云尺度雷达资料的混合同化对台风“桑美”的数值模拟研究

本文采用基于WRFDA的集合-变分混合同化系统（En3DVAR）在云尺度分辨率下同化了雷达观测资料考察其对登陆台风"桑美"的影响。高时空分辨率的雷达径向风资料在台风登陆前的3 h同化窗内以每30 min的频率同化进WRF模式（Weather Research and Forecasting）。研究结果表明:En3DVAR试验在3 h同化窗内的均方根误差相比3DVAR试验改进显著,这可能得益于混合同化系统中提供的"流依赖"的集合协方差信息。系统性的诊断分析表明En3DVAR试验在台风内核区产生了较为明显正温度增量,对台风内核区的热力和动力结构均有较好调整,而3DVAR则在台风内核区产生了负温度增量;相比3DAVR试验,En3DVAR在采用了"流依赖"的集合协方差信息后还可以对背景场上的台风的位置进行系统性的偏差订正。总体而言,En3DVAR试验预报的台风路径和强度相比3DVAR改进显著,其正效果主要来源于混合背景误差协方差中的"流依赖"集合协方差信息。     

不同 AMDAR资料同化时间窗对台风“摩羯”预报影响研究

2018年第14号台风“摩羯”对山东造成了大范围暴雨和大风天气,基于WRF（Weather Research and Forecasting）模式及其Hybrid-3DVAR混合同化预报系统,对Hybrid-3DVAR不同集合协方差比例和不同航空气象数据转发（aircraft meteorological data relay,以下简称AMDAR）资料同化时间窗对台风“摩羯”预报的影响进行了数值研究。结果表明：加大集合协方差比例对台风“摩羯”路径预报有较大影响和改进;当全部取来自集合体的流依赖误差协方差时,预报的台风路径最好,降水预报也最接近实况;AMDAR资料同化对于台风路径和降水预报也有正的改进作用,但加大集合协方差比例到100%时对台风路径预报影响更大;不同资料同化时间窗会影响同化的AMDAR资料数量,从而影响台风降水精细化预报;45 min同化时间窗的要素预报误差最小,对台风造成的强降水精细特征预报最接近实况;不同资料同化时间窗主要影响台风降水预报落区分布,对台风路径预报影响相对较小。     

基于不同背景场条件的雷达资料同化在登陆台风“桑美”中的应用研究

本文针对2006年登陆我国的超强台风“桑美”,分别采用美国国家环境预报中心的全球预报系统(Global Forecasting System, GFS)再分析资料和日本气象厅(Japan Meteorological Agency, JMA)区域客观再分析资料作为背景场,利用中尺度数值模式WRF(Weather Research and Forecasting Model)及其三维变分同化系统进行多普勒雷达资料同化和数值模拟试验,考察不同的背景场条件下雷达资料同化对台风初始场、内部结构及其随后确定性预报的影响。结果表明：GFS试验和JMA试验在同化了雷达资料之后分析出的台风700 hPa风场和500 hPa高度场相比其初始场均有所增强,JMA试验在3 h同化窗内的均方根误差和最小海平面气压的改进效果均比GFS试验显著,同时对台风动力和热力结构的改进效果也优于GFS试验;JMA试验对台风降水、路径、强度的预报均优于GFS试验,且能预报出台风前沿的降水,更加接近观测实况。     

黄海海雾短时临近预报中云水路径的EnKF同化研究

在海雾的短时临近预报中,初始场的水汽凝结状态扮演着重要角色。为了改进初始场的云水含量,本文提出直接同化雾体云水信息的思路。针对2011年5月一次大范围的黄海海雾,借助EnKF (Ensemble Kalman Filter)方法,尝试进行了极轨卫星反演云水路径数据的同化试验。结果表明:(1)通过利用EnKF将云水混合比增加到背景场和分析场的控制变量中,构建云水观测数据与背景场之间的关系,实现云水路径数据的直接同化是可行的;(2)同化云水路径可显著改善海面气温与湿度状态,大幅提高海雾预报效果;(3)EnKF能够基于集合体动态统计流依赖的背景误差协方差是其取得良好同化效果的主要原因。值得指出的是,受集合样本误差的影响,需要特别关注云水含量与风之间的相关关系。     

多普勒雷达资料同化在台风“桑美”预报中的应用研究

本文以2006年超强台风"桑美"为个例,考察了同化雷达径向风观测资料对台风初始场和预报场的改进作用。首先对沿海新一代多普勒天气雷达的径向风观测资料进行了去噪音、退模糊等一系列的质量控制,进一步利用美国国家大气研究中心开发的中尺度数值模式WRFV3.5及其三维变分同化系统WRF-3DVAR,每30min循环同化雷达径向风观测资料。结果表明:同化多普勒雷达径向风观测资料后,对台风在模式中的初始位置进行了很好的修正,同时对台风区的动力和热力结构均有较好的调整。两组同化试验对于台风的路径、强度、降水等预报要优于控制试验,并且对背景误差协方差尺度化因子优化调整可以更有效地吸收雷达观测资料并提供更多的中小尺度信息。     

不同控制变量的AMSR2资料同化方法对台风“山神”预报的影响研究

以2012年生成于太平洋西岸的第23号台风"山神"(Son-tinh)为个例,在WRFDA-3DVar同化系统中结合新型AMSR2同化模块,探讨两种不同的同化背景误差协方差(CV5、CV7)和不同的模式背景场启动机制(冷,热启动)对台风预报影响的研究。结果表明:(1)同化系统的分析场相对于背景场,对AMSR2辐射率资料亮温的模拟,在观测残差、标准差、均方根误差方面均有不同程度的减小。可以很好地模拟出台风的热力学结构,提高模式分析场的质量,从而进一步提高台风预报的准确度;(2)总体而言使用UV风的控制变量方案(CV7)的效果略好于使用流函数和势函数的方案(CV5)。CV7方案的正向温度增量区域大于CV5,尤其是在台风中心区域附近,正向温度增量有助于台风暖心结构的形成;(3)热启动的spin-up过程可以改善模式的热力结构和水汽特征;CV7方案可以在更小尺度上将背景场和观测联系起来且在边界附近产生的误差更小。热启动结合CV7方案对于台风路径的预报最为有效。     

台风Bogus资料的四维变分同化试验

给出人造台风(即Bogus)资料同化方案,并用于生成台风的初始结构,同时用9608号台风进行了测试,资料同化和预报均采用第5代中尺度模式系统(The Fifth-Generation NCAR/Penn State Mesoscale Model,简称MM5),结果发现该方案能产生成熟台风的许多结构特征,对9608号台风的预报也有明显改进.模式的初始场更适合于预报模式,能有效抑制积分初期的旋转加强(即Spinup)现象;强度预报和路径预报都得到改善,Bogus资料同化方案的各时次路径预报误差均比Bogus资料直接嵌入方案的误差要小.     

基于粒子滤波和三维变分混合数据同化方法的构建与理想实验验证

本文基于粒子滤波和三维变分设计了一种新的混合数据同化方法。新方法通过粒子滤波的最优估计生成具有背景误差信息的集合扰动,从而为三维变分提供流依赖的背景误差协方差。粒子退化一直是粒子滤波应用于数据同化领域的主要阻碍。为了让混合方法更好地发挥作用,针对粒子退化问题,本文提出了一种改进的残差重采样方法,通过在正态分布中采样粒子,解决了退化导致的粒子缺乏多样性。在理想lorenz-63模型上进行数据同化实验,结果表明,新方法在模型误差较大的情况下效果优于集合变换三维变分方法(ensemble transform Kalman filter-three-dimensional variational method,ETKF-3Dvar),并且随着模型误差不断增大,新方法也同样优于传统数据同化方法。改进的残差重采样在与分层重采样和一般残差重采样的对比实验中,在给定时间窗口内可以保证同化结果稳定,而其他两种方法的同化结果都出现了较大偏差。     

海洋资料同化对气候季节-年际预测技巧及初始场的影响试验

集合卡尔曼滤波(Ensemble Kalman filter, EnKF)是一种国内外广泛使用的海洋资料同化方案, 用集合成员的状态集合表征模式的背景误差协方差, 结合观测误差协方差, 计算卡尔曼增益矩阵, 有效地将观测信息添加到模式初始场中。由于季节、年际预测很大程度上受到初始场的影响, 因此资料同化可以提高模式的预测性能。本文在NUIST-CFS1.0预测系统逐日SST nudging的初始化方案上, 利用EnKF在每个月末将全场(full field)海表温度(sea surface temperature, SST)、温盐廓线(in-situ temperature and salinity profiles, T-S profiles)以及卫星观测海平面高度异常(sea level anomalies, SLA)观测资料同化到模式初始场中, 对比分析了无海洋资料同化以及加入同化后初始场的区别、加入海洋资料同化后模式提前1~24个月预测性能的差异以及对于厄尔尼诺-南方涛动(El Niño-southern oscillation, ENSO)预测技巧的影响。结果表明, 加入海洋资料同化能有效地改进初始场, 并且呈现随深度增加初始场改进越显著的特征。加入同化后, 对全球SST、次表层海水温度的平均预测技巧均有一定的提高, 也表现出随深度增加预测技巧改进越明显的特征。但加入海洋资料同化后, 模式对ENSO的预测技巧有所下降, 可能是由于模式误差的存在, 使得同化后的预测初始场从接近观测的状态又逐渐恢复到与模式动力相匹配的状态, 加剧了赤道太平洋冷舌偏西、中东部偏暖的气候平均态漂移。     

HY-2卫星高度计波高资料在集合最优插值同化中的应用研究——以台风“Lipee”为例

基于海浪模式SWAN（Simulating Waves Nearshore）,以台风“Lipee”为例,开展了集合最优插值（EnOI）同化HY-2卫星高度计有效波高（SWH）资料的台风浪数值预报影响研究。结果表明,利用HY-2卫星高度计波高资料结合EnOI方法进行同化,可有效改善海浪初始场质量,同化对绝对误差的改进可达15%,均方根误差改进14%。同化对预报误差、均方根误差都有一定程度的改进,其中在0~24 h预报时效内的改进最为明显,绝对误差可改进12%,均方根误差改进13%。研究结果不仅可为海洋预报、同化提供参考,而且可为进一步加强HY-2卫星高度计资料的应用提供技术支持。     

Data assimilation considerations for improved ocean predictability during the Gulf of Mexico Grand Lagrangian Deployment (GLAD)

Ocean prediction systems rely on an array of assumptions to optimize their data assimilation schemes. Many of these remain untested, especially at smaller scales, because sufficiently dense observations are very rare. A set of 295 drifters deployed in July 2012 in the north-eastern Gulf of Mexico provides a unique opportunity to test these systems down to scales previously unobtainable. In this study, background error covariance assumptions in the 3DVar assimilation process are perturbed to understand the effect on the solution relative to the withheld dense drifter data. Results show that the amplitude of the background error covariance is an important factor as expected, and a proposed new formulation provides added skill. In addition, the background error covariance time correlation is important to allow satellite observations to affect the results over a period longer than one daily assimilation cycle. The results show the new background error covariance formulations provide more accurate placement of frontal positions, directions of currents and velocity magnitudes. These conclusions have implications for the implementation of 3DVar systems as well as the analysis interval of 4DVar systems.     

中国海及邻近海域卫星观测资料同化试验

利用1个基于POMgcs海洋模式和多重网格三维变分同化方法建立的中国海及邻近海域海面高与三维温盐流数值预报模型,通过一系列数值试验,研究了同化卫星测高和卫星遥感海面温度观测资料对该模型预报能力的影响。试验结果表明,同化卫星测高资料可明显改善海面高度与三维温度和盐度的分析预报效果,使1 200 m以上的温度预报误差减小0.16℃,并能有效提高对海洋中尺度现象的预报能力;同化卫星遥感海面温度对100 m以上的温度和盐度的预报效果有所改善,可使海面温度的预报误差减小10%。     

Assimilating temperature and salinity profile observations using an anisotropic recursive filter in a coastal ocean model

In order to improve the ocean forecasting in the North Sea and Baltic Sea, an assimilation scheme based on a bottom-topography-dependent anisotropic recursive filter has been used in this study. This scheme can stretch or flatten the shape of a local representative contour surface of the background error covariance function into the form of an ellipse. Furthermore, the computing efficiency has been largely improved due to implicit computation of the background error covariance. A two-month experiment has been used for verifying the impact of assimilating ocean profile observations on ocean forecasting. The results indicate that the use of temperature and salinity profiles can largely improve the oceanic forecasting. The root mean square differences between the forecasts and observations for temperature and salinity have been reduced by 36% and 18% in the experiment period, respectively. Moreover, it is found that the anisotropic recursive filter approach is especially efficient in areas with complex coastlines and sharp fronts, e.g., inner Danish waters. The results also show that the propagation of observation information from an observation position to its neighboring grid points is closely related to currents.     

An experimental analysis for the impact of 3D variation assimilation of satellite data on typhoon track simulation

A series of test simulations are performed to evaluate the impact of satellite-derived meteorological data on numerical typhoon track prediction. Geostationary meteorological satellite (GMS-5) and NOAA‘ s TIROS operational vertical sounder (TOVS) observations are used in the experiments. A three-dimensional variational (3D-Var) assimilation scheme is developed to assimilate the satellite data directly into the Penn State-NCAR nonhydrostatic meteorological model (MM5). Three-dimensional objective analysis fields based on the T213 results and conventional observations are employed as the background fields of the initialization. The comparisons of the simulated typhoon tracks are carried out, which correspond respectively to assimilate different kinds of satellite data. It is found that, compared with the experiment without satellite data assimilation, the 3D-Var assimilation schemes lead to significant improvements on typhoon track prediction. Track errors reduce from approximately 25% at 24 h to approximately 30% at 48 h for 3D-Var assimilation experiments.     

Nudging资料同化对北极海冰密集度预报的改进

北极夏季海冰的快速减少使得北极航道提前开通成为可能。为了给北极冰区船运活动提供及时可靠有效的海冰预报保障,急需提高海冰预报水平。本文基于麻省理工大学通用环流模式(MITgcm),使用牛顿松弛逼近(Nudging)资料同化方法将德国不莱梅大学的第二代先进微波辐射成像仪(AMSR2)海冰密集度资料同化到模式中,建立了北极海冰数值预报系统。设计试验对比3种不同Nudging系数计算方案的改进效果,结果表明选择合适参数后,不同方案均能显著改进海冰密集度初始场。通过设计有无Nudging同化的两组预报试验,结合卫星遥感海冰密集度及中国第五次北极科学考察期间"雪龙"船的走航海冰密集度观测数据,定量分析了Nudging同化方案对北极海冰密集度的24~120 h预报结果的改进效果。结果表明,Nudging同化对120 h内全北极海冰密集度的空间分布和移动单点目标的海冰密集度预报结果均有显著改善;但在海冰变化很小的情况下,Nudging同化试验的24~120 h预报结果均劣于惯性预报结果,说明基于Nudging同化的数值预报系统还需进一步提高预报技巧。     

Arctic sea ice concentration and thickness data assimilation in the FIO-ESM climate forecast system

To improve the Arctic sea ice forecast skill of the First Institute of Oceanography-Earth System Model (FIO-ESM) climate forecast system, satellite-derived sea ice concentration and sea ice thickness from the Pan-Arctic Ice-Ocean Modeling and Assimilation System (PIOMAS) are assimilated into this system, using the method of localized error subspace transform ensemble Kalman ?lter (LESTKF). Five-year (2014–2018) Arctic sea ice assimilation experiments and a 2-month near-real-time forecast in August 2018 were conducted to study the roles of ice data assimilation. Assimilation experiment results show that ice concentration assimilation can help to get better modeled ice concentration and ice extent. All the biases of ice concentration, ice cover, ice volume, and ice thickness can be reduced dramatically through ice concentration and thickness assimilation. The near-real-time forecast results indicate that ice data assimilation can improve the forecast skill significantly in the FIO-ESM climate forecast system. The forecasted Arctic integrated ice edge error is reduced by around 1/3 by sea ice data assimilation. Compared with the six near-real-time Arctic sea ice forecast results from the subseasonal-to-seasonal (S2S) Prediction Project, FIO-ESM climate forecast system with LESTKF ice data assimilation has relatively high Arctic sea ice forecast skill in 2018 summer sea ice forecast. Since sea ice thickness in the PIOMAS is updated in time, it is a good choice for data assimilation to improve sea ice prediction skills in the near-real-time Arctic sea ice seasonal prediction.     

南海北部海洋四维变分同化试验研究

为了研究四维变分同化方法在南海北部海洋数值预报中的适用性,使用海洋区域模式(ROMS),建立了南海北部海洋资料四维变分同化系统,进行了温盐廓线和海面温度数据同化试验,初步对比分析了三种四维变分实现方法的同化效果。研究结果表明,四维变分同化方法具有较好的同化效果,其中,增量强约束方法(I4DVar)具有较好的稳定性,其稳定性高于4DPSAS和R4DVar。本文研究成果为建立南海业务化海洋四维变分同化及预报系统奠定技术基础。