卡尔曼滤波方法在四川盆地面雨量预报中的应用

本文用卡尔曼滤波方法释用ECMWF输出产品于四川盆地的面雨量预报。研究结果表明：不对面雨量做任何形式的变换做为预报对象用0小时的ECMWF输出资料进行面雨量的模拟结果最好。用订正后的24-144小时ECMWF输出资料于面雨量的预报结果表明，卡尔曼滤波方法对面雨量从无到有的转折性降雨预报具有参考价值。     

数据处理方法在雨量中的应用及面雨量形成

基于中尺度雨量站资料,将SQL Select语句、bcp数据处理方法应用到实时雨量的计算中,利用GIS技术得到精细的子流域的栅格点雨量,形成子流域的面雨量值.结果表明:1)采用SQL Server的数据查询技术与bcp数据处理技术可以获取每天实时雨量;2)利用GIS的拼接、转换和抽样处理技术,可以形成5km空间分辨率的坡度和高程数据;3)根据雨量与高度和坡度的关系得到雨量的计算公式,获得精细化的雨量资料,通过算术平均法的求算形成更准确的面雨量值.     

自动站雨量传感器故障时数据处理

通过对德州站雨量传感器故障统计发现:承水器过滤网堵塞,干簧管失灵、定位螺钉太紧、信号线中断等现象。雨量传感器故障常出现在20-8时,被杂物堵塞最常见,其原因是:夜间无人守班,仪器故障无法及时发现。所以,为保证降水资料准确,希望观测人员在日常值班过程中,加强对雨量传感器的维护,发现问题及时解决。另外,因在维护雨量传感器时,易出现翻斗空翻现象,建议尽量选在无风或风小时进行,若出现空翻现象,下一个正点前,要删除时降水量,然后再对时数据进行质控上传。     

卡尔漫滤波方法在四川盆地面雨量预报中的应用

本文用卡尔曼滤波方法释用ECMWF输出产品于四川盆地的面雨量预报。研究结果表明：不对面雨量做任何形式的变换做为预报对象为0小时的ECMWF输出量资料进行面量的模拟结果最好。用订正后的24－144小时ECMWF输出资料于面雨量的预报结果表明，卡尔曼滤波方法对面雨量从无到有的转折性降雨预报具有参考价值。     

沈阳区域气象中心雨量要素库处理系统

沈阳区域气象中心根据东北区域雨量报告的特点，自主开发了雨量要素库并投入业务使用。对雨量要素库的自动处理系统，及其主要功能如库生成与清除、数据存档与恢复等进行了详细介绍。     

长江上游流域短期强降水面雨量预报系统

介绍了长江上游流域短期强降水面雨量预报系统的结构、运行情况及功能。简单叙述了制作强降水面雨量的各种预报方法。     

面雨量在天气预报中的应用

面雨量的和预报,适合防汛、抗洪需要,并可能成为我国气象和水文两大学科相结合的纽带。提出了计算面雨量的三角形法,不仅有其明显优点,且易于实现业务自动化;进一步探讨了面雨量在预报和服务中的应用以及面雨级的划分和预报。     

雨量采集的优化设计

翻斗式雨量传感器的大多数故障具有隐蔽性,现行的采集方法普遍容易忽略这个问题。为此介绍一种雨量采集的优化设计方法。从干簧管工作原理出发,分析雨量采集的异常原因,针对干簧管失效、双簧片吸合移位以及突发异常的零星雨量或高值雨量等问题,在总结现行的雨量采集方法缺点后,提出有效的解决方案,包括干簧管吸合脉宽诊断、雨量脉冲周期诊断、屏蔽电磁干扰措施以及一种新颖的基于趋势分析的干簧管常开状态诊断技术。实践证明,这些解决方案可行、有效,提高了雨量采集数据的可信度与准确度。     

用卡尔曼滤波确定变分方法中的权重系数进行雨量校正

利用1999年淮河流域能量与水分循环试验(HUBEX)获得的雷达及遥测雨量计资料,用卡尔曼滤波方法确定变分法的权重系数,对1999年6月27日5:00到6月27日18:00的一次降水过程进行雨量校正,并将校正结果同其他校正方法的结果进行比较分析.     

七大江河流域面雨量计算方法及应用

参考我国水文部门和各省气象台的做法，比较客观地确定了全国七大江河流域（松花江、辽河、海河、黄河、淮河、长江、珠江）及其支流域的边界，将全国划分为71个子流域，并实现了各支流域内计算机自动选取代表测站。同时研究了各种面雨量计算方法的优缺点，最后选定泰森多边形法为面雨量计算的主要方法。2000年6－9月在中央气象台进行了面雨量预报业务试运行，每天定时完成将24小时常规雨量资料和加密雨量资料合并作为实况资料，并将中央气象台短期降水预报指导产品24、48小时雨量预报场转换成站点降水，在此基础上计算各支流域的实况和预报面雨量，同时实现了面雨量实况和预报在MICAPS下的显示。     

集合Kalman滤波资料同化技术及研究现状

针对国内集合Kalman滤波资料同化领域的研究空白,对该技术的背景、理论、优势以及存在的问题做了简要描述,对目前国际上的主要研究成果做了介绍,并给出了该方法可能的发展方向。     

集合卡尔曼滤波数据同化在一维波动方程中的应用

简要回顾了集合卡尔曼滤波(EnKF：Ensemble Kalman Filter)数据同化方法的发展历史,并介绍了EnKF数据同化方法的基本原理,利用一维非线性波动方程进行了数值试验。EnKF数据同化方法的实现过程简单可行。避免了EKF中协方差演变方程预报过程中出现的计算不准确和关于协方差矩阵的大量数据的存储问题,最主要的是EnKF可以有效控制模式变量估计误差方差的增长,改善预报效果。     

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.     

卡尔曼滤波法在西峰雷达估测降水中的应用

应用卡尔曼滤波校准法,利用地面自动雨量计的降水量值,对庆阳市2007年7月和9月2次降水过程中的2个雨量较明显时段的雷达估测值进行了校准分析,并与雨量计测量的雨量值进行了误差比较分析。结果显示：混合降水过程的校准效果要优于均匀降水过程。校准后,混合降水过程的相对误差从166.4%下降到了7.6%,均匀降水过程的相对误差从284.3%下降到了56.9%。由此可以看出卡尔曼滤波校准法能有效消除雷达估测降水过程中的各种随机噪声,并能提高雷达定量估算区域降水量的精度,同时还较好地保留了雷达探测降水的精细结构。     

基于集合卡尔曼滤波的土壤水分同化试验

集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。     

卡尔曼滤波技术在暴雨中期预报中的应用

在河北暴雨中期预报系统中,应用卡尔曼滤波技术对ＥＣＭＷＦ５００ｈＰａ高度预报场进行了订正。通过对ＥＣＭＷＦ５００ｈＰａ高度场的多种订正试验,分析比较未订正的和各种不同订正方案的高度预报均方根误差,证明卡尔曼滤波双因子订正对于提高暴雨预报能力是有效的。     

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.     

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。     

卡尔曼滤波在短期气候预测中的应用

用PRESS准则和最优子集回归选取预测因子，建立河西走廓东部月平均气温的卡尔曼滤波预测模型，经实际使用发现，该预测方法的精度较高，稳定性较好，为短期气候提供了一种新的思路和方法。