SVD-En3DVar方法同化多普勒雷达速度观测资料Ⅰ.模拟资料试验

利用WRF模式及模式模拟的资料,开展了利用SVD-En3DVar(基于集合和SVD技术的三维变分同化方法)方法同化雷达径向速度资料的试验.由于雷达观测经常出现大面积空缺,同化时引入了一种局地化方法避免远距离虚假相关的影响.试验着重研究了不同的初始扰动样本产生方法以及不同的样本积分时间对同化结果的影响.提出了一种为预报集合提供初始扰动场的新方法,这一方法将温度和比湿的伪随机扰动场当作观测增量,通过3DVar (three-dimensional variational technique)系统生成所有变量的初始扰动场.试验表明,用这种方法给出的初始扰动样本各个变量间有较好的协调性,积分后扰动不会快速衰减,可以减少模式调整的时间,达到缩短同化循环时间窗的目的.同化雷达径向风资料后对12小时内的温度,湿度和水平风的预报都有所改进,对降水的预报也有一定改进.     

SVD-En3DVar方法同化多普勒雷达速度观测资料 II. 实际资料试验

文章的第Ⅰ部分(徐道生等,2011)将基于SVD (singular value decomposition)技术和预报集合的三维变分同化方法(SVD-En3DVar)用于同化模拟的雷达速度观测资料,试验表明,通过3DVar (three-dimensional variational technique)方法产生预报...     

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。     

Hybrid ETKF-3DVAR方法同化多普勒雷达速度观测资料Ⅰ:模拟资料试验

利用WRF(Weather research and forecasting)模式及模式模拟的资料,采用Hybrid ETKF-3DVAR(ensemble transform Kalman filter-three-dimensional variational data assimilation)方法同化模拟雷达观测资料。该混合同化方法将集合转换卡尔曼滤波(ensemble transform Kalman filter)得到的集合样本扰动通过转换矩阵直接作用到背景场上,利用顺序滤波的思想得到分析扰动场;然后通过增加额外控制变量的方式把"流依赖"的集合协方差信息引入到变分目标函数中去,在3DVAR框架基础下与观测数据进行融合,从而给出分析场的最优估计。试验结果表明,Hybrid ETKF-3DVAR同化方法相比传统3DVAR可以提供更为准确的分析场,Hybrid方法雷达资料初始化模拟的台风涡旋结构与位置比3DVAR更加接近"真实场",对台风路径预报也有明显改进。通过对比Hybrid S试验与Hybrid F试验发现,Hybrid的正效果主要来源于混合背景误差协方差中的"流依赖"信息,集合平均场代替确定性背景场带来的效果并不显著。     

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。     

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.     

集合卡尔曼滤波同化多普勒雷达资料的观测系统模拟试验

本文将集合卡尔曼滤波同化技术应用到对流尺度系统中,实施了基于WRF模式的同化单部多普勒雷达径向风和反射率因子的观测系统模拟试验,验证了其在对流尺度中应用的可行性和有效性,并对同化系统的特性进行了探讨。试验表明:WRF-EnKF雷达资料同化系统能较准确分析模式风暴的流场、热力场、微物理量场的细致特征;几乎所有变量的预报和分析误差经过同化循环后都能显著下降,同化分析基本上能使预报场在各层上都有所改进,对预报场误差较大层次的更正更为显著;约8个同化循环后,EnKF能在雷达反射率、径向风观测与背景场间建立较可靠的相关关系,使模式各变量场能被准确分析更新,背景场误差协方差在水平方向和垂直方向都有着复杂的结构,是高度非均匀、各项异性和流依赖的;集合平均分析场做的确定性预报在短时间内能较好保持真值场风暴的细节结构,但预报误差增长较快。     

同化多普勒雷达风资料的两种方法比较

以美国新近研发的天气研究预报模式(WRF)配置的三维变分同化系统WRF 3D-Var为平台,比较了两种不同的同化多普勒雷达径向风资料的方法。一种是WRF 3D-Var系统现有的径向风资料直接同化方法;另一种是首先用两步变分法由多普勒资料反演出水平风,再同化反演风场。针对2003年7月4~5日的一次淮河暴雨过程进行的同化试验结果表明,同化了雷达风资料后得到的水平风场包含了更多的中尺度特征;从降水预报评分和预报的雷达回波来看,两种方法都能够明显改进降水预报,这种正作用能维持6 h左右;相对而言,同化反演的水平风场的效果略优于直接同化雷达径向风的效果。     

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。     

一次大暴雨过程的多普勒雷达资料同化的敏感性试验

利用WRF中尺度模式及WRF-3DVAR变分同化系统和LAPS雷达资料前处理模块建立试验平台,直接同化S波段多普勒雷达反射率和径向速度资料,通过对2008年8月15-16日发生在我国长江中游的一次大暴雨过程的各项预报对比试验研究,初步检验和评估不同种类多普勒雷达观测数据同化对改进数值模式初始场及其数值预报能力的影响及作用.初步结果表明:多普勒雷达资料同化对提高暴雨数值预报能力有重要作用.无论在24 h累计降水还是在逐时降水预报方面,同化多普勒雷达资料均可使降水雨带分布和强降水中心预报的准确性得到较大改善;多普勒雷达反射率资料同化对初始水汽场的改变显著,对初始风场影响较小,而同化径向速度对初始水汽场的改变较小,但可增加初始风场的中小尺度信息,使初始风场产生较大变化.总体上看,虽然雷达反射率和径向速度资料同化均可改进强暴雨的数值预报,但雷达反射率资料同化对降水雨带和中心预报的改进更为显著和重要.     

Doppler Radar Data Assimilation with a Local SVD-En3DVar Method

An observation localization scheme is introduced into an ensemble-based three-dimensional variational (3DVar) assimilation method based on the singular value decomposition technique (SVD-En3DVar) to improve assimilation skill. A point-by-point analysis technique is adopted in which the weight of each observation decreases with increasing distance between the analysis point and the observation point. A set of numerical experiments, in which simulated Doppler radar data are assimilated into the Weather Research and Forecasting (WRF) model, is designed to test the scheme. The results are compared with those obtained using the original global and local patch schemes in SVD-En3DVar, neither of which includes this type of observation localization. The observation localization scheme not only eliminates spurious analysis increments in areas of missing data, but also avoids the discontinuous analysis fields that arise from the local patch scheme. The new scheme provides better analysis fields and a more reasonable short-range rainfall forecast than the original schemes. Additional forecast experiments that assimilate real data from 10 radars indicate that the short-term precipitation forecast skill can be improved by assimilating radar data and the observation localization scheme provides a better forecast than the other two schemes.     

The WRF 3DVar System Combined with Physical Initialization for Assimilation of Doppler Radar Data

The three-dimensional variational data assimilation (3DVar) system of the Weather Research and Forecasting (WRF) model (WRF-Var) is further developed with a physical initialization (PI) procedure to assimilate Doppler radar radial velocity and reflectivity observations. In this updated 3DVar system, specific humidity, cloud water content, and vertical velocity are first derived from reflectivity with PI, then the model fields of specific humidity and cloud water content are replaced with the modified ones, and finally, the estimated vertical velocity is added to the cost-function of the existing WRF-Var (version 2.0) as a new observation type, and radial velocity observations are assimilated directly by the method afforded by WRF-Var. The new assimilation scheme is tested with a heavy convective precipitation event in the middle reaches of Yangtze River on 19 June 2002 and a Meiyu front torrential rain event in the Huaihe River Basin on 5 July 2003. Assimilation results show that the increments of analyzed variables correspond well with the horizontal distribution of the observed reflectivity. There are positive increments of cloud water content, specific humidity, and vertical velocity in echo region and negative increments of vertical velocity in echo-free region where the increments of horizontal winds present a clockwise transition. Results of forecast experiments show that the effects of adjusting cloud water content or vertical velocity directly with PI on forecast are not obvious. Adjusting specific humidity shows better performance in forecasting the precipitation than directly adjusting cloud water content or vertical velocity. Significant improvement in predicting precipitation as well as in reducing the model's spin-up time are achieved when radial velocity and reflectivity observations are assimilated with the new scheme.     

Assimilation of Doppler Radar Data with an Ensemble 3DEnVar Approach to Improve Convective Forecasting

An ensemble three-dimensional ensemble-variational(3DEnVar)data assimilation(E3DA)system was developed within the Weather Research and Forecasting model’s 3DVar framework to assimilate radar data to improve convective forecasting.In this system,ensemble perturbations are updated by an ensemble of 3DEnVar and the ensemble forecasts are used to generate the flow-dependent background error covariance.The performance of the E3DA system was first evaluated against one experiment without radar DA and one radar DA experiment with 3DVar,using a severe storm case over southeastern China on 5 June 2009.Results indicated that E3DA improved the quantitative forecast skills of reflectivity and precipitation,as well as their spatial distributions in terms of both intensity and coverage over 3DVar.The root-mean-square error of radial velocity from 3DVar was reduced by E3DA,with stronger low-level wind closer to observation.It was also found that E3DA improved the wind,temperature and water vapor mixing ratio,with the lowest errors at the surface and upper levels.3DVar showed moderate improvements in comparison with forecasts without radar DA.A diagnosis of the analysis revealed that E3DA increased vertical velocity,temperature,and humidity corresponding to the added reflectivity,while 3DVar failed to produce these adjustments,because of the lack of reasonable cross-variable correlations.The performance of E3DA was further verified using two convective cases over southern and southeastern China,and the reflectivity forecast skill was also improved over 3DVar.     

雷达径向风资料的四维变分同化试验

在MM5四维变分同化系统(MM5 4D-Var)的基础上开发出雷达径向风资料的同化模块,利用改进后的同化系统对2002年7月22日湖北宜昌多普勒雷达的径向风观测资料进行四维变分同化试验,分析雷达径向风资料的同化对中尺度数值模式初始场的调整以及对中尺度强降水模拟的影响.研究结果表明,同化雷达径向风资料加强了中尺度对流系统低层100km左右范围内的风场辐合.调整后的风场具有更明显的β中尺度特征.利用14 min的雷达径向风资料可以改进3 h之内的强降水模拟,尤其是对雷达站东南侧强降水的模拟.     

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。     

多普勒雷达资料同化对北京“7.21”大暴雨过程模拟的影响

利用新一代中尺度预报模式WRFV3.6及其三维变分同化系统(WRF-3DVAR),对2012年7月21日北京地区的一次暴雨过程进行多普勒天气雷达径向风和反射率的同化试验研究,检验和探讨高时空分辨率多普勒天气雷达资料在改进模式初始场及提高对暴雨过程预报的准确率等方面的应用效果及意义。结果发现雷达资料同化能在初始场中加入反映产生降水的低层风场辐合的动力和锋前暖区充足的水汽条件的物理信息,可以在模式积分开始后改善初始场中水汽和风的分布,较快地模拟出局地对流系统的发生、发展,改善由于中尺度观测资料不足而造成的模式初始场里中尺度信息缺乏的问题。径向速度的同化增加了中尺度信息,对初始流场的调整较为显著,侧重于改进风场。而雷达反射率资料的同化对初始温、湿度场和强回波位置的调整更明显,侧重于改进湿度场。累计降水的预报结果显示,同化径向风资料对雨带的位置、范围有较好的改进,同化雷达反射率资料对暴雨强度的预报有明显的改善。通过降水ETS评分发现,同化常规观测试验相对于控制实验,对于5、15 mm和25 mm降水评分能增加0.1左右,径向风同化试验能增加0.2左右,反射率同化试验能增加0.3左右,而径向风加反射率试验增加的评分介于0.2～0.3。雷达资料对于提高定量降水预报的精确度有着重要作用。