集合預報誤差在GRAPES全球四維變分同化中的應用研究Ⅰ:局地化方案設計與動力平衡特征分析

作者：龔建東,王瑞春

摘要：通過引入流依賴的集合預報誤差,使得同化分析與天氣形勢緊密相關,是改善初值分析質量的重要途徑。文中在GRAPES(Global Regional Assimilation and PrEdiction System)全球四維變分資料同化(4DVar)中研究了如何有效應用集合預報誤差,包括增加擴展控制變量時如何降低其計算消耗以及如何在局地化過程中保持不同變量之間的動力平衡。利用高斯分布的譜濾波實現水平局地化,利用垂直正交經驗函數分解實現垂直局地化,并采用前8個主導特征模態來限制控制變量空間維數增加。引入20至180個集合樣本,在水平二維局地化情形下,控制變量總數的增長可以限制在1.1—1.8倍,而在三維局地化情形下,控制變量總數的增長限制在1.7—7.1倍。對60個集合樣本和1°水平分辨率內循環,4DVar引入擴展控制變量后墻鐘時間增加了約30%。進一步,通過采用在非平衡分析變量上進行水平局地化,然后再將風壓地轉平衡關系重新疊加到非平衡分析變量上,使得分析更好地保持了風壓平衡關系,初始場地面氣壓傾向變化減小。此外,雖然垂直局地化對分析平衡影響較大,但依靠目標函數中的數字濾波弱約束,分析變量之間仍能較好滿足動力平衡關系。結果表明,GRAPES全球4DVar中發展的增加擴展控制變量、譜濾波實現水平局地化、非平衡分析變量進行水平局地化等有效應用集合預報誤差的方法,適合集合樣本數超過100個的情況,在分析質量改善的同時,4DVar系統的計算和存儲消耗沒有顯著增加。

發文機構：國家氣象中心 中國氣象局數值預報中心

關鍵詞：集合預報誤差水平與垂直局地化方案分析場地轉平衡特征GRAPES全球4DVar數值試驗Ensemble forecast errorsHorizontal and vertical localizationGeostrophic balance of analysisGRAPES global 4DVarNumerical experiment

分類號： P435[天文地球—大氣科學及氣象學]P456.7