逐层平滑地形的平缓地形追随坐标在高分辨率GRAPES模式中的应用研究

高分辨率GRAPES模式如3 km模式对地形的识别程度更高,模式中各高度坐标面可识别的地形坡度也更大,地形作用带来的气压梯度力计算误差和平流输送误差更突出。平缓地形追随坐标可以通过多种方式衰减坐标面上的地形影响进而减小这些计算误差。选择一种逐层平滑地形的平缓地形追随坐标,基于GRAPES-3km模式进行理想试验和批量模拟试验。试验结果显示:逐层平滑地形的平缓地形追随坐标相对其他平缓地形追随坐标对地形重力波模拟更接近解析值;24 h滚动预报月连续模拟试验中逐层平滑地形的平缓地形追随坐标一定程度上能降低高层月平均的温度场、风场的模拟误差,月平均的降水评分也有所提高。逐层平滑地形的平缓地形追随坐标应用于GRAPES-3km模式有较好的模拟效果。      

一种改进的平缓-混合地形追随坐标在GRAPES中尺度模式中的应用研究

平缓-混合地形追随坐标（T-F坐标）可以减小坐标面上的地形影响带来的各种计算误差。以余弦三角函数为基函数的平缓-混合坐标（COS坐标）高层坐标面水平,计算误差较小,但是低层坐标面之间的厚度较薄,增大了计算误差,给模式稳定性及模拟效果带来较大的影响。设计一种改进的COS坐标,使低层坐标面垂直分布更加均匀,应用于GRAPES-Meso模式进行理想试验和实际模拟试验。结果表明,改进的COS坐标相对COS坐标,中高层计算误差相当,低层地形作用衰减的垂直变化更加均匀,减小了计算误差,提高了计算稳定性;地形重力波试验结果显示,改进的COS坐标重力波破碎相对COS坐标有一定缓解,更接近解析值;批量模拟试验结果显示,改进的COS坐标各个层次上的月平均模拟偏差比单尺度双曲函数平缓-混合坐标（简称SLEVE1坐标）更小,均方根误差减小,距平相关系数增大。改进的COS坐标有效地解决了COS坐标的计算问题,提高了模式预报效果。      

GRAPES_Meso V3.0模式预报效果检验

应用国家气象中心模式检验方法对GRAPES_Meso V3.0模式2008年2月-2009年3月的试验预报产品,如降水、中低层高度、温度和风场预报进行统计检验。检验结果表明:V3.0模式降水预报性能得到明显改善,年及四季平均的各级降水TS评分显著提高,除了秋、冬季的48h中雨和暴雨预报外,TS评分明显高于V2.5模式,但V3.0模式的预报偏差偏大,中雨以上偏大更明显。从预报的季节平均降水率分布来看,对秋、冬季我国东部24h降水预报偏小改进明显,对春、夏季强降水中心位置及强度预报也好于V2.5模式,但是48h降水预报明显偏大,逐日降水率演变图也印证了这一点。此外,V3.0模式对500hPa高度和风场及48h预报的850hPa风场和温度场改进显著,对于850hPa高度和温度的24h预报,除夏季外,其他季节预报效果优于业务模式。     

卫星云迹风资料对中尺度数值模式初始风场改进试验

应用GMS-5静止气象卫星云图导出的风场产品-云迹风资料对中尺度η坐标有限区域数值模式(REM)的初始风场进行改进处理．模拟了2001年7月27-28日、28-29日的降水过程，并且与没有云迹风改进的数值模拟的降水结果进行对比分析。研究结果表明．卫星云图导出的云迹风场资料同化到数值模式．从而改善因测站稀疏造成的中小尺度系统漏报的不足．提高降水的预报精度．     

GRAPES_Meso中尺度模式在新疆沙漠地区的检验与评估

使用GRAPES中尺度模式对中国新疆南部的塔里木盆地2013年1、4、7、10月逐日的天气过程进行数值模拟,并与站点的实况资料对比分析,结果表明,GRAPES模式对沙漠地区的温度、风场、降水都有一定的预报能力,但也存在较明显的预报误差。GRAPES模式可以大致的预报出塔里木盆地地区2 m温度的日变化趋势,但GRAPES模拟的温度极值还存在较明显的误差;GRAPES模式对10m风场的预报,在风速较大的1月、4月和10月预报效果较好,基本可以预测出沙漠地区的风速和风向,但在风速很小的7月,模式的预报效果不理想;GRAPES模式对沙漠地区的降水预报与实况相比还存在明显的偏差,主要表现为降水空报率较高,降水中心也存在一定的偏差;GRAPES模式在沙漠地区对高空温度的预报呈现出低层温度预报误差较大,高空相对较小的特征。     

GRAPES_MesoV4.0主要技术改进和预报效果检验

针对GRAPES_Meso V3.0存在的降水量偏大、模式运行不稳定、近地面温度预报偏差较大、可同化资料偏少以及分辨率偏低等问题,开展了多方面的改进工作:引入变分质量控制以及探空湿度的偏差订正,实现了GPS/PW资料、FY-2E云导风资料以及无线电掩星资料的同化应用,提高了模式分辨率,引入四阶水平扩散方案,调整了微物理参数化方案与动力框架的耦合方案,完善了地面辐射能量平衡方程以及优化了后处理雷达组合反射率因子的诊断方案,并集成所有改进成果形成新的业务化GRAPES_Meso V4.0。批量试验结果表明:GRAPES_Meso V4.0降水ETS评分普遍提高,同时预报偏差明显降低,月平均降水更接近实况,且能够较好地刻画雨带细节;2 m温度预报偏差有较为显著的改善,大部分地区24 h预报有1~2℃左右的降低,有些地区有3~5℃的降低;GRAPES_Meso V4.0对高度场、温度场和风场的改进效果比较显著,500 hPa的温度、风速、位势高度场的相关系数均有显著提高,850 hPa的均方根误差也明显降低,整体性能明显高于GRAPES_Meso V3.0。     

GRAPES气象-水文模式在一次洪水预报中的应用

尝试将GRAPES (Global-Regional Assimilation and PrEdiction System) 模式与水文模型结合,构建GRAPES气象-水文单向耦合模式,进行洪水预报。气象模式选取GRAPES_Meso模式,分别采用15 km×15 km和5 km×5 km水平分辨率,15 km×15 km的GRAPES模式由NCEP全球预报场提供初始场和侧边界条件;5 km×5 km的GRAPES模式由15 km×15 km GRAPES模式提供初始场和侧边界条件,将GRAPES_Meso模式的定量降水预报分辨率统一降尺度到5 km×5 km分辨率,用于驱动水文模式。水文模型选取新安江模型与分布式新安江模型。以淮河王家坝站以上流域和息县流域为试验流域,将GRAPES降水预报场驱动水文模型进行单向耦合,构建GRAPES气象-水文单向耦合模式,选择2009年8月28日08:00(北京时,下同)—9月9日14:00汛期一次洪水过程,进行实际预报试验。结果表明:15 km×15 km和5 km×5 km的GRAPES模式预报降水与实况降水分布相一致;与水文站观测降水驱动水文模型洪水模拟结果相比,GRAPES气象-水文模式对洪水预报的预见期延长效果明显,对洪水模拟精度也较高,与水文模型输入场分辨率要求相匹配的降水产品对洪水模拟的精度更高。     

卫星导风资料对REM中尺度数值模拟的改进研究

应用GMS-5静止气象卫星云图导出的风场产品-云迹风资料对REM中尺度η坐标有限区域数值模式的初始风场进行改进处理．模拟了2001年7月27～28日及8月16、18～19日共5天的降水过程，通过初始场的改进进行控制试验(CTE)和敏感性试验(STF)。研究结果表明，利用卫星云图导出的云迹风场资料，对中尺度数值模式的初始风场进行改进可以提高模拟精度．从而改善因测站稀疏造成的中小尺度系统漏报的不足，提高降水的预报精度。     

GNSS反演资料在GRAPES_Meso三维变分中的应用

为了进一步提高GRAPES_Meso的分析和预报效果,该文在GRAPES_Meso三维变分同化系统中建立了同化GNSS/RO反演的大气资料的观测算子,实现了对GNSS/RO反演的大气资料的同化应用,并通过2013年7月1个月的同化和预报试验分析了GNSS/RO反演大气资料对GRAPES_Meso模式系统分析和预报的影响。结果表明:增加了GNSS/RO反演大气资料的同化后,GRAPES_Meso位势高度场的分析误差明显减小,平均分析误差减小约8%,预报误差略有减小,平均预报误差减小约1%;湿度场的分析误差和预报误差变化不明显,常规观测资料稀少的青藏高原地区的降水预报技巧有所提高,小雨到大雨的ETS (equitable threat score) 评分提高约0.01,对全国及其他分区的降水预报技巧总体上有正效果。     

一次南方大暴雨过程的数值模拟及其误差的敏感性诊断分析

选用0．18度（约20km）分辨率中尺度大气非静力模式GARPES-Meso对2005年5月31日-6月1日发生在湖南省的大暴雨过程进行了数值模拟和敏感性试验，并用探空、地面加密实况资料和客观分析场资料等对模拟结果进行细致的误差分析和诊断研究。结果表明：此次暴雨过程发生的大尺度环流背景、尤其是500hPa环流形势及其变化过程的模拟与实况非常接近；模式对暴雨过程累积降水总分布特征、大降水的主要落区等的模拟能力亦较强。从天气过程的角度看，模式可以对降水短期预报提供有较好参考和指导价值的可用数值产品。当然，本次暴雨过程细节特征的模拟还存在着一定偏差，如：模拟降水出现过早、降水峰值模拟偏弱、低层风速模拟偏大、高空急流核风速模拟偏小等。诊断分析显示，引起这些模拟误差的原因并不相同。模拟降水出现过早，主要是由模式初值误差引起，而非模式本身原因。处于暴雨区的初始低层风场偏差，在有利的环流条件下，积分前几个小时内不断增长并向对流层低层的上部扩展，引起模式低层风场和水汽发生异常辐合，进而激发出模式降水。而模拟降水峰值显著偏弱的可能原因，一是暴雨发生前高空急流核细节特征的模拟出现偏差，影响了高空强辐散与低层强辐合的垂直耦合，导致暴雨区高空辐散和垂直运动的模拟呈现出一种明显偏弱的连锁反应；二是模式次网格尺度和网格尺度降水方案的协调性不够，对流调整和对流对格点尺度温湿场的反馈似乎还不够有效，影响了模式格点尺度产生凝结至雨的温湿条件，进而影响显式降水方案作用的发挥。上述两方面因素的不断相互作用，对模拟降水构成一种负反馈影响。最终导致模拟降水峰值显著偏弱。要提升中尺度模式定量降水预报能力，还需特别关注模式物理过程的描述和提高模式降水物理过程方案之间的协调性。     

Effects of terrain-following vertical coordinates on high-resolution NWP simulations

With increasing resolution in numerical weather prediction(NWP)models,the model topography can be described with finer resolution and includes steeper slopes.Consequently,negative effects of the traditional terrain-following vertical coordinate on high-resolution numerical simulations become more distinct due to larger errors in the pressure gradient force(PGF)calculation and associated distortions of the gravity wave along the coordinate surface.A series of numerical experiments have been conducted in this study,including idealized test cases of gravity wave simulation over a complex mountain,error analysis of the PGP estimation over a real topography,and a suite of real-data test cases.The GRAPES-Meso model is utilized with four different coordinates,i.e.,the traditional terrain-following vertical coordinate proposed by Gal-Chen and Somerville(hereinafter referred to as the Gal.C.S coordinate),the one-scale smoothed level(SLEVE1),the two-scale smoothed level(SLEVE2),and the COSINE(COS)coordinates.The results of the gravity wave simulation indicate that the GRAPES-Meso model generally can reproduce the mountain-induced gravity waves,which are consistent with the analytic solution.However,the shapes,vertical structures,and intensities of the waves are better simulated with the SLEVE2 coordinate than with the other three coordinates.The model with the COS coordinate also performs well,except at lower levels where it is not as effective as the SLEVE2 coordinate in suppressing the PGF errors.In contrast,the gravity waves simulated in both the Gal.C.S and SLEVE1 coordinates are relatively distorted.The estimated PGF errors in a rest atmosphere over the real complex topography are much smaller(even disappear at the middle and upper levels)in the GRAPES-Meso model using the SLEVE2 and COS coordinates than those using the Gal.C.S and SLEVE1 coordinates.The results of the real-data test cases conducted over a one-month period suggest that the three modified vertical coordinates(SLEVE1,SLEVE2,and COS coordinates)give better results than the traditional Gal.C.S coordinate in terms of forecasting bias and root mean square error,and forecasting anomaly correlation coefficients.In conclusion,the SLEVE2 coordinate is proved to be the best option for the GRAPES-Meso model.     

基于自组织映射神经网络的吉林省春夏期降水统计模拟研究

利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模态,研究逐日降水和天气模态之间的关系,并基于此关系提出逐日降水量的蒙特卡罗模拟方法。结果表明:SOM对天气模态的分型质量较好,邻近天气模态的累积概率分布较相似,距离较远的天气模态累计概率分布差异较大。各天气模态下无降水的概率与日降水量区间宽度的相关系数为-0. 94,显著性水平小于0. 01。基于降水量累积概率分布,20种天气模态被划分成4类,并与降水易发程度和逐日降水量完全对应。在此基础上,对吉林省24个站点逐日降水量进行蒙特卡罗模拟,并进行预测性能分析。平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RM SE)的中位数分别为3. 12 mm和6. 13 mm,SBrier和Ssig分别为0. 06和0. 51,站点的逐日降水量预测性能整体较好。MAE和RMSE分布呈现东南大西北小,去除降水自然变异差异的影响,所有站点的误差都较小; SBrier和Ssig没有明显的空间分布特征。     

一种新型高度地形追随坐标在GRAPES区域模式中的实现:理想试验与比较研究

将一种新的高度地形追随坐标(Klemp坐标)引入了GRAPES区域模式,并与传统追随坐标(Gal-Chen坐标)和平缓地形追随坐标(SLEVE,Smooth Level Vertical coordinate)进行了比较。对不同坐标下气压梯度力的计算误差通过理想静止大气试验进行了评估,结果表明:与Gal-Chen坐标和SLEVE坐标相比,Klemp坐标有效地减小了气压梯度力的计算误差。理想重力波模拟试验表明,Klemp坐标下对重力波的模拟相比其他两种坐标也更接近于解析解。模式进一步采用了Mahrer气压梯度计算方案减少了计算误差,并提高了模式的精度和稳定性。实际个例试验与理想试验的结论相似。     

公里尺度区域变分同化中引入大尺度约束的影响研究

公里尺度资料同化系统的框架设计和资料选择均侧重于中小尺度分析,常存在大尺度分析能力不足的问题。本研究在GRAPES（Global/Regional Assimilation and Prediction System）区域3 km三维变分同化目标泛函中增加大尺度约束,将全球系统的大尺度信息引入到分析框架中去,研究其对公里尺度同化预报的影响。一个月的数值试验结果表明,引入大尺度约束可以显著改进大尺度形势场的分析和预报,提高降水预报评分,减少2 m温度和10 m风场的分析预报误差。进一步的,定量降水敏感性试验结果表明,大尺度湿度场和温度场约束对于改进降水评分十分重要。这其中,湿度场约束对于减少降水空报以及提高短时临近降水的TS（Threat Score）评分重要,而温度场约束对于改进较长时效的TS降水评分重要。此外,在均引入大尺度约束的条件下,采用完全循环（一个月中间无冷启）方案运行的试验获得了与局部循环（每日冷启）相当的分析预报结果。这为GRAPES区域公里尺度系统采用完全循环方案,进一步简化流程,减少计算消耗奠定了很好的基础。     

一次局地短时强降水的成因和预报误差分析

利用常规气象观测资料、NCEP/NCAR再分析资料和多普勒天气雷达资料,对2016年8月6—8日潍坊一次强对流天气的成因和预报误差进行了分析,结果表明：1）500 hPa冷涡底部低槽、850 hPa低涡切变线和地面倒槽是主要影响天气系统, 数值预报对此次天气过程的影响系统预报偏差大,而预报员对数值预报依赖程度高是此次预报失误的主要原因;2）850 hPa以下强的水汽辐合是强降水发生的重要条件,低层辐合和高层辐散配置导致的强垂直上升运动是暴雨产生的动力机制,位势不稳定因中高层的冷空气入侵下沉得以加强;3）列车效应和强回波维持少动是造成短时强降水的重要回波特征,逆风区的发展和移动对于判断强降水的落区有指示作用,多普勒雷达反演风场中的中尺度辐合线是导致局地强降水发生的直接原因;4）风廓线雷达水平风场可以连续地反映降水过程中风场垂直结构及其变化,降水发生前探测高度明显升高,中高层冷空气侵入时间与强降水的时段相对应。     

不同纬度天气尺度扰动影响2020年夏季梅汛期降水的数值模拟

利用观测资料和区域气候模式RegCM4.6,研究了高纬和低纬天气尺度扰动对2020年梅雨期降水的可能影响。观测分析表明:2020年6月、7月长江中下游降水在周期上表现为10 d以下的天气尺度扰动,在降水过程中存在多次中高纬度天气尺度扰动的南传与低纬扰动的北传。在此基础上,设计改变不同纬度天气尺度扰动(10 d)输入的侧边界敏感性试验。数值模拟结果表明:从平均环流来看,当中高纬西北侧边界的天气尺度扰动减弱时,大气平均环流动能向天气尺度扰动动能转换的位置发生北移,影响副高北侧纬向西风带北移,使得梅雨期降水中心从长江中下游地区北移到淮河流域;从时间演变来看,当去除中高纬西北侧边界的天气尺度扰动时,850 hPa上E矢量散度南传减弱,低纬纬向风异常能够向北传播。纬向风异常产生的涡度变化有利于副热带高压北抬,使得雨带可以较早北抬到34°N以北,标志江淮地区出梅。低纬南侧边界的天气尺度扰动减弱时,梅雨期降水略有增强,但对雨带的进退影响较小。因此,观测和数值模拟结果表明,2020年夏季梅雨期降水强度和雨带的维持主要与中高纬度天气尺度扰动异常密切相关,中国北部尤其中国西北部到巴尔喀什湖地区天气尺度扰动偏强且南传是此次梅雨强度偏强和雨带维持的重要原因。     

FY-3A卫星微波资料的集合变分混合同化试验

以2012年"北京7.21暴雨"为例,实现了集合变分混合同化方法对FY-3A的微波温度仪和微波湿度仪资料的直接同化,并与三维变分方法进行了比较。结果表明:虽然两种同化方法同化FY-3A微波资料都能改进降水模拟效果,但是与实况相比,集合变分混合同化方法改进效果更为明显,其能有效减少虚假强降水的模拟,改进强降水中心位置的模拟,SAL评分定量检验也同样表明,集合变分混合同化方法对暴雨的模拟效果要优于三维变分同化方法;无论是热力学变量还是动力学变量,集合变分同化得到的初始场均方根误差均显著小于三维变分同化的结果;两种方法同化FY-3A微波资料均能改变初始场中的各种物理量信息,但不同方法得到的同化增量大小和分布却有明显的差异:三维变分同化方法对初始场的调整区域和强度都要大于混合同化方法,且其同化增量表现出均匀和各向同性的分布特点;而利用集合信息的混合同化方法得到的同化增量分布表现为非均匀性和各向异性,具有"流依赖性"的特征,这使得初始场的分布更合理,有利于改善降水的模拟效果。     

2017 年乌鲁木齐区域数值预报业务系统预报性能检验和评估

基于乌鲁木齐区域数值预报业务系统,运用MET检验工具,对2017年各季节DOGRAFSv1.0预报性能进行客观检验。结果表明：（1）2m温度日间预报温度整体偏低,夜间多数站点预报温度偏高;冬季预报温度偏高,其他三个季节温度预报整体偏低。10m风速冬季模拟性能最差,春季次之;所有季节风速预报均偏大。（2）夏季、秋季高空温度预报误差小,在3.0℃以内,冬季误差最大,温度预报整体呈冷偏差;不同季节高空位势高度随高度增加误差增大,误差约在6.5～12.0gpm,预报高度比实际高度偏低;不同季节高空U、V风随高度增加误差先增大后减小,均方根误差分别为2.4～6.2m/s和1.8～5.2m/s,U风预报整体比实况偏小,V风预报整体比实况偏大。（3）冬季大阈值降水漏报率较高,12.1mm阈值降水Bias评分仅为0.2,秋季大阈值降水空报率较高,12.1mm阈值降水Bias评分在2.0以上,夏季空、漏报率较低;在新疆地区,四个时段中14～20 BJT 、20～次日02 BJT空报站点数多于漏报,14～20 BJT空报率最高,02～08 BJT漏报率最高,08～14BJT晴雨预报以漏报为主;日间Ts评分高于夜间。     

江西及其临近区域同化系统中不同季节背景误差协方差特征及其对降水预报影响

在不同季节背景下,对比分析多元变量相关的背景误差协方差特征,了解其在天气过程中的作用,可以改进同化系统性能,提高降水数值预报水平。对比分析汛期和非汛期江西及其临近区域多元变量相关的背景误差协方差特征,分别选取2019年汛期和非汛期的2次降水过程,设计2组循环同化试验,探讨多元变量相关的背景误差协方差对江西降水预报效果的影响。结果表明,相较于非汛期,汛期分析变量对风场、温度场和水汽场的贡献值整体上要更大,且汛期各个控制变量的背景场误差更为显著。多元变量试验的降水预报评估效果整体上更好,其汛期预报效果改善更显著。汛期与非汛期的多元变量试验降水预报结果更接近实况,且相对非汛期降水而言,汛期多元变量试验模拟效果更好,模拟的降水分布及强度与实况更为接近。