CMA-GFS 全球预报系统中的台风初始化*

瞿安祥 麻素红 张 进 刘 艳

中国气象局地球系统数值预报中心，北京，100081

中国气象科学研究院灾害天气国家重点实验室，北京，100081

1 引言

尽管过去20 年数值天气模式输出的台风预报产品性能（特别是路径方面）一直在稳步提高，但是台风位置和强度的合理性分析仍然面临着诸多挑战。对于数值模式而言，初始场中包含一个与模式动力可分辨尺度相匹配的台风环流对提高其台风预报性能至关重要。另外，台风初始化仍面临缺乏全面观测资料的问题。虽然目前存在丰富的、时空密集的卫星探测数据，但受云和降水的污染，这些资料并不能被分析系统有效同化利用。同时，受限于传统变分同化技术的局限，台风范围内部分探测数据的同化反而会对模式预报产生负面的影响（Aberson，2008）。

为提高区域模式初始台风质量，Zou 等（2000）第一次提出利用经验海平面气压分布模型构造气压资料同化的BDA（Bogus Data Assimilation）台风初始化方案。随后，许多中外学者开展了相关研究（Zhang，et al，2003；Xiao，et al，2006）。实际上，无论是科学试验（Zhao，et al，2005，2007）或是业务应用（Wang，et al，2008；黄伟等，2010）都表明，依靠成熟的变分同化技术，将构造的（分布均匀）观测资料与背景场有效“同化融合”，可以明显提升初始场中涡旋质量，从而提高模式台风路径和强度预报水平。对于分辨率较粗的全球模式而言，在预报-同化循环中维持一个相对匹配的涡旋环流系统（相对于大尺度环流而言），是提高其台风预报性能的前提条件。为此，美国国家环境预报中心在其全球模式系统中采取的是同化台风中心气压数据方案（Kleist，2011）。同样，英国气象局、日本气象厅针对台风观测资料缺失也采用了构造伪台风观测资料（海平面气压场、风场）进行同化分析的方案（Heming，2009）。2016 年，中国CMA-GFS 全球预报系统投入业务运行，为提高该系统对西北太平洋台风的预报能力，应用了一套由涡旋形成、涡旋重定位、涡旋强度调整三部分技术组成（瞿安祥等，2009a，2009b）的台风初始化组合方案（以下简称旧台风初始化方案）。实际业务应用显示该方案在提高CMA-GFS 全球预报系统台风响应能力及路径预报方面起到了积极正面的影响。

随着技术的进步和计算硬件能力的提升，CMA-GFS 全球模式分辨率越来越朝精细化方向发展，尤其近两年动力物理方面的升级（苏勇等，2018；刘艳等，2019），使得模式具备产生台风环流的能力。此外，伴随全球四维变分同化（4DVar）方案投入业务运行（张林等，2017；刘永柱等，2019；龚建东等，2016，2020；王金成等，2014，2016），使得系统对台风分析能力也在逐步增强。而与此相对的是，目前CMA-GFS 全球预报系统采用的旧台风初始化方案是基于早期全球模式系统开发的（瞿安祥等，2009a，2009b），其核心思想是针对全球资料同化系统对台风分析能力不足而设计的，方法上是依靠经验模型技术（存在与模式动力物理属性不匹配问题）。在这种情况下，为提高CMA-GFS 全球预报系统对台风的分析及预报能力，迫切需要发展一个更全面的台风初始化方案，该方案既要考虑CMA-GFS 全球预报系统对台风的描述能力，也要具备纠正背景场涡旋位置偏移、强度较弱的问题，从而为模式积分预报提供一个更加匹配的初始台风结构。

因此，本研究借鉴美国国家环境预报中心（Kleist，2011）和英国气象局（Heming，2016）的业务方案，基于BDA 技术思路发展了一个基于4DVar的台风初始化方案（以下简称新台风初始化方案），即通过4DVar 同化窗口主动吸收台风实时特征参数—中心定位及中心气压数据，利用全球模式动力物理约束产生台风环流。基于CMA-GFS 全球4DVar 平台，完成了新台风初始化方案的具体实现过程，并对2016 年西北太平洋的22 个台风进行了数值试验，分析该方案在生成台风环流结构方面的效果，以及提高CMA-GFS 全球预报系统台风路径、强度预报方面的能力。

2 新台风初始化方案

不完全统计表明，当西北太平洋有台风发生时，目前CMA-GFS 全球预报系统（不引入任何台风初始化方案）可以对大部分（预报）时次中的台风发生、发展产生响应：分析及预报场中存在涡旋环流系统。但是相比于（预报员分析）观测而言，这些分析场中涡旋环流普遍存在强度偏弱、位置偏移问题。因此，新台风初始化方案既要考虑分析场中台风环流从无到有的生成问题，也要具备纠正分析场中涡旋明显的位置和强度问题，从而为模式积分预报提供一个更加匹配的初始台风环流结构。

2.1 背景场存在涡旋

以西北太平洋为例，当台风发生时，中国气象局台风与海洋气象预报中心会实时发布台风预警信息数据（简称台风报文），这些信息包括中心定位、中心气压、最大风速等参数。尽管大多数情况下这些参数是基于卫星云图等资料利用诸如Dvorak（1975）、Knaff 等（2007）所述统计经验技术进行综合分析所得，但是它们给数值模式提供了一些可利用的、具有潜在价值的实时台风观测分析信息。

一般情况下，实时台风报文按所处海洋区域每天以6 或3 h 间隔发布，落在4DVar 系统6 h 同化窗口仅有1 或3 份中心气压数据，而在变分同化全局迭代收敛过程中，吸收资料的多少对同化输出及之后模式积分预报有重要的影响（Heming，2016）。因此，为了加强分析同化过程对台风环流的形成能力，新台风初始化方案被设计成吸收1 h 间隔的台风中心定位和中心气压数据信息。这些较高频率数据通过6 或3 h 间隔台风报文信息利用内插或外插的组合算法获得。经过处理后，4DVar 系统在其6 h 同化窗口内可以吸收7 个时间点的台风中心定位及中心气压数据信息。

同时，鉴于目前CMA-GFS 全球模式分辨尺度较粗，背景涡旋中心气压与观测差值较大，为了能有效地对背景场中弱涡旋进行“订正”和“增强”，台风中心定位及气压数据在4DVar 系统中被设置成一类单独的资料算子来处理同化（不同于类似性质的船舶报、地面站等常规观测资料的质量控制方式）。另外，考虑到目前4DVar 背景误差协方差统计数据体现的是诸如地转平衡的大尺度变量相关，与台风动力并不匹配，单点海平面气压同化（没有相应风场观测）会引起质量场和风场增量的不平衡，这种信号在观测与背景差异较大时会越发显得强烈。为减轻这部分负面影响，通过将中心气压数据误差取值动态设置成一个关于背景涡旋中心气压与观测差值的线性函数（误差一般为0.8—5.0 hPa），来控制气压观测信息的提取①在背景误差统计数据固定情况下，变分同化过程中气压观测信息的提取程度由观测误差控制。观测误差小，气压增量大，反之观测误差大，气压增量小。。当背景场涡旋中心气压与观测差值大时，观测误差会取较大值，从而避免大气压增量形成。

2.2 背景场不存在涡旋

在某些情况下，当台风发生时，CMA-GFS 全球预报系统无法做出合理响应：分析及预报场中无法搜索识别出有效涡旋环流（识别判别方法见下一小节）。在这种情况下，为使CMA-GFS 全球预报系统对台风发生、发展产生一个合理的分析及预报结果，作为台风中心气压数据的额外补充，依据经验模型（假设台风是轴对称且强度尺寸和实际观测匹配）构造的（同化窗口初始时刻）bogus 风场资料会进入4DVar 同化系统。

本研究所采用的台风经验模型是基于台风典型结构，综合考虑所处周围环境场构建而成，具体技术细节参考瞿安祥等（2016）。构建好台风三维模型后，水平方向上，在半径为100、200、300、400、600 km 的圆圈上间隔选定4、6、8、8、12 个点作为观测点（径向边界范围依据台风报文中的风圈半径参数综合给定）；垂直方向上，在850、800、700、600、500 hPa 层及地面选取风场要素作为观测数据进入4DVar 系统。资料误差方面，参考云导风这一类常规观测资料的误差给定值。与中心气压类似，风场要素在4DVar 系统中也被设置成一类单独的资料算子来处理吸收，同时为保证其在变分同化初始时刻不被质量控制步骤剔除，总量控制参数相应进行了调整。

3 涡旋识别与定位

前面述及，新台风初始化方案存在一个重要的预处理判别步骤—识别定位背景台风环流。为客观判断CMA-GFS 全球预报系统背景场中对涡旋环流描述能力，参考Marchok（2021）的技术，本研究发展了一个多判据的涡旋识别算法和多要素的中心定位算法。

在涡旋识别方面，考虑到CMA-GFS 全球预报系统对不同台风或同一个台风不同阶段的表达能力的差异，采用一些既能体现台风属性特征又能考虑模式性能的客观判据，即背景场必须满足如下要求，才能确定存在一个“合格”的台风环流系统：（1）海平面气压场存在凹值闭合等值线，且最外圈等值线与中心之间超过一定的径向气压梯度阈值（≥0.009 hPa/km）；（2）中心气压至少超过模式可分辨表达的热带低压级别（≤1002 hPa）；（3）850 hPa 层台风中心附近切向风速超过一定的阈值（≥12.6 m/s）；（4）海平面气压中心和850 hPa 相对涡度中心符合垂直一致性特征属性。

在台风中心定位方面，同时选取几个低层要素场（海平面气压场、850 和700 hPa 层上的位势高度场、相对涡度场、风场）来综合计算中心定位。首先通过能体现中小尺度特征的单通道Barnes 尺度分析技术（Barnes，1964），搜索每个要素场最大（小）值中心位置。然后在获得的7 个中心位置中选取那些在观测附近的要素中心计算出其平均值，再以平均值为中心将各要素中心按其距离远近赋予不同权重，从而获得最后的台风中心定位。相比于一般单独搜索海平面气压最小值的台风中心定位技术，此处采用的中心定位算法增加了涡度、低层高度等多要素信息来综合确定台风中心，在考虑台风质量场、风场低层近似垂直协调一致前提条件下，更能体现数值模式格点场对台风环流的综合表达能力。

4 同化分析

4.1 新台风初始化方案流程

基于CMA-GFS 全球预报-同化循环系统，完成了新台风初始化方案的具体实现过程（图1）。从图1 可以看出，新台风初始化方案作为一类特设资料前处理模块（类似于探空、GPS、卫星资料预处理模块），耦合在4DVar 全球资料同化分析系统中。不过与其他资料预处理不同的是，台风初始化模块只有在台风发生时（实时检索到台风报文信息）才会触发启动机制，开展相应数据流程。

图1 基于CMA-GFS 全球4DVar 系统的新台风初始化方案流程Fig.1 The flowchart of new typhoon initialization scheme based on CMA-GFS global 4DVar system

实际上，新台风初始化方案技术思路是基于4DVar 系统时间窗口属性，依靠遍布整个同化窗口的台风中心定位和中心气压信息，利用模式动力物理约束来产生一个更加匹配的台风环流结构。相比于旧台风初始化方案，这样做的优势在于：一方面，它摆脱了人为经验的统计调整技术；另一方面，约束分析得到的台风既匹配观测分析数据，也匹配数值模式自身对台风的描述能力。

4.2 同化分析试验

为测试新台风初始化方案业务应用能力，进行台风个例同化试验，检验该方案在形成台风环流结构方面的实际效果。

以2016 年7 月29 日09 时00 分（世界时，下同）发生在西北太平洋的1604 号台风Nida 为例，利用涡旋识别定位综合算法诊断可知，由上一时刻CMA-GFS 全球预报-同化循环系统提供的6 h 预报场（背景场）中存在较明显涡旋环流，但是中心位置与实际观测相比偏北80 km（图2a）。同时，这个涡旋环流强度较弱（中心气压只有1003 hPa），范围较大。很明显，在目前CMA-GFS 全球模式分辨率和物理过程还不足以对台风进行有效描述情况下，如果不对背景场这种弱且松散的涡旋进行调整与加强，其环流可能会在后继预报-同化循环过程中逐渐减弱甚至消失（这种情况在台风初始发展阶段尤其明显）。通过新台风初始化方案，在4DVar 窗口阶段吸收台风中心气压演变信息后，分析场输出的涡旋环流明显增强，并且中心位置北偏也得到有效纠正（图2b）。除此之外，尽管融入同化系统的资料只有气压信息，但是由于4DVar 时间窗口内伴有模式物理动力协调约束，分析出的风场结构环流也明显增强。从同化前后u分量垂直剖面（沿台风中心的纬向剖面）的对比情况（图2c、d）可以看出，中心气压的同化不但使风速数值上增大，而且垂直方向上的中低层中心位置显示出匹配一致的结构性特征。

图2 2016 年7 月29 日09 时00 分台风Nida 海平面气压场（a、b，单位：hPa）和风场 u 分量（c、d，单位：m/s）垂直剖面（沿127.8°E）分布（a、c.背景场，b、d.分析场）Fig.2 Sea level pressure（a，b；unit：hPa）and vertical cross section of u-wind（c，d；unit：m/s）along 127.8°E for typhoon Nida valid at 09：00 UTC 29 July 2016（a，c.background，b，d.analysis）

随后的模式积分过程也显示，相比于未经过新台风初始化方案作用的对照预报，经过新台风初始化方案调整后的台风环流会在模式积分过程中维持一定强度，能较好预报出台风随后的加强过程。关于这一点，从模式积分48 h 后的海平面气压场、风场v分量垂直剖面（沿台风中心）对比（图3）可以明显看出，新台风初始化方案引入可以使得台风中心气压发展更深，风圈分布范围更大。

图3 2016 年7 月29 日12 时00 分预报48 h 后台风Nida 海平面气压场（a、b，单位：hPa）和风场 v 分量（c、d，单位：m/s）垂直剖面（沿台风中心）分布（a、c.对照预报，b、d.试验预报）Fig.3 48 hour forecast of sea level pressure（a，b；unit：hPa）and vertical cross section of v-wind（c，d；unit：m/s）along the typhoon center for typhoon Nida valid at 12：00 UTC 29 July 2016（a，c.control，b，d.experiment）

最后的预报结果显示，相比于未经初始化强度弱、位置有偏差的涡旋，更强更匹配观测的初始台风环流使得模式产生了一个更趋向于实际观测的路径预报（图4）。

图4 对照预报和试验方案于2016 年7 月29 日12 时00 分预报的台风Nida 移动路径和实况对比（实线是观测路径，短虚线、点虚线分别是对照预报和试验方案的预报路径；间隔6 h）Fig.4 TC track forecasts（6 h intervals output）from control（dashed line）and experiment（dot-dashed line）runs initialized at 12：00 UTC 29 July 2016 plotted against best-track observed（solid line）TC track（6-h intervals）for Typhoon Nida

由于各种各样的原因，某些台风在其形成的初始时刻，提供给4DVar 的背景场（模式短期预报）中无法识别出与观测对应的涡旋环流。这种情况下，为了让模式系统对实际已发生台风做出合理的响应，将一些bogus 风场资料作为额外补充会提供给资料同化系统。以2016 年9 月10 日03 时00 分发生的1614 号台风Meranti 为例，此时CMA-GFS 全球预报-同化循环系统提供的背景场中无明显的台风环流（图5a、c），这种情况下，需要构建一些bogus 风场资料作为中心气压数据的补充进入同化分析系统。试验表明，经过4DVar 同化后，分析场中可以看到明显的台风环流（图5b、d），也实现了模式对台风路径预报的从无到有。

图5 2016 年9 月10 日03 时00 分台风Meranti 海平面气压场（a、b，单位：hPa）和（c、d）风场 u 分量（c、d，单位：m/s）垂直剖面（沿139.8°E）分布（a、c.背景场，b、d.分析场）Fig.5 Sea level pressure（a，b；unit：hPa）and vertical cross section of u-wind（c，d；unit：m/s）along 139.8°E for typhoon Meranti valid at 03：00 UTC 10 September 2016（a，c.background，b，d.analysis）

续图 5Fig.5 Continued

实际上，在业务应用过程中，基于CMA-GFS全球预报-同化循环，某个预报时刻经过上述方式处理之后，下一个预报时刻背景场（6 h 预报场）一般会存在台风环流系统，就可以采用台风中心气压连续同化方案，后续第3 个、第4 个预报时刻……亦可重复应用同样台风初始化过程，直至台风消亡。

5 预报效果分析

为了测试新台风初始化方案的实际预报效果，选取2016 年西北太平洋台风进行平行数值试验。试验的标准严格按照实时业务预报的要求，在台风生命期期间，每天进行4 个时刻的循环预报，分别对应于业务上00、06、12、18 时（世界时）的资料分析时刻，每个时刻输出120 h 的台风数值预报产品。

首先，相对于3 或6 h 间隔台风原始报文信息，新台风初始化方案引入时采用插值技术，将其加密成1 h 间隔的数据信息来进行同化。为评估此项技术对台风预报的影响，选取1612—1622 号台风进行了对比试验。图6 为应用同化原始数据和加密数据两种方案后，CMA-GFS 全球预报系统在120 h时长内（12 h 间隔输出）预报的台风路径移速误差和移向误差①文中提到的移速误差表示沿着台风移动方向产生的误差，移向误差则为与移速误差相互垂直方向上产生的误差，英文表达分别为Along-Track bias 和Cross-Track bias。下同。对比分析。

图6 应用3 h（三角形）、1 h（正方形）间隔台风中心气压数据同化后，CMA-GFS 全球预报系统预报的台风平均（a）移速误差和（b）移向误差Fig.6 Mean forecast errors in typhoon moving speed（a）along-track and direction（b）cross-track predicted by CMA global forecast system with assimilation of 3-hourly（triangles）and 1-hourly（squares）central pressure

从图6a 中可以看出，将数据信息加密处理成1 h 间隔进行同化后，96 h 内的台风路径移速误差都有了不同程度的降低。特别地，12—72 h 内台风路径移动偏慢的趋势得到了显著纠正。而从图6b展示的移向误差来看，应用加密数据同化后，在0—108 h 预报时长之内，台风右偏的趋势都有了明显的纠正。实际上，除了路径预报效果改进明显之外，台风中心气压预报效果也同样改进明显（图略）。造成这种现象的主要原因在于，将台风的中心定位和中心气压数据进行加密，使得在4DVar 同化窗口期间内，模式积分产生的涡旋路径、强度就有了更多时间点上的观测约束，从而使得涡旋演变趋势和观测更加接近，也和模式的分辨描述能力更加匹配。

更进一步，为检验新台风初始化方案对改进CMA-GFS 全球预报系统台风路径和强度预报的整体影响，分别应用新、旧台风初始化方案对1601—1622 号台风进行了平行对比试验。

应用两种方案后，从CMA-GFS 全球预报系统在120 h 内预报（12 h 间隔输出，下同）的台风路径平均误差对比分析（图7）可以看出，应用新台风初始化方案后，24—120 h 预报台风路径预报平均误差普遍降低，特别在长时效的5 d 预报长度上，路径预报误差降低幅度尤其明显。其中，72—120 h 的路径预报误差下降百分比能达到13%—20%。

图7 基于新（三角形）、旧（五角星）台风初始化方案的CMA-GFS 全球预报系统预报的台风路径平均误差Fig.7 Mean typhoon track errors predicted by CMA global forecast system with new initialization scheme（triangles）and old operational scheme（pentagrams）

进一步对台风的移速误差和移向误差做分析（图8），发现应用新台风初始化方案之后，可以大幅度纠正CMA-GFS 全球预报系统的台风移动速度偏小的现象，并且在24—120 h 的预报时效上改进尤其明显。同时，新台风初始化方案对台风移动方向的偏右误差也有较明显的改善，改善的效果同样体现在长时效预报上。

图8 基于新（三角形）、旧（五角星）台风初始化方案的CMA-GFS 全球预报系统预报的（a）台风移速和（b）台风移向平均误差Fig.8 Mean errors in typhoon moving speed（a）along-track and direction（b）cross-track predicted by CMA global forecast system with new typhoon initialization scheme（triangles）and old operational scheme（pentagrams）

但是，从图7、8 中也可以看出，在较短的24 h预报时效内，新台风初始化方案预报路径误差略高于旧台风初始化方案，造成这种现象的主要原因是旧台风初始化方案中应用了重定位技术（通过人为经验技术将初始涡旋调整到观测位置），过去的业务试验及运行结果表明，涡旋重定位技术应用可以明显改善较短时间内台风路径预报效果。

检验结果还表明，新台风初始化方案对于台风预报改进不单单体现在路径上，其对于强度预报误差（中心气压、近地面最大风速）也有显著的改善（图9）。

从图9 中可以看出，新台风初始化方案预报的中心气压和近地面最大风速平均误差远小于旧台风初始化方案。其中，中心气压的预报误差降低2—9 hPa，下降幅度为14%—32%；近地面最大风速的预报误差降低1—4 m/s，下降幅度为16%—21%。

图9 基于新（三角形）、旧（五角星）台风初始化方案的CMA-GFS 全球预报系统预报的（a）台风中心气压和（b）最大风速平均误差Fig.9 Errors in mean（a）typhoon central pressure and（b）maximum surface wind predicted by CMA global forecast system with new typhoon initialization scheme（triangles）and old operational scheme（pentagrams）

发展新台风初始化方案的主要目的是改善分析场中台风环流的强度和结构。实际上，在应用过程中，由于全球数值模式系统预报-同化循环的特殊属性，某个预报时刻经过新初始化方案处理后的涡旋环流往往通过模式短时预报后会成为下一个预报时刻背景涡旋环流。抛开模式演变不完美这一特性以外，此时背景场中涡旋环流会继承上一时刻台风初始化数据信息。如此循环下去，新台风初始化方案作用效果会随着台风从初始发生到消亡过程产生某种累积效应。上述试验结果也证实了这一点，在4DVar 同化窗口内吸收台风中心定位轨迹和中心气压演变信息后可以明显改进初始台风环流质量，从而提高CMA-GFS 全球预报系统台风路径和强度预报效果。

6 结论和讨论

为解决CMA-GFS 全球预报系统对台风预报能力偏弱问题，参照BDA 方法，文中建立了一个新的台风初始化方案，即通过4DVar 同化窗口主动吸收台风实时特征参数—中心定位及中心气压数据，利用全球模式动力物理约束产生台风环流。在此过程中，为加强同化分析过程的影响，对时间间隔较长的台风报文信息进行了加密处理，同时考虑到CMA-GFS 全球模式对台风的分辨能力，动态设置中心气压数据误差技术被提出并应用于实际方案中。

基于CMA-GFS 全球4DVar 系统，完成了新台风初始化方案具体实现过程。同化试验结果表明，台风中心定位信息同化对纠正台风中心初始位置偏差有一定程度的影响，4DVar 方案的反复迭代过程在某种程度上代替了涡旋重定位功能；中心气压演变数据同化可以明显改善台风初始强度偏差。应用于2016 年西北太平洋22 个台风试验的结果表明，相比于旧台风初始化方案，新台风初始化方案可以明显改进CMA-GFS 全球预报系统的路径和强度预报效果。基于此试验结果，中国气象局地球系统数值预报中心已于2020 年7 月将新台风初始化方案融入CMA-GFS 全球预报系统并投入了业务运行，初步结果显示新方案在向预报员提供指导性路径数值预报产品方面起到了良好效果。