理解大气资料同化的内在逻辑和若干共性特征

大气资料同化已发展成为基于估计理论的一门学科。本文试图梳理资料同化学科内容从“性质上分析同化问题是什么”到“过程上资料同化如何实施”再到“结果上分析场有着什么内在要求”这一内在逻辑,相应地综合阐述“逆问题求解和所需要的先验信息”、“观测信息的输入及其权重与传播平滑”和“同化结果的准确性和协调性”等资料同化作为一门学科的这些基本方面;以期这一逐步递进的逻辑及其基本方面有益于对资料同化在条理脉络上的一个整体理解。此外,着重于具体同化方法中的一些等价性和共性特征,本文梳理和归纳了“变分方法分别与最优插值方法之间和与扩展卡尔曼滤波方法之间的等价性”、“同化方法中数学的主要作用”,以及“同化方法中要应用综合学科知识”和“业务同化系统实施中要做好系统工程”等内容;以期这些内容增加对资料同化方法及同化系统研发的理解和思考。     

空气质量数值模式预报中资料同化的初步研究

利用嵌套网格空气质量预报模式,在对上海市环境监测中心提供的观测数据进行必要的质量控制后,采用最优插值方法对可吸入颗粒物(PM10)、二氧化氮(NO2)和二氧化硫(SO2)进行资料同化。选取2004年8月1～20日做作逐日同化试验的结果表明,无论是PM10、NO2还是SO2,其同化偏差平均值均在20μg.m-3以下,比同化前减少了至少50%;3种污染物的同化偏差小于其未同化偏差的天数均在16天以上。在大气清洁和污染两种情况下,对PM10分别作10天的同化试验表明,同化后的均方根误差均小于同化之前。此同化方法能利用观测数据较好地修正空气质量模式预报场,从而为模式提供与实际更加接近的初始场。     

大气污染资料同化与应用综述

我国正面临以高浓度臭氧和细颗粒物为典型特征的大气复合污染问题,对其进行模拟和预报是有效应对大气污染的关键。大气复合污染预报的不确定性来源复杂,同时存在化学非线性的影响,各种模式输入不确定性对模拟预报影响的时空差异较大,从而导致很多不确定性约束方法难以确定关键的不确定性因子而进行有针对性的约束和订正。利用资料同化方法融合模式、多源观测等信息,减小模式输入数据的不确定性成为提升大气污染模拟预报精度的关键。本文将简要介绍大气污染资料同化相关的模式不确定性、同化算法以及污染物浓度场同化、源反演研究上的进展,探讨大气污染资料同化面临的主要挑战和发展趋势。     

资料同化方法研究进展

数值天气预报模式的不断完善和大气观测探测资料（特别是卫星、雷达等非常规探测资料）的大量涌现,推动着资料同化方法的逐步发展.文章主要回顾了资料同化方法研究的发展过程、目前的应用现状以及对未来同化方法的展望.随着人们对资料同化含义的深入理解,对于资料同化的研究由初始的探索阶段逐步发展到以经验性为主的同化方法,主要包括SCM和nudging;统计方法的引入,成为资料同化方法研究发展道路上具有重要意义的一个里程碑,从而出现了多元统计插值同化,比如OI,3D-Var以及PSAS;针对背景误差协方差固定不变与实际情况的差异,考虑时间维的四维资料同化方法成为目前国际上较为主流的同化研究方法,其中以4D-Var和Kalman滤波为代表;随着计算机技术的进步,更加合理的四维资料同化方法将会成为未来业务预报中主要的资料同化方法.     

气象资料同化的研究进展

回顾了国内外有关气象资料同化的研究进展，介绍了当前资料同化主要方法的理论基础、优缺点及应用研究。重点介绍了伴随方法和遗传算法在四维变分同化中的具体应用。其中，遗传算法的引入为资料同化的研究提出了新的思路。     

变分同化及卫星资料同化

文章介绍了变分同化方法和卫星资料同化，并就其实际应用中的一些问题进行了讨论。     

台风预报误差的流依赖特征及混合资料同化中最优耦合系数

基于集合卡尔曼变换与三维变分(ETKF-3DVAR)混合资料同化系统和欧洲中期天气预报中心(ECWMF)的全球集合预报,以"梅花"台风为例,分析了台风系统预报误差的流依赖特征,讨论了耦合系数在混合同化和预报中的敏感性及其对预报质量的影响。结果显示,台风系统的预报误差协方差具有显著的中小尺度结构特征,集合估计的预报误差协方差结构能够再现其流依赖属性。相对于3DVAR方案,混合资料同化方案的最优耦合系数对台风系统的分析和预报质量具有更好的改善;但不同的耦合系数对台风路径预报有明显的影响,不合适的耦合系数甚至可能导致更坏的结果,只有耦合了相对合适的预报误差协方差的流依赖信息,混合资料同化方案才可能对分析和预报质量有正效果。这表明在混合资料同化系统中,构造一种具有自适应能力的耦合权重函数,实现相对最优权重的自动选择,对充分发挥混合资料同化方案的潜在优势具有重要意义。     

全球海洋资料同化系统ZFL_GODAS的研制和初步评估试验

本研究发展了一个全球海洋资料同化系统ZFL_GODAS。该系统是一个短期气候数值预测业务系统的子系统,为短期气候预测海气耦合模式提供全球海洋初始场。系统能够同化的观测资料包括卫星高度计资料、卫星海表温度(SST)资料,以及Argo、XBT、TAO等各种不同来源的现场温盐廓线资料。系统使用的海洋模式为中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室开发的气候系统海洋模式LICOM1.0,同化方案为集合最优插值(EnOI)方案。系统使用一个由海洋模式自由积分得到的静态样本来估计背景场误差协方差。这样的基于集合样本的背景场误差协方差具有多变量协变、各向异性的特征,且能反映海洋物理过程固有的空间尺度特征。针对EnOI同化程序的特点,开发了一套特色鲜明、负载均衡、高效的并行化同化程序。本文通过与不同类型观测资料的比较,对同化系统的性能进行了评估。通过比较海表温度和海面高度的年际变率,海表温度异常随时间的变化,SST、海面高度异常(SLA)以及次表层温盐预报产品的均方根误差,5年平均温度偏差廓线、平均盐度廓线、平均纬向流速廓线等发现:系统工作正常、同化效果较好;经过同化以后,各变量都更加接近观测,误差更小,与观测场的相关性更好,可以为短期气候预测系统提供较好的海洋初始场,也可以为物理海洋学的研究提供有效的再分析资料。     

实时 Ｇ Ｐ Ｓ可降水量资料的变分同化个例研究

用实时GPS可降水量(Precipitable Water, PW)资料GPSPW,针对2007年7月2-3日发生在日本九州南部地区的一次梅雨锋降水过程,设计控制试验和4个同化试验,利用WRF和WRF-Var模式进行三维变分同化研究,并用ETS评分客观评价各方案的预报效果.结果表明:实时GPSPW同化能有效地改进模式初始时刻水汽场以及预报时间内(0～6 h)的PW.背景误差水平尺度调节系数的大小对水汽场的调整范围和PW的改进程度有一定影响.GPSPW的实时性能提高降水预报业务的实时性.     

加密探空资料同化对北京地区边界层数值模拟的影响

基于2016年8月28日至9月2日在北京市宝联站、朝阳站、大兴站获得的逐3 h加密探空资料,利用WRF V3.9.1模式和WRF-3DVar系统,对北京地区大气边界层进行数值模拟试验,研究加密探空资料同化对边界层数值模拟的影响。结果表明:同化形成的分析场较背景场更接近观测值,更能表现边界层内真实大气的热力、湿度状态及动力特征。位温、比湿、纬向风、经向风、风速分析场的均方根误差分别较背景场的减少了86%、59%、24%、44%、19%,体现出同化的较强修正作用。加密探空资料同化的预报效果在模式积分6 h内最好,之后同化作用的大小及范围逐渐减弱。加密探空资料同化对边界层内大气湿度状态在整个预报时段内均有改进,对边界层内大气热力状态的改进持续6 h,对于边界层内大气动力特征的改进,纬向风改进较多,经向风和风速不明显,这与风的自身属性、北京市的复杂地形有关。另外,加密探空资料的站点数在空间水平方向上比较少也是导致同化在分析场的改善作用明显但是效果难以持续较长时间的原因之一。     

Characteristics of Fengyun-4A Satellite Atmospheric Motion Vectors and Their Impacts on Data Assimilation

The high observation efficiency, scanning speed and observation frequency of the Fengyun-4A(FY-4A) satellite indicates the progress of Chinese geostationary meteorological satellites. The characteristics of FY-4A atmospheric motion vectors(AMVs) derived from the high-level water vapor(WV-High) channel, mid-level water vapor(WV-Mid) channel,and infrared(IR) channel of FY-4A are analyzed, and their corresponding observation errors estimated. Then, the impacts of single-channel and multi-channel FY...     

大气数据同化方法的研究与应用进展

简要介绍了大气数据同化的基本思想与方法，阐述了松弛逼近法、Kalman滤波和变分约束法三种大气数据同化方法研究状况和应用进展情况。     

FY-2E卫星云导风定高误差及在同化中的应用

FY-2E气象卫星云导风产品观测误差较大的主要原因是高度指定存在较大误差。针对该问题,采用一维变分方法对云导风高度进行调整。统计分析表明:经高度调整后的FY-2E气象卫星云导风产品质量得到很大改善;采用新息向量法,选取零阶Bessel函数模型,在观测空间分离背景误差和观测误差方差得到云导风的观测误差。运用GRAPES全球模式进行数值模拟,结果表明:采用新的观测误差方案和经过高度调整后的云导风产品能提高数值模式在北半球的短期预报能力,高层的改进效果明显好于中低层。并根据云导风反演原理及算法,讨论了FY-2E气象卫星云导风高度指定系统性偏高的主要原因,以求进一步改善云导风产品的质量。     

The Impact of “Bad” Argo Profiles on Ocean Data Assimilation

Recent studies have found cold biases in a fraction of Argo profiles (hereinafter referred to as bad Array for Real-time Geostrophic Oceanography (Argo) profiles) due to the pressure drifts during 2003 and 2006. These bad Argo profiles have had an important impact on in situ observation-based global ocean heat content estimates. This study investigated the impact of bad Argo profiles on ocean data assimilation results that were based on observations from diverse ocean observation systems, such as in situ profiles (e.g., Argo, expendable bathythermograph (XBT), and Tropical Atmosphere Ocean (TAO), remote-sensing sea surface temperature products and satellite altimetry between 2004 and 2006. Results from this work show that the upper ocean heat content analysis is vulnerable to bad Argo profiles and demonstrate a cooling trend in the studied period despite the multiple independent data types that were assimilated. When the bad Argo profiles were excluded from the assimilation, the decreased heat content disappeared and a warming occurred. Combination of satellite altimetry and mass variation data from gravity satellite demonstrated an increase, which agrees well with the increased heat content. Additionally, when an additional Argo profile quality control procedure was utilized that simply removed the profiles that presented static unstable water columns, the results were very similar to those obtained when the bad Argo profiles were excluded from the assimilation. This indicates that an ocean data assimilation that uses multiple data sources with improved quality control could be less vulnerable to a major observation system failure, such as a bad Argo event.     

Comparisons of Three-Dimensional Variational Data Assimilation and Model Output Statistics in Improving Atmospheric Chemistry Forecasts

Atmospheric chemistry models usually perform badly in forecasting wintertime air pollution because of their uncertainties. Generally, such uncertainties can be decreased effectively by techniques such as data assimilation(DA) and model output statistics(MOS). However, the relative importance and combined effects of the two techniques have not been clarified. Here,a one-month air quality forecast with the Weather Research and Forecasting-Chemistry(WRF-Chem) model was carried out in a virtually operational setup focusing on Hebei Province, China. Meanwhile, three-dimensional variational(3 DVar) DA and MOS based on one-dimensional Kalman filtering were implemented separately and simultaneously to investigate their performance in improving the model forecast. Comparison with observations shows that the chemistry forecast with MOS outperforms that with 3 DVar DA, which could be seen in all the species tested over the whole 72 forecast hours. Combined use of both techniques does not guarantee a better forecast than MOS only, with the improvements and degradations being small and appearing rather randomly. Results indicate that the implementation of MOS is more suitable than 3 DVar DA in improving the operational forecasting ability of WRF-Chem.     

卫星微波观测资料在混合同化中的应用

利用美国环境预报中心(NCEP)的GSI(Gridpoint Statstical Interpolation)业务同化系统,采用三维变分同化方法(3DVAR)和三维变分混合同化方法(3DVAR-Ensemble),针对2013年5月8日发生在我国华南地区的一次强降水天气过程进行了数值模拟试验研究,设计了不同组试验方案,将常规观测资料和AMSU-A\MHS\ATMS辐射率亮温资料直接同化进入区域大气模式WRF中,对比分析不同同化试验方案对模式初始场及降水预报效果的影响。数值试验结果表明:从初始时刻的同化增量来看,各试验组均改变了初始场结构,但增量的大小和分布却不同。加入ATMS微波资料的分析增量要小于同化AMSU-A+MHS的;Hybrid同化方法使用具有"流依赖"的背景误差协方差在一定程度上减小了模拟区域周围的虚假增量,使初始场的分布更真实和合理。从降水模拟的强度和空间分布评估结果来看,使用Hybrid方法同化ATMS的资料可以比较准确预报出降水中心的位置。综合而言,采用Hybrid的方法同化ATMS的资料最优。