雷达反射率反演水汽和温度同化技术在一次飑线过程中的应用研究

针对2020年5月4日发生在江南的一次飑线过程,在逐15 min快速更新循环同化预报系统中,探讨了利用3DVAR方法同化雷达径向风、反射率和反演观测对短时降水、大风和冰雹等灾害天气的预报影响,同时研究了不同冷启动时刻对降水预报的影响。结果表明:冷启动时刻同化反演水汽和云内温度观测,观测强回波区的水汽和降水回波区内位温增量为正。随着循环次数的增加,背景场中虚假对流区的水汽减弱,对流被抑制;正的温度增量主要集中在观测回波大于背景模拟回波区,其增幅明显减小。相对于只同化雷达资料试验,同化“伪观测”资料能明显改善0~3 h内的雷达组合反射率和降水预报,2~5 km上升螺旋度路径与大风、冰雹灾害位置更接近;对0~6 h的1 h累计降水量在1、5和10 mm等级的FSS评分改善明显,随着循环同化次数增多,改进效果先明显增加,6~8 h左右改进效果达到顶峰,随后FSS评分相对雷达同化试验有所下降。在12时(世界时)更新背景场后,相对于05时冷启动明显提高降水FSS评分,且同化“伪观测”资料的积极贡献预报时效更长。

新增积雪深度客观预报技术研究及其应用

利用地面历史观测数据对我国冬季典型降雪过程的雪水比进行了统计分析,在此基础上,利用改进后的Cobb算法、ECMWF IFS模式预报及中央气象台降水和相态网格预报构建了雪水比和新增积雪深度物理预报模型。结果表明:我国降雪过程的雪水比分布较广,最小为0.3∶1,最大为100∶1,仅有4%左右的雪水比为10∶1;雪水比具有明显的区域和季节特征,新疆、西北地区东部、华北以及东北地区雪水比大于其他区域,冬季较春、秋季雪水比大;改进后的Cobb算法建立了随地形高度变化的云识别方案,利用云内温度与雪水比统计关系及垂直速度构建了雪水比和新增积雪深度预报模型,其预报的雪水比和新增积雪深度空间分布特征较原Cobb算法的预报更接近实况;结合雪水比预报模型和中央气象台降雪网格技术的新增积雪深度预报较ECMWF IFS模式预报有明显的改进,相对模式新增积雪深度预报TS评分提高率基本在10%以上,尤其对20 cm以上新增积雪深度预报能力提升明显。