黑河流域大气资料尺度转换的对比分析

尺度转换是解决尺度差异问题的有效方法之一。尺度转换统计模式的可靠性和正确性如何,在很大程度上取决于建立统计模式时所用的实际气象资料的处理,尤其在下垫面分布极不均匀地区。本文研究了黑河流域这一复杂下垫面条件下的大气资料的尺度转换问题,对比分析了由NCEP再分析资料直接内插到较小尺度而得到的局地气候变化与由尺度转换统计模式,经过客观分析所得到的局地气候变化。结果表明,直接插值所得的细网格值只能用于对平坦地区的温、湿状况的描述,而对较高山区的区域特征描述不够;进行观测资料的客观分析可以更准确地反映黑河流域复杂下垫面背景下近地层大气要素场的变化。研究表明,客观分析过程是尺度转换过程的重要环节。     

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。     

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6km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。     

时间依赖的多尺度背景误差协方差研究I——构造

为了在资料同化中更好地应用多尺度同化技术,针对当前GRAPES多尺度3D-Var同化系统中背景误差协方差设置的缺陷,探讨如何引入随时间演变的多尺度信息的方法。首先,基于GRAPES模式集合预报系统,利用集合预报结果构造了新型的背景误差协方差,该新型协方差的标准差与相关关系能随着时间演变而发生变化,即具有时间依赖特征。然后,为了考虑背景误差协方差的多尺度特征,针对不同尺度背景场将该新型协方差进行不同程度的缩放,即假设不同尺度的背景误差单变量标准差与相关尺度以及多变量相关系数与原估计值之间存在一定的比例关系。通过选择不同的缩放系数,其对应的分析增量将产生不同量值与尺度的变化,即可对相应的分析场进行多尺度调整。      

CMA-MESO逐时快速更新同化预报系统及其短临预报效果初步分析

基于CMA-MESO模式水平3 km分辨率3 h循环的快速更新同化预报系统，本文建立逐小时的分析预报循环系统，并且通过采用5种尺度叠加的高斯相关模型和引入各向异性的水平相关尺度方案来改进背景误差水平相关结构，同时考察引入全球大尺度信息方案对逐小时循环的分析和预报影响。通过对2020年7月19日华东强对流天气过程的数值模拟表明：（1）逐小时循环吸收了更多的高频观测资料和循环中采用更临近的1 h预报场作为背景场，分析和降水短临预报质量整体比3 h循环有所提高；（2）在区域分析中逐时引入全球预报场的大尺度信息会削弱区域观测资料的影响，对预报会有不利影响；（3）改进的五种尺度叠加高斯相关模型和各向异性的水平相关尺度主要使风场背景误差水平相关系数的描述更接近样本的统计结果，因而在逐1 h循环中风场分析更靠近观测，华东强对流过程的组合反射率和降水短临预报更接近实况。     

基于组合统计降尺度的华西南部地区冬季气温预测技术研究

利用1982—2017年华西南部地区冬季气温和NCEP再分析资料以及CFS模式实时预测资料，通过SVD诊断分析，选取影响华西南部地区冬季气温的同期关键区大气环流和前期海温及OLR因子场，建立预测与观测场相结合的组合统计降尺度预测模型。该统计降尺度预测模型对1982—2017年的回报结果显示：与观测场的空间相关系数较CFS模式原始预测结果有显著提高，多年均值从-0.06提升到0.38，最高可达0.85。同时，此降尺度预测模型可较好地回报出华西南区冬季气温的空间分布型。     

多普勒雷达资料在冷涡强对流天气中的同化应用试验

应用WRF模式的三维变分同化系统(WRF-3DVAR),对沈阳多普勒天气雷达资料在东北冷涡暴雨个例中的同化应用进行了试验.研制了多普勒雷达资料质量控制系统,实现了对径向风和反射率因子的直接同化,不但可以反演中尺度三维气象要素场,而且可以为模式提供初始场.以天气尺度资料为背景场同化多普勒雷达资料,WRF-3DVAR可以较好地反演冷涡中尺度对流系统的三维结构,反演的地面强对流辐散气流及在对流层中层涡旋都符合中尺度系统概念模型,通过与实际地面探测资料进行了对比,风场环流基本接近,同化了雷达资料的气象要素场可为预报业务提供较好的包含中小尺度系统的实时三维分析场.通过冷涡个例同化试验,应用WRF-3DVAR同化雷达资料后,中尺度模式对对流降水的预报总体有正的影响,对强对流中的一些中小尺度雨团的预报也略有改善.     

GPS可降水量资料应用于MM5模式的变分同化试验

利用建立在长江三角洲地区GPS观测网中13个站点的资料对2002年6月27~28日影响长江三角洲地区的降水过程进行了MM5背景误差调节和可降水量资料的三维变分同化试验。试验结果表明:背景误差对三维变分同化的效果起着关键作用,模式变量(u,v,T,p和q)误差的水平尺度与NMC方法的平均时间长度有直接的关系。利用NMC方法重新构建的背景误差更接近实际的背景误差。三维变分技术能有效地同化GPS可降水量资料。GPS可降水量资料的同化使用不仅能调整模式初始湿度场,而且也能相应地调整模式初始气压场、温度场和风场。GPS可降水量资料的同化有利于减小模式初始场对可降水量的分析误差,并且有利于减小模式积分初期(3~6 h)可降水量的预报误差。与没有进行GPS可降水量同化相比,通过GPS可降水量资料的三维变分同化,使MM5模式6 h和24 h累计降水能力得到提高,改善了MM5模式降水预报性能。总体上,GPS可降水量资料的变分同化有利于模式降水预报能力的提高。     

强度尺度方法在模式定量降水预报检验中的应用

介绍了Casati于2004年提出的强度尺度检验技术,并将该方法应用到上海区域中尺度模式的预报检验中。结果表明,强度尺度检验技术可以提供一种从不同降水率闽值和空间尺度对模式定量降水预报进行评估的方案。该方法首先对预报场和观测场进行降水率闽值获得二进制误差场,并通过二维离散Haar小波对二进制误差场进行各个空间尺度的分解,从而评估模式在各个降水率闯值和空间尺度上的均方差和预报技巧。通过计算各空间尺度二进制误差场的均方差百分比和能量平方偏差,可分析不同的降水特征尺度误差对总体误差的贡献情况以及预报降水与观测的偏差情况。     

三维变分系统在我国夏季降雨预测中的应用试验

采用MM5模式及其三维变分系统(MM5/3DVAR)对我国夏季降雨进行了一个月的连续预测试验,并对试验结果进行评估.试验中首先采用"National Meteorological Center(NMC)"方法,将2005年8月的MM5模式的预测结果形成与试验区域和水平分辨率相匹配的背景误差场,并将其与全球背景误差场进行了对比分析,结果表明,采用2005年8月MM5模式预报结果生成的背景误差场的基本特征与系统提供的全球背景误差场相似,且长度尺度随着水平分辨率的提高而减小.之后,分别利用NCEP再分析资料(NCEP试验)、NCEP再分析资料基础上采用CRESSMAN方法分析观测资料(LITT试验)和NCEP再分析资料基础上采用3DVAR系统同化观测资料(3DVAR试验)形成模式预报初始场,再次对2005年8月降雨进行逐日连续预报.逐日降雨预报结果表明,相对NCEP试验,LITT试验中1 和10 mm的预报评分有明显提高,但 25 和 50 mm的预报评分却有所下降,而3DVAR试验的预报评分在10 mm以上均有明显提高.对于降雨期间的形势场预报,3个试验中,除温度场和湿度场外,其他变量场的均方根误差随高度增加而增加,但相比而言,3DVAR试验的均方根误差小于其他2个试验.3DVAR试验对降雨的明显改进,可能是因为其对与背景场信息差别比较大的反应中尺度系统的观测资料的分析结果比较靠近观测资料.     

The definition of mesoscale selective forecast error covariances for a limited area variational analysis

Summary ?The paper deals with an alternative formulation of the so-called NMC (National Meteorological Center, now National Centers for Environmental Prediction) statistics to compute the background error covariance matrix to be used in a mesoscale variational analysis. While the standard method uses differences of forecasts valid for the same time, but starting from different analysis times, the new formulation required the recomputation of the short-term forecast with the initial and lateral boundary data that come from the long-term run. In the frame of a limited-area model, this approach forces the error variances at large scales to decrease drastically, because those scales are controlled by the (constant data) lateral boundary coupling. As a result, the background cost function acts more scale selectively, with an emphasis on medium scales. The analysis increments obtained from the 3D-VAR system show that the analysis increments are sharper and more concentrated with the new formulation, both in single observation and in full observation experiments. This work is part of a wider project for building a variational assimilation system inside the ALADIN model. The complete system should concentrate on mesoscale features and it should not reanalyse those scales that were already treated by the global model (ARPEGE). Some difficulties and perspectives are drawn in the concluding discussion. Received February 12, 2001; revised July 24, 2001     

A COMPARISON OF THE BLENDING AND CONSTRAINING METHODS TO INTRODUCE LARGE-SCALE INFORMATION INTO GRAPES MESOSCALE ANALYSIS

To solve the problem of mesoscale analysis error accumulation after a period of continuous cycle data assimilation (CCDA), a blending method and a constraining method are compared to introduce global analysis information into the Global/Regional Assimilation and Prediction Enhanced System mesoscale three-dimensional variational data assimilation system (GRAPES-Meso 3Dvar). Based on a spatial filter used to obtain a blended analysis, the blending method is weighted toward the T639 global analysis for scales larger than the cutoff wavelength of 1,200 km and toward the GRAPES mesoscale analysis for wavelengths below that. The constraining method considers the T639 global analysis data as an extra source of information to be added in the 3DVar cost function. The cloud-resolving GRAPES-Meso system (3 km resolution) with a 3 h analysis cycle update is chosen, and forecast experiments on an extreme precipitation event over the eastern part of China are presented. The comparison shows that the inclusion of large-scale information with both methods has a positive impact on the regional model, in which the 3 h background forecasts are slightly closer to the radiosonde observations. The results also show that both methods are effective in improving large-scale analysis while reserving the well-featured mesoscale information, leading to an enhancement in the balance and accuracy of the analysis. Subjective verification reveals that the introduction of large-scale information has a visible beneficial impact on the forecast of precipitation location and intensity. The methodologies and experiences presented in this paper could serve as a reference for ongoing efforts toward the development of multi-scale analysis in GRAPES-Meso.     

一次典型梅雨锋暴雨过程的多尺度结构特征

利用多种类型资料,对2009年6月29—30日引发鄂皖境内梅雨锋特大暴雨过程的天气形势和中尺度对流系统（MCSs）进行了初步分析,揭示了梅雨锋暴雨系统的多尺度结构特征,并用中尺度模式WRF对梅雨锋暴雨系统进行了9km三重双向嵌套大区域精细模拟,再采用Morlet小波变换对模式输出进行空间带通滤波,分离出α、β和γ中尺度系统,对不同中尺度系统的热力动力三维空间结构特征进行了研究。结果表明：梅雨锋特大暴雨由梅雨锋上多个不同尺度的MCSs活动造成,这些不同尺度的MCSs在卫星云图和雷达回波上呈现出不同的特点。在α、β和γ中尺度上,梅雨锋暴雨中尺度系统在水平和垂直方向上的动力、热力结构特征存在着明显的差异,α、β中尺度系统具有明显的垂直环流,而γ中尺度系统则具有惯性重力波特征,往往嵌套在α、β中尺度系统内发生发展。最后,提出了典型梅雨锋暴雨系统的物理概念模型。     

在四维变分同化中运用集合协方差的试验

利用浅水方程模式和模式模拟资料进行数值试验比较3种不同的背景误差协方差矩阵处理方法对四维变分(4DVAR)资料同化的影响.3种背景误差协方差矩阵分别是:(1)对单一变量将背景误差协方差矩阵简化为对角矩阵;(2)将背景误差协方差矩阵的作用简化为高斯过滤;(3)由预报集合生成背景误差协方差矩阵并利用奇异值分解技术解决矩阵的求逆.通过一系列数值试验,比较不同观测密度、不同观测误差下3种背景误差协方差处理方法对4DVAR同化效果的影响.结果表明,背景误差协方差的结构对4DVAR有重大影响.当观测资料的空间密度不够高时,采用对角矩阵得不到满意的结果.高斯过滤方案可以明显改善同化结果,但是对背景误差特征长度比较敏感.第3种方法采用的背景误差协方差矩阵是流型依赖的,而且并不以显式的方式出现在目标函数中.避免了对它求逆的复杂运算.由于做了降维处理,在观测点的密度较低和观测误差较大时可望取得较好的同化结果,同化效果较为稳定.     

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。     

INFLUENCE OF DIFFERENT-SCALE ERRORS INTERACTIONS ON ANALYSIS AND FORECAST OF REGIONAL NWP MODEL

In the previous study, the influences of introducing larger- and smaller-scale errors on the background error covariances estimated at the given scales were investigated, respectively. This study used the covariances obtained in the previous study in the data assimilation and model forecast system based on three-dimensional variational method and the Weather Research and Forecasting model. In this study, analyses and forecasts from this system with different covariances for a period of one month were compared, and the causes for differing results were presented. The variations of analysis increments with different-scale errors are consistent with those of variances and correlations of background errors that were reported in the previous paper. In particular, the introduction of smaller-scale errors leads to greater amplitudes in analysis increments for medium-scale wind at the heights of both high- and low-level jets. Temperature and humidity analysis increments are greater at the corresponding scales at the middle- and upper-levels. These analysis increments could improve the intensity of the jet-convection system that includes jets at different levels and the coupling between them that is associated with latent heat release. These changes in analyses will contribute to more accurate wind and temperature forecasts in the corresponding areas. When smaller-scale errors are included, humidity analysis increments are significantly enhanced at large scales and lower levels, to moisten southern analyses. Thus, dry bias can be corrected, which will improve humidity forecasts. Moreover, the inclusion of larger- (smaller-) scale errors will be beneficial for the accuracy of forecasts of heavy (light) precipitation at large (small) scales because of the amplification (diminution) of the intensity and area in precipitation forecasts.     

应用雷达回波强度资料反演大气云微物理量

文中利用三维变分原理 ,由多普勒天气雷达回波强度反演模式大气的雨水混合比 qr,分析变量 qr 的确定取决于对目标函数的极小化计算 ,目标函数由分析变量 qr 与 qr 的背景场之差 ,以及由分析变量演算的大气回波强度与雷达观测的回波强度之差构成。采用所谓的NMC方法求取模式变量的背景场误差协方差矩阵 ,采用二阶自回归型相关函数确定空间水平变换中的递归滤波系数以适用于反映积云结构的小尺度空间。通过理想数值试验 ,验证了变分同化系统和结果的合理性 ,由敏感性试验说明了雷达观测的回波强度随机误差对于反演的qr 值有一定的影响。对 2 0 0 2年 6月 19日安徽省马鞍山市一次多普勒雷达实际观测数据的个例试验表明 ,经过变分同化反演后的积云尺度模式大气的 qr 场与观测的雷达回波图像的细节相吻合。     

GRAPES-3DVar高阶递归滤波方案及其初步试验

背景误差协方差矩阵B及其逆的求解是三维变分同化研究的核心问题之一.在GRAPES区域三维变分同化系统(GRAPES-3Dvar)中背景误差协方差矩阵的水平变换部分,假定各向同性并进行递归滤波运算.原有方案中采用一阶递归滤波器,但收敛不够迅速,每次循环同化时需滤波10次才能使目标函数收敛.根据Purser等2003年的研...     

Effect of Length Scale Tuning of Background Error in WRF-3DVAR System on Assimilation of High-Resolution Surface Data for Heavy Rainfall Simulation

We investigated the impact of tuning the length scale of the background error covariance in the Weather Research and Forecasting(WRF) three-dimensional variational assimilation(3DVAR) system.In particular,we studied the effect of this parameter on the assimilation of high-resolution surface data for heavy rainfall forecasts associated with mesoscale convective systems over the Korean Peninsula.In the assimilation of high-resolution surface data,the National Meteorological Center method tended to exaggerate the length scale that determined the shape and extent to which observed information spreads out.In this study,we used the difference between observation and background data to tune the length scale in the assimilation of high-resolution surface data.The resulting assimilation clearly showed that the analysis with the tuned length scale was able to reproduce the small-scale features of the ideal field effectively.We also investigated the effect of a double-iteration method with two different length scales,representing large and small-length scales in the WRF-3DVAR.This method reflected the large and small-scale features of observed information in the model fields.The quantitative accuracy of the precipitation forecast using this double iteration with two different length scales for heavy rainfall was high;results were in good agreement with observations in terms of the maximum rainfall amount and equitable threat scores.The improved forecast in the experiment resulted from the development of well-identified mesoscale convective systems by intensified low-level winds and their consequent convergence near the rainfall area.