利用CAPS(Center for Analysis and Prediction of Storm)研发的ARPS(The Advanced Regional Prediction System)模式及数据处理系统ADAS(ARPS Data Analysis System)和3DVar (3-D Variation)系统分别同化多普勒雷达反射率与径向风资料,分析二者在改进模式初始场和预报效果中的作用。通过模拟2003年7月安徽省一次强降水过程,得到如下结论:径向风资料调整初始风场,在积分进行后,对水汽场也有所调整;反射率资料调整初始水汽场,积分开始后,对风场也有调整,其中后者较显著。从预报的3小时降水来看,两个同化试验得到的落区位置与实况都有出入,反射率同化试验得到的预报面积比实况偏大,但二者都比非同化试验效果好。
Herein Doppler radar reflectivity and radial velocity data assimilation experiments are carried by means of ARPS ADAS (ARPS Data Analysis System) and 3Dvar (3-D Variation System) respectively. Roles played by ADAS and 3Dvar in improving initial fields and forecast results are analyzed. Through investigating one rainstorm process occurred in Anhui Province, July 2003, it indicates that radial velocity data affects initial wind field, along with integral beginning, water vapor field is adjusted too. Reflectivity data impacts initial water vapor field, and after integration, the wind field is improved. The effect of reflectivity is more evident than that of radial velocity. Moreover, for the 3h rainfall simulation, reflectivity and radial velocity assimilation experiments are both different with observations in situ, the former one is greater than the observation. While the both results of assimilation experiments are better than those of the non-assimilation ones.
目前,我国新一代天气雷达网已经布网成功并投入业务应用。相较于常规气象观测资料而言,多普勒雷达资料在时间、空间上均具有较高分辨率,这对于改进和生成中尺度数值模式初始场是非常有用的,可以改善常规资料初始场信息不足造成的预报起转延迟(spin-up)问题。雷达资料同化成为焦点之一。
将雷达资料带入数值模式进行预报主要有两种方法。一种是先通过雷达资料径向风和反射率资料反演,得到三维风场及水汽场、降水场,然后将反演资料用于模式预报。Shapiro等
[
本文利用ARPS模式的数据处理系统ADAS和3DVAR直接同化合肥多普勒天气雷达反射率和径向风资料,通过安徽省2003年7月9日一次暴雨过程模拟,分析多普勒雷达速度场和强度场资料在改进数值模式初始场和提高预报效果方面的作用,为更好的使用雷达资料提出个例分析。
本文通过ADAS直接将反射率资料加入ARPS模式中。
ADAS是ARPS的数据处理模块,可对地面、高空、无线电探空仪、风廓线、WSR-88D雷达资料、GOES卫星、船舶等各类可利用的中尺度气象数据进行客观分析并插值到ARPS模式,同时保持和模式的协调。它在垂直坐标方向是完全弹性的,可处理单层或多层数据,含有质量控制。可以在不产生虚假梯度的情况下处理不同密度的数据。以最优插值为宗旨,采用Bratseth (1986)的连续迭代方案[
在该步骤进行时,关掉多普勒雷达径向速度处理项,启动云分析,单独同化反射率资料。
Ming等[
ARPS-3DVAR目标泛函的标准形式如下(1)式:
其中,右边第一项用来估计分析变量
就方程(1)中的前向算子
其中,(
文中出现的时间均为世界时(UTC)。
试验选用安徽省2003年7月9日00—03时的暴雨过程,该3小时时段中,降水量最大值超过120.0mm,位置在铜陵(30.97°N、117.78°E)。从合肥雷达回波图上看,00时回波加强,强的回波区域开始形成。
背景场资料为同时间的NCEP1°×1°再分析资料。模式初始时间是00时,共积分3小时。
模式取2重嵌套,中心位置在合肥雷达站(31.87°N、117.26°E),外层格距18km,内层6km,水平格点数均为102×102,内外层都取暖雨微物理方案,外层使用Kain-Fritsch积云对流参数化,内层不使用积云对流参数化。内、外层垂直均为40层,格距分别是400m和500m。以粗网格每小时的输出结果作为内层的侧边界。多普勒雷达反射率和径向风资料均在细网格加入。最终分析内层的模拟结果。本次模拟所用的数据只有NCEP资料和多普勒雷达反射率、径向风资料。
为了方便起见,同化反射率资料的试验称为ref,同化径向风资料的试验称为vel,非同化试验称为con。
先分析各试验的初始场。
ref试验初始雨水混合比(a 2km, 单位:1000g/kg) 00时反射率因子(b单位:dBz)
再来分析各试验预报的水汽场。
三个试验积分1h后预报雨水混合比(2km, 单位:1000g/kg)
雷达观测的回波强度实际上反映的是大气中尚未降落到地面的雨水分布结构,ref试验能够在初始同化反射率资料后完整地体现出这种结构并做出预报,且这种作用在3小时内一直维持,表明ref试验对水汽空间结构调整具有很大影响。vel试验和con试验由于在初始时刻就没有可靠且充分的水汽补给,所以在积分开始后虽然水汽环境从无到有,但和实际雷达观测并不对应。
三个试验初始风场(6km, 单位:m·s-1)
由
为进一步说明vel试验对风场的作用,
三个试验沿31.05°N的初始
由图可见,只有vel试验的
随着积分进行,ref试验和con试验的风场调整也出现了中尺度结构。值得注意的是,积分1小时后,ref试验的风场即出现了和vel试验类似的中尺度风辐合带,在31°N附近,而con试验则没有。如
三个试验1h后预报风场(6km, 单位:m·s-1)
虽然vel试验的中尺度结构更为细致,32°N附近以北风为主,但ref试验在31°N附近的辐合带已经很明显,这种结构一直维持至03时。
由雷达回波图像和实况降水来看,00—03时回波最强、降水最强位置一直维持在31°N、118°E附近区域。为了进一步分析ref、vel试验的同化预报效果,
同化试验沿118°E的辐射散场和雨水混合比(阴影部分, 单位:1000g/kg)分布剖面
由图可见,01时ref试验和02时vel试验的预报场在31°N附近的辐散场均呈现出低层辐合为主、高层辐散为主的垂直结构,且对应都配合有雨水混合比的高值中心,极有利于降水的形成和发生。另外可见,雨水混合比一般都位于9km以下,这与雷达测量高度基本吻合,说明随着模式积分进行至2小时,初始雷达反射率资料带来的水汽条件并未能被积极有效地运送到10km以上。但与非同化试验相比,con的对应位置剖面没有出现任何有利于降水发生的结构特征。
三个试验预报的3h降水(单位:mm)
由
明显可以看出,ref试验的降水区域比实况大,包含了实况降水区域。但vel、con试验均无此现象,说明这一模拟降水范围比实况变大的情况不是模式本身引起的,而是由初始反射率资料同化带来的。
另外,三个试验在实验区域西南位置都有强降水中心出现(
ref、vel、con试验的00—01时,01—02时,02—03时的逐时降水情况与以上分析的3小时降水情况一致(图略)。
本文通过分析多普勒雷达反射率、径向风资料同化个例,得到如下结论:
(1) 径向风资料对初始风场调整显著,使出现明显中尺度特征;当积分开始进行后(如1小时),径向风资料同化试验的水汽场出现大值中心,但这种水汽条件与实际不符。
(2) 反射率资料对初始水汽场调整明显,在风暴发生处产生清晰的水汽中心;当积分进行1小时后,反射率资料同化试验对风场的调整已经相对清晰,与此时的径向风同化试验类似,基本可以模拟出风暴的中尺度风特征,并且保持。
(3) 从降水模拟来看,单独同化径向风、反射率资料得到的最大降水中心位置与实况有出入。同化反射率资料试验的位置偏差最小。但该试验预报的降水比实况范围偏大(包含实况范围)。而两个同化试验的降水模拟结果都比非同化试验好。
综上所述,雷达资料对于改进中尺度数值模式的初始场、预报场的效果明显。从试验结果分析来看,同时同化雷达反射率、径向风资料的结果应该会更好。
本试验仅是一次天气过程的同化分析,其代表性有待于收集更多天气过程资料,进行更多的研究来验证。
Shapiro A, Ellis S, Shaw J. Single-Doppler velocity retrievals with Phoenix data: Clear air and microburst wind retrievals in the planetary boundary layer[J]. J. Atmos. Sci., 1995, 52: 1265-1287.
Qiu C, Xu Q. A simple adjoint method of wind analysis for single-Doppler radar data[J]. J. Atmos. Oceanic Tech., 1992. 9: 588-598.
邱崇践, 余金香, Qin Xu.多普勒雷达资料对中尺度系统短期预报的改进[J].气象学报, 2000, 58(2): 244-249.
Gal-Chen T. A method for the initialization of the anelastic equations: Implications for matching models with observations[J]. Mon. Wea. Rev., 1978. 106: 587-606.
马清云, 李泽椿, 陶士伟.单部多普勒雷达风场反演及其在数值模式预报中的应用试验[J].应用气象学报, 2001, 12(4): 488-493.
王叶红, 赵玉春, 崔春光.雷达降水资料一维变分同化的敏感性试验[J].气象, 2004, 30(4): 6-10.
托亚, 梁海河, 马淑芬.用雷达观测资料改进MM5初始场的初步试验研究[J].南京气象学院学报, 2003, 26(5): 661-667.
杨艳蓉, 张沛源, 胡绍萍.多普勒雷达PPI资料在竖直模式MM5中的应用[J].气象, 2005, 31(4): 44-47.
Chris Snyder, Fuqing Zhang. Assimilation of simulated Doppler radar observations with an Ensemble Kalman Filter[J]. Mon. Wea. Rev., 2003, 131(8): 1663-1677.
Sun J., N. A. Crook. Dynamical and microphysical retrieval from Doppler radar observation using a cloud model and its adjoint. Part Ⅰ: Model development and simulated data experiments[J]. J. Atmos. Sci., 1997, 54: 1642-1661.
Sun J., N. A. Crook. Dynamical and microphysical retrieval from Doppler radar observation using a cloud model and its adjoint. PartⅡ: Retrieval experiments of an observed Florida convective storm[J]. J. Atmos. Sci., 1998, 55: 835-852.
Xu Xiaoyong, Liu Liping, Zheng Guoguang. Dynamical and Microphysical Retrieval from Simulated Doppler Radar Observations Using the 4DVAR Assimilation Technique[J]. Acta Meteorologica Sinca, 2005, 19(2): 160-173.
Ming Hu, Ming Xue. 3DVAR and cloud analysis with WSR-88D level-Ⅱ data for the prediction of the Fort Worth Tornadic thunderstorms. Part Ⅰ: Cloud analysis and its impact[J]. Mon. Wea. Rev., 2005, Accepted.
Ming Hu, Ming Xue. 3DVAR and cloud analysis with WSR-88D level-Ⅱ data for the prediction of the Fort Worth Tornadic thunderstorms. PartⅡ: Impact of radial velocity analysis via 3DVAR[J]. Mon. Wea. Rev., 2005, Accepted.
M. Lindskong. Doppler radar wind data assimilation with HIRLAM 3DVAR[J]. Ame. Met. Soc., 2004, 132(5):1081-1092.
余贞寿, 廖胜石, 黄克慧. 0414号台风"云娜"的数值模拟[J].气象学报, 2005, 63(6): 903-914.
Qingnong Xiao, Y-H Kuo, J. Sun, et al. Assimilation of Doppler radar observations and its impacts on forecasting of the landfalling typhoon Rusa(2002)[C]. Rroceeding of the Third European Conference on Radar Meteorology(ERAD) together with the COST 717 Final Seminar, 2004, 178-182.
盛春岩, 浦一芬, 高守亭.多普勒天气雷达资料对中尺度模式短时预报的影响[J].大气科学, 2006, 30(1): 93-107.
Bratseth A. M. Statistical interpolation by means of successive corrections[J]. Tellus, 1986, 38A: 439-447.