2023年杜苏芮台风期间风云-4A大气运动矢量用于数据同化的观测误差

《Atmospheric Research》：Observation errors of Fengyun-4A atmospheric motion vectors for data assimilation during Typhoon Doksuri (2023)

　　

•风云四号A星大气运动矢量误差估计存在不确定性。•常用误差估计方法产生的台风预报效果相当。•同化大气运动矢量有助于改善台风路径预报。•大气运动矢量的非均匀采样对台风强度预报产生不利影响。引言风云四号A星（FY-4A）是中国首颗新一代地球静止气象卫星，搭载先进地球静止辐射成像仪（AGRI），可提供覆盖可见光至红外波段14个光谱通道的观测数据（Yang等，2017）。AGRI的辐射数据及反演产品已被广泛同化入数值天气预报（NWP）模型。值得注意的是，大气运动矢量（AMV）已被业务化同化入中国气象局中尺度（CMA-MESO）模式（Shen等，2020），该模式为中国气象局业务化中尺度数值天气预报模型。AMV也已被同化入其他数值天气预报系统，在台风（Wan等，2019；Xie等，2024；Guan和Chen，2024）及累积降水（Chen等，2020）等强影响天气系统的预报技巧方面取得了改进。数据同化（DA）基于贝叶斯理论，通过利用模型状态向量的先验概率密度分布函数（PDF）和似然函数，为状态向量提供可靠的后验概率密度分布函数（PDF）估计。通常，似然函数以无偏高斯函数表示，其方差通常由观测误差决定。AMV不可避免地包含观测误差，主要来源于高度赋值，其次是追踪过程（如Santek等，2019）。这些误差来源共同塑造了AMV的观测误差特征，并进而影响数据同化的性能。因此，合理赋值观测误差对于AMV的最优数据同化至关重要。在某些数据同化系统如数据同化研究测试平台（DART）与天气研究与预报（WRF）模式耦合的系统（WRF-DART）（Anderson等，2009）中，观测误差与在线预处理过程相关。当观测（O）与背景（B）之差超过预先设定的阈值（通常与观测误差相关）时，质量控制（QC）系统会剔除该观测，以避免预报质量退化。更重要的是，观测误差决定了数据同化过程中特定观测被赋予的权重，从而影响分析增量（如Anderson，2001）。目前，AMV的观测误差主要通过两种方法估计。第一种方法是将AMV与参考数据集进行比较，例如探空观测（Bedka等，2009）或某些经良好调优的再分析数据（以下简称RAD方法）（Chen等，2020；Guan和Chen，2024；Xie等，2024；Liu等，2025）。当参考数据被视为真值时，观测误差通常以均方根误差（RMSE）来量化。由于缺乏时空匹配的探空观测，尤其是在海洋区域，RAD方法得到了广泛应用。另一种方式是通过基于数值天气预报模式模拟的观测系统模拟试验（OSSEs）来估计观测误差（Bormann等，2014）。由于数值天气预报模拟可提供完整的大气廓线（如水汽、温度、云），该方法还可以评估高度赋值误差（Lean等，2015）。OSSE方法的一个关键优势是能够捕捉近实时的误差特征。由于再分析数据和OSSE结果本质上均以数值天气预报模拟作为参考数据，OSSE方法可被视为RAD方法的一种特殊变体。在第二种方法中，观测误差由Desroziers等（2005）提出的诊断方法估计（以下简称D05方法）（Cordoba等，2017；Meng等，2024）。在D05方法中，观测误差方差是观测减背景（O-B）与观测减分析（O-A）统计量的乘积。从初始误差设定出发，在包含多个数据同化周期的理想化框架下，D05估计的误差通过迭代趋于收敛于真实误差（Desroziers等，2005）。两种方法各有优劣。AMV与再分析数据的互比在计算上高效，但误差特征高度依赖于参考数据的质量。最广泛使用的参考数据集包括欧洲中期天气预报中心第五代再分析（ERA5）数据（Hersbach等，2023）和美国国家环境预报中心（NCEP）全球预报系统（GFS）最终（FNL）业务全球分析数据（National Centers for Environmental Prediction, National Weather Service, NOAA, U.S. Department of Commerce, 2000）。尽管ERA5和FNL数据能够有效表征大尺度环流特征，但在局地和中尺度条件下表现出不可忽略的误差（Li和Hu，2021）。因此，从再分析数据估计的观测误差可能并非最优。与此框架一致，当数值天气预报模式未得到最优调优时，OSSE推导的观测误差保真度也会降低。D05方法假定观测误差与数值天气预报模式误差互不相关（即所谓正交性），并基于观测空间中正三角形的伪几何特征估计观测误差。D05方法的结果依赖于数据同化系统的具体配置。当数值天气预报模式误差与观测存在相关时，D05推导的结果无法代表误差特征（Waller等，2016；Walsworth等，2023）。为克服此局限性，可采用迭代过程以获得更好的结果（Desroziers等，2005）。然而，在实际数据同化应用中，由于计算成本较高，D05方法通常仅迭代一次。观测误差从数据同化系统初次迭代后的输出中估计。在这种情况下，D05方法预期对初始误差设定较为敏感。此外，风云四号A星AMV最多仅提供三层观测。在某些情况下，AMV在风速和风向方面的时空一致性不足，导致反演失败和观测覆盖稀疏。因此，匹配O-A与O-B样本对数量受限，损害了统计意义上的误差估计代表性。在此背景下，本研究旨在回答以下两个问题。首先，对于风云四号A星AMV的观测误差估计，RAD方法还是D05方法更有效？其次，初始误差设定如何影响D05推导的观测误差及后续数据同化结果？为回答这两个问题，我们在2023年杜苏芮台风期间，针对风云四号A星AMV开展了若干具有不同观测误差配置的t数据同化试验。通过对这些数据同化试验的比较分析，我们力求为风云四号A星AMV观测误差的最优估计提供基于证据的建议。本文其余部分组织如下。第二节描述实验设计、模式设置和数据。第三节介绍两种估计AMV观测误差的方法及其结果。第四节给出一个台风案例的数据同化结果。第五节讨论结果对模式配置的鲁棒性。第六节总结主要结论。章节摘要案例描述与实验设计2023年杜苏芮台风是一个2023年7月下旬生成于西太平洋的高影响热带气旋，以快速增强和复杂的动力学相互作用为特征。该系统发源于菲律宾以东的季风槽，在有利热力学条件下（包括异常高温海表温度（>30°C）和弱的垂直风切变（VWS））爆发性增强。副热带高压持续将其向正西方向引导RAD方法为估计AMV的观测误差，我们使用了2023年7月压力层面上的ERA5数据（Hersbach等，2023）作为参考数据，该时段覆盖了杜苏芮台风整个生命史。压力层面上的ERA5数据水平分辨率为0.25°（约25 km），时间间隔为1小时。为生成空间匹配的观测和模拟数据，将ERA5数据水平平均至与风云四号A星AMV像元位置匹配。水平平均对热力学变量的影响图3给出了CTRL试验和四个数据同化试验的U、V、T和Td预报的RMSE和偏差。相对于CTRL试验，同化AMV降低了U和V的RMSE和偏差。在四个数据同化试验中，DFT_D05的RMSE和偏差最低，其次为RAD_D05、RAD和DFT。对于T，同化AMV在整个垂直层降低了RMSE，并在500至850 hPa之间降低了偏差。然而，同化放大了850 hPa以下的暖偏差和冷偏差对数据同化配置敏感性的讨论D05方法依赖于分析场A，而分析场A与数据同化系统中的许多关键参数配置密切相关，包括局地化距离、抽稀距离和集合膨胀方案等。在本节中，我们研究D05估计和数据同化结果如何对关键数据同化配置的变化作出响应。结论风云四号A星AMV已被广泛用于数据同化，以提高数值天气预报模式的预报技巧。然而，如何在数据同化过程中最优地估计观测误差仍存在不确定性。目前有两种流行的AMV观测误差估计方法，即RAD方法和D05方法。RAD方法使用再分析数据、数值天气预报模式模拟或探空观测作为参考伪真值。D05方法依赖于O-B（观测减背景）和O-A（观测减分析）CRediT作者贡献声明Yongbo Zhou：撰写——初稿，可视化，方法，经费获取，正式分析，数据管理，概念化。Lijian Zhu：撰写——初稿，可视化，方法，经费获取，正式分析，数据管理，概念化。Jinhan Yuan：撰写——初稿，可视化，方法，经费获取，正式分析，数据管理，概念化。Chao Liu：撰写——初稿，可视化，方法，经费获取，正式分析，数据管理，概念。代码可用性WRF-ARW第4.1.1版（Skamarock等，2008；Powers等，2017）源代码公开可用，网址为https://github.com/wrf-model/WRF/archive/refs/tags/v4.1.1.tar.gz（访问日期：2019年6月22日）。DART的Manhattan版本（Anderson等，2009）源代码（第9.8.0版）公开可用，网址为https://github.com/NCAR/DART/archive/refs/tags/v9.8.0.tar.gz（访问日期：2019年11月23日）。资金支持本研究得到国家自然科学基金（No. 42305161）和上海台风研究基金会（No. TFJJ202308）的支持。利益冲突声明作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。致谢我们感谢南京信息工程大学高性能计算中心对本研究的支持。我们衷心感谢中国气象局地球系统数值预报中心（CEMC）马嘉丽博士和中国气象局广州热带海洋气象研究所王文博士，他们为处理风云四号A星大气运动矢量（AMV）产品提供了专业指导。Yongbo Zhou特别感谢Yongbo Zhou|Lijian Zhu|Jinhan Yuan|Chao Liu。