探空观测黑名单检查在变分同化系统中的应用

庄照荣薛纪善韩 威刘 艳

1）（国家气象中心，北京100081）2）（中国气象局数值预报中心，北京100081）

3）（中国气象科学研究院灾害天气国家重点实验室，北京100081）

探空观测黑名单检查在变分同化系统中的应用

庄照荣1）2）3）＊薛纪善3）韩 威1）2）3）刘 艳1）2）

1）（国家气象中心，北京100081）2）（中国气象局数值预报中心，北京100081）

3）（中国气象科学研究院灾害天气国家重点实验室，北京100081）

针对探空观测资料使用造成的某些区域GRAPES分析场存在虚假的高、低压系统问题，该文通过对比全球探空资料的位势高度观测与NCEP分析场，统计站点中观测质量较差的时次出现频数，确定探空位势高度观测黑名单。研究表明：500hPa在印度地区、北大西洋和南极洲附近的探空位势高度观测与NCEP分析场的均方根误差在30gpm以上的站点较多，且位势高度观测不可靠观测比率为20%以上的站点主要集中这些区域，以上观测站均列入黑名单。文中在GRAPES全球三维变分分析场的质量控制中加入探空位势高度观测黑名单检查，通过6h分析预报循环试验表明：探空位势高度观测黑名单检查能有效提高分析场质量，GRAPES位势高度分析场在南极洲附近和印度地区有所改善。

探空观测；黑名单；三维变分同化；分析预报循环

引 言

探空观测资料可作为理解大气空间结构及其演变的工具，能为天气预报和气候预测提供重要条件，并且可以用于航空和军事气象保障。探空观测资料质量较高，经常作为检验其他数值预报产品的标准，而且作为同化分析中可靠的资料来源，对数值天气预报有重要作用。

探空观测资料在仪器观测和传输过程存在仪器误差、系统误差和过失误差［1］，因而使用时需要严格的质量控制和订正。国内外对探空资料有详细的综合质量控制［2－3］和监视评估系统［4］，为探空资料的有效使用提供了保障。观测资料质量控制的环节主要包括初步常规检查、黑名单检查、背景场检查、时间和站点选择、垂直稀疏化和变分质量控制等。其中黑名单检查是观测资料质量监控的重要检查环节，主要使用月监控黑名单除去与背景场比较存在异常噪音和偏差的观测站点［5－6］。当前用于国内数值预报系统的探空观测资料都经过常规检查，如气候极值检查、水平一致性检查等。在资料同化系统中，观测资料也经过背景场检查，但欠缺黑名单检查。中国气象局数值预报中心研发的全球与区域同化预报系统［7－13］（Global－Regional Assimilation and Prediction System，GRAPES）所用的非常规观测资料有限，探空资料对分析质量尤为重要。通过大批分析试验发现，GRAPES分析场在印度地区经常出现虚假的高、低压系统，在南极地区的高度分析场也有较大的偏差。通过加强背景场检查的质量控制，这些区域位势高度分析场偏差有所减少。但由于模式预报也有偏差，有些质量较差的观测信息并不能通过背景场检查来剔除，会对分析造成负面影响。本文通过分析全球探空资料的位势高度观测，建立探空观测站点黑名单，尝试用站点黑名单方式加强对探空观测的质量控制，从而提高分析场质量。

1 探空观测资料

探空观测资料由国家气象信息中心通过全球电信系统（GTS）实时接收，每天有4个时次观测，分别是00：00，06：00，12：00，18：00（世界时，下同），其中00：00和12：00的观测信息较多。全球大约有900多个探空站，主要分布在陆地和海岛（如图1所示）。图1中不同符号的站点代表全球探空观测的不同区域，其中北大西洋上有船舶定期航行进行探空观测。

图1 全球探空观测站分布Fig.1 Distribution of the global radiosonde stations

1.1 探空资料分析

全球探空观测资料在进入GRAPES全球三维变分分析系统前已经进行常规检查，如气候极值、水平一致性、风切变、温度递减率、逆温和静力学检查。在GRAPES分析系统中只进行了探空观测与GRAPES 6h预报场比较的背景场检查。目前GRAPES位势高度预报场有较大偏差，背景场检查不能剔除某些区域异常的高度观测信息。黑名单检查是观测资料监控的重要环节，本文试图将黑名单检查加入GRAPES分析系统中。黑名单检查一般比较背景场与观测的差别，考虑到GRAPES位势高度背景场目前存在较大偏差，暂时用美国国家环境预报中心（NCEP）的全球资料同化分析场（NCEP Final Analyses，FNL）代替背景场做黑名单检查。NCEP分析场经常用于数值预报试验［14］和诊断分析［15］，其位势高度分析场具有一定可靠性。

本文研究所用的资料为2007年6月1日—2007年8月31日12：00的全球探空观测资料以及NCEP分析资料，通过对比探空的位势高度观测与NCEP分析场的偏差和均方根误差对观测质量进行分析。NCEP分析资料水平分辨率为1.0°×1.0°，垂直方向从1000hPa到10hPa，共26层。

若某时刻NCEP分析场用x表示，某点探空观测为yi，则观测的偏差为

式（1）中，H（x）为观测算子，即将格点上的分析资料在观测空间表示。观测算子包括分析变量和观测变量之间的物理变换和空间变换。这里观测算子只需对分析场进行水平和垂直的空间插值。N为2007年6月1日—8月31日观测总样本量。观测与NCEP分析场平均偏差为

观测与NCEP分析场的均方根误差为

将2007年6月1日12：00的全球位势高度观测与NCEP分析场进行比较，观测偏差分布如图2所示。由图2可以看出，在100hPa以下，位势高度观测的偏差较小，平均偏差绝对值在3gpm之内（平均偏差取在标准等压面±5hPa之内的观测进行统计，以灰色实线表示）。而在100hPa以上，随着高度的增加，与NCEP分析场相比位势高度观测越来越偏小，而且偏差分布比较分散，在30hPa平均偏差为－38gpm，而10hPa平均偏差达到－184gpm。在其他时次统计的位势高度观测与NCEP分析场的偏差也存在以上的特点。

本文统计2007年6月1日—2007年8月31日12：00位势高度观测与NCEP分析场均方根误差分布的情况，图3为500hPa位势高度观测均方根误差在20gpm以上的分布情况。

由图3可知，在印度地区探空观测与NCEP分析场的均方根误差较大，13个站均方根误差为30～40gpm，7个站均方根误差为40～50gpm，2个站均方根误差超过50gpm。此外，在北大西洋上的一些海上探空站的观测质量较差，某些观测站的位势高度与NCEP分析场的均方根误差达到30gpm以上。在南极洲附近位势高度观测和NCEP分析场均方根误差也超过50gpm，观测质量较差。其他大陆和近海区域也存在位势高度观测与NCEP分析场均方根误差较大的观测站，在30gpm之内。

图2 2007年6月1日12：00探空位势高度观测与NCEP分析场偏差Fig.2 Bias of radiosonde geopotential height observation and NCEP analysis at 1200UTC 1June 2007

图3 500hPa位势高度观测与NCEP分析场均方根误差r（单位：gpm）Fig.3 The root mean squarerof geopotential height observation and NCEP analysis for 500hPa（unit：gpm）

通过3个月的统计发现，在印度地区、北大西洋和南极洲附近的探空位势高度观测与NCEP分析场均方根误差较大。这些观测站点可以作为探空黑名单的参考，考虑到某些站点平均均方根误差较大可能只是由于个别时次的观测不准确造成，将此站点所有时次资料作为黑名单剔除并不合适，因此需要详细分析各站点的观测质量特点。

1.2 观测站点分析

以2007年6月1日—8月31日12：00统计的各个观测站资料为例进行分析，若对某观测站某标准气压层（标准气压层附近的观测归于标准气压层统计）的观测偏差（εi，i＝1，…，N）进行分组，得到

式（4）中，dj为这一层第j组的观测偏差，M为总组数，观测偏差的间隔为 Δε，有 Δε＝［max（εi）－min（εi）］／M。那么，观测偏差在（dj，dj＋1］之间的频数分布为

式（5）中，nj为观测偏差εi在（dj，dj＋1］的数量。这里按照观测偏差的范围和样本量来确定观测偏差分组间隔，使得分组后观测偏差的频数分布能代表观测偏差概率分布特点。

文中选取区站号为42369的探空站（26.75°N，80.88°E）作为分析对象，统计在885～965hPa（以925hPa表示）位势高度观测与NCEP分析场偏差的频数分布，如图4所示。

图4 站点42369 2007年6月1日—8月31日885～965hPa位势高度观测与NCEP分析场偏差频数（黑色）分布（灰色为观测偏差绝对值大于阈值部分的频数）Fig.4 The frequency（the black）of bias between geopotential height observation and NCEP analysis for 885－965hPa on Station 42369from 1June to 31August 2007（the gray denotes the part of absolute observation bias bigger than the threshold value）

由925hPa探空站42369与NCEP分析场的位势高度观测偏差的频数分布（图4）可以看出，当偏差为－14.34～－7.34gpm时，3个月统计出现的频数最多，为48，在此偏差两侧出现的频数依次减小。925hPa该站位势高度观测与NCEP分析场的平均偏差为－7.77gpm，平均均方根误差为12.09gpm。这说明，在925hPa，该观测站的位势高度观测和NCEP分析场相比略微偏小，但频数分布呈高斯型。

若表示为全球观测的平均均方根误差，文中将两倍于全球平均均方根误差作为阈值，将站点中观测偏差绝对值大于阈值的观测作为不可靠观测，不可靠观测比率定义为不可靠观测数占观测所有时次总数（观测样本量）的比率，表示为

其中，当k＝1，2，…，K时，存在有K组观测存在观测偏差绝对值大于阈值的情况，为观测偏差绝对值大于阈值的总观测数量。观测总样本量为。925hPa全球平均位势高度观测均方根误差为16.57gpm。站点42369在925hPa位势高度观测偏差的绝对值大于阈值只出现2次（见图4中灰色阴影），该站在925hPa不可靠观测比率为1.41%。文中将不可靠观测比率在20%以上的站点作为位势高度观测黑名单，因而该站在925hPa的观测资料较为可靠，没有作为黑名单站点在同化分析中剔除。

500hPa（450～550hPa统计）站点42369位势高度与NCEP分析场平均偏差为－33.43gpm，平均均方根误差为42.03gpm（图5）。而频数最大的偏差出现在－40.50～－30.01gpm之间，频数为58，其次出现在－30.01～－19.52gpm之间，频数为53。此外偏差在－61.48～－50.99gpm之间的频数也较大，为42。与NCEP分析场相比，全球平均位势高度观测均方根误差为21.09gpm，该站点偏差的绝对值大于阈值的部分如图5中灰色阴影部分所示，在500hPa，该站不可靠观测比率为34.48%，因此该站在500hPa的位势高度观测信息列入黑名单在同化分析中剔除。

图5 2007年6月1日—8月31日站点42369 450～550hPa位势高度与NCEP分析场偏差的频数（黑色）分布（灰色为观测偏差绝对值大于阈值部分的频数）Fig.5 The frequency（the black）of bias between geopotential height observation and NCEP analysis for 450－550hPa of Station 42369from 1June to 31August in 2007（the gray denotes the part of observation bias bigger than the threshold value）

通过3个月统计可以获得全球各个观测站的位势高度观测与NCEP分析场均方根误差和不可靠观测比率。图6为站点42369位势高度观测均方根误差与不可靠观测的比率随高度的分布。由图6可知，全球平均位势高度观测均方根误差在100hPa以下变化较小，在15～40gpm之间，在100hPa以上，全球平均位势高度观测均方根误差增大较快。而站点42369位势高度观测均方根误差在1000hPa和925hPa比全球平均位势高度观测均方根误差（虚线所示）小，850hPa以上，该站点位势高度观测均方根误差随着高度增加较快，比全球平均位势高度观测均方根误差大。从每层不可靠观测占所有时次观测的比率可以看出，在850hPa以下和30hPa以上不可靠观测比率均小于20%，该站在850hPa以下和30hPa以上的位势高度信息均比较可靠，在分析中可以使用，在700hPa和50hPa之间的不可靠观测比率均大于20%，因而该站在700hPa和50hPa之间的位势高度观测信息作为黑名单在分析系统中剔除。以上说明此观测站位势高度观测质量在低层（850hPa以下）较好，在中高层观测质量较差。

图6 站点42369位势高度观测均方根误差不可靠观测比率及全球位势高度观测平均均方根误差分布Fig.6 Root mean square errors of geopotential height observation ratio of unreliable observation on Station 42369and average root mean square errors of global geopotential height observation

1.3 探空黑名单的建立

利用2006年12月1日—2007年11月30日12：00的探空观测资料与NCEP分析资料，统计1年4个季节每个观测站标准气压层上（标准气压层附近的观测归于标准气压层统计）的位势高度不可靠观测比率，并将不可靠观测比率在20%以上站点作为位势高度观测黑名单。

图7为黑名单建立的流程图，探空资料位势高度观测ys，k（其中s表示站点，k表示层数）与观测资料所在季节（其中以i表示，4个季节）的黑名单中不可靠观测比率zs，k，i进行比对，当zs，k，i≥20% 时，位势高度观测资料ys，k剔除。文中黑名单采用历史资料统计得到，采用试验循环的前期数据进行统计（即在线统计）是仍需完善。

图8为6—8月的500hPa位势高度观测不可靠观测比率在20%以上的站点（黑名单站点），可以看出在印度地区有12个站点不可靠观测比率为20%～30%，有4个站点不可靠观测比率为30%～40%，还有3个站点不可靠比率为40%以上。此外，在北大西洋上和南极洲附近的位势高度观测质量较差，不可靠观测比率基本在50%以上。

图7 黑名单建立流程图Fig.7 Flow chart of blacklisting

图8 6—8月500hPa位势高度观测不可靠比率（超过20%）分布Fig.8 Ratio of unreliable observation（no less than 20%）for geopotential height observation at 500hPa from June to August

印度地区位势高度观测质量较差与仪器质量以及测报人员专业文化素质有关，Collins［3］在对1年的全球探空观测进行综合质量控制也发现，经过静力学检查可疑探空观测在印度地区所占的比例最大。南极大陆附近的观测资料较少，仅有的探空观测资料对分析非常重要，而南极地区的探空位势高度观测与NCEP分析场有一定背离［16］，文中采用在不同层上统计黑名单信息的方法，尽可能保留其他层的有效信息。

2 同化预报循环试验

2.1 试验设置

本文通过比较2006年12月—2007年11月12：00探空位势高度观测与NCEP分析场，建立探空位势高度观测黑名单，并用于GRAPES全球三维变分同化分析系统中。为了验证加入位势高度观测黑名单的效果，文中用GRAPES全球同化预报系统进行两组分析预报6h循环试验，试验1为控制试验，探空观测的质量控制有背景场检查，未采用探空位势高度黑名单检查；试验2的质量控制方案在背景场检查的基础上，加入探空位势高度黑名单检查。试验时间为2009年7月1—21日。试验开始时，采用2009年7月1日06：00NCEP分析场作为初始场进行GRAPES模式6h预报，此后分析采用的背景场为分析预报循环中的预报模式6h预报场。其中，GRAPES分析系统水平分辨率为1.0°×1.0°，垂直方向从1000hPa至10hPa共17层。GRAPES全球三维变分分析系统使用了包括探空、地面、飞机、船舶的常规资料，也使用了NOAA15amsua，NOAA16amsua和amsub，NOAA 17amsub以及云导风资料。

2.2 分析效果

在试验2中由于增加了探空位势高度观测黑名单检查，进入分析的探空位势高度观测份数有所减小（表1，总份数为27201），在2009年7月10日12：00黑名单检查剔除的资料份数有120份。且黑名单剔除的观测资料主要分布在印度区域和南极洲附近。北大西洋区域探空观测主要为船舶观测，在试验时段内船舶观测的时次较少，且船舶观测站点位置不定，黑名单检查针对船舶观测没有效果。

加入探空黑名单检查后，在试验2中GRAPES位势高度分析从低层到高层在南极洲附近位势高度探空资料剔除处有明显改善，在印度地区的分析场也有所改善。图9为12：00 500hPa位势高度GRAPES分析场与NCEP分析场21d平均的均方根误差变化的情况（试验1与试验2的位势高度分析均方根误差的差别），由图9可以看出，加入探空位势高度观测黑名单检查后，在南极洲附近GRAPES分析场与NCEP分析场的位势高度均方根误差有所减小，减小幅度最大在10gpm以上；在印度地区GRAPES分析场与NCEP分析场的位势高度均方根误差减小约6gpm。在其他区域的分析略有差别，这是由于同化观测资料的差别造成的观测信息传播有所不同，但由图9可以看出，在其他区域两种试验的均方根误差的差别并不明显。500hPa位势高度分析场质量有所改善的地方和加入探空黑名单站点位置相对应（与图8对比），说明加入位势高度观测黑名单检查有一定效果。

表1 2009年7月10日12：00探空位势高度观测资料份数Table 1 Radiosonde observation pieces at 1200UTC 10July 2009

图9 2009年7月1日12：00—7月21日12：00 500hPa位势高度GRAPE分析场与NCEP分析场平均均方根误差（单位：gpm）（试验1与试验2的位势高度分析场均方根误差的差别）Fig.9 Root mean square errors of geopotential height between GRAPES analysis and NCEP analysis for 500hPa at 1200UTC from 1July to 21July in 2009（unit：gpm）（root mean square errors of geopotential height analysis for Experiment 1minus Experiment 2）

为了比较两组试验中其他层的分析效果，文中将60°～90°S的GRAPES分析场与NCEP分析场在2009年7月1—21日12：00的平均位势高度偏差和均方根误差进行了统计（如图10所示）。由图10可以看出，在两组试验中，GRAPES位势高度分析场比NCEP分析场偏高（偏差为正），但使用探空位势高度观测黑名单检查后，GRAPES位势高度分析场偏差有所减少，GRAPES分析场与NCEP分析场位势高度均方根误差也有所减小。

由以上分析可知，在分析系统中加入探空位势高度观测黑名单检查后，能有效消除较差观测信息的影响，在印度和南极洲附近的位势高度分析场有明显改善。

图10 2009年7月1日12：00—21日12：00 60°～90°S的位势高度分析偏差与均方根误差Fig.10 Bias and root mean square errors of geopotential height analysis over 60°－90°S at 1200UTC from 1July to 21July in 2009

3 结论和讨论

本文通过比较2007年6—8月探空位势高度观测资料与NCEP分析资料，研究探空位势高度观测的质量。通过统计站点中观测质量较差的时次出现频率，建立了探空位势高度观测黑名单；并将黑名单检查用于GRAPES全球分析系统中，进行了3周的连续分析预报6h循环试验。通过研究，主要得到以下结论：

1）探空观测资料分析表明：在100hPa以下探空位势高度观测与NCEP分析场的偏差基本在±50gpm之间；100hPa以上位势高度观测与NCEP分析场偏差较大，而且越往高层位势高度观测比NCEP分析场越加偏小。

2）500hPa在印度地区、北大西洋和南极洲附近的探空位势高度观测与NCEP分析场的均方根误差在30gpm以上的站点较多，这些观测站的位势高度观测质量较差。

3）500hPa位势高度观测不可靠观测比率在20%以上的站点主要集中在印度地区、北大西洋和南极洲附近，以上观测站的位势高度观测质量较差，被列入黑名单将在变分分析中直接剔除。

4）在全球三维变分分析系统中加入探空位势高度观测黑名单检查后，GRAPES位势高度分析场质量有所提高，尤其500hPa在印度地区分析均方根误差减少了6gpm，在南极洲附近分析均方根误差可减小10gpm左右。

在GRAPES全球三维变分分析系统中，虽然探空观测资料经过背景场检查，由于给定观测误差只随高度变化，背景误差随高度和纬度变化，因而在观测信息和背景信息均不准确的地区，背景场检查不能完全剔除较差的观测资料。用探空位势高度观测黑名单检查能有效剔除这些地区不可靠观测。在分析系统中使用的探空位势高度观测黑名单依据观测与NCEP分析场差别统计得到，只随季节变化。在实时分析预报循环系统中，探空位势高度黑名单用前一个月的观测与背景场来确定，按时间更新的黑名单信息可以更有效同化观测资料。文中探空位势高度观测黑名单是以标准等压面层进行统计，而各探空观测站的垂直层数大不相同，以观测资料各层上信息进行统计会更准确。在探空观测资料的高层位势高度观测与NCEP分析场偏差较大，除了NCEP分析场在对流层顶和平流层存在一定偏差外，在探空观测资料预处理和预质量控制环节中对观测气压进行取整近似，因而造成位势高度观测偏低，随着高层气压的降低，气压取整近似造成的位势观测偏低现象越严重。而探空资料在大气中高层的漂移［17］和不同型号观测仪器的差异［18－19］也可能造成观测资料的不准确。在同化系统中对探空位势高度观测进行偏差订正是提高此资料利用效率的有效方法。此外，温度和风场探空观测的质量也需要进一步研究。

［1］ Eskridge R E，Luers J K，Redder C R.Unexplained discontinuity in the US radiosonde temperature data.Part I：Troposphere.J Climate，2003，16：2385－2395.

［2］ Collins W G.The operational complex quality control of radiosonde heights and temperatures at the national centers for environmental prediction.Part I：Description of the method.J Appl Meteor，2001，40：137－151.

［3］ Collins W G.The operational complex quality control of radiosonde heights and temperatures at the national centers for environmental prediction.Part II：Examples of error diagnosis and correction from operational use.J Appl Meteor，2001，40：152－168.

［4］ 陶士伟，张跃堂，陈卫红，等.全球观测资料质量监视评估.气象，2006，32（6）：53－58.

［5］ St－James J S，Laroche S.Assimilation of wind profiler data in the Canadian Meteorological Centre’s analysis systems.J Atmos Oceanic Technol，2005，22：1181－1194.

［6］ White P W.IFS Documentation Part II：Data Assimilation.ECMWF Research Department，IFS Documentation Cycle CY23r4，2003.

［7］ 张华，薛纪善，庄世宇，等.GRAPES三维变分同化系统的理想试验.气象学报，2004，62（1）：31－41.

［8］ 庄世宇，薛纪善，朱国富，等.GRAPES全球三维变分同化系统——基本设计方案与理想试验.大气科学，2005，29（6）：872－884.

［9］ 薛纪善，庄世宇，朱国富，等.GRAPES新一代全球／区域变分同化系统研究.科学通报，2008，53（20）：2408－2417.

［10］ 薛纪善.新世纪初我国数值天气预报的科技创新研究.应用气象学报，2006，17（5）：602－610.

［11］ 马旭林，庄照荣，薛纪善，等.GRAPES非静力数值预报模式的三维变分资料同化系统的发展.气象学报，2009，67（1）：50－60.

［12］ Chen Dehui，Xue Jishan，Yang Xuesheng，et al.New generation of multi－scale NWP system （GRAPES）：General scientific design.Chinese Science Bulletin，2008，53（22）：3433－3445.

［13］ Zhang Renhe，Shen Xueshun.On the development of the GRA PES—A new generation of the national operational NWP system in China.Chinese Science Bulletin，2008，53（22）：3429－3432.

［14］ Sun Xiaoming，Ana P B.The impact of forcing datasets on the high－resolution simulation of tropical storm Ivan （2004）in the southern Appalachians.Mon Wea Rev，2012，140：3300－3326.

［15］ 李长青，闫之辉，王瀛，等.NCEP－FNL与T213L31同化资料对比分析中的地形差异影响.气象，2007，33（1）：62－69.

［16］ Marshall G J.Trends in Antarctic geopotential height and temperature：A comparison between radiosonde and NCEPNCAR reanalysis data.J Climate，2002，15：659－674.

［17］ 刘红亚，薛纪善，沈桐立，等.探空气球漂移及其对数值预报影响的研究.应用气象学报，2005，16（4）：518－526.

［18］ 马颖，姚雯，黄炳勋.59型与L波段探空仪温度和位势高度记录对比.应用气象学报，2010，21（2）：214－220.

［19］ 姚雯，马颖，王战，等.用数值预报场间接对比新疆两种型号探空系统.应用气象学报，2012，23（2）：159－166.

The Application of Radiosonde Observation Blacklisting Check to Variable Data Assimilation System

Zhuang Zhaorong1）2）3）Xue Jishan3）Han Wei1）2）3）Liu Yan1）2）

1）（National Meteorological Center，Beijing100081）
2）（Center for Numerical Prediction，CMA，Beijing100081）
3）（State Key Laboratory of Severe Weather，Chinese Academy of Meteorological Sciences，Beijing100081）

The radiosonde observations are very important for the numerical weather forecasting as they are more reliable data compared to other observations in the assimilation system.The radiosonde observation needs serious quality controlling before used in data assimilation，and the blacklisting check which uses monthly blacklist to delete the abnormal noise and bias data compared with background field is a significant step in observation quality monitoring.At present the radiosonde observations used in GRAPES（Global－Regional Assimilation and PrEdiction System）analysis system are scanned through preliminary checks such as climatological extreme check，consistency checks and background quality control in data assimilation system，but blacklisting check is not included.For the spurious high／low－pressure system structure of GRAPES analysis caused by the radiosonde observation in some region，the radiosonde observations are analyzed through comparing with NCEP analysis from June to August in 2007.Results show that the bias of radiosonde geopotential height observation and NCEP analysis is less than 50gpm under 100hPa.The bias is much bigger over 100hPa and the radiosonde geopotential height is much smaller than NCEP analysis.Stations where the root mean square errors of the geopotential height between radiosonde observations and NCEP analysis for 500hPa exceed 30gpm are located in India，North Atlantic Ocean and Antarctic region.In those regions the unreliable observation ratios of some stations are above 20%，so they are listed in the blacklist.The geopotential height blacklist of radiosonde is provided by comparing observations with NCEP analysis and estimating the frequency of bad observation－quality station.The geopotential height blacklisting check of radiosonde is applied to GRAPES global 3D－var analysis system，and the cycle experiments of the analysis and forecast from 1July to 21July in 2009are carried out.Two experiments are performed，Experiment 1（control test）without blacklisting check and Experiment 2with blacklisting check.The results indicate that the quality of geopotential height analysis of GRAPES is improved in India and Antarctic regions when considering geopotential height blacklist.The average root mean square errors of geopotential height GRAPES analysis and NCEP analysis for 500hPa is reduced by 6gpm in India Region and near 10gpm in Antarctic Region after using blacklisting check in the 3D－var analysis system.In Antarctic region，the average biases and root mean square errors of geopotential height GRAPES analysis and NCEP analysis both decrease from 1000hPa to high levels.The blacklisting check of radiosonde observation is a necessary step in the analysis system.The updated blacklist information will be used to assimilate the radiosonde observation more effectively.

radiosonde observation；blacklist；three dimensional variable data assimilation；analysis and forecast cycle

庄照荣，薛纪善，韩威，等.探空观测黑名单检查在变分同化系统中的应用.应用气象学报，2014，25（3）：274－283.

2013－05－14收到，2014－03－06收到再改稿。

国家自然科学基金项目（41305092），公益性行业（气象）科研专项（GYHY201206007），中国气象局数值预报中心GRAPES发展专项（GRAPES－FZZX－2013－04）

＊email：zhuangzr＠cams.cma.gov.cn