Beneath the surface: Characteristics of oceanic ecosystems under weak mixing conditions – A theoretical investigation

This study considers an important biome in aquatic environments, the subsurface ecosystem that evolves under low mixing conditions, from a theoretical point of view. Employing a conceptual model that involves phytoplankton, a limiting nutrient and sinking detritus, we use a set of key characteristics (thickness, depth, biomass amplitude/productivity) to qualitatively and quantitatively describe subsurface biomass maximum layers (SBMLs) of phytoplankton. These SBMLs are defined by the existence of two community compensation depths in the water column, which confine the layer of net community production; their depth coincides with the upper nutricline. Analysing the results of a large ensemble of simulations with a one-dimensional numerical model, we explore the parameter dependencies to obtain fundamental steady-state relationships that connect primary production, mortality and grazing, remineralization, vertical diffusion and detrital sinking. As a main result, we find that we can distinguish between factors that determine the vertically integrated primary production and others that affect only depth and shape (thickness and biomass amplitude) of this subsurface production layer. A simple relationship is derived analytically, which can be used to estimate the steady-state primary productivity in the subsurface oligotrophic ocean. The fundamental nature of the results provides further insight into the dynamics of these “hidden” ecosystems and their role in marine nutrient cycling.     

短期集合降水概率预报试验

以MM5模式作为试验模式, 通过选取不同的物理过程参数化方案产生8个集合成员, 分别用平均法、相关法和Rank法对2001年11月至2002年5月期间的22个降水个例进行短期集合降水概率预报试验。试验结果显示对小雨—大暴雨6类降水的概率预报, Rank法的综合预报效果明显好于相关法和平均法, 相关法的综合预报效果与平均法基本相同; 无论从均方误差角度还是从命中率和假警报率的相对大小角度, 对小雨、中雨、大雨和暴雨各量级以上降水的概率预报, Rank法的平均预报效果是三种方法中最好的, 相关法的平均预报效果与平均法相同; Rank法好于平均法的平均幅度从均方误差角度较大, 从命中率和假警报率的相对大小角度则较小。平均而言, 三种方法对各量级以上降水的概率预报都是有技巧预报, 对量级小的降水的概率预报技巧高于对量级大的降水的概率预报技巧。     

滞后平均法（LAF）在热带气旋路径集合预报中的应用

本文用-正压模式，采用滞后平均法(LAF)对2000年热带气旋进行路径集合预报试验，并与基于热带气旋初始结构扰动的集合预报方法进行了比较分析，结果表明LAF方法对热带气旋路径预报具有较好的改进作用。但LAF的集合预报效果受模式本身误差的影响，在完美模式的假设下，LAF集合预报相对于控制试验的技巧水平20～40％。     

华南中尺度暴雨数值预报的不确定性与集合预报试验

利用非静力MM5模式,分析了不同积云对流参数化方案对华南暖区暴雨数值预报的不确定性影响,进行了中尺度暴雨模式扰动集合预报试验。不同对流参数化方案的对流凝结加热引起不同的局地温度扰动,通过大气内部的热力动力过程,导致垂直速度的差异,进而影响网格尺度和次网格尺度降水时间、地点和强度。后续降水再通过凝结潜热释放形成新的扰动源。不同积云对流参数化方案还可引起扰动源能量传播方式不同,最终使模拟大气的动力和热力结构有差异。针对物理过程的不确定性,使用两种模式扰动方法构造集合预报扰动模式,第一种方法是随机组合不同积云对流参数化方案和边界层方案,第二种方法是扰动Grell积云对流参数化方案中主要参数振幅。集合预报结果表明,第一种方法的集合预报效果优于第二种方法,仅扰动参数振幅值似乎还不足以反映华南暴雨预报的不确定性。单一的确定性预报在暴雨落区和强度方面的可信度不稳定,集合产品能给华南暴雨过程提供更有用价值的指导预报,具有较高的应用价值。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

Ocean current estimation using a Multi-Model Ensemble Kalman Filter during the Grand Lagrangian Deployment experiment (GLAD)

In the summer and fall of 2012, during the GLAD experiment in the Gulf of Mexico, the Consortium for Advanced Research on Transport of Hydrocarbon in the Environment (CARTHE) used several ocean models to assist the deployment of more than 300 surface drifters. The Navy Coastal Ocean Model (NCOM) at 1 km and 3 km resolutions, the US Navy operational NCOM at 3 km resolution (AMSEAS), and two versions of the Hybrid Coordinates Ocean Model (HYCOM) set at 4 km were running daily and delivering 72-h range forecasts. They all assimilated remote sensing and local profile data but they were not assimilating the drifter’s observations. This work presents a non-intrusive methodology named Multi-Model Ensemble Kalman Filter that allows assimilating the local drifter data into such a set of models, to produce improved ocean currents forecasts. The filter is to be used when several modeling systems or ensembles are available and/or observations are not entirely handled by the operational data assimilation process. It allows using generic in situ measurements over short time windows to improve the predictability of local ocean dynamics and associated high-resolution parameters of interest for which a forward model exists (e.g. oil spill plumes). Results can be used for operational applications or to derive enhanced background fields for other data assimilation systems, thus providing an expedite method to non-intrusively assimilate local observations of variables with complex operators. Results for the GLAD experiment show the method can improve water velocity predictions along the observed drifter trajectories, hence enhancing the skills of the models to predict individual trajectories.     

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建“自适应”于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。      

集合卡尔曼滤波同化中雷达位置的敏感性研究

针对对流尺度集合卡尔曼滤波（EnKF）雷达资料同化中雷达位置对同化的影响进行研究。为了考察强对流出现在雷达不同方位时集合卡尔曼滤波同化雷达资料的能力,以一个理想风暴为例,设计了8个均匀分布在模拟区域周围的模拟雷达进行试验。单雷达同化试验中,初期同化对雷达位置较敏感,而十几个循环后对雷达方位的敏感性降低。造成初期同化效果较差的雷达观测位于模拟区域正南和正北方向,这两部雷达与模拟区域中心的连线垂直于风暴移动方向（即环境气流的方向）。双雷达试验的结果表明,正东、正南、正西和正北方向的雷达组合观测会使同化初期误差较大,这说明并不是所有与风暴连线成90°的雷达组合都能在短时同化中得到合理的分析结果,还需要都处于模拟区域对角线上（即与环境气流成45°夹角）,同化效果才较好。短时同化后的确定性预报结果表明,较大分析误差也会导致较大预报误差。这些分析误差主要是由于同化初期不准确的集合平均场驱动出的不合理的背景误差协方差造成的。当背景场随着同化循环得到改进后,驱动出的合理的背景误差协方差使得不同位置雷达同化造成的差异逐步减小。基于上述结果,引入迭代集合均方根滤波（iEnSRF）算法,结果显示使用该算法后,雷达位置对同化效果的影响减小,同化不同位置的雷达资料均能有效降低分析和预报误差。      

EnSRF雷达资料同化在一次飑线过程中的应用研究

本文利用包含复杂冰相微物理过程的WRF（Weather Research and Forecasting）模式,针对2007年4月23日发生在我国华南地区的一次典型飑线天气过程,分别进行了确定性预报和集合预报试验,发现确定性预报能大致捕捉到飑线系统的发生发展过程,但对飑线后部的层云区模拟效果较差。集合预报能够有效地减少模式的不确定性,大部分集合成员对飑线的模拟效果优于确定性预报。进一步将集合预报得到的40个成员作为背景场,采用EnSRF（Ensemble Square Root Filter）同化多普勒天气雷达资料,并将分析得到的集合作为初始场进行集合预报,通过与未同化雷达资料的集合对比,考察了EnSRF同化多部雷达资料对飑线系统的影响。结果表明:EnSRF雷达资料同化增加了模式初始场的中小尺度信息,大部分集合成员的分析场能够较准确地再现飑线的热力场、动力场和微物理场的细致特征,并且模拟出飑线后部的层云结构。通过对EnSRF分析的集合进行模拟发现,大部分集合成员较未同化雷达资料时模拟效果有明显改善。同化后的集合预报ETS（Equitable Threat Score）评分最高,其次是未同化的集合预报,确定性预报的最低。     

基于CWRF的中国近海热带气旋集合模拟及其对物理参数化方案的敏感性研究

为评估CWRF模式的降尺度能力和其热带气旋模拟对物理参数化方案的敏感性,本文利用ERI再分析资料驱动CWRF在30km网格上对1982-2016年中国近海热带气旋开展了一次集合模拟.结果表明:CWRF与ERI均能模拟出热带气旋的季节变化和年际变化形势且均存在低估,但相较ERI,CWRF的降尺度技术和集合模拟可以再现更多的热带气旋,显著减少低估.年际变化结果提升最为明显,它对积云方案最为敏感,其次是边界层,陆面和辐射方案,对云和微物理方案较弱.该研究为应用CWRF理解和预报热带气旋提供了参考.