文摘

radar-enhanced GSI(版本3.1)系统和WRF-ARW(版本3.4.1)模型同化雷达/ lightning-proxy反射率进行了修改。首先,云地闪电数据被转换为反射率使用一个简单的假设闪电密度和反射率之间的关系。接下来,使用的反射率是云分析GSI调整云/水文气象和水分。此外,雷达/ lightning-proxy反射率同时转化为3 d温度趋势。最后,从明确的粒子物理学模型温度倾向方案,以及积云参数化三维网格点的雷达温度趋势可用,在向前更新full-physics WRF-ARW传热数字滤波器的初始化的步骤。WRF-GSI系统测试使用中尺度对流系统发生的6月5日,2009年,吸收多普勒雷达和闪电数据,分别。预测反射率与同化与更紧密地观察到的反射率比平行实验没有同化,尤其是在第一次6 h。同化后,短程降水预测有所改善,尽管降水强度比观察到的一个。此外,改善了吸收闪电数据不如从同化雷达反射率第一3 h,但之后改善。

1。介绍

nonhydrostatic数值天气预报(NWP)的发展模型与高分辨率计算一起进步,使得改进天气预报成为可能。然而,目前探测和卫星数据不能提供足够的中尺度或小规模信息生成的初始场数值天气预报模式。多普勒雷达数据的时间和空间分辨率高提供不仅沉淀的位置和强度,而且水文气象的运动,这是必不可少的输入初始场的中尺度数值天气预报模式。然而,地面多普勒雷达有三个主要的缺点。首先,探测范围仅限于扫描半径。第二,因为大多数检测仅限于土地,很少有在海上的对流系统的观察。最后,检测容易受到地形阴影在山区。这些缺点导致一些困难在使用雷达数据的初始化精制预测模型。最近,闪电定位网的快速发展提供了一种克服这些缺点。闪电是一个指标的深对流,闪电位置对流云层网络数据可以提供详细的信息,如时间,地点,flash,极性,放电强度的事件。 Furthermore, lightning data are relatively unaffected by geographical constraints and exhibit a higher temporal and spatial resolution than meteorological radar observations. Thus, lightning location network data can play an important role in convective weather research by supplementing radar data in the initialization of refined weather forecasting. Using both radar and lightning data would allow their complementary advantages to improve the accuracy of the representation of convective systems in the initial field of a model and could thus play an important role in increasing the accuracy of short-range convective weather forecasting. However, such an approach has not been widely studied.

在世界范围内,有很多的研究方法,可用于吸收多普勒雷达反射率。主要方法是变分法(1- - - - - -6)和集成卡尔曼滤波器(7- - - - - -10),加上一些经验方法,比如云分析(11- - - - - -15)和物理初始化(16- - - - - -18]。研究同化数据从闪电位置网络最近已经开始,但已经有相对较少的研究相比,专注于同化其他气象数据。很难吸收雷电数据的观测变量不是一个变量纳入模型;因此,必须与同化之前诊断模型变量或变量。亚历山大等人常和et al。19,20.)使用闪电全国闪电探测网络提供的数据,利用微波成像数据调整和回归,来模拟连续盲目地区对流降水信息(例如,在海上)或时间段(例如,立交桥的两颗卫星之间)。这些研究产生令人印象深刻的改善模拟超级风暴在1993年和1998年被同化的土拨鼠日暴雨雷电数据到模型调整潜热概要文件使用逼近方法。然而,闪电和降水率之间的相关性变化根据地区和气候,导致吸收闪电数据时一些不确定因素。一些研究表明,对流降水和湿度之间存在高度相关资料(21]。背带和西格尔22)指出,增加湿度信息的区域雷达反射率高,湿度低可以提高预测能力。对流天气的闪电是一个指标,因为闪电哪里有强烈的对流。大气模型描述与积云对流过程参数化;如果闪电数据用于触发(或抑制)积云参数化和调整湿度资料,然后改善初始场将会实现。

帕帕多普洛斯et al。23)研究云地闪电数据同化成BMJ Betts-Miller-Janjic积云参数化。在这个方案中,假设对流过程不能产生的积云参数化如果次网格扰动不够大或者模拟湿度低于实际的湿度。闪电同化方法,数据是用于指示的位置深湿对流模拟地区。帕帕多普洛斯形象等人推动模拟湿度对发现从逆方法应用于闪电观测,然后调整配置文件用来计算潜热概要文件,与当地环境的积云参数化过程。使用这种方法,一个令人印象深刻的改善降水预报的实现。背带和西格尔22相比不同的BMJ的影响和KF (Kain-Fritsch)在初始化参数化冷池,发现KF参数化表现得比BMJ参数化。曼塞尔et al。24]研究闪电的效果对KF积云参数化数据同化。在他们的方案中,闪电在网格点数量达到或超过阈值但KF方案不是激活,KF积云参数化是被迫激活,并相应湿度推动。相比之下,闪电数量低于阈值,KF积云参数化是部分或完全抑制。此外,本杰明et al。11,25]闪电数据转换成3 d代理反射率在云RUC(快速更新循环)分析程序,这是基于一个简单的假设闪电密度之间的关系和反射率GSI(网格点数据插值)系统。基于这种方法,可以吸收闪电数据一样的雷达反射率数据。此外,合并后的反射率(雷达反射率和代理反射率从闪电转换数据)被用来调整微观物理学的变量和水蒸气也计算温度趋势,在远期full-physics更新一步的传热数字滤波器的初始化(DDFI) WRF(气象研究和预测)-ARW(高级研究WRF)。本雅明等人压制积云参数化在该地区没有反射率。这种类型的闪电数据同化方法目前用于RR(快速刷新)系统。他们的研究结果显示,在大多数沿海地区没有雷达,闪电的主要观测数据是对流系统,显著提高预测等地区胡et al。13,26]。有几个案例研究,主要侧重于上述三种方法(27- - - - - -30.]。

RUC / RR过程被用来吸收lightning-proxy反射率从闪电数据基于GSI云分析系统和似乎工作得很成功。然而,在GSI系统(3.1版)发布的DTC(发展实验中心),在WRF-ARW(3.4.1版),完成雷达的功能/ lightning-proxy反射率不激活。摘要GSI系统和修改WRF-ARW同化雷达/ lightning-proxy反射率在高校/ RR。我们比较地闪电的同化数据和多普勒雷达数据从安徽省合肥使用WRF-GSI系统检查修改后的系统的影响。

本文的其余部分组织如下。部分2描述了云计算系统的分析GSI WRF-ARW系统和数字滤波器的初始化,部分3介绍了数据和实验设计,部分4提供了一个分析结果,部分5总结了的结果。

2。云系统的分析GSI和数字滤波器WRF-ARW模型的初始化

助教radar-enhanced云分析系统,3 d网格云量和降水类型设置使用GOES-NESDIS (GOESTATIONARY-The国家环境卫星、数据和信息服务)卫星云顶产品,表面航空例行(气象终端航空例行)观察,闪电数据和雷达反射率。然后,云计算和云中的水汽凝结体字段更新覆盖地区。此外,基于3 d,潜热加热的温度倾向从雷达/ lightning-proxy反射率计算和对流区域标识,云层的深度大于300 hPa。基于这两个领域,包括派生,潜热加热温度趋势和“no-echo”数组,是传递给WRF-ARW模型和数字滤波预测之前运行。这个过程的流程图如图1。

2.1。确定三维云体积分数

大部分的检索应用在云计算和调整分析过程在云层覆盖地区。在助教制度,这云层信息是由一个3 d体积云分数(VCF)。因此,准确测定的VCF是极其重要的。GSI系统使用背景场(WRF预测),连同表面航空例行(天气、云、天花板和可见性)的数据,是单场提供的云顶产品NESDIS(压力,温度,和云分数),和3 d雷达反射率马赛克和闪电数据生成3 d VCF,云类型和降水类型信息。

在雷达/ lightning-proxy反射率数据过程中,如果存在以上表明云,然后云底的高度设置为取消凝结的水平。否则,云底将云的最低分数大于0.2。与网格层上方的云基地和反射率大于某个阈值(> 15 dBZ,低于2000米;> 10 dBZ, 2000米以上),已被设置为1。雷达/ lightning-proxy反射率提供mid-troposphere错过了表面和卫星观测的信息,以及为云层更精确的位置。

2.2。温度趋势和对流抑制

基于构建3 d VCF之后,潜热加热温度趋势,,从网格计算雷达/ lightning-proxy反射率根据云层覆盖地区 在哪里是干燥的空气的特定气体常数,是干燥的空气的比热在恒定的压力,是0°C的汽化潜热,是熔化潜热在0°C,是发展类金融机构的向前整合步骤的数目,然后呢 在这是网格雷达/ lightning-proxy反射率。的上限温度趋势被设置为0.4°C。基于潜热加热的温度趋势产生的反射率被视为观察和用于替换温度趋势来自积云参数化和明确的微观物理学计划向前整合发展类金融机构的单位。

对流只能识别领域的垂直深度大于300 hPa的雷达覆盖。温度趋势的最大价值在一列必须超过0.0002 K / s区被认为是一个对流区。否则,no-convection区域确定和角(对流可用势能)深度对流计划设置为一个接近零值,有效地抑制对流发展类金融机构向前整合。在雷达覆盖的垂直深度不足,该地区仍未分类。

2.3。云液水/冰算法

饱和水和冰蒸汽压计算使用(3)和(4下面)。然后,水汽混合比蒸汽和冰混合比在饱和条件下计算使用(5)。接下来,水分蒸汽混合比在饱和状态在任何温度下计算使用(6)和(7): 在哪里 在(5)要么是或,的分子量的比例是水蒸气干燥的空气。云计算液体内容是5%的蒸汽混合比的值,最小值为0.0001克/公斤。云的水和冰云计算使用(8)和(9)如下:

2.4。雨、雪、冰雹调整

之前检索的水文气象雷达/ lightning-proxy反射率、降水类型第一次分类使用网格雷达/ lightning-proxy反射率(GREF)和湿球温度。在助教制度,降水分为六类:”没有雨,“如果GREF低于0 dBZ;“雨”,如果°C;如果0.0°C°C,那么降水分配相同的类型在最近的更高的模型级别;如果低于0.0°C,然后沉淀被定义为“雪”,“冰雨”,或“雨夹雪,”根据最近的高级降水类型;降水类型进一步升级到“冰雹”当GREF大于50 dBZ。一旦降水类型被定义,3 d混合比率的雨,雪和冰雹从反射率检索采用汤普森et al。31日],兽医[32),和兽医等。33),或凯斯勒(34)方法当网格反射率大于10 dBZ。

2.5。数字滤波器在WRF模式初始化

额外的WRF-DFI模式发生了改变。3 d雷达反射率和闪电的潜热计算数据在助教过程中平均,然后读取在DFI向前整合取代模型潜在的升温速率由显性和降水参数化方案。这替换可能会导致动态和热响应符合convection-associated潜在的加热。此外,对流是抑制“no-echo”区域雷达/ lightning-proxy反射率展示了一个没有对流。在官方WRF-DFI模型中,所有的变量,包括风,温度、压力、和水分字段,进行数字滤波的DDFI向前和向后集成。然而,在这里使用修改后的框架,水文气象(云液水/冰,雨、雪、冰雹),而不是蒸汽混合比,都设置为初始值结束时落后(整合绝热,可逆的条件方程)和转发(使用完整的物理和混合/耗散项)集成。

3所示。数据和实验设计

雷电、大风、冰雹、暴雨发生在安徽的大部分地区从下午直到午夜6月5日,2009年。这种对流天气系统导致了严重的经济损失和人员伤亡。民政部门报告说,有482万人受到风暴影响,25人死亡,3人失去了,215人受伤;庄稼被摧毁的总面积是205.4公里²。这种对流天气系统影响广泛的地区,包括大多数安徽,江苏西部,江西的九江地区。对流天气系统的发展图所示2 (c)和第一列在图6。在0600 UTC,对流系统位于江苏省中部的。在接下来的几个小时,雷达反射率高的地区变得越来越对流系统逐渐向安徽,之前几乎席卷整个省。在这项研究中,分析了这种对流情况下从合肥同化雷达反射率数据,为安徽省地闪电数据。

多普勒雷达在合肥(117.716°E, 31.883°N)在中国是10厘米波长多普勒雷达1°半功率波束宽度。数据由体积扫描的雷达反射率,径向速度法,以体积扫描模式和光谱宽度收集期间的降水、仰角增加的步骤从0.5°到19.5°。仰角步骤的数量和数据的时间分辨率取决于雷达的作战模式。因此,反射率值记录每隔1公里雷达波束,而每隔250米速度参数记录。每个卷扫描大约需要5分钟。本研究中使用的闪电数据来自安徽的闪电定位网络,由11闪电定位系统在阜阳,滁州,Liuan,安庆,黄山,宣城,安徽蚌埠、淮北、铜陵,Haozhou,合肥。这个网络主要是用来检测地闪光,可以区分闪光的极性。

闪电数据转换成3 d代理雷达反射率基于一个简单的假设闪电密度之间的关系在一个给定的RUC网格(13.545087公里)和相应的列最大的grid-averaged反射率GSI代码: 反射是派生代理列最大反射率和LTG闪电在给定数量RUC周围网格框在40分钟内总结分析小时(−30 + 10分钟)。这闪电/网格统计关系列和列最大反射率是辅以一套统计列最大反射率之间的关系和垂直反射率概要文件。反射率的垂直剖面是一个函数的列最大反射率。垂直剖面变化随着列最大反射率增加(5 dBZ垃圾箱)从20 45−−25 dBZ 50 dBZ。因此,闪电的速度可以被映射到一个列最大代理反射率然后垂直分布的代理反射率。

代理反射率和观察到的雷达反射率之间的相关系数从0600年到0900年UTC是0.847,和均方根误差(RMSE)是6.062。图2(一个)显示了观察闪电指望网格在0530年和0610年之间UTC。温暖的颜色代表更高数量的闪电。很明显,有更多的闪电在江苏省和安徽省东部。图2 (b)显示的对应分布lightning-proxy组合反射率派生0600 UTC,而图2 (c)表明观察复合反射率的分布。lightning-proxy组合反射率显示一个类似的模式,观察复合反射率和高代理组合反射率(高于30 dBZ)遵循相同的模式分布的高数量的闪电。总的来说,lightning-proxy组合反射率产生的闪电位置的网络数据也有类似的模式来观察到的雷达组合反射率;然而,强度和程度低于雷达,因为闪电没有到处都发生在该地区的雷达反射率高。

研究闪电的影响数据的预测对流天气系统使用radar-enhanced WRF-GSI系统,两个同化实验进行。两个实验使用NCEP(国家环境预报中心)”(最终)运营全球分析背景和侧边界条件,和最初的预测在0000年开始UTC, 6月5日,2009年,跑了6 h。Exp. lghtn吸收闪电数据来自安徽的每小时0600至0900 UTC,紧随其后的是一个6 h WRF模式预测。合肥Exp.雷达吸收雷达反射率数据从0600年到0900年每小时UTC,紧随其后的是一个6 h WRF模式预测。在这项研究中,复杂的云分析包radar-enhanced GSI系统被用来同化雷达/ lightning-proxy反射率。所有这些预测都与基线相比控制预测(Exp CTL)开始直接从NCEP新兵分析0000 UTC。

所有实验进行域集中在合肥雷达、水平间距为13.545公里。模型的网络由101×101×50网格点。模型的顶部的压力设置为10 hPa和集成的时间步是60年代。林等人的主要物理模型包括计划(35],RRTM方案[36],戈达德短波方案[37),Monin-Obukhov (Janjić)方案38,39],RUC陆地表面模型方案[40),Mellor-Yamada-JanjićTKE计划(38),3 d合奏时计划(41]。

4所示。分析和结果

4.1。同化结果

分析同化的影响闪电数据在中尺度对流系统的情况下,我们关注Exp. lghtn从radar-enhanced WRF-GSI系统。图3显示了从实验分析最大反射率。CTL, lghtn,在第一个同化雷达时间(0600 UTC)。相比之下,观察图2 (c),Exp。CTL没有正确地预测相应的反射率,而预测最大反射率值Exp. lghtn Exp.雷达所观察到的类似。这表明吸收闪电和云雷达数据调整微观物理学的变量会导致反射率快速预测方法的观察。区域和强度分析的最大反射率Exp. lghtn小于Exp.雷达中的值,这是类似于lightning-proxy组合反射率。

第一列的数字4显示了lightning-proxy反射率和观察到的雷达反射率在18级的水平增加扰动势温度、水汽混合比,雨水混合比,和雪混合比,冰混合比,和云水混合比Exp. lghtn,第二列显示了Exp.雷达这些量。所有水平增量的模式类似于lightning-proxy反射率和观察到的雷达反射率;然而,增加的面积不同。在Exp. lghtn,扰动的最大水平增加潜在的温度是2.4 K和地区lightning-proxy反射率高于30 dBZ。的最大水平增加水汽混合比为2.5 g / kg。领域的水平增加雨水混合比和雪混合比是相对较小的,和最大增量值分别为1.5和1.8克/公斤,为Exp. lghtn Exp.雷达,分别。冰混合比的最大增量和云水混合比例较低(0.02和0.08克/公斤,resp)。在0600 UTC,这表明冰混合比的调整和云水混合比在0600 UTC radar-enhanced WRF-GSI系统吸收闪电数据后不明显。然而,在Exp.雷达、水平增量都高,和增量地区都比Exp. lghtn。潜在的最大水平增加扰动温度为3.6 K,而水汽混合比的最大水平增加,雨水混合比,雪混合比,冰混合比,和云水混合比分别为3.0,3.5,4.2,0.025,和0.08克/公斤。

的最后两列数字4说明横截面垂直lightning-proxy反射率的分布,观察雷达反射率和垂直扰动势温度的增加,水汽混合比,雨水混合比,雪混合比,冰混合比,和云的水混合比Exp. lghtn Exp.雷达和32.89°N 0600 UTC。红色线表示0°C的温度。在Exp. lghtn,高雷达反射率明显是位于较低的水平,特别是低于6.6公里。44 dBZ lightning-proxy反射率的最高价值。然而,观察到的雷达反射率值较高,分布在更广泛的水平。如图4(b3),扰动的最大垂直增加潜在的温度是4.2 K和发生在大约3公里的高度。的最大垂直增量水汽混合比和雨水混合比分别为8.4和1.3克/公斤,分别。垂直混合比雪和冰混合比的增加主要是温度高于0°C,和最大的值分别为1.8和0.055克/公斤,分别。云的最大垂直增量水混合比为0.096 g / kg。在Exp.雷达,垂直反射率比在Exp. lghtn,和高附加值的区域更大。扰动的最大垂直增加潜在的温度为4.2 K,而这些水汽混合比,雨水混合比,雪混合比,冰混合比,和云水混合比为8.4、1.5、3、0.06,和0.096克/公斤。尽管一些类似的垂直增量的值Exp. lghtn,地区垂直增量比这些更广泛的地区Exp. lghtn。一般来说,所有的水平和垂直的增量图5发生在合理的位置,和价值观是积极的和实质性建议同化radar-enhanced WRF-GSI系统执行令人满意的调整。中的所有增量Exp.雷达大比Exp. lghtn,特别是对于扰动势温度和水汽混合比,这是由于更好的观测同化强度和地区Exp.雷达。

4.2。预测结果

比较吸收雷电数据的影响在不同时间的预测,Exp. lghtn分为四个独立的实验:da_1, da_2 da_3, da_4。实验da_1吸收闪电数据使用预测领域从Exp 0600 UTC。CTL在0600 UTC作为第一个猜测。实验还da_2吸收闪电数据在0700 UTC基于Exp. da_1。同样,da_3 da_4也吸收闪电数据在0800 UTC, 0900 UTC,分别。公平的分数(ETS)的威胁(42]5点阈值(10、15、20、25和30 dBZ)被用来提供一个定量的比较这五个实验的预测复合材料反射率(四个单独的实验和经验。CTL)与观察到的雷达反射率(图5)。Exp的ETS。CTL在低阈值很小(在高阈值(0.10),同时,15 dBZ), Exp。CTL的ETS值接近零。吸收闪电数据后,ETS值迅速上升10 dBZ阈值为0.45,在30 dBZ值仍然是0.34。循环同化的结果显著,ETS的最佳值Exp. da_4。在0900 UTC, ETS的价值观Exp. da_4分别为0.37,0.37,0.53,0.40和0.27。一般来说,改善da_4显著低和高阈值和持续超过7 h。

预测的行为组合反射率可以看到更清楚的图6一起,显示每小时预测从0900年到1500年观察到的雷达反射率UTC。第一列是观察到的雷达反射率和列2 - 4显示经验值的预测复合材料反射率,CTL Exp. lghtn,分别和Exp.雷达。Exp。CTL,预测复合材料反射率高反射率地区几乎是零,然而,经过四个周期的闪电数据同化,预测复合材料反射率迅速走近观察,和预测模式类似于观察到的模式,特别是在Exp. lghtn。在第一次2 h, Exp. lghtn和Exp.雷达显然高估了一些高反射率区域,但Exp. lghtn表现好于Exp.雷达。

几小时后,这过高的不太清楚,虽然预测区域的位置组合反射率离开其观察到的位置。然而,同化后的维护预测组合反射率是完美的,可能持续超过6 h,这表明反射率的弱化不清楚是因为正确的变量之间的协调radar-enhanced WRF-GSI同化后系统。

图7显示了实验预测复合材料反射率的ETS。CTL, Exp. lghtn,和Exp.雷达在不同的阈值。Exp。CTL的ETS值保持在低阈值低,在高阈值几乎为零。循环同化后,ETS的价值观Exp. lghtn和Exp.雷达在每个阈值大幅改善,这明显改善可能持续超过6小时。较低的阈值(10、15和20 dBZ), Exp.雷达的ETS值高于Exp. lghtn前4 h因为更好的增量,如图4,而这些值低于Exp. lghtn在过去2 h。然而,在高阈值(25 30和35 dBZ), Exp.雷达的ETS值高于Exp. lghtn第一3 h然后低在过去的3 h。Exp.雷达的ETS值迅速下降经过几个小时的预报,而ETS的价值观Exp. lghtn慢慢减少经过几个小时的预测,甚至上升到更高的值在高阈值,如图8(d),8(e)8(f)。一般来说,改善Exp. lghtn比Exp.雷达的更稳定,因为较慢的反射率的削弱。通常,提高在低阈值可以参考小雨预报,和改善高阈值可以参考暴雨预报,可以用来对流系统的发展。

更好的理解对降水的影响可以通过比较获得的观测降水预测3和6小时降水的三个实验(图8)。第一行显示0900 - 1200年期间的3 h降水UTC,第二行是1200 - 1500 UTC。最后一行的6小时降水量0900 - 1500 UTC。第一列是观察到的站降水,和列两到四个预测降水的Exp。CTL, Exp. lghtn,分别和Exp.雷达。从0900年到1200年UTC,暴雨发生在安徽和浙江的北部,如观测所示。Exp。CTL,沉重的降水没有预测。同化后,高值的降水Exp. lghtn Exp.雷达很清楚,虽然有一个转变的空间位置和强度的高估。从1200年到1500年UTC,观察到的降水搬到南部安徽和浙江的中部省份。在Exp。CTL,几乎没有降水预报安徽省,除了中部和东部地区,浙江省是遥远的南部的降水预报比观察。Exp. lghtn和Exp.雷达高值的预测降水在安徽南部和北部和中部地区的浙江省,虽然高估了。 From 0900 to 1500 UTC, heavy rain occurred in the northern, eastern, and southern parts of Anhui Province, and in the northern and central parts of Zhejiang Province; however, there was no heavy rain in Exp. CTL. The signals of heavy rain in Exp. lghtn and Exp. radar were clear and similar to the observations, although there was a shift in the spatial location and an overestimate. In the first 3 h, the overestimation of precipitation in Exp. radar was larger than that in Exp. lghtn because the increments in assimilation in Exp. radar were higher, which led to a higher composite reflectivity after cycled assimilation and a stronger precipitation in the first 3 h. Such discrepancies can also be seen in the results presented in Figures6和8。

图9显示了预测降水的定量分析在这三个实验。有两种降水阈值,1毫米和10毫米,分别代表小雨和暴风雨。小雨阈值,威胁的Exp。细胞毒性t淋巴细胞在不同时间间隔小于0.40。许多威胁Exp. lghtn Exp.雷达得到了显著的改善,大约0.70的值,没有明显的区别两个实验。然而,在暴雨阈值,Exp. lghtn结果明显优于Exp.雷达,大量的经验值和威胁。CTL是零。较强的调整Exp.雷达结果高估的降水在最初几个小时,和所有ETS值Exp.雷达都不如Exp. lghtn。一般来说,Exp. lghtn准确预测小雨阈值和暴雨阈值,表明吸收闪电定位网络中的数据增强WRF-GSI系统可以实现显著改善3和6小时降水量预测。基于上述分析,适当降低扰动的增量的潜在温度和水汽混合比当同化观测雷达反射率和lightning-proxy反射率会导致更大的改善复合反射率和降水超过几小时。

5。结论

闪电定位数据是一个指标的对流天气和可以提供详细的信息,如时间,地点,数量,极性,放电强度与对流云团的事件。此外,闪电数据相对不受地理限制和展览的时间和空间分辨率高于气象雷达观测。闪电位置的网络数据可以在对流天气的研究起着重要的作用,特别是可以是一个有用的补充雷达数据的初始化精制天气预报。在radar-enhanced WRF-GSI系统,闪电位置的网络数据首先转换成3 d代理雷达反射率假设一个简单的flash密度和反射率之间的关系。然后,反射率信息被用于复杂云分析GSI系统来提高云/水汽现象和水分分布。此外,雷达/ lightning-proxy反射率也同时转换为三维温度场的倾向。最后,从明确的粒子物理学模型温度倾向的积云参数化方案和3 d网格点的雷达温度趋势可用更新full-physics向前一步的传热数字滤波器的初始化(DDFI) WRF-ARW3.4.1核心。在这项研究中,三个实验是为了测试系统使用一个MCS发生在6月5日,2009年,吸收来自安徽合肥多普勒雷达和闪电数据。本研究的结论可以概括如下。(1)有高度的相关性之间的转换lightning-proxy反射率和合肥多普勒雷达观测到的反射率,相关系数为0.847和均方根误差为6.062。(2)循环同化后,预测复合材料反射率匹配观察到的反射率比平行实验没有同化,保持预测复合材料反射率是完美的和可能持续超过6 h,由于变量之间的正确关系radar-enhanced WRF-GSI系统。(3)吸收闪电定位网络中的数据增强WRF-GSI系统可以达到更好的改善3和6小时降水量比同化雷达反射率数据预测,尽管有一个转变的空间位置和降水强度的估计过高。(4)吸收闪电位置的网络数据可以给一个更好的结果,因为lightning-proxy反射率的面积和强度小于观测雷达反射率。因此,扰动的增量的潜在温度和水汽混合比时必须适当减少同化观测雷达反射率和lightning-proxy反射率。基于上述结论,修改后的radar-enhanced WRF-GSI系统表现出一个优秀的提炼能力在中尺度对流天气预报数值天气预报模式同化后闪电位置的网络数据。然而,有一个高估的降水强度和空间位置的偏差在最初几个小时的预测,这有待进一步的研究,以便同化方法可以在未来修订和改进。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究受到了中国国家重点基础研究计划(2014 cb441406和2013 cb430102)和美国国家科学基金会中国没有。41175092)。作者希望感谢安徽省气象局预测办公室提供雷达和闪电数据。