潘裕山，徐建军，张 宇，袁 帅，朱文清

基于东亚区域再分析系统模拟2015年西北太平洋热带气旋

潘裕山，徐建军，张 宇，袁 帅，朱文清

（广东海洋大学：海洋与气象学院 // 南海海洋气象研究院，广东 湛江 524088；南方海洋科学与工程广东省实验室（湛江），广东 湛江 524025）

【】基于东亚区域再分析系统（EARS）模拟西北太平洋热带气旋的路径和强度，评估模拟效果。用WRF-ARW（Advanced Research Weather Research and Forecasting Model）中尺度模式和GSI（Gridpoint Statistical Interpolation）同化系统发展东亚区域再分析系统。以EARS的初步结果为基础，以热带气旋路径和强度的模拟结果为对象，与美国环境预报中心再分析资料（NCEP）、欧洲中期天气预报中心再分析资料（ERA-Interim）、欧洲中期天气预报中心新一代再分析资料（ERA5）、日本气象厅（JMA）55年再分析资料（JRA55）比较，同时与中国气象局（CMA）最佳路径数据集观测值进行对比分析，评估西北太平洋热带气旋模拟的路径和强度。1）EARS、NCEP、ERA-Interim、ERA5、JRA55再分析资料分别与CMA最佳路径数据集的22个西北太平洋热带气旋中心的平均距离偏差为20 ~ 140 km，表明EARS和其他4套再分析资料可准确产生热带气旋路径。ERA5产生的热带气旋路径最佳，JRA55、EARS和ERA-Interim次之，NCEP最差。当EARS使用ERA5作为初始场时，对热带气旋“Mujigae”路径的模拟基本与ERA5基本一致，模拟的路径更准确。EARS模拟的热带气旋运动方向误差在发展和消亡阶段较大；当使用ERA5作为初始场时，模拟的热带气旋“Mujigae”运动方向误差得到改善。2）EARS具有更高的时空分辨率和合理的资料同化方案，可同化更精确的区域观测资料，对热带气旋近中心最大风速模拟能力较佳，略优于ERA5，明显比JRA55、ERA-Interim、NCEP准确，可更好地反映热带气旋强度和获得热带气旋精细化结构。

东亚区域再分析；数值模式；资料同化；热带气旋

东亚地区气候系统的变化与异常引起我国气候的季节内、年际和年代际的变化与异常，从而造成我国发生气候灾害[1]，全球气候变化也与东亚气候变化紧密联系，因此研究东亚气候特点对研究我国乃至全球气候变化有重大意义。热带气旋是影响我国的主要灾害性天气系统之一，其引起的大风、暴雨、风暴潮等对我国人民的生命和财产产生不同程度的威胁，严重的可酿成巨灾[2]。

科学家使用数值天气预报中的资料同化技术恢复长期历史气候记录（即用大气资料的再分析），可弥补观测资料的缺陷[3-5]。目前，国际上主要的再分析中心为美国环境预报中心（NCEP）、欧洲中期数值预报中心（ECMWF）、日本气象厅（JMA）和美国国家海洋和大气管理局（NOAA）等[6]。全球大气再分析资料分辨率较粗，仅侧重于大尺度大气活动，对中尺度大气活动特征研究拟合效果并不理想，同时不能用于大多数由中小尺度大气活动引发的气象灾害研究[7]。近年来，区域模式得到充足发展，不仅比全球大气再分析资料时空分辨率更高，还可捕获小尺度系统变化信息，对局地强迫引起的气象特征有较好的反映能力[8]，并可反映复杂地形中现有全球大气再分析资料不能分辨的区域温度、降水以及土壤水分特征[9]。

西北太平洋是全球热带气旋活动最为强烈和频繁的海域之一，平均每年约生成26个热带气旋，而我国位于西北太平洋沿岸，每年平均约有7.2个热带气旋登陆，是受热带气旋影响较多的国家之一。当代气候特征模拟试验多在区域气候模式发展基础上进行，但仍停留在检验模式性能的阶段。区域再分析资料的发展还需要科学家们不懈地探索开发，提高其准确性[10]。因此，利用先进的资料同化系统和数值模式发展的东亚区域再分析系统（EARS）对观测资料缺乏的西北太平洋热带气旋的研究极有意义，也是国家重点研发项目之一。笔者拟使用EARS评估2015年西北太平洋热带气旋路径和强度的模拟结果，以期探讨适用于西北太平洋热带气旋的东亚区域再分析系统的资料同化和模拟方案。

1 东亚区域再分析系统

东亚区域对高分辨区域再分析资料的需求日益增强，笔者使用美国气象界新一代的中尺度非静力数值预报模式WRF-ARW（Advanced Research Weather Research and Forecasting Model）3.9.1.1和NCEP的资料同化系统GSI 3.6搭建EARS。EARS采用已研制一年东亚区域再分析试验数据，同化方法为以部分循环同化方式三维变分。

1.1 背景场和同化的资料

EARS数值模拟试验初始场和边界条件使用ECMWF发布的第三代再分析资料(ERA-Interim)[11]，水平分辨率为0.75°×0.75°，时间分辨率为6 h，同化试验背景场数据为WRF-ARW模式的6 h预报输出。

GSI（Gridpoint Statistical Interpolation）同化的常规观测资料为NCEP全球资料同化系统（GDAS）的地面站、探空站、船舶和浮标站、全球电信系统（GTS）的测风气球和飞机报资料。同化的卫星资料为GDAS的大气红外探测器（AIRS）、先进的微波探测装置A型（AMSUA）、高分辨率红外探测仪4型（HIRS4）和微波湿度探测器（MHS）卫星辐射资料。AMSUA仪器主要用于大气温度的垂直探测，MHS主要用于湿度的垂直探测，AIRS主要用于探测精细的大气温度和湿度廓线，HIRS4主要用于探测大气垂直方向温度、湿度。

1.2 模式和资料同化方案设计

图1为EARS模拟区域，右下角黑色框为待评估热带气旋路径和强度的区域。由于EARS的东向边界仅至145°附近，关注的区域为南海及其周边海域，选取评估的CMA最佳路径数据集区域为100 ~ 145° E，10 ~ 45° N。

模式方案为：单层网格，水平分辨率为12 km，格点数为760×900，模拟区域中心为100°E，38°N，基本覆盖整个东亚区域，包括南海和部分西太平洋海域。试验时间为2015年1月1日至12月31日。垂直层74层，模式顶层气压为10 hPa。模式参数化方案为New Thompson微物理方案、Kain-Fritsh积云参数化方案、快速辐射传输模型（Rapid Radiative Trasnfer Model, RRTM)长波辐射方案、Dudhia短波辐射方案、Noah-MP Land Surface Model陆面方案和YSU行星边界层方案。

图2为EARS同化流程图。冷启动从前一天18:00开始，初始场和边界条件为ERA-Interim，不做资料同化，并预报6 h。从00:00开始，采用循环同化方案，每6 h同化资料1次，同时进行结果预报，共预报30 h。在起旋（Spin-up）过程中[世界时(UTC)18:00‒0:00]无重复同化卫星和常规观测资料，随后24 h的循环同化方案中用于同化的模式背景场为前6 h的预报输出场，同化的观测资料为所分析时刻的常规和卫星等观测资料。

图1 东亚区域再分析系统模拟区域和待评估区域

图2 资料同化试验方案设计

1.3 资料同化质量控制

观测资料进入资料同化系统前需进行质量控制，即剔除不能达到同化要求的资料，保证同化计算、分析，后期模拟的结果质量。在GSI同化系统中，对卫星资料质量控制主要有两个步骤：一是位置检查，剔除位于模式之外的观测资料，然后对资料进行稀疏化处理，排除时空信息重叠和不完整的观测数据，并确保垂直方向上的连续性；二是利用多种质量控制参数，对经过CRTM（Community Radiative Transfer Model）辐射传输模式的卫星亮温变量进行多次质量控制检查。可根据卫星不同通道的特性和扫描轨迹的位置调节控制参数，判断观测数据是否位于陆地、海洋、雪盖、海冰、过渡区域等，判断经纬度位置和真实地形差异[12]。

图3为GDAS的常规观测资料在GSI资料同化系统中质量控制情况。同化的气象要素为温度、比湿、风速和海平面气压。GSI读取的温度、比湿和海平面气压的总资料数为5 000 ~ 18 500，风速的总资料数为27 000 ~ 90 000，读取资料数最多的时刻是0:00和12:00，温度、比湿和海平面气压的读取最多资料数为16 000左右，风速的为80 000左右。经过第一阶段质量控制后温度资料的平均保留比例为93.79%，比湿为83.88%，风速为43.28%，海平面气压为57.35%。经过两个阶段的质量控制后，用于同化系统的常规观测资料数再次下降，温度资料的平均同化比例为41.53%，比湿为20.29%，风速为21.50%，海平面气压为47.84%。

图3 2015年1月1日GSI对常规观测资料中温度、比湿、风速、海平面气压读取、保留、同化的资料数和同化比例

全球气象卫星观测系统日益完善，可为气象资料同化提供具有覆盖面积更广、时空分辨率更高和全天候等特点的卫星资料，很大程度上弥补常规观测资料不足区域（如海洋和高原）的观测。图4为GDAS的AMSUA、MHS、AIRS和HIRS4卫星辐射资料在同化系统中质量控制情况。

图4 2015年1月1日GSI对四卫星辐射资料读取、保留、同化的资料数和同化比例

图4可见，GSI读取的AMSUA资料总数为6.5×105~ 13.8×105，MHS为8.8×105~ 13.0×105，AIRS为5.9×105~ 18.0×105，HIRS4为6.1×105~ 9.6×105；其中读取资料数最多的时刻均为6:00和18:00。经过第1阶段质量控制后，AMSUA资料平均保留比例约37%，MHS约10%，AIRS约8%，HIRS4约29%。经过第2阶段质量控制后，用于同化系统的资料数皆下降，AMSUA的同化比例略高，平均为18.16%，MHS、AIRS、HIRS4较低，平均分别为4.23%、3.12%、1.71%。

2 用于评估的最佳路径数据集和全球再分析资料

2.1 CMA热带气旋最佳路径数据集

用于评估2015年EARS的热带气旋观测资料为CMA热带气旋资料中心的最佳路径数据集，提供1949年以来西北太平洋海域（含南海、赤道以北、东经180°以西）热带气旋每6 h的位置和强度[13]。CMA最佳路径数据集对热带气旋定位和预报精度的评定方法参考《台风业务和服务规定》。评估方法涵盖6个官方及卫星定位方法，13个主观和13个客观路径预报（含登陆点预报）方法，7个主观和14个客观强度（近中心地面最大风速）预报方法[14]。

图5为用于评估的2015年22个西北太平洋热带气旋路径，其中登陆我国的热带气旋共有5个（3个登陆华南、2个登陆华东，超强台风“苏迪罗”和“杜鹃”分别登陆我国2次）。选取的热带气旋为Mekkhala（米克拉）、Bavi（巴威）、Maysak（美莎克）、Noul（红霞）、Dolphin（白海豚）、Kujira（鲸鱼）、Chan-hom（灿鸿）、Linfa（莲花）、Nang ka（浪卡）、Halola（哈洛拉）、Soudelor（苏迪罗）、Molave（莫拉菲）、Goni（天鹅）、Etau（艾涛）、Vamco（环高）、Krovanh（科罗旺）、Dujuan（杜鹃）、Mujigae（彩虹）、Koppu（巨爵）、Champi (蔷琵)、In-fa（烟花）、Melor（茉莉）。

2.2 全球再分析资料

如表1所示，用于评估EARS的全球再分析资料为NCEP Reanalysis 2[15]、ECMWF ERA-Interim、ERA5[16]和日本气象厅（JMA）Japanese 55-year Reanalysis （JRA55）再分析资料[17]。NCEP分辨率为200 km，ERA-Interim为80 km，ERA5为31km，JRA55为55 km，后3种再分析资料使用的是四维变分同化（4D-Var）方案。ERA-Interim、ERA5、JRA55和NCEP等再分析资料在热带气旋研究工作中广泛应用，可提供完整且长期的时空分辨率资料，减少热带气旋年际变化和趋势不确定性[18-19]。再分析资料由不同的参数化和资料同化方案的大气环流模式研制，对热带气旋的产生存在一定差异。如CFSR和JRA25再分析资料由于分别同化涡旋重新定位和热带气旋风廓线资料，对热带气旋路径和强度的反映较佳[20]。JRA55较JRA25分辨率更高且同化热带气旋风廓线资料，对热带气旋的反映更佳[21]。ECMWF 0.125°高分辨率再分析资料再现热带气旋的能力整体表现良好，可获得热带气旋的非对称、精细化结构，且其分辨率与模式相匹配，在数值模式和资料同化中起到积极作用[22]。当然，再分析资料分辨率越高并不代表再现的热带气旋路径和强度越接近观测，也取决于模式参数化和资料同化的方案、误差校准系统等，如新一代MERRA-2再分析资料较MERRA在风速和平均海平面气压的强度反映显著提高[23]。

图5 用于评估的CMA热带气旋最佳路径数据集中2015年22个西北太平洋热带气旋路径

表1 评估用的全球再分析资料

再分析资料再现热带气旋的能力值得肯定，但由于其分辨率不同，研究时需用不同阈值标准搜索热带气旋。如Walsh等[24]假设热带气旋强度廓线依赖再分析资料的水平分辨率，把风速大于17.5 m/s的热带扰动定义为热带气旋，并把观测到的热带气旋方位平均强度廓线插值到某个分辨率，把插值后的最大风速定义为该分辨率热带气旋的阈值标准。Strachan等[25]第1步将再分析资料中的涡度场插值成T42分辨率，用固定涡度值0.5×10-5s-1搜索生成的热带气旋；第2步将原分辨率的涡度场插值成T63分辨率，最后使用固定涡度值6.0×10-5s-1搜索热带气旋，同时还需满足低层最大涡度大于上层的条件，并持续1 d，方可确定为生成的热带气旋。Murakami等[26]假设，相对于观测资料，低分辨率再分析资料低估热带气旋的强度，使用常用的表面最大风速、低层涡度、温度异常和持续时间等的优化阈值标准搜索生成的热带气旋。

3 东亚区域再分析系统对热带气旋模拟结果

将EARS、NCEP、ERA-Interim、ERA5、JRA55再分析资料分别联合CMA最佳路径数据集，计算并分析热带气旋中心距离和近中心最大风速偏差。识别再分析资料和EARS中热带气旋的中心位置和近中心最大风速的具体方法和步骤如下：1）为去除其他热带扰动的影响，根据CMA最佳路径某个时刻提供的位置（经纬度信息），在再分析资料中找到该经纬度±5°对应的格点区域；2）把该格点区域最低海平面气压对应的经纬度确定为该时刻热带气旋在再分析资料的中心位置；3）把该格点区域10 m高度层的最大风速确定为该时刻热带气旋近中心最大风速。以上方法需CMA最佳路径数据集提供热带气旋中心位置作为参考，如缺CMA资料，EARS可使用美国国家海洋和大气管理局（NOAA）的地球物理流体动力学实验室（GFDL）涡旋追踪器（Vortex Tracker，VT）识别EARS中的热带气旋活动。GFDL VT可客观分析预报数据，提供热带气旋中心位置（纬度和经度）的估计值，并在预报期间追踪风暴；还可预报热带气旋度量标准，如10 m高度层的最大风速、最低平均海平面气压、风半径、最外侧封闭等压线等。使用NCEP的后处理系统UPP（Unified Post Processor）将EARS转换成GFDL VT识别的GRIB格式资料，且该资料网格位于圆柱等距的经纬网格上。GFDL VT将EARS提供用于追踪的10 m高度层，750、850 hPa气压层的相对涡度，平均海平面气压，700、850 hPa气压层的位势高度6个主要变量分别进行一步Barnes分析[27-28]，从而确定该变量的最大值或最小值，并保存所得的在指定距离阈值内位置，并用于后面平均定位位置计算；然后追踪涡旋中心的10 m高度层，700、850 hPa气压层的最小风速等3个与风相关的次要变量，以完善涡旋定位；输出结果为热带气旋位置、强度和结构信息；输出结果格式为：原始和稍微改动后自动热带气旋预报格式（ATCF）[29]。

3.1 东亚区域再分析系统对热带气旋路径的模拟

EARS与ERA5、ERA-Interim、NCEP、JRA55全球再分析资料分别和CMA热带气旋最佳路径数据集2015年22个西北太平洋热带气旋中心的平均距离偏差为20 ~ 140 km，均较接近最佳路径数据集，表明再分析资料产生的热带气旋路径可信。其中ERA5最接近观测值，平均距离偏差为38.9 km，EARS仅对热带气旋“Vamco”的路径模拟优于ERA5；NCEP产生的路径最差，平均距离偏差为114 km。EARS、JRA55和ERA-Interim产生的热带气旋路径基本一致，平均距离偏差约70 km。其中EARS对热带气旋“Dolphin”“Chan-hom”“Nangka”“Etau”“Vamco”的路径模拟比JRA55和ERA-Interim的准确，对热带气旋“Krovanh”“Infa”“Melor”的路径模拟优于ERA-Interim（图6）。

图6 EARS、ERA5、NCEP、JRA55、ERA-Interim再分析资料分别与CMA最佳路径数据集中2015年22个西北太平洋热带气旋中心的平均距离偏差

图6可知，整体而言，ERA5对2015年22个产生的热带气旋路径最佳，平均距离偏差约为28 ~ 52 km。因为ERA5为最新一代再分析资料，时空分辨率分别为31 km和1 h，垂直层共137层，时空分辨率较其前身ERA-Interim大幅提升，而ERA-Interim的时空分辨率为80 km和6 h，垂直层共60层；同时ERA5还利用集合再分析产品评估大气的不确定性[30]。NCEP平均距离偏差为110 ~ 120 km，均大于其他再分析资料，可能因为其水平分辨率较低，为110 km。EARS、JRA55、ERA-Interim的平均距离偏差的波动范围相差不大，均为70 km左右（图7）。EARS对热带气旋路径描述的距离偏差比ERA5大，EARS与CMA热带气旋中心平均距离偏差的均方根误差基本大于ERA5（图8）。当EARS使用ERA5作为初始场时，模拟的热带气旋“Mujigae”中心与CMA最佳路径的距离偏差与ERA5基本一致，优于ERA-Interim，模拟的路径更准确（图9）。

图7 EARS、ERA5、NCEP、JRA55、ERA-Interim再分析资料分别和CMA最佳路径数据集中2015 年22个西北太平洋热带气旋中心的平均距离偏差的箱线图

图8 EARS、ERA5分别和CMA最佳路径数据集中2015年22个西北太平洋热带气旋中心平均距离偏差的均方根误差

图9 EARS（ERA-Interim为初始场）、EARS（ERA5为初始场）、ERA5分别和CMA最佳路径数据集中热带气旋“彩虹”中心的距离偏差

热带气旋路径还包括运动方向，下文将讨论EARS对热带气旋运动方向的模拟。图10为CMA最佳路径数据集和EARS中2015年22个西北太平洋热带气旋的路径。图10可见，EARS模拟的热带气旋运动方向基本与CMA一致，方向误差波动较小的为热带气旋“Chan-hom”“Dolphin”“Goni”“Soudelor”“Maysak”“Etau”；方向误差波动较大的为“Krovanh”“In-fa”“Mekkhala”“Melor”“Linfa”。EARS模拟的方向误差在热带气旋发展阶段明显，如热带气旋“Vamco”“Melor”“Noul”“Mujigae”“Linfa”；消亡阶段也明显，如热带气旋“Kujira”“Mujigae”“Melor”“Soudelor”“Nangka”；在成熟阶段较小。图11为EARS（ERA-Interim为初始场）、EARS（ERA5为初始场）和CMA最佳路径数据集热带气旋“Mujigae”的路径，当“Mujigae”处于发展和消亡阶段时，EARS（ERA-Interim为初始场）模拟其运动方向的误差波动明显；得益于ECMWF新一代的ERA5再分析资料，EARS（ERA5为初始场）模拟的运动方向误差波动明显小于EARS（ERA-Interim为初始场）。当“Mujigae”处于成熟阶段时，EARS模拟的运动方向误差波动较小，基本与CMA最佳路径相似（图11）。

图10 CMA最佳路径数据集（实线）和EARS（虚线）2015年22个西北太平洋热带气旋的路径

图11 EARS（ERA-Interim为初始场）、EARS（ERA5为初始场）和CMA最佳路径数据集中热带气旋“彩虹”路径

3.2 东亚区域再分析系统对热带气旋强度的模拟

国内外热带气旋预报中心一直致力于热带气旋的强度预报。按照热带气旋近中心最大风速可把热带气旋划分成超强台风、强台风、台风、强热带风暴、热带低压6个热带气旋等级。再分析资料因为水平分辨率较低，均系统地低估热带气旋强度[26]，本研究用于评估的全球再分析资料（NCEP、ERA-Interim、ERA5、JRA55）的热带气旋近中心的风速平均偏差均为负，均低估热带气旋近中心的最大风速，而EARS存在稍偏大情况（热带气旋“Etau”偏大约1.07 m/s、“Vamco”偏大约1.46 m/s）。EARS对热带气旋近中心最大风速的模拟能力较好，平均偏差基本在-20 m/s以内，略优于ERA5，明显优于ERA-Interim、JRA55和NCEP；并对热带气旋“Bavi”“Maysak”“Kujira”“Chan-hom”“Linfa”“Soudelor”“Goni”“Etau”“Dujuan”“Mujigae”近中心最大风速的模拟最接近CMA最佳路径数据集（图12）。

图12 全球再分析资料分别与CMA最佳路径数据集中2015年22个西北太平洋热带气旋近中心最大风速的平均偏差

EARS模拟的热带气旋近中心最大风速平均偏差为-17.5 ~ -1.5 m/s，中位数为-10.8 m/s；ERA5的为-16 ~ -4 m/s，中位数为-10.5 m/s；NCEP的为-24 ~ -3.5 m/s，中位数为-16 m/s；JRA55的为-24.5 ~ -6 m/s，中位数为-18 m/s；ERA-Interim的为-24 ~ -5.5 m/s，中位数为-16.5 m/s。EARS对热带气旋近中心最大风速的模拟能力较好，这是因为EARS拥有更高的分辨率和更合理的资料同化方案，更好地反映热带气旋的强度（图13）。

EARS还可获得热带气旋精细化结构，以2015年9月27日热带气旋“杜鹃”的水平风分量的垂直剖面分布为例，其中心位于125.9°E，22.8°N，最大风速为58 m/s。当EARS以ERA-Interim再分析资料为初始场时，水平风分量在中心附近极值可达30 m/s以上（图14a），ERA-Interim的为20 m/s以上（图14b）；当EARS以ERA5再分析资料为初始场时，水平风分量在中心附近极值可达45 m/s以上（图14c），ERA5的为40 m/s以上（图14d）。

图13 EARS、ERA5、NCEP、JRA55、ERA-Interim再分析资料分别与CMA最佳路径数据集中2015年22个西北太平洋热带气旋近中心最大风速平均偏差的箱线图

图14 2015年9月27日热带气旋“杜鹃”的EARS（EAR-Interim为初始场）、ERA-Interim、EARS (ERA5为初始场)和ERA5再分析资料水平风量u的垂直剖面分布

4 结论与讨论

对东亚区域再分析系统模拟的2015年西北太平洋的热带气旋进行评估，得到如下结论：

1）EARS、ERA5、NCEP、JRA55和ERA-Interim再分析资料分别与CMA最佳路径数据集中22个2015年西太平洋热带气旋中心的平均距离偏差为20 ~ 140 km，表明再分析资料可准确产生热带气旋路径。ERA5产生的路径最佳，与CMA最佳路径数据集中热带气旋中心的平均距离偏差为28 ~ 52 km；其次为JRA55、EARS和ERA-Interim，平均距离偏差主要在70 km左右；较差的是水平分辨率较低的NCEP，平均距离偏为110 ~ 120 km。当EARS使用ERA5作为初始场时，模拟的热带气旋“Mujigae”中心与CMA最佳路径的距离偏差与ERA5基本一致，优于ERA-Interim，模拟的路径更准确。EARS模拟的热带气旋运动方向误差主要集中在热带气旋的发展和消亡阶段；当用ERA5作为初始场时，模拟的热带气旋“Mujigae”运动方向误差得以改善。

2）EARS对热带气旋近中心最大风速的模拟略偏大（热带气旋“Etau”偏大约1.06 m/s、“Vamco”偏大约1.46 m/s），而其他4套再分析资料均低估。EARS对热带气旋近中心最大风速模拟能力较佳，略优于ERA5，明显比NCEP、JRA55、ERA-Interim准确，还可获得热带气旋精细化结构。这是因为EARS的时空分辨率更高和资料同化方案合理，还可同化更精确的区域观测资料，从而对西北太平洋热带气旋近中心最大风速的模拟能力更强，更好地反映热带气旋的强度。

仅一年的EARS远不足于评估西北太平洋热带气旋。目前存在的不足和下一步工作为：

1）EARS使用ERA5再分析资料作为初始场，较使用ERA-Interim为初始场更精确地模拟热带气旋的路径和强度，后续会进行更长时间段和更多的以ERA5为初始场的试验，确定使用ERA5为初始场的优缺点。

2）目前EARS初步再分析试验数据同化的资料为从NCEP GDAS获取的常规观测和卫星资料，后续将深入开展优化该系统中的资料同化方案，并同化更多的东亚区域观测资料，特别是全球再分析资料未使用的资料，如海面散射计资料反演的海面风场资料、加密观测资料（地面、探空和飞机报等资料）等，找出减小热带气旋模拟误差的方法。

[1] 黄荣辉, 陈际龙, 周连童, 等. 关于中国重大气候灾害与东亚气候系统之间关系的研究[J]. 大气科学, 2003, 27(4): 770-787.

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

[3] 韦芬芬. 不同再分析资料驱动场对我国夏季区域气候模拟的不确定性研究[D]. 南京: 南京大学, 2013.

[4] BENGTSSON L, SHUKLA J. Integration of space and in situ observations to study global climate change [J]. Bull Amer Meteor Soc, 1988, 69(10): 1130-1143

[5] TRENBERTH K E, OLSON J G. An evaluation and intercomparison of global analyses from the national meteorological center and the European centre for medium range weather forecasts[J]. Bull Amer Meteor Soc, 1988, 69(9): 1047-1057.

[6] 赵天保, 符淙斌, 柯宗建, 等. 全球大气再分析资料的研究现状与进展[J]. 地球科学进展, 2010, 25(3): 242-254.

[7] 朱智, 师春香, 张涛, 等. 多种再分析地表温度资料在中国区域的适用性分析[J]. 冰川冻土, 2015, 37(3): 614-624.

[8] 张冬峰, 高学杰, 赵宗慈, 等. RegCM3区域气候模式对中国气候的模拟[J]. 气候变化研究进展, 2005, 1(3): 119-121.

[9] BOLLMEYER C, KELLER J D, OHLWEIN C, et al. Towards a high-resolution regional reanalysis for the European CORDEX domain[J]. Quarterly Journal of the Royal Meteorological Society, 2015, 141(686): 1-15.

[10] 刘鸿波, 张大林, 王斌. 区域气候模拟研究及其应用进展[J]. 气候与环境研究, 2006, 11(5): 649-668.

[11] DEE D, UPPALA S M, SIMMONS A J, et al. The ERA‒Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597.

[12] 周昊. GSI三维变分同化技术在降水预报中的应用[D]. 南京: 南京信息工程大学, 2012.

[13] YING M, ZHANG W, YU H, et al. An overview of the China meteorological administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 287-301.

[14] 陈国民, 白莉娜, 万日金. 2015年西北太平洋热带气旋预报精度评定[J]. 气象, 2017, 43(4): 119-125.

[15] KANAMITSU M, EBISUZAKI W, WOOLLEN J, et al. NCEP–DOE AMIP-II reanalysis (R-2)[J]. Bulletin of the American Meteorological Society, 2002, 83(11): 1631-1643.

[16] HERSBACH H, BELL W, BERRISFORD P, et al. Global reanalysis: goodbye ERA-Interim, hello ERA5[J/OL]. ECMWF Newsletter: Meteorology Section, 2019, 159: 17-24. https://www.ecmwf.int/node/ 19027.

[17] EBITA A, KOBAYASHI S, OTA Y, et al. The Japanese 55-year reanalysis “JRA-55”: an interim report[J]. Sola, 2011, 7: 149-152.

[18] THORNE P W, VOSE R S. Reanalyses suitable for characterizing long-term trends[J]. Bulletin of the American Meteorological Society, 2010, 91(3): 353-362.

[19] TRUCHELUT R E, HART R E, LUTHMAN B. Global identification of previously undetected pre-satellite-era tropical cyclone candidates in NOAA/CIRES twentieth-century reanalysis data[J]. Journal of Applied Meteorology and Climatology, 2013, 52(10): 2243-2259.

[20] SCHENKEL B A, HART R E. An examination of tropical cyclone position, intensity, and intensity life cycle within atmospheric reanalysis datasets[J]. Journal of Climate, 2012, 25(10): 3453-3475.

[21] HATSUSHIKA H, TSUTSUI J, FIORINO M, et al. Impact of wind profile retrievals on the analysis of tropical cyclones in the JRA-25 reanalysis[J]. Journal of the Meteorological Society of Japan, Ser. II, 2006, 84(5): 891-905.

[22] 李霁杭, 黄燕燕, 万齐林. ECMWF资料和Bogus资料的2015年热带气旋结构的对比分析[J]. 热带气象学报, 2018, 34(1): 48-58.

[23] HODGES K, COBB A, VIDALE P L. How well are tropical cyclones represented in reanalysis datasets[J]. Journal of Climate, 2017, 30(14): 5243-5264.

[24] WALSH K J E, FIORINO M, LANDSEA C W, et al. Objectively determined resolution-dependent threshold criteria for the detection of tropical cyclones in climate models and reanalyses[J]. Journal of Climate, 2007, 20(10): 2307-2314.

[25] STRACHAN J, VIDALE P L, HODGES K, et al. Investigating global tropical cyclone activity with a hierarchy of AGCMs: The role of model resolution[J]. Journal of Climate, 2013, 26(1): 133-152.

[26] MURAKAMI H. Tropical cyclones in reanalysis data sets[J]. Geophysical Research Letters, 2014, 41(6): 2133-2141.

[27] BARNES S L. A technique for maximizing details in numerical weather map analysis[J]. Journal of Applied Meteorology, 1964, 3(4): 396-409.

[28] BARNES S L. Mesoscale objective analysis using weighted time-series observations[R]. NOAA Technical Memorandum ERL NSSL-62, National Severe Storms Laboratory Norman OK73069, 1973..

[29] BISWAS M K, STARK D, CARSON L. GFDL Vortex Tracker Users’ Guide V3.9a[EB/OL]. US: Developmental Testbed Center. 2018-04-01. https:// dtcenter.org/community-code/gfdl-vortex-tracker/documentation.

[30] 孟宪贵, 郭俊建, 韩永清. ERA5再分析数据适用性初步评估[J]. 海洋气象学报, 2018, 38(1): 91-99.

East Asian Regional Reanalysis System Evaluation of Tropical Cyclone Simulation in the Northwest Pacific

PAN Yu-shan, XU Jian-jun, ZHANG Yu, YUAN Shuai, ZHU Wen-qing

（//,,524088,;(),524025,）

【】Track and intensity evaluation of the tropical cyclone track and intensity in the Northwest Pacific based on the East Asian regional reanalysis system. 【】East Asian regional reanalysis system (EARS) was developed using Advanced Research Weather Research and Forecasting Model (WRF-ARW) mesoscale model and Gridpoint Statistical Interpolation(GSI) assimilation system. Based on the preliminary results of EARS, this paper takes the simulation results of tropical cyclone track and intensity as the research object, compares them with several global reanalysis around the world and the China Meteorological Administration (CMA) best track database. 【】 (1) The average distance error of the 22 tropical cyclone centers between the EARS, NCEP, ERA-Interim, ERA5, JRA55 and the CMA best track database respectively is 20 – 140 km, indicating that the EARS and the other four reanalysis datasets can accurately reproduce the tropical cyclone track. The tropical cyclone tracks reproduced by ERA5 is the best, followed by JRA55, EARS and ERA-Interim The worst is NCEP. When EARS used ERA5 as initial field, the simulation of the tropical cyclone “Mujigae” track was basically consistent with ERA5, and the simulated track is more accurate. The direction error of tropical cyclone motion simulated by EARS is large in the development and extinction phases. EARS used ERA5 as the initial field can improve the direction error of the tropical cyclone “Mujigae” motion. (2) EARS is regional reanalysis system with higher spatial and temporal resolution and a reasonable data assimilation scheme. It can assimilate more accurate regional observations. It has a better ability to simulate the maximum wind speed near the center of tropical cyclone, slightly better than ERA5, and significantly more accurate than JRA55, ERA-Interim, NCEP. It can better reflect the intensity of tropical cyclones and obtain the refined structure of tropical cyclones.

East Asian Reanalysis; numerical weather forecast; data assimilation; tropical cyclone

P432

A

1673-9159（2020）05-0053-11

10.3969/j.issn.1673-9159.2020.05.007

2019-11-15

中国气象科学研究院国家重点研发计划（2017YFC1501802）；南方海洋科学与工程广东省实验室（湛江）资助项目（ZJW-2019-08）；广东海洋大学“创新强校”资助项目（230419053）；广东海洋大学“冲一流”学科建设科研项目（平台）（231419022）；海洋与气候变化人才培养和创新团队（002026002002）

潘裕山（1992－），男，硕士研究生，研究方向为区域数值模拟和资料同化。E-mail: panyushan@vip.qq.com

徐建军（1963－），男，教授，博士，研究方向为海洋气象与区域资料同化研究。E-mail:gmuxujj@163.com

潘裕山，徐建军，张宇，等. 基于东亚区域再分析系统模拟2015年西北太平洋热带气旋[J]. 广东海洋大学学报，2020，40（5）：53-63.

（责任编辑：刘庆颖）