Localization Analysis of Data Assimilation Methods Coupled with Fuzzy Control Algorithms

Due to the fake correlation between distance-observations and assimilation-states during data assimilation, more attention has been paid to the localization method. Meanwhile, in the case of assimilation with a small number of sets, the observation data is difficult to be used effectively, which makes the assimilation effect not good enough. Therefore, a new fuzzy control was proposed to analyze the local method. The fuzzy control algorithm was used to judge the distance between the observation point and the status update point and to construct the fuzzy weight of the observation position. The study aimed to make use of the nonlinear Lorenz-96 model to compare the Fuzzy control combine Local Analysis algorithm (FLETKF) and Fuzzy control combine Ensemble Transform Kalman Filter method (FETKF), local Ensemble Transform Kalman Fliter (LETKF) and Ensemble Transform Kalman Filter algorithm (ETKF) when the nonlinear forced parameter changed. In addition, the strengths and weaknesses of four algorithms were discussed by different intensities. The results show that the new method can obtain more effective observation weights, avoiding the false correlation between long-distance observations and state variables, reducing the errors caused by the observation data which is difficult to be used effectively. Under different assimilation strength, FLETKF can maintain good robustness. However, in terms of assimilation time, the construction of the equivalent weight of the observation position requires additional time because the localization assimilation method of fuzzy control determines the distance between the observation point and the status update point. Parallel computing performance needs further study.     

台风“灿鸿”(1509)的适应性观测敏感区特征及其模拟观测同化研究

适应性观测可以改善资料同化和预报质量。本文利用集合卡尔曼变换适应性观测系统对2015年09号台风“灿鸿”进行了观测敏感区识别,并以第一目标时刻的观测敏感区为基础,运用观测系统模拟试验方法获取模拟的适应性观测资料。基于WRF中尺度同化和预报系统,开展了适应性观测敏感区模拟资料的同化和预报试验。研究发现,台风“灿鸿”(1509)的观测敏感区主要位于台风中心的东北侧及东南侧。同化敏感区内模拟观测资料比同化常规观测资料能更好地改善分析质量和高度、台风路径的预报质量,但对降水的预报改善较弱。     

基于BGM与ETKF的台风"苏拉"(1209)集合预报的对比试验Ⅰ:路径预报

采用FNL再分析资料和美国联合台风警报中心(Joint Typhoon Warning Center,JTWC)资料,运用中尺度WRF(Weather Research and Forecasting)模式,分别使用增长模繁殖法(Breeding of Growing Mode,BGM)和集合卡尔曼变换方法(Ensemble Transform Kalman Filter,ETKF),对1209号台风"苏拉"进行了台风路径的集合预报试验,并对预报效果进行对比分析。结果表明:采用BGM或ETKF初始扰动的集合预报系统,集合平均预报对风场、温度场、位势高度场的预报效果均优于控制预报;ETKF方法的预报改进程度较BGM方法更大,且对风场和温度场预报技巧的优势尤为明显。BGM方法所得到的集合成员离散度小于ETKF方法,对大气真实状态的表征能力不及后者;两种扰动方法的集合平均都明显改善了台风"苏拉"的路径预报结果,尤其是控制预报在福建沿海第二次登陆后移速过快的问题,但对台风登陆位置预报的改进不明显;此外,采用ETKF方法的集合平均对台风"苏拉"路径预报的改进效果远优于采用BGM方法的集合平均预报。     

GRAPES区域集合预报系统应用研究

为发展GRAPES(Global and Regional Assimilation and Prediction System)区域集合预报系统(GRAPES Regional Ensemble Prediction System,GRAPES-REPS),采用集合变换卡尔曼滤波(ETKF)初值扰动方法以及多物理过程组合的模式扰动方法,基于业务区域模式GRAPES_MesoV3.3.2.4构建了区域集合预报系统,进行了连续40 d的批量试验,重点分析了ETKF初值扰动的结构及其演变特征,并通过概率预报检验方法对GRAPES-REPS进行了集合预报系统性能检验和降水预报检验,分析了该系统对强降水个例的预报效果。试验结果表明,GRAPES-REPS能产生较合理的集合预报初值扰动,扰动结构随流型依赖并对观测有较好的响应,且扰动成员相互正交。扰动总能量分析表明集合扰动能够随预报时效保持合理增长状态。集合预报检验表明集合预报结果优于控制预报,集合成员间在72 h预报时效内能保持合理的集合离散度。将该区域集合预报系统与业务上基于WRF模式的区域集合预报系统WRF-REPS进行了降水预报对比,表明GRAPES-REPS的降水预报能力表现要优于业务WRF-REPS。强降水个例分析表明集合预报能较好预报出强降水中心,预报效果明显优于控制预报。     

Lorenz 96模式中三种目标观测方法的有效性比较

目标观测是有效提升观测效能和观测质量的一种观测策略,其核心部分是敏感区的识别。本文在Lorenz-96模式上比较了奇异向量法(SVs)、集合变换卡尔曼滤波法(ETKF)和条件非线性最优扰动法(CNOP)识别敏感区的优劣,并尝试揭示ETKF方法性能不稳定的原因与机制。试验结果表明:在312h内的不同预报时刻,CNOP方法识别的敏感区范围较小且对预报效果的提升率最高;SVs方法识别的敏感区对72h内的预报有较好的改进,但72h后改进程度急剧下降,到120h后基本失效;ETKF方法识别的敏感区在72h内不如其他方法的效果好。此外,在ETKF方法识别的敏感区与随机选取的敏感区对比中发现,由于ETKF方法操作时采用顺序观测资料处理方案搜寻敏感区,本质上忽略了观测资料间的相关性,导致ETKF方法识别出的敏感区并不一定是全局信号方差最大的区域,对预报效果的改善有限,这也说明了如何优化敏感区搜寻方案是提高ETKF方法效能的关键。     

GRAPES-EPS系统的初值生成方法与对比试验研究

介绍了增长模繁殖法（BGM）和集合转化卡尔曼滤波法（ETKF）两种不同的模式初始扰动方法的基本原理,并以GRAPES中尺度模式为基础,利用两种初始扰动方法构建了两套中尺度集合预报系统。通过圣帕台风的个例试验,对比两种初始扰动生成方法对降水预报结果的影响。结果表明：两种方法均可以很好的捕捉到中尺度强降水的过程信息,集合平均结果优于控制预报,并在一定程度上改善了对强降水的落区和强度的预报;从邮票图和对集合预报系统的检验参数上来看,ETKF的集合离散度和特征值分布好于BGM方法,但对于降水结果TS等的评分的比较上来看,BGM的预报结果要优于ETKF的预报结果;另外,BGM方法和原理更简单,易于实现业务应用。