集合数据同化方法的发展与应用概述

集合数据同化方法具有简洁概念化的公式和应用起来相对容易等优点,因此,它们获得了普及性的应用;近10年来集合数据同化方法已经得到了快速的发展。综述了包括集合卡尔曼滤波(EnKF,Ensemble Kalman Filter)、集合卡尔曼平滑(EnKS,Ensemble Kalman Smoother)、集合方均根滤波(EnSRF,Ensemble Square-Root Filter)和减秩卡尔曼滤波(SEEK,Singular Evolutive Extended Kalman Filter)等集合数据同化方法的研究进展状况。通过与其它数据同化方法的对比,总结出了这些方法的特点,探讨了我国在集合数据同化方法研究中存在的问题并展望了该方法的研究和应用前景。     

EnSRF雷达资料同化在一次飑线过程中的应用研究

本文利用包含复杂冰相微物理过程的WRF（Weather Research and Forecasting）模式,针对2007年4月23日发生在我国华南地区的一次典型飑线天气过程,分别进行了确定性预报和集合预报试验,发现确定性预报能大致捕捉到飑线系统的发生发展过程,但对飑线后部的层云区模拟效果较差。集合预报能够有效地减少模式的不确定性,大部分集合成员对飑线的模拟效果优于确定性预报。进一步将集合预报得到的40个成员作为背景场,采用EnSRF（Ensemble Square Root Filter）同化多普勒天气雷达资料,并将分析得到的集合作为初始场进行集合预报,通过与未同化雷达资料的集合对比,考察了EnSRF同化多部雷达资料对飑线系统的影响。结果表明:EnSRF雷达资料同化增加了模式初始场的中小尺度信息,大部分集合成员的分析场能够较准确地再现飑线的热力场、动力场和微物理场的细致特征,并且模拟出飑线后部的层云结构。通过对EnSRF分析的集合进行模拟发现,大部分集合成员较未同化雷达资料时模拟效果有明显改善。同化后的集合预报ETS（Equitable Threat Score）评分最高,其次是未同化的集合预报,确定性预报的最低。     

WRF-EnSRF系统同化多普勒雷达资料在多类型强对流天气过程的数值试验

利用自主构建的基于风暴尺度的WRF—EnSRF（weather research and forecasting ensemble square root filter）系统同化实际多普勒雷达资料,检验该同化系统在包括飑线、超级单体风暴和多单体风暴3个不同结构类型的强对流天气过程的同化效果,并考察了初始场扰动时不同强度的位温和水汽扰动对集合离散度以及同化效果的影响。结果表明,在3个个例中该同化系统均表现出有效的同化能力,各分析结果均比较合理,径向速度和反射率因子分析的增量均方差在经过24min同化后分别下降到3～5m／s和10dBz,并维持至60min同化结束。预报场集合离散度和同化效果对热力场的扰动强度比较敏感,适当增加初始扰动时位温和水汽的扰动强度有利于提高集合离散度和改善径向速度的分析效果。     

EnSRF雷达资料同化对一次强对流天气模拟的影响研究

利用ARPS(Advanced Regional Prediction System)模式和具有流依赖背景误差协方差的集合均方根滤波(Ensemble Square Root Filter,简称En SRF)方法,通过同化多部多普勒雷达资料,对2013年6月23日的强对流天气过程进行了研究。首先对比同化试验和观测的组合反射率因子,检验了同化效果。通过计算均方根误差和离散度,进一步定量评估了同化结果。再对比模式变量,综合分析了En SRF雷达资料同化对模式热力、动力、湿度和微物理量等变量的影响。最后对集合平均场进行1 km的高分辨率数值模拟。结果表明:En SRF能够同化出与观测类似的对流系统,且减弱了南北部的虚假回波。径向风和反射率因子的均方根误差明显减少。En SRF雷达同化能够明显优化模式的初始场,同化试验的回波在垂直方向上范围增加,强度偏弱。在强对流区域,低层的冷池温度最多降低6 K,相对湿度最多增加30%。对流区域的雨水、冰晶和雪的混合比均有明显增加。模拟发现同化试验能够较好地模拟出对流系统的结构和位置。     

四维变分同化和集合平方根滤波联合反演土壤湿度廓线的研究

提出将集合平方根滤波（EnSRF）估计的预报误差协方差用于四维变分（4DVAR）的同化方案（文中称混合四维变分同化方法,简称混合方法）来反演土壤湿度廓线,该方法由两个同化时段构成: 第一时段为EnSRF,第二时段为4DVAR,此种组合可以充分发挥每一同化方法的优势。通过同化表层土壤湿度观测反演土壤湿度廓线这一理想试验来验证方法的可行性,并与EnSRF和4DVAR的反演结果进行比较,结果表明, 混合方法反演的分析时刻土壤湿度廓线都优于EnSRF和4DVAR的结果。与此同时,为了克服小样本在估算背景场误差协方差矩阵时出现的虚假相关对反演的干扰, 提出在原有协方差矩阵中加入具有高斯指数函数成分来降低其影响;与修正前结果相比,反演的中下层（地下34～100 cm） 土壤湿度的均方根误差从0.036 cm3/cm3降到0.016 cm3/cm3, 降幅为55.6%, 更重要的是大大降低了部分深度处反演土壤湿度的误差, 如地下90 cm处误差从0.085 cm3/cm3降到0.024 cm3/cm3, 降幅达71.8%。     

模式时间关联误差对集合平方根滤波估算土壤湿度的影响

为了定量评估模式时间关联误差对NOAH陆面模式同化表层土壤湿度观测估算土壤湿度廓线的影响,采用集合平方根滤波(En SRF)与状态增广相结合的技术,开展同时更新状态变量和订正模式偏差的观测系统模拟试验,结果表明:同化时若不对存在较大系统性偏差的模式时间关联误差进行处理,En SRF就不能有效估算土壤湿度廓线,而采用状态增广和En SRF相结合的技术,可以在更新土壤湿度时同步订正模式偏差,土壤湿度估算精度明显提高。敏感性试验进一步表明:模式偏差大小、同化时间间隔和观测误差会以不同方式对同化结果造成影响。     

顺序数据同化算法的敏感性分析

为了探讨不同同化指标对顺序数据同化的影响,选择En KF,DEn KF,En SRF三种经典的顺序同化算法,结合Lorenz-1963模型进行敏感性实验分析,研究同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径等指标对同化结果的影响。实验表明:同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径对同化结果有直接的影响,基于En KF的改进算法在有限范围内是优于En KF的;当达到一定条件时,以上所有方法的同化结果趋于相同。研究结果对于实际应用中的最优顺序同化算法选择具有指导意义。     

迭代集合平方根滤波在风暴尺度资料同化中的应用

本文根据最新的非同步(Asynchronous)算法设计了一个迭代EnSRF(iterative Ensemble Square Root Filter,简称iEnSRF)方案。在这个迭代方案中,同化时刻的背景场和一个较早时刻的背景场将被同时更新,得到两个时刻的分析场,然后预报模式从较早时刻的分析场再次进行集合预报到同化时刻,最后重复前面两个步骤,实现对同化时刻背景场的迭代分析。在一个理想风暴个例上,本文通过模拟雷达资料同化对这一方案进行了检验,对比了传统EnSRF方案和iEnSRF方案的同化效果。此外,本文还讨论了只在同化时刻一个时间层上进行迭代的情况。同化单部模拟雷达资料的试验表明iEnSRF方案能够在初始估计缺少风暴信息的情况下较好地还原风暴中垂直运动和潜热释放之间的正反馈关系,显著提高初始分析的质量并加快随后同化的收敛速度。而传统EnSRF在这一初始估计较差的情况下不能在初始分析中有效估计这一相关关系并导致其收敛速度较慢且收敛误差较大。当只涉及一个时间层时,迭代算法并不能取得比传统EnSRF更好的效果。这一结果表明重复使用观测的算法只有在涉及两个时间层时才能改进最终的分析结果。在同化两部模拟雷达资料的试验中,iEnSRF的初始分析仍然优于传统EnSRF的初始分析,并在对流层高层取得显著改进。单双雷达资料同化的试验结果对比表明,单纯增加观测数量并不能显著改进传统EnSRF对非观测变量(比如温度)的分析,而iEnSRF则能够更加充分地利用更多的观测进一步提升初始分析的效果。     

ＷＲＦ-ＥｎＳＲＦ同化系统的效果检验及其应用

利用自主构建的针对风暴尺度资料同化的WRF-EnSRF同化系统同化多普勒天气雷达资料,检验其在2003年一次梅雨锋暴雨以及2009年一次强对流天气过程的同化性能.结果显示,在两个例中该同化系统均表现出有效的同化能力,经过60 min同化的分析场和以该分析场集合做初值的30 min的集合预报结果都比较接近实际观测.在同化过程中,径向速度和反射率因子的观测增量均方差分别达到3～4 m/s和9-11 dBz.本文考察了初始扰动时全场扰动与对流区域局部扰动,以及扰动环境风场与否对同化效果的影响.试验结果表明,对流区局部扰动相对于全场扰动并没有提高同化效果;对于尺度较大的梅雨锋暴雨来说,扰动环境风场时同化效果较好.为了考察分析场在降水预报中的表现,在暴雨个例中,以分析场为初值做6 h降水预报,经过同化的集合预报和确定性预报结果都比没有经过同化的控制试验预报结果准确.     

同化卫星对地敏感通道微波亮温观测的模拟试验

借助快速辐射传输模式RTTOV v10（Radiative Transfer for TOVS）及其地表微波发射率模块,针对江淮区域晴天和雨天2类不同天气状况,采用理想试验手段,利用集合平方根滤波（En SRF）方法同化AMSU-A对地敏感第1通道的模拟亮温资料,探究改善中尺度模式WRF（Weather Research and Forecasting）初始场的可行性。结果表明：晴天时,同化对位温、水汽混合比及水平风速u和v整体上均有不同程度的改善,但不同高度改善程度有所差异,相对而言水平风场的改进程度最大,位温最小;有降水时,4个要素场整体改进程度与晴天时类似,但分析场误差的水平空间分布与晴天时不同。