文摘
基于逆向四维变分资料同化(Backward-4DVar)系统与先进地区Eta-coordinate模型(臂),能够吸收无线电掩星数据,执行一个暴雨案例研究使用GPS无线电掩星(RO) GPS数据和常规GTS数据7月5日,2007年。案例研究结果表明,使用无线电掩星数据质量控制后可以提高分析质量的观察和类似,因此,当提高24小时降雨量的预测有积极的作用。批量测试119天从5月至8月期间2009年汛期表明,只有使用GPS RO数据才能做出积极改善在24小时和48小时地区降雨量预测和获得更好的B得分24小时预测和更好的48小时预报TS评分。当使用无线电掩星折射性数据和常规探空仪数据,结果表明,无线电掩星折射率48小时预报数据可以实现更好的性能的光雨,大雨。
1。介绍
经过几十年的发展,数值天气预报的准确性大大提高。的主要贡献在于以下两个方面:第一,完美的动态数学模型本身的框架和各种物理过程的细化;第二,高勘探技术的发展和数据同化技术的应用。等非常规观测资料的同化应用卫星遥感数据,起着重要的作用在提高数值天气预报的准确性,尤其是在南半球预测的准确性。因此,使用各种观测方法获取更详细的信息在大气状态,开发和改进先进的同化方法能够有效地利用所有大气观测信息来提高初始条件的质量,是一个关键的方法来提高数值天气预报的准确性。
在各种新的观察方法、全球定位系统(GPS)和小卫星技术对掩星探测依赖作为获取大气信息的新方法。与其他常规观测和卫星数据相比,掩星数据有高垂直分辨率的优势;统一的全球覆盖;从气溶胶和疲软的影响,云,和降水1]。理论上,可以改善数据的同化物理量场的垂直分布,尤其是对温度和湿度附近观察,分析质量的初始值可以在一定程度上得到改善。
在GPS RO数据同化应用程序的研究,折射性数据更简单、更可行的常规同化,因为他们的应用程序的简单观察运营商和经济省时的特点。此前,邹et al。2和郭等。3)执行4 dvar同化系统的观测系统测试;Kursinski et al。4和波里等。5)进行同化当地折射率实验数据在一个一维变分同化框架。黄等。6)用GPS RO折射性数据测试台风预测基于WRF 3 dvar同化系统。结果表明,GPS RO折射性数据的使用有积极影响的模拟台风降水。
本文的重点是介绍GPS RO折射性数据的质量控制方案在AREM-B4DVar系统评估的角色GPS RO折射率在区域数值天气预报数据同化,通过实际在汛期暴雨情况下和批处理实验,探索一种有效的方法提高区域数值预报模型的预报能力使用GPS RO折射性数据。此外,本文的重点是提供一个基本的理论基础和技术支持掩星数据同化方法的发展在区域数值预报模型和短期天气预报。
2。AREM-B4DVar数据同化系统和GPS RO数据的观测运营商
2.1。引入AREM-B4DVar数据同化系统
四维变分资料同化(4 dvar)是最有前途的方法之一,提供最优的分析数值天气预测。这是优先发展计划的数值天气预报中心。基于原理的理论方法,由于数值模型的动态和物理约束,所有的观察都是最好的安装由变分同化时间窗方法,以及最优的初始值分析同化的开始时间窗口。模型的约束下,同化中的演变轨迹分析领域的时间窗口是符合实际的观察趋势,预测的精度水平可以更好改善在未来的时间。
开发一个操作4 dvar系统是一个非常大的项目和需要努力工作。它不仅需要相应的切线和伴随模型还严格的正确性和精度测试。考虑到“开关”问题的过程中复杂的物理(7,8),这些问题已经成为困扰4 dvar的发展瓶颈,限制了该方法的广泛应用在操作数值模型。许多学者已经提出了许多有效的解决这个问题。其中,王,赵9)提出了三维映射的概念差异法(3数字式电压表)通过将结束时的初始值同化同化窗口。使用映射观察巧妙地避免了使用一个伴随模型;王等人。10)提出了一个四维变分同化方法(称为DRP-4DVar)减少维度预测使用历史样本拟合和降维投影技术。选择扰动样本依赖于分析解决问题,背景误差协方差矩阵是没有明确开发的4 dvar。最近,王et al。11)3数字式电压表和DRP-4DVar的优点相结合,提出了一个反向映射四维变分同化方法(称为B-4DVar Backward-4DVar),和建立了AREM模式B-4DVar系统(称为AREM-B4DVar系统)。这种方法不仅避免了tangent-linear和伴随模型还同化窗口的降低计算成本,因为结束时生成的初始值被同化窗口,它还可以减少预测误差积累整个同化窗口中,扮演着一个重要的角色在短期和短时预测预报、观测系统的验证实验。
B-4DVar问题归结为最小化代价函数的m维样本空间(位置米代表样本的数量)11];因此,经典4 dvar方法,它被定义为控制变量的高维度空间,实现对m维样本空间。
上述解决最小化问题可以表示为
因为矩阵的维数米,这是少数(100),计算逆矩阵是相对容易的在上面的表达式。慢下来的低估B矩阵和晶格之间的虚假远程并置对比变量和观测变量,B矩阵扩展到本地化上述优化解决方案(10,11]。
AREM-B4DVar系统是基于AREM(版本测试盒框)和王Backward-4DVar方法(et al。11])。程等。12)使用这个系统建立本地和外地运营商GPS RO折射性数据。同化实验对不同观测运营商进行,和外地的积极贡献观察运营商预测大雨时验证。同化系统采用的坐标平面AREM模式表面,包括预测温度和同化控制变量,纬向风,经向风,特定的湿度,地面压力和位势高度。同化观测数据包括传统地面和高空观测数据。吸收大规模背景字段使用全球中期数值预报产品。
2.2。GPS观测算子的RO折射性数据
在GPS RO数据,折射性的数据通常是作为一个大气观测产品,和当地的链接数据的观测算子的控制变量 在哪里p代表了气压(hPa),T代表空气温度(K),问代表了特定的湿度。由于折射性数据的假设下得到球形对称,梯度信息元素射线不考虑;因此,计算精度较低,特别是在恶劣天气过程的附近,非本地运营商。这些操作符理论上可以弥补不足的地方观察操作符。
3所示。案例描述和实验设计
研究与样本进行暴雨从7月4日到7月5日,2007年在中国江淮流域。暴雨发生的原因是由于大气环流模式在500 hPa的循环在东亚南高于;在河套地区,有一个弱脊和江淮流域受到700 hPa的切变线。这种循环模式非常适合对流的形成。海南作为热带系统在向北移动,在副高活动发生扭转,这加强了热空气传播以北的副热带高压在西方。总而言之,暴雨是由两个气流之间的相互作用造成的。
实验预测暴雨,发生于2007年7月4日7月5日,2007年,在中国江淮流域,为气象星座观测系统的数据,电离层和气候(宇宙),包括GPS RO折射性数据、弯曲角度、设计和常规GTS数据。设计同化测试时间窗口从7月3日18:00 2007 (UTC;相同)00 UTC 7月4日,2007年。时间窗口的数据包括数据从每个掩星探测时间(图1在18 UTC),传统的地面数据和00 UTC,和高空观测数据。
预测实验方案采用AREM2.4.0预测模型对数值预报区域数值天气预报系统。水平分辨率为30公里,模型的顶层是10 hPa模型区域(14°N-51°N, 74°E - 136°E)涵盖了中国和周边地区。一个特定的表中给出了实验的描述1,包括时间变量边界条件和显式云物理过程使用冷云降水过程的参数化过程参数化(13]。
4所示。GPS RO折射率的案例研究数据质量控制方案
作为GPS RO数据不能被视为不相关的和非常密集的垂直方向(陈等。12][14]),该决议、覆盖率和数据密度不同会造成分析和预测15,16]。数据同化前质量控制必不可少的步骤。得到有效的质量控制,数据与观测错误太多,数据与观测运营商不能模拟合理值,和数据表示小规模无法解决的过程和模型分辨率可以删除而不是减少数据同化的积极影响。
发现异常数据常用的质量控制,我们应该找到的统计特征和分布通过研究大量的观测数据和观测数据和模型模拟之间的区别。标准偏差的目的是用于本文的主要质量控制方法: 在哪里年代代表标准差的观察x。
GPS RO折射性数据来自球面对称的假设。高度是地面越近,越不均匀地分布是水蒸气,导致数据错误的形式非线性增长。改善GPS RO折射性数据同化的影响和预测,本文采用一个简单的质量控制方案折射性数据:(1)排除观测数据低于3公里O-B过高中的错误;(2)设置一个高垂直分辨率由于GPS RO折射性数据(有500米的间隔在对流层,平流层和对流层上部有一个时间间隔近1公里),同时保持模式的垂直水平相对较小(通常只有大约30层);因此,两者之间的不必要的观测模型级别应该取消匹配模型的分辨率;(3)使用标准差之间的观测数据和模型模拟的离群数据。
确定质量控制方案在同化的影响效果,四个实验(表2)设计:控制运行测试(CTRL), GPS RO折射性数据本地观测算子同化方案(REF_NQC), GTS传统无线电探空仪观测资料同化方案(STN),和当地运营商+ GPS RO折射性数据质量控制同化方案(REF_QC)。
通过比较之前和之后的区别质量控制初始值之间的同化和GPS观测数据RO折射率,可以清楚地看到,同化分析更接近观测在该地区在使用后的观测数据质量控制。然而,在执行质量控制在地面附近,一些排除数据被删除,和没有观测约束,分析值的观测值(图2)。基于相对偏差相比质量控制的初始值与实际观察,该地区对流层上层的一个相对较小的差异,和面积最大的错误还是集中在低对流层,也是由于大错误在低折射率的观察。
(一)
(b)
造成的偏差质量控制并不意味着导致糟糕的预测能力;这可以从24小时累积沉淀的微分预测领域。在西北的一部分主要雨带质量控制后,数据同化的增量向南移动和加强(图3)。质量控制(图后同化的增量3),700 hPa增量和500 hPa质量控制测试主要集中的东北南部的低压系统和低压系统,分别。随着东北地区的低压的减弱低压的南部地区,南方多雨地带附近气流是增强,导致整体向南运动雨带,并与实际情况是一致的。
(一)
(b)
(c)
5。一批测试掩星数据同化和预测2009年汛期期间
批同化/在洪水季节预测项目如下:(1)批量测试执行119天从5月4日,2009年,2009年8月30日。(2)使用的观测数据同化是宇宙掩星折射性数据和常规观测数据每隔6小时从18 UTC 00 UTC。(3)全球中期数值预报产品用作背景字段数据。(4)B-4DVar批同化/预测测试方案包括控制运行(CTRL), GTS传统无线电探空仪数据同化试验方法(stn_b4dvar), GPS RO折射性数据同化试验(gps_only)和使用GPS RO折射率的测试数据与GTS同时常规探空仪数据(stn_gps_b4dvar)。
的所有观测运营商GPS RO折射性数据同化是地方观察运营商。
评估的同化的归因模型预测,我们通常用威胁的得分(TS)和偏见的降水预报精度。
TS是计算的公式
为一个完美的预测,正确的= =观察到预期收益率的TS 1。最糟糕的预测,用正确的= 0,收益率为零的TS。
计算偏差的基本公式
这个量指标的准确性面积/站降水阈值指定数量的报道,无论位置的准确性。理想的预测会预测=观察到产生偏见的1。
TS评分和B得分结果GPS RO折射性数据同化试验(gps_only)和控制(CTRL)分析(数据运行4和5)。可以看出有一些改进的TS评分水平的小雨,中雨、大雨在24小时预报,但大雨的得分稍差。不包括暴雨,B得分略有改善,比参考测试。在48小时内,TS评分的改善更明显,和B得分是类似于参考测试的小雨,中雨。相比之下,大雨和暴雨的B得分大于参考测试结果。
(一)
(b)
(一)
(b)
作为一个整体,只使用无线电掩星数据数据同化可以做出积极改善24小时和48小时降雨量预测;它可以获得一个更好的B得分24小时预报,TS评分是更好的在48小时预报。
三个实验的结果,包括GPS RO折射性数据和GTS常规探空仪数据同化试验(stn_gps_b4dvar), GTS传统无线电探空仪数据同化试验(stn_b4dvar)和控制运行测试(CTRL)(数据6和7),进行了比较。我们知道stn_b4dvar有一定改善TS评分在24小时和48小时预估所有级别的光雨,大雨,中雨、大雨与CTRL相比。此外,B得分结果比控制各级运行测试的结果(除了它是更大的暴雨的48小时预报)。GPS RO折射率的影响比较数据时当使用GTS传统无线电探空仪stn_gps_b4dvar和stn_b4dvar测试中的数据,在24小时预报TS评分没有改善,只有轻微改善B得分。然而,在48小时预报,TS评分略提高小雨、大雨;中雨、大雨在参考类似测试,和相应的分数更大。
(一)
(b)
(一)
(b)
总的来说,当使用GPS RO折射性数据和GTS常规探空仪数据,结果表明,利用GPS RO折射性数据可以实现更好的性能小雨、大雨在48小时内,但他们有一个积极的影响在24小时预报。
6。总结
根据上述实验分析,很明显,使用GPS RO折射性数据可以提高预测精度的基于AREM-B4DVar雨带和地区降雨强度数据同化系统。通过比较各种测试计划,获得以下结论:(1)测试表明,这种新方法都可以做出积极改善地区降雨量预测利用GPS RO折射性数据。(2)只有使用GPS RO折射性数据可以做出积极改善24小时和48小时降雨量预测和B获得更好的成绩在48小时24小时预报和TS评分预测。(3)当使用GPS RO折射性数据和GTS常规探空仪数据,结果表明,利用GPS RO折射性数据可以实现更好的性能在48小时预测小雨、大雨,还有一个不那么积极的影响表现在24小时预报。
数据可用性
GPS RO观察位置的图的强降雨在7月3日,2007年用于支持这项研究,并可在DOI: 10.1360 / 012012 - 17所示。这些之前的研究都是引用在[12在文本的引用)。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
作者感谢GPS RO折射率宇宙数据分析和存档的数据中心。这项研究是在经济上支持中国国家重点研发项目(项目号2017 yfb1002702)。