卫星微波观测资料在混合同化中的应用

利用美国环境预报中心(NCEP)的GSI(Gridpoint Statstical Interpolation)业务同化系统,采用三维变分同化方法(3DVAR)和三维变分混合同化方法(3DVAR-Ensemble),针对2013年5月8日发生在我国华南地区的一次强降水天气过程进行了数值模拟试验研究,设计了不同组试验方案,将常规观测资料和AMSU-A\MHS\ATMS辐射率亮温资料直接同化进入区域大气模式WRF中,对比分析不同同化试验方案对模式初始场及降水预报效果的影响。数值试验结果表明:从初始时刻的同化增量来看,各试验组均改变了初始场结构,但增量的大小和分布却不同。加入ATMS微波资料的分析增量要小于同化AMSU-A+MHS的;Hybrid同化方法使用具有"流依赖"的背景误差协方差在一定程度上减小了模拟区域周围的虚假增量,使初始场的分布更真实和合理。从降水模拟的强度和空间分布评估结果来看,使用Hybrid方法同化ATMS的资料可以比较准确预报出降水中心的位置。综合而言,采用Hybrid的方法同化ATMS的资料最优。     

基于集合变分混合同化方法的双台风数值模拟

采用基于WRF模式的集合变分混合同化方法(Ens-3DVAR),对2013年双台风“菲特”和“丹娜丝”的路径、强度和降水进行模拟,结果表明:对双台风路径和强度的模拟,无论是模拟效果还是稳定性,Ens-3DVAR方法72 h模拟效果最优;三种试验方法对降水都有一定的模拟能力,SAL评分表明无论是对降水结构、强度,还是降水位置的模拟,Ens-3DVAR方法模拟效果最好;从Ens-3DVAR和3DVAR方法得到的初始时刻的同化增量场来看,同化卫星资料后,两种方法均改变了初始场信息,但Ens-3DVAR试验与3DVAR试验的增量无论是大小还是分布范围明显不同,说明预报系统的局地信息改变对模拟效果有很大的影响;Ens-3DVAR方法采用集合背景场和流依赖性背景误差协方差,弥补了传统3DVAR中采用均匀、各向同性、准定常的背景误差协方差所带来的局限,提供了更接近实际大气的背景场;同时该方法采用了多个不同时刻的输入资料,说明Ens-3DVAR方法是数值预报中利用历史资料的一种可行途径。      

GRAPES集合卡尔曼滤波资料同化系统Ⅱ：区域分析及集合预报

GRAPES集合卡尔曼滤波资料同化方法能够分批同化常规观测资料,GRAPES集合卡尔曼滤波同化系统的设计及其与GRAPES三维变分同化系统的对比试验结果表明,GRAPES集合卡尔曼滤波系统能够得到合理的分析,并且具有实际运行能力。在此基础上,进行集合卡尔曼滤波区域同化分析及集合预报试验,对比区域模式面三维变分同化分析预报结果,研究表明,集合卡尔曼滤波分析比三维变分分析具有一定优势,降水预报更接近实况。考察了预报误差特征随天气形势的变化情况,表明预报误差相关场和均方差的分布随着天气形式不同而变化。     

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。     

华南暴雨区域集合预报中不同同化方案的影响试验研究

基于全球集合预报系统(GEFS)资料,利用WRF中尺度模式及GEFS动力降尺度获取区域集合预报初值场,通过对同化后的分析场进行模式积分实现华南前汛期区域集合预报。对2019年6月10日的一次华南前汛期暴雨过程进行不同同化方案的试验:混合同化(Hybrid)、三维变分(3Dvar)、集合卡尔曼滤波(EnKF)和对比试验(Ctrl)四组试验的对比分析,探讨具有不同背景误差协方差矩阵的同化方案对区域集合预报集合扰动和集合离散随时间演变特征的影响,评估不同试验的降水模拟效果。(1) Hybrid对模式初始场有较好的改善作用,而3DVar和EnKF对初始场的改善作用不明显。(2) 对风场、温度场和湿度场,在前期预报中Hybrid的预报误差小于3DVar和EnKF,在中后期的预报中,3DVar和EnKF的预报误差得到改善,且好于Hybrid。同样,集合扰动能量,Hybrid和Ctrl在前期预报发展好于3DVar和EnKF,而在中后期的预报3DVar和EnKF好于Hybrid和Ctrl。(3) 从24 h累积降水评分中,整体上同化试验好于Ctrl,3DVar和EnKF好于Hybrid,且3DVar对大中雨级别的降水评分较好,而EnKF对暴雨以上级别的降水评分较好。(4) 对于集合统计检验分析,同化试验的AUC值都大于Ctrl的AUC值,24 h累积降水量阈值在10~100 mm的AUC值,3DVar最好;而125 mm阈值的AUC值,EnKF最好。      

大气风温湿垂直观测网资料快速更新混合同化试验研究

基于WRF预报模式、WRFDA Hybrid集合变分同化系统和ETKF方法,构建了面向城市气象观测网数据的快速更新混合同化系统。针对北京地区地基微波辐射计和风廓线雷达组网观测资料数据同化,开展了静态背景误差调整因子(特征长度尺度因子和方差因子)、局地化距离和集合权重系数4个重要参数敏感性试验研究。试验结果表明：当温度、相对湿度、u风和v风的特征长度尺度因子和方差因子分别调整为0.7/1.0、1.0/1.0、0.7/1.0和0.7/1.0,局地化距离和集合权重系数分别调整为11.2 km和0.5时,快速更新混合同化系统的分析场均方根误差最小。为对比三种常用同化方案,开展了默认参数混合同化、最优参数混合同化、三维变分同化对比试验,试验结果表明：在针对北京地区地基微波辐射计和风廓线雷达组网观测资料的快速更新同化预报试验中,混合同化方案表现优于三维变分,同时相对于默认参数混合同化方案,最优参数混合同化方案的风场、温度及湿度的分析场和预报场得到了进一步改善：风温湿的分析场均方根误差分别最大降低了13%、19%和5%,12～24 h预报场的均方根误差分别最大降低了2%、12%和5%。     

GRAPES混合同化方法在青藏高原区域的初步试验

针对青藏高原地区气象观测站点稀少和模式同化分析质量较低的问题,将GRAPES区域集合变分(En-3DVAR)混合同化系统应用于青藏高原地区,进行了单点理想试验和真实观测资料同化分析预报试验,分析评估青藏高原混合同化分析增量及预报误差的水平垂直结构特征及其合理性,并与中国东部平原地区进行比对。单点理想试验表明,En-3DVAR混合同化系统中背景误差协方差具备流依赖属性。真实资料混合同化试验结果表明,基于集合预报估计的分析增量具有流依赖的特征,特别是在高原地区和槽脊系统附近;青藏高原地区分析场的绝对误差总体低于3DVAR系统,其平均绝对误差在中层和高层低于平原地区,说明在青藏高原地区的改进效果略优于平原地区。需要关注的是,青藏高原地区En-3DVAR混合同化分析增量总体大于3DVAR,特别是近地面层u风分量分析增量明显偏大,这可能与青藏高原复杂地形有关。     

台风预报误差的流依赖特征及混合资料同化中最优耦合系数

基于集合卡尔曼变换与三维变分(ETKF-3DVAR)混合资料同化系统和欧洲中期天气预报中心(ECWMF)的全球集合预报,以"梅花"台风为例,分析了台风系统预报误差的流依赖特征,讨论了耦合系数在混合同化和预报中的敏感性及其对预报质量的影响。结果显示,台风系统的预报误差协方差具有显著的中小尺度结构特征,集合估计的预报误差协方差结构能够再现其流依赖属性。相对于3DVAR方案,混合资料同化方案的最优耦合系数对台风系统的分析和预报质量具有更好的改善;但不同的耦合系数对台风路径预报有明显的影响,不合适的耦合系数甚至可能导致更坏的结果,只有耦合了相对合适的预报误差协方差的流依赖信息,混合资料同化方案才可能对分析和预报质量有正效果。这表明在混合资料同化系统中,构造一种具有自适应能力的耦合权重函数,实现相对最优权重的自动选择,对充分发挥混合资料同化方案的潜在优势具有重要意义。     

一种控制变量循环扰动和多参数化方案的混合同化方法

敏感性试验表明集合变换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)方法在混合(Hybrid)同化过程中易受观测资料数量变化的影响而产生较大程度的协方差震荡,从而可能导致系统不稳定。为设计一种简便、稳定的Hybrid同化系统,构建了一种基于物理控制变量扰动及多物理参数化方案的Hybrid同化及预报系统。本系统随着循环的进行,不断对Hybrid同化分析场进行控制变量扰动得到集合成员初始场,并且对各集合成员采用不同物理参数化方案以更合理地表征背景场的误差特征。连续10 d的循环同化及预报试验表明,本文同化方案效果明显优于三维变分方案,动力场的整体同化和预报效果与ETKF方案基本相当。本方案相比于ETKF方法不受观测波动影响,在没有经任何参数调试情况下,取得了良好同化和预报效果,为Hybrid同化的便捷运行提供了一种稳定可靠的手段。     

基于优化样本组合的集合-变分混合同化方案研究

为有效引入“流依赖”的背景场误差协方差,同时降低集合预报带来的计算量,尝试通过优选与同化时刻天气形势更相似的历史预报样本,并结合预报过程中的时间滞后样本,将两种样本引入集合-变分混合同化系统中,构建基于优选历史预报样本和时间滞后样本的集合-变分混合同化方案。单点观测理想试验表明,优选历史预报样本结合时间滞后样本,既能够缓解样本不足所导致的采样误差,又能够为同化系统提供“流依赖”的背景场误差协方差。连续一周的循环同化及预报试验结果显示,相较于ERA5资料和探空资料,三维变分方案整体表现稍差,样本组合混合同化方案分析场和预报场的均方根误差最小,且比仅用时间滞后样本的混合同化方案有所改进;降水评分整体也表现最优,尤其对中雨和暴雨的模拟改进较明显,较好地模拟出了强降水中心的强度和位置,且改善了降水过报的问题。      

Coupling Ensemble Kalman Filter with Four-dimensional Variational Data Assimilation

This study examines the performance of coupling the deterministic four-dimensional variational assimilation system (4DVAR) with an ensemble Kalman filter (EnKF) to produce a superior hybrid approach for data assimilation. The coupled assimilation scheme (E4DVAR) benefits from using the state-dependent uncertainty provided by EnKF while taking advantage of 4DVAR in preventing filter divergence: the 4DVAR analysis produces posterior maximum likelihood solutions through minimization of a cost function about which the ensemble perturbations are transformed, and the resulting ensemble analysis can be propagated forward both for the next assimilation cycle and as a basis for ensemble forecasting. The feasibility and effectiveness of this coupled approach are demonstrated in an idealized model with simulated observations. It is found that the E4DVAR is capable of outperforming both 4DVAR and the EnKF under both perfect- and imperfect-model scenarios. The performance of the coupled scheme is also less sensitive to either the ensemble size or the assimilation window length than those for standard EnKF or 4DVAR implementations.     

Hybrid ETKF-3DVAR方法同化多普勒雷达速度观测资料Ⅰ:模拟资料试验

利用WRF(Weather research and forecasting)模式及模式模拟的资料,采用Hybrid ETKF-3DVAR(ensemble transform Kalman filter-three-dimensional variational data assimilation)方法同化模拟雷达观测资料。该混合同化方法将集合转换卡尔曼滤波(ensemble transform Kalman filter)得到的集合样本扰动通过转换矩阵直接作用到背景场上,利用顺序滤波的思想得到分析扰动场;然后通过增加额外控制变量的方式把"流依赖"的集合协方差信息引入到变分目标函数中去,在3DVAR框架基础下与观测数据进行融合,从而给出分析场的最优估计。试验结果表明,Hybrid ETKF-3DVAR同化方法相比传统3DVAR可以提供更为准确的分析场,Hybrid方法雷达资料初始化模拟的台风涡旋结构与位置比3DVAR更加接近"真实场",对台风路径预报也有明显改进。通过对比Hybrid S试验与Hybrid F试验发现,Hybrid的正效果主要来源于混合背景误差协方差中的"流依赖"信息,集合平均场代替确定性背景场带来的效果并不显著。     

Assimilating AMSU-a radiance data with the WRF hybrid En3DVAR system for track predictions of Typhoon Megi (2010)

The impact of assimilating radiances from the Advanced Microwave Sounding Unit-A (AMSU-A) on the track prediction of Typhoon Megi (2010) was studied using the Weather Research and Forecasting (WRF) model and a hybrid ensemble three-dimensional variational (En3DVAR) data assimilation (DA) system. The influences of tuning the length scale and variance scale factors related to the static background error covariance (BEC) on the track forecast of the typhoon were studied. The results show that, in typhoon radiance data assimilation, a moderate length scale factor improves the prediction of the typhoon track. The assimilation of AMSU-A radiances using 3DVAR had a slight positive impact on track forecasts, even when the static BEC was carefully tuned to optimize its performance. When the hybrid DA was employed, the track forecast was significantly improved, especially for the sharp northward turn after crossing the Philippines, with the flow-dependent ensemble covariance. The flow-dependent BEC can be estimated by the hybrid DA and was capable of adjusting the position of the typhoon systematically. The impacts of the typhoon-specific BEC derived from ensemble forecasts were revealed by comparing the analysis increments and forecasts generated by the hybrid DA and 3DVAR. Additionally, for 24 h forecasts, the hybrid DA experiment with use of the full flow-dependent background error substantially outperformed 3DVAR in terms of the horizontal winds and temperature in the lower and mid-troposphere and for moisture at all levels.     

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.     

Impact of Assimilating Radiances with the WRFDA ETKF/3DVAR Hybrid System on Prediction of Two Typhoons in 2012

The impacts of AMSU-A and IASI (Infrared Atmospheric Sounding Interferometer) radiances assimila-tion on the prediction of typhoons Vicente and Saola (2012) are studied by using the ensemble transform ...     

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。      

Altimetric Data Assimilation by EnOI and 3DVAR in a Tropical Pacific Model: Impact on the Simulation of Variability

When altimetric data is assimilated,3DVAR and Ensemble Optimal Interpolation(EnOI) have different ways of projecting the surface information downward.In 3DVAR,it is achieved by minimizing a cost function relating the temperature,salinity,and sea level.In EnOI,however,the surface information is propagated to other variables via a stationary ensemble.In this study,the differences between the two methods were compared and their impacts on the simulated variability were evaluated in a tropical Pacific model.Sea level anomalies(SLA) from the TOPEX/Poseidon were assimilated using both methods on data from 1997 to 2001 in a coarse resolution model.Results show that the standard deviation of sea level was improved by both methods,but the EnOI was more effective in the central/eastern Pacific.Meanwhile,the SLA evolution was better reproduced with EnOI than with 3DVAR.Correlations of temperature with the reanalysis data increased with EnOI by 0.1-0.2 above 200 m.In the eastern Pacific below 200 m,the correlations also increased by 0.2.However,the correlations decreased with 3DVAR in many areas.Correlations with the independent TAO profiles were also compared at two locations.While the correlations increased by up to 0.2 at some depths with EnOI,3DVAR generally reduced the correlations by 0.1-0.3.Though both methods were able to reduce the model-data difference in climatological sense,3DVAR appears to have degraded the simulated variability,especially during El Nin o-Southern Oscillation events.For salinity,similar results were found from the correlations.This tendency should be considered in future SLA assimilations,though the comparisons may vary among different model implementations.     

TOPOGRAPHIC DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM

Based on the GRAPES-MESO hybrid En-3DVAR (Ensemble three-dimension hybrid data assimilation for Global/Regional Assimilation and Prediction system) constructed by China Meteorological Administration, a 7-day simulation (from 10 July 2015 to 16 July 2015) is conducted for horizontal localization scales. 48h forecasts have been designed for each test, and seven different horizontal localization scales of 250, 500, 750, 1000, 1250, 1500 and 1750 km are set. The 7-day simulation results show that the optimal horizontal localization scales over the Tibetan Plateau and the plain area are 1500 km and 1000 km, respectively. As a result, based on the GRAPES-MESO hybrid En-3DVAR, a topography-dependent horizontal localization scale scheme (hereinafter referred to as GRAPES-MESO hybrid En-3DVAR-TD-HLS) has been constructed. The data assimilation and forecast experiments have been implemented by GRAPES-MESO hybrid En-3DVAR, 3DVAR and GRAPES-MESO hybrid En-3DVAR-TD-HLS, and then the analysis and forecast field of these three systems are compared. The results show that the analysis field and forecast field within 30h of GRAPES-MESO hybrid En-3DVAR-TD-HLS are better than those of the other two data assimilation systems. Particularly in the analysis field, the root mean square error (RMSE) of u_wind and v_wind in the entire vertical levels is significantly less than that of the other two systems. The time series of total RMSE indicate, in the 6-30h forecast range, that the forecast result of En-3DVAR-TD-HLS is better than that of the other two systems, but the En-3DVAR and 3DVAR are equivalent in terms of their forecast skills. The 36-48h forecasts of three data assimilation systems have similar forecast skill.