基于雷达资料同化的飑线过程数值模拟试验研究

沈艳秋 黄兴友 沈菲菲 沈妍琰 陈晓颖

(南京信息工程大学 气象灾害预报预警与评估协同创新中心，南京 210044)

引 言

近年来，数值模式已成为重要的天气预报工具，传统的数值模式难以准确预报飑线等生消变化快的中小尺度天气系统。多普勒天气雷达资料具有高时空分辨率的特点，将其同化到模式中，可以为模式初始场提供中小尺度信息，从而提高模式模拟和预报中小尺度天气系统的能力。

诸多气象学者在雷达资料同化频次以及雷达观测变量选取方面展开了相关研究。顾建峰[1]发现利用WRF三维变分同化系统(3DVAR)直接同化多普勒天气雷达径向速度和反射率因子可以进一步改善降水预报效果。HU，et al[2]通过ARPS-3DVAR及云分析方案研究了Oklahoma的一次暴雨过程，其结果受循环同化频次的影响。闵锦忠等[3]基于WRF-3DVAR系统的试验表明,选取合适的尺度化因子能有效改进初始风场和温度场的分布，同化频率越高，短时降水预报越准确。马晓华等[4]针对一次强降水过程，发现同化雷达径向风资料能改善初始风场信息，同化雷达反射率资料能显著改善水汽场，得到的降水预报效果更佳。蒋宗孝等[5]的研究表明同时同化雷达反射率因子和径向速度资料，预报的降水与实况最符合，循环同化时间间隔为3 h和6 h的预报效果更优。上述研究工作表明，通过同化多普勒天气雷达资料可以更好地预报降水，但不同的雷达同化资料和同化时间间隔，对不同天气系统降水的预报效果不同。

我国华南地区春夏季飑线等强对流系统频发，极易引起短时强降水，对人民的生命财产、生产生活危害极大[6]。因此，本文主要针对华南地区2014年3月30—31日发生的一次飑线过程，利用WRF及其三维变分同化系统对多普勒天气雷达反射率因子和径向风资料进行同化效果的试验研究，探讨不同雷达资料和同化频次对模式初始场的改善作用，以及对飑线过程模拟的影响，以便提高降水预报的准确性。

1 WRF-3DVAR同化系统

在雷达资料同化中，多普勒径向速度直接同化观测算子的作用是将径向风资料与模式变量联系起来，采用SUN，et al的方法[7-8]，径向速度直接同化观测算子的表达式为：

(1)

(2)

式中：(u,v,w)为大气三维风场；(x,y,z)为雷达位置；(xi,yi,zi)为雷达观测的目标位置；ri是观测目标到雷达位置的距离；vT为粒子下落末速度(m·s-1)；qr是雨水混合比(g·kg-1)；a是修正因子，其定义为：

(3)

在雨滴分布的Marshal-Palmer假定下导出的解析解作为多普勒雷达基本反射率因子的直接同化观测算子，即雨水混合比qr与雷达反射率因子Z(dBZ)之间的Z-qr关系[9]：

Z=43.1+17.5log(ρqr),

(4)

式中：Z为反射率因子(dBZ)；ρ为空气密度(kg·m-3)。

该观测算子可以直接将雨水混合比同化到WRF-3DVAR系统中。此方案以雨水、云水和水汽混合比的总和作为湿度控制变量。采用一种暖雨模型为约束条件，考虑了暖雨过程中水汽凝结成云水、雨水碰并成云水、雨水转化成云水和雨水蒸发成水汽等过程。由于未涉及冰相过程，可能对暖雨过程以外的天气系统分析有一定的影响。

WANG,et al[10]提出间接同化雷达反射率方案，是将雷达反射率反演成雨水含量和估计的水汽等变量后再进行同化。等效雷达反射率因子考虑了雨水混合比qr、干雪湿雪混合比qs和冰水混合比qg的综合贡献：

Ze=Z(qr)+Z(qs)+Z(qg),

(5)

依据不同环境温度下选取不同的经验公式。估计的水汽同化是指当雷达反射率因子大于30 dBZ时，假设云内相对湿度为100%，并根据气压和温度计算该点的水汽比湿值qv，将其作为“观测”值同化到模式中，公式为：

qv=rh×qvs。

(6)

式中：rh为相对湿度；qvs为饱和水汽比湿。间接同化反射率过程中考虑了冰相态粒子对反射率的贡献，但本文仅先研究直接同化雷达反射率的情况，间接同化方案将在后续的工作中进一步讨论。

目前WRFDA系统中的控制变量主要有两种，一种基于流函数—势函数，另一种基于水平风场。这里采用的是以流函数—势函散为控制变重的框架。

2 个例选取与资料介绍

2.1 天气形势与实况

2014年3月30—31日广东地区出现了一次强对流天气过程，飑线系统自西北向东南方向横扫了广东地区，移动速度较快，广东省出现了大风、强降水等天气。

图1为2014年3月30日18时(世界时，下同)的形势场，500 hPa(图1a)上中高纬度切断低压和低涡相叠加，使得阻塞高压得以维持。广州西部受西北气流控制，风速大于20 m·s-1，而温度场落后于高度场，高压脊前下沉的冷空气为强对流天气发展提供了有利的动力和热力条件。850 hPa形势场上(图1b)，四川盆地有低涡生成，在高空槽的引导下向东南方向缓慢移动，华南沿海地区盛行的西南低空急流将大量暖湿空气不断向上输送，与高空槽后西北冷空气相遇，从而为强对流天气的发生提供了大量的热力和水汽条件。

图1 2014年3月30日18时 (a) 500 hPa,(b)850 hPa位势高度场(实线，单位：dagpm)、风场以及温度场(虚线，单位：℃)Fig.1 Geopotential height(solid lines; unit: dagpm)， wind and temperature field(dotted lines; unit: ℃) at1800 UTC on March 30， 2014 of (a) 500 hPa;(b)850 hPa

2.2 雷达资料处理

本文使用的雷达资料由广州S波段新一代多普勒雷达(23.004°N，113.355°E，海拔高度180.3 m，型号CINRAD/SA)探测获得，时间段为2014年3月30日20时至31日08时。雷达资料在进入模式前需要进行一系列预处理工作(图2)，包括：消除近地面湍流回波和地物杂波；剔除反射率因子和径向速度孤立点；对径向速度资料进行退速度模糊处理；在同一锥面上取径向临近三点平均将径向速度和反射率因子资料插值到格点上，水平分辨率约为3°×3 km，插值后的资料仍处于锥面上；将雷达资料的格式转换成WRF-3DVAR模式的读取格式[11]。

3 试验设计

利用WRF v3.9.1模式对此次飑线过程进行数值模拟，该模式是一种完全可压非静力模式，水平方向采用Arakawa-C网格点，垂直方向采用随地形的质量坐标[12]。模拟区域中心位于(25.188°N，113.804°E)，水平格点数为350×400，分辨率为5 km，垂直方向分为29层，模式顶层气压为50 hPa。主要物理参数化方案有YSU边界层方案[13]、WSM6微物理方案[14]、RRTM长波辐射方案[15]、Dudhia短波辐射方案[16]、5-layerthermal diffusion陆面过程方案[17]、Monin-Obukhov近地面层方案[18]，不使用积云参数化方案。背景场资料和侧边界条件来自NCEP 0.5°×0.5°、每3 h间隔的全球模式(GFS)分析资料。背景误差协方差矩阵是利用2014年3月逐日资料通过NMC方法计算得到，即以同一时刻预报时效为12 h和24 h预报差的统计结构近似背景场误差结构。

试验包含了控制试验和同化试验两部分，控制试验是从2014年3月30日15时至31日06时，模式积分步长为30 s，共积分15 h，模式结果每30 min输出一次。同化试验均采用“热启动”方式进行预报，首先做5 h的Spin-up，3月30日20—22时为同化分析阶段，用前一时次的预报场作为下一时次循环同化初始场，更新边界条件后，分别以12 min、30 min和1 h的同化频率同化多普勒雷达资料，然后采用22时的分析场作8 h确定性预报，每隔30 min的输出结果用于诊断分析。共设计了10组试验，设计方案见表1。

图2 2014年3月30日22时雷达反射率因子(a、b)和径向速度(c、d)：(a、c)原始数据；(b、d)质量控制后数据Fig.2 (a,b)Radar reflectivity factor and (c,d) radial velocity at 2200 UTC on March 30， 2014: (a，c) raw data; (b，d) quality control data

4 数值试验结果分析

4.1 单点试验

为了更好地理解多普勒雷达观测资料在3DVAR同化系统中对模式变量的影响作用，进行了单点径向风试验。试验观测点(23.875°N,113.372°E)海拔高度为3 340.4 m，较接近模式层第十层(约700 hPa)。观测点位于雷达站北侧，径向风速为22.5 m·s-1，设置的径向风观测误差为2 m·s-1。背景场由2014年03月30日21时的NCEP/GFS再分析资料插值得到，模拟区域为350×400 ×29格点，水平分辨率为5 km。鉴于前人对尺度因子调整的研究[3,12,19]，本文试验的方差尺度和特征长度分别取1.0和0.3。

表1 试验设计方案Table 1 Experimental schemes

在广东地区，模式第十层风场为均匀的偏西风，风速大约为22 m·s-1，与实况观测的西南风略有差异。根据同化理论，应该得到偏南方向、远离雷达的风场增量。将背景场插值到观测点位置，纬向风速为22.04 m·s-1，经向风速为3.04 m·s-1，同化后得到的纬向风速为22.23 m·s-1，经向风速为13.33 m·s-1。此时的背景径向风大于观测值，得到的实际径向风增量与理论分析相一致。

图3为单点试验同化径向风后得到的风场增量与风场的分布。图3a、b分别是纬向风、经向风增量分布，可以看出，观测点周围经向风的增量为正值，代表南风增量，也就是远离雷达的径向风增量。图3c为风场增量与气压场增量的组合，同样可以看到较强的南风增量，且风场增量在地转平衡关系的影响下，引起了气压变化，根据风压定律，风场增量的右侧为正气压增量，左侧为负气压增量。图3d为同化单点后模式层第十层的风场，观测点附近由原本背景场中的偏西风变成了与实际相吻合的西南风。

4.2 同化对分析场的影响

为了更好地了解同化雷达资料对模式分析场的调整作用，对2 h循环同化后的风场、总水场增量、假相当位温以及组合反射率因子进行分析，以下分析资料对应的时间为2014年3月30日22时，20—22时为2 h同化窗口。

图3 单点径向风试验结果:(a)纬向风增量; (b)经向风增量; (c)水平风与气压增量; (d)水平分析场Fig.3 The result of a single radial wind observation test: (a)zonal wind increment;(b)warp wind increase;(c)horizontal wind and air pressure increment;(d)horizontal analysis field

4.2.1 风场

图4为2014年3月30日22时9组同化试验的700 hPa风场及其增量场合成。分析场上西南气流占主导地位，在飑线爆发区域附近并未出现风场的辐合信息，飑线系统很难形成并发展。与控制试验相比，同化雷达资料后，在飑线爆发的区域都产生了强烈的风场辐合，辐合产生上升运动，有利于飑线发展。从增量场可以看出，同化试验在强回波区域出现了明显的风速调整，风速比控制试验大了15 m·s-1以上；仅同化雷达反射率因子的试验(图4a、d、g)引起的风速的调整范围和强度均小于仅同化雷达径向风资料的试验(图4b、e、h)，仅同化雷达径向风资料试验风速辐合明显，表现为西南风和西北风的切变，对风场的调整与联合同化雷达反射率因子和径向风资料的试验(图4c、f、i)类似，说明同化多普勒雷达径向速度对风场调整起主要作用。同化频率高的风速增量较大，风场调整效果更显著。以上分析表明，同化多普勒雷达资料能在风场增加中小尺度信息，出现风速辐合和风向切变，促进对流的发生、发展，有利于对飑线过程的模拟。

图4 2014年3月30日22时700 hPa风场及其增量场(单位：kts，阴影)分布合成:(a)ASSI12_RF;(b)ASSI12_RV;(c)ASSI12_RFRV;(d)ASSI30_RF;(e)ASSI30_RV; (f)ASSI30_RFRV; (g) ASSI60_RF;(h)ASSI60_RV; (i)ASSI60_RFRVFig.4 The wind field and its incremental field (unit: kts， shadow) at 700 hPa at 2200 UTC on March 30， 2014: (a)ASSI12_RF;(b)ASSI12_RV; (c)ASSI12_RFRV;(d)ASSI30_RF;(e)ASSI30_RV; (f)ASSI30_RFRV; (g) ASSI60_RF; (h)ASSI60_RV; (i)ASSI60_RFRV

图5 2014年3月30日22时850 hPa水物质总量增量场：(a)ASSI12_RF;(b)ASSI12_RV;(c)ASSI12_RFRV;(d)ASSI30_RF; (e)ASSI30_RV; (f)ASSI30_RFRV; (g) ASSI60_RF; (h)ASSI60_RV; (i)ASSI60_RFRVFig.5 The incremental field of total water amount in the form of vapor， cloud particle and rain droplet at 850 hPa level at 2200 UTC onMarch 30， 2014: (a)ASSI12_RF; (b)ASSI12_RV;(c)ASSI12_RFRV;(d)ASSI30_RF;(e)ASSI30_RV; (f)ASSI30_RFRV; (g) ASSI60_RF; (h)ASSI60_RV; (i)ASSI60_RFRV

4.2.2 总水场

图5是2014年3月30日22时850 hPa总水(包括水汽混合比qv、云水混合比qc以及雨水混合比qr)增量场。雷达资料同化对水物质总量分布也有一定的改善，由图5b、e、h可知，只同化雷达径向风资料，水物质含量基本不变；同化雷达反射率因子的试验(图5a、d、g)反映在广东中部出现了水物质增量中心；联合同化雷达反射率因子和径向风资料的试验(图5c、f、i)后，不但总水增量达到了5 g·kg-1，而且增量区域更大，ASSI12_RFRV试验最为明显。图6是ASSI12_RF、ASSI12_RV、ASSI12_RFRV三组同化试验各自的水汽混合比qv、云水混合比qc以及雨水混合比qr增量场，可以看出，同化雷达资料对云水混合比qc的改变不明显，但水汽混合比有了明显的增加，增量高值中心与观测的线状强回波位置接近，说明雷达资料的加入较好地引入了水汽信息。而雨水混合比增量区域与模式得到的22时组合反射率因子带状高值区相吻合，说明雨水混合比增量对模式结果的贡献比较大。

图6 2014年3月30日22时850 hPa水汽混合比qv(a、d、g)、云水混合比qc(b、e、h)、雨水混合比qr(c、f、i)增量场 ：(a—c)ASSI12_RF;(d—f)ASSI12_RV; (g—i)ASSI12_RFRVFig.6 The incremental field of (a,d,g) water vapor mixing ratio，(b,e,h) cloud water mixing ratio，(c,f,i) rainwater mixing ratio at 850 hPa at 2200 UTC on March 30， 2014: (a-c)ASSI12_RF;(d-f)ASSI12_RV; (g-i)ASSI12_RFRV

4.2.3 飑线垂直结构

为了模拟研究发展快速的飑线系统的垂直结构，选取同化频率最高、间隔12 min的三组同化试验进行诊断分析。图7是2014年3月30日22时ASSI12_RF、ASSI12_RV、ASSI12_RFRV三组试验沿111.5°E雷达反射率、风场及假相当位温的垂直剖面，其横坐标为纬度分布，纵坐标为高度(单位：km)。由雷达实况反射率可知，此时为飑线发展旺盛时期，飑线前缘应是强对流回波区，但ASSI12_RF(图7a)模拟的对流发展不强盛，最强回波仅为45 dBZ，雷达回波垂直发展是和垂直速度密切相关的，由于该试验中飑线前端垂直速度普遍较小，导致雷达回波顶高只有6.5 km；ASSI12_RV、ASSI12_RFRV试验飑前有明显的垂直上升运动，雷达回波从地面一直延伸到10 km的高层，最强回波接近55 dBZ。飑线前侧的上升气流和飑线后侧的下沉气流共同组成了飑线内部环流，低层为飑线前的南风气流和飑线后的北风气流在对流区辐合，来自南方的倾斜上升气流为飑线的发展和维持提供了丰富的水汽。同化径向风速的ASSI12_RV试验在雷达强回波区附近的上升气流的量值和范围都大于其他两组同化试验的情况，说明同化雷达径向风资料使得模式模拟的垂直运动加强，能够为强对流天气的发生发展提供有利的动力条件。由图7d可以看出，ASSI12_RF试验的假相当位温在回波大值区随着高度减小，说明在(23.5°～24°N)大气处于对流不稳定状态；ASSI12_RV、ASSI12_RFRV两组试验在23.5°N北侧等位温线密集，形成一条近乎垂直的低值假相当位温带，大气不稳定状态更加明显，中低层入流空气所携带的是高温高湿的暖湿气流，有向上向北延伸的趋势，这是由飑线后部入侵的干冷空气抬升造成的。在飑线后部下沉气流和低值假相当位温区域的共同作用下，近地面处会生成冷池，与周围相比是高气压区，强冷池的形成将会在近地面形成强雷暴高压，这样的配置有利于飑线向南发展。

4.2.4 组合反射率因子

图8为2104年3月30日22时实况和各组试验组合反射率因子分布。由图8a可知，飑线呈现明显的弓形、线状回波特征，长度约为200 km，最强回波大于55 dBZ，弓形回波后侧存在入流缺口，表明存在强下沉气流。图8b为控制试验模拟的线状回波，位置较观测略偏北，“V”型结构不明显，强度偏弱；ASSI12_RF(图8c)、ASSI30_RF(图8f)和ASSI60_RF(图8i)为仅同化雷达反射率因子的试验，得到的线状强回波与控制试验类似，在线状回波的东侧约114°E处出现了大于50 dBZ的虚假强回波，同化频率越高，该处虚假强回波的范围越大；ASSI12_RV(图8d)和ASSI12_RFRV(图8e)线状回波较实况偏西北，呈东西走向，与实况的东北—西南走向不符；ASSI30_RV(图8g)、ASSI30_RFRV(图8h)、ASSI60_RV(图8j)和ASSI60_RFRV(图8k)线状回波位置偏西北，出现弓形回波，回波强度与实况相当，联合同化雷达反射率因子和径向风的试验在线状回波的前侧出现小块强回波区。

图7 2014年3月30日22时(a—c)雷达反射率回波(阴影，单位：dBZ)和风场(箭矢，v，10 w，单位：m·s-1);(d—f)假相当位温(单位：K)沿111.5°E剖面，其中(a、d)ASSI12_RF;(b、e)ASSI12_RV; (c、f)ASSI12_RFRVFig.7 (a-c)Radar reflectivity factor(shadow， unit: dBZ) and wind field (arrow， v， 10 w， unit:m·s-1);(d-f) potential pseudo-equivalenttemperature(unit:K) along 111.5°E at 2200 UTC on 30 March, 2014:(a，d)ASSI12_RF;(b，e)ASSI12_RV;(c，f)ASSI12_RFRV

图8 2014年3月30日22时组合反射率因子(单位：dBZ)分布:(a)实况;(b)CTRL;(c)ASSI12_RF;(d)ASSI12_RV;(e)ASSI12_RFRV; (f) ASSI30_RF; (g)ASSI30_RV; (h)ASSI30_RFRV; (i)ASSI60_RF; (j)ASSI60_RV; (k)ASSI60_RFRVFig.8 The radar reflectivity factor(unit: dBZ) composite at 2200 UTC on March 30， 2014: (a) observation;(b)CTRL;(c)ASSI12_RF;(d)ASSI12_RV; (e)ASSI12_RFRV; (f) ASSI30_RF; (g)ASSI30_RV; (h)ASSI30_RFRV; (i)ASSI60_RF; (j)ASSI60_RV; (k)ASSI60_RFRV

4.3 同化对预报结果的影响

为了更好地了解同化雷达资料对预报结果的影响作用，对经过2 h循环同化后的分析场预报得到的雷达组合反射率因子、6 h累积降水的同化试验与控制试验和观测资料进行对比分析，以下分析资料对应的时间为2014年3月30日23时至31日04时。

4.3.1 组合反射率因子预报结果对比分析

图9为2014年3月30日23时即同化后预报1 h的组合反射率因子分布。图9a为实况，飑线系统在1 h内由西北向东南方向移动，仍呈现弓形、线性回波，但在强度上较1 h前偏弱。不论是控制试验还是同化试验，飑线系统的移动方向与实况一致。控制试验(图9b)强回波位置依旧偏北，弓形不明显，强度偏强；ASSI12_RF(图9c)、ASSI30_RF(图9f)和ASSI60_RF(图9i)线状回波较1 h前偏弱，强度与实况相当，强回波前侧仍出现虚假回波；ASSI12_RV(图9d)、ASSI30_RV(图9g)和ASSI60_RV(图9j)出现弓形回波，回波强度强于雷达测值，位置较实况偏西北方向；ASSI12_RFRV(图9e)出现明显的线状回波，位置与实况最为接近，整体效果较为理想； ASSI30_RFRV(图9h)和ASSI60_RFRV(图9k)模拟出的线状回波基本一致，位置与观测相比偏西北，强回波前侧虚假回波有所减少，但比仅同化雷达反射率因子或径向风的试验更为接近观测。

图9 2014年3月30日23时组合反射率因子(单位：dBZ)分布: (a)实况;(b)CTRL;(c)ASSI12_RF;(d)ASSI12_RV;(e)ASSI12_RFRV; (f) ASSI30_RF; (g)ASSI30_RV;(h)ASSI30_RFRV; (i)ASSI60_RF; (j)ASSI60_RV; (k)ASSI60_RFRVFig.9 The radar reflectivity factor(unit: dBZ) composite at 2300 UTC on March 30， 2014: (a) observation;(b)CTRL;(c)ASSI12_RF;(d)ASSI12_RV;(e)ASSI12_RFRV; (f) ASSI30_RF; (g)ASSI30_RV; (h)ASSI30_RFRV; (i)ASSI60_RF; (j)ASSI60_RV; (k)ASSI60_RFRV

4.3.2 降水预报结果对比分析

图10为6 h累积降水分布，降水起止时间为30日22时至31日04时， 观测降水资料来自中国气象科学数据信息网CMORPH卫星与全国3万多个自动观测站的逐时降水量融合产品(http:∥data.cma.cn/site/index.html)，空间分辨率0.1°×0.1°，有研究表明[20-21]，CMORPH卫星与自动站降水融合数据在我国夏季不同累积时间下的降水平均偏差为-0.006～-0.035 mm，相关系数均在0.75以上，能够比较准确地反映实际降水量，可以作为评估模式预报性能的参照物。由图10a可知，雨带走向与飑线系统线状强回波方向一致，呈东北—西南走向，在广州地区有强降水中心，最大降水量达108.2 mm。图10b的控制试验中整个雨带的分布偏东，强度分布与实况较为一致；同化试验与控制试验相比，雨带向西偏移，更接近实况；仅同化雷达反射率因子的试验(图10c、f、i)预报的降水出现明显的大范围强降水中心，强度比实况偏强，且同化频率越高，强度偏差越大；仅同化雷达径向风的试验(图10d、g、j)累积降水量达到40～80 mm,较实况偏小，对过量的降水抑制作用显著；联合同化雷达反射率因子和径向风的试验(图10e、h、k)预报的累积降水与实况更为接近。同化试验降水偏强的原因，可能是加入雷达资料后，导致对流降水偏强；也可能由于两种降水资料的空间分辨率差异引起的，用于评估的降水资料分辨率约为10 km，而模式采用的分辨率为5 km，对飑线这类短时强对流系统，地面的观测站点稀疏，插值后降水量偏小，低于模式预报的6 h累计降水。

图10 2014年3月30日22时至31日04时的6 h累计降水量(单位：mm)分布: (a)实况;(b)CTRL;(c)ASSI12_RF; (d)ASSI12_RV;(e)ASSI12_RFRV; (f) ASSI30_RF; (g)ASSI30_RV; (h)ASSI30_RFRV; (i)ASSI60_RF; (j)ASSI60_RV; (k)ASSI60_RFRVFig.10 The forecast field of 6 h accumulated precipitation (unit: mm) from 2200 UTC on 30 to 0400 UTC on 31 March， 2014:(a) observation;(b)CTRL; (c)ASSI12_RF;(d)ASSI12_RV;(e)ASSI12_RFRV; (f) ASSI30_RF; (g)ASSI30_RV; (h)ASSI30_RFRV; (i)ASSI60_RF; (j)ASSI60_RV; (k)ASSI60_RFRV

为进一步定量评估同化及模拟效果，采用领域法FSS(Fractions Skill Score)评分指数。定义[21]为：

(7)

其中：Pf和Po分别是每个领域尺度内模式预报和观测场中超过某阈值的降水发生概率，其发生概率为0～1，N为分析区域内的网格数。公式(7)分子表示每个领域尺度内预报场与观测场的均方误差，分母表示大于降水阈值的格点与全部格点的比值的均方误差最大值，可以认为是预报的最差情况。当FSS大于0.5+fobs/2时具有预报技巧，其中fobs为超过降水阈值的观测格点占整个网格点的比例。本文选择的领域尺度为15 km×15 km。

为检验模式对不同量级降水的预报能力，首先将累计的6 h降水量分为小雨、中雨、大雨、暴雨四类[23]，对应的阈值分别为0.1、4、13和25 mm。图11为6 h累计降水FSS评分，可以看出各组同化试验在所有降水量级上评分均比控制试验高。从不同降水阈值来看，控制试验对小雨的预报与同化试验相差不大；但对于中雨、大雨和暴雨量级降水来说，同化试验的评分相比控制试验至少增加了0.15，有了显著提高，说明同化雷达资料能够改进模式降水预报能力。从不同的同化频次来看，除ASSI12_RV试验外，其他同化试验的同化频率越高，降水预报效果越好，尤其体现在对大雨和暴雨的预报上。从同化不同雷达观测量来看，对小雨和中雨，仅同化径向风资料的降水预报比仅同化雷达反射率资料的降水预报效果好；但对于暴雨的预报，情况相反，即仅同化雷达反射率的效果比仅同化径向风的效果更好，分析原因可能是水汽比风对暴雨的发展更重要，而同化反射率因子给模式提供了水汽信息，因而提高了模式对暴雨的预报准确性。联合同化雷达反射率因子和径向风的试验评分比单独同化雷达反射率因子或径向风试验的评分高。总的来说，ASSI12_RFRV试验一直保持较高的评分，降水预报效果最佳。

图11 2014年3月30日22时至31日04时的6 h累计降水FSS评分Fig.11 FSS score of 6 h accumulated precipitation from2200 UTC on 30 to 0400 UTC on 31 March， 2014

5 结论

本文利用高时空分辨率的多普勒雷达资料和中尺度模式WRF及其同化系统，针对2014年3月30日发生在华南地区的一次飑线过程进行了模拟试验，研究同化雷达资料和同化频率对飑线过程模式分析场和预报场的改进效果。主要结论如下：

(1)直接循环同化雷达径向风资料和雷达反射率因子能够改善数值模式中的中小尺度信息，出现中尺度风场辐合、强烈上升运动和强回波区，为飑线系统提供可靠的水汽来源，使得模式对这次飑线过程的降水模拟能力明显提高。

(2)不同的同化频次对同化结果也有显著影响，在本次试验中，每12 min同化一次的效果好于30或60 min的同化时间间隔，说明高同化频率改进了模式初始场的中小尺度对流系统信息，使模拟的风场、总水场等与实际情况更为接近，提高了模式对大雨和暴雨量级降水的预报效果。

(3)同化雷达反射率因子和径向风资料分别对总水场和风场有显著调整，联合同化雷达反射率因子和径向风资料比单独同化反射率因子或径向风更能改进飑线垂直结构配置，进一步改善降水预报效果。同化试验ASSI12_RFRV以12 min的同化频率联合同化了多普勒雷达反射率因子和径向风资料，在所有阈值降水预报上一直保持较高的FSS评分，预报效果最佳。

本文试验仅针对一次飑线个例初步研究了同化雷达资料对华南地区降水模拟的影响，还存在着一些值得继续研究的地方。采用流函数—势函数作为控制变量的同化满足了一定的地转平衡关系，但最新的研究[24-26]指出使用水平风场作为动量控制变量更有利于从雷达径向风资料中提取中小尺度信息、延长雷达资料同化降水预报的时效，下一步工作将研究探索如何选取合适的动量控制变量；此外，未来也将考虑冰相态粒子对雷达反射率因子同化的贡献[27-28]，并与文中试验结果进行对比分析。