论文部分内容阅读
区域集合预报是改进强对流天气预报能力的重要途径之一,而影响区域集合预报质量的关键因素之一就是初始扰动能否合理、实际地反映分析误差的振幅与结构,因此构造合理的初始扰动对提高区域集合预报质量非常重要。目前,各种初始扰动方案构造的区域集合预报初始扰动都是单一尺度的,不能全面、准确地描述实际大气运动特征。为了构造更加合理的初始扰动,本文先构造了基于2D-DCT滤波方法的尺度混合初始扰动方案(Filter方案),并证明了该方案改善原集合预报场(REPS)性能的有效性；考虑到基于滤波方法的尺度混合方案由于滤波界限难以客观确定且多尺度信息混合时易产生扰动误差,构造了基于GRAPES三维变分同化系统的尺度混合初始扰动方案(VAR方案)并分析其性能；最后通过更长时间的集合预报试验,对比分析两种尺度混合初始扰动方案的性能。本文得到的主要研究结论如下：(1)基于滤波方法的尺度混合初始扰动方案可以根据滤波界限完全融合高质量的大尺度信息和中小尺度信息。该方法对降水预报有所改善,对应的大雨量级、暴雨以上的概率预报优于原集合预报,集合平均优于控制预报和原集合预报的集合平均。该方法可显著改进高度场和温度场的预报能力,对风场预报能力改善程度偏小。(2)基于同化方法的尺度混合初始扰动方案较好地融合全球大尺度信息和中小尺度天气系统的扰动信息；对大雨和暴雨量级的降水概率预报效果有明显改善,集合平均也优于原集合预报的集合平均和控制预报；该方案整体改善了原集合预报性能,特别是对高度场和温度场效果更为显著,但对风场的集合预报性能影响偏小。(3)基于滤波方法的尺度混合方案和基于同化方法的尺度混合方案的集合预报性能均优于REPS,两种方案的优势不同。VAR方案对集合平均均方根误差的减少程度最大,而Filter方案对模式预报初期(0-24 h)集合离散度的改善程度最大,而在模式预报后期两种方案对集合离散度的提高程度相同；总体来看,VAR方案对位势高度、纬向风速的改善效果最大,而Filter方案对温度的改善程度最大,两种尺度混合方案对经向风速预报能力的提高程度相同；两种尺度混合方案并没有改进REPS对小雨、中雨和大暴雨的预报能力,但改善了对大雨和暴雨的预报能力,其中VAR方案对暴雨预报能力的改进程度最大而Filter方案对大雨预报能力的改进程度最大。