论文部分内容阅读
本文主要围绕如何更有效的运用集合卡尔曼滤波方法来同化雷达资料，从而提高对风暴中尺度系统的分析和预报。本文主要用的是EnSRF(Ensemble SquareRoot Filter)的集合卡尔曼滤波方法，以减少人为地加入观测扰动后引入的取样误差。
基于数值预报模式预报与实际通常存在相位差的考虑，资料同化所用的总体集合采用预报时间取样的方法产生，即某一分析时刻的资料同化所用的总体集合不仅包含了由按传统方法产生的集合成员在该时刻的预报，还包括了它们在分析时间前后附近时刻的预报。因此，对于同样的集合样本数，用这种方法产生的总体集合可以有效的减少所需的集合预报的数目，从而节约计算资源。另一方面，观测系统模拟实验结果表明：适当的取样时间间隔可以改善同化分析和预报的精度，而取样时间间隔可以根据一个简单的参数取值的大小来确定。在这个方法中，可以通过对取样时间间隔的调节来控制集合的方差大小，进而在同化过程中保持相当量级的离散程度，能够有效的缓解集合发散问题。理想试验和实际天气个例(2003年5月8日的Oklahoma City龙卷风风暴)的资料同化试验结果都表明，时间取样方法的优点在数值预报模式有误差的情况下更为突出。
针对雷达资料和雷达扫描设计，对EnSRF在风暴中尺度系统进行同化时的效果和特点进行了研究。观测系统模拟实验结果表明，同化时所用观测资料的分辨率和精度对EnSRF的同化和预报结果的影响并不完全和我们想象的一样。也就是说，用EnSRF同化高精度、高密度的雷达资料并不一定会改进对风暴中尺度系统的分析和预报。这主要是因为由集合估计的背景协方差的不准而引起的。因此，在存在模式误差，由集合估计的背景协方差不够精确的情况下，在设计其他形式的雷达(例如Phased-array雷达)时，适当的降低雷达观测的空间分辨率不仅能节约计算时间，还有利于提高同化雷达资料后的分析和预报精度。对于目前业务使用的WSR-88D雷达，其扫描形式已经固定，在雷达的径向方向上，观测相对于现在的数值模式来说，分辨率是过高的。在用EnSRF对其资料进行同化前，需要对观测进行压缩，产生超级观测。同化超级观测的试验结果表明：同化适当分辨率的超级观测可以在节约计算资源的同时改进同化分析和预报的精度；超级观测的分辨率至少要与分析模式的水平分辨率相当。这种方法的有效性和可行性在对龙卷风风暴的模拟和资料同化试验中得到了验证。