文摘

本研究评估的影响对流层机载气象数据报告(TAMDAR)观测区域24小时减少预测误差在美国大陆(圆锥)域使用adjoint-based预测敏感观察(无线光通信)方法作为诊断工具。相对TAMDAR观测对减少预测误差的影响进行评估了WRFDA无线光通信实验两个长达两星期的时间,1月和2010年6月。这些实验吸收操作TAMDAR数据和其它传统的观察,以及GPS折射率(GPSREF)。无线光通信结果表明,雷达气球测深(声音)和TAMDAR展览最大的24小时观察影响WRF预测,其次是GeoAMV、航空日常天气预报(航空例行)GPSREF,天气观测(SYNOP)。在0000年和1200年UTC, TAMDAR同等影响声音降低24小时的预测误差。然而,1800 UTC, TAMDAR对声音有明显的优势,具有稀疏的观察报告。此外,下级TAMDAR湿度观测的大气(700和850 hPa)产生重大影响24小时预报误差降低。TAMDAR和声音呈现类似的定性观察影响无线光通信和实验观测系统(操作系统)之间的关系。

1。介绍

对流层机载气象数据报告(TAMDAR),由AirDat (AirDat被松下收购航空公司在2013年),提供了一个连续运行的实时观测区域2004年12月以来的商业航空公司。这些观测包括温度、风速、水汽压、糖衣和动荡。飞机配备TAMDAR通常飞行区域路线和巡航高度一般低于25000英尺(1),提供覆盖北美,包括阿拉斯加和墨西哥,加勒比海,夏威夷以及欧洲。TAMDAR旨在填补传统飞机气象数据的空间数据空洞继电器(统计)的航班,会飞得更高海拔的路线到主要机场枢纽,只有少量的飞机收集水蒸气,以及无线电探空仪的时空数据空洞,从有限的位置开始每12 h。

当前TAMDAR-equipped舰队使超过1800的每日航班,提供约3600 radiosonde-like概要文件在上升和下降阶段的飞行在不同地区和在北美和欧洲主要机场。基于时间的水平分辨率的巡航是3分钟,和pressure-based垂直分辨率10 hPa在上升和下降。数据通过卫星传输到地面操作质量控制中心和可供同化抽样(15秒内1]。这些观察正在迅速成为一个主要的关键数据利用各种同化系统改进的中尺度数值天气预报(NWP)和航空未来的整体安全2]。

TAMDAR数据生产承诺对数值天气预报预测的影响在美国大陆(圆锥)多年来,许多不同的数据同化系统(例如,3- - - - - -6),以及跟踪预测飓风(7]。使用四维逼近数据同化方法,刘等人。4]证实TAMDAR积极影响了中尺度数值天气预报。早间et al。6TAMDAR]发现积极的影响在3 h快速更新周期(RUC)预测的温度、相对湿度和风速。

天气变分资料同化研究和预测(WRF)社区(WRFDA)系统(8- - - - - -10)开发的国家大气研究中心(NCAR)得到了增强吸收TAMDAR观察和调查TAMDAR飓风艾克(数据对预测的影响7]。他们的研究之后,进一步研究观测误差的优化(5)提高TAMDAR观察WRFDA系统的性能。虽然积极影响TAMDAR飓风艾克和区域数据预测报告,这两个以前的研究既不与其他观测TAMDAR类型相比,也没有孤立的从TAMDAR每个观察变量的影响。

除了传统的observation-denial方法,通常称为观测系统(操作系统),实验研究中使用上面提到的,adjoint-based预测敏感观察(无线光通信)方法是一种有效的方法来评估相对观测对预测误差的测量方面的影响。与操作系统不同的是,衡量一个观察的影响在所有预测指标,无线光通信量化的反应一个预测指标的所有扰动观测系统(11]。它可以直接评估的影响预报系统中使用的任何或所有观测数据同化在选择衡量短期预报的误差,而不是添加或预提观测同化。

观察影响无线光通信的方法可以很容易地聚合通过各种指标(例如,观察变量类型、数据位置)与潜在的应用程序提供了一个强大的工具在数据同化和观察系统。无线光通信的方法被用于全球数据同化系统评估观测的影响对一个标量函数,表示短期预报误差(11- - - - - -19]。两种方法观察影响的估计(即。,操作系统和FSO) were evaluated and compared by Gelaro and Zhu [19]和Cardinali [11]。作者报告定性相似的观察对短程使用两种方法预测的影响。

在这项研究中,观察TAMDAR对地区的影响预测评估使用adjoint-based无线光通信的方法在2010年两个时期的数值预报模型。此评估使用WRF模式(20.),其伴随模式(WRFPLUS;(21]),其三维变分资料同化(3 d-var)系统(10),以圆锥。adjoint-based无线光通信工具用于这项研究是由Auligne et al。22WRFDA的框架下。无线光通信的观察影响而TAMDAR和声音,从操作系统观察。

TAMDAR WRFDA更新系统数据同化能力一直在操作,自2010年以来提供常规分析和预测。除了比较的总体影响TAMDAR观测数据与其他类型的操作系统,本研究还评估TAMDAR对操作的影响短程预测定量观察风的贡献、温度和水分使用adjoint-based无线光通信的方法。

TAMDAR影响可以直接与其他观测如声音在特定垂直水平或观察到的变量。使用WRFDA无线光通信系统允许测量TAMDAR观察影响整个数据集时存在于数据同化系统。这提供了的秩TAMDAR观察影响减少短期预报误差对所有同化观测的集合。它还允许潜在特征的识别问题和改进TAMDAR观察,这对指导进一步的调查是至关重要的。

本文的其余部分的结构如下。节2预测灵敏度的方法,观察和WRFDA无线光通信系统将被描述。部分3介绍了实验的设计。详细的结果和比较说明无线光通信和操作系统之间的部分4节中,给出了总结和讨论5。

2。WRFDA无线光通信

adjoint-based无线光通信系统在这项研究中的应用是WRFDA无线光通信,2008年在NCAR开发(22,23),验证和使用检查观察影响东亚地区在热带气旋季节(24]。读者被称为荣格et al。24]概念的详细描述,预测敏感性WRFDA系统观测和应用程序。WRFDA无线光通信包括WRF模式,其伴随(WRFPLUS), WRFDA及其伴随。

WRFPLUS包括线性化及其伴随的干燥动力学WRF模式,一个简化的垂直扩散方案,和大规模的冷凝方案。没有其他潮湿的过程用WRFPLUS表示。WRFDA无线光通信可以计算所有可用传统的影响和卫星辐射数据分析和短期预报。它结合了高阶近似的预测误差测量和特征adjoint-based观察影响计算的背景下讨论Errico [16),Gelaro et al。17],Tremolet [25],和Descu Todling [26]。

根据adjoint-based无线光通信理论讨论了在先前的研究中,观察影响的计算是一个三步过程,涉及WRFDA无线光通信。寻求成本预测误差函数的梯度向量的观察。

(我)预测敏感性分析。的计算预测敏感性分析是获得使用两个预测轨迹(即。WRF模式,24小时),这是初始化和背景分析,分别。前背景通常是一个模型预测(例如,6小时预测),和最佳吸收产生的分析是观察与背景WRFDA 3 d-var系统。因此,预测轨迹的背景开始前6小时的轨迹分析。在预估的时间,选择参考大气状态(参考)真相,预测误差将预测的计算分析和背景。预测误差代价函数定义的基础上,区别这两个预测错误。沿着轨迹预测,WRFPLUS伴随模型能够计算预测敏感性分析与预测误差代价函数。WRFDA无线光通信的引用可以从其他数据同化系统全球分析或WRFDA的内部分析。详细预测敏感性分析的方法描述(. 1)- (A.7在附录)。

(2)预测敏感性的观察。第二步是扩展预测敏感性分析提供的网格点上一步的观察空间使用伴随WRFDA 3 d-var。它包括观测算子的伴随,观测误差协方差,海赛矩阵的逆的成本函数,可以通过使用最小化过程中的迭代兰索斯法(27]。(提供的公式是如系)- (A.9在附录)。

(3)观测的影响。观察影响因此通过内积的计算预测误差敏感的观察和创新向量,所描述的(A.9在附录中。这一步是WRFDA中实现,并允许用户方便地执行各种观测影响的研究。应该注意的是,更大的创新对应于观测的影响更大。负的观察与预测误差的影响减少由于初始条件提高了同化观测意味着观测预报具有积极的影响。

3所示。实验设计

本研究的目的是比较TAMDAR的影响与其他观测数据类型操作WRFDA系统和评估的贡献TAMDAR风、温度、湿度对经营短程的预测。因此,无线光通信实验进行了两周的时间内对2010年1月和2010年6月的两周。WRF模式域在这项研究中有一个134×84网格覆盖美国和周边海洋区域(图1)与60公里水平分辨率和35垂直水平定义在σ坐标模型50 hPa之上。圆锥域由AirDat操作相比,这个领域有一个低得多的分辨率和较小的范围,但它足以覆盖整个北美TAMDAR分布(图1(一))。这个特定的配置是专为减少伴随的昂贵的计算成本。

WRFDA 3 d-var用于获取分析同化探空(声音),飞行员,分析器,从SYNOP表面数据,航空例行,船,浮标,从AIREP和TAMDAR飞机数据,卫星获取风(GeoAMV)和GPS可沉淀的水(GPSPW)和GPS折射率(GPSREF)。应该提到TAMDAR数据提供了直接从AirDat原始观测网络,而不是TAMDAR数据用于国家环境预报中心(NCEP),获得大约3%的所有可用的操作TAMDAR观测。另一种同化数据集来自全球电信系统(GTS)。图1给出一个示例同化TAMDAR和声音水平分布模型的域。应该注意的是,限制飞机通信寻址和报告系统(ACARS)数据不习惯这里,因为他们没有实时AirDat可用。

传统数据的质量控制(QC)包括TAMDAR观察WRFDA首先是在观察预处理过程(obs_proc)。细节可以找到WRFDA用户指南(http://www2.mmm.ucar.edu/wrf/users/wrfda/Docs/user_guide_V3.4.1/users_guide_chap6.htm)。第二个QC是采取内部WRFDA最小化之前,在哪个WRFDA同一TAMDAR数据的质量控制程序,以及其他传统数据。观测时将拒绝他们的创新是大于5倍的标准错误的观察。在这项研究中,没有偏差纠正或稀释过程用于TAMDAR数据由于这些功能在WRFDA并不发达,虽然听起来测量相比,TAMDAR偏差为1.57% RH,−0.04 K温度和风力(0.004米/秒5]。

温度的观测误差TAMDAR在这项研究中的应用是1.0 K,这是相同的对于大多数观测类型在这项研究中,除了船和浮标为2.0 K。风观测误差是3.6年代⁻¹TAMDAR和AIREP 2.7年代⁻¹声音、浮标SYNOP航空例行,2.8年代⁻¹分析器和飞行员,4.5年代⁻¹GeoAMV。TAMDAR相对湿度,我们假设误差为10%,用于其它类型的观察。观察错误都统一为1月和6月的实验。背景误差协方差(是)生成与国家气象中心(NMC)方法(28)之前,每个研究期间使用的月度统计差异WRF 24和12 h每日预测的配置如图1。同样是在1月和6月是用于实验。

WRFDA 3 d-var执行每天在0000,0600,1200,1800 UTC时间6 h同化窗口从−3 h + 3 h。每个周期的背景从WRF获得6 h预报初始化NCEP全球最终分析(”),而不是先前WRF分析。为了计算预测敏感性,两个24小时WRF预测轨迹分析时间,执行初始化背景和分析,分别。注意,24小时预测轨迹的背景开始6小时前分析轨迹。预测利用Kain-Fritsch积云参数化(29日),戈达德云粒子物理学方案,延世大学(YSU)行星边界层参数化30.]。24 h WRFPLUS伴随随着WRF模拟运行轨迹,但只有物理过程的一个简单的垂直扩散计划和大规模的冷凝方案。所有WRFDA 3 d-var WRF预测和WRFPLUS运行域配置和解决使用相同的模型。

观察影响计算,干燥的能量范数(A.3b在附录中)用于定义预测误差,预测误差是整个计算域(图1)。定义预测错误,参考分析同化所有观测类型前面描述WRFDA 3 d-var被认为是本研究的真实状态。的增强形式的三阶泰勒级数近似预测误差讨论Gelaro et al。17)选择最精度如附录所示(A.10)。

4所示。观察影响结果

4.1。两周的时间平均

观察影响的传统数据集24小时预测误差一直在调查这四个(即天气倍。,0000, 0600, 1200, and 1800 UTC) for two selected periods in January and June, which allows for examining the seasonal variations in the observational impact on the WRF short-range forecast during the summer and winter period over the CONUS domain. The two-week time-averaged total observation impacts aggregated with the observation variables (i.e., wind,,,和REF)在所有的四天气时间组织图2。负值对应减少预测误差,由于吸收特定的观测变量。

总的来说,减少预测误差是-所有变量在两个选择的时间,这意味着从预测误差小于从背景分析。这个结果也意味着同化观测WRFDA系统降低了预测误差。观察的影响在两个赛季明显不同风观测较大和较小的1月。6月1月,最大预测误差减少是由于温度观测,其次是风这一特定地区的观测和24小时预测长度,而最大的6月减少预测误差是由于风观测温度观测紧随其后。可能的原因是,观察GeoAMV数量从2010年6月GTS不仅仅是1月,原因不清楚。下一个重要的观察变量减少预测误差是水分折射率(REF)的GPS和表面压力()。比较表明,一般所有观测变量除了REF减少预测误差较大的数量比1月6月。预测误差是高度受天气影响的情况下,例如,在夏天;对流情况下比冬天多。NWP对流预测通常是更具挑战性,而观察中的GPSREF实验期间1月是6月多,这可能是可能的原因,GPSREF比6月1月有较大的影响。

上总各种观测系统观测的影响和相应的同化观测量为6月和1月被分组在图3。6月和1月,平均所有的观测系统提供24小时的最一致的改进预测从一季到下一季,尽管TAMDAR、声音,和GeoAMV下降的影响从夏天到冬天的时期。常见的季节性变化存在较小的冬季时期观测的影响,较大的在夏季为每个变量(图2(图)和观测系统3),这是一致的结果Zapotocny et al。31日]。因此,图3表明WRFDA适当吸收这些观察和改善预测的初始条件。总的来说,两个选择的时间,最大的减少预测误差是由于TAMDAR和声音,其次是GeoAMV,航空例行,GPSREF,分析器,SYNOP,飞行员。总从AIREP减少预测误差,GPSPW浮标,船小,因为稀疏覆盖的限制数据量如图3 (b)。小的主要原因影响AIREP是ACARS限制数据集,而不是供非政府机构操作同化。图3 (b)表明,同化AIREP观察数字明显比其他人少。我们希望这将是一个主要的观测系统如果ACARS数据包含在本研究(例如,32])。

交叉引用的数据3(一个)和3 (b)的同化观测数据TAMDAR比声音更。TAMDAR数据的主要原因是主要观察影响这个系统时考虑到它们有相同的观测变量(风、温度和湿度)和类似的观察错误的声音。GeoAMV也有一个大的观测数量;然而,影响明显不如TAMDAR和声音因为只有位于特定水平,只有风观察和观测误差更大(部分3)。观察的GeoAMV GTS 2010年6月比1月的原因不清楚,其证实GeoAMV较大观测的影响在夏季和冬季期间密切相关数据集的数量。

地表观测类型SYNOP、航空例行浮标,船也有类似的趋势在夏季和冬季期间。然而,观察影响略有不同增加从夏天到冬天,即使等效观测数据和相同的观测误差。这种差异似乎是由于WRF 24小时预报误差的表面,这是更大的比6月1月。表面压力仪表,航空例行,观察影响显著不同的冬季和夏季;然而,这并不改变观察影响之间的冬季和夏季在图2。的原因是在图2包括表面压力观测的声音和SYNOP WRFDA无线光通信的过程。

为了评价规范化观测的影响,观察影响每所有同化观测系统观测数据计算(图。6月4),平均观测的影响(如图3(一个))除以观察(如图3 (b))。1月也有类似的每观察影响,多余的图没有显示在这里。图4表明SYNOP表面观测具有最大的规范化观测的影响,尽管他们有一个相对较小的贡献总观察影响如图3(一个)。这意味着每一个SYNOP观察表面包含重要的信息来减少模型预测误差通常更大更困难比模型预测的高空。其他标准化观察影响的排名是为了声音,TAMDAR, GeoAMV,航空例行,GPSREF从高到低。TAMDAR观察,最大的影响,总比声音规范化观察影响较小。原因可能是因为TAMDAR使用更大的风观测误差(3.6年代⁻¹(2.7年代)的声音⁻¹)。额外的比较这两个观测系统将在下面更详细地加以解决。

4.2。观察影响四个天气时间

在前面的小节中,结果表明:大型组观测数据同化的减少了24小时WRF区域预测误差。然而,个人观察的观察的影响差别很大,adjoint-based计算允许我们量化这种影响对于每一个观察在一个特定的分析时间。和数据集计算时均观察影响同化观测四个天气时间如图5仅供夏季。由于季节性的影响差异是理解从先前讨论的数字2和3图省略,多余的冬天。

指出,观察影响对应于观测数量当比较数据5(一个)和5 (b)TAMDAR观测的影响,声音,和GEOAMV随四天气时间。TAMDAR,观察影响0000 UTC是最大的,0600 UTC是最小的,1200年和1800年UTC是最接近的。的观察影响TAMDAR 1200 UTC略低于1800 UTC,虽然数据量在1200 UTC远远少于1800 UTC。观察数字1800 UTC是最大的,其次是0000年,1200年和0600年UTC,预计基于商业航空公司的飞行时间。观察图的影响5(一个)表明一个更小的TAMDAR观察影响1800 UTC相比0000 UTC,即使观察(图号5 (b)1800 UTC)超过0000 UTC。这种不匹配可能是因为观察多但不一定导致自动如果观测误差相关性和稀疏的影响大不正常使用。

最大的声音是观察影响1200 UTC,其次是0000年,1800年和0600年UTC,符合其观察图5 (b)。GeoAMV观察影响是第三大系统中的一个;但是,它有不太明显的时间比TAMDAR和声音的变化。GeoAMV TAMDAR 1800 UTC一样的问题;最大观测数据不带来最大的观测的影响。这种性能表明WRFDA可能需要更多的关注和努力处理数据同化的密度。GeoAMV的性能的其他可能的原因可能是更大的观测误差引入GeoAMV风观察节中描述3。航空例行和GeoAMV后GPSREF有可比性的影响分析。与较小的观测数据、航空例行GPSREF,分析器有相对大的观测的影响。基于(A.10)在附录中,观测的影响取决于两个元素:观察和背景的离开和模型预测误差。这意味着该模型预测误差较大航空例行的位置,GPSREF和分析器,这些数据包含重要的信息在很大程度上减少预测误差。SYNOP,地表观测仪器,产生同样重要的影响为0000,0600,1200,和1800 UTC在这项研究中,由于随着数据报告金额相等。

TAMDAR和声音之间的比较表明,在0000 UTC从声音类似于TAMDAR观测的影响,和1200 UTC,声音比TAMDAR产生更多的影响。在0600年和1800年UTC,因为声音只有几个记录,TAMDAR比声音影响更大的观察。TAMDAR观测量明显大于声音同化时期。特别是在1800 UTC声音报告是稀疏,TAMDAR观察有厚覆盖的高峰在当地机场商业航班起飞和降落。平均总说明TAMDAR观察影响有一个明显的优势在1800 UTC降低24小时预报误差由于密集的观察记录。因此,更大的总观察TAMDAR比声音(图的影响3)最有可能源于1800 UTC观测的贡献。

4.3。观察垂直分布的影响

自TAMDAR和声音也有类似的观察影响部分中讨论4.1和4.2,TAMDAR rawinsonde-like观察相同的观测变量,TAMDAR和声音之间的比较是由调查为什么TAMDAR观测的影响大于声音在一些分析的时间。图6礼物时均风观测的垂直分布的影响和观察数TAMDAR和声音的夏季0000 UTC。观察影响分类的八垂直水平:1000,850,700,500,300,200,100,最高(50)hPa模型。从垂直分布,TAMDAR和声音出现在风的垂直压力水平产生积极的影响。从图可以看出6(一)TAMDAR风观测影响主要存在低于300 hPa对应其巡航高度低于25000英尺。500 hPa, TAMDAR显示相应比声音更大更大的观察影响观测图6 (b)。然而,在1000年、850年、700和300 hPa TAMDAR礼物小观察影响比声音虽然TAMDAR观察在这些层面。很可能被大的观测误差的函数TAMDAR风观测的声音。高et al。5]提出下调TAMDAR-specific错误值,TAMDAR之前,被设置为相同的值作为AIREP。

观察温度垂直分布的影响和水蒸气混合比显示在图6月吗7,以及相应的观测数量。的问在图7 (c)从观察到的转换在WRFDA相对湿度(RH)。自伴随模型并不占大多数的湿润过程,湿度影响的错误被认为是忽略了这项研究的初步调查。因此,必须声明,这里提到的湿度影响干燥能源规范只计数的贡献。不过,公平地进行近似之间的湿度影响比较TAMDAR和声音在同一个系统。

与风一样,T和问显示预测的垂直水平产生积极的影响。在数据7(一)和7 (c)在850年和700年hPa TAMDAR显示了一个更大的T和问观察影响比其他级别对应于观测数据7 (b)和7 (d);然而,声音小礼物观察影响这两个水平相应的观察比TAMDAR少。因此,密集TAMDAR观测补偿稀疏的声音关键的垂直区域(较低)的报道,没有其他水分数据是可用的。这一分析表明,湿度的观察TAMDAR具有积极的影响在WRF地区24小时预报,特别是在较低水平(700和850 hPa)对流天气是哪里来的。

4.4。操作系统

在先前的部分中,描述了观测的线性估计的影响。本节比较观察24小时预报的影响评估使用典型的操作系统和评估使用adjoint-based无线光通信的方法。接受所有观测类型(部分的参考3)是用作控制实验,被称为OSE-ALL。两个操作系统是由执行新的分析预测周期(即对于一个给定的时期。从1到2010年6月15日)。在新的分析程序,TAMDAR和声音被评估从观察组在否认实验数据。相应的操作系统被称为OSE-TAMDAR OSE-SOUND,分别。通过一系列的操作系统,评估TAMDAR和声音的影响。分析和预测系统的配置部分中描述的相同3无线光通信。

的观察影响TAMDAR从操作系统被定义为24小时预报误差的差异OSE-ALL OSE-TAMDAR。预测误差的计算OSE-ALL和OSE-TAMDAR使用配方在附录中(要求寄出)使用相同的参考为真实状态为无线光通信中描述的部分3。OSE-SOUND都遵循着相同的程序OSE-TAMDAR观察声音的影响。图8(一个)介绍了时均观察影响OSE-TAMDAR和OSE-SOUND在0000年6月,0600年,1200年和1800年UTC。

TAMDAR和声音观察影响来自无线光通信比较图8 (b)。TAMDAR观测的影响最大的是1800 UTC,比错误更大的消除声音的观察和与无线光通信(图的结果是一致的8 (b))。同样,观察影响声音的数据是在1200 UTC比TAMDAR数据。在0000 UTC,操作系统显示TAMDAR导致比声音略大的观测的影响,而无线光通信TAMDAR之间平等的影响和声音。0600 UTC是只显示TAMDAR操作系统和无线光通信的影响。类似的模式表明,无线光通信在每个天气时间和操作系统显示类似的重要性。WRFDA无线光通信的诊断工具能够高亮显示的主要预测退化由于观察保留而操作系统。然而,使用交叉对比观察的大小影响操作系统和无线光通信之间的差异显示了更大的观察比无线光通信的操作系统的影响。这意味着线性估计预测误差减少从无线光通信方法略微低估,从操作系统的非线性方法。这低估可能是由于(1)忽视潮湿物理伴随集成,(2)切线性假设的有效性,和/或(3)切线性假设的有效性的预测误差的减少。操作系统测量的影响声音或TAMDAR所有预测指标; FSO quantified the response of a single metric to all observations including TAMDAR and SOUND. Overall, the comparable results still demonstrate that the FSO and OSEs show similar qualitative improvements due to TAMDAR and SOUND observations.

5。总结和讨论

介绍WRFDA无线光通信系统的一个应用程序对区域预测和估计的影响观测调查的影响TAMDAR短程(24小时)的数据减少预测误差。无线光通信的方法的一个重要的优势是,观察影响可以有效地估计一套完整的观察,或任何子集观测系统观测按类型分组,观察到的变量、地理区域、垂直水平,或另一个类别去了。TAMDAR和声音的评估价值通过操作系统也进行观测的影响,这表明,无线光通信实验和操作系统提供类似的定性诊断结果。无线光通信的方法比操作系统还需要更少的计算资源,可以监视观察影响操作框架。

无线光通信的研究结果表明,平均所有的观测系统发挥积极作用在降低24小时预报误差。风和温度观测系统作出关键贡献降低24小时预测错误,尽管最大的观察影响6月风,然而,对于1月,温度。观察最大的影响是由声音和TAMDAR GeoAMV紧随其后,航空例行,GPSREF, SYNOP。然而,大多数仪器有季节性变化的影响在夏季比冬季期间。风,温度和相对湿度的观察TAMDAR操作WRFDA系统有显著的贡献,特别是在1800 UTC。

无线光通信观察影响相比,观察影响推导出从操作系统,进行数据否认实验TAMDAR和声音。符合无线光通信的影响结果,观察TAMDAR从操作系统的影响大于在0600年和1800年UTC,声音和影响在0000 UTC类似于声音,和影响在1200 UTC小于声音。同时操作系统更表示评估数据的长期预测的影响,无线光通信仍然是一个不错的选择探讨短期预报误差减少由于观察。无线光通信能够评估的影响观察当整个观测数据集存在同化系统的一个实验中,当操作系统执行一个以上的实验评估的贡献从不同的数据集(11]。

操作WRFDA TAMDAR数据系统的优点是增强通过本研究使用无线光通信的方法,包括以下。(我)总TAMDAR观测的影响是明显的在0000年,1200年和1800年UTC周期一致。TAMDAR于1800年和0600年UTC能够补充声音观察减少预测误差。(2)TAMDAR相对湿度和温度的观察是一个很重要的补充声音数据在较低的水平,特别是在850年和700年hPa。

此外,一些问题已经注意到adjoint-based观察影响估计。首先,计算中使用的敏感性WRF伴随受限于简单的物理方案。其次,预测误差范数的定义不包括水分。从水分观测可能会影响更大更潮湿的物理方案都包含在WRF伴随模型和总潮湿能量使用规范。

在这项研究中,没有偏差纠正或稀释过程用于TAMDAR数据由于这些功能在WRFDA并不发达。作为讨论的部分2,观察创新和观察数量直接影响到预测误差的减少。偏差校正显然是相关的创新,和稀释过程决定有多少数据将被同化。因此,需要额外的工作来解决偏差校正和稀释过程提高观测精度TAMDAR无线光通信系统的影响。水分纳入总能量和调查的影响TAMDAR数据稀疏和偏差纠正策略短期预测误差减少应该是未来发展的一部分。新观测误差TAMDAR据估计和添加到WRFDA5]。它也将是有趣的研究预测敏感性与无线光通信TAMDAR观察错误。

附录

观察影响的基本概念

非线性预测模型可以表示为 在哪里模型的非线性传播算子的时间吗和状态向量的预测模型在时间吗与初始条件向量。给定一个扰动在最初的时候,线性进化在时间是 在哪里tangent-linear传播算子的吗沿着轨迹预测开始。研究观察影响预测,预测误差,测量对真正的大气状态在时间,被定义为 在哪里表示欧几里得两个向量的内积是一个对角矩阵的加权系数预测误差组件。通常,用于干燥的总能量标准(33- - - - - -35] 使用(a .),(梯度)的敏感性初始条件表示为 给定两个预测和背景()初始条件和分析(),分别预测误差 对减少预测误差,测量观察影响一个标量函数被定义为之间的区别和: 减少预测误差的线性近似分析引起的增量可以表示为 在哪里是一个适当定义的向量表示的预测对初始条件的敏感性(17,36]。例如,介绍了由朗兰和贝克(12在他们的观察方法的影响。

在数据同化系统中,分析增量由最佳线性无偏估计方程吗 在哪里是卡尔曼滤波增益矩阵,代表了分析误差协方差和对应的矩阵(融合)海赛矩阵的逆的成本函数(37,38),的伴随观测算子,观测误差协方差的正相反;是创新向量,代表的观察,是非线性观测算子。使用(如系)和伴随关系,减少预测误差估计(A.7)可以表示为 在哪里是观测预报敏感性。的数量中定义的(A.9),提供所需的信息,评估观察影响只使用观测空间数量。在的情况下或,没有观测的影响。通常情况下,小于,这样的负面观察影响价值(A.9)是对应的减少预测误差由于改进的初始条件。使用(A.9),观察影响可以分割成贡献任何个人的观察或分组观察吸收在整个域。结合(各)和(A.9),线性近似的(要求寄出可以介绍

免责声明

任何意见、发现和结论或建议本文中表达的是作者的,并不一定反映美国国家科学基金会的观点。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

国家大气研究中心由美国国家科学基金会赞助。