共查询到20条相似文献，搜索用时 109 毫秒
1.
GRAPES集合卡尔曼滤波资料同化系统Ⅱ：区域分析及集合预报 总被引：2，自引：0，他引：2
GRAPES集合卡尔曼滤波资料同化方法能够分批同化常规观测资料,GRAPES集合卡尔曼滤波同化系统的设计及其与GRAPES三维变分同化系统的对比试验结果表明,GRAPES集合卡尔曼滤波系统能够得到合理的分析,并且具有实际运行能力。在此基础上,进行集合卡尔曼滤波区域同化分析及集合预报试验,对比区域模式面三维变分同化分析预报结果,研究表明,集合卡尔曼滤波分析比三维变分分析具有一定优势,降水预报更接近实况。考察了预报误差特征随天气形势的变化情况,表明预报误差相关场和均方差的分布随着天气形式不同而变化。 相似文献
2.
GRAPES非静力数值预报模式的三维变分资料同化系统的发展 总被引：21，自引：3，他引：18
为了减少分析变量与模式状态变量之间的插值误差,改善业务预报模式的初值质量,在GRAPES等压面三维变分资料同化系统的基础上,研究发展了针对GRAPES区域模式的非静力模式变量三维变分资料同化系统(GRAPES m3DVAR).该资料同化系统的垂直坐标及其分析变量的水平分布格式、垂直跳点方案与GRAPES预报模式保持完全一致.由于垂直坐标的变化和非静力关系,m3DVAR分析系统中设计了求解动力学约束方程的新方案.通过有效的高精度数学方案,避免了地形追随坐标下平衡方程的非线性项造成的复杂计算,有效解决了非静力平衡条件下求解平衡方程中非线性项的切线性方程和伴随方程引起的困难.重新构造各种观测算子,并考虑了质量场和风场之间的平衡约束关系、背景误差协方差结构,实现对探空、地面资料、船舶报等常规观测的同化.理想单点试验和实际资料的多变量资料同化分析结果表明,非静力模式变量三维变分资料同化系统能够正确地描写多变量之间的相互作用以及物理约束关系,分析结果合理,能够有效减少原等压面三维变分资料同化系统的分析与模式变量之间需要相互插值、变换产生的误差,在一定程度上提高了分析场质量,对预报模式的初值具有一定改善. 相似文献
3.
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
4.
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
5.
中国气象局数值预报中心新近升级的GRAPES全球三维变分同化系统的大气基本状态变量在物理属性与定义的网格和坐标上与预报模式保持一致,是一个完全针对GRAPES预报模式的同化系统。该系统不仅有利于减小分析误差,也是构建GRAPES四维变分同化系统的基本环节之一。该文通过与观测资料的对比、与国际其他业务中心分析场的对比,以及中期数值预报的检验,对新的GRAPES全球三维变分同化系统性能进行较全面讨论,并通过对这一系统的检验,探索资料同化系统性能的检验方法,尤其是观测资料同化效果的定量评价方法。诊断结果表明:在宏观特征上,GRAPES变分同化系统的分析场与欧洲中期数值预报中心和美国国家环境预测中心的分析场十分相似, 但细节上仍有差别。这些差别主要源自GRAPES同化系统中探空、地面报、掩星以及飞机报观测的贡献偏大,而卫星垂直探测仪观测资料的作用尚未充分发挥。从探测单要素来讲,风及湿度观测的作用发挥不够。此外,青藏高原周围地区、模式高层及赤道地区分析场偏差较大,它们与模式地形及高层的处理等有关系,这些问题有待进一步改进。 相似文献
6.
集合预报初始扰动能否准确反映预报误差的结构特征是决定区域集合预报质量的关键因素之一。本文针对GRAPES区域数值预报模式,发展设计了一种基于资料同化思想的混合尺度初始扰动构造新方案。该方案以全球大尺度信息为背景场,区域模式预报作为观测资料,借助GRAPES三维变分同化系统,将高质量的全球大尺度信息与区域模式预报中质量较高的中小尺度信息有效融合,构造混合尺度区域集合预报初始扰动,并通过个例试验和批量试验,比较分析了新方案和原区域集合预报的性能。试验结果表明,基于资料同化构造的初始扰动能够有效融合全球大尺度信息和中小尺度天气系统的信息,其降水概率预报更具参考价值。总体上看,区域集合预报混合初始扰动新方案能够较好地改进区域集合预报质量,尤其是对高度场和温度场效果更为显著,但对风场的集合预报性能影响略小。 相似文献
7.
一种新的COSMIC大气折射率资料观测误差估计方法及在GRAPES全球三维变分同化中的应用 总被引：1，自引：0，他引：1
观测误差协方差是变分同化系统中决定分析及预报效果的关键参数之一,观测误差的估计精度直接影响变分同化分析和预报效果。分析了新息增量法(H-L法)估计全球定位系统无线电掩星这类观测点不固定资料的观测误差的适用条件,并利用1年的气象、电离层及气候星座观测系统(COSMIC)折射率资料,针对局地观测算子,估计了COSMIC折射率在南、北半球高、中、低6个纬度带四季的观测误差,分析了COSMIC折射率观测误差的纬度、高度和季节变化的特点,并将估计的折射率观测误差应用于GRAPES(Global/Regional Assimilation and Prediction Enhanced System)三维变分同化系统。结果表明,折射率观测误差随高度和纬度有明显变化;在中、高纬度带,折射率观测误差有显著的季节变化:夏季折射率的观测误差约为冬季2倍,春、秋两季折射率误差具有较好的南北对称性,冬、夏两季折射率观测误差南、北半球差异较大。与GRAPES原来使用的全球平均单一的折射率观测误差相比,在GRAPES全球三维变分同化系统中使用本研究估计的较高精度的随纬度变化的COSMIC折射率观测误差能够提高GRAPES全球变分同化系统的预报水平。 相似文献
8.
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
9.
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
10.
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
11.
E. G. Klimova 《Russian Meteorology and Hydrology》2008,33(3):143-150
A practical implementation of the data assimilation algorithm based on the Kalman filter in its complete formulation is impossible due to high dimension of the associated equation sets and to nonlinearity of the predicted processes. The main direction in the implementation of the Kalman filter is an ensemble approach. Under the assumption of ergodicity of random forecast errors, an alternative algorithm with respect to the ensemble Kalman filter can be considered, in which probability averaging is replaced by time averaging. The proposes algorithm is based this assumption. The algorithm is easy to implement; however, its convergence, applicability to the data assimilation problems, and connection to the Kalman filter have not been studied. In the paper, applicability of the π-algorithm to data assimilation is considered on an example of a simple one-dimensional advection equation. Use of this simple equation allows comparing the classical Kalman filter algorithm with various practical approaches to its implementation. 相似文献
12.
E. G. Klimova 《Russian Meteorology and Hydrology》2008,33(9):570-576
A practical realization of the data assimilation algorithm based on the Kalman filter in its non-simplified form is impossible for modern forecast models because of the high dimension of the associated sets of equations and nonlinearity of predicted processes. The main direction in the Kalman filter realization is an ensemble approach. Under the assumption of ergodicity of random forecast errors, a so-called π-algorithm can be considered, which is alternative to the ensemble Kalman filter and where probabilistic averaging is replaced by averaging over time. In the present paper, we suggest a generalization of the π-algorithm based on the ensemble approach. The algorithm is easy to implement; however, its applicability to the data assimilation problems, convergence, and relation to the Kalman filter are still to be studied. The applicability of the ensemble π-algorithm to the data assimilation problem is considered by an example of a simple one-dimensional advection equation. The use of such a simple equation allows us to compare the classical Kalman filter algorithm with various practical approaches to its realization. 相似文献
13.
基于集合卡尔曼滤波的土壤水分同化试验 总被引：20，自引：2，他引：20
集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。 相似文献
14.
This study explores the use of the hierarchical ensemble filter to determine the localized influence of ob-servations in the Weather Research and Forecasting ensemble square root filtering (WRF-EnSRF) assimilation system. With error correlations between observations and background field state variables considered, the adaptive localization approach is applied to conduct a series of ideal storm-scale data assimilation experiments using simulated Doppler radar data. Comparisons between adaptive and empirical localization methods are made, and the feasibility of adaptive locali-zation for storm-scale ensemble Kalman filter assimilation is demonstrated. Unlike empirical localization, which relies on prior knowledge of distance between observations and background field, the hierarchical ensemble filter provides con-tinuously updating localization influence weights adaptively. The adaptive scheme improves assimilation quality during rapid storm development and enhances assimilation of reflectivity observations. The characteristics of both the observation type and the storm development stage should be considered when identifying the most appropriate localization method. Ultimately, combining empirical and adaptive methods can optimize assimilation quality. 相似文献
15.
Ensemble-based Kalman filters in strongly nonlinear dynamics 总被引：1，自引：1，他引：0
This study examines the effectiveness of ensemble Kalman filters in data assimilation
with the strongly nonlinear dynamics of the Lorenz-63 model, and in particular their use in
predicting the regime transition that occurs when the model jumps from one basin of attraction
to the other. Four configurations of the ensemble-based Kalman filtering data assimilation techniques,
including the ensemble Kalman filter, ensemble adjustment Kalman filter, ensemble square root filter
and ensemble transform Kalman filter, are evaluated with their ability in predicting the regime
transition (also called phase transition) and also are compared in terms of their sensitivity to
both observational and sampling errors. The sensitivity of each ensemble-based filter to the size
of the ensemble is also examined. 相似文献
16.
风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验I.不考虑模式误差的情形 总被引：11，自引：8，他引：3
本文在假定模式无偏差的情况下, 利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验, 检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果, 并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明, 集合卡尔曼滤波能有效地应用于风暴尺度的资料同化; 40个集合成员以及6 km的局地化尺度能较好地滤除采样误差造成的虚假相关, 同时可以将观测信息传递到无观测的模式格点; 利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果; 背景场扰动方法能够提高样本的离散度; 只同化反射率的同化试验表明, 反射率的同化效果较明显, 也证明了集合卡尔曼滤波在非常规资料同化中的作用; 增加径向风资料同化的效果优于只进行反射率同化的结果。 相似文献
17.
This study examines the performance of coupling the deterministic four-dimensional
variational assimilation system (4DVAR) with an ensemble Kalman filter (EnKF) to produce a
superior hybrid approach for data assimilation. The coupled assimilation scheme (E4DVAR)
benefits from using the state-dependent uncertainty provided by EnKF while taking advantage
of 4DVAR in preventing filter divergence: the 4DVAR analysis produces posterior maximum
likelihood solutions through minimization of a cost function about which the ensemble
perturbations are transformed, and the resulting ensemble analysis can be propagated forward
both for the next assimilation cycle and as a basis for ensemble forecasting. The feasibility
and effectiveness of this coupled approach are demonstrated in an idealized model with
simulated observations. It is found that the E4DVAR is capable of outperforming both 4DVAR
and the EnKF under both perfect- and imperfect-model scenarios. The performance of the
coupled scheme is also less sensitive to either the ensemble size or the assimilation window
length than those for standard EnKF or 4DVAR implementations. 相似文献
18.
A simple idealized atmosphere–ocean climate model and an ensemble Kalman filter are used to explore different coupled ensemble data assimilation strategies. The model is a low-dimensional analogue of the North Atlantic climate system, involving interactions between large-scale atmospheric circulation and ocean states driven by the variability of the Atlantic meridional overturning circulation (MOC). Initialization of the MOC is assessed in a range of experiments, from the simplest configuration consisting of forcing the ocean with a known atmosphere to performing fully coupled ensemble data assimilation. “Daily” assimilation (that is, at the temporal frequency of the atmospheric observations) is contrasted with less frequent assimilation of time-averaged observations. Performance is also evaluated under scenarios in which ocean observations are limited to the upper ocean or are non-existent. Results show that forcing the idealized ocean model with atmospheric analyses is inefficient at recovering the slowly evolving MOC. On the other hand, daily assimilation rapidly leads to accurate MOC analyses, provided a comprehensive set of oceanic observations is available for assimilation. In the absence of sufficient observations in the ocean, the assimilation of time-averaged atmospheric observations proves to be more effective for MOC initialization, including the case where only atmospheric observations are available. 相似文献
19.
高分辨率中尺度模式集合卡尔曼滤波实际应用的困难是集合预报会耗费大量的时间。而双分辨率集合卡尔曼滤波是由一组低分辨率样本提供同化所需的背景误差协方差矩阵,这种方法可以减少集合预报的时间。为了检验其有效性,文中利用模拟资料,与标准高分辨率集合卡尔曼滤波方法比较。结果表明：在第一个同化时次,两者对500 hPa水平风场和扰动位温场的分析增量场均与真实增量场的高低值中心位置一致,且结构与真实增量场接近,前者（高分辨率集合卡尔曼滤波）的增量值比后者（双分辨率集合卡尔曼滤波）的增量值更接近真实情况;在连续的预报-同化循环试验中,随着同化次数的增加,两种方法分析变量的均方根误差总体上都是下降的,均表现了很好的同化能力,但后者与前者相比仍存在一定的差距;在相同的运行环境下,后者的运行时间仅是前者的1/6。 相似文献
20.
E. G. Klimova 《Russian Meteorology and Hydrology》2011,36(8):511-519
Observations are one of the main elements influencing the result of the data assimilation procedure in the models. The additional
sources of observations such as the aircraft data have appeared recently. In view of this, the problem arose of receiving
the additional observations to specify the result of the data assimilation procedure. The approaches are considered to the
estimation of the areas of additional observations for the increase in the accuracy of analysis and forecast in the data assimilation
procedure. A technique of observational network planning using the ensemble Kalman filter is proposed. The results are given
of numerical experiments on the estimation of the algorithm properties using the model based on the barotropic quasi-geostrophic
vortex equation. 相似文献