集合均方根滤波同化地闪资料的试验研究

闪电资料作为雷达资料的良好补充,可以弥补雷达资料时空与地域的限制。国内外大量研究发现,对流性天气中的地闪与雷达回波具有很强的相关性,这为同化闪电资料提供了一定的可能性。依照GSI云分析中的方法,将闪电资料转换为三维代理回波,运用三维变分方法加入随机扰动产生集合成员,再用集合均方根滤波方法进行同化。选取2009年6月5日发生于苏皖地区的一次强对流天气过程进行一系列同化预报试验。试验结果表明:闪电资料转换为三维代理回波后经集合均方根滤波同化后具有良好的适用性。预报回波能迅速得以改善,时效为3 h左右。同化多时次的闪电资料可以提供更好的预报结果,可提高3 h内短时临近降水预报精度。

基于地面资料集合均方根滤波同化方案的京津冀暴雨模拟研究

为了更加有效地同化地面自动气象站观测资料,针对模式地形与观测站地形存在的高度差异对同化效果的影响,提出了相应的解决方案。在同化系统的位温和露点观测误差中分别引入位温和露点地形代表性误差,在WRF模式中应用集合均方根滤波方法(EnSRF)同化地面自动气象站观测资料,并对2016年一次京津冀暴雨个例进行数值试验。研究结果表明,同化地面资料后,同化阶段的均方根误差、预报阶段的降水TS评分和前13个时次各要素预报均有整体改进。在观测误差中引入地形代表性误差与引入前相比,风场均方根误差得到整体改进;位温和露点的均方根误差在前期表现并不稳定,在后期有所改进;预报阶段前24 h累计降水与后24 h累计降水TS评分在整体上均有所提高。新方案能够减少高度差异对同化效果的影响。

两类订正方案在集合均方根滤波土壤湿度同化中的对比研究

利用Noah陆面模式,基于集合均方根滤波(ensemble square-root filter,简称ENSRF)算法,结合观测和模式2类订正方法,通过构建多个融合同化方案,进行土壤湿度同化研究。其中,模式订正采用粒子群优化算法估计模式参数,观测订正则将观测季节性尺度的特征调整到与模式气候态相当的水平。结果表明,观测订正能够有效减少观测与模式季节尺度差异,从而间接减少同化中的观测误差,而模式订正则有效减少模式参数在同化中产生的误差;引入观测和模式订正后的同化都要优于原始观测且未订正模式的传统同化方案,而单独引入模式或者观测订正并不能够提供给同化方案最佳误差订正信息;结合尺度化的观测订正和参数优化的模式订正,能够使传统土壤湿度ENSRF估计方案得到最大程度的改善。

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.

利用集合均方根卡尔曼滤波反演重庆地区SO_2源排放

传统的"自下而上"清单方法估算的排放清单,其数据的准确性和时效性存在较大局限.基于集合均方根卡尔曼滤波的源清单反演方法,结合WRF-CMAQ(天气研究和预报模式-公共多尺度空气质量模型)被用于对以清华大学编制的2010年MEIC(中国多尺度排放清单模型)排放清单为基础制作的重庆地区SO_2排放源进行反演试验以解决准确性和时效性问题,试验时间段为2014年10月15—31日,重庆主城17个环境空气质量国控监测点ρ(SO_2)小时观测资料用于反演及检验.结果表明:该方法能够反演重庆地区SO_2源排放量,随着反演次数增加,基于反演排放源预报的ρ(SO_2)预报误差持续减小,反演4次后预报误差达到比较低的稳定的水平,其均方根误差均低于20μg/m^3.5次反演后SO_2源排放量用于2014年10月24—29日每天起始预报,其预报的站点、时间平均的均方根误差从100~400μg/m^3降至30μg/m^3以下.反演中应用局地化尺度减少集合取样误差影响,54与81 km两个局地化尺度反演结果对预报改善效果相当,表明主要影响重庆主城ρ(SO_2)的源排放位于主城及周边地区,也说明内源排放对重庆主城ρ(SO_2)起主要影响.反演后面源排放量主城区降幅约为30 kg/(d·km^2),周边地区减少10~20 kg/(d·km^2),主城区部分SO_2点源排放量降幅约为25 kg/(d·km^2),说明2010年MEIC排放清单高估了试验时段重庆地区的SO_2排放.

基于物理约束扰动的EnSRF雷达资料同化

在完善WRF集合均方根滤波同化系统的双向嵌套预报方案、雷达资料质量控制方案和多微物理过程积分方案的基础上,引入了一种扰动势函数、流函数的尺度较小、物理意义更明显的集合初始扰动新方案。通过台风"桑美"登陆过程中的多普勒雷达资料直接同化试验,对比新扰动方案与目前应用较多的背景误差协方差随机扰动和全场随机扰动方案,对集合滤波同化效果的影响。试验结果表明,3种初始扰动方案都有效改善了台风内部结构,但新方案由于尺度更小、结构更为合理,其同化效果也更为显著,提高了对台风路径、中心最低气压、最大风速及降水的预报质量。

卫星辐射率资料EnSRF同化及暴雨模拟应用

基于自主构建的WRF-EnSRF(Weather Research and Forecasting-Ensemble Square-Root Filter)同化系统,同化了ATOVS(Advanced TIROS Operational Vertical Sounder)辐射率资料,以检验该系统同化卫星资料的能力及其在暴雨过程模拟中的效能。对2008年6月6-7日广东地区一次大暴雨过程进行了同化及数值模拟试验,结果表明,同化ATOVS辐射率资料得到的分析场,丰富了对流层高层的大气温度和对流层中低层的大气湿度信息,对风场也有一定的改进。控制试验和同化试验都较好地模拟出了降水的主要落区和发生时段,但控制试验对暴雨、大暴雨的雨区和雨强的模拟效果欠佳;相比而言,同化试验对强降水中心的位置、范围的模拟均有更好的反映,模拟的暴雨强度也与实际降水量级基本一致,同化改进效果明显。

顺序数据同化算法的敏感性分析

为了探讨不同同化指标对顺序数据同化的影响,选择En KF,DEn KF,En SRF三种经典的顺序同化算法,结合Lorenz-1963模型进行敏感性实验分析,研究同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径等指标对同化结果的影响。实验表明:同化总时间、同化步长、集合成员数、方差膨胀因子、观测数目和局地化半径对同化结果有直接的影响,基于En KF的改进算法在有限范围内是优于En KF的;当达到一定条件时,以上所有方法的同化结果趋于相同。研究结果对于实际应用中的最优顺序同化算法选择具有指导意义。

EnSRF雷达资料同化对一次强对流天气模拟的影响研究

利用ARPS(Advanced Regional Prediction System)模式和具有流依赖背景误差协方差的集合均方根滤波(Ensemble Square Root Filter,简称En SRF)方法,通过同化多部多普勒雷达资料,对2013年6月23日的强对流天气过程进行了研究。首先对比同化试验和观测的组合反射率因子,检验了同化效果。通过计算均方根误差和离散度,进一步定量评估了同化结果。再对比模式变量,综合分析了En SRF雷达资料同化对模式热力、动力、湿度和微物理量等变量的影响。最后对集合平均场进行1 km的高分辨率数值模拟。结果表明:En SRF能够同化出与观测类似的对流系统,且减弱了南北部的虚假回波。径向风和反射率因子的均方根误差明显减少。En SRF雷达同化能够明显优化模式的初始场,同化试验的回波在垂直方向上范围增加,强度偏弱。在强对流区域,低层的冷池温度最多降低6 K,相对湿度最多增加30%。对流区域的雨水、冰晶和雪的混合比均有明显增加。模拟发现同化试验能够较好地模拟出对流系统的结构和位置。

EnSRF雷达资料同化在一次飑线过程中的应用研究

本文利用包含复杂冰相微物理过程的WRF(Weather Research and Forecasting)模式,针对2007年4月23日发生在我国华南地区的一次典型飑线天气过程,分别进行了确定性预报和集合预报试验,发现确定性预报能大致捕捉到飑线系统的发生发展过程,但对飑线后部的层云区模拟效果较差。集合预报能够有效地减少模式的不确定性,大部分集合成员对飑线的模拟效果优于确定性预报。进一步将集合预报得到的40个成员作为背景场,采用En SRF(Ensemble Square Root Filter)同化多普勒天气雷达资料,并将分析得到的集合作为初始场进行集合预报,通过与未同化雷达资料的集合对比,考察了En SRF同化多部雷达资料对飑线系统的影响。结果表明:En SRF雷达资料同化增加了模式初始场的中小尺度信息,大部分集合成员的分析场能够较准确地再现飑线的热力场、动力场和微物理场的细致特征,并且模拟出飑线后部的层云结构。通过对En SRF分析的集合进行模拟发现,大部分集合成员较未同化雷达资料时模拟效果有明显改善。同化后的集合预报ETS(Equitable Threat Score)评分最高,其次是未同化的集合预报,确定性预报的最低。

太湖叶绿素a同化系统敏感性分析

太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星（HJ-1B CCD2）影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明：从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度.