率资料的同化对初始水汽场的调整较为显著，改善了降水的水汽条件，而径向速度资料的同化对初始水汽场的调整较小。从图5b 上看也没有模拟出正值增量中心，这与WRF-3DVAR 同化系统中雷达径向风侧重于改进风场， 而雷达反射率侧重于改进湿度场有关。

3.3 组合反射率因子

图5 2012 年7 月21 日06 时700 hPa 比湿增量（阴影，单位：10-4 kg/kg）

根据雷达回波的实况演变过程可以发现， 此次强对流天气过程首先在河北中部出现孤立单体，之后沿着山脉走向向东北偏东移动发展并影响北京，是一次由分散的回波逐渐扩展成高度有组织的带状多单体风暴的过程。 21 日06 时（图6），河北的西北部和北京大部分地区有层状云覆盖， 雷达回波整体呈西南—东北走向，面积约280 km×300 km。强回波区主要在河北中部和北京中南部， 组合反射率因子最大值超过60 dBZ。其中北京中南部的回波又分为两部分，一部分横穿昌平区和顺义区，另一部分从昌平区向南延伸影响北京市区， 两部分连在一起形成“倒V”形，回波图上有多个分散、强度超过45 dBZ的强对流中心，对应强降水区。 在700 hPa 上，河北中部到北京南部存在切变线， 风场表现为明显的风速辐合区。 对比实况图，在最后一个分析时刻，控制试验的组合反射率因子分布与观测差别较大， 强回波区主要分布在山西和河北南部， 只有北京大兴区最南部受强回波中心的影响， 且回波中心强度只有40～50 dBZ。对应风场的切变线也更偏西偏南。同化常规资料后， 强对流区主要在山西东北部和河北的西北部，回波分布有所改进（偏西），但在强度上，只有门头沟区附近有较强的对流中心（40～50 dBZ）。700 hPa 切变线位置比观测要偏西， 但河北北部已模拟出风速的辐合区。引入雷达径向风资料后，强回波依旧在山西东北部和河北的西北部， 但有所改进的是丰台区出现了超过50 dBZ 强对流中心，并且在河北中部以及北京中部的700 hPa 风场上出现明显的风速辐合。 而加入雷达反射率资料后， 山西西北部、河北北部以及北京地区为强回波区，在昌平区也模拟出了超过50 dBZ 强对流中心，切变线以及风速辐合区和实况也基本一致。 再次证明雷达资料同化进入模式后，较好地改善了模式模拟效果。

3.4 降水场对比分析

将5 组同化试验得到的每小时降水预报和实况降水进行比较， 可以看出雨带位置和强度变化比实况滞后约2～3 h， 其中控制试验强降水中心稍有偏差， 但模拟的主要雨带与实况一致， 呈西南—东北向，并且能反映出降水从西南向东北扩展、强度不断增强的趋势，因此，模式模拟的结果还是能够很好地反映出此次特大暴雨过程的雨带移动及强度变化。考虑到临近预报的时效性， 着重分析3 h 和6 h 累计降水预报的预报效果。

与实况相比，5 组同化试验对降水都有一定的预报能力， 从7 月21 日06—09 时的累计降水分布可知，CNTL 试验中雨带主要在山西北部和河北中南部，位置偏西严重，降水范围也偏大。 加入雷达径向风资料后，降水范围有所减小，雨带位置明显向东北方向移动，正好对应风场增量辐合区（图4b）。 北京西南部出现25.6 mm 以上的降水中心， 且山西和河北交界处的虚假降水明显减弱， 但整体降水强度较实况仍偏弱。 而加入雷达反射率资料，可以使分析场中产生云水、 雨水和中小尺度的对流结构，在预报阶段产生更强的降水， 因此CRF 试验和ALL试验在降水强度上有明显的改进， 北京西部出现51.2 mm 以上的强降水中心，整体降水范围也减小，更接近实况。

图6 2012 年7 月21 日06 时雷达组合反射率观测（a、b，阴影，单位：dBZ）和700 hPa流场诊断的组合反射率（c～g，阴影，单位：dBZ）及700 hPa 水平风场（箭头，单位：m/s）

5 个试验对6 h 累积降水量的模拟结果也进行了对比（图7），雨带形状均和实况一致，位置稍偏西。 CNTL 试验中超过25.6 mm 的降水范围较实况偏大，并主要分布在山西和河北交界处。同化雷达径向风资料后雨带位置有所改进， 降水范围也减小更接近观测。由于模式具有较高分辨率，模拟图中出现多个小的强降水中心， 而实况图中由于观测站点分辨率不够高，且强降水中心比较集中，因此实况图中分析不到小的强降水中心。在CRV 试验中北京大部分地区模拟出多个小的强降水中心， 但最强降水值并未模拟出来。 根据实际观测（图7a），房山区存在102.4 mm 以上的强降水中心， 而CRF 试验在强度上就有明显的改善（图7e）。 可以看到同化雷达反射率资料后， 初始场的风场产生一个反气旋式的风场增量（图4c），这种风场增量对应着负的垂直速度增量，有利于降水的减弱，而从CNTL 试验模拟的降水范围明显偏大的情况来看， 这种风场的调整有利于减弱降水，使之与实况的降水更为接近，与CRF 试验最终模拟得到的降水结果相符， 整体降水范围变小， 山西北部和河北南部的大片虚假降水也明显减少。 同样在ALL 试验中，初始场的风场在北京西部产生一个反气旋式的风场增量， 在其西南部有一个气旋式的风场增量（图4d），经过这种风场增量的调整后，山西东北部和河北的交界处降水减少，而河北的西南部产生一个强降水中心， 主要的降水雨带位于偏北和偏南气流辐合处，与ALL 试验的模拟结果也相一致。

图7 6 h 预报降水量和实况降水量的比较

因此相比控制试验， 同化对降水预报有一定好处，引入雷达资料后，降水预报准确性有所提高，而其中同化径向风资料对雨区的位置、 范围有较好的改进， 同化反射率资料则在降水强度方面改进较为明显。以上结果进一步表明，多普勒天气雷达资料对于提高定量降水预报的精确度有着重要作用。

3.5 降水场预报检验

为了客观地比较5 组试验的模拟结果， 本文采用ETS（Equitable threat score）评分技术对同化后的3 h 累计降水做预报检验， 将各组试验模拟降水和实况观测降水做比较， 分别对5、15、25 mm 级别降水进行对比分析。 从图8 中可以发现，5 组试验ETS评分在阈值为5 mm 和15 mm 时均有所增加，在阈值为25 mm 时各组试验均明显下降，但总体上4 组同化试验的ETS 评分都要显著高于CNTL 试验，在设置的3 组阈值下能增加0.1 左右。 对于加入雷达资料的3 组试验， 模式的同化分析场包含了大气水汽及水凝物等信息， 因此无论对于低阈值还是高阈值，都具有相对较高的ETS 评分，尤其是试验CRF的ETS 评分基本是最高的，而试验ALL 的评分值与试验CRF 也较接近， 具体表现为CRV 试验能增加0.2 左右，CRF 试验能增加0.3 左右，而ALL 试验增加的评分介于0.2～0.3。这些说明同化雷达资料的预报效果要优于控制试验， 进一步提高了暴雨短时临近预报的效果。

4 结论

利用高分辨率中尺度预报模式WRF 及其同化系统WRF-3DVAR 系统，针对2012 年北京“7·21”特大暴雨个例，对常规观测资料和京津冀地区5 部多普勒天气雷达观测资料进行三维变分同化试验研究，考察和评估多普勒雷达不同种类观测数据同化对数值模式初始场及其预报效果影响。主要结论如下：

（1）雷达资料的同化可以在初始场中加入能反映产生降水系统低层风场辐合的动力和锋前暖区充足的水汽条件物理信息，在模式积分开始后能改善初始场中水汽和风的分布，较快地模拟出局地对流系统的发生、发展，改善了由于中尺度观测资料不足造成的模式初始场里中尺度信息缺乏的问题。径向速度的同化增加了中尺度信息， 对初始流场的调整较为显著，侧重于改进风场。 而雷达反射率资料的同化对初始温、湿度场和强回波位置的调整更明显，侧重于改进湿度场。 两者对暴雨模拟效果有着不同的影响。

（2）累计降水的预报结果显示，同化试验的降水量预报较为理想，但是降水落区不准确，仍略偏西。同化径向风资料对雨带的位置、范围有较好的改进，同化雷达反射率资料对暴雨强度的预报有明显的改善。 雷达资料对于提高定量降水预报的精确度有着重要作用。

（3）从3 h 累积降水ETS 评分来看， 同化试验的ETS 评分都要显著高于CNTL 试验，对于5、15 mm，和25 mm 降水评分能增加0.1 左右，CRV 试验能增加0.2 左右，CRF 试验能增加0.3 左右，而ALL 试验增加的评分介于0.2～0.3。

本文利用雷达观测资料进行的试验说明，3DVAR 同化多普勒雷达观测资料有助于暴雨的初始化并提供更加精细的中尺度结构信息，为多普勒雷达观测资料在极端性事件的预报研究、应用方面提供了技术参考。 同时，应该指出本文只是针对北京“7·21”个例进行了初步的研究，存在一定的局限性，需要进行更多的个例分析， 以加深对此类极端性降水的了解。 此外要提高暴雨预报的准确率，不仅要对暴雨的系统结构有深入了解，对模式的设计及预报性能也要有更深入的研究。在今后的工作中将针对更多的暴雨个例展开类似研究，多考虑一些问题，例如合理调节水平化尺度因子是否能提高短时降水预报的效果，雷达观测资料的质量控制能否明显改进预报结果，引入卫星资料能否有效改进模式初始场、减少模式起转延迟时间等等还有待于将来进一步的研究。

图8 3 h 累积降水ETS 评分检验（CNTL，CON，CRV，CRF，ALL）

致谢：本文的数值计算得到了南京信息工程大学高性能计算中心的计算支持与帮助，在此表示感谢！