线性化物理过程对GRAPES 4DVAR同化的影响

线性化物理过程能够改善四维变分同化中极小化收敛的稳定性和增加极小化过程中对大气物理过程和动力更加精确的描述,它是四维变分同化中非常重要的一部分。通过在GRAPES全球模式中研究线性化物理过程,尤其是两个湿线性化物理过程,改善切线性模式预报精度,来提高GRAPES全球四维变分同化的分析和预报效果。线性化物理过程的开发首先需要简化原非线性化物理过程中的强非线性项,然后对线性化物理过程进行规约化,以抑制切线性扰动的异常增长。目前GRAEPS全球模式中的线性化物理过程主要包括次网格尺度地形参数化、垂直扩散、积云深对流和大尺度凝结。线性化物理过程预报精度的检验方法是通过选择合适大小的初始扰动（同化分析增量）,来比较非线性模式和切线性模式中的扰动演化的纬向平均误差。然后以绝热版本的切线性模式为基础,通过冬、夏两个个例试验来分别检验4个线性化物理过程的12 h预报效果。试验结果表明,通过添加次网格地形参数化和垂直扩散两个干线性化物理过程方案,可以有效抑制住绝热版本切线性模式低层扰动的异常增长,大幅度改善切线性模式预报效果。通过添加积云深对流和大尺度凝结两个湿线性化物理过程,可以在热带区域和中、高纬度地区提高切线性模式中湿变量和温度变量的近似精度,提高GRAPES全球四维变分同化的分析和预报效果。      

基于总能量模的GRAPES全球模式奇异向量扰动研究

以发展基于奇异向量技术为初值扰动的GRAPES全球集合预报系统为目的,在GRAPES模式及其干动力框架下的切线性、伴随模式基础上开展了以总能量模为权重算子的奇异向量计算技术研究,建立奇异向量的计算求解模块,并通过奇异向量检验方法和切线性近似方法验证了奇异向量求解的正确性.通过对中高纬度的GRAPES奇异向量水平结构的线性演变分析,证实了在最优时间间隔内GRAPES奇异向量能够快速增长,并能描述中高纬度大气的斜压不稳定特征.分析在初始时刻和最优化时间间隔时刻的GRAPES奇异向量总能量及其分量(动能和势能)的垂直分布特征,发现在中高纬度区域,GRAPES奇异向量能够描述对流层不同层次的斜压不稳定增长特征.     

GRAPES全球奇异向量方法改进及试验分析

基于总能量模的奇异向量扰动常用于构造集合预报的初始条件。以建立GRAPES（Global and Regional Assimilation PrEdiction System）全球集合预报系统为目的,基于前期研发的GRAPES全球模式奇异向量方法,在GRAPES全球切线性模式和伴随模式2.0版的框架下,开展了引入线性化边界层方案来改善奇异向量结构,并提高奇异向量计算效率的研究。通过连续试验,从奇异向量的扰动能量结构、扰动能量谱及扰动空间分布等方面,综合分析改进GRAPES全球奇异向量的结构及演变特征。试验结果表明,改进后的GRAPES奇异向量方法有效抑制了之前扰动能量在近地面层不合理的快速增长,同时,奇异向量最优扰动的结构更客观地体现了中高纬度区域大气初始条件中的斜压不稳定扰动及其演变,如在初始时刻奇异向量扰动能量主要位于对流层中层,并呈现出随高度向西倾斜的大气斜压特征;经过线性化演变,扰动能量向较大水平尺度转移,并在垂直结构上表现出向对流层高层上传及向对流层低层下传的特征等。针对GRAPES奇异向量迭代求解中伴随模式计算耗时为主的情况,改进伴随模式中广义共轭余差方案的调用方式,并采用大内存存储法来提高其计算效率,进而将奇异向量总计算时间缩短了25%。总之,改进后的GRAPES奇异向量方法,可应用于构建面向业务应用的GRAPES全球集合预报系统。      

CMA-GFS 4DVar边界层过程线性化的改进北大核心CSCD

持续发展和优化切线性模式的线性化物理过程,保持与非线性模式一致是改善四维变分同化(4DVar)分析和预报效果的有效方法之一。目前业务系统的CMA-GFS模式采用基于Charney-Phillips(C-P)跳点的边界层参数化方案,而CMA-GFS 4DVar系统中采用基于Lorenz跳点的边界层线性化方案。为改善CMA-GFS 4DVar系统的边界层分析和预报效果,基于C-P跳点的边界层参数化方案研发了新边界层线性化方案,并通过对方案中地表热量通量和水汽通量扰动、自由大气的理查逊系数扰动、边界层的热量和动量交换系数扰动等进行更加精细地规约化约束,在确保CMA-GFS切线性和伴随模式稳定运行的情况下,减少线性化过程对切线性模式预报精度的影响。切线性近似试验检验表明:相较于原方案,新边界层线性化方案可以减少边界层位温和比湿的相对误差,最大可减少10%。批量4DVar循环同化试验表明:新边界层线性化方案可以有效改善切线性模式对低层位温、风场和比湿扰动的预报精度,减少4DVar内外循环目标泛函的相对差异,并提高700 hPa位势高度的可预报时效。     

GRAPES伴随模式底层数据栈优化

GRAPES伴随模式是其四维变分同化系统的核心组成部分。由于其计算过程复杂,临时数据较多,实现中采用断点存储策略可以有效减少伴随模式的计算时间和存储空间。极限断点存储策略是在单积分步内以全存储策略实现为基础,将其中部分基态以计算代替的一种类断点存储策略。在该策略的支持下,需要一种新的数据管理结构,来保证程序的正确运行。文章提出了在已有栈基础上优化的新数据存储管理方式——嵌套多链栈,这种结构可有效满足使用极限断点存储技术实现GRAPES伴随模式的初态管理需求。试验表明:相比断点存储技术,在总内存增加不超过30%的情况下可使GRAPES的运行效率提高1倍。     

基于通用图形处理器的GRAPES长波辐射并行方案

随着通用图形处理器 (GPGPU) 计算技术的快速发展,通过大规模增加处理系统的并发度来提升性能成为计算机高性能计算的最新趋势。目前,通用图形处理器已经被应用到科学计算的诸多领域。长波辐射作为GRAPES模式中极为重要的物理过程,其巨大的计算量对整个GRAPES模式的运行效率有重要影响。该文依托NVIDIA公司计算统一设备架构 (CUDA) 技术平台,以GRAPES全球模式中长波辐射传输方案为例,对其进行了大规模并发设计和优化,在保持系统结果一致的前提下,对比单颗高端CPU,Tesla C1060 GPGPU具有11倍的加速效果,明显提升了GRAPES全球模式的执行速度和预报时效。研究表明:使用通用图形处理器技术提升数值预报模式的执行速度非常有潜力。     

集合预报误差在GRAPES全球四维变分同化中的应用研究Ⅱ：参数选取与数值试验

研究的第一部分讨论了如何有效应用集合预报误差的科学方案,确定了集合预报误差在GRAPES（Global Regional Assimilation and PrEdiction System）全球4DVar（four dimensional variational data assimilation）中应用的分析框架。在此基础上研究了针对集合预报误差实际应用于GRAPES全球4DVar,解决接近或超过100个集合样本数时高效生成的计算效率问题,以及与GRAPES全球4DVar匹配的同化关键参数确定问题。选择基于4DVar的集合资料同化方法生成集合样本,通过将第1个样本极小化迭代过程中产生的预调节信息用于其他样本极小化做预调节,将计算效率提高了2倍。通过时间错位扰动方法增加集合样本数,实现集合样本增加到3倍。对集合方差进行膨胀,并选择水平局地化相关尺度为流函数背景误差水平相关的1.4倍。通过批量数值试验方法确定背景误差与集合预报误差的权重系数,对60个集合样本当集合预报误差权重为0.7时预报效果最好。对北半球夏、冬两季各52 d的批量试验表明,对于南、北半球En4DVar （ensemble 4DVar）较4DVar的改进在冬季主要集中在700—30 hPa,而在夏季主要集中在400—150 hPa。赤道地区受季节影响较小,En4DVar对位势高度、风场与温度的改进都较为明显,且经向风场的改进最为显著。文中研发的集合预报误差在GRAPES全球4DVar中应用的方法合理可行。      

GRAPES全球三维变分同化中卫星微波温度计亮温的背景误差及在质量控制中的应用

模式变量背景误差在观测空间的投影,也即观测变量的背景误差包含了变分同化系统的重要信息,其在诊断和分析变分同化系统中资料的影响等方面具有重要作用,特别是在背景场检查质量控制中。在GRAPES全球三维变分同化(3DVar)系统中仅给定了控制变量的背景误差,并未直接给定观测变量的背景误差。为了能够对GRAPES全球3DVar进行全面的诊断和分析,改进卫星微波温度计资料的质量控制,推导出GRAPES全球3DVar同化系统控制变量随机扰动方法估计观测变量的背景误差的公式,为分析和改进GRAPES全球3DVar提供了一个有力工具,并进而估计了AMSU-A亮温的背景误差,分析了AMSU-A不同通道亮温的背景误差特征,将其应用于GRAPES全球3DVar的AMSU-A亮温的背景场检查质量控制中。结果表明,控制变量随机扰动方法估计的GRAPES全球3DVar同化系统AMSU-A亮温的背景误差正确合理。同化循环预报试验结果表明,亮温的背景误差在背景场检查中的应用显著提高了GRAPES全球3DVar同化的亮温资料的数量,显著提高了GRAPES南半球对流层中高层位势高度场的预报技巧。在GRAPES全球3DVar同化系统中推导和实现的控制变量扰动方法为诊断和分析GRAPES全球3DVar观测资料同化效果提供了有力工具。      

GRAPES模式切线性垂直扩散方案的误差分析和改进

针对GRAPES四维变分同化系统的升级, 研究了GRAPES模式垂直扩散方案线性化问题。通过2005年8月7—27日21个个例的批量试验, 发现在GRAPES模式垂直扩散方案源代码的基础上逐句线性化得到的切线性垂直扩散方案即使能通过正确性测试试验, 在少数情况下也会存在很大误差。切线性模式计算的扰动气压场和扰动风场可能出现明显异常, 这种异常与垂直扩散方案中地表动量通量的强非线性有关。如果在切线性垂直扩散方案中忽略地表动量通量扰动, 既可以避免异常的出现, 又不影响其他正常时刻的计算精度。修改后的切线性垂直扩散方案能够在所有变量上一致地提高切线性模式的计算精度。     

改进的切线性模式对一个边界层模式变分资料同化的改善

大气、海洋中边界层物理过程的强非线性会对切线性模式近似（尤其是当积分时间长时）有较大的影响，从而给相应的4维变分资料同化问题的求解造成困难。本构造了Mellor-Yamada湍流封闭模式（level 2.5)的一个改进的切线性模式，相比通常的切线性模式和简化的切线性模式可以提高对非线性扰动的逼近。利用这个改进的切线性模式的伴随模式分别进行了1到7天的变分资料同化试验，得到了满意的结果。而用通常的伴随模式和简化的伴随模式都无法得到令人满意的结果。     

Conjugate Gradient Algorithm in the Four-Dimensional Variational Data Assimilation System in GRAPES

Minimization algorithms are singular components in four-dimensional variational data assimilation (4DVar). In this paper, the convergence and application of the conjugate gradient algorithm (CGA), which is based on the Lanczos iterative algorithm and the Hessian matrix derived from tangent linear and adjoint models using a non-hydrostatic framework, are investigated in the 4DVar minimization. First, the influence of the Gram-Schmidt orthogonalization of the Lanczos vector on the convergence of the Lanczos algorithm is studied. The results show that the Lanczos algorithm without orthogonalization fails to converge after the ninth iteration in the 4DVar minimization, while the orthogonalized Lanczos algorithm converges stably. Second, the convergence and computational efficiency of the CGA and quasi-Newton method in batch cycling assimilation experiments are compared on the 4DVar platform of the Global/Regional Assimilation and Prediction System (GRAPES). The CGA is 40% more computationally efficient than the quasi-Newton method, although the equivalent analysis results can be obtained by using either the CGA or the quasi-Newton method. Thus, the CGA based on Lanczos iterations is better for solving the optimization problems in the GRAPES 4DVar system.     

The REM Adjoint System and Its 4DVar Data Assimilation Experiments

The Regional Eta-coordinate Model(REM) has performed well in forecasting heavy rainfalls in China in recent years.A four-dimensional variational assimilation system(4DVar) is developed to improve the forecast skill of the REM.The tangent linear model and adjoint model codes are written according to thecode to coderule,and the establishment of the REM adjoint modeling system is introduced in detail in this paper.The tangent linear and adjoint models of the REM are validated against the observational data,...     

An Economical Approach to Four-dimensional Variational Data Assimilation

Four-dimensional variational data assimilation (4DVar) is one of the most promising methods to provide optimal analysis for numerical weather prediction (NWP). Five national NWP centers in the world have successfully applied 4DVar methods in their global NWPs, thanks to the increment method and adjoint technique. However, the application of 4DVar is still limited by the computer resources available at many NWP centers and research institutes. It is essential, therefore, to further reduce the computational cost of 4DVar. Here, an economical approach to implement 4DVar is proposed, using the technique of dimension-reduced projection (DRP), which is called ``DRP-4DVar." The proposed approach is based on dimension reduction using an ensemble of historical samples to define a subspace. It directly obtains an optimal solution in the reduced space by fitting observations with historical time series generated by the model to form consistent forecast states, and therefore does not require implementation of the adjoint of tangent linear approximation. To evaluate the performance of the DRP-4DVar on assimilating different types of mesoscale observations, some observing system simulation experiments are conducted using MM5 and a comparison is made between adjoint-based 4DVar and DRP-4DVar using a 6-hour assimilation window.     

基于扰动模式的四维变分资料同化系统框架的设计完善和数值试验

为了建立一个应用于区域数值预报的四维变分资料同化（4DVar）系统,在近期开发的扰动预报模式GRAPES_PF基础上,开发完善增量四维变分同化系统框架。该框架中暂不包含物理过程（长短波辐射、边界层过程、对流参数化和云微物理等）。对比业务使用的GRAPES 3DVar系统,增加了温度控制变量。将无量纲Exner气压与流函数的线性风压平衡方程直接在地形追随垂直坐标面上求解,且通过广义共轭余差法（GCR）求解扰动亥姆霍兹（Helmholtz）伴随方程。利用人造“探空”资料对2015年10月台风“彩虹”进行了理想数值试验。试验结果表明,所开发的扰动四维变分同化框架得到了预期的结果,即同化更多资料并反复受到模式约束的四维变分同化系统能有效改善初值质量,进而改善区域数值预报。建立的区域四维变分同化框架合理可行,为进一步发展包含完整物理过程的区域四维变分同化系统奠定了研究基础。      

集合预报误差在GRAPES全球四维变分同化中的应用研究Ⅰ：局地化方案设计与动力平衡特征分析

通过引入流依赖的集合预报误差,使得同化分析与天气形势紧密相关,是改善初值分析质量的重要途径。文中在GRAPES（Global Regional Assimilation and PrEdiction System）全球四维变分资料同化（4DVar）中研究了如何有效应用集合预报误差,包括增加扩展控制变量时如何降低其计算消耗以及如何在局地化过程中保持不同变量之间的动力平衡。利用高斯分布的谱滤波实现水平局地化,利用垂直正交经验函数分解实现垂直局地化,并采用前8个主导特征模态来限制控制变量空间维数增加。引入20至180个集合样本,在水平二维局地化情形下,控制变量总数的增长可以限制在1.1—1.8倍,而在三维局地化情形下,控制变量总数的增长限制在1.7—7.1倍。对60个集合样本和1°水平分辨率内循环,4DVar引入扩展控制变量后墙钟时间增加了约30%。进一步,通过采用在非平衡分析变量上进行水平局地化,然后再将风压地转平衡关系重新叠加到非平衡分析变量上,使得分析更好地保持了风压平衡关系,初始场地面气压倾向变化减小。此外,虽然垂直局地化对分析平衡影响较大,但依靠目标函数中的数字滤波弱约束,分析变量之间仍能较好满足动力平衡关系。结果表明,GRAPES全球4DVar中发展的增加扩展控制变量、谱滤波实现水平局地化、非平衡分析变量进行水平局地化等有效应用集合预报误差的方法,适合集合样本数超过100个的情况,在分析质量改善的同时,4DVar系统的计算和存储消耗没有显著增加。