基于GNSS反演水汽含量的NWP模型短期降水预报方法

《Advances in Space Research》：A Short-Term Precipitation Forecasting Method of NWP Model Assisted by GNSS-Derived PWV

　　

• •
  利用GNSS获取的PWV数据对GFS的PWV数据进行校准，从而生成连续的水汽场。
• •
  采用自适应混合分层方法优化WRF模型的垂直层结构。
• •
  将经过校准的PWV数据与HSM方法结合使用，可提升WRF模型的降水预报精度。

引言

数值天气预报可以通过基于特定初始条件的物理方程组，定量且客观地预测气象参数（Palmer，2017）。然而，由于初始背景场存在误差以及大气物理过程描述不够完善，提升数值天气预报模型的预报精度依然面临挑战（Guo等人，2024）。先前的研究表明，提升数值天气预报模型中大气水汽初始场的质量，对于优化模型的整体性能具有重要意义（Moya-álvarez等人，2018；Wang等人，2022）。大气水汽在时间和空间上的突变，以及降水条件下水汽的快速积累，都是导致极端降水事件发生的重要因素（Liu等人，2020）。此外，水汽快速且复杂的时空变化，也是数值天气预报模型短期降水预报精度较低的主要原因之一（Flamant等人，2021）。

近几十年来，科学界为准确描述大气中的PWV值付出了大量努力，由此发展出了多种有效的技术（Schneider等人，2010）。传统的水汽观测方法，如无线电探空仪（Gong等人，2020）、微波辐射计（Tan等人，2022）以及遥感卫星（Vaquero-Martínez等人，2021），虽然能够提供水汽信息，但受限于较低的时空分辨率和较高的成本（Sohn等人，2012）。此外，将雷达获取的水汽数据纳入预报过程（Kay等人，2022），或者充分利用雷达观测数据（Do等人，2022；Do等人，2023），能够显著提升对对流性天气的短期预报能力。不过，雷达数据的同化处理面临着数据量庞大、数据处理复杂的难题（Sokol等人，2021）。随着GNSS气象学的发展，基于GNSS的水汽探测技术逐渐成为获取高精度大气水汽信息的重要手段（Huang等人，2021），这对于研究中尺度强对流天气以及提升短期天气预报精度具有非常重要的意义（Chen等人，2015）。因此，将GNSS获取的PWV数据纳入预报过程，逐渐成为一种有效的方法，可用于降低数值天气预报模型中初始水汽场的误差（Risanto等人，2019）。关于如何通过GNSS获取的对流层产品提升降水预报能力，Kuo等人（1993）首次证实，将GNSS获取的PWV数据纳入预报过程，能够显著提高强降水事件的预报精度。Risanto等人（2021）利用墨西哥西北部18个GNSS站点的数据进行同化处理，发现这有助于提升降水发生时机的预报精度。Gong等人（2023）则利用中国南方213个GNSS站点的数据，为该地区的降水预报提供了检测概率和威胁等级评估。Zheng等人（2025）则研究了不同时间分辨率的GNSS对流层产品，发现快速更新的水汽信息能够显著提升短期降水预报的精度。这些研究表明，直接将基于站点的GNSS获取的PWV数据纳入预报过程确实能够提升降水预报能力，但这种方法忽略了大气水汽在水平方向的时空连续性，也尚未充分探索GNSS获取的PWV数据在数值天气预报模型中的更多应用可能性。

在提升数值天气预报模型初始垂直分辨率方面，Khansalari等人（2021）通过垂直分辨率敏感性实验表明，合理的垂直分层结构对于提升降水预报精度至关重要。Yin等人（2018）在WRF模型中增加了850 hPa以下以及200 hPa以上的垂直层数量，从而更准确地模拟了中国南部温暖地区的强降水现象。Wu等人（2019）通过采用不同垂直分辨率的初始化方案来模拟台风“凯达克”，结果发现高分辨率模型能够更准确地反映台风的强度。Shao等人（2020）则在美国大陆冬季的短期降水预报中采用了更高分辨率的垂直结构，取得了相对较好的预报效果。这些研究都表明，优化数值天气预报模型的垂直分辨率和分层结构，有助于提升降水预报的能力。不过，目前仍有较少研究探讨如何利用GNSS获取的对流层产品来优化数值天气预报模型的初始垂直分层结构，主要原因在于基于站点的GNSS获取的PWV数据的应用潜力尚未得到充分挖掘。

为解决上述问题，本研究提出了一种基于GNSS获取的PWV数据的短期降水预报方法，该方法通过优化数值天气预报模型的初始背景水汽场及其垂直分层结构来实现降水预报的提升。该方法首先对全球预报系统提供的背景场中的PWV信息进行水平校正，从而生成高质量、空间上连续的大气水汽场。在垂直方向上，则为WRF模型引入了基于水汽垂直分层等权重原则的自适应混合分层方法。验证结果表明，所提出的方法能够有效提升短期降水预报的质量和可靠性，且在不同的降水强度条件下都具有较强的稳定性。

章节摘要

研究区域

本研究选择西安及其周边地区作为实验区域，该区域包含三种典型的地形：关中平原、黄土高原的部分区域以及秦岭山脉的部分地段。该地区气候多样，属于暖温带半湿润大陆季风气候，四季分明：冬季寒冷、夏季温暖、秋季干燥、春季潮湿（Xu等人，2020）。从4月开始，西安经常遭受持续降雨和强风暴带来的灾害

基于GNSS获取的PWV数据的数值天气预报模型短期降水预报

现有的研究大多侧重于将基于站点的GNSS对流层产品直接纳入数值天气预报模型中。但这种方法忽略了水汽的空间连续性，也未能充分发挥其确定数值天气预报模型垂直分层结构的潜力。因此，本研究提出了一种新的短期降水预报方法，该方法利用GNSS获取的PWV数据来优化数值天气预报模型的初始背景水汽场及其垂直分层结构

方案设计及模型配置

为了评估所提出的降水预报方法的性能，本研究设计了五种不同的同化方案，相关数据类型及垂直分层方法的详细信息见表2。该降水预报采用WRF模型的三维变分同化系统，针对每个嵌套区域（区域1、区域2和区域3），每小时进行一次三维变分同化处理（Chen等人，2023）。此外

结论

为使GNSS对流层产品能够更好地融入数值天气预报模型，本研究提出了一种基于GNSS获取的PWV数据的短期降水预报方法，该方法既能够优化初始水汽场，又能提升模型的垂直分层结构。研究还建立了PWV校准模型，用于优化GFS提供的水汽场，从而生成空间上连续的水汽信息。同时，针对数值天气预报模型的关键高度范围，还引入了自适应重新分层方法

未引用参考文献

Ambrosetti，2013；Chen和Dudhia，2001；Dudhia，1989；Forbis，2021；Gong和Liu，2020；Haidar和Ibrahim，2021；Hong和Lim，2006；Hong等人，2006；Jimenez等人，2012；Kain，2004；Li等人，2022a；Li等人，2022b；Vaquero-Martínez和Antón，2021；Varga和Breuer，2020。

利益冲突声明

作者声明不存在任何利益冲突。

致谢

作者感谢美国国家环境预报中心提供了全球预报系统的数据支持。同时，也感谢中国气象局气象探测中心提供了全球导航卫星系统相关数据以及地面气象站的小时级观测数据。本研究还得到了中国国家自然科学基金（项目编号：42574045、42274039和42504029）以及西安市的资助

赵青志|王瑞坤|李祖峰|尹金芳|梁洪|郭鸿武|郭庆远|马永杰|李亚通|李浩杰|熊兆辉|吴侃