论文部分内容阅读
云和降水中包含了大量与天气系统发生发展密切相关的大气信息,改进云水区的初始条件对提高数值预报技巧非常重要。微波遥感具有穿透云和降水的特点,特别是微波成像仪的飞速发展,提供了更加丰富的云水区信息。但是,目前数值预报中的卫星资料同化仍然主要集中于晴空大气,大量云和降水污染的卫星资料被丢弃不用。本文正是在这一背景下开展了对云水污染的卫星微波图像资料的同化研究工作。本文认真研究了一维加四维变分同化(1D+4D-Var)两步法的基本原理,设计了一个新的一维+四维变分同化系统的流程,并将其应用于云水污染的特种微波成像仪(Special Sensor Microwave/Imager, SSM/I)资料的同化。首先,将云水污染的SSM/I观测用于约束一维变分资料同化(One-dimensional Variational Data Assimilation, 1D-Var)系统反演出总水汽柱(Total Column Water Vapour, TCWV),然后在四维变分资料同化(Four-dimensional Variational Data Assimilation, 4D-Var)系统中将TCWV作为假观测和其它观测资料一起同化得到大气分析场。在一维变分同化系统中,本论文主要作了以下工作:分析了SSM/I资料库的偏差;应用大尺度凝结降水和对流参数化作为湿物理算子;应用了辐射传输模式RTTOV10模拟微波辐射率的新特性;设计并提出了一个关于云量、液态水量、冰水量的背景场以及计算误差协方差的方法;设计了TCWV观测算子,并将其融入到增量方法的四维变分系统中。对于SSM/I资料库的偏差订正,19v、19h和22v三个低层通道的偏差订正效果最好,服从高斯分布,因此,可以将这三个低层通道反演的TCWV信息传递到四维变分系统中。一维变分同化实验结果表明,1D-Var系统的反演性能比较好。在四维变分系统中,通过两组实验进行对比,其中控制实验未使用云水污染的SSM/I观测,而RAIN实验加入了云水污染的SSM/I观测,经过检验,RAIN实验的结果要明显好于控制实验的结果,并且RAIN实验中TCWV的1D-Var增量和4D-Var增量强相关,分析场的相关性要明显好于第一猜值场的相关性,这充分说明1D+4D-Var系统运行的较好。