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。     

变分四维同化方法若干问题的数值试验

资料误差和模式误差都可能影响变分四维同化的结果,针对这一问题利用浅水方程模式进行了变分四维同化的数值模拟试验。试验分三种情况进行：（１）仅修正初始场,（２）仅修正模式;（３）二者同时修正。试验结果表明,当模式有误差时,传统的变分四维同化方法（仅修正初始场）可能将模式的误差混淆到初始场中去,尽管在同化期间可得到较好的拟合,但却不一定能保证同化后有好的预报。如果不修正初始场而修正模式,当模式误差不大时     

REM模式伴随系统的建立及其四维变分资料同化初步试验

Regional-Eta-Coordinate-Model（REM）中尺度模式对中国区域性降水显示出公认的较高预报能力,建立其四维变分资料同化系统是完善该模式,进一步提高其预报效果的重要工作。本研究编写了REM模式的切线性模式和伴随模式,介绍了建立REM模式伴随系统的过程,并利用实际天气个例资料,分别对REM模式的切线性模式、伴随模式及定义的目标函数梯度进行了正确性检验,检验结果表明对REM模式的切线性模式及伴随模式编写是成功的。利用REM模式的伴随系统,对1998年06月08日00时到09日00时和2000年08月01日00时到02日00时两个实际天气个例进行了四维变分资料同化试验。从数值试验的结果分析可以看到,进行四维变分资料同化后,两个天气个例在预报结束时刻其预报结果对风场和湿度场的预报都有明显改善,对温度场和高度场的预报也有所改善。对于累积降水的预报,两个个例利用四维变分资料同化后得到的初始场进行的预报结果则有较大不同,在个例1中,变分同化后对降水中心的位置和降水强度的预报都有明显改善,预报结果更接近于观测场;个例2中,变分同化后对降水中心位置和强度的预报则没有改善,产生这种现象的原因可能是由于定义的目标函数中没有加进背景场项,也可能是由于采用的观测资料时次比较少,还需要进一步进行研究和试验。     

区域四维变分资料同化的数值试验

针对中尺度数值预报模式预报误差的主要来源,尝试利用四维变分资料同化的方法来改善预报效果。在已建立的中尺度模式（ＭＭ４）四维变分资料同化系统基础上,进行了若干数值试验,通过比较同化前后的预报来检验同化的效果。这些试验中初始场、模式误差和侧边界条件被分别或同时作为控制变量来进行调整,主要探讨了模式误差和侧边界条件对同化及预报的影响,以及同时结合两者或三者的途径和方法。对两组个例分别进行的试验结果表明,区域中尺度模式预报误差除了来源于初始误差外,模式误差、侧边界条件也有不可忽视的作用。同化时应同时考虑初始场、模式误差和侧边界条件这三方面的共同作用,仅修正其中某一个或某两个会把由于其它方面造成的预报误差转嫁到它们之上,从而出现尽管目标函数下降很快而预报结果并没有相应改善的现象。     

台风数值模拟中bogus涡旋四维变分同化的研究

研究用MM5四维变分同化系统同化bogus涡旋变量对台风数值模拟的影响,对2002年13号台风Phanfone进行48h预报,结果表明：用四维变分方法同化bogus涡旋变量效果优于在背景场中直接植入模型涡旋的传统bogus技术。同时同化bogus涡旋的风、气压、温度和比湿效果不如只同化气压和其中任一变量。同化bogus涡旋的气压和比湿,能够调整模式初始场的其他变量,得到结构更清晰、与环境场更协调的初始涡旋,从而在一定程度上提高了台风Phanfone路径和强度预报的准确性。     

中尺度模式遗传算法同化系统及同化试验研究

设计了一个以MM5模式为基础的遗传算法同化系统,并对一次暴雨过程进行了实际降水的模拟,通过对比遗传同化和伴随同化的降水预报效果,对遗传算法同化系统的同化性能进行验证。试验结果表明,遗传算法与四维变分相结合的同化系统能有效地改善模式的初始场,使MM5模式要素预报和降水预报的准确率得到提高。     

预分析初始扰动样本对降维投影四维变分同化性能的影响

降维投影四维变分同化(DRP-4DVar)方法的背景误差协方差是由基于历史预报的扰动样本统计得到的,为了改进降维投影四维变分同化系统中背景误差协方差的流依赖特性,提出了对初始扰动样本进行预分析的新思路,即在对背景场分析之前,利用降维投影四维变分同化系统本身对每个样本进行预先分析,使得统计出的背景误差协方差随实际的天气形势而变化,从而实现其在真正意义上的流依赖,且在循环同化时能够避免滤波发散现象的出现。试验结果表明,对样本进行预先分析能够通过改善同化系统中背景误差协方差的空间结构和流依赖特性,来进一步改进降维投影四维变分同化方法的性能,为数值模式提供更精确的初始场,从而提高了基本模式变量的预报精度,并改善了对强降水的模拟能力。相比较而言,对所有初始扰动样本都进行了预分析的同化试验能够得到最优的分析和预报。     

数值模式初值的敏感性程度对四维同化的影响

用著名的Ｌｏｒｅｎｚ系统作了共轭变分同化的数值试验。发现随着模式对初值敏感性程度的增加，用这种方法得到和模式相协调的初始场愈来愈困难，直到某些情况下的完全失败。这表明四维同化和可预报期限是联系在一起的。另一方面，随着方程不精确程度的增加，变分同化的效果愈来愈差，直到所做的预报无任何意义可言。如果在做变分同化的同时对模式参数也进行反演，就可使得基于Ｌｏｒｅｎｚ系统所做的预报效果大大提高。     

基于遗传算法的四维变分资料同化技术的研究

将遗传算法应用于四维变分资料同化问题,提供一种新的较为有效的数值预报初始场优化方法,给出了相应的理论依据和详细算法,并结合变分问题本身的特点,设计合理的遗传编码、遗传操作和遗传参数.同时,以二维的浅水方程模式为例建立基于遗传算法的变分同化模型,并从多方面与伴随模式变分同化方案进行分析比较.数值试验结果表明,基于遗传算法的变分同化方案取得了比较满意的同化效果.     

物理滤波初始化四维变分在临近预报中的应用

运用WRF模式(Weather Research and Forecasting Model,天气研究和预报模式)和WRFDA同化(WRF Data Assimilation,WRF资料同化)系统,探究采用物理滤波初始化四维变分同化方法提高数值预报在临近预报时效的预报能力的可能性。通过采用12 min同化窗,在不显著增加计算量的情况下,得到更协调的模式初始场,从而提高模式预报能力。选取2018年8月华北地区17个降水个例进行研究,结果表明:采用物理滤波初始化四维变分同化技术能够明显改进模式短时临近降水预报能力,明显提高对大量级降水预报的ETS评分,6 h累积降水大于25.0 mm量级的ETS评分由0.125提高到0.190,且6 h累积降水大于60.0 mm量级的ETS评分由0.016提高到0.081。研究还表明:同化雷达风场通过改进初始动力场使次网格尺度降水过程(积云参数化)快速响应,可提高短时临近时段的降水预报能力。     

Effect of Stochastic MJO Forcing on ENSO Predictability

Within the frame of the Zebiak-Cane model,the impact of the uncertainties of the Madden-Julian Oscillation(MJO) on ENSO predictability was studied using a parameterized stochastic representation of intraseasonal forcing.The results show that the uncertainties of MJO have little effect on the maximum prediction error for ENSO events caused by conditional nonlinear optimal perturbation(CNOP);compared to CNOP-type initial error,the model error caused by the uncertainties of MJO led to a smaller prediction uncertainty of ENSO,and its influence over the ENSO predictability was not significant.This result suggests that the initial error might be the main error source that produces uncertainty in ENSO prediction,which could provide a theoretical foundation for the data assimilation of the ENSO forecast.     

GRAPES伴随模式底层数据栈优化

GRAPES伴随模式是其四维变分同化系统的核心组成部分。由于其计算过程复杂,临时数据较多,实现中采用断点存储策略可以有效减少伴随模式的计算时间和存储空间。极限断点存储策略是在单积分步内以全存储策略实现为基础,将其中部分基态以计算代替的一种类断点存储策略。在该策略的支持下,需要一种新的数据管理结构,来保证程序的正确运行。文章提出了在已有栈基础上优化的新数据存储管理方式——嵌套多链栈,这种结构可有效满足使用极限断点存储技术实现GRAPES伴随模式的初态管理需求。试验表明:相比断点存储技术,在总内存增加不超过30%的情况下可使GRAPES的运行效率提高1倍。     

Comparison of Constant and Time-variant Optimal Forcing Approaches in El Nio Simulations by Using the Zebiak–Cane Model

Model errors offset by constant and time-variant optimal forcing vector approaches(termed COF and OFV, respectively)are analyzed within the framework of El Nio simulations. Applying the COF and OFV approaches to the well-known Zebiak–Cane model, we re-simulate the 1997 and 2004 El Nio events, both of which were poorly degraded by a certain amount of model error when the initial anomalies were generated by coupling the observed wind forcing to an ocean component. It is found that the Zebiak–Cane model with the COF approach roughly reproduced the 1997 El Nio, but the 2004 El Nio simulated by this approach defied an ENSO classification, i.e., it was hardly distinguishable as CP-El Nio or EP-El Nio. In both El Nio simulations, substituting the COF with the OFV improved the fit between the simulations and observations because the OFV better manages the time-variant errors in the model. Furthermore, the OFV approach effectively corrected the modeled El Nio events even when the observational data(and hence the computational time) were reduced.Such a cost-effective offset of model errors suggests a role for the OFV approach in complicated CGCMs.     

Experiments of the WRF three-/four-dimensional variational (3/4DVAR) data assimilation in the forecasting of Antarctic cyclones

The three-/four-dimensional variational data assimilation systems (3/4DVAR) of the Weather Research and Forecasting (WRF) model were explored in the forecasting of two Antarctic synoptic cyclones, which had large influence on the Ross Sea/Ross Ice Shelf region in October 2007. A suite of variational data assimilation experiments, including regular 3DVAR, high-resolution 3DVAR, and 4DVAR experiments, were designed to evaluate their performances in weather analysis and forecasting in Antarctica. In general, both 4DVAR and high-resolution 3DVAR experiments showed better forecasting skill than regular 3DVAR experiments. High-resolution 3DVAR experiments were the most efficient in reducing the analysis errors of surface winds and temperature, and had the best performance during the first 24 h of forecasting. However, during the following forecast period, 4DVAR experiments showed either better or about comparable performance to high-resolution 3DVAR experiments. These results indicate that increasing the spatial resolution during 3DVAR is an economical approach to improving the weather analysis and forecasting over Antarctica. At the same time, the 4DVAR approach had a longer impact on forecasting than the high-resolution 3DVAR approach. Understandably, both of the variational assimilation approaches are promising techniques toward improving the regional analysis and forecasting over Antarctica.     

“00.7”北京特大暴雨模拟中气象资料同化作用的评估

针对2000年7月4～5日北京地区的一次特大暴雨过程(24 h降水量达240 mm),文中利用MM5/WRF三维变分系统和MM5非静力模式,对此次特大暴雨过程中的各种气象监测资料(地基GPS大气柱水汽含量、常规探空、高空测风、地面常规观测和地面自动气象站)的同化作用通过观测系统数值试验进行了评估.结果表明与传统的客观分析方案相比较,MM5/WRF三维变分同化系统可直接引入非常规地基GPS大气柱水汽含量监测资料,提供更好的大气初始分析场.在三维变分同化方案下,各种大气监测资料均对改进此次特大暴雨模拟有不同程度的贡献,其中,常规探空和高空测风监测资料对改进预报结果的影响最大,地面常规观测和地面自动气象站观测资料作用次之,地基GPS大气柱水汽含量资料在与其他大气监测资料相互优势互补后,可很好地改善模式大气的分析质量,通过三维变分同化技术在区域数值天气预报模式初始场中引入地基GPS大气水汽监测网资料,使此次强降水个例的6 h和24 h测站降水预报的TS评分值在1,5,10和20 mm预报检验阈值下分别提高了1%～8%.研究结果对利用三维变分数值系统,评估气象监测网资料在改进高影响天气事件预报中的作用有借鉴意义.     

变分同化方法反演海气耦合模型参数的研究

采用变分资料同化技术,结合最优控制思想,对一个海气耦合模型的模式参数和强迫项进行了反演。结果表明,采用该方法对模式进行优化,既可以补偿模式参数不准确性给预报带来的误差,又可以对模式参数本身进行修正和估计,为将来在实际应用中改善更复杂的预报模式、提高预报准确率提供了一个可借鉴的思路。     

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,...     

FOUR-DIMENSIONAL DATA QUALITY CONTROL THROUGH THE ADJOINT APPROACH

Using the variational four-dimensional (4-D) data assimilation technique (the adjointmethod), we defined the error/mean-error ratios (EMER) of observational data. The plausibilityof marking the gross error using the EMER is investigated theoretically under some assumptions.Idealized numerical experiments are carried out using the simple Lorenz model to test the qualitycontrol scheme.     

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.