集合变分混合同化方案在快速循环同化系统中的应用研究
发布时间：2021-10-04 23:58
基于北京市气象局快速循环同化系统RMAPS-ST以及对流尺度集合预报系统RMAPS-EN,构建了En-3DVAR集合变分混合同化系统,将该系统应用到业务快速循环同化系统中并进行试验,分别在冷启动与循环启动环境下对比了混合同化系统（Hybrid）与三维变分（3DVAR）的同化预报效果。获得的结论如下:单点试验结果表明,混合同化系统分析增量的分布与集合预报离散度分布具有较好的对应关系;在冷启动和循环启动中,三维变分的分析增量都表现出各向同性的特点,混合同化分析增量均表现出一定的流依赖特征;降水个例分析表明,在冷启动环境中,Hybrid与3DVAR效果相当,而在循环启动中,Hybrid的降水预报相对于3DVAR有较明显的改进效果;批量试验检验结果表明,冷启动中,Hybrid与3DVAR的评分大致相当,而在循环启动中,Hybrid相对于3DVAR的评分有明显改进;集合离散度和背景场误差的相关性分析表明二者在循环启动环境下具有更好的相关性。
【文章来源】：大气科学. 2020,44(06)北大核心CSCD
【文章页数】：15 页
【部分图文】：
RMAPS-ST循环同化系统区域设置
为了对比分析不同背景场对同化结果的影响，验证Hybrid En-3DVAR同化方案在不同背景场下的作用效果，本文采用了两种不同的背景场设置方案。方案一为冷启动，即采用ECMWF全球细网格分析场作为背景场；方案二按照业务循环同化设置，采用业务逐3 h循环的预报场作为背景场。在两种设置下，分别针对d02进行了Hybrid En-3DVAR混合同化预报试验和3DVAR同化预报试验（d01始终保持3DVAR不变），检验了Hybrid方法在RMAPS-ST系统中的应用效果，对比分析Hybrid与3DVAR的同化预报效果，四组试验的具体设置如表1所示。四组试验的起报时刻均为每天的00时，其中3DVAR-cold和Hybrid-cold均为在冷启环境中进行试验，即采用00时的ECMWF全球分析场作为背景场；3DVAR-cycle和Hybridcycle均为在循环启动环境下进行试验，即采用业务RMAPS-ST系统前一天21时启动获得的3 h预报场作为背景场。冷启和循环启两种设置下的3DVAR同化方案均采用NMC方法估计的静态背景误差协方差，而两种设置下的Hybrid同化则采用集合与静态相结合的背景误差协方差，集合样本为RMAPS-EN区域集合预报系统在RMAPS-ST同化时刻（每天的00时）之前12 h（即前一天12时）起报的12 h预报时效的集合成员。四组试验的时段为2018年7月10～30日连续20天。3 试验结果分析
与之相对应，图4是不同集合权重下模式第15层纬向风单点分析增量。首先可以看出，当集合权重为0，即为3DVAR增量，表现出各项同性的状态，随着集合权重的增加，分析增量形态逐渐产生变化，表现出随流型响应的特征，增量在东北—西南向逐渐增大，增量大值区域与集合离散度大值区相对应，而当集合权重到100%的时候，分析增量表现出完全的东北—西南向形状。该试验结果说明RMAPS-EN集合具有充足的离散度，可以有效应用于Hybrid同化中背景误差协方差的估计，且产生的分析增量能够有效地响应集合离散度分布，考虑到本文中集合成员数量有限，因此不宜给予集合太大权重，且集合估计背景误差协方差比重为1/2时已具备明显的流依赖效果，本文实际试验中集合背景误差协方差权重选为1/2。3.2 真实观测同化个例试验
【参考文献】：
期刊论文
[1]TOPOGRAPHY-DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM[J]. 夏宇,陈静,智协飞,庄照荣,陈良吕,王婧卓. Journal of Tropical Meteorology. 2019(02)
[2]雷达反射率三维拼图观测资料在北方区域数值模式预报系统中的同化应用研究[J]. 何静,陈敏,仲跻芹,洪晓媛. 气象学报. 2019(02)
[3]GRAPES混合同化方法在青藏高原区域的初步试验[J]. 夏宇,陈静,刘艳,朱克云,陈良吕,袁月. 大气科学学报. 2018(02)
[4]基于动力降尺度的区域集合预报初值扰动构建方法研究[J]. 张涵斌,李玉焕,范水勇,仲跻芹,卢冰. 气象. 2017(12)
[5]HBFNEnKF混合同化方法设计及检验[J]. 朱浩楠,闵锦忠,杜宁珠. 大气科学. 2016(05)
[6]Hybrid ETKF-3DVAR方法同化多普勒雷达速度观测资料Ⅰ:模拟资料试验[J]. 沈菲菲,闵锦忠,许冬梅,张冰. 大气科学学报. 2016(01)
[7]台风预报误差的流依赖特征及混合资料同化中最优耦合系数[J]. 马旭林,李琳琳,周勃旸,朱金焕,和杰,计燕霞. 大气科学学报. 2015(06)
[8]Development and Testing of the GRAPES Regional Ensemble-3DVAR Hybrid Data Assimilation System[J]. 陈良吕,陈静,薛纪善,夏宇. Journal of Meteorological Research. 2015(06)
[9]集合变分混合同化背景误差协方差流依赖性分析[J]. 张明阳,张立凤,张斌,张晓慧. 气象科学. 2015(06)
[10]数值天气预报中集合-变分混合资料同化及其研究进展[J]. 马旭林,陆续,于月明,朱金焕,陈静. 热带气象学报. 2014(06)
本文编号：3418589
【文章来源】：大气科学. 2020,44(06)北大核心CSCD
【文章页数】：15 页
【部分图文】：
RMAPS-ST循环同化系统区域设置
为了对比分析不同背景场对同化结果的影响，验证Hybrid En-3DVAR同化方案在不同背景场下的作用效果，本文采用了两种不同的背景场设置方案。方案一为冷启动，即采用ECMWF全球细网格分析场作为背景场；方案二按照业务循环同化设置，采用业务逐3 h循环的预报场作为背景场。在两种设置下，分别针对d02进行了Hybrid En-3DVAR混合同化预报试验和3DVAR同化预报试验（d01始终保持3DVAR不变），检验了Hybrid方法在RMAPS-ST系统中的应用效果，对比分析Hybrid与3DVAR的同化预报效果，四组试验的具体设置如表1所示。四组试验的起报时刻均为每天的00时，其中3DVAR-cold和Hybrid-cold均为在冷启环境中进行试验，即采用00时的ECMWF全球分析场作为背景场；3DVAR-cycle和Hybridcycle均为在循环启动环境下进行试验，即采用业务RMAPS-ST系统前一天21时启动获得的3 h预报场作为背景场。冷启和循环启两种设置下的3DVAR同化方案均采用NMC方法估计的静态背景误差协方差，而两种设置下的Hybrid同化则采用集合与静态相结合的背景误差协方差，集合样本为RMAPS-EN区域集合预报系统在RMAPS-ST同化时刻（每天的00时）之前12 h（即前一天12时）起报的12 h预报时效的集合成员。四组试验的时段为2018年7月10～30日连续20天。3 试验结果分析
与之相对应，图4是不同集合权重下模式第15层纬向风单点分析增量。首先可以看出，当集合权重为0，即为3DVAR增量，表现出各项同性的状态，随着集合权重的增加，分析增量形态逐渐产生变化，表现出随流型响应的特征，增量在东北—西南向逐渐增大，增量大值区域与集合离散度大值区相对应，而当集合权重到100%的时候，分析增量表现出完全的东北—西南向形状。该试验结果说明RMAPS-EN集合具有充足的离散度，可以有效应用于Hybrid同化中背景误差协方差的估计，且产生的分析增量能够有效地响应集合离散度分布，考虑到本文中集合成员数量有限，因此不宜给予集合太大权重，且集合估计背景误差协方差比重为1/2时已具备明显的流依赖效果，本文实际试验中集合背景误差协方差权重选为1/2。3.2 真实观测同化个例试验
【参考文献】：
期刊论文
[1]TOPOGRAPHY-DEPENDENT HORIZONTAL LOCALIZATION SCALE SCHEME IN GRAPES-MESO HYBRID EN-3DVAR ASSIMILATION SYSTEM[J]. 夏宇,陈静,智协飞,庄照荣,陈良吕,王婧卓. Journal of Tropical Meteorology. 2019(02)
[2]雷达反射率三维拼图观测资料在北方区域数值模式预报系统中的同化应用研究[J]. 何静,陈敏,仲跻芹,洪晓媛. 气象学报. 2019(02)
[3]GRAPES混合同化方法在青藏高原区域的初步试验[J]. 夏宇,陈静,刘艳,朱克云,陈良吕,袁月. 大气科学学报. 2018(02)
[4]基于动力降尺度的区域集合预报初值扰动构建方法研究[J]. 张涵斌,李玉焕,范水勇,仲跻芹,卢冰. 气象. 2017(12)
[5]HBFNEnKF混合同化方法设计及检验[J]. 朱浩楠,闵锦忠,杜宁珠. 大气科学. 2016(05)
[6]Hybrid ETKF-3DVAR方法同化多普勒雷达速度观测资料Ⅰ:模拟资料试验[J]. 沈菲菲,闵锦忠,许冬梅,张冰. 大气科学学报. 2016(01)
[7]台风预报误差的流依赖特征及混合资料同化中最优耦合系数[J]. 马旭林,李琳琳,周勃旸,朱金焕,和杰,计燕霞. 大气科学学报. 2015(06)
[8]Development and Testing of the GRAPES Regional Ensemble-3DVAR Hybrid Data Assimilation System[J]. 陈良吕,陈静,薛纪善,夏宇. Journal of Meteorological Research. 2015(06)
[9]集合变分混合同化背景误差协方差流依赖性分析[J]. 张明阳,张立凤,张斌,张晓慧. 气象科学. 2015(06)
[10]数值天气预报中集合-变分混合资料同化及其研究进展[J]. 马旭林,陆续,于月明,朱金焕,陈静. 热带气象学报. 2014(06)
本文编号：3418589
本文链接：https://www.wllwen.com/projectlw/qxxlw/3418589.html
