太湖流域雷达雨量数据水平尺度的选取

由于雷达局部雨量位置存在误差,使得高分辨的雷达雨量数据在实际应用(如水文模拟)中效果不一定更好。因此,在空间邻域内而不是网格尺度上,分析雷达雨量数据与雨量站雨量数据的接近程度,选取合适的水平尺度可降低雷达雨量及其位置误差对水文模拟的影响,在改善雷达雨量数据的应用效果方面具有重要意义。采用FSS(Fraction Score Skill)方法,以太湖流域2007—2010年5个时次的雷达雨量数据为研究对象,以FSS技能得分作为评估指标,研究雷达雨量数据水平尺度的选取。结果表明,在水平尺度为5~70 km范围内,雷达雨量数据与雨量站数据较接近,雷达估测降雨量的技能得分FSS值可达到目标精度FSSuniform,这对雷达估测降雨应用于流域洪水预报等方面有重要意义。      

纬度依赖背景场误差协方差及其对台风同化和预报的影响研究

合理的背景场误差协方差矩阵是做好变分同化的关键。为进一步认识背景场误差协方差矩阵在中尺度预报中的作用,对背景场误差协方差中平衡关系的纬度依赖特征及其对中尺度同化及预报效果的影响进行了研究。为使得平衡关系既包含纬度依赖特征,又降低纬度依赖带来的非平衡的噪音信息,在背景场误差协方差矩阵构造的平衡变换过程中引入了递归滤波的方法,对平衡变换中的回归系数进行了滤波平滑。同化单点观测的理想试验表明纬度依赖的背景场误差协方差具有更合理的动力关系,且滤波后的背景场误差协方差既保持了纬度依赖特征且明显平滑了噪音信息。台风“莫拉克”同化数值模拟试验表明纬度依赖的背景场误差协方差明显提高了36 h及以上的中心海平面最低气压和路径预报的预报效果。      

Wind Speed and Altitude Dependent AMDAR Observational Error and Its Impacts on Data Assimilation and Forecasting

Aircraft Meteorological Data Relay (AMDAR) observations have been widely used in numerical weather prediction (NWP) because of its high spatiotemporal resolution. The observational error of AMDAR is influenced by aircraft flight altitude and atmospheric condition. In this study, the wind speed and altitude dependent observational error of AMDAR is estimated. The statistical results show that the temperature and the observational error in wind speeds slightly decrease as altitude increases, and the observational error in wind speed increases as wind speed increases. Pseudo single AMDAR observation assimilation tests demonstrate that the wind speed and altitude dependent observational error can provide more reasonable analysis increment. Furthermore, to assess the performance of wind speed and altitude dependent observational error on data assimilation and forecasting, two-month 3-hourly cycling data assimilation and forecast experiments based on the Weather Research and Forecasting Model (WRF) and its Data Assimilation system (WRFDA) are performed for the period during 1 September-31 October, 2017. The results of the two-month 3-hourly cycling experiments indicate that new observational error improves analysis and forecast of wind field and geo-potential height, and has slight improvements on temperature. The Fractions Skill Score (FSS) of the 6-h accumulated precipitation shows that new wind speed and altitude dependent observational error leads to better precipitation forecast skill than the default observational error in the WRFDA does.     

沿海缺水灌区地表水地下水联合调配管理信息系统

根据沿海地区实际情况,集成以往的研究成果及相关数据,建立沿海缺水灌区地表水地下水联合调配管理信息系统.该系统具有友好的界面,是地理信息系统、数据库技术以及水资源系统模拟优化等多技术综合集成的动态管理系统.模型具有一定的通用性,可为沿海缺水灌区地表水地下水规划管理服务,也可为各级水管部门准确及时提供水资源信息.     

CHILL、NEXRAD雷达测瞬时暴雨数据的质量评估

雷达可以获取较高时空分辨率的瞬时降水信息,这对河流流量、洪水预报等至关重要.但由于雷达测雨本身的复杂性,使得测雨结果仍存在误差.本文针对美国丹佛机场附近范围内2008年8月9日的一场降雨,对CHILL及NEXRAD雷达获取的降雨数据,利用METv3.0软件,采用l km×1 km网格及UW-MEAN插值方法,对测雨数据质量进行评估.结果表明:利用METv3.0软件可以进行雷达测雨数据质量评估,能得到测雨可靠的统计分析结果,CHILL雷达的RZK反演模式中研究区的测雨效果最好,降雨强度高估或低估的趋势减弱.所给出的结果对雷达测雨效果的进一步研究及METv3.0在雷达测雨数据分析中的应用研究有重要参考价值.     

两种动力控制变量对比分析及其对台风同化和预报的影响

目前常用的流函数-势函数(ψ-χ)和水平风分量(U-V)两种动力控制变量方案分别被认为适用于大尺度同化和对流尺度同化,而两种方案在台风尺度同化中的具体特征及其对台风预报的影响尚未明确。基于WRF-3DVarDA系统,分析不同动力控制变量方案的背景场误差协方差的统计特征,并进行了单点观测同化理想试验和5场台风过程的20组连续循环同化和预报批量试验。两种动力控制变量方案的背景场误差协方差的统计特征分析表明,ψ-χ方案背景场误差更小、长度尺度更大,而U-V方案的局地性特征更明显,方差更大;单点观测试验证实了两种方案的统计特征,也表明ψ-χ作为控制变量会导致虚假负增量的出现;批量试验表明,U-V方案的台风路径、最大风速以及台风强度的整体优于ψ-χ方案;诊断分析表明,U-V方案得到的更合理的热动力结构特征是提高台风预报的主要原因。     

风暴尺度集合卡尔曼滤波中的采样误差订正局地化方法研究

在中尺度WRF-EnSRF系统中最新引入的采样误差订正局地化方法不仅考虑了回归系数偏差,而且计算量较小。该方法基于状态变量和对应观测值的相关系数的分布关系,根据离线蒙特卡洛技术制作的关于集合数和样本相关系数的查找表格确定局地化系数因子,进而订正由集合数选取有限造成的背景误差协方差被低估引起的采样误差。本文利用风暴过程的雷达观测资料做了一系列风暴尺度的资料同化理想试验,探讨了采样误差订正局地化方法在风暴尺度集合卡尔曼滤波同化中的技术特点和同化效果。结果表明:相比于经验局地化方法,采样误差订正局地化方法能够有效地改善集合同化的效果,对距离的敏感度更低,尤其在天气系统发展变化较快的阶段,新方法优势更大。并且,对不同观测变量以及在风暴发展的不同阶段使用不同的局地化方法,所得的结果都存在一定的差异,因此需要根据同化对象合理地选择局地化方法。     

快速更新循环同化系统的背景场误差协方差日变化特征研究及初步应用

目前多数快速更新循环同化系统在各分析时刻常使用固定的背景场误差协方差。为在快速更新循环同化系统中采用日变化的背景场误差协方差,基于RMAPS-ST系统分析了其夏季和冬季日变化背景场误差协方差特征,并进行了同化及预报对比试验。结果表明,该系统夏、冬两季的背景场误差协方差均呈现出明显的日变化特征,且夜间各变量(U、V、T、RH)的误差标准差与特征值均大于日间,反映模式系统夜间的预报误差大于日间;而夏季各变量误差标准差和特征值大于冬季,也说明系统在夏季的模式预报误差比冬季大;连续3 d的循环同化试验初步表明,采用日变化背景场误差协方差可以提高同化及预报效果。     

基于守恒重映射的全球非结构网格模式同化及预报初步应用

全球大气模式在发展过程中不断获得改进,并逐渐采用非结构计算网格,如以球面重心Voronoi网格为特点的MPAS-A模式。为改进MPAS-A模式初值,相关的资料同化研究同步在积极开展。本文为实现利用变分方法快速同化多源观测资料的需求,以美国NCEP业务上使用的GSI系统作为同化模块,基于守恒重映射方法进行非结构与结构化球面网格转换,构建了GSI-MPAS同化及预报框架,并进行了网格转换测试和同化预报试验。网格转换检验测试表明,模式物理量的转换误差与其分布特征密切相关,二阶精度守恒重映射转换结果优于一阶精度转换结果。连续一周的滚动循环同化及预报试验表明,基于守恒重映射方法的GSI-MPAS同化及预报框架能够有效同化多源观测资料,改善了初值场的质量并使得MPAS-A预报得到的各个变量更加准确,且对降水预报具有正面效果。进一步分析表明,由于在北半球同化了更多观测资料,所以北半球地区的改进明显优于南半球及赤道地区。