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。      

GRAPES三维云初始场形成及在短临预报中的应用

围绕GRAPES_Meso的云初始场形成,以ARPS模式云分析方案为基础,优化诊断后应用我国风云二号静止气象卫星云产品、多普勒天气雷达三维组网拼图产品等观测资料结合模式背景信息,根据云热力-动力学原理及观测试验经验关系等,对云初始场的信息进行分析并通过松弛逼近同化方法实现对云内微物理信息同化应用。GRAPES_Meso中采用优化后的云初始场方案,水平分辨率为0.03°×0.03°和0.1°×0.1°的1个月（2014年7月15日-8月14日）连续试验和个例分析结果显示:云初始场形成方案能够分析出飑线等天气系统的云系和云内微物理变量特征。从模拟云图看,包含云初始场信息的GRAPES_Meso的云系的形态特征和分布范围短时临近预报结果更为准确。云初始场信息同化应用后,在1 h的时间尺度上,即可预报出与实况更为接近的降水;0~12 h时间范围内对降水均有积极的影响,可满足短时临近预报的需求,降水量级略偏大。批量连续试验（水平分辨率为0.03°×0.03°和0.1°×0.1°）的各个量级降水ETS（equitable threat score）评分都显著提高。     

降雨型滑坡的集合预报模型及其初步应用的试验研究

滑坡的实时预警系统GRAPES-Landslide是将数值天气预报模式GRAPES (Global/Regional Assimilation and PrEdiction System)与滑坡预测模型TRIGRS (Transient Rainfall Infiltration and Grid-based Regional Slopestability)进行单向耦合建立起来的动力数值预报预警系统。由于滑坡预测模型TRIGRS中的关键水土参数具有空间分布很不均的特性,很难获取准确的数据加以描述,使得滑坡事件的激发、预测存在很大的不确定性,同时数值天气预报模式本身具有不确定性,因而用于诱发滑坡灾害的估测降水存在不确定性,进而使得滑坡的预报存在偏差。本研究基于预测降水和水土参数分布不确定性的考虑,提出了GRAPES-Landslide滑坡集合预报模型。滑坡集合预报模型中有5个不同的预报降水成员,分别是(1) GRAPES_MESO业务模式、(2)"暖-潜热加热纳近方法、(3)基于九点平滑滤波的"暖-潜热加热纳近"方法、(4)对(1)~(3)的降水成员进行简单平均、(5)对(1)~(3)的降水成员进行概率匹配的集合。根据水土参数呈正态分布的特点,通过Monte-Carlo方法随机生成100组扰动参数值。将5个预报降水与100组扰动水土参数结合,组成GRAPES-Landslide滑坡集合预报模型。选择2013年7月18日00时到7月19日12时(协调世界时)福建省"西马仑"台风降雨引发闽三角地区发生大量滑坡灾害为例,进行实际预报试验。初步研究结果表明本文建立的GRAPES-Landslide滑坡集合预报系统所预测的滑坡频发区与观测区域有很好的吻合度,与目前的滑坡业务预报结果相比有明显改进,落区更精细化。因此,GRAPES-Landslide滑坡集合预报系统综合考虑了降水预报的不确定性和非均匀分布的水土参数的不确定性,为区域滑坡预测提供了一种新的可能方法。     

不同物理过程参数化对模式台风的影响及其动力结构的研究

文章介绍了国家气象中心的台风路径数值预报模式（以下简称台风模式）,在不同物理过程参数化下的数值试验及其结果的诊断分析。对1992年第10号热带气旋和1996年第8号热带气旋个例的数值试验结果表明,该模式能较好地预报热带气旋移动路径和登陆地点,且考虑复杂物理过程的台风模式较简单过程的模式能更好地描述热带气旋中心附近高低层的热力状况。研究还发现,500或700 hPa湿位涡第一项MPV1负值中心的绝对值大小的变化可反映热带气旋的强弱;且850 hPa上升运动最大中心的位置对未来6～12 h热带气旋的移向有较好     

季风槽环境中暴雨中尺度对流系统的分析与数值预报试验

应用地面降水观测资料、卫星云图、雷达回波以及NCEP再分析资料,对华南沿海受季风槽影响下发生的一次持续性暴雨的中尺度对流系统（MCS）进行分析,并探讨采用数值模式对中尺度对流系统降水进行预报的可能性。分析表明,暴雨由多个相继发展的中尺度对流系统造成。在相似环境中,不同中尺度对流系统发展形态和水平尺度有较大差异,最大可组织发展成α中尺度对流复合体（MCC）,但一般为β中尺度线状或带状对流系统。对其中发展形态分别表现为椭圆形中尺度对流复合体（MCS-2）和带状β中尺度对流系统（MCS-4）的对比分析发现,对流的起始发展均发生在夜间,与季风槽中低空急流的南风脉动有良好对应关系。基于临近探空资料的诊断发现,被认为对中尺度对流系统组织发展有指示作用的关键物理量如对流有效位能（CAPE）和风垂直切变难以区分不同中尺度对流系统的发展形态和趋势,探空资料的代表性将影响诸如“配料法”等暴雨客观预报方法的建立和应用。利用华南区域中心GRAPES（GRAPES_GZ）数值模式对两个中尺度对流系统进行的模拟预报结果表明,采用数值模式对中尺度对流系统降水进行显式预报已成为可能。比较而言,3 km水平分辨率模式可以更好地预报出暴雨的发生,但结果对是否调用对流参数化（CP）方案敏感。尽管不依靠对流参数化方案模式能够较好地预报出中尺度对流系统初始降水的发生,但会过度预报发展成熟后的降水。模式中如何描述中尺度对流系统对流的组织发展机制、如何处理对流参数化方案的“灰色区分辨率”问题需要仔细考虑。      

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。      

一种新型的适应性观测资料应用对台风预报的影响试验研究

近年来，气象界提出了一个“适应性（或目标）观测（adaptive or targeting observation）”的新概念，它是根据数值预报的敏感区在现有的、固定的气象观测网基础上增加的、有目标的特别观测。下投式探空仪（Dropsonde）是适应性观测的重要观测仪器。利用我国新一代数值预报系统GRAPES，初步研究了应用热带气旋适应性观测的下投式探空仪探测资料对台风（2003年杜鹃台风）预报的影响，并进行了敏感性试验。结果表明，数值天气预报中增加下投式探空仪观测资料之后，对台风的移动路径、台风中心位置和强度，以及其它要素的预报都有所改善；敏感性试验还指出，下投式探空仪观测资料的误差结构设置对台风的预报也有明显的影响，该类观测资料在修正背景场的过程中权重并不是越高越好     

ON USE OF LHN METHOD TO ASSIMILATE THE INTENSIFIED SURFACE PRECIPITATIONS FOR GRAPES_MESO MODEL INITIALIZATION

The quantitative precipitation forecast (QPF) in very-short range (0-12 hours) has been investigated in this paper by using a convective-scale (3km) GRAPES_Meso model. At first, a latent heat nudging (LHN) scheme to assimilate the hourly intensified surface precipitation data was set up to enhance the initialization of GRAPES_Meso integration. And then based on the LHN scheme, a convective-scale prediction system was built up in considering the initial “triggering” uncertainties by means of multi-scale initial analysis (MSIA), such as the three-dimensional variational data assimilation (3DVAR), the traditional LHN method (VAR0LHN3), the cycling LHN method (CYCLING), the spatial filtering (SS) and the temporal filtering (DFI) LHN methods. Furthermore, the probability matching (PM) method was used to generate the QPF in very-short range by combining the precipitation forecasts of the five runs. The experiments for one month were carried out to validate the MSIA and PM method for QPF in very-short range. The numerical simulation results showed that: (1) in comparison with the control run, the CYCLING run could generate the smaller-scale initial moist increments and was better for reducing the spin-up time and triggering the convection in a very-short time; (2) the DFI runs could generate the initial analysis fields with relatively larger-scale initial increments and trigger the weaker convections at the beginning time (0-3h) of integration, but enhance them at latter time (6-12h); (3) by combining the five runs with different convection triggering features, the PM method could significantly improve the QPF in very-short range in comparison to any single run. Therefore, the QPF with a small size of combining members proposed here is quite prospective in operation for its lower computation cost and better performance.     

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。     

GRAPES模式中物理过程时间计算精度对降水预报的影响

对数值模式物理过程与动力框架耦合方案进行了分析, 在GRAPES模式中引进了ECMWF模式中的Wedi (1999) 耦合方案, 此方案考虑了两个时间层物理过程的影响, 即将上游点和到达点物理过程的影响同时反馈到动力框架中, 它是二阶时间精度的耦合方案, 比原一阶精度耦合方案更加合理和准确。利用GRAPES模式, 设计了Wedi耦合方案与原耦合方案的连续数值试验。试验结果表明, 在逐日降水预报中, Wedi耦合方案与原耦合方案降水预报的T评分 (Threat score) 互有高低, 但差别不大; 预报的降水量可能有较小的变化, 但不能使预报降水的等级出现本质的改变。但对其平均后的分析可知, 新引进的Wedi耦合方案对预报降水评分具有正的贡献。即新耦合方案完善和改进了GRAPES模式, 对提高模式的降水预报准确率具有正效果。