论文部分内容阅读
集合变换卡尔曼滤波(ETKF)是一种有效的集合预报初始扰动方案,得到广泛应用。但是,有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使ETKF方案中两个距离较远的状态变量产生较高的虚假相关,从而影响集合扰动的质量。为了有效解决远距离虚假相关的问题,将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统(GRAPES REPS),研究发展了 ETKF局地化方案(LETKF),确定了 LETKF方案的局地化尺度等关键参数;通过暴雨个例和连续批量试验,从初始扰动的相关分布、能量结构、演变特征以及集合预报综合检验等多方面,分析了 LETKF方案消除远距离虚假扰动的有效性。结果表明,GRAPES区域集合预报中,LETKF局地化能够有效消除远集合扰动的距离虚假相关,进一步改善了集合扰动的质量,更加合理地捕捉到快速增长的分析误差的物理结构,较准确地再现数值模式预报误差的线性与非线性传播和演变特征。主要结论如下:(1)研究发展了 GRAPES REPS的LETKF局地化初始扰动方案。新构建的LETKF局地化方案能够有效消除区域集合扰动的远距离虚假扰动信息,提高集合扰动的整体质量。(2)在当前模式水平分辨率和15个集合成员的条件下,LETKF局地化半径为700 km的结果,对于消除集合扰动的远距离虚假、改进集合扰动质量的效果相对最好。集合扰动的相关分布、能量结构、演变特征证明了局地化方案的有效性及相应扰动结构的合理性。另外,引入低层大气信息合理增大预报的集合离散度,进一步优化了 LETKF局地化方案的性能。(3)基于个例分析和批量试验,结果表明LETKF局地化方案对改进集合预报预报质量,尤其是小雨、中雨、暴雨量级的预报具有较好效果。相比于GRAPES REPS,局地化方案的区域集合预报整体质量具有较明显的优势,尤其是对温度场的改善更为显著。不同物理量、不同层次的集合扰动、离散度的发展与传播特征并不一致。通常,对流层中高层质量较好,低层相对较差。