图1 MERSI-2的云参数产品(a-b)和MWTS-2视场下的融合后云参数(c-d)。(a)和(c)为云量，(b)和(d)为云顶高度，云顶高度只融合至四个统一的云顶高度(300、350、400和750 hPa)以评估云的影响。
图2 AGRI的云顶高度(a-b)和GIIRS视场下的融合后云顶高度(c-d)。(a)和(c)为中国及附近区域内整体的云分布情况，(b)和(d)为(a)和(c)黑框区域的放大展示，云顶高度只融合至九个统一的云顶高度(晴空、过高以及200、250、300、350、400、500、750 hPa)以评估云的影响。
基于融合后的云顶高度和云量信息，我们可以计算出在不同高度和云量情况下两种仪器的有云和无云的亮温差异，建立查找表来实现同化时两种仪器的快速的三维动态云检测。在实际同化时，对比观测的融合云量和云顶高度所对应的查找表值和阈值大小关系，快速判断通道是否受云影响。MWTS-2的云检测阈值通过后续试验进一步选定，GIIRS的云检测阈值则通过其各通道的观测误差来给定。以GIIRS为例，其查找表示意图如图3所示。
图3 GIIRS (a)通道3、(b)通道27、(c)通道80查找表示意图。
2.三维动态云检测方法对同化的观测资料影响
三维动态云检测方法能在不改变同化观测质量的情况下，大量提升风云卫星资料的利用率。传统的二维云掩膜检测方法严格筛选视场内完全晴空的观测数据，三维动态云检测方法相比其进一步利用了云顶之上的观测资料，以及视场内出现了云但在辐射空间上几乎不受云影响的观测资料。我们基于CMA-GFS系统进行了两个仪器的同化测试，如图4可以看出对于MWTS-2资料，三维动态云检测方法可以相比二维云掩膜方法接近2.6倍的观测数量；对于GIIRS资料，对于低层通道能提升一倍以上的观测数量，而对于高层通道能提升三倍以上的观测数。
图4 (a)MWTS-2、(b)GIIRS使用二维云掩膜和三维动态云检测方法同化的观测数。
图5给出了MWTS-2和GIIRS应用三维动态云检测方法后，OMB的PDF分布情况。可以看出三维动态云检测方法的OMB PDF分布均与二维云掩膜方法保持相似的结果，大部分通道都能实现OMB BIAS绝对值的降低，更多晴空资料的同化使得其更符合同化系统对观测资料的无偏高斯分布要求。长期评估结果也显示出三维动态云检测方法稳定性。这些结果均说明三维动态云检测方法同化的均为晴空优质观测。
图5 MWTS-2(a)通道5、(b)通道6、(c)通道7偏差订正后以及GIIRS(d/g)通道3、(e/h)通道27、(f/i)通道80偏差订正前后的OMB概率密度分布(PDF)。蓝线和红线分别表示MWTS-2二维云检测和三维动态云检测试验，(d-f)和(g-i)分别表示GIIRS二维云检测和三维动态云检测试验。
3.算法在WRFDA同化系统实现并进行了同化预报试验
三维动态云检测方法的应用有助于区域数值模式预报结果的改善。我们将三维动态云检测算法构建到了WRFDA同化系统，并进行了区域数值模式同化和预报试验。针对2019年的台风Lekima个例，进行了FY-3D MWTS-2的两种云检测方法的循环同化及预报试验。图6为与ERA5相比的48小时的RMSE时间序列图，显示出三维动态云检测试验的整体中高层的温度和风场预报更优，而湿度预报则略低于二维云检测试验。这是由于MWTS-2为温度探测仪器，其可以直接对温度分析提供更多增量，对湿度的改善则有限。而温度场的改善会随着循环同化和预报的进行，随着模式动力场的调整传递到风场上。
图6 台风Lekima(2019)(a)温度、(b)相对湿度、(c)U风和(d)V风48小时确定性预报的循环平均均方根误差(RMSE)。蓝线表示二维云检测试验，红线表示三维动态云检测试验。误差条表示平均均方根误差的置信区间，置信度为95%。
图7展示了台风Lekima的路径和强度预报结果，可以看出三维动态云检测试验在路径预报上更接近JTWC最佳路径集给出的中心位置，这与环境场特别是风场的更好预报有一定关系。中心气压和最大风速的台风强度预报结果也更优于二维云检测试验，这与台风的结构改善有关（具体分析详见论文）。
图7 2019年8月7日1800 UTC开始的台风Lekima个例二维云检测试验(蓝色)和三维动态云检测试验(红色)预报的(a)路径、(b)CSLP(hPa)和(c)MWS(kt)。最佳路径(黑色)来自JTWC。
4.算法构建到了我国CMA-GFS全球模式并进行了同化预报试验
三维动态云检测方法的应用同样能为我国全球数值预报模式CMA-GFS系统的预报结果带来改善。将三维动态云检测方法引入了CMA-GFS系统，并进行了FY-4A GIIRS的三维动态云检测方法循环同化和预报试验，评估了连续一周的循环同化预报结果，每次同化后进行10天的预报。二维云检测试验完全基于CMA-GFS的业务同化及预报设置开展，三维动态云检测试验则是在此基础上将FY-4A GIIRS的云检测方法改为三维动态云检测。图8为一周平均的温度预报相比ERA5的RMSE时间序列图，评估区域为业务评估中的中国区域。可以看出在预报到6天以后，温度开始呈现出改善，UV风场的趋势与温度场一致（详见论文）。
图8 10天预报的温度平均RMSE，红线为三维动态云检测试验，黑线为二维云检测试验。
针对前期预报调整不明显的情况，图9进行了展开分析，可以发现三维动态云检测试验在前几天的温度和风速预报中，大偏差的分布范围略小，中等偏差的分布范围相对较大。大偏差的比例减少可能有利于系统后续更稳定的进行预报。当预报超过6天后，三维动态云检测的温度和风速预报结果对大、中误差的覆盖范围都更小，反映在统计结果上就是更小的RMSE。
图9 ERA5与循环同化预报中第一次同化后的200 hPa温度预报结果差值。(a)-(e)为业务结果减ERA5，(f)-(j)为三维动态云检测结果减ERA5。(a/f) 2 d、(b/g) 4 d、(c/h) 6 d、(d/i) 8 d、(e/j) 10 d预报。绿圈为同化的该高度GIIRS通道观测分布。
研究表明，本研究提出的三维动态云检测方法， 可以在不影响同化观测质量的情况下，充分利用云顶之上及辐射空间下不受云影响的晴空观测，提高风云卫星观测资料的利用率。循环同化预报试验也表明，三维动态云检测方法可以改善台风个例以及一周平均的预报结果。 相关方法在区域模式以及我国的CMA-GFS模式中均成功构建，有效提升了国产风云气象卫星的资料利用率，且对初始场精度提升和预报改善均有积极的贡献。
本研究工作由南京信息工程大学陈耀登教授团队及其博士生秦璐瑶、闫旭升，联合中国气象局地球系统数值预报中心马刚研究员、中国气象局气象探测中心张鹏研究员等合作完成。
