留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

GRAPES_Meso背景误差特征及应用

庄照荣 王瑞春 王金成 龚建东

庄照荣, 王瑞春, 王金成, 等. GRAPES_Meso背景误差特征及应用. 应用气象学报, 2019, 30(3): 316-331. DOI: 10.11898/1001-7313.20190306..
引用本文: 庄照荣, 王瑞春, 王金成, 等. GRAPES_Meso背景误差特征及应用. 应用气象学报, 2019, 30(3): 316-331. DOI: 10.11898/1001-7313.20190306.
Zhuang Zhaorong, Wang Ruichun, Wang Jincheng, et al. Characteristics and application of background errors in GRAPES_Meso. J Appl Meteor Sci, 2019, 30(3): 316-331. DOI:  10.11898/1001-7313.20190306.
Citation: Zhuang Zhaorong, Wang Ruichun, Wang Jincheng, et al. Characteristics and application of background errors in GRAPES_Meso. J Appl Meteor Sci, 2019, 30(3): 316-331. DOI:  10.11898/1001-7313.20190306.

GRAPES_Meso背景误差特征及应用

DOI: 10.11898/1001-7313.20190306
资助项目: 

国家重点研究发展计划 2018YFC1507502

国家重点研究发展计划 2017YFC1502001

详细信息
    通信作者:

    庄照荣, 邮箱:zhuangzr@126.com

Characteristics and Application of Background Errors in GRAPES_Meso

  • 摘要: 基于2015年6月—2016年5月GRAPES_Meso有限区域中尺度数值预报模式产品,采用美国国家气象中心(NMC)方法和高斯函数拟合方案统计中国区域的背景误差和水平相关尺度随纬度、高度和季节的变化特征。结果表明:控制变量的背景误差与水平相关尺度不仅随高度和纬度有明显变化,其中非平衡Exner气压和比湿具有明显的局地性和季节变化特征。非平衡Exner气压的背景误差在青藏高原地区较大,且冬季最大,夏季最小。比湿背景误差在低纬度热带季风区较大,且夏季最大,冬季最小。非平衡Exner气压和比湿的水平相关尺度在冬季最大,夏季最小。同时文中采用随高度变化的水平相关尺度替换GRAPES-3DVar中单一尺度参数,1个月的分析和模式预报试验表明,6 h的位势高度预报在对流层有明显改进;风场分析及其12 h内的预报在平流层改进明显;对24 h不同量级降水的预报有显著正贡献,也显著改善24 h内的小雨、中雨和大雨的空报现象,明显改善12~24 h特大暴雨的漏报现象。
  • 图  1  第10层流函数(a)、非平衡势函数(b)、非平衡Exner气压(c)、比湿(d)背景误差水平分布

    Fig. 1  Background errors for stream function(a), unbalanced velocity potential(b), unbalanced non-dimensional pressure(c) and specific humidity(d) at level 10

    图  2  流函数(单位: 105 m2·s-1)(a)、非平衡势函数(单位:105 m2·s-1)(b)、非平衡Exner气压(单位:10-4)(c)、比湿(单位:g·kg-1)(d)的背景误差随纬度和高度变化

    Fig. 2  The same as in Fig. 1, but for changes with latitude and height

    图  3  流函数(a)、非平衡势函数(b)、非平衡Exner气压(c)、比湿(d)背景误差随季节变化

    Fig. 3  The same as in Fig. 1, but for changes with seasons

    图  4  沿35°N的第5层非平衡Exner气压背景误差随季节变化

    (黑色粗线表示地形高度)

    Fig. 4  Background errors for unbalanced non-dimensional pressure at level 5 along 35°N

    (black thick line denotes terrain)

    图  5  统计样本的水平相关系数随距离的变化(灰虚线)及拟合的高斯函数(黑粗线)

    (a)流函数, (b)非平衡势函数, (c)非平衡Exner气压, (d)比湿

    Fig. 5  Horizontal correlation for statistical samples(grey dashed line) and fitting curve of Gauss function(black thick line)

    (a)stream function, (b)unbalanced velocity potential, (c)unbalanced non-dimensional pressure, (d)specific humidity

    图  6  流函数(a)、非平衡势函数(b)、非平衡Exner气压(c)、比湿(d)的水平相关尺度(单位:102 km)随高度和纬度变化

    Fig. 6  Horizontal correlation length changes with height and altitude(unit:102 km) (a)stream function, (b)unbalanced velocity potential, (c)unbalanced non-dimensional pressure, (d)specific humidity

    图  7  流函数(a)、非平衡势函数(b)、非平衡Exner气压(c)、比湿(d)的水平相关尺度随季节变化

    Fig. 7  The same as in Fig. 6, but for changes with seasons

    图  8  流函数、非平衡势函数、非平衡Exner气压和比湿水平相关尺度随高度变化

    Fig. 8  The same as in Fig. 6, but for changes with height

    图  9  GRAPES_Meso位势高度(a)、温度(b)、纬向风(c)和经向风(d)分析场与NCEP FNL平均偏差和均方根误差

    Fig. 9  The bias and root mean square error of geopotential height(a), temperature(b), u-component(c) and v-component(d) between GRAPES_Meso analysis and NCEP FNL analysis

    图  10  GRAPES_Meso位势高度(a)、温度(b)、纬向风(c)和经向风(d) 12 h预报与NCEP FNL平均偏差和均方根误差

    Fig. 10  The same as in Fig. 9, but for GRAPES_Meso 12-hour forecast

    图  11  2016年8月1—31日全国降水预报月平均ETS评分

    (a)0~6 h预报, (b)6~12 h预报, (c)12~18 h预报, (d)18~24 h预报

    Fig. 11  Averaged ETS of precipitation forecast in China from 1 Aug to 31 Aug in 2016

    (a)0-6 hours, (b)6-12 hours, (c)12-18 hours, (d)18-24 hours

    图  12  2016年8月1—31日全国降水预报月平均降水偏差评分

    (a)0~6 h预报, (b)6~12 h预报, (c)12~18 h预报, (d)18~24 h预报

    Fig. 12  Averaged bias score of precipitation forecast in China from 1 Aug to 31 Aug in 2016

    (a)0-6 hours, (b)6-12 hours, (c)12-18 hours, (d)18-24 hours

  • [1] Houtekamer P L, Mitchell H L.A sequential ensemble Kalman filter for atmospheric data assimilation.Mon Wea Rev, 2001, 129:123-137. doi:  10.1175/1520-0493(2001)129<0123:ASEKFF>2.0.CO;2
    [2] Bannister R N.A review of forecast error covariance statistics in atmospheric variational data assimilation.I:Characteristics and measurements of forecast error covariances.Q J R Meteorol Soc, 2008, 134:1951-1970. doi:  10.1002/qj.v134:637
    [3] Hollingsworth A, Lonnberg P.The statistical structure of short-range forecast errors as determined from radiosonde data.Part Ⅰ:The wind field.Tellus, 1986, 38A:111-136. doi:  10.1111/tela.1986.38A.issue-2
    [4] Lonnberg P, Hollingsworth A.The statistical structure of short-range forecast errors as determined from radiosonde data.Part Ⅱ:The covariance of height and wind errors.Tellus, 1986, 38A:137-161. doi:  10.1111/tela.1986.38A.issue-2
    [5] Franke R.Three-dimensional covariance functions for NOGAPS data.Mon Wea Rev, 1999, 127:2293-2308. doi:  10.1175/1520-0493(1999)127<2293:TDCFFN>2.0.CO;2
    [6] Xu Qin, Li Wei, Andrew V T, et al.Estimation of three-dimensional error covariances.Part I:Analysis of height innovation vectors.Mon Wea Rev, 2001, 129:2126-2135. doi:  10.1175/1520-0493(2001)129<2126:EOTDEC>2.0.CO;2
    [7] 庄照荣, 薛纪善, 庄世宇, 等.资料同化中背景场位势高度误差统计分析的研究.大气科学, 2006, 30(3):533-544. doi:  10.3878/j.issn.1006-9895.2006.03.16
    [8] Parrish D, Derber J.The national meteorological center spectral statistical interpolation analysis.Mon Wea Rev, 1992, 120:1747-1763. doi:  10.1175/1520-0493(1992)120<1747:TNMCSS>2.0.CO;2
    [9] Dee D, Gaspari G.Development of Anisotropic Correlation Models for Atmospheric Data Assimilation.The 11th Conference on Numerical Weather Prediction.American Meteorological Society, 1996:249-251.
    [10] Ingleby B N.The statistical structure of forecast errors and its representation in The Met Office Global 3-D Variational Data Assimilation Scheme.Q J R Meteorol Soc, 2001, 127:209-231. doi:  10.1002/(ISSN)1477-870X
    [11] Wu Wanshu, Purser R J.Three-dimensional variational analysis with spatially inhomogeneous covariances.Mon Wea Rev, 2002, 130:2905-2916. doi:  10.1175/1520-0493(2002)130<2905:TDVAWS>2.0.CO;2
    [12] 王金成, 庄照荣, 韩威, 等.GRAPES全球变分同化背景误差协方差的改进及对分析预报的影响:背景误差协方差三维结构的估计.气象学报, 2014, 72(1):62-78. http://d.old.wanfangdata.com.cn/Periodical/qxxb201401005
    [13] 王亚华, 杨晓帆, 曾勇虎, 等.GRAPES全球模式背景误差协方差水平结构特征分析.干旱气象, 2017, 35(1):57-63. http://d.old.wanfangdata.com.cn/Periodical/ghqx201701008
    [14] Evensen G.The ensemble Kalman filter:Theoretical formulation and practical implementation.Ocean Dynamics, 2003, 53:343-367. doi:  10.1007/s10236-003-0036-9
    [15] 庄照荣, 薛纪善, 李兴良.GRAPES集合卡尔曼滤波资料同化系统Ⅰ:系统设计及初步试验.气象学报, 2011, 69(4):620-630. http://d.old.wanfangdata.com.cn/Periodical/qxxb201105010
    [16] 庄照荣, 薛纪善, 李兴良.GRAPES集合卡尔曼滤波资料同化系统Ⅱ:区域分析及集合预报.气象学报, 2011, 69(5):860-871. http://d.old.wanfangdata.com.cn/Periodical/qxxb201105010
    [17] Bishop C H, Etherton B J, Majumdar S J.Adaptive sampling with the ensemble transform Kalman filter.Part Ⅰ:Theoretical aspects.Mon Wea Rev, 2001, 129:420-436. doi:  10.1175/1520-0493(2001)129<0420:ASWTET>2.0.CO;2
    [18] 马旭林, 薛纪善, 陆维松.GRAPES全球集合预报的集合卡尔曼变换初始扰动方案初步研究.气象学报, 2008, 66(4):526-536. doi:  10.3321/j.issn:0577-6619.2008.04.006
    [19] Polavarapu S, Ren S, Rochon Y, et al.Data assimilation with the Canadian middle atmosphere model.Atmos Ocean, 2005, 43:77-100. doi:  10.3137/ao.430105
    [20] Bannister R N.A review of forecast error covariance statistics in atmospheric variational data assimilation.Ⅱ:Modelling the forecast error covariance statistics.Q J R Meteorol Soc, 2008, 134:1971-1996. doi:  10.1002/qj.v134:637
    [21] 王瑞春, 龚建东, 张林.GRAPES变分同化系统中动力平衡约束的统计求解.应用气象学报, 2012, 23(2):129-138.  http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20120201&flag=1
    [22] 薛纪善, 陈德辉.数值预报系统GRAPES的科学设计与应用.北京:科学出版社, 2008.
    [23] 薛纪善, 刘艳, 张林, 等.GRAPES全球三维变分同化系统模式变量分析版(文档试用本).2012.
    [24] 朱宗申, 朱国富.有限区域风速场求解流函数和速度势场的有效方案.应用气象学报, 2008, 19(1):10-18. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20080103&flag=1
    [25] 薛纪善.我国西北高原地区数值预报的几个科学问题.干旱气象, 2005, 23(1):68-71. doi:  10.3969/j.issn.1006-7639.2005.01.013
    [26] 陈耀登, 赵幸, 闵锦忠, 等.青藏高原和华东地区背景误差协方差特征的对比研究.大气科学学报, 2015, 38(5):650-657. http://d.old.wanfangdata.com.cn/Periodical/njqxxyxb201505008
    [27] 央美, 达瓦泽仁, 贡觉顿珠, 等.数值预报产品在藏北高原可预报性检验.安徽农业科学, 2013, 41(17):7620-7623;7675. doi:  10.3969/j.issn.0517-6611.2013.17.082
    [28] 陈德辉, 沈学顺.新一代数值预报系统GRAPES研究进展.应用气象学报, 2006, 17(6):773-777. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=200606125&flag=1
    [29] 黄丽萍, 陈德辉, 邓莲堂, 等.GRAPES_Meso V4.0主要技术改进和预报效果检验.应用气象学报, 2017, 28(1):25-37. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20170103&flag=1
    [30] 庄照荣, 薛纪善, 韩威, 等.探空观测黑名单检査在变分同化系统中的应用.应用气象学报, 2014, 25(3):274-283. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20140303&flag=1
    [31] 郝民, 龚建东, 田伟红, 等.L波段探空仪湿度资料偏差订正及同化试验.应用气象学报, 2018, 29(5):559-570. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20180505&flag=1
    [32] 刘艳, 薛纪善, 张林, 等.GRAPES全球三维变分同化系统的检验与诊断.应用气象学报, 2016, 27(1):1-15. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20160101&flag=1
    [33] 王金成, 陆慧娟, 韩威, 等.GRAPES全球三维变分同化业务系统性能.应用气象学报, 2017, 28(1):11-24. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20170102&flag=1
    [34] 朱立娟, 龚建东, 黄丽萍, 等.GRAPES三维云初始场形成及在短临预报中的应用.应用气象学报, 2017, 28(1):38-51. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20170104&flag=1
  • 加载中
图(12)
计量
  • 摘要浏览量:  3007
  • HTML全文浏览量:  1326
  • PDF下载量:  96
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-12-18
  • 修回日期:  2019-02-11
  • 刊出日期:  2019-05-31

目录

    /

    返回文章
    返回