集合KALMAN滤波和最优插值方法在不同观测分布的比较理想试验

目前一种比较流行并且可行的同化方法-集合Kalman滤波(EnKF)能够计算依赖于流的误差统计量。理论上,EnKF能够比最优插值、三维变分等更准确地计算误差统计量,能更好地融合背景场和观测场的信息。作者利用二维平流扩散方程经过10天的同化循环,比较不同观测分布的情况下EnKF和最优插值(OI)的模拟能力。理想试验结果显示,随着观测分布密度的减小,尤其是当观测的分辨率大于OI估计的相关尺度时,集合Kalman滤波的结果比最优插值有更明显的改进。     

全球资料同化中误差协方差三维结构的准确估计与应用Ⅱ:背景误差协方差调整与数值试验分析

利用NMC方法针对背景误差协方差的方差、三维相关与特征长度来揭示T213L31模式的误差主要特点,并与传统更新矢量方法的计算结果进行了对比与调整。结果表明NMC方法结果与更新矢量方法结果在大体特征上基本吻合,但细节上的差异不可忽视,特别是对背景误差方差与特征长度的估计存在显著的差异,其主要原因是NMC方法倾向于高估天气尺度波的背景误差,而低估次天气尺度到中尺度波的背景误差。通过对背景误差方差、特征长度的调整,显著改善了背景误差功率谱的分布特点,使得NMC方法结果与更新矢量方法结果更为吻合。通过三维变分同化与最优插值中观测与背景误差相对重要性的比较,发现两者结果基本一致,但三维变分同化在850 hPa以下的温度场和300 hPa以上的风场统计结果都表现出背景误差相对于观测误差偏小的特点。背景误差相对于观测误差偏小有助于保证分析场中质量场与风场平衡,消除了大气底层和高层质量场与风场不匹配现象。在数值试验中,针对不同的背景误差均方差与特征长度的特点,分析了分析增量和预报效果的差异,结果表明,准确的背景误差估计与优化工作改善了预报效果,使得北半球三维变分同化的120 h预报效果整体好于现有最优插值。     

应用通量方差法估算戈壁绿洲下垫面湍流通量的研究

利用“绿洲系统能量与水分循环过程观测试验” 2005年绿洲、戈壁点的观测资料, 分析与讨论了温度、水汽的归一化标准差随稳定度变化的通量方差关系, 应用通量方差法对感热、 潜热通量进行了计算, 并同涡动相关系统的观测结果进行了比较。不稳定条件下, 戈壁点温度归一化标准差随稳定度变化的通量方差关系优于下垫面非均匀性更强的绿洲点, 绿洲点水汽的归一化标准差随稳定度变化的通量方差关系较温度量表现得更好。对同一站点, 归一化温度标准差的通量方差关系并不总是优于水汽的通量方差关系, 其取决于该站点的温度以及水汽的源汇分布情况; 通量方差法对两个站点的感热、 潜热通量均有较好的再现, 但戈壁点感热通量的计算效果优于非均匀性更强的绿洲点。应用通量方差法对潜热通量计算时若采用直接观测的感热通量, 则潜热通量的计算效果具有一定程度的改善。     

基于通量方差法对青藏高原东侧高寒草甸地表通量的估算

利用位于青藏高原东侧理塘大气综合观测站2008年观测资料,分析了高寒草甸下垫面上地表通量的时间变化特征,确定了温度、水汽和CO₂的归一化标准差在不稳定情况下随稳定度变化的通量方差关系,应用通量方差法对感热、潜热和CO₂通量进行了计算,并与涡旋相关系统的观测结果进行了比较。结果表明：地表通量月平均日变化呈较为规则的日循环特征,季节变化特征也很明显,雨季（5-9月）潜热大于感热,干季则以感热为主,CO₂通量以6-9月值最大。在不稳定条件下,温度、水汽和CO₂的归一化标准差随稳定度的变化均满足-1/3规律,其通量方差相似性常数分别为1.2,1.4和0.9。通量方差法估算出的通量值与涡旋相关观测得到的通量值有较好的一致性,但感热通量的效果优于潜热通量和CO₂通量。该方法高估了感热通量尤其是潜热通量,而低估了CO₂通量。采用直接观测的感热通量值计算潜热通量和CO₂通量可改善计算结果。     

应用奇异向量方法的适应性观测实例研究

近年来,通过适应性观测技术来减小预报误差已成为国际上数值预报中的一项关键技术,然而实施适应性观测对减小预报误差的影响评估是一个需要深入讨论的问题。文中利用奇异向量方法以2007年3月4日东北地区暴风雪天气过程为研究对象,考察了预报误差对不同观测区域观测资料的敏感性,在确定能量范数的基础上,分析了奇异向量的水平分和特征和垂直分布特征,利用奇异向量的空间结构确定了敏感区域。通过伪逆初始扰动场作为分析误差,研究验证区域的预报误差对不同区域增加观测的敏感性,试验结果表明,在敏感区域内进行补充观测来改善分析误差,能够最有效地提高验证区域内的预报水平;而减小非敏感区域内的分析误差对减小预报误差的贡献相对较小。这些结果表明,利用奇异向量法定义敏感区进行适应性观测,能够和有限的观测资源和计算资源的条件下,最大程度地减小验证区域的预报误差,从而达到提高验证区域预报准确率的目的。     

GRAPES全球变分同化背景误差协方差的改进及对分析预报的影响：背景误差协方差三维结构的估计

回顾并详细推导了估计背景误差协方差统计特征的美国国家气象中心(NMC)方法及其优缺点;采用NMC方法系统地估计了新版GRAPES全球模式的背景误差方差、水平相关特征尺度和垂直相关结构,并与欧洲中心模式结果进行了比较。结果表明,目前GRAPES全球模式的背景误差方差比以前有了显著减小;水平相关特征尺度随纬度和高度有显著变化;背景误差垂直相关结构与欧洲中心模式结果非常一致,相比经验公式结果更具物理意义,同时,单点试验结果也表明,更新后的垂直相关结构产生的分析增量更合理。通过与欧洲中心模式背景误差协方差三维结构的对比,分析了不同模式间背景误差协方差的异同及GRAPES全球同化分析系统目前存在的一些不足及可能原因。为新版GRAPES全球模式的三维变分系统提供了基本的背景误差协方差的三维结构。     

中国地面气温统计降尺度预报方法研究

利用中国752个基本、基准地面气象观测站2000—2010年地面温度日值数据,采用具有自适应特征的Kalman滤波类型的递减平均统计降尺度技术,对中国地面温度进行精细化预报研究。分析该方案的降尺度效果,并与常用插值降尺度方法进行比较。结果表明:1)递减平均统计降尺度技术相比插值方法有较大的提高,显著减小东西部预报效果差异,1~3 d预报的均方根误差减小了1.4℃;2)该方案1~3 d预报的均方根误差为1.5℃,预报误差从东南地区(均方根误差为1.4℃)向西北地区(均方根误差为1.8℃)逐渐增大,并且预报效果夏季优于冬季。因此,递减平均统计降尺度技术对中国地面温度进行精细化预报是可行的。     

复杂地形对计算地表太阳短波辐射的影响

首先利用数字高程数据(DEM)、大气辐射传输模式6S以及野外观测资料计算了复杂地形(青藏高原)上地表入射太阳辐射,然后计算不考虑地形产生的地表辐射的计算误差,对误差进行归一化后得到相对辐射误差.结果显示,相对辐射误差的标准差(即相对地表辐射计算误差绝对值的统计平均值) Se随太阳天顶角的增加呈指数增长,随高度标准差的增加几乎呈线性增长,随数字高程数据的分辨率(或卫星资料的分辨率)降低而降低.利用分步拟合方法拟合了Se随太阳天顶角、高度标准差和数字高程分辨率的变化.利用拟合方程可以计算任意地形条件下,不同分辨率的卫星(或数字高程)资料在不同太阳天顶角情况下,不考虑地形复杂性产生的平均地表入射太阳辐射的计算误差,结果表明,使用中分辨率的卫星(如MODIS)资料计算地表太阳净辐射时,需要考虑地形复杂性.     

自动气象站温湿度传感器更换的影响评估

选取湖北省自动观测记录较长的38个站作为被检站,每个被检站选取3个邻近站,统计相对湿度、水汽压序列与邻近站的相关系数、平均值及方差变化情况,分析由人工观测改变为自动气象站观测后,两者存在的差异,并对其中4个国家基准气候站2003—2011年自动观测和同期人工观测进行对比,得到这4个站9年内每次更换温湿度传感器对相对湿度、水汽压记录的影响情况。结果表明:对比自动观测与人工观测两个序列,被检站与对应邻近站的相对湿度、水汽压的相关系数呈减小趋势,两种观测差值的平均值和方差差异显著;温湿度传感器的更换易产生相对湿度和水汽压记录的跳变;温湿度传感器的检定示值误差是加剧自动观测与人工观测序列显著差异的重要因素;改进观测方法,完善自动气象站检定规程,是自动观测与人工观测序列均一性的重要保证。     

流依赖球面小波背景误差协方差模型设计和初步试验

基于资料同化集合设计了流依赖球面小波背景场误差协方差模型中背景误差方差和局地垂直相关协方差的统计计算方法。为了提高背景误差方差的估计精度,采用客观滤波技术来减少因集合样本个数不足而引入的随机取样噪声。最后在银河四维变分同化业务系统(YH4DVar)上设计了集合资料同化的试验系统,以流依赖背景误差方差为重点验证了模型的有效性。结果表明:基于流依赖球面小波背景误差协方差模型能够有效估计出随天气状态变化的背景场误差方差,对台风等剧烈变化的天气过程的同化分析和预报都具有一定的正效果。      

不同模式误差方案在集合Kalman滤波土壤湿度同化中的比较试验

本文主要目的是探讨不同模式误差方案在土壤湿度同化中的性能。基于集合Kalman滤波同化方法和AVIM (Atmosphere-Vegetation Interaction Model) 陆面模式, 利用理想试验对膨胀因子方案 (Covariance Inflation, 简称CI)、 直接随机扰动方案 (Direct Random Disturbance, 简称DRD)、 误差源扰动方案 (Source Random Disturbance, 简称SRD) 等3种模式误差方案的同化效果进行了比较, 讨论了各方案在不同观测误差、 观测层数、 观测间隔情况下的同化性能。试验结果表明在观测误差估计完全准确的情况下, 3种方案都能获得较好的同化效果, 并且SRD方案相对于真值的均方根误差最小。当观测误差估计不准确时, SRD方案的同化效果仍能基本得以保持, 而CI和DRD方案则对观测误差估计更为敏感, 同化效果下降明显。当同化多层观测时, CI和DRD方案由于难以保持不同层观测之间的匹配关系, 同化结果反而变差, 而SRD方案能有效协调同化多层观测, 增加观测层后同化结果有了进一步的改善。当观测时间间隔较大时, CI和DRD方案的同化效果显著下降; 而SRD方案由于包含了一定的误差订正功能, 在观测稀疏时仍能保持较好的同化效果。     

一种2 m温度误差订正方法在复杂地形区数值预报中的应用

利用模式三维预报变量,结合地面要素预报产品,采用2 m温度三维插值方法进行地形订正,以确保预报与观测三维空间上的一致性,在地形订正基础上,利用历史月均预报误差作为参考误差,剔除模式系统性误差,获取具备日变化特征的预报产品。基于陕西地区复杂地形条件下的典型观测站点,利用2016年8月28日48 h预报个例进行对比分析发现,三维插值方法有效改善了地形差异引起的评估误导问题,但无法改进模式预报的日变化趋势,进一步采用系统性误差订正后,日变化特征明显改善,特别是前24 h预报效果体现出与实况良好的一致性及更佳的预报技巧。通过2016年夏季统计评估表明,误差订正后的2 m温度预报产品有效改善了周期性误差振荡,均方根误差稳定在2 K左右,显示出明显的改进优势。     

Assimilation of time-averaged observations in a quasi-geostrophic atmospheric jet model

The problem of reconstructing past climates from a sparse network of noisy time-averaged observations is considered with a novel ensemble Kalman filter approach. Results for a sparse network of 100 idealized observations for a quasi-geostrophic model of a jet interacting with a mountain reveal that, for a wide range of observation averaging times, analysis errors are reduced by about 50% relative to the control case without assimilation. Results are robust to changes to observational error, the number of observations, and an imperfect model. Specifically, analysis errors are reduced relative to the control case for observations having errors up to three times the climatological variance for a fixed 100-station network, and for networks consisting of ten or more stations when observational errors are fixed at one-third the climatological variance. In the limit of small numbers of observations, station location becomes critically important, motivating an optimally determined network. A network of fifteen optimally determined observations reduces analysis errors by 30% relative to the control, as compared to 50% for a randomly chosen network of 100 observations.     

大连地区ECMWF细网格10 m风场与观测实况对比与检验

选取2016年1月至2018年12月ECMWF（简称EC）细网格10 m风资料,与大连地区8个国家气象观测站地面各类实况风速资料进行对比分析,得出EC 10 m风速预报与最大风速最为接近,与极大风速相关性最好,EC 10 m风速对大连地区8站整体预报平均偏大。通过对EC 10 m风速各预报时限资料与其对应的最大风速误差进行统计分析。结果表明：按实况分类,从风速平均误差来看,实况3级与预报最接近,小于3级时预报偏大,大于3级时预报偏小,各风向间的风速误差也比较明显,但比风级间的误差要小一些;平均绝对误差则是2—3级最小。各时限风速平均误差相差不大,基本在0.1—0.3 m·s^-1间,平均绝对误差则随时限延长呈缓慢增大趋势。风速误差具有明显的日变化,表现出白天小、夜间大、午后最小、下半夜最大的特征。风速误差也因测站不同,在不同风级和风向的反应也各不相同。     

A forecast error correction method in numerical weather prediction by using recent multiple-time evolution data

The initial value error and the imperfect numerical model are usually considered as error sources of numerical weather prediction (NWP). By using past multi-time observations and model output, this study proposes a method to estimate imperfect numerical model error. This method can be inversely estimated through expressing the model error as a Lagrange interpolation polynomial, while the coefficients of polynomial are determined by past model performance. However, for practical application in the full NWP model, it is necessary to determine the following criteria: (1) the length of past data sufficient for estimation of the model errors, (2) a proper method of estimating the term "model integration with the exact solution" when solving the inverse problem, and (3) the extent to which this scheme is sensitive to the observational errors. In this study, such issues are resolved using a simple linear model, and an advection-diffusion model is applied to discuss the sensitivity of the method to an artificial error source. The results indicate that the forecast errors can be largely reduced using the proposed method if the proper length of past data is chosen. To address the three problems, it is determined that (1) a few data limited by the order of the corrector can be used, (2) trapezoidal approximation can be employed to estimate the "term" in this study; however, a more accurate method should be explored for an operational NWP model, and (3) the correction is sensitive to observational error.     

在四维变分同化中运用集合协方差的试验

利用浅水方程模式和模式模拟资料进行数值试验比较3种不同的背景误差协方差矩阵处理方法对四维变分(4DVAR)资料同化的影响.3种背景误差协方差矩阵分别是:(1)对单一变量将背景误差协方差矩阵简化为对角矩阵;(2)将背景误差协方差矩阵的作用简化为高斯过滤;(3)由预报集合生成背景误差协方差矩阵并利用奇异值分解技术解决矩阵的求逆.通过一系列数值试验,比较不同观测密度、不同观测误差下3种背景误差协方差处理方法对4DVAR同化效果的影响.结果表明,背景误差协方差的结构对4DVAR有重大影响.当观测资料的空间密度不够高时,采用对角矩阵得不到满意的结果.高斯过滤方案可以明显改善同化结果,但是对背景误差特征长度比较敏感.第3种方法采用的背景误差协方差矩阵是流型依赖的,而且并不以显式的方式出现在目标函数中.避免了对它求逆的复杂运算.由于做了降维处理,在观测点的密度较低和观测误差较大时可望取得较好的同化结果,同化效果较为稳定.     

基于三台测风激光雷达的大气湍流和三维风场研究

为了获取大气湍流和空间三维风场结构,利用3台同型号的测风激光雷达开展协同观测试验。（1）利用虚拟铁塔协同观测技术开展大气湍流探测,与香河102 m铁塔安装的三维超声风速仪观测结果做对比,32 m处高频（10 Hz）风速的相关系数高达0.92,平均误差为0.77 m/s,均方根误差为0.41 m/s;大气湍流强度（TKE）的相关系数高达0.99,平均误差为?0.02 m2/s2,均方根误差为0.08 m2/s2,并且协同观测的高频风速与三维超声风速仪的观测结果具有相同的频谱结构。（2）利用扫描协同观测技术开展三维风场探测,与铁塔上的常规测风设备相比,其90 m高度处的水平风速和风向的相关系数分别为0.92和0.93,平均误差为?0.41 m/s和0°,均方根误差为0.73 m/s和34°。相比于单台测风激光雷达,基于3台测风激光雷达协同观测技术具有一定的优势:不需要风场水平均匀的假设、探测精度更高等。但其对观测环境的要求较高:观测路径上不能有遮挡、观测必须协同等。在科研业务应用中,需要根据实际的观测需求合理制定观测方案。      

集合卡尔曼平滑和集合卡尔曼滤波在污染源反演中的应用

此文目的是讨论污染源反演问题的统计方法.基于Bayes估计理论,该文将资料同化中的集合平滑、集合卡尔曼平滑和集合卡尔曼滤波应用在污染源反演问题中.在详细给出污染源反演的集合平滑、集合卡尔曼平滑和集合卡尔曼滤波的严格数学表达后,用一个简单的模型演示了集合卡尔曼平滑和集合卡尔曼滤波在污染源反演中的可行性,并且通过对比理想试验结果比较了集合卡尔曼平滑和集合卡尔曼滤波方法在反演污染源排放的效果,讨论了观测误差和污染源先验误差估计对反演结果的影响.试验结果表明在观测间隔小和观测误差小的情况下,集合卡尔曼滤波和集合卡尔曼平滑都可以有效地反演出随时间变化的污染源排放.当观测误差增大时,集合卡尔曼滤波和集合卡尔曼平滑的反演效果都有一定降低,但是反演误差的增加少于观测误差的增加,同时集合卡尔曼平滑(Ensemble Kalman smoother,简称EnKS)对观测误差比集合卡尔曼滤波(Ensemble Kalman filter,简称EnKF)更为敏感.当观测时间间隔较大时,EnKF不能对没有观测时的污染源排放进行估计,仅能对有观测时的污染源排放进行较好的反演.而EnKS可以利用观测对观测时刻前的污染源排放进行反演,因此其效果明显好于EnKF,并且在观测时间间隔较大的情况下依然可以较好地反演出污染源排放.试验结果还显示污染源排放的先验误差估计对反演的结果有较大影响.     

EXPERIMENTAL APPLICATION OF A THINNING SCHEME FOR THE ASSIMILATION OF SURFACE OBSERVATION DATA IN GRAPES-3DVAR

To reduce the spatial correlation of representation error in observations and computational complexity, we propose a thinning scheme that can extract typical observations within a certain range. This scheme is applied to the Global/Regional Assimilation and Prediction System (GRAPES) with three-dimensional variation (3DVAR) to study the effect of the thinning radius on the assimilation results. The assimilation experiments indicate that when the ratio of the model resolution to the observational resolution is 1:3, the simulated results for precipitation are relatively good and have a relatively high equitable threat score (ETS). Moreover, the analysis errors in the temperature and the specific humidity are the smallest, the dependence of the norm gradient vector of the objective function on the number of iterations is slow, gentle, and close to 0, and the minimization results in improved conditions.