论文部分内容阅读
本文采用集合均方根滤波(EnSRF)和基于奇异值分解(SVD)的集合降维同化方法(SVD-En3DVar)对发生在我国江苏地区夏季的两次强对流天气过程进行雷达资料的同化研究,以WRF中尺度预报模式作为检验同化方法效果的预报模式,WRF 3DVar系统的同化预报结果作为比较,来考察这两种集合同化方法在强对流天气中的应用效果和同化雷达资料的能力。在此基础上,本文对集合卡尔曼滤波方法提出了一种简化方案,可以减少计算时间以满足业务化运行的需要。利用WRF模式和一次强降水个例检验了简化方案的同化效果,对其可行性进行了初步的分析探讨,得到以下主要结论:(1)SVD-En3DVar和EnSRF两种集合同化方法均有较好同化雷达资料的能力,能对初始的水平风、水汽和温度等物理量场做出合理调整,有效地将中小尺度信息引入到初始场,主要表现为在有强回波观测区域风场的辐合加强、水汽混合比增大、等温线密集度增加等,但在部分区域两种同化方法对水平风的风向风速、水汽混合比、相当位温等物理量场的调整存在一定差异。(2)应用两种集合同化方法同化雷达观测资料均能有效地提高组合回波的预报效果,但两种同化方法在两个强对流天气个例中的表现不同。对2009年6月发生在江苏地区的飑线过程,SVD-En3DVar方法对组合回波的同化预报效果最好,优于EnSRF和WRF 3DVar同化方法。而对2013年6月的强降水过程,EnSRF的同化预报效果最好,优于SVD-En3DVar方法和WRF 3DVar同化方法。(3)两个强对流天气过程个例试验结果表明,集合降维同化方法(SVD-En3DVar)的同化预报效果对该方法中的局地化参数较为敏感;对于2009年的飑线过程,局地化水平半径为50km时同化预报效果较好,而2013年的强降水过程则是局地化水平半径为15km时预报效果较好。(4)分析几个相邻同化时刻(相距半小时)的预报集合得到的水平风、水汽混合比等物理量场的样本方差,发现由同化起始时刻的预报样本集合计算的样本方差场较为平滑,而经过1次和2次同化过程后再产生的预报集合所估算的样本方差显示出明显的小尺度特征,两个时间的样本方差在数值和空间分布形态上都很接近。(5)传统的卡尔曼滤波方法在同化过程中需要不断更新预报样本会耗费大量机时,考虑到较短时间间隔内由预报样本估计的预报误差协方差随时间变化不大,我们提出一种EnSRF的简化方案(SS_EnSRF),通过降低预报样本集合的更新频率来节约计算时间,以满足业务化运行的需要。2013年6月一次强降水天气过程的同化试验表明SS_EnSRF有较好雷达资料同化能力和应用效果。当SS_EnSRF采用同化预报得到预报样本集合进行同化时,其对组合回波的预报效果和EnSRF相当,明显优于WRF 3DVar方法的效果。