提高数值天气预报（Number Weather Prediction）的准确性对防灾减灾具有重要意义。数值天气预报的准确性很大程度上依赖于初始场的质量，卫星资料同化为改善数值预报初始场提供了一种有效手段。然而目前卫星资料的同化主要针对晴空条件下进行，大量受云影响的卫星资料常被丢弃不用。受云影响的卫星资料的有效利用将是进一步改善数值预报初始场，进而提高数值预报准确率的重要途径。因此，开展云区卫星资料同化方法研究，提升云区卫星资料的同化效果，进而提高数值天气预报准确率，是目前资料同化领域的热点和难点。

近日，我院陈耀登教授和博士研究生孟德明开展了基于水凝物扩展控制变量的云区卫星资料集合-变分混合同化。该研究基于扩展控制变量方法，将集合-变分混合同化系统（EnVar）中的控制变量扩展至水凝物变量（Qc, Qi, Qr, Qs），发展了EnVar-Hydro混合同化模块，实现了卫星云产品资料的混合同化。结果表明，该EnVar-Hydro混合同化模块可以有效结合静态水凝物背景场误差协方差和集合水凝物背景场误差协方差，从而可以更好地维持了初始场中水凝物与其他预报变量之间平衡关系，有效延长了卫星云观测信息在模式中的作用时间。在连续循环同化和预报的批量对比试验中，EnVar-Hydro试验有效减少了常规预报变量的分析场和预报场的均方根误差（RMSE），并且提高了降水预报的技巧评分。

Figure 1. The distribution of 12h accumulated precipitation of the subdomain D03 beginning at 0000 UTC 10 June 2017 for (a) the precipitation observation, (b) the 3DVar experiment, (c) the EnVar experiment and (d) the EnVar-Hydro experiment.

Figure 2. Vertical cross sections of temporal evolution of horizontally averaged qi in the first 5 hours average over the rainfall center (units: 10-2g kg-1), (a) 3DVar experiment, (b) EnVar experiment, (c) EnVar-Hydro experiment.

Figure 3. Vertical profiles of the analysis (solid line) and 12h forecast (dotted line) RMSE of (a) U (m s-1), (b) V (m s-1), (c) T (K) and (d) Q (g kg-1) for Cycle-Ⅰ.

Figure 4. Fractions skill scores with 6-km radius of influence for the hourly precipitation threshold of 3mm (the left column) and 6mm (the right column) from the three experiments of the Cycle-Ⅰ(a, b) and Cycle-Ⅱ(c, d). The precipitation observation used in the score are from the China Hourly Merged Precipitation Analysis(CHMPA) with 0.1°latitude× 0.1°longitude spatial resolution . The radius of influence of the neighborhood method used in this study is 6km and the scoring area covers the entire D03.

论文信息：

Meng, D., Chen, Y.*, Wang, H., Gao, Y., Potthast, R., & Wang, Y. (2019). The evaluation of EnVar method including hydrometeors analysis variables for assimilating cloud liquid/ice water path on prediction of rainfall events. Atmospheric research, 219, 1-12.