基于CNOP-P研究对流尺度集合预报模式不确定性

发布时间：2020-06-10 06:04

【摘要】：对流尺度集合预报(Convection-Allowing Ensemble Prediction System,CAEPS)可以提供丰富的概率预报信息,逐渐成为预报局地强对流天气的重要工具。相对于全球集合预报,对流尺度集合预报中有关模式不确定性的研究缺乏系统性和理论基础,成为目前研究的热点和难点。本文基于条件非线性最优参数扰动方法(Conditional Nonlinear Optimal Perturbation related to Parameters,CNOP-P)研究CAEPS模式不确定性问题。CNOP-P方法充分考虑了对流尺度模式误差非线性增长特征,可以用于寻找由参数不确定性所导致的最大模式误差,从而挑选敏感物理参数。同时,本文在计算CNOP-P时采用了集合求解算法,不依赖于切线伴随模式,实现了CNOP-P在对流尺度集合预报中的可能应用。主要研究结果如下:(1)本文使用3 km对流可分辨的GRAPES-Meso模式,选取了2017年中国华南前汛期5个典型暖区暴雨个例计算目标函数,针对边界层和云微物理过程参数化方案中的15个参数,基于集合算法求解多初值CNOP-P,得到对前12 h累积降水预报产生最大影响的参数扰动集合。根据CNOP-P中各参数扰动大小的比重得到参数敏感度排序,挑选出华南暴雨过程中的8个关键物理参数。这些参数在边界层湍流扩散系数、边界层高度、云中水凝物含量的垂直分布及相互转化过程的计算中具有重要意义。(2)本文通过随机扰动上述8个敏感参数来描述模式不确定性,构造具有CNOP-P理论支持的模式扰动方案(简称“CNOP-P-based方案”),展开了对流尺度集合预报关于模式不确定性的敏感性试验,并将该方案与随机物理参数化倾向扰动方案(Stochastic Perturbed Parameterization Tendencies,SPPT)方案对比分析。2017年广州“5.7”极端降水过程以及华南地区22个强对流过程的检验结果显示:与SPPT方案相比,对于近地面变量,CNOP-P-based方案可以在一定程度上提高集合预报系统的可靠性和概率预报技巧;对于纬向风、温度等大气变量场,CNOP-P-based方案也可以提高其集合预报的离散度,尤其在低层大气中更为明显。
【图文】：

区域图,积分区域,目标函数,模式

GRAPES-MesoV4.1 版本，该系统于 2017 年开始业动力方程组，使用半隐式半拉格朗日差分方案，水方向取 Charney-Phillips 隔层配置。水平分辨率 0.03式顶高 10 hPa，，积分步长 30 s。模式中使用的物理案（Mlawer et al., 1997），Dudhia 短波辐射方案（Dand Dudhia, 2001），Monin-Obukhov 近地面层方案，996），WSM6 云微物理方案（HongandLim,2006）。，所以模式中关闭了积云对流方案。为中国华南地区（105.0~118.5°E，18.5~27.5°N），免 CNOP-P 求解过程中边界导致的计算不稳定，函数区域（106.5°~117°E，20°~26°N）略小于积1，两个区域如图 2.1 所示。模式初值的生成采用动力维云分析系统（GRAPESCloudAnalysisSystem,GCA料的综合同化应用。模式侧边界条件每 6 h 更新一次

中国华南,自动站,气象,区域

变量包括表面气压、海表面气压、位势高度、温度相对湿度、u，v 风速、垂直运动、涡度以及臭氧等达资料二号地球同步轨道气象卫星（FY-2G）的黑体亮度B）产品、总云量（Total Cloud Cover，CTA）产品。，CTA 则表示天空被云覆盖面积的总和。雷达资料率因子三维组网产品。垂直方向 20 层，水平分辨率经过格点化，进行组网拼图。拼图中，对于多部雷达，以指数权重插值的方法进行多站组网（朱立娟等料检验需要用到站点观测数据。本文采用全国加密气括地面气压、温度、露点、风向、风速、观测前 1 h 降水。图 2.1 表示中国华南区域内的自动站点的大
【学位授予单位】：中国气象科学研究院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P456

【相似文献】