CAMS复杂云微物理方案与GRAPES模式耦合的数值试验

CAMS复杂云微物理方案是混合相双参数方案, 包括11个云物理变量和31个云物理过程, 能够同时预报水成物的比质量和数浓度。通过在GRAPES非静力中尺度模式中增加预报量并修改相关程序后, 实现了二者的耦合, 耦合后模式运行稳定。选取2005年8月15—17日我国华北地区一次暴雨过程, 利用耦合后的模式进行48 h模拟试验, 同时还选取了GRAPES模式中其他3个比较复杂的微物理方案进行模拟, 着重分析了降水和水成物分布的模拟结果。研究结果表明: CAMS方案能够模拟出与实测相接近的雨带分布特征, 并且对降水演变的模拟结果与其他方案比较一致, 对暴雨中心位置的模拟有待改进。CAMS方案模拟的水成物垂直分布与其他方案相比具有相似的总体特征, 各相态粒子的量级和分布合理, 不同方案的结果在量值上有所差别。个例分析结果显示出CAMS方案对降水和水成物的分布能够合理描述。今后应通过更多个例进行更为精细的模拟试验, 对新方案进行检验。     

对流尺度集合预报与模式不确定性研究进展

本文回顾了国内外近10年来对流尺度集合预报系统以及有关模式不确定性研究的成果。对流尺度集合预报在提高局地强天气预报预警能力方面,因其可以提供丰富的概率预报信息而具有显著优势,相关研究和应用受到国内外学者和数值预报业务机构的重视。相对于全球集合预报,对流尺度集合预报中有关模式不确定性的研究缺乏系统性和理论基础,成为目前研究的热点和难点。目前常用的模式扰动方法有多模式、多物理过程、多物理参数、随机物理等。这些方法在强对流事件、热带气旋强度路径等预报中得到了广泛应用,但在提高对流尺度集合离散度方面作用仍有限,主要原因在于其并没有针对性描述影响对流系统发生发展的关键物理过程的不确定性,仍然属于全球集合预报中天气尺度范畴。在回顾相关研究的同时,也提出了值得探索和研究的方向。     

GRAPES_GFS在东亚地区中期预报技巧极端下降现象的初步研究

利用2016年4月1日—2018年12月31日GRAPES_GFS模式的业务预报数据,将GRAPES_GFS模式在东亚地区144小时预报500 hPa高度场的距平相关系数小于0.4,均方根误差大于60 gpm的事件定义为模式在东亚地区的中期预报技巧极端下降事件,据此标准筛选出29个个例进行了研究。结果表明,GRAPES_GFS在东亚地区中期预报技巧极端下降事件的高发期主要在春秋季,春季和秋季分别占比31.03%、41.38%,预报技巧极端下降事件通常表现在对于东亚大槽、西伯利亚槽脊、副热带高压的预报失败,四个季节合成的模式偏差均与该季节影响东亚地区主要天气系统的预报偏差大有关系。进一步通过典型个例的研究表明,东亚地区中期预报技巧极端下降事件的误差来源在不同季节表现出不同特征。冬夏季的预报偏差来源于高纬极区,多与模式在极区存在较大预报误差关联;春秋季的预报偏差主要来源于上游地区,与模式在东亚上游预报误差向下游的传播有关,未能合理预报台风活动也是预报偏差来源之一。      

A forecast error correction method in numerical weather prediction by using recent multiple-time evolution data

The initial value error and the imperfect numerical model are usually considered as error sources of numerical weather prediction (NWP). By using past multi-time observations and model output, this study proposes a method to estimate imperfect numerical model error. This method can be inversely estimated through expressing the model error as a Lagrange interpolation polynomial, while the coefficients of polynomial are determined by past model performance. However, for practical application in the full NWP model, it is necessary to determine the following criteria: (1) the length of past data sufficient for estimation of the model errors, (2) a proper method of estimating the term "model integration with the exact solution" when solving the inverse problem, and (3) the extent to which this scheme is sensitive to the observational errors. In this study, such issues are resolved using a simple linear model, and an advection-diffusion model is applied to discuss the sensitivity of the method to an artificial error source. The results indicate that the forecast errors can be largely reduced using the proposed method if the proper length of past data is chosen. To address the three problems, it is determined that (1) a few data limited by the order of the corrector can be used, (2) trapezoidal approximation can be employed to estimate the "term" in this study; however, a more accurate method should be explored for an operational NWP model, and (3) the correction is sensitive to observational error.     

陆气相互作用对中尺度对流系统影响的研究进展

文章回顾了大气对地表性质的敏感性研究,以及陆气相互作用对中尺度天气过程的影响,说明了地表性质与积云对流及对流降水之间的联系。地表性质的改变对行星边界层的热通量、水汽通量、对流有效位能产生影响,并通过湍流的垂直输送,进而影响到其上大气的性质。陆气之间存在着复杂的、非线性的相互作用。性质不均匀的下垫面造成地表向大气感热通量和潜热通量的差异,从而在近地层大气中形成温度和气压梯度,产生局地环流,在条件适合的情况下可以形成对流,并产生降水,而降水的不均匀分布,又维持了下垫面的不均匀性。土壤湿度对对流的影响受到多个因素的制约,其中天气尺度过程的影响是很显著的;由非均匀的下垫面所产生的局地环流能够触发积云对流。     

PRM标量平流方案在GRAPES全球预报系统中的应用

如何更好地模拟水物质的分布,对于数值天气预报效果的改进,特别是对于更好地模拟降水过程,具有重要的意义。半拉格朗日模式中的标量平流计算要求做到高精度、守恒、正定和保形,但GRAPES_GFS (Global-Regional Assimilation and PrEdiction System, Global Forecast System) 中采用的QMSL(Quasi-Monotone Semi-Lagrangian)平流方案在水汽的强梯度、不连续区域计算精度较低,且不能做到严格守恒。本研究借鉴计算流体力学领域的研究进展,将一个基于分段有理函数的物质平流方案PRM(Piecewise Rational Method)引入GRAPES_GFS中,按照通量形式求解水汽方程,并对极区进行了混合等技术处理。通过一系列理想试验对两种平流方案进行了对比,证明了PRM方案精度较高,特别是在水汽梯度大的区域优势明显,频散、耗散误差较小,守恒、保形性也要好于QMSL方案。通过对GRAPES_GFS中批量预报试验效果的检验,验证了PRM方案可以有效地改进模式对水物质分布的模拟,提高了降水的预报效果,对模式综合预报性能的提升也有明显作用。     

GRAPES模式动力框架的长期积分特征

通过考虑动量表面拖曳并利用牛顿松弛方法将温度松弛到纬向对称的温度场, 对GRAPES模式的动力框架进行了长期时间积分试验。通过统计分析其积分结果表明:GRAPES模式的动力框架可以模拟出大气环流的基本特征; 随着分辨率的提高, GRAPES模式动力框架的模拟结果显示出收敛的特性; 虽然GRAPES模式动力框架采用的是能量不守衡的半隐式半拉格朗日时间积分方案, 但长期时间积分试验表明其能量基本保持稳定。这些结果显示使用GRAPES模式动力框架作大气环流和气候研究的大气动力框架是可行的, 同时也为进一步改进GRAPES模式动力框架提供了线索和依据。