数值模式初值的敏感性程度对四维同化的影响

用著名的Ｌｏｒｅｎｚ系统作了共轭变分同化的数值试验。发现随着模式对初值敏感性程度的增加，用这种方法得到和模式相协调的初始场愈来愈困难，直到某些情况下的完全失败。这表明四维同化和可预报期限是联系在一起的。另一方面，随着方程不精确程度的增加，变分同化的效果愈来愈差，直到所做的预报无任何意义可言。如果在做变分同化的同时对模式参数也进行反演，就可使得基于Ｌｏｒｅｎｚ系统所做的预报效果大大提高。     

一种同时修正模式方程中参数的变分同化方案：基于Lorentz系统的研究

本文用Ｌｏｒｅｎｔｚ系统作了共轭变分同化的数值试验。结果表明，随着方程中误差的增加，变分同化的效果会越来越差，直到所作的预报试验无任何意义，在做变分同化时，对模式参数同时进行了反演，即在求得最佳初值的同时对模式方程中的一些系数也进行了某些修正，使得基于Ｌｏｒｅｎｔｚ系统所做的预报效果大大提高。     

一种新的资料同化方法

为寻求一种快速有效的四维变分资料同化(英文缩写4DVar)作了有意义的尝试,提出了映射观测的新概念和反向四维变分资料同化的新思路,并以此为基础建立了三维变分映射资料同化(英文缩写为3DVM:3-DimensionalVariational data assimilation of Mapped observation)。该方法与传统的四维变分资料同化一样,不仅考虑了模式的动力和物理约束,使得同化后的初值与模式协调,而且通过模式方程对同化窗口中不同时刻的观测资料作了最佳拟合。与传统四维变分同化方法不同的是,由3DVM得到的初值不在同化窗口的始端,而在窗口的末端。正是所求初值时刻的改变,使得该方法的计算代价大大减少,几乎与三维变分资料同化(英文缩写3DVar)相当,这实际上是用3DVar的代价实现了4DVar的功能。同时,由于3DVM不再需要切线性和伴随近似来计算代价函数的梯度也提高了同化的精度。对具体的台风个例(Dan)用AMSU-A反演的温度场进行变分同化模拟试验,发现3DVM能比传统4DVar产生更好的初值,而且所花计算时间只需4DVar的1/7。     

土壤湿度对卫星辐射率资料直接同化的影响

本研究利用WRF模式及其三维变分同化系统实现了对NOAA-16 AMSU-A微波资料的直接同化,针对2010年6月19日江西地区的一次强降水过程开展模拟与同化试验,并利用中国区域土壤湿度同化系统(CLSMDAS—China Land Soil Moisture Data Assimilation System)输出的土壤湿度值替换NCEP(National Centers for Environmental Prediction)资料中的土壤湿度,研究土壤湿度初值对辐射率资料直接同化中观测场与背景场偏差调整的影响。结果表明:采用CLSMDAS输出土壤湿度初值条件下模拟的亮温值与实际观测值更为接近,经过质量控制和偏差订正后更多的观测资料能够进入到同化系统中,说明改进的土壤湿度初值条件下观测算子的计算值得到正的调整,对低层地表通道的改进效果明显,尤其以50.3 GHz的窗区通道3的结果最为理想;针对此次强降水过程中24 h累积降水分布的模拟结果,CLSMDAS输出土壤湿度初值条件下同化AMSU-A资料,能够较为准确的把握整个雨带的走向、大雨以上级别降水的落区范围、降水中心落区及强度等。说明准确的土壤湿度初值能够改进卫星辐射率资料的同化结果,进而提高数值模式的模拟预报能力。     

由大尺度观测提取中尺度信息的可能性研究

利用浅水方程模式和变分四维同化方法对由大尺度观测提取中尺度信息的可能性进行了模拟试验研究。试验的初始场是在平直气流上叠加一个半径为 5倍格距的圆形涡旋。分别设定观测点的间距是 5 ,7和 9倍格距 ,观测的时间间隔分别是 1,2和 3h ,同化时间为 6h或 12h ,考察同化产生的初始场。试验结果是 :观测点的间距是 5倍格距时 ,由观测给出的分析场不能反映涡旋的基本特征 ,而在同化产生的初始场中 ,涡旋的基本结构清楚 ,但强度有所削弱。增加观测次数或者延长同化时间 ,可以改善同化的结果。对于移动较快的系统 ,同化的结果较好。当观测点的间距是 9倍格距时 ,同化的结果与分析场相比已无明显改进。     

地面观测资料在快速更新同化系统中的敏感性试验

通过对2011年7月31日发生在上海的局地强对流过程,利用快速更新同化系统(SMS-WARR),设计了四个试验,对地面观测资料(常规地面观测资料、加密自动气象站资料)进行敏感性数值试验。结果表明:不同地面观测资料同化对模式初始场的调整作用不同,地面观测资料的疏密影响模式初始场预报,加密自动站气象资料同化对初始温度场、风场的影响最明显;所有试验中,同化所有观测资料的模式能较好地模拟出此次强降水过程,且模拟的地面温度场、风场以及辐合线的演变与实况基本一致;通过分析、比较各试验初始场和预报结果的影响发现,同化所有地面观测资料能改善模式的初值,且观测资料通过循环同化的方式融合进模式,提高了模式对强对流中尺度结构特征的刻画,改善了对局地强对流天气系统的预报效果。     

四维变分资料同化

用Lorenz模式作变分同化数值试验，通过对一个简单系统的讨论，对四维变分同化方法进行较深入分桥。利用Lorenz模式的数值试验，检验切线模式及伴随模式，并对目标函数及其梯度进行了检验。     

消除系统性观测误差的时空梯度信息同化方法研究

随着气象观测手段的进步,各种气象观测资料在数值预报模式中的应用不断发展.然而由于观测资料存在观测误差,尤其一些非常规资料存在系统性偏差,且难以对此类误差进行充分订正,使得观测资料在数值预报模式同化应用过程中的作用没有被充分发挥.文中提出一种消去此类误差的时间及空间梯度信息变分同化方法,其特点在于不需要知道系统性偏差的具体估计,而是用一个梯度信息算子对原变量进行变换从而隐性回避此类误差.通过浅水波模式四维变分同化理想试验结果表明,此同化方法完全消除平整性系统性偏差对同化结果的影响,本身数值较小的模式变量更能够获得好的同化效果,大数值变量则可通过估算来确定适用范围.由于最优解不唯一性质的存在,同化效果更多的吸收观测场的整体时空梯度分布趋势而非观测量值本身,这对具有较低可信度的观测资料是适用的.     

CMA-MESO三维变分同化系统2 m相对湿度资料同化研究

为了提高CMA-MESO （China Meteorological Administration Mesoscale model）（原GRAPES）三维变分同化系统中2 m相对湿度资料的应用效果,改善模式中相对湿度的分析和降水预报效果,分析了2015年6—8月T639（T639L60全球中期数值预报系统,0.28125°×0.28125°）分析场低层相对湿度和2 m相对湿度之差与表征稳定度的理查森数（Ri）的关系,发现二者有很好的相关,Ri＜0时,模式低层相对湿度与2 m相对湿度的差异较小,基本在同化观测误差范围内。依据该统计结果,对CMA-MESO同化系统中2 m相对湿度同化方案进行优化,Ri＜0时,将观测站地形低于模式地形的2 m相对湿度观测由观测站高度改为模式最低层高度进行同化,形成新的2 m相对湿度同化方案,旨在解决2 m相对湿度资料同化时模式地形高度与观测站高度不同的影响。2018年7月CMA-MESO三维变分同化系统（3DVar）个例和连续试验结果显示:新的2 m相对湿度同化方案同化分析资料数量明显增加,且08时多于20时（北京时）,新增观测点新息向量（背景减观测）与周围原有观测新息向量保持基本一致,分析残差偏差和均方根误差减小,降水预报效果明显改善。新2 m相对湿度同化方案通过提高观测站低于模式地形高度的观测资料合理应用,从而改善了3 km模式系统同化分析和预报效果。      

基于守恒重映射的全球非结构网格模式同化及预报初步应用

全球大气模式在发展过程中不断获得改进,并逐渐采用非结构计算网格,如以球面重心Voronoi网格为特点的MPAS-A模式。为改进MPAS-A模式初值,相关的资料同化研究同步在积极开展。本文为实现利用变分方法快速同化多源观测资料的需求,以美国NCEP业务上使用的GSI系统作为同化模块,基于守恒重映射方法进行非结构与结构化球面网格转换,构建了GSI-MPAS同化及预报框架,并进行了网格转换测试和同化预报试验。网格转换检验测试表明,模式物理量的转换误差与其分布特征密切相关,二阶精度守恒重映射转换结果优于一阶精度转换结果。连续一周的滚动循环同化及预报试验表明,基于守恒重映射方法的GSI-MPAS同化及预报框架能够有效同化多源观测资料,改善了初值场的质量并使得MPAS-A预报得到的各个变量更加准确,且对降水预报具有正面效果。进一步分析表明,由于在北半球同化了更多观测资料,所以北半球地区的改进明显优于南半球及赤道地区。     

复杂地形下地面观测资料同化I. 模式地形与观测站地形高度差异对地面资料同化的影响研究

中国地形复杂，模式地形与实际观测地形存在一定高度差异，因此设计合理的复杂地形下地面观测资料的同化方案有利于使我国目前仅用作探测手段的地面观测资料（常规地面观测站和地面自动站）在中尺度数值模式中得到充分利用。作者在MM5_3DVAR同化系统中利用近地层相似理论将地面观测资料进行直接三维变分同化分析，并对地面资料同化方案设计中是否需要考虑模式与实际观测站地形高度差异进行探讨研究。研究结果表明：通过近地层相似理论将地面观测资料同化到数值模式能起到一定的作用，并且地面观测资料（温度、 湿度、 风场、 地面气压）中各物理量同化到数值模式都能影响24小时降水数值结果，但各物理量起的作用大小不一样，其中影响最大的是温度，其次为湿度；地面观测资料同化方案设计有必要考虑模式地形与实际观测站地形高度差异，适当考虑这种高度差异能取得较好的结果。     

复杂地形下地面观测资料同化II. 模式地形与观测站地形高度差异代表性误差

第I部分研究结果(徐枝芳等,2007)表明模式与实际观测站地形高度差异对地面观测资料同化效果有较大影响。此文在MM5_3DVAR同化系统中利用近地层相似理论将地面观测资料进行直接三维变分同化分析,考虑模式与实际观测站地形高度差异对同化效果的影响,提出在地面观测误差中增加地形代表性误差来解决这个问题。研究结果表明:地面资料同化分析时,在其观测误差中加入一项新的误差——地形代表性误差,能较好地解决地面资料同化分析中模式与观测站地形高度差异问题;地面资料参与同化分析,在观测误差中加入与模式和实际观测站地形高度差异大小相关的地形代表性误差时,地面观测值对分析值的影响随着地形高度差异代表性误差的加入而减小,同时又部分地将地面观测信息通过变分分析融进分析场,使得低层分析更接近真实场,且地面资料利用率更高,24小时降水数值预报(模拟)的效果较好。     

扩展卡尔曼滤波数据同化试验--基于Lorenz(1960)系统的研究

本文采用Lorenz(1960)系统，在只考虑初始误差及观测误差而不考虑模式误差的情况下，利用扩展卡尔曼滤波(Extended Kalman Filter)数据同化方法进行了数值模拟试验。数值试验的结果表明：扩展卡尔曼滤波数据同化方法对系统状态的估计有较好的改善作用，能有效的抑制估计误差的增长；加大观测频率，可以进一步改善数据同化的效果，使估计误差进一步减小；由于模式误差的存在，系统的不稳定能量会不断的累积，出现了估计误差的异常增长和计算的不连续现象，在模式预报方程中的均值演变方程加人二阶偏差纠错项，对控制估计误差的异常增长，进一步改善数据同化的效果有较明显作用。     

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验I.不考虑模式误差的情形

本文在假定模式无偏差的情况下, 利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验, 检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果, 并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明, 集合卡尔曼滤波能有效地应用于风暴尺度的资料同化; 40个集合成员以及6 km的局地化尺度能较好地滤除采样误差造成的虚假相关, 同时可以将观测信息传递到无观测的模式格点; 利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果; 背景场扰动方法能够提高样本的离散度; 只同化反射率的同化试验表明, 反射率的同化效果较明显, 也证明了集合卡尔曼滤波在非常规资料同化中的作用; 增加径向风资料同化的效果优于只进行反射率同化的结果。     

GRAPES混合同化方法在青藏高原区域的初步试验

针对青藏高原地区气象观测站点稀少和模式同化分析质量较低的问题,将GRAPES区域集合变分(En-3DVAR)混合同化系统应用于青藏高原地区,进行了单点理想试验和真实观测资料同化分析预报试验,分析评估青藏高原混合同化分析增量及预报误差的水平垂直结构特征及其合理性,并与中国东部平原地区进行比对。单点理想试验表明,En-3DVAR混合同化系统中背景误差协方差具备流依赖属性。真实资料混合同化试验结果表明,基于集合预报估计的分析增量具有流依赖的特征,特别是在高原地区和槽脊系统附近;青藏高原地区分析场的绝对误差总体低于3DVAR系统,其平均绝对误差在中层和高层低于平原地区,说明在青藏高原地区的改进效果略优于平原地区。需要关注的是,青藏高原地区En-3DVAR混合同化分析增量总体大于3DVAR,特别是近地面层u风分量分析增量明显偏大,这可能与青藏高原复杂地形有关。     

基于GSI的华南地区对流尺度快速循环同化预报试验

针对对流尺度快速循环同化系统多次循环同化带来的预报效果改进和资料应用问题,利用GSI同化技术和WRFARW区域模式,设计了华南地区对流尺度快速循环同化方案,对2016年4月17一18日华南地区的飑线天气强降水过程进行模拟试验,分析不同循环同化方案和雷达径向风资料同化对雷达回波、相对湿度、降水量级等的预报效果,以期提高华南地区飑线强降水过程预报技巧。检验结果表明:尽管只同化常规资料对预报效果的改进有局限性,但是多次循环同化对于模式预报的降水有一定改善作用;同时同化雷达径向风资料与常规资料对湿度和降水等模拟技巧均有所提高,大雨以上量级的ETS评分改进尤为明显;尽管模式模拟降水峰值小于真实观测值,但同化雷达径向风资料有效改善了飑线最强时段内的垂直上升速度,使得强降水发生时间和强度更接近真实观测。     

System of Multigrid Nonlinear Least-squares Four-dimensional Variational Data Assimilation for Numerical Weather Prediction (SNAP): System Formulation and Preliminary Evaluation

A new forecasting system—the System of Multigrid Nonlinear Least-squares Four-dimensional Variational (NLS-4DVar) Data Assimilation for Numerical Weather Prediction (SNAP)—was established by building upon the multigrid NLS-4DVar data assimilation scheme, the operational Gridpoint Statistical Interpolation (GSI)?based data-processing and observation operators, and the widely used Weather Research and Forecasting numerical model. Drawing upon lessons learned from the superiority of the operational GSI analysis system, for its various observation operators and the ability to assimilate multiple-source observations, SNAP adopts GSI-based data-processing and observation operator modules to compute the observation innovations. The multigrid NLS-4DVar assimilation framework is used for the analysis, which can adequately correct errors from large to small scales and accelerate iteration solutions. The analysis variables are model state variables, rather than the control variables adopted in the conventional 4DVar system. Currently, we have achieved the assimilation of conventional observations, and we will continue to improve the assimilation of radar and satellite observations in the future. SNAP was evaluated by case evaluation experiments and one-week cycling assimilation experiments. In the case evaluation experiments, two six-hour time windows were established for assimilation experiments and precipitation forecasts were verified against hourly precipitation observations from more than 2400 national observation sites. This showed that SNAP can absorb observations and improve the initial field, thereby improving the precipitation forecast. In the one-week cycling assimilation experiments, six-hourly assimilation cycles were run in one week. SNAP produced slightly lower forecast RMSEs than the GSI 4DEnVar (Four-dimensional Ensemble Variational) as a whole and the threat scores of precipitation forecasts initialized from the analysis of SNAP were higher than those obtained from the analysis of GSI 4DEnVar.     

IMPROVEMENT OF OCEAN DATA ASSIMILATION SYSTEM AND CLIMATE PREDICTION BY ASSIMILATING ARGO DATA

The Argo(Array for Real-time Geostrophic Oceanography) data from 1998 to 2003 were used in the Beijing Climate Center-Global Ocean Data Assimilation System(BCC-GODAS). The results show that the utilization of Argo global ocean data in BCC-GODAS brings about remarkable improvements in assimilation effects. The assimilated sea surface temperature(SST) of BCC-GODAS can well represent the climatological states of observational data. Comparison experiments based on a global coupled atmosphere-ocean general circulation model(AOCGM) were conducted for exploring the roles of ocean data assimilation system with or without Argo data in improving the climate predictability of rainfall in boreal summer. Firstly, the global ocean data assimilation system BCC-GODAS was used to obtain ocean assimilation data under the conditions with or without Argo data. Then, the global coupled atmosphere-ocean general circulation model(AOCGM) was utilized to do hindcast experiments with the two sets of the assimilation data as initial oceanic fields. The simulated results demonstrate that the seasonal predictability of rainfall in boreal summer, particularly in China, increases greatly when initial oceanic conditions with Argo data are utilized. The distribution of summer rainfall in China hindcast by the AOGCM under the condition when Argo data are used is more in accordance with observation than that when no Agro data are used. The area of positive correlation between hindcast and observation enlarges and the hindcast skill of rainfall over China in summer improves significantly when Argo data are used.