论文部分内容阅读
气象卫星探测资料在业务系统中的应用已经被公认为是提高数值天气预报水平的主要原因之一。随着四维同化的发展,集合卡尔曼滤波得到了广泛的关注和研究,如何利用集合卡尔曼滤波同化卫星辐射率资料,改进模式初始场,提高数值预报的准确率,是一个有意义的研究课题。本文基于EnSRF同化系统,通过对一次北京地区的大暴雨过程进行模拟,来检验方案对卫星资料的同化能力以及在模拟过程中的应用效果。主要结论有:反演实施的结果表明,地表温度反演产品与MODIS温度产品达到高度相关。相比于同一天的MODIS资料反演的地表温度,在各种大气条件、地表条件都相同的情况下,精度明显偏低,可能是因为FY3亮温产品质量偏低的缘故。土壤湿度方面,树木覆盖区反演结果偏低,误差大,这证明了X波段无法探测高植被覆盖区土壤湿度。地表类型识别方面,MODIS和FY3资料可以用于地表类型高精度识别,其分类产品的空间分辨率可以达到小于lkm的精度。在理想性试验检验系统的正确性的方面,以北京7.21暴雨为例,对比研究了30个成员的集合预报结果、EnKF同化结果和实际结果这三者对暴雨天气的各物理量场的模拟,通过对比发现,由于近地面风场受随机性湍流的影响,比湿可能受水相物理过程参数化方案的精度的影响,因而这套同化系统对十米风场、2米比湿和温度场的同化能力略为不及对其他要素的同化能力,对表面气压的同化三种试验结果都比较接近,而对地面热通量的同化效果是明显的,比集合预报还要好。整体上,同化应用对预报效果具有改善作用。结论仅仅是针对北京地区降水的一个个例所得出的,结论是具有局限性的。因此想要得到更严谨的结论,需要用更多的发生在不同地点和不同时间的个例来验证。存在的问题主要是集合成员数较少,背景场误差协方差被低估,观测点水平方向过于密集,会产生较大的虚假相关;陆面模式过程土壤湿度和温度的物理过程、约束机制、其日变化和旬变化特征对同化的影响需要做进一步的分析;表征初始背景误差的初始加扰与模式中土壤湿度和温度误差的特征是否一致,也就是初始背景误差的代表性是否充分需要进一步深入分析。