合理的水凝物控制变量是提高雷达反射率因子同化效果的关键之一。然而，将水凝物作为控制变量在实际雷达应用中仍然存在挑战。首先，水凝物变量具有垂直特征和多变量相关特征，当前多数雷达同化系统没有很好考虑水凝物控制变量的垂直相关，以及水凝物与温度、水汽其他变量的多变量相关；其次，垂直和多变量相关水凝物控制变量对雷达同化和热动力及微物理预报的影响还需要进一步认识。
为了更好地同化雷达资料并合理初始化水凝物，我院陈耀登教授及其博士生郑鸿开发了垂直和多变量相关的水凝物控制变量的雷达反射率因子同化模型，通过在同化系统中建立水凝物变量的垂直相关以及水凝物变量与温度、湿度等常规变量的多变量相关，建立了水凝物变量在统一的代价函数极小化过程中与其他变量一起进行极小化的求解过程，从而实现多变量的统一协调分析（图1c，f）。
图1. 在 CTRL（左列）、Hydro（中列）和 Hydro+reg（右列）试验中，通过同化单点雷达反射率观测，
、
、
和
的分析增量垂直剖面图： (a-c）（填色，单位：10-2 g/kg）、（红色等值线，单位：K）和（黑色等值线，单位：g/kg）；（d-f）（填色，单位：10-2 g/kg），和的设置与（a-c）相同。横轴代表经度，左纵轴为模式高度（单位：km），右纵轴为大致对应的气压层（单位：hPa）。
为进一步明确垂直和多变量相关的水凝物控制变量对雷达同化及预报的影响，开展了河南“21.7”极端暴雨过程的雷达同化及预报研究。相对于传统雷达同化方案，使用垂直和多元相关的水凝物控制变量进行雷达反射率同化后，同化分析场中郑州附近水汽条件和动力结构得到进一步改善（图2f），这些都为郑州站附近强降雨的发生提供了更有利的动力和热力条件，并最终改进了本次极端降水的强度和落区预报（图3d），表明了多变量相关水凝物控制变量的雷达资料同化模型可以改进强降雨的预报效果。
图2 最后一次分析场，过郑州站的（a-c）水凝物: 
(填色, unit: gkg-1) and 
(蓝色线, unit: gkg-1)和（d-f）温度 (填色, unit: K), 水汽混合比(蓝色等值线, unit: gkg-1) and 风场(矢量, unit: ms-1，垂直速度放大10倍)。（a, d）控制试验(CTRL)；（b, e）常规方案同化雷达试验(RDA)与控制试验的差值；（c, f）使用HBEC的雷达同化及预报试验(RDA_HBEC)与控制试验的差值。
图3 2021年7月20日0000UTC起报的12小时累积降水分布。(a)观测，(b) CTRL试验，(c) RDA试验，和(d) RDA_HBEC试验。五角星的位置表示郑州站的所在位置。
论文信息：
Chen Y.*, H. Zheng, T., Sun, D., Meng, L., Qin, and J., Yin, 2024: Improving forecasts of the “21.7” Henan extreme rainfall event using a radar assimilation scheme that considers hydrometeor background error covariance. Mon. Wea. Rev, 152, 1379–1397.
Zheng H, Chen, Y.*, Zheng S, Meng D, Sun T.2023: Radar Reflectivity Assimilation Based on Hydrometeor Control Variables and Its Impact on Short-Term Precipitation Forecasting. Remote Sensing. 15(3):672.