李昕,主要从事资料同化和数值预报研究.Email:
基于WRF模式及其Hybrid集合-变分同化系统,比较研究了雷达径向速度(
Based on WRF model and the Hybrid ensemble-3Dvar data assimilation system, this study compares radar radial velocity (
对登陆台风进行准确的路径、强度和降水预报关乎生命和财产安全。除了提高数值模式的预报水平外,改善初始场也是提高台风预报能力的关键因素,而这依赖于观测资料同化(
在所有观测手段中,多普勒雷达是唯一能够观测到台风三维结构且具有高时空分辨率的观测平台,被广泛应用于中小尺度天气模拟(
由于雷达资料具备着高时空分辨率的优势,无论是T-TREC反演风还是
在以往的台风同化研究中,
式中,
当1/
传统的TREC(Tracking Radar Echo by Correlation)方法是一类根据雷达回波移动来估算三维水平流场的风场反演方法,最早由
台风灿都(2010)于2010年7月19日在我国南海海域生成为热带低压;7月19日1200 UTC加强为热带风暴并向西北方向移动;7月21日1800 UTC加强为台风,其在7月22日0600 UTC于鼎盛时期登陆广东省吴川市。登陆时中心附近最大风力12级(36 m·s-1),中心最低气压970 hPa。登陆后风雨猛烈,给广东、广西等地带来强降水。
同化的雷达
WRF模拟区域以及台风灿都(2010)的JTWC最佳路径观测
WRF domain and the best track for typhoon Chanthu (2010)
2010年7月21日1800 UTC时刻3 km高度(a)T-TREC反演风投影的径向速度分量,(b)HKRD观测径向速度
(a) T-TREC retrieved
采用WRF模式3.4.1,网格的水平分辨率设为4 km(
本文采取的Hybrid循环同化流程(
设置了3组循环同化试验ExpVr、ExpTrec和ExpTrecVr,同化分析时段均为21日1800 UTC至22日0000 UTC,同化间隔为1 h。ExpVr试验同化HKRD/YJRD两部雷达的
以3个集合成员为例的Hybrid循环同化流程示意图
Schematic diagram of the hybrid forecast-analysis cycle for a hypothetical three-member ensemble
(a) ExpVr试验,(b) ExpTrec试验和(c)ExpTrecVr试验的流程示意图
Flow charts for (a) ExpVr, (b) ExpTrec and (c) ExpTrecVr experiments
与以往研究(
循环同化阶段T-TREC风场与HKRD径向速度的均方根偏差(RMSD)
The
在循环同化阶段,通过每一步同化前后的模式
循环同化阶段ExpVr,ExpTrec和ExpTrecVr试验的模式
The forecast-analysis (sawtooth pattern during cycling) of (a)
本节将分别针对ExpVr,ExpTrec和ExpTrecVr这三组试验21日1800 UTC(第一次分析)、2000 UTC(第三次分析)、2200 UTC(第五次分析)和22日0000 UTC(第七次分析),同化前后的3 km高度风场结构做分析。
ExpVr试验3 km高度水平风速(阴影,单位:m·s-1)和风矢量(a, b, c) 21日1800 UTC,(d, e, f) 21日2000 UTC,(g, h, i) 21日2200 UTC和(j, k, l) 22日0000 UTC;(a, d, g, j)同化前,(b, e, h, k)同化后和(c, f, i, l)同化增量
The 3 km height wind speed (shaded area, unit: m·s-1) and vector for ExpVr (a, b, c) 1800 UTC 21, (d, e, f) 2000 UTC 21, (g, h, i) 2200 UTC 21 and (j, k, l) 0000 UTC 22; from top to bottom are the field before assimilation (a, d, g, j), the field after assimilation (b, e, h, k) and the increment (c, f, i, l)
同
Same as
同
Same as
选择21日2000、2200 UTC和22日0000 UTC各组试验的同化分析场来研究台风的垂直结构。
分析场台风轴对称切向风速(阴影,单位:m·s-1)、水平温度异常(等值线,单位:K) (a, b, c) 21日2000 UTC,(d, e, f) 21日2200 UTC,(g, h, i) 22日0000 UTC;(a, d, g) ExpVr试验,(b, e, h) ExpTrec试验, (c, f, i) ExpTrecVr试验
Azimuthal mean tangential wind speed (shaded area, unit: m·s-1) and temperature deviation from horizontal mean (solid contours, unit: K) (a, b, c) 2000 UTC 21, (d, e, f) 2200 UTC 21 and (g, h, i) 0000 UTC 22. From top to bottom are the experiments of ExpVr (a, d, g), ExpTrec (b, e, h) and ExpTrecVr (c, f, i)
ExpTrec和ExpTrecVr试验相比ExpVr能较早地建立台风眼墙环流和高层暖心结构。在首次同化T-TREC风之后,持续的
对三种同化策略各选择21日2000、2200 UTC和22日0000 UTC作为确定性预报的启动时间,以相应时刻的同化分析场作为各自确定性预报的初始场(
确定性预报试验列表
The deterministic forecast experiments
试验名称 | 试验描述 |
ExpVr2h | ExpVr循环同化2 h后启动 |
ExpTrec2h | ExpTrec循环同化2 h后启动 |
ExpTrecVr2h | ExpTrecVr循环同化2 h后启动 |
ExpVr4h | ExpVr循环同化4 h后启动 |
ExpTrec4h | ExpTrec循环同化4 h后启动 |
ExpTrecVr4h | ExpTrecVr循环同化4 h后启动 |
ExpVr6h | ExpVr循环同化6 h后启动 |
ExpTrec6h | ExpTrec循环同化6 h后启动 |
ExpTrecVr6h | ExpTrecVr循环同化6 h后启动 |
台风灿都(2010)(a)路径,(b)路径误差,(c)
The predicted (a) tracks, (b) track errors, (c)
起报时间为21日2200 UTC时,ExpTrec4h和ExpTrecVr4h试验路径平均误差分别为30和34 km,路径预报能力依然强于ExpVr4h试验(38 km)。从强度预报来看,ExpVr4h试验相比ExpVr2h试验有明显提高,MSLP(
起报时间为22日0000 UTC时。ExpTrec6h试验的路径平均误差(44 km)最大,其在登陆后路径偏北明显,且相比ExpTrec2h和ExpTrec4h试验有一定的增大,表明增加T-TREC循环同化次数并没对改善预报起到积极的作用。ExpTrecVr6h试验路径误差为35 km,优于ExpVr6h试验(39 km)。在
整体而言,所有试验的路径预报趋势均与best-track大体一致,台风向西北方向移动,登陆位置有一定偏差,联合同化策略在路径预报方面的表现略优。对于强度预报,
由于
确定性预报试验与HKRD/YJRD观测
The
对于2 h循环同化试验,尽管ExpVr2h初始
对于4 h循环同化试验,ExpTrec4h与ExpTrec2h的表现类似,初始
对于6 h循环同化试验,ExpTrec6h的初始
整体而言,当同化次数较少时,T-TREC循环同化策略对台风环流结构的预报较好,而
为了对比和评估各组试验在台风登陆过程中的降水预报能力,我们利用高分辨率的地面自动站降水观测,计算了每组试验18 h累积降水的ETS(equitable threat scores)评分和预报偏差。
确定性预报试验22日0000—1800 UTC的18 h累积降水的ETS评分:(a) 2 h循环同化,(b) 4 h循环同化,(c) 6 h循环同化;预报降水偏差:(d) 2 h循环同化,(e) 4 h循环同化,(f) 6 h循环同化
The ETS scores for 18 h accumulated precipitation valid from 0000 UTC to 1800 UTC 22 July: (a) 2 h assimilation window, (b) 4 h assimilation window and (c) 6 h assimilation window; the predicted precipitation bias: (d) 2 h assimilation window, (e) 4 h assimilation window and (f) 6 h assimilation window
定量降水预报结果表明,相比T-TREC循环同化,采用
本文以登陆台风灿都(2010)为例,基于雷达径向速度(
循环同化阶段,
为了研究三种循环同化策略在不同起报时刻下的预报表现,分别选择2、4和6 h的循环同化分析场作为预报初始场对台风“灿都”进行确定性预报。对于
本文针对两种雷达风场资料在循环同化中的不同配置,研究了适合于登陆台风预报的雷达资料同化策略。
本文针对登陆台风灿都(2010)比较了不同的同化时间窗对确定性预报的影响。为了得到详实的结论,选择台风靠近登陆的不同时间点, 进行了路径、强度、降水和风场预报的对比。对于业务预报,由于尽早地启动预报具有现实意义,先同化雷达T-TREC反演风场,后同化
陈锋, 冀春晓, 董美莹, 等.2012.雷达径向风速同化对台风麦莎模拟的影响.气象, 10:1170-1181.
丁伟钰, 万齐林, 张诚忠, 等.2010.有云条件下HIRS/3资料的同化及其对"珍珠"台风的影响.气象学报, 68(1):70-78.
顾建峰. 2006. 多普勒雷达资料三维变分直接同化方法研究(Doctoraldissertation, 北京: 中国气象科学研究所).
郝民, 田伟红, 龚建东.2014.L波段秒级探空资料在GRAPES同化系统中的应用研究.气象, 40(2):158-165.
李新峰, 赵坤, 王明筠, 等.2013.多普勒雷达资料循环同化在台风"鲇鱼"预报中的应用.气象科学, 3(3):255-263.
李媛, 刘健文, 董佩明, 等.2011.GRAPES-3Dvar雷达资料直接同化对江淮暴雨数值预报影响的分析研究.气象, 37(4):403-411.
梁旭东, 王斌.2010.基于模式约束三维变分技术的连续循环同化试验研究.气象学报, 68(2):53-61.
刘君, 黄江平, 董佩明, 等.2013.卫星资料循环同化应用对区域数值预报效果影响分析.气象, 39(2):156-165.
刘瑞, 翟国庆, 王彰贵, 等.2012.FY-2C云迹风资料同化应用对台风预报的影响试验研究.大气科学, 36(2):350-360.
陆续, 马旭林, 王旭光.2015.三维变分同化机载雷达资料对飓风预报的影响研究—2012年Isaac试验.大气科学, 39(6):1112-1122.
闵锦忠, 刘盛玉, 毕坤, 等.2015.基于Hybrid EnSRF-En3DVar的雷达资料同化研究.大气科学学报, 38(2):213-221.
秦琰琰, 龚建东, 李泽椿.2012.集合卡尔曼滤波同化多普勒雷达资料的观测系统模拟试验.气象, 38(5):513-525.
沈菲菲, 闵锦忠, 许冬梅, 等.2015.WRF-Hybrid背景误差协方差调整在台风同化及预报中的应用研究.气象科学, 2(2):150-159.
施丽娟, 许小峰, 李柏, 等.2009.雷达资料在登陆台风"桑美"数值模拟中的应用.应用气象学报, 20(3), 257-266.
苏捷, 朱克云, 张杰.2013.RTTOV散射模块在FY-3MWHS资料同化中的应用.气象, 39(11):1461-1472.
万齐林, 薛纪善, 陈子通, 等.2005.雷达TREC风的三维变分同化应用与试验.热带气象学报, 5(5):449-457.
王明筠, 赵坤, 吴丹.2010.T-TREC方法反演登陆中国台风风场结构.气象学报, 2010, 68(1):114-124.
王云峰, 王斌, 马刚, 等.2003.多种观测资料的四维变分同化对台风路径预报的影响.科学通报, 48(z1):82-86.
张晶, 顾松山, 楚志刚, 等.2014.LAPS同化GPS/PWV资料在暴雨预报中的应用研究.气象, 40(1):76-85.
朱国富.2015.数值天气预报中分析同化基本方法的历史发展脉络和评述.气象, 41(8):986-996.
庄照荣, 薛纪善, 2004.云迹风资料的三维变分同化及对台风预报的影响试验.热带气象学报, 3(3):225-236.
Hamill T M, Snyder C. 2000. A hybrid ensemble Kalman filter-3D variational analysis scheme. Mon Wea Rev, 128:2905-2919.
Houtekamer P L, Mitchell H L. 1998. Data assimilation using an ensemble Kalman filter technique. Mon Wea Rev, 126(3):796-811.
Li Y, Wang X, Xue M. 2012. Assimilation of radar radial velocity data with the WRF ensemble-3DVAR hybrid system for the prediction of hurricane Ike (2008). Mon Wea Rev, 140:3507-3524.
Li X, Ming J, Wang Y, et al. 2013. Assimilation of T-TREC-retrieved wind data with WRF 3DVAR for the short-term forecasting of typhoon Meranti (2010) near landfall. J Geophys Res, 118:10361-10375.
Li X, Ming J, Xue M, et al. 2015. Implementation of a dynamic equation constraint based on the steady state momentum equations within the WRF hybrid ensemble-3DVar data assimilation system and test with radar T-TREC wind assimilation for tropical Cyclone Chanthu (2010). J Geophys Res Atmos, 120:4017-4039.
Lorenc A C. 2003. The potential of the ensemble Kalman filter for NWP-A comparison with 4D-VAR. Quart J Roy Meteor Soc, 129:3183-3203.
Rinehart R E, Garvey E T. 1978. Three-dimensional storm motion detection by conventional weather radar. Nature, 273:287-289.
Skamarock W C, Klemp J B, Dudhia J, et al. 2008. Description of the Advanced Research WRF version 4, Rep. NCAR/TN-475++STR, Natl. Cent. for Atmos Res, Boulder, Colo.
Tuttle J, Gall R. 1999. A single-radar technique for estimating the winds in tropical cyclones. Bull Amer Meteor Soc, 80:653-668.
Wang M, Xue M, Zhao K, et al. 2014. Assimilation of T-TREC-retrieved winds from single-Doppler radar with an EnKF for the forecast of Typhoon Jangmi (2008). Mon Wea Rev, 142(5):1892-1907.
Wang X. 2011. Application of the WRF hybrid ETKF-3DVAR data assimilation system for hurricane track forecasts. Wea Forecasting, 26:868-884.
Wang X, Barker D, Snyder C, et al. 2008a. A hybrid ETKF-3DVARdata assimilation scheme for the WRF model, Part Ⅰ:Observing system simulation experiment. Mon Wea Rev, 136:5116-5131.
Wang X, Barker D, Snyder C, et al. 2008b. A hybrid ETKF-3DVAR data assimilation scheme for the WRF model, Part Ⅱ:Real observation experiments. Mon Wea Rev, 136:5132-5147.
Xiao Q, Kuo Y H, Sun J, et al. 2005. Assimilation of Doppler radar observations with a regional 3DVAR system:Impact of Doppler velocities on forecasts of a heavy rainfall case. J Appl Meteorol Climatol, 44:768-788.
Xiao Q, Zou X, Wang B. 2000. Initialization and simulation of a landfalling hurricane using a variational bogus data assimilation scheme. Mon Wea Rev, 128:2252-2269.
Zhang F, Snyder C, Sun J. 2004. Impacts of initial estimate and observation availability on convective-scale data assimilation with an ensemble Kalman filter. Mon Wea Rev, 132(5):1238-1253.
Zhang F, Weng Y, Sippel J A, et al. 2009. Cloud-resolving hurricane initialization and prediction through assimilation of Doppler radar observations with an ensemble Kalman filter. Mon Wea Rev, 137:2105-2125.
Zhao K, Xue M. 2009. Assimilation of coastal Doppler radar data with the ARPS 3DVAR and cloud analysis for the prediction of Hurricane Ike (2008). Geophys Res Lett, 36, doi:10.1029/2009GL038658.
Zhao K, Li X, Xue M, et al. 2012. Short-term forecasting through intermittent assimilation of data from Taiwan and mainland China coastal radars for Typhoon Meranti (2010) at landfall. J Geophys Res, 117, D06108, doi:10.1029/2011JD017109.
Zou X, Weng F, Zhang B, et al. 2013. Impacts of assimilation of ATMS data in HWRF on track and intensity forecasts of 2012 four landfall hurricanes. J Geophys Res Atmos, 118(11):558-576.