大气成分预报业务值班系统的设计与实现

对大气成分业务值班系统(以下简称系统)的设计思想、内容、特点做了介绍,阐述了系统的主要功能和设计方法。该系统界面友好、功能齐备、结构清晰、灵活性强,有效地促进了大气成分预报业务工作。     

阳一次早春雷暴天气过程的初步分析

本文通过对洛阳机场2001年2月22日傍晚发生的一次早春雷暴天气过程进行分析,讨论了导致该过程的有利环流形势、与能量场的配置关系以及温湿因素,对洛阳地区的早春雷暴预报线索做一探讨.     

数字摄像能见度仪器系统控制电路的设计

数字摄像能见度仪器系统(DPVS)是完全仿照人工目测能见度的方法测量能见度的,比传统的透射式、散射式能见度仪更具客观性。为了说明DPVS在硬件方面的工作原理,从该仪器系统的控制电路原理、电路详细构成、元器件的选配、电路设计思路以及系统在实际运行中出现的一些问题和解决方法等方面做了详细介绍。同时还对控制电路中应用的单片机的部分软件做了简要介绍。     

菏泽市牡丹区某别墅防雷设计

根据菏泽市牡丹区某别墅的建筑特点,以及周围地理、地质、气象、土壤、环境对该别墅进行了综合防雷设计。其中,在屋面设计避雷带进行直击雷的防护,内部的浴室,电梯机房,中央空调机房做等电位连接和屏蔽来减少雷击电磁脉冲的危害。     

数值预报产品资料预处理软件的设计及应用

运用Visual BASIC6．0和Borland Delphi7．0混合编程,设计了一套NWP资料预处理软件。该软件可用于对国家气象中心T213、HLAFS以及ECMWF数值分析预报产品进行实时处理加工,建立了NWP实时资料库和历史资料库。对该应用软件的开发环境、设计思路、主要功能、技术特点和实际应用等做了简单介绍。     

改进湿位涡倾向方程的分解和应用

对改进湿位涡倾向方程做了理论分析和讨论，并通过一次台风过程做了验证，所得主要结论有：该方程可分解为干、湿分量倾向方程。在无摩擦和干绝热情况下，改进湿位涡的干分量具有保守性，该方程即为Ertel位涡倾向方程。在某些中小尺度天气系统中，湿物质梯度项对改进湿位涡的个别变化会有较明显影响，故该倾向方程更适用于该天气系统的诊断分析。利用改进湿位涡分解得到的干、湿位涡倾向方程，可得到显含湿物质梯度项的升级虚位涡方程、升级湿位涡方程，而这使得位涡诊断更加精细。本文对各类位涡倾向方程中凝结加热的作用做了分析，发现Ertel位涡倾向方程存在高估凝结加热的情况，使用改进湿位涡倾向方程对其进行部分凝结潜热扣除，应该有较好的诊断效果。改进湿位涡倾向方程减去经典湿位涡倾向方程后的结果能够合理反映凝结加热的作用，故用于梅雨锋暴雨和热带气旋等以凝结加热为主的天气系会有更佳的诊断效果。     

基于MICAPS3.2的灾害性天气个例库与预报训练系统的设计与应用

采用C/S(客户端/服务器)架构,基于MICAPS3.2操作平台,开发了河北省灾害性天气个例库与预报训练系统。该系统在Microsoft.NET Framework 3.5框架和MICAPS3.2的基础程序集下以插件形式进行二次开发。本文详细介绍该系统的架构、系统集成方式以及个例数据库的设计方案,并且对其功能、应用以及开发前景做了介绍。     

吉林省春季北部下滑系统的降水分析

本文利用１９８９～１９９１年３～５月份资料，对影响我省的北部下滑系统做了初步的定义，并对该系统造成的降水从天气形势和云图特征等方面进行了初步的分析探讨，同时对日本２４～３６小时的数值预报产品对该系统的预报能力也进行了验证分析。     

几档不同主题气象节目的片头创意

2004年1月1日,宁波的气象节目全新改版,并且节目由原来的3套增至5套,作为这次节目改版的主要技术人员,我们在片头的创意和制作上也做了大量的工作.本文从这些片头中选择了三个比较有特色的,对它们创意过程进行了总结,得到了一些经验:每个片头都该有它的主题,围绕这个主题对片头做一个整体规划,另外一定要注意画面的美感,美的东西才能真正地吸引观众.     

人类活动对长江河口过程的影响

随着经济高速发展,人类活动对长江河口过程的影响愈益显著。本文对围海造地、排污工程、取水工程、航道增深工程、南水北调和三峡工程等几项规模较大的已建和拟建工程及其对长江河口过程的影响做了初步论述,建议继续重视和加强这方面的研究,开发要适度,人工控制要遵循自然演变基本规律,以利于该地区经济的持续发展     

GRAPES集合卡尔曼滤波资料同化系统Ⅰ:系统设计及初步试验

集合卡尔曼滤波资料同化方法,可以用集合样本统计出随天气形势变化的误差协方差,是当前资料同化领域的研究热点。主要介绍了GRAPES集合卡尔曼滤波资料同化系统的设计以及初步的试验结果。针对集合卡尔曼滤波同化实际观测资料难以实施的问题,采用成批观测同化的顺序同化方法进行多变量的集合卡尔曼滤波同化;为了滤除有限集合数造成的误差相关噪音和缓解求逆矩阵不满秩的问题,在水平和垂直方向都采用了Schur滤波;建立了与GRAPES预报模式的垂直坐标和预报变量一致的模式面集合卡尔曼滤波系统;集合样本的生成考虑了模式变量的空间相关和模式变量之间的相关,通过利用三维变分分析中的控制变量变换得到模式变量扰动场。通过比较GRAPES集合卡尔曼滤波资料同化系统和GRAPES区域三维变分资料同化系统的单点观测资料同化分析结果,对比背景误差相关系数的分布,验证了GRAPES集合卡尔曼滤波系统的正确性。此外,同化区域探空观测资料试验结果表明,GRAPES集合卡尔曼滤波资料同化系统能够得到合理的分析,并且具有实际运行能力。对分析结果进行12h预报表明,GRAPES集合卡尔曼滤波资料同化系统的分析协调性不如三维变分资料同化系统。     

Coupling Ensemble Kalman Filter with Four-dimensional Variational Data Assimilation

This study examines the performance of coupling the deterministic four-dimensional variational assimilation system (4DVAR) with an ensemble Kalman filter (EnKF) to produce a superior hybrid approach for data assimilation. The coupled assimilation scheme (E4DVAR) benefits from using the state-dependent uncertainty provided by EnKF while taking advantage of 4DVAR in preventing filter divergence: the 4DVAR analysis produces posterior maximum likelihood solutions through minimization of a cost function about which the ensemble perturbations are transformed, and the resulting ensemble analysis can be propagated forward both for the next assimilation cycle and as a basis for ensemble forecasting. The feasibility and effectiveness of this coupled approach are demonstrated in an idealized model with simulated observations. It is found that the E4DVAR is capable of outperforming both 4DVAR and the EnKF under both perfect- and imperfect-model scenarios. The performance of the coupled scheme is also less sensitive to either the ensemble size or the assimilation window length than those for standard EnKF or 4DVAR implementations.     

华南暴雨区域集合预报中不同同化方案的影响试验研究

基于全球集合预报系统(GEFS)资料,利用WRF中尺度模式及GEFS动力降尺度获取区域集合预报初值场,通过对同化后的分析场进行模式积分实现华南前汛期区域集合预报。对2019年6月10日的一次华南前汛期暴雨过程进行不同同化方案的试验:混合同化(Hybrid)、三维变分(3Dvar)、集合卡尔曼滤波(EnKF)和对比试验(Ctrl)四组试验的对比分析,探讨具有不同背景误差协方差矩阵的同化方案对区域集合预报集合扰动和集合离散随时间演变特征的影响,评估不同试验的降水模拟效果。(1) Hybrid对模式初始场有较好的改善作用,而3DVar和EnKF对初始场的改善作用不明显。(2) 对风场、温度场和湿度场,在前期预报中Hybrid的预报误差小于3DVar和EnKF,在中后期的预报中,3DVar和EnKF的预报误差得到改善,且好于Hybrid。同样,集合扰动能量,Hybrid和Ctrl在前期预报发展好于3DVar和EnKF,而在中后期的预报3DVar和EnKF好于Hybrid和Ctrl。(3) 从24 h累积降水评分中,整体上同化试验好于Ctrl,3DVar和EnKF好于Hybrid,且3DVar对大中雨级别的降水评分较好,而EnKF对暴雨以上级别的降水评分较好。(4) 对于集合统计检验分析,同化试验的AUC值都大于Ctrl的AUC值,24 h累积降水量阈值在10~100 mm的AUC值,3DVar最好;而125 mm阈值的AUC值,EnKF最好。      

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验I.不考虑模式误差的情形

本文在假定模式无偏差的情况下, 利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验, 检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果, 并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明, 集合卡尔曼滤波能有效地应用于风暴尺度的资料同化; 40个集合成员以及6 km的局地化尺度能较好地滤除采样误差造成的虚假相关, 同时可以将观测信息传递到无观测的模式格点; 利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果; 背景场扰动方法能够提高样本的离散度; 只同化反射率的同化试验表明, 反射率的同化效果较明显, 也证明了集合卡尔曼滤波在非常规资料同化中的作用; 增加径向风资料同化的效果优于只进行反射率同化的结果。     

A ＂Dressed＂ Ensemble Kalman Filter Using the Hybrid Coordinate Ocean Model in the Pacific

The computational cost required by the Ensemble Kalman Filter (EnKF) is much larger than that of some simpler assimilation schemes, such as Optimal Interpolation (OI) or three-dimension variational assimilation (3DVAR). Ensemble optimal interpolation (EnOI), a crudely simplified implementation of EnKF, is sometimes used as a substitute in some oceanic applications and requires much less computational time than EnKF. In this paper, to compromise between computational cost and dynamic covariance, we use the idea of ``dressing' a small size dynamical ensemble with a larger number of static ensembles in order to form an approximate dynamic covariance. The term ``dressing' means that a dynamical ensemble seed from model runs is perturbed by adding the anomalies of some static ensembles. This dressing EnKF (DrEnKF for short) scheme is tested in assimilation of real altimetry data in the Pacific using the HYbrid Coordinate Ocean Model (HYCOM) over a four-year period. Ten dynamical ensemble seeds are each dressed by 10 static ensemble members selected from a 100-member static ensemble. Results are compared to two EnKF assimilation runs that use 10 and 100 dynamical ensemble members. Both temperature and salinity fields from the DrEnKF and the EnKF are compared to observations from Argo floats and an OI SST dataset. The results show that the DrEnKF and the 100-member EnKF yield similar root mean square errors (RMSE) at every model level. Error covariance matrices from the DrEnKF and the 100-member EnKF are also compared and show good agreement.     

An Ensemble-Based Three-Dimensional Variational Assimilation Method for Land Data Assimilation

Land surface models are often highly nonlinear with model physics that contain parameterized discontinuities. These model attributes severely limit the application of advanced variational data assimilation methods into land data assimilation. The ensemble Kalman filter （EnKF） has been widely employed for land data assimilation because of its simple conceptual formulation and relative ease of implementation. An updated ensemble-based three-dimensional variational assimilation （En3-DVar） method is proposed for land data assimilation This new method incorporates Monte Carlo sampling strategies into the 3-D variational data assimilation framework. The proper orthogonal decomposition （POD） technique is used to efficiently approximate a forecast ensemble produced by the Monte Carlo method in a 3-D space that uses a set of base vectors that span the ensemble. The data assimilation process is thus significantly simplified. Our assimilation experiments indicate that this new En3-DVar method considerably outperforms the EnKF method by increasing assimilation precision. Furthermore, computational costs for the new En3-DVar method are much lower than for the EnKF method.     

集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能.结果显示,经过几个同化周期后,EnKF分析结果非常接近真值.单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确.同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果.协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好.雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果.EnKF同化技术对雷达观测资料误差不太敏感.初始集合对同化分析有较大影响.EnKF同化受集合大小和观测资料影响半径.同化对模式误差较敏感.利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构.结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的.中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区.     

基于集合Kalman滤波数据同化的热带气旋路径集合预报研究

构建了一个基于集合Kalman滤波数据同化的热带气旋集合预报系统,通过积云参数化方案和边界层参数化方案的9个不同组合,采用MM5模式进行了不同时间的短时预报。对预报结果使用“镜像法”得到18个初始成员,为同化提供初始背景集合。将人造台风作为观测场,同化后的结果作为集合预报的初值,通过不同参数组合的MM5模式进行集合预报。对2003～2004年16个台风个例的分析表明,初始成员产生方法能够对热带气旋的要素场、中心强度和位置进行合理扰动。同化结果使台风强度得到加强,结构更接近实际。基于同化的集合路径预报结果要优于未同化的集合预报。使用“镜像法”增加集合成员提高了预报准确度,路径预报误差在48小时和72小时分别低于200 km和250 km。     

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验 II. 考虑模式误差的情形

文章的第I部分(兰伟仁等, 2010), 利用模拟雷达资料在假定模式无误差的情况下进行了一系列的集合卡尔曼滤波(EnKF)敏感性试验, 验证了EnKF方法在风暴尺度天气资料同化中的作用。本文继续探讨EnKF在有显著模式误差的情况下同化模拟多普勒雷达资料的效果问题。试验中假定模式误差主要来源于微物理过程参数化的不确定性。结果表明: 模式误差在不同程度上影响了EnKF分析的效果, 对微物理量的影响尤其明显; 在EnKF分析中, 利用微物理过程参数化集合的方法来考虑模式误差, 对速度场、 位温场以及比湿场有较明显的正作用, 但对于微物理量场分析效果较差; 若包含控制试验的微物理过程参数化方案, 则EnKF对所有变量都有正效果, 随着同化循环次数的增加, 分析结果更加合理; 只考虑冰相过程的微物理过程参数化方案的集合, 分析效果进一步提高。     

集合Kalman滤波在土壤湿度同化中的应用

基于非饱和土壤水模型和集合卡尔曼滤波 (Ensemble Kalman Filter, 简称EnKF) 并结合陆面水文模型——可变下渗能力模型 (Variable Infiltration Capacity, 简称VIC模型) 发展了一个土壤湿度同化方案。利用1998年6~8月淮河流域能量和水循环试验 (HUBEX) 项目外场观测试验区——史灌河流域梅山站土壤湿度逐日观测资料及1986~1993年合肥和南阳两站点的土壤湿度旬观测资料进行同化试验, 结果表明该同化方案能完整估计土壤湿度廓线, 同化的土壤湿度与观测资料基本吻合, 反映了土壤湿度的日、 旬、 月、 季变化, 同化方案是合理的。与基于扩展卡尔曼滤波 (Extended Kalman Filter, 简称EKF) 的土壤湿度同化方案的结果比较, 基于EnKF的土壤湿度同化方案易于实现, 且通过选择恰当的集合样本数其同化效果总体上略优于EKF同化方案, 但前者同化时需要花费较多的计算时间。