衛(wèi)星資料連續(xù)同化在“威馬遜”臺(tái)風(fēng)浪模擬中的應(yīng)用

李明星，張慶河，楊 華

（1.天津大學(xué)水利工程仿真與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300350；2.交通運(yùn)輸部天津水運(yùn)工程科學(xué)研究所港口水工建筑技術(shù)國(guó)家工程實(shí)驗(yàn)室 工程泥沙交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，天津 300456）

衛(wèi)星資料連續(xù)同化在“威馬遜”臺(tái)風(fēng)浪模擬中的應(yīng)用

李明星1，張慶河1，楊 華2

（1.天津大學(xué)水利工程仿真與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300350；2.交通運(yùn)輸部天津水運(yùn)工程科學(xué)研究所港口水工建筑技術(shù)國(guó)家工程實(shí)驗(yàn)室 工程泥沙交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，天津 300456）

基于中尺度大氣模式WRF，以1409號(hào)超強(qiáng)臺(tái)風(fēng) “威馬遜”臺(tái)風(fēng)為例，通過(guò)WRFDA同化模塊及快速輻射傳輸模式CRTM進(jìn)行微波輻射資料AMSU-A連續(xù)同化，來(lái)探究衛(wèi)星資料同化對(duì)風(fēng)場(chǎng)模擬的影響，并利用SWAN模型模擬臺(tái)風(fēng)風(fēng)場(chǎng)驅(qū)動(dòng)下的波浪場(chǎng)。結(jié)果表明，采用連續(xù)同化AMSU-A 資料的方法能夠較為顯著地提高臺(tái)風(fēng)路徑、強(qiáng)度以及臺(tái)風(fēng)作用下波浪場(chǎng)的模擬效果。

衛(wèi)星資料；臺(tái)風(fēng)“威馬遜”；連續(xù)同化；風(fēng)場(chǎng)；波浪場(chǎng)

我國(guó)瀕臨西北太平洋，東南沿海地區(qū)受臺(tái)風(fēng)的侵?jǐn)_十分頻繁，每年有多場(chǎng)臺(tái)風(fēng)登陸我國(guó)，沿海地區(qū)易遭受臺(tái)風(fēng)災(zāi)害[1]。因此，對(duì)臺(tái)風(fēng)及臺(tái)風(fēng)浪的研究一直是人們關(guān)注的焦點(diǎn)之一。臺(tái)風(fēng)的準(zhǔn)確預(yù)報(bào)和后報(bào)不僅對(duì)我國(guó)沿海組織生產(chǎn)和防范災(zāi)害有重要意義，對(duì)于港口海岸工程動(dòng)力設(shè)計(jì)要素等的確定也有重要價(jià)值。

臺(tái)風(fēng)發(fā)生在熱帶海洋上，常規(guī)觀測(cè)資料往往十分稀少。由于初始場(chǎng)分辨率較低和大氣模式積分過(guò)程的誤差影響，區(qū)域模式模擬的臺(tái)風(fēng)常表現(xiàn)出渦旋結(jié)構(gòu)強(qiáng)度較弱、移動(dòng)路徑不準(zhǔn)確等問(wèn)題[2]。為此，利用數(shù)據(jù)同化（將觀測(cè)資料融合到數(shù)值天氣預(yù)報(bào)模式，建立模擬值和實(shí)測(cè)值之間的相互協(xié)調(diào)關(guān)系，產(chǎn)生一個(gè)在統(tǒng)計(jì)意義上最為合理的狀態(tài)的描述[3]）技術(shù)改善臺(tái)風(fēng)模擬精度成為近年來(lái)的研究熱點(diǎn)。衛(wèi)星資料因覆蓋面積較廣、時(shí)空分辨率較高, 在一定程度上彌補(bǔ)了熱帶海洋上常規(guī)觀測(cè)資料稀少的缺點(diǎn)，因而衛(wèi)星觀測(cè)資料同化成為提高數(shù)值模擬精度的重要方法[4]。Le Marshall 等[5]將衛(wèi)星資料進(jìn)行直接同化，有效改善了熱帶氣旋初始場(chǎng)信息，使熱帶氣旋模擬路徑誤差減小。一些研究表明[6-8]，利用三維或四維變分方法對(duì)NOAA極軌衛(wèi)星TOVS/ATOVS特別是AMSU微波輻射資料進(jìn)行直接同化，對(duì)數(shù)值模擬精度的提高有較大貢獻(xiàn)。劉君等[9]進(jìn)一步利用WRF模式開(kāi)展了AMSU-A資料和AMSU-B資料的連續(xù)同化（指在模式模擬過(guò)程中，每隔固定的時(shí)間將模擬得到的結(jié)果作為背景場(chǎng)，引入相應(yīng)時(shí)刻的資料進(jìn)行同化）研究，結(jié)果表明，連續(xù)同化方案一方面可以將更多的資料引入同化系統(tǒng)，另一方面可以實(shí)時(shí)地調(diào)整模式預(yù)報(bào)的誤差，能夠比單時(shí)次同化方案獲得更好的模擬結(jié)果。為此，本文將利用中尺度大氣模式WRF進(jìn)行臺(tái)風(fēng)“威馬遜”期間微波輻射資料AMSU-A 連續(xù)同化的模擬試驗(yàn)，并利用海浪模式SWAN模擬臺(tái)風(fēng)風(fēng)場(chǎng)作用下的波浪場(chǎng)，來(lái)探究衛(wèi)星資料連續(xù)同化對(duì)臺(tái)風(fēng)路徑、強(qiáng)度以及臺(tái)風(fēng)浪模擬的影響。

1 模型介紹

1.1 數(shù)值模型簡(jiǎn)介

大氣模型采用WRF模型，WRF模型是美國(guó)國(guó)家大氣研究中心(NCAR)、美國(guó)國(guó)家海洋和大氣管理局(NOAA)、國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)和預(yù)報(bào)系統(tǒng)實(shí)驗(yàn)室(FSL)等共同開(kāi)發(fā)的新一代中尺度大氣模型。本文大氣模式采用WRF模型中的ARW動(dòng)力框架，資料同化模塊采用WRF模型自帶的同化模塊WRFDA。關(guān)于WRF模型的描述，詳見(jiàn)文獻(xiàn)[10]。

海浪模型采用SWAN模型，SWAN是由荷蘭Delft大學(xué)開(kāi)發(fā)的第三代近岸海浪模型，適用于海洋風(fēng)浪、涌浪及混合浪的模擬，并具有模擬近岸波浪變形的能力。SWAN 模型可以采用結(jié)構(gòu)化網(wǎng)格和非結(jié)構(gòu)化三角網(wǎng)格，支持笛卡爾坐標(biāo)和球面坐標(biāo)，本文采用非結(jié)構(gòu)化三角網(wǎng)格。關(guān)于SWAN模型的描述，詳見(jiàn)文獻(xiàn)[11]。

1.2 三維變分同化原理

WRF模式的數(shù)據(jù)同化模塊WRFDA（WRF Data Assimilation）包括三維變分同化3D-Var（Three-Dimensional Variation）和四維變分同化4D-Var（Four-Dimensional Variation）兩種，兩種同化方法的差別在于后者使用了數(shù)值預(yù)報(bào)模型。WRFDA可同化多種觀測(cè)數(shù)據(jù)，包括常規(guī)觀測(cè)數(shù)據(jù)、衛(wèi)星遙感輻射數(shù)據(jù)、多普勒雷達(dá)數(shù)據(jù)及混合數(shù)據(jù)等[12]。本文采用三維變分同化方法，其主要功能是通過(guò)迭代算法求解指定的目標(biāo)函數(shù)以獲取真實(shí)氣候狀態(tài)的一個(gè)最優(yōu)估計(jì)[13]。

1.3 衛(wèi)星資料數(shù)據(jù)

新型大氣垂直探測(cè)器 ATOVS(Advanced TIROS-N Operational Vertical Sounder)是美國(guó)國(guó)家海洋局第五代NOAA 衛(wèi)星的系列傳感器的一種，是大氣垂直探測(cè)器 TOVS 的改進(jìn)型。ATOVS 具有探測(cè)通道多、空間和時(shí)間分辨率高等特點(diǎn)，能充分發(fā)揮各探測(cè)器所具有的穿透云層、探測(cè)云下大氣垂直結(jié)構(gòu)的獨(dú)特能力，從而大大改進(jìn)了大氣溫度和濕度的探測(cè)水平。

AMSU-A 是一個(gè)搭載在NOAA系列衛(wèi)星上的全功率微波掃描輻射計(jì)，由13 個(gè)AMSU-Al(溫度探測(cè))通道的和 2 個(gè)AMSU-A2(窗區(qū)/表面)通道組成，共有 15 個(gè)探測(cè)通道。每天包含00、06、12和18時(shí)四個(gè)時(shí)次，且每個(gè)時(shí)次集成了前后各三小時(shí)NOAA序列衛(wèi)星上的資料。

衛(wèi)星資料的同化方法有反演同化和直接同化兩種，衛(wèi)星資料的直接同化實(shí)際就是在觀測(cè)算子中包含大氣輻射傳輸(RT)正演模式,并用變分法等有效的數(shù)據(jù)同化方案直接同化以“原始”形式或近“原始”形式的衛(wèi)星輻射率(或亮溫)，這樣不僅能從觀測(cè)中獲取更多的信息，而且避免了復(fù)雜的衛(wèi)星資料反演計(jì)算及其帶來(lái)的反演誤差[14]，本文中應(yīng)用CRTM快速輻射傳輸模式來(lái)處理AMSUA亮溫資料。

2 臺(tái)風(fēng)“威馬遜”風(fēng)場(chǎng)模擬

2.1 臺(tái)風(fēng)“威馬遜”簡(jiǎn)介

超強(qiáng)臺(tái)風(fēng)“威馬遜”為2014年太平洋臺(tái)風(fēng)季第九個(gè)被命名的風(fēng)暴，“威馬遜”于18日下午3時(shí)半以超強(qiáng)臺(tái)風(fēng)短暫登陸海南省文昌市沿海，不久后進(jìn)入瓊州海峽，晚上7時(shí)半再于廣東省湛江市沿海登陸；19日繼續(xù)向西北或西北偏西移動(dòng)，穿越北部灣，并于早上7時(shí)10分又于中國(guó)廣西壯族自治區(qū)防城港市沿海再次登陸，造成海南、廣東、廣西地區(qū)受災(zāi)嚴(yán)重。本文重點(diǎn)模擬“威馬遜”從進(jìn)入南海到在廣西登陸的臺(tái)風(fēng)過(guò)程，即模擬時(shí)間為北京時(shí)間2014年7月16日20時(shí)至7月19日8時(shí)。

2.2 模擬試驗(yàn)設(shè)計(jì)

WRF模型水平方向?yàn)橐?guī)則化網(wǎng)格，為了更準(zhǔn)確地刻畫(huà)臺(tái)風(fēng)內(nèi)部結(jié)構(gòu)，并為波浪計(jì)算提供高精度的風(fēng)場(chǎng)數(shù)據(jù)，威馬遜臺(tái)風(fēng)風(fēng)場(chǎng)計(jì)算采用雙重網(wǎng)格嵌套，主區(qū)域D1（大模型）與嵌套區(qū)域D2（小模型）地形范圍如圖1所示。D1與D2均采用正方形網(wǎng)格，其空間分辨率分別為12 km與4 km。主區(qū)域D1的經(jīng)度范圍為97.07°E～142.93°E，緯度范圍為2.15°S～30.94°N，網(wǎng)格數(shù)為370×280；嵌套區(qū)域D2的經(jīng)度范圍為101.51°E～ 124.28°E，緯度范圍為9.73°N～25.99°N，網(wǎng)格數(shù)為550×415。垂直方向?yàn)榉植疾痪鶆虻?5層；陸表過(guò)程采用Noah陸表模式，行星邊界層方案選擇YSU方案，積云參數(shù)化方案選擇Kain-Fritsch方案，微物理方案選擇Kessler方案，長(zhǎng)波輻射方案RRTM方案，短波輻射方案選擇Dudhia方案；WRF的初、邊值場(chǎng)采用NCEP提供的逐日4個(gè)時(shí)次的1°×1°的FNL再分析資料；主區(qū)域積分時(shí)間步長(zhǎng)取72 s，D1與D2采用雙向耦合計(jì)算。

圖1 臺(tái)風(fēng)“威馬遜”計(jì)算地形范圍Fig.1 Computational domain of typhoon Ramasun

試驗(yàn)方案包括控制試驗(yàn)和同化試驗(yàn)。首先用 WRF 模式將NCEP提供的初始場(chǎng)進(jìn)行6 h的模擬，即從 北京時(shí)間2014年 7 月 16 日 14 時(shí)模擬至 2014年7 月 16 日 20時(shí)。控制試驗(yàn)（CT）以 16 日 20時(shí)的 NCEP 資料作為初始場(chǎng)，對(duì)“威馬遜”進(jìn)行 60 h的模擬而不同化任何資料。同化試驗(yàn) （AMSUA）在16 日 20時(shí)同化微波輻射資料 AMSU-A，接著模擬6 h到 17 日 2時(shí)，之后每隔6 h同化一次，至北京時(shí)間2014年7 月 19 日 8時(shí)結(jié)束。

2.3 衛(wèi)星資料同化效果分析

聯(lián)合臺(tái)風(fēng)警報(bào)中心（Joint Typhoon Warning Center，縮寫(xiě)：JTWC）是美國(guó)海軍于夏威夷珍珠港的海軍太平洋氣象及海洋中心（NPMOC）的分部，負(fù)責(zé)全年持續(xù)監(jiān)察、分析及預(yù)測(cè)太平洋、印度洋及其他海域的熱帶氣旋的行程、發(fā)展及動(dòng)向，該中心的責(zé)任范圍覆蓋全球九成熱帶氣旋的活動(dòng)范圍。該中心會(huì)定期發(fā)布經(jīng)過(guò)校正的過(guò)往臺(tái)風(fēng)的最佳路徑和強(qiáng)度數(shù)據(jù)，是氣象研究者常用的校對(duì)資料。

圖2 臺(tái)風(fēng)路徑模擬結(jié)果與JTWC資料對(duì)比Fig.2 Comparison of typhoon track simulation results with JTWC data

以聯(lián)合臺(tái)風(fēng)警報(bào)中心JTWC（美國(guó)海軍于夏威夷珍珠港的海軍太平洋氣象及海洋中心（NPMOC）的分部，負(fù)責(zé)全年持續(xù)監(jiān)察、分析及預(yù)測(cè)太平洋、印度洋及其他海域的熱帶氣旋的行程、發(fā)展及動(dòng)向）給出的西北太平洋最佳路徑數(shù)據(jù)集中每隔6 h的臺(tái)風(fēng)最佳路徑（http://agora.ex.nii.ac.jp/digital-typhoon/help/tyinfo.html. en）為參照，控制試驗(yàn)和同化試驗(yàn)路徑模擬結(jié)果的比較如圖2所示。與最佳路徑相比，控制試驗(yàn)和同化試驗(yàn)?zāi)M的臺(tái)風(fēng)移動(dòng)路徑均偏北。經(jīng)過(guò)統(tǒng)計(jì)，控制試驗(yàn)?zāi)M24 h時(shí)路徑平均誤差為39 km，模擬48 h時(shí)平均誤差41 km，同化試驗(yàn)?zāi)M24 h時(shí)路徑平均誤差28 km，模擬48 h時(shí)平均誤差32 km。同化試驗(yàn)的臺(tái)風(fēng)路徑比控制試驗(yàn)更接近JTWC最佳路徑。

以JTWC最佳路徑數(shù)據(jù)集給出的每隔6 h的臺(tái)風(fēng)中心附近最大風(fēng)速和最低氣壓為準(zhǔn)，來(lái)比較控制試驗(yàn)和同化試驗(yàn)對(duì)臺(tái)風(fēng)強(qiáng)度的模擬效果。臺(tái)風(fēng)中心最大風(fēng)速和最低氣壓對(duì)比分別如圖3-a和3-b所示，可以看到，控制試驗(yàn)和同化試驗(yàn)臺(tái)風(fēng)強(qiáng)度的變化趨勢(shì)和JTWC資料一致，在臺(tái)風(fēng)登陸前不斷加強(qiáng)，達(dá)到最大強(qiáng)度后登陸，登陸之后逐漸減弱。與JTWC資料相比，控制試驗(yàn)和同化試驗(yàn)?zāi)M得到的臺(tái)風(fēng)強(qiáng)度均偏弱，部分原因是JTWC資料中的風(fēng)速和氣壓是臺(tái)風(fēng)中心附近最大一分鐘風(fēng)速和氣壓，而WRF輸出的風(fēng)速是輸出時(shí)刻的瞬時(shí)風(fēng)速。經(jīng)過(guò)統(tǒng)計(jì)，與JTWC數(shù)據(jù)集相比，控制試驗(yàn)?zāi)M期間臺(tái)風(fēng)中心最大風(fēng)速平均誤差為11.32 m/s，同化試驗(yàn)?zāi)M期間平均誤差為7.73 m/s；控制試驗(yàn)?zāi)M期間臺(tái)風(fēng)中心最低氣壓平均誤差為15.36 hpa，同化試驗(yàn)?zāi)M期間平均誤差為9.92 hpa。可以看出同化試驗(yàn)對(duì)衛(wèi)星資料的引入可以有效地增加臺(tái)風(fēng)內(nèi)部結(jié)構(gòu)信息，從而改善臺(tái)風(fēng)強(qiáng)度的模擬效果。圖4所示為臺(tái)風(fēng)登陸前（模擬42小時(shí)）同化試驗(yàn)和控制試驗(yàn)的風(fēng)場(chǎng)圖，圖中黑色圓點(diǎn)表示這一時(shí)刻JTWC最佳路徑提供的風(fēng)場(chǎng)中心，可以看到，同化試驗(yàn)的風(fēng)場(chǎng)中心更為接近這一時(shí)刻的JTWC最佳路徑，風(fēng)場(chǎng)強(qiáng)度也有所提升。

圖3 臺(tái)風(fēng)強(qiáng)度模擬結(jié)果與JTWC資料對(duì)比Fig.3 Comparison of simulated results of typhoon intensity with JTWC data

圖4 模擬42小時(shí)風(fēng)場(chǎng)對(duì)比Fig.4 Comparison of wind field for 42th hour

3.1 模擬試驗(yàn)設(shè)計(jì)

SWAN波浪數(shù)值計(jì)算模型采用經(jīng)緯坐標(biāo)，

3 臺(tái)風(fēng)“威馬遜”波浪場(chǎng)模擬

采用局部加密的非結(jié)構(gòu)化網(wǎng)格和曲線開(kāi)邊界，地形范圍及網(wǎng)格劃分如圖5所示,地形經(jīng)度范圍為105.61°E～119.65°E，緯度范圍為11.60°N～25.38°N。模型網(wǎng)格節(jié)點(diǎn)數(shù)為 26 418，單元數(shù) 50 785，網(wǎng)格空間步長(zhǎng)最大為 0.28°，最小為 0.005°，計(jì)算采用 同化試驗(yàn)WRF 嵌套區(qū)域 D2 計(jì)算所得的 10 m高處風(fēng)速資料作為驅(qū)動(dòng)風(fēng)場(chǎng)，時(shí)間步長(zhǎng)為5 min。

3.2 波浪場(chǎng)分析

為了進(jìn)一步驗(yàn)證同化試驗(yàn)方案模擬風(fēng)場(chǎng)對(duì)波浪模擬的影響，采用AVISO 發(fā)布的Jason-2衛(wèi)星高度計(jì)數(shù)據(jù)（http://www.aviso.altimetry.fr/en/ data.html）作為波高驗(yàn)證資料。在同化試驗(yàn)?zāi)M的時(shí)間范圍內(nèi)，Jason-2衛(wèi)星經(jīng)過(guò)南海并有數(shù)據(jù)的時(shí)刻為2014年7月18日8時(shí)50分左右，衛(wèi)星地面軌跡如圖6。圖7所示為這一時(shí)刻控制試驗(yàn)和同化試驗(yàn)波浪場(chǎng)，提取對(duì)應(yīng)時(shí)刻對(duì)應(yīng)坐標(biāo)位置的有效波高進(jìn)行對(duì)比，對(duì)比結(jié)果如圖8所示。根據(jù)圖2中JTWC最佳路徑，這一時(shí)刻的臺(tái)風(fēng)中心在北緯20°附近，圖8中可以看到在臺(tái)風(fēng)影響較大的較高緯度海域，同化試驗(yàn)的波高模擬值明顯大于控制試驗(yàn)，與Jason-2衛(wèi)星遙感數(shù)據(jù)更加接近，低緯度海域受臺(tái)風(fēng)影響逐漸減弱，同化試驗(yàn)和模擬試驗(yàn)的波高值比較接近，總體而言，同化試驗(yàn)風(fēng)場(chǎng)驅(qū)動(dòng)的波浪場(chǎng)計(jì)算結(jié)果更加準(zhǔn)確。

圖5 計(jì)算范圍和網(wǎng)格劃分Fig.5 Computational domain and mesh

圖6 Jason-2地面軌跡Fig.6 Jason-2 ground track

圖7 衛(wèi)星經(jīng)過(guò)時(shí)刻波浪場(chǎng)對(duì)比Fig.7 Comparison of wave field when satellite passed

圖8 有效波高模擬值與衛(wèi)星數(shù)據(jù)對(duì)比Fig.8 Comparison of satellite data and simulated wave height

4 結(jié)論

本文利用WRF 大氣模式，以1409 號(hào)超強(qiáng)臺(tái)風(fēng) “威馬遜”臺(tái)風(fēng)為例，利用WRFDA模塊進(jìn)行了微波輻射資料AMSU-A 連續(xù)同化的模擬試驗(yàn)，與非同化試驗(yàn)進(jìn)行了對(duì)比，并將大氣模式的計(jì)算風(fēng)場(chǎng)作為驅(qū)動(dòng)風(fēng)場(chǎng)，利用SWAN模型模擬了臺(tái)風(fēng)風(fēng)場(chǎng)作用下的波浪場(chǎng)，獲得以下主要結(jié)論：（1）采用連續(xù)同化AMSU-A 資料的方法，將多時(shí)次的衛(wèi)星資料引入數(shù)值模式用于改善臺(tái)風(fēng)初始場(chǎng)和過(guò)程場(chǎng)，能夠較為顯著地提高臺(tái)風(fēng)路徑和強(qiáng)度的模擬效果。（2）同化試驗(yàn)?zāi)Ｐ湍茌^好地模擬“威馬遜”臺(tái)風(fēng)，臺(tái)風(fēng)移動(dòng)路徑模擬期間平均誤差較小。（3）將同化試驗(yàn)的風(fēng)場(chǎng)作為驅(qū)動(dòng)風(fēng)場(chǎng)，采用SWAN海浪模型能夠合理地模擬出南海大范圍，復(fù)雜地形的波浪場(chǎng)，且較非同化試驗(yàn)風(fēng)場(chǎng)驅(qū)動(dòng)的波浪場(chǎng)更加合理。

[1] 李英，陳聯(lián)壽，張勝軍. 登陸我國(guó)熱帶氣旋的統(tǒng)計(jì)特征[J]. 熱帶氣象學(xué)報(bào)，2004，20(1)：14-23. LI Y, CHEN L S, ZHANG S J. Statistical characteristics of tropical cyclones landing in China[J]. Journal of Tropical Meteorology. 2004,20(1):14-23.

[2] 李興武，董海萍，郭衛(wèi)東，等. ATOVS 不同衛(wèi)星資料在臺(tái)風(fēng)模擬中的同化試驗(yàn)研究[J]. 熱帶氣象學(xué)報(bào)，2012,28(2)：157-166.LI X W, DONG H P,GUO W D, et al. Study on assimilation experiment of ATOVS satellite data in typhoon simulation [J]. Journal of Tropical Meteorology, 2012, 28(2): 157-166.

[3] 官元紅，周廣慶，陸維松，等．資料同化方法的理論發(fā)展及應(yīng)用綜述[J]．氣象與減災(zāi)研究，2007，30(4)：1-8．GUAN Y H, ZHOU G Q, LU W S, et al. A review of theoretical development and application of data assimilation method [J]. Meteorology and disaster reduction research, 2007,30 (4): 1-8.

[4] Tallapragada V. Satellite data assimilation of upper-level sounding channels in HWRF with two different model tops[J]. Journal of Meteorological Research, 2015, 29(1): 1-27.

[5] Le Marshall J F, Leslie L M, Abbey Jr R F, et al. Tropical cyclone track and intensity prediction: The generation and assimilation of high-density, satellite-derived data[J]. Meteorology and Atmospheric Physics, 2002, 80(1-4): 43-57.

[6] Cui L, Sun J, Qi L, et al. Application of ATOVS radiance-bias correction to typhoon track prediction with Ensemble Kalman Filter data assimilation[J]. Advances in Atmospheric Sciences, 2011, 28: 178-186.

[7] Zhang M, Zupanski M, Kim M J, et al. Assimilating AMSU-A radiances in the TC core area with NOAA operational HWRF (2011) and a hybrid data assimilation system: Danielle (2010)[J]. Monthly Weather Review, 2013, 141(11): 3 889-3 907.

[8] Zhang H, Xue J, Zhu G, et al. Application of direct assimilation of ATOVS microwave radiances to typhoon track prediction[J]. Advances in Atmospheric Sciences, 2004, 21(2): 283-290.

[9] 劉君,黃江平,董佩明,等. 衛(wèi)星資料連續(xù)同化應(yīng)用對(duì)區(qū)域數(shù)值預(yù)報(bào)效果影響分析[J]. 氣象, 2013(2): 156-165. LIU J, HUANG J P, DONG P M, et al. Effects of continuous data assimilation of satellite data on regional numerical prediction effect [J]. Meteorology, 2013 (2): 156-165.

[10] 譚鳳. 基于WRF大氣模式的大風(fēng)過(guò)程波浪模擬[D]. 天津: 天津大學(xué), 2011.

[11] 楊靜思. 波流實(shí)時(shí)耦合模式的建立及應(yīng)用[D]. 天津: 天津大學(xué), 2012.

[12] Wang W, Bruyère C, Duda M, et al. ARW Version 3 Modeling System User's Guide[R]. Mesoscale and Microscale Meteorology Division, National Center for Atmosphere Research, 2011.

[13] Ide K, Courtier P, Ghil M, et al. Unified notation for data assimilation: Operational, sequential and variational[J]. Quarterly Journal of the Royal Meteorological Society, 1997, 75:181-189.

[14] 李冉, 高山紅, 王永明. 直接同化衛(wèi)星輻射數(shù)據(jù)的黃海海霧數(shù)值試驗(yàn)研究[J]. 中國(guó)海洋大學(xué)學(xué)報(bào):自然科學(xué)版, 2012, 42(3):10-20. LI R, GAO S H, WANG Y M.Numerical experiment study on sea fog of the YellowSea by direct assimilation of satellite radiation data [J]. Journal of Ocean University of China, 2012, 42 (3):10-20.

Application of continual assimilation of satellite data in typhoon Ramasun simulation

LI Ming-xing1, ZHANG Qing-he1, YANG Hua2
(1. State Key Laboratory of Hydraulic Engineering Simulation and Safety,Tianjin University,Tianjin 300072,China; 2. Tianjin Research Institute for Water Transport Engineering,National Engineering Laboratory for Port Hydraulic Construction Technology, Key Laboratory of Engineering Sediment, Ministry of Transport, Tianjin 300456, China)

Using the mesoscale weather forecasting model WRF, by continuous assimilation of AMSU-A microwave radiation data through WRFDA model and the Community Radiative Transfer Model (CRTM), super typhoon Ramasun was simulated to assess the impact of satellite data assimilation. SWAN model was applied to simulate wave fi eld driven by typhoon wind. The results show that using the method of continuous assimilation of AMSU-A data can greatly improve the simulation effect of typhoon path and intensity, and the wave fi eld under the effect of typhoon.

satellite data; typhoon Ramasun; continuous assimilation; wind fi eld; wave fi eld

TV 331；O 242.1

A

1005-8443(2017)03-0235-05

2016-11-23；

2017-01-24

李明星（1991-），男，河北省張家口人，碩士研究生，主要從事港口海岸及近海工程研究工作。Biography:LI Ming-xing(1991-),male,master student.