Using analysis state to construct a forecast error covariance matrix in ensemble Kalman filter assimilation

Correctly estimating the forecast error covariance matrix is a key step in any data assimilation scheme. If it is not correctly estimated, the assimilated states could be far from the true states. A popular method to address this problem is error covariance matrix inflation. That is, to multiply the forecast error covariance matrix by an appropriate factor. In this paper, analysis states are used to construct the forecast error covariance matrix and an adaptive estimation procedure associated with the error covariance matrix inflation technique is developed. The proposed assimilation scheme was tested on the Lorenz-96 model and 2D Shallow Water Equation model, both of which are associated with spatially correlated observational systems. The experiments showed that by introducing the proposed structure of the forecast error covariance matrix and applying its adaptive estimation procedure, the assimilation results were further improved.     

区域三维变分同化中背景误差协方差的模拟

背景误差协方差(B)是变分同化中的一个重要部分,极大地影响同化系统输出的分析场.由于计算和指定B中有关统计量需要巨大的资料存储量和计算量,因此进行相关的研究较为困难.本文首先论述了B在变分同化中的重要性以及进行模拟的必要性;接着介绍了美国NMC方法的原理,并研究将其应用到区域三维变分同化中的方法;然后利用WRF模式生成的预报场差值集合对有关统计量进行了估计.揭示了以下结论:通过使用平衡变换和回归系数,控制变量被限制在较小范围内,保证了分析场的质量;流函数第一全局特征向量在200 hPa附近的最大分量,表示了急流层中强西风误差;流函数前五个全局特征向量在低层与中高层之间是负相关的;非平衡温度和相对湿度的特征长度尺度比流函数和非平衡速度势的值要小,说明它们是局地性较强的量.流函数和非平衡速度势的特征长度尺度随垂直模态数的增大快速减小,而相对湿度和非平衡温度的特征长度尺度随垂直模态数的变化较为平缓.     

WRF-Hybrid背景误差协方差调整在台风同化及预报中的应用研究

利用雷达径向风单点试验和2006年8月超强台风"桑美"个例,首先研究了静态背景误差协方差的尺度化因子和方差在台风系统雷达资料同化中对台风路径和强度预报的影响。结果表明:在高时空分辨率的雷达资料同化中,较小的尺度化因子能显著改进对台风路径的预报;尺度化因子的影响比方差的影响更为显著。基于上述实验结果,进一步研究了WRFDA-Hybrid系统中"流依赖"控制变量的水平局地化和垂直局地化对台风预报的影响。试验结果表明:当"流依赖"的水平局地化距离与静态背景误差协方差的尺度化因子具有等效影响范围的时候,WRFDA-Hybrid能够得到比较合理的分析结果。同时针对雷达观测资料的空间分布特征,本文提出了一种新的基于雷达探测高度的垂直局地化方案,对台风的强度和路径预报均有显著的改进。     

流依赖球面小波背景误差协方差模型设计和初步试验

基于资料同化集合设计了流依赖球面小波背景场误差协方差模型中背景误差方差和局地垂直相关协方差的统计计算方法。为了提高背景误差方差的估计精度,采用客观滤波技术来减少因集合样本个数不足而引入的随机取样噪声。最后在银河四维变分同化业务系统(YH4DVar)上设计了集合资料同化的试验系统,以流依赖背景误差方差为重点验证了模型的有效性。结果表明:基于流依赖球面小波背景误差协方差模型能够有效估计出随天气状态变化的背景场误差方差,对台风等剧烈变化的天气过程的同化分析和预报都具有一定的正效果。      

集合变分混合同化背景误差协方差流依赖性分析

通过单点观测试验的方法,对集合变分混合同化背景误差协方差的流依赖特征、流依赖性影响因子、产生原因,以及集合预报方法对流依赖性的影响进行了研究。结果表明:由于引入了集合信息,集合变分混合同化的分析增量与天气系统的分布有关,具有非均匀、各向异性的特征;这种流依赖特征对混合系数敏感,当集合协方差所占权重很小时,分析增量仍呈现出均匀、各向同性特征;混合同化背景误差协方差的流依赖特征不仅与集合样本有关,还与构造集合协方差的ETKF方法有关,只引入与环流形势密切相关的集合样本并不能使分析增量表现出显著的流依赖性,集合样本和ETKF方法共同作用才能将流依赖信息引入到混合协方差中,使分析增量出现流依赖特征;不同集合预报方法对混合协方差的流依赖特征有显著影响,考虑初值和物理过程的超级集合,以及在超级集合样本上再进行ETKF更新扰动后样本构造的混合协方差流依赖特征更加显著。     

CMA-GD模式江西省智能网格预报区域2 m气温预报误差分析

利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。     

基于增长模繁殖法的初始分析误差 计算及集合预报试验

首先用成对繁殖的方法对NCEP再分析资料与T106分析场中的快速增长分析误差进行了计算和比较,然后把它们叠加到各自的初始场中进行了多初值集合预报试验。结果表明,用不同分析资料计算的达到饱和的快速增长误差,两者在全球分布上既有许多相似的地方,也存在一些不同,多初值集合是综合考虑它们的有效方法;考虑了两种分析误差的集合预报比只考虑一种分析误差的集合预报优越;在集合总成员数不变的前提下,发现引入另一种分析资料的集合成员数并不是越多越好,就预报技巧的最大改善而言,其存在一个阀值。     

变分同化中使用背景场时尺度匹配的数值研究

利用2012年6月12日-8月31日华中区域中尺度业务数值预报模式(WRF)一日两次的预报结果, 采用NMC方法对背景误差协方差(B)进行了统计, 得到了基于华中区域业务模式框架、分辨率和区域地理特征的夏季背景误差协方差矩阵的回归系数、特征向量、特征值以及特征长度尺度, 并对模式三重嵌套各区域B的统计结构特征进行了对比, 结果表明不同区域B的统计结构特征差异明显, 表明B与模式区域地理特征和分辨率等关系密切。为探讨不同B对模式预报的影响, 采用WRF模式自带的通用B矩阵(CV3-B)及本文统计得到的本地化B矩阵两种方案对2013年6-8月进行了批量试验和统计检验, 结果表明:采用本地化B后, 24 h小雨、中雨、大雨和48 h中雨、大雨、暴雨降水预报TS评分皆有所提高。850 hPa风、温度及2 m温度等要素场预报的均方根误差减小, 但500 hPa高度场均方根误差略有加大。暴雨个例的分析表明:不同B方案, 对初值影响非常显著, 本地化B方案分析的初值场更趋合理, 因而改进了降水预报。

     

A forecast error correction method in numerical weather prediction by using recent multiple-time evolution data

The initial value error and the imperfect numerical model are usually considered as error sources of numerical weather prediction (NWP). By using past multi-time observations and model output, this study proposes a method to estimate imperfect numerical model error. This method can be inversely estimated through expressing the model error as a Lagrange interpolation polynomial, while the coefficients of polynomial are determined by past model performance. However, for practical application in the full NWP model, it is necessary to determine the following criteria: (1) the length of past data sufficient for estimation of the model errors, (2) a proper method of estimating the term "model integration with the exact solution" when solving the inverse problem, and (3) the extent to which this scheme is sensitive to the observational errors. In this study, such issues are resolved using a simple linear model, and an advection-diffusion model is applied to discuss the sensitivity of the method to an artificial error source. The results indicate that the forecast errors can be largely reduced using the proposed method if the proper length of past data is chosen. To address the three problems, it is determined that (1) a few data limited by the order of the corrector can be used, (2) trapezoidal approximation can be employed to estimate the "term" in this study; however, a more accurate method should be explored for an operational NWP model, and (3) the correction is sensitive to observational error.     

SWAN中定量降水估测和预报产品的检验与误差分析

采用2010—2011年5—9月河南省区域加密自动站雨量和全省6部新一代天气雷达资料,用点对点统计检验评分方法,分析SWAN系统中定量降水估测(QPE)和定量降水预报(QPF)产品在河南省短时强降水过程中的误差分布,并分别讨论二者在河南省区域与局地强降水过程中的差别及产生误差的直观原因。结果表明:1)SWAN中QPE和QPF均对小时雨量低于10 mm的降水有较好的估测和预报能力;QPE以豫西南和豫北效果最好,QPF在豫中地区预报能力更强。QPE估测较实况偏大;QPF对小时雨量低于20 mm的短时强降水预报略偏大,而对更强降水预报偏小,尤以豫西和豫南最明显。2)QPE和QPF均对区域性降水有更好的估测或预报能力。3)区域降水过程中,QPE对降水中心范围和位置估测较准确,估测值较实况偏大;QPF对强降水中心位置预报略有偏差,其中心强度较实况偏弱。     

青藏高原东侧常规观测资料对WRF模式预报误差的贡献分析

利用WRFDA-FSO(Forecast Sensitivity to Observation)系统,统计分析2009年和2010年5—10月青藏高原东侧常规地面和高空观测对WRF模式预报误差的贡献。结果表明:地面观测资料各要素中,温度场对模式预报误差贡献最大,风场、气压和水汽场的贡献相对小;四川东部、广西大部和云南南部边缘地区的资料对改进预报产生正贡献较大。高空资料各要素中,温度场对模式预报误差贡献最大,其次是水汽场,风场贡献最小;高空站资料对改进预报产生正贡献较大的区域主要分布在云南大部、贵州西部边缘和广西西北部边缘地区。依据误差统计结果,剔除对改进预报产生负贡献较大的地面和高空站资料后,模式降水和温度预报效果有所改善。     

江淮地区一次特大暴雨过程预报偏差分析

利用加密自动气象观测站资料、ERA5 再分析资料和欧洲中心 ECMWF（European Centre for Medium-Range Weather Forecasts）模式、中国气象局 CMA-MESO（China Meteorological Administration Mesoscale Model）模式产品,对 2020 年 7 月 17—18 日江淮地区一次特大暴雨过程的预报效果进行检验与分析,并对数值模式降水预报出现偏差的可能原因进行了讨论。 结果表明：低涡切变和低层急流的共同影响,为强降水提供了充沛的水汽和有利的动力条件。高空干冷空气叠加在低层暖 区之上形成的位势不稳定层结和垂直风切变为强降水的发生提供了不稳定条件。17日20时—19日08时CMA-MESO模式 逐12 h暴雨、大暴雨以及暴雨以上量级降水的TS评分均优于ECMWF模式,但2种模式对18日08—20时暖区降水的预报结 果均较差。CMA-MESO模式预报的降水区域和实况区域重叠面积的比例均显著高于ECMWF模式,预报形态也与实况更为 接近。模式对冷空气强度预报偏弱造成了冷切辐合偏北,对中层湿舌的位置预报偏北,水汽强度预报偏弱,与强降水落区 预报偏北相对应,可能是降水预报出现明显偏差的原因。     

Autoregressive filtering versus linear detrending in estimation of fluxes by the eddy covariance method

The application of autoregressive running mean filtering (RMF) and linear detrending (LDT) in the estimation of turbulent fluxes by the eddy covariance method is analysed. The systematic, as well as the random, errors of the fluxes arising from filtering and/or limited observation time effects are described. To observe negligible systematic errors in fluxes, the RMF has to be applied with moderately long time constants. However, the obtained flux values are subject to increased random errors during periods of non-stationarity and the method leads to systematic overestimation of variances. These shortcomings are not inherent in the LDT approach, which is recommended for use. But the systematic errors of fluxes due to LDT are not negligible under certain experimental conditions and have to be accounted for. The corrections are important because the relatively small errors in short-period fluxes can translate to significant errors in long-period averages. The corrections depend on the turbulence time scales, which should be preferably estimated as ensemble mean variables for a particular site.     

一次梅汛期强降雨过程的中期时效预报误差分析

2016年6月30日至7月4日,中国长江流域发生了入汛以来最强的一次极端降雨过程,但对雨带位置的预报却出现了显著误差。为此,本文基于欧洲中期天气预报中心的预报资料,利用天气学诊断方法,分析了确定性和集合预报的基本情况,讨论了预报误差产生原因及其演变特征。结果表明：梅雨锋上次天气尺度波动在中国黄淮—辽东半岛到朝鲜半岛—日本东部一带呈“负—正—负”的分布,它的强弱对雨带位置的变化起着重要影响。当该波动偏强时,有利于低层季风向北伸展,加之冷空气强度偏弱,进而造成雨带位置偏北,反之亦然。此外,通过对比集合预报成员中的准确和偏北成员组,发现该次天气尺度波动来源于青藏高原东北部的初始误差场。伴随着中纬度西风波动的向东传播,该误差在中低层沿着梅雨锋向东移动、并不断增强,最终造成中国长江中下游地区雨带位置明显偏北。     

江西及其临近区域同化系统中不同季节背景误差协方差特征及其对降水预报影响

在不同季节背景下,对比分析多元变量相关的背景误差协方差特征,了解其在天气过程中的作用,可以改进同化系统性能,提高降水数值预报水平。对比分析汛期和非汛期江西及其临近区域多元变量相关的背景误差协方差特征,分别选取2019年汛期和非汛期的2次降水过程,设计2组循环同化试验,探讨多元变量相关的背景误差协方差对江西降水预报效果的影响。结果表明,相较于非汛期,汛期分析变量对风场、温度场和水汽场的贡献值整体上要更大,且汛期各个控制变量的背景场误差更为显著。多元变量试验的降水预报评估效果整体上更好,其汛期预报效果改善更显著。汛期与非汛期的多元变量试验降水预报结果更接近实况,且相对非汛期降水而言,汛期多元变量试验模拟效果更好,模拟的降水分布及强度与实况更为接近。     

通用线性模型在气象水文集合预报后处理中的应用

通用线性模型是一个气象水文预报后处理的统计模型。它能消除水文模型流量模拟中的偏差,保留了原始预报的技巧,并且能产生可靠的水文集合预报。本文试验中利用通用线性模型对取自于国际模型参数估计试验数据库的日流量模拟数据进行校正,并与实况观测作比较,检验通用线性模型降低误差的性能。结果表明:通用线性模型产生的流量集合预报的连续分级概率评分分值都在0.5分以下,证明集合预报结果是可靠的;校正后的模拟值在平均值、标准差、均方根误差等检验指标方面都比原始模拟更加接近于实际观测值;即使是对于误差较小的水文模拟,通用线性模型仍有对其进行改善的能力。     

GSI-3DVAR背景误差协方差水平相关特征尺度对地面自动气象站资料同化的适应性研究

基于华东地区3 km分辨率WRF (Weather Research and Forecasting) 模式和高密度地面自动气象站(AWS)观测,研究GSI-3DVAR同化系统的R_HZSCL对AWS观测的地面温度和风观测同化的敏感性。结果表明:运用GSI-3DVAR同化地面AWS观测时,R_HZSCL的取值较为敏感;选取合适的R_HZSCL能有效改进地面分析场精度,相较于背景场地面温度和地面矢量风差(VWD) RMSE均可减小35％以上。当R_HZSCL过大会导致温度高、低值中心的影响范围过大,风分析场较为平滑,无法反映出中小尺度环流结构。但R_HZSCL过小则会使得温度分析场增加误差,并导致风分析场出现虚假大风。观测密度稀疏化的敏感性试验结果表明,地面温度场及风场所适应的最优R_HZSCL皆随着观测密度的增大而相应减小。     

一种基于可预报性的暴雨预报评分新方法(Ⅱ):暴雨检验评分模型及评估试验

利用2015-2017年6-8月ECMWF高分辨率模式（ECMWF-Hi）的加工产品,结合我国2 400多个国家级气象站逐小时降水观测资料,对ECMWF-Hi产品24 h降水预报的准确度、集中度和相关性进行了评估,并与ECMWF集合预报模式（ECMWF-EPS）24 h降水预报产品进行比较。为更好地描述预报的集中度,避免单纯用标准差比或平均值比刻画预报集中度的缺陷,建立一个综合标准差和平均值的R指数,用之定量描述模式预报的集中度。结果表明：（1）ECMWF-Hi在均方根误差的检验方面并未表现出优势;而分辨率较低的ECMWF-EPS集合平均预报误差最小。（2）ECMWF-Hi对研究区域降水预报的集中度的整体描述较为准确,离散度与观测较为相似,预报期望也与观测降水的期望最接近,ECMWF-Hi比ECMWF-EPS的集合控制预报与集合平均对观测降水集中度的刻画较为准确。（3）研究区域内各站点R指数分布表明,ECMWF-Hi与ECMWF-EPS控制预报、平均预报相比,对平均值预报不足的站点较多,且这些站点的预报集中度普遍大于观测,ECMWF-Hi的降水预报更接近观测降水。（4）评估应用结果表明,R指数不仅能定性评估模式的集中度,也可定量描述集中度大小。