资料同化对一次华南暴雨影响的数值试验研究

针对一次华南暴雨过程,采用WRF区域中尺度模式进行了控制试验和同化试验.利用WRF-3DVAR同化系统同化了常规探空和地面观测资料,分析了两种资料对初值场的影响,以及对降水和各物理量预报效果的影响.结果表明:同化能改进初始场,并可改进暴雨落区和强度预报;同化可提高WRF模式对风场、温度场、高度场以及水汽场的预报能力.但有一定的时效性;同时同化探空和地面资料,比仅同化探空资料对大气低层物理量的预报能力要提高较多.     

全球大气环流模式BCC_AGCM2.0.1对1998年夏季江淮流域强降水过程的回报试验研究

利用中国气象局北京气候中心全球大气环流模式(BCC_AGCM2.0.1) 对1998年6月24日～7月3日发生在我国江淮流域的强降水天气过程进行了回报试验。模式起报时间为1998年6月24日00时, 使用前10天NCEP-II再分析逐时温度、涡度和散度场进行预报前初始协调 (spin-up) 积分, 产生模式初值, 预报时段为1998年6月24日～7月10日, 回报试验结果表明: 模式对全球500 hPa位势高度的天气尺度演变过程具有4～7天的可预报性; BCC_AGCM2.0.1模式对中国区域的降水以及大气环流场具有3～4天的可预报性, 6月24日起报后3天内的预报降水区域位置与实况一致, 但中心强度有所差异。对起报后未来2天的5 mm和10 mm以上的降水预报能力相对较强, ETS评分值达到了0.25以上, HK评分超过了0.4, 降水区域范围预报较为准确, BIA评分趋于1.0。模式对20 mm以上的降水也具有一定的可预报性, 但模式对大于30 mm以上强降水的预报能力较差。     

初始扰动对一次华南暴雨预报的影响的研究

本文选取了2006年华南前汛期的一次暴雨过程, 采用AREMv2.3中尺度数值模式进行数值模拟, 分别在模式初始场的物理量场 (温度场、 风场、 湿度场) 上加扰动, 分析不同物理量场上的扰动对降水预报的影响, 以及物理量预报误差和扰动能量的增长情况。同时, 通过本个例讨论误差增长与湿对流的关系, 扰动振幅对误差增长的影响和华南区域的中尺度降水的可预报性问题。数值试验结果表明: 初始时刻不同物理量场加实际振幅的正态分布的随机扰动时, 对降水的影响是不同的。对于24小时降水预报, 温度场对降水的影响最大。误差的增长与湿对流不稳定有着密切的关系。小尺度小振幅误差增长很快, 而且是非线性增长。这意味着短期的较小尺度降水的可预报性很小。与大振幅扰动相比, 小振幅扰动造成的误差较小。但是小振幅扰动的迅速发展, 很快就会对降水预报造成较大的影响。因此, 只能有限地提高预报质量, 而且由于扰动非线性增长很快, 在预报时间的提前上, 不会有太大的改善。     

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。     

华南暖区暴雨预报的模式初始场质量敏感性分析北大核心

本文利用高分辨率中尺度数值预报模式WRF和两组再分析资料,在研究不同模式初值对华南暖区暴雨预报质量差异明显的基础上,利用合成初值方法进行了模式初值对暖区暴雨预报的敏感性数值试验研究,讨论了模式初始场关键物理量对暖区暴雨预报质量的影响,重点开展了模式初值湿度场质量对华南暖区暴雨降水预报的敏感性分析。结果表明:模式初始场质量的较小差异,可显著影响本次华南暖区暴雨预报的降水强度、降水落区以及降水发生时间等的质量。初始水汽场对暖区暴雨预报影响最大,也最为敏感,是准确预报对流单体的发生发展以及地面强降水的基础。风场和温度场对暖区暴雨预报的影响相对较小。对流层低层较强的风速辐合是本次暖区暴雨强对流单体触发、生成和加强发展以至产生暖区强降水的物理基础。     

四川盆地暴雨对初值敏感性的模拟研究

本文基于区域暴雨数值预报模式AREM,针对2007年7月发生在四川地区的多次强降水过程进行数值试验,检验了NCEP和站点资料(STN)初始分析场资料预报结果,发现由于台站资料稀少,NCEP资料在四川地区的评分较高。讨论了四川盆地降水对初值的高度敏感性,揭示了四川盆地降水对初值中各个物理量场的不同敏感性,其中,降水对初值中湿度场的响应最为显著。初值不仅决定着降水的范围和强度,还对降水的发生时间产生明显影响。      

不同初始场条件对新疆区域数值模式预报性能的影响

初始场条件直接影响到区域模式的预报性能。基于GRAPES_GFS和NCEP_GFS两种初始场，详细比较了两者之间的差异，随后分别利用两种初始场驱动新疆区域数值模式（RMAPS-CA V1.0），对2021年4月整月的数值预报结果以及2021年4月21日一次暴雨过程模拟结果进行了MET（Model Evaluation Tools）对比检验。结果表明：（1）两种资料位势高度扰动场、温度扰动场、湿度扰动场存在明显差异，其相关系数分别为0.26~0.60、0.05~0.24和0.01~0.12，导致次天气尺度上存在着较大差异，并由此造成了模拟结果之间的差异，反映了区域模式对初始场和边界条件的敏感性；（2）从高空位势高度、风速、温度的预报结果看，NCEP_GFS初始场在新疆区域模式中高空要素的预报效果均要优于GRAPES_GFS初始场，均方根误差分别降低35.5~37.2%、7.6~12.6%和6.0~17.2%。从地面常规预报量的检验看，GRAPE_GFS初始场对2 m温度和10 m风速的预报效果则要优于NCEP_GFS初始场，均方根误差分别降低14.3%和6.8%；（3）从降水检验评分看，两种初始场的降水预报整体为漏报现象，NCEP_GFS初始场针对各降水阈值及不同时效的预报降水评分要高于GRAPES_GFS，0.1 mm/6h、6.1 mm/6h和12.1 mm/6h的TS评分分别提高22.5%、16.1%和150.8%；（4）从一次暴雨过程预报的检验结果看，GRAPES_GFS对于24小时为小量级降水预报效果优于NCEP_GFS,准确率分别为61.4%和40.0%；而NCEP_GFS对于大量级的降水预报则要优于GRAPES_GFS,准确率分别为66.7%和33.3%。两种初始场对降水个例检验偏差以空报现象为主，NCEP_GFS的TS评分整体高于GRAPES_GFS。     

四川盆地暴雨对初值敏感性的模拟研究

本文基于区域暴雨数值预报模式AREM,针对2007年7月发生在四川地区的多次强降水过程进行数值试验,检验了NCEP和站点资料（STN）初始分析场资料预报结果,发现由于台站资料稀少,NCEP资料在四川地区的评分较高。讨论了四川盆地降水对初值的高度敏感性,揭示了四川盆地降水对初值中各个物理量场的不同敏感性,其中,降水对初值中湿度场的响应最为显著。初值不仅决定着降水的范围和强度,还对降水的发生时间产生明显影响。     

卫星资料反演湿度场改变模式初值对降水预报的影响

为探讨初始场资料在数值预报中的重要性，用高分辨率卫星T_BB资料反演的云内湿度场来改进模式初值，初步研究分析了改进的模式初值对降水预报的影响。以湿绝热过程的变态方程为积分方程，由卫星T_BB资料反演出大气中各等压面层湿度场。通过对比分析反演的湿度场与客观分析 (T106) 的水汽场，发现两者有较大区别，前者更加合理地反映出降水区域高空湿度场的分布。利用中尺度模式MM5将有限区域的常规探空资料和非常规资料进行同化，并对暴雨个例进行预报对比试验。不同初值的对比试验表明，在模式的初始场中引入卫星资料反演的湿度场后，明显地改善了模式降水预报的强度和落区，比仅使用常规探空资料更接近于实况。     

云导风资料在遗传算法同化系统中的应用

利用云导风资料和常规观测资料,采用遗传算法同化系统和中尺度MM5模式对2005年7月9～10日长江流域的暴雨过程进行了模拟和分析.结果表明:遗传算法同化系统可以同化常规资料和非常规资料.使用遗传算法同化系统可以有效改善数值预报模式的初始场,在一定程度上提高物理量场的预报,但对降水场的预报效果改善不明显.加入云导风资料后,可进一步改善风场和温度场,使得物理量场和降水场的预报更加接近实况.     

GPS观测资料应用于中尺度数值预报模式的初步研究

利用建立在长江三角洲地区GPS观测网中 11个站点的可降水量资料 ,对 2 0 0 2年 6月 2 3～ 2 4日影响长江三角洲地区的降水过程进行了MM5模式初始湿度场调整和Nudging同化试验。试验表明 :利用GPS测量的可降水量对模式初始湿度场进行调整能明显增强模式初始场描述水汽分布的能力 ,从而有效地控制模式积分初期对可降水量预报的误差 ,并对模式 6h累积降水量预报有较明显的改善作用。利用Nudging技术同化GPS可降水量资料对MM5预报效果改善较小 ,并且Nudging系数的增加对预报效果的影响不大。总体上 ,利用GPS可降水量资料调整模式初始湿度场对模式 6h累积降水预报效果的改善明显好于连续Nudging同化。试验还表明 :GPS资料对模式初始湿度场调整改善模式对累积降水量的预报主要是通过改善网格降水预报来实现的 ,而Nudging同化主要是通过改善次网格降水而提高模式降水预报能力的。     

Effects of Different Initial Fields on GRAPES Numerical Prediction

In this paper,a heavy rainfall process occurring in the Huaihe River Basin during 9-10 July 2005 is studied by the new generation numerical weather prediction model system-GRAPES,from the view of different initial field effects on the prediction of the model.Several numerical experiments are conducted with the initial conditions and lateral boundary fields provided by T213 L31 and NCEP final analyses,respectively. The sensitivity of prediction products generated by GRAPES to different initial conditions,including effects of three-dimensional variational assimilation on the results,is discussed.After analyzing the differences between the two initial fields and the four simulated results,the memonic ability of the model to initial fields and their influences on precipitation forecast are investigated.Analyses show the obvious differences of sub-synoptic scale between T213 and NCEP initial fields,which result in the corresponding different simulation results,and the differences do not disappear with the integration running.It also shows that for the same initial field whether it has data assimilation or not,it only obviously influences the GRAPES model results in the initial 24 h.Then the differences reduce.In addition,both the Iocation and intensity of heavy rain forecasted by GRAPES model Further is very close to the fact,but the forecasting area of strong torrential rain has some differences from the fact.For the same initial field when it has assimilation, the 9-12-,12-24-,and 0-24-h precipitation forecasts of the model are better than those without assimilation. All these suggest that the ability of GRAPES numerical prediction depends on the different initial fields and lateral boundary conditions to some extent,and the differences of initial fields will determine the differences of GRAPES simulated results.     

MM5模式中湿方案的不确定性对“03·7”南京暴雨数值模拟不确定性的影响

利用有限区域非静力MM5模式, 分析了显式降水方案对于2003年7月4—5日南京暴雨数值模拟的不确定性影响。采用混合方案模拟此次暴雨时, 这种不确定性决定于显式和隐式方案的相互协调性及敏感性; 隐式方案基本决定了雨带的整体的空间分布, 而显式方案对于降水型及降水量起到一定的调节作用, 调节的程度与选择的参数化方案有关; 采用隐式方案Grell和KF2模拟此次暴雨时, 应考虑不同的显式方案对于降水模拟的不确定性的影响。     

GRAPES区域集合预报对2019年中国汛期降水预报评估

2019年,数值预报中心开发了以GRAPES全球模式为驱动场,集合变换卡尔曼滤波为初值扰动方法,随机物理过程倾向项为模式扰动方法的10 km水平分辨率GRAPES-REPS V3.0区域集合预报模式,并投入业务运行。基于该模式,作者开展了2019年7～9月夏季降水不确定性的集合预报实时试验,并从统计检验和个例分析角度,与GRAPES-REPS V2.0和ECMWF全球集合预报模式进行对比,由此对GRAPES-REPS V3.0区域集合预报模式的降水预报能力给予客观评价,并分析了引起中尺度强降水预报不确定性的物理机制,研究结论可为诊断集合预报模式及改进集合预报方法提供依据。结果表明:（1）GRAPES-REPS V3.0区域集合预报系统的降水ETS评分在所有预报时效和量级内均优于GRAPES-REPS V2.0区域集合预报模式,降水成员具有明显等同性,且概率预报技巧FSS评分较高,GRAPES-REPS V3.0区域集合预报模式降水预报效果全面优于GRAPES-REPS V2.0区域集合预报模式。（2）GRAPES-REPS V3.0区域集合预报的集合平均降水BIAS评分及小雨和暴雨ETS评分均明显优于ECMWF全球集合预报系统,降水概率预报与ECMWF降水概率具有一定可比性。（3）个例分析结果表明,不同集合预报模式通过刻画中尺度特征物理量不确定性来捕捉降水预报不确定性,初始时刻,GRAPES-REPS V3.0区域集合预报模式和ECMWF全球集合预报模式环流形势分布较为相似,随预报时效演变,GRAPES-REPS V3.0区域集合预报模式对中尺度动力、热力场捕捉更为准确,相应地对降水落区与量级预报较好,概率预报技巧较优。（4）与ECMWF全球集合预报模式相比,GRAPES区域集合预报模式集合成员能很好地预报降水发生、发展、消亡整个过程,故GRAPES-REPS V3.0区域集合预报系统对中国汛期降水具有较强的预报能力。     

不同初始场及其扰动对WRF 模拟暴雨的影响

使用ERA-interim和FNL再分析资料分别驱动WRF,对2013年7月12—13日的一次暴雨过程进行数值模拟,详细比较了WRF模拟结果之间的差异。结果表明:(1)两种资料在次天气尺度上存在着较大差异,并由此造成了模拟结果之间的差异,ERA-interim作为初始场对降水的模拟优于FNL资料,反映了WRF对初、边界条件的敏感性;(2)从区域总降水量来看,湿度场扰动对降水量的影响最大,其次是风场扰动和温度场扰动,最小的是侧边界扰动;(3)从降水误差来看,湿度场扰动引起的降水误差最大,在积分20 h内风场扰动的降水误差大于温度场,积分21~24 h则相反,侧边界扰动引起的降水误差在前期比较小且增长缓慢,积分一段时间之后与单个气象要素扰动引起的降水误差相当。     

区域中尺度模式对西南地区一次强降水过程的预报分析

为了认识区域数值模式对西南地区降水预报能力,探索降水预报误差原因,本文应用MICAP资料,NCEP再分析资料,FY-2E辐射亮温资料,自动站资料,西南涡加密观测资料等,针对2012年7月2～5日西南地区一次强降水过程,分析了西南区域中心运行的WRF模式和GRAPES中尺度模式的预报能力,得到：（1）两模式不同程度反映了本次强降水过程.相对而言,WRF模式的预报略好于GRAPES,得益于WRF模式对对流层中低层温度、水汽、流场等演变的较好反映.（2）两模式预报对流层中低层温度偏差总体呈现正偏差,GRAPES模式呈现较大的温度偏差,正偏差特征更显著.两模式不同程度出现空报降水,特别是在高原东南坡.GRAPES模式空报雨区特征更明显.（3）两模式预报近地层湿度较实况大,都预报高原南坡,特别是高原东南坡风场辐合、水汽场辐合偏强,可能是造成虚假降水的主要原因.（4）较实况,WRF模式预报对流层高层的高压和对流层中低层的低压系统偏强,GRAPES模式预报西南低空急流偏强（可能是引起温度正偏差的原因）,两个模式预报的对流层正涡度较深厚,辐合上升运动强,这些可能是造成降水预报偏差的原因.     

CWRF对青藏高原气温和降水模拟效果的综合评估

利用CWRF(Climate-Weather Research and Forecasting model)对中国区域气候的31 a多物理集合模拟试验,分析了该模式对青藏高原气温和降水的模拟效果及其对水平分辨率和物理过程参数化方案的敏感性。结果表明:1)CWRF降尺度全面改善了全球模式对高原气温和降水的模拟,使气温年循环的均方根误差减小近1℃,月降水量年循环的均方根误差减小10~40 mm,同时显著提高了各月气温和降水与实测资料年际变化的相关系数,最高提升0.6;2)模式分辨率对降水模拟有显著影响,不同分辨率模拟降水差异高达60 mm(54%),模拟偏差随分辨率提高先降低后上升,转折在30 km左右;3)物理过程参数化方案对气温和降水模拟影响显著,不同方案模拟的各月平均气温相差1~4℃,夏季各月降水量相差20~100 mm,其中对气温模拟影响最大的是辐射方案,对降水影响最大的是积云方案。本文为CWRF局地优化对物理参数化及水平分辨率等如何选择提供了依据。     

Evaluating Soil Moisture Predictions Based on Ensemble Kalman Filter and SiB2 Model

Soil moisture is an important variable in the fields of hydrology, meteorology, and agriculture, and has been used for numerous applications and forecasts. Accurate soil moisture predictions on both a large scale and local scale for different soil depths are needed. In this study, a soil moisture assimilation and prediction based on the Ensemble Kalman Filter(EnKF) and Simple Biosphere Model(SiB2) have been performed in Meilin watershed, eastern China, to evaluate the initial state values with different assimilation frequencies and precipitation influences on soil moisture predictions. The assimilated results at the end of the assimilation period with different assimilation frequencies were set to be the initial values for the prediction period. The measured precipitation, randomly generated precipitation,and zero precipitation were used to force the land surface model in the prediction period. Ten cases were considered based on the initial value and precipitation. The results indicate that, for the summer prediction period with the deeper water table depth, the assimilation results with different assimilation frequencies influence soil moisture predictions significantly. The higher assimilation frequency gives better soil moisture predictions for a long lead-time. The soil moisture predictions are affected by precipitation within the prediction period. For a short lead-time, the soil moisture predictions are better for the case with precipitation, but for a long lead-time, they are better without precipitation. For the winter prediction period with a lower water table depth, there are better soil moisture predictions for the whole prediction period. Unlike the summer prediction period, the soil moisture predictions of winter prediction period are not significantly influenced by precipitation. Overall, it is shown that soil moisture assimilations improve its predictions.