SVD-En3DVar方法同化多普勒雷達(dá)速度觀測資料II.實際資料試驗

徐道生 邵愛梅 邱崇踐

半干旱氣候變化教育部重點實驗室,蘭州大學(xué)大氣科學(xué)學(xué)院,蘭州 730000

SVD-En3DVar方法同化多普勒雷達(dá)速度觀測資料II.實際資料試驗

徐道生 邵愛梅 邱崇踐

半干旱氣候變化教育部重點實驗室,蘭州大學(xué)大氣科學(xué)學(xué)院,蘭州 730000

文章的第I部分 (徐道生等,2011)將基于SVD(singular value decomposition)技術(shù)和預(yù)報集合的三維變分同化方法 (SVD-En3DVar)用于同化模擬的雷達(dá)速度觀測資料,試驗表明,通過3DVar(three-dimensional variational technique)方法產(chǎn)生預(yù)報集合的初始擾動場,可以縮短SVD-En3DVar中預(yù)報樣本的積分時間,同化對改進(jìn)暴雨的短期預(yù)報有一定好處。本文進(jìn)一步將這一方法用于同化實際觀測資料。選擇2008年6月華南地區(qū)和2003年7月江淮地區(qū)的兩個暴雨個例進(jìn)行同化試驗,并將其與WRF-3DVar(3DVar based on theweather research forecasting model)的同化結(jié)果進(jìn)行比較。結(jié)果表明,同化雷達(dá)徑向風(fēng)資料以后,在模式初始場中包含了更多的中小尺度信息。對于使用了13部雷達(dá)資料的第一個個例,經(jīng)SVD-En3DVar同化以后對18小時內(nèi)每6小時一次的累計降水預(yù)報都有所改進(jìn),而WRF-3DVar的同化效果則不明顯。對于只同化1部雷達(dá)觀測資料的第二個個例,WRF-3DVar和SVD-En3DVar方法同化以后對前6小時的降水預(yù)報都有所改進(jìn),但對于第6～18小時的降水預(yù)報,兩種方法都沒有改進(jìn)。

Doppler雷達(dá) 集合同化 3DVar SVD

1 引言

在這項研究的第I部分,我們進(jìn)行了用SVDEn3DVar方法 (基于SVD技術(shù)和預(yù)報集合的三維變分同化方法)同化模擬的雷達(dá)徑向速度觀測的試驗。在該項研究中,我們提出采用 WRF-3DVar(three-dimensional variational technique based on the weather research fo recasting model)系統(tǒng)來生成建立預(yù)報集合所需要的初始擾動場,具體做法是只給出溫度和比濕的隨機擾動場,將它們作為觀測,通過 3DVar(three dimensional variational technique)同化得到其它變量 (風(fēng)和氣壓)的擾動場。試驗表明,這樣得到的初始擾動場各個變量間比較協(xié)調(diào),可以減少模式積分的調(diào)整時間,縮短同化循環(huán)的時間間隔,從試驗結(jié)果看,通過同化對降水的短期預(yù)報有一定改進(jìn)。

在理想資料的試驗中,模式誤差并沒有被考慮,而在實際情況下,模式誤差對同化的影響是不可忽視的 (Lu Chungu and B row ning,1998;Snyder and Zhang,2003;王鐵等,2006;蘭偉仁等,2010a,2010b)。另外,實際的背景場誤差結(jié)構(gòu)和我們在理想試驗中給出的誤差結(jié)構(gòu)也可能不相同。在理想試驗中雖然我們設(shè)定的有效觀測的位置是和實際雷達(dá)觀測一致的,但是所給的觀測誤差是隨機的和相互獨立的,這些也可能和實際不符。試驗同時使用了10部雷達(dá)觀測資料,如果只采用一部雷達(dá)的觀測資料是否同化仍然有效也還需要檢驗。因此還有必要根據(jù)實際的雷達(dá)觀測資料來檢驗SVDEn3DVar的同化效果。

本文選取兩次暴雨過程進(jìn)行同化試驗。一次是2008年6月發(fā)生在華南地區(qū)的前汛期降水,同化了分布在我國華南地區(qū)的13部雷達(dá)觀測資料。對于這次降水過程彭新東等 (2010)用 GRAPES模式及其3DVAR系統(tǒng)進(jìn)行了同化雷達(dá)徑向風(fēng)和探空資料的試驗,結(jié)果表明模式較好的模擬能力。另一次是2003年7月發(fā)生在江淮地區(qū)的梅雨鋒暴雨,只同化合肥一個雷達(dá)站的徑向速度觀測。對于這次降水過程過去已經(jīng)有不少研究。楊毅和邱崇踐(2006)利用由多普勒雷達(dá)資料反演得到的風(fēng)場對該次暴雨過程進(jìn)行了分析。楊毅等 (2007)利用WRF-3DVar對反演風(fēng)場和徑向風(fēng)資料進(jìn)行同化以后對比發(fā)現(xiàn),同化反演風(fēng)場的效果較好。李柏等(2007)采用MM 5-4DVar技術(shù)同化了包括雷達(dá)反演資料在內(nèi)的多種觀測資料,使得模擬結(jié)果得到改進(jìn)。徐廣闊等 (2009)利用雷達(dá)資料和ARPS(advanced regional prediction system)的資料分析系統(tǒng) (ADAS)(ARPS data analysis system)對初始場進(jìn)行調(diào)整,然后利用WRF模式對這次暴雨過程進(jìn)行數(shù)值模擬,結(jié)果發(fā)現(xiàn)加入雷達(dá)資料后有利于改進(jìn)模擬的效果。針對這兩個個例,本文進(jìn)一步采用SVD-En3DVar進(jìn)行同化雷達(dá)速度觀測資料的試驗。基于我們先前的研究結(jié)果 (徐道生等,2011),同化時采用WRF-3DVar系統(tǒng)來生成初始擾動場,樣本積分時間設(shè)定為1小時,利用連續(xù)同化三次后得到的分析場作為預(yù)報的初始場,比較同化前后18小時內(nèi)的降水預(yù)報。為了檢驗SVD-En3DVar方法的同化效果,我們在同樣的環(huán)境下也利用目前廣泛使用的WRF-3DVar系統(tǒng)進(jìn)行了同化試驗,將二者的所得結(jié)果進(jìn)行比較。

2 SVD-En3DVar和3DVar同化方法

2.1 WRF-3DVar同化方案

本文采用的3DVar系統(tǒng)為w rfvar_v2.2beta系統(tǒng),它的控制變量包括流函數(shù) (′)、非平衡速度勢(′u)、非平衡溫度 (T′u)、相對濕度 (r′) 以及非平衡地面氣壓 (p′su)。質(zhì)量場和風(fēng)場增量之間的平衡是通過旋轉(zhuǎn)風(fēng)平衡實現(xiàn)。采用的背景誤差協(xié)方差矩陣是用NMC(the National Meteorological Center,USA)方法 (Parish and Derber,1992)得到的,在水平均勻和各向同性的假設(shè)下在水平方向采用遞歸濾波運算模擬,垂直方向用經(jīng)驗正交函數(shù)展開表示。

2.2 SVD-En3DVar同化方案

SVD-En3DVAR方法的具體做法已經(jīng)在本研究第I部分里做了詳細(xì)介紹。同化采用了局地化方案,對第一個個例,局地分塊方案是水平21格點,垂直20層,第二個個例是水平25格點,垂直20層。采用本研究第I部分提出的通過WRF-3DVar系統(tǒng)生成初始擾動場的方法,樣本積分時間均為1小時。樣本數(shù)為30,截斷階數(shù)為20。

3 個例1——2008年6月一次華南前汛期暴雨

3.1 天氣形勢

2008年5月28日到6月19日期間華南地區(qū)出現(xiàn)了多次暴雨過程。在這期間孟加拉灣地區(qū)低壓槽活躍,有利于孟加拉灣水汽向我國華南地區(qū)輸送,西太平洋副熱帶高壓其西界和北界明顯偏東、偏南,冷暖空氣多交匯于華南和江南地區(qū),850 hPa上的低渦切變線長時間維持在江南和華南地區(qū),導(dǎo)致江南、華南出現(xiàn)致洪暴雨。這20天內(nèi),長江以南地區(qū)降水普遍達(dá)到了100 mm以上,其中江南(湘、贛、浙)和華南分別為兩個降水大值中心,降水達(dá)200 mm以上,特別是珠江三角洲地區(qū),降水總量在500 mm以上。這次暴雨洪水過程降雨范圍廣、強度大、歷時長,造成的災(zāi)害嚴(yán)重,其中,6月7日至6月10日期間暴雨中心主要位于廣東境內(nèi)。

3.2 模式設(shè)置

采用WRF模式進(jìn)行模擬,格點數(shù)是180×180,水平格距為7 km,垂直方向分為不等距的28層,模式層頂氣壓為50 hPa。模擬區(qū)域中心 (22.8°N,112.8°E)。使用NCEP 1°分辨率的再分析資料提供邊界條件,微物理方案采用Ferrier方案。

3.3 雷達(dá)資料

采用華南地區(qū)的海口、桂林、柳州、南寧、陽江、龍巖、汕頭、梅州、韶關(guān)、廣州、廈門、永州、深圳一共13部S波段多普勒雷達(dá)提供的的徑向風(fēng)觀測資料。雷達(dá)體掃包括9個仰角,分別為0.5°、1.5°、2.4°、3.4°、4.3°、6.0°、9.9°、14.6°、19.5°。資料做退模糊處理后插值到模式網(wǎng)格點上,將高于模式第20層高度 (200 hPa左右)的資料丟棄不用。如果在一個點有多部雷達(dá)觀測資料,同化時這些資料會同時使用。

3.4 同化試驗

對同樣的觀測資料,采用 SVD-En3DVar和WRF3DVar兩種方法進(jìn)行同化。選擇2008年6月6日10時 (協(xié)調(diào)世界時,下同)作為第一次同化分析時刻,背景場是以NCEP 1度分辨率的再分析資料為初值,由2008年6月6日00時開始預(yù)報得到。SVD-En3DVar所需要的預(yù)報樣本由分析時刻前1小時的背景場疊加擾動后預(yù)報至分析時刻得到。兩種方法都是每小時同化一次,經(jīng)過三次同化循環(huán)后得到預(yù)報需要的6日12時的初始場。

下面首先對兩種同化方法產(chǎn)生的分析增量進(jìn)行比較。圖1是兩種方法經(jīng)過三次同化后得到的σ=0.86平面上的分析增量。可以看到對于水平風(fēng)場,WRF-3DVar得到的分析增量范圍要比 SVDEn3DVar更大一些,但是兩種方法得到的分析增量在強降水發(fā)生的地區(qū)比較接近。由于 SVDEn3DVar中采用了局地化處理,當(dāng)以某一分析格點為中心的局地塊內(nèi)觀測點數(shù)少于某一規(guī)定的數(shù)目時,就不再對這個格點進(jìn)行同化,所以在觀測量的邊緣區(qū)域沒有分析增量出現(xiàn)。而WRF-3DVAR中是通過B矩陣將一個點的觀測增量“擴散”到周圍格點,有平滑的作用,同化以后在觀測點周圍的一定范圍內(nèi)都會有明顯的分析增量出現(xiàn),增量場也會比較光滑。所以WRF-3DVAR的分析增量分布范圍要大一些,主要表現(xiàn)在在觀測量的邊緣區(qū)域。而對于溫度和比濕,兩種方法得到的增量場的正負(fù)區(qū)域分布形式大體一致,但具體形態(tài)有較大的差別。WRF-3DVar得到的溫度分析增量在福建南部,江西南部區(qū)域出現(xiàn)了一個范圍較大的正值中心,而SVD-En3DVar得到的溫度增量僅僅在福建東南部有一個范圍很小的正值中心。另外,SVD-En3DVar得到的溫度增量負(fù)值區(qū)也不如WRF-3DVar那么明顯。對于比濕場的分析增量,主要區(qū)別在于WRF-3DVar在福建和江西交界處產(chǎn)生一個較強的負(fù)值中心,而SVD-En3DVar得到的這個負(fù)值中心出現(xiàn)在福建東南部。在海南東部WRF-3DVar得到有一個較強的正值區(qū),而SVD-En3DVar沒有出現(xiàn)這個正值區(qū)。

圖1 2008年6月6日12時σ=0.86平面上同化三次以后得到的 (a、b)水平風(fēng)、(c、d)溫度和 (e、f)比濕的分析增量場比較:(a、c、e)WRF-3DVar;(b、d、f)SVD-En3DVarFig.1 The analysis increments of(a,b)horizontal wind,(c,d)temperature,and(e,f)specific humidity on levelσ=0.86 at 1200 U TC 6 Jun 2008 after three assimilation cycles:(a,c,e)WRF-3DVar;(b,d,f)SVD-En3DVar

將σ=0.86平面上6月6日12時同化后的水平風(fēng)場和背景場進(jìn)行比較 (圖2),可以看到同化前在廣東中部有一個比較明顯的氣旋性彎曲,經(jīng)過WRF-3DVar同化后氣旋性減弱了,而在廣東以南的海洋上南風(fēng)明顯增強。同時廣西東部出現(xiàn)了較強的西南風(fēng),海南境內(nèi)的西南風(fēng)明顯減弱了。SVDEn3DVar方法得到的分析場與WRF-3DVar的結(jié)果比較接近,但是廣東以南的海洋上沒有出現(xiàn)南風(fēng)加強的情況,另外,在福建與廣東交界處的風(fēng)場由原來的西南風(fēng)變成了東南風(fēng)。從850 hPa風(fēng)場的分析增量來看,在福建與廣東交界處 WRF-3DVAR方法的分析增量很小,而SVD-En3DVar方法同化后出現(xiàn)了較明顯的東風(fēng)增量,由于這個地區(qū)所用的觀測資料主要是龍巖雷達(dá)站 (25.03°N,117.11°E)的資料,而這部雷達(dá)所處的海拔高度非常高,達(dá)到了1505.7 m,要遠(yuǎn)高于其它12部雷達(dá),所以這部雷達(dá)的觀測資料分布主要在很高的高度上,850 hPa高度上的觀測會比較少,這個高度上的分析增量主要依靠背景誤差協(xié)方差關(guān)系來推測得到。而兩種同化方法的背景誤差協(xié)方差是完全不同的,所以即使是同化同樣的徑向速度,得到的分析增量也會相差很大。

圖2 2008年6月6日12時σ=0.86平面上的水平風(fēng)場:(a)背景場;(b)WRF-3DVar同化得到的分析場;(c)SVD-En3DVar同化得到的分析場Fig.2 Horizontal wind field on levelσ=0.86 at 1200 U TC 6 Jun 2008:(a)Background field;(b)via WRF-3DVar assimilation;(c)via SVD-En3DVar assimilation

將兩種同化方法得到的每6小時一次累積的降水預(yù)報和實測降水進(jìn)行比較 (圖3～5),可以看到在第1個6小時,實測降水主要集中在廣東中南部(圖3a)。同化前預(yù)報的雨區(qū)范圍比較大,降水中心從廣東東部一直延伸到廣東南部沿海。經(jīng)過WRF-3DVar同化后的預(yù)報,降水范圍和同化前大體相仿,但強度明顯減小,特別是廣東東部虛假的強降水有所減弱,同化對降水預(yù)報有一定好處。SVDEn3DVar同化后得到的預(yù)報較好的模擬出了廣東中南部地區(qū)的強降水中心,和同化前相比雨區(qū)范圍有明顯縮小,在福建南部的虛假降水明顯減弱了,但廣東中部預(yù)報的降水仍然過強。從當(dāng)時的天氣形勢來看,這一高度上以西南風(fēng)為主,形成降水的水汽主要來自廣東南部的海洋。而雷達(dá)觀測主要分布在陸面上,在廣東南部的海面上觀測很少,同化后的分析增量也主要分布在陸面上,沒有對海面上的風(fēng)場,溫濕度場進(jìn)行改進(jìn)。而且從廣東沿海的分析增量來看,主要是北風(fēng)增量,這說明背景場中這個區(qū)域南風(fēng)分量要比實際偏強。當(dāng)同化結(jié)束后做預(yù)報時,海面上的西南風(fēng)可能會比實際更強一些,一方面帶來了過多的水汽,另一方面也使得輻合更強,所以會使得廣東中部預(yù)報的降水仍然過強。同化對降水預(yù)報有一定改進(jìn)。在第2個6小時,在廣東中南部實測的強降水中心向東移動了,范圍有所加大,在廣西的東南部也有較強的降水出現(xiàn) (圖4a)。同化前預(yù)報的降水范圍仍然要比實測降水偏大,在廣東東部的強降水區(qū)比實況偏東達(dá)到福建南部。經(jīng)過WRF-3DVar同化后,預(yù)報的廣東地區(qū)強降水區(qū)過于偏南,SVD-En3DVar同化后預(yù)報的強降水區(qū)強度和范圍則與實況更接近,對降水預(yù)報有較明顯的改進(jìn)。在第3個6小時,實測的強降水主要有三片,一片主要分布在廣西東南部,另外一片分布在廣東的東部和南部,還有一片在海南南部 (圖5a)。同化前預(yù)報的降水在廣西境內(nèi)與實測降水比較一致,而廣東境內(nèi)的降水則明顯偏北,同時福建境內(nèi)出現(xiàn)了大片虛假降水,海南南部沒有降水。經(jīng)過WRF-3DVar同化后的預(yù)報,海南南部仍然沒有降水,廣東中南部的強降水區(qū)比實況偏南,比同化前的預(yù)報有所改進(jìn)。SVD-En3DVar同化后得到的預(yù)報,廣東中南部的強降水區(qū)和實況更加接近,不過在廣西的強降水區(qū)范圍比實況大,海南南部仍然沒有降水。總體來說,SVD-En3DVar同化后得到的18小時內(nèi)的降水預(yù)報要比 WRF-3DVar同化后的預(yù)報改進(jìn)更加明顯一些。

圖3 2008年6月6日12時至6日18時同化前后預(yù)報降水與實測降水的比較:(a)實況;(b)同化前預(yù)報;(c)WRF-3DVar同化后預(yù)報;(d)SVD-En3DVar同化后預(yù)報Fig.3 Comparison of 6-h precipitation from 1200 U TC to 1800 U TC on 6 Jun 2008:(a)Observation;(b)forecast before assimilation;(c)fo recast after assimilation with WRF-3DVar;(d)forecast after assimilation with SVD-En3DVar

從對降水預(yù)報的 TS評分的比較也可以看到這一點。圖6a是對1 mm以上三個時段的6小時降水預(yù)報 TS評分的比較,可以看到對第1個和第3個6小時累計降水,SVD-En3DVar方法同化后都有改進(jìn),但WRF-3DVar同化后的降水預(yù)報評分則比同化前降低了,對于第2個6小時累計降水,兩種方法同化后都沒有提高降水預(yù)報評分,但是SVD-En3DVar方法同化后評分與同化前很接近,而WRF-3DVar同化后的降水預(yù)報評分則比同化前降低了很多。圖6b是對15 mm以上降水預(yù)報的TS評分結(jié)果,可以看到,SVD-En3DVar方法對3個6小時累計降水預(yù)報都有改進(jìn),而WRF-3DVar方法只對第3個6小時降水預(yù)報有改進(jìn)。總的來說,對于1 mm以上和15 mm以上的降水,SVDEn3DVar方法同化以后的預(yù)報評分都要比 WRF-3DVar方法更好一些。

圖4 同圖3,但為2008年6月6日18時至7日00時Fig.4 Same as Fig.3,but from 1800 U TC 6 Jun 2008 to 0000 U TC 7 Jun 2008

WRF-3DVar使用的是不隨空間位置變化的在水平面上各向同性的預(yù)報誤差協(xié)方差矩陣,SVDEn3DVar使用的是依流形而變的背景誤差協(xié)方差關(guān)系,對于像暴雨之類的中小尺度天氣系統(tǒng),發(fā)展變化很快,使用固定不變的B矩陣來進(jìn)行同化是很不合理的。在同化雷達(dá)徑向速度觀測資料時,WRF-3DVar采用了旋轉(zhuǎn)風(fēng)和質(zhì)量場的平衡關(guān)系來給出風(fēng)場和質(zhì)量場的相關(guān),這對中尺度系統(tǒng)來說也是一個缺陷 (從WRF-3DVar得到的溫度分析增量場也可以看到這一點),而SVD-En3DVar是通過預(yù)報集合來得到風(fēng)場和質(zhì)量場的關(guān)系,這種關(guān)系是由大氣控制方程決定的,只要模式誤差不是很大,積分時間足夠長,樣本容量足夠大,所得到的這種關(guān)系就會更可靠。這應(yīng)該是SVD-En3DVar方法同化后預(yù)報降水好于WRF-3DVar的原因。

圖5 同圖3,但為2008年6月7日00時至7日06時Fig.5 Same as Fig.3,but from 0000 U TC 7 Jun 2008 to 0600 U TC 7 Jun 2008

圖6 同化前及兩種方法同化后對三個時段的6小時累積降水預(yù)報的TS評分:(a)1 mm以上降水評分;(b)15 mm以上降水評分Fig.6 Threat score of 6-h rainfall forecast before and after the assimilation:(a)Rainfall over 1 mm;(b)rainfall over 15 mm

4 個例2——2003年7月一次江淮地區(qū)梅雨鋒暴雨

4.1 天氣過程

2003年7月4～5日,江淮流域普降暴雨到大暴雨,從7月4日10時到7月5日06時滁州市累積降水量達(dá)到379.3 mm,全椒為209 mm,來安為155 mm。在7月4日18時～7月5日00時期間,江蘇省也出現(xiàn)了暴雨,南京站6小時累積降水強度達(dá)到94 mm。

4.2 雷達(dá)資料和模式設(shè)置

對于本次過程我們只采用位于合肥的一部S波段雷達(dá)觀測資料進(jìn)行同化,以檢驗 SVDEn3DVar方法對單部雷達(dá)資料的同化效果。該雷達(dá)采用14個仰角的VCP11觀測模式進(jìn)行連續(xù)體積掃描觀測,體掃的時間間隔平均為5～6分鐘,仰角在0.5°到19.5°之間。資料同樣被插值到模式網(wǎng)格點上,高于模式第20層高度 (200 hPa左右)的資料也丟棄不用。

WRF模式模擬的格點數(shù)是180×180,水平格距為5 km,垂直方向為不等距的28層,模式層頂氣壓為50 hPa。模擬區(qū)域中心是 (31.5°N,117.0°E)。使用NCEP_1°分辨率的再分析資料提供初邊界條件。微物理方案采用WSM 6方案。

4.3 同化試驗

下面,先對兩種同化方法產(chǎn)生的分析增量進(jìn)行比較。圖7是兩種方法三次同化后得到的σ=0.86平面上的分析增量,可以看到對于水平風(fēng)場,兩種方法得到的分析增量大體上比較接近,在雷達(dá)東北方都為東北風(fēng)增量,在雷達(dá)西邊主要是東風(fēng)或東南風(fēng)增量。WRF-3DVar方法得到的增量場和SVDEn3DVar同化相比較平滑,幅度也要小一些,在雷達(dá)南面也不像SVD-En3DVar同化那樣出現(xiàn)東風(fēng)增量。與觀測的徑向風(fēng)和徑向風(fēng)觀測增量 (觀測的徑向風(fēng)和背景場徑向風(fēng)之差)比較 [圖8(見文后彩圖)]看到,觀測的風(fēng)大體應(yīng)為西南風(fēng),背景場有高估這種基本氣流的傾向,特別是在雷達(dá)的東北面。來驗證兩種方法得到的水平風(fēng)場分析增量是否合理。圖8a是分析時刻σ=0.86平面上的實測徑向風(fēng),圖8b為相應(yīng)觀測點上實測徑向風(fēng)和由背景場計算出來的徑向風(fēng)相減后得到的徑向風(fēng)觀測增量。從增量圖中大致可以看到,背景場的西南風(fēng)過強,特別是雷達(dá)的東北方,所以水平風(fēng)場的分析增量主要應(yīng)該是東北風(fēng)。這與圖7中兩種方法得到的結(jié)果比較一致。

對于溫度和比濕,兩種方法得到的增量場在整個模擬區(qū)域都有著很大的差別。WRF-3DVar得到的溫度場分析增量在江蘇境內(nèi)主要是負(fù)的,而SVD-En3DVar得到的溫度場分析增量主要是正的,出現(xiàn)了完全相反的情況。由于WRF-3DVar實質(zhì)上是按照風(fēng)場和質(zhì)量場之間的平衡關(guān)系由風(fēng)的信息給出溫度分析增量場,這種平衡關(guān)系很難說適合中尺度系統(tǒng),而SVD-En3DVar是由預(yù)報集合得到的統(tǒng)計關(guān)系來推斷溫度場,因此出現(xiàn)這種不一致的情況也不難理解。在安徽西部,WRF-3DVar的增量場出現(xiàn)了一塊面積較大的負(fù)值區(qū),而 SVDEn3DVar的增量場只是出現(xiàn)了一塊面積很小的負(fù)值區(qū)。兩種方法得到的比濕分析增量在結(jié)構(gòu)上比較一致,在安徽西部主要為正的增量,在安徽東部主要為負(fù)的增量,但是SVD-En3DVar得到的增量場正負(fù)中心的量級要更大一些。

將7月4日18時σ=0.86平面上同化后的水平風(fēng)場和背景場比較 (圖9)看到,同化前風(fēng)場比較平滑均勻,在33°N以南主要為均勻的西南風(fēng),而以北風(fēng)速則較弱。經(jīng)過雷達(dá)資料同化以后,風(fēng)場結(jié)構(gòu)發(fā)生了明顯的變化,安徽中部的西南風(fēng)明顯減弱了。不過WRF-3DVar同化以后對背景場的改變較小,得到的風(fēng)場比較平滑,看不到很明顯的中小尺度結(jié)構(gòu)出現(xiàn),而SVD-En3DVar同化以后雷達(dá)西北方出現(xiàn)了較強的西南風(fēng),而雷達(dá)東北方轉(zhuǎn)為西北風(fēng),增強了安徽中東部的風(fēng)場輻合。

將兩種方法同化后得到的每6小時一次累積的降水預(yù)報和實測降水比較 [圖10、11、12(見文后彩圖)]可以看到,在第一個6小時,實測降水 (圖10a)由湖北東北部穿過安徽中部再延伸到江蘇中南部地區(qū),同化前預(yù)報的降水區(qū)大部分移到了江蘇境內(nèi),雨量要比實測值大,在安徽東部只留下很小范圍的降水,湖北境內(nèi)則已經(jīng)沒有降水,經(jīng)過WRF-3DVar同化以后,在安徽中東部出現(xiàn)了很強的降水,雨帶位置與實際情況較一致,在江蘇境內(nèi)的雨區(qū)位置和同化前比強度也有所減弱,相比同化前更接近實際了,SVD-En3DVar同化以后,安徽中部出現(xiàn)的強降水區(qū),位置與強度都與實際情況很相似,不過江蘇境內(nèi)的降水范圍變得更小了,與實測結(jié)果差別較大。

圖7 2003年7月4日18時σ=0.86平面同化三次以后得到的 (a、b)水平風(fēng)、(c、d)溫度和 (e、f)比濕的分析增量場比較:(a、c、e)WRF-3DVar;(b、d、f)SVD-En3DVarFig.7 The analysis incrementsof(a,b)horizontalwind,(c,d)temperature,and(e,f)specific humidity on levelσ=0.86 at 1800 U TC 4 Jul 2003 after three assimilation cycles:(a,c,e)WRF-3DVar;(b,d,f)SVD-En3DVar

圖9 2003年7月4日18時σ=0.86平面上的水平風(fēng)場:(a)背景場;(b)WRF-3DVar同化得到的分析場;(c)SVD-En3DVar同化得到的分析場Fig.9 Horizontal wind field on levelσ=0.86 at 1800 U TC 4 Jul 2003:(a)Background field;(b)via WRF-3DVar assimilation;(c)via SVD-En3DVar assimilation

圖13是對這6小時內(nèi)5 mm以上和15 mm以上降水預(yù)報TS評分的比較,可以看到,對于5 mm以上的降水,兩種方法同化以后降水預(yù)報評分都提高了,其中 WRF-3DVar要比 SVD-En3DVar稍好一些,對于15 mm以上的降水,兩種方法對 TS評分都沒有改進(jìn),SVD-En3DVAR同化以后評分比同化前略低,WRF-3DVar同化以后與同化前接近。出現(xiàn)WRF-3DVar要比SVD-En3DVar稍好的原因可能與使用的雷達(dá)觀測資料較少有關(guān),從分析增量來看,WRF-3DVAR的分析增量要比SVD-En3DVar平滑得多,SVD-En3DVar的分析增量邊緣地區(qū)可能會出現(xiàn)不連續(xù)的現(xiàn)象,當(dāng)觀測資料較少時,這種影響就會比較明顯。在第2個6小時,從實測降水(圖11a)來看,主要的降水帶向東移到江蘇中部,安徽境內(nèi)的降水減弱,而湖北境內(nèi)的降水加強了。同化前預(yù)報的安徽東部到江蘇中部的降水與實況相當(dāng)接近,而湖北境內(nèi)的降水仍然沒有預(yù)報出來。經(jīng)過WRF-3DVar和SVD-En3DVar同化以后預(yù)報的降水強度明顯比實況弱,位置也偏南,湖北境內(nèi)的降水也沒有預(yù)報出來,同化使降水預(yù)報變差了。在第3個6小時,實測的主要降水區(qū) (圖12a)仍然停留在江蘇南部,但強度大大減弱了。同化前預(yù)報的降水則又回到了安徽中南部,在江蘇境內(nèi)幾乎沒有降水出現(xiàn),這與實際情況相差很大。WRF-3DVar同化以后預(yù)報的降水僅僅分布在安徽中部的一塊非常小的區(qū)域,而且強度很小。SVD-En3DVar同化以后預(yù)報的降水與同化前的預(yù)報結(jié)果很接近,看不到同化對降水預(yù)報有改進(jìn)。據(jù)此,我們推測雷達(dá)資料覆蓋區(qū)域太少可能是造成同化后預(yù)報效果不好的重要原因。為了檢驗這一點,對第一個個例我們比較了同化13部雷達(dá)和只同化其中4部雷達(dá) (陽江、廣州、梅州、韶關(guān))后的降水預(yù)報 (圖略),發(fā)現(xiàn)只同化4部雷達(dá)資料的降水預(yù)報遠(yuǎn)不如同化13部雷達(dá)資料的預(yù)報,特別是對于12～18時的6小時降水預(yù)報,同化4部雷達(dá)沒有改進(jìn)。這也說明由于雷達(dá)資料太少,初始場只在一個小范圍內(nèi)被改進(jìn),對預(yù)報改進(jìn)的持續(xù)時間就不長,因此這里只同化了1部雷達(dá)的觀測資料,只對前6小時的降水預(yù)報有改進(jìn)。

圖10 2003年7月4日18時至5日00時6小時期間同化前后預(yù)報降水與實測降水的比較:(a)實況;(b)同化前預(yù)報;(c)WRF-3DVar同化后預(yù)報;(d)SVD-En3DVar同化后預(yù)報Fig.10 Comparison of 6-h precipitation from 1800 U TC 4 Jul 2003 to 0000 U TC 5 Jul 2003:(a)Observation;(b)forecast before assimilation;(c)forecast after assimilation with WRF-3DVar;(d)forecast after assimilation with SVD-En3DVar

5 總結(jié)與討論

選擇2008年6月一次華南前汛期暴雨和2003年7月一次江淮地區(qū)梅雨鋒暴雨兩個個例檢驗了用WRF-3DVar和SVD-En3DVar兩種方法同化實測雷達(dá)徑向風(fēng)資料的效果,將同化前后所作的18小時內(nèi)每6小時一次的累計降水量預(yù)報和實況比較得到結(jié)論:對于第一個個例 (2008年),因同化了13部雷達(dá)觀測資料,同化后得到的分析增量覆蓋區(qū)域大,兩種方法同化后產(chǎn)生的水平風(fēng)分析增量比較接近,而溫度和濕度的分析增量差別較大。這是由于風(fēng)場是直接和觀測的徑向風(fēng)相聯(lián)系,但是溫度和濕度場是間接推斷出來的,兩種方法的推斷方式不同。兩種方法同化后對降水預(yù)報都有所改進(jìn),SVD-En3DVar同化的效果明顯好于WRF-3DVar。在前兩個6小時,WRF-3DVar同化對降水預(yù)報沒有改進(jìn),只是在最后一個6小時對預(yù)報才又有改進(jìn),然而SVD-En3DVar同化對3個6小時降水的預(yù)報都有改進(jìn)。這可能說明WRF-3DVar對初始溫度場和濕度場的修正并不好,因此開始一段時間的預(yù)報不好。對于第二個個例 (2003年),由于只同化1部雷達(dá)觀測資料,同化后初始場只在一個小范圍內(nèi)被改進(jìn),對預(yù)報改進(jìn)的持續(xù)時間就不長,兩種方法同化后只對第一個6小時的降水預(yù)報有所改善,對于后面兩個6小時降水的預(yù)報完全沒有改進(jìn),預(yù)報結(jié)果還不如同化前。從這兩個個例的試驗結(jié)果看,當(dāng)觀測資料比較多時,SVD-En3DVar方法同化雷達(dá)資料對降水預(yù)報作用明顯,維持的時間也較長,同化效果要好于 WRF-3DVar。但是只同化1部雷達(dá)資料時,只會對短時間 (6小時)的降水預(yù)報起作用,效果不夠好。不過因為研究的個例不夠多,上面的結(jié)論還需要進(jìn)行更多個例的測試來檢驗。

圖11 同圖10,但為2003年7月5日00時至5日06時Fig.11 Same as Fig.10,but from 0000 U TC 5 Jul 2003 to 0600 U TC 5 Jul 2003

本文也只是進(jìn)行了同化雷達(dá)徑向速度觀測資料的研究,如果同時同化其他資料,例如雷達(dá)反射率因子、探空資料、衛(wèi)星資料等,是否可能進(jìn)一步改進(jìn)預(yù)報也還有待研究。在將本方法運用于業(yè)務(wù)時,除了需要注意盡量選擇較多的雷達(dá)資料外,對雷達(dá)資料的質(zhì)量控制也是一個很重要的方面,本文沒有在這方面做認(rèn)真研究,也可能是同化效果不夠理想的一個原因。另外,如果要增加樣本容量就需要增加計算量,雖然本文在產(chǎn)生初始擾動時利用3DVar技術(shù)可以縮短擾動樣本的積分時間,但總的來說,同化還是需要花費較多的機時,這也是將這一方法用于業(yè)務(wù)時需要進(jìn)一步研究解決的問題。

圖13 同化前及兩種方法同化后對前6小時累積降水預(yù)報的 TS評分Fig.13 Threat sco re of 6-h rainfall forecast befo re and after the assimilation

References)

Lu Chungu,Brow ning G L.1998.The impact of observational and model errors on four-dimensional variational data assimilation[J].J.A tmos.Sci.,55(6):995-1011.

蘭偉仁,朱江,Xue Ming,等.2010a.風(fēng)暴尺度天氣下利用集合卡爾曼濾波模擬多普勒雷達(dá)資料同化試驗I.不考慮模式誤差的情形[J].大氣科學(xué),34(3):640-652. Lan Weiren,Zhu Jiang,Xue Ming,et al.2010a.Sto rm-scale ensemble Kalman filter data assimilation experiments using simulated Dopp ler radar data.Part I:Perfectmodel tests[J].Chinese J.A tmos.Sci.(in Chinese),34(3):640-652.

蘭偉仁,朱江,Xue Ming,等.2010b.風(fēng)暴尺度天氣下利用集合卡爾曼濾波模擬多普勒雷達(dá)資料同化試驗 II.考慮模式誤差的情形[J].大氣科學(xué),34(4):737-753. Lan Weiren,Zhu Jiang,Xue Ming,et al.2010b.Storm-scale ensemble Kalman filter data assimilation experiments using simulated Doppler radar data.Part II:Imperfect model tests[J].Chinese J.A tmos.Sci.(in Chinese),34(4):737-753.

李柏,周玉淑,張沛源.2007.新一代天氣雷達(dá)資料在2003年江淮流域暴雨模擬中的初步應(yīng)用:模擬降水和風(fēng)場的對比[J].大氣科學(xué),31(5):826-838.Li Bai,Zhou Yushu,Zhang Peiyuan.2007.Application of the China new generation weather radar data to the terrential rain simulation over the Yangtze River-Huaihe River basin in 2003:Contrast of precipitation and wind[J].Chinese J.A tmos.Sci.(in Chinese),31(5):826-838.

Parish D F,Derber JC.1992.The National Meteorological Center's spectral statistical-interpolation analysis system[J].Mon.Wea.Rev.,120:1747-1763.

彭新東,常燕,王式功.2010.GRAPES模式對2008年兩次強降水過程的數(shù)值預(yù)報檢驗 [J].高原氣象,29(2):321-330. Peng Xindong,Chang Yan,Wang Shigong.2010.Numerical validation of GRAPESmodelwith two severe precipitation processes in 2008[J].Plateau Meteo rology(in Chinese),29(2):321-330.

Snyder C,Zhang F Q.2003.A ssimilation of simulated Dopp ler radar observation with an ensemble Kalman filter[J].Mon.Wea.Rev.,131:1663-1677.

王鐵,段晚鎖,鄭琴.2006.數(shù)值模式誤差對降水四維變分資料同化及預(yù)報的影響 [J].氣候與環(huán)境研究,11(5):605-615.Wang Tie,Duan Wansuo,Zheng Qin.2006.The effect of model errors on the 4D-Var and fo recast of rainfall[J].Climatic and Environmental Research(in Chinese),11(5):605-615.

徐道生,邵愛梅,邱崇踐.2011.SVD-En3DVar方法同化多普勒雷達(dá)速度觀測資料 I.模擬資料試驗[J].大氣科學(xué),35(4):753-766. Xu Daosheng,Shao Aimei,Qiu Chongjian.2011.A ssimilation of Dopp ler radar velocity observations with SVD-En3DVar method.Part I:Simulated data experiments[J].Chinese Journal of A tmospheric Sciences(in Chinese),35(4):753-766.

徐廣闊,孫建華,趙思雄.2009.基于雷達(dá)資料同化的2003年7月一次暴雨過程的數(shù)值模擬及分析 [J].熱帶氣象學(xué)報,25(4):427-434. Xu Guangkuo,Sun Jianhua,Zhao Sixiong.2009.The numerical simulation and analysis of a heavy rainfall in July 2003 based on radar data assimilation[J].Journal of Tropical Meteo rology(in Chinese),25(4):427-434.

楊毅,邱崇踐.2006.利用多普勒雷達(dá)資料分析一次強降水的中尺度流場 [J].高原氣象,25(5):925-931. Yang Yi,Qiu Chongjian.2006.Analysis on mesoscale circulation within a heavy rain system using Dopp ler radar data[J].Plateau Meteo rology(in Chinese),25(5):925-931.

楊毅,邱崇踐,龔建東,等.2007.同化多普勒雷達(dá)風(fēng)資料的兩種方法比較 [J].高原氣象,26(3):547-555. Yang Yi,Qiu Chongjian,Gong Jiandong,et al.2007.Comparison of two methods of assimilating Doppler radar wind data[J].Plateau Meteorology(in Chinese),26(3):547-555.

圖8 2003年7月4日18時σ=0.86平面上的 (a)實測徑向風(fēng)和 (b)徑向風(fēng)觀測增量Fig.8 (a)Observed radialwind velocity and(b)the observation increment of radialwind velocity(observationminus background)at 1800 U TC 4 Jul 2003 on levelσ=0.86

圖12 同圖10,但為2003年7月5日06時至5日12時Fig.12 Same as Fig.10,but from 0600 U TC 5 Jul 2003 to 1200 U TC 5 Jul 2003

Assim ilation of Doppler Radar Velocity Observations with SVD-En3DVar Method.Part II:Real Data Experiments

XU Daosheng,SHAO Aimei,and Q IU Chongjian

KeyLaboratoryforSemi-AridClimateChangeoftheMinistryofEducation,CollegeofAtmosphericSciences,LanzhouUniversity,Lanzhou730000

In part Iof this study(Xu et al.,2011),The ensemble-based 3DVar(three-dimensional variational technique)method with SVD(singular value decomposition)technique(SVD-En3DVar)is used for assimilation of the simulated radar velocity data and the results demonstrate that using the initial perturbation samp les produced with 3DVar method in SVD-En3DVar can shorten the time intervalof assimilation cycle and imp rove the short-term fo recast of precipitation.In the current study the feasibility of using SVD-En3DVar for assimilating radar velocity observations is tested with the real observational data.Two torrential rain cases(June 2008 in South China and July 2003 in the Changjiang-Huaihe region)are chosen for the test and the 18-hour fo recast of rainfall is compared with that by WRF-3DVar(3DVar based on the weather research fo recasting model)assimilation.For the first case(2008)the observational data from 13 radars are assimilated and the fo recast of rainfallwithin 18 hours is imp roved after assimilation with SVD-En3DVar,but the imp rovement is not evident with WRF-3DVar assimilation.For the second case(2003),only single-radar observations are used and the forecast of rainfall is imp roved in the first 6 hours after assimilation with SVD-En3DVar,however the forecasts are not imp roved by using either SVD-En3DVar or WRF-3DVar in the subsequent 12 hours.

Dopp ler radar,ensemble assimilation,3DVAR,SVD

1006-9895(2011)05-0818-15

P413

A

徐道生,邵愛梅,邱崇踐.2011.SVD-En3DVar方法同化多普勒雷達(dá)速度觀測資料 II.實際資料試驗 [J].大氣科學(xué),35(5):818-832.Xu Daosheng,Shao Aimei,Qiu Chongjian.2011.Assimilation of Dopp ler radar velocity observations with SVD-En3DVar method.Part II:Real data experiments[J].Chinese Journal of A tmospheric Sciences(in Chinese),35(5):818-832.

2010-08-31,2011-03-04收修定稿

國家自然科學(xué)基金資助項目40875063,蘭州大學(xué)中央高校基本科研業(yè)務(wù)費專項資金資助項目lzujbky-2010-9

徐道生,男,1985年出生,在讀博士生,研究方向為資料同化。E-mail:david85xu@sohu.com