使用新增云检测算法的MHS辐射资料同化对定量降水预报水平的提高外文翻译资料

英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料

使用新增云检测算法的MHS辐射资料同化对定量降水预报水平的提高

邹晓蕾

（佛罗里达州立大学地球海洋大气科学系，佛罗里达 塔拉哈西）

秦正坤

（南京信息工程大学，资料同化研究和应用中心，中国 南京

佛罗里达州立大学地球海洋大气科学系，佛罗里达 塔拉哈西）

翁富忠

（美国国家海洋和大气管理局，国家环境卫星资料信息局，华盛顿，D.C.）

（2013-1-4 初稿，2013-3-1 终稿）

摘要：针对一次沿海降水事件，通过格点统计差值分析（GSI）系统，将卫星微波湿度探测器资料同化入先进的天气预报研究中心。一个详细的分析表明使用NOAA-18和MetOp-A的MHS数据能够降低24小时模式预报的降水威胁系数。降低的根本原因与旨在去除云辐射的MHS质量控制算法相关。目前，GSI云探测 基于MHS两个窗区通道处观测场和背景场之间的亮温差。可以发现GSI 质量控制算法不能检测出云边缘处的一些MHS云辐射，云边缘处ARW模型中没有云且水汽含量很低。新的MHS云探测算法的发展是基于MHS两个窗区通道和一个最低层探测通道和GOES 在10.7mu;m通道的成像仪资料之间的统计关系。在GSI MHS质量控制过程中加入新的云探测算法后，同化MHS亮温资料使得24小时定量降水预报水平不降反增。3小时累计降水分布的时间演变 与 NCEP多传感器观测亮温和GOES-12成像仪观测亮温 相吻合。3小时的降水阈值超过1.00毫米时，3-6小时模式预报的降水威胁系数会增大50%以上。

1. 简介

同化GOES-11和GOES-12成像仪通道辐射量很大程度上提高了对墨西哥湾北部附近沿岸的定量降水预报水平（Zou等2011；秦等2013）。在我们早期的试验中，NCEP的GSI方案用于为先进天气预报研究中心（ARW）产生一个分析场。GOES-11/12成像仪辐射资料，AMSU-A温度探测资料，MHS的湿度探测资料，HIRS和AIRS的红外辐射资料，分别被加入GSI中的常规数据时，会提高预报水平。但是，全类型数据的同化实验效果没有单独类型数据的同化实验好。

全数据同化试验中QPS降低主要是由于加入了MHS数据。目前的研究深入探讨了GSI系统中MHS数据的质量控制，发展出一种新算法来探测MHS云辐射，并评估了所有卫星数据对QPFs的影响。

卫星数据同化的研究非常活跃，Vukicevic等（2006）进行了云尺度的4维变分实验并发现GOES成像仪在10.7和12.0mu;m处的观测亮温对RAMS预报的冰云块的空间分布有积极影响。Zupanski等研究了10.35mu;m处综合ABI通道的影响，这种通道对云顶水汽现象（冰云雪）很敏感。欧洲中尺度天气预报中心首先开始同化云和降水影响的观测亮温（Bauer et al.2006a,b）。模拟辐射是云辐射和晴空辐射的权重结合，云模拟辐射仅包括一种单一的云清算（包括任何类型的降水）。Kelly等表明：通过同化SSM/I数据，能提高热带水汽和风域的预报。Singh et al.(2010,2011),Stengel et

al.(2010),and Otkin(2010,2012a,b)也研究了关于云影响和水汽敏感辐射的同化。云影响的微波辐射和雨影响的微波辐射一直备受挑战。云雨区域观测亮温和模拟亮温的差值也是主要的挑战。

在本次研究中，首次发展了一种云检测算法，并将其作为MHS 质量控制过程的新增步骤加入GSI 系统。使用NCEP GSI 分析系统同化来自NOAA-18和MetOp-A的MHS卫星资料（Wu et al.2002;Purser et al.2003a,b ），这些MHS资料有的加入了新的云探测算法，有的未加入新的云探测算法。最终评估MHS资料同化对24小时近岸和远岸降水预报的影响。由于MHS资料稀少，当前的研究中微波湿度计的高分辨率的信息未被充分利用。为了避免区域预报中出现侧边界条件的问题，在一个6小时的循环间隔内，同化循环限制为2到3次。

这篇文章组织如下：首先对MHS通道特征的简要概括。接下来第2部分阐述了NCEP GSI 系统和数据同化实验的步骤。第3部分描述了GSI系统中MHS资料的质量控制过程，对比了MHS中观测亮温和模拟亮温的差值敏感性与GOES-12观测云和全球预报系统（GFS）模式云差异的敏感性，并对一种新的云探测算法做出了详细的描述。第4部分比较了结合云探测算法的MHS资料和不结合云探测算法的MHS资料对QPFs影响的不同。

1. 资料和模型
2. MHS资料

目前，NOAA-18，NOAA-19，欧洲共同体气象卫星计划（EUMETSAT）MetOp-A卫星上携带有MHS。此次降水事件研究中，目前所有在轨气象业务卫星的MHS仪器每天至少对研究区域进行4

次湿度观测（Qin et al.2013）。MHS在星下点的空间分辨率为15Km并有高的空间变异性,故对大气水汽有有效的监督。在过去的十年中，MHS数据被纳入操作数据同化系统和研究数据同化系统中。例如，ECMWF 使用一个四维变分分析系统同化仪器带宽范围的卫星数据，包括来自微波和红外探测器的卫星湿度计数据（Theipart ,2003）。与红外湿度探测器相比，微波辐射能够穿透非降水云并能获取云中的大气湿度信息。但是，来自降水云和非降水云的观测资料尚未被同化入目前的GSI系统。

NOAA-18于2005年5月20日发射，下午轨道运行，高度是854km，自从NOAA-18发射以来，MHS成为了ATOVS系统的一部分。MHS也被荷载于第一颗欧洲极轨卫星MetOp-A,它发射与2006年10月19日并开创了NOAA和EUMETSAT 间国际合作的新纪元。

MHS是一种自定标，横跨轨扫描，五通道的微波辐射计，工作区间从89GHz到190GHz,提供不同高度的大气湿度信息，也包括大气冰和大气温度信息，视场宽度是1.11°。单条扫描线上有90个连续的视场，每个视场的扫描时间是8/3秒。星下点的空间分辨率为16KM。MHS通道1-5的中心频率分别为：89.0 GHz，157.0GHz ，183.31 plusmn;1.00GHz，183.31 plusmn;1.00GHz，190.00GHz 。图1展示了由卫星资料同化中心（JSCDA;Han et al.2006;Weng 2007;Chen et al.2008,2010）开发的通用快速辐射传输模式（CRTM）计算得到的MHS五个通道的权重函数。可以看出MHS通道3-5给出了对流层大气水汽的廓线。MHS通道1-2在大气吸收窗附近，且受地表和冰相云散射辐射的影响。通道5的中心频率最高，对薄云的散射最敏感。

图1：MHS五个通道的权重函数

b.资料同化系统和快速辐射传输模型

该项研究中应用的是由NCEP开发的GSI系统。此系统有一部分是带有循环滤波器的三维变分系统。格点空间中的背景场误差协方差矩阵是非均质和非齐次的。

由JCSDA开发的快速辐射传输模型（CRTM）在GSI系统中被用于计算快速卫星辐射以及关于输入变量的辐射的梯度。CRTM支持其数据能被GSI系统同化的所有类型的传感器，包括微波，红外和可见光范围（Weng2007;Han et al.2007）。

c.实验步骤

这项研究主要探讨了一次对流性降水事件，两组数据同化实验（实验1和实验2）用来评估改进的MHS质量控制过程对MHS资料同化的影响，在改进的MHS质量控制过程中同时同化了MHS观测资料和传统AMSU-A观测资料。AMSU-A观测资料为此次对流性降水事件提供大洋表面的温度信息。剔除其它卫星资料以保证这项研究的单一性。实验1和实验2的不同点在与同化MHS数据的数量，两个实验使用了相同的数据同化系统（GSI）。使用NCEP FNL 2008年5月22日世界时12点整的6小时预报作为背景场，实验1和实验2 的两个六小时循环期间同化了12小时时间窗内的观测亮温。2008年5月22日世界时18点整合5月23日零点整ARW的6小时预报作为GSI三维变分的背景场。NCEP收集了全球各种地表类型和高层大气的传统观测亮温，包括陆地表面，水表面，无线电探空仪和来自GTS的飞机报告，以及雷达探测风资料，SSM/I海洋风资料，大气单位面积水汽反演资料和卫星风资料。

预报模型为ARW 3.0。水平分辨率是10公里。地表到50hPa模式顶之间有27层，模式域中网格规格是250times;200times;27。这项研究中ARW运行的方案包括：WRF单时三级物理学方案（Hong和Lim 2006），Kain-Fritsch积云参数化方案(Kain和Fritsch1990,1993;Kain 2004)以及延世行星边界层方案(Hong 和Dudhia 2003),模式域与稍后展示同大。

1. 质量控制和云检测

a.MHS资料的GSI质量控制

虽然MHS 微波资料可以提供非降水云的湿度信息，但目前GSI 系统剔除了云辐射信息，由于数值预报模式中CRTM所需要的云资料不足，导致CRTM模拟阴天辐射率精确度低，和云存在下的不定常偏离。同化云区辐射资料是数值天气预报中最具挑战性的问题，近几年来被

积极地研究（Bauer et al.2006a,b;Geer et al.2008;Kelly et al.2008;Geer et al.2010）。这项研究旨在同化晴空MHS辐射。

质量控制的目标不仅仅是剔除降水云中的MHS资料，还要去除无论是由于CRTM或ARW模型的限制，还是由于CRTM需要的云信息和NWP模型提供的云信息之间的不一致性的限制所引起的不能被很好地模拟的MHS资料。在GSI系统中，MHS资料的质量控制基于MHS的观测亮温和模拟亮温。GSI系统经验性地进行包括MHS数据云检测在内的质量控制。首先计算所有地表类型的云水路径经验参数（）。特别地，在海洋，冰和雪表面，的计算公式为：

otherwise

（1）

,if

和分别表示第1通道和第2通道的观测亮温，和分别表示第1通道和第2通道的模拟亮温。

对于其它的表面类型,的计算公式为：

（2）

如果小于0.0，将它设置为0。

另外一个指数，叫做单位面积总降水量(),它被定义为：

（3）

MHS质量控制的第一步，是检查总降水量经验参数值，如果某个观测点上

（4）

GSI系统将去除该观测点上MHS所有五个通道的资料。

对 的依赖和MHS通道1的O-B的关系显示为一个由TPWindex定义大小的椭圆（参见图2）。随着和的增长而增长。QC的第一步是消除指数大于1的MHS数据（见公式4）。绝对值大于10的观测值和值大于1的观测值都会被去除。

质量控制的第二步是检查模式和观测的差别大小。如果第i个通道的资料满足（5）则要去除该通道的资料：

or （5）

其中下标i代表通道编号1到5，代表第i个通道调整后的观测误差。

（6）

窗体顶端

其中，（ⅰ=1，2，...，5）表示第i个通道的观测误差（通道1-3的观测误差为2.5K,通道4和5的观测误差为2.0K）， 是第i个通道在模式顶层的透光率，是地表高度（H）的函数。如果地表高度H高于2000米，=2000/H；如果H小于2000米，=1。

图2：世界时2008年5月22日18：00，TPW(color)作为LWP和MHS通道一的O-B值的函数。LWP和TWP都是衍生指数

，如方程（1）-（3）中所描述。TPW值大于一的观测值在圈外，TPW=1曲线如黑线所示。注意图中LWP乘以了0.01倍.

QC第三步窗体顶端

质量控制的第三步是检查质量控制第二步中去除的资料在通道上的一致性，即如果MHS 5个通道中的任一通道的观测资料在某个观测点在第二步中被去除，则在该观测点上的所有资料都将被剔除。

窗体底端

图3提供了一个实例，展示了2008年5月22日世界时18时,通过上述三个步骤对MHS 资料进行质量控制。为了清晰起见，仅显示NOAA-18的MHS数据。可以看出，在GSI系统中，经过QC的第一，第二和第三步，离群值被有效的去除。通过GSI 质量控制的

观测点的特征为有小的TPW_index值（小于1）和与观测亮温的模拟亮温的偏差小。

图3：模型范围内世界时2008年5月22日18时和NOAA-18 MHS仪器通道一和通道二O-B散点图。QC第一步、第二步、第三步去除的异常值分别以红色，黑色和绿色的点标记。通过GSI QC测试的观测值以蓝色点标记.

b.一个MHS 质量控制结果的诊断

秦等人（2013）发现，将荷载在POES和GOES上的七个不同的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[30441]，资料为PDF文档或Word文档，PDF文档可免费转换为Word