文摘
数值天气预报(NWP)是获得更多的关注在提供高分辨率降水预测在干旱和半干旱地区。然而,建模精度是负面影响初始条件中的错误。这里我们调查数据同化的潜力提高数值天气预报降雨预测青藏高原东北部。三个三维变分(3 dvar)数据同化实验设计运行的先进研究天气预报(WRF)模型。两个暴雨事件选择不同雨量分布在时间和空间上利用数据同化后检查降雨预报的改进。降雨的空间分布,改善积累和区域两个事件都是显而易见的。但是时间变化,改善更明显的事件随着时间甚至雨量分布,而数据同化的效果并不理想的降雨事件在时间和空间分布不均。值得注意的是,对降雨的时空分布、卫星光芒降雨预测比表面上具有更大的影响,在这个高海拔地区高空气象观测。此外,数据同化实验初始字段提供更详细的信息。
1。介绍
降水是一个关键的组件在地球的水循环和气候有着深远的影响和区域性全球尺度的水文1]。高分辨率的暴雨预报中发挥着重要作用准确洪水预报、水资源管理(2),特别是在中国西北干旱和半干旱地区的降水对水资源至关重要,和夏天暴雨往往导致洪水。因此,提供准确的降水预报在中国西北使用数值天气预报(NWP)至关重要。气象研究和预测(WRF)是最新一代中尺度数值天气预报模式。最近的研究表明,WRF模式具有良好的潜力获取降雨特性,比如降雨时间、位置和演化[3- - - - - -5]。然而,对于生产为降雨数量准确值,结果不理想,由于低质量的初始条件(6),可以提高数据同化(7]。
NWP模型的改进,一些数据同化技术,如三、四维变分方法(3 dvar / 4 dvar),集合卡尔曼申报人(EnKF)和潜热推动(LHN)已经开发的变分方法和合奏(8,9]。虽然4 d-var EnKF方法显示了很大的潜力,他们仍然负担不起电脑遭受业务数值天气预报。在连续循环模式,3 dvar执行更好的生产的理性分析与计算效率大于4 dvar水文气象领域,EnKF, LHN [10,11]。
实时观测通常被用在同化系统和显著提高数值天气预报模式的性能,尽管穷人全球NWP模型提供的初始条件(12]。时间和空间分辨率高的卫星数据,欧洲中期天气预报中心(ECMWF)开创了微波辐射的直接同化数据受降水影响,第一次在一个Dvar同化方法(13,14),后来在操作的实现在全天光辉同化4 dvar系统(15,16]。此外,许多调查表明降雨量的预测数值天气预报模型可以明显改善的同化雷达反射率(17- - - - - -19)或radar-derived降水数据(20.,21]。然而,遥感数据需要根据地面实况进行验证(22),和表面的观察有丰富的信息,可以用来模拟中尺度天气现象(23]。因此,地表观测同化NWP模型可能会提高模型的性能。先前的研究已经取得了提高模拟天气参数建模通过使用直接或表面的观察。这些包括同化温度、水汽混合比和风24),和2 m潜在温度、露点温度,2米,10米风观测(25)到NWP模型,确定行星边界层(PBL)资料,分析表面冷池,分别。结果显示显著改进后的模型模拟同化。在WRF同化系统中,以前的研究也表明,通过同化卫星数据,提高降水预测大不如当卫星资料的同化是结合表面观察的26,27]。
在这项研究中,WRF-3Dvar系统用于探索NCAR的同化的效果表面和高空观测和简称amsu - a和AMSU-B微波辐射数据在青藏高原东北部的极端降水的预测。两个暴雨事件发生在6月,2013年,被选为了评估改进后的降雨预报数据同化。本文组织如下。部分2给出了一个简洁的概述和实验设计的方法。部分3提供了研究区域的信息和数据。数据同化的结果提出了实验和评估4在部分,并给出结论5。
2。方法和实验设计
2.1。WRF模式设置
数值数据同化实验研究中使用高级研究WRF模式进行了3.5版。WRF nonhydrostatic,本原方程、中尺度气象模式与先进的动力学、物理和数值方案(模型的细节http://www.mmm.ucar.edu/)。如图1与12公里,域模型双向嵌套()和4公里()水平间距。每个域有28个垂直压力水平的顶级50 hPa。WRF物理参数化方案用于这项研究包括普渡林微观物理学的参数化快速辐射传输模型(RRTM)长波辐射,Dudhia短波辐射,Monin-Obukhov表层,诺亚地表,Mellor-Yamada-Janjic (MYJ)行星边界层方案,和Grell-Devenyi (GD)积云方案。兰伯特投影方法。
2.2。3 d-var数据同化
数据同化是观测的技术结合NWP产品(称为第一个猜测或背景字段)和各自的误差统计数据提供一种改进的预测(分析)的大气(或海洋)状态。变分同化(Var)数据达到规定通过迭代的最小化成本(或惩罚)函数(28]: 在哪里分析是发现最小化代价函数,是第一个猜NWP模型的,是同化观测,model-derived观察从分析吗通过观察操作符比较对。的解决方案的成本函数1表示后验估计最大似然(最小方差)的真实状态的先验数据的两个来源:第一个猜测和观察(29日]。适合个人的观察点是加权的估计错误,也就是说,和,这是背景误差协方差矩阵和观测误差协方差矩阵,分别。
WRF-3DVar系统由巴克et al。10)用于本研究配合WRF模式同化卫星辐射数据和传统的观察。数据同化系统的性能很大程度上取决于背景误差协方差的合理性(是),即矩阵在1。在这项研究中,使用“CV5”背景的错误选项和流函数的控制变量,温度不平衡,不平衡潜在的速度,不平衡的表面压力和伪相对湿度。生成的背景误差协方差矩阵是通过国家气象中心(NMC)方法(30.]因为我们自己的预测领域。
2.3。实验设计
四组实验进行了使用两个领域。如表所示1,没有数据同化模型模拟将称为控制实验(CTRL)。三个同化实验设计使用不同的观察从不同的数据源参数。DA-OBS实验,测量压力、位势高度、温度、露点温度、风向,和速度从NCAR同化,而在DA-SAT实验中,只有卫星辐射数据同化。最后,在DA-BOTH实验,NCAR的观察和简称amsu - a (B)的光辉数据同化。
3所示。研究区域与数据
如图2青藏高原的东北部(94°39′-103°27′E, 35°51′-40°31′N)范围其子as海拔758米和5725米之间。l是许多内陆河流、水文和农业中起着重要的作用在下游干旱地区。共有43个国家观测站被用来验证模拟降水的空间分布,其中Wulan敦煌站最高海拔3800米,最低海拔1137米。观察到的降水Laohugou车站(海拔4200米)被用来评估模拟降雨的时间变化,这是衡量T200B每半个小时。
运行所需的初始和边界条件WRF ERA-Interim数据网格分辨率获得欧洲中期天气预报中心(ECMWF),而不是NCEP-NCAR最终分析(”数据。这是因为一些研究表明ERA-Reanalysis数据的可靠性高于NCEP资料在中国(31日,32]。模型集成,中心点的坐标是38.1°N和98.9°E。WRF-3DVar实验已经进行修改初始条件吸收其他测量得到的数据。同化数据包括NCAR表面高空观测和AMSUA AMSUB辐射数据。表面和高空数据同化在这项研究中获得的“ds337.0”NCAR档案,包含测量压力、位势高度、温度、露点温度、风向,并从固定和移动速度陆地/海洋站。PREPBUFR最初下载的数据格式,可以直接吸收到WRFDA。简称amsu - a和AMSU-B从NOAA卫星辐射数据(NOAA-15/16/17/18/19) ATOVS仪器可以通过CRTM2.0.2读入WRFDA, BUFR格式。
4所示。结果与讨论
4.1。数据同化的降水预报的影响
以下4.4.1。降雨事件
2013年6月,两个暴雨事件发生在青藏高原的东北部。事件的持续时间和最大/平均降水累积雨量计观察到网络如表所示2。这两个事件的不同类型根据降雨在时间和空间分布的均匀度。图3说明了降雨的空间分布为两个事件的时间积累,而图4介绍了时间序列观测降水的酒吧和累积曲线在Laohugou车站这两个事件。通过比较均匀的降雨在时间和空间分布数据3和4,它可以发现事件甚至雨量分布在空间和时间。事件B的雨量分布也是不均匀的空间,但连续和几乎不变。至于风暴事件根据天气的气象特征分析图表,事件可能造成很强的局部对流,和事件B可能是层状的风暴。
(一)
(b)
(一)
(b)
降雨均匀度/不均匀的两个暴雨事件可以进一步验证定量使用变异系数(CV): 在哪里每个雨量计的降雨积累吗(在计算均匀度在太空时)或面积平均降雨量在每个时间步(时间)的均匀度,的平均值,雨量数据的总数或总数的时间步骤。两个降雨事件的结果也显示在表2。更大的CV值代表高可变性因此少甚至雨量分布。的简历价值活动的空间均匀度大于事件B,这意味着事件具有较高的空间变异性。
4.1.2。降水的空间分布
在图5,相比之下,CTRL实验(图5(一个))、降水区域的预测和积累显著增加取决于不同的数据同化。CTRL实验预测只有少量的降雨研究西北地区,而在DA-SAT实验降水区域延伸到中部和南部地区的研究区域和降水积累显著增加(图5 (b))。但在西北地区,降雨积累DA-SAT实验与图中所示类似5(一个)。在DA-OBS实验(图5 (c)),沉淀积累的西北地区大于CTRL实验,但降水区域在实验都很相似。图5 (d)显示了DA-BOTH实验的结果,沉淀面积最大、积累与其他三个实验相比是最大的。
(一)
(b)
(c)
(d)
结果事件B图所示6。在研究西北地区降水区域显著增加了DA-SAT实验(图6 (b)在CTRL)相对于实验。在图6 (c),降水区域DA-OBS实验就是在图一样6(一)积累,但降水明显减少的东南部地区。图6 (d)显示了DA-BOTH实验结果,所示的类似的降水区域和积累DA-SAT实验。
(一)
(b)
(c)
(d)
总之,数据同化有重要影响降水预报降雨面积的显著变化和积累。应该注意到天气预报的影响取决于不同的降雨事件。
雨量计的数据被用来分析数据同化实验后改变降水区域和积累。图7比较了测量和建模结果的降雨事件a CTRL实验(图7(一)),几乎所有的三角形躺下。然而,在DA-SAT实验中,绿色三角形代表观测站点(祁连造,Yeniugou、Tuole Wulan)研究区中部和南部地区的更接近(图7 (b))。也就是说,DA-SAT实验提高了预测精度为研究区中部和南部地区,通过提供更大的沉淀积累。同样,在图7 (c)DA-OBS实验,红色三角形代表观察网站(酒泉、Yumenzheng安溪,敦煌)西北部地区的更接近比CTRL所示实验。在DA-BOTH实验中,所有的红色和绿色的三角形是最接近(图7 (d))。
(一)
(b)
(c)
(d)
注意到,在图8,更多的三角形事件B在撒谎线比事件a CTRL实验(图所示8(一个)),绿色的三角形代表观测站点(临夏,近日,林涛和渝中区)对研究区东南部的谎言和远离线。数据同化后,绿色三角形三个数据同化实验更接近行数据8 (b)- - - - - -8 (d)。红色的三角形表示观测站点(酒泉,Tuole,鼎鑫和金塔)在研究西北地区。在DA-SAT实验(图8 (b)),两个红色三角形有超过10毫米的降雨更接近线,而在DA-OBS实验(图8 (c)),其他两个红色三角形小于5毫米的降雨更接近行,相比之下,在图8(一个)。在DA-BOTH实验(图8 (d)),结果相似,如图所示在DA-SAT实验中,除了红色三角形更接近线。
(一)
(b)
(c)
(d)
上述结果表明,数据同化对降水预报有积极的影响,通过改变降雨区域为研究区和积累。和与不同的均匀度两个事件的时间和空间,数据同化后的结果是不同的。对于事件,数据同化实验提供较大的降雨区域和积累来提高预测精度。事件B,数据同化实验提高研究区东南部的准确性提供较小的沉淀积累。这意味着CTRL实验低估了对流降水事件,高估了层状降水事件B的东南部地区。
为了评估定量数据同化的影响实验,对降水预报有积极影响,雨量计数据从43个网站。表3显示测量和模拟结果之间的比较。CTRL实验的最低精度仿真对事件和事件B的最小的和RMSE是最大的比较三个数据同化实验。最大的改进为两个事件出现在DA-BOTH实验。一个事件,DA-BOTH实验增加了0.46,RMSE减少4.7,和事件BDA-BOTH实验增加了0.32,RMSE减少0.6。此外,它是发现,在DA-SAT实验改进大于DA-OBS实验。降雨的我积累显示,整个降雨范围具有积极价值事件,但负面价值事件B .这意味着事件的四个实验产生低估了降雨积累,但对事件B .这是因为高估了降水累积的降水范围0 - 5毫米,5 - 10毫米,几乎所有我的价值观是积极的事件和所有我消极事件B。
两个事件在这一节中,发现DA-SAT实验的预测精度高于DA-OBS实验。这可能是因为很少有站位于青藏高原东北部的高海拔地区。DA-BOTH实验最大的精度与另外两个数据同化实验相比,这意味着改进同化后的光芒结合表面,高空气象观测卫星大于后只有同化卫星光芒。
4.1.3。降水的时间变化
事件和事件之间的更大差异B是雨量分布。图9(一个)显示了降雨强度和累积曲线的测量和建模结果事件Laohugou车站。CTRL实验的累积曲线下面的谎言和远离的测量值。然而,在0:00至放送7月19日,累计曲线DA-SAT和DA-SAT实验更接近测量值比其他的两个实验。这可能是因为最大降水强度模拟DA-BOTH和DA-SAT实验更接近观测值从6点至9点7月19日。
(一)
(b)
在图9 (b)事件B,降水强度在CTRL实验的测量值明显大于前6小时。因此,CTRL的累积曲线实验是测量值远高于,由于不准确的初始场。数据同化后,降雨强度DA-SAT和DA-BOTH实验更接近第一个6小时的观察,而降雨强度远小于DA-OBS实验观测。结果,累计曲线DA-BOTH实验是最接近观测值曲线,DA-SAT实验下,DA-OBS实验是最远的。值得注意的是,事件B DA-SAT累积曲线的实验更接近观测值,与事件相比。
绝对误差(AE)计算了两个事件和事件b .在图10 ()的AE事件,数值试验与降雨强度的增加变得越来越大,而DA-BOTH和DA-SAT实验中的值相对较小。这意味着,等对流降水事件,WRF模式失败在捕获事件的整个过程。然而,在图10 (b)事件B的均匀分布,数值实验的AE相对恒定,而CTRL和DA-OBS实验值相对较大。
(一)
(b)
结果表明,降水的时空变化,改善在DA-SAT实验中优于在DA-OBS实验中由于缺少在高海拔地区地面观测数据。对于事件B,改善DA-SAT大于事件。
4.2。数据同化对初始场的影响
从上面的分析,很明显,数据同化实验可以提高降雨预报。数据同化的目的是获得准确的初始场数值模型。揭示数据同化的影响实验初始领域,事件被选为例,分析初始字段之间的差异数据同化和控制实验。位势高度和水分通量在850 hPa选择进行分析。
图11显示了位势高度之间的差异数据同化和控制实验。相比之下,CTRL实验(图(11日)),没有明显变化的位势高度DA-OBS实验(图11 (b)(图)或DA-SAT实验11 (c))。图8 (d)显示了DA-BOTH实验的位势高度,从CTRL实验比的值小得多。该地区最大的变化主要是位于青海和甘肃西北部,这是符合改进的预测降水区域DA-BOTH实验和积累。我们可以看到在图12后,数据同化研究中的水分通量变化明显的区域,与控制试验相比(图12(一个))。DA-SAT实验的水分通量显著增加在研究区北部(图12 (b))。它可能带来更多的降水青海省东北部。在图12 (c),有一个清晰的流水分甘肃省西北部的部分大雨导致。水分通量最大的变化发生在图12 (d)DA-BOTH实验,覆盖最大的区域与其他数值实验相比,它可以给最大的青藏高原东北部估计降水。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
5。结论
在这项研究中,3 dvar同化系统用于提高暴雨预报的空间和时间分布在青藏高原东北部。控制和三个数据同化实验设计。这些实验表明,降雨预测显著提高数据同化后,通过提高初始场的准确性。两个强降雨事件有不同的均匀度在时间和空间上是用来检查降雨预报的改进。
空间分布,数据同化实验改变了降雨区域研究和积累显著区域。对于事件,数据同化实验提供较大的降雨区域和积累,而对于事件B数据同化实验提供较小的沉淀积累研究的东南部地区。雨量计数据从43个网站被用来评估数据同化后的影响。结果表明DA-BOTH实验预测精度最高,其次是DA-SAT实验然后DA-OBS实验,而CTRL实验精度最低。时态变化,预测结果有很大的差异的事件和事件B卫星美事件B有更大的积极的影响比两个事件,事件A DA-BOTH实验的累积曲线接近测量值的曲线,而在DA-OBS实验积累曲线远远低于曲线的测量值,由于缺少地面观测在高海拔地区。总之,对降雨的时空分布、卫星美有更大的比表面效应和高空气象观测在高纬度地区的东北边缘,和改进的同化卫星光芒一起面,高空气象观测大于同化卫星光芒或气象观测。事件选择来评估对初始字段数据同化的影响。发现更好的和更详细的信息添加到最初的字段(如位势高度和水分通量),尤其是在西北甘肃省和青海省的预测降水明显改善。
应该提到,许多其他的同化技术,如4 dvar EnKF,等等,需要进行这项研究。这些方法有很大的潜力,虽然他们目前遭受计算机成本负担不起。与此同时,我们需要分析的影响不同的参数化方案WRF模式数据同化后,因为在这个研究结论这里使用的特定的参数化方案。
附录
统计计算
确定系数()、均方根误差(RMSE),平均误差(我)和绝对误差(AE)被用来评估DA的影响实验研究中。他们被定义为 在这里,模拟值;是观测值;是网站的数量。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作得到了国家自然科学基金(41190080,41190080),中国科学院战略领先的科技专项基金(XDB03030204)、国家科技支撑项目(2013 bab05b03),和重点实验室开放基金的地表过程和气候变化在寒冷和干旱地区,CAS (LPCC201205)。