热带风压场平衡特征及其对GRAPES系统中同化预报的影响研究I:平衡特征分析

本文基于GRAPES全球模式的短期预报误差样本,利用赤道波动正规模态研究了热带风、压场平衡特征,并根据这些特征分析了线性平衡方程(LBE)在该区域应用时存在的问题。结果表明:(1)赤道波动能成功解释热带短期预报误差样本的大部分分量,对流层中层为60%~80%,对流层顶和平流层低层为80%以上。(2)在可解释的误差方差中,赤道罗斯贝波(ER)占比仅为30%~55%,其他赤道波动的作用不可忽视。(3)在ER模态基础上引入其他赤道波动会大幅削弱原有风、压场平衡约束,重力惯性波与Kelvin波的作用最为显著。此时,对流层中层位势高度h与u风、v风间的约束接近于零,而平流层低层h-u的平衡特征由Kelvin波主导。(4)LBE主要表达了ER模态下的风、压场平衡特征,与实际情形相比高估了热带风、压场的耦合程度,进一步的改进中需削弱这一虚假平衡,使得热带风、压场分析变得更加独立。     

热带风压场平衡特征及其对GRAPES系统中同化预报的影响研究Ⅰ:平衡特征分析

本文基于GRAPES全球模式的短期预报误差样本,利用赤道波动正规模态研究了热带风、压场平衡特征,并根据这些特征分析了线性平衡方程(LBE)在该区域应用时存在的问题。结果表明:(1)赤道波动能成功解释热带短期预报误差样本的大部分分量,对流层中层为60%~80%,对流层顶和平流层低层为80%以上。(2)在可解释的误差方差中,赤道罗斯贝波(ER)占比仅为30%~55%,其他赤道波动的作用不可忽视。(3)在ER模态基础上引入其他赤道波动会大幅削弱原有风、压场平衡约束,重力惯性波与Kelvin波的作用最为显著。此时,对流层中层位势高度h与u风、v风间的约束接近于零,而平流层低层h–u的平衡特征由Kelvin波主导。(4)LBE主要表达了ER模态下的风、压场平衡特征,与实际情形相比高估了热带风、压场的耦合程度,进一步的改进中需削弱这一虚假平衡,使得热带风、压场分析变得更加独立。     

GRAPES变分同化系统中动力平衡约束的统计求解

该文在GRAPES (Global/Regional Assimilation and PrEdiction System) 模式面三维变分 (3D_Var) 框架中引入了一种描述不同控制变量之间动力平衡约束的新方案。新方案采用统计得到的流函数和模式气压变量 ( π ) 之间的回归系数代替原方案中的线性平衡方程,来表达旋转风和质量场之间的平衡关系;采用流函数和势函数之间的回归系数,补充表达了原方案中所没有的旋转风和散度风之间的平衡关系。与原方案相比,新方案算法简单,避免了垂直方向的反复插值,减少了插值误差的引入。通过随机扰动试验和单点试验可以发现,在地转关系成立较好的区域,新方案中旋转风和质量场的耦合程度与原方案接近一致;而在地转关系不适用区域,新方案可以有效减小两者的耦合程度。此外,由于新方案中添加了旋转风和散度风之间的动力平衡约束,边界层的风场分析也更加接近大气真实状况。     

曲率修正线性平衡方程及其在变分同化风压约束中的应用

针对强涡旋系统（热带气旋、一些中尺度系统）变分同化分析中风压平衡约束关系的特点,提出了一个新的风压平衡约束关系——曲率修正线性平衡方程,它具有形式与线性平衡方程相同,并清晰地包含了曲率的作用,同时,当曲率较小时可退化成线性平衡方程。曲率修正线性平衡方程能方便地应用于中国数值预报研究中心开发的三维变分同化分析系统Grapes3DV中,试验结果证明其具有较好的效果和较理想的特性,提高了分析质量,并改善预报水平。     

非线性平衡方案在三维变分同化系统中的应用

文中考虑气流出现明显的弯曲和辐合时,资料变分同化方案中的风压场间动力学约束问题。在强涡旋、锋面等剧烈变化的系统中,地转平衡和线性平衡方程均不能很好地描述风压场关系,非线性平衡方程考虑了流场曲率的作用,能更恰当地反映风压场的关系。把非线性平衡方案应用于三维变分同化分析系统中,可以得到和天气形势相关联的模式变量背景误差协方差,对热带气旋进行同化试验后得到的分析场更协调。结果表明,非线性平衡方程的应用,可以提高强涡旋系统中三维变分同化分析场的质量,对热带气旋强度预报有一定的改善。     

温湿统计平衡约束关系对GRAPES全球湿度分析的作用

为改进GRAPES全球三维变分同化系统(GRAPES-3DVar)的湿度分析,借鉴Hólm等(2002)的思想,在背景误差协方差结构中引入湿度与温度的统计平衡约束关系。通过扣除湿度变化中与温度有关的平衡部分获取非平衡拟相对湿度,并引入非线性对称变换对其做标准化处理,将处理后的变量作为新的湿度控制变量。统计结果表明,温湿统计平衡约束主要出现在中高纬度对流层中层相对湿度大于80%的区域,与大尺度抬升凝结加热有关;新的湿度控制变量能满足无偏、高斯分布特征。单点理想观测试验结果表明,新的湿度分析具备了流依赖特征,并能有效地抑制负水汽与超饱和水汽的出现。同化循环与预报试验结果表明,新方案给出的湿度分析的偏差和均方根误差均有所减小。而针对降水预报的检验结果表明,引入新方案后的0.1-10 mm降水预报,在ETS评分没有显著降低的情况下,BIAS评分更靠近1,降水空报有所减缓。然而60-84 h的25 mm以上的降水漏报现象更为明显,表明湿度同化分析方案还有改进空间。通过引入温湿统计平衡约束关系,完善了GRAPES-3DVar分析框架,为全球湿度分析的持续改进奠定了坚实基础。      

利用整层模式大气统计求解GRAPES-3DVAR动力平衡约束的数值试验

针对采用单层模式大气中统计求解风压场平衡关系的不足,采用改进方案,在表达动力平衡约束时考虑不同层次上变量之间的相关,利用整层模式大气中的旋转风场统计求解每一层上质量场的平衡部分。改进方案通过类岭回归方法减少多重共线性以及小尺度噪音对统计求解的不利影响,提高了统计结果的稳健程度。数值试验结果表明,相对于原有方案,采用整层模式大气统计求解的方案能更好地保证质量场在垂直方向分析的合理性,减少数字滤波初始化对分析增量的调整,提高位温的分析效果。在冬、夏两个代表月同化预报循环的对比试验中,改进方案对温度场的预报效果有明显提高,对风压场预报也有一定程度的正效果。      

变分同化框架通过背景误差协方差构建动力平衡约束的研究进展

通过背景误差协方差构建动力平衡约束是变分同化框架设计的重要环节。它不仅帮助实现变量间的协同分析,提高观测使用效率,还能改善变分极小化问题的性状。本文在系统梳理通过背景误差协方差引入动力平衡约束的方式、流程的基础上,对求解目前全球和有限区域变分同化系统普遍采用的准地转平衡和静力平衡约束的共性问题和存在的不足作了归纳总结。分析了求解准地转平衡约束的三类方案:动力平衡方程方案、统计方案和动力-统计相结合方案的优缺点。对照比较了不同垂直离散方案下求解静力平衡约束时遇到的欠定问题的表现以及解决途径。最后,展望了基于背景误差协方差构建动力平衡约束在赤道等特殊地区、高分辨率同化系统、以及集合-变分混合同化系统发展中面临的挑战和机遇。     

大气风温湿垂直观测网资料快速更新混合同化试验研究

基于WRF预报模式、WRFDA Hybrid集合变分同化系统和ETKF方法,构建了面向城市气象观测网数据的快速更新混合同化系统。针对北京地区地基微波辐射计和风廓线雷达组网观测资料数据同化,开展了静态背景误差调整因子(特征长度尺度因子和方差因子)、局地化距离和集合权重系数4个重要参数敏感性试验研究。试验结果表明：当温度、相对湿度、u风和v风的特征长度尺度因子和方差因子分别调整为0.7/1.0、1.0/1.0、0.7/1.0和0.7/1.0,局地化距离和集合权重系数分别调整为11.2 km和0.5时,快速更新混合同化系统的分析场均方根误差最小。为对比三种常用同化方案,开展了默认参数混合同化、最优参数混合同化、三维变分同化对比试验,试验结果表明：在针对北京地区地基微波辐射计和风廓线雷达组网观测资料的快速更新同化预报试验中,混合同化方案表现优于三维变分,同时相对于默认参数混合同化方案,最优参数混合同化方案的风场、温度及湿度的分析场和预报场得到了进一步改善：风温湿的分析场均方根误差分别最大降低了13%、19%和5%,12～24 h预报场的均方根误差分别最大降低了2%、12%和5%。     

背景误差协方差变量平衡特征及其对台风同化和预报的影响

构造合理的背景场误差协方差是做好资料同化的关键。分析了背景误差协方差中变量相关关系在台风季节和非台风季节隐含的不同动力平衡特征,并讨论其对台风同化和预报的影响。分析发现,与非台风季节相比,在台风季节温度与非平衡速度势具有更强的动力相关性,拟相对湿度与其他控制变量的相关性也更显著。这些动力相关性在背景场误差中协方差的引入,将在同化分析过程中使得观测信息可以合理地对同化分析场产生影响。台风循环同化和预报的结果验证了对变量平衡特征的分析:背景误差协方差中新平衡关系的建立,对同化和预报有较大的正面影响,尤其是相对湿度和其他控制变量相关的建立,明显改善了台风路径、强度和降水的预报效果。      

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.     

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。     

Assimilation of ERS‐2 scatterometer winds using the Canadian 3D‐var

Abstract

The goal of this study is to evaluate the impact of incorporating the marine surface winds retrieved from the ERS‐2 scatterometer in the Canadian three‐dimensional variational analysis system, (3D‐var). The aspects of the 3D‐var most relevant to the assimilation of surface ‐wind observations and a general method for resolving the directional ambiguity of the retrieved scatterometer ‐winds are first described. A comparison ‐with 6‐h forecasted winds is then made to demonstrate that these data are of high quality, but exhibit a speed bias that can be removed by increasing their amplitudes by about 5%. The analysis increment from a single scatterometer wind observation is calculated to illustrate the response of the 3D‐var to surface wind observations. As a consequence of the forecast error covariance model, the assimilation of surface wind observations produces meteorologically consistent increments for both the rotational and divergent wind components and the mass field. The results from a series of cross‐validation experiments using ship‐based wind data demonstrate a positive impact of assimilating scatterometer winds and the effectiveness of a simple method for estimating and removing the speed bias. The impact of assimilating scatterometer data within a short assimilation cycle is also evaluated. Overall, the results show that including scatterometer data in the analysis decreases the 6‐h forecast error of surface wind by 13%. Over the northern extra‐tropics the improvement is only 4% and for the southern extra‐tropics it is 16%. Results from a series of two‐day forecasts produced using the analyses from the assimilation cycles with and without retrieved scatterometer winds included are also presented. Using radiosonde observations at 850 hPa, 500 hPa, 250 hPa and 100 hPafor verification, the impact on the forecasts is nearly neutral in the northern hemisphere and the tropics. Conversely, a significant positive impact is found on both wind and mass fields in the southern hemisphere over the entire two‐day forecast.     

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。     

Improvement of the Surface Pressure Operator in GRAPES and Its Application in Precipitation Forecasting in South China

In this study we investigated the problems involved in assimilating surface pressure in the current global and regional assimilation and prediction system, GRAPES. A new scheme of assimilating surface pressure was proposed, including a new interpolation scheme and a refreshed background covariance. The new scheme takes account of the differences between station elevation and model topography, and it especially deals with stations located at elevations below that of the first model level. Contrast experiments were conducted using both the original and the new assimilation schemes. The influence of the new interpolation scheme and the updated background covariance were investigated. Our results show that the new interpolation scheme utilized more observations and improved the quality of the mass analysis. The background covariance was refreshed using statistics resulting from the technique proposed by Parrish and Derber in 1992. Experiments show that the updated vertical covariance may have a positive influence on the analysis at higher levels of the atmosphere when assimilating surface pressure. This influence may be more significant if the quality of the background field at high levels is poor. A series of assimilation experiments were performed to test the validity of the new scheme. The corresponding simulation experiments were conducted using the analysis of both schemes as initial conditions. The results indicated that the new scheme leads to better forecasting of sea level pressure and precipitation in South China, especially the forecast of moderate and heavy rain.     

Assimilation of Ocean Surface Wind Data by the HY-2B Satellite in GRAPES: Impacts on Analyses and Forecasts

The ocean surface wind(OSW) data retrieved from microwave scatterometers have high spatial accuracy and represent the only wind data assimilated by global numerical models on the ocean surface, thus playing an important role in improving the forecast skills of global medium-range weather prediction models. To improve the forecast skills of the Global/Regional Assimilation and Prediction System Global Forecast System(GRAPES＿GFS), the HY-2B OSW data is assimilated into the GRAPES＿GFS four-dimensio...