大气科学  2019, Vol. 43 Issue (2): 233-250   PDF    
基于WACCM+DART的临近空间SABER和MLS臭氧观测同化试验研究
敬文琪1, 王业桂2, 崔园园3, 蔡其发2, 兰伟仁2     
1 94758部队气象台, 福建省宁德 355103
2 中国科学院大气物理研究所, 北京 100029
3 河北省气象台, 石家庄 050021
摘要: 本研究在WACCM+DART(Whole Atmosphere Community Climate Model,Data Assimilation Research Test-Bed)临近空间资料同化预报系统中加入SABER(Sounding of the Atmosphere using Broadband Emission Radiometry)和MLS(Microwave Limb Sounder)臭氧观测同化接口,并以2016年2月一次平流层爆发性增温(SSW)过程为模拟个例进行了SABER和MLS臭氧观测同化试验,得出以下结论:同化SABER和MLS臭氧体积浓度观测得出的WACCM+DART臭氧分析场能够较真实反映SSW期间北极上空平流层臭氧廓线随时间的演变特征,且与ERA5(Fifth Generation of ECMWF Reanalyses)再分析资料描述的臭氧变化特征具有很好的一致性;基于SABER和MLS臭氧观测的WACCM臭氧6 h预报检验表明同化臭氧观测对臭氧分析和预报误差的改善效果主要体现在南半球高纬平流层和北半球中高纬平流层中上层-中间层底部;基于ERA5再分析资料的WACCM+DART分析场检验表明同化SABER和MLS臭氧体积浓度资料可在提高北半球高纬地区上平流层-中间层底部臭氧场分析质量的同时减小该地区上平流层-中间层底部温度场和中间层底部纬向风场的分析误差;基于MLS臭氧资料的臭氧中期预报检验表明相对控制试验同化SABER和MLS臭氧体积浓度资料能更好改善0~5 d下平流层和中间层底部臭氧的预报效果。
关键词: WACCM(Whole Atmosphere Community Climate Model)    DART(Data Assimilation Research Test-Bed)    SABER(Sounding of the Atmosphere using Broadband Emission Radiometry)    MLS(Microwave Limb Sounder)    臭氧    资料同化    
Assimilation of Near Space Ozone Data from SABER and MLS Observations into the Whole Atmosphere Community Climate Model and Data Assimilation Research Test-Bed
JING Wenqi1, WANG Yegui2, CUI Yuanyuan3, CAI Qifa2, LAN Weiren2     
1 Meteorological Observatory of 94758 Troops, Ningde, Fujian 355103
2 Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
3 Hebei Meteorological Observatory, Shijiazhuang 050021
Abstract: This research adds interface programs to the near space data assimilation and forecasting system[WACCM+DART (Whole Atmosphere Community Climate Model, Data Assimilation Research Test-Bed)] for assimilation of SABER (Sounding of the Atmosphere using Broadband Emission Radiometry) and MLS (Microwave Limb Sounder) ozone data, and performs SABER and MLS ozone data assimilation experiments to simulate a SSW (stratosphere sudden warming) event during February 2016. The following main conclusions are reached. Firstly, the ozone analysis produced by SABER and MLS ozone volume concentrations data assimilation can well represent the sudden variation of stratospheric ozone profile above the north polar area during SSW, which shows good agreement with ERA5 (Fifth Generation of ECMWF Reanalyses) data in describing characteristics of ozone changes. The verification of 6-hour ozone forecast based on SABER and MLS observations shows that the improvement of 6-hour ozone forecast and analysis through assimilating SABER and MLS ozone volume concentrations data is obviously reflected in the stratosphere above the high latitudes in the Southern Hemisphere, the upper-middle stratosphere, and lower mesosphere above the middle and high latitudes in the Northern Hemisphere. The forecast verification based on ERA5 reanalysis suggests that the advantages of assimilation are more significant in high-latitude areas in the Northern Hemisphere, where the quality of ozone analysis in the middle and upper stratosphere and the lower mesosphere is improved and analysis errors of temperature in the upper stratosphere and the lower mesosphere and zonal winds in the lower mesosphere are reduced. The verification of 0-10-d ozone forecast based on MLS ozone observations shows that adding SABER and MLS ozone volume concentrations data assimilation to the WACCM+DART can better improve 0-5-d ozone forecasting results of the WACCM in the lower stratosphere and lower mesosphere compared to the control experiment.
Keywords: WACCM (Whole Atmosphere Community Climate Model)    DART (Data Assimilation Research Test-Bed)    SABER (Sounding of the Atmosphere using Broadband Emission Radiometry)    MLS (Microwave Limb Sounder)    Ozone    Data assimilation    
1 引言

臭氧是临近空间大气的重要化学组成。目前国际上已拓展至临近空间的大气模式(ECMWF-IFS、NOGAPS-ALPHA、WACCM)中均已考虑与平流层臭氧相关的多种光化学反应和输送过程。臭氧对紫外辐射的吸收会对平流层大气产生强烈的加热作用,从而使得臭氧成为控制平流层大气温度垂直结构和环流形态的重要因子(吕达仁等,2009),而平流层大气环流和温度垂直结构的变化又会对对流层大气的气候变化(Zhang et al., 2016)以及对流层—平流层相互作用(田文寿等,2011)产生重要影响。因此平流层臭氧的变化及其效应越来越受到国内外学者的关注。Xie et al.(2008)指出全球臭氧含量减小15%对平流层冷却作用的最大值达到2.4 K,并产生更高的对流层顶高度和更低的对流层顶温度,减小对流层向平流层的水汽输送量。Xie et al.(2016)的研究发现北极平流层臭氧可以通过高纬上空平流层—对流层通道和热带—温带气候遥相关的组合与低层大气的厄尔尼诺—南方涛动现象相关联。因此数值模式中臭氧的预报效果将对整个平流层和对流层热力场和动力场的预报产生重要影响。而臭氧的预报效果一方面取决于与数值模式臭氧相关的物理输运过程、化学反应和参数化方案的完美程度,另一方面则取决于臭氧场初值的好坏。而资料同化技术则是解决数值模式初值估计问题的重要工具。随着中高层大气探测和反演技术的发展(陈洪滨,2009),传统的对流层气象观测资料同化技术也开始向临近空间扩展并囊括平流层化学物质同化模块。

围绕平流层臭氧资料同化这一问题,近年来国内外学者展开了大量研究。Fisher and Lary(1995)首次将四维变分同化技术应用于平流层活性化学气体的分析之中。Levelt et al.(1998)基于只考虑水平二维相关的定常背景场误差协方差矩阵,在三维化学输送模式中同化MLS(Microwave Limb Sounder)臭氧体积浓度观测资料,得到较为合理的臭氧体积浓度全球三维分布。Riish jgaard et al.(2000)在NASA(National Aeronautics and Space Administration)戈达德空间飞行中心研发的GEOS(Goddard Earth Observing System)资料同化系统中同化TOMS(Total Ozone Mapping Spectrometer)臭氧柱含量资料、SBUV/2(Solar Backscatter UltraViolet Version 2)臭氧体积浓度廓线资料得到的臭氧柱含量产品以及下平流层臭氧体积浓度廓线产品与实际观测较为一致,但在上平流层GEOS臭氧体积浓度产品与观测依然有较大偏差。Wargan et al.(2005)在化学输送模式CTM(Chemical Transport Model)中同化MIPAS(Michelson Interferometer for Passive Atmospheric Sounding)臭氧体积浓度资料,并发现同化MIPAS臭氧体积浓度观测廓线能提高对平流层下部臭氧体积浓度的分析能力,且分析值与掩星反演产品在平流层中部的较为一致。Jackson(2007)利用基于三维变分的英国气象局资料同化系统进行了MLS臭氧体积浓度观测同化试验,研究表明同化MLS资料可以减小低平流层臭氧体积浓度的平均分析误差和误差标准差。Pierce et al.(2007)的研究发现同化SAGE Ⅲ(Stratospheric Aerosol and Gas Experiment Ⅲ)太阳掩星臭氧体积浓度观测对于改善RAQMS(Real-time Air Quality Modeling System)模式在上对流层—低平流层的臭氧体积浓度分析场具有很强的正效应。Errera et al.(2008)利用四维变分方法将MIPAS臭氧体积浓度资料同化到CTM模式中,研究表明同化MIPAS臭氧体积浓度资料可以有效改善模式对下平流层臭氧洞结构的模拟。Inness et al.(2009)利用OASIS4(Ocean Atmosphere Sea Ice Soil coupling software, version 4)耦合器将化学输送模式MOZART(The Model for Ozone and Related chemical Tracers, version 4)耦合到ECMWF-IFS(European Centre for Medium Range Weather Forecasts- Integrated Forecasting System)之中,并将SCIAMACHY(Scanning Imaging Absorption Spectrometer for Atmospheric Chartography)臭氧柱含量观测,GOME(The Global Ozone Monitoring Experiment)臭氧体积浓度廓线数据,MIPAS臭氧体积浓度廓线数据,SBUV/2臭氧体积浓度廓线数据同化到GEMS(Global and regional Earth-system Monitoring using Satellite and in-situ data)资料同化系统之中,同化试验可以能够显著改善臭氧柱含量的模拟效果,特别是能够改善控制实验模拟的南极臭氧洞不够“深”的现象。Massart et al.(2009)首次将IASI(Infrared Atmospheric Sounding Interferometer)臭氧体积浓度资料同化到MOCAGE-PALM(Modèle de Chimie Atmosphérique à Grande Echelle-Projet d'Assimilation par Logiciel Multi-méthode)资料同化系统之中,发现臭氧体积浓度分析场与独立观测较为接近。Kiesewetter et al.(2010)利用历史SBUV卫星观测臭氧体积浓度廓线数据、化学输送模式CTM和集合卡尔曼滤波方法制作了长达29年的平流层臭氧体积浓度分析数据集,该臭氧体积浓度分析产品在SBUV臭氧体积浓度观测无法获取的极夜区依然与MIPAS臭氧体积浓度反演产品、探空臭氧体积浓度观测较有较好的一致性。Elbern et al.(2010)研发了一种将四维变分同化与流依赖模型相结合的新型平流层化学资料同化系统SACADA(The Synoptic Analysis of Chemical Constituents by Advanced Data Assimilation),该系统可同化O3、CH4、N2O、NO2、HNO3和水汽观测,与SAGEII和HALOE(The Halogen Occultation Experiment)的观测比较发现该系统同化效果显著。Inness et al.(2015)介绍了与ECMWF最新的Composition-IFS(Composition- Integrated Forecasting System)预报系统(大气成分积分预报系统)相关的一些资料同化工作,该系统目前已经同化了多种卫星获取的臭氧体积浓度廓线资料和臭氧柱含量并大幅度提高上对流层和平流层臭氧体积浓度场的分析效果。Dragani(2016)基于ECMWF资料同化系统对GOME-2臭氧体积浓度资料和MIPAS臭氧体积浓度廓线数据的同化效果进行了对比分析,研究发现两种资料在对流层的同化效果接近,但MIPAS资料在平流层的同化效果要优于GOME-2臭氧体积浓度资料。Allen et al.(2016)利用一个全球浅水模式进行了基于混合集合四维变分的平流层臭氧体积浓度资料同化试验,研究表明:相对EnKF(Ensemble Kalman Filter)和四维变分同化试验,臭氧体积浓度资料所提供风场增量信息在混合集合四维变分同化试验中最为显著。目前国内开展的臭氧体积浓度资料同化研究多关注于近地面层次(唐晓等, 2010, 2013),而关于平流层臭氧体积浓度资料同化开展的工作较少。目前国内仅董亚宁(2016)结合CESM(The Community Earth System Model)地球系统模式构建了CESM-ENSRF(The Community Earth System Model-Ensemble Square Root Filter)同化预报系统,并初步实现了平流层MLS臭氧体积浓度资料在该系统中的同化应用。此外,胡雄等(2014)初步发展了临近空间大气同化预报方法,但该方法并未涉及臭氧体积浓度观测同化。

WACCM+DART(Whole Atmosphere Community Climate Model, Data Assimilation Research Test- Bed)是一个基于卡尔曼滤波同化方法的临近空间资料同化试验平台。Pedatella et al.(2014)通过同化低层大气的探空、飞机、卫星云迹风等观测以及COSMIC(Constellation Observing System for Meteorology, Ionosphere, and Climate)掩星观测、中高层大气的SABER(Sounding of the Atmosphere using Broadband Emission Radiometry)和MLS温度观测,发现WACCM+DART能够重现2009平流层爆发性增温的时空演变过程,从而证明WACCM+ DART具有产生从地面至热层底部高质量的大气分析产品的能力。但DART资料同化系统暂不支持平流层臭氧体积浓度资料同化,本研究为填补本项技术空缺,参考Pedatella et al.(2014)在DART中编写的Aura/MLS(Microwave Limb Sounder)和TIMED(Thermosphere Ionosphere Mesosphere Energetic and Dynamic)/SABER温度资料同化接口程序,开发了MLS和SABER臭氧体积浓度资料同化接口,从而实现了平流层SABER与MLS臭氧体积浓度观测资料在WACCM+DART中的同化应用。

本研究共包含6部分。第2部分对本研究所用资料、WACCM模式、DART同化系统、同化方法和试验设计等方面进行了说明。第3部分基于ERA5再分析资料和WACCM+DART同化分析场对2016年2月的一次平流层爆发性增温(SSW)期间平流层温度、纬向风和臭氧体积浓度的演变特征进行了诊断分析。第4部分利用臭氧体积浓度观测和ERA5臭氧再分析产品对SABER和MLS臭氧体积浓度资料的同化效果进行检验。第5部分基于臭氧体积浓度观测同化分析场进行10 d的预报并进行预报效果检验,以研究同化臭氧观测对平流层臭氧中期预报的影响。第6部分给出了本研究的结论。

2 资料与方法 2.1 资料说明

(1)ERA5再分析资料

2016年11月欧洲中期预报中心(ECMWF)发布了首批两个月的第五代再分析产品—ERA5(Hersbach and Dee, 2016),ERA5再分析资料的发布是ECMWF再分析技术的重要里程碑。ERA5再分析产品由IFS同化系统输出,其在模式层次上有137层,从地面一直延伸到中间层顶高度(80 km;0.01 hPa),水平分辨率约为31 km,时间分辨率高达1 h。根据Hennermann(2018)的介绍,ERA5再分析资料中共同化了9种卫星传感器上获取的臭氧反演产品。本研究使用的是2016年1~2月逐6小时137个层次上的ERA5臭氧体积浓度、温度场和纬向风资料,用于同化效果的检验。此外,为制作集合预报初始场,本研究用到了2016年1月27日00、06、12、18时(协调世界时,下同)137个层次上的温度、臭氧体积浓度、比湿、风、云量、云水、云冰和地表气压的10个集合成员的ERA5再分析产品。

(2)Aura/MLS臭氧体积浓度观测产品

MLS是搭载在由NASA于2004年7月15日发射升空Aura卫星上微波临边探测器。MLS探测器临边探测廓线水平间隔约为200~550 km,垂直分辨率2.5~5.5 km,空间覆盖范围为82°S~82°N。本研究采用的MLS v4.2x标准臭氧体积浓度产品是由240 GHZ的辐射值与115 GHZ辐射值获取的大气温度产品反演得到的。根据MLS v4.2x 2级产品质量和描述文档(Livesey,2015),261~0.02 hPa范围之外的臭氧体积浓度资料不推荐用于科学研究用途,因此本研究只使用气压范围为261~0.02 hPa的臭氧体积浓度资料。剔除估计精度(Precision)小于或等于零,或质量指标(Quality)小于或等于1,或收敛指标(Convergence)大于或等于1.03的观测。本研究将MLS臭氧产品中的产品精度变量(Precision)定义为MLS臭氧产品的观测误差。

(3)TIMED/SABER臭氧体积浓度观测产品

SABER是搭载在TIMED卫星上的红外宽波段辐射计。TIMED于2001年12月7日由NASA发射升空,是太阳同步轨道卫星。SABER探测器的有两个通道用于获取15~100 km大气臭氧的辐射信息。其中,1.27 μm通道用于反演中间层底部至热层底部(100 km)的臭氧体积浓度;9.6 μm通道用于反演15~70 km高度范围的大气臭氧体积浓度。SABER O3_96反演产品同时包含局地热力平衡(LTE(Local Thermodynamic Equilibrium))成分和非局地热力平衡(NLTE(non-Local Thermodynamic Equilibrium))成分,LTE和NLTE反演的臭氧体积浓度在50~60 km之间随高度线性加权合并(Rong et al., 2009)。SABER臭氧资料垂直分辨率约2 km,卫星轨道上探测廓线水平间隔约为3°。本研究使用的SABER臭氧体积浓度资料为SABER-V2.0 Level2A数据中2016年1~2月的臭氧体积浓度反演产品。目前相关文献(Rong et al., 2009)尚未给出0.04 hPa以上的SABER臭氧体积浓度观测误差信息,因此本研究在同化试验中只使用0.04 hPa以下的SABER臭氧产品。本研究采用的臭氧体积浓度观测误差主要参考Rong et al.(2009)所给出的臭氧体积浓度观测相对误差垂直廓线,即将臭氧体积浓度观测误差定义为高度和臭氧体积浓度的函数。

2.2 WACCM模式

WACCM是美国大气研究中心近年来发展的“对流层—平流层—中间层—热层底部”一体化的全球三维大气模式。本研究采用的WACCM组件设置类型为F_2000_ WACCM,采用的模式版本为WACCM4。WACCM模式采用有限体积动力框架(Lin,2004),水平分辨率为1.9°(纬度)×2.5°(经度)。在垂直方向上,WACCM从边界层向上扩展至热层底部(4.5×10−6 hPa;140 km)共66个垂直层次,垂直分辨率在对流层约为1.1 km,平流层低层1.1~1.4 km之间,平流层顶(约50 km)高度附近为1.75 km,65 km以上垂直分辨率约为3.5 km(Garcia et al., 2007Marsh et al., 2007, 2013; Richter et al., 2010)。WACCM4中的化学过程是通过三维全球大气化学输送模式MOZART-3来实现(Kinnison et al., 2007),包含50余种主要的化学成分(Ox、NOx、HOx、CLOx、BrOx等不同族的成分以及对流层排放的N2O、H2O、CH4、CFC和其他卤化物)以及多种中间层与热层下层区域中的主要离子成分(N2+、O2+、N+、NO+、O+以及电子),并考虑了多种痕量气体的化学反应过程(Garcia et al., 2007)。

2.3 DART同化系统

DART是由美国国家大气研究中心(NCAR)资料同化研究部门(DAReS(Data Assimilation Research Section))研发的一款适用于资料同化教学、研究和开发的开源软件工具。DART是一款基于集合滤波理论的资料同化系统,其目前支持集合滤波方法包括:EnKF、EAKF(Ensemble Adjustment Kalman Filter)(Anderson,2001)、RHF(Rank Histogram filter)(Anderson,2010)等。DART支持自适应方差膨胀(Anderson,2009)、自适应局地化(Anderson,2012)技术。DART包含许多通用的大气海洋模式的同化接口。此外DART还支持多种新型观测手段,例如GPS(Global Positioning System)无线电掩星探测、TIMED/SABER探测、Aura/MLS探测等。但实际上DART支持的观测类型种类还不够多,例如DART尚未支持卫星辐射资料同化,且很多观测类型的同化接口有待进一步开发。

2.4 最小二乘框架下的集合调整卡尔曼滤波

本研究采用的同化方法为最小二乘框架下的集合调整卡尔曼滤波(EAKF)算法。最小二乘框架下的EAKF算法(Anderson,2003)又称“两步法”EAKF算法。“两步法”EAKF的中心思想是:第一步,在单个观测位置上利用标量集合滤波方法分别计算每个观测变量先验估计集合成员的更新增量;第二步,利用观测变量先验估计集合与每个模式状态变量集合的线性回归关系以及观测变量先验估计集合的更新增量,线性化地计算每个模式状态变量集合的更新增量。“两步法”EAKF相对传统的EAKF方法的主要优点在于:一方面它不需要通过耗费大量计算资源的矩阵运算构建线性调整矩阵;另一方面它将观测向量分为多个单一观测标量,分别计算观测增量,便于并行化,更符合实际的工作需求。

2.5 集合初始场的生成方法

本研究采用WACCM模式气候态和ERA5再分析资料重构模式初始场。参考Sassi et al.(2013)给出的SD-WACCM-X模式动力约束场的指定方法,在0.01 hPa(ERA5模式层顶)以上采用WACCM气候态,0.01 hPa以下采用ERA5集合再分析产品,0.01 hPa上取WACCM气候态和ERA5集合再分析产品的均值。受ERA5集合再分析产品集合成员个数(10)的限制,该方法只能产生10个集合成员。本研究设置的集合成员个数与Pedatella et al.(2014)设置的集合成员个数相同均为40个。为产生更多的集合成员,本研究采用Time-lagged(时间滞后)集合预报方法(Hoffman and Kalnay, 1983)增加集合成员个数:首先利用ERA5集合再分析产品建立4组不同起报时间(提前于当前时次6 h、12 h、18 h、24 h)的集合预报试验,将这4组试验分别向后预报6 h、12 h、18 h和24 h到当前时次,便得到当前时次共4×10个集合预报场。最后利用这40个集合成员先进行3 d的集合预报以扩大集合离散度,再进行5 d的逐6小时spin-up同化和预报,使得模式动力和热力场在空间上得以协调,从而得到最终的集合预报初始场。

2.6 臭氧同化试验设计

为验证SABER和MLS臭氧资料的同化效果,本研究共设计1个控制试验CR和3个对比试验SR(同化SABER臭氧体积浓度观测)、MR(同化MLS臭氧体积浓度观测)和DR(同化SABER和MLS两种臭氧体积浓度观测)(表 1)。其中只同化一种臭氧体积浓度观测的试验(SR和MR)的设计目的在于利用另一种臭氧体积浓度观测资料对试验的同化效果进行独立检验。

表 1 试验设计 Table 1 Design of experiments

为抑制滤波发散,同化试验对先验集合实施时空自适应方差膨胀方案(Anderson, 2009);为消除空间虚假相关,同化试验采用基于Gaspari-Cohn函数的水平半宽为0.2倍地球弧度,垂直半宽为0.5倍垂直标准化尺度高度的局地化方案(Anderson, 2012);同化周期为6 h;同化窗区为±1.5 h;同化模拟时段为2016年2月5日00时至2016年2月15日00时;为避免WACCM可能出现的积分不稳定性,将二阶发散阻尼系数设置为2,模式时间积分步长设置为600 s,方差膨胀阻尼系数设置为0.5。

2.7 平流层顶计算方法及平流层爆发性增温过程的诊断指标

本研究主要参考France et al.(2012)提出的方法确定平流层顶高度:(1)对原始温度垂直廓线从气压层次插值到几何高度层次高度范围20~80 km,插值间隔为1 km,记为T1;(2)采用平滑宽度为11 km的boxcar平滑方法对T1进行平滑处理得到T2;(3)将T2的最大值记为T2max,将T2max对应高度记为H2max,判断H2max向上(向下)临近5个格点的温度递减率是否为负(正),若符合该情况则将H2max±15 km高度范围内T1的最大值对应的高度记为平流层顶的高度;若不符合该条件则该条廓线的平流层顶高度无法被定义。

在对SSW进行分析时用到了Andrews et al.(1987)提出两个诊断SSW发生时间和强度的指标ΔTU

$ \Delta T = {T_{{\rm{90^\circ N}}}} - {\overline T _{{\rm{60^\circ N}}}}, $ (1)
$ \overline U = \frac{{ - 9.8\left({{H_{{\rm{90^\circ N}}}} - {{\overline H }_{{\rm{60^\circ N}}}}} \right)}}{{\mathit{f}\Delta \mathit{y}}} $ (2)

(1)式中,T90°N表示北极点气温,T60°N表示60°N平均气温。(2)式中,H90°N表示北极点位势高度,H60°N表示60°N平均位势高度,f是科氏参数,Δy是北极点距离北纬60°N的距离,U表示60°N以北地区平均的纬向风速。(1)和(2)式所有要素的计算都在10 hPa上进行。在10 hPa上当ΔT由负值变正值,且U由正值变负值,即北极点气温高于60°N纬向平均气温,且高纬地区纬向西风反转为东风,则认为发生了一次强SSW事件,称为主增温(Major Warming);若ΔT由负值变正值,而U符号不变,即风向未反转则认为发生了一次弱SSW事件,称为次增温(Minor Warming)。

3 2016年2月SSW期间平流层温度和臭氧变化特征分析

本节利用ERA5再分析资料和由同化试验得到的分析资料对2016年2月一次平流层爆发性增温(SSW)过程期间的温度和臭氧体积浓度的变化特征进行了分析。由图 1a中ERA5再分析资料所给出的北极点上空10 hPa温度曲线显示:北极点上空10 hPa温度在3天之内从2月5日的−70 ℃开始呈指数递增至2月8日06时的−3 ℃,增幅近乎70 K;2月8日之后北极点10 hPa气温呈缓慢下降趋势,在下降了近乎1周之后才恢复至增温前的正常水平。图 1a中DR试验集合平均分析场反映的10 hPa北极点温度峰值(−10 ℃)略低于ERA5再分析资料的分析结果,但二者反映的温度场在时间上具有较好的一致性;在增温急剧发展的阶段(2月6~8日),40个集合分析场表现出较小的离散度,且几乎与ERA5再分析资料描述的温度曲线重合。从诊断指标U图 1b)、ΔT图 1c)的变化来看,随着增温的发生U迅速减小而ΔT急剧增加,ERA5资料和DR集合平均分析场均表明ΔT于2月7日12时突破零线,从而标志着平流层爆发性增温事件的开始(Andrews et al., 1987)。随着增温的进行,2月9日06时北极10 hPa纬向风场减弱到极小值,DR集合平均分析场及其40个集合成员均表明北极地区10 hPa风场的西风并未完全衰退(U=5 m s−1),而ERA5再分析资料表明此时西风已发生反转,但表现为弱的东风(−2 m s−1)。

图 1 2016年2月5~15日10 hPa的(a)北极点温度(单位:℃)、(b)U(单位:m s-1)、(c)ΔT(单位:K)的变化。红实线:ERA5再分析资料;黑实线:DR集合平均分析场;灰实线:40个DR集合成员分析场。黑虚线(图c中):ΔT零线 Fig. 1 (a)Temperature (units: ℃) at the North Pole, (b) U(zonal mean wind from 60°N to 90°N, units: m s-1), and (c) ΔT (temperature difference between 90°N and 60°N zonal mean temperature, units: K) at 10 hPa during 5–15 February 2016. Red solid line: ERA5 reanalysis data; black solid line: DR (DR experiment assimilates both SABER (Sounding of the Atmosphere using Broadband Emission Radiometry) and MLS (Microwave Limb Sounder) ozone observations) ensemble mean analysis; gray solid line: DR analysis of 40 ensemble members; black dashed line (in Fig. c): zero line of ΔT

ERA5再分析资料(图 2a)和DR分析场(图 2c)重现的北极上空纬向风垂直廓线均表明:SSW发生期间上平流层至中间层顶部高度层次的纬向风由西风反转为东风,且反转东风层首先出现在中间层顶,东风层随时间有逐渐下传的特征。两种资料所描述的平流层西风反转为东风以及东风恢复为西风的时间节点完全一致,此外两种资料重现的纬向风的大小在0.1 hPa以下层次较为接近,而在0.1 hPa以上的中间层差别较大。从两种资料描述的北极上空温度场的垂直剖面的演变来看:SSW期间整个平流层气温增加显著,单个高度层次气温达到极大值的时间随高度的下降而向后推迟。增温期间平流层顶高度(图 2bd中黑线)呈下降趋势,在2月9日以后的增温恢复阶段,平流层顶高度又开始缓慢恢复抬升。此外SSW发生期间北极上空中间层顶明显下降,ERA5资料描述的中间层顶下降(2月7日12时)的现象与平流层顶下降(2月7日12时)的现象在时间上保持一致,但是DR分析场描述的中间层顶下降的现象(2月11日00时)明显滞后于平流层顶下降(2月7日12时)的现象。总的来看平流层增温期间,DR分析场与ERA5再分析资料反映的垂直温度结构在平流层较为近似,而在中间层差别较大。

图 2 2016年2月5~15日北极上空(70°~90°N)纬向平均的(a)ERA5再分析资料、(c)DR分析场的纬向风(单位:m s-1)、(b)ERA5再分析资料、(d)DR分析场平均温度(单位:K)的垂直廓线和平流层顶高度(黑粗实线,单位:hPa) Fig. 2 Vertical profiles of zonal mean zonal wind (units: m s-1) from (a) ERA5 reanalysis data and (c) DR analysis, zonal mean temperature (units: K) from (b) ERA5 reanalysis data and (d) DR analysis averaged between 70°N and 90°N, and the height of the stratopause (black thick lines, units: hPa) during 5–15 February 2016

从臭氧体积浓度垂直廓线随时间的演变来看,ERA5再分析资料(图 3a)、CR(图 3b)和DR(图 3c)试验分析资料均表明:SSW增温期间北极地区平流层中部臭氧体积浓度增加显著,臭氧体积浓度峰值高度随时间呈明显下降趋势。刘毅等(2009)等亦发现了SSW期间北极地区平流层臭氧显著增加的现象,并指出该现象是由于平流层增温期间行星波引起的极向运动将来自中低纬高浓度臭氧输送至北极造成的。在2月10日以后的增温恢复阶段,平流层中部臭氧体积浓度随时间缓慢减小,与此同时臭氧体积浓度峰值高度随时间逐渐抬升,ERA5再分析资料(图 3a)和DR试验分析场(图 3c)均表明SSW过程结束后(2月15日)臭氧体积浓度峰值高度已抬升至平流层中上层且高于SSW发生前的峰值高度。但不同试验和再分析资料描述的SSW期间北极臭氧体积浓度演变特征有明显的细节差异。首先,增温期间CR试验分析场的臭氧体积浓度首次增加到6.5 ppm(1 ppm=10−6)所对应的高度(8 hPa)明显高于DR(12 hPa)和ERA5(15 hPa);再次,控制试验CR所描述的臭氧体积浓度高值区(>6.5 ppm)的面积明显大于ERA5和DR试验所对应的面积,即CR试验对于北极上空平流层臭氧体积浓度高值区存在明显高估。总之,相对于控制试验CR,同化SABER和MLS臭氧观测所得出的臭氧体积浓度分析场能够较真实反映SSW期间平流层臭氧体积浓度垂直廓线随时间的演变特征,且与ERA5再分析资料描述的臭氧体积浓度变化特征具有很好的一致性。

图 3 2016年2月5~15日极地上空(70°~90°N)平均的(a)ERA5再分析资料、(b)CR和(c)DR分析场臭氧体积浓度(阴影,单位:ppm)、臭氧体积浓度峰值高度(黑色粗实线,单位:hPa)的变化 Fig. 3 Changes of zonal mean ozone volume concentrations (units: ppm) from (a) ERA5 reanalysis data, (b) CR (control experiment) analysis, (c) DR analysis and the heights of volume concentrations peak values (black thick lines, units: hPa) averaged between 70°N and 90°N during 5–15 February 2016
4 SABER和MLS臭氧资料同化效果验证 4.1 基于MLS和SABER观测的同化效果验证

为验证SABER和MLS臭氧观测资料的同化效果,对控制试验CR和同化试验(SR、MR、DR)进行10 d的6 h循环同化和数值积分,并基于SABER和MLS臭氧观测资料对不同试验的臭氧体积浓度6 h预报和分析效果进行检验。检验的指标为CR试验臭氧体积浓度相对观测的均方根误差RMSE(图 4ab,单位:ppm)以及同化试验臭氧体积浓度的RMSE相对CR试验臭氧体积浓度RMSE的相对变化量(图 4cn)。从图 4a来看,在南半球CR试验臭氧体积浓度RMSE的最大值出现在低纬上空平流层中部,而在北半球CR试验臭氧体积浓度在整个平流层与SABER观测均有较大差别。对比图 4ab可以发现,CR臭氧体积浓度相对MLS观测的RMSE明显小于其相对SABER臭氧观测的RMSE。根据SABER观测的检验结果,SR试验臭氧体积浓度预报场(图 4c)和分析场(图 4d)的RMSE相对CR试验臭氧体积浓度的RMSE的减小区主要出现在北半球30°N以北的上平流层和中间层底部;对MR试验的独立观测检验(图 4gh)表明MR试验相对CR试验臭氧体积浓度RMSE的改善效果仅体现北半球高纬上空平流层顶部,在该高度以下的层次同化MLS臭氧不但不能使得MR试验臭氧体积浓度的RMSE相对CR试验的RMSE显著减小,反而会使得MR试验臭氧体积浓度的RMSE相对CR试验的RMSE偏大,其原因可能是由于MLS臭氧资料和SABER臭氧资料二者间的观测偏差导致的;图 4kl表明DR试验臭氧体积浓度RMSE相对CR试验的RMSE的偏小区主要出现在北半球中高纬上空的上平流层和中间层底部,这一点在分析场(图 4l)中表现更为显著。根据MLS臭氧观测资料的检验结果,SR试验臭氧体积浓度的RMSE在上平流层和平流层底部相对控制试验的RMSE明显偏大(图 4ef),RMSE的相对变化在上述两个层次的正中心分别达到了20%和40%,该现象与图 4gh的情形相同,均可能是由于被同化的臭氧观测与用于检验的观测资料二者之间的偏差造成的;但图 4ef仍然表明同化效果在南半球中纬度平流层中下层有显著体现,RMSE相对变化的负中心达到了−40%左右;MR试验臭氧体积浓度RMSE的相对变化(图 4ij)除了在热带上空上平流层以及北半球平流层底部表现为弱的负值外,在平流层其他高度和纬度MR试验臭氧体积浓度的RMSE相对CR试验的RMSE显著减小,这一特征尤其体现在分析场(图 4j)上;DR试验臭氧体积浓度RMSE的相对变化(图 4mn)的分布与MR试验的RMSE相对变化的分布类似。

图 4 基于(a、c、d、g、h、k、l)SABER、(b、e、f、i、j、m、n)MLS臭氧观测体积浓度计算的(a、b)CR试验臭氧体积浓度的均方根误差(单位:ppm)以及(c–f)SR、(g–j)MR、(k–n)DR同化试验臭氧体积浓度6 h(c、g、k、e、i、m)预报场和(d、h、l、f、j、n)分析场的均方根误差相对CR试验臭氧体积浓度均方根误差的相对变化 Fig. 4 (a, b) RMSEs (Mean Squared Errors, units: ppm) of ozone volume concentrations from CR experiment calculated based on (a, c, d, g, h, k, l) SABER and (b, e, f, i, j, m, n) MLS ozone volume concentrations observations, and variations (units: ppm) of RMSEs of ozone volume concentrations (c, g, k, e, i, m) 6-h forecasts and (d, h, l, f, j, n) 6-h analysis from (c–f) SR (SR experiment assimilates SABER data), (g–j) MR (the experiment assimilates MLS data), (k–n) DR assimilation experiments relative to RMSEs of ozone volume concentrations from CR experiment

为更清晰展示同化SABER和MLS臭氧体积浓度观测资料对臭氧体积浓度模拟和分析效果的影响,图 5给出了3.4 hPa上臭氧体积浓度预报场和分析场相对观测的RMSE随时间的变化特征。从图 5a可以看出2月5日06时三个对比试验臭氧体积浓度预报场相对SABER观测的RMSE达到了全局大值约0.99 ppm,造成RMSE较大的原因是第一个同化周期观测的突然插入引发模式场不协调从而导致较大预报误差;随着模式积分的进行集合离散度会慢慢增加,更多的资料被同化进状态变量,使得RMSE随之减小。由图 5a可看出随着时间积分的继续不同试验间RMSE的差别开始显著增加,DR和SR试验臭氧体积浓度的RMSE相对CR试验明显偏低;DR试验和SR试验臭氧体积浓度分析场的误差明显小于预报场的误差。图 5a中MR试验臭氧体积浓度的RMSE相对CR试验的RMSE无明显改进的原因可能是由于SABER和MLS两种臭氧体积浓度观测资料在该层次上存在较大的偏差导致的。DR试验臭氧体积浓度分析场和预报场的RMSE与CR试验RMSE的差别在基于MLS臭氧观测计算的RMSE时间序列(图 5b)中表现更为显著。

图 5 2016年2月5~15日3.4 hPa上WACCM+DART臭氧体积浓度6 h预报场(实线)和分析场(虚线)与(a)SABER和(b)MLS观测臭氧体积浓度全球平均的均方根误差(单位:ppm) Fig. 5 Global mean RMSEs (units: ppm) of ozone volume concentrations from the WACCM+DART (Whole Atmosphere Community Climate Model, Data Assimilation Research Test-Bed) 6-h forecast (solid lines) and 6-h analysis (dashed lines) relative to ozone volume concentrations observations from (a) SABER and (b) MLS at 3.4 hPa during 5–15 February 2016

图 6给出了单个时次(2016年2月12日00时)3.4 hPa上CR、SR、MR和DR试验的北半球6 h臭氧体积浓度预报场以及其与观测的偏差的空间分布。对比图 6ad可以看出,控制试验CR和SR模拟的由中西伯利亚伸向北极的臭氧体积浓度高值舌浓度相当,而相对MR和DR试验模拟的臭氧体积浓度高值舌的浓度明显偏大;在臭氧体积浓度高值舌结构上,CR和SR试验模拟的臭氧体积浓度高值舌比MR和DR模拟的臭氧体积浓度高值舌北伸距离偏长,宽度偏大。三个同化试验(SR、MR和DR)模拟的位于白令海峡的臭氧体积浓度低“涡”的形态结构较为相近而与控制试验CR模拟的臭氧体积浓度低“涡”空间形态有较大差别,而且CR模拟的臭氧体积浓度低“涡”低值中心浓度相对同化试验明显偏低。对比4个试验模拟的欧洲北部臭氧体积浓度低“涡”可以发现:三个试验(SR、MR和DR)模拟的位于格陵兰海峡—巴伦支海一带臭氧体积浓度低“涡”的中心浓度相近,且均相对控制试验明显偏高。由图 6e中穿越北冰洋上空的两条相交的MLS臭氧体积浓度观测(方形)轨迹表明:CR试验的6 h臭氧体积浓度预报场相对MLS臭氧观测有明显的正偏差,偏差量级最高达到1.2 ppm,而MR和DR试验在该位置的臭氧体积浓度的预报偏差相对CR明显偏小(图 6gh)。再从SABER资料的观测轨迹(圆点)来看,控制试验CR在挪威海—巴伦支海一带臭氧体积浓度6 h预报相对观测明显偏低现象在SR(图 6f)和DR(图 6h)试验中均得到了明显改善。

图 6 2016年2月12日00时3.4 hPa上WACCM+DART臭氧体积浓度(a)CR、(b)SR、(c)MR、(d)DR试验的6 h预报场(单位:ppm)及其相对SABER(圆点)和MLS(方形)臭氧体积浓度观测值的(e)CR、(f)SR、(g)MR、(h)DR试验偏差(单位:ppm) Fig. 6 Six-hour forecasts (units: ppm) of ozone volume concentrations in (a) CR, (b) SR, (c) MR, (d) DR experiments from WACCM+DART and their biases (units: ppm) in (e) CR, (f) SR, (g) MR, (h) DR experiments relative to ozone volume concentrations observations from MLS (filled squares) and SABER (filled circles) at 3.4 hPa at 0000 UTC 12 February 2016
4.2 基于EAR5资料的同化效果验证

为进一步验证SABER和MLS臭氧观测的同化效果,本研究利用ERA5再分析产品对10 d逐6 h循环同化所得到的臭氧体积浓度分析场进行检验。为了解同化效果在不同空间位置的表现差异,本研究从不同的气压层次和纬度对检验指标(均方根误差和相关系数)进行了统计。由CR试验臭氧体积浓度的RMSE随纬度—气压分布(图 7a)可以看出:CR试验臭氧体积浓度分析场与ERA5再分析资料在赤道上空平流层中部以及南半球中高纬地区平流层中上部均存在较大偏差。对比图 7b表明:相对CR试验,DR试验臭氧体积浓度分析场RMSE的显著减小区出现在北半球60°N以北10 hPa以上的平流层和中间层。从图 7c给出的臭氧体积浓度RMSE在北半球高纬度地区的平均垂直廓线可以看出,在平流层和中间层底部高度的大多数层次上DR试验臭氧体积浓度RMSE均小于CR试验臭氧体积浓度的RMSE,且在上平流层—中间层底部体现最为明显。图 7d给出了CR试验臭氧体积浓度与ERA5再分析资料的相关系数随气压和纬度的分布,可以看出高度越高二者相关系数越小,在平流层高纬地区的相关性明显高于热带地区上空。从图 7e来看,同化臭氧观测可有效改善臭氧体积浓度分析场与ERA5臭氧体积浓度分析场在南半球高纬地区10 hPa以下平流层以及北半球高纬地区10 hPa以上的平流层—中间层底部的相关性,图 7f中的相关系数垂直廓线也证明了这一点。而在其他纬度带同化效果不显著的原因可能是由于因为SSW期间全球范围内较强的平流层大气热力和动力扰动主要出现在北半球高纬地区,而这些扰动会随着模式积分增加集合离散度,从而使得更多的臭氧观测在北半球高纬地区被接受和同化,从而使得北半球高纬地区的同化效果明显高于其他纬度带。

图 7 基于ERA5再分析资料计算的CR试验臭氧体积浓度的(a)RMSE(单位:ppm)、(d)相关系数,DR和CR试验臭氧体积浓度的(b)RMSE的差值(单位:ppm)、(e)相关系数的差值,DR和CR试验臭氧体积浓度的(c)RMSE(单位:ppm)、(f)相关系数在60°~90°N平均的垂直廓线 Fig. 7 (a) RMSEs (units: ppm), (d) correlation coefficients of ozone volume concentrations between CR simulation and ERA5 reanalysis data, differences in (b) RMSEs (units: ppm), (e) correlation coefficients of ozone volume concentrations between DR, CR simulations and ERA5 reanalysis data, profiles of mean (c) RMSEs (units: ppm), (f) correlation coefficients of ozone volume concentrations between DR, CR simulations and ERA5 reanalysis data averaged over 60°–90°N

臭氧是影响平流层大气热力场和动力场的重要气体,同化臭氧资料能否有效改善平流层大气温度场和风场的预报效果,为此本研究将控制试验CR以及同化试验DR的温度和纬向风分析场与ERA5再分析资料进行对比,以研究同化臭氧资料对平流层风场和温度场分析效果的影响。由图 8a可以看出,CR试验与ERA5再分析温度产品差别较大的层次主要出现在中间层和北半球中高纬度上平流层;图 8b表明,同化臭氧观测的DR试验温度分析场的RMSE在中间层底部以及60°N以北10 hPa以上的平流层相对CR试验明显偏小。图 8c的高纬平均RMSE廓线亦证明了这一点。由纬向风计算的RMSE的分布(图 8d)来看,北半球CR模拟的纬向风的RMSE明显高于南半球,在北半球纬向风的RMSE随高度的增加而增加;CR试验纬向风分析场RMSE的极大值区位于赤道上空中间层0.1~0.3 hPa范围,RMSE高达50 m s−1以上,该位置对应赤道上空中间层东西风急流的切变区;结合图 8e可以看出相对CR试验,DR试验在CR试验RMSE极大值位置处的纬向风RMSE仅减小了2 m s−1左右,RMSE的相对变化非常小,因此同化臭氧资料对于赤道上空0.1~0.3 hPa高度急流切变结构的模拟效果的改进不够明显。从图 8e还可以发现DR和CR纬向风场RMSE的差别主要出现在中间层,DR试验相对CR试验对纬向风场的改进主要体现在60°N以北的中间层,而对平流层的风场基本无明显改进效果。图 8f中CR和DR试验纬向风场RMSE平均垂直廓线亦说明同化臭氧观测有利于减小北半球高纬上空中间层底部纬向风场的分析误差。

图 8 基于ERA5再分析资料计算的CR试验(a)温度(单位:K)、(d)纬向风的RMSE(单位:m s-1),DR和CR试验(b)温度(单位:K)、(e)纬向风RMSE的差值(单位:m s-1)以及CR和DR试验(c)温度(单位:K)和(f)纬向风RMSE(单位:m s-1)在60°~90°N的平均垂直廓线 Fig. 8 RMSEs of (a) temperature (units: K) and (d) zonal wind (units: m s-1) between CR simulation and ERA5 reanalysis data, differences in RMSEs of (b) temperature (units: K) and (e) zonal wind (unit: m s-1) between DR simulation and CR simulation, vertical profiles in mean RMSEs of (c) temperature and (f) zonal wind from CR simulation and DR simulation averaged over 60°–90°N
5 同化臭氧体积浓度观测资料对平流层臭氧体积浓度中期预报效果的影响

为进一步分析同化臭氧观测资料对平流层臭氧预报的影响,本研究建立两组试验:一组利用CR试验5 d预报场(2016年2月10日00时)作为初始场进行10 d的预报,记为CRF试验;第二组利用DR试验经过5 d的逐6 h循环同化得到的分析场(2016年2月10日00时)作为初始场进行10 d的预报,记为DRF试验。最后利用MLS臭氧体积浓度资料对0~10 d内的臭氧体积浓度的预报结果进行检验,以研究臭氧体积浓度观测资料同化对平流层臭氧体积浓度中期预报的影响。图 9给出了预报第10 d的3.4 hPa高度上CRF和DRF试验臭氧体积浓度预报场、ERA5臭氧体积浓度再分析场和MLS观测臭氧体积浓度的全球分布。由图 9d可以看出,ERA5再分析臭氧体积浓度在北半球中高纬和南极大陆与MLS观测的臭氧体积浓度较为一致,但在热带地区相对MLS观测臭氧体积浓度明显偏小。与之相反的是CRF试验和DRF试验模拟的的臭氧体积浓度10 d预报场在热带低纬地区与MLS观测均较为一致,而在北半球中高纬地区与实际观测偏差较大。DRF试验10 d预报和ERA5再分析臭氧体积浓度在北太平洋东部均存在一个大尺度的一个臭氧低值“洞”(图 9中方形区域),两条MLS探测轨迹穿过该区域时探测到的臭氧体积浓度亦明显减小,而这一特征在控制试验CRF中无法得到体现。图 10给出了两条轨迹线上观测位置的MLS探测臭氧体积浓度以及三个试验的10 d模拟臭氧体积浓度的垂直剖面。由图 10a可以明显看出MLS观测到的臭氧体积浓度低值洞位于北半球中纬度平流中部(35°~53°N,5~11 hPa),DRF试验10 d臭氧体积浓度预报场同样也可以很好地描述该位置的臭氧洞结构(图 10c),但臭氧洞结构在CRF试验中无法得到很好体现(图 10b)。图 10df中基于第二条MLS探测轨迹(track2)的对比分析亦证明了这一点。因此同化SABER和MLS臭氧资料对于10 d以后的平流层臭氧预报的影响依然很显著。

图 9 2016年2月20日00时3.4 hPa上(a)MLS观测臭氧体积浓度,(b)CRF试验、(c)DRF试验臭氧体积浓度预报场,(d)ERA5再分析产品的臭氧体积浓度(单位:ppm)。图中方框表示臭氧体积浓度低值区 Fig. 9 Ozone volume concentrations (units: ppm) from (a) MLS observations, (b) CRF (CRF experiment uses forecast fields as initial conditions), (c) DRF (DRF experiment uses analysis fields as initial conditions) and (d) ERA5 reanalysis data at 3.4 hPa at 0000 UTC 20 February 2016. The square areas represent the low ozone concentration areas

图 10 2016年2月20日00时±1.5 h穿越臭氧体积浓度低值区(图 9方框)两条MLS观测轨迹(a–c)Track1、(d–f)Track2上臭氧体积浓度(a、d)观测值(单位:ppm)和对应的(b、e)CRF试验、(c、f)DRF试验的臭氧体积浓度预报值(单位:ppm) Fig. 10 (a, d) Volume concentrations from observations (units: ppm) along two MLS scanning tracks (a, b, c) Track1, (d, e, f) Track2 crossing the low ozone concentration areas (square areas in Fig. 9) and corresponding volume concentrations from (b, e) CRF, (c, f) DRF forecasts (units: ppm) within the time window of 0000 UTC±1.5 h on 20 February 2016

图 11给出了CRF、DRF试验0~10 d臭氧体积浓度场预报场与MLS臭氧体积浓度观测的平均预报误差和预报误差标准差随高度和时间的分布。从图 11ac来看,CRF、DRF试验臭氧体积浓度预报场在平流层中上部相对MLS臭氧体积浓度观测均存在显著正偏差。在10 hPa以下5 d预报时段以内平流层以及中间层底部,DRF试验的臭氧体积浓度平均预报误差明显低于CRF试验的平均预报误差:CRF试验最大正偏差为0.35 ppm,而DRF试验的最大正偏差最大仅为0.25 ppm,CRF试验臭氧体积浓度平均预报误差的高值区所持续的时间和高度范围均明显多于DRF试验。从预报误差标准差的分布(图 11bd)来看,CRF、DRF试验臭氧体积浓度预报误差标准差的极大值主要出现在平流层中部(10 hPa);DRF试验在预报第4 d才首次出现了臭氧体积浓度预报误差标准差等于0.5 ppm的情形,而CRF试验预报的第1 d便已出现臭氧体积浓度预报误差标准差等于0.5 ppm的情形;DRF试验和CRF试验的臭氧体积浓度预报误差标准差的主要区别体现在预报时段5 d以内臭氧体积浓度预报误差标准差≥0.05 ppm出现的时间和高度层次。预报5 d以后,由于初始场误差和模式误差随时间的累积,预报误差随时间增大,平均预报误差和预报误差标准差均表明DRF试验与CRF试验在5 d以后的预报效果无显著区别。综合上述分析,可以发现同化SABER和MLS臭氧资料可显著改善下平流层和中间层底部臭氧体积浓度0~5 d的预报效果。

图 11 (a、b)CRF试验、(c、d)DRF试验0~10 d臭氧体积浓度预报场相对MLS臭氧体积浓度观测产品的全球平均(a、c)预报误差和(b、d)预报误差标准差随时间和高度的分布 Fig. 11 (a, c) Global mean forecast errors (units: ppm) and (b, d) their standard deviations (units: ppm) for 0–10-d ozone volume concentrations forecasts from (a, b) CRF experiment, (c, d) DRF experiment relative to MLS ozone volume concentrations
6 结论与讨论

本研究在WACCM+DART临近空间大气资料同化预报系统中加入了SABER和MLS臭氧体积浓度观测资料的同化接口程序,使得WACCM+DART同化系统具备了同化SABER和MLS臭氧体积浓度观测资料的功能,并以2016年2月一次平流层爆发性增温过程为模拟个例进行了基于WACCM+ DART的SABER和MLS臭氧体积浓度观测同化试验,得出以下结论:

(1)同化SABER和MLS臭氧体积浓度观测的DR试验臭氧体积浓度分析场能够较真实反映SSW期间平流层臭氧体积浓度廓线随时间的演变特征,且与ERA5再分析资料描述的臭氧变化特征具有很好的一致性。

(2)基于SABER臭氧体积浓度观测的预报效果检验表明同化臭氧体积浓度浓度观测对臭氧体积浓度预报和分析误差的改善效果主要体现在北半球中高纬上平流层和中间层底部,基于MLS臭氧体积浓度观测的预报检验表明同化臭氧体积浓度观测对臭氧体积浓度预报和分析误差的改善效果在南半球高纬上空的平流层以及北半球中高纬平流层中上层—中间层底部均有显著体现。

(3)基于ERA5再分析资料的逐6 h的WACCM+ DART分析场检验表明同化SABER和MLS臭氧体积浓度浓度资料可在有效改善北半球高纬地区上平流层—中间层底部臭氧体积浓度分析质量的同时减小该区域上平流层—中间层底部温度场和中间层底部纬向风场的分析误差。

(4)基于MLS资料的臭氧体积浓度中期预报场检验表明同化SABER和MLS臭氧体积浓度资料可显著改善下平流层和中间层底部臭氧体积浓度的0~5 d的预报效果。

本研究发现使用不同类型臭氧观测得到的同化分析结果有较大差异,这是由于不同类型的臭氧观测资料间的误差导致的,后期工作将进一步完善DART资料同化系统,使之支持更多的臭氧观测类型,以期通过同化多家臭氧观测使得臭氧分析场更加靠近多种类型臭氧观测样本概率密度分布的峰值。本研究采用的臭氧观测资料为卫星观测辐射量的反演产品(间接同化)不可避免的引入臭氧反演观测算子的误差,后期工作将在DART同化系统中引入辐射传输模式并选取臭氧敏感通道,通过直接同化卫星观测辐射量以改进臭氧初始场。此外,据了解平流层二氧化碳、氮氧化物、水汽、甲烷以及氟氯类化合物等物质对于平流层臭氧的生消具有重要影响(Tian et al., 2009谢飞等,2013; Wang et al., 2014),而目前这些平流层化学物质的观测产品已经可以获取,下一步工作可考虑将这些化学物质观测资料应用到WACCM+DART系统中,进一步提高WACCM模式对临近空间大气化学和物理状态的重现能力。

致谢 感谢欧洲中期天气预报中心(ECMWF)提供的ERA5再分析资料;感谢美国国家大气研究中心(NCAR)提供的WACCM模式和DART同化系统源代码;感谢美国国家航空航天局(NASA)提供的TIMED/SABER和Aura/MLS的温度和臭氧观测产品;感谢美国国家大气研究中心高山天文台(NCAR/HAO)Hanli Liu高级研究员对SD-WACCM-X动力场指定方法的介绍;感谢北京师范大学谢飞副教授、南京大学王五科老师和兰州大学张健恺老师在运行WACCM模式方面提供的诸多帮助;感谢美国国家大气研究中心资料同化研究所(NCAR/DAReS)Kelvin Reader助理研究员在使用DART同化系统方面的慷慨指导。

参考文献
Allen D R, Hoppel K W, Kuhl D D. 2016. Hybrid ensemble 4DVar assimilation of stratospheric ozone using a global shallow water model[J]. Atmos. Chem. Phys., 16(13): 8193-8204. DOI:10.5194/acp-16-8193-2016
Anderson J L. 2001. An ensemble adjustment Kalman filter for data assimilation[J]. Mon. Wea. Rev., 129(12): 2884-2903. DOI:10.1175/1520-0493(2001)129<2884:AEAKFF>2.0.CO;2
Anderson J L. 2003. A local least squares framework for ensemble filtering[J]. Mon. Wea. Rev., 131(4): 634-642. DOI:10.1175/1520-0493(2003)131<0634:ALLSFF>2.0.CO;2
Anderson J L. 2009. Spatially and temporally varying adaptive covariance inflation for ensemble filters[J]. Tellus A:Dyn. Meteor. Oceanogr., 61(1): 72-83. DOI:10.1111/j.1600-0870.2008.00361.x
Anderson J L. 2010. A non-Gaussian ensemble filter update for data assimilation[J]. Mon. Wea. Rev., 138(11): 4186-4198. DOI:10.1175/2010MWR3253.1
Anderson J L. 2012. Localization and sampling error correction in ensemble Kalman filter data assimilation[J]. Mon. Wea. Rev., 140(7): 2359-2371. DOI:10.1175/MWR-D-11-00013.1
Andrews D G, Holton J R, Leovy C B. 1987. Middle Atmosphere Dynamics[M]. Orlando: Academic Press.
陈洪滨. 2009. 中高层大气研究的空间探测[J]. 地球科学进展, 24(3): 229-241. Chen Hongbin. 2009. An overview of the space-based observations for upper atmospheric research[J]. Adv. Earth Sci. (in Chinese) (in Chinese), 24(3): 229-241. DOI:10.3321/j.issn:1001-8166.2009.03.002
董亚宁. 2016.基于集合卡尔曼滤波全球臭氧卫星观测资料同化试验研究[D].南京信息工程大学硕士学位论文. Dong Yaning. 2016. Study on the global ozone satellite data assimilation experiment based on ensemble Kalman filter[D]. M. S. thesis (in Chinese), Nanjing University of Information Science and Technology.
Dragani R. 2016. A comparative analysis of UV nadir-backscatter and infrared limb-emission ozone data assimilation[J]. Atmos. Chem. Phys., 16(13): 8539-8557. DOI:10.5194/acp-16-8539-2016
Elbern H, Schwinger J, Botchorishvili R. 2010. Chemical state estimation for the middle atmosphere by four-dimensional variational data assimilation:System configuration[J]. J. Geophys. Res., 115(D6). DOI:10.1029/2009JD011953
Errera Q, Daerden F, Chabrillat S, et al. 2008. 4D-Var assimilation of MIPAS chemical observations:Ozone and nitrogen dioxide analyses[J]. Atmos. Chem. Phys., 8(20): 6169-6187. DOI:10.5194/acp-8-6169-2008
Fisher M, Lary D J. 1995. Lagrangian four-dimensional variational data assimilation of chemical species[J]. Quart. J. Roy. Meteor. Soc., 121(527): 1681-1704. DOI:10.1002/qj.49712152709
France J A, Harvey V L, Randall C E, et al. 2012. A climatology of stratopause temperature and height in the polar vortex and anticyclones[J]. J. Geophys. Res., 117(D6). DOI:10.1029/2011JD016893
Garcia R R, Marsh D R, Kinnison D E, et al. 2007. Simulation of secular trends in the middle atmosphere, 1950-2003[J]. J. Geophys. Res., 112(D9). DOI:10.1029/2006JD007485
Hennermann K. ERA5 data documentation[EB/OL]. https: //software.ecmwf.int/wiki/display/CKB/ERA5+data+documentation#ERA5datado-cumentation-Observations.[2018-08-01]
Hersbach H, Dee D. 2016. ERA5 reanalysis is in production[R]. ECMWF Newsletter No. 147.
Hoffman R N, Kalnay E. 1983. Lagged average forecasting, an alternative to Monte Carlo forecasting[J]. Tellus A, 35(2): 100-118. DOI:10.3402/tellusa.v35i2.11425
胡雄, 龚建村, 杨钧烽, 等. 2014.临近空间大气预报方法研究[C]//第三届高分辨率对地观测学术年会优秀论文集.北京: 高分辨率对地观测系统重大专项管理办公室, 中国科学院重大科技任务局, 中国航天科技集团公司宇航部, 中国航天科工集团公司空间工程部, 中国电子科技集团公司科技部. Hu Xiong, Gong Jiancun, Yang Junfeng, et al. 2014. A study of near-space atmospheric prediction methods[C]//Proceedings of the 3rd China High Resolution Earth Observation (in Chinese). Beijing: High Resolution Earth Observation System Management Office, Major Science and Technology Bureau of the Chinese Academy of Sciences, China Aerospace Science and Technology Corporation Aerospace Department, Aerospace Engineering Division of China Aerospace Science and Technology Corporation, China Electronic Technology Group Corporation science and Technology Department.
Inness A, Flemming J, Suttie M, et al. 2009. GEMS data assimilation system for chemically reactive gases[R]. European Centre for Medium-Range Weather Forecasts (ECMWF), Technical Memoradum, 587pp.
Inness A, Blechschmidt A M, Bouarar I, et al. 2015. Data assimilation of satellite-retrieved ozone, carbon monoxide and nitrogen dioxide with ECMWF's composition-IFS[J]. Atmos. Chem. Phys., 15(9): 5275-5303. DOI:10.5194/acp-15-5275-2015
Jackson D R. 2007. Assimilation of EOS MLS ozone observations in the Met Office data-assimilation system[J]. Quart. J. Roy. Meteor. Soc., 133(628): 1771-1788. DOI:10.1002/qj.140
Kiesewetter G, Sinnhuber B M, Vountas M, et al. 2010. A long-term stratospheric ozone data set from assimilation of satellite observations:High-latitude ozone anomalies[J]. J. Geophys. Res., 115(D10). DOI:10.1029/2009JD013362
Kinnison D E, Brasseur G P, Walters S, et al. 2007. Sensitivity of chemical tracers to meteorological parameters in the MOZART-3 chemical transport model[J]. J. Geophys. Res., 112(D20). DOI:10.1029/2006JD007879
Levelt P F, Khattatov B V, Gille J C, et al. 1998. Assimilation of MLS ozone measurements in the global three-dimensional chemistry transport model ROSE[J]. Geophys. Res. Lett., 25(24): 4493-4496. DOI:10.1029/1998GL900152
Lin S J. 2004. A "vertically Lagrangian" finite-volume dynamical core for global models[J]. Mon. Wea. Rev., 132(10): 2293-2307. DOI:10.1175/1520-0493(2004)132<2293:AVLFDC>2.0.CO;2
刘毅, 刘传熙, 陆春晖. 2009. 平流层爆发性增温中平流层环流及化学成分变化过程研究[J]. 地球科学进展, 24(3): 297-307. Liu Yi, Liu Chuanxi, Lu Chunhui. 2009. Impacts of the stratospheric sudden warming on the stratospheric circulation and chemical tracers[J]. Adv. Earth Sci. (in Chinese) (in Chinese), 24(3): 297-307. DOI:10.3321/j.issn:1001-8166.2009.03.008
Livesey N J. 2015. Earth Observing System (EOS) Aura Microwave Limb Sounder (MLS) version 4.2 x level 2 data quality and description document, 91109-8099, version 4.2 x[R]. Jet Propulsion Lab., Calif. Insti. of Tech., Pasadena, Calif.
吕达仁, 陈泽宇, 郭霞, 等. 2009. 临近空间大气环境研究现状[J]. 力学进展, 39(6): 674-682. Lü Daren, Chen Zeyu, Guo Xia, et al. 2009. Recent progress in near space atmospheric environment study[J]. Advances in Mechanics (in Chinese) (in Chinese), 39(6): 674-682. DOI:10.6052/1000-0992-2009-6-J2009-039
Marsh D R, Garcia R R, Kinnison D E, et al. 2007. Modeling the whole atmosphere response to solar cycle changes in radiative and geomagnetic forcing[J]. J. Geophys. Res., 112(D23). DOI:10.1029/2006JD008306
Marsh D R, Mills M J, Kinnison D E, et al. 2013. Climate change from 1850 to 2005 simulated in CESM1 (WACCM)[J]. J. Climate, 26(19): 7372-7391. DOI:10.1175/JCLI-D-12-00558.1
Massart S, Clerbaux C, Cariolle D, et al. 2009. First steps towards the assimilation of IASI ozone data into the MOCAGE-PALM system[J]. Atmos. Chem. Phys., 2009. DOI:10.5194/acp-9-5073-2009
Pedatella N M, Raeder K, Anderson J L, et al. 2014. Ensemble data assimilation in the whole atmosphere community climate model[J]. J. Geophys. Res., 119(16): 9793-9809. DOI:10.1002/2014JD021776
Pierce R B, Schaack T, Al-Saadi J A, et al. 2007. Chemical data assimilation estimates of continental U.S. ozone and nitrogen budgets during the intercontinental chemical transport experiment North America[J]. J. Geophys. Res, 2007. DOI:10.1029/2006JD007722
Richter J H, Sassi F, Garcia R R. 2010. Toward a physically based gravity wave source parameterization in a general circulation model[J]. J. Atmos. Sci., 67(1): 136-156. DOI:10.1175/2009JAS3112.1
Riishøjgaard L P, Štajner I, Lou G P. 2000. The GEOS ozone data assimilation system[J]. Adv. Space Res., 25(5): 1063-1072. DOI:10.1016/S0273-1177(99)00443-3
Rong P P, Russell Ⅲ J M, Mlynczak M G, et al. 2009. Validation of thermosphere ionosphere mesosphere energetics and dynamics/sounding of the atmosphere using broadband emission radiometry (TIMED/SABER) v1.07 ozone at 9.6 μm in altitude range 15-70 km[J]. J. Geophys. Res., 114(D4). DOI:10.1029/2008JD010073
Sassi F, Liu H L, Ma J, et al. 2013. The lower thermosphere during the Northern Hemisphere winter of 2009:A modeling study using high-altitude data assimilation products in WACCM-X[J]. J. Geophys. Res., 118(16): 8954-8968. DOI:10.1002/jgrd.50632
Tian W S, Chipperfield M P, Lü D. 2009. Impact of increasing stratospheric water vapor on ozone depletion and temperature change[J]. Adv. Atmos. Sci., 26(3): 423-437. DOI:10.1007/s00376-009-0423-3
田文寿, 田红瑛, 商林, 等. 2011. 热带平流层与对流层之间相互作用的研究进展[J]. 热带气象学报, 27(5): 765-774. Tian Wenshou, Tian Hongying, Shang Lin, et al. 2011. Advances in interactions between tropical stratosphere and troposphere[J]. J. Trop. Meteor. (in Chinese) (in Chinese), 27(5): 765-774. DOI:10.3969/j.issn.1004-4965.2011.05.00
唐晓, 王自发, 朱江, 等. 2010. 北京地面O3的集合预报试验[J]. 气候与环境研究, 15(5): 677-684. Tang Xiao, Wang Zifa, Zhu Jiang, et al. 2010. Ensemble-based surface O3 forecast over Beijing[J]. Climatic and Environmental Research (in Chinese) (in Chinese), 15(5): 677-684. DOI:10.3878/j.issn.1006-9585.2010.05.18
唐晓, 朱江, 王自发, 等. 2013. 基于集合卡尔曼滤波的区域臭氧资料同化试验[J]. 环境科学学报, 33(3): 796-805. Tang Xiao, Zhu Jiang, Wang Zifa, et al. 2013. Regional ozone data assimilation experiment based on ensemble Kalman filter[J]. Acta Scientiae Circumstantiae (in Chinese) (in Chinese), 33(3): 796-805.
Wang W, Tian W, Dhomse S, et al. 2014. Stratospheric ozone depletion from future nitrous oxide increases[J]. Atmos. Chem. Phys., 14(23): 12967-12982. DOI:10.5194/acp-14-12967-2014
Wargan K, Stajner I, Pawson S, et al. 2005. Assimilation of ozone data from the Michelson interferometer for passive atmospheric sounding[J]. Quart. J. Roy. Meteor. Soc., 131(611): 2713-2734. DOI:10.1256/qj.04.184
Xie F, Tian W S, Chipperfield M P. 2008. Radiative effect of ozone change on stratosphere-troposphere exchange[J]. J. Geophys. Res., 113(D7). DOI:10.1029/2008JD009829
谢飞, 田文寿, 李建平, 等. 2013. 未来甲烷排放增加对平流层水汽和全球臭氧的影响[J]. 气象学报, 71(3): 555-567. Xie Fei, Tian Wenshou, Li Jianping, et al. 2013. The possible effects of future increase in methane emission on the stratospheric water vapor and global ozone[J]. Acta Meteor. Sinica (in Chinese) (in Chinese), 71(3): 555-567. DOI:10.11676/qxxb2013.049
Xie F, Li J P, Tian W S, et al. 2016. A connection from Arctic stratospheric ozone to El Niño-Southern Oscillation[J]. Environ. Res. Lett., 11(12): 124026. DOI:10.1088/1748-9326/11/12/124026
Zhang J K, Tian W S, Chipperfield M P, et al. 2016. Persistent shift of the Arctic polar vortex towards the Eurasian continent in recent decades[J]. Nature Climate Change, 6(12): 1094-1099. DOI:10.1038/nclimate3136