在CMA-MESO/CUACE模型中同化气溶胶光学厚度（AOD）数据，以提升中国地区的天气预报精度

《Atmospheric Research》：Data assimilation of aerosol optical depth (AOD) in CMA-MESO/CUACE model to improve weather predictions in China

建立CMA-MESO/CUACE模型AOD三维变分数据同化方案，利用FY-4B卫星AOD反演数据优化初始场，通过T-matrix和Lorenz-Mie方法构建前向算子，评估发现AOD同化使预测偏差降低0.2，温度MAE减少0.7K，风速减少0.2m/s，证实了该方案对改善大气热力结构及天气预测的有效性。

　　

Jia Hong|Wenyuan Chang|Wei Han|Zhaorong Zhuang|Hao Wang|Lei Bi|Xueshun Shen

中国气象局CMA地球系统建模与预测中心（CEMC），北京100081，中国

摘要

气溶胶在云核形成和大气辐射过程中起着关键作用，因此准确的气溶胶建模对于数值天气预报至关重要。本研究为CMA-MESO/CUACE天气预报模型建立了一种气溶胶光学厚度（AOD）的三维变分（3D-Var）数据同化（DA）方案，该方案吸收了来自风云-4B（FY-4B）卫星的AOD反演数据，并通过为期一个月的后报实验评估了AOD DA对天气预报的影响。AOD观测算子基于查找表构建，其中非球形尘埃的气溶胶光学性质（AOP）采用不变嵌入T矩阵方法计算，而球形人为气溶胶则采用Lorenz–Mie方法计算。使用AERONET测量数据和全国范围内的地面天气观测结果对模型进行了评估。结果显示，通过吸收AOD反演数据，AOD预报的偏差显著降低了多达0.2。改进后的AOD预报进一步有利于大气热动力结构的建模。区域2米气温和10米风速预报的均方绝对误差（MAE）分别降低了多达0.7 K和0.2 m s^?1。AOD DA的好处证明了所开发AOD同化方案的有效性，以及结合卫星AOD数据对提高天气预报必要性的重要性。

引言

过去几十年中，人们一直深入研究大气气溶胶对天气和气候的影响。气溶胶可以散射和吸收太阳辐射，并作为云凝结核，广泛影响云的寿命和反照率（Fan等人，2016；Rosenfeld等人，2008；Twomey，1977），行星边界层的发展（Gao等人，2015；Li等人，2017），以及像季风这样的大尺度大气现象（Bollasina等人，2011；Liu等人，2017）。气溶胶的直接和间接效应已被纳入数值天气模型中，极大地推动了天气和化学研究及预报的发展（Chapman等人，2009；Peng等人，2022；Thompson和Eidhammer，2014）。

准确的气溶胶场对于模拟气溶胶对天气的影响至关重要。数据同化（DA）通过模型背景和观测数据的平衡合成来优化气溶胶初始场。当前的气溶胶DA方案主要依赖于两种类型的气溶胶测量数据：一种是地面测量的气溶胶质量浓度，通常是PM_2.5和PM₁₀（空气动力学直径分别小于2.5微米和10微米的颗粒物）（Feng等人，2018；Pagowski和Grell，2012）；另一种是遥感平台反演的气溶胶光学性质，如AOD和消光系数（Gao等人，2022；Garrigues等人，2023）。与地面测量相比，卫星AOD观测具有更大的空间覆盖范围。与主要修正模型最低层气溶胶浓度的表面层气溶胶测量DA不同，AOD DA用于约束整个大气柱中的气溶胶浓度（Zang等人，2022）。这种柱状约束结合表面层PM_2.5 DA，能够更有效地修正初始气溶胶浓度并改善预报（Schwartz等人，2012；Zhou等人，2025）。

主要挑战在于解决模型中的气溶胶浓度与观测得到的光学性质之间的不匹配问题。开发用于吸收卫星反演气溶胶数据的AOD算子在技术上与化学传输模型（CTM）中的气溶胶机制紧密相关。当前的气溶胶机制包括整体机制、模态机制和分段机制，主要区别在于是否以及如何明确解析气溶胶粒径分布。值得注意的研究包括Liu等人（2011）为GOCART气溶胶方案开发的基于CRTM的AOD算子，该算子已被纳入社区网格点统计插值（GSI）系统，实现了MODIS AOD的反演。Pang等人（2020）为欧洲模态气溶胶动力学模型（MADE）及其二次有机气溶胶模型（SORGAM）机制开发了FastJ/CRTM-AOD前向算子，并成功吸收了VIIRS AOD反演数据。Chang等人（2021）和Zang等人（2022）分别为模拟气溶胶相互作用和化学（MOSAIC）气溶胶机制开发了AOD算子。还有一些其他研究致力于推进AOD数据同化的实践和方法论进展（Dai等人，2014；Garrigues等人，2023；Saide等人，2014；Xia等人，2019）。

CMA-MESO/CUACE（中国气象局的中尺度天气数值预报系统CMA-MESO与中国统一大气化学环境模型CUACE的耦合）是中国气象局（CMA）开发的一种中尺度数值化学-天气模型。该模型包含分段气溶胶机制，并与辐射和云微物理过程完全耦合（Peng等人，2022）。CMA-MESO/CUACE模型已建立了用于吸收地面PM_2.5和PM₁₀观测数据的三维变分（3D-Var）同化系统（Zhuang等人，2023），但在吸收卫星AOD反演数据方面仍有限。风云-4是中国第二代地球静止气象卫星系列，这些卫星在改进气溶胶预报方面显示出有希望的价值（Xia等人，2020）。然而，来自较新的FY-4B卫星的AOD反演数据在数据同化中的应用仍然有限。在这项研究中，我们将这种3D-Var DA系统扩展到包括卫星AOD同化，并吸收了来自中国风云-4B卫星的AOD数据集。我们通过为期一个月的实验评估了所开发的AOD DA方案的性能，并评估了其对天气预报的影响。第2节描述了CMA-MESO/CUACE模型、3D-Var同化系统以及用于同化和验证的数据。第3节评估了AOD DA的有效性及其对天气预报的影响。第4节是结论。

章节片段

CMA-MESO/CUACE模型和配置

CMA-MESO/CUACE是一种与大气化学耦合的中尺度数值天气预报模型。气溶胶与气象过程双向耦合（Peng等人，2022；Zhang等人，2022），允许模拟气溶胶-云-辐射相互作用。因此，AOD DA对初始气溶胶浓度的约束会影响天气预报。

本研究使用的模型配置如下：云部分采用Thompson方案（Thompson和Eidhammer，2014）

DA后的AOD分析场

图2展示了AOD背景、分析结果、分析增量以及模型AOD与FY-4B观测数据的散点图的空间分布。需要注意的是，AOD DA修正了模型中的气溶胶质量浓度，而分析后的AOD是基于修正后的浓度重新计算的。总体而言，AOD背景在中国北部明显被低估（图2a）。这种低估在分析场中得到了有效缓解（图2b，c）。图2d显示

总结

本研究为CMA-MESO/CUACE模型建立了一种3D-Var AOD数据同化方案，用于吸收FY-4B卫星的AOD反演数据，并研究了AOD DA对中国气溶胶和天气预报的影响。AOD前向算子基于查找表构建，该查找表根据非球形尘埃气溶胶使用不变嵌入T矩阵方法，对于球形人为气溶胶则使用Lorenz–Mie理论计算。一对为期一个月的

CRediT作者贡献声明

Jia Hong：撰写——原始草稿，验证，方法论，研究。Wenyuan Chang：撰写——审稿与编辑，方法论，形式分析。Wei Han：监督，资源，概念化。Zhaorong Zhuang：方法论，形式分析。Hao Wang：可视化，软件。Lei Bi：方法论，概念化。Xueshun Shen：监督，资源。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（资助编号：42090032）的支持。我们感谢国家卫星气象中心（NSMC）和国家气象信息中心（NMIC）提供卫星AOD产品和气象观测数据以用于数据同化和模型验证。我们也感谢NASA戈达德太空飞行中心（GSFC）的AERONET团队公开共享气溶胶测量数据。