ISSN 1004-4965

CN 44-1326/P

用微信扫描二维码

分享至好友和朋友圈

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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

沈菲菲, 闵锦忠, 吴乃庚, 李泓, 束艾青, 王易, 欧紫娴. 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[J]. 热带气象学报, 2023, 39(1): 23-36. doi: 10.16032/j.issn.1004-4965.2023.003
引用本文: 沈菲菲, 闵锦忠, 吴乃庚, 李泓, 束艾青, 王易, 欧紫娴. 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[J]. 热带气象学报, 2023, 39(1): 23-36. doi: 10.16032/j.issn.1004-4965.2023.003
SHEN Feifei, MIN Jinzhong, WU Naigeng, LI Hong, SHU Aiqing, WANG Yi, OU Zixian. INFLUENCE OF RADAR DATA ASSIMILATION WITH EXTENDED HYDROMETEOR CONTROL VARIABLES ON NUMERICAL SIMULATION OF TYPHOON HATO[J]. Journal of Tropical Meteorology, 2023, 39(1): 23-36. doi: 10.16032/j.issn.1004-4965.2023.003
Citation: SHEN Feifei, MIN Jinzhong, WU Naigeng, LI Hong, SHU Aiqing, WANG Yi, OU Zixian. INFLUENCE OF RADAR DATA ASSIMILATION WITH EXTENDED HYDROMETEOR CONTROL VARIABLES ON NUMERICAL SIMULATION OF TYPHOON HATO[J]. Journal of Tropical Meteorology, 2023, 39(1): 23-36. 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
基金项目: 

国家自然科学基金重大项目 42192553

国家自然科学基金重大项目 42192553

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

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

  • 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(Vr)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。

     

  • 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。

    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。

    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

    图  4  控制实验(a)和3DVar同化试验(b)流程图

    图  5  2017年8月22日12时雷达同化试验在700 hPa风场增量图

    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

    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

    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qr(第1行)、qs(第2行)、qg(第3行)、qi(第4行)、qc(第5行)的水汽增量图(单位:kg/m2)

    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(uv单位为m/s,t单位为K,其他水凝物的单位为10 g/kg)

    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

    图  11  6小时累计降水量的FSS评分

    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)

  • [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [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.
    [44] ZHANG B, ZHAO B. Integrated fractions skill score for the assessment of precipitation[J]. J Trop Meteor, 2019, 25(3): 54-62.
  • 加载中
图(12)
计量
  • 文章访问数:  129
  • HTML全文浏览量:  10
  • PDF下载量:  17
  • 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

目录

    /

    返回文章
    返回