强对流天气资料同化和临近预报技术研究

在我国，强对流天气(短时强降水、雷雨大风、冰雹、龙卷)常导致重大人员伤亡和财产损失，受到社会的广泛关注。例如：2015年6月1日，“东方之星”客轮突遇飑线伴有的下击暴流袭击后翻沉，共计造成442人遇难；2016年6月23日，江苏省盐城市阜宁、射阳等地突发龙卷风、冰雹等强对流灾害，因灾死亡99人，受伤近850人；2018年7月18日，甘肃临夏遭遇多年未遇短时强降水天气，随即引发洪水、泥石流等自然灾害，共造成13人死亡，3人失踪。

强对流天气具有突发性和局地性强、尺度小、生命史短、灾害严重等特点，因此一直是天气预报业务中的重点和难点。国家防灾减灾、重大社会活动和精细化天气预报的大众化需求都对此类灾害性天气的临近预报提出了更高的客观要求。国外众多国家均建立了自己的短时临近预报系统，其中包括：美国MDL(Meteorological Development Lab)的SCAN预报系统(Smith et al，1998)；NSSL(National Severe Storms Laboratory)开发的WDSS(Eilts et al，1996)和WDSS Ⅱ系统(Lakshmanan et al，2007)；NCAR(National Center for Atmospheric Research)发展的ANC临近预报系统(Wilson et al，1998)以及与数值预报相融合的NIWOT系统(Cai et al，2006)；FAA(Federal Airline Administration)联合多家单位建立的航空风暴预报系统CoSPA(Wolfson et al，2008)；英国的NIMROD(Golding，1998)和GANDOLF(Pierce et al，2000)预报系统；加拿大的MAPLE和CARDS预报系统(Fox et al，2004)；澳大利亚的STEPS系统(Bowler et al, 2006)；法国的SIGOONS系统(Brovelli et al，2005)；日本的VSRF系统；奥地利的INCA系统(Haiden et al，2011)等。国内方面，香港天文台最早开始建设SWIRLS(“小涡旋”)系统(Li et al，2000)进行短时临近预报；广东省气象局建立的GRAPES-SWIFT系统(胡胜等，2010)；湖北省气象局的MYNOS临近预报系统(万玉发等，2013)；上海市气象局的NoCAWS系统；北京的BJ-ANC系统(陈明轩等，2010)等；中国气象局从2007年开始组织建设SWAN强天气临近预报业务系统，目前已发展到SWAN2.0以上版本(韩丰和沃伟峰，2018)，前期版本也已完成全国推广(郑永光等，2010)。上述国内的临近预报系统在实际气象服务保障中发挥了重要的作用，取得了不错的服务效果。

我国强对流天气短时临近预报业务开始较晚，尽管已经取得了巨大进展，但与国外先进水平相比还存在一定差距(郑永光等，2010)。作为一种中小尺度天气，强对流天气系统很难被常规气象观测网捕捉到。我国气象观测系统尤其在进入21世纪取得了长足发展，建立了地基、空基和天基相结合，门类比较齐全，布局基本合理的综合气象观测系统(行鸿彦等，2017)。加上全国200多个站点的新一代雷达数据(高玉春，2017)，大幅增加了实况观测对于气象要素的精细空间分布刻画能力。近些年，得益于大气探测能力的大幅提升，多源资料融合分析系统快速发展(崔春光等，2011；彭菊香等，2011；韩帅等，2018；师春香等，2019)，融合了常规、雷达、卫星、闪电、GNSS/MET水汽、飞机、船舶等多源实况观测资料，能实时提供包括地面常规要素、三维云量、天气现象、洋面风、海表温度等多种网格实况分析产品，为网格预报模型建立、实况信息更新和预报产品检验提供了基础条件。2009年，国家气象中心强天气预报中心利用常规地面观测资料、重要天气报告(WS报)、自动站资料、地闪定位资料、雷达反射率因子资料(包括全国拼图和单站雷达基数据资料)、静止卫星红外和水汽通道资料等，实现了对我国及其周边地区不同类别强对流天气的不同时段、不同强度的实时监测(郑永光等，2010；2011；2013；何立富等，2011)。国家级强对流天气综合业务支撑平台的建设则对加强我国强对流预报技术研发与成果应用起到了重要的支持作用(杨波等，2017)。当前，无缝隙精细化网格气象预报已经逐渐成为国际主流趋势，并被视为未来几十年科学界指导方针的重要指标。我国的无缝隙精细化网格预报业务技术自2014年开始发展并也取得了长足的进展(金荣花等，2019)。

就目前而言，我国现有的天气预报业务对中小尺度强对流天气的预报手段还相对匮乏，与发达国家仍存在一定差距。当前预报业务部门对于强对流天气的预报能力还有很大不足，因此如何提高强对流天气的分析技术水平和预报能力，仍是当前现代天气预报业务所面临的重要挑战之一。国内中小尺度资料同化技术研究起步较晚，还未能将各种资料进行有效的综合应用；而且受模式本身物理过程方案以及分辨率的局限，对强对流天气过程的描述能力也有限。因此，借鉴和吸收国外最新成果，建立自动、客观、实用的无时间缝隙强对流灾害性天气临近预报系统，进而提高监测预报服务能力显得十分必要。目前，国内分类强对流天气监测预警多以基于雷达观测的主观概念模型预报技术为主，有限时间内主观判断难度大，迫切需要研发自动且客观的分类强对流天气预警技术，并克服资料质量问题的影响。到目前，国家临近预报业务，主要通过外推预报风暴位置、雷达回波强度和雷达定量降水。由于没有考虑其演变和生消，随着外推时间的延长(超过1 h)，预报效果快速下降。稠密、多源观测资料(雷达、卫星、自动站等)的融合分析，以及高分辨率的快速更新循环同化数值天气预报是解决强对流天气临近预报的重要手段(潘旸等，2018；杨璐等，2019；张涵斌等，2020)。通过混合Blending技术将外推预报和高分辨率的数值天气预报相结合是目前提高临近预报能力的可行方法(程丛兰等，2019)。

为此，中国气象局武汉暴雨研究所建立了分类强对流天气预警系统，提供0~3 h雷达外推预报产品；提高了多源稠密观测资料在LAPS(Local Analysis and Prediction System)系统(Albers et al，1996；李红莉等，2009)中的融合同化效果，为模式提供最优初值，建立高分辨率的快速更新循环同化数值天气预报系统，提供每15 min更新一次的1~3 km分辨率的中尺度分析场和0~12 h的临近预报产品；形成了强对流天气0~12 h客观预报支撑技术体系。

“灾害性天气资料同化与临近预报系统开发”(项目编号：2016YFE0109400)是2016年中国气象局武汉暴雨研究所获批的科技部国家重点研发计划的政府间国际科技创新合作重点专项。项目研究内容包括与美国海洋和大气管理局(NOAA)的地球系统研究实验室(ESRL)和强风暴实验室(NSSL)合作，开展分类强对流天气识别预警技术、我国多源稠密观测资料数据融合技术、外推预报和高分辨率数值天气预报混合技术这三个方面的研究，具体研究内容详见图 1。

目前，依托该项目完成了改进的雷达径向速度质量控制、分类强对流天气识别预警、多源观测资料融合和快速更新循环同化预报以及定量降水外推预报和数值预报的混合等技术研究。重点开展了改进的变分同化技术和多源稠密观测资料融合技术研发，包括构建新的观测算子，实现了双偏振雷达资料的变分同化，有效提高了模式初值的准确度及其预报效果；在基于雷达观测识别深对流云的基础上，根据模式背景场的信息构造“伪水汽”观测同化，改善对流尺度系统的水汽条件，减弱模式spin-up问题；针对梅雨锋降水，改进温度调整方案，提高对梅雨锋上对流系统的模拟能力；研究了基于稠密观测资料融合分析的LAPS各要素平衡关系和模式热启动技术，改进了模式0~6 h降水临近预报效果；研究了LAPS和WRF模式(Weather Research and Fore- casting Model)的耦合技术。基于上述研究成果，建立了灾害性天气0~12 h临近预报系统，包括分类强对流天气识别预警、多源观测资料融合同化和快速更新循环预报等3个子系统。2研究成果简介

武汉暴雨研究所研发的雷达定量降水估测(QPE)算法已在SWAN系统中业务运行多年(吕晓娜等，2013；王红燕等，2015)。本项目主要通过针对层状云降水对混合反射率因子进行VPR(reflectivity vertical profile)订正，得到近地面的反射率因子用于Z-R关系拟合和降水率的计算来改进雷达定量降水估计。其中，使用2005-2007年11次降水过程的武汉雷达体扫数据，采用现有层状云和对流云降水回波自动分离技术分离出层状云降水回波，采用近距离垂直分层(垂直分辨率为0.25 km)平均方法建立每个体扫下层状云降水回波的平均视在VPR。通过统计分析后发现，最大反射率因子(Zmax)所在高度hp之上1 km(hp+1)和之下0.75 km (hp-0.75)是反射率因子垂直梯度大值区，而且这两个区间的反射率因子垂直梯度的大小与Zmax呈线性关系(图 2a)。由此建立了层状云降水的动态气候VPR模型(图 2b)，其中，α和β为反射率因子变化斜率，hp则由雷达观测识别出来。使用两次层状云降水个例进行初步效果评估，结果表明：经VPR订正后层状降水雷达QPE的平均相对误差率从28%下降到23%。

SWAN系统最早使用COTREC(continuity of tracking radar echo by correlation)方法(Li et al，1995)进行定量降水外推预报，该方法对变化平缓的层状云降水系统能够取得较准确的运动矢量场，从而得到有效的外推预报。但对于变化较快的强对流降水系统，COTREC方法得到的运动矢量场的质量降低，跟踪失败的情况显著增加。光流是空间运动物体在观测面上投影像素运动的瞬时速度。光流法就是利用图像序列中像素强度数据的时域变化和相关性来确定各像素运动位置的研究方法。本项目提出一种改进的光流法(王志斌等，2017)进行强对流回波的外推预报，以此来改进定量降水的外推预报效果。首先，对比分析全局最优约束的HS(Horn and Schunck, 1981)光流方法和局部最优约束的LK(Lucas and Kanade, 1981)光流方法后发现，HS方法很难满足全局最优条件，而LK方法虽然容易满足局部最优条件，但难以使全场的图像数据完全满足最优条件。改进的光流法将上述两种方法通过一个能量函数有机结合起来，并加入高阶平滑项。求解方程得到流场结构后，再运用九点滑动平均得到运动矢量场，最后采用Semi-Lagrange方法进行外推预报。初步评估结果表明，基于改进光流法的外推预报效果优于HS和LK方法。其中，30 min外推的击中率(POD)比HS和LK方法分别高12%和9%；成功指数(CSI)也比HS和LK方法分别高7%和5%；虚警率(FAR)则均比HS和LK方法低5%左右。

为了满足业务运行需求，利用共享内存方式并行处理，并基于Fork/Join框架进行编程，通过将整个计算任务分割成若干子任务，再汇总每个子任务计算结果的方式显著缩短了运行时间，其加速比可达5.05(王志斌等，2019)。目前，改进的雷达定量降水估计和定量降水外推预报算法已投入业务运行，可提供每6 min滚动更新的0~3 h的逐小时定量降水格点预报产品和强降水(＞20 mm·h-1)格点预报，格点分辨率为0.01°×0.01°。

雷达径向速度模糊问题是阻碍其广度和深度应用的重要原因，下击暴流和龙卷的识别预警更是离不开径向速度资料的使用，因此，对径向速度进行有效的退模糊处理是资料应用的关键。

武汉暴雨研究所自主研发了一套全自动速度退模糊算法(肖艳姣等，2012)，并在我国新一代天气雷达建设业务软件系统(ROSE)中业务运行。但在本项目研究过程中发现，存在剧烈方位切变的情况下，该算法难以有效区分速度模糊和风切变，从而导致了不适当的速度退模糊及其扩展(图 3b)，影响了对中气旋和龙卷涡旋特征的准确识别。为此，针对显著速度模糊和强风切变等情况调整了原算法中初始参考径向的搜索方法，改变多轮退模糊过程中多参量动态变化的阈值变化顺序，并改进了第二轮退模糊过程中的参考速度搜索方法，从而实现了改进的速度退模糊算法(图 3c)，批量个例检验结果显示，对存在剧烈切变的速度模糊区的退模糊效果有显著提高。

以改进的速度退模糊算法为基础，进一步开发了风暴识别追踪、冰雹指数、中层径向辐合特征和中气旋识别，下击暴流预报和识别(肖艳姣等，2021)等算法，综合上述算法，完成了风暴单体20多个特征参量(详见表 1)的自动提取。基于大量下击暴流、龙卷和冰雹历史个例，统计分析了产生这三种灾害天气的风暴单体的雷达特征量，为建立分类强天气识别预警方法奠定基础。

以下击暴流为例，利用湖北省的雷达体扫数据和地面大风测站资料，对2010-2016年湖北省下击暴流大风天气过程的雷达特征参量进行统计分析。将大风发生前6 min距离站点10 km范围内的风暴均作为统计样本。考虑到研究目的在于寻找地面下击暴流大风发生的雷达先兆因子，故把匹配到地面大风的风暴单体前1 h的雷达特征参量都进行统计。为了有效地分析径向速度因子的影响，选取的单体位于雷达站10~150 km范围内风暴单体的雷达特征参量。通过对产生下击暴流和非下击暴流的风暴单体的雷达特征量进行对比分析，选出9个分布特征差异较大的风暴单体雷达特征量，统计产生下击暴流的各雷达特征量的隶属函数(式1)和权重，使用模糊逻辑法建立了下击暴流预警方程。

对流性大风单体的雷达特征量x的隶属函数F(x)见式(1)：

由雷达反射率因子逐小时演变(图略)和地面瞬时大风的站点数统计(图 8)可以判断，5日01时飑线已发展成熟，强回波呈明显的弓形(如图 12中等值线所示)。在南北向的对流强回波带(简称“C区”)后方存在层云次强回波区(简称“S区”), 在S区和C区之间有弱回波过渡带(简称“T区”)。由700 hPa和600 hPa的水平风场、散度场和垂直速度场(图 12)可以看出, C区和T区存在明显的辐合上升运动(散度＜-20×10-5 s-1, 上升速度＞0.6 m·s-1)；S区则以辐散下沉运动为主(散度＞20×10-5 s-1, 下沉速度＜-0.4 m·s-1)。尽管强回波区与辐合区和强上升区并不完全一致，但仍可以看出，强回波区北段存在明显的辐合上升运动(上升速度约为1.6 m·s-1)，而强回波南段的上升运动并不明显，这可能与成熟阶段大雨滴向下的拖曳作用有关(Houze，2014)。对流区存在下沉气流在以往的外场试验中也被证实，如：Tridon et al(2019)利用ARM(atmospheric radiation measurement)试验中风廓线雷达的探测数据揭示了飑线过境时对流区上升、下沉气流共存的现象。上述结构特征与孙虎林等(2011)的研究对比发现，飑线中低层散度和垂直速度的垂直分布特征较为一致，均显示S区的整个中低层为下沉运动，低层存在明显辐散；而C区为上升运动区；主要的不同在于：T区在本次飑线过程中为上升气流控制，这一差异值得后期进一步探讨。

中国气象局武汉暴雨研究所重点围绕灾害性天气的资料同化与临近预报开展了分类强对流天气识别预警技术，多源稠密观测资料数据融合技术以及外推预报和高分辨率数值天气预报混合技术这三个方面的研究，并从中实现了雷达径向速度质量控制算法改进、雷达QPE的VPR订正、对流尺度模式的“伪水汽”同化、LAPS与WRF的耦合等一系列的技术方法，取得了较丰富的研究成果，并以此为基础搭建了强对流天气0~12 h临近预报系统。该系统已于2019年投入业务试运行，取得了积极的效果反馈。

虽然取得了一定的研究成果，但强对流天气的精准预报预警仍有待开展多方面的研究和探索：

(1) 利用更长历时的灾害性天气资料开展统计分析和特征提取以改进相关的识别预警算法，提高实际应用效果；探索运用新的技术手段(如：大数据、人工智能等)开展相关研究，寻求更大的技术突破。

(2) 深入开展新型探测资料(如双偏振雷达、相控阵雷达等)同化技术的研究，发挥资料探测优势以改进高分辨率数值模式的模拟和预报效果。

(3) 组织开展更加全面有效的强对流天气观测试验，深入理解其发生发展的机制机理，从而改进模式的微物理参数化方案，增强模式对此类天气系统的模拟与预报能力。