论文部分内容阅读
摘要 为了推进FY-4A卫星资料在数值模式中的实际应用，本研究选择云导风产品作为研究对象，首先统计了FY-4A高层水汽通道和红外通道云导风的观测误差，进一步基于WRFDA（Weather Research and Forecasting model Data Assimilation system）系统，利用默认观测误差和新观测误差进行了为期一个月的循环同化及预报试验，并分析了试验期间的台风预报效果。结果表明：相较于默认观测误差，FY-4A云导风产品的新观测误差垂直结构特征更加明显;采用本研究统计的FY-4A云导风观测误差，能够在默认观测误差的基础上改善风场的分析和预报效果;试验期间的两个台风个例分析表明，新观测误差也能够减小台风路径的预报误差。
关键词资料同化;FY-4A;云导风;观测误差
大气运动矢量（Atmospheric Motion Vector，AMV），又称云导风或云迹风，是通过在连续的卫星图像中追踪水汽梯度或者小的积云团等目标物的运动轨迹反演得到的风矢量信息，用来表征相应匹配高度上的风（Velden et al.，1997;许健民和张其松，2006）。云导风产品的信息主要集中在中高对流层，诸多研究表明云导风产品的同化对提高数值天气预报准确性有着重要的作用（周兵等，2002;黄彦彬等，2003;Wang et al.，2004;曹文博和沈桐立，2007;馮文等，2008;Berger et al.，2011;Wu et al.，2014）。
同化系统中的观测误差与背景误差共同决定着观测资料和背景场信息的相对重要性，从而影响到分析场的质量（陶士伟等，2008;陈浩等，2017）。云导风产品在不同时刻对应的格点和观测数都不固定，一般通过在垂直方向进行分层统计，进而得到误差的垂直廓线（Cordoba et al.，2017）。河惠卿等（2009）以400 hPa和700 hPa为界在垂直方向分为低、中、高三层，分别统计了FY-2C（Feng Yun-2C）和MTSAT（Multi-functional Transport SATellites）的云导风产品在这三层上的风速和风向误差，但是由于垂直分层较为粗糙，其统计结果无法很好体现误差的垂直特征。而庄照荣和薛纪善（2004）参考了模式分层情况，统计了日本静止气象卫星GMS-5（Geostationary Meteorological Satellite-5）的云导风产品观测误差，其统计表明：该云导风产品的误差随高度增加，并且水汽通道的风速误差小于红外通道的误差;同时该研究也证明了，针对不同资料进行误差统计可以获得更加合理的分析和预报结果。另外，Otsuka et al.（2018）统计了Himawari-8 卫星快速更新的云导风产品（Rapid Scan Atmospheric Motion Vector，RS-AMV）相对于JMA（Japan Meteorological Agency）的模式背景场的误差特征，最终的结果也证实了不同通道之间的数据特征存在明显的差别。因此，云导风产品需要针对不同通道分别进行分层统计，以获得具有垂直特征的不同通道观测误差。
静止卫星可以针对同一区域进行全天候、不间断的高频次观测，与其他观测资料相比，静止卫星的云导风产品具有覆盖范围更广、时空分辨率更高的特点，能够有效弥补海洋和高原等常规观测稀疏地区的信息不足（薛谌彬等，2013;任素玲等，2014;万晓敏等，2018）。2016年发射的FY-4A试验卫星搭载的多通道扫描成像辐射计（Advanced Geosynchronous Radiation Imager，AGRI），与之前FY-2系列静止气象卫星搭载的成像仪相比，增加了2个可见光通道和7个红外通道，大大提高了探测的时空分辨率，全圆盘扫描耗时也缩短到了15 min，同时可以实现对中国区域的5 min成像（陆风等，2017;张志清等，2017）。
为进一步推进FY-4A资料在模式中的实际应用，分析FY-4A星云导风观测误差的优化对资料同化和对数值预报的具体影响，本文在统计分析FY-4A星不同通道云导风产品的观测误差的基础上，开展了一系列同化和预报试验研究。
1 FY-4A云导风观测及观测误差统计
1.1 FY-4A云导风产品介绍
AGRI有14个通道，可以反演出三种通道的云导风产品，本文研究其中的高层水汽通道云导风产品（WV）和红外通道云导风产品（IR），产品资料的空间分辨率为64 km。图1a和1b分别为2017年8月21日12时（世界时，下同）的高层水汽通道和红外通道云导风产品的水平分布情况，数据覆盖了星下点为（104.7°E，0°）的圆盘区域。可以看出，FY-4A星的云导风资料能够补充常规探测稀疏地区，尤其是在洋面上的观测信息，同时两个通道的产品数据的水平分布相差较为明显。
为了进一步分析两个通道云导风产品的数据量分布差异，利用2017年8月1—31日的数据，统计了FY-4A高层水汽通道以及红外通道云导风产品总数据量的垂直分布（图1c）。可以看出：高层水汽通道的云导风基本分布在600 hPa以上的高度层，并主要集中在400～200 hPa，这是因为水汽通道位于吸收波段，水汽分布高度以下的辐射信息在传输时会被吸收，仪器只能探测到水汽吸收地表辐射后向外发射的辐射（Velden et al.，1997）;而红外通道由于位于大气窗区，可以接收到云和地表向外发射的长波辐射，因而红外通道的导风在低层也有数据分布（Yang et al.，2014）。
1.2 观测误差统计算法
观测误差的统计一般选用探空或者模式格点场作为参考场，当目标观测与参考场不相关且假设参考场近似于真实大气值时，可以将目标观测相对于参考场的均方根误差作为实际资料的观测误差值（Benjamin et al.，1999;庄照荣和薛纪善，2004;Gao et al.，2012）。由于探空观测的水平分布密度小于云导风产品，所以本研究分别选用1°×1°的FNL全球分析资料和0.75°×0.75°的ERA-interim资料作为参考场。借鉴Desroziers et al.（2005）和Cordoba et al.（2017）有关观测误差的统计方法，综合考虑目标观测相对于模式背景场、同化观测后的分析场的偏差情况，利用通过WRFDA同化系统质量控制的云导风资料统计FY-4A云导风产品的观测误差。 参考WRFDA的默认观测误差文件中的分层标准，将模式层每隔50 hPa分为n层，记每一高度层上的观测总数为mj（j=1，2，…，n）假设误差统计在每一高度层上是均匀的，则第j（j=1，2，…，n）层资料对应的观测误差记为：
Rnew（j）=1mj∑i=mji=1（y-H（xa））（y-H（xb））12，j=1，2，…，n。
其中：y、xa、xb分别表示云导风产品、同化观测后的分析场和参考背景场;H为观测算子。
1.3 FY-4A云导风观测误差垂直分布
基于FNL和ERA-interim两种参考场统计了高层水汽通道和红外通道云导风产品的观测误差（图2），统计时间段为2017年8月1—31日。可以看出，使用ERA-interim和FNL两种参考场得到的观测误差具有类似的垂直结构特征，且误差值相差不大。与WRFDA系统默认700 hPa以上一致的观测误差（4.5 m·s-1）相比，FY-4A高层水汽通道的观测误差（图2a）存在明显的垂直结构特征，其在700～200 hPa范围内误差值随着高度减小，且在600 hPa以上小于WRFDA默认数值。FY-4A红外通道的观测误差（图2b）在800 hPa以下较小，而700 hPa以上的观测误差明显增大，这与WRFDA系统默认的云导风观测误差特征类似，但在700 hPa以上误差大于WRFDA的默认观测误差数值（4.5 m·s-1）。
2 连续循环同化及预报试验设置
鉴于以FNL和ERA-interim为参考场得到的FY-4A云导风观测误差垂直结构特征相似且数值相近，本研究选用以ERA-interim为参考场统计得到的FY-4A云导风观测误差进行为期一个月（2017年8月1—31日）的循环同化及预报试验。
研究采用3.8.1版本的WRF（Weather Research and Forecasting Model）模式及WRFDA （Weather Research and Forecasting model Data Assimilation system）同化系统，区域设置三层嵌套，分辨率分别为27 km、9 km和3 km（图3），垂直分为41层，模式頂气压为50 hPa。研究采用三维变分的同化方法，利用D01区域一个月的12 h预报和24 h预报结果的偏差样本计算得到背景误差协方差。微物理过程采用WDM6方案，辐射过程选择RRTMG长波和短波辐射方案，近地层方案为Monin-Obukhov，边界层方案为YSU，另外还采用了Noah陆面过程方案和Kain-Fritsch积云参数化方案。试验的初始条件和边界条件都来自NCAR/NCEP的1°×1°的FNL资料，同化的观测资料包括GTS （Global Telecommunications System） 观测数据集中的地面站观测（SYNOP）、自动站航空观测（METAR）、船舶观测（SHIP）、浮标观测（BUOY）、探空观测（SOUND）、飞机报观测（AIREP）以及FY-4A两个通道的云导风产品（图3）。
研究根据同化试验使用的云导风产品以及观测误差设计了四组对比试验（表1），分别是使用WRFDA默认观测误差同化高层水汽通道云导风的试验（DEF-WV），使用WRFDA默认观测误差同化红外通道云导风的试验（DEF-IR），使用新观测误差同化高层水汽通道云导风的试验（NEW-WV），以及使用新观测误差同化红外通道云导风的试验（NEW-IR）。试验期间，每天的18时设置冷启动，不同化观测，直接向后预报6 h，然后第二天的00时、06时、12时和18时都将前一个时刻的6 h预报场作为当前时刻的背景场，加入观测同化并向后预报24 h（台风期间则是向后预报48 h）。
3 连续循环同化及预报试验结果分析
3.1 常规要素客观检验
为了比较默认观测误差和新观测误差对试验影响的差异，将试验的分析场和24 h预报场分别与ERA-interim资料进行了对比验证。图4为同化试验的分析场相对于ERA-interim资料的均方根误差（Root Mean Square Error，RMSE）垂直廓线。从图中可以看出：使用新观测误差同化云导风，其改进主要体现在对风场上;对于高层水汽通道，风场的分析改进主要体现在400 hPa以上高度，并在300～200 hPa的改进效果最为明显，这与图1统计得到的水汽通道的云导风主要分布在中高层的特征是相对应的;而由于红外通道云导风产品在垂直方向上分布相对较为均匀，其改进效果在不同高度都有所体现。图5为24 h预报场相对于ERA-interim资料的RMSE垂直廓线。可以看出，新观测误差依旧可以改善风场的预报结果，红外通道改善的高度范围依旧比高层水汽通道的大。另外，24 h预报场的RMSE相比分析场的RMSE都出现了一定幅度的增长，不同方案之间的RMSE更趋近。
研究还将各组试验结果与探空观测进行了对比，得到的结果和上述类似：新观测误差对试验的改进效果主要体现在风场，红外通道改善的高度范围依旧比高层水汽通道的大。
3.2 对台风预报的影响
在试验的一个月期间，D01区域出现了两次比较完整的台风过程（图6），为了进一步分析使用不同观测误差对试验同化及预报产生的影响差异，本节对台风预报结果进行分析。两次台风过程，一个是2017年8月20日06时在台湾省偏南方向760 km的洋面上生成，23日04时50分前后发展成强台风级并在广东珠海南部沿海登陆的台风“Hato”（张涛等，2019）;另一个台风系统“Pakhar”于2017年8月24日06时生成，并在27日01时在广东台山东南部的沿海登陆。
3.2.1 台风路径及强度预报误差
图7、图8分别统计了台风期间的八次路径预报及强度预报的平均误差随预报时长的变化，统计使用的预报结果来自8月21日12时—22日06时期间的4次预报，和24日12时—25日06时期间的4次预报。 从路径预报的平均误差（图7）来看，高层水汽通道的新观测误差Rwv能够有效减小预报18 h后的平均路径预报误差，红外通道的新观测误差Rir能够减小前10 h以及预报24 h后的平均路径预报误差。
对于台风的强度预报（图8），高层水汽通道的新观测误差Rwv能够略微减小18 h预报后的最大风速（Maximum Wind Speed，MWP）的预报误差，红外通道的新观测误差Rir则是能够稍微改善中心海平面最低气压（Minimum Sea Level Pressure，MSLP）的预报效果。总体来说，新观测误差对台风的强度预报存在微弱的改善，但作用不如路径预报明显。
3.2.2 风场物理量诊断
云导风是利用卫星图像信息反演得到的大气运动矢量，主要体现的是中高对流层的气流运动，所以本节主要从可以表征风场的物理量出发，进行进一步讨论。
图9为22日00时的四个试验，24 h预报场沿台风中心得到的经向风剖面以及同一通道两种观测误差对应试验结果的剖面差异场。该时刻的实况系统中心位于（114.5°E，21.15°N），最低海平面气压为950 hPa，最大风速为42 m·s-1，系统强度已经达到强台风级别。从图中可以看出，使用新观测误差的试验风场24 h预报结果的强度均比使用默认观测误差得到的预报场强度大，这说明使用新观测误差可以更为准确地利用云导风资料描述不同层次的风场信息，从而有效改善经向风预报。
4 结语
为了进一步推进FY-4A卫星资料在模式中的实际应用，本研究选择云导风作为研究对象，探究观测误差的优化对同化效果的影响。研究统计了FY-4A高层水汽通道和红外通道反演得到的云导风产品的观测误差，并基于WRF及其同化系统WRFDA开展了一系列同化和预报试验。结果表明：
1）FY-4A云导风产品的观测误差存在明显的垂直结构特征，其中高层水汽通道的观测误差在700～200 hPa之间随高度减小，并且在600 hPa以上小于默认误差（4.5 m·s-1）;而红外通道的新观测误差在800 hPa以下较小，700 hPa以上明显变大且大于默认误差（4.5 m·s-1）。
2）与使用系统的默认观测误差值相比，采用本研究統计的FY-4A云导风产品观测误差，能够改善风场的分析和预报效果，其中水汽通道对风场的分析改进主要体现在400 hPa以上高度，并在300～200 hPa的改进效果最为明显;而红外通道云导风产品数据在垂直方向上分布相对较为均匀，其改进效果在不同高度都有所体现。
3）采用本研究统计的FY-4A云导风产品观测误差，能够通过调整背景场和观测信息在分析场中的相对权重，减小台风路径的预报误差，并在一定程度上改进强度预报。
本研究是对FY-4A云导风产品在同化应用中的初步探索，鉴于云导风产品主要提供的是风场信息，在验证观测误差的修正可以对试验产生积极影响后，如何正确地选择风场同化方案（Huang et al.，2013;Sun et al.，2016;卢长浩等，2019）是必不可少的研究内容。此外，云导风产品不仅可以用于数值预报研究，还可以用于风场的分析（Oyama et al.，2018;李泽椿等，2020），通过结合日本新一代的Himawari-8反演得到的云导风产品，可以实现对FY-4A的云导风产品更加深入细致的质量研究。
参考文献（References）
Benjamin S G，Schwartz B E，Cole R E，1999.Accuracy of ACARS wind and temperature observations determined by collocation[J].Wea Forecasting，14（6）：1032-1038.doi：10.1175/1520-0434（1999）014<1032：aoawat>2.0.co;2.
Berger H，Langland R，Velden C S，et al.，2011.Impact of enhanced satellite-derived atmospheric motion vector observations on numerical tropical cyclone track forecasts in the western north Pacific during TPARC/TCS-08[J].J Appl Meteorol Climat，50（11）：2309-2318.doi：10.1175/jamc-d-11-019.1.
曹文博，沈桐立，2007.卫星云导风资料应用于伴随同化系统的数值试验研究[J].南京气象学院学报，30（4）：495-502. Cao W B，Shen T L，2007.Application of cloud drift wind data assimilation in MM5 adjoint-model assimilation system[J].J Nanjing Inst Meteor，30（4）：495-502.doi：10.13878/j.cnki.dqkxxb.2007.04.009.（in Chinese）.
陈浩，陈静，汪矫阳，等，2017.观测误差对GRAPES区域集合预报影响的敏感性试验[J].大气科学学报，40（2）：193-201. Chen H，Chen J，Wang J Y，et al.，2017.Sensitivity tests of the influence of observation mean square error on GRAPES regional ensemble prediction[J].Trans Atmos Sci，40（2）：193-201.doi：10.13878/j.cnki.dqkxxb.20151102001.（in Chinese）. Cordoba M，Dance S L，Kelly G A，et al.，2017.Diagnosing atmospheric motion vector observation errors for an operational high-resolution data assimilation system[J].Quart J Roy Meteor Soc，143（702）：333-341.doi：10.1002/qj.2925.
Desroziers G，Berre L，Chapnik B，et al.，2005.Diagnosis of observation，background and analysis-error statistics in observation space[J].Quart J Roy Meteor Soc，131（613）：3385-3396.doi：10.1256/qj.05.108.
馮文，万齐林，陈子通，等，2008.逐时云迹风资料同化对暴雨预报的模拟试验[J].气象学报，66（4）：500-512. Feng W，Wan Q L，Chen Z T，et al.，2008.Hourly assimilation of cloud motion winds and its impact on torrential rain forecast[J].Acta Meteorol Sin，66（4）：500-512.（in Chinese）.
Gao F，Zhang X Y，Jacobs N A，et al.，2012.Estimation of TAMDAR observational error and assimilation experiments[J].Wea Forecasting，27（4）：856-877.doi：10.1175/waf-d-11-00120.1.
河惠卿，王振会，金正润，等，2009.三种云导风资料及其对台风数值预报影响试验的比较分析[J].热带气象学报，25（1）：82-88. He H Q，Wang Z H，J Kim，et al.，2009.Comparison of three cloud motion wind vectors and impact on typhoon track numerical forecast[J].J Trop Meteor，25（1）：82-88.doi：10.3969/j.issn.1004-4965.2009.01.010.（in Chinese）.
Huang X Y，Gao F，Jacobs N A，et al.，2013.Assimilation of wind speed and direction observations：a new formulation and results from idealised experiments[J].Tellus A：Dyn Meteorol Oceanogr，65（1）：19936.doi：10.3402/tellusa.v65i0.19936.
黄彦彬，雷恒池，王振会，等，2003.卫星云迹风资料对中尺度数值模式初始风场改进试验[J].南京气象学院学报，26（5）：668-676. Huang Y B，Lei H C，Wang Z H，et al.，2003.Modification of initial wind field of a mesoscale numerical model based on the data of satellite cloud drift wind[J].J Nanjing Inst Meteor，26（5）：668-676.doi：10.3969/j.issn.1674-7097.2003.05.012.（in Chinese）.
李泽椿，张玲，钱奇峰，等，2020.中央气象台台风预报业务的发展及思考[J].大气科学学报，43（1）：10-19. Li Z C，Zhang L，Qian Q F，et al.，2020.The development and consideration of typhoon forecast operation of National Meteorological Center[J].Trans Atmos Sci，43（1）：10-19.doi：10.13878/j.cnki.dqkxxb.20200110015.（in Chinese）.
卢长浩，陈耀登，孟德明，2019.两种动力控制变量对比分析及其对台风同化和预报的影响[J].大气科学学报，42（6）：916-925. Lu C H，Chen Y D，Meng D M，2019.Comparative analysis of two dynamical control variables and their impacts on typhoon assimilation and prediction[J].Trans Atmos Sci，42（6）：916-925.doi：10.13878/j.cnki.dqkxxb.20171018001.（in Chinese）.
陆风，张晓虎，陈博洋，等，2017.风云四号气象卫星成像特性及其应用前景[J].海洋气象学报，37（2）：1-12. Lu F，Zhang X H，Chen B Y，et al.，2017.FY-4 geostationary meteorological satellite imaging characteristics and its application prospects[J].J Mar Meteor，37（2）：1-12.doi：10.19513/j.cnki.issn2096-3599.2017.02.001.（in Chinese）. Otsuka M，Seko H，Shimoji K，et al.，2018.Characteristics of himawari-8 rapid scan atmospheric motion vectors utilized in mesoscale data assimilation[J].J Meteor Soc Japan，96B：111-131.doi：10.2151/jmsj.2018-034.
Oyama R，Sawada M，Shimoji K，2018.Diagnosis of tropical cyclone intensity and structure using upper tropospheric atmospheric motion vectors[J].J Meteor Soc Japan，96B：3-26.doi：10.2151/jmsj.2017-024.
任素玲，蒋建莹，许健民，2014.卫星水汽通道探测所揭示的高空流场在南亚高压东侧强降水分析中的应用[J].氣象，40（6）：697-705. Ren S L，Jiang J Y，Xu J M，2014.Application of upper troposphere circulation revealed by the satellite IR3 channel to heavy rainfall events analysis in the east side of South Asia high[J].Meteor Mon，40（6）：697-705.（in Chinese）.
Sun J Z，Wang H L，Tong W X，et al.，2016.Comparison of the impacts of momentum control variables on high-resolution variational data assimilation and precipitation forecasting[J].Mon Wea Rev，144（1）：149-169.doi：10.1175/mwr-d-14-00205.1.
陶士伟，郝民，薛纪善，等，2008.数值预报同化系统中观测资料误差分析[J].气象，34（7）：34-40. Tao S W，Hao M，Xue J S，et al.，2008.Analyses of observation data error in numerical forecasting assimilation system[J].Meteor Mon，34（7）：34-40.（in Chinese）.
Velden C S，Hayden C M，Nieman S J，et al.，1997.Upper-tropospheric winds derived from geostationary satellite water vapor observations[J].Bull Amer Meteor Soc，78（2）：173-195.doi：10.1175/1520-0477（1997）078<0173：utwdfg>2.0.co;2.
万晓敏，韩威，田伟红，等，2018.加密FY-2G云导风质量评估及其在GRAPES_RAFS系统中的应用分析[J].高原气象，37（4）：1083-1093. Wan X M，Han W，Tian W H，et al.，2018.The application of intensive FY-2G AMVs in GRAPES_RAFS[J].Plateau Meteor，37（4）：1083-1093.doi：10.7522/j.issn.1000-0534.2017.00089.（in Chinese）.
Wang D，Liang X，Duan Y，et al.，2004.Impact of four-dimensional variational data assimilation of atmospheric motion vectors on tropical cyclone track forecasts[J].Wea Forecasting，21（4）：663-669.
Wu T C，Liu H，Majumdar S J，et al.，2014.Influence of assimilating satellite-derived atmospheric motion vector observations on numerical analyses and forecasts of tropical cyclone track and intensity[J].Mon Wea Rev，142（1）：49-71.doi：10.1175/mwr-d-13-00023.1.
许健民，张其松，2006.卫星风推导和应用综述[J].应用气象学报，17（5）：574-582. Xu J M，Zhang Q S，2006.Status review on atmospheric motion vectors-derivation and application[J].J Appl Meteor Sci，17（5）：574-582.（in Chinese）.
薛谌彬，龚建东，何财福，等，2013.静止卫星云导风的质量控制及在同化中的应用[J].应用气象学报，24（3）：356-364. Xue C B，Gong J D，He C F，et al.，2013.Quality control of cloud derived wind vectors from geostationary meteorological satellites with its application to data assimilation system[J].J Appl Meteor Sci，24（3）：356-364.（in Chinese）. Yang L，Wang Z H，Chu Y L，et al.，2014.Water vapor motion signal extraction from FY-2E longwave infrared window images for cloud-free regions：the temporal difference technique[J].Adv Atmos Sci，31（6）：1386-1394.doi：10.1007/s00376-014-3165-9.
张涛，姜立鹏，师春香，等，2019.AMSU-A全空辐射率资料同化对台风“天鸽”的预报影响研究[J].大气科学学报，42（5）：705-714. Zhang T，Jiang L P，Shi C X，et al.，2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO[J].Trans Atmos Sci，42（5）：705-714.doi：10.13878/j.cnki.dqkxxb.20180731001.（in Chinese）.
张志清，陆风，方翔，等，2017.FY-4卫星应用和发展[J].上海航天，34（4）：8-19. Zhang Z Q，Lu F，Fang X，et al.，2017.Application and development of FY-4 meteorological satellite[J].Aerosp Shanghai，34（4）：8-19.doi：10.19328/j.cnki.1006-1630.2017.04.002.（in Chinese）.
周兵，徐海明，吴国雄，等，2002.云迹风资料同化对暴雨预报影响的数值模拟[J].气象学报，60（3）：309-317. Zhou B，Xu H M，Wu G X，et al.，2002.Numerical simulation of cmwda with its impacting on torrential rain forecast[J].Acta Meteorol Sin，60（3）：309-317.（in Chinese）.
庄照荣，薛纪善，2004.云迹风资料的三维变分同化及对台风预报的影响试验[J].热带气象学报，20（3）：225-236. Zhuang Z R，Xue J S，2004.Assimilation of cloud-derived winds and its impact on typhoon forecast[J].J Trop Meteor，20（3）：225-236.（in Chinese）.
A study of the observational error statistics and assimilation applications of the FY-4A satellite atmospheric motion vector
CHEN Yaodeng1，SHEN Jie1，FAN Shuiyong2，WANG Cheng1
1Key Laboratory of Meteorological Disaster，Ministry of Education（KLME）/Joint International Research Laboratory of Climate and Environment Change（ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster（CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;
2Institute of Urban Meteorology，CMA，Beijing 10089，China
The data from the FY-4A satellite have a higher temporal and spatial resolution when compared with the data obtained from the FY-2 satellites.This indicates the recent development of Chinas geostationary meteorological satellites.In order to promote the practical applications of the FY-4A satellite data in a model and investigate the impacts of observational errors on the assimilation and forecasting accuracy of the atmospheric motion vector （AMV） of the FY-4A satellite，this study carried out in-depth research experiments.The observational errors of the AMVs derived from the high-level water vapor channels and infrared channels of the FY-4A were first calculated and analyzed.The vertical profiles revealed that when compared with the default observational errors of the assimilation system，the new observational errors of the high-level water vapor channel had decreased with height between 700 hPa and 200 hPa.In addition，the new observational errors of the infrared channels were smaller below 800 hPa than above 700 hPa，where the vertical structural features were more pronounced.A series of assimilation and forecasting experiments were carried out using the default observational errors and the new observational errors.It was determined that according to the average RMSE profiles，the results using the new errors were significantly improved in the wind field when compared with results using the default errors.At the same time，the heights at which the RMSE of the wind field had displayed maximum improvement corresponded to the heights at which the number of observations were the largest.Also，the new observational errors of the infrared channels were observed to more widely influence the wind field than that of the high-level water vapor channels since the data from the infrared channels were distributed on almost every layer.Furthermore，the track and intensity forecasting results of the “Hato” and “Pakhar” typhoon systems were discussed in this study in order to further examine the impacts of observational errors on the accuracy of the forecasting results.The results of the typhoon forecasting results indicated that the new observational errors could significantly improve the track forecasting，as well as increase the accuracy of the intensity predictions to some extent.
data assimilation;FY-4A satellite;atmospheric motion vector;observation error
doi：10.13878/j.cnki.dqkxxb.20190921001
（責任编辑：刘菲）
关键词资料同化;FY-4A;云导风;观测误差
大气运动矢量（Atmospheric Motion Vector，AMV），又称云导风或云迹风，是通过在连续的卫星图像中追踪水汽梯度或者小的积云团等目标物的运动轨迹反演得到的风矢量信息，用来表征相应匹配高度上的风（Velden et al.，1997;许健民和张其松，2006）。云导风产品的信息主要集中在中高对流层，诸多研究表明云导风产品的同化对提高数值天气预报准确性有着重要的作用（周兵等，2002;黄彦彬等，2003;Wang et al.，2004;曹文博和沈桐立，2007;馮文等，2008;Berger et al.，2011;Wu et al.，2014）。
同化系统中的观测误差与背景误差共同决定着观测资料和背景场信息的相对重要性，从而影响到分析场的质量（陶士伟等，2008;陈浩等，2017）。云导风产品在不同时刻对应的格点和观测数都不固定，一般通过在垂直方向进行分层统计，进而得到误差的垂直廓线（Cordoba et al.，2017）。河惠卿等（2009）以400 hPa和700 hPa为界在垂直方向分为低、中、高三层，分别统计了FY-2C（Feng Yun-2C）和MTSAT（Multi-functional Transport SATellites）的云导风产品在这三层上的风速和风向误差，但是由于垂直分层较为粗糙，其统计结果无法很好体现误差的垂直特征。而庄照荣和薛纪善（2004）参考了模式分层情况，统计了日本静止气象卫星GMS-5（Geostationary Meteorological Satellite-5）的云导风产品观测误差，其统计表明：该云导风产品的误差随高度增加，并且水汽通道的风速误差小于红外通道的误差;同时该研究也证明了，针对不同资料进行误差统计可以获得更加合理的分析和预报结果。另外，Otsuka et al.（2018）统计了Himawari-8 卫星快速更新的云导风产品（Rapid Scan Atmospheric Motion Vector，RS-AMV）相对于JMA（Japan Meteorological Agency）的模式背景场的误差特征，最终的结果也证实了不同通道之间的数据特征存在明显的差别。因此，云导风产品需要针对不同通道分别进行分层统计，以获得具有垂直特征的不同通道观测误差。
静止卫星可以针对同一区域进行全天候、不间断的高频次观测，与其他观测资料相比，静止卫星的云导风产品具有覆盖范围更广、时空分辨率更高的特点，能够有效弥补海洋和高原等常规观测稀疏地区的信息不足（薛谌彬等，2013;任素玲等，2014;万晓敏等，2018）。2016年发射的FY-4A试验卫星搭载的多通道扫描成像辐射计（Advanced Geosynchronous Radiation Imager，AGRI），与之前FY-2系列静止气象卫星搭载的成像仪相比，增加了2个可见光通道和7个红外通道，大大提高了探测的时空分辨率，全圆盘扫描耗时也缩短到了15 min，同时可以实现对中国区域的5 min成像（陆风等，2017;张志清等，2017）。
为进一步推进FY-4A资料在模式中的实际应用，分析FY-4A星云导风观测误差的优化对资料同化和对数值预报的具体影响，本文在统计分析FY-4A星不同通道云导风产品的观测误差的基础上，开展了一系列同化和预报试验研究。
1 FY-4A云导风观测及观测误差统计
1.1 FY-4A云导风产品介绍
AGRI有14个通道，可以反演出三种通道的云导风产品，本文研究其中的高层水汽通道云导风产品（WV）和红外通道云导风产品（IR），产品资料的空间分辨率为64 km。图1a和1b分别为2017年8月21日12时（世界时，下同）的高层水汽通道和红外通道云导风产品的水平分布情况，数据覆盖了星下点为（104.7°E，0°）的圆盘区域。可以看出，FY-4A星的云导风资料能够补充常规探测稀疏地区，尤其是在洋面上的观测信息，同时两个通道的产品数据的水平分布相差较为明显。
为了进一步分析两个通道云导风产品的数据量分布差异，利用2017年8月1—31日的数据，统计了FY-4A高层水汽通道以及红外通道云导风产品总数据量的垂直分布（图1c）。可以看出：高层水汽通道的云导风基本分布在600 hPa以上的高度层，并主要集中在400～200 hPa，这是因为水汽通道位于吸收波段，水汽分布高度以下的辐射信息在传输时会被吸收，仪器只能探测到水汽吸收地表辐射后向外发射的辐射（Velden et al.，1997）;而红外通道由于位于大气窗区，可以接收到云和地表向外发射的长波辐射，因而红外通道的导风在低层也有数据分布（Yang et al.，2014）。
1.2 观测误差统计算法
观测误差的统计一般选用探空或者模式格点场作为参考场，当目标观测与参考场不相关且假设参考场近似于真实大气值时，可以将目标观测相对于参考场的均方根误差作为实际资料的观测误差值（Benjamin et al.，1999;庄照荣和薛纪善，2004;Gao et al.，2012）。由于探空观测的水平分布密度小于云导风产品，所以本研究分别选用1°×1°的FNL全球分析资料和0.75°×0.75°的ERA-interim资料作为参考场。借鉴Desroziers et al.（2005）和Cordoba et al.（2017）有关观测误差的统计方法，综合考虑目标观测相对于模式背景场、同化观测后的分析场的偏差情况，利用通过WRFDA同化系统质量控制的云导风资料统计FY-4A云导风产品的观测误差。 参考WRFDA的默认观测误差文件中的分层标准，将模式层每隔50 hPa分为n层，记每一高度层上的观测总数为mj（j=1，2，…，n）假设误差统计在每一高度层上是均匀的，则第j（j=1，2，…，n）层资料对应的观测误差记为：
Rnew（j）=1mj∑i=mji=1（y-H（xa））（y-H（xb））12，j=1，2，…，n。
其中：y、xa、xb分别表示云导风产品、同化观测后的分析场和参考背景场;H为观测算子。
1.3 FY-4A云导风观测误差垂直分布
基于FNL和ERA-interim两种参考场统计了高层水汽通道和红外通道云导风产品的观测误差（图2），统计时间段为2017年8月1—31日。可以看出，使用ERA-interim和FNL两种参考场得到的观测误差具有类似的垂直结构特征，且误差值相差不大。与WRFDA系统默认700 hPa以上一致的观测误差（4.5 m·s-1）相比，FY-4A高层水汽通道的观测误差（图2a）存在明显的垂直结构特征，其在700～200 hPa范围内误差值随着高度减小，且在600 hPa以上小于WRFDA默认数值。FY-4A红外通道的观测误差（图2b）在800 hPa以下较小，而700 hPa以上的观测误差明显增大，这与WRFDA系统默认的云导风观测误差特征类似，但在700 hPa以上误差大于WRFDA的默认观测误差数值（4.5 m·s-1）。
2 连续循环同化及预报试验设置
鉴于以FNL和ERA-interim为参考场得到的FY-4A云导风观测误差垂直结构特征相似且数值相近，本研究选用以ERA-interim为参考场统计得到的FY-4A云导风观测误差进行为期一个月（2017年8月1—31日）的循环同化及预报试验。
研究采用3.8.1版本的WRF（Weather Research and Forecasting Model）模式及WRFDA （Weather Research and Forecasting model Data Assimilation system）同化系统，区域设置三层嵌套，分辨率分别为27 km、9 km和3 km（图3），垂直分为41层，模式頂气压为50 hPa。研究采用三维变分的同化方法，利用D01区域一个月的12 h预报和24 h预报结果的偏差样本计算得到背景误差协方差。微物理过程采用WDM6方案，辐射过程选择RRTMG长波和短波辐射方案，近地层方案为Monin-Obukhov，边界层方案为YSU，另外还采用了Noah陆面过程方案和Kain-Fritsch积云参数化方案。试验的初始条件和边界条件都来自NCAR/NCEP的1°×1°的FNL资料，同化的观测资料包括GTS （Global Telecommunications System） 观测数据集中的地面站观测（SYNOP）、自动站航空观测（METAR）、船舶观测（SHIP）、浮标观测（BUOY）、探空观测（SOUND）、飞机报观测（AIREP）以及FY-4A两个通道的云导风产品（图3）。
研究根据同化试验使用的云导风产品以及观测误差设计了四组对比试验（表1），分别是使用WRFDA默认观测误差同化高层水汽通道云导风的试验（DEF-WV），使用WRFDA默认观测误差同化红外通道云导风的试验（DEF-IR），使用新观测误差同化高层水汽通道云导风的试验（NEW-WV），以及使用新观测误差同化红外通道云导风的试验（NEW-IR）。试验期间，每天的18时设置冷启动，不同化观测，直接向后预报6 h，然后第二天的00时、06时、12时和18时都将前一个时刻的6 h预报场作为当前时刻的背景场，加入观测同化并向后预报24 h（台风期间则是向后预报48 h）。
3 连续循环同化及预报试验结果分析
3.1 常规要素客观检验
为了比较默认观测误差和新观测误差对试验影响的差异，将试验的分析场和24 h预报场分别与ERA-interim资料进行了对比验证。图4为同化试验的分析场相对于ERA-interim资料的均方根误差（Root Mean Square Error，RMSE）垂直廓线。从图中可以看出：使用新观测误差同化云导风，其改进主要体现在对风场上;对于高层水汽通道，风场的分析改进主要体现在400 hPa以上高度，并在300～200 hPa的改进效果最为明显，这与图1统计得到的水汽通道的云导风主要分布在中高层的特征是相对应的;而由于红外通道云导风产品在垂直方向上分布相对较为均匀，其改进效果在不同高度都有所体现。图5为24 h预报场相对于ERA-interim资料的RMSE垂直廓线。可以看出，新观测误差依旧可以改善风场的预报结果，红外通道改善的高度范围依旧比高层水汽通道的大。另外，24 h预报场的RMSE相比分析场的RMSE都出现了一定幅度的增长，不同方案之间的RMSE更趋近。
研究还将各组试验结果与探空观测进行了对比，得到的结果和上述类似：新观测误差对试验的改进效果主要体现在风场，红外通道改善的高度范围依旧比高层水汽通道的大。
3.2 对台风预报的影响
在试验的一个月期间，D01区域出现了两次比较完整的台风过程（图6），为了进一步分析使用不同观测误差对试验同化及预报产生的影响差异，本节对台风预报结果进行分析。两次台风过程，一个是2017年8月20日06时在台湾省偏南方向760 km的洋面上生成，23日04时50分前后发展成强台风级并在广东珠海南部沿海登陆的台风“Hato”（张涛等，2019）;另一个台风系统“Pakhar”于2017年8月24日06时生成，并在27日01时在广东台山东南部的沿海登陆。
3.2.1 台风路径及强度预报误差
图7、图8分别统计了台风期间的八次路径预报及强度预报的平均误差随预报时长的变化，统计使用的预报结果来自8月21日12时—22日06时期间的4次预报，和24日12时—25日06时期间的4次预报。 从路径预报的平均误差（图7）来看，高层水汽通道的新观测误差Rwv能够有效减小预报18 h后的平均路径预报误差，红外通道的新观测误差Rir能够减小前10 h以及预报24 h后的平均路径预报误差。
对于台风的强度预报（图8），高层水汽通道的新观测误差Rwv能够略微减小18 h预报后的最大风速（Maximum Wind Speed，MWP）的预报误差，红外通道的新观测误差Rir则是能够稍微改善中心海平面最低气压（Minimum Sea Level Pressure，MSLP）的预报效果。总体来说，新观测误差对台风的强度预报存在微弱的改善，但作用不如路径预报明显。
3.2.2 风场物理量诊断
云导风是利用卫星图像信息反演得到的大气运动矢量，主要体现的是中高对流层的气流运动，所以本节主要从可以表征风场的物理量出发，进行进一步讨论。
图9为22日00时的四个试验，24 h预报场沿台风中心得到的经向风剖面以及同一通道两种观测误差对应试验结果的剖面差异场。该时刻的实况系统中心位于（114.5°E，21.15°N），最低海平面气压为950 hPa，最大风速为42 m·s-1，系统强度已经达到强台风级别。从图中可以看出，使用新观测误差的试验风场24 h预报结果的强度均比使用默认观测误差得到的预报场强度大，这说明使用新观测误差可以更为准确地利用云导风资料描述不同层次的风场信息，从而有效改善经向风预报。
4 结语
为了进一步推进FY-4A卫星资料在模式中的实际应用，本研究选择云导风作为研究对象，探究观测误差的优化对同化效果的影响。研究统计了FY-4A高层水汽通道和红外通道反演得到的云导风产品的观测误差，并基于WRF及其同化系统WRFDA开展了一系列同化和预报试验。结果表明：
1）FY-4A云导风产品的观测误差存在明显的垂直结构特征，其中高层水汽通道的观测误差在700～200 hPa之间随高度减小，并且在600 hPa以上小于默认误差（4.5 m·s-1）;而红外通道的新观测误差在800 hPa以下较小，700 hPa以上明显变大且大于默认误差（4.5 m·s-1）。
2）与使用系统的默认观测误差值相比，采用本研究統计的FY-4A云导风产品观测误差，能够改善风场的分析和预报效果，其中水汽通道对风场的分析改进主要体现在400 hPa以上高度，并在300～200 hPa的改进效果最为明显;而红外通道云导风产品数据在垂直方向上分布相对较为均匀，其改进效果在不同高度都有所体现。
3）采用本研究统计的FY-4A云导风产品观测误差，能够通过调整背景场和观测信息在分析场中的相对权重，减小台风路径的预报误差，并在一定程度上改进强度预报。
本研究是对FY-4A云导风产品在同化应用中的初步探索，鉴于云导风产品主要提供的是风场信息，在验证观测误差的修正可以对试验产生积极影响后，如何正确地选择风场同化方案（Huang et al.，2013;Sun et al.，2016;卢长浩等，2019）是必不可少的研究内容。此外，云导风产品不仅可以用于数值预报研究，还可以用于风场的分析（Oyama et al.，2018;李泽椿等，2020），通过结合日本新一代的Himawari-8反演得到的云导风产品，可以实现对FY-4A的云导风产品更加深入细致的质量研究。
参考文献（References）
Benjamin S G，Schwartz B E，Cole R E，1999.Accuracy of ACARS wind and temperature observations determined by collocation[J].Wea Forecasting，14（6）：1032-1038.doi：10.1175/1520-0434（1999）014<1032：aoawat>2.0.co;2.
Berger H，Langland R，Velden C S，et al.，2011.Impact of enhanced satellite-derived atmospheric motion vector observations on numerical tropical cyclone track forecasts in the western north Pacific during TPARC/TCS-08[J].J Appl Meteorol Climat，50（11）：2309-2318.doi：10.1175/jamc-d-11-019.1.
曹文博，沈桐立，2007.卫星云导风资料应用于伴随同化系统的数值试验研究[J].南京气象学院学报，30（4）：495-502. Cao W B，Shen T L，2007.Application of cloud drift wind data assimilation in MM5 adjoint-model assimilation system[J].J Nanjing Inst Meteor，30（4）：495-502.doi：10.13878/j.cnki.dqkxxb.2007.04.009.（in Chinese）.
陈浩，陈静，汪矫阳，等，2017.观测误差对GRAPES区域集合预报影响的敏感性试验[J].大气科学学报，40（2）：193-201. Chen H，Chen J，Wang J Y，et al.，2017.Sensitivity tests of the influence of observation mean square error on GRAPES regional ensemble prediction[J].Trans Atmos Sci，40（2）：193-201.doi：10.13878/j.cnki.dqkxxb.20151102001.（in Chinese）. Cordoba M，Dance S L，Kelly G A，et al.，2017.Diagnosing atmospheric motion vector observation errors for an operational high-resolution data assimilation system[J].Quart J Roy Meteor Soc，143（702）：333-341.doi：10.1002/qj.2925.
Desroziers G，Berre L，Chapnik B，et al.，2005.Diagnosis of observation，background and analysis-error statistics in observation space[J].Quart J Roy Meteor Soc，131（613）：3385-3396.doi：10.1256/qj.05.108.
馮文，万齐林，陈子通，等，2008.逐时云迹风资料同化对暴雨预报的模拟试验[J].气象学报，66（4）：500-512. Feng W，Wan Q L，Chen Z T，et al.，2008.Hourly assimilation of cloud motion winds and its impact on torrential rain forecast[J].Acta Meteorol Sin，66（4）：500-512.（in Chinese）.
Gao F，Zhang X Y，Jacobs N A，et al.，2012.Estimation of TAMDAR observational error and assimilation experiments[J].Wea Forecasting，27（4）：856-877.doi：10.1175/waf-d-11-00120.1.
河惠卿，王振会，金正润，等，2009.三种云导风资料及其对台风数值预报影响试验的比较分析[J].热带气象学报，25（1）：82-88. He H Q，Wang Z H，J Kim，et al.，2009.Comparison of three cloud motion wind vectors and impact on typhoon track numerical forecast[J].J Trop Meteor，25（1）：82-88.doi：10.3969/j.issn.1004-4965.2009.01.010.（in Chinese）.
Huang X Y，Gao F，Jacobs N A，et al.，2013.Assimilation of wind speed and direction observations：a new formulation and results from idealised experiments[J].Tellus A：Dyn Meteorol Oceanogr，65（1）：19936.doi：10.3402/tellusa.v65i0.19936.
黄彦彬，雷恒池，王振会，等，2003.卫星云迹风资料对中尺度数值模式初始风场改进试验[J].南京气象学院学报，26（5）：668-676. Huang Y B，Lei H C，Wang Z H，et al.，2003.Modification of initial wind field of a mesoscale numerical model based on the data of satellite cloud drift wind[J].J Nanjing Inst Meteor，26（5）：668-676.doi：10.3969/j.issn.1674-7097.2003.05.012.（in Chinese）.
李泽椿，张玲，钱奇峰，等，2020.中央气象台台风预报业务的发展及思考[J].大气科学学报，43（1）：10-19. Li Z C，Zhang L，Qian Q F，et al.，2020.The development and consideration of typhoon forecast operation of National Meteorological Center[J].Trans Atmos Sci，43（1）：10-19.doi：10.13878/j.cnki.dqkxxb.20200110015.（in Chinese）.
卢长浩，陈耀登，孟德明，2019.两种动力控制变量对比分析及其对台风同化和预报的影响[J].大气科学学报，42（6）：916-925. Lu C H，Chen Y D，Meng D M，2019.Comparative analysis of two dynamical control variables and their impacts on typhoon assimilation and prediction[J].Trans Atmos Sci，42（6）：916-925.doi：10.13878/j.cnki.dqkxxb.20171018001.（in Chinese）.
陆风，张晓虎，陈博洋，等，2017.风云四号气象卫星成像特性及其应用前景[J].海洋气象学报，37（2）：1-12. Lu F，Zhang X H，Chen B Y，et al.，2017.FY-4 geostationary meteorological satellite imaging characteristics and its application prospects[J].J Mar Meteor，37（2）：1-12.doi：10.19513/j.cnki.issn2096-3599.2017.02.001.（in Chinese）. Otsuka M，Seko H，Shimoji K，et al.，2018.Characteristics of himawari-8 rapid scan atmospheric motion vectors utilized in mesoscale data assimilation[J].J Meteor Soc Japan，96B：111-131.doi：10.2151/jmsj.2018-034.
Oyama R，Sawada M，Shimoji K，2018.Diagnosis of tropical cyclone intensity and structure using upper tropospheric atmospheric motion vectors[J].J Meteor Soc Japan，96B：3-26.doi：10.2151/jmsj.2017-024.
任素玲，蒋建莹，许健民，2014.卫星水汽通道探测所揭示的高空流场在南亚高压东侧强降水分析中的应用[J].氣象，40（6）：697-705. Ren S L，Jiang J Y，Xu J M，2014.Application of upper troposphere circulation revealed by the satellite IR3 channel to heavy rainfall events analysis in the east side of South Asia high[J].Meteor Mon，40（6）：697-705.（in Chinese）.
Sun J Z，Wang H L，Tong W X，et al.，2016.Comparison of the impacts of momentum control variables on high-resolution variational data assimilation and precipitation forecasting[J].Mon Wea Rev，144（1）：149-169.doi：10.1175/mwr-d-14-00205.1.
陶士伟，郝民，薛纪善，等，2008.数值预报同化系统中观测资料误差分析[J].气象，34（7）：34-40. Tao S W，Hao M，Xue J S，et al.，2008.Analyses of observation data error in numerical forecasting assimilation system[J].Meteor Mon，34（7）：34-40.（in Chinese）.
Velden C S，Hayden C M，Nieman S J，et al.，1997.Upper-tropospheric winds derived from geostationary satellite water vapor observations[J].Bull Amer Meteor Soc，78（2）：173-195.doi：10.1175/1520-0477（1997）078<0173：utwdfg>2.0.co;2.
万晓敏，韩威，田伟红，等，2018.加密FY-2G云导风质量评估及其在GRAPES_RAFS系统中的应用分析[J].高原气象，37（4）：1083-1093. Wan X M，Han W，Tian W H，et al.，2018.The application of intensive FY-2G AMVs in GRAPES_RAFS[J].Plateau Meteor，37（4）：1083-1093.doi：10.7522/j.issn.1000-0534.2017.00089.（in Chinese）.
Wang D，Liang X，Duan Y，et al.，2004.Impact of four-dimensional variational data assimilation of atmospheric motion vectors on tropical cyclone track forecasts[J].Wea Forecasting，21（4）：663-669.
Wu T C，Liu H，Majumdar S J，et al.，2014.Influence of assimilating satellite-derived atmospheric motion vector observations on numerical analyses and forecasts of tropical cyclone track and intensity[J].Mon Wea Rev，142（1）：49-71.doi：10.1175/mwr-d-13-00023.1.
许健民，张其松，2006.卫星风推导和应用综述[J].应用气象学报，17（5）：574-582. Xu J M，Zhang Q S，2006.Status review on atmospheric motion vectors-derivation and application[J].J Appl Meteor Sci，17（5）：574-582.（in Chinese）.
薛谌彬，龚建东，何财福，等，2013.静止卫星云导风的质量控制及在同化中的应用[J].应用气象学报，24（3）：356-364. Xue C B，Gong J D，He C F，et al.，2013.Quality control of cloud derived wind vectors from geostationary meteorological satellites with its application to data assimilation system[J].J Appl Meteor Sci，24（3）：356-364.（in Chinese）. Yang L，Wang Z H，Chu Y L，et al.，2014.Water vapor motion signal extraction from FY-2E longwave infrared window images for cloud-free regions：the temporal difference technique[J].Adv Atmos Sci，31（6）：1386-1394.doi：10.1007/s00376-014-3165-9.
张涛，姜立鹏，师春香，等，2019.AMSU-A全空辐射率资料同化对台风“天鸽”的预报影响研究[J].大气科学学报，42（5）：705-714. Zhang T，Jiang L P，Shi C X，et al.，2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO[J].Trans Atmos Sci，42（5）：705-714.doi：10.13878/j.cnki.dqkxxb.20180731001.（in Chinese）.
张志清，陆风，方翔，等，2017.FY-4卫星应用和发展[J].上海航天，34（4）：8-19. Zhang Z Q，Lu F，Fang X，et al.，2017.Application and development of FY-4 meteorological satellite[J].Aerosp Shanghai，34（4）：8-19.doi：10.19328/j.cnki.1006-1630.2017.04.002.（in Chinese）.
周兵，徐海明，吴国雄，等，2002.云迹风资料同化对暴雨预报影响的数值模拟[J].气象学报，60（3）：309-317. Zhou B，Xu H M，Wu G X，et al.，2002.Numerical simulation of cmwda with its impacting on torrential rain forecast[J].Acta Meteorol Sin，60（3）：309-317.（in Chinese）.
庄照荣，薛纪善，2004.云迹风资料的三维变分同化及对台风预报的影响试验[J].热带气象学报，20（3）：225-236. Zhuang Z R，Xue J S，2004.Assimilation of cloud-derived winds and its impact on typhoon forecast[J].J Trop Meteor，20（3）：225-236.（in Chinese）.
A study of the observational error statistics and assimilation applications of the FY-4A satellite atmospheric motion vector
CHEN Yaodeng1，SHEN Jie1，FAN Shuiyong2，WANG Cheng1
1Key Laboratory of Meteorological Disaster，Ministry of Education（KLME）/Joint International Research Laboratory of Climate and Environment Change（ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster（CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China;
2Institute of Urban Meteorology，CMA，Beijing 10089，China
The data from the FY-4A satellite have a higher temporal and spatial resolution when compared with the data obtained from the FY-2 satellites.This indicates the recent development of Chinas geostationary meteorological satellites.In order to promote the practical applications of the FY-4A satellite data in a model and investigate the impacts of observational errors on the assimilation and forecasting accuracy of the atmospheric motion vector （AMV） of the FY-4A satellite，this study carried out in-depth research experiments.The observational errors of the AMVs derived from the high-level water vapor channels and infrared channels of the FY-4A were first calculated and analyzed.The vertical profiles revealed that when compared with the default observational errors of the assimilation system，the new observational errors of the high-level water vapor channel had decreased with height between 700 hPa and 200 hPa.In addition，the new observational errors of the infrared channels were smaller below 800 hPa than above 700 hPa，where the vertical structural features were more pronounced.A series of assimilation and forecasting experiments were carried out using the default observational errors and the new observational errors.It was determined that according to the average RMSE profiles，the results using the new errors were significantly improved in the wind field when compared with results using the default errors.At the same time，the heights at which the RMSE of the wind field had displayed maximum improvement corresponded to the heights at which the number of observations were the largest.Also，the new observational errors of the infrared channels were observed to more widely influence the wind field than that of the high-level water vapor channels since the data from the infrared channels were distributed on almost every layer.Furthermore，the track and intensity forecasting results of the “Hato” and “Pakhar” typhoon systems were discussed in this study in order to further examine the impacts of observational errors on the accuracy of the forecasting results.The results of the typhoon forecasting results indicated that the new observational errors could significantly improve the track forecasting，as well as increase the accuracy of the intensity predictions to some extent.
data assimilation;FY-4A satellite;atmospheric motion vector;observation error
doi：10.13878/j.cnki.dqkxxb.20190921001
（責任编辑：刘菲）