Ideal Case Study of Adaptive Localization in Storm-scale Ensemble Kalman Filter Assimilation

This study explores the use of the hierarchical ensemble filter to determine the localized influence of ob-servations in the Weather Research and Forecasting ensemble square root filtering (WRF-EnSRF) assimilation system. With error correlations between observations and background field state variables considered, the adaptive localization approach is applied to conduct a series of ideal storm-scale data assimilation experiments using simulated Doppler radar data. Comparisons between adaptive and empirical localization methods are made, and the feasibility of adaptive locali-zation for storm-scale ensemble Kalman filter assimilation is demonstrated. Unlike empirical localization, which relies on prior knowledge of distance between observations and background field, the hierarchical ensemble filter provides con-tinuously updating localization influence weights adaptively. The adaptive scheme improves assimilation quality during rapid storm development and enhances assimilation of reflectivity observations. The characteristics of both the observation type and the storm development stage should be considered when identifying the most appropriate localization method. Ultimately, combining empirical and adaptive methods can optimize assimilation quality.     

长江中下游夏季极端降水指数的变化特征

利用长江中下游地区66个气象站逐日降水资料,通过经验正交函数分解分析中雨以上日数极端降水指数及形成的原因。结果表明:长江中下游中雨以上日数主要表现为全区一致型、南北反向型,且两种分布形势均存在准2 a周期的年际变化和年代际变化;中雨以上日数在1990s开始显著增长,2000s以来,长江以北地区偏多,长江以南地区偏少;2000—2011年,我国东部经向上仍旧存在"反气旋—气旋"水汽输送异常,蒙古高原反气旋型水汽输送加强,引起雨带停滞在长江以北,造成长江以南地区中雨以上日数偏少。     

各向异性背景场误差协方差构建及在“凡亚比”台风的应用

利用相临过去时段预报结果中同一时刻不同时效的模式预报场差异,计算预报误差协方差,并基于集合-变分混合同化系统将其与静态背景场误差协方差结合,从而在同化系统中构建了具有各向异性和一定流依赖特征的背景场误差协方差。单点观测理想试验显示本方案改善了静态模型化背景场误差协方差的各向同性和流依赖性问题。“凡亚比”台风的一系列同化及模拟试验表明,从台风路径、强度等方面本文方案的效果都要优于三维变分法。本文方案在不需要集合预报,计算量与三维变分法相当的情况下,给同化系统引入了各向异性、一定流依赖特征的背景误差协方差,因此本方案适于在计算资源较为紧缺情况下,对时效要求较高的预报业务中应用。     

贝叶斯膨胀算法对EnSRF雷达资料同化的影响研究

本文针对2009年6月5日发生在我国华东地区的一次中尺度对流过程（Mesoscale Convective System,简称MCS）,基于集合均方根滤波（Ensemble Square Root Filter,简称EnSRF）方法同化多部多普勒天气雷达资料,引入具有时空自适应理论优势的贝叶斯膨胀算法,通过与常数膨胀算法的对比,分析了两种膨胀算法对EnSRF同化效果的影响。结果表明:贝叶斯膨胀算法同化的雷达组合反射率因子在强对流中心处有所增强,改善了基于常数膨胀算法的EnSRF同化强对流系统偏弱的问题。相比常数膨胀算法,贝叶斯膨胀算法同化的冷池结构更合理,径向风和反射率因子的均方根误差均减少。进一步探讨贝叶斯膨胀算法对同化效果改善的原因,结果发现:贝叶斯膨胀参数的分布与反射率因子的均方根误差分布十分吻合,这表明贝叶斯膨胀算法可以在背景场均方根误差较大,即背景场与观测差距较大时,给出较大的膨胀参数,进而增加集合的背景场误差,使得观测权重增大,从而给出了较大的分析增量。对集合平均分析场进行了1小时的确定性预报发现,贝叶斯膨胀算法提高了预报模式对安徽与江苏交界处的强对流系统的模拟效果,回波强度更强,冷池强度和范围更大,且对于不同组合反射率因子的阀值,贝叶斯膨胀算法的评分（Equitable Threat Score,简称ETS）均高于常数膨胀算法。这表明贝叶斯膨胀算法有效地改进了基于常数膨胀算法的EnSRF同化雷达资料的效果。     

北京7.21暴雨低涡演变的湿位涡分析

通过诊断再分析资料和数值模拟结果,从中层湿位涡守恒和低层湿位涡变化的角度分别对北京7.21暴雨过程中中尺度低涡的演变进行分析。结果表明,暴雨前期,对流层中高层高湿位涡的冷空气扩散南下,冷空气到达华北地区上空时,在有利等熵面的引导下从稳定层结向不稳定层结快速下滑,产生了剧烈的正涡度个别变化,使得低涡得到发展加强。另一方面,等熵面上冷暖空气的剧烈交汇在增强雨势的同时,也使得对流层低层至中层产生明显的涡度制造。在不考虑稳定度影响时,低层的非绝热过程引起的湿位涡制造与低涡发展有着很好的正相关,二者在位置上和量级上都有很好的对应。进一步分析表明,非绝热加热的水平不均匀分布是引起湿位涡变化的主要原因。     

EnKF局地化算法对雷达资料同化的影响研究

分级集合滤波(Hierarchical Ensemble Filter,HEF)和采样误差修正(Sampling Error Correction,SEC)局地化算法能够使采样误差取得极小值,且不需要给出距离的定义。为了检验其理论优势,基于集合卡尔曼滤波(Ensemble Kalman Filter,En KF)方法同化模拟雷达资料,通过与Gaspari-Cohn(GC)局地化算法对比,分析不同局地化算法对En KF同化效果的影响。结果表明,HEF和SEC局地化算法的雷达回波在水平和垂直方向上均强于GC局地化算法。HEF局地化算法各个变量的离散度最高,均方根误差最低;SEC局地化算法离散度略低,均方根误差略高;GC局地化算法离散度最低,均方根误差最高。相比于GC局地化算法,HEF和SEC局地化算法的冷池强度减弱,面积减小,下沉气流的速度和范围增大,雹霰混合比的大小和覆盖面积增大。通过模拟发现,HEF局地化算法模拟的北侧对流中心最强,SEC局地化算法模拟的南侧对流中心最强,且模拟出(40 km,60 km)处的强对流中心。HEF局地化算法模拟的冷池强度最强,HEF和SEC局地化算法基本上模拟出北侧的雹霰混合比高值区。这表明HEF局地化算法有效地改进了基于GC局地化算法的En KF雷达资料同化效果,SEC局地化算法减小了计算量,是HEF局地化算法较好的近似。     

微物理方案及其参数对EnSRF资料同化的影响研究

利用自主构建的基于风暴尺度的WRF-En SRF系统同化模拟多普勒雷达资料,讨论了微物理方案及其参数的不确定性对同化效果的影响。试验采用组合微物理方案以及扰动微物理方案中的参数的方法,结果表明,模式误差非常小甚至可以忽略时,使用单个微物理方案并扰动参数能够使真实风暴的主要特征在分析场中较未扰动参数得到更好地反映;存在模式误差时,使用单个微物理方案并扰动参数后,分析场中的各要素的分布较未扰动参数更加接近真实风暴,同化效果得到改进,且改进效果比模式误差非常小时更为明显;存在模式误差时,组合微物理方案并扰动参数后,分析场中对流云团的形态较未组合方案或未扰动参数更接近真实风暴,主要要素场的配置最能反映真实风暴的特征,同化效果最为理想。结果也表明,扰动参数时、参数扰动范围较小时,同化效果较优。     

迭代EnSRF方案设计及在Lorenz96模式下的检验

本文利用非同步 (Asynchronous) 算法设计了一个包含迭代过程的集合平方根滤波方案 (迭代EnSRF),并在Lorenz96模式下详细对比分析了该方案和传统EnSRF方案的同化效果.与传统EnSRF方案不同,迭代EnSRF方案能够同时更新两个时次的背景场并通过迭代过程来改进分析结果.本文不仅检验了迭代EnSRF在同化不同类型观测资料时的效果,还检验了存在模式误差时该方案的同化效果,并且对同化结果的合理性进行了详细分析.试验结果表明:在完美模式下,迭代EnSRF能够显著加快同化常规观测时的收敛速度,并能够更加有效地同化非常规观测资料;在存在模式误差时,迭代EnSRF并不能有效改进分析结果;当对不准确的模式参数进行扰动后,迭代EnSRF能够更好地利用改进后的集合预报系统来提高其对部分类型观测的分析结果.进一步的分析表明,分析结果的改进主要得益于迭代EnSRF改进了背景误差协方差空间结构,并使得EnSRF的线性假设得到更好的满足.     

卫星辐射率资料EnSRF同化及暴雨模拟应用

基于自主构建的WRF—EnSRF（Weather Researchand Forecasting—Ensemble Square—Root Filter）同化系统,同化了ATOVS（Advanced TIROS Operational Vertical Sounder）辐射率资料,以检验该系统同化卫星资料的能力及其在暴雨过程模拟中的效能。对2008年6月6—7日广东地区一次大暴雨过程进行了同化及数值模拟试验,结果表明,同化ATOVS辐射率资料得到的分析场,丰富了对流层高层的大气温度和对流层中低层的大气湿度信息,对风场也有一定的改进。控制试验和同化试验都较好地模拟出了降水的主要落区和发生时段,但控制试验对暴雨、大暴雨的雨区和雨强的模拟效果欠佳;相比而言,同化试验对强降水中心的位置、范围的模拟均有更好的反映,模拟的暴雨强度也与实际降水量级基本一致,同化改进效果明显。     

亚洲夏季风与福建汛期降水的关系分析

采用EOF（Emprical Orthogonal Function）、小波分析和交叉小波分析等方法研究了福建省汛期降水的不同空间分布型在不同的时间尺度下与西北太平洋夏季风、印度洋夏季风的关系.结果表明：福建汛期降水空间分布以全省一致型和东南—西北反相型两种模态为主;西北太平洋夏季风主要影响福建整个汛期降水总量的多寡,当西太平洋夏季风较强（弱）时,福建整个汛期全省降水偏多（少）;而印度洋夏季风则主要影响福建汛期降水量东南-西北向差异,即ISM强（弱）,福建东南-西北部降水差异增大（减小）.