共查询到17条相似文献，搜索用时 453 毫秒
1.
为了建立一个应用于区域数值预报的四维变分资料同化（4DVar）系统,在近期开发的扰动预报模式GRAPES_PF基础上,开发完善增量四维变分同化系统框架。该框架中暂不包含物理过程（长短波辐射、边界层过程、对流参数化和云微物理等）。对比业务使用的GRAPES 3DVar系统,增加了温度控制变量。将无量纲Exner气压与流函数的线性风压平衡方程直接在地形追随垂直坐标面上求解,且通过广义共轭余差法（GCR）求解扰动亥姆霍兹（Helmholtz）伴随方程。利用人造“探空”资料对2015年10月台风“彩虹”进行了理想数值试验。试验结果表明,所开发的扰动四维变分同化框架得到了预期的结果,即同化更多资料并反复受到模式约束的四维变分同化系统能有效改善初值质量,进而改善区域数值预报。建立的区域四维变分同化框架合理可行,为进一步发展包含完整物理过程的区域四维变分同化系统奠定了研究基础。 相似文献
2.
GRAPES全球三维变分同化中卫星微波温度计亮温的背景误差及在质量控制中的应用 总被引：2，自引：0，他引：2
模式变量背景误差在观测空间的投影,也即观测变量的背景误差包含了变分同化系统的重要信息,其在诊断和分析变分同化系统中资料的影响等方面具有重要作用,特别是在背景场检查质量控制中。在GRAPES全球三维变分同化(3DVar)系统中仅给定了控制变量的背景误差,并未直接给定观测变量的背景误差。为了能够对GRAPES全球3DVar进行全面的诊断和分析,改进卫星微波温度计资料的质量控制,推导出GRAPES全球3DVar同化系统控制变量随机扰动方法估计观测变量的背景误差的公式,为分析和改进GRAPES全球3DVar提供了一个有力工具,并进而估计了AMSU-A亮温的背景误差,分析了AMSU-A不同通道亮温的背景误差特征,将其应用于GRAPES全球3DVar的AMSU-A亮温的背景场检查质量控制中。结果表明,控制变量随机扰动方法估计的GRAPES全球3DVar同化系统AMSU-A亮温的背景误差正确合理。同化循环预报试验结果表明,亮温的背景误差在背景场检查中的应用显著提高了GRAPES全球3DVar同化的亮温资料的数量,显著提高了GRAPES南半球对流层中高层位势高度场的预报技巧。在GRAPES全球3DVar同化系统中推导和实现的控制变量扰动方法为诊断和分析GRAPES全球3DVar观测资料同化效果提供了有力工具。 相似文献
3.
4.
为考察GRAPES全球四维变分同化（4DVar）的分析增量在谱空间的时间演变特征,分析当同化时间窗起始时刻与终止时刻背景误差水平相关特征明显不一致时对分析与预报造成的影响,对GRAPES全球4DVar的背景误差水平相关采用二阶自回归模型（SOAR）、集合资料同化生成扰动样本估计的水平相关模型以及基于这两者的背景误差谱空间融合模型进行比较。结果表明,SOAR的分析增量在20波以上的天气尺度波动的分析信息明显不足,而将集合资料同化样本所计算的水平相关的功率谱方差与SOAR功率谱方差进行融合,水平相关特征呈现出多尺度水平相关的特点,可以更好地吸纳观测信息,显著改善北半球形势场、温度与风场预报效果,南半球也有改善,对赤道地区的影响中性。表明研究发展的融合水平相关方案合理、实用。 相似文献
5.
高分辨率同化系统中引入的高频率高密度观测信息会造成分析变量之间的不平衡,因而在模式积分中产生的虚假重力波会严重影响模式预报质量和运行稳定。为了抑制虚假重力波在模式中快速增长,文中通过在高分辨率GRAPES区域模式中应用非绝热数字滤波和增量数字滤波初始化方案,研究不同滤波截断周期的初始化方案对分析预报的影响。试验结果表明,不同初始化方案的分析预报效果依赖于截断周期,截断周期越长滤除的高频信息越多,对于3 km分辨率模式,30 min与15 min截断周期的初始化方案既滤除了高频噪音,也基本保留了有意义的分析信息。不同截断周期的数字滤波方案在GRAPES-MESO系统中对气象要素预报场的影响基本可忽略;而在GRAPES-RAFS系统中,初始化方案对分析和预报的影响会逐渐累积,15 min截断周期的初始化方案比2 h截断周期的初始化方案的风场预报和降水预报质量更优。 相似文献
6.
7.
温湿统计平衡约束关系对GRAPES全球湿度分析的作用 总被引：2，自引：2，他引：0
为改进GRAPES全球三维变分同化系统(GRAPES-3DVar)的湿度分析,借鉴Hólm等(2002)的思想,在背景误差协方差结构中引入湿度与温度的统计平衡约束关系。通过扣除湿度变化中与温度有关的平衡部分获取非平衡拟相对湿度,并引入非线性对称变换对其做标准化处理,将处理后的变量作为新的湿度控制变量。统计结果表明,温湿统计平衡约束主要出现在中高纬度对流层中层相对湿度大于80%的区域,与大尺度抬升凝结加热有关;新的湿度控制变量能满足无偏、高斯分布特征。单点理想观测试验结果表明,新的湿度分析具备了流依赖特征,并能有效地抑制负水汽与超饱和水汽的出现。同化循环与预报试验结果表明,新方案给出的湿度分析的偏差和均方根误差均有所减小。而针对降水预报的检验结果表明,引入新方案后的0.1-10 mm降水预报,在ETS评分没有显著降低的情况下,BIAS评分更靠近1,降水空报有所减缓。然而60-84 h的25 mm以上的降水漏报现象更为明显,表明湿度同化分析方案还有改进空间。通过引入温湿统计平衡约束关系,完善了GRAPES-3DVar分析框架,为全球湿度分析的持续改进奠定了坚实基础。 相似文献
8.
为了把反映天气形势变化的背景误差协方差引入到变分分析系统中来提高分析质量,本文在GRAPES区域三维变分框架的基础上通过扩展控制变量方法实现动态与静态背景误差协方差耦合,建立混合三维变分分析系统（GRAPES Hybrid-3DVar）。通过控制变量扰动产生的集合样本进行单点观测分析试验验证Hybrid-3DVar及其局地化方案的合理性,并针对台风苏迪罗进行实际观测资料同化和数值预报试验,结果表明:用集合样本描述的背景误差协方差是随着天气流型变化的,动力场和质量场的离散度在台风中心处最大,因而混合同化的分析增量包含更多细微结构和中小尺度信息;其分析和24 h内预报要素质量优于3DVar,24 h内降水强度和落区预报也更准确,混合同化分析改善了3DVar分析的降水空报问题;同时混合同化分析的24 h内台风路径预报也最接近实况,台风强度预报在48 h之内都比3DVar更接近观测。 相似文献
9.
雷达观测对应模式变量非线性特征及对四维变分同化的影响 总被引：2，自引：2，他引：2
四维变分同化（4DVar）中切线性模式和伴随模式的时间积分长度即为同化时间窗的长度。为理解线性模式时间积分长度对4DVar的具体影响,在雷达观测对应变量非线性分析的基础上,进行了一系列不同时间窗（10 min、20 min和30 min）4DVar单点观测试验和一次降雨的实际雷达同化和预报试验。从径向风同化来看:短时间窗（10 min）的风场增量更大、更局地;长时间窗(20 min、30 min)的风场增量则更具系统性特征,但会丢失一些小尺度信息,导致暴雨预报能力降低。从反射率同化来看:短时间窗对6 h内强降水预报有较明显的改善,较长时间窗甚至会降低降水预报效果。研究旨在为合理设置4DVar的同化时间窗提供参考,以有效利用高时空分辨率的雷达观测资料,又尽量减小线性化造成的误差,进而快速有效地同化雷达信息。 相似文献
10.
持续发展和优化切线性模式的线性化物理过程,保持与非线性模式一致是改善四维变分同化(4DVar)分析和预报效果的有效方法之一。目前业务系统的CMA-GFS模式采用基于Charney-Phillips(C-P)跳点的边界层参数化方案,而CMA-GFS 4DVar系统中采用基于Lorenz跳点的边界层线性化方案。为改善CMA-GFS 4DVar系统的边界层分析和预报效果,基于C-P跳点的边界层参数化方案研发了新边界层线性化方案,并通过对方案中地表热量通量和水汽通量扰动、自由大气的理查逊系数扰动、边界层的热量和动量交换系数扰动等进行更加精细地规约化约束,在确保CMA-GFS切线性和伴随模式稳定运行的情况下,减少线性化过程对切线性模式预报精度的影响。切线性近似试验检验表明:相较于原方案,新边界层线性化方案可以减少边界层位温和比湿的相对误差,最大可减少10%。批量4DVar循环同化试验表明:新边界层线性化方案可以有效改善切线性模式对低层位温、风场和比湿扰动的预报精度,减少4DVar内外循环目标泛函的相对差异,并提高700 hPa位势高度的可预报时效。 相似文献
11.
针对GRAPES(Global/Regional Assimilation and Prediction System)模式三维变分系统高层背景场温湿廓线外推方案的局限性,提出以气候垂直廓线重新构造高层温湿垂直结构,以减小外推方案的偏差。首先采用一维变分同化系统,展开模拟实验:分析目前模式中使用的外推方案误差及其对反演结果的影响,利用高层大气气候廓线构造垂直结构并分析同化偏差。最后,运用GRAPES全球分析预报系统进行同化实验并分析改进程度。结果显示:模拟研究表明采用高层背景场温湿廓线外推方案与实际观测相比最大偏差在1 h Pa附近可达数十度以上,不仅影响平流层,而且对对流层也有影响;用气候温度数据修正GRAPES高层温度数据,可以减少50%以上的偏差,证明了用气候值高层数据优化现行GRAPES模式中同化系统高层插值方案的可行性。全球GRAPES三维变分同化试验结果显示,改进方案不仅显著的改善平流层分析质量,对对流层中高层也有改进。 相似文献
12.
通过引入流依赖的集合预报误差,使得同化分析与天气形势紧密相关,是改善初值分析质量的重要途径。文中在GRAPES（Global Regional Assimilation and PrEdiction System）全球四维变分资料同化（4DVar）中研究了如何有效应用集合预报误差,包括增加扩展控制变量时如何降低其计算消耗以及如何在局地化过程中保持不同变量之间的动力平衡。利用高斯分布的谱滤波实现水平局地化,利用垂直正交经验函数分解实现垂直局地化,并采用前8个主导特征模态来限制控制变量空间维数增加。引入20至180个集合样本,在水平二维局地化情形下,控制变量总数的增长可以限制在1.1—1.8倍,而在三维局地化情形下,控制变量总数的增长限制在1.7—7.1倍。对60个集合样本和1°水平分辨率内循环,4DVar引入扩展控制变量后墙钟时间增加了约30%。进一步,通过采用在非平衡分析变量上进行水平局地化,然后再将风压地转平衡关系重新叠加到非平衡分析变量上,使得分析更好地保持了风压平衡关系,初始场地面气压倾向变化减小。此外,虽然垂直局地化对分析平衡影响较大,但依靠目标函数中的数字滤波弱约束,分析变量之间仍能较好满足动力平衡关系。结果表明,GRAPES全球4DVar中发展的增加扩展控制变量、谱滤波实现水平局地化、非平衡分析变量进行水平局地化等有效应用集合预报误差的方法,适合集合样本数超过100个的情况,在分析质量改善的同时,4DVar系统的计算和存储消耗没有显著增加。 相似文献
13.
运用WRF模式（Weather Research and Forecasting Model,天气研究和预报模式）和WRFDA同化（WRF Data Assimilation,WRF资料同化）系统,探究采用物理滤波初始化四维变分同化方法提高数值预报在临近预报时效的预报能力的可能性。通过采用12 min同化窗,在不显著增加计算量的情况下,得到更协调的模式初始场,从而提高模式预报能力。选取2018年8月华北地区17个降水个例进行研究,结果表明:采用物理滤波初始化四维变分同化技术能够明显改进模式短时临近降水预报能力,明显提高对大量级降水预报的ETS评分,6 h累积降水大于25.0 mm量级的ETS评分由0.125提高到0.190,且6 h累积降水大于60.0 mm量级的ETS评分由0.016提高到0.081。研究还表明:同化雷达风场通过改进初始动力场使次网格尺度降水过程（积云参数化）快速响应,可提高短时临近时段的降水预报能力。 相似文献
14.
A significant attempt to design a timesaving and efficient four-dimensional variational data assimilation (4DVar) has been made in this paper, and a new approach to data assimilation, which is noted as 'three-dimensional variational data assimilation of mapped observation (3DVM)' is proposed, based on the new concept of mapped observation and the new idea of backward 4DVar. Like the available 4DVar, 3DVM produces an optimal initial condition (IC) that is consistent with the prediction model due to the inclusion of model constraints and best fits the observations in the assimilation window through the model solution trajectory. Different from the 4DVar, the IC derived from 3DVM is located at the end of the assimilation window rather than at the beginning conventionally. This change greatly reduces the computing cost for the new approach, which is almost the same as that of the three-dimensional variational data assimilation (3DVar). Especially, such a change is able to improve assimilation accuracy because it does not need the tangential linear and adjoint approximations to calculate the gradient of cost function. Therefore, in numerical test, the new approach produces better IC than 4DVar does for 72-h simulation of TY9914 (Dan), by assimilating the three-dimensional fields of temperature and wind retrieved from the Advanced Microwave Sounding Unit-A (AMSU-A) observations. Meanwhile, it takes only 1/7 of the computing cost that the 4DVar requires for the same initialization with the same retrieved data. 相似文献
15.
Conjugate Gradient Algorithm in the Four-Dimensional Variational Data Assimilation System in GRAPES 总被引：2，自引：2，他引：0
Minimization algorithms are singular components in four-dimensional variational data assimilation (4DVar). In this paper, the convergence and application of the conjugate gradient algorithm (CGA), which is based on the Lanczos iterative algorithm and the Hessian matrix derived from tangent linear and adjoint models using a non-hydrostatic framework, are investigated in the 4DVar minimization. First, the influence of the Gram-Schmidt orthogonalization of the Lanczos vector on the convergence of the Lanczos algorithm is studied. The results show that the Lanczos algorithm without orthogonalization fails to converge after the ninth iteration in the 4DVar minimization, while the orthogonalized Lanczos algorithm converges stably. Second, the convergence and computational efficiency of the CGA and quasi-Newton method in batch cycling assimilation experiments are compared on the 4DVar platform of the Global/Regional Assimilation and Prediction System (GRAPES). The CGA is 40% more computationally efficient than the quasi-Newton method, although the equivalent analysis results can be obtained by using either the CGA or the quasi-Newton method. Thus, the CGA based on Lanczos iterations is better for solving the optimization problems in the GRAPES 4DVar system. 相似文献
16.
The variational assimilation theory is generally based on unbiased observations. In practice, however, almost all observations
suffer from biases arising from observational instruments, radiative transfer operator, precondition of data, and so on. Therefore,
a bias correction scheme is indispensable. The current scheme for radiance bias correction in the GRAPES 3DVar system is an
offline scheme. It is actually a static correction for the radiance bias before the process of cost function minimization.
In consideration of its effects on forecast results, this kind of scheme has some shortcomings. Thus, this study provides
a variational bias correction (VarBC) scheme for the GRAPES 3DVar system following Dee’s idea. In the VarBC scheme, the observation
operator is modified and a new control variable is defined by taking the predictor coefficients as the control parameters.
According to the feature of the GRAPES-3DVAR, an incremental formulation is applied and the original bias correction scheme
is maintained in the actual process of observations. The VarBC is designed to co-exist with the original scheme, because it
is a dynamic revision to the observational operator on the basis of the old method, i.e., it adjusts the model state vector
along with the control parameters to an unbiased state in the process of minimization and the assimilation system remains
consistent with available information automatically. Preliminary experimental results show that the mean departures of background-minus-observation
and analysis-minus-observation are reduced as expected. In a case study of the heavy rainfall that happened in South China
on 11–13 June 2008, the 500-hPa geopotential height is better simulated using the analyzed field from the VarBC as the initial
condition. 相似文献
17.
研究的第一部分讨论了如何有效应用集合预报误差的科学方案,确定了集合预报误差在GRAPES（Global Regional Assimilation and PrEdiction System）全球4DVar（four dimensional variational data assimilation）中应用的分析框架。在此基础上研究了针对集合预报误差实际应用于GRAPES全球4DVar,解决接近或超过100个集合样本数时高效生成的计算效率问题,以及与GRAPES全球4DVar匹配的同化关键参数确定问题。选择基于4DVar的集合资料同化方法生成集合样本,通过将第1个样本极小化迭代过程中产生的预调节信息用于其他样本极小化做预调节,将计算效率提高了2倍。通过时间错位扰动方法增加集合样本数,实现集合样本增加到3倍。对集合方差进行膨胀,并选择水平局地化相关尺度为流函数背景误差水平相关的1.4倍。通过批量数值试验方法确定背景误差与集合预报误差的权重系数,对60个集合样本当集合预报误差权重为0.7时预报效果最好。对北半球夏、冬两季各52 d的批量试验表明,对于南、北半球En4DVar （ensemble 4DVar）较4DVar的改进在冬季主要集中在700—30 hPa,而在夏季主要集中在400—150 hPa。赤道地区受季节影响较小,En4DVar对位势高度、风场与温度的改进都较为明显,且经向风场的改进最为显著。文中研发的集合预报误差在GRAPES全球4DVar中应用的方法合理可行。 相似文献