卫星资料连续同化在“威马逊”台风浪模拟中的应用

李明星，张庆河，杨 华

（1.天津大学水利工程仿真与安全国家重点实验室，天津 300350；2.交通运输部天津水运工程科学研究所港口水工建筑技术国家工程实验室 工程泥沙交通行业重点实验室，天津 300456）

卫星资料连续同化在“威马逊”台风浪模拟中的应用

李明星1，张庆河1，杨 华2

（1.天津大学水利工程仿真与安全国家重点实验室，天津 300350；2.交通运输部天津水运工程科学研究所港口水工建筑技术国家工程实验室 工程泥沙交通行业重点实验室，天津 300456）

基于中尺度大气模式WRF，以1409号超强台风 “威马逊”台风为例，通过WRFDA同化模块及快速辐射传输模式CRTM进行微波辐射资料AMSU-A连续同化，来探究卫星资料同化对风场模拟的影响，并利用SWAN模型模拟台风风场驱动下的波浪场。结果表明，采用连续同化AMSU-A 资料的方法能够较为显著地提高台风路径、强度以及台风作用下波浪场的模拟效果。

卫星资料；台风“威马逊”；连续同化；风场；波浪场

我国濒临西北太平洋，东南沿海地区受台风的侵扰十分频繁，每年有多场台风登陆我国，沿海地区易遭受台风灾害[1]。因此，对台风及台风浪的研究一直是人们关注的焦点之一。台风的准确预报和后报不仅对我国沿海组织生产和防范灾害有重要意义，对于港口海岸工程动力设计要素等的确定也有重要价值。

台风发生在热带海洋上，常规观测资料往往十分稀少。由于初始场分辨率较低和大气模式积分过程的误差影响，区域模式模拟的台风常表现出涡旋结构强度较弱、移动路径不准确等问题[2]。为此，利用数据同化（将观测资料融合到数值天气预报模式，建立模拟值和实测值之间的相互协调关系，产生一个在统计意义上最为合理的状态的描述[3]）技术改善台风模拟精度成为近年来的研究热点。卫星资料因覆盖面积较广、时空分辨率较高, 在一定程度上弥补了热带海洋上常规观测资料稀少的缺点，因而卫星观测资料同化成为提高数值模拟精度的重要方法[4]。Le Marshall 等[5]将卫星资料进行直接同化，有效改善了热带气旋初始场信息，使热带气旋模拟路径误差减小。一些研究表明[6-8]，利用三维或四维变分方法对NOAA极轨卫星TOVS/ATOVS特别是AMSU微波辐射资料进行直接同化，对数值模拟精度的提高有较大贡献。刘君等[9]进一步利用WRF模式开展了AMSU-A资料和AMSU-B资料的连续同化（指在模式模拟过程中，每隔固定的时间将模拟得到的结果作为背景场，引入相应时刻的资料进行同化）研究，结果表明，连续同化方案一方面可以将更多的资料引入同化系统，另一方面可以实时地调整模式预报的误差，能够比单时次同化方案获得更好的模拟结果。为此，本文将利用中尺度大气模式WRF进行台风“威马逊”期间微波辐射资料AMSU-A 连续同化的模拟试验，并利用海浪模式SWAN模拟台风风场作用下的波浪场，来探究卫星资料连续同化对台风路径、强度以及台风浪模拟的影响。

1 模型介绍

1.1 数值模型简介

大气模型采用WRF模型，WRF模型是美国国家大气研究中心(NCAR)、美国国家海洋和大气管理局(NOAA)、国家环境预报中心(NCEP)和预报系统实验室(FSL)等共同开发的新一代中尺度大气模型。本文大气模式采用WRF模型中的ARW动力框架，资料同化模块采用WRF模型自带的同化模块WRFDA。关于WRF模型的描述，详见文献[10]。

海浪模型采用SWAN模型，SWAN是由荷兰Delft大学开发的第三代近岸海浪模型，适用于海洋风浪、涌浪及混合浪的模拟，并具有模拟近岸波浪变形的能力。SWAN 模型可以采用结构化网格和非结构化三角网格，支持笛卡尔坐标和球面坐标，本文采用非结构化三角网格。关于SWAN模型的描述，详见文献[11]。

1.2 三维变分同化原理

WRF模式的数据同化模块WRFDA（WRF Data Assimilation）包括三维变分同化3D-Var（Three-Dimensional Variation）和四维变分同化4D-Var（Four-Dimensional Variation）两种，两种同化方法的差别在于后者使用了数值预报模型。WRFDA可同化多种观测数据，包括常规观测数据、卫星遥感辐射数据、多普勒雷达数据及混合数据等[12]。本文采用三维变分同化方法，其主要功能是通过迭代算法求解指定的目标函数以获取真实气候状态的一个最优估计[13]。

1.3 卫星资料数据

新型大气垂直探测器 ATOVS(Advanced TIROS-N Operational Vertical Sounder)是美国国家海洋局第五代NOAA 卫星的系列传感器的一种，是大气垂直探测器 TOVS 的改进型。ATOVS 具有探测通道多、空间和时间分辨率高等特点，能充分发挥各探测器所具有的穿透云层、探测云下大气垂直结构的独特能力，从而大大改进了大气温度和湿度的探测水平。

AMSU-A 是一个搭载在NOAA系列卫星上的全功率微波扫描辐射计，由13 个AMSU-Al(温度探测)通道的和 2 个AMSU-A2(窗区/表面)通道组成，共有 15 个探测通道。每天包含00、06、12和18时四个时次，且每个时次集成了前后各三小时NOAA序列卫星上的资料。

卫星资料的同化方法有反演同化和直接同化两种，卫星资料的直接同化实际就是在观测算子中包含大气辐射传输(RT)正演模式,并用变分法等有效的数据同化方案直接同化以“原始”形式或近“原始”形式的卫星辐射率(或亮温)，这样不仅能从观测中获取更多的信息，而且避免了复杂的卫星资料反演计算及其带来的反演误差[14]，本文中应用CRTM快速辐射传输模式来处理AMSUA亮温资料。

2 台风“威马逊”风场模拟

2.1 台风“威马逊”简介

超强台风“威马逊”为2014年太平洋台风季第九个被命名的风暴，“威马逊”于18日下午3时半以超强台风短暂登陆海南省文昌市沿海，不久后进入琼州海峡，晚上7时半再于广东省湛江市沿海登陆；19日继续向西北或西北偏西移动，穿越北部湾，并于早上7时10分又于中国广西壮族自治区防城港市沿海再次登陆，造成海南、广东、广西地区受灾严重。本文重点模拟“威马逊”从进入南海到在广西登陆的台风过程，即模拟时间为北京时间2014年7月16日20时至7月19日8时。

2.2 模拟试验设计

WRF模型水平方向为规则化网格，为了更准确地刻画台风内部结构，并为波浪计算提供高精度的风场数据，威马逊台风风场计算采用双重网格嵌套，主区域D1（大模型）与嵌套区域D2（小模型）地形范围如图1所示。D1与D2均采用正方形网格，其空间分辨率分别为12 km与4 km。主区域D1的经度范围为97.07°E～142.93°E，纬度范围为2.15°S～30.94°N，网格数为370×280；嵌套区域D2的经度范围为101.51°E～ 124.28°E，纬度范围为9.73°N～25.99°N，网格数为550×415。垂直方向为分布不均匀的35层；陆表过程采用Noah陆表模式，行星边界层方案选择YSU方案，积云参数化方案选择Kain-Fritsch方案，微物理方案选择Kessler方案，长波辐射方案RRTM方案，短波辐射方案选择Dudhia方案；WRF的初、边值场采用NCEP提供的逐日4个时次的1°×1°的FNL再分析资料；主区域积分时间步长取72 s，D1与D2采用双向耦合计算。

图1 台风“威马逊”计算地形范围Fig.1 Computational domain of typhoon Ramasun

试验方案包括控制试验和同化试验。首先用 WRF 模式将NCEP提供的初始场进行6 h的模拟，即从 北京时间2014年 7 月 16 日 14 时模拟至 2014年7 月 16 日 20时。控制试验（CT）以 16 日 20时的 NCEP 资料作为初始场，对“威马逊”进行 60 h的模拟而不同化任何资料。同化试验 （AMSUA）在16 日 20时同化微波辐射资料 AMSU-A，接着模拟6 h到 17 日 2时，之后每隔6 h同化一次，至北京时间2014年7 月 19 日 8时结束。

2.3 卫星资料同化效果分析

联合台风警报中心（Joint Typhoon Warning Center，缩写：JTWC）是美国海军于夏威夷珍珠港的海军太平洋气象及海洋中心（NPMOC）的分部，负责全年持续监察、分析及预测太平洋、印度洋及其他海域的热带气旋的行程、发展及动向，该中心的责任范围覆盖全球九成热带气旋的活动范围。该中心会定期发布经过校正的过往台风的最佳路径和强度数据，是气象研究者常用的校对资料。

图2 台风路径模拟结果与JTWC资料对比Fig.2 Comparison of typhoon track simulation results with JTWC data

以联合台风警报中心JTWC（美国海军于夏威夷珍珠港的海军太平洋气象及海洋中心（NPMOC）的分部，负责全年持续监察、分析及预测太平洋、印度洋及其他海域的热带气旋的行程、发展及动向）给出的西北太平洋最佳路径数据集中每隔6 h的台风最佳路径（http://agora.ex.nii.ac.jp/digital-typhoon/help/tyinfo.html. en）为参照，控制试验和同化试验路径模拟结果的比较如图2所示。与最佳路径相比，控制试验和同化试验模拟的台风移动路径均偏北。经过统计，控制试验模拟24 h时路径平均误差为39 km，模拟48 h时平均误差41 km，同化试验模拟24 h时路径平均误差28 km，模拟48 h时平均误差32 km。同化试验的台风路径比控制试验更接近JTWC最佳路径。

以JTWC最佳路径数据集给出的每隔6 h的台风中心附近最大风速和最低气压为准，来比较控制试验和同化试验对台风强度的模拟效果。台风中心最大风速和最低气压对比分别如图3-a和3-b所示，可以看到，控制试验和同化试验台风强度的变化趋势和JTWC资料一致，在台风登陆前不断加强，达到最大强度后登陆，登陆之后逐渐减弱。与JTWC资料相比，控制试验和同化试验模拟得到的台风强度均偏弱，部分原因是JTWC资料中的风速和气压是台风中心附近最大一分钟风速和气压，而WRF输出的风速是输出时刻的瞬时风速。经过统计，与JTWC数据集相比，控制试验模拟期间台风中心最大风速平均误差为11.32 m/s，同化试验模拟期间平均误差为7.73 m/s；控制试验模拟期间台风中心最低气压平均误差为15.36 hpa，同化试验模拟期间平均误差为9.92 hpa。可以看出同化试验对卫星资料的引入可以有效地增加台风内部结构信息，从而改善台风强度的模拟效果。图4所示为台风登陆前（模拟42小时）同化试验和控制试验的风场图，图中黑色圆点表示这一时刻JTWC最佳路径提供的风场中心，可以看到，同化试验的风场中心更为接近这一时刻的JTWC最佳路径，风场强度也有所提升。

图3 台风强度模拟结果与JTWC资料对比Fig.3 Comparison of simulated results of typhoon intensity with JTWC data

图4 模拟42小时风场对比Fig.4 Comparison of wind field for 42th hour

3.1 模拟试验设计

SWAN波浪数值计算模型采用经纬坐标，

3 台风“威马逊”波浪场模拟

采用局部加密的非结构化网格和曲线开边界，地形范围及网格划分如图5所示,地形经度范围为105.61°E～119.65°E，纬度范围为11.60°N～25.38°N。模型网格节点数为 26 418，单元数 50 785，网格空间步长最大为 0.28°，最小为 0.005°，计算采用 同化试验WRF 嵌套区域 D2 计算所得的 10 m高处风速资料作为驱动风场，时间步长为5 min。

3.2 波浪场分析

为了进一步验证同化试验方案模拟风场对波浪模拟的影响，采用AVISO 发布的Jason-2卫星高度计数据（http://www.aviso.altimetry.fr/en/ data.html）作为波高验证资料。在同化试验模拟的时间范围内，Jason-2卫星经过南海并有数据的时刻为2014年7月18日8时50分左右，卫星地面轨迹如图6。图7所示为这一时刻控制试验和同化试验波浪场，提取对应时刻对应坐标位置的有效波高进行对比，对比结果如图8所示。根据图2中JTWC最佳路径，这一时刻的台风中心在北纬20°附近，图8中可以看到在台风影响较大的较高纬度海域，同化试验的波高模拟值明显大于控制试验，与Jason-2卫星遥感数据更加接近，低纬度海域受台风影响逐渐减弱，同化试验和模拟试验的波高值比较接近，总体而言，同化试验风场驱动的波浪场计算结果更加准确。

图5 计算范围和网格划分Fig.5 Computational domain and mesh

图6 Jason-2地面轨迹Fig.6 Jason-2 ground track

图7 卫星经过时刻波浪场对比Fig.7 Comparison of wave field when satellite passed

图8 有效波高模拟值与卫星数据对比Fig.8 Comparison of satellite data and simulated wave height

4 结论

本文利用WRF 大气模式，以1409 号超强台风 “威马逊”台风为例，利用WRFDA模块进行了微波辐射资料AMSU-A 连续同化的模拟试验，与非同化试验进行了对比，并将大气模式的计算风场作为驱动风场，利用SWAN模型模拟了台风风场作用下的波浪场，获得以下主要结论：（1）采用连续同化AMSU-A 资料的方法，将多时次的卫星资料引入数值模式用于改善台风初始场和过程场，能够较为显著地提高台风路径和强度的模拟效果。（2）同化试验模型能较好地模拟“威马逊”台风，台风移动路径模拟期间平均误差较小。（3）将同化试验的风场作为驱动风场，采用SWAN海浪模型能够合理地模拟出南海大范围，复杂地形的波浪场，且较非同化试验风场驱动的波浪场更加合理。

[1] 李英，陈联寿，张胜军. 登陆我国热带气旋的统计特征[J]. 热带气象学报，2004，20(1)：14-23. LI Y, CHEN L S, ZHANG S J. Statistical characteristics of tropical cyclones landing in China[J]. Journal of Tropical Meteorology. 2004,20(1):14-23.

[2] 李兴武，董海萍，郭卫东，等. ATOVS 不同卫星资料在台风模拟中的同化试验研究[J]. 热带气象学报，2012,28(2)：157-166.LI X W, DONG H P,GUO W D, et al. Study on assimilation experiment of ATOVS satellite data in typhoon simulation [J]. Journal of Tropical Meteorology, 2012, 28(2): 157-166.

[3] 官元红，周广庆，陆维松，等．资料同化方法的理论发展及应用综述[J]．气象与减灾研究，2007，30(4)：1-8．GUAN Y H, ZHOU G Q, LU W S, et al. A review of theoretical development and application of data assimilation method [J]. Meteorology and disaster reduction research, 2007,30 (4): 1-8.

[4] Tallapragada V. Satellite data assimilation of upper-level sounding channels in HWRF with two different model tops[J]. Journal of Meteorological Research, 2015, 29(1): 1-27.

[5] Le Marshall J F, Leslie L M, Abbey Jr R F, et al. Tropical cyclone track and intensity prediction: The generation and assimilation of high-density, satellite-derived data[J]. Meteorology and Atmospheric Physics, 2002, 80(1-4): 43-57.

[6] Cui L, Sun J, Qi L, et al. Application of ATOVS radiance-bias correction to typhoon track prediction with Ensemble Kalman Filter data assimilation[J]. Advances in Atmospheric Sciences, 2011, 28: 178-186.

[7] Zhang M, Zupanski M, Kim M J, et al. Assimilating AMSU-A radiances in the TC core area with NOAA operational HWRF (2011) and a hybrid data assimilation system: Danielle (2010)[J]. Monthly Weather Review, 2013, 141(11): 3 889-3 907.

[8] Zhang H, Xue J, Zhu G, et al. Application of direct assimilation of ATOVS microwave radiances to typhoon track prediction[J]. Advances in Atmospheric Sciences, 2004, 21(2): 283-290.

[9] 刘君,黄江平,董佩明,等. 卫星资料连续同化应用对区域数值预报效果影响分析[J]. 气象, 2013(2): 156-165. LIU J, HUANG J P, DONG P M, et al. Effects of continuous data assimilation of satellite data on regional numerical prediction effect [J]. Meteorology, 2013 (2): 156-165.

[10] 谭凤. 基于WRF大气模式的大风过程波浪模拟[D]. 天津: 天津大学, 2011.

[11] 杨静思. 波流实时耦合模式的建立及应用[D]. 天津: 天津大学, 2012.

[12] Wang W, Bruyère C, Duda M, et al. ARW Version 3 Modeling System User's Guide[R]. Mesoscale and Microscale Meteorology Division, National Center for Atmosphere Research, 2011.

[13] Ide K, Courtier P, Ghil M, et al. Unified notation for data assimilation: Operational, sequential and variational[J]. Quarterly Journal of the Royal Meteorological Society, 1997, 75:181-189.

[14] 李冉, 高山红, 王永明. 直接同化卫星辐射数据的黄海海雾数值试验研究[J]. 中国海洋大学学报:自然科学版, 2012, 42(3):10-20. LI R, GAO S H, WANG Y M.Numerical experiment study on sea fog of the YellowSea by direct assimilation of satellite radiation data [J]. Journal of Ocean University of China, 2012, 42 (3):10-20.

Application of continual assimilation of satellite data in typhoon Ramasun simulation

LI Ming-xing1, ZHANG Qing-he1, YANG Hua2
(1. State Key Laboratory of Hydraulic Engineering Simulation and Safety,Tianjin University,Tianjin 300072,China; 2. Tianjin Research Institute for Water Transport Engineering,National Engineering Laboratory for Port Hydraulic Construction Technology, Key Laboratory of Engineering Sediment, Ministry of Transport, Tianjin 300456, China)

Using the mesoscale weather forecasting model WRF, by continuous assimilation of AMSU-A microwave radiation data through WRFDA model and the Community Radiative Transfer Model (CRTM), super typhoon Ramasun was simulated to assess the impact of satellite data assimilation. SWAN model was applied to simulate wave fi eld driven by typhoon wind. The results show that using the method of continuous assimilation of AMSU-A data can greatly improve the simulation effect of typhoon path and intensity, and the wave fi eld under the effect of typhoon.

satellite data; typhoon Ramasun; continuous assimilation; wind fi eld; wave fi eld

TV 331；O 242.1

A

1005-8443(2017)03-0235-05

2016-11-23；

2017-01-24

李明星（1991-），男，河北省张家口人，硕士研究生，主要从事港口海岸及近海工程研究工作。Biography:LI Ming-xing(1991-),male,master student.