集合卡尔曼滤波中模式偏差的线性订正及其在有限区域地面观测资料同化中的应用

摘要

数据同化是提高数值天气预报质量的重要方面。作为新一代数据同化方法，以依赖环流的背景误差协方差为主要优势的集合卡尔曼滤波及同类方法的业务应用问题是近年来数据同化研究领域的热点。本文以有限区域地面观测资料数据同化为出发点，研究了模式偏差对集合卡尔曼滤波数据同化带来的不利影响，提出了线性模式偏差模型和模式偏差线性齐次订正方法。使用Lorenz96系统开展了实验，分析了模式偏差的影响机制和偏差订正的效果。自主建立了以WRF为预报模式的EnSRF数据同化系统，使用该系统，对2006年4月28日一次飑线过程进行了数据同化研究，分析了预报误差协方差分布特征，并进一步分析了不同地面观测变量的模式偏差对数据同化带来的不同影响，通过海平面气压数据同化和地面气温数据同化进一步验证了线性模式偏差和线性齐次订正方法的有效性，另外，本文分析了不同地面观测变量同化可能存在的问题，讨论了地面观测资料的同化技术。 本文对模式偏差影响集合卡尔曼滤波数据同化的机制、模式偏差订正方法及效果进行了研究分析，得出以下结论： (1)在集合卡尔曼滤波中，模式偏差的对滤波的影响与在观测资料中加入偏差是等价的，非高斯分布和对背景场的错误订正，增大了分析误差，并可造成系统不稳定和系统崩溃。 (2)对于一定的模式偏差，对应的背景场中观测值(即Hx)的离散度越大，造成的分析误差越小，反之，模式偏差会造成较大的分析误差。在集合背景场中离散度较大的区域，模式偏差容易造成较大的分析误差。 (3)采用本研究提出的模式偏差线性齐次订正方法，当不存在系统误差时，不会对同化带来明显的影响，即副作用很小。当存在系统误差时，采取了订正步骤后，可明显降低分析误差，增加系统的稳定性。不同的模式误差形态，订正的效果不同，对于线性齐次偏差，订正后可以基本消除模式偏差带来的不利影响，而对于其他类型的模式偏差，订正后只有部分改进，即仅能消除模式误差中能够使用线性齐次关系描述的部分偏差带来的影响。 (4)在同化实际观测资料时，对于预报误差协相关尺度较大的观测变量(如海平面气压)，有限区域中观测资料在正负协相关区域的分布往往存在不平衡，此时，模式偏差将明显降低同化效果，模式偏差对背景场某气象要素造成的错误订正的空间尺度与该要素误差协相关的尺度一致，而且观测资料越多、错误波动的振幅就会越大，因而必须进行模式偏差订正。反之，对于误差协方差尺度较小的观测变量，实际观测资料分布往往较为平衡，此时，模式偏差带来的不利影响较小。 本文分析了在有限区域集合卡尔曼数据同化中背景场预报误差协方差的分布特征，对地面资料同化技术进行了探讨，主要得出以下结论： (1)如果将集合预报各个成员与集合平均的差可以看作是误差场波动在不同时刻的位移，那么背景场误差协相关的尺度可以看作是误差波动的尺度，不同的气象要素，以及相同的气象要素在不同的层次，误差波动的尺度是不同的。本研究中，海平面气压误差场波动尺度较大，远远大于实际地面观测的平均距离，因此，在海平面气压数据同化中可能存在“饱和”问题。在本研究采用的模式空间分辨率下，地面气温误差波动尺度呈现次天气尺度和中尺度特征，地面风场的误差波动尺度更小，因此，同化地面气温和风场资料时，应选用加密观测网。在高空气象要素预报中，误差波动的尺度由大到小依次为扰动位势、气温和风场，探空站的密度应该能够满足位势高度和高空气温数据同化的需求，对于高空风场的数据同化，探空资料的密度有些不足。 (2)在集合预报启动之初，受大气环流影响，叠加在初始场上的误差协方差结构随模式积分将作出快速地调整，在基本适应大气环流之后，预报误差协方差的结构跟随大气环流变化的速度则慢得多。 (3)地面比湿预报误差的协相关分布显示出明显的昼夜之分，夜间相关系数较大，而白天相关系数较小，应当与边界层水汽的垂直交换有关。 海平面气压与高空等σ而气压的预报误差相关性较强，海平面气压信息将影响整个对流层，对各个高度层是同等重要的。对于风场、气温和比湿而言，随着层次的升高，地面与高空相同要素的预报误差相关性迅速下降，但在白天的边界层中，由于湍流混合，气温与比湿预报误差与地面相同要素预报误差的相关性随高度下降较为缓慢。 实验结果显示地面2米气温与高空扰动位势的预报误差相关性较强，相关系数甚至高于地面气温与高空气温预报误差的相关系数，显示出地面气温同化对于位势高度场具有重要作用。其他地面与高空不同类型气象要素之间的预报误差相关性较差。 (4)受边界层物理方案的影响，在边界层中，与比湿大小的垂直分布相反，由边界层顶至近地而比湿的集合离散度迅速减小，边界层方案对近地面气温的离散度也有一定的抑制作用。在地面气温和比湿同化中，较小的离散度，可能会造成对背景场较大的虚假订正。 (5)海平面气压和地面气温的模式偏差分布基本符合本研究提出的线性模式偏差模型，使用线性齐次模式偏差订正方法取得较好的效果。而地面风场观测值与模式预报值的相关性较差，说明本研究提出的线性齐次订正方法可能不适用千风场樽式偏差订正。

目录

文摘

英文文摘

声明

1前言

2模式偏差订正方法

3低维系统同化实验

4有限区域数值实验

4.1有限区域集合滤波同化系统简介

4.2 2006年″4.28飑线过程″天气概述

4.3控制预报效果分析

4.3预报误差协方差的结构及同化方案设计

4.4海平面气压数据同化对比试验结果

4.5地面气温数据同化对比实验结果

4.6探空资料数据同化结果

5结论与讨论

参考文献

致谢

个人简历、发表的学术论文