基于優化樣本組合的集合-變分混合同化方案研究

作者：陳耀登,郭閃,王元兵,臧增亮,潘曉濱

摘要：為有效引入“流依賴”的背景場誤差協方差,同時降低集合預報帶來的計算量,嘗試通過優選與同化時刻天氣形勢更相似的歷史預報樣本,并結合預報過程中的時間滯后樣本,將兩種樣本引入集合-變分混合同化系統中,構建基于優選歷史預報樣本和時間滯后樣本的集合-變分混合同化方案。單點觀測理想試驗表明,優選歷史預報樣本結合時間滯后樣本,既能夠緩解樣本不足所導致的采樣誤差,又能夠為同化系統提供“流依賴”的背景場誤差協方差。連續一周的循環同化及預報試驗結果顯示,相較于ERA5資料和探空資料,三維變分方案整體表現稍差,樣本組合混合同化方案分析場和預報場的均方根誤差最小,且比僅用時間滯后樣本的混合同化方案有所改進;降水評分整體也表現最優,尤其對中雨和暴雨的模擬改進較明顯,較好地模擬出了強降水中心的強度和位置,且改善了降水過報的問題。

發文機構：南京信息工程大學氣象災害教育部重點實驗室/氣候與環境變化國際合作聯合實驗室/氣象災害預報預警與評估協同創新中心 國防科技大學氣象海洋學院

關鍵詞：數值天氣預報資料同化混合同化集合樣本流依賴numerical weather predictiondata assimilationhybrid assimilationensemble sampleflow dependent

分類號： P435[天文地球—大氣科學及氣象學]