论文部分内容阅读
随着数值天气预报模式分辨率不断提高,常规观测资料的同化应用难以满足高分辨率数值模式初值需要包含更多中尺度环流信息的要求,大量雷达与近地面观测资料的同化应用是可以满足这一需求的重要途径,其中也包括稠密的自动站地面降水资料。我国现有的地面自动站观测网每天可提供大量高时空分辨率的稠密降水资料,这些资料尚未在数值天气预报模式中得到定量化应用。因此,本文尝试分析研究的问题是如何应用这些稠密降水资料,改进目前高分辨率数值模式的初值质量,以提高短时定量降水预报水平。本文基于我国Global/Regional Assimilation PrEdiction System(GRAPES)高分辨率(3km)区域数值预报模式,从多方面改进了“潜热加热纳近”(LHN)方法在同化地面稠密降水观测资料方面的应用。研究方法包括:(1)提出“暖-潜热加热纳近”同化,以缩短模式的spin-up时间;(2)提出多尺度初始化分析,以延长初始信息的影响时效;(3)采用概率匹配(PM,Probability Matching)集成法,以进一步提高短时定量降水预报技巧。首先,针对中尺度数值预报模式中预报雨带形成滞后问题,设计了一组潜热加热纳近同化试验,分别研究了冷、暖“潜热加热纳近”方法在高分辨率模式中的应用效果。初步试验结果表明:(1)通过调整模式潜热加热廓线融合地面稠密降水资料,能够改进初始场的温度、湿度、风等要素的合理分布,增加降水区的对流不稳定性;(2)与冷“潜热加热纳近”相比,暖“潜热加热纳近”方法在纳近初始阶段的模式降水与观测降水匹配更合理,两者的初始温湿廓线在大气中低层差异明显,且暖“潜热加热纳近”的偏暖偏湿特性更有利于降水的产生;(3)暖“潜热加热纳近”试验对降水落区和强度的预报优于冷“潜热加热纳近”,缺点是强降水略偏强,TS值略低;(4)长、短时效的暖“潜热加热纳近”试验结果相比,积分预热12小时的LHN试验对大雨、暴雨、大暴雨预报范围过大,强度过强,而积分预热6小时的LHN试验对整个区域的预报结果更接近实况。但是,仅仅同化降水资料对提高短时定量降水预报的影响时效有限,基本在6小时以内。在此基础上,考虑初始对流激发的不确定性以及短时定量降水预报对模式初值的敏感性,根据LHN与三维变分同化(3DVAR)的不同耦合方法,设计了五组不同尺度的初始化试验,包括:仅同化传统常规资料的3DVAR试验(VAR)、传统的LHN试验(VAR0LHN3)、循环同化试验(CYCLING)、9点空间滤波试验(SS)以及时间滤波试验(DFI)。进一步的试验结果表明:(1)同化降水资料能够增加初始场中的中小尺度特征,产生有利于降水的扰动不稳定性;(2)不同化降水资料的控制试验,无初始降水信息加入,初始场水汽不足,spin-up滞后问题最明显;非尺度滤波的CYCLING试验,0~6小时降水很快被启动,但积分时间稍长后,模式进入调整,使降水减弱;(3)6~12小时预报期内,相对于CYCLING试验,DFI试验的优势开始体现,降水增加区域水汽增加,冷、暖空气辐合增强,降水强度与实况更为接近。因此,对于不同预报时效不同空间位置,上述五组试验的预报结果各有优缺点。为了综合考虑上述五组试验各自的优点,提供更加稳定可靠的短时定量降水预报,本文采用概率匹配集成法,对上述五组确定性预报结果进行集成,即以概率分布函数确定预报降水的分布,把降水强度依大至小分级排序,然后将降水分布与降水强度按分级排序进行“匹配”(matching)。月平均的降水预报结果表明,控制试验的月平均6h降水与实况偏差较大,强度偏弱,落区也不够准确;而采用PM概率匹配方法的月平均6h降水与实况非常吻合,缺点是略有过度预报;降水预报技巧上,五个单一成员在降水落区和强度预报上各有优势和不足,但概率匹配集成预报能够提供比单一成员都要好的预报效果,各个量级降水的预报技巧明显提高。因此,为了减小初值不确定性带来的短时降水预报的不确定性,考虑不同尺度扰动初值对降水预报的影响,并采用概率匹配法构造高分辨率集成预报系统是可行的。且本文试验提出的小样本短时定量降水集成预报方法,由于集合预报成员只有5个,所需计算时间少,易于满足实际业务应用的需求。