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。

贝叶斯膨胀算法对EnSRF雷达资料同化的影响研究

本文针对2009年6月5日发生在我国华东地区的一次中尺度对流过程(Mesoscale Convective System,简称MCS),基于集合均方根滤波(Ensemble Square Root Filter,简称EnSRF)方法同化多部多普勒天气雷达资料,引入具有时空自适应理论优势的贝叶斯膨胀算法,通过与常数膨胀算法的对比,分析了两种膨胀算法对EnSRF同化效果的影响。结果表明:贝叶斯膨胀算法同化的雷达组合反射率因子在强对流中心处有所增强,改善了基于常数膨胀算法的En SRF同化强对流系统偏弱的问题。相比常数膨胀算法,贝叶斯膨胀算法同化的冷池结构更合理,径向风和反射率因子的均方根误差均减少。进一步探讨贝叶斯膨胀算法对同化效果改善的原因,结果发现:贝叶斯膨胀参数的分布与反射率因子的均方根误差分布十分吻合,这表明贝叶斯膨胀算法可以在背景场均方根误差较大,即背景场与观测差距较大时,给出较大的膨胀参数,进而增加集合的背景场误差,使得观测权重增大,从而给出了较大的分析增量。对集合平均分析场进行了1小时的确定性预报发现,贝叶斯膨胀算法提高了预报模式对安徽与江苏交界处的强对流系统的模拟效果,回波强度更强,冷池强度和范围更大,且对于不同组合反射率因子的阀值,贝叶斯膨胀算法的评分(Equitable Threat Score,简称ETS)均高于常数膨胀算法。这表明贝叶斯膨胀算法有效地改进了基于常数膨胀算法的EnSRF同化雷达资料的效果。