利用自主构建的基于风暴尺度的WRF-EnSRF(weather research and forecasting ensemble square root filter)系统同化实际多普勒雷达资料,检验该同化系统在包括飑线、超级单体风暴和多单体风暴3个不同结构类型的强对流天气过程的同化效果...利用自主构建的基于风暴尺度的WRF-EnSRF(weather research and forecasting ensemble square root filter)系统同化实际多普勒雷达资料,检验该同化系统在包括飑线、超级单体风暴和多单体风暴3个不同结构类型的强对流天气过程的同化效果,并考察了初始场扰动时不同强度的位温和水汽扰动对集合离散度以及同化效果的影响。结果表明,在3个个例中该同化系统均表现出有效的同化能力,各分析结果均比较合理,径向速度和反射率因子分析的增量均方差在经过24min同化后分别下降到3～5m/s和10dBz,并维持至60min同化结束。预报场集合离散度和同化效果对热力场的扰动强度比较敏感,适当增加初始扰动时位温和水汽的扰动强度有利于提高集合离散度和改善径向速度的分析效果。展开更多
基于WRF模式构建了Hybrid En SRF-En3DVar同化系统,该系统使用En SRF方案直接更新集合扰动。利用构建的同化系统针对台风"桑美"分别进行集合协方差权重敏感性试验和同化雷达不同观测资料的敏感性试验。集合协方差权重敏感性...基于WRF模式构建了Hybrid En SRF-En3DVar同化系统,该系统使用En SRF方案直接更新集合扰动。利用构建的同化系统针对台风"桑美"分别进行集合协方差权重敏感性试验和同化雷达不同观测资料的敏感性试验。集合协方差权重敏感性试验发现:当集合协方差权重分别为0.25、0.5和0.75时,同化效果优于3DVar试验,其中0.75的集合协方差权重试验得到了分析场的最优估计;当集合协方差权重为1.0时,分析场最差。同化雷达不同观测资料的敏感性试验表明,联合同化雷达径向风及反射率能有效改善大气湿度场和风场,但对风场的改善效果不如仅同化雷达径向风好。将En SRF集合扰动更新方案与扰动观测方案综合分析发现,扰动观测方案集合离散度较小,计算代价大,En SRF方案优于扰动观测方案。展开更多
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,...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。展开更多
臭氧(O3)与甲烷(CH4)均是大气中重要的微量气体,对全球气候变化有着重要的影响.为提高全球范围的臭氧、甲烷在气候模式中的预报效果,使用集合平方根滤波(En SRF)同化方法及地球系统模式(CESM)构建了CESM-En SRF卫星资料同化预报系统,并...臭氧(O3)与甲烷(CH4)均是大气中重要的微量气体,对全球气候变化有着重要的影响.为提高全球范围的臭氧、甲烷在气候模式中的预报效果,使用集合平方根滤波(En SRF)同化方法及地球系统模式(CESM)构建了CESM-En SRF卫星资料同化预报系统,并通过设计试验,将大气红外探测器(AIRS)的臭氧与甲烷观测资料同化到气候模式中,对模式的同化再预报效果进行系统的测试与评估.结果显示,臭氧、甲烷分析集合均值的偏差及均方根误差皆低于背景集合均值的偏差及均方根误差.臭氧、甲烷的同化再预报偏差及均方根误差较控制实验都得到改善,但对5 h Pa以上高度臭氧预报准确性的改进效果很小.随循环同化的进行,平流层臭氧与甲烷的平均同化改进率呈增加趋势,并逐渐趋于稳定;对流层平均同化改进率随时间变化不明显.试验表明,该系统可有效利用臭氧与甲烷的观测资料对模式场进行合理的改善,从而有效地提高臭氧、甲烷在气候模式中的再预报效果,但对于平流层顶-中间层高度(5 h Pa以上)臭氧预报准确度的提高,模式中臭氧光化学过程的准确模拟较同化观测资料具有更重要的作用.此外,循环同化对提高5~150 h Pa高度臭氧及1~200 h Pa高度甲烷在CESM模式中的预报效果最有效.展开更多
This study explores the use of the hierarchical ensemble filter to determine the localized influence of observations in the Weather Research and Forecasting ensemble square root filtering(WRF-EnSRF)assimilation system...This study explores the use of the hierarchical ensemble filter to determine the localized influence of observations 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 localization 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 continuously 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.展开更多
基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全...基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全球浅水模式对接,检验了HBFNEn KF同化方法的有效性。同时,对比了集合均方根滤波(En SRF)、HNEn KF(Hybrid Nudging En KF)、HBFNEn KF三种方法在有误差模式中的同化效果。试验结果表明:HBFNEn KF同化方法保留了HNEn KF方法的同化连续性,解决了En KF同化不连续不平滑的问题,同时还有着更快的收敛速度;当采用单变量分析试验时,HBFNEn KF方法的优势最为明显,表明HBFNEn KF能够较好地保持不同模式变量间的平衡。此外,增量场尺度分析结果表明:相比En SRF,HBFNEn KF在大尺度范围有更好的同化效果,同时能够避免在中小尺度范围内出现大量的虚假增量。展开更多
文摘利用自主构建的基于风暴尺度的WRF-EnSRF(weather research and forecasting ensemble square root filter)系统同化实际多普勒雷达资料,检验该同化系统在包括飑线、超级单体风暴和多单体风暴3个不同结构类型的强对流天气过程的同化效果,并考察了初始场扰动时不同强度的位温和水汽扰动对集合离散度以及同化效果的影响。结果表明,在3个个例中该同化系统均表现出有效的同化能力,各分析结果均比较合理,径向速度和反射率因子分析的增量均方差在经过24min同化后分别下降到3～5m/s和10dBz,并维持至60min同化结束。预报场集合离散度和同化效果对热力场的扰动强度比较敏感,适当增加初始扰动时位温和水汽的扰动强度有利于提高集合离散度和改善径向速度的分析效果。
文摘臭氧(O3)与甲烷(CH4)均是大气中重要的微量气体,对全球气候变化有着重要的影响.为提高全球范围的臭氧、甲烷在气候模式中的预报效果,使用集合平方根滤波(En SRF)同化方法及地球系统模式(CESM)构建了CESM-En SRF卫星资料同化预报系统,并通过设计试验,将大气红外探测器(AIRS)的臭氧与甲烷观测资料同化到气候模式中,对模式的同化再预报效果进行系统的测试与评估.结果显示,臭氧、甲烷分析集合均值的偏差及均方根误差皆低于背景集合均值的偏差及均方根误差.臭氧、甲烷的同化再预报偏差及均方根误差较控制实验都得到改善,但对5 h Pa以上高度臭氧预报准确性的改进效果很小.随循环同化的进行,平流层臭氧与甲烷的平均同化改进率呈增加趋势,并逐渐趋于稳定;对流层平均同化改进率随时间变化不明显.试验表明,该系统可有效利用臭氧与甲烷的观测资料对模式场进行合理的改善,从而有效地提高臭氧、甲烷在气候模式中的再预报效果,但对于平流层顶-中间层高度(5 h Pa以上)臭氧预报准确度的提高,模式中臭氧光化学过程的准确模拟较同化观测资料具有更重要的作用.此外,循环同化对提高5~150 h Pa高度臭氧及1~200 h Pa高度甲烷在CESM模式中的预报效果最有效.
基金Liaoning Meteorological Bureau Scientific Research Program(202103*)Bohai Regional Science and Technology Collaborative Innovation Fund(QYXM201607)。
文摘This study explores the use of the hierarchical ensemble filter to determine the localized influence of observations 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 localization 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 continuously 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.
文摘基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全球浅水模式对接,检验了HBFNEn KF同化方法的有效性。同时,对比了集合均方根滤波(En SRF)、HNEn KF(Hybrid Nudging En KF)、HBFNEn KF三种方法在有误差模式中的同化效果。试验结果表明:HBFNEn KF同化方法保留了HNEn KF方法的同化连续性,解决了En KF同化不连续不平滑的问题,同时还有着更快的收敛速度;当采用单变量分析试验时,HBFNEn KF方法的优势最为明显,表明HBFNEn KF能够较好地保持不同模式变量间的平衡。此外,增量场尺度分析结果表明:相比En SRF,HBFNEn KF在大尺度范围有更好的同化效果,同时能够避免在中小尺度范围内出现大量的虚假增量。
