风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验I.不考虑模式误差的情形

本文在假定模式无偏差的情况下, 利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验, 检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果, 并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明, 集合卡尔曼滤波能有效地应用于风暴尺度的资料同化; 40个集合成员以及6 km的局地化尺度能较好地滤除采样误差造成的虚假相关, 同时可以将观测信息传递到无观测的模式格点; 利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果; 背景场扰动方法能够提高样本的离散度; 只同化反射率的同化试验表明, 反射率的同化效果较明显, 也证明了集合卡尔曼滤波在非常规资料同化中的作用; 增加径向风资料同化的效果优于只进行反射率同化的结果。     

动力协调的扰动场在风暴尺度集合预报中的效果改进试验

利用WRF模式,对1977年5月20日发生在美国俄克拉荷马州的超级单体风暴进行理想化的集合预报试验。基于具有明确统计意义的蒙特卡洛扰动法和扰动变量动力协调性的考虑,构造了两个集合预报系统（EPS）,一个是由包含多时次扰动误差信息并能够使各个扰动变量与动力模式相协调的初始扰动场生成集合成员;一个是由蒙特卡洛扰动法生成集合成员。对比检验了两个EPS的性能,结果表明：与动力模式相协调的扰动场形成初始扰动的EPS预报效果要好于蒙特卡洛扰动法产生的EPS;Talagrand分布和离散度情况表明前者可以获得更适宜的离散度,模式对初始扰动的平滑作用更小,比后者更为合理。     

深圳对流尺度集合预报系统对台风降水预报的检验评估

目前数值模式对台风降水预报的准确率仍有待提高。为了评估深圳对流尺度集合预报系统对台风降水预报能力,选取了2015—2018年共14个影响广东台风个例,利用广东省2 300多个自动气象观测站的24小时累计降水观测资料,检验该系统的集合预报方法(含集合平均方法和概率匹配平均方法)和控制预报方法的24小时降水预报结果。(1)系统对台风24小时降水预报具有较好参考价值,三种方法的暴雨等级预报TS评分均达到0.39以上。(2)集合预报方法总体上优于控制预报方法,可改善珠江口两侧暴雨中心降水预报。其中集合平均方法总体预报效果最好,其降水预报均方根误差为38.1 mm,比控制预报方法减少18.8%,对暴雨等级预报TS评分为0.469比控制,预报方法提升20.1%,但是对特大暴雨等级预报能力不足;而概率匹配平均方法改善了小雨和特大暴雨的预报能力。(3)系统对较强台风的降水预报能力优于弱台风。在较强台风情形下,系统对粤东暴雨中心降水预报明显偏小且控制预报方法偏差最大,其他地方降水预报偏大为主;在弱台风情形下,系统对降水预报存在明显系统性偏大,但对粤西暴雨中心降水预报明显偏小且控制预报偏差最大。      

深对流系统中初始误差增长和传播的热动力机制

利用WRF模式模拟一个典型的超级单体风暴,揭示了深对流系统中初始误差增长和传播的热动力机制,讨论了系统的高度非线性作用和可预报性等问题。结果表明：影响深对流系统发展强度的不稳定能量和潜热释放是影响误差增长和空间分布的主要因素;误差增长主要集中在对流区,对流区域外的初始扰动有向对流区域传播的趋势,并可在对流区域内迅速增长。随着对流系统的强烈发展,量级为O(10^-2)的初始扰动在210 min时即可达到量级O(10⁰),反映了系统高度的非线性作用和单一确定性预报显著的局限性。另外还发现,初始扰动对的相关性迅速增加,这将导致集合离散度偏低,给集合预报捕获极端天气的能力设置了障碍。误差的传播主要以声波和重力波两种波动形式传播。声波主要表现在积分初期,能量较小。重力波则能够在对流系统以外的区域激发新的对流中心(目前这种误差是不可预报的),进而限制了系统的可预报性。     

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验 II. 考虑模式误差的情形

文章的第I部分(兰伟仁等, 2010), 利用模拟雷达资料在假定模式无误差的情况下进行了一系列的集合卡尔曼滤波(EnKF)敏感性试验, 验证了EnKF方法在风暴尺度天气资料同化中的作用。本文继续探讨EnKF在有显著模式误差的情况下同化模拟多普勒雷达资料的效果问题。试验中假定模式误差主要来源于微物理过程参数化的不确定性。结果表明: 模式误差在不同程度上影响了EnKF分析的效果, 对微物理量的影响尤其明显; 在EnKF分析中, 利用微物理过程参数化集合的方法来考虑模式误差, 对速度场、 位温场以及比湿场有较明显的正作用, 但对于微物理量场分析效果较差; 若包含控制试验的微物理过程参数化方案, 则EnKF对所有变量都有正效果, 随着同化循环次数的增加, 分析结果更加合理; 只考虑冰相过程的微物理过程参数化方案的集合, 分析效果进一步提高。     

风暴尺度集合成员数对预报技巧的影响

利用WRFV2.2模式,对1977年5月20日发生在美国Oklahoma的典型超级单体风暴进行集合预报试验。采用蒙特卡洛法对不同区域初值扰动,对比分析成员个数的变化对预报技巧的影响,检验集合技术应用于风暴尺度系统的可行性及应用价值。结果显示,基于WRFV2.2模式的风暴尺度集合预报（storm-scale ensemble forecasting,SSEF）能够从热力场和动力场上改善单一确定性预报,并成功预报极端降水,表明SSEF具有较高的应用和研究价值;总体上预报技巧随成员数增加而增加,当集合成员数达到5-13时,预报技巧呈饱和特征,不同变量、不同扰动区域时的饱和成员数略有差异。     

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.