文摘

这项工作评估的影响吸收大气红外探测器(播出)观测台风预测使用三维变分资料同化(3 dvar)和天气预报系统研究和预测(WRF)模型。两个主要参数数据同化方案,空间解相关规模和背景误差协方差矩阵的大小,在预测不同实验的跟踪台风Sinlaku在西太平洋。结果表明,在广泛的参数范围内,将播出观察改善预测。在这个范围之外,特别是当背景误差的解相关规模设置为一个较大的值,迫使AIRS数据的同化导致退化的预测。这说明了卫星数据对预测的影响取决于数据同化的可调参数。parameter-sweeping框架可能是有用的为提高操作台风预报。

1。介绍

大气红外探测器(播出)是一种先进的高光谱红外传感器,提供了重要的观测数据在2002年推出以来,天气和气候分析(麦克纳利et al。1,夏英et al。2])。从3.7播出光谱包含2378个频道μm - 15.4μm的光谱分辨率。航迹片宽度是1650公里,空间分辨率是13.5公里至最低谷时的视野(Aumann et al。3,夏英et al。2])。由于其高分辨率和精度(误差在1 K的温度1公里低对流层垂直层和20%水分的垂直层2公里,http://airs.jpl.nasa.gov/),播出可以为应用程序提供高质量的温度和湿度数据,依靠传统的声音。鉴于其均匀高空间分辨率,同化策略播出检索数据成天气预报系统可能不同于吸收传统的试探。播出的增加使用检索产品数据同化区域天气预报(例如,4- - - - - -7),但它仍然是一个悬而未决的问题来确定理想体重给播出检索配置文件(和卫星观测一般),以优化其对预测的影响。贡献这一主题,这项工作将首先检查同化的播出检索数据的有用性的预测台风跟踪然后探索预测误差的敏感性可调参数(确定重量的卫星观测)数据同化的过程。

我们选择调查台风路径的预报,因为它充分体现了传统探测模型初始化并没有提供足够的信息(看到一个调查在巴克et al。8])。最近,已经试图吸收高分辨率卫星观测的温度(和派生的速度)和水分字段区域模型台风或飓风预测(例如,朱et al。9),Zhang et al。10周],et al。11,发到网上。12),李和刘5])。不常讨论的是如何预测的结果取决于数据同化过程的可调参数。例如,当吸收稀疏分布式测深数据与大型海洋“差距”,引入背景误差有一个很大的空间去相关规模有助于限制过程这样一个有害的小规模不规则引入的一个贫穷的观察将平滑。如果相同的约束应用于卫星观测的同化,它可能采取行动消除卫星数据中有用的精细信息。在这项研究中我们将测试这一点。对于一个有用的敏感性测试,我们将采用parameter-sweeping策略执行多个预测运行不同的解相关长度尺度和背景误差的方差,从而含蓄地不同重量的卫星观察在不同的尺度上。

2。数据和方法

2.1。模型和3 dvar系统

我们将使用天气研究和预测(WRF)模型版本3 (Skamarock et al。13])来执行数据同化和预测台风的痕迹。模型域嵌套(见图1 (b))。外领域涵盖了西太平洋和东亚有135×120(西×南北)网格点和45公里水平分辨率。内域分辨率210×210网格点15公里。垂直分辨率是固定在23岁的水平。

数据同化,我们利用WRF 3 dvar系统,这是理想的执行我们的敏感性实验。这个系统的基本过程的描述中可以找到巴克et al。8)和WRF-ARW版本3用户指南(14]。变分的理论和实现在数值天气预报数据同化是成熟的(例如,Lorenc [15])。在其中,我们假设的概率密度函数高斯背景误差和观测误差没有偏见,两者是相互独立的。最优大气状态,,可以发现最小化代价函数: 在哪里是分析状态,是背景,背景误差协方差矩阵,的分析预估状态到观察空间,是观察,是观测误差协方差矩阵,是representativity误差协方差矩阵。

在我们的研究中,从播出包含温度和湿度资料检索,基于NASA的存档(见部分2。2)。背景误差协方差矩阵是取自CV3默认(但后来扰乱,见下文)WRF 3 dvar系统,生成的NMC方法(帕里什和人(16)基于基本以24小时为之间的差异和48-hr预测,使用全局模型T170决议(WRF-ARW用户指南(第三版14第六章)。尽管存在CV5选项,使用区域模型协方差矩阵生成背景,我们选择更简单的CV3以来的默认值定义的协方差矩阵是独特,立即所有WRF用户(而CV5取决于区域模型的详细设置个人用户)。全局模型(NCEP GFS)约100公里的有效空间分辨率在亚热带,粗分辨率比用于我们的模拟台风。从默认设置,我们的研究是另一个目的是测试的敏感性WRF的预测的结果当我们扰乱背景误差协方差距离违约。扰动将会做一系列的敏感性实验通过调整空间解相关的规模和振幅背景误差协方差,详细的部分2。3。我们的调查范围比最近不那么雄心勃勃的理论探索(例如,Desroziers和伊万诺夫(17),这位教授和费舍尔18)在系统调整的方法矩阵后验。然而,本文中所示的实例应该提供一个有用的指导未来工作的目标是在这个方向上取得进展,但台风预测的复杂的任务。

2.2。卫星数据

尽管卫星数据的合并在台风或飓风的预测变得更加普遍,使用播出检索数据的预测仍然是新的。一些最近的研究已经证明了在台风/飓风的预测潜在的改进播出观测纳入WRF数据同化系统[5- - - - - -7]。播出的观察我们使用检索到的温度和湿度资料从美国宇航局沿径的档案数据,可用http://airs.jpl.nasa.gov/。数据集的细节和相关的检索过程中可以找到et al。(19- - - - - -21],奥尔森et al。22]。温度和湿度资料的检索是基于统计算法,不涉及大气GCM的使用,除了用作低的预测表面压力边界条件计算预期的光辉对于一个给定的气象状态。鉴于这样的,在我们的实验中,它可能是合理的假设AIRS数据和背景误差的观测误差是独立的变分方法。AIRS数据集构建与应用程序的数据同化;所有产品在播出归档错误估计,我们使用的指导设置观察变分过程中的错误(见下文)。

除了播出观察,先进的微波探测装置(AMSU)观察也检索过程中使用创建存档播出概要文件用于这项工作。(我们将调用数据集“播出”简洁。)AIRS数据有更高的水平分辨率在最低点(13.5公里)相比AMSU在最低点(40公里)。在检索过程中,9字段的播出并置和嵌入在一个AMSU视野(et al。19,20.])来创建一个概要文件的温度和湿度。联合检索产品水平分辨率AMSU相似,在~ 40公里。归档的档案有28垂直水平(类似于标准的压力水平在传统观测)从1000 hPa 0.1 hPa温度,和15水平从1000 hPa 50 hPa湿度。的垂直分辨率是100 hPa midtroposphere和更高的地面和对流层顶附近。对流层中的数据用于同化。

在我们的实验中,我们不同化模型中所有播出检索数据域。相反,我们只保留“二级”检索数据,通过美国宇航局的质量控制。检索到的温度,他们的资料估计误差小于1°K。这个预先筛分帮助消除大的检索配置文件错误在对流层顶附近或表面。鉴于1°K温度误差与传统的默认错误估计测深WRF 3 dvr系统(详细的文件,/ WRFDA / var / obsproc / TEMP。txt WRF包),然后,我们使用默认的测深误差WRF 3 dvar系统观测误差。通信与NASA播出团队et al。(21),个人通信)确认,这是一个合理的方法。

质量控制消除了许多卫星配置文件位于附近的台风的核心,如图1。然而,卫星数据仍然保留覆盖大面积的流出地区的台风。鉴于quality-checked卫星数据影响流出超过核心结构,本研究将集中在卫星观测的预测台风的影响,这是影响流出和大规模环境之间的交互。对预测没有播出的输入数据,NCEP全球预测直接插入到区域WRF网格没有进一步同化的其他数据。将播出的运行数据,我们使用NCEP全球预测作为第一个猜WRF 3 dvar系统吸收播出检索配置文件。

先前的研究已经讨论了“数据稀疏”(例如,刘和雷比[23),鲍尔et al。24)在变分资料同化方法符合观测误差矩阵是对角的假设,也就是说,它不包含空间相关性(没有两个渠道对卫星数据)之间的相关性。虽然有例子表明数据稀疏的好处(例如,刘和雷比[23),也有担心有用的信息可能会丢失如果过度变薄(例如,鲍尔et al。24])。卫星数据,最近的研究(鲍曼和鲍尔25),鲍曼et al。26])表明,空间和信道间的辐射误差的相关性弱AMSU和长波长的温度通道播出的一部分。水汽通道相关性有所增强,对短波的空气温度通道的一部分。这些最近的研究表明,空间和信道间的相关性在播出/ AMSU数据可能不像以前认为的。当我们使用检索产品而不是同化的光芒,光芒的弱相关可能至少部分转换成微弱的相关性在检索到的温度资料,鉴于播出检索过程不涉及运行一个大气模型(这可能导致额外的空间相关性)除了采用预测表面压力定义的下边界条件计算预期的光辉在一个位置。此外,由于我们使用结合AIRS-AMSU检索产品的有效分辨率接近AMSU(约40公里),空间相关性可能不是一样强烈时只播出(~ 13公里分辨率)。这些考虑,我们采用一种简单的方法没有数据稀疏。我们沟通与NASA播出团队观测误差的处理和接收一个肯定([21),个人通信),最近的数据同化实验由播出的团队成员也认为获取空气温度资料的错误是不相关的。

2.3。敏感性实验

虽然敏感性实验和不同背景的错误并没有系统地进行卫星资料的同化台风预测,很少有研究调查了影响的优化背景误差的预测台风使用常规观测(Gu et al。27),郭et al。28])。练习后,在这些研究中,我们将在WRF改变背景误差的数据同化过程通过调整参数LEN_SCALING1-5(五个参数的解相关长度尺度的背景误差扰动streamfunction,速度势,温度、湿度、和表面压力)和VAR_SCALING1-5(背景误差的方差相同的五个变量)。具体来说,我们将这两个参数的变化范围0.1 - -1.0 (1.0 WRF的默认值)。有一个特定的参数值LEN_SCALING对应一个物理长度范围取决于分辨率和一般设置(例如,模型域和纬度)的模型。在中间纬度,解相关规模一般O(1000公里)的基于“观察”测试如果LEN_SCALING设置为1.0,例如,Rizvi [29日]。验证LEN_SCALING的物理长度尺度对应于不同的价值观在我们的实验中,我们观察中执行测试运行与实施1°K WRF 3 dvar扰动温度在一个网格点位于东南台湾。图2显示了分析增量500 hPa温度和速度由单一观测LEN_SCALING = 1.0, 0.5,和0.1,所有VAR_SCALING = 1.0。发现空间解相关规模减少超过500公里的LEN_SCALING = 1.0为LEN_SCALING = 0.1约200公里。我们也进行了类似的实验,通过改变VAR_SCALING 0.5和0.1(没有显示)。正如所料,VAR_SCALING只影响振幅与降低VAR_SCALING(减少),但不是空间规模,响应。在我们的实验中,我们并不过分担心针对一个特定的长度范围,而是确保敏感性实验执行在一个大的足够的范围在参数空间的依赖预测误差的相关参数。我们随后的讨论只会参考LEN_SCALING1-5和VAR_SCALING1-5的参数值。此外,为了简化实验,五个变量的长度尺度或方差将调整到相同的值(例如,如果LEN_SCALING1设置为0.5,所以都是LEN_SCALING2-5)。我们将参考两组参数作为“LEN_SCALING”和“VAR_SCALING。”

3所示。预测台风的痕迹

我们选择台风Sinlaku(2008)的预测实验。它首先发展了西太平洋,搬到菲律宾2008年9月9日的东部。它降落在台湾北部0150 UTC时间2008年9月14日,最终离开了岛1000 UTC同一天。之后,慢慢地移向西北方,向北到日本在2008年9月15日0800 UTC。我们主要模拟将从1800年UTC, 2008年9月11日(当模型初始化),1800 UTC, 2008年9月15日,涵盖着陆的重大事件和变化方向的跟踪。(在这种情况下,从一个18-hr预报初始场。)在选择初始时间,台风中心位于台湾以东大约300公里。这个选择初始时间因为播出观察可供相关地区在3小时内数据同化窗口:见图1相关播出范围涵盖大部分WRF模式域用于预测。可用(品质管理)温度/湿度资料从播出(彩色区域图1)填充足够大台风流出地区的区域,我们预计卫星数据的预测产生影响。

3.1。主要预测实验

在主要的实验中,我们选择三个值的参数LEN_SCALING(背景误差的解相关长度范围)为1.0,0.5和0.1(1.0是WRF 3 dvar系统默认值)。对于每一个选择LEN_SCALING的价值,第二个参数VAR_SCALING变化从0.1到1.0的步骤0.1。这包括3套10预测运行30 (LEN_SCALING VAR_SCALING)的不同组合。图3总结了预测台风跟踪和相应的预测误差(以区别预测和跟踪观察)作为预测时间的函数。控制运行,即预测没有播出的同化数据,显示为黑色的曲线和观察到的最好的跟踪显示为蓝色的曲线在每个面板的图3。台风Sinlaku轨道预测的控制运行是偏向东方这样的台风模型中从来没有在台湾的土地。

观察播出时吸收的预测,我们发现LEN_SCALING的固定值,预测台风路径与越来越VAR_SCALING系统地向西转移。回想一下,当VAR_SCALING较大,卫星观测的影响通常是更强。虽然我们会想要向西转移的预测跟踪改善预测,当LEN_SCALING = 1.0(数字3(一个)和3 (b))和VAR_SCALING很大,预测轨道转移西方太远,产生一个错误,是更大的大小比控制运行。另一方面,随着VAR_SCALING的最小值(= 0.1),预测变得比控制运行。

当LEN_SCALING降低到0.5(数字3 (c)和3 (d)),吸收空气的观察也会导致向西转移的预测跟踪。转移变得更加明显(但不夸张的情况LEN_SCALING = 1.0)增加VAR_SCALING变化从0.1到1.0的数据3 (c)和3 (d)。例小值(0.1和0.2)VAR_SCALING产生较小的误差比控制运行。虽然从图3 (c)的预测跟踪在大多数价值VAR_SCALING似乎接近观察到的最好的跟踪与控制运行相比,图的错误3 (d)表明VAR_SCALING > 0.3的情况下有较大的误差比控制运行。这主要来自错误的速度运动的台风。当LEN_SCALING进一步减少到0.1(下VAR_SCALING之前是不同的从0.1到1.0;数据3 (e)和3 (f)),预测仍然显示了向西转移的趋势跟踪与VAR_SCALING增加。对于大多数VAR_SCALING值从0.1 - -1.0,AIRS数据的同化导致减少预测误差的跟踪与控制运行。

3.2。讨论和进一步的实验

这些实验结果证明使用AIRS数据的潜力提高台风预报。他们也揭示了一个广泛的行为预测的关键参数时,LEN_SCALING VAR_SCALING,背景误差调整的数据同化过程。这强调了优化这些参数的重要性为特定的应用程序。

在图3更好的情况下预测那些小到中度(仍然小于默认)LEN_SCALING和温和VAR_SCALING的价值。依赖LEN_SCALING更清楚。LEN_SCALING的原因,一个较小的值产生一个更好的预测很可能因为它允许播出系统保留有用的小规模特性的观察,否则会抑制当LEN_SCALING很大。回想一下,默认背景误差协方差WRF 3 dvar系统构造使用全局模型与一个相对粗糙的水平分辨率(~ 100公里)。默认设置可能是更适合吸收传统,粗糙的分辨率测深。AIRS数据有一个更高的水平分辨率比传统测深。因为许多小型结构AIRS数据是真实的而不是虚假的,它有利于留住他们,而不是压制他们通过使用一个更大的价值LEN_SCALING作为同化的人会做传统的试探。

播出的同化数据时导致一种改进的预测台风跟踪,改善通常超过一天后才变得清晰的预测时间。这可能反映了这样一个事实:AIRS数据首先影响流出区域颜色的区域(见图1AIRS数据通过质量控制)在其影响力达到台风的中心。选择两种具有代表性的预测48和72小时的时候,图4显示了相对误差在台风路径从一个更全面的parameter-sweeping实验100双LEN_SCALING(横坐标)和VAR_SCALING(纵坐标),每个参数变化从0.1到1.0步骤0.1。预测初始化1800 UTC, 2008年9月11日(与图相同3)。等高线是“预测误差的控制运行(没有数据)播出“-”与AIRS数据预测的预测误差。“一个积极的价值,以灰色阴影图4表明,预测与AIRS数据产生误差小于控制运行,也就是说,在预测卫星数据具有积极的影响。图4重申,较小的值的一个或两个参数的预测更可取的跟踪在我们的案例中。帮助可视化预测跟踪对应轮廓图,选择从运行轨道VAR_SCALING = 0.1和LEN_SCALING = 0.5 - -1.0图所示5。

我们有另一组预测执行初始化在以后的运行1800 UTC, 2008年9月12日。(在这种情况下,从6小时预报初始场。)当时,台风的中心Sinlaku已经接近台湾。图6显示了这种情况下的预测跟踪与LEN_SCALING固定在1.0和VAR_SCALING变化从0.1 - -1.0步骤0.1。定性行为的预测情况类似于2008年9月11日初始化,如图3(一个)。添加播出的影响观察是向西转移预测跟踪。VAR_SCALING的一个较大的值,轨道转移西方太远,产生一个预测误差大于控制运行。VAR_SCALING产生的较小的情况下值略有改进的预测。类似于实验如图3,当我们减少LEN_SCALING,整体的修改预测卫星数据引发的减少;自修改图6已经小于图吗3(一个)同行的人物3 (c)和3 (d)对于这种情况产生更小的修改预测(没有显示)。

总的来说,预测台风的改善追踪与减少清晰LEN_SCALING远离违约,而依赖的预测误差VAR_SCALING稍微复杂。通常我们的结果表明,默认设置的背景误差协方差的WRF 3 dvar系统(使用CV3选项)远非最佳吸收的高分辨率台风AIRS数据预测。除了空间分辨率之前讨论的问题,夏季天气在亚热带的独特模式(流场非常强烈台风跟踪但分散随机热带对流其他地方)也可能影响质量的构造背景误差。原则上,虽然我们可以重建的背景误差通过运行大量的常规预测使用WRF更高分辨率的地区利益,构造的背景误差仍将是不完美的,需要调优。为此,parameter-sweeping实验的通用框架探讨了在这个研究对于实际应用可能是有用的。我们的发现也可能影响其他应用程序的WRF中尺度预测与台风无关。我们告诫不要盲目地采用同化时的默认背景误差高分辨率(非常规)观察WRF。

我们还注意到修改的空气流场由于同化数据通常是复杂的。初始温度和速度的修改字段播出引发的数据通常渗透整个模型域(见图一个例子7),即使台风中心附近的播出资料不习惯(见图1)。因此,预测台风的修改本研究追踪所示一样是由于外流的修改,因为它是由于结构的修改台风附近的核心。

我们的参数全面实验主要集中在预测对扰动的敏感性的背景误差矩阵。一般来说(如一个评论家指出),还可能扰乱观测误差矩阵。这将需要更大的参数空间的探索和超出了我们的研究范围(但可以是一个有用的未来工作方向)。这项工作的目的是探讨数字敏感性,而不是挑出一个“最佳”的设置参数,后者可能通常依赖于大规模的台风个案的基本状态/飓风。然而,灵敏度的范围在这项研究本身是有用的,因为它量化优化背景误差的影响当同化卫星数据的预测。

4所示。结束语

我们的结果显示改善的潜力预测台风跟踪通过吸收空气观察。同时,我们发现适当调优的背景误差数据同化过程是至关重要的AIRS数据对预测产生积极的影响。台风Sinlaku的情况下,模拟由小型或中等(仍然小于WRF的默认)值产生的LEN_SCALING改善预测。预测误差的依赖VAR_SCALING则更为复杂但采取“最好”的价值在我们的案例中是一般小于默认值。我们必须重申,“最优”的值可能在不同情况下是这些关键参数。它将有利于我们的研究扩展到更多的台风与不同的大规模基本状态,当足够的空气(或其他类型的卫星)观察在未来变得可用。这个问题可能会变得更加复杂,如果我们试图吸收多种类型的卫星观测或混合卫星和传统的观察。然而,我们的研究结果提供一个明确的情况下,调整背景误差是至关重要的,如果想让最好的播出的使用观察预测。没有认真处理这方面,会发生错误数据同化过程中即使卫星观测本身是高质量和高密度的空间。我们的研究提供了一个框架为未来系统的调查在这个问题上。

确认

作者感谢匿名评论者有用的评论,帮助改善了手稿。他们也感谢爱德华·奥尔森和乔尔从NASA播出团队有用的通信。第一作者由于施太极博士和夫人陈温家宝可能帮助台湾中央气象局的绘制结果。第二作者承认支持NSF ags - 0934592。