刘晓燕，杨学联，邢建勇

（1.国家海洋环境预报中心，北京100081；2.国家海洋局海洋灾害预报技术研究重点实验室，北京100081）



WRF Hybrid方法同化HY-2A散射计风资料在台风“菲特”预报中的应用

刘晓燕1,2，杨学联1,2，邢建勇1

（1.国家海洋环境预报中心，北京100081；2.国家海洋局海洋灾害预报技术研究重点实验室，北京100081）

摘要：选取台风“菲特”（Fitow，201323)临近登陆过程为试验个例，在WRF模式基础上，采用4种不同的初始化方案，对台风“菲特”进行了72 h预报试验，并分析了模式的初始化对预报效果的影响。试验结果表明，对于台风路径的预报，使用集合平均作为初始场进行预报，预报结果相对直接使用GFS资料作为初始场进行预报的结果有明显改善，使用3DVAR同化方法，将HY-2A卫星散射计风场资料同化到集合平均的初始场中，台风路径预报进一步有所改善，而使用Hybrid同化方法将HY-2A卫星散射计风场资料同化到集合平均的初始场中，台风路径进而又有明显改善；但是在台风强度方面的预报，4种初始化方案效果不相上下。

关键词：WRF模式；初始化；3DVAR；Hybrid；HY-2A卫星资料；数值预报

1　引言

台风是一种发生在热带海洋上的强烈风暴，是影响我国的主要灾害性天气系统之一，其伴随的狂风、暴雨等灾害现象，对其所影响的地区的生命财产安全构成威胁，因此提高台风的研究和预报水平对我国经济建设和国防建设具有重要意义[1]。

一直以来，国内外从未间断对台风的研究。现已有大量关于台风研究的文章，如邢建勇等[2]利用MM5模式，对200515号台风“Khanun”进行了数值模拟，分析了不同的初始化方案对模拟预报的影响，发现MM5对台风的模拟预报具有一定的能力；杨引明等[3]利用FY-3A微波资料，以WRF-3DVAR系统为基础，针对200908号台风“莫拉克”，开展了数值预报直接同化技术研究，结果表明，直接同化FY-3A微波资料对数值模式初始场改进要优于仅仅同化常规观测资料，对缺乏观测资料的海洋上改进尤为明显；黄嘉宏等[4]利用4DVAR同化技术，对南海台风“Vongfong”进行模拟试验，结果表明Quik SCAT卫星海面风场资料主要使模拟的台风路径与实况更为接近，而台风的强度变化、降水量和降水分布的模拟与对流参数化方案有密切联系。

进入21世纪，将集合预报估计得到的背景误差协方差应用到变分同化中正成为研究热点。该方法为变分同化引入了依赖流而变的背景误差协方差，其随时间而变化，理论上更符合真实情况，许多试验已证明其优势所在。Hamill等[5]最早将EnKF 和3DVAR相结合，提出了集合样本估计的背景误差协方差和传统背景误差协方差混合的方法；Wang 和Barker等[6,7]介绍了一种Hybrid ETKF-3DVAR同化方法，将ETKF和3DVAR结合的同化方法，试验证明了这种加入了流依赖（flow-dependent）背景误差协方差的方法同化效果要优于三维变分；Wang 等[8]利用WRF Hybrid ETKF-3DVAR对2008年的两个飓风“Ike”和“Gustav”的路径进行了模拟预报，结果表明使用了流依赖的背景误差协方差的Hybrid同化方法能够调整台风中心位置，而3DVAR不能，这一优势使得使用Hybrid同化方法的路径预报效果比3DVAR同化方法的预报效果好；再如Liu等[9]使用了Hybrid variational-ensemble的同化方法进行了台风路径预报的试验，结果显示Hybrid同化方法得到的分析场要优于3DVAR。

以上这些研究一方面是基于对初始场进行方法上的改善，另一方面是观测数据的引入，尤其是非常规观测资料。由于台风发生在洋面上，它的观测资料相对稀少，卫星散射计海面风场数据的出现，为台风数值预报提供了宝贵资料。其中广泛应用的是1999年6月发射的QuikSCAT卫星的海面风资料，大量的试验证明[10-12]同化QuikSCAT风资料对数值天气预报起到了改善效果。然而由于机械故障，QuikSCAT卫星于2009年11月停止运行，数值天气预报失去了一份重要的海面风资料。我国为弥补海面风资料的缺乏，一直致力于海洋卫星的研发，海洋2号（HY-2A）卫星于2011年8月发射成功并在轨运行至今。HY-2A卫星各方面性能、参数指标和QuikSCAT相近，所以期望其能尽快应用到数值天气预报中。到目前为止，已有对HY-2A卫星散射计数据的检验的相关文章[13,14]，结果表明HY-2A卫星散射计风数据的风速与常规观测资料较为接近，而风向的误差相对较大，不过将该卫星数据应用到同化过程中的研究很少。本文以WRF模式为基础，分别采用四种初始化方案对初始场进行调整，其中进行同化处理的试验尝试使用HY-2A卫星散射计数据作为观测数据，然后对台风“菲特”进行72h的预报试验，对试验结果进行分析，对比不同的初始化方案对预报效果的影响。

2　模式、资料及方法介绍

2.1模式介绍

本文采用的模式是WRFV3.3，采用的同化系统是WRF模式的同化模块WRFDA。WRF模式是由美国环境预报中心（NCEP)和美国国家大气研究中心（NCAR)等联合研发的新一代中尺度预报模式和同化系统，它具有高分辨率、完全可压非静力等特点，水平网格采用Arakawa-C格点，采用3阶Runge-Kuta时间分裂积分方案，垂直方向采用地形追随质量坐标，模式顶气压取为常数。该模式因其完全开放、可移植性强等特点，在中短期数值预报模拟中得到了广泛应用。WRFDA同化系统[15]同化方法以三维变分为基础，不断创新完善。2003年6月，第一版的WRF同化系统开发出来，命名为WRF 3DVAR。之后随着WRF版本的更新也不断更新，2004年，由于四维变分(4DVAR)同化的加入，同化系统改名为WRF-VAR。同样，2008年混合集合-变分算法的引入，同化系统再一次改名为WRFDA，一直沿用至今。本文所使用的同化方法包括该同化系统中的3DVAR和Hybrid两种同化方法。

2.2数据资料

本文所使用的数据包括美国全球预报系统（GFS）的模式输出产品以及我国自行研制的海洋2号（HY-2A）卫星散射计海面风数据。其中GFS数据每6 h输出一次，取其前72 h的预报结果为本文试验提供初值（背景场）和边界条件，该数据空间分辨率为0.5°×0.5°。HY-2A卫星于2011年8月成功发射并在轨运行，其采用笔形圆锥扫描天线，双极化，工作频率为Ku波段13.256 Hz，轨道周期为104.5 min，轨道高度为971 km，风速测量范围为2—24 m/s,风速精度为2 m/s，风向精度为20°。本文选取的HY-2A风数据为沿轨数据（见图1），时间段为2013年10月3日21时至10月4日03时（世界时，下同）。

2.3同化方法介绍

本文使用3DVAR和Hybrid两种同化方法。在3DVAR同化方法中，背景误差协方差通常是采用气候统计方法得到的静态场，它是基于时空均匀和各向同性的假设，但实际上，大气系统的真实背景误差应该很大程度依赖于具体的天气形势，是随天气流型而变的。而Hybrid集合—变分同化方法就是在原有变分同化框架的基础上，将依流而变的集合背景误差协方差加入到变分同化框架中，这样既保留了变分法自身的优势，又弥补了静态背景误差协方差的不足，使得变分法的框架更为合理。

Hybrid同化方法，简单地说就是实现变分同化中背景误差协方差的重构。Hybrid方法的实现目前主要有两种方法：一是将原有3DVAR方法中的静态背景误差协方差和集合背景误差协方差进行线性组合，以取代变分法中的背景误差协方差，最优权重分配可通过试验得到，它与集合数目有关，相关试验表明，当集合数目足够大时，集合协方差的权重越大，同化效果越好。另一种方法是在变分同化的目标函数中增加扩展控制变量。本文选取第一种方法进行试验。其目标泛函J(x)可以表示为：

该目标函数与3DVAR方法的目标函数形式一致。式中：x为大气状态变量，xb为背景场资料（集合平均），y0为观测资料，H为观测算子，将分析变量投影到观测空间，H′是观测算子的切线性算子，B为背景场误差协方差矩阵，O为观测误差协方差矩阵，其中B为静态背景误差协方差矩阵B1和集合协方差矩阵B2的加权线性组合。B=α1B1+ α2B2,α1+α2=1。B1的构造和3DVAR同化方法中的一致，B2的构造来源于集合预报思想。

本文中初始集合成员的生成采用的是WRF-3DVAR系统中的Random-CV方案[16,17]，该方案采用GFS资料统计的背景误差协方差生成随机扰动，该扰动是服从均值为0，标准差为1的正态分布，扰动经垂直EOF、递归滤波和平衡方程约束后变换回模式空间，形成不同的成员，生成的背景误差具备空间相关性和物理关联性。

图1　HY-2A卫星散射计海面风数据

3　试验设计

3.1台风过程简介

第1323号热带风暴“菲特”（Fitow)于2013年9 月30日12时在菲律宾以东洋面（132.5°E，13.9°N）生成，中心附近最大风力8级（18 m/s），中心最低气压1000 hPa，10月1日09时加强为强热带风暴，10 月2日21时加强为台风，10月4日09时加强为强台风，最终于6日17时15分在福建省福鼎市登陆，登陆时中心最大风力达14级（42 m/s）。“菲特”登陆后于7日01时在福建省建瓯市境内迅速减弱为热带低压。此次台风给我国带来了严重的损失，致使10 死1失踪，直接经济损失超过623亿。

3.2试验设计

本文中模式水平分辨率采用的是30 km，垂直为不均匀28层，以（128°E，23°N）为中心，共330× 260个格点。试验中所采用的模式物理过程方案设置如下（表1）。

表1　物理过程参数化方案设置

试验1：直接使用GFS资料作为初始场，进行72 h预报；

试验2：以GFS资料为原始初始场，使用WRF模式自带的随机扰动生成系统，生成30个初始场集合成员，将这30个成员进行平均，得到新的初始场，进行72 h预报；

试验3：在试验2得到的初始场中，采用3DVAR同化方法，将HY-2A数据同化其中，得到新的初始场，进行72 h的预报；

试验4：在试验2得到的初始场中，采用Hybrid同化方法，将HY-2A数据同化其中，得到新的初始场，进行72 h的预报。

4组试验的流程图如图2所示。

4　试验结果分析

本文主要从初始场的同化效果以及72 h预报效果来对比分析不同的试验产生的效果。

4.1台风的初始场分析

图3、4是4组试验的初始场情况。其中图3（a—d）分别是试验1—4的台风中心气压场，图4 （a—d）分别是试验1—4的台风中心附近风场形势。对比图3的4幅图，可以发现试验1和试验2的气压场差异很大，试验2的气压场中心气压较试验1低了约15 hPa；而试验3和4的初始气压场十分接近于试验2。风场的规律类似，试验1和试验2、3、4的差别很大，最大风速超过45 m/s，而试验2、3、4的最大风速不超过35 m/s。

图5是高空100 hPa初始散度场（填色图）和流场（黑色线条），图中a—d分别为试验1—4的初始场。从流场可以明显地看出试验2、3、4的台风中心附近高空100 hPa是流出气流，对应低层850 hPa（图略）是明显的流入气流，从散度值同样可以看出高层台风中心为辐散，低层辐合中心与之对应，这种低层辐合高层辐散的散度场的配置，利于台风的维持或发展；试验1初始场的高空100 hPa台风附近的流场明显有别于后3组试验的流场，台风中心附近同时出现辐合区和辐散区，且强度弱于其他组试验。

综上所述，可以断定地热流体补给源并不是来自于地热田周边的水体补给，而是大气降雨通过地表次级小断裂，入渗进入招平断裂带与玲珑断裂带交会复合形成的破碎带，进入地下深循环，在合适的部位沿着热储通道上涌而形成地热田。那么东汤地热田的地热流体在哪里通过地表入渗进入地下的呢？

此外从500 hPa的位势高度图（见图6）上可以看出，4组试验的台风均正处于太平洋副热带高压西南方向，受副热带高压和西风带环流影响，台风将向西北方向移动。

由此可见，集合平均得到的初始场对原始初始场的改变较大，而通过使用同化方法将观测数据加入到初始场中，对初始场的改变相对较小。

图2　4组试验的流程图

4.2台风的预报效果分析

4.2.1路径分析

图3　4组试验台风中心气压场

图4　4组试验台风周围风场

图5　4组试验初始场100 hPa的散度场（填色图，单位：10-5/s）和流场

图6　4组试验初始场500 hPa的位势高度场（单位:dagpm)

图7　台风“菲特”的预报路径和实况路径对比

图7是4种初始化方案台风路径的72 h预报以及台风实况路径图。由图可看出，在0—24 h预报结果内，试验1的路径与实况最为吻合，但随后便开始偏离实况，偏差越来越大，从48 h开始误差增长迅速，直至72 h时路径偏差已达700 km。而其他3组试验的预报效果整体上要优于试验1，这3组试验的路径偏差整体趋势为先减小后增大，在前36 h内，误差基本是随预报时效的增长而减小的，与实况的偏差均不大，其中试验3的效果相对更好一些；从42 h起，偏差又逐渐变大，试验4的偏差增长最慢，试验3次之，试验2相对试验3、4误差增长的相对快一些。

因此，使用集合平均代替GFS资料作为初始场，其路径预报的改善是显而易见的，在集合平均的初始场中使用3DVAR同化方法加入HY-2A卫星散射计数据，对路径进一步改善，从表2中更能直观地看出在预报时段，除个别时刻外，试验3的路径预报偏差要小于试验2的路径预报偏差，这说明HY-2A卫星散射计数据的加入对初始场的改变，对改善台风的路径预报有较好的效果。试验4是使用的Hybrid同化方法将HY-2A卫星数据加入到初始场中，该初始化方案对预报的优化在前36 h内不明显，而在后36 h内体现了其优势所在，误差增长缓慢，在前66 h内，误差均在100 km以内，只有72 h的预报结果偏差高于100 km，这也说明“流依赖”的背景场误差协方差矩阵起到了正面效果。

上文已提到试验1的路径在30 h后相对其他3组试验的路径偏差明显偏大，尤其是在48 h之后路径北偏加剧。分析其原因，从500 hPa位势高度图上（见图8）可以明显的看出，试验1（图8a）中台风位于副热带高压588 dagpm线的西侧略微偏南，而其他3组试验中台风位于副热带高压588 dagpm线的西南侧，位置较为一致，在这样的副热带高压形势下，试验1中的台风移动方向较其他3组试验会明显偏北。

表2　台风“菲特”72 h预报路径的距离误差（单位：km）

4.2.2台风中心海平面最低气压分析

通常用台风中心海平面最低气压来表征台风的强度。图9a是4种方案的台风中心海平面气压的72 h预报结果以及实况气压图；图9b是4种方案的台风中心海平面气压的72 h预报结果与实况的偏差随时间的变化图。

由图9a可以看出这4种方案的中心气压变化趋势是相似的，尤其是试验2、3、4的变化趋势十分一致，只是在数值上略有差异。从图9b可以看出，试验1的台风中心气压预报结果相对其他3组试验偏差波动比较大，而其他3组试验结果相对较平缓。此外我们可以看出，在预报的前48 h内，试验1的预报效果要好于试验2、3、4的结果，只有在48—72 h 这24 h内，初始场的调整（试验2、3、4）的正效应才显现出来；同样，对比试验2和3，只有在预报12—24 h时间段内，试验2的预报效果比试验3的效果好，其他时间试验3的效果一直优于试验2，这是HY-2A卫星散射计风数据加入的作用；对比试验3 和4，在预报前24 h内，预报效果持平，在30—72 h时间段内，试验3的效果要好于试验4，这说明流依赖”的背景场误差协方差矩阵在台风中心最低气压预报中并未起到改善作用。

图8　4组试验的48 h预报场的500 hPa位势高度场（单位:dagpm）

图9台风中心最低预报气压与实况对比及偏差

4.2.3台风中心最大风速分析

图10a是4种方案的台风近中心最大风速的72 h预报结果以及实况图；图10b是4种方案的台风近中心最大风速的72 h预报结果与实况的偏差随时间的变化图。

由图10a可以看出这4种方案的最大风速预报变化趋势与实况是一致的，但是在整个预报时段，预报值始终偏小（试验1的始末两个时刻除外），图10b更直观地体现了这一特点，预报值的偏差最大达12 m/s。从该图中还可以看出，在预报的大部分时间里，试验2、3、4的预报效果要好于试验1；而试验2、3、4的预报结果在预报前42 h内十分接近，在预报48—66 h时段内，HY-2A卫星风资料的作用有所突显，试验3和4的预报效果好于试验2的结果，但试验3、4的预报效果在整个预报阶段都很一致，这说明“流依赖”的背景误差协方差矩阵的作用效果在台风近中心最大风速预报过程中的十分微弱。

图10　近中心最大预报风速与实况对比及偏差

5　结果与讨论

本文利用模式WRFV3.3，分别使用了4种初始化方案对台风“菲特”进行了72 h的数值预报，初步得到以下结论：

（1）WRF模式对台风“菲特”的预报效果，不论从台风路径还是强度方面，都有较强的预报能力；

（2）使用集合平均作为初始场进行预报的的效果要明显好于直接使用GFS资料作为初始场得到的预报结果；

（3）使用3DVAR同化方法，将海洋2号卫星散射计风数据加入初始场后，初始场有所改善，但对中心气压和最大风速的改善甚微；72 h的台风路径预报较未同化有一定的改善，对强度的影响很小；

（4）使用Hybrid同化方法，将海洋2号卫星散射计风数据加入初始场的同时，背景误差协方差中引入了“流依赖”的背景误差协方差，初始场有一定的改善，但对中心气压和最大风速的改善甚微；预报效果在预报前期没有凸显其优势，在预报后期42—72 h阶段，台风预报路径偏差明显小于其他3组试验的预报偏差；但该方法对台风强度的改进微弱。

因此，基于本文的试验，台风路径的预报对初始场十分敏感，使用集合思想以及同化技术对初始场进行修订，均能够很明显地提高台风路径的预报准确率，但台风强度的预报对初始场不够敏感，从而导致预报效果的改进微弱。

参考文献：

[1]陈联寿,丁一汇.西北太平洋台风概论[M].北京:科学出版社, 1979.

[2]邢建勇,宋学家,杨学联,等.台风“卡努”的数值模拟试验[J].海洋预报, 2006, 23(2): 1-9.

[3]杨引明,杜明斌,张洁. FY-3A微波资料在“莫拉克”台风预报中的同化试验[J].热带气象学报, 2012, 28(1): 23-30.

[4]黄嘉宏,李江南,魏晓琳,等.同化QuikSCAT资料对台风Vongfong(2002)数值模拟的影响[J].中山大学学报(自然科学版), 2006, 45(4): 116-120.

[5] Hamill T M, Snyder C. A Hybrid Ensemble Kalman Filter-3D Variational Analysis Scheme[J]. Monthly Weather Review, 2000, 128(8): 2905-2919.

[6] Wang X G, Barker D M, Snyder C, et al. A Hybrid ETKF-3DVAR Data Assimilation Scheme for the WRF Model. Part I: Observing System Simulation Experiment[J]. Monthly Weather Review, 2008, 136(12): 5116-5131.

[7] Wang X G, Barker D M, Snyder C, et al. A Hybrid ETKF-3DVAR Data Assimilation Scheme for the WRF Model. Part II: Real Observation Experiments[J]. Monthly Weather Review, 2008, 136 (12): 5132-5147.

[8] Wang X G. Application of the WRF Hybrid ETKF-3DVAR Data Assimilation System for Hurricane Track Forecasts[J]. Weather and Forecasting, 2011, 26(6): 868-884.

[9] Schwartz C S, Liu Z Q, Huang X Y, et al. Comparing Limited-area3DVAR and Hybrid Variational-ensemble Data Assimilation Methods for Typhoon Track Forecasts: Sensitivity to Outer Loops and Vortex Relocation[J]. Monthly Weather Review, 2013, 141 (12): 4350-4372.

[10] Singh R, Kishtawal C M, Pal P K, et al. Assimilation of the Multisatellite Data into the WRF Model for Track and Intensity Simulation of the Indian Ocean Tropical Cyclones[J]. Meteorology and Atmospheric Physics, 2011, 111(3-4): 103-119.

[11] Atlas R, Hoffman R N, Leidner S M, et al. The Effects of Marine Winds from Scatterometer Data on Weather Analysis and Forecasting[J]. Bulletin of the American Meteorological Society, 2001, 82(9): 1965-1990.

[12]刘春霞,王静,齐义泉,等.基于WRF模式同化QuikSCAT风场资料的初步试验[J].热带海洋学报, 2004, 23(6): 69-74.

[13]张婷,张杰,杨俊钢,等.卫星散射计与海面平台所测的风场数据比较[J].海洋学研究, 2013, 31(2): 45-51.

[14]王东良,姚小海,孟雷,等.海洋二号卫星散射计风场产品真实性检验及分析[J].海洋预报, 2014, 31(4): 47-53.

[15] Barker D, Huang X Y, Liu Z Q, et al. The Weather Research and Forecasting Model's Community Variational/Ensemble Data Assimilation System: WRFDA[J]. Bulletin of the American Meteorological Society, 2012, 93(6): 831-843.

[16]闵锦忠,毕坤,陈耀登,等.基于物理约束扰动的EnSRF雷达资料同化[J].大气科学学报, 2013, 36(2): 129-138.

[17] Zhang F Q, Weng Y H, Sippel J A, et al. Cloud-resolving Hurricane Initialization and Prediction Through Assimilation of Doppler Radar Observations with An Ensemble Kalman Filter[J]. Monthly Weather Review, 2009, 137(7): 2105-2125.

Application of HY-2A scatter wind data assimilation with the WRF hybrid method for typhoon Fitow forecasts

LIU Xiao-yan1,2，YANG Xue-lian1,2，XING Jian-yong1
（1. National Marine Enviroment Forecasting Center,Beijing 100081 China; 2. Key Laboratory of Research on Marine Hazards Forecasting,Beijing 100081 China）

Abstract：Taken the Typhoon Fitow (201323) which is landing for example, four kinds of initialization schemes and 72-hour forecasts experiments are performed based on Weather Research and Forecasting (WRF) Model, and the influences of the initialization on the performance of the forecasts are analyzed. The results show that the performance of the track forecast using the ensemble-mean as the initial field is better than that using the GFS data. Assimilating the HY-2A scatter wind data into the initial field using 3DVAR assimilation method, the forecast of track is improved to some extent. Moreover, the performance of track forecast when ingesting the HY-2A scatter wind data into the initial field with Hybrid assimilation method is improved. However, the effect of the four kinds of method in the forecasts of intensity is roughly the same.

Key words：WRF model；initialization；3DVAR；hybrid；HY-2Asatellite data；numerical forecast

作者简介：刘晓燕（1988-），女，硕士在读，从事海面风场资料同化研究。E-mail:liuxiaoyan-de@163.com

基金项目：国家海洋局海洋公益性行业专项(201305032-2)。

收稿日期：2015-01-28

中图分类号：P457.8

文献标识码：A

文章编号：1003-0239（2016）01-0001-10