共查询到19条相似文献，搜索用时 140 毫秒
1.
WRF-EnKF系统对中国南方一次暴雨过程确定性预报的试验 总被引：1，自引：0，他引：1
文章利用美国宾州州立大学的WRF EnKF(Ensemble Kalman Filter)实时预报系统(Real time Penn State WRF EnKF System),针对2013年5月15—16日发生在中国南方的暴雨过程进行了数值预报试验,以初步检验该系统对我国南方降水确定性预报的效果。数值试验采用2013年5月14日08时（北京时）起报的6 h间隔的1°×1° NCEP GFS (globle forecast system) 60 h预报数据（预报到5月16日20时）作为初始条件和边界条件。其中,控制试验不同化任何观测资料,同化试验通过集合卡尔曼滤波方法同化常规探空资料,分别进行确定性预报。结果表明：利用WRF EnKF系统同化常规探空资料,显著改善了数值预报的初始场,减小了各物理量的预报偏差和预报均方根误差,进而提高了此次暴雨过程的降水落区和强度的预报准确率。 相似文献
2.
集合卡尔曼滤波同化多普勒雷达资料的数值试验 总被引：25，自引：10，他引：25
利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能.结果显示,经过几个同化周期后,EnKF分析结果非常接近真值.单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确.同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果.协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好.雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果.EnKF同化技术对雷达观测资料误差不太敏感.初始集合对同化分析有较大影响.EnKF同化受集合大小和观测资料影响半径.同化对模式误差较敏感.利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构.结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的.中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区. 相似文献
3.
4.
探空加密观测资料对西南地区数值预报的影响分析 总被引：1，自引：0，他引：1
应用2013年6月逐日全国探空气象加密观测资料和常规观测资料,WRF模式模拟资料,西南地区地面自动站资料等,采用数值模拟、统计方法和天气学方法,分析了探空气象加密观测资料对数值模拟效果的影响。研究得到:(1)探空资料同化,总体上提高了降水的TS评分值,一定程度降低了降水预报空报率,提高了中雨和大雨的6h累积降水预报准确率。(2)探空资料同化主要使降水区上空位势高度增加,气旋环流减弱,从而影响降水落区和降水强度。(3)探空资料同化减小气象要素分析场和预报场的均方根误差,对高空要素预报的改进在前24h较明显,尤其是前6h,对地面气象要素预报在整个积分时段内总体呈现正效果作用。 相似文献
5.
6.
非线性滤波在含“开关”过程的资料同化中的应用研究 总被引：2，自引：0，他引：2
利用一个描述实际数值天气预报模式中比湿在单格线上随时间发展的偏微分方程作为控制方程,研究分析了非线性滤波方法在含开关过程的资料同化中的有效性和可行性。首先在贝叶斯理论框架下,讨论了一般情形的非线性滤波方法,然后对基于粒子滤波(PF)和基于集合卡尔曼滤波(EnKF)的两种同化方法进行对比,由于EnKF是通过对集合成员的统计分析得到的误差分布的一阶矩和二阶矩来近似真实误差分布的,所以当用高斯分布近似真实误差分布所产生的误差较大时,基于EnKF的同化方法得到的结果也会有较大的误差。最后分别从观测算子为线性和非线性、观测误差为高斯型和非高斯型4种情形进行数值试验,结果显示当观测误差为高斯型时,无论观测算子为线性还是非线性,基于PF和基于EnKF的同化方法都能克服由开关过程给资料同化带来的困难,给出满意的同化结果;而当观测误差为非高斯型时,EnKF出现滤波不稳定,产生了非理想的同化结果,但PF方法仍然能够有效地发挥作用,给出满意的同化结果。 相似文献
7.
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
8.
集合卡尔曼滤波 (the Ensemble Kalman Filter,简称EnKF) 中将预报集合的统计协方差作为预报误差协方差,但该估计可能严重偏离真实的预报误差协方差,影响同化精度。基于极大似然估计理论,发展了一种优化预报误差协方差矩阵的实时膨胀方法,即MLE (the Maximum Likelihood Estimation) 方法。利用蒙古国基准站Delgertsgot (简称DGS站) 观测资料,基于EnKF方法和MLE方法,在通用陆面模式 (the Common Land Model,简称CoLM) 中同化了地表温度和10 cm土壤温度观测资料,建立了土壤温度同化系统。结果表明:MLE方法对地表温度和各层土壤温度 (尤其深层土壤温度) 的估计比EnKF方法准确。考虑到浅层和深层土壤温度的差别,在实施MLE方法时对浅层和深层土壤温度采用了不同的膨胀因子。对比膨胀因子为单一标量时的结果,多因子膨胀能缓解深层土壤温度的不合理膨胀,改善同化效果。 相似文献
9.
本文基于2017年西南涡加密观测试验的四川省11个观测站的探空资料,利用西南区域9km和3km分辨率数值天气预报模式系统,开展了数值预报同化试验。同化试验每日06和18UTC各进行一次,持续40天。西南区域9km分辨率数值预报系统(SWC-WARMS)的模拟结果表明,加密探空观测资料对四川高空观测起到了补充。同化后可以改善模式初始场,有助于提升24小时降水预报的ETS评分,对小雨到大雨量级的BIAS评分也有一定的改善。西南区域3km分辨率系统得益于分辨率的提升,相比SWC-WARMS减小了大暴雨空报面积。同化加密探空观测可以提升降水预报的ETS评分,但空报面积也有所增加。 相似文献
10.
探空观测是气象资料同化中最基本的常规观测资料,对同化分析和预报的有效改善具有重要作用。由于现有探空观测站的空间分辨率较低,分布不均匀,且每日仅有两次观测,数量偏少,限制了其分析场对中小尺度大气状态的准确再现能力。自我国L波段雷达-数字探空仪更新换代以来,探空观测具备了获取每日4次、垂直分辨为秒级和分钟级的大气廓线资料。本文利用WRF中尺度数值模式,通过06时（世界时,下同）加密探空资料和12时常规探空资料的有效同化,研究分析了时间加密探空观测资料对同化分析和预报质量的敏感性影响。结果表明：同化06时的时间加密探空资料的午后暴雨预报质量优于12时常规探空观测。具体而言,同化06时的时间加密探空资料预报的大雨和暴雨的预报技巧高于12时常规探空资料;位势高度、温度和风场等预报场的均方根误差在高层的改进效果更加明显;06时的时间加密探空资料的同化对高层的高空急流和低层的水汽通量散度的预报质量贡献更大。批量试验进一步证实了有效同化时间加密探空资料对分析和数值预报效果改进的积极意义。 相似文献
11.
12.
基于集合Kalman滤波数据同化的热带气旋路径集合预报研究 总被引：1，自引：2，他引：1
构建了一个基于集合Kalman滤波数据同化的热带气旋集合预报系统，通过积云参数化方案和边界层参数化方案的9个不同组合，采用MM5模式进行了不同时间的短时预报。对预报结果使用“镜像法”得到18个初始成员，为同化提供初始背景集合。将人造台风作为观测场，同化后的结果作为集合预报的初值，通过不同参数组合的MM5模式进行集合预报。对2003～2004年16个台风个例的分析表明，初始成员产生方法能够对热带气旋的要素场、中心强度和位置进行合理扰动。同化结果使台风强度得到加强，结构更接近实际。基于同化的集合路径预报结果要优于未同化的集合预报。使用“镜像法”增加集合成员提高了预报准确度，路径预报误差在48小时和72小时分别低于200 km和250 km。 相似文献
13.
In this study, we assimilated sea surface temperature (SST) data of the past 120 years into an oceanic general circulation model (OGCM) for El Niño-southern oscillation (ENSO) retrospective predictions using ensemble Kalman filter (EnKF). It was found that the ensemble covariance matrix in EnKF can act as a time-variant transfer operator to project the SST corrections onto the subsurface temperatures effectively when initial perturbations of ensemble were constructed using vertically coherent random fields. As such the increments of subsurface temperatures can be obtained via the transfer operator during assimilation cycles. The results show that the SST assimilation improves the model simulation skills significantly, not only for the SST anomalies over the whole assimilated domain, but also for the subsurface temperature anomalies of the upper 100 m over the tropical Pacific off the equator. Along the equator, the improvement of the assimilation is confined within the mixing layer because strong upwelling motions there prevent the downward transfer of SST information. The retrospective prediction skills of ENSO over the past 120 years from 1881 to 2000 were significantly improved by the SST assimilation at all leads of 1–12 months, especially for the 3–6 months leads, compared with those initialized by the control run without assimilation. The skilful predictions by the assimilation allow us to further study ENSO predictability using this coupled model. 相似文献
14.
集合Kalman滤波在土壤湿度同化中的应用 总被引：10，自引：4，他引：6
基于非饱和土壤水模型和集合卡尔曼滤波 (Ensemble Kalman Filter, 简称EnKF) 并结合陆面水文模型——可变下渗能力模型 (Variable Infiltration Capacity, 简称VIC模型) 发展了一个土壤湿度同化方案。利用1998年6~8月淮河流域能量和水循环试验 (HUBEX) 项目外场观测试验区——史灌河流域梅山站土壤湿度逐日观测资料及1986~1993年合肥和南阳两站点的土壤湿度旬观测资料进行同化试验, 结果表明该同化方案能完整估计土壤湿度廓线, 同化的土壤湿度与观测资料基本吻合, 反映了土壤湿度的日、 旬、 月、 季变化, 同化方案是合理的。与基于扩展卡尔曼滤波 (Extended Kalman Filter, 简称EKF) 的土壤湿度同化方案的结果比较, 基于EnKF的土壤湿度同化方案易于实现, 且通过选择恰当的集合样本数其同化效果总体上略优于EKF同化方案, 但前者同化时需要花费较多的计算时间。 相似文献
15.
In this paper, firstly, the bias between observed radiances from the Advanced TIROS-N Operational Vertical Sounder (ATOVS) and those simulated from a model first-guess are corrected. After bias correction, the observed minus calculated (O-B) radiances of most channels were reduced closer to zero, with peak values in each channel shifted towards zero, and the distribution of O-B closer to a Gaussian distribution than without bias correction. Secondly, ATOVS radiance data with and without bias correction are assimilated directly with an Ensemble Kalman Filter (EnKF) data assimilation system, which are then adopted as the initial fields in the forecast model T106L19 to simulate Typhoon Prapiroon (2006) during the period 2-4 August 2006. The prediction results show that the assimilation of ATOVS radiance data with bias correction has a significant and positive impact upon the prediction of the typhoon’s track and intensity, although the results are not perfect. 相似文献
16.
基于WRF中尺度模式,采用集合卡尔曼滤波方法同化中国岸基多普勒天气雷达径向速度资料,对2015年登陆台风彩虹（1522）进行数值试验。从台风强度、路径、结构等方面验证了同化效果,并对不同区域雷达观测资料的同化敏感性进行讨论。试验结果表明:在同化窗内同化分析场台风位置误差相比未同化平均减小15 km,最多时刻减小38 km,同化资料时次越多,确定性预报路径误差越小。同化雷达资料后较好地反映出台风彩虹（1522）近海加强过程,台风中心最低气压同化分析和预报误差相比未同化最大减小超过25 hPa,台风眼的尺度、眼墙处对流非对称结构相比未同化与观测更加接近。试验还表明:台风内核100 km范围内的雷达观测对同化效果影响最大,仅同化这部分资料（约占总量的20%）各方面效果与同化全部资料相近,而仅同化100 km以外资料效果明显不及同化所有资料。仅同化台风内核雷达观测资料可以在不影响同化效果的前提下,使集合同化计算机时减小为原来的1/3,该策略可为台风实际业务预报提供一定参考。 相似文献
17.
A ＂Dressed＂ Ensemble Kalman Filter Using the Hybrid Coordinate Ocean Model in the Pacific 总被引：1，自引：0，他引：1
The computational cost required by the Ensemble Kalman Filter (EnKF) is much larger than that
of some simpler assimilation schemes, such as Optimal Interpolation (OI) or three-dimension variational
assimilation (3DVAR). Ensemble optimal interpolation (EnOI), a crudely simplified implementation of EnKF,
is sometimes used as a substitute in some oceanic applications and requires much less computational time
than EnKF. In this paper, to compromise between computational cost and dynamic covariance, we use the
idea of ``dressing' a small size dynamical ensemble with a larger number of static ensembles in order
to form an approximate dynamic covariance. The term ``dressing' means that a dynamical ensemble seed
from model runs is perturbed by adding the anomalies of some static ensembles. This dressing EnKF (DrEnKF
for short) scheme is tested in assimilation of real altimetry data in the Pacific using the HYbrid
Coordinate Ocean Model (HYCOM) over a four-year period. Ten dynamical ensemble seeds are each dressed by
10 static ensemble members selected from a 100-member static ensemble. Results are compared to two EnKF
assimilation runs that use 10 and 100 dynamical ensemble members. Both temperature and salinity fields
from the DrEnKF and the EnKF are compared to observations from Argo floats and an OI SST dataset. The
results show that the DrEnKF and the 100-member EnKF yield similar root mean square errors (RMSE) at
every model level. Error covariance matrices from the DrEnKF and the 100-member EnKF are also compared
and show good agreement. 相似文献
18.
An Ensemble-Based Three-Dimensional Variational Assimilation Method for Land Data Assimilation 总被引：1，自引：0，他引：1 
下载免费PDF全文
下载免费PDF全文 Land surface models are often highly nonlinear with model physics that contain parameterized discontinuities. These model attributes severely limit the application of advanced variational data assimilation methods into land data assimilation. The ensemble Kalman filter （EnKF） has been widely employed for land data assimilation because of its simple conceptual formulation and relative ease of implementation. An updated ensemble-based three-dimensional variational assimilation （En3-DVar） method is proposed for land data assimilation This new method incorporates Monte Carlo sampling strategies into the 3-D variational data assimilation framework. The proper orthogonal decomposition （POD） technique is used to efficiently approximate a forecast ensemble produced by the Monte Carlo method in a 3-D space that uses a set of base vectors that span the ensemble. The data assimilation process is thus significantly simplified. Our assimilation experiments indicate that this new En3-DVar method considerably outperforms the EnKF method by increasing assimilation precision. Furthermore, computational costs for the new En3-DVar method are much lower than for the EnKF method. 相似文献
19.
Xiaolei FU Zhongbo YU Ying TANG Yongjian DING Haishen LYU Baoqing ZHANG Xiaolei JIANG Qin JU 《Journal of Meteorological Research》2019,(2):190-205
Soil moisture is an important variable in the fields of hydrology, meteorology, and agriculture, and has been used for numerous applications and forecasts. Accurate soil moisture predictions on both a large scale and local scale for different soil depths are needed. In this study, a soil moisture assimilation and prediction based on the Ensemble Kalman Filter(EnKF) and Simple Biosphere Model(SiB2) have been performed in Meilin watershed, eastern China, to evaluate the initial state values with different assimilation frequencies and precipitation influences on soil moisture predictions. The assimilated results at the end of the assimilation period with different assimilation frequencies were set to be the initial values for the prediction period. The measured precipitation, randomly generated precipitation,and zero precipitation were used to force the land surface model in the prediction period. Ten cases were considered based on the initial value and precipitation. The results indicate that, for the summer prediction period with the deeper water table depth, the assimilation results with different assimilation frequencies influence soil moisture predictions significantly. The higher assimilation frequency gives better soil moisture predictions for a long lead-time. The soil moisture predictions are affected by precipitation within the prediction period. For a short lead-time, the soil moisture predictions are better for the case with precipitation, but for a long lead-time, they are better without precipitation. For the winter prediction period with a lower water table depth, there are better soil moisture predictions for the whole prediction period. Unlike the summer prediction period, the soil moisture predictions of winter prediction period are not significantly influenced by precipitation. Overall, it is shown that soil moisture assimilations improve its predictions. 相似文献