GRAPES集合卡尔曼滤波资料同化系统Ⅱ：区域分析及集合预报

GRAPES集合卡尔曼滤波资料同化方法能够分批同化常规观测资料,GRAPES集合卡尔曼滤波同化系统的设计及其与GRAPES三维变分同化系统的对比试验结果表明,GRAPES集合卡尔曼滤波系统能够得到合理的分析,并且具有实际运行能力。在此基础上,进行集合卡尔曼滤波区域同化分析及集合预报试验,对比区域模式面三维变分同化分析预报结果,研究表明,集合卡尔曼滤波分析比三维变分分析具有一定优势,降水预报更接近实况。考察了预报误差特征随天气形势的变化情况,表明预报误差相关场和均方差的分布随着天气形式不同而变化。     

集合卡尔曼滤波同化探空资料的数值试验

应用集合卡尔曼滤波（Ensemble Kalman Filter;EnKF）方法,同化了2005年7月一次暴雨过程的探空观测资料,并用非静力中尺度模式MM5进行数值模拟试验。结果表明：在理想模式的假设下,即假设真实模拟和所产生的集合用的是同一个模式并有相同的初始误差,EnKF方法同化的分析结果较好。如果不运用EnKF方法同化探空观测资料,则集合预报结果和不加扰动的单个数值预报结果都没有EnKF方法同化过的好。     

集合卡尔曼滤波同化中雷达位置的敏感性研究

针对对流尺度集合卡尔曼滤波（EnKF）雷达资料同化中雷达位置对同化的影响进行研究。为了考察强对流出现在雷达不同方位时集合卡尔曼滤波同化雷达资料的能力,以一个理想风暴为例,设计了8个均匀分布在模拟区域周围的模拟雷达进行试验。单雷达同化试验中,初期同化对雷达位置较敏感,而十几个循环后对雷达方位的敏感性降低。造成初期同化效果较差的雷达观测位于模拟区域正南和正北方向,这两部雷达与模拟区域中心的连线垂直于风暴移动方向（即环境气流的方向）。双雷达试验的结果表明,正东、正南、正西和正北方向的雷达组合观测会使同化初期误差较大,这说明并不是所有与风暴连线成90°的雷达组合都能在短时同化中得到合理的分析结果,还需要都处于模拟区域对角线上（即与环境气流成45°夹角）,同化效果才较好。短时同化后的确定性预报结果表明,较大分析误差也会导致较大预报误差。这些分析误差主要是由于同化初期不准确的集合平均场驱动出的不合理的背景误差协方差造成的。当背景场随着同化循环得到改进后,驱动出的合理的背景误差协方差使得不同位置雷达同化造成的差异逐步减小。基于上述结果,引入迭代集合均方根滤波（iEnSRF）算法,结果显示使用该算法后,雷达位置对同化效果的影响减小,同化不同位置的雷达资料均能有效降低分析和预报误差。      

基于集合卡尔曼滤波的土壤水分同化试验

集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。     

集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能.结果显示,经过几个同化周期后,EnKF分析结果非常接近真值.单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确.同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果.协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好.雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果.EnKF同化技术对雷达观测资料误差不太敏感.初始集合对同化分析有较大影响.EnKF同化受集合大小和观测资料影响半径.同化对模式误差较敏感.利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构.结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的.中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区.     

GRAPES集合卡尔曼滤波资料同化系统Ⅰ:系统设计及初步试验

集合卡尔曼滤波资料同化方法,可以用集合样本统计出随天气形势变化的误差协方差,是当前资料同化领域的研究热点。主要介绍了GRAPES集合卡尔曼滤波资料同化系统的设计以及初步的试验结果。针对集合卡尔曼滤波同化实际观测资料难以实施的问题,采用成批观测同化的顺序同化方法进行多变量的集合卡尔曼滤波同化;为了滤除有限集合数造成的误差相关噪音和缓解求逆矩阵不满秩的问题,在水平和垂直方向都采用了Schur滤波;建立了与GRAPES预报模式的垂直坐标和预报变量一致的模式面集合卡尔曼滤波系统;集合样本的生成考虑了模式变量的空间相关和模式变量之间的相关,通过利用三维变分分析中的控制变量变换得到模式变量扰动场。通过比较GRAPES集合卡尔曼滤波资料同化系统和GRAPES区域三维变分资料同化系统的单点观测资料同化分析结果,对比背景误差相关系数的分布,验证了GRAPES集合卡尔曼滤波系统的正确性。此外,同化区域探空观测资料试验结果表明,GRAPES集合卡尔曼滤波资料同化系统能够得到合理的分析,并且具有实际运行能力。对分析结果进行12h预报表明,GRAPES集合卡尔曼滤波资料同化系统的分析协调性不如三维变分资料同化系统。     

2017年5月7日广州特大暴雨模拟中的背景场影响分析

2017年5月7日广州发生了特大暴雨,为研究不同背景场资料对这次暴雨过程的影响,模式背景场分别采用美国NCEP的GFS资料和中国的T639资料,利用GRAPES_Meso模式对这次暴雨过程进行了数值模拟和影响分析;数值试验结果表明,采用不同的背景场对这次暴雨过程具有显著影响,用T639资料(T639_run)作为模式背景场大致模拟出了这次暴雨过程,而采用NCEP GFS数据(GFS_run)模拟的降水明显偏北。其原因是,采用T639资料做背景场时,华南暴雨区域存在深厚的水汽输送,同时存在强烈的上升运动,可以产生极端强降水;而采用GFS资料进行数值模拟时,实际暴雨区上空的上升气流较弱,水汽输送也较弱,使强降水落区偏北。GRAPES_Meso模式模拟的华南地区的云顶高度整体偏高,云顶温度整体偏低,相对来说,采用T639_run的模拟结果优于GFSrun的结果,该研究结果可以为云降水方案中的水物质和云量计算方案的改进和优化提供一定的参考。     

基于集合卡尔曼滤波的土壤温湿度同化试验

以通用陆面模式CLM 3.0(Community Land Model 3.0)为模型算子,基于集合卡尔曼滤波(Ensemble Kalman Filter,En KF)发展了一个土壤温湿度同化系统,主要用于改进模式对土壤温湿度和地表水热通量的模拟精度,并考察集合样本数、同化频率及不同观测量的组合对同化效果的影响。该系统同化了FLUXNET两个站点(阿柔和Bondville)不同土壤深度、不同时间频率的土壤温度和湿度数据。通过对阿柔站不同集合样本数的设计,综合考虑计算成本和计算精度,最终将集合样本数设置为40。通过分析三种同化方案对同化频率的敏感性得出,同化土壤温度最为敏感,同时同化土壤温湿度次之,同化土壤湿度最不敏感。对于阿柔站点,同化系统对不同土壤深度温度和湿度的模拟精度均能提高90%,潜热通量的均方根误差由94.0 W·m~(-2)降为46.3 W·m~(-2),感热通量均方根误差由55.9 W·m~(-2)降为24.6 W·m~(-2)。Bondville站点浅层土壤温度的改进在30%左右,深层土壤温度改进达到60%,对土壤湿度的改进均在70%以上,潜热通量和感热通量的均方根误差分别从57.4 W·m~(-2)和54.4 W·m~(-2)降为51.0 W·m~(-2)和42.5 W·m~(-2)。试验结果表明,同化站点土壤温湿度数据对土壤水热状况及通量的模拟改进非常有效,同时也验证了同化土壤水分遥感产品的可行性和必要性。     

集合卡尔曼滤波同化多普勒雷达资料的观测系统模拟试验

本文将集合卡尔曼滤波同化技术应用到对流尺度系统中,实施了基于WRF模式的同化单部多普勒雷达径向风和反射率因子的观测系统模拟试验,验证了其在对流尺度中应用的可行性和有效性,并对同化系统的特性进行了探讨。试验表明:WRF-EnKF雷达资料同化系统能较准确分析模式风暴的流场、热力场、微物理量场的细致特征;几乎所有变量的预报和分析误差经过同化循环后都能显著下降,同化分析基本上能使预报场在各层上都有所改进,对预报场误差较大层次的更正更为显著;约8个同化循环后,EnKF能在雷达反射率、径向风观测与背景场间建立较可靠的相关关系,使模式各变量场能被准确分析更新,背景场误差协方差在水平方向和垂直方向都有着复杂的结构,是高度非均匀、各项异性和流依赖的;集合平均分析场做的确定性预报在短时间内能较好保持真值场风暴的细节结构,但预报误差增长较快。     

闪电资料同化对河南郑州“7.20”特大暴雨预报的影响

研究了闪电资料同化对2021年7月20日河南郑州特大暴雨短临预报的影响。利用天气研究与预报（WRF）模式的三维变分（3DVAR）数据同化系统（WRFDA）,开展了两组循环同化试验：（1）同化地面和探空常规观测资料（包括风速、风向、温度和气压）的试验（CONV）;（2）同化常规观测资料和由闪电资料反演的伪相对湿度的试验（LGDA）,并与无资料同化的试验（NoDA）进行对比。结果表明,CONV的分析场和NoDA都未能模拟出强对流系统的回波结构,但由于LGDA增加了对整层大气的湿度场的调整,其分析场在闪电发生位置处的水凝物增量较大,相对湿度和反射率的分布情况与中国全球大气再分析资料（CRA）及雷达反射率观测值最接近。降水预报方面,LGDA显著提高了大暴雨雨带（6 h累积降水量≥50 mm）和强降水中心（6 h累积降水量≥200 mm）位置和强度的预报效果,对本次强降水过程的预报起到了积极作用,尤其是对前3 h的降水预报。     

2017年“5.7”广州特大暴雨的中尺度特征分析与成因初探

2017年5月7日发生在广州北部的特大暴雨,局地性强,最大雨强达184.4 mm/h,3 h雨量突破了广东省历史极值,强降水持续时间长,具有明显的中尺度特征。特大暴雨有A区（花都）和B区（增城、黄埔）两个中心,它们在降水特点、地面中尺度特征及触发、对流的发展演变等方面各有特点。由于天气尺度强迫背景弱,数值模式无明显反映,给预报带来了很大的挑战。利用常规及加密自动站、多普勒雷达、风廓线、地基GPS等非常规观测资料,结合ERA-Interim 0.125 °×0.125 °逐6 h再分析资料重点分析和讨论了此次过程的中尺度特征、对流的触发与演变,以期为今后这类暴雨预报提供着眼点。结果表明:（1）此次过程突发性强,降水强度大,A区降水开始时间早,范围较B区小,但B区小时雨强更强,强降水持续时间更长;（2）次天气尺度边界层“7”字型的风压场形势下,脊后回流并加强的偏南风使暖层和湿层增厚,“下密上疏”的温度垂直结构,为强降水的发生提供了有利的环境条件。进入对流云中水汽质量无异常但产生了大量降水,极高的降水效率很可能是对流系统内部云水高效转化的结果,云的微物理过程在形成此次高强度的降水发挥着重要作用;（3）A区强降水发生前暖空气在山前堆积造成升温升压,东、西两支绕流广州城区的气流汇合并在工业区暖中心、山前暖空气堆积具有较高的对流边界层位置触发了对流;（4）B区强降水发生前持续降压并形成中尺度低压槽,A区中尺度对流系统前方入流造成的负变压,与地形强迫造成的风速辐合共同作用触发了B区对流。中尺度反气旋底部的偏北风与偏南、东南两支气流辐合稳定,使强降水长时间维持;（5）回波具有后向传播,垂直顶高低、质心低的热带对流回波特征,降水效率高。降水的拖曳下沉及蒸发冷却使边界层形成冷池,并与前侧暖湿空气相互作用,不断激发新的对流,冷池出流是持续抬升机制,是强降水持续时间长的重要原因。B区冷池厚度、暖湿气流爬升的高度与坡度比A区更大,冷池出流与暖湿气流辐合强度也比A区更强,造成B区雨强更强、持续时间更长,累积雨量更大。      

基于雷达资料同化的2003年7月一次暴雨过程的数值模拟及分析

利用我国CINRAD/SA多普勒雷达资料与中尺度模式ARPS的资料分析系统ADAS,对初始场进行调整,然后利用高分辨率的中尺度模式WRF对2003年7月4-5日的暴雨过程进行了数值模拟,在模拟结果可信的前提下,对暴雨过程中的中尺度对流系统(MCS)的结构及演变过程进行了分析.表明:多普勒雷达资料有助于提高暴雨模拟的精确度,利用其对中尺度系统进行高分辨率数值模拟,可以进一步认识中尺度系统的细致结构及演变情况;在中-β对流系统发展的过程中,大尺度环境场的有利条件可以对其发展起到促进作用,但具有中尺度特征的水汽条件、上升运动等因素也会起到关键的作用;中-β对流系统中可以同时有一支或多支的上升气流支出现,与降水有密切关系;2003年7月4-5日的两个中-β对流系统在发展过程中有从低空向高空移动的现象,即在发展初期,系统的中心位于低空,而在其旺盛时期则移至高空.     

四维集合变分同化方法在华南冬季暴雨模拟中的应用

利用WRF（Weather Research and Forecasting）模式和基于本征正交分解的四维集合变分同化方法（POD-4DEnVar）,对2015年12月9日一次华南暴雨过程进行多普勒雷达资料同化试验,并与三维变分同化试验（WRF-3DVar）进行对比,讨论了POD-4DEnVar方法中局地化半径对模拟效果的敏感性。结果表明,比较不同化雷达资料的控制试验,WRF-3DVar和WRF-POD-4DEnVar试验的降水模拟结果得到明显改善,且WRF-POD-4DEnVar的降水强度更接近实况。两种同化方法通过改变不同的初始要素达到改进降水模拟效果的目的,3DVar方法通过调整初始风场,间接减弱暴雨发生的水汽条件,POD-4DEnVar方法则直接调整湿度场。在降水过程中,同化试验改变了冷空气活动和水汽通量辐合的模拟结果,从而改善降水的模拟效果。POD-4DEnVar方法对局地化半径比较敏感,随局地化半径增大,同化对风场和湿度场的影响范围扩大,当局地化半径取为200 km时,降水模拟的效果最好。      

THE EFFECT OF SAMPLE OPTIMIZATION ON THE ENSEMBLE KALMAN FILTER IN FORECASTING TYPHOON RAMMASUN (2014)

In a limited number of ensembles, some samples do not adequately reflect the true atmospheric state and can in turn affect forecast performance. This study explored the feasibility of sample optimization using the ensemble Kalman filter (EnKF) for a simulation of the 2014 Super Typhoon Rammasun, which made landfall in southern China in July 2014. Under the premise of sufficient ensemble spread, keeping samples with a good fit to observations and eliminating those with poor fit can affect the performance of EnKF. In the sample optimization, states were selected based on the sample spatial correlation between the ensemble state and observations. The method discarded ensemble states that were less representative and, to maintain the overall ensemble size, generated new ensemble states by reproducing them from ensemble states with a good fit by adding random noise. Sample selection was performed based on radar echo data. Results showed that applying EnKF with optimized samples improved the estimated track, intensity, precipitation distribution, and inner-core structure of Typhoon Rammasun. Therefore, the authors proposed that distinguishing between samples with good and poor fits is vital for ensemble prediction, suggesting that sample optimization is necessary to the effective use of EnKF.     

ANALYSIS OF THE EFFECT OF 3DVAR AND ENSRF DIRECT ASSIMILATION OF RADAR DATA ON THE FORECAST OF A HEAVY RAINFALL EVENT

The present study designs experiments on the direct assimilation of radial velocity and reflectivity data collected by an S-band Doppler weather radar (CINRAD WSR-98D) at the Hefei Station and the reanalysis data produced by the United States National Centers for Environmental Prediction using the Weather Research and Forecasting (WRF) model, the WRF model with a three-dimensional variational (3DVAR) data assimilation system and the WRF model with an ensemble square root filter (EnSRF) data assimilation system. In addition, the present study analyzes a Meiyu front heavy rainfall process that occurred in the Yangtze -Huaihe River Basin from July 4 to July 5, 2003, through numerical simulation. The results show the following. (1) The assimilation of the radar radial velocity data can increase the perturbations in the low-altitude atmosphere over the heavy rainfall region, enhance the convective activities and reduce excessive simulated precipitation. (2) The 3DVAR assimilation method significantly adjusts the horizontal wind field. The assimilation of the reflectivity data improves the microphysical quantities and dynamic fields in the model. In addition, the assimilation of the radial velocity and reflectivity data can better adjust the wind fields and improve the intensity and location of the simulated radar echo bands. (3) The EnSRF assimilation method can assimilate more small-scale wind field information into the model. The assimilation of the reflectivity data alone can relatively accurately forecast the rainfall centers. In addition, the assimilation of the radial velocity and reflectivity data can improve the location of the simulated radar echo bands. (4) The use of the 3DVAR and EnSRF assimilation methods to assimilate the radar radial velocity and reflectivity data can improve the forecast of precipitation, rain-band areal coverage and the center location and intensity of precipitation.     

1996年8月8日闽西地区特大暴雨过程分析

本文研究了9601号热带风暴减弱为低压环流后引起突发性大暴雨的成因。结果表明：9610号热带风暴减弱后的低压环流移支福建省南部地区,造成闽西地区湿斜压锋区和不稳定能量明显增强,在低压西侧辐合线所提供的福合上升运动激发下,中尺度对流云团迅速发展,导致远离低压中心的闽西突发大暴雨。闽西特殊的地形对特大暴雨的产生起了组织和增幅作用。另外,还通过逐时数字红外云团图的分析,揭示中尺度对流云团发展演变特征与突发性大暴雨的关系,供日常短时预报参考。     

地形对一次粤北暖区暴雨的影响研究

地形对暖区暴雨的发生发展有着重要影响。以粤北一次暖区暴雨为例,从大尺度背景、中尺度特征及预报难点等方面分析了地形的作用,并利用CMA-GD模式进行了地形敏感性试验。结果表明:此次暴雨在副高与西风槽之间的双低空急流下发生,南岭地形对低空急流的动力作用、对θ_se舌和水汽的阻滞拦截作用,为暴雨出现在粤北创造有利条件;地形热力作用下产生的中尺度辐合线是对流触发的机制。敏感性试验显示南岭地形对暖区暴雨的落区影响显著,降水落区随南岭地形升高(降低)而往南(北)偏移。西南急流在经过南岭时,低层风速、散度、温度以及垂直速度都会随地形改变而发生明显变化。当南岭地形高度降低时,正面阻挡和摩擦作用减弱,急流、辐合及上升运动区向北推进到西风槽附近,导致雨区往北偏移;南岭地形高度升高时,地形阻挡和摩擦作用增强,辐合及上升运动区被阻隔在南岭南侧,暖区对流提前触发,雨区发生在粤北。可见,此次暴雨过程主要来自大尺度环流背景的影响,但其落区与南岭地形密切相关。     

基于BGM的暴雨集合预报初始扰动发展分析

基于增长模繁殖法（BGM）思想,采用AREM（新一代区域η坐标模式）,研究了暴雨过程中,初始随机扰动在繁殖循环中随时间的演变特征和发展机理。结果表明,初始扰动的演变决定于环流背景场的结构和大气中的湿物理过程。背景场不仅影响扰动的演变规律,而且决定了扰动发展的敏感区域。初始扰动随时间演变存在两个敏感区,一是背景场的大风速区,二是降水区附近。对流层高层,大风速区附近扰动得到最优发展;对流层中低层,扰动不仅沿大风速区发展,且与降水区配合较好。初始扰动发展的机理也有两种,一是大气湿物理过程引起的位势不稳定或第二类条件不稳定（CISK）;二是由风切变引起的大气动力不稳定。高层扰动的增长,以干大气的动力不稳定占优,中低层扰动的发展主要是湿物理过程的贡献,初始扰动在模式中的发展与降水的发展是同“源”的,有利于降水发展的环境也有利于初始扰动的发展,从而影响了降水的可预报性。所以利用暴雨预报模式制作集合预报时,BGM仍是可用的方法。     

对流层高层偏北气流在梅雨暴雨中的作用

文中对江淮梅雨暴雨过程中的高低空流场特征及物理过程进行分析。结果表明:对流层上部青藏高原东侧常有高空偏北大风轴汇入南亚东风急流中。在这支强北风轴北端发现高空辐散和辐散的增长。亦即有利于低层辐合上升的持续、发展和加强;表明了低层西南急流与高空青藏高压东侧的偏北强风轴之间的次级环流圈,有利于梅雨暴雨的持续。     

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。