多普勒天气雷达资料同化对冬季暴雨模拟的影响研究

采用基于本征正交分解的四维集合变分同化（POD-4DEnVar）方法,利用梅州站的多普勒天气雷达资料和NCEP资料,对2015年12月9日一次华南冬季暴雨过程进行同化试验,探讨了同化不同的雷达观测要素对暴雨模拟的影响。结果表明:同化多普勒天气雷达资料有利于削弱控制试验偏强降水的模拟结果,改善降水分布结构;同化不同的雷达观测要素得到的模拟结果不同,同时同化径向风和反射率的降水模拟结果最好。同化试验对降水模拟结果的改善主要通过调整初始时刻的风场和水汽条件来实现,一方面减弱偏南风和偏东风在暴雨区的辐合,阻碍海上暖湿气流对暴雨区的水汽输送,另一方面直接削弱暴雨区的水汽条件,大幅降低水汽混合比。同化试验相对于控制试验的同化增量远大于不同雷达观测要素的同化试验之间的分析场差异,这表明同化不同的雷达观测要素对初始风场和水汽条件的调整呈现类似的特征。虽然同化试验的初始场存在较小的差异,但随着模式积分,16 h后模拟降水出现了明显差异。分析同化试验之间的初始偏差演变发现,850~700 hPa的平均垂直速度偏差和雨水混合比偏差在模式积分至16 h开始急剧增长,这种变量偏差的急剧增长与逐时降水偏差的迅速增加一致,是降水偏差增长的直接原因。另外,这两个变量偏差的增大,也伴随着偏差能量的增大,变量偏差增长最明显的时段为偏差能量增幅最大的时段,且偏差能量迅速增长早于变量偏差和降水偏差的迅速增长,变量偏差增长最明显的区域为偏差能量梯度较大的区域。     

多普勒雷达资料同化对北京“7.21”大暴雨过程模拟的影响

利用新一代中尺度预报模式WRFV3.6及其三维变分同化系统(WRF-3DVAR),对2012年7月21日北京地区的一次暴雨过程进行多普勒天气雷达径向风和反射率的同化试验研究,检验和探讨高时空分辨率多普勒天气雷达资料在改进模式初始场及提高对暴雨过程预报的准确率等方面的应用效果及意义。结果发现雷达资料同化能在初始场中加入反映产生降水的低层风场辐合的动力和锋前暖区充足的水汽条件的物理信息,可以在模式积分开始后改善初始场中水汽和风的分布,较快地模拟出局地对流系统的发生、发展,改善由于中尺度观测资料不足而造成的模式初始场里中尺度信息缺乏的问题。径向速度的同化增加了中尺度信息,对初始流场的调整较为显著,侧重于改进风场。而雷达反射率资料的同化对初始温、湿度场和强回波位置的调整更明显,侧重于改进湿度场。累计降水的预报结果显示,同化径向风资料对雨带的位置、范围有较好的改进,同化雷达反射率资料对暴雨强度的预报有明显的改善。通过降水ETS评分发现,同化常规观测试验相对于控制实验,对于5、15 mm和25 mm降水评分能增加0.1左右,径向风同化试验能增加0.2左右,反射率同化试验能增加0.3左右,而径向风加反射率试验增加的评分介于0.2～0.3。雷达资料对于提高定量降水预报的精确度有着重要作用。     

SVD-En3DVar同化方法在一次飑线过程中的应用北大核心CSCD

基于集合和奇异值分解的三维变分同化方法(SVD-En3DVar)对2009年6月14日江苏地区的一次飑线过程进行多普勒雷达资料同化预报数值试验,以检验该方法在这类尺度较小的强对流天气过程中的同化应用效果。同时,还讨论了SVD-En3DVar的分块局地化方案中水平半径对此次飑线过程同化效果的敏感性,并应用WRF 3DVar进行了平行对比试验。数值试验结果表明,应用SVD-En3DVar方法同化多普勒雷达资料后能够有效调整风场、比湿和位温等状态变量,同化预报结果对分块局地化方案中水平半径参数较为敏感,水平分块半径为50 km时对组合反射率的预报效果最好。SVD-En3DVar和WRF 3DVar两种同化方法同化雷达资料后都能够提高雷达组合回波的预报水平,但SVD-En3DVar方法的效果明显优于WRF 3DVar同化系统,对回波带位置及其向东南方向发展趋势的预报和观测回波较为一致。     

暴雨模拟中多普勒雷达径向速度变分同化的应用

针对2008年6月广东地区的一次强降雨过程,利用WRF中尺度数值模式及其三维变分同化系统(WRF-3DVAR),进行了多普勒雷达径向速度变分同化对暴雨过程模拟效果影响研究。结果表明:WRF-3DVAR能够有效地同化多普勒雷达径向速度,同化后的主要影响在于改进了初始动力场,使得初始场包含有更详尽的中尺度特征信息,进而显著提高模式对广东局地暴雨过程的模拟效果。在高分辨率中尺度数值模式中有效地利用多普勒天气雷达资料,是提高中尺度降雨预报的关键。     

"7·8"特大暴雨过程雷达风场资料的三维变分同化研究

基于中尺度暴雨预报模式AREM和三维变分同化系统GRAPeS-3dvar对2003年7月8日发生在长江中游的一场特大暴雨过程,进行了武汉、宜昌多普勒雷达风场资料的三维变分同化研究,结果表明:(1)增加了武汉、宜昌多普勒雷达反演风场资料后,模式对湘-鄂交界处特大暴雨区的模拟效果改善非常显著.(2)分别单独增加武汉、宜昌多普勒雷达风场资料的三维变分同化后,降水模拟都有明显改进,但要差于对两部雷达风场资料同时进行变分同化的结果,表明同化的中尺度初始风场信息越多,初始场的质量越高,降水模拟效果越好.(3)雷达风场资料的三维变分同化,改善了分析场中尺度结构的描述,从而减轻了spin-up现象,使得模式在积分初期就能模拟出与实况相近的强降水.     

可降水量资料反演及在暴雨数值模拟中的初步应用

通过同化可降水资料改善模式初始湿度场从而提高暴雨模拟与预报效果。首先应用适时回归方法反演大气可降水量资料，然后以1998年6月18—19日暴雨模拟为例，采用变分同化方法研究了可降水量资料在暴雨数值模拟中的作用。数值模拟结果表明：1)MM5模式中同化可降水量资料后，对于雨带位置的模拟效果起到很大的改善；亦可改进暴雨降水强度的模拟效果，改进程度与降水参数化方案有关。2)同化可降水量资料后，明显改善初始湿度场，在一定程度上缓解旋转加强(spin up)问题，从而有效地提高降水模拟效果。3)降水模拟对参数化方案的选取同样敏感，改进初始湿度场的同时应该选择相应的降水参数化方案。     

雷达观测对应模式变量非线性特征及对四维变分同化的影响

四维变分同化（4DVar）中切线性模式和伴随模式的时间积分长度即为同化时间窗的长度。为理解线性模式时间积分长度对4DVar的具体影响,在雷达观测对应变量非线性分析的基础上,进行了一系列不同时间窗（10 min、20 min和30 min）4DVar单点观测试验和一次降雨的实际雷达同化和预报试验。从径向风同化来看:短时间窗（10 min）的风场增量更大、更局地;长时间窗(20 min、30 min)的风场增量则更具系统性特征,但会丢失一些小尺度信息,导致暴雨预报能力降低。从反射率同化来看:短时间窗对6 h内强降水预报有较明显的改善,较长时间窗甚至会降低降水预报效果。研究旨在为合理设置4DVar的同化时间窗提供参考,以有效利用高时空分辨率的雷达观测资料,又尽量减小线性化造成的误差,进而快速有效地同化雷达信息。      

多普勒雷达径向速度同化在淮河暴雨数值模拟中的应用

针对2007年7月淮河流域的一次强降雨过程,利用WRF中尺度数值模式及其三维变分同化系统(WRF-3DVAR),开展了多普勒雷达径向速度的三维变分同化对暴雨过程模拟效果的影响研究。结果表明:WRF-3DVAR能够有效地同化多普勒雷达径向速度资料,同化后使得模式初始场出现了一定的调整,包含更详尽的中尺度特征信息,进而显著改善模式对大暴雨过程前12h降水的模拟效果。在高分辨率中尺度数值模式中有效地利用多普勒天气雷达资料,能较好地提高中尺度降雨预报。     

一次大暴雨过程的多普勒雷达资料同化的敏感性试验

利用WRF中尺度模式及WRF-3DVAR变分同化系统和LAPS雷达资料前处理模块建立试验平台,直接同化S波段多普勒雷达反射率和径向速度资料,通过对2008年8月15-16日发生在我国长江中游的一次大暴雨过程的各项预报对比试验研究,初步检验和评估不同种类多普勒雷达观测数据同化对改进数值模式初始场及其数值预报能力的影响及作用.初步结果表明:多普勒雷达资料同化对提高暴雨数值预报能力有重要作用.无论在24 h累计降水还是在逐时降水预报方面,同化多普勒雷达资料均可使降水雨带分布和强降水中心预报的准确性得到较大改善;多普勒雷达反射率资料同化对初始水汽场的改变显著,对初始风场影响较小,而同化径向速度对初始水汽场的改变较小,但可增加初始风场的中小尺度信息,使初始风场产生较大变化.总体上看,虽然雷达反射率和径向速度资料同化均可改进强暴雨的数值预报,但雷达反射率资料同化对降水雨带和中心预报的改进更为显著和重要.     

多普勒雷达资料的直接同化对降雨预报的影响

利用中尺度数值模式WRFV3.1及其三维变分同化系统WRFVAR3.1,对2008年8月10日奥运期间北京地区发生的一次强对流天气过程进行了多普勒雷达资料变分同化试验,并对同化结果和降水预报进行了对比分析。结果表明:(1)雷达资料的同化能有效改善初始场中风场、水汽、温度场的空间分布、量值大小,使其包含更多中尺度信息;(2)雷达反射率同化对大气的湿度场和温度场影响较大,而雷达径向速度同化则主要调整大气的风场;(3)对短时0～6h内的降水预报,反射率的同化对降水预报改善明显,径向速度的同化对降水预报影响相对较小,而两者的联合同化降水预报效果最好;(4)雷达资料的同化对较长时间6～12h的降水预报仍有较好效果。     

Assimilation of Doppler Radar Data with an Ensemble 3DEnVar Approach to Improve Convective Forecasting

An ensemble three-dimensional ensemble-variational(3DEnVar)data assimilation(E3DA)system was developed within the Weather Research and Forecasting model’s 3DVar framework to assimilate radar data to improve convective forecasting.In this system,ensemble perturbations are updated by an ensemble of 3DEnVar and the ensemble forecasts are used to generate the flow-dependent background error covariance.The performance of the E3DA system was first evaluated against one experiment without radar DA and one radar DA experiment with 3DVar,using a severe storm case over southeastern China on 5 June 2009.Results indicated that E3DA improved the quantitative forecast skills of reflectivity and precipitation,as well as their spatial distributions in terms of both intensity and coverage over 3DVar.The root-mean-square error of radial velocity from 3DVar was reduced by E3DA,with stronger low-level wind closer to observation.It was also found that E3DA improved the wind,temperature and water vapor mixing ratio,with the lowest errors at the surface and upper levels.3DVar showed moderate improvements in comparison with forecasts without radar DA.A diagnosis of the analysis revealed that E3DA increased vertical velocity,temperature,and humidity corresponding to the added reflectivity,while 3DVar failed to produce these adjustments,because of the lack of reasonable cross-variable correlations.The performance of E3DA was further verified using two convective cases over southern and southeastern China,and the reflectivity forecast skill was also improved over 3DVar.     

物理滤波初始化四维变分在临近预报中的应用

运用WRF模式（Weather Research and Forecasting Model,天气研究和预报模式）和WRFDA同化（WRF Data Assimilation,WRF资料同化）系统,探究采用物理滤波初始化四维变分同化方法提高数值预报在临近预报时效的预报能力的可能性。通过采用12 min同化窗,在不显著增加计算量的情况下,得到更协调的模式初始场,从而提高模式预报能力。选取2018年8月华北地区17个降水个例进行研究,结果表明:采用物理滤波初始化四维变分同化技术能够明显改进模式短时临近降水预报能力,明显提高对大量级降水预报的ETS评分,6 h累积降水大于25.0 mm量级的ETS评分由0.125提高到0.190,且6 h累积降水大于60.0 mm量级的ETS评分由0.016提高到0.081。研究还表明:同化雷达风场通过改进初始动力场使次网格尺度降水过程（积云参数化）快速响应,可提高短时临近时段的降水预报能力。     

多普勒雷达基本观测量直接同化对模式物理量场的影响

在GRAPES一3DVar雷达同化模块的基础上,建立了多普勒径向速度和基本反射率因子的直接同化观测算子,实现了雷达反射率因子和径向速度的直接同化,并对2007年7月3日的江淮梅雨进行了模拟试验。结果表明,多普勒径向速度的直接同化的主要影响表现在风场上,能够改善几乎整个三维风场分析,在雷达影响半径范围内,风场明显得到加强,影响当时天气的系统及其高低层配置被合理模拟,但对湿度场影响甚微。雨水混合比的直接同化的主要影响表现在湿度场上,改进了模式对湿度场的模拟,对降水的影响十分显著,有利于准确模拟降水的发展和维持,减小了Spin—up现象;其亦可使整个风场微弱增强,但影响甚微。     

雷达反射率三维拼图观测资料在北方区域数值模式预报系统中的同化应用研究

以业务应用为目标,开展雷达反射率三维拼图观测资料在北方区域数值预报系统中的同化应用研究。采用雷达反射率间接同化方法同化北方雷达反射率拼图观测资料,重点关注其对降水、湿度、温度及风的预报能力影响。首先,基于2017年8月雷达拼图观测资料批量同化和对比试验,对雷达拼图资料同化应用效果进行定量评估,结果表明雷达拼图资料同化虽然加大了地面风场预报误差,但在降水预报和湿度、温度预报等方面有明显的改善作用。其次,选择在业务中预报难度较大的强降水个例开展分析研究,分析表明:（1）同化雷达拼图观测资料有效提高了模式降水预报性能,临近降水发生的循环起报时次预报效果更好;（2）对于短时间多次强降水过程发生的预报,循环同化雷达拼图资料可及时弥补模式中由于前次降水导致的水汽、能量等消耗及热/动力条件削弱,持续支持降水系统发展。最后,通过考察雷达反射率的不同同化方案,发现同化反演水凝物或者估计水汽均能改善模式降水预报性能,但是同化估计水汽对降水预报性能的改善更为明显,联合使用两方案能同时对水凝物分布、热力场等进行调整,可提高模式降水预报性能。      

A Prototype Regional GSI-based EnKF-Variational Hybrid Data Assimilation System for the Rapid Refresh Forecasting System:Dual-Resolution Implementation and Testing Results

A dual-resolution(DR) version of a regional ensemble Kalman filter(EnKF)-3D ensemble variational(3DEnVar) coupled hybrid data assimilation system is implemented as a prototype for the operational Rapid Refresh forecasting system. The DR 3DEnVar system combines a high-resolution(HR) deterministic background forecast with lower-resolution(LR) EnKF ensemble perturbations used for flow-dependent background error covariance to produce a HR analysis. The computational cost is substantially reduced by running the ensemble forecasts and EnKF analyses at LR. The DR 3DEnVar system is tested with 3-h cycles over a 9-day period using a 40/13-km grid spacing combination. The HR forecasts from the DR hybrid analyses are compared with forecasts launched from HR Gridpoint Statistical Interpolation(GSI) 3D variational(3DVar)analyses, and single LR hybrid analyses interpolated to the HR grid. With the DR 3DEnVar system, a 90% weight for the ensemble covariance yields the lowest forecast errors and the DR hybrid system clearly outperforms the HR GSI 3DVar.Humidity and wind forecasts are also better than those launched from interpolated LR hybrid analyses, but the temperature forecasts are slightly worse. The humidity forecasts are improved most. For precipitation forecasts, the DR 3DEnVar always outperforms HR GSI 3DVar. It also outperforms the LR 3DEnVar, except for the initial forecast period and lower thresholds.     

System of Multigrid Nonlinear Least-squares Four-dimensional Variational Data Assimilation for Numerical Weather Prediction (SNAP): System Formulation and Preliminary Evaluation

A new forecasting system—the System of Multigrid Nonlinear Least-squares Four-dimensional Variational (NLS-4DVar) Data Assimilation for Numerical Weather Prediction (SNAP)—was established by building upon the multigrid NLS-4DVar data assimilation scheme, the operational Gridpoint Statistical Interpolation (GSI)?based data-processing and observation operators, and the widely used Weather Research and Forecasting numerical model. Drawing upon lessons learned from the superiority of the operational GSI analysis system, for its various observation operators and the ability to assimilate multiple-source observations, SNAP adopts GSI-based data-processing and observation operator modules to compute the observation innovations. The multigrid NLS-4DVar assimilation framework is used for the analysis, which can adequately correct errors from large to small scales and accelerate iteration solutions. The analysis variables are model state variables, rather than the control variables adopted in the conventional 4DVar system. Currently, we have achieved the assimilation of conventional observations, and we will continue to improve the assimilation of radar and satellite observations in the future. SNAP was evaluated by case evaluation experiments and one-week cycling assimilation experiments. In the case evaluation experiments, two six-hour time windows were established for assimilation experiments and precipitation forecasts were verified against hourly precipitation observations from more than 2400 national observation sites. This showed that SNAP can absorb observations and improve the initial field, thereby improving the precipitation forecast. In the one-week cycling assimilation experiments, six-hourly assimilation cycles were run in one week. SNAP produced slightly lower forecast RMSEs than the GSI 4DEnVar (Four-dimensional Ensemble Variational) as a whole and the threat scores of precipitation forecasts initialized from the analysis of SNAP were higher than those obtained from the analysis of GSI 4DEnVar.     

Impacts of Multigrid NLS-4DVar-based Doppler Radar Observation Assimilation on Numerical Simulations of Landfalling Typhoon Haikui (2012)

We applied the multigrid nonlinear least-squares four-dimensional variational assimilation(MG-NLS4DVar) method in data assimilation and prediction experiments for Typhoon Haikui(2012) using the Weather Research and Forecasting(WRF) model. Observation data included radial velocity(V_r) and reflectivity(Z) data from a single Doppler radar, quality controlled prior to assimilation. Typhoon prediction results were evaluated and compared between the NLS-4DVar and MG-NLS4DVar methods. Compared with a forecast that began with NCEP analysis data, our radar data assimilation results were clearly improved in terms of structure, intensity, track, and precipitation prediction for Typhoon Haikui(2012). The results showed that the assimilation accuracy of the NLS-4DVar method was similar to that of the MG-NLS4DVar method,but that the latter was more efficient. The assimilation of V_r alone and Z alone each improved predictions of typhoon intensity, track, and precipitation; however, the impacts of V_r data were significantly greater that those of Z data.Assimilation window-length sensitivity experiments showed that a 6-h assimilation window with 30-min assimilation intervals produced slightly better results than either a 3-h assimilation window with 15-min assimilation intervals or a 1-h assimilation window with 6-min assimilation intervals.