基于集合平方根滤波的四维迭代同化新方案及在对流尺度天气中的同化应用

The convective scale data assimilation using ensemble square root filter (EnSRF) is an important approach to improve the performance of numerical weather forecast on severe weather events. However, it is difficult for the EnSRF to effectively utilize the frequent observations in convective scale. Meanwhile, the lack of severe weather events in the background leads to the long spin-up time of EnKF data assimilation, shortening the lead time for the severe convection. Differing from previous studies that consider above two issues separately and only perform observing system simulation experiments, a new four-dimensional iterative scheme based EnSRF, named i4DEnSRF, is proposed by this project. This scheme combines the 4DEnSRF and iEnSRF, taking the utilization of frequent observations and the spin-up speed into account at the same time. Through serials of data assimilation experiments using real observations, the influence of model error and the number of iteration on i4DEnSRF, the relationship between the inflation factor and the number of iteration, and the optimal utilization of high spatial density observation during iteration are revealed. Finally, this project will construct an i4DEnSRF that works with convective scale data assimilation, improving the level of numerical forecast in China

对流尺度集合平方根滤波同化是改进强对流数值天气预报效果的重要手段之一，但是目前的集合平方根滤波难以合理的同化高时间分辨率的对流尺度观测，同时在使用缺少强对流信息的背景场进行同化时收敛速度较慢，缩短了强对流的可预报时间。不同于以往分开考虑以上两个问题并仅在模拟观测条件下进行的研究，本项目提出了一个新的基于集合平方根滤波的四维迭代方案i4DEnSRF，该方案是4DEnSRF和iEnSRF的结合，同时考虑了高时间分辨率观测的有效利用和同化的收敛速度这两个问题。通过一系列实际观测资料同化实验，揭示i4DEnSRF方案中模式误差以及迭代步数对同化效果的影响，明确协方差膨胀系数与迭代步数的关系和高空间密度观测资料在迭代过程中的最优化使用等问题。最终本项目将建立和完善一个适用于对流尺度资料同化的i4DEnSRF同化系统，改进我国在强对流天气方面的数值预报水平。

强对流天气系统的数值预报需要较为准确的初值，而当前对流尺度EnKF资料同化存在未能有效利用高时间分辨率观测和收敛速度较慢等问题。已有相关研究（4DEnSRF）仅限于理想风暴的模拟同化实验，对实际雷达资料同化中存在的问题并未讨论，因此本项目将4DEnSRF与能够同化实际雷达资料的ARPS EnKF同化模块相结合，并利用国内外数个龙卷超级单体个例，研究4DEnSRF及其迭代方案（i4DEnSRF）在同化实际雷达资料时的同化参数设置问题和模式误差问题并比较不同同化方法之间的效果差异，以期加深对对流尺度EnKF雷达资料同化的理解并探索提高强对流天气系统的预报的方法。.在同化系统构建方面，项目开发了适用于4DEnSRF及i4DEnSRF的观测预处理、观测I/O、嵌入预报模式的先验观测计算模块和针对ARPS EnKF的MPI并行框架的算法改进。其中算法改进部分调整了前人算法的计算顺序，避免了对已使用观测的记录，使改进后的算法能够适应同化系统的并行框架。经过数个实际龙卷超级单体个例的检验，项目发现与传统EnSRF算法相比，考虑了观测时间差异的4DEnSRF算法能够在高分辨率的同化中得到更小的径向风和反射率分析误差，并得到更合理的风场和气压场分布结构；i4DEnSRF能够在4DEnSRF基础上使用更少的循环次数达到相近的误差水平。误差协方差膨胀系数的调整对4DEnSRF及其迭代方案分析的径向风误差影响较小，而对反射率误差影响较大。为得到合理结果，迭代方案的膨胀系数应随迭代步数的增加而减少。当大尺度强迫作用较强时，i4DEnSRF所需迭代步数较少，反之亦然。项目研究了模式耗散项和微物理截断参数对同化和预报的影响。耗散项直接影响分析和预报的涡旋强度，而截断参数误差则会通过较大的降水粒子分析误差引起冷池强度误差从而导致较大的预报误差。项目通过随机物理参数化扰动方案初步探讨了这两种误差的表征方式并取得集合预报效果的改进。