集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能。结果显示,经过几个同化周期后,EnKF分析结果非常接近真值。单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确。同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果。协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好。雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果。EnKF同化技术对雷达观测资料误差不太敏感。初始集合对同化分析有较大影响。EnKF同化受集合大小和观测资料影响半径。同化对模式误差较敏感。利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构。结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的。中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区。

地球系统模式FIO-ESM对2016—2017年La Nia事件及其对中国近海地区影响的预测

最近的观测表明赤道太平洋中部及东部的水温略低于拉尼娜事件的阈值,但大气与海洋的状态还不足以完全支持转为弱拉尼娜现象。本研究基于地球系统模式FIO-ESM和集合调整卡尔曼滤波同化方案建立的短期气候同化和预测系统,进行了1992-01-01—2016-10-31的模式同化,结果表明同化系统能够为预测提供较好的初始场。随后对2016—2017年拉尼娜事件的状态以及中国近海地区气温和降水异常进行了未来6个月的预测,结果表明赤道太平洋会在2016年年底继续降温,Nio3.4区海温异常将持续略低于拉尼娜事件的阈值-0.5℃,说明2016—2017年为弱拉尼娜事件,2017年春季东太平洋继续降温,表明此次拉尼娜事件可能会持续较长时间。预测结果同时也表明2016年冬季至2017年春季中国近海地区存在着北高南低的气温异常分布,中国南部地区降水存在负异常。拉尼娜带来的极端天气与气候异常会对中国沿岸地区带来巨大影响,但总体来说2016—2017年拉尼娜事件对中国的影响相对较弱。

关键物候期遥感数据缺失条件下的数据同化研究

随着数据同化方法的不断发展,数据同化已被广泛应用于遥感数据与作物生长模型的结合之中,但在关键物候期遥感数据缺失条件下的同化方法还有待加强研究。以黑龙江省红星农场为研究区,以玉米为研究对象,利用遥感数据与WOFOST模型开展同化方法研究。结果表明:经改进后的集合卡尔曼滤波算法同化,明显改善了误差较大的遥感影像对叶面积指数时序曲线的影响,同时减弱了曲线的锯齿状波动;在田块尺度上,和原始算法同化产量结果相比,R^2提高到0.67,RMSE减少到92.23kg/hm^2;在农场尺度上,R^2提高至0.61,RMSE减少至122.44kg/hm^2。