基于高分辨率气溶胶观测资料的多尺度三维变分同化及预报

Multi-scale three-dimensional variational data assimilation for high-resolution aerosol observations: Methodology and application

随着中国空气质量监测站点数量的日益增加,在很多地区已经形成了高分辨率的气溶胶观测网,针对传统的三维变分同化方法3DVAR(3-Dimensional Variational)难以有效利用气溶胶资料的多尺度(特别是其中的小尺度)观测信息问题,提出了一种两次迭代的气溶胶多尺度三维变分同化方法TS-3DVAR(Two-scale-3DVAR).TS-3DVAR方法通过对背景误差样本进行尺度分离,构造出大尺度和小尺度两个背景误差协方差,同时将气溶胶资料中的观测信息分离为大尺度和小尺度,然后分别利用相应尺度的背景误差协方差以及空气质量模式背景场进行同化,获得能够描述气溶胶多尺度分布特征的最优同化分析场.利用中国空气质量监测站点一个月的PM和PM观测资料进行同化和预报试验.结果表明,TS-3DVAR提高了同化对大尺度和小尺度观测信息的利用率,在54~216km(2~8倍水平网格距)的波长区间和351km(13倍水平网格距)以上的波长区间,TS-3DVAR同化增量的功率密度平均比3DVAR高71.70%和35.33%;TS-3DVAR比3DVAR对PM初始场的改进更显著,同化分析场中PM的平均相关系数(Corr)比3DVAR提高了0.052(6.12%),平均均方根误差(RMSE)降低了3.446μg m(16.4%);同时,TS-3DVAR可以显著地提高PM模式预报的准确率,在0~24h之间,PM预报的Corr平均比3DVAR提高了0.025(5.08%),RMSE降低了2.027μg m(4.85%).