利用NOAA系列卫星AVHRR资料进行气候研究时存在的一些问题

目前，ＮＯＡＡ／ＡＶＨＲＲ已有１５年资料，利用其进行气候研究时必须考虑资料可靠性和连续性问题。ＮＯＡＡ卫星在运行过程中受多种因素影响，ＡＶＨＲＲ探测值会发生变化。根据国内外有关研究结果，对这些变化和由这些变化带来的问题以及解决问题的方法作一介绍，供从事卫星资料应用的人员参考。     

基于风暴数值模拟的冰雹临近预报方法研究

该文利用基于格点冰雹识别的研究成果,结合ARPS风暴数值模式的输出结果,提出基于风暴数值模式的冰雹临近预报方法,即用风暴数值预报的水物质场反演的反射率因子场作为冰雹的预报因子,并通过建立基于格点的强冰雹识别算法作为冰雹预报模型,从而对冰雹的落区及大小做出预报。与一般的冰雹预报模型相比,新的方法有以下特点：选取的冰雹预报因子物理意义更加明确,更加全面;建立的冰雹预报模型比较稳定;建立冰雹预报模型的过程相对简单。新的方法在一次强冰雹过程中得到了成功应用,在3h的临近预报中基本准确预报了强冰雹的落区位置。     

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6km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。     

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。     

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。     

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.