论文部分内容阅读
本文采用了MM5非静力预报模式及其伴随模式系统，通过对2005年汛期北京地区的一次局地强对流降水过程进行多种观测资料的四维变分同化试验，研究了模式初始场对于预报能力的影响，另外还对多种大气观测资料在四维变分同化中的影响和作用进行了进一步的探讨.
试验结果表明，同化了每30分钟的地基GPS可降水量观测、每小时自动气象站降水资料观测以及每三小时的地面常规资料观测后，模式对于强对流降水过程的预报能力有显著提高.与未经资料同化的初始场相比，同化后获得的最优初始场不仅较好地修正了同化窗口内的降水预报，也使同化窗口以后的降水预报得到了极大的改善.从最优初始场的分析增量来看，由于同化了GPS可降水量观测、自动站降水资料以及地面湿度观测资料，最优初始场中比湿增量最为显著.从风场和湿度场增量分布来看，经过四维变分同化后模式也获得了动力上相协调的云水、雨水混合比的初始场，具有更利于降水形成的动力及热力条件，有利于缩短模式的spin-up时间.
地基GPS可降水量观测的同化不仅利于恢复模式的湿度垂直分布结构，对于模式能否正确预报降水的强度和分布也起到了显著影响.另外对于四维变分同化的最优化过程来说，校正了模式总水气量的水平分布，使模式预报降水与实况降水不断适应，这也为四维变分同化过程的正常收敛提供了约束条件.