大气湿度变量的混合变分同化

Atmospheric moistrue processes are obviously important for the modeling of precipitation,clouds, radiation and latent heat release. Atmospheric humidity and its error distribution have large spatial and temporal changes， so the usual stochastic assumiptions about backgound errors invoked in variable data assimilation (zero mean, homogeneous and Gaussian) evidently do not apply for humidity variable. The moisture field depends on nonlinear physical processes and mesoscale dynamics which is difficult to conside in analysis. Aiming at the difficulties in humidity analysis, we propose the estimating the error covariance and the multivariate correlation of humidity by innovation, NMC and ensemble prediction method. The model error has been studied through perturbing parameters related to cloud and precipitation processes. At the same time a hybrid ensemble three dimensional variational analysis scheme which combines ensemble covariances with the static convariances to estimate the flow-dependent forecast-error statistics is implemented. The impacts of humidity error to the analysis and prediction have been studied through the hybrid ensemble 3D-Var assimilating and forecasting experiments. Hope the studies in this item to advance the humidity analysis and hybrid ensemble assimilation.The humidity analysis is the basic work for numerical weather prediction. The studies of humidity is not only hopeful to improve the quality of humidity analysis, and also is important to the research of meso-scale weather system and the improvement of precipitation forecast.

湿度过程对降水预报、云的模拟，以及辐射和潜热释放的描述非常重要。由于湿度变量及其误差场时空尺度变化大，其背景误差很难满足变分同化方法中均匀和正态分布的假定，湿度对模式的物理过程和动力过程的较强依赖也很难在同化系统中精确描绘出来，因而湿度分析非常复杂。针对湿度同化的这些问题，本项目提出通过观测余差、NMC方法和预报集合方法综合估计湿度变量的预报误差协方差，以及采用线性回归统计湿度变量和其他变量的相互关系，并且通过考虑与湿度变量密切相关的云和降水过程参数化集合来研究湿度的模式误差；把以上估计的静态和动态相结合的湿度误差协方差用于混合变分同化系统，研究湿度误差结构对分析和预报的影响。希望通过本课题的研究，能进一步推动我国的湿度分析和混合资料同化的发展。湿度分析研究是数值预报研究一项十分重要的基础性工作，这项研究不仅有利于提高湿度分析的精度，而且对于中小尺度天气系统研究和提高降水预报也有重要意义。

本项目主要针对湿度变量时空尺度变化大，其误差协方差模拟很难精确描述问题，提出采用ＮＭＣ方法估计和集合方法估计湿度变量的预报误差协方差，并且通过考虑不同物理过程组合的集合来描述模式误差；同时把静态和动态相结合的湿度误差协方差用于混合三维变分同化系统，研究湿度误差结构对分析和预报的影响。.本项目主要研究结果如下：１）借助三维变分分析系统，对控制变量进行扰动和进行变量变换，完成初始集合场的生成工作。试验表明初始集合场经过预报后，集合统计的预报误差协方差具有随天气形势变化的特点，但也存在边界扰动不充分而造成集合离散度不够。２）采用ＮＭＣ方法完成背景误差协方差的统计，包括湿度变量和其他控制变量相关关系的统计，理想试验表明分析对背景误差协方差设置及其敏感，湿度分析和温度紧密相关，在分析中应该考虑湿度变量和其他变量的相关关系。３）利用NCEP全球集合预报场，采用双层嵌套，并在不同的集合样本中采用了不同物理过程方案的组合方法获得中尺度集合背景场和边界条件，同时测试了集合样本中采用单一微物理过程和多微物理过程方案组合对强风暴的模拟能力，研究表明多微物理方案组合方案可以增加集合样本的发散度，能更好的描述和微物理过程相关的模式误差，因而比单一微物理过程方案能获得更精确的强风暴预报。４）对水凝物变量进行分析，并通过考虑雷达反射率和云中雨水、雪、雹的关系，建立新的雷达反射率观测算子。通过调整常规控制变量和水凝物的误差结构后，同化雷达径向风和反射率的三维变分分析能很好的模拟出强风暴的位置和强度。５）在以上工作的基础上，进行Hybrid三维变分分析和预报试验，成功的模拟了强风暴的发展，试验表明Full-Hybrid分析方案对强风暴单体位置和强度的分析和预报比三维变分分析方案更接近实况。.本课题的研究可以提高强对流系统的预报，能进一步推动我国的湿度分析和集合资料同化的发展。