Estimating winter wheat biomass by assimilating leaf area index derived from fusion of Landsat-8 and MODIS data

A sufficient number of satellite acquisitions in a growing season are essential for deriving agronomic indicators, such as green leaf area index (GLAI), to be assimilated into crop models for crop productivity estimation. However, for most high resolution orbital optical satellites, it is often difficult to obtain images frequently due to their long revisit cycles and unfavorable weather conditions. Data fusion algorithms, such as the Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) and the Enhanced STARFM (ESTARFM), have been developed to generate synthetic data with high spatial and temporal resolution to address this issue. In this study, we evaluated the approach of assimilating GLAI into the Simple Algorithm for Yield Estimation model (SAFY) for winter wheat biomass estimation. GLAI was estimated using the two-band Enhanced Vegetation Index (EVI2) derived from data acquired by the Operational Land Imager (OLI) onboard the Landsat-8 and a fusion dataset generated by blending the Moderate-Resolution Imaging Spectroradiometer (MODIS) data and the OLI data using the STARFM and ESTARFM models. The fusion dataset had the temporal resolution of the MODIS data and the spatial resolution of the OLI data. Key parameters of the SAFY model were optimised through assimilation of the estimated GLAI into the crop model using the Shuffled Complex Evolution-University of Arizona (SCE-UA) algorithm. A good agreement was achieved between the estimated and field measured biomass by assimilating the GLAI derived from the OLI data (GLAI_L) alone (R² = 0.77 and RMSE = 231 g m⁻²). Assimilation of GLAI derived from the fusion dataset (GLAI_F) resulted in a R² of 0.71 and RMSE of 193 g m⁻² while assimilating the combination of GLAI_L and GLAI_F led to further improvements (R² = 0.76 and RMSE = 176 g m⁻²). Our results demonstrated the potential of using the fusion algorithms to improve crop growth monitoring and crop productivity estimation when the number of high resolution remote sensing data acquisitions is limited.     

MASNUM-WAM海浪模式集合Kalman滤波同化研究-I.风场扰动对海浪模拟影响

模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为：纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素（有效波高）和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。     

南海中尺度涡强度的季节和年际变化分析

为了研究南海中尺度涡强度的季节和年际变化规律,利用Matlab提取50 a(1958~2007年)简单海洋资料同化(Simple Ocean Data Assimilation,SODA)月平均数据集中流场和海表面高度场数据,应用一个涡旋自动探测算法对南海中尺度涡初始生成位置进行分析,并分析了海表面高度异常均方根值的季节变化和年际变化。结果表明:50 a里南海中尺度涡主要分布在吕宋岛西北海域、吕宋岛西南海域和越南以东广大海域,秋、冬季中尺度涡能量较高,春季中尺度涡最弱,中尺度涡强度高值区年际变化明显。从季节变化上看,海面高度异常均方根春、夏季最小,秋冬季最大;从年际变化上看,与同时期Nino3指数有显著负相关,周期大约为3 a。     

NUMERICAL PREDICTION OF AN EXTREME RAINSTORM OVER THE PEARL RIVER DELTA REGION ON 7 MAY 2017 BASED ON WRF-ENKF

An ensemble Kalman filter based on the Weather Research and Forecasting Model (WRF-EnKF) is used to explore the effectiveness of the assimilation of surface observation data in an extreme local rainstorm over the Pearl River Delta region on 7 May 2017. Before the occurrence of rainstorm, the signals of weather forecasts in this case are too weak to be predicted by numerical weather model, but the surface temperature over the urban area are high. The results of this study show that the wind field, temperature, and water vapor are obviously adjusted by assimilating surface data of 10-m wind, 2-m temperature, and 2-m water vapor mixing ratio at 2300 BST 6 May, especially below the height of 2 km. The southerly wind over the Pearl River Delta region is enhanced, and the convergence of wind over the northern Guangzhou city is also enhanced. Additionally, temperature, water vapor mixing ratio and pseudoequivalent potential temperature are obviously increased over the urban region, providing favorable conditions for the occurrence of heavy precipitation. After assimilation, the predictions of 12-h rainfall amount, temperature, and relative humidity are significantly improved, and the rainfall intensity and distribution in this case can be successfully reproduced. Moreover, sensitivity tests suggest that the assimilation of 2-m temperature is the key to predict this extreme rainfall and just assimilating data of surface wind or water vapor is not workable, implying that urban heat island effect may be an important factor in this extreme rainstorm.     

基于WACCM+DART的临近空间SABER和MLS臭氧观测同化试验研究

本研究在WACCM+DART（Whole Atmosphere Community Climate Model,Data Assimilation Research Test-Bed）临近空间资料同化预报系统中加入SABER（Sounding of the Atmosphere using Broadband Emission Radiometry）和MLS（Microwave Limb Sounder）臭氧观测同化接口,并以2016年2月一次平流层爆发性增温（SSW）过程为模拟个例进行了SABER和MLS臭氧观测同化试验,得出以下结论:同化SABER和MLS臭氧体积浓度观测得出的WACCM+DART臭氧分析场能够较真实反映SSW期间北极上空平流层臭氧廓线随时间的演变特征,且与ERA5（Fifth Generation of ECMWF Reanalyses）再分析资料描述的臭氧变化特征具有很好的一致性;基于SABER和MLS臭氧观测的WACCM臭氧6 h预报检验表明同化臭氧观测对臭氧分析和预报误差的改善效果主要体现在南半球高纬平流层和北半球中高纬平流层中上层-中间层底部;基于ERA5再分析资料的WACCM+DART分析场检验表明同化SABER和MLS臭氧体积浓度资料可在提高北半球高纬地区上平流层-中间层底部臭氧场分析质量的同时减小该地区上平流层-中间层底部温度场和中间层底部纬向风场的分析误差;基于MLS臭氧资料的臭氧中期预报检验表明相对控制试验同化SABER和MLS臭氧体积浓度资料能更好改善0~5 d下平流层和中间层底部臭氧的预报效果。     

线性化物理过程对GRAPES 4DVAR同化的影响

线性化物理过程能够改善四维变分同化中极小化收敛的稳定性和增加极小化过程中对大气物理过程和动力更加精确的描述,它是四维变分同化中非常重要的一部分。通过在GRAPES全球模式中研究线性化物理过程,尤其是两个湿线性化物理过程,改善切线性模式预报精度,来提高GRAPES全球四维变分同化的分析和预报效果。线性化物理过程的开发首先需要简化原非线性化物理过程中的强非线性项,然后对线性化物理过程进行规约化,以抑制切线性扰动的异常增长。目前GRAEPS全球模式中的线性化物理过程主要包括次网格尺度地形参数化、垂直扩散、积云深对流和大尺度凝结。线性化物理过程预报精度的检验方法是通过选择合适大小的初始扰动（同化分析增量）,来比较非线性模式和切线性模式中的扰动演化的纬向平均误差。然后以绝热版本的切线性模式为基础,通过冬、夏两个个例试验来分别检验4个线性化物理过程的12 h预报效果。试验结果表明,通过添加次网格地形参数化和垂直扩散两个干线性化物理过程方案,可以有效抑制住绝热版本切线性模式低层扰动的异常增长,大幅度改善切线性模式预报效果。通过添加积云深对流和大尺度凝结两个湿线性化物理过程,可以在热带区域和中、高纬度地区提高切线性模式中湿变量和温度变量的近似精度,提高GRAPES全球四维变分同化的分析和预报效果。      

适应数值模式垂直坐标的GPS掩星反演资料稀疏化方案

GPS掩星反演大气温湿资料具有高垂直分辨率、高精度、受云和降水影响小等优点,针对GRAPES同化预报系统,发展设计了一种既考虑预报模式高度-地形追随垂直坐标不均匀分层特点,又结合掩星反演资料特性的新适应性垂直稀疏化方案。通过个例试验和批量试验,探索了该适应性稀疏化方案对分析预报质量的影响。试验结果表明:选取合适的稀疏参数,新稀疏化方案的GPS掩星反演资料对背景场的调整更加有效,分析场质量更高;位势高度、比湿、温度和风场等预报场的均方根误差均更小;适应性稀疏化方案对改善台风路径预报具有积极作用。批量试验则进一步证实了适应性稀疏化方案对分析场质量有明显的改善作用。     

循环同化雷达资料对一次飑线系统临近预报的改进作用

利用WRF(Weather Research Forecast)模式及其3D-Var(Three-Dimensional Variational assimilation)变分系统,针对2017年7月7日一次飑线进行了雷达资料的循环同化敏感性试验.结果表明:以循环同化雷达资料至飑线成熟期时刻的试验预报效果最好,主要原因...     

估值类数据同化方法中背景场的确定——三维可分离的情况

以相关性为基础,详细研究了估值类数据同化方法中背景场的确定问题,并以渤海3月份到7月份的温度场为例,具体说明了如何确定背景场:当要素场在水平方向和垂直方向上可以进行分离变量时,背景场的确定可以通过单独确立水平相关性与垂直相关性完成。研究表明:(1)当没有温跃层时,温度在垂向上的相关是沿着整个深度的;(2)当有温跃层时,温度在垂向上的相关应该限定在上准等温层的下界;(3)在温度的垂向分布方面,其相关性与温跃层有着对应关系,对比相关性与温跃层可以看出,垂向相关性与温跃层位置的变化趋势一致。     

集合数据同化方法的发展与应用概述

集合数据同化方法具有简洁概念化的公式和应用起来相对容易等优点,因此,它们获得了普及性的应用;近10年来集合数据同化方法已经得到了快速的发展。综述了包括集合卡尔曼滤波(EnKF,Ensemble Kalman Filter)、集合卡尔曼平滑(EnKS,Ensemble Kalman Smoother)、集合方均根滤波(EnSRF,Ensemble Square-Root Filter)和减秩卡尔曼滤波(SEEK,Singular Evolutive Extended Kalman Filter)等集合数据同化方法的研究进展状况。通过与其它数据同化方法的对比,总结出了这些方法的特点,探讨了我国在集合数据同化方法研究中存在的问题并展望了该方法的研究和应用前景。