中尺度涡的高度计资料同化模拟

利用双多普勒雷达资料对上海一次飑线过程的同化模拟1.民航华东空管局气象中心上海市 2003352.2. 甘肃省合水县气象局甘肃省庆阳市 745400摘要：本文利用美国风暴分析和预报中心（CAPS）开发的APRS中尺度数值模式及其三维变分同化技术（3DVAR），同化了上海地区青浦和南汇的两部雷达资料，模拟了2012年9月7日上海地区的一次飑线天气过程。

分析表明，多普勒雷达资料调整了模式初始场的热力、动力场，这种调整增加了初始场中对流层中下层的云水含量，同时雷达径向风的引入明显加强了对流系统的垂直速度，有效地缩短了模式的spin-up时间。

同化雷达资料改进了模式临近预报的能力，预报效果最好的时段在1-2小时。

关键词：双多普勒雷达资料三维变分同化数值模拟飑线引言随着高性能计算机的发展和风暴尺度非静力模式的成熟，越来越多的机构开始研发基于数值天气预报（NWP）的临近预报技术。

盛春岩等【1】【2】利用ARPS 模式及其资料分析系统ADAS,对一次华北暴雨过程进行了不同水平分辨率的数值对比试验,发现通过提高模式水平分辨率,可以改进6 h内的短时预报。

雷达反射率资料对定量降水预报改进效果明显,同时使用雷达径向风和反射率资料改进初始场后对降水的模拟效果最明显。

国内在2010年北京奥运会期间，与NCAR合作建立了基于WRF-3DVAR的临近预报系统BJ-RUC，其网格设计为9km-3km双层嵌套【3】。

深圳气象局目前运行的HAPS临近预报系统则利用了ARPS-3DVar，其网格设计为12km-4km双层嵌套。

从航空气象的角度出发，航班流量的日益增长使得管制运行部门对航空气象的精细化短临预报提出了越来越高的要求。

在这样的背景下，利用国内外先进的技术方法，设计适用于本区域的临近数值预报天气系统搭建方案，并通过个例模拟验证系统的预报效能具有重要意义。

1 ARPS模式及3DVAR简介ARPS模式是美国Oklahoma大学CAP中心在20实际90年代初期开发的中尺度非静力平衡模式，它是一个高分辨率的多尺度模式，适合风暴尺度的数值模拟。

Argo计划及其面临的技术问题1郭明编译（国家海洋局第二海洋研究所，杭州，310012）Argo，一个大范围的全球温盐剖面浮标观测网，已被计划作为海洋观测系统的一个重要组成部分，并已于2000年开始投放浮标，目前尚在建设之中。

实际上，Argo计划是基于现存的海洋上层热量观测系统，并对其在时间、空间、观测深度和准确性上进行了扩展，同时还增加了对盐度和速度的观测。

命名Argo，主要是为了强调全球浮标网与Jason高度计任务的密切关系，这是第一次人们可以几乎实时地系统测量和收集上层海洋的物理状态信息。

1Argo的诞生和设计全球剖面浮标观测网是在如下三方面技术的最新发展促使下诞生的，从而使得海洋和气候科学迈出了关键的一步。

（1）可以利用每隔10天测量全球海面高度一次的高精度卫星高度计资料建立了一个令人信服的现场实测数据库，但这个数据库需要有效的解译和补充海面地形。

（2）剖面浮标技术的发展使得它可以在常规条件下，在全球任何海区对海洋物理性质进行观测。

这是最重要的一点，因为这意味着在海陆空三维气候系统中，主要被海洋变化所左右的热量与淡水的贮存，将可以第一次被准确的测量出来。

（3）数据同化技术的成熟(包括硬件及软件的发展)使我们可以在把水下数据和遥感所得海面数据结合在一起。

这些数据包括风力（由散射计观测）、海平面变化和次表层要素等。

因此，在综合的卫星遥感系统和强有力的数据同化技术的支持下，使得实施全球次表层海洋观测网无论在科学上还是在运行中都具有广泛的优越性。

1本工作得到国家重点基础研究发展规划项目G1998040900第一部分和G1999043805以及国家海洋局的共同资助。

另外需强调的是，Argo并非一个完美无缺的现场观测系统。

它的目标是提供大尺度空间范围及时间尺度在数月以上的覆盖全球大洋上层的海洋资料。

该系统的这空间分辨率不足以用来计算边界流，而且其时间取样对于研究赤道波导也是不够的。

此外，浮标的设计深度只有2000m，故全球浮标观测网必须采用其他有效的手段给予补充。

资料同化方法的理论发展及应用综述官元红１，２，周广庆２，陆维松１，陈建萍３（１．南京信息工程大学，江苏南京２１００４４；２．中国科学院大气物理研究所，北京１０００２９；３．江西省气象台，江西南昌３３００４６）摘要：简单介绍了资料同化的概念、功能及分类，回顾了资料同化的发展历程，对各个时期发展的各种方法的理论进行了概述，并指出了每种方法的优缺点及应用进展。

目前，三维变分在业务上得到了广泛的应用和推广，随着研究的深入和计算机水平的不断提高，四维变分和集合Ｋａｌｍａｎ滤波在将来业务预报中有广泛的应用前景。

关键词：资料同化，三维变分，四维变分，集合卡尔曼滤波，综述。

中图分类号：Ｐ４３５文献标识码：Ａ０引言数值天气预报业务中，为了得到精确的预报值，准确的初值、合理的边值和完善的模式都是十分重要的。

近年来，随着模式的不断发展完善，对初始条件的精确性要求也日趋提高，物理学家Ｂｊｅｒｋｎｅｓ［１］曾把天气预报归结为初值问题，好的初始条件越来越被认为是整个数值预报领域的一个重要方面，初始条件的精确性直接影响着数值天气预报的成败。

另外，随着观测技术的发展，全球天气观测系统的不断完善，观测资料的时空分布不断扩大，类型和数目也不断增多，资料同化作为一种资料分析方法，如何有效地利用这些资料为数值预报提供更多的信息，是一个值得研究的问题。

因此，近年来，在很多研究工作者的共同努力下，资料同化发展较快，从早期没有理论基础的客观分析，发展到如今基于统计估计和变分两种理论的分析方法，对产生再分析资料和提高预报的准确性等方面做出了很大贡献。

文中回顾了资料同化的发展历程，对各个阶段发展的各种方法的特点进行了分析，并做了简单对比，旨在为人们根据所采用的模型、观测资料的相对质量和可用的计算资源选择何种同化方法提供参考。

１资料同化的概念在为数值天气预报模式提供准确、合理的初值问题上，资料同化是一种行之有效的方法。

它是由早期气象学中的分析技术发展起来的［２－３］。

中尺度模式（Mesoscale Model 5 v3）用户手册一、概述1.mm5模式系统的结构第五代中尺度模式mm5是近年来由美国大气研究中心（NCAR）和美国滨州大学（PSU）在mm4基础上联合研制发展起来的中尺度数值预报模式，已被广泛应用于各种中尺度现象的研究。

Mm5在以往的模式基础上作了许多变化，主要有以下几点：1）复合区域嵌套功能，2）菲静力部分扩展3）四位数据同化功能以及较多的物理过程参数化，能够方便、广泛地应用于各种计算平台。

这些变化使得许多工作在这一模式系统下建立起来。

图1.1是整个mm5模式系统的结构框图，它表现了模式的模块次序、数据流程以及各模块主要功能的简短说明。

TERRAIN和REGRID模块用来处理在麦卡托或兰博托或极射赤面投影下，地形数据和等压面气象数据从规则经纬网格点到高分辨可变中尺度区域的水平插值。

由于插值不能提供全面的中尺度信息，因此插值数据必须加大，RAWINS/little_r就是用连续扫描Cressman客观分析方法和复合二次曲面技术来处理水平网格观测资料和无线电探空资料。

INTERP模块处理MM5系统中气压坐标到sigma坐标的垂直插值，接近地面的sigma平面与地形相似，高水平sigma面与等压面近似。

MM5模块是系统的核心部分，包含气象过程的主控程序，主要求解大气运动基本方程组。

INTERB模块与INTERP 模块作用相反，主要是把MM5模块计算结果从sigma坐标插值到气压坐标中。

2．Mm5模式的水平和垂直格点介绍模式的格点构造是非常有用的，模式系统通常是从等压面上获得、分析数据的，但是这些资料在进入模式之前不得不被插值到模式的垂直坐标中。

垂直坐标是地形伴随的，也就是在底层水平网格伴随地形，而上层表面是平坦的。

中间层是随着气压的减小趋向顶层气压逐渐变得平坦（如图1.2）。

σ用来定义模式水平层：p是气压，p t是顶层气压，p s是表面气压。

从上图可以看出：在顶层σ等于0，在底层σ等于1，模式的每一水平层由σ值来定义，模式的垂直分辨率由0到1之间的数目决定，通常边界层的分辨率高于顶层分辨率，水平层数尽管原则上没有限制，但通常在10到40层之间变化。

气象数据同化在气候模式中的应用研究气候模式是用来研究全球气候演变的重要工具，它通过模拟大气、海洋和陆地的物理过程，预测未来的气候变化。

然而，由于气候系统的复杂性和不确定性，气候模式的预测结果往往存在一定的误差。

为了提高气候模式的准确性，气象数据同化成为了一种重要的研究手段。

气象数据同化是利用观测数据来更新模式的初始条件，并在模式预报的过程中融合观测数据和模式输出，从而提高预测的准确性。

气象数据同化的基本原理是通过最优化算法寻找最佳模拟结果和观测数据之间的匹配，从而修正模式的初始场和模拟结果。

常用的气象观测数据包括温度、湿度、气压、风速等。

在气候模式中，气象数据同化的应用十分广泛。

首先，气象数据同化可以用于改进气候模式的初始场。

通过融合观测数据和模式输出，可以提高模式初始场的准确性，进而提高对未来气候变化的预测能力。

其次，气象数据同化可以改善模式的参数化方案。

气候模式中的参数化方案是用来描述不同尺度的物理过程，如云、降水等。

通过融合观测数据，可以对参数化方案进行优化，从而提高模式的表现力。

此外，气象数据同化还可以用于统计后处理，比如校正模式的偏差和误差，使其更符合观测数据的统计特征。

尽管气象数据同化在气候模式中的应用带来了很多好处，但仍然存在着一些挑战和问题。

首先，观测数据的质量和空间覆盖度对气象数据同化的效果具有重要影响。

高质量的观测数据可以提供更准确的信息，但观测数据的空间覆盖度较低会导致同化效果的不稳定性。

其次，气候系统的复杂性和不确定性限制了气象数据同化的精度和可靠性。

虽然现代气候模式已经相当复杂和完善，但对各种物理过程的参数化仍然存在误差和不确定性，这限制了气象数据同化的精度。

为了克服这些挑战，气象数据同化的研究方向主要包括以下几个方面。

首先，改进观测系统，提高观测数据的质量和数量，扩大观测数据的空间覆盖范围。

其次，进一步改进气候模式的参数化方案，减小模式的偏差和误差。

同时，开展与气候模式相结合的观测研究，通过观测数据对模式的评估和验证，提高模式的可靠性和准确性。