王东海 姜晓玲 张春燕 庞紫豪 梁钊明 张明华

1 中山大学大气科学学院/广东省气候变化与自然灾害研究重点实验室/热带海洋系统科学教育部重点实验室/南方海洋科学与工程广东省实验室 (珠海), 珠海519082

2 中国气象科学研究院, 北京100081

3 国家气象信息中心, 北京100081

4 纽约州立大学, 纽约11794

1 引言

随着大气观测能力的不断提高，观测资料的种类越来越丰富。然而，不同观测资料之间由于观测设备的差异可能存在不协调的问题，很多关键物理量，如垂直速度，仍无法直接观测；同时受限于仪器误差、观测误差等因素，由观测变量直接计算的大尺度衍生变量，如垂直速度、温度/水汽平流、热源等也无法很好地代表大气的真实情况，更无法满足大气的水汽和能量收支平衡（O’ Brien, 1970;Lin and Johnson, 1996）。目前，再分析资料作为时间、空间上连续性较好的资料，在气象分析研究中被广泛应用，但再分析资料依赖于数值预报模式和同化方法，模式中物理过程参数化方案的缺陷及其他模式误差会进一步影响资料的准确性（Xie et al., 2003; Morrison and Pinto, 2004），导致不同种类的再分析资料在同一地区会有所差异，甚至同一种再分析资料在不同地区的资料质量也会有明显不同（Wang and Zeng, 2012; Bao and Zhang, 2013;You et al., 2015）。此外，当选定区域运用单柱模式或云模式进行研究时，需要给模式提供一个强迫场来定量地描述选定区域内部大气和外界大气的物理量交换特征，这个强迫场一般包括了温度和水汽的平流倾向以及垂直速度等，其质量直接影响模式结果。由于绝大多数物理参数化过程发生的时间尺度都小于一天，为了更好地解释模式的模拟过程与实际观测之间的误差，需要给模式提供更高精度的强迫场（Lord, 1982; Davies-Jones, 1993; Wang and Randall, 1996; Xie et al., 2004）。因此，如何充分有效地利用多来源观测资料，使各类资料之间协调的同时保持资料的观测特征，是当前观测资料使用，尤其是外场观测试验中的一项难点工作。

Waliser et al.（2002）验证了CVA 方法的有效性，发现该方法产生的大气分析数据的误差明显小于仅考虑质量守恒的传统客观分析法。Zhang et al.（2001a）和Xie et al.（2003, 2006a）发 现 由CVA 方法构建的数据分析系统对插值方式、输入数据类别和区域范围大小的敏感度较低，能够明显提高模式强迫场的准确度。迄今为止，CVA 方法在诸多相关研究领域产生了较多创新成果与进展，如将CVA 方法应用于分析中高纬度大陆、热带海洋和大陆的对流系统（Ghan et al., 2000; Schumacher et al., 2007; Xie et al., 2014; Tang et al., 2016），揭示热带混合重力Rossby 波与非绝热加热场的耦合结构（Wang and Zhang, 2015），评估云模式的云模拟能力（Zeng et al., 2007）、积云参数化方案（Xie et al., 2002; Luo et al., 2008）和再分析及模式预报资料（Xie et al., 2006b; Kennedy et al., 2011）等。特别地，CVA 方法被ARM 项目中心采用并不断发展成现今的多种观测资料变分客观分析业务系统（Zhang et al., 2016）。

以上众多研究已表明CVA 方法及其构建的数据在云—对流—降水过程分析、水汽和热量收支分析、资料和模式评估等方面具有明显的优势。然而，目前CVA 方法还没有在国内野外观测试验、云模式发展等类似研究中得到很好的应用。本文将针对基于CVA 方法构建的物理协调大气变分客观分析模型，以青藏高原那曲及其周边地区作为试验区，系统阐述该模型的理论框架和资料使用情况，随后应用该模型生成一套短期的那曲试验区热力—动力相协调的大气分析数据集，通过对模型及其生成的数据集进行对比评估和敏感性试验，以此检验物理协调大气变分客观分析模型的合理性和适用性。

2 理论基础

为了从有限的探空观测资料中获取垂直速度、平流倾向等大尺度强迫项，Zhang and Lin（1997）提出了一种应用于单个大气柱的约束变分客观分析方法（CVA）。不同于传统的客观分析方法只考虑质量收支平衡对气柱进行约束（O’ Brien, 1970;Yanai and Johnson, 1993; Lin and Johnson, 1996），CVA 方法还可对气柱进行热量、水汽和动量的收支约束（图1）。结合气柱上下边界的通量等观测数据，通过尽量小地调整区域内的探空状态量，从而保持大气柱的总质量、热量、水汽和动量的收支平衡。在数据处理的过程中，CVA 方法能够尽量利用观测的有效信息，同时充分考虑观测的误差和不确定性，尽量提高最终分析结果的信度。

图1 基于传统客观分析方法的物理概念模型（左）和基于约束变分客观分析方法的物理概念模型（右）Fig. 1 Physical conceptions based on a traditional objective analysis method with only mass constraint (left) and the constrained variational analysis(CVA) method (right)

CVA 方法的理论基础如下：已知大尺度大气场满足

3 观测资料

2014 年夏季，中国气象局、国家自然科学基金委和中国科学院共同启动了第三次青藏高原（简称高原）大气科学试验（TIPEX-III），很大程度上填补了高原地区缺少观测的空白（Zhao et al.,2018; 赵平等, 2018）。本文将基于CVA 方法构建的物理协调大气变分客观分析模型（以下简称模型）应用于高原，为充分利用高原地区的站点观测，模型选定了以那曲探空站为中心，半径为200 km 的圆柱形区域（图2），模型的评估试验时期选择TIPEX-III 的初始时期——2014 年8 月。为尽量充分利用探空、风廓线等高空观测资料，模型通常令构成气柱边界的分析点与高空观测站点重合，若后者不能直接构成分析点，也可通过设置插值半径影响其附近的分析点，从而使分析点上的物理量更接近于实际观测。由于试验区域内实际探空站数量有限，为减小进出气柱的通量计算误差，可适当人为补充分析点，从而构成气柱边界（如图2 中的红色星点）。根据模型对输入数据的需求，将输入变量分为调整变量（即探空观测变量）和约束变量（即地面和大气顶观测变量）。除了这些观测输入项，模型还需要背景场资料来对观测缺测进行插值处理，并结合站点观测插值得到分析点的数据。以下介绍模型的几种主要输入资料，站点分布见图2，变量信息见表1。

表1 2014 年8 月青藏高原那曲试验区物理协调大气变分客观分析模型的输入资料Table 1 Information of the input data for the physically consistent atmospheric variational objective analysis model during August 2014 in the Tibetan Plateau-Naqu analysis region

3.1 高空观测资料

模型所使用的高空观测资料为中国气象局气象探测中心提供的L 波段探空资料，资料具备较高的精度（奉超, 2007）。探空站通常每天进行两次放球观测，分别在08 时（北京时）和20 时，上升过程中探空气球每秒采集一组数据，因此L 波段探空资料具有非常高的垂直分辨率，被广泛应用于气象研究中（如杨湘婧等, 2011; 姜晓玲等, 2016; 梁智豪等, 2020）。青藏高原的探空站点稀少，主要分布在东部和南部地区（赵平等, 2018）。模型选取了那曲及其周边共四个探空站的观测资料，这四个探空站分别是那曲站、沱沱河站、拉萨站和林芝站，探空变量包括风向和风速、气压、温度、相对湿度，时间分辨率为12 小时。

思 莉 那是1991年，分别50年后，外公终于回到了三坊七巷。你外公这辈子最对不起的人，就是你的大奶奶茉莉！

3.2 地面自动站观测资料

本文中，模型输入的地面气象站观测资料为国家级和区域级的气象自动站资料，提供的变量有地面的降水量、风向和风速、气压、温度和相对湿度，时间分辨率为逐小时。在那曲试验区，共有国家级和区域级自动站121 个，经过质量控制之后，这121 个站都可以提供逐小时地面降水资料，但只有78 个站可提供逐小时地面风向、风速、气温、湿度等要素。

3.3 边界层综合观测资料

TIPEX-III 期间进行了边界层通量的综合观测试验（赵平等, 2018），观测量包括湍流通量、地面辐射、土壤热通量、二氧化碳通量等。在那曲试验区中，边界层综合观测站点有8 个，分别为安多、班戈、比如、嘉黎、林芝、那曲、纳木错和聂荣，观测时间分辨率为0.5 小时。在本文中，模型所用到的地面通量资料为边界层观测的感热通量和潜热通量。

3.4 CERES 卫星资料

云与地球辐射能量系统（Clouds and the Earth’s Radiant Energy System，CERES）作为美国国家航空航天局地球观测系统（NASA’s Earth Observing System, EOS）的重要组成部分（Wielicki et al.,1996），目前主要服务于EOS Terra、Aqua 和S-NPP三个卫星。利用卫星上搭载的观测仪器，检测从大气层顶端至地表的太阳辐射及地球和大气放出的热辐射。此外，CERES 还可以提供各类云参量的反演产品。本文模型使用的辐射资料来源于CERES SYN1deg 产品集，包括地面和大气顶的短波辐射和长波辐射，以及对流层低层、中低层、中高层和高层的云液态水含量，时间分辨率为1 小时，空间分辨率为1°×1°。

3.5 背景场资料

背景场资料主要是指各气压层的温、压、湿、风资料，通常为格点数据，它可以是模式资料，也可以是再分析资料。背景场资料可以弥补探空等实际观测缺测或观测密度稀疏造成的不足。本文中，模型构建的2014 年8 月大气分析数据集使用的背景场资料为欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）最新发布的ERA5 再分析资料（Hersbach et al., 2020）。该资料可以提供1950 年以来的再分析结果，包括地面和大气层顶的单层变量以及多层高空要素场变量，其中高空要素场共有37 层，从1000 hPa 至1 hPa。模型选用的变量包括各气压层的温度、湿度、风向和风速，时间分辨率为1 小时，空间分辨率为0.25°×0.25°。为更好地实现水平插值，背景场的空间范围比气柱分析区大，范围为（28.75°～34.25°N，89.00°～95.25°E）（图2）。

图2 2014 年8 月青藏高原那曲试验区的资料分布。“+”表示0.25°×0.25°的ERA5 背景场格点；“••”表示121 个地面气象自动站，其中只有78 个黄色站可提供除了降水以外的温、压、湿、风等其他常规地面要素的有效观测；“o”表示探空站；“×”表示1°×1°的CERES 格点；“◊”为边界层观测站点；“*”为人为选定的分析点（F0～F12），构成气柱边界和中心Fig. 2 Data network of the Tibetan Plateau-Naqu analysis region during August 2014. Symbols “+” represent the ERA5 background grid points with a spatial resolution of 0.25°×0.25°; “••” represent the 121 surface meteorological automatic stations in which the yellow ones denote only 78 stations that could give the measurements of other state variables besides precipitation; “o” represent the sounding stations; “×” represent the CERES (Clouds and the Earth’s Radiant Energy System) grid points with a spatial resolution of 1°×1°; “◊” represent the boundary-layer stations; and “*” represent the artificial analysis points (F0-F12) which form the air column boundary and the center of the Tibetan Plateau-Naqu analysis region during August 2014

4 模型数据

4.1 数据产品

模型输出的数据集是区域平均后的单层和多层变量，见表2。模型产生的一系列无法直接观测的重要物理量如垂直速度、散度、温度/水汽平流、视热源、视水汽汇等，是基于观测变量约束调整后的大气分析场进一步计算衍生的，因此可用来检验模式产品（Xie et al., 2003, 2006b），也可以作为强迫场驱动单柱模式或云模式（Xu et al., 2002; Xie et al., 2004），评估模式参数化方案（Xie et al.,2002），或应用于云—降水过程分析和大气动力、热力、水汽收支等大尺度的结构特征分析等（庞紫豪等, 2019; Zhang et al., 2021a, 2021b）。模型产生的2014 年8 月试验期数据集的时间分辨率为1 小时，垂直分辨率为25 hPa。

表2 物理协调大气变分客观分析模型输出的变量产品Table 2 Variables derived by the physically consistent atmospheric variational objective analysis model

4.2 数据评估

尽管模型是通过大气上下边界的观测变量来约束调整探空观测，从而获取物理协调的大气基本状态分析场，并以此计算出大尺度动力、热力物理诊断变量，但最终的分析场仍然无法完全避免由观测、计算、背景场带来的各种各样的误差，因此无法保证模型的分析结果就是大气的“真实场”，只能够理论上将模型结果看作为大气真实场的一种逼近。本文将通过对比模型、观测与ERA5 再分析资料的结果，来检验模型的准确度和合理性。由于模型生成的大尺度变量无法利用观测资料来直接评估，因此也可以通过检验模型结果与降水发展的吻合度，进一步评估模型及其数据集在青藏高原那曲试验区的合理性。

本文利用模型生成了2014 年8 月那曲试验区的大气分析数据集，通过对比模型变分客观分析前后的能量收支变化，检验模型产生的分析结果是否满足气柱能量收支的守恒。方程组（6）～（9）等号左右两边的差值（或称为剩余）越小，则表明大气柱的质量、水汽、热量和动量基本守恒。本文中，模型主要对气柱的质量、水汽和热量进行约束。图3 为模型输出的变分客观分析前后的气柱质量、水汽和热量的收支剩余。未进行约束调整时，气柱内质量、水汽和热量剩余的量级分别是101、10-1、100～101，经过约束调整后，对应的量级分别变为10-3、10-2、10-2，其中模型对质量的约束最为明显，因此，可以认为模型基本满足大气柱的质量、水汽和热量收支平衡。

在那曲试验区，模型中产生的地面状态量是自动站和探空资料融合调整的结果。图4a 对比了模型生成的地面气压和ERA5 再分析中的地面气压，可以发现，两种产品随时间的变化趋势大体一致，但模型的地面气压起伏更明显，如8 月上旬模型呈现出的地面气压波动较大，而ERA5 的结果比较平缓。此外，模型和ERA5 的气压大小具有明显的偏差，前者平均地面气压约为595.7 hPa，后者约为572.5 hPa，二者相差约23 hPa。统计2014 年8 月试验区内自动站和ERA5 的地面气压的频率分布，从图4b 可见，自动站的地面气压主要分布在560～670 hPa，分布范围较广，模型生成的地面气压平均值恰好落在该观测区间内。图4c 表明ERA5 的地面气压主要集中在530～610 hPa，其中550～580 hPa 出现频率最高，分布范围较窄。因此，ERA5 再分析资料提供的地面气压明显低于实际观测的，这种气压差异可能是因为产生ERA5 再分析资料的数值模式所使用的下垫面与青藏高原实际下垫面之间存在偏差而导致的。此外，模型产生的其他地面状态量，如地面风场、温度、湿度等与ERA5 再分析资料的结果相比（图略），二者随时间的变化趋势也基本一致，在强度上略有差异，但差异明显小于模型和ERA5 的地面气压差。生时，模型表现出更强的垂直上升运动，如8 月17 日，试验区内发生了最强的一次短时降水过程（降水率＞20 mm/d），模型刻画出了明显的上升运动，但ERA5 表现出来的上升运动并不明显；又如8 月20 日夜间至21 日白天，高原降水强，维持的时间较长，模型刻画出的上升运动远远大于ERA5 的结果，且降水达到峰值时，上升运动强度也几乎达到峰值，而ERA5 的上升运动峰值早于降水峰值出现。当降水减弱或没有时，模型则表现出更强的垂直下沉运动，如8 月13 日和17～18 日。相应地，与垂直速度场匹配的散度场也存在类似特征（图6c、d），当降水较强时，模型在400 hPa以下表现出较强的辐合运动，高层以辐散运动为主，而ERA5 低层的辐合相对较弱。由于模型数据和ERA5 再分析资料都不是大气的真实值，而是大气真实情况的近似，因此无法百分之百确定这两种方法得到的垂直速度场和散度场哪种更准确，但从与降水发展的联系来看，模型得到的大尺度动力诊断量对地面降水的敏感度更高，其强度变化也与强降水的发展过程更吻合。

图5 2014 年8 月青藏高原那曲试验区高空纬向风（左，单位：m/s）、经向风（右，单位：m/s）：（a、b）那曲探空站数据，观测时间分辨率为12 h，白色矩形条表示缺测；（c、d）物理协调大气变分客观分析模型输出数据，时间分辨率为1 h；（e、f）ERA5 再分析资料，时间分辨率为1 hFig. 5 Upper-level zonal wind (left column, units: m/s) and meridional wind (right column, units: m/s) in the Tibetan Plateau-Naqu analysis region during August 2014: (a, b) Naqu sounding station with 12-h temporal resolution, the white blanks represent missing data; (c, d) the physically consistent atmospheric variational objective analysis model with 1-h temporal resolution; (e, f) ERA5 reanalysis data with 1-h temporal resolution

图6 2014 年8 月13～22 日青藏高原那曲试验区高空（a、b）垂直速度（单位：hPa/h）和（c、d）散度（单位：10-5 s-1）。左边为物理协调大气变分客观分析模型输出结果，右边为ERA5 结果，黑色实线表示地面降水率（单位：mm/d）Fig. 6 Domain-averaged (a, b) vertical velocity (units: hPa/h) and (c, d) divergence (units: 10-5 s-1) derived from the physically consistent atmospheric variational objective analysis model (left column) and the ERA5 reanalysis (right column) the Tibetan Plateau-Naqu analysis region from 13 August to 22 August 2014. The black line represents the surface rainfall rate (units: mm/d)

4.3 数据分析

本文在初步评估了模型的性能后，利用模型生成的2014 年8 月那曲试验区大气分析数据集，分析该地区试验期对流降水过程的大气动力和热力的垂直结构。图7 表明那曲试验区在2014 年8 月的降水十分频繁，平均降水率为4.6 mm/d，最强降水发生在8 月11 日夜间，区域平均最大降水率达到30.9 mm/d。利用FY-2E 卫星的TBB 资料研究（图略）发现，试验期产生的降水基本是由西南季风气流移动过来的对流云系统造成。将区域平均后的降水强度小于1 mm/d 的过程视为无雨时期（也是多次降水过程之间的间歇期），大于5 mm/d 的视为强降水时期，介于二者之间的则为弱降水时期。统计发现，2014 年8 月在那曲试验区，这三种强度的降水发生频率依次为14.8%、35.8%和49.4%，即试验期间发生降水的频率多达85.2%，因此这段时间也是研究青藏高原那曲地区夏季降水及其大气结构特征的典型时期。需要说明的是，本文将降水强度小于1 mm/d 的时期定为无雨时期，这是由于2014 年8 月试验区的降水十分频繁，区域平均后的降水强度小于1 mm/d 的时次很少，出现频率很低，在这些时次，也只有少数个别站点观测到少量降水，同时高空也没有明显的云系统，因此可近似视为此时试验区内没有降水发生。

图7 2014 年8 月青藏高原那曲试验区区域平均地面降水率（单位：mm/d）的时间序列Fig. 7 Time series of the domain-averaged surface rainfall rate (units:mm/d) in the Tibetan Plateau-Naqu analysis region during August 2014

图8 是模型得到的那曲试验区2014 年8 月不同降水强度的垂直速度廓线。从整个8 月的平均结果来看，该时期那曲试验区整层大气以上升运动为主，上升运动主体位于200～500 hPa。在强降水时期，试验区内上升运动最为显著，强中心（～0.028 m/s）位于300 hPa 附近。弱降水时期整层大气上升运动远弱于强降水时期的上升运动，强度基本小于0.006 m/s，且没有明显的强中心。与降水时期相反，无雨时期试验区整层大气均为下沉运动，并在300 hPa 附近达到最强。值得注意的是，强降水时期和无雨时期的垂直运动大致呈现对称分布的垂直结构，即那曲试验区在2014 年8 月的上升运动和下沉运动的强度相当。该时期的降水是由西南季风触发的对流系统爬上青藏高原发展造成的，处于降水间歇期的无雨时期大多处于上一个对流系统离开、下一个对流系统将到的状态，因此无雨时期的下沉气流很有可能是积云外补偿性下沉气流。

由于青藏高原特殊的地理位置，其冷暖平流比较明显。那曲试验区的大气在400 hPa 之下以水平暖平流为主，400 hPa 之上以水平冷平流为主（图9a），这主要是因为降水导致试验区的气温低于周边区域的气温，对流层低层西南风和气流辐合形成低层暖平流，同时对流层高层辐散卷出气柱内的冷空气，形成高层冷平流（姜晓玲, 2016）。三种强度的降水过程皆存在这种低层暖平流、高层冷平流的垂直配置。无雨时期低层的水平暖平流最弱最浅薄，仅出现在500 hPa 以下，500 hPa 以上则为冷平流，且在450 hPa 和125 hPa 附近存在两个冷平流中心。降水时期（包括强、弱降水）在低层500～550 hPa存在暖平流中心，在高层125～150 hPa 存在冷平流中心。降水越强，低层水平暖平流就越强。热量的垂直平流（图9b）则与大气上升/下沉运动（图8）的绝热冷却/增温密切相关，降水（无雨）时期整层大气为垂直冷（暖）平流主导，同样地，降水越强，垂直冷平流越强。与垂直速度相似，三种强度降水的冷暖中心都位于350～400 hPa。

图8 2014 年8 月青藏高原那曲试验区不同降水强度的垂直速度廓线（单位：m/s，正值表示上升运动）。黑色实线表示8 月的平均结果，虚线表示强降水时期（＞5 mm/d）的平均结果，点线表示弱降水时期（1～5 mm/d）的平均结果，点虚线表示无雨时期（＜1 mm/d）的平均结果Fig. 8 Profiles of vertical velocity (units: m/s, positive values mean upward motion) for monthly average (solid line), strong rainfall (＞5 mm/d, dashed line), weak rainfall (1-5 mm/d, dotted line), and no rainfall (＜1 mm/d, dash-dotted line) in the Tibetan Plateau-Naqu analysis region during August 2014

对于水汽平流而言，降水时期，试验区内低层550 hPa 以下存在较弱的水平湿平流，但对流层整层以水平干平流为主（图9c），强降水和弱降水时期的干平流强度相当，强中心同样位于350～400 hPa；无雨时期除了450～550 hPa 存在水平干平流外，其余层次为水平湿平流，其中又以300～400 hPa 和近地面的湿平流表现得最强，这为接下来的降水过程提供了较充足的水汽。试验区内水汽垂直平流的强度远远大于水平平流，但不同于水平平流在降水时期（无雨时期）以干（湿）平流为主，垂直平流在降水时期（无雨时期）则以湿（干）平流为主。此外，垂直干/湿平流的强中心位于400 hPa附近，只略低于水平干/湿平流的强中心。由此可推测，水平方向水汽平流的变化极有可能是由于水汽强烈的垂直输送造成的，这是因为降水时期强烈的上升运动导致了同高度的水汽被大量向上输送消耗，从而造成较强的水平干平流。

图9 2014 年8 月青藏高原那曲试验区不同降水强度的平流廓线：（a）水平热量（单位：K/h）；（b）垂直热量（单位：K/h）；（c）水平水汽（单位：g kg-1 h-1）；（d）垂直水汽（单位：g kg-1 h-1）。黑色实线表示8 月平均的结果，虚线表示强降水时期（＞5 mm/d）的结果，点线表示弱降水时期（1～5 mm/d）的结果，点虚线表示无雨时期（＜1 mm/d）的结果Fig. 9 Advection profiles of (a) horizontal heat (units: K/h), (b) vertical heat (units: K/h), (c) horizontal moisture (units: g kg-1 h-1), and (d) vertical moisture (units: g kg-1 h-1) for monthly average (solid line), strong rainfall (＞5 mm/d, dashed line), weak rainfall (1-5 mm/d, dotted line), and no rainfall (＜1 mm/d, dash-dotted line) in the Tibetan Plateau-Naqu analysis region during August 2014

总体而言，热量/水汽的水平平流在不同强度降水过程中差异不大，但垂直平流的差异明显，这主要和垂直运动的强度有关。热量和水汽平流输送的强中心位置与垂直运动强中心的位置基本一致，再次表明大气垂直运动对热量和水汽的垂直结构十分重要，同时也表明了350～400 hPa 高度层是该时期那曲试验区重要的动力、热量和水汽输送中心。

视热源Q1和视水汽汇Q2则可以用来描述大气热量和水汽的收支情况，同时反映大气中水汽凝结潜热、辐射加热和垂直湍流输送对大气非绝热加热的影响，对分析积云对流的发展也有重要的参考价值（Yanai et al., 1973; Ogura and Cho, 1973）。根据Yanai et al.（1973），Q1和Q2的定义如下：

图10 为模型生成的不同降水强度对应的Q1和Q2的垂直结构。从8 月的平均情况来看，试验区在450 hPa 以下为冷源，以上为热源（图10a），低层冷源中心位于500～550 hPa，高层热源中心则分别位于350 hPa 和125 hPa 附近。降水时期的Q1在低层表现为冷源，一方面是由于降水的发生导致地面温度降低，通过辐射冷却使得近地面大气成为冷源，另一方面雨滴的蒸发也有利于低层大气冷源的形成。强降水时期的低层冷源和高层热源均强于弱降水时期，但无雨时期的大气加热垂直结构则几乎相反，在425 hPa 以下和150 hPa 以上为热源，其余高度层为冷源，这主要是与高原地面强感热、高层太阳短波辐射加热和中层大气强辐射冷却有关。

图10b 表明强降水时期整层大气均为水汽汇，强中心位于400 hPa 附近。由于净水汽凝结潜热是Q1和Q2的共同项，因此Q2的表现间接反映水汽凝结潜热释放对大气加热的影响。对于强、弱降水而言，水汽汇的强中心略低于热源的中层（350 hPa附近）强中心，二者的强中心与上升运动的强中心（图8）相近，反映了Q1的中层强加热中心与对流上升运动和水汽的凝结潜热密切相关。而试验区高层（200 hPa 以上）的Q2基本为0，说明该高度几乎没有水汽的变化，但却存在明显的大气加热（图10a），因此高层的热源与水汽凝结潜热的关系不大。庞紫豪（2018）指出，2014 年夏季高原存在较多的高云。因此，高层的强热源可能是由于强的上升气流将水汽和中层凝结的水滴继续往上输送，在高层水汽凝华或过冷水凝结成冰晶云而造成的潜热加热（庞紫豪等, 2019）。另一方面，那曲试验区夏季大气顶部的太阳辐射加热很强（图略），这也有利于高层热源的形成。无雨时期，低层550 hPa以下为弱水汽汇，550 hPa 以上则为强水汽源，又以400～500 hPa 的水汽源最强，这可能与夏季那曲试验区中高云的蒸发有关（姜晓玲, 2016）。

图10 2014 年8 月青藏高原那曲试验区不同降水强度的（a）视热源Q1（单位：K/h）和（b）视水汽汇Q2（单位：K/h）的廓线。黑色实线表示8 月平均的结果，虚线表示强降水时期（＞5 mm/d）的结果，点线表示弱降水时期（1～5 mm/d）的结果，点虚线表示无雨时期（＜1 mm/d）的结果Fig. 10 Profiles of (a) apparent heat source Q1 (units: K/h) and (b) apparent moisture sink Q2 (units: K/h) for monthly average (solid line), strong rainfall (＞5 mm/d, dashed line), weak rainfall (1-5 mm/d, dotted line), and no rainfall (＜1 mm/d, dash-dotted line) in the Tibetan Plateau-Naqu analysis region during August 2014

5 不同数据源的敏感性试验

基于CVA 方法构建的物理协调大气变分客观分析模型需要多种观测资料，各种观测资料对大气分析场的重要性不同。为了检验模型的稳定性，以下探讨不同来源资料对模型产生的大气分析场的影响。其中，探空资料作为模型中的被调整场，在各种观测资料中最为重要；地面降水不仅能够用来约束探空变量，同时作为对流活动的产物，其对大气分析场也十分重要；而地面、大气顶的热通量则是保障气柱能量收支守恒的重要约束。因此，本文将输入资料分为探空、降水及上下边界热通量来探讨不同类型、不同来源的资料对模型产生大气客观分析场的影响。具体试验设置如表3，试验时间同样为2014 年8 月，试验区域也是青藏高原那曲试验区。其中，E0 组试验的模型输入的所有资料均来源于ECMWF 的ERA-Interim 再分析资料，时间分辨率为逐6 h，空间分辨率为0.25°×0.25°。在该试验中，将ERA-Interim 的高空变量分成两部分，一部分用作模型背景场，另一部分插值到探空站点构成“虚拟探空”（图11）。E1 为探讨L 波段探空观测资料对模型贡献的敏感性试验组，其对照组为E0。E2、E3 为探讨降水观测资料对模型贡献的敏感性试验组，前者的降水资料来源于那曲试验区的地面自动站逐小时观测，后者来源于中国地面观测与CMORPH（Climate Prediction Center (CPC)MORPHing technique）卫星观测融合的逐小时降水产品（V1.0）（Xie and Xiong, 2011）。CMORPH融合降水资料为网格点资料，空间分辨率为0.1°×0.1°，融合了地面自动站和卫星两个来源的降水数据，前者为逐小时观测数据，后者来自于美国环境预测中心开发的实时卫星反演CMORPH 降水产品，空间分辨率为8 km，时间分辨率为30 分钟。E2 和E3 两组互为对照，且与E1 对比，从而评估模型分别输入不同来源降水资料后的表现。E4 主要探讨模型上下边界通量观测资料对模型结果的贡献，其对照组为E0 和E2。实际上，E4 试验中模型的输入资料与本文第4 章模型评估试验的差别只在于背景场资料的选择，E4 背景场为ERAInterim 再分析资料，模型评估试验的背景场为ERA5 再分析资料。但尽管模型使用了不同的背景场，使用ERA5 和ERA-Interim 后获取的基本分析量和大尺度变量结果相似度很高。

图11 物理协调大气变分客观分析模型仅输入ERA-Interim 再分析资料时青藏高原那曲试验区资料点分布。“*”表示由人为补充站构成的分析点，“o”表示探空站，“+”表示背景场格点Fig. 11 Data network of the physically consistent atmospheric variational objective analysis model, with only inputs from the ERAInterim reanalysis data. “*” represents artificial analysis points, “o”represents fictitious sounding stations, and “+” represents background grid points

表3 输入物理协调大气变分客观分析模型的不同来源资料的敏感性试验Table 3 Sensitivity tests to examine the effect of different sources of the input data on the physically consistent atmospheric variational objective analysis model

5.1 探空资料的影响

为检验E0 试验中模型只输入ERA-Interim 再分析资料后所得分析场的合理性，简单考察E0 试验是否满足气柱的能量守恒（图略）。E0 试验进行变分客观分析前，气柱内的质量、水汽和热量剩余量级都为100，而经模型变分客观分析后，气柱内的质量、水汽和热量剩余均有明显减小，其中质量约束效果最为明显，剩余量级为10-3，热量次之，水汽的改变相对其他二者较小，但相比约束前也减小了一个量级。因此，可以认为，尽管模型输入的都是再分析资料，但经CVA 方法约束调整后，气柱内质量、水汽和热量仍然满足收支平衡。

E0 试验输入的探空资料为ERA-Interim 再分析资料插值到探空站点形成的“虚拟探空”（图11），E1 试验输入的则是实际的探空观测资料，在对比E0 和E1 试验的分析结果之前，本文首先对那曲站的探空观测资料及该站点对应的ERA-Interim 再分析资料进行了比较（图略），结果表明，两种资料在相对湿度场上存在明显差异，但风场和温度场的差异较小。ERA-Interim 再分析资料显示，2014 年8 月那曲试验区上空整层大气相对湿度高，甚至可以达到100%，而探空观测则表明该区域大气湿度只在250 hPa 以下较高，250 hPa 以上的大气相对湿度在50%以下，远远不及再分析资料的结果。这种高层的湿度差异在8 月中上旬尤为明显，相差达50%以上。这种明显的湿度差异，一方面可能是因为在高层低温情况下湿度传感器性能下降所导致，另一方面也有可能是因为模式的偏差，目前具体原因尚不清楚。

对比E0 和E1，分析模型输入L 波段探空观测前后所生成的大气基本状态场的变化。图12 为那曲试验区2014 年8 月平均的风、温、湿垂直廓线，在使用实际探空观测后，发现E1 的纬向风在150～450 hPa 有所增强，增幅小于1 m/s，总体而言，两组试验的纬向风十分相似。E0 和E1 的经向风在300 hPa 以下的差异较大。E1 试验改为使用实际探空资料后，在450～550 hPa 的经向风减弱，减小约1 m/s，在325～450 hPa 的经向风加强，增幅约0.5 m/s。而在200 hPa 以上，E0 和E1 的经向风相差不大。与风场相比，E1 试验输入实际探空后，其温度场与E0 大致相同，其湿度场在低层则稍弱于E0。这些结果表明，模型输入实际探空资料与否，对其大气分析场中的温、湿场影响不大，但对风场、尤其是中低层经向风场的影响较为明显。

图12 E0 试验（蓝色点线）和E1 试验（绿色虚线）所得的2014 年8 月青藏高原那曲试验区平均的（a）纬向风（u, 单位：m/s）、（b）经向风（v, 单位：m/s）、（c）温度（T, 单位：°C）、（d）水汽混合比（q, 单位：g/kg）Fig. 12 Profiles of the (a) zonal wind (u, units: m/s), (b) meridional wind (v, units: m/s), (c) temperature (T, units: °C), and (d) water vapor mixing ratio (q, units: g/kg) averaged in the Tibetan Plateau-Naqu analysis region during August 2014, produced by two sensitivity tests E0 (dotted blue line)and E1 (dashed green line)

图13 为E0 和E1 生成的垂直速度场，可以看到，探空观测的使用对于垂直速度场的影响主要体现在强度上。E0 和E1 两组试验得到的垂直速度随时间和随降水强度的发展很相似，但E1 模型输入L 波段探空观测后，在试验区降水期间，上升运动有所增强，例如8 月25 日夜间，E0 呈现的上升运动较弱，而E1 呈现的上升运动较明显。值得注意的是，E0 和E1 模型表现出来的上升运动峰值与降水峰值出现的时间并未完全对应，即强上升运动不是出现在最强降水的时刻，例如在20～22 日的降水过程中，强上升运动出现在降水减弱的阶段，存在滞后的现象。

图13 （a）E0 试验和（b）E1 试验分析所得的2014 年8 月青藏高原那曲试验区平均的垂直速度（彩色阴影，单位：hPa/h）、地面观测降水演变（黑色实线）Fig. 13 Domain-averaged vertical velocity (color shadings, units: hPa/h) and surface rainfall rate (black line) in the Tibetan Plateau-Naqu analysis region during August 2014, produced by two sensitivity tests (a) E0 and (b) E1

5.2 降水资料的影响

在分析降水资料对模型的影响之前，首先比较三种降水资料（即ERA-Interim 再分析资料、地面自动站观测资料、CMORPH 融合降水资料）。图14为三种降水资料得到的区域平均降水强度的时间序列，可以看出，三种资料在降水事件的捕捉上较一致，均能较好地反映试验区2014 年8 月的数次降水过程，且自动站观测降水和CMORPH 融合降水随时间的演变特征更相似。但各个资料间降水强度有所差别，与地面自动站观测相比，ERA-Interim再分析资料在降水时间和强度上存在不足，而CMORPH 资料的降水发生时间和地面观测较为吻合，但降水强度总体偏弱。对比8 月12 日00 时（协调世界时，下同）至16 日18 时的6 小时累积降水量分布图（图略）发现，与地面降水观测资料相比，对于12 日00 时至12 时的一次降水过程，ERA-Interim 再分析降水的维持时间更短，而13日12 时开始发展的雨带在再分析资料中表现为一次雨团，且该降水过程的两次生消过程也并未得到较好的反映。CMORPH 融合降水资料与地面自动站观测所反映的结果则十分相似，这是因为CMORPH 降水资料融合了地面和卫星两个来源的降水数据，同时受卫星反演资料的影响，该数据所反映的降水具有云团或云带特征。CMORPH 融合降水资料具备很高的空间分辨率，极大地弥补了高原地区自动站水平分布不均匀的缺陷，但另一方面，在自动站分布稀疏的地方，该种资料更大程度上依靠卫星资料的反演，资料的可靠性存在一定的不足。总体而言，三种资料各有利弊：地面自动站资料为直接观测资料，但高原上自动站分布极不均匀，在试验区域北部自动站稀疏；ERA-Interim 再分析降水资料和CMORPH 融合降水资料为格点资料，其中CMORPH 融合降水资料具备极高的空间分辨率，且因为融合了地面观测资料，与自动站所观测的降水分布较一致，但该资料在自动站分布稀疏的区域依赖于卫星反演资料，降水强度较弱，而ERAInterim 再分析资料与自动站观测所反映的降水特征相比相差较大。

图14 2014 年8 月青藏高原那曲试验区平均的降水率（单位：mm/d）。绿色点线：ERA-Interim 再分析资料；蓝色虚线：CMORPH 融合降水资料；黑色实线：地面自动站观测资料Fig. 14 Time series of the domain-averaged surface rainfall rate (units: mm/d) from ERA-Interim reanalysis (green dotted line), CMORPH fusion precipitation data (blue dashed line), and surface automatic stations (black solid line) in the Tibetan Plateau-Naqu analysis region during August 2014

E2、E3 模型在输入L 波段探空资料的基础上，进一步增加实际观测的降水资料，并与E1 作对比，以此评估降水资料对模型分析场的影响。图15 展示了模型输入自动站观测（E2）、CMORPH 降水资料（E3）后的分析场与输入ERA-Interim 再分析降水资料（E1）后的分析场的差别，可以看出，模型无论是输入地面自动站观测还是CMORPH 融合的降水资料，都与输入ERA-Interim 再分析降水资料后得到的高空大气基本状态场的差异很小，在不同层次，风场、温度场和水汽场的变化均在±0.1个单位以内。因此，变换这三种降水资料，对模型造成的影响很小，一方面是因为CMORPH 融合降水资料和ERA-Interim 再分析降水资料都能较好地反映2014 年8 月那曲试验区的降水特征——尽管降水强度和发生时间的差异导致了图15 的模型间的细微差别；另一方面，也进一步说明物理协调大气变分客观分析模型是一套稳定的分析系统。

图15 2014 年8 月青藏高原那曲试验区平均的E2 试验、E3 试验分析结果与E1 试验所获得分析结果的差异：（a）纬向风（单位：m/s）；（b）经向风（单位：m/s）；（c）温度（单位：°C）；（d）水汽混合比（单位：g/kg）Fig. 15 Differences of the (a) zonal wind (units: m/s), (b) meridional wind (units: m/s), (c) temperature (units: °C), and (d) water vapor mixing ratio(units: g/kg) between test E2 and test E1, between test E3 and test E1 averaged in the Tibetan Plateau-Naqu analysis region during August 2014

虽然E2 和E3 模型在输入不同降水资料后，所生成的大气基本场差异较小，但在垂直速度的对比中存在较大的差异。图16a 和16b 分别为E2 和E3 模型生成的2014 年8 月那曲区域平均的垂直速度。可以看到，相比E1 模型（输入的是ERA-Interim再分析降水资料）生成的几乎以上升运动主导的垂直速度场（图13b），E2 和E3 模型的上升运动均有所减弱，尤其是E3 模型输入了CMORPH 融合降水资料后，上升运动大幅度减弱，在14～17 日、20～22 日的两次持续性强降水过程中（图16c），这种减弱表现得尤为明显。这与CMORPH 融合降水资料提供的降水强度偏弱有关。在这两次降水过程中，E2 和E3 的上升运动强中心都出现在350 hPa 附近（图16c），但E2 模型显示两次强降水过程的最强上升运动在6.0 hPa/h 左右，而E3 模型的最强上升运动则约为3.5 hPa/h。另外，在降水间歇期，E2 和E3 的下沉运动有所增强。总的来看，模型输入地面自动站降水资料后，所获得的垂直上升运动比输入CMORPH 融合降水资料表现好，尽管强度比没有输入实际观测降水资料（图13）的弱，但其上升运动峰值出现的时间与降水峰值出现的时间更吻合。

图16 2014 年8 月青藏高原那曲试验区平均的（a）E2 试验输入L 波段探空和自动站观测降水资料以及（b）E3 试验输入L 波段探空和CMORPH 融合降水资料后的高空垂直速度（彩色阴影，单位：hPa/h）、地面降水强度演变（黑色实线）。（c）2014 年8 月14～17 日、20～22 日青藏高原那曲试验区模型输入不同降水资料后平均的垂直速度廓线Fig. 16 Domain-averaged vertical velocity (color shadings, units: hPa/h) and surface rainfall rate (black line) in the Tibetan Plateau-Naqu analysis region during August 2014, produced by two sensitivity tests (a) E2 and (b) E3. (c) Profiles of the vertical velocity (units: hPa/h) from E2 and E3 averaged in the Tibetan Plateau-Naqu analysis region from 14 to 17 August 2014 and from 20 to 22August 2014

地面降水作为模型重要的约束项，还直接影响变分客观分析后的水平温度平流和水汽平流，因此本文还对比了E1、E2 和E3 三组试验获得的温度平流和水汽平流的结果，以此进一步检验ERAInterim 再分析、自动站观测和CMORPH 融合降水资料对模型结果的影响。结果（图略）表明，模型输入三种不同的降水资料后，生成的平流项在垂直结构与时间演变上比较相似，且E2 和E3 呈现的结果最为接近，这种相似性与三种降水资料在试验期区域平均后随时间变化基本一致（图14）的表现有关。但在显著降水期间，无论是低层的暖平流还是高层的冷平流，都表现为E1 的结果略强于E2 和E3 的结果；而对于水汽平流，E1 与E2、E3的差异又更大一些，不仅体现在水汽平流的垂直分布上，也体现在水汽平流强度和及其强中心出现的时间上。这种平流强度上的差异主要与三种降水资料的强度差异有关。但总体而言，三组试验生成的水平平流项相似度高，最重要的区别体现在强度量级上。Zhang et al.（2001a）和Xie et al.（2006a）都曾表明，CVA 方法生成的大气分析数据集对原始输入数据来源的敏感性较低，不同来源的数据主要影响最终诊断变量的强度大小，对其垂直结构的影响比较低。

5.3 上下边界通量资料的影响

模型利用地面的潜热、感热和辐射通量以及大气顶部的辐射通量来约束大气柱的能量，使之基本满足收支平衡。为检验改变这些大气上下边界通量资料的输入后对模型最终结果的影响，本文将E2试验组的ERA-Interim 再分析热通量资料替换为试验区边界层观测的潜热/感热通量和CERES 观测订正后的辐射通量资料，得到E4 试验组结果。其中ERA-Interim 再分析资料热通量和观测热通量的对比见图17。从图中可见，ERA-Interim 再分析结果与观测结果在试验期内随时间的变化趋势几乎一致，但在强度上存在偏差，尤其是地面潜热通量。图17a、b 表明，边界层观测和再分析的潜热/感热通量一般都会在午后至晚上出现极大值，其中边界层观测的潜热通量极大值明显大于再分析的极大值，但这种强度差异在感热通量上则有所减弱。此外，边界层观测结果偶尔会在夜间出现负值，但再分析结果却不会出现这种情况，表明实际观测的表现存在不稳定性，仍需要进一步的质量控制。对于地面和大气顶的辐射通量，ERA-Interim 再分析结果和卫星遥感观测订正后的结果则十分接近（图17c、d）。

图17 2014 年8 月青藏高原那曲试验区平均的（a）地面潜热通量、（b）地面感热通量、（c）地面净向上辐射通量、（d）大气顶净向下辐射通量。图a、b 中，实线表示边界层综合观测结果（8 月30 日后存在缺测）；图c、d 中，实线表示CERES 卫星观测订正后的结果。虚线表示ERA-Interim 再分析结果Fig. 17 Time series of the domain-averaged (a) surface latent heat flux, (b) surface sensible heat flux, (c) surface net upward radiative flux, (d) top-ofatmosphere (TOA) net downward radiative flux in the Tibetan Plateau-Naqu analysis region during August 2014. In Figs. a and b, the solid lines mean observation from the boundary-layer station; in Figs. c and d, the solid lines mean CERES (Clouds and the Earth’s Radiant Energy System)-produced results. The dashed lines mean ERA-Interim reanalysis

图18 对比了E0（不使用任何实际观测）、E2（输入L 波段探空和地面自动站观测降水）和E4（输入L 波段探空、地面自动站观测降水和上下边界通量观测资料）三组试验获得的平均风、温、湿廓线，同样发现上下边界资料对于高空大气基本状态场的影响很小，但对经向风的影响较大。图18b表明，200～550 hPa，E4 试验生成的经向风略强于E2 试验的结果（增幅约0.3 m/s），在200 hPa以上的更高层，E2 试验和E4 试验的经向风几乎一样。从E0、E2、E4 三个敏感性试验的对比来看，风场及温、湿场并未发生很大变化，再次说明模型具有较高的稳定性。但在垂直速度上，E4 试验结果与E0、E2 试验的结果相比，除保持了在显著降水过程中的强上升运动外，在弱/无降水时期，表现出更为明显的下沉运动（图略）。

图18 2014 年8 月青藏高原那曲试验区平均的E0 试验、E2 试验、E4 试验分析所得的（a）纬向风（单位：m/s）、（b）经向风（单位：m/s）、（c）温度（单位：°C）、（d）水汽混合比（单位：g/kg）Fig. 18 Profiles of the (a) zonal wind (units: m/s), (b) meridional wind (units: m/s), (c) temperature (units: °C), and (d) water vapor mixing ratio(units: g/kg) averaged in the Tibetan Plateau-Naqu analysis region during August 2014, produced by three sensitivity tests E0, E2, and E4

综上所述，不同的资料输入来源对模型生成的大气基本状态场和大尺度衍生场（以垂直速度为例）的影响有区别。探空资料对模型产生的高空风场、温度场和湿度场的影响大，且对经向风场的影响最大，但这种影响通常在1 m/s 以内。降水资料和上下边界通量资料对于模型分析出的高空风场、温度场和湿度场影响较小，但对于垂直速度的影响较大，其中，降水资料主要影响上升运动，尤其是降水时期的上升运动，并使得强上升运动出现的时间与强降水的发生时间更吻合好，而上下边界通量资料主要影响弱/无降水时期的下沉运动，使之强度更大。

6 总结与讨论

本文介绍了基于Zhang and Lin（1997）提出的约束变分客观分析方法（CVA）构建的物理协调大气变分客观分析模型（简称模型），该模型通过使用地面降水、大气上下边界的通量资料来约束调整探空观测的风场、温度场和湿度场，从而保持气柱内的质量、热量、水汽和动量收支平衡，最终生成一套热力—动力协调的大气分析数据集。为评估模型的性能，本文利用第三次青藏高原大气科学试验（TIPEX-III）2014 年8 月期间那曲及其周边地区的多源数据进行试验，发现该模型可以融合多来源不同时空分辨率的观测资料，对数据处理具有很好的优势。模型构建的大气分析数据集以观测资料为基础，弥补了实际观测中的缺测数据，实现了数据产品的连续性，其中生成的大气常规变量保留了观测的特征，衍生的如垂直速度、散度等大尺度诊断变量的变化特征也与降水的发展基本吻合，因此模型生成的数据集对于分析云—降水过程大气的动力、热力和水汽的结构特征具有较好的合理性。针对不同来源输入资料的敏感性试验表明，模型具有较高的稳定性，其中探空资料对模型的影响最大，主要影响模型调整的风场；地面降水和上下边界通量资料主要影响模型生成的大尺度诊断变量（如垂直速度），但这些影响的量级都相对较小。

青藏高原那曲试验区在2014 年8 月降水频繁，利用模型生成的大气分析数据集对该时期的夏季降水大气结构特征进行分析，发现强烈的上升和下沉运动均发生在350～400 hPa。降水发生时，400 hPa以下为水平暖平流，以上为水平冷平流，暖、冷平流中心分别位于500～550 hPa 和125～150 hPa。水汽集中在200 hPa 以下，降水时期以水平干平流为主，无雨时期以水平湿平流为主，二者强中心位于350～400 hPa。垂直运动对热量和水汽垂直平流的结构影响很大，降水时期以垂直冷平流和湿平流为主，无雨时期相反，其强中心与垂直速度的强中心一致。大气热源中心位于350 hPa 和125 hPa 附近，降水过程中水分相变的凝结潜热释放是大气加热的主要贡献者。总的来说，350～400 hPa 高度层是该时期那曲试验区重要的动力、热量和水汽变化中心。

模型对外场观测试验中的多来源数据融合具有积极作用，具有较强的可用性。由于大气分析数据集的产生依赖于大量的观测资料，模型尤其适用于观测资料丰富的地区，具备较高的可移植性。本文在青藏高原那曲地区的试验中，探空观测时空分辨率不足，地面通量没有长期的观测资料，这些很大程度上限制了大气分析数据集的数据质量。随着近年高原外场观测试验的不断开展，观测站点的不断布局和建立，观测网络逐渐健全，对实现在高原上构建多个气柱、由点及面形成对整体高原大气热动力作用的深入研究十分有帮助，同时也存在较大的挑战，例如，构建模型利用的CVA 方法在计算过程中忽略了云中的冰相过程，是一个暖云方案，而青藏高原高层云中以冰相为主，因此模型对高原高层大气的刻画仍存在缺陷，需要更进一步的完善。此外，模型基于观测产生的大尺度分析数据，可以作为强迫场输入到云模式中，驱动云模式分析评估云—降水过程的模拟能力，也可用作观测的逼近值来评估模式的参数化方案和再分析及模式预报能力（Xie et al., 2002, 2003, 2006b; Zeng et al., 2007; Luo et al., 2008）。