扩展水凝物控制变量的雷达资料同化对台风“天鸽”数值模拟的影响

沈菲菲; 闵锦忠; 吴乃庚; 李泓; 束艾青; 王易; 欧紫娴

doi:10.16032/j.issn.1004-4965.2023.003

扩展水凝物控制变量的雷达资料同化对台风“天鸽”数值模拟的影响

doi: 10.16032/j.issn.1004-4965.2023.003

沈菲菲^{1, 2, 5, ,},
闵锦忠¹,
吴乃庚^{1, 3},
李泓²,
束艾青^{1, 4},
王易⁶,
欧紫娴¹

1.
南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心，江苏南京 210044
2.
中国气象局上海台风研究所，上海 200030
3.
中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室，广东广州 510641
4.
中国气象局沈阳大气环境研究所，辽宁沈阳 110166
5.
高原与盆地暴雨旱涝灾害四川省重点实验室，四川成都 610225
6.
江苏省气象台，江苏南京 210000

基金项目:

国家自然科学基金重大项目 42192553

国家自然科学基金项目 U2242212

国家自然科学基金项目 42075014

国家自然科学基金项目 41805070

国家自然科学基金项目 41575107

上海市优秀学术/技术带头人计划 21XD1404500

上海台风研究基金项目 TFJJ202107

广东省自然科学基金项目 2021A1515011539

高原与盆地暴雨旱涝灾害四川省重点实验室开放研究基金项目 SZKT201901

中国气象局沈阳大气环境研究所和东北冷涡研究重点开放实验室联合开放基金项目 2020SYIAE07

江苏省气象局科研重点项目 KZ202001

详细信息

通讯作者:
沈菲菲，男，江苏省人，副教授，主要从事中小尺度数值模拟与资料同化。E-mail：ffshen@nuist.edu.cn

中图分类号: P435
计量
- 文章访问数: 24
- HTML全文浏览量: 2
- PDF下载量: 6
- 被引次数: 0
出版历程
- 收稿日期: 2021-07-06
- 修回日期: 2022-11-28
- 刊出日期: 2023-02-20

INFLUENCE OF RADAR DATA ASSIMILATION WITH EXTENDED HYDROMETEOR CONTROL VARIABLES ON NUMERICAL SIMULATION OF TYPHOON HATO

SHEN Feifei^{1, 2, 5
, ,},
MIN Jinzhong¹,
WU Naigeng^{1, 3},
LI Hong²,
SHU Aiqing^{1, 4},
WANG Yi⁶,
OU Zixian¹

1.
Key Laboratory of Meteorological Disaster, Ministry of Education (KLME)/ Joint International Research Laboratory of Climate and Environment Change (ILCEC)/ Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters (CIC-FEMD), Nanjing University of Information Science & Technology, Nanjing 210044, China
2.
Shanghai Typhoon Institute, China Meteorological Administration, Shanghai 200030, China
3.
Guangzhou Institute of Tropical and Marine Meteorology/ Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction, China Meteorological Administration, Guangzhou 510641, China
4.
The Institute of Atmospheric Environment, China Meteorological Administration, Shenyang 110166, China
5.
Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610225, China
6.
Jiangsu Meteorological Observatory, Nanjing 210008, China

摘要

摘要: 利用WRF(Weather Research and Forecast)模式及WRFDA(WRF model data assimilation system)系统，针对2017年台风“天鸽”个例通过同化雷达径向速度(V_r)和反射率因子(RF)，研究水凝物控制变量的雷达资料同化对台风分析预报的影响。研究表明：雷达径向速度的直接同化有效地改进了模式初始场中台风涡旋区的中小尺度信息，分析场中产生了气旋性的风场增量，对模式背景场中的台风有显著增强作用。通过在传统控制变量中扩展针对水凝物的控制变量可有效地同化雷达反射率因子资料，对初始场的水物质进行调整，并对随后确定性预报的台风路径和强度都有一定的正效果。此外，相比没有水凝物控制变量的雷达同化试验，加入了水凝物控制变量的雷达资料同化试验降水预报效果更好。这为将我国近海的地基多普勒天气雷达用于台风初始化分析和预报提供了一定的技术支撑和保障。
- 水凝物控制变量 /
- 多普勒天气雷达 /
- WRF模式 /
- 资料同化 /
- 台风“天鸽” /
- 数值预报
Abstract: In the present study, the impact of radar radial velocity and reflectivity assimilation using hydrometeor control variables on the analyses and forecast of Typhoon Hato was investigated using the Weather Research and Forecast model and its data assimilation system. It was found that the direct assimilation of radar radial velocity effectively improved the small-and-meso scale data in the typhoon vortex area and generated a cyclonic wind field increment in the analysis field, which significantly enhanced the typhoon in the background field of the model. With the introduction of the control variables of hydrometeors to the traditional control variables, the radar reflectivity factor data can be effectively assimilated, the hydrometeors in the initial field can be adjusted, and it had a positive effect on the subsequent deterministic forecast of the track and intensity of the typhoon. In addition, compared with the radar assimilation trial without hydrometeor control variables, the trial with hydrometeor control variables can produce a better precipitation forecast. These results could help ensure full use of the ground-based Doppler weather radar in offshore China.
- hydrometeor control variables /
- Doppler weather radar /
- WRF model /
- data assimilation /
- Typhoon Hato /
- numerical weather forecast

HTML全文

图 1 2017年8月22日12时(a、b)、22日18时(c、d)、23日00时(e、f)高度场(gpm)、风场(m/s)和水汽通量(g/(cm·hPa·s))

左列为850 hPa，右列为500 hPa。

下载: 全尺寸图片幻灯片

图 2 WRF模拟区域

*表示汕尾雷达所在位置；虚线圈表示汕尾雷达的观测范围；2017年8月22日00时—24日00时的台风最佳观测路径由黑实线和黑点实线表示。

下载: 全尺寸图片幻灯片

图 3 2017年8月22日12时(a)、22日18时(b)、23日00时(c)常规资料的分布情况

下载: 全尺寸图片幻灯片

图 4 控制实验(a)和3DVar同化试验(b)流程图

下载: 全尺寸图片幻灯片

图 5 2017年8月22日12时雷达同化试验在700 hPa风场增量图

下载: 全尺寸图片幻灯片

图 6 雷达径向速度在观测场和背景场(a)、分析场(b)的相关性分析图

下载: 全尺寸图片幻灯片

图 7 2017年8月22日12时—23日00时(共13个同化时刻)同化前和同化后的均方根误差

下载: 全尺寸图片幻灯片

图 8 Conv试验(a、d、g、j、m)、Radar试验(b、e、h、k、n)和Radar_Hydro试验(c、f、i、l、o)在2017年8月22日12时的q_r(第1行)、q_s(第2行)、q_g(第3行)、q_i(第4行)、q_c(第5行)的水汽增量图(单位：kg/m²)

下载: 全尺寸图片幻灯片

图 9 2017年8月22日12时(a)、22日18时(b)、23日00时(c)各个变量分析增量的RMSE廓线图(u、v单位为m/s，t单位为K，其他水凝物的单位为10 g/kg)

下载: 全尺寸图片幻灯片

图 10 实际观测(a)、Conv试验(b)、Radar试验(c)、Radar_Hydro试验(d)的6小时累计降水量

下载: 全尺寸图片幻灯片

图 11 6小时累计降水量的FSS评分

下载: 全尺寸图片幻灯片

图 12 2017年8月23日00时—24日00时路径(a)、路径误差(b)、强度误差(c)

下载: 全尺寸图片幻灯片

参考文献(44)

[1]	中国气象局. 中国气象灾害年鉴[M]. 北京: 气象出版社, 2018: 112-154.
[2]	胡东奇. 1998-2017年台风对我国的影响研究[J]. 中国新通信, 2019, 21(9): 239-240.
[3]	董海萍, 袁炳, 罗雨. 多源资料循环同化在台风"潭美"预报中的应用[J]. 热带气象学报, 2017, 33(4): 433-441. doi: 10.16032/j.issn.1004-4965.2017.04.001
[4]	沈菲菲, 闵锦忠, 陈鹏, 等. 多普勒雷达资料同化在台风"桑美"预报中的应用研究[J]. 海洋学报, 2015, 37(3): 25-36. https://www.cnki.com.cn/Article/CJFDTOTAL-SEAC201503003.htm
[5]	龚俊强, 刘朝顺, 刘延安, 等. 探空和飞机观测资料联合同化对台风"苏迪罗"(2015)数值模拟的影响研究[J]. 热带气象学报, 2019, 35(1): 99-112. doi: 10.16032/j.issn.1004-4965.2019.009
[6]	万晓敏, 龚建东, 韩威, 等. FY-4A云导风在GRAPES_RAFS中的同化应用评估[J]. 气象, 2019, 45(4): 458-468. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201904002.htm
[7]	XIAO Q, CHEN L, ZHANG X. Evaluations of BDA scheme using the advanced research WRF (ARW) Model[J]. J Appl Meteor Climatol, 2009, 48(3): 680-689. doi: 10.1175/2008JAMC1994.1
[8]	PU Z, LI X, VELDEN C S, et al. The impact of aircraft dropsonde and satellite wind data on numerical simulations of two landfalling tropical storms during the tropical cloud systems and processes experiment[J]. Wea Forecasting, 2008, 23(1): 62-79. doi: 10.1175/2007WAF2007006.1
[9]	CHOU K H, WU C C, LIN P H, et al. The impact of dropwindsonde observations on typhoon track forecasts in DOTSTAR and T-PARC[J]. Mon Wea Rev, 2010, 139(6): 1 728-1 743.
[10]	CHANG Y, YANG S, LIN K, et al. Impact of tropical cyclone initialization on its convection development and intensity: A case study of typhoon Megi (2010)[J]. J Atmos Sci, 2020, 77(2): 443-464. doi: 10.1175/JAS-D-19-0058.1
[11]	PU Z, LI X, SUN J. Impact of airborne doppler radar data assimilation on the numerical simulation of intensity changes of hurricane dennis near a landfall[J]. J Atmos Sci, 2009, 66(11): 3 351-3 365. doi: 10.1175/2009JAS3121.1
[12]	XIAO Q, ZHANG X, DAVIS C, et al. Experiments of hurricane initialization with airborne doppler radar data for the advanced research hurricane WRF (AHW) model[J]. Mon Wea Rev, 2009, 137(9): 2 758-2 777. doi: 10.1175/2009MWR2828.1
[13]	DU N, XUE M, ZHAO K, et al. Impact of assimilating airborne Doppler radar velocity data using the ARPS 3DVAR on the analysis and prediction of Hurricane Ike (2008)[J]. J Geophys Res Atmos, 2012, 117(D18): 113.
[14]	WENG Y, ZHANG F. Assimilating airborne Doppler Radar Observations with an ensemble kalman filter for convection-permittinghurricane initialization and prediction: Katrina (2005)[J]. Mon Wea Rev, 2010, 140(3): 841-859.
[15]	陈锋, 冀春晓, 董美莹, 等. 雷达径向风速同化对台风麦莎模拟的影响[J]. 气象, 2012, 38(10): 1 170-1 181. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201210004.htm
[16]	沈菲菲, 闵锦忠, 许冬梅, 等. 双多普勒雷达资料同化在飓风"艾克"预报中的应用研究[J]. 海洋学报, 2016, 38(11): 60-72. https://www.cnki.com.cn/Article/CJFDTOTAL-SEAC201611006.htm
[17]	朱磊, 万齐林, 刘靓珂, 等. 雷达径向风资料EnKF同化应用对Vicente(2012)登陆台风强度变化过程预报的影响试验研究[J]. 热带气象学报, 2017, 33(3): 345-356. doi: 10.16032/j.issn.1004-4965.2017.03.006
[18]	沈菲菲, 许冬梅, 闵锦忠, 等. 云尺度雷达资料的混合同化对台风"桑美"的数值模拟研究[J]. 海洋学报, 2018, 40(5): 48-61. https://www.cnki.com.cn/Article/CJFDTOTAL-SEAC201805005.htm
[19]	梁旭东, 王斌. 基于模式约束三维变分技术的连续循环同化试验研究[J]. 气象学报, 2010, 68(2): 153-161. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201002002.htm
[20]	冯佳宁, 端义宏, 徐晶, 等. 雷达资料同化对2015年台风彩虹数值模拟改进[J]. 应用气象学报, 2017, 28(4): 399-413. https://www.cnki.com.cn/Article/CJFDTOTAL-YYQX201704002.htm
[21]	张晓慧, 张立凤, 周海申, 等. 双台风相互作用及其影响[J]. 应用气象学报, 2019, 30(4): 456-466. https://www.cnki.com.cn/Article/CJFDTOTAL-YYQX201904006.htm
[22]	肖辉, 万齐林, 刘显通, 等. 基于WRF-EnKF系统的雷达反射率直接同化对台风"天鸽"(1713)预报的影响[J]. 热带气象学报, 2019, 35(4): 433-445. doi: 10.16032/j.issn.1004-4965.2019.040
[23]	MENG D, CHEN Y, WANG H, et al. The evaluation of EnVar method including hydrometeors analysis variables for assimilating cloud liquid/ice water path on prediction of rainfall events[J]. Atmos Res, 2019, 219(1): 1-12.
[24]	SUN J, ZHANG Y, BAN J, et al. Impact of combined assimilation of radar and rainfall data on short-term heavy rainfall prediction: a case study[J]. Mon Wea Rev, 2020, 148(5): 2 211-2 232. doi: 10.1175/MWR-D-19-0337.1
[25]	XIAO Q, KUO Y H, SUN J, et al. An approach of radar reflectivity data assimilation and its assessment with the Inland QPF of Typhoon Rusa (2002) at landfall[J]. J Appl Meteor Climatol, 2007, 46(1): 14-22.
[26]	GAO J, STENSRUD D. Assimilation of reflectivity data in a convective-scale, cycled 3DVAR framework with hydrometeor classification [J]. J Atmos Sci, 2012, 69(3): 1 054-1 065.
[27]	范水勇, 王洪利, 陈敏, 等. 雷达反射率资料的三维变分同化研究[J]. 气象学报, 2013, 71(3): 527-537. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201303015.htm
[28]	WANG H, SUN J, FAN S, et al. Indirect assimilation of radar reflectivity with WRF 3D-Var and its impact on prediction of four summertime convective events[J]. J Appl Meteor Climatol, 2013, 52(4): 889-902.
[29]	何静, 陈敏, 仲跻芹, 等. 雷达反射率三维拼图观测资料在北方区域数值模式预报系统中的同化应用研究[J]. 气象学报, 2019, 77(2): 210-232. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201902004.htm
[30]	王德立, 孔凡铀, 王洪, 等. 双偏振雷达资料同化对一次台风降雨模拟的影响[J]. 气象科技进展, 2019, 9(3): 153-159. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKZ201903038.htm
[31]	张诚忠, 薛纪善, 冯业荣, 等. 基于贝叶斯方案的雷达反射率反演水汽及其同化试验[J]. 热带气象学报, 2019, 35(2): 145-153. doi: 10.16032/j.issn.1004-4965.2019.013
[32]	IDE K, COURTIER P, GHIL M, et al. Unified notation for data assimilation: Operational sequential and variational[J]. J Meteor Soc Japan, 1999, 75(1): 181-189.
[33]	COURTIER P. The ECMWF implementation of three-dimensional variational assimilation (3D-Var). I: Formulation[J]. Quart J R Meteor Soc, 1998, 124(500): 1 783-1 807.
[34]	XIE Y, MACDONALS A E. Selection of momentum variables for a three-dimensional variational analysis[J]. Pure & Applied Geophysics, 2012, 169(3): 335-351.
[35]	SUN J, WANG H, TONG W. Comparison of the impacts of momentum control variables on high-resolution variational data assimilation and precipitation forecasting[J]. Mon Wea Rev, 2016, 144(1): 149-169.
[36]	DESROZIERS G, IVANOV S. Diagnosis and adaptive tuning of observation-error parameters in a variational assimilation[J]. Quart J R Meteor Soc, 2001, 127(574): 1 433-1 452.
[37]	LI X, ZENG M, WANG Y, et al. Evaluation of two momentum control variable schemes and their impact on the variational assimilation of radar wind data: Case study of a squall line[J]. Adv Atmos Sci, 2016, 33(10): 1 143-1 157.
[38]	PARRISH D F, DERBER J C. The national meteorological center's spectral statistical-interpolation analysis system[J]. Mon Wea Rev, 1992, 120(8): 1 747-1 763.
[39]	MICHEL Y, AULIGNE T, MONTMERLE T. Heterogeneous convective-scale background error covariances with the inclusion of hydrometeor variables[J]. Mon Wea Rev, 2011, 139(139): 2 994-3 015.
[40]	TONG M, XUE M. Ensemble Kalman filter assimilation of Doppler radar data with a compressible nonhydrostatic model: OSS experiments [J]. Mon Wea Rev, 2005, 133(7): 1 789-1 807.
[41]	SUN J, CROOK N A. Dynamical and microphysical retrieval from Doppler radar observations using a cloud model and its adjoint. Part I: Model development and simulated data experiments[J]. J Atmos Sci, 1997, 54(5): 1 642-1 661.
[42]	何志新, 江杨, 邱学兴, 等. 多部多普勒天气雷达资料同化对暴雨个例模拟的影响分析[J]. 暴雨灾害, 2015, 34(02) : 168-176. https://www.cnki.com.cn/Article/CJFDTOTAL-HBQX201502010.htm
[43]	潘留杰, 张宏芳, 陈小婷, 等. 基于邻域法的高分辨率模式降水的预报能力分析[J]. 热带气象学报, 2015, 31(5): 632-642. https://www.cnki.com.cn/Article/CJFDTOTAL-RDQX201505006.htm
[44]	ZHANG B, ZHAO B. Integrated fractions skill score for the assessment of precipitation[J]. J Trop Meteor, 2019, 25(3): 54-62.