ASSIMILATION OF OBSERVED SURFACE WIND WITH GRAPES

With the advances of numerical weather simulation and reduced data assimilation updating cycle, surface observation data assimilation becomes more and more important in data assimilation systems. It is widely accepted that a better data assimilation system should contain the restriction of thermodynamic processes in the surface layer. Therefore, in this paper, a new surface wind observation operator is utilized in Global and Regional Assimilation PrEdiction System_3D-Variance (GRAPES_3D-Var), with the restriction of thermodynamic process in the planetary boundary layer (PBL). In order to research the ability of this new surface wind observation operator in assimilation and forecasting, a series of experiments are operated by using the GRAPES model. The main results indicate that this new method of surface wind observation operator has positive impact on the forecast with the GRAPES model.     

半拉格朗日方法在全球原始方程模式中的实现

简单介绍了半拉格朗日平流方案的基本概念,并详细总结了基估全球原始方程模式,特别是在ＩＦＳ的具体实现过程,拉格朗日平流的观点是着流体质点看流体运动,基贩关键是流体轨迹的计算。轨迹中点和起始点水平坐标的示得可以利用球面三角,直接在球极坐标中进行,并采用一些较高的近似。为了充分获得半拉格朗日方案析益处,在起始点的内插能工巧匠春阶数至少应在四阶以上,为避免昂贵的三维三次内插,可以采用三维“准三次”内插 。     

多普勒雷达风场信息变分同化的试验研究

文中试验研究了一个在三维变分框架中直接同化多普勒天气雷达信息,获取雷达覆盖范围内大气风场的技术方案。径向风速是多普勒天气雷达数据中可直接被三维变分同化系统用来反演大气风场的唯一信息。由于风矢量有二或三个分量,径向风速作为风矢量的一个分量,不能为反演风矢量提供足够的信息。如果三维变分同化系统仅仅同化径向风速,所存在的不确定性将可能会给所反演的风场带来错误。文中提出的方案,不仅同化雷达径向风速,还同化雷达回波的移动信息,其关键是将雷达回波强度时空变化转换成一个新的雷达观测变量———雷达“视风速”。由于“视风速”是包含风场信息的变量,这在三维变分同化系统中增加了风场探测信息。通过联合利用“视风速”和径向风速,由单一径向风速确定风矢量所带来的不确定性可以被克服。使用中国气象科学研究院数值预报研究中心开发的三维变分同化系统(GRAPES-3Dvar)和广东省新一代天气雷达的监测资料进行了实例试验,结果表明本技术方案能够对获取大气系统结构是有用和有效的,也可用于形成模式初始场,这对中尺度天气预报是有作用的。     

1998年夏季西太平洋副热带高压的变异分析

该文利用NCEP再分析资料和其他相关资料分析了1998年夏季西太平洋副热带高压的变异特征和机理。与多年平均相比，1998年夏季副高总体偏强、偏西。副高的南北进退出现显著异常，尤其是7月中旬，副高突然大幅度南撤，南撤后，副高偏南维持至8月初，长江中下游及以南地区出现“二度梅”。副高南撤现象从副高带的东部开始，逐渐西传。分析表明:副高的异常变化是东亚大气环流异常调整的结果，其中副热带西风急流的异常变化对副高南撤起着重要的作用，急流位置和强度的变化及伴随的入口区和出口区次级环流和不稳定均有利于副高在7月中旬南撤和南撤后偏南维持。T106L19全球谱模式的敏感性数值试验表明，高度场对急流减弱的响应与观测分析结果一致。热源和水汽汇分析、OLR分析以及热源与位势高度场SVD分析均表明:在副高南撤前，热带季风区非绝热加热显著减弱；这一结果有利于副高偏南维持；经圈环流的分析结果也与此相吻合。     

GRAPES全球三维变分同化系统--基本设计方案与理想试验

中国气象局数值预报研究中心开发了一个全球和区域统一框架的格点三维变分资料同化系统(GRAPES3D-Var).作者给出全球版本的方案设计,采用单点观测试验检验方案设计的合理性和正确性.全球方案选择流函数、速度势、非平衡高度和相对湿度作为分析求解的控制变量,用线性平衡方程作为质量场和风场的动力约束,通过预调方法解决背景误差协方差矩阵阶数过大和难以求逆的问题,其中垂直变换和物理变换以及观测算子设计等方面与区域方案相同,但预调的水平变换采用球谐函数谱滤波表示背景误差协方差的水平相关模型,避免了递归滤波在高纬和极区因相关尺度过大无法实施的问题.另外,设计了一个使极区插值和差分计算完全闭合的网格以及相应的算法,解决了极点分析问题.单点观测理想试验结果表明,GRAPES 3D-Var系统能够合理给出全球任何地区的分析.     

ETKF方法在区域集合预报中的初步应用

理论上,集合卡尔曼变换(ETKF--The Ensemble Transform Kalman filter)方法产生的集合扰动在观测空间具有等概率分布的特征,这一特点恰好可以弥补业务集合预报中常用的初值生成方法--Breeding 方法的不足.依据ETKF理论和方法,利用GRAPES-Meso中尺度模式建立了简单的基于ETKF的中尺度集合预报试验平台,并选取2005年11月8-12日出现的一次降雨过程进行集合预报试验,旨在研究ETKF方法用于集合预报时,对随时间变化的区域非线性系统,在有限集合数的条件下的特征.试验结果揭示了利用ETKF方法进行实际区域模式下集合预报的可行性及其一些基本性质,并指出试验当中存在的不足及今后研究的重点.     

GRAPES地面风场同化方案研究

随着预报准确度要求以及同化分析循环周期的缩短，具有高时空分辨率的地面观测资料在同化系统中也越来越受到重视，而且一个好的资料同化系统应该能够给出模式近地面动力、热力和湿度状况的合理分析。利用GRAPES区域同化预报系统(GRAPES——Global and Regional Assimilation and Prediction Enhanced System)，在近地层Monin_Obukhov相似理论的基础上，考虑了边界层的动力和湿热力约束，建立新的地面风场观测算子。将此新方案与目前GRAPES系统使用的三次样条插值的地面同化方案进行高度场预报试验、统计试验以及降水预报的TS评分比较，结果表明，加入新方案地面风场资料同化后，预报效果和对降水的预报能力都比旧方案有所提高。     

资料同化中背景场位势高度误差统计分析的研究

在客观分析中,背景误差协方差对观测信息的传播和平滑、反映不同变量之间的关系有着非常重要的作用.构造合理的背景误差协方差矩阵对于同化系统至关重要,甚至会决定同化分析的好坏.作者主要利用观测余差方法,用T213预报资料和无线电探空观测资料统计我国区域的背景位势高度误差协方差样本,分析背景误差协方差场的结构特征和拟合误差场的空间分布.     

GRAPeS三维变分同化系统的理想试验

文中介绍了一种新的、适合格点模式的三维变分同化方案GRAPeS 3DVAR。该方案采用相互独立的流函数、非平衡速度势函数、非平衡位势和水汽作为分析变量。通过变量变换对目标函数进行预调节 ,不仅避免了直接计算背景误差协方差逆矩阵的困难 ,而且改善了Hessian矩阵的性状 ,提高了收敛速度。采用EOF分解方法 ,将三维分析变量投影到垂直摸态上 ,分解成为二维场 ;水平方向采用数字 (递归 )滤波器代替矩阵运算 ,实现和简化了方案的求解。此外 ,还考虑了质量场和风场之间的平衡约束关系。理想试验结果表明 ,GRAPeS 3DVAR能够正确地反映多变量之间相互作用关系 ,收敛迅速 ,分析结果合理     

适应性观测与集合变换卡尔曼滤波方法介绍

给出适应性观测理论和集合变换卡尔曼滤波方法及其研究现状的综述。重点介绍了集合变换卡尔曼滤波方法及其相关的一些问题。在数值预报领域,一种新的途径是利用数值预报系统信息在预报时效内确定出某些区域,如果在这些区域进行补充观测,可以最有效地改进预报技能。这种方法被称为适应性或目标观测,所确定的观测区域称为敏感区,敏感区内增加观测后分析质量将得到改善,对后续的预报技能可产生最大的预期影响。目前适应性观测研究已经成为世界气象组织(WMO)组织的THORPEX计划的一个子计划。集合变换卡尔曼滤波(The Ensemble Transform Kalman Filer,简称ETKF)是一种次优的卡尔曼滤波方案,最早是作为一种适应性观测算法提出的,现在还被用于集合预报初始扰动的生成。ETKF方法不仅可以同化观测资料,而且可以估计出观测对预报误差的影响。它与其它集合卡尔曼滤波方案不同之处在于:ETKF利用集合变换和无量纲化的思想求解与观测有关的误差协方差矩阵,可以快速估计出不同附加观测造成的预报误差协方差的减少量,预报误差减少最多的一组观测所对应的区域就是所寻找的敏感区。