用数值模拟与观测资料相拟合的方法构造边界层流场

该文用最优化方法修正边界层模式的外强迫项，使模式输出结果最好地拟合有限的观测资料。目标函数相对于参数的梯度用扰动法计算。利用模式资料和在兰州市的实测资料所作的数值试验表明，该方法是合理的。     

用变分法修正黑河试验数据的初步研究

为了对黑河试验观测资料进行订正,利用一个一维边界层垂直扩散模式和以拟牛顿极小化算法为基础的最优化方法建立了一个变分同化系统,其中,目标函数相对于控制变量的梯度用扰动法求取.并利用模式资料和黑河试验若干时刻的观测资料进行了一些数值试验.试验证明,将初始场变量与模式误差系数同时作为控制变量加以调整,能够有效调整初始场观测资料.并且,用变分同化方法能够较线性插值(时间、空间)方法更有效、合理的修正黑河试验观测资料场的种种缺陷.     

集合变分法在大气边界层湍流粘性系数反演中的应用

利用集合变分法研究了大气边界层EK模式(考虑了水平气压梯度力、科氏力和湍流粘性力3力平衡的大气边界层模式)中湍流粘性系数的反演问题.首先利用集合变分法推导了目标函数关于反演参数的梯度表达式,然后给出了反演计算方案,最后再就反演湍流粘性系数k进行了一系列理想数值试验.数值试验结果表明:利用集合变分法对EK模式中的湍流粘性系数的反演比较成功.通过适当调整集合数,初始扰动均方差及初始值的大小,可以进一步提高集合变分法对湍流粘性系数k的反演精度.将集合变分法应用于大气边界层参数的反演是一种值得研究的计算方案.     

变分四维同化方法若干问题的数值试验

资料误差和模式误差都可能影响变分四维同化的结果,针对这一问题利用浅水方程模式进行了变分四维同化的数值模拟试验。试验分三种情况进行：（１）仅修正初始场,（２）仅修正模式;（３）二者同时修正。试验结果表明,当模式有误差时,传统的变分四维同化方法（仅修正初始场）可能将模式的误差混淆到初始场中去,尽管在同化期间可得到较好的拟合,但却不一定能保证同化后有好的预报。如果不修正初始场而修正模式,当模式误差不大时     

微波遥感在大气边界层预报中的应用

本文利用5mm(54.5 GHz)微波辐射计遥感大气边界层的温度廓线,并利用大气边界层数值模式,预报大气边界层的发展。首先改善5 mm微波辐射计遥感大气温度层结的方法,提高精度;其次建立模拟和预报大气边界层发展的一维数值模式,用微波辐射计观测结果每3小时对模式进行一次初始化,使模式能跟踪和预报实际大气边界层的发展,并用实测资料做了验证。     

伴随模式同化系统在修正模式误差中的应用研究

资料误差和模式误差都是制约数值预报结果准确性提高的关键因素,传统四维资料同化都是假设模式完全正确仅对初始资料进行修正,忽略了模式误差本身造成的预报误差。伴随模式同化系统不仅具有修正资料误差的能力,也可应用于修正模式误差方面的研究。本文将卫星中心导风系统提供的GMS5卫星风场与非常规温度资料用于MM5伴随同化系统修正模式地形误差进行试验性研究表明,该方法能够反演出一个既与初始气象要素场相匹配,又与模式更协调的地形场,得到比一般包络地形更好的效果,改善模式对强降水中心及降水区域的预报;数值试验结果还揭示模式误差对模式预报造成一定的影响,用伴随方法对观测资料进行修正的同时也对模式误差进行修正的方法是可行的。     

针对WRF模式中行星边界层参数化过程倾向项的扰动方法

针对WRF模式中行星边界层参数化过程中的不确定性,发展了一种针对行星边界层参数化过程的随机物理扰动方案(SPPBLPT),该方案针对行星边界层计算的温度、风场、水汽倾向项进行扰动。使用该方案、多行星边界层参数化方案、多参数扰动方案及针对WRF模式总倾向的随机物理过程扰动(SPPT)方案对2014年7月进行对比实验,发现使用较大格点方差的SPPBLPT方案能有效降低地面温度与风场的误差,也能降低降水的预报误差,而其他方案对预报改善不明显。针对地面温度和风场的BS评分显示,SPPBLPT方案通过降低可靠性评分(提高可靠性),显著改善了集合预报对温度与风场的可能性预报,同时该方案能显著提高降水的GSS评分,在所有实验中,较大格点方差的SPPBLPT方案表现最好。针对行星边界层参数化过程的随机物理扰动方案(SPPBLPT)能显著提升集合预报系统性能,但是该方案的扰动参数的设置还需要进一步研究。     

集合降维变分同化中的初始扰动和局地化

集合降维变分同化方法ERDVar不需要求解切线性模式和伴随模式，不仅能减少同化计算量，而且能够提供“流依赖”的背景误差协方差矩阵。本文提出用NMC初始扰动生成方法和分区同化方案，来解决初始扰动样本生成问题和全球同化局地化问题，最终实现将ERDVar应用到全球中期数值预报模式T106L19。试验结果表明：①使用ERDVar方法能够有效提取真实增量信息，提高全球同化精度。②用NMC方法产生的扰动样本反映预报误差结构特征，在预报过程中不容易衰减，同化后至少使预报误差降低10%。③与全球ERDVar同化试验相比，分区ERDVar同化试验各变量平均的均方根误差降低14%，计算代价进一步降低。分区ERDVar方法和NMC样本的联合应用使同化改进效果更稳定。     

基于卫星资料梯度信息的新型变分同化方法对于台风数值模拟的研究

卫星资料凭着卫星遥感的全球性、连续性和高频次观测等优势,成为一种重要的非常规资料源,但卫星观测仍然存在各种各样的观测误差,其中包含由于观测偶然性所造成的统计学上的随机误差及仪器本身和辐射传输模式等造成的系统性偏差,这些误差在很大程度上影响了卫星资料的质量。文中提出了一种能有效订正卫星观测资料系统性偏差的梯度信息同化算法,该方法用一个梯度算子进行模式变量与观测变量的梯度变换,从而达到订正系统性偏差的目的。本文利用WRF（Weather Research Forecast）模式及其同化模式WRFDA（WRF Data Assimilation system）,以及AIRS（Atmospheric Infrared Sounder）资料,对台风“圆规”进行了实际的数值模拟和同化试验,数值结果表明,梯度信息同化方法能明显改善台风路径的模拟,在处理可信度较低的资料时仍然适用。另外,通过同化诊断分析,发现卫星资料的系统性偏差对于台风数值模拟有较大影响,而文中提出的梯度信息同化方法能较好的解决此类问题。     

微物理方案及其参数对EnSRF资料同化的影响研究

利用自主构建的基于风暴尺度的WRF-En SRF系统同化模拟多普勒雷达资料,讨论了微物理方案及其参数的不确定性对同化效果的影响。试验采用组合微物理方案以及扰动微物理方案中的参数的方法,结果表明,模式误差非常小甚至可以忽略时,使用单个微物理方案并扰动参数能够使真实风暴的主要特征在分析场中较未扰动参数得到更好地反映;存在模式误差时,使用单个微物理方案并扰动参数后,分析场中的各要素的分布较未扰动参数更加接近真实风暴,同化效果得到改进,且改进效果比模式误差非常小时更为明显;存在模式误差时,组合微物理方案并扰动参数后,分析场中对流云团的形态较未组合方案或未扰动参数更接近真实风暴,主要要素场的配置最能反映真实风暴的特征,同化效果最为理想。结果也表明,扰动参数时、参数扰动范围较小时,同化效果较优。     

Adaptive observations for hurricane prediction

Summary This study proposes a method that can be used to provide guidelines to aircraft reconnaissance for hurricane observations. The method combines numerical weather prediction (NWP) model with a statistical approach to target adaptive observations over areas where the hurricane predictions are very sensitive to the initial analysis for the NWP-model. A single model experiment is performed using regular initial analysis, while 50 other ensemble runs are performed from randomly perturbed initial states. Under the perfect model assumption, the single model experiment serves as a true state. The method first computes the forecast error variances at a certain verification time, e.g. hour 48, and then locates the maximum centers of variances. After the locations of the maximum forecast error variances are known, various correlations of different variables between these maximum variance points and the perturbation fields at the target time, e.g. hour 12, are calculated to identify those locations at the target time, over where the observational errors might be responsible for the growth of forecast error variances at the verification time. Statistically, these correlation fields indicate where the most sensitive areas are at the target time, i.e. where the need for additional observations is suggested. Hurricane Fran of 1996 is used to test the proposed method. The reason for choosing this case is that, during the first 48 hour forecast, the track forecast from NWP-model was very close to the best track. Two additional experiments were designed to examine the method. One experiment updates predicted variables at the target time (12 h) over the areas, to where the proposed method indicates the forecast would be sensitive. The updating combines observations (or truth) with the first guess (predicted) fields. Another experiment also modifies predicted variables at the target time (12 h), but over the areas where the method indicates the forecast errors are less correlated to. The results show that the modification has greatly reduced the forecast error variances at the verification time (48 h) in the first experiment, however it has a very little impact on the variance fields at the forecast hour (48 h) in the second experiment. It is very clear from our experiments, that the proposed method is able to identify sensitive areas, where additional observations can help to reduce hurricane forecast errors from an NWP-model. Received July 19, 1999 Revised November 28, 1999     

笛卡儿坐标系的双多普勒天气雷达三维风场反演技术

文中研究了笛卡尔坐标系下双多普勒天气雷达三维风场反演技术 ,提出了包括雷达原始资料的预处理 ,空间插值以及可靠性检验的新方法 ,提高了反演结果的可信度和精确度。使用模拟的双多普勒雷达体扫资料进行了反演试验 ,结果表明 :本文的方法能够比较真实地反映风场的三维结构 ,可以用于真实风场的反演。     

预分析初始扰动样本对降维投影四维变分同化性能的影响

降维投影四维变分同化(DRP-4DVar)方法的背景误差协方差是由基于历史预报的扰动样本统计得到的,为了改进降维投影四维变分同化系统中背景误差协方差的流依赖特性,提出了对初始扰动样本进行预分析的新思路,即在对背景场分析之前,利用降维投影四维变分同化系统本身对每个样本进行预先分析,使得统计出的背景误差协方差随实际的天气形势而变化,从而实现其在真正意义上的流依赖,且在循环同化时能够避免滤波发散现象的出现。试验结果表明,对样本进行预先分析能够通过改善同化系统中背景误差协方差的空间结构和流依赖特性,来进一步改进降维投影四维变分同化方法的性能,为数值模式提供更精确的初始场,从而提高了基本模式变量的预报精度,并改善了对强降水的模拟能力。相比较而言,对所有初始扰动样本都进行了预分析的同化试验能够得到最优的分析和预报。     

集合预报方法的全局研究

应用一个最大简化的６变量非线性模式,引入胞映射全局分析方法,研究初值误差范围内不同扰动对预报结果的影响。在获得对其全局认识的基础上,再通过理论研究与预报实践证明,集合预报方法确能改进预报。理论研究表明,可以求出最佳集合样本数,而且由模式预报试验得到的最佳集合样本数与理论结果是一致的。另外,观测精度、预报精度以及模式状态变量的个数对最佳集合样本数有着不同的影响。     

影响统计插值分析误差的若干因素分析

采用理想观测网,用数值方法计算统计插值分析误差。减小观测误差或初估值误差、增加观测数量、恰当减小观测空间间距、以及选取分布合理的观测资料,有利提高分析精度;如果计算使用的归一化观测误差方差、误差相关函数的特征和总体统计平均情况不一致,有可能造成分析误差的明显增加。最后,利用特征向量分析方法,对归一化观测误差方差、观测误差相关属性对于不同尺度统计插值分析误差的影响进行讨论。     

HIGH-RESOLUTION NUMERICAL SIMULATION OF TYPHOON LONGWANG (2005) WITH THE SPECTRUM NUDGING TECHNIQUE

With the Weather Research and Forecasting model (WRFV3.2.1), the application of spectrum nudging techniques in numerical simulation of the genesis and development of typhoon Longwang (2005) is evaluated in this work via four numerical experiments with different nudging techniques. It is found that, due to the ability to capture the large-scale fields and to keep the meso-to small-scale features derived from the model dynamics, the experiment with spectrum nudging technique can simulate the formation, intensification and motion of Longwang properly. The improvement on the numerical simulation of Longwang induced by the spectrum nudging depends on the nudging coefficients. A weak spectrum nudging does not make significant improvement on the simulation of Longwang. Although the experiment with four-dimensional data assimilation, i.e., FDDA, also derives the genesis and movement of Longwang appropriately, it fails to simulate the intensifying process of Longwang properly. The reason is that, as the large-scale features derived from the model are nudged to the observational data, the meso- to small-processes produced by the model dynamics important to the intensification of typhoon are nearly smoothed by FDDA.     

四维变分同化技术在优化Z-C预测模式初始场中的应用试验

文中使用四维变分同化技术将海温观测资料同化到Zebiak-Cane模式中,通过优化模式的初始场提高了模式的预报技巧.通过用理想场进行检验,说明所建立的同化伴随模式是正确的 .用文中建立的四维变分同化模式以1997年1月为初始场所做的预报结果与实况相比,结果较好.这对今后ENSO预报打下了良好的基础.     

A Multivariate Empirical Orthogonal Function-Based Scheme for the Balanced Initial Ensemble Generation of an Ensemble Kalman Filter

The initial ensemble perturbations for an ensemble data assimilation system are expected to reasonably sample model uncertainty at the time of analysis to further reduce analysis uncertainty. Therefore, the careful choice of an initial ensemble perturbation method that dynamically cycles ensemble perturbations is required for the optimal performance of the system. Based on the multivariate empirical orthogonal function (MEOF) method, a new ensemble initialization scheme is developed to generate balanced initial perturbations for the ensemble Kalman filter (EnKF) data assimilation, with a reasonable consideration of the physical relationships between different model variables. The scheme is applied in assimilation experiments with a global spectral atmospheric model and with real observations. The proposed perturbation method is compared to the commonly used method of spatially-correlated random perturbations. The comparisons show that the model uncertainties prior to the first analysis time, which are forecasted from the balanced ensemble initial fields, maintain a much more reasonable spread and a more accurate forecast error covariance than those from the randomly perturbed initial fields. The analysis results are further improved by the balanced ensemble initialization scheme due to more accurate background information. Also, a 20-day continuous assimilation experiment shows that the ensemble spreads for each model variable are still retained in reasonable ranges without considering additional perturbations or inflations during the assimilation cycles, while the ensemble spreads from the randomly perturbed initialization scheme decrease and collapse rapidly.