共查询到17条相似文献，搜索用时 203 毫秒
1.
2.
《气象科学进展》2016,(5)
背景误差协方差矩阵的精确定义是构建高水平资料同化系统的先决条件。传统四维变分资料同化(4D-Var)方法将观测资料处理转化成以动力模式为约束的泛函极小化问题,通过调整控制变量,使指定时间窗口内由控制变量得到的模式预报结果与实际观测资料之间的偏差达到最小。该方法在同化窗口内可以利用模式的切线性和伴随隐式地改变背景误差协方差,能够在某种程度上满足快速发展的天气过程。但是大部分业务中心的四维变分资料同化系统仍采用静态化的背景误差协方差矩阵模型来缓解背景误差协方差矩阵的维度问题,即矩阵维数远大于可用信息量。随着计算机科学的迅猛发展,维度问题可以进一步通过集合的方法缓解。集合四维变分资料同化就是基于这一目标通过构造多个能反映出背景误差协方差分布特征的样本集合来弥补可用信息量的不足。该方法目前已在ECMWF、Mete-France等业务中心实现业务化,为确定性四维变分资料同化系统提供流依赖背景误差协方差估计。简要介绍了集合四维变分资料同化方法的基本原理;其次以ECMWF为例,概述了四维变分资料同化系统的业务现状,重点阐述了系统在开发过程中需要解决的扰动、滤波、校正等一些关键技术;最后探讨集合四维变分资料同化系统目前存在的问题和未来可能的研究方向。 相似文献
3.
数值天气预报中混合资料同化是结合集合预报与变分同化方法各自优势研究发展的一种新型资料同化方案。它在变分资料同化框架的基础上,利用集合预报扰动场信息的优点,构造具有流依赖属性的背景误差协方差结构,克服变分同化中固定、均匀及各向同性的背景误差协方差的缺陷,改善对不同天气系统预报误差协方差的表达能力,从而改善分析和预报的质量。近年来,基于集合与变分方法的混合资料同化快速成为数值预报资料同化发展的新趋势,具有良好的业务应用潜力。对集合与变分混合资料同化的研究进展进行综述,在简要介绍数值天气预报中资料同化发展趋势的基础上,分析混合资料同化方案的理论框架和优势,总结混合资料同化的发展和研究成果,并讨论我国研究和发展混合资料同化的基础和前景及面临的问题,指出混合资料同化发展中亟需研究的关键科学问题。 相似文献
4.
混合变分/集合同化是基于变分+集合思路新兴发展起来的一种资料同化方法。利用WRF和WRFDA最新版本3.5构建混合集合同化的流程,通过单点试验直观体现出混合集合同化方案"流依赖"背景误差协方差的影响。对台风"海鸥"路径和强度的模拟和分析表明,混合集合同化方案在台风路径和强度的预报上要强于三维变分同化方案。对比两种方案同化后的分析场表明,混合集合同化方案分析出的台风中心强度优于三维变分同化方案分析结果,其原因一方面是混合集合同化方案初始场是采用集合平均的结果,另一方面是混合集合同化方案采用"流依赖"背景误差协方差的影响,这两个因素对台风的预报准确性有一定作用。 相似文献
5.
集合变分混合同化背景误差协方差流依赖性分析 总被引：4，自引：2，他引：2
通过单点观测试验的方法,对集合变分混合同化背景误差协方差的流依赖特征、流依赖性影响因子、产生原因,以及集合预报方法对流依赖性的影响进行了研究。结果表明:由于引入了集合信息,集合变分混合同化的分析增量与天气系统的分布有关,具有非均匀、各向异性的特征;这种流依赖特征对混合系数敏感,当集合协方差所占权重很小时,分析增量仍呈现出均匀、各向同性特征;混合同化背景误差协方差的流依赖特征不仅与集合样本有关,还与构造集合协方差的ETKF方法有关,只引入与环流形势密切相关的集合样本并不能使分析增量表现出显著的流依赖性,集合样本和ETKF方法共同作用才能将流依赖信息引入到混合协方差中,使分析增量出现流依赖特征;不同集合预报方法对混合协方差的流依赖特征有显著影响,考虑初值和物理过程的超级集合,以及在超级集合样本上再进行ETKF更新扰动后样本构造的混合协方差流依赖特征更加显著。 相似文献
6.
为有效引入“流依赖”的背景场误差协方差,同时降低集合预报带来的计算量,尝试通过优选与同化时刻天气形势更相似的历史预报样本,并结合预报过程中的时间滞后样本,将两种样本引入集合-变分混合同化系统中,构建基于优选历史预报样本和时间滞后样本的集合-变分混合同化方案。单点观测理想试验表明,优选历史预报样本结合时间滞后样本,既能够缓解样本不足所导致的采样误差,又能够为同化系统提供“流依赖”的背景场误差协方差。连续一周的循环同化及预报试验结果显示,相较于ERA5资料和探空资料,三维变分方案整体表现稍差,样本组合混合同化方案分析场和预报场的均方根误差最小,且比仅用时间滞后样本的混合同化方案有所改进;降水评分整体也表现最优,尤其对中雨和暴雨的模拟改进较明显,较好地模拟出了强降水中心的强度和位置,且改善了降水过报的问题。 相似文献
7.
基于集合卡尔曼变换与三维变分(ETKF-3DVAR)混合资料同化系统和欧洲中期天气预报中心(ECWMF)的全球集合预报,以"梅花"台风为例,分析了台风系统预报误差的流依赖特征,讨论了耦合系数在混合同化和预报中的敏感性及其对预报质量的影响。结果显示,台风系统的预报误差协方差具有显著的中小尺度结构特征,集合估计的预报误差协方差结构能够再现其流依赖属性。相对于3DVAR方案,混合资料同化方案的最优耦合系数对台风系统的分析和预报质量具有更好的改善;但不同的耦合系数对台风路径预报有明显的影响,不合适的耦合系数甚至可能导致更坏的结果,只有耦合了相对合适的预报误差协方差的流依赖信息,混合资料同化方案才可能对分析和预报质量有正效果。这表明在混合资料同化系统中,构造一种具有自适应能力的耦合权重函数,实现相对最优权重的自动选择,对充分发挥混合资料同化方案的潜在优势具有重要意义。 相似文献
8.
为了在资料同化中更好地应用多尺度同化技术,针对当前GRAPES多尺度3D-Var同化系统中背景误差协方差设置的缺陷,探讨如何引入随时间演变的多尺度信息的方法。首先,基于GRAPES模式集合预报系统,利用集合预报结果构造了新型的背景误差协方差,该新型协方差的标准差与相关关系能随着时间演变而发生变化,即具有时间依赖特征。然后,为了考虑背景误差协方差的多尺度特征,针对不同尺度背景场将该新型协方差进行不同程度的缩放,即假设不同尺度的背景误差单变量标准差与相关尺度以及多变量相关系数与原估计值之间存在一定的比例关系。通过选择不同的缩放系数,其对应的分析增量将产生不同量值与尺度的变化,即可对相应的分析场进行多尺度调整。 相似文献
9.
针对青藏高原地区气象观测站点稀少和模式同化分析质量较低的问题,将GRAPES区域集合变分(En-3DVAR)混合同化系统应用于青藏高原地区,进行了单点理想试验和真实观测资料同化分析预报试验,分析评估青藏高原混合同化分析增量及预报误差的水平垂直结构特征及其合理性,并与中国东部平原地区进行比对。单点理想试验表明,En-3DVAR混合同化系统中背景误差协方差具备流依赖属性。真实资料混合同化试验结果表明,基于集合预报估计的分析增量具有流依赖的特征,特别是在高原地区和槽脊系统附近;青藏高原地区分析场的绝对误差总体低于3DVAR系统,其平均绝对误差在中层和高层低于平原地区,说明在青藏高原地区的改进效果略优于平原地区。需要关注的是,青藏高原地区En-3DVAR混合同化分析增量总体大于3DVAR,特别是近地面层u风分量分析增量明显偏大,这可能与青藏高原复杂地形有关。 相似文献
10.
降维投影四维变分同化(DRP-4DVar)方法的背景误差协方差是由基于历史预报的扰动样本统计得到的,为了改进降维投影四维变分同化系统中背景误差协方差的流依赖特性,提出了对初始扰动样本进行预分析的新思路,即在对背景场分析之前,利用降维投影四维变分同化系统本身对每个样本进行预先分析,使得统计出的背景误差协方差随实际的天气形势而变化,从而实现其在真正意义上的流依赖,且在循环同化时能够避免滤波发散现象的出现。试验结果表明,对样本进行预先分析能够通过改善同化系统中背景误差协方差的空间结构和流依赖特性,来进一步改进降维投影四维变分同化方法的性能,为数值模式提供更精确的初始场,从而提高了基本模式变量的预报精度,并改善了对强降水的模拟能力。相比较而言,对所有初始扰动样本都进行了预分析的同化试验能够得到最优的分析和预报。 相似文献
11.
Sensitivity of the DRP-4DVar Performance to Perturbation Samples Obtained by Two Different Methods 总被引：1，自引：0，他引：1
The dimension-reduced projection four-dimensional variational data assimilation (DRP-4DVar) approach utilizes the ensemble of historical forecasts to estimate the background error covariance (BEC) and directly obtains the analysis in the ensemble space.As a result,the quality of ensemble members significantly affects the DRP-4DVar performance.The historical-forecast-based initial perturbation samples are flow-dependent and can describe the error-growth pattern of the atmospheric model and the balanced relat... 相似文献
12.
Assimilating AMSU-a radiance data with the WRF hybrid En3DVAR system for track predictions of Typhoon Megi (2010) 总被引：1，自引：0，他引：1
The impact of assimilating radiances from the Advanced Microwave Sounding Unit-A (AMSU-A) on the track prediction of Typhoon Megi (2010) was studied using the Weather Research and Forecasting (WRF) model and a hybrid ensemble three-dimensional variational (En3DVAR) data assimilation (DA) system. The influences of tuning the length scale and variance scale factors related to the static background error covariance (BEC) on the track forecast of the typhoon were studied. The results show that, in typhoon radiance data assimilation, a moderate length scale factor improves the prediction of the typhoon track. The assimilation of AMSU-A radiances using 3DVAR had a slight positive impact on track forecasts, even when the static BEC was carefully tuned to optimize its performance. When the hybrid DA was employed, the track forecast was significantly improved, especially for the sharp northward turn after crossing the Philippines, with the flow-dependent ensemble covariance. The flow-dependent BEC can be estimated by the hybrid DA and was capable of adjusting the position of the typhoon systematically. The impacts of the typhoon-specific BEC derived from ensemble forecasts were revealed by comparing the analysis increments and forecasts generated by the hybrid DA and 3DVAR. Additionally, for 24 h forecasts, the hybrid DA experiment with use of the full flow-dependent background error substantially outperformed 3DVAR in terms of the horizontal winds and temperature in the lower and mid-troposphere and for moisture at all levels. 相似文献
13.
GRAPES集合卡尔曼滤波资料同化系统Ⅰ:系统设计及初步试验 总被引：5，自引：0，他引：5
集合卡尔曼滤波资料同化方法,可以用集合样本统计出随天气形势变化的误差协方差,是当前资料同化领域的研究热点。主要介绍了GRAPES集合卡尔曼滤波资料同化系统的设计以及初步的试验结果。针对集合卡尔曼滤波同化实际观测资料难以实施的问题,采用成批观测同化的顺序同化方法进行多变量的集合卡尔曼滤波同化;为了滤除有限集合数造成的误差相关噪音和缓解求逆矩阵不满秩的问题,在水平和垂直方向都采用了Schur滤波;建立了与GRAPES预报模式的垂直坐标和预报变量一致的模式面集合卡尔曼滤波系统;集合样本的生成考虑了模式变量的空间相关和模式变量之间的相关,通过利用三维变分分析中的控制变量变换得到模式变量扰动场。通过比较GRAPES集合卡尔曼滤波资料同化系统和GRAPES区域三维变分资料同化系统的单点观测资料同化分析结果,对比背景误差相关系数的分布,验证了GRAPES集合卡尔曼滤波系统的正确性。此外,同化区域探空观测资料试验结果表明,GRAPES集合卡尔曼滤波资料同化系统能够得到合理的分析,并且具有实际运行能力。对分析结果进行12h预报表明,GRAPES集合卡尔曼滤波资料同化系统的分析协调性不如三维变分资料同化系统。 相似文献
14.
在集合卡尔曼滤波方法中， 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时， 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量， 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明， 当预报集合成员数较多而模式又无误差时， 不必采用混合的预报误差协方差矩阵， 否则， 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切， 模式误差越大， 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。 相似文献
15.
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
16.
利用WRF(Weather research and forecasting)模式及模式模拟的资料,采用Hybrid ETKF-3DVAR(ensemble transform Kalman filter-three-dimensional variational data assimilation)方法同化模拟雷达观测资料。该混合同化方法将集合转换卡尔曼滤波(ensemble transform Kalman filter)得到的集合样本扰动通过转换矩阵直接作用到背景场上,利用顺序滤波的思想得到分析扰动场;然后通过增加额外控制变量的方式把"流依赖"的集合协方差信息引入到变分目标函数中去,在3DVAR框架基础下与观测数据进行融合,从而给出分析场的最优估计。试验结果表明,Hybrid ETKF-3DVAR同化方法相比传统3DVAR可以提供更为准确的分析场,Hybrid方法雷达资料初始化模拟的台风涡旋结构与位置比3DVAR更加接近"真实场",对台风路径预报也有明显改进。通过对比Hybrid S试验与Hybrid F试验发现,Hybrid的正效果主要来源于混合背景误差协方差中的"流依赖"信息,集合平均场代替确定性背景场带来的效果并不显著。 相似文献
17.
Two sets of assimilation experiments on a landfalling typhoon—Typhoon Dan(1999)over the western North Pacific were designed to compare the performances of two kinds of variational data assimilation schemes that are the 3-Dimensional Variational data assimilation of Mapped observation(3DVM)and the 4-dimensional variational data assimilation(4DVar).Results show that:(1)both the 3DVM and 4DVar successfully improved the simulations of typhoon intensity and track incorporating the satellite AMSU-A retrieved temperature and wind data into the initial conditions,and the 3DVM more significantly due to the flow-dependent of background error covariance matrix and observation error covariance matrix like 3-dimensional variational data assimilation(3DVar)circle;(2)inclusions of extra model integration iterations at each observation time in the 3DVM make it more consistent with prediction model;(3)the 3DVM is much more time-saving due to the exclusion of the adjoint technique in it. 相似文献