大尺度分析约束（LSAC）对印度半岛南部两次暴雨事件C波段雷达资料同化模拟的影响研究

《Frontiers in Earth Science》：Impact of large-scale analysis constraints on C-band radar data assimilation during the simulation of two heavy rainfall events over southern peninsular India

　　

摘要专业翻译 本研究考察了在不同季风天气形势下，采用大尺度分析约束（Large-Scale Analysis Constraints, LSAC）的雷达资料同化所产生的影响，特别关注垂直水凝物廓线及相关对流过程。研究还评估了LSAC在减小对流尺度不平衡方面的作用。选取2018年8月和2019年8月的两次极端季风降雨事件，以代表对比鲜明的天气环境，其中2019年事件以强局地对流为特征。在本研究中，C波段雷达反射率（reflectivity）采用间接方式同化，而径向风（radial wind）采用直接方式同化，并评估了二者结合对上述极端事件预报的影响。试验分别在应用和不应用大尺度分析约束的条件下进行，分别称为LSAC和noLSAC试验。研究假设，在高分辨率雷达同化过程中引入的大尺度与对流尺度过程之间的不平衡，可以通过纳入LSAC来减小。结果表明，LSAC在最小化对流尺度不平衡方面带来了明显改进，尤其是在存在强局地对流的2019年8月事件中。降雨检验表明，纳入LSAC改善了两个案例中降水的落区、空间形态和降水量。两个案例的总均方误差平均减少了250 mm。云顶高度在LSAC试验中也得到了更好的表征，均方根误差平均降低了2 K，而无LSAC的高分辨率雷达同化则导致虚假的云顶发展。水凝物廓线分析表明，在2018年事件中，带LSAC的雷达同化在整个垂直气柱内持续减小了水凝物凝结物的高估。对于2019年事件，融化层以上的水凝物凝结物高估得到了最小化。雷达反射率对比结果支持上述发现，表明在2019年事件的LSAC试验中，融化层以上不切实际的强反射率特征得到了最小化。LSAC试验中还可见更有组织、更集中的对流回波。热力学分析进一步支持了这些发现，表明在强局地对流环境存在的情况下，大尺度约束调节了雷达同化过程中融化层以上产生的过度对流潜势。总体而言，LSAC的纳入减小了水凝物形成中的偏差，并改善了云结构和降水预报。

论文解读

一、研究背景与科学问题

近年来，印度夏季风活跃期内极端降水事件呈增加趋势，这类天气事件通常与增强的对流活动相关，促进更深层云系统的发展。印度半岛南部地区已逐渐成为极端季风降水的热点区域，2018年8月和2019年8月发生在喀拉拉邦的极端季风活跃期即为典型例证。两次事件均产生了零星且异常强烈的降雨，多个地区降水距平超过正常值的100%，由此引发的洪水和山体滑坡影响了超过500万人，并造成500余人死亡，是该地区有记录以来最严重的季风灾害之一。政府部门的灾后评估估计经济损失超过380万美元，对基础设施、农业和生计产生了连锁影响。

2018年和2019年的强降雨事件在大气驱动因子和云结构特征上存在显著差异。2018年事件以大尺度天气尺度强迫为主导，而2019年事件则异常不稳定且对流性强，在异常偏暖的局地海表温度影响下形成，增强了对流并产生了罕见的、云顶极高的中尺度云爆事件。两次事件之间的动力对比凸显了在不同季风环境下准确表征多尺度云过程的重要性。

数值天气预报中初始条件的准确性对预报质量起着重要作用。资料同化用于将观测与模型动力学最优集成以改善初始条件。然而，由于对流过程的强非线性特征，对流尺度资料同化仍具挑战性。多普勒天气雷达（DWR）提供高分辨率的反射率（Z）和径向风（V_r）观测，对数值天气预报中的资料同化以及利用Z-R关系估算降雨具有重要价值。雷达反射率与降水过程和水凝物分布密切相关，其同化可能改善大气湿度场的表征。

然而，区域对流允许模型生成的分析场因侧边界误差而在大尺度表征方面存在缺陷。此外，雷达资料同化可能引入虚假对流，在对流尺度上破坏动力平衡，导致预报的长期退化。此类限制可能扰乱大尺度平衡，使生成同时平衡对流强迫与大尺度强迫的分析场变得困难。为解决这些大尺度不平衡问题，已有研究在三维变分（3D-Var）代价函数中引入大尺度分析约束，并证明能有效减小质量-风不平衡。尽管已有研究展示了LSAC在最小化大尺度不平衡方面的应用，但很少有研究关注约束对对流尺度不平衡的影响，以及它们如何改变水凝物廓线和相关对流过程，尤其是在不同季风极端事件背景下。因此，本研究目标有二：其一，评估带大尺度约束的雷达资料同化在多大程度上能最小化对流尺度不平衡；其二，这些平衡调整如何在不同季风极端事件下影响水凝物廓线及随后的对流过程。

二、研究内容与主要结论

研究采用WRFDA 3D-Var（版本4.4.1）同化框架和ARW-WRF（版本4.4.1）模式，通过设计LSAC和noLSAC两组对比试验，系统评估了大尺度分析约束在两次极端季风降雨事件预报中的作用。研究得出以下主要结论：LSAC能有效减小雷达同化引入的对流尺度不平衡，特别是对强局地对流的2019年事件效果显著；LSAC改善了两次事件的降水落区、空间形态和降水量，总均方误差平均减少250 mm；LSAC改善了云顶高度的表征，均方根误差平均降低2 K；LSAC持续减小了水凝物凝结物的高估，尤其在融化层以上；热力学分析表明，大尺度约束在强局地对流环境中调节了雷达同化产生的过度对流潜势。总体而言，LSAC的纳入减小了水凝物形成中的偏差，改善了云结构和降水预报。

三、关键技术与方法

本研究采用WRFDA 3D-Var（版本4.4.1）同化系统，以增量方式迭代最小化代价函数。控制变量采用速度分量u和v、温度T、地面气压P_s和伪相对湿度RH_s（CV7选项），并将水凝物混合比（雨、云水、雪、云冰和霰）作为水凝物控制变量。反射率采用Gao和Stensrud（2012）提出的间接同化方法，同化反演的雨水、雪和霰混合比而非反射率本身，以避免线性化反射率算子的强非线性。LSAC通过在变分代价函数中增加一项J_c实现，将NCEP GFS全球分析场中的u、v、T和q_v作为虚拟观测（bogus observations）纳入同化。模式采用双重嵌套网格，外层9 km、内层3 km水平分辨率，45个垂直层，模式顶为50 hPa。物理方案包括Thompson微物理方案、RRTMG长波和短波辐射方案、Mellor-Yamada边界层方案、Noah陆面模型和Kain-Fritsch积云参数化方案（内层关闭积云参数化）。雷达观测来自位于8.53° N、76.87° E的Thumba赤道火箭发射站（TERLS）C波段多普勒天气雷达，观测经杂波抑制、速度退模糊和衰减校正后插值到1 km×1 km水平、250 m垂直分辨率的笛卡尔网格。降雨验证数据来自GPM任务的IMERG多卫星降水产品，云顶温度（CTT）由INSAT-3DR IMAGER Level 1C数据反演。试验设计为12小时自旋-up后，在外层域进行三次24小时间隔的GTS观测3D-Var同化循环，内层域在00、03、06 UTC进行三次三小时间隔的雷达和GTS同化循环，之后从06 UTC起逐小时自由预报至次日00 UTC。背景误差协方差采用NMC方法生成。空间验证采用基于对象的连续雨区（CRA）方法，将总误差分解为位移、体积和形态分量。

四、研究结果

4.1 LSAC对动力和对流不平衡的影响

通过域平均绝对地面气压倾向（DPSDT）评估大尺度不平衡。在两次案例中，LSAC试验的气压调整均低于noLSAC，尤其在初始预报时段。Case-1中，noLSAC的1小时倾向起始约225 Pa h^-1，而LSAC约150 Pa h^-1；Case-2中两者相差约75 Pa h^-1。这表明无大尺度约束的高分辨率雷达同化会引入大量虚假不平衡，而大尺度约束能有效抑制此类噪声。对流尺度不平衡通过5 km高度垂直速度标准差（垂直运动诊断，VMD）量化。Case-1中noLSAC强烈倾向于增强对流上升气流，导致内掩模方差增大，表明不平衡加剧；LSAC在初始预报时段减弱上升气流，有效减小对流尺度不平衡。Case-2中，尽管LSAC相对noLSAC减小了初始不平衡，但两种试验均表现出比Case-1更强的速度方差特征，这与2019年事件异常不稳定和对流性强的环境特征一致。

4.2 降水预报检验

18小时降水预报与观测对比显示，Case-1中LSAC试验能够再现沿高止山脉的窄带强降雨，而noLSAC产生广泛降雨且向南偏移，并高估降雨强度。Case-2中LSAC试验倾向于低估8月8日降雨强度，noLSAC产生更宽且南移的降雨带，与观测分布不符。CRA方法归一化误差分解表明，Case-1中LSAC在位移、体积和形态三个误差分量上均显著改善，其中形态误差降幅最大。Case-2中LSAC明显减小体积误差，位移误差略有改善，但形态分量未见改善。总体上，LSAC通过减少虚假降水和过高降雨强度提升了两次案例的预报质量。无大尺度约束的雷达同化过度预测降雨，偏差评分高达3，RMSE超过31 mm；应用大尺度约束后RMSE降低6 mm，偏差评分接近1。

4.3 云顶预测

云顶温度（CTT）概率分布显示，Case-1中观测CTT峰值在深云阈值-40 °C以上，表明浅云顶占主导。noLSAC在-60 °C附近持续出现高频率，表明云顶过深且不真实；LSAC显著减少了极低CTT值的出现频率，将频率分布在-20 °C至-60 °C之间，表明云顶高度向更现实的浅云顶偏移。Case-2中观测CTT分布在整个预报时段内峰值约在-40 °C附近，反映持续较深的对流。noLSAC中CTT初始在-40 °C至-60 °C范围，但随预报推进逐渐转为较暖CTT，表明过早过渡到浅云顶；LSAC在整个预报时段内维持CTT频繁出现在-40 °C附近，保持了现实的云顶高度。RMSE评估表明，两次案例中LSAC均获得比noLSAC更低的CTT RMSE，Case-2中误差降幅最大。

4.4 对比云结构

Case-1中，雷达同化在融化层以下产生反射率高估，表明水凝物过度增长；应用大尺度约束有效最小化了整个垂直气柱的反射率偏差。Case-2中，融化层以上的水凝物凝结物高估在LSAC试验中得到最小化，雷达反射率对比表明融化层以上不切实际的强反射率特征在LSAC试验中显著减少。LSAC试验中还可见更有组织、更集中的对流回波。热力学分析进一步表明，在强局地对流环境中，大尺度约束调节了雷达同化过程中融化层以上产生的过度对流潜势。

五、讨论与结论

讨论部分指出，LSAC通过保持同化后的雷达衍生场与背景环流之间的动力一致性，有效避免了无约束雷达同化对季风尺度环流的扰动。Case-2中更强的速度方差特征表明，平衡调整可与非绝热加热非线性相互作用，使雷达同化中的对流尺度响应更为复杂。但总体而言，LSAC的纳入减小了水凝物形成中的偏差，改善了云结构和降水预报。研究结论为：大尺度分析约束在雷达资料同化中能有效减小对流尺度不平衡，改善水凝物垂直廓线的表征，提升极端降水事件的预报技巧，特别是在强局地对流环境下。