中尺度模式遗传算法同化系统及同化试验研究

设计了一个以MM5模式为基础的遗传算法同化系统,并对一次暴雨过程进行了实际降水的模拟,通过对比遗传同化和伴随同化的降水预报效果,对遗传算法同化系统的同化性能进行验证。试验结果表明,遗传算法与四维变分相结合的同化系统能有效地改善模式的初始场,使MM5模式要素预报和降水预报的准确率得到提高。     

四维变分同化方法在暴雨预报中的应用

本文利用PSU/NCAR的MM5数值预报模式及其伴随模式,以我国1999年6月23日~6月24日的一次梅雨锋暴雨过程为个例,作了两组试验:控制试验和同化试验,并对两组试验的降水预报效果以及初始场进行对比分析,结果表明:四维变分资料同化方法可以将各种不同类型、不同时次的观测资料同化到模式中,将这些资料中有用的中尺度信息引入到模式初始场,有效改善初始场,从而提高暴雨预报水平。     

中尺度数值模式MM5的四维变分资料同化系统

应用伴随方法求解以数值预报方程作为约束条件的四维变分资料同化方案，关键问题是如何构造伴随模式。以中尺度数值模式MM5为例，讨论了如何用伴随码技术建立MM5伴随模式，以及伴随模式系统中权重、尺度因子的选取；最后对MM5伴随模式系统进行了梯度检验，并利用实际资料进行四维变分资料同化试验。试验表明该系统有较强的同化能力，能够提高MM5降水预报的准确性。     

云导风资料同化在伴随模式同化系统中的应用

以一次发生在长江流域的暴雨过程为例,设计了几种数值试验方案,并进行模拟。结果表明,MM5伴随模式同化系统能有效改善初始场与模式的协调能力,提高模式对于降水场和其它要素场的预报;使用云导风资料修正初始场后直接模拟的效果比未使用时直接模拟的效果要好,对部分区域的强降水预报精度有一定程度的改善;使用伴随模式同化系统后,加入云导风资料的同化试验对其它要素的改善与直接同化常规资料的效果相比,改善优势不明显,但从各要素的误差来看,对于风场的改善最好。     

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.     

REM模式伴随系统的建立及其四维变分资料同化初步试验

Regional-Eta-Coordinate-Model(REM)中尺度模式对中国区域性降水显示出公认的较高预报能力,建立其四维变分资料同化系统是完善该模式,进一步提高其预报效果的重要工作。本研究编写了REM模式的切线性模式和伴随模式,介绍了建立REM模式伴随系统的过程,并利用实际天气个例资料,分别对REM模式的切线性模式、伴随模式及定义的目标函数梯度进行了正确性检验,检验结果表明对REM模式的切线性模式及伴随模式编写是成功的。利用REM模式的伴随系统,对1998年06月08日00时到09日00时和2000年08月01日00时到02日00时两个实际天气个例进行了四维变分资料同化试验。从数值试验的结果分析可以看到,进行四维变分资料同化后,两个天气个例在预报结束时刻其预报结果对风场和湿度场的预报都有明显改善,对温度场和高度场的预报也有所改善。对于累积降水的预报,两个个例利用四维变分资料同化后得到的初始场进行的预报结果则有较大不同,在个例1中,变分同化后对降水中心的位置和降水强度的预报都有明显改善,预报结果更接近于观测场;个例2中,变分同化后对降水中心位置和强度的预报则没有改善,产生这种现象的原因可能是由于定义的目标函数中没有加进背景场项,也可能是由于采用的观测资料时次比较少,还需要进一步进行研究和试验。     

单多普勒雷达资料在伴随模式同化系统中的应用研究

利用变分方法反演单多普勒雷达资料,得到风矢量场。同时,利用MM5伴随模式同化系统,结合一次暴雨过程,设计四种方案,进行数值模拟试验。结果表明,通过变分方法反演的雷达资料的应用对于暴雨的分布预报有明显的改善作用;运用伴随方法同化雷达资料后可改善对暴雨中心的预报;对于各个物理量误差的减少,雷达资料的应用也起到重要作用,尤其是对于风场作用较为明显;雷达资料的应用可加快伴随模式同化系统目标函数的收敛,得到最优初始场。     

云迹风资料同化对暴雨预报影响的数值模拟

文中运用MM5对 1998年 6月 13～ 14日长江中下游一次暴雨强降水进行了数值模拟及云迹风资料同化试验研究。结果表明 ,云迹风资料同化能有效地改善高空风场质量 ,修正控制试验中模式高空风场对中纬度高空西风急流前沿西风强度的描述 ,使得模拟的暴雨强度与实际降水分布更加接近。分析认为在暴雨预报业务和科研中 ,云迹风资料的使用可有效地改善高空风场分布 ,对提高降水预报质量是一个有效途径 ,值得进一步尝试     

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。     

华中区域LRUC系统的构建与试验

如何将区域观测资料在中尺度模式中快速有效同化是提高区域精细化数值预报准确率和时效性的关键所在。本文简单介绍了基于LAPS和WRF建立的快速循环同化预报系统LRUC,以一次影响长江中游的典型梅雨锋暴雨过程为例,设计几种试验方案,结合实况降水分布,对比分析华中区域多普勒雷达资料循环同化对改善暴雨预报的作用;根据个例试验结果,设计批量后报试验方案,对比分析雷达资料同化对华中区域2007年主汛期(6—8月)多个时效降水预报评分。暴雨个例试验结果表明,华中区域多普勒雷达资料在LAPS中的同化,能为WRF提供更优初值场;同化华中区域地面资料和雷达资料后,比仅同化地面资料更能改进模式初值,改善模式降水预报,且降雨量级越大,24 h降水预报TS评分越高。批量后报试验结果表明,建立的快速循环同化预报系统LRUC,能对区域多源观测资料进行多时次循环同化分析,为模式初值增加观测资料的时间演变信息,提高模式对暴雨量级降水的预报水平;系统具有稳定性和一定的评分水平。     

An Ensemble-Based Three-Dimensional Variational Assimilation Method for Land Data Assimilation

Land surface models are often highly nonlinear with model physics that contain parameterized discontinuities. These model attributes severely limit the application of advanced variational data assimilation methods into land data assimilation. The ensemble Kalman filter （EnKF） has been widely employed for land data assimilation because of its simple conceptual formulation and relative ease of implementation. An updated ensemble-based three-dimensional variational assimilation （En3-DVar） method is proposed for land data assimilation This new method incorporates Monte Carlo sampling strategies into the 3-D variational data assimilation framework. The proper orthogonal decomposition （POD） technique is used to efficiently approximate a forecast ensemble produced by the Monte Carlo method in a 3-D space that uses a set of base vectors that span the ensemble. The data assimilation process is thus significantly simplified. Our assimilation experiments indicate that this new En3-DVar method considerably outperforms the EnKF method by increasing assimilation precision. Furthermore, computational costs for the new En3-DVar method are much lower than for the EnKF method.     

中尺度模式的四维伴随同化系统及其同化试验

以中尺度模式MM4为基础，利用伴随码技术改进、完善了MM4伴随模式同化系统，并利用该系统进行了常规资料和非常规资料的伴随模式同化试验，例如加入了可降水量资料等。试验表明：在伴随模式同化系统中加入常规和非常规资料，可以改进初始场，从而改善预报场。     

四维变分资料同化

用Lorenz模式作变分同化数值试验，通过对一个简单系统的讨论，对四维变分同化方法进行较深入分桥。利用Lorenz模式的数值试验，检验切线模式及伴随模式，并对目标函数及其梯度进行了检验。     

集合变分混合同化方案在快速循环同化系统中的应用研究

基于北京市气象局快速循环同化系统RMAPS-ST以及对流尺度集合预报系统RMAPS-EN,构建了En-3DVAR集合变分混合同化系统,将该系统应用到业务快速循环同化系统中并进行试验,分别在冷启动与循环启动环境下对比了混合同化系统（Hybrid）与三维变分（3DVAR）的同化预报效果。获得的结论如下:单点试验结果表明,混合同化系统分析增量的分布与集合预报离散度分布具有较好的对应关系;在冷启动和循环启动中,三维变分的分析增量都表现出各向同性的特点,混合同化分析增量均表现出一定的流依赖特征;降水个例分析表明,在冷启动环境中,Hybrid与3DVAR效果相当,而在循环启动中,Hybrid的降水预报相对于3DVAR有较明显的改进效果;批量试验检验结果表明,冷启动中,Hybrid与3DVAR的评分大致相当,而在循环启动中,Hybrid相对于3DVAR的评分有明显改进;集合离散度和背景场误差的相关性分析表明二者在循环启动环境下具有更好的相关性。     

气象资料同化的研究进展

回顾了国内外有关气象资料同化的研究进展，介绍了当前资料同化主要方法的理论基础、优缺点及应用研究。重点介绍了伴随方法和遗传算法在四维变分同化中的具体应用。其中，遗传算法的引入为资料同化的研究提出了新的思路。     

A New Approach to Data Assimilation

A significant attempt to design a timesaving and efficient four-dimensional variational data assimilation (4DVar) has been made in this paper, and a new approach to data assimilation, which is noted as 'three-dimensional variational data assimilation of mapped observation (3DVM)' is proposed, based on the new concept of mapped observation and the new idea of backward 4DVar. Like the available 4DVar, 3DVM produces an optimal initial condition (IC) that is consistent with the prediction model due to the inclusion of model constraints and best fits the observations in the assimilation window through the model solution trajectory. Different from the 4DVar, the IC derived from 3DVM is located at the end of the assimilation window rather than at the beginning conventionally. This change greatly reduces the computing cost for the new approach, which is almost the same as that of the three-dimensional variational data assimilation (3DVar). Especially, such a change is able to improve assimilation accuracy because it does not need the tangential linear and adjoint approximations to calculate the gradient of cost function. Therefore, in numerical test, the new approach produces better IC than 4DVar does for 72-h simulation of TY9914 (Dan), by assimilating the three-dimensional fields of temperature and wind retrieved from the Advanced Microwave Sounding Unit-A (AMSU-A) observations. Meanwhile, it takes only 1/7 of the computing cost that the 4DVar requires for the same initialization with the same retrieved data.