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.     

预报模式识别的扰动方法

本文从数值天气预报模式并不完全准确描述实际大气过程的观点出发,提出利用观测的近期演变资料确定模式中的未知部份(模式识别),以改善预报结果.叙述了一种模式识别的扰动方法,用正压涡度方程模式作了模拟实验,证明方法是有效的.     

用变分法修正边界层资料的数值试验

文中用变分方法修正边界层资料及模误差 ,目标函数相对于控制变量的梯度用扰动法计算 ,对利用小扰动求取梯度的方法进行了理论推导和试验分析。利用模式资料所作的数值试验表明 ,该方法能有效地修正模式自身误差 ,使模式能精确描述边界层物理过程 ,从而使调整后的初始场最好地拟合“观测资料”     

山谷风环流控制下的大气污染物输送和扩散过程:二维数值模拟研究

本文以兰州地区的实际地形为背景,建立了一个二维小尺度数值模式,并用它对山谷之间热力差异造成的山谷风环流及其控制下山谷中高架源排放的污染物输送和扩散过程进行了模拟研究。结果表明,在山谷风环流控制下,造成山谷内高污染浓度的主要因素有两个:一是日出前和日落后山谷风的转换;二是在白天由于山谷风环流所造成的山谷上空较强的下沉气流。     

三类陆面模式模拟土壤湿度廓线的对比研究

针对不同陆面模式对土壤湿度方程求解方法以及对土壤分层结构的差异, 本文选取了三类陆面模式（CLM, CABLE和ECMWF陆面模式）作比较研究。为了避免不同模式参数化方案引起的上边界误差, 上边界采用固定蒸发率、 入渗率和固定表层土壤湿度三类边界条件。土壤分层采用101层（细网格）和11层（粗网格）两种, 并考虑土壤性质沿深度变化。结果表明： 当土壤性质均匀时, 求解的差别主要在第三类边界条件下CLM 求出的水分入渗速度比其它两种快; 改用粗网格后由于土壤深层厚度加大无法与细网格得出的土壤湿度廓线相重合。当土壤性质非均匀时, 模拟结果间差别加大, 只有ECMWF模式模拟的土壤湿度廓线是严格连续的。对于模式和上边界的不同组合, 粗、 细网格模拟结果间均方根偏差不一致。一般而言, CABLE模拟的偏差除第一类条件较小外, 其它都是最大的。第二三类边界条件引起的偏差较大, 第一类最小。上述结果提示我们, 在比较不同陆面模式以及用观测资料来检验模拟结果时应充分考虑土壤分层及土壤性质非均匀性的可能影响。     

三维变分和物理初始化方法相结合同化多普勒雷达资料的试验研究

以美国新近研发的天气研究预报模式(WRF)配置的三维变分(3D-Var)同化系统WRF 3D-Var为平台,结合物理初始化方法(Physical Initialization,简称PI)来同化多普勒雷达径向风和回波强度观测资料.其基本做法是首先用物理初始化方法由雷达回波资料估计出比湿、云水混合比和垂直速度,然后用估计的比湿和云水混合比对模式的相应变量进行调整,最后再将估计出的垂直速度作为一种新的观测类型添加到现有的WRF 3D-Var目标函数中,同时以WRF 3D-Var提供的方法直接同化径向风.针对2002年6月19日的一次强对流性降水过程和2003年7月5日的一次梅雨锋暴雨过程进行了一组同化多普勒雷达径向风和回波资料的试验研究.同化结果表明:分析变量的增量场和观测的雷达回波有很好的对应关系.在雷达回波区,有正的比湿增量、云水含量增量和垂直速度增量,并且水平风增量在此辐合;在没有雷达回波的地方有负的垂直速度增量.预报结果表明,调整云水含量对降水预报改善不明显,调整比湿对降水预报改进明显,直接用物理初始化估计出的垂直速度替代模式的初始垂直速度,对降水预报改进不明显,但以新的方案同化雷达资料能有效地缩短模式的起转时间(spin-up time),明显改进短时降水预报.     

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。     

西固工业区光化学烟雾的数值模拟

本文给出了一个半拉格朗日形式的大气扩散模式。模式除考虑污染物在大气中的输送、弥散过程外,还加入了光化学反应过程。我们用此模式计算了1983年8月中旬兰州市西固地区的光化学烟雾浓度。计算结果和监测资料的对比表明,模式对这一地区O_3最大浓度值有较好的模拟能力,对O_3浓度的日变化及地理分布也有一定的模拟能力。     

THE SENSITIVITY INFLUENCE OF NUMERICAL MODEL INITIAL VALUES ON FOUR-DIMENSIONAL ASSIMILATION—STUDY BASED ON LORENZ SYSTEM

Numerical experiments of adjoint variational assimilation have been performed using the knownLorenz system.With the increase of sensitivity of model's initial values,it is more and more difficultto use the adjoint method to get the initial values which are consistent with the dynamics of the fore-cast model.Under some circumstances the algorithm completely fails.This shows that four-dimen-sional assimilation is related to the limit of predictability.On the other hand.with the increase ofmodel equation's error,the result of variational assimilation may become worse and worse so that theprediction has no meaning.But if the model parameters are corrected when variational assimilation ismade,the forecast results can be greatly improved based on Lorenz model.     

一种基于预报集合的降维资料同化方法的数值试验研究

对Qiu和Chou(2006)提出的一种基于预报集合的降维资料同化方法(4DSVD)给出了可行的实施方案，利用中尺度模式MM5产生的模拟资料进行数值试验并将其与MM5/3DVAR的同化结果进行比较，分析了不同的观测误差和观测点密度对同化结果的影响。试验表明:(1)和3DVAR相比该方法能更好地从有观测的变量推断无观测的变量(从温度的观测推测风和比湿)；(2)该方法可以相当有效地滤除观测噪音；(3)该方法具有更好的将观测信息扩展到资料空缺地区的能力。