两种四维奇异值分解同化方法的比较及误差分析

4DSVD是最近提出的一种新的资料同化方法。目前还存在一些需要解决的问题,比如如何选取样本,如何得到支撑大气吸引子的基向量以及选取基向量的个数问题等等。作者利用奇异值分解(SVD)与经验正交函数分解(EOF)两种方法来获得支撑大气吸引子的基向量,推导了基于这两种方法的4DSVD分析场的理论公式,并用简单的数值试验比较了基于这两种方法的4DSVD分析场的空间相关系数和误差,初步分析了分析场与基向量个数的关系以及与样本选取的关系和分析误差的来源及各种误差对分析误差影响的相对大小。结果表明,用SVD方法作为获得支撑大气吸引子基向量的方法得到的分析场较EOF方法稳定,分析场与基向量个数有密切关系,观测误差、模式误差和观测代表性误差是分析误差的主要来源,且其引起的分析误差随着基向量个数增多而增大。     

在四维变分同化中运用集合协方差的试验

利用浅水方程模式和模式模拟资料进行数值试验比较3种不同的背景误差协方差矩阵处理方法对四维变分(4DVAR)资料同化的影响.3种背景误差协方差矩阵分别是:(1)对单一变量将背景误差协方差矩阵简化为对角矩阵;(2)将背景误差协方差矩阵的作用简化为高斯过滤;(3)由预报集合生成背景误差协方差矩阵并利用奇异值分解技术解决矩阵的求逆.通过一系列数值试验,比较不同观测密度、不同观测误差下3种背景误差协方差处理方法对4DVAR同化效果的影响.结果表明,背景误差协方差的结构对4DVAR有重大影响.当观测资料的空间密度不够高时,采用对角矩阵得不到满意的结果.高斯过滤方案可以明显改善同化结果,但是对背景误差特征长度比较敏感.第3种方法采用的背景误差协方差矩阵是流型依赖的,而且并不以显式的方式出现在目标函数中.避免了对它求逆的复杂运算.由于做了降维处理,在观测点的密度较低和观测误差较大时可望取得较好的同化结果,同化效果较为稳定.     

一种基于预报集合的降维资料同化方法的数值试验研究

对Qiu和Chou(2006)提出的一种基于预报集合的降维资料同化方法(4DSVD)给出了可行的实施方案，利用中尺度模式MM5产生的模拟资料进行数值试验并将其与MM5/3DVAR的同化结果进行比较，分析了不同的观测误差和观测点密度对同化结果的影响。试验表明:(1)和3DVAR相比该方法能更好地从有观测的变量推断无观测的变量(从温度的观测推测风和比湿)；(2)该方法可以相当有效地滤除观测噪音；(3)该方法具有更好的将观测信息扩展到资料空缺地区的能力。     

基于EOF/SVD的短期气候预测误差订正方法及其应用

利用中国科学院大气物理研究所第2代短期气候数值预测系统(IAP-DCP II)1980-1999年共20年的集合回报结果,提出了基于经验正交函数(EOF)和奇异值分解(SVD)的模式误差订正方法,并考察了上述订正方法对中国科学院大气物理研究所气候预测系统预测性能提高的季节差异及其稳定性,分析了订正方法对不同预报场的适用...     

使用混合样本的集合四维变分同化试验研究

基于集合和奇异值分解的四维变分同化方法(SVD-En4DVar)的同化效果对采用的预报样本容量有很强的依赖性,其中一个重要原因是在SVD-En4DVar中分析变量被表示为按照扰动预报集合提取的奇异向量作线性展开的形式,这种展开存在截断误差,过少的样本数会造成过大的截断误差。为了在不增加计算量的情况下增加用于同化的样本,从而改善同化效果,本文提出了流依赖的预报样本与定常样本相混合的方法。定常样本有两种生成方法：第一种是按照给定的统计结构给出伪随机扰动场直接叠加到四维背景场上而完全不经过模式积分;第二种是在第一个同化循环时将伪随机扰动场叠加到初始背景场,然后在分析时间窗内积分模式得到扰动预报样本,最后将其中一部分保留不动作为后面同化循环的定常样本。利用浅水方程模式和80个变量的Lorenz-96模式及模拟资料进行数值试验,比较不同样本结构的同化效果。结果表明,在浅水方程模式的同化中,完全采用大容量的定常样本仍然可以得到较好的结果,但对Lorenz-96模式效果不好。采用混合样本后,这两类模式的同化都可以得到较好的结果,在相同的计算时间下,混合样本方法可以明显提高同化精度,其中第二种产生定常样本的方法要好于第一种。     

数值模式误差对降水四维变分资料同化及预报的影响

利用一个无量纲的水汽发展方程,针对同化时间窗口内出现和不出现降水两种情况,分析了不同模式误差和初始误差对降水四维变分资料同化预报效果的影响。结果表明,应用四维变分资料同化方法进行降水预报前,应该充分考虑数值模式中的误差,才能得到比较满意的同化及预报结果。假定同化窗口内获得的比湿观测场是准确的,当不存在模式误差时,四维变分资料同化方法可以有效地消除初始场误差,找到比湿真实初始场;而存在模式误差时,四维变分资料同化后的模式初始场会偏离真实的比湿初始场,并且模式误差越大,偏离程度越严重。在一些模式误差情况下,由于模式误差在同化窗口及延伸预报时段的作用不同,进行四维变分资料同化处理后,尽管累积降水量的预报结果在同化时间窗口内优于同化前的预报,而在最终预报时刻反而差于同化前。     

四维同化新技术

文章阐述了一种连续的四维资料同化技术，即使用伴随模式的变分分析。     

四维同化的一些方法

所谓四维同化问题,就是利用一切有效信息,去估计出数值预报所需要的某时刻的大气状态值。本文介绍确定大气初始时刻状态值的一些方法。     

一种四维同化方法的试验研究

文章利用一个有限区模式对一种资料四维同化过程作了试验研究,以考察四维资料同化对模式的预报过程的作用。试验结果表明：四维资料同化可以为模式提供一组四维动力协调的积分初值。对由于资料或模式原因造成的积分开始时的高频振荡有很好的抑制作用,使模式的积分稳定性增强。     

四维变分资料同化

用Lorenz模式作变分同化数值试验，通过对一个简单系统的讨论，对四维变分同化方法进行较深入分桥。利用Lorenz模式的数值试验，检验切线模式及伴随模式，并对目标函数及其梯度进行了检验。     

不同模式误差方案在集合Kalman滤波土壤湿度同化中的比较试验

本文主要目的是探讨不同模式误差方案在土壤湿度同化中的性能。基于集合Kalman滤波同化方法和AVIM (Atmosphere-Vegetation Interaction Model) 陆面模式, 利用理想试验对膨胀因子方案 (Covariance Inflation, 简称CI)、 直接随机扰动方案 (Direct Random Disturbance, 简称DRD)、 误差源扰动方案 (Source Random Disturbance, 简称SRD) 等3种模式误差方案的同化效果进行了比较, 讨论了各方案在不同观测误差、 观测层数、 观测间隔情况下的同化性能。试验结果表明在观测误差估计完全准确的情况下, 3种方案都能获得较好的同化效果, 并且SRD方案相对于真值的均方根误差最小。当观测误差估计不准确时, SRD方案的同化效果仍能基本得以保持, 而CI和DRD方案则对观测误差估计更为敏感, 同化效果下降明显。当同化多层观测时, CI和DRD方案由于难以保持不同层观测之间的匹配关系, 同化结果反而变差, 而SRD方案能有效协调同化多层观测, 增加观测层后同化结果有了进一步的改善。当观测时间间隔较大时, CI和DRD方案的同化效果显著下降; 而SRD方案由于包含了一定的误差订正功能, 在观测稀疏时仍能保持较好的同化效果。     

4DSVD分析误差与样本选取方法和样本容量的关系初探

分析误差与样本选取方法和样本容量的关系是4DSVD同化方法一个亟需研究的重要问题。获得支撑大气模式空间和观测空间吸引子的基向量是4DSVD研究的关键部分,样本的好坏和样本容量的范围是决定4DSVD基向量和分析结果质量的一个重要前提条件。首先利用Lorenz28变量模式,用4DSVD方法做了一些简单三维同化试验,探讨了Lorenz28变量模式的分析误差与样本容量和样本选取方法的关系。数值试验结果表明,对一个具体的模式,有限的样本容量就能够获得较高精度的分析结果;在模式系统和观测系统不变情况下,用一定样本容量得到的支撑模式空间和观测空间的基向量具有很好的稳定性,即一旦获得一组较好的基向量,在观测系统和模式系统不变的情况下,对同化任何时刻的观测适用;分析结果对选取方法没有太大的依赖性,但具体的样本容量要视不同模式和样本选取方法而定。用WRF模式做的4DSVD四维观测系统模拟试验结果表明,若样本选取方法得当,所需要的样本容量要远远小于模式自由度。4DSVD要真正获得较高精度的分析结果,需要的条件是尽可能的在吸引子上取样并选取充足的样本容量;间隔取样可以一定程度上减少计算量。根据数值试验结果提出了4DSVD在实际同化时样本选取的一些初步的方法。     

EnKF中误差协方差优化方法及在资料同化中应用

集合卡尔曼滤波 (the Ensemble Kalman Filter,简称EnKF) 中将预报集合的统计协方差作为预报误差协方差,但该估计可能严重偏离真实的预报误差协方差,影响同化精度。基于极大似然估计理论,发展了一种优化预报误差协方差矩阵的实时膨胀方法,即MLE (the Maximum Likelihood Estimation) 方法。利用蒙古国基准站Delgertsgot (简称DGS站) 观测资料,基于EnKF方法和MLE方法,在通用陆面模式 (the Common Land Model,简称CoLM) 中同化了地表温度和10 cm土壤温度观测资料,建立了土壤温度同化系统。结果表明:MLE方法对地表温度和各层土壤温度 (尤其深层土壤温度) 的估计比EnKF方法准确。考虑到浅层和深层土壤温度的差别,在实施MLE方法时对浅层和深层土壤温度采用了不同的膨胀因子。对比膨胀因子为单一标量时的结果,多因子膨胀能缓解深层土壤温度的不合理膨胀,改善同化效果。     

Wind Speed and Altitude Dependent AMDAR Observational Error and Its Impacts on Data Assimilation and Forecasting

Aircraft Meteorological Data Relay (AMDAR) observations have been widely used in numerical weather prediction (NWP) because of its high spatiotemporal resolution. The observational error of AMDAR is influenced by aircraft flight altitude and atmospheric condition. In this study, the wind speed and altitude dependent observational error of AMDAR is estimated. The statistical results show that the temperature and the observational error in wind speeds slightly decrease as altitude increases, and the observational error in wind speed increases as wind speed increases. Pseudo single AMDAR observation assimilation tests demonstrate that the wind speed and altitude dependent observational error can provide more reasonable analysis increment. Furthermore, to assess the performance of wind speed and altitude dependent observational error on data assimilation and forecasting, two-month 3-hourly cycling data assimilation and forecast experiments based on the Weather Research and Forecasting Model (WRF) and its Data Assimilation system (WRFDA) are performed for the period during 1 September-31 October, 2017. The results of the two-month 3-hourly cycling experiments indicate that new observational error improves analysis and forecast of wind field and geo-potential height, and has slight improvements on temperature. The Fractions Skill Score (FSS) of the 6-h accumulated precipitation shows that new wind speed and altitude dependent observational error leads to better precipitation forecast skill than the default observational error in the WRFDA does.     

Characteristics of Fengyun-4A Satellite Atmospheric Motion Vectors and Their Impacts on Data Assimilation

The high observation efficiency, scanning speed and observation frequency of the Fengyun-4A(FY-4A) satellite indicates the progress of Chinese geostationary meteorological satellites. The characteristics of FY-4A atmospheric motion vectors(AMVs) derived from the high-level water vapor(WV-High) channel, mid-level water vapor(WV-Mid) channel,and infrared(IR) channel of FY-4A are analyzed, and their corresponding observation errors estimated. Then, the impacts of single-channel and multi-channel FY...     

复杂地形下地面观测资料同化III. 两种解决模式地形与观测站地形高度差异方法的对比分析

模式地形与观测站地形高度差异是地面资料同化方案设计中的一大难点。本文通过个例和单点试验对第I和第II部分 (徐枝芳等, 2007a, 2007b) 中涉及的两种解决模式地形与观测站地形高度差异的地面资料同化方法 (即增加温度地形代表性误差和温度订正方法) 进行对比分析, 并将这两种方法应用于WRF_3DVAR, 进行3个月的连续数值试验。研究结果表明: 随着地形高度差异的增加, 采用增加观测误差方法得到的估计值向其它资料同化分析值 (背景场值) 靠近, 在一定的高度差异下则失去了同化分析地面资料的意义; 温度订正方法对温度递减率的取值较为敏感, 在有探空资料参与同化分析时, 温度递减率取值敏感性相对减弱。当采用的订正值较为准确时, 采用温度订正方法较增加观测误差方法能更好地处理两种地形高度差异, 地面资料信息应用更充分, 得到的估计值最有可能接近真实值。当模式地形与观测站地形高度差异较小 (小于100 m) 时, 两种解决模式地形与观测站地形高度差异的方法达到的效果基本一致。单点及个例试验表明, 有探空资料等高质量观测参与同化分析时, 采用增加观测误差方法得到分析场更接近真实场。三个月连续试验也表明有探空资料参与同化分析时, 采用增加观测误差方法比温度订正法改进的郭永润同化方案 (Guo et al., 2002) 同化地面资料效果好, 且加入地面资料同化对所有量级降水预报都有所改善。当地面资料同化方案没处理好时, 加入地面资料同化的效果反而不如不加地面资料同化。     

The REM Adjoint System and Its 4DVar Data Assimilation Experiments

The Regional Eta-coordinate Model(REM) has performed well in forecasting heavy rainfalls in China in recent years.A four-dimensional variational assimilation system(4DVar) is developed to improve the forecast skill of the REM.The tangent linear model and adjoint model codes are written according to thecode to coderule,and the establishment of the REM adjoint modeling system is introduced in detail in this paper.The tangent linear and adjoint models of the REM are validated against the observational data,...     

基于NLS-4DVar方法的雷达资料同化及其在暴雨预报中的应用

在基于本征正交分解POD（Proper Orthogonal Decomposition）的集合四维变分同化方法（POD4DEnVar）建立的雷达资料同化系统（PRAS）的基础上,本文利用非线性最小二乘法的集合四维变分同化方法（NLS-4DVar）对PRAS进行改进,解决PRAS在高度非线性情况下的适应性问题,建立了新的雷达资料同化系统（NRAS）。通过观测系统模拟试验OSSEs（Observing System Simulation Experiments）和两次实际暴雨同化试验（2010年7月8日,中国中部地区;2014年3月30日,中国华南地区）对NRAS进行检验,并与PRAS的同化结果进行了对比。结果表明:无论是OSSEs还是实际雷达资料的同化,相对于PRAS,NRAS能够进一步提高同化效果。通过增加迭代的次数,NRAS能够有效地调整初始场的风场和水汽场,进一步提高了降水强度和位置的预报精度。但随着迭代次数的增加,对初始场的调整变小,进而对降水预报效果的改进也减小。试验结果表明NRAS能够有效解决PRAS在高度非线性情况下的应用问题,通过有限次数的迭代,即可得到近似收敛的结果。因而NRAS有望在数值预报中更有效地同化雷达资料,提高中小尺度天气的预报水平。