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。     

四维集合变分同化方法在华南冬季暴雨模拟中的应用

利用WRF（Weather Research and Forecasting）模式和基于本征正交分解的四维集合变分同化方法（POD-4DEnVar）,对2015年12月9日一次华南暴雨过程进行多普勒雷达资料同化试验,并与三维变分同化试验（WRF-3DVar）进行对比,讨论了POD-4DEnVar方法中局地化半径对模拟效果的敏感性。结果表明,比较不同化雷达资料的控制试验,WRF-3DVar和WRF-POD-4DEnVar试验的降水模拟结果得到明显改善,且WRF-POD-4DEnVar的降水强度更接近实况。两种同化方法通过改变不同的初始要素达到改进降水模拟效果的目的,3DVar方法通过调整初始风场,间接减弱暴雨发生的水汽条件,POD-4DEnVar方法则直接调整湿度场。在降水过程中,同化试验改变了冷空气活动和水汽通量辐合的模拟结果,从而改善降水的模拟效果。POD-4DEnVar方法对局地化半径比较敏感,随局地化半径增大,同化对风场和湿度场的影响范围扩大,当局地化半径取为200 km时,降水模拟的效果最好。      

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.     

对降水资料的四维变分同化

用常规资料（Ｔ、ｐ、ｕ、ｖ、ｑ的分析值）和降水资料（２４ｈ降水量的分析值）进行四维变分（４ＤＶＡＲ）资料同化试验。试验中用了全物理过程的ＮＭＣη模式和带有充过程的伴模式。４ＤＶＡＲ试验的结果 资料同化期间和同化以后，用了积云对流修改方案和降水资料后，最小化过程迭代十次便收敛，降水预报了，特别是４ＤＶＡＲ方法比最优内插方法在改善降水预报方面更优越。     

混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

集合变分混合同化方案在快速循环同化系统中的应用研究

基于北京市气象局快速循环同化系统RMAPS-ST以及对流尺度集合预报系统RMAPS-EN,构建了En-3DVAR集合变分混合同化系统,将该系统应用到业务快速循环同化系统中并进行试验,分别在冷启动与循环启动环境下对比了混合同化系统（Hybrid）与三维变分（3DVAR）的同化预报效果。获得的结论如下:单点试验结果表明,混合同化系统分析增量的分布与集合预报离散度分布具有较好的对应关系;在冷启动和循环启动中,三维变分的分析增量都表现出各向同性的特点,混合同化分析增量均表现出一定的流依赖特征;降水个例分析表明,在冷启动环境中,Hybrid与3DVAR效果相当,而在循环启动中,Hybrid的降水预报相对于3DVAR有较明显的改进效果;批量试验检验结果表明,冷启动中,Hybrid与3DVAR的评分大致相当,而在循环启动中,Hybrid相对于3DVAR的评分有明显改进;集合离散度和背景场误差的相关性分析表明二者在循环启动环境下具有更好的相关性。     

多普勒雷达资料四维变分同化

文章从理论上分析了多普勒雷达资料的四维同化。阐述多普勒雷达资料四维同化的主要过程及其基本思路。着重论述多普勒雷达资料四维变分分析系统(4D-VDRAS)的原理和方法,以及价值函数,共轭方程、伴随方程和多普勒雷达数据处理、Barnes插值技术和4D-VDRAS的应用。     

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。     

四维变分同化方法在暴雨预报中的应用

本文利用PSU/NCAR的MM5数值预报模式及其伴随模式,以我国1999年6月23日~6月24日的一次梅雨锋暴雨过程为个例,作了两组试验:控制试验和同化试验,并对两组试验的降水预报效果以及初始场进行对比分析,结果表明:四维变分资料同化方法可以将各种不同类型、不同时次的观测资料同化到模式中,将这些资料中有用的中尺度信息引入到模式初始场,有效改善初始场,从而提高暴雨预报水平。     

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.     

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.     

Rainfall Assimilation Using a New Four-Dimensional Variational Method: A Single-Point Observation Experiment

Accurate forecast of rainstorms associated with the mei-yu front has been an important issue for the Chinese economy and society. In July 1998 a heavy rainstorm hit the Yangzi River valley and received widespread attention from the public because it caused catastrophic damage in China. Several numerical studies have shown that many forecast models, including Pennsylvania State University National Center for Atmospheric Research’s fifth-generation mesoscale model (MM5), failed to simulate the heavy precipitation over the Yangzi River valley. This study demonstrates that with the optimal initial conditions from the dimension-reduced projection four-dimensional variational data assimilation (DRP-4DVar) system, MM5 can successfully reproduce these observed rainfall amounts and can capture many important mesoscale features, including the southwestward shear line and the low-level jet stream. The study also indicates that the failure of previous forecasts can be mainly attributed to the lack of mesoscale details in the initial conditions of the models.     

基于集合卡尔曼滤波的土壤水分同化试验

集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。     

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。     

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.     

Ensemble Square Root Filter Assimilation of Near-Surface Soil Moisture and Reference-Level Observations into a Coupled Land Surface-Boundary Layer Model

The potential for using the ensemble square root filter data assimilation technique to estimate soil moisture profiles, surface heat fluxes, and the state of the planetary boundary layer （PBL） is explored. An observing system simulation experiment is designed to mimic the assimilation of near-surface soil moisture observations （θo ） and in-situ measurements of 2-m temperature （To ）, 2-m specific humidity （Qo ）, and 10-m horizontal winds [Vo =（Uo , Vo ）]. The background forecasts are generated by a one-dimensional coupled land surface-boundary layer model （CLS-BLM） with soil, surface-layer and PBL parameterization schemes similar to those used in the Weather Research and Forecasting （WRF） model. Soil moisture, surface heat fluxes, and the state of the PBL evolve on different characteristic timescales, so the minimum assimilation time intervals required for skillful estimates of each target component are different. Correct estimates of the soil moisture profile are obtained effectively when a 6-h update time interval is used, while skillful estimates of surface fluxes and the PBL state require more frequent updates. The CLS-BLM requires a shorter assimilation time interval to correctly estimate the soil moisture profile than previously indicated by experiments using an off-line land surface model （LSM）. Results from assimilating different subsets of observations show that θo makes a larger contribution to soil moisture estimates, while To , θo , and Vo are more important for estimates of surface heat fluxes and the PBL state. It is therefore necessary to combine these variables to accurately estimate the states of both the land surface and the PBL. Experimentation with different prescribed observational errors shows that the assimilation system is more sensitive to increases in observational errors than to reductions in observational errors.     

基于地面资料集合均方根滤波同化方案的京津冀暴雨模拟研究

为了更加有效地同化地面自动气象站观测资料,针对模式地形与观测站地形存在的高度差异对同化效果的影响,提出了相应的解决方案。在同化系统的位温和露点观测误差中分别引入位温和露点地形代表性误差,在WRF模式中应用集合均方根滤波方法（EnSRF）同化地面自动气象站观测资料,并对2016年一次京津冀暴雨个例进行数值试验。研究结果表明,同化地面资料后,同化阶段的均方根误差、预报阶段的降水TS评分和前13个时次各要素预报均有整体改进。在观测误差中引入地形代表性误差与引入前相比,风场均方根误差得到整体改进;位温和露点的均方根误差在前期表现并不稳定,在后期有所改进;预报阶段前24 h累计降水与后24 h累计降水TS评分在整体上均有所提高。新方案能够减少高度差异对同化效果的影响。      

A New Global Four-Dimensional Variational Ocean Data Assimilation System and Its Application

A four-dimensional variational data assimilation （4DVar） system of the LASG/IAP Climate Ocean Model, version 1.0 （LICOM1.0）, named LICOM-3DVM, has been developed using the three-dimensional variational data assimilation of mapped observation （3DVM）, a 4DVar method newly proposed in the past two years. Two experiments with 12-year model integrations were designed to validate it. One is the assimilation run, called ASSM, which incorporated the analyzed weekly sea surface temperature （SST） fields from Reynolds and Smith （OISST） between 1990 and 2001 once a week by the LICOM-3DVM. The other is the control run without any assimilation, named CTL. ASSM shows that the simulated temperatures of the upper ocean （above 50 meters）, especially the SST of equatorial Pacific, coincide with the Tropic Atmosphere Ocean （TAO） mooring data, the World Ocean Atlas 2001 （WOA01） data and the Met Office Hadley Centre＇s sea ice and sea surface temperature （HadISST） data. It decreased the cold bias existing in CTL in the eastern Pacific and produced a Nifio index that agrees with observation well. The validation results suggest that the LICOM-3DVM is able to effectively adjust the model results of the ocean temperature, although it＇s hard to correct the subsurface results and it even makes them worse in some areas due to the incorporation of only surface data. Future development of the LICOM-3DVM is to include subsurface in situ observations and satellite observations to further improve model simulations.     

中尺度数值模式MM5的四维变分资料同化系统

应用伴随方法求解以数值预报方程作为约束条件的四维变分资料同化方案，关键问题是如何构造伴随模式。以中尺度数值模式MM5为例，讨论了如何用伴随码技术建立MM5伴随模式，以及伴随模式系统中权重、尺度因子的选取；最后对MM5伴随模式系统进行了梯度检验，并利用实际资料进行四维变分资料同化试验。试验表明该系统有较强的同化能力，能够提高MM5降水预报的准确性。