动力降尺度和多物理参数化方案组合对华南前汛期降水集合预报的影响研究

针对华南前汛期降水过程,基于全球集合预报系统（GEFS）资料,利用WRF中尺度模式以及GEFS动力降尺度获取的区域集合预报初值场,通过多物理过程参数化方案组合和模式积分方法实现华南前汛期降水的区域集合预报。对2019年5月15日—6月15日共32天的华南前汛期降水过程进行了单一物理过程区域集合预报（REFS_SINGLE）和多物理过程区域集合预报（REFS_MULTI）的数值模拟批量敏感性试验,通过GEFS、REFS_SINGLE和REFS_MULTI的对比分析,探讨多物理过程参数化方案组合对华南前汛期降水的影响,同时利用一次华南前汛期暴雨过程进一步探讨集合预报试验的预报效果。结果表明:（1）REFS集合平均的预报效果明显好于控制性预报。（2）REFS降水集合离散度与预报误差的对应关系好于GEFS。（3）积分48小时后,REFS_MULTI和REFS_SINGLE的扰动能量分别是GEFS的4.7倍和6.3倍。（4）降水级别越大,REFS的TS评分效果就越好于GEFS;REFS_MULTI略微好于REFS_SINGLE。（5）基于32天的批量试验,REFS的AUC值有28天大于GEFS,REFS_MULTI有22天大于REFS_SINGLE,表明REFS的预报技巧好于GEFS,且REFS_MULTI的预报技巧好于REFS_SINGLE。      

集合变分混合同化方案在快速循环同化系统中的应用研究

基于北京市气象局快速循环同化系统RMAPS-ST以及对流尺度集合预报系统RMAPS-EN,构建了En-3DVAR集合变分混合同化系统,将该系统应用到业务快速循环同化系统中并进行试验,分别在冷启动与循环启动环境下对比了混合同化系统（Hybrid）与三维变分（3DVAR）的同化预报效果。获得的结论如下:单点试验结果表明,混合同化系统分析增量的分布与集合预报离散度分布具有较好的对应关系;在冷启动和循环启动中,三维变分的分析增量都表现出各向同性的特点,混合同化分析增量均表现出一定的流依赖特征;降水个例分析表明,在冷启动环境中,Hybrid与3DVAR效果相当,而在循环启动中,Hybrid的降水预报相对于3DVAR有较明显的改进效果;批量试验检验结果表明,冷启动中,Hybrid与3DVAR的评分大致相当,而在循环启动中,Hybrid相对于3DVAR的评分有明显改进;集合离散度和背景场误差的相关性分析表明二者在循环启动环境下具有更好的相关性。     

一种控制变量循环扰动和多参数化方案的混合同化方法

敏感性试验表明集合变换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)方法在混合(Hybrid)同化过程中易受观测资料数量变化的影响而产生较大程度的协方差震荡,从而可能导致系统不稳定。为设计一种简便、稳定的Hybrid同化系统,构建了一种基于物理控制变量扰动及多物理参数化方案的Hybrid同化及预报系统。本系统随着循环的进行,不断对Hybrid同化分析场进行控制变量扰动得到集合成员初始场,并且对各集合成员采用不同物理参数化方案以更合理地表征背景场的误差特征。连续10 d的循环同化及预报试验表明,本文同化方案效果明显优于三维变分方案,动力场的整体同化和预报效果与ETKF方案基本相当。本方案相比于ETKF方法不受观测波动影响,在没有经任何参数调试情况下,取得了良好同化和预报效果,为Hybrid同化的便捷运行提供了一种稳定可靠的手段。     

WRF-EnKF系统对中国南方一次暴雨过程确定性预报的试验

文章利用美国宾州州立大学的WRF EnKF(Ensemble Kalman Filter)实时预报系统(Real time Penn State WRF EnKF System),针对2013年5月15—16日发生在中国南方的暴雨过程进行了数值预报试验,以初步检验该系统对我国南方降水确定性预报的效果。数值试验采用2013年5月14日08时（北京时）起报的6 h间隔的1°×1° NCEP GFS (globle forecast system) 60 h预报数据（预报到5月16日20时）作为初始条件和边界条件。其中,控制试验不同化任何观测资料,同化试验通过集合卡尔曼滤波方法同化常规探空资料,分别进行确定性预报。结果表明：利用WRF EnKF系统同化常规探空资料,显著改善了数值预报的初始场,减小了各物理量的预报偏差和预报均方根误差,进而提高了此次暴雨过程的降水落区和强度的预报准确率。     

SVD-En3DVar同化方法在一次飑线过程中的应用北大核心CSCD

基于集合和奇异值分解的三维变分同化方法(SVD-En3DVar)对2009年6月14日江苏地区的一次飑线过程进行多普勒雷达资料同化预报数值试验,以检验该方法在这类尺度较小的强对流天气过程中的同化应用效果。同时,还讨论了SVD-En3DVar的分块局地化方案中水平半径对此次飑线过程同化效果的敏感性,并应用WRF 3DVar进行了平行对比试验。数值试验结果表明,应用SVD-En3DVar方法同化多普勒雷达资料后能够有效调整风场、比湿和位温等状态变量,同化预报结果对分块局地化方案中水平半径参数较为敏感,水平分块半径为50 km时对组合反射率的预报效果最好。SVD-En3DVar和WRF 3DVar两种同化方法同化雷达资料后都能够提高雷达组合回波的预报水平,但SVD-En3DVar方法的效果明显优于WRF 3DVar同化系统,对回波带位置及其向东南方向发展趋势的预报和观测回波较为一致。     

卫星微波观测资料在混合同化中的应用

利用美国环境预报中心(NCEP)的GSI(Gridpoint Statstical Interpolation)业务同化系统,采用三维变分同化方法(3DVAR)和三维变分混合同化方法(3DVAR-Ensemble),针对2013年5月8日发生在我国华南地区的一次强降水天气过程进行了数值模拟试验研究,设计了不同组试验方案,将常规观测资料和AMSU-A\MHS\ATMS辐射率亮温资料直接同化进入区域大气模式WRF中,对比分析不同同化试验方案对模式初始场及降水预报效果的影响。数值试验结果表明:从初始时刻的同化增量来看,各试验组均改变了初始场结构,但增量的大小和分布却不同。加入ATMS微波资料的分析增量要小于同化AMSU-A+MHS的;Hybrid同化方法使用具有"流依赖"的背景误差协方差在一定程度上减小了模拟区域周围的虚假增量,使初始场的分布更真实和合理。从降水模拟的强度和空间分布评估结果来看,使用Hybrid方法同化ATMS的资料可以比较准确预报出降水中心的位置。综合而言,采用Hybrid的方法同化ATMS的资料最优。     

集合变分混合方法同化FY 3A卫星微波资料时混合系数选择的试验

基于FY-3A卫星微波资料,利用Hybrid方法对2012年7月21日北京地区强降水过程进行同化模拟试验,并分析了混合系数在同化中的应用。通过单点试验发现,传统3DVar同化方法的背景误差协方差是静态的,其同化增量总是表现为以观测单点位置为中心呈均匀、各向同性分布,且与同化单点的位置有关。而集合变分同化的背景误差协方差是由集合预报结果构造的集合协方差,其单点观测试验同化增量集中在此次降水区域周围,依赖于环流形势的分布,其分布与观测单点的位置无关。通过实际个例的同化试验发现,混合系数取0.5的模拟效果最好,其次为0.1,混合系数取1的试验模拟效果最差。     

基于Hybrid EnSRF-En3DVar的雷达资料同化研究

基于WRF模式构建了Hybrid En SRF-En3DVar同化系统,该系统使用En SRF方案直接更新集合扰动。利用构建的同化系统针对台风"桑美"分别进行集合协方差权重敏感性试验和同化雷达不同观测资料的敏感性试验。集合协方差权重敏感性试验发现:当集合协方差权重分别为0.25、0.5和0.75时,同化效果优于3DVar试验,其中0.75的集合协方差权重试验得到了分析场的最优估计;当集合协方差权重为1.0时,分析场最差。同化雷达不同观测资料的敏感性试验表明,联合同化雷达径向风及反射率能有效改善大气湿度场和风场,但对风场的改善效果不如仅同化雷达径向风好。将En SRF集合扰动更新方案与扰动观测方案综合分析发现,扰动观测方案集合离散度较小,计算代价大,En SRF方案优于扰动观测方案。     

不同水汽分析场对一次华南前汛期暴雨预报的影响分析

利用华南高分辨率模式分析了不同水汽分析场对一次华南前汛期暴雨模式预报效果的影响。分别使用来自NCEP-GFS（Global forecast system）和ECMWF-IFS（Integrated forecast system）两个不同预报系统提供的分析场进行模拟发现,使用IFS模式提供的初始场进行预报能够得到更为合理的降水预报效果,并发现初值中850hPa高度以下的水汽对本次过程的降水预报结果具有显著影响。由于在华南地区两种初始场内低层的水汽分布存在较大差异,导致了模式预报过程中出现了不同的降水发生机制,最终导致降水预报出现明显的偏差。在GFS分析场的基础上,进一步利用GRAPES-3DVar系统对常规观测资料进行再次同化,发现同化对本次降水过程的前期预报有改进,但是对24 h累计降水的预报改进并不明显。     

集合卡尔曼滤波同化探空资料的数值试验

应用集合卡尔曼滤波（Ensemble Kalman Filter;EnKF）方法,同化了2005年7月一次暴雨过程的探空观测资料,并用非静力中尺度模式MM5进行数值模拟试验。结果表明：在理想模式的假设下,即假设真实模拟和所产生的集合用的是同一个模式并有相同的初始误差,EnKF方法同化的分析结果较好。如果不运用EnKF方法同化探空观测资料,则集合预报结果和不加扰动的单个数值预报结果都没有EnKF方法同化过的好。     

基于优化样本组合的集合-变分混合同化方案研究

为有效引入“流依赖”的背景场误差协方差,同时降低集合预报带来的计算量,尝试通过优选与同化时刻天气形势更相似的历史预报样本,并结合预报过程中的时间滞后样本,将两种样本引入集合-变分混合同化系统中,构建基于优选历史预报样本和时间滞后样本的集合-变分混合同化方案。单点观测理想试验表明,优选历史预报样本结合时间滞后样本,既能够缓解样本不足所导致的采样误差,又能够为同化系统提供“流依赖”的背景场误差协方差。连续一周的循环同化及预报试验结果显示,相较于ERA5资料和探空资料,三维变分方案整体表现稍差,样本组合混合同化方案分析场和预报场的均方根误差最小,且比仅用时间滞后样本的混合同化方案有所改进;降水评分整体也表现最优,尤其对中雨和暴雨的模拟改进较明显,较好地模拟出了强降水中心的强度和位置,且改善了降水过报的问题。      

A Prototype Regional GSI-based EnKF-Variational Hybrid Data Assimilation System for the Rapid Refresh Forecasting System:Dual-Resolution Implementation and Testing Results

A dual-resolution(DR) version of a regional ensemble Kalman filter(EnKF)-3D ensemble variational(3DEnVar) coupled hybrid data assimilation system is implemented as a prototype for the operational Rapid Refresh forecasting system. The DR 3DEnVar system combines a high-resolution(HR) deterministic background forecast with lower-resolution(LR) EnKF ensemble perturbations used for flow-dependent background error covariance to produce a HR analysis. The computational cost is substantially reduced by running the ensemble forecasts and EnKF analyses at LR. The DR 3DEnVar system is tested with 3-h cycles over a 9-day period using a 40/13-km grid spacing combination. The HR forecasts from the DR hybrid analyses are compared with forecasts launched from HR Gridpoint Statistical Interpolation(GSI) 3D variational(3DVar)analyses, and single LR hybrid analyses interpolated to the HR grid. With the DR 3DEnVar system, a 90% weight for the ensemble covariance yields the lowest forecast errors and the DR hybrid system clearly outperforms the HR GSI 3DVar.Humidity and wind forecasts are also better than those launched from interpolated LR hybrid analyses, but the temperature forecasts are slightly worse. The humidity forecasts are improved most. For precipitation forecasts, the DR 3DEnVar always outperforms HR GSI 3DVar. It also outperforms the LR 3DEnVar, except for the initial forecast period and lower thresholds.     

The Impact of Satellite Radiance Data Assimilation within a Frequently Updated Regional Forecast System Using a GSI-based Ensemble Kalman Filter

A regional ensemble Kalman filter (EnKF) data assimilation (DA) and forecast system was recently established based on the Gridpoint Statistical Interpolation (GSI) analysis system. The EnKF DA system was tested with continuous threehourly updated cycles followed by 18-h deterministic forecasts from every three-hourly ensemble mean analysis. Initial tests showed negative to neutral impacts of assimilating satellite radiance data due to the improper bias correction procedure. In this study, two bias correction schemes within the established EnKF DA system are investigated and the impact of assimilating additional polar-orbiting satellite radiance is also investigated. Two group experiments are conducted. The purpose of the first group is to evaluate the bias correction procedure. Two online bias correction methods based on GSI 3DVar and EnKF algorithms are used to assimilate AMSU-A radiance data. Results show that both variational and EnKF-based bias correction procedures effectively reduce the observation and background radiance differences, achieving positive impacts on forecasts. With proper bias correction, we assimilate full radiance observations including AMSU-A, AMSU-B, AIRS, HIRS3/4, and MHS in the second group. The relative percentage improvements(RPIs) for all forecast variables compared to those without radiance data assimilation are mostly positive, with the RPI of upper-air relative humidity being the largest. Additionally, precipitation forecasts on a downscaled 13-km grid from 40-km EnKF analyses are also improved by radiance assimilation for almost all forecast hours.     

混合集合预报法在华南暴雨短期预报中的试验

-WRF多模式集合3组试验,对比分析混合集合预报法与传统方法的降水预报效果。结果表明:ARPS模式集合改善了广东省南部局地强降水预报,该方法在中雨、大雨、暴雨量级改进效果显著。WRF模式集合对广东省北部强降水预报优于ARPS模式集合,但空报、漏报率较大,该方法有一定局限性。ARPS-WRF多模式集合在降水落区和量级预报上均优于传统方法。混合集合预报法利用低分辨率 (36 km) 集合预报和高分辨率 (12 km) 控制预报实现了高分辨率 (12 km) 集合预报,改善了降水预报效果,该方法可为业务高分辨率集合预报提供参考。     

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。     

多普勒雷达风廓线的反演及变分同化试验

为了将雷达风场资料更好地应用到数值预报模式中, 使用VAD方法反演多普勒雷达风廓线并处理成标准的探空资料进行变分同化试验。结果表明: VAD方法反演的风廓线与探空实况对应较好, 验证了用VAD技术反演风廓线的可行性。用GRAPES-Meso模式的三维变分同化系统对雷达风廓线资料进行同化后, 风场的初始场明显改善, 降水强度和落区预报也有不同程度的改善。其中, 对6 h降水预报的改善明显优于对24 h的预报改善。另外, 在短时强降水预报中, 雷达风场资料的同化频率和同化窗口的不同, 对降水预报的改善情况也有所差异。在个例研究中, 同化间隔为1 h的方案6 h降水预报要优于同化间隔为3 h和6 h的方案, 同化窗口为3 h的试验方案6 h降水预报要好于同化窗口为6 h的试验方案。     

GPS/PWV资料在梅雨锋暴雨个例中的同化试验

基于WRF(Weather Research and Forecasting Model,天气预报模式)及其三维变分同化系统3DVAR,利用江苏省GPS/PWV(PWV:Precipitable Water Vapor,GPS反演得到可降水量)资料,并将其与探空资料比对订正,针对2011年6月18日梅雨锋暴雨进行3 h循环同化模拟。在降水参数化方案敏感性试验与单点同化试验基础上,设计多组试验对6 h降水量进行TS(Threat Score)评估。结果表明:(1)同化订正GPS/PWV资料对降水预报能力显著提高,特别是大雨、暴雨量级以上的预报能力;(2)降水量的RMSE(Root Mean Squared Error,均方根误差)相比控制试验均减小,CC(Correlation Coefficient,相关系数)均增大,最显著试验RMSE从19.1 mm下降到12.6 mm,CC从0.45上升到0.74;(3)NMC方法统计的背景误差协方差条件下中雨至暴雨量级TS评分均有一定程度提高,默认的背景误差协方差在大雨以上量级TS评分大幅提高。     

面向台风暴雨的集合预报成员优选订正技术研究及应用试验

本文以2013—2015年主要登陆台风暴雨过程为研究对象,利用ECMWF降水和台风路径集合预报以及中央气象台实时业务台风中心定位资料,在统计分析的基础上,提出一种业务上可用的针对单模式集合预报的台风降水实时订正技术(简称集合成员优选技术)。结果表明,在登陆台风暴雨过程预报中,集合成员优选技术对改进集合统计量降水产品有明显的帮助,并较ECMWF确定性预报产品有一定优势;该方法对改进短期时效预报产品的效果优于中期时效预报,对大暴雨评分的改进高于暴雨和大雨评分。另外,本文基于概率匹配平均(Probability Matching average,PM)和融合(FUSE)产品的计算原理,提出融合匹配平均(Fuse Matching average,FM)产品,结果表明,对36 h时效预报,优选10~15个成员的PM产品TS(Threat Scores)评分可达最优,大暴雨评分较确定性预报提高近10%;对60和84 h时效预报,FM产品大暴雨评分较确定性预报提高超过20%。     

基于2017年5月7日广州特大暴雨分析影响半径对集合卡尔曼滤波方法同化效果的影响

集合卡尔曼滤波（EnKF）目前在资料同化的科研和业务中已得到广泛应用,可为集合预报提供较好的初始场,其影响半径的选取对同化结果影响显著。2017年5月7日在珠三角（珠江三角洲）一带出现极强降水,尤以广州的花都、黄埔、增城区为盛,甚至出现了极为罕见的特大暴雨。以本次极强降水过程为例,分析影响半径对EnKF同化效果的影响。结果发现利用EnKF方法同化观测站的10 m风和2 m温度资料后,可以较好地模拟出此次强降水过程,但仍存在着位置偏南,强度偏大,局地虚报和过报的现象。当水平影响半径取值过大时,大量虚假信息引入,产生过犹不及的效果,使得强降水过程南移较快,最终导致降水落区显著偏南偏东。且水平影响半径对模拟效果极为重要,因此取值要适当。