（气象学专业论文）适应性观测敏感区识别方法etkf的应用研究.pdf

摘要 相对于传统的固定网观测 适应性观测是一种移动性观测 是针对某一预 报 或服务 对象目标的特定敏感区而实施的观测 适应性观测的核心是敏感 区的识别 集合变换卡尔曼滤波 e n 江 e n s e m b l et r a n s f o r mk a l m a nf i l t e r 是 一种基于集合预报的敏感区识别方法 这种方法的研究和应用对适应性观测的 有效实施有重要的实际应用意义 对集合预报及其应用也有着重要的研究探讨 价值 论文基于t i g g e t h o r p e xi n t e r a c t i v eg r a n dg l o b a le n s e m b l e 集合资料 针对两类不同天气系统背景下的强降水过程 研究分析了e t k f 适应性观测敏 感区识别方法在实际应用中的技术 结果表明 1 设计了两种分辨率和几种不 同范围的集合资料的试验 试验结果表明其所计算出的信号方差空间分布和极 大值区基本一致 而且在实施e t k f 计算时 使用适当分辨率和范围的集合预 报资料能够大大节省计算时间 2 使用可获得的最近时刻为初值的集合预报资 料得到的敏感区识别结果更加可靠 3 不同气象中心集合预报资料的敏感区识 别结果有一定的差异 但对于清楚的大尺度环流形势背景下的强降水过程 各 中心资料得到的结果较一致 敏感区识别结果比较可靠 4 一次计算相邻9 个 格点使得信号方差分布范围和大值区范围变大 不利于我们找到比较精确的位 置来实施目标观测 5 常规观测分析误差的适度改变对敏感区的识别结果的影 响是可以忽略的 6 不同环流形势背景下的天气过程的敏感区对选取度量函数 具有一定的依赖性 7 增加度量函数中对湿度场信息的考虑 对于夏季主雨带 的强降水过程 更加有利于确定出其敏感区的位置 总之 利用e t k f 方法能 够给出敏感区识别的可以理解的合理结果 论文针对川渝暴雨过程 进一步讨论了c m a 的集合预报 对确定性预报 概率预报的可靠性和分辨能力进行了全面检验 得到如下结论 1 5 0 0h p a 位势 高度场上 c m a 集合平均预报的5 8 2 0 等位势线与实况的差异较大 2 c m a 与 e c m w f 集合离散度存在着显著差异 二者t a l a g r a n d 分布及其对应的q 值的差异 表明 c m a 匕l e c m w f 集合预报的可靠性要低很多 3 连续分级概率评分的检 验结果说明 检验时段的c m a 集合预报系统的性能 可靠性 分辨率与e c m w f 集合预报系统都存在着一定的差距 关键词 t i g g e 适应性观测 敏感区识别 e t k f 强降水 检验 i i i a b s t r a c t c o m p a r e d 谢t l la l lo b s e r v a t i o n a ln e t w o r kc o m p o s e do far o u t i n ec o m p o n e n t a d a p t i v eo b s e r v a t i o ni sat y p eo fm o b i l eo b s e r v a t i o n t a r g e t e do b s e r v a t i o n sw i l lb e t a k eo v e rt h e s e n s i t i v er e g i o n sf o rp r e s e l e c t e dc r i t i c a le v e n t s 1 1 1 ek e yt oa d a p t i v e o b s e r v a t i o nl i e si n i d e n t i f y i n gs e n s i t i v er e g i o n s e t k f e n s e m b l et r a n s f o r m k a l m a nf i l t e r i san e wm e t h o df o ri d e n t i f y i n gs e n s i t i v er e g i o n sw h i c hb a s e do n e n s e m b l ep r e d i c t i o n s t h er e s e a r c ho ft h i sm e t h o dh a sap r o a c t i v ee f f e c to nb o t h a d a p t i v eo b s e r v a t i o na n de n s e m b l ep r e d i c t i o n s i nt h i sp a p e r o nb a s i so ft i g g e t h o r p e xi n t e r a c t i v eg r a n dg l o b a l e n s e m b l e d a t a t h r o u g hi d e n t i f i c a t i o na n dc o m p a r i s o no ft h e s e n s i t i v er e g i o n so f t w od i f f e r e n tt y p e so fh e a v yp r e c i p i t a t i o ne v e n t s s p e c i f i ca s p e c t si nt h ea c t u a l a p p l i c a t i o no fe t k fm e t h o dt ot h ea d a p t i v eo b s e r v a t i o nh a v e b e e na n a l y z e di nd e t a i l 1 1 1 er e s u l t si n d i c a t et h a t 11t h ea p p r o p r i a t eh o r i z o n t a lr e s o l u t i o na n dc o v e r a g eo f e n s e m b l ed a t ac a nb eu s e df o rar e a s o n a b l er e s u l ta n dg r e a t l ys a v ec o m p u t a t i o n a l t i m e a n dt h er e a s o n a b l er e s u l ts h o w st h a tt h eg e o g r a p h i c a ld i s t r i b u t i o no ft h es i g r 山 v a r i a n c em a x i m ac a l c u l a t e df r o md i f f e r e n tr e s o l u t i o n sa n dc o v e r a g e sa r eb a s i c a l l y c o i n c i d e n t a n dar e l a t i v e l ys m a l lc o v e r a g ec a l le v e nb eu s e df o rt h eh e a v y p r e c i p i t a t i o ne v e n tu n d e rr e g i o n a lw e a t h e rc i r c u l a t i o nc o m p a r a t i v e l yt ot h a tu n d e r m a c r o s c a l ew e a t h e rc i r c u l a t i o n 2 i d e n t i f i e ds e n s i t i v er e g i o n sa r em o r ec r e d i b l eb y u s i n ge n s e m b l ep r e d i c t i o n sa v a i l a b l e w h i c ha l ei n i t i a l i z e dm o r er e c e n t l y 3 i d e n t i f i e ds e n s i t i v e r e g i o n s c a l c u l a t e df r o md i f f e r e n t m e t e o r o l o g i c a l c e n t e r s e n s e m b l ed a t aa l em o r ec o n s i s t e n ta n dr e l i a b l ef o rt h eh e a v yp r e c i p i t a t i o ne v e n t u n d e rc l e a rm a c r o s c a l ew e a t h e rc i r c u l a t i o nt h a nf o rt h a tu n d e rr e g i o n a lw e a t h e r c i r c u l a t i o n 4 ac a l c u l a t i o no fs i g n a lv a r i a n c eu s i n gn i n ea d j a c e n t 酣d sa to n et i m e m a k e st h ew i d ed i s t r i b u t i o no fs i g n a lv a r i a n c em a x i m a a n dm a k e si tn o tc o n d u c i v e f o ru st ol o c a t es e n s i t i v er e g i o n sm o r e p r e c i s e l y 5 1 1 1 es e n s i t i v i t yo fe t k ft a r g e t i n g r e s u l t st om o d e r a t ec h a n g e si nt h ee s t i m a t e so fo b s e r v a t i o ne r r o r si sn e g l i g i b l yl o w 6 i d e n t i f i e ds e n s i t i v er e g i o n sf o r t h eh e a v yp r e c i p i t a t i o ne v e n tu n d e rd i f f e r e n tw e a t h e r c i r c u l a t i o nh a v ec e r t a i nd e p e n d e n c et ot h es e l e c t e dm e t r i c 7 i ti sm o r eb e t t e rt o e n s u r et h el o c a t i o no fi d e n t i f i e ds e n s i t i v er e g i o n sf o rt h eh e a v y p r e c i p i t a t i o ne v e n to f m a i nr a i n b a n di ns u m m e rt h r o u g h a d d i n gh u m i d i t yt o t h es e l e c t e dm e t r i c i n c o n c l u s i o n t h e s e n s i t i v e r e g i o n si d e n t i f i e db ye t k fa l eu n d e r s t a n d a b l ea n d r e a s o n a b l e a c c o r d i n gt ot h er a i n s t o r mo fs i c h u a nb a s i n s c m ae n s e m b l ep r e d i c t i o na r e d i s c u s s e di nt h i sp a p e r v e r i f i c a t i o n sh a v eb e e nd o n et ot h ee n s e m b l em e a nf o r e c a s t t h er e l i a b i l i t ya n dr e s o l u t i o no ft h ee n s e m b l ep r o b a b i l i t yf o r e c a s t t h er e s u l t sa l ea s f o l l o w s 1 o nt h em a po f5 0 0h p ag e o p o t e n t i a lh e i g h t t h e5 8 2 0i s o p o t e n t i a ll i n eo f c m a se n s e m b l em e a nf o r e c a s th a sl a r g ed i f f e r e n c e 析t 1 1t h er e a lw e a t h e r 2 1t h e r e a l es i g n i f i c a n t l yd i f f e r e n c e sb e t w e e nc m a sa n de c m w f ss p r e a d t h e r ea l ea l s o d i f f e r e n c e sb e t w e e nt w oc e n t e r s t a l a g r a n dd i s t r i b u t i o na n dt h ec o r r e s p o n d i n gq v a l u e s t h ed i f f e r e n c e si n d i c a t et h a tt h er e l i a b i l i t yo fc m a se n s e m b l ep r e d i c t i o ni s m u c hl o w e rt h a ne c m w f se n s e m b l ep r e d i c t i o n 3 t h er e s u l t so fc o n t i n u o u s r a n k e dp r o b a b i l i t ys c o r ei n d i c a t et h a tt h ep e r f o r m a n c e r e l i a b i l i t ya n dr e s o l u t i o no f c m a se n s e m b l ep r e d i c t i o ns y s t e mh a v eac e r t a i ng a p l i t he c m w fd u r i n gt h e p e r i o do fv e r i f i c a t i o n k e yw o r d s t i g g e a d a p t i v eo b s e r v a t i o n i d e n t i f i c a t i o no fs e n s i t i v er e g i o n s e t k f h e a v yp r e c i p i t a t i o n v e r i f i c a t i o n v 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果 据我所知 除了文中特别加以标注和致谢的地方外 论文中不包含其 他人已经发表或撰写过的研究成果 也不包含为获得南京信息工程大学或其它 教育机构的学位或证书而使用过的材料 与我一同工作的同志对本研究所做的 任何贡献均已在论文中作了明确的说明并表示了谢意 学位论文作者签名 趣 咝丛 签字日期 关于论文使用授权的说明 本学位论文是在南京信息工程大学攻读学位期间在导师指导下完成的博士 学位论文 本论文的研究成果归南京信息工程大学所有 本论文的研究内容不 得以其它单位的名义发表 本人完全了解南京信息工程大学关于保存 使用学 位论文的规定 同意学校保留并向有关部门送交论文的复印件和电子版本 允 许论文被查阅和借阅 同意学校将论文加入 中国优秀博硕士学位论文全文数 据库 和编入 中国知识资源总库 同意按 中国优秀博硕士学位论文全文数 据库出版章程 规定享受相关权益 本人授权南京信息工程大学 可以采用影 印 缩印或其他复制手段保存论文 可以公布论文的全部或部分内容 口公开口保密 年 月 保密的学位论文在解密后应遵守此协议 学位论文作者签名 照堕丛 签字e t 期 2 尘 丝釜主 导师签名 签字日期 第一章绪论 1 1 引言 第一章绪论 高影响天气的准确预报非常重要 通过适应性加强观测改善高影响天气的 预报 具有直接的现实意义 世界气象组织在2 0 0 3 年5 月制定实施了一项为期 1 0 年的大气科学研究计划 t h o r p e x t h eo b s e r v i n gs y s t e mr e s e a r c ha n d p r e d i c t a b i l i t ye x p e r i m e n t t h o r p e x 计划旨在通过预报观测交互研究 改进气 象观测系统能力 加速提高1 1 4 天高影响天气的预报精度 t h o r p e x 科学计 划主要包括四个研究主题 1 可预报性与动力过程 观测系统 资料同化与观 测策略 社会与经济应用 其核心内容是观测系统研究和数值预报系统研究 最终目标是建立全球交互式预报系统 适应性 或目标 观测问题的研究直接 涉及观测系统与资料同化 观测策略两方面的内容 是实现t h o r p e x 科学项 目最终目标的基础与前提 适应性观测是预报 或服务 与观测交互式的观测 适应性观测的核心是 敏感区识别 敏感区是指对所关心区域和时间的天气预报影响最大的区域 这 些区域的分析误差在预报过程中会迅速增长 从而导致预报质量下降 所关心 区域 验证区 和时间 验证时刻 的天气是根据前期预报指示的可能重要天 气 或来自特定地点的特定时间天气预报的服务需求 适应性观测就是为了最 优地改进所关心区域和时间的天气预报 识别出目标时间 验证时刻之前的任 意时间 对应的敏感区 在敏感区所实施的加强观测 这样 利用可能的机动 观测工具如雷达 探空 飞机等进行加密观测 改善敏感区的分析质量 从而 改进验证区在验证时刻的预报 集合变换卡尔曼滤波 e n 口 e n s e m b l et r a n s f o r mk a l m a nf i l t e r 作为一种 基于集合的敏感区识别的新方法 它具有程序设计简单 不需要伴随模式等优 点 它基于一组预报集合 在集合空间中求解卡尔曼滤波方程 计算速度快 可以直接估计出由于增加观测带来的预报误差协方差的减少量 也因此 它是 第一章绪论 预报直接对观测的敏感性 这种方法的研究和应用无论对适应性观测还是对集 合预报及其应用都有着研究探讨价值和实际应用意义 集合预报的质量对表示目标观测区的信号方差具有直接影响 也在一定程 度上决定着目标观测区的准确性 e t k f 方法使用的前提就是要有一组集合预 报 t i g g e t h o r p e xi n t e r a c t i v eg r a n dg l o b a le n s e m b l e 项目是t h o r p e x 项 目中的关键子项目 t i g g e 资料包含了全球各个中心的集合预报资料 中国气 象局是t i g g e 资料交换的三个全球归档中心之一 为利用t i g g e 资料进行敏 感区识别提供了资料保障 目前我国的数值预报水平与先进国家的差别正在逐步减少 但是高影响天 气仍然是我们预报中的一个难点 改善观测对高影响天气的预报至关重要 适 应性观测有利于我们在有限的财力 物力 以及人力等资源的基础上 更划算 有效地使用和发挥这些资源提高我国数值天气预报的水平 从而 可以更有效 地避免和减少高影响天气给人民 社会 经济带来的巨大损失 同时这项工作 在为我国带来一定的经济效益和社会效益中也将起到重要的作用 具有不可忽 视的价值 1 2 国内外研究进展 1 2 1 适应性观测方法研究进展 适应性观测的概念是在筹划锋面和大西洋风暴路径试验 f a s t e x 瞳 3 1 的 过程中 s n y d e r 1 9 9 6 h 1 在1 9 9 5 年的工作会议上提出的 目前有许多方法被 用于适应性观测试验 这些方法主要分为两类 一类基于伴随模式 另一类基 于集合方法 前者包括梯度敏感性方法 l a n g l a n d r o h a l y19 9 6 哺3 准线性逆 近似方法 p u k a l n a y1 9 9 9 1 与伴随有关的奇异向量法 p a l m e re t a 1 1 9 9 8 g e l a r oe ta 1 1 9 9 9 吲 b u i z z ae ta 1 1 9 9 9 吲 b e r g o te ta 1 1 9 9 9 n 0 3 基于集合的 方法有集合发散方法 l o r e n z e m a n u e l1 9 9 8 n 集合变换方法 b i s h o p t o t h 1 9 9 9 n 2 3 和集合变换卡尔曼滤波方法h 3 1 4 1 等 2 第一章绪论 基于伴随模式的分析方法主要有两种 其一是梯度敏感性分析方法 利用 这种方法得到的预报误差相对于初始条件的梯度可以解释为分析误差中快速增 长分量的总和 另一种方法是奇异向量法 s v 根据l o r e n z 1 9 6 5 n 副与 f a r r e l l 1 9 8 9 1 9 9 0 n 6 1 7 3 提出的奇异向量的思想 p a l m e r 等 1 9 9 8 盯1 发展了奇异向 量适应性观测方法 使用奇异向量的理论基础是 预报误差的主要来源与分析 误差有关 这部分分析误差的增长情况可以反映在某个物理空间中不同方向上 的增长 奇异向量代表一段时间内在某个物理空间的不同方向上增长最快的扰 动 它相当于分析误差投影到奇异向量上 最大奇异值所对应的奇异向量为扰 动增长最快的方向 求解奇异向量时 必须首先假设线性化的动力学方程组在 背景状态随时间演变的过程中能够准确地描述扰动或误差的动力学传播过程 奇异向量分解的一个重要属性就是所有奇异向量可以构成一个描述初始误差结 构的完备的集 这就意味着奇异向量的线性组合可以表示出任何状态变量的扰 动 但由于奇异向量方法忽略模式预报误差 从而预报误差协方差矩阵只是理 论上的最优估计 e h r e n d o r f e re ta 1 1 9 9 7 n 8 1 另外 由于对常规观测分析误差协 方差矩阵估计的不准确 会影响到最优目标区的确定 尽管如此 奇异向量法 识别出的敏感区还是能够比较有效地改善验证区的预报质量 在基于集合的适应性观测方法中 集合预报中集合成员的发散反映预报误 差的大小 集合发散方法认为应该在集合发散大的地方进行加强观测 1 9 9 9 年 b i s h o p 和t o t h 提出了集合变换 e t 方法n 副 用这种方法可以估计出与不同 的增加观测配置对应的预报误差协方差矩阵 比较协方差矩阵 选出最优的一 种增加观测配置来组织实施目标观测 e t 方法得到的是与观测配置有关的预报 误差 而不是预报误差的减少量 2 0 0 1 年 b i s h o p 等提出了集合变换卡尔曼滤波理论 e a x f n 引 这种方法可 以直接估计出预报误差的减少量 他们使用正压原始方程做了观测系统模拟试 验 o s s e s 来验证这种方法的有效性 同年 m a j u m d a r b i s h o p 等n 剀进行了实际 资料的试验 对比e t k f 方法估计得到信号方差与n c e p 实际业务中由于适应 性观测资料的加入引起的预报误差减少量之间的关系 发现二者存在线性统计 第一章绪论 关系 2 0 0 2 年 m a j u m d a r b i s h o p 等n 钔讲述了e t k f 方法在业务适应性观测试验 中的应用 m a j u m d a r b i s h o p 等 1 对比了e t k f 和s v 方法两种方法 由于集 合变换卡尔曼滤波方法具有流依赖的特性 试验表明二者选取的目标区在小尺 度方面存在不一致的地方 但是在斜压不稳定区处还是比较一致 e t k f 识别的观测的敏感性比e t 方法在理论上更加一致 e t k f 能快速估 计出显著减小分析或预报误差的观测配置 综合所有配置的信息识别出最优的 飞行路线 不同的飞行路线对应不同的增加观测配置 e t k f 可以利用首次选 出的飞行路线对应的误差协方差信息来评估第二次选出的飞行路线的观测敏感 性 这和b a k e r d a l e y 2 0 0 0 瞳 的观测敏感性方法有些相似 另一方面 通过 使用其预报的的信息向量协方差 e t k f 能更加快速的把观测敏感性转换为预报 误差方差减小量的估计 相比之下 b a k e r d a l e y 的方法不能估计预报误差方 差的减小量 但是可以使用一个信息向量协方差矩阵形成预报梯度的矢量积 e t k f 和区域同化方案中对误差统计量假设的不匹配会引起一些问题 其中很多 问题和b a k e r d a l e y 的讨论很相似 然而 e v e n s e n v a nl e e u w e n 1 9 9 6 陇1 h o u t e k a m e r m i t c h e l l 19 9 8 2 3 a n d e r s o n a n d e r s o n 19 9 9 2 4 9h a m i l l s n y d e r 2 0 0 0 晗跚认为 通过融合基于集合的资料同化方案 e t k f 方法和同化方案间在 总体上的差异是可以避免的 e t k f 方法基于集合变换的思想 这种方法计算简便 易于业务化 不需要 使用伴随模式 可以直接得到预报误差协方差矩阵的减少量 且具有卡尔曼滤 波流依赖的特性 因此成为目前适应性观测研究中的一个主要方法 目前 国内对e t k f 方法的研究工作开展得还比较有限 田伟红等心6 3 简单 介绍了e t k f 方法 并进行了初步应用堙 随着我国数值天气预报的创新研究 发展瞳8 1 我国首个自主发展了新一代全球与区域同化预报系统g r a p e s g l o b a l r e g i o n a la s i i m i l a t i o na n dp r e d i c t i o ns y s t e m 2 9 3 1 9g r a p e s 的研究发 展陋2 3 3 3 为开展适应性观测的研究提供了科技支撑 马旭林眵们结合国际t h o r p e x 科学计划内容 建立了针对我国典型性天气过程的e t k f 适应性观测系统 为 国内科研人员积极参与适应性观测的研究工作提供了良好的平台 本文的工作 4 第一章绪论 就是在马旭林建立的e t k f 适应性观测系统基础上 进而开展的相关研究工作 1 2 2 适应性观测外场试验 适应性观测的概念正式提出后 国外和台湾已经开展了大量的外场试验 锋面和大西洋风暴路径试验 f a s t e x f r o n t sa n da t l a n t i cs t o r mt r a c k e x p e r i m e n t j o l ye ta 1 1 9 9 7 1 9 9 9 担 3 1 北太平洋试验 n o r p e x n o r t hp a c t i c e x p e r i m e n t l a n g l a n de ta 1 1 9 9 9 副 冬季风暴探测项目 w s r w i n t e rs t o r m r e c o n n a i s s a n c ep r o g r a m s z u n y o g he ta 1 2 0 0 0 2 0 0 2 3 6 3 7 和2 0 0 3 年的a t r e c a t l a n t i ct h o r p e xr e g i o n a lc a m p a i g n m a n s f i e l de ta 1 2 0 0 5 汹1 中都已经采取了 目标观测试验 适应性观测试验结果显示 平均而言 目标观测提高了预报技 巧 b e r g o te ta 1 1 9 9 9 s z u n y o g he ta 1 1 9 9 9 2 0 0 0 9 4 0 1 他们也发现目标观测偶尔 也会降低预报技巧 在只包含一种类型资料的简单模式环境下 f i s c h e re ta l 1 9 9 8 4 1 3 m o r s se ta l 2 0 0 1 4 2 3 l o r e n z e m a n u e l 1 9 9 8 n 1 1 分别使用了卡尔曼滤波 三 维变分和直接内插的资料同化方案 结果都表明加入目标观测比常规观测降低 了预报误差 f i s c h e r 1 9 9 8 h b e r g o t 2 0 0 1 h 引 r a b i e r 2 0 0 0 h 钔的工作指出 当使用比较成熟的资料同化方案来同化资料 目标观测的有用性显著提高了 e t k f 敏感区识别方法在每年的w s r 中得到实际的应用 这一方法也被应用于 n c e p 的a t r e e 中的目标观测试验 a t r e c 测试了一种假设 通过对敏感区 增加观测可以减少欧洲地区和美国东部沿海地区短期预报的预报误差 结果显 示 使用增加观测资料后 预报质量得到提高的个例数量比预报质量下降的个 例数量高出大约一倍 这说明通过有效的目标观测能够有效提高预报的准确性 为了提高对台风的研究 我国台湾地区从2 0 0 3 年开始在台湾区域附近开展 了热带气旋目标观测试验d o t s t a r d r o p w i n d s o n d eo b s e r v a t i o n sf o rt y p h o o n s u r v e i l l a n c en e a rt h et a i w a nr e g i o n 该试验经多年的连续实施 已取得显著的 研究成果 w u e ta 1 2 0 0 4 h 副 c h o ue ta 1 2 0 0 7 m 3 w ue ta 1 2 0 0 7 a 2 0 0 7 b n 7 瑚1 第一章绪论 1 3 本文的研究目的与主要内容 本文面向实际应用 基于t i g g e 集合资料 采用基于集合预报的e t k f 方 法 开展敏感区识别的应用研究 重点针对两类典型的强降水过程 通过对比 其共性与差异 详细讨论了e t k f 方法在识别敏感区过程中的各个具体环节 目的是想在理解 基于e t k f 的识别敏感区方法 的基础上 重在针对实际应用 中需要考虑的具体环节 开展工作 希望这有助于对应用该方法的理解与分析 对以后相关的工作有深入到过程的借鉴 另外 针对c m a c h i n e s e m e t e o r o l o g i c a la d m i n i s t r a t i o n 集合预报在适应性观测中的应用结果 对c m a 集 合预报作了检验分析 论文的主要内容和结构做如下安排 第二章主要介绍了集合变换k a l m a n 滤波 e t k f 理论与发展 并分析了 e t k f 方法的优点和不足 第三章是针对两类不同环流形势背景下的强降水过程 利用c m a e c m w f e u r o p e a nc e n t r ef o rm e d i u m r a n g ew e a t h e rf o r e c a s t n c e p n a t i o n a lc e n t r e s f o re n v i r o n m e n t a lp r e d i c t i o n 三个中心的t i g g e 集合资料 采用基于集合的 e t k f 方法 详细探讨了e t k f 方法在实际应用中的具体环节 第四章首先针对c m a 集合预报探讨了其在适应性观测中的实际应用 然 后 以e c m w f 集合预报效果作为参考 针对中纬度西风带系统调整过程中形成 的转折性天气过程 川渝暴雨 对c m a 集合预报效果做了检验分析 第五章为全文总结部分 同时也指出本文研究当中存在的不足 并提出进 一步的工作展望 6 第二章集合变换旨尔曼滤波理论与发展 2 1 引言 第二章集合变换卡尔曼滤波理论与发展 适应性观测的基本思想是 根据一定的方法可以预先估计出某一高影响天 气的预报可能对某一地区 目标区 的分析误差特别敏感 然后对该区域利用 可能的观测工具如雷达 探空 飞机等进行加密观测 同化包含这些观测所得 到的更高质量的分析场 能提高所关心时间区域天气的预报准确率 这种根据 具体所关心的天气预报而设定的移动性加密观测网 能非常划算 有效地利用有 限的观测资源 从而达到提高所关心的高影响天气过程的预报准确率的效果 基于集合k a l m a n 滤波和集合变换的集合变换卡尔曼滤波 e t k f 是 b i s h o p 等口3 1 在2 0 0 1 年提出的一种适应性观测新方法 这种方法可以直接估计出 由于增加观测带来的预报误差协方差的减少量 2 2k a l m a n 滤波和适应性观测试验的总体设计 2 2 1k a l m a n 滤波 卡尔曼滤波理论最早由卡尔曼于1 9 6 0 年首先提出 k a l m a n 滤波的更新方程为 x x k o h x 2 1 其中 k 衅h t h 衅h t r 下标t 表示时间 x 是大气状态的先验估计 即背景场向量 y 为新的观测向量 h 为观测算子 给出了大气状态物理量与 观测物理量之间的联系 衅为x 对应的背景误差协方差 r 为y 对应的观测误 差协方差 分析误差协方差为 耳 i k h 衅 衅一k n p 衅 衅h t i i 衅h t r j h 衅 2 2 7 第二章集合交换卡尔曼滤波理论与发展 根据同化得到的x 假设真实的模式状态的时间演变是根据下式 x t l m x t 叩 2 3 m 是一个m m m 为模式状态变量的维数 的线性的模式状态变量预报算子 通常被叫做模式状态变量t 与什1 之间的变换矩阵 理想情况下 去掉噪声项 得 x t l b m x 2 4 根据m 可以做出下一时刻的大气状态的背景场 下一时刻的背景误差协方差 可以表示为 毗 x b x t x b i x t 1 t m x m x q m x m x q t m x x q m x 一x 一h t m p m t q m m 耳 t q 2 5 经过同化得到的x 耳 通过数值模式中的模式向前积分的算子m 可以 预报出未来时刻的大气状态和预报误差协方差 2 2 2 适应性观测试验的总体设计 根据k a l m a n 滤波可以从总体上理解适应性观测方法 下面给出说明 图2 1 决策过程的时间示意图n 3 1 t i 为集合初始时刻 t d 为进行目标观测实施的决策时间 t 岫为 实施目标观测的目标分析时间 m 为进行目标观测的次数 表示可能发生高影响天气的验证时间 8 第二章集合变换卡尔曼滤波理论与发展 图2 1 为适应性观测决策过程的时间示意图 乙 埘 不考虑集合初 始时刻与目标观测时刻之间的常规观测 假设在第一次将来目标观测时间 前 就已知观测网常规成分的状态 观测算子用h 表示 常规观测误差协方差用r 7 表示 假设只做一次目标观测 时间为 m 后文中用乞表示 共有q 个不同 的适应性观测部署 观测算子用h a 表示 r a 表示相应的观测误差协方差矩阵 h 什n 表示乞时刻第q 种部署的目标观测网加上常规观测网对应的空间线性插值 的观测算子 根据k a l m a n 滤波的分析误差协方差 p 4 p 一p h 丁 r i p h t r 1 h p 在目标时刻乞 第q 种部署的增加观测所对应的分析误差协方差为 p 4 t o l h 9 p 7 t i h 一p 7 t i h 7 h 矿 h 9 p 7 t o l r i h 矿 r 9 一1 h 9 p t o h 2 6 根据预报误差方差 适应性观测网设计问题的大致形式如下t 已知目标观 测时刻乞之前的常规观测 要确定增加观测资源的哪种配置会使得预报误差对 于验证区域在验证时刻t 最小 卡尔曼滤波可用于解决这个问题 通过线性化 动力算子m 乞 o 对目标时刻的分析误差协方差p 乞l h 什4 做时间t o 到验证 i f j 亥i j t 的映射 q 乞 o 是与这个映射相关的模式误差协方差矩阵 故验证时刻 乙 第q 种增加观测配置对应的预报误差协方差为 p 乙l h 9 m 乞 f v p 4 1 0 0 0i n i l 1 0 0 0m m 以上的大暴雨主要集中在鲁西北和鲁中的 西部 在中尺度站自动雨量观测中 济南市区市政府站的降水最大1 8 0 0m l i l 强降雨自1 7 时2 0 分开始 到2 1 时减弱 在3 个半小时的时间内 市区2 1 个 自动雨量站平均降雨量达到1 3 4 0m m 其中市政府自动观测站1 7 时2 0 分至1 8 时2 0 分1 小时降雨量达1 5 1 0m m 3 小时雨量1 8 0 0m m 1 小时降水量是1 9 5 8 年以来济南小时降水记录中的最大值 全省平均降水量为6 2 2m m 这次强降 水范围广 强度大 时间短 属山东历史上所罕见 大范围的短时强降水使人 民群众生命财产遭受到巨大损失 根据灾情统计 全省5 5 9 2 万人受灾 死亡 4 0 人 失踪8 人 伤1 9 7 人 农作物受灾面积1 4 5 7 2 公顷 全省直接经济损失 逾1 5 亿元 3 4 2 两次天气过程的实况降水与环流背景特征 图3 1 分别给了川渝暴雨和山东暴雨截止时刻的前2 4h 累计降水量 从图中 可以看到这两次过程的降水强度和落区分布 根据降水落区我们定义了方案设 计中给出的验证区范围 山东暴雨验证区为 3 4 3 8 0 n 1 1 5 1 2 2 e 川渝暴 雨验证区为 2 5 0 3 5 0 n 9 8 0 1 1 0 e 图3 2 给出了2 0 0 7 年7 月1 6 1 9 日0 0u t c5 0 0h p a 位势高度场 具体分析如下 1 1 6 日0 8 时 贝加尔湖地区为较深的冷性低涡槽区 河套地区有一个明 显的高压脊 高原东部有一小槽 图3 2 a 2 1 7 日0 8 时 中纬度西风带环流和西太平洋副热带高压都发生了显著的 调整 原来的明显高压脊位置在4 0 0 n 附近已是平直气流 以南为移动 的槽脊 西太平洋副热带高压近一步加强西伸 与中纬度大陆高压脊在 华东沿海同位相叠加 使得中纬度环流经向度增大 高原东部槽加深 2 3 第三章基于t i g g e 资料识别适应性观测敏感匡的应用研究 呈经向型 图3 2 b 由于它的西北方是平直的西偏南气流 它的显著发 展没有受到冷空气作用 3 1 8 日0 8 时 高原东部槽减弱 贝加尔湖地区的低槽东移至河套地区东 部 西太平洋副热带高压近一步加强西伸北抬 与大陆高压合而为一 图 3 2 c 从华南沿海到山东形成一股较强的西南风急流 建立起水汽通道 把华南沿海的暖湿气流源源不断地向山东地区输送 为山东特大暴雨提 供了充分的水汽条件 4 1 9 日0 8 时 影响山东大暴雨的槽已逐渐东移入海 图3 2 d 分析可以发现 川i 渝暴雨是一次中纬度西风带环流系统调整下的转折性天 气过程 这次过程的直接影响系统是中纬度西风脊后的高原东部槽 它的显著 发展没有受到冷空气作用 西风脊与副热带高压带的叠加使其显著发展 呈经 向型 此次过程是很难预报的一种转折性天气过程 山东大暴雨则是比较典型 的西风带系统与副高相互作用产生的夏季主雨带的降水过程 是由强盛的西南 暖湿气流 西风槽和东北冷性低涡的共同影响产生的 图3 1 两个个倒的2 4 h 降水量实况 曲川渝大暴雨 2 0 0 70 7 1 70 0 u t c 一2 0 0 77 1 80 0 u t c c o 山东大暴雨r 2 0 0 771 80 0u t c 2 0 0 7 71 90 0o t c 第三章基于t i g g e 资料识别适应性观测被辱区的应用研究 图322 0 0 7 年7 月1 6 1 9 日0 0 u t c 的5 0 0 h p a 位势高度场 a 7 f 1 1 6 日0 0 u t c b 7 月1 7 日0 0 u t c c 7 y j l 8 日0 0 u t c d 7 月1 9 日0 0 u t c 3 5 川渝暴雨的适应性观测试验结果与分析 本节针对川渝暴雨过程 详细探讨e t k f 方法在实际应用中具体环节的试 验结果 3 5 1 集合预报资料分辨率与范围的影响 在适应性观测中 集合预报资料的范围与分辨率对敏感区识别的计算耗时具 有直接的影响 图33 为川渝暴雨目标时刻标准化的e t k f 信号方差综合圈 从图上可以看出 第三章基于t i g g e 瓷料识别适应性观测敏感区的应用研究 分辨率为2 0 0 2 0 图3 3 a 与1 0 10 0 图33 b 的e c m w f 全球集合资料找 出的信号方差空间分布的形状相似 极大值区基本一致 但是 在现有的适应 性观测系统中 受到计算机水平的限制 使用1 0 0 x 1 o 的e c m w f 全球集合资料 识别敏感区 只做一次目标观测所需的计算时间就约为5 天 这远大于验证时刻 与目标时刻的间隔 不可能有预留的时间来调度实施增加观测 其结果就无任 何的实际意义 敲本章后面的研究中使用集合资料的水平分辨率都为2 0 x 2 0 图3 4 为使用北半球和区域7 0 一1 5 0 e 1 0 屯9 0 n 该区域要远大于e t k f 的 计算区域 要能够包括影响降水的所有系统 两种范围的e c m w f 集合预报资料 的敏感区识别结果 使用e