虚假数据同化

为了更好地定义飓风初始条件下的涡旋结构，在WRF-Var中提出了一种伪数据同化(BDA)方案。BDA算法包括:a)伪涡构造和误差规范，b)利用WRF-Var系统同化伪涡数据。在我们的研究中(Xiao et al.， 2006;2009 b;Zhang et al.， 2007)，伪涡是根据Ueno (1989;1995)。伪观测有两个组成部分(对称和不对称)。不对称成分来自3D-Var背景(之前的预测)。

伪涡场包括不同层次的SLP和风廓线。伪区内SLP分布根据Fujita(1952)公式计算为:

(1r2 ^ 1 + L(J_)2

在哪里

式(14)-(16)中，r为离飓风中心的距离(km)， Ro为最大风半径，PC为报告的中心SLP, PB为RB内的平均SLP。RB是伪区域的预定义半径。

伪对称风是基于梯度风关系f

在经验上，我们通过指定较小的权重，包括边界层附近的表面摩擦的影响。伪风廓线有7个高度(海平面、1000、925、850、700、600、500 hPa)。各层对称风速的权重分别为0.7、0.8、0.9、1.0、1.0、1.0、1.0。高空空气的散度很难确定。因此，伪对称风在400 hPa以上的上层被赋值为0。非对称组件是从WRF-Var背景字段中提取的。当背景场来自WRF预报时，飓风在背景场中的位置可能与观测结果不同。不对称分量是背景和背景台风对称分量之间的差值。这样的非对称组件被重新定位到正确的位置，并添加到对称的伪字段中。

对伪观测误差进行了实证说明。我们假设误差随距离台风中心的距离线性增加。根据经验，伪SLP和风廓线的指定误差如下:

ESLp(r) =1 + RT-r， (18)

Ev(r,z) = Ev0(z) + -r， (19)

rb，其中r是到飓风中心的距离，z是高度，rb是伪区域的计算半径。与SYNOP的恒定地表观测误差(2 hPa)相比，伪SLP的误差范围从伪区域中心的1 hPa到伪区域外边缘的4 hPa。Evo(z)表示假风在中心的误差。它的取值范围从海平面的1m /s到250 hPa的3.3 m/s，与其他风差(如TEMP、SATOB、PILOT等)相同。海平面伪风的指定误差范围从中心的1m /s到伪区最外围的5m /s。观测误差规范对于定义如何在数据同化系统中使用观测是至关重要的(Hollingsworth & Lonnberg, 1986)。它决定了观测结果对分析的贡献有多大。然而，涡伪观测误差的真实值很难确定。在飓风中心附近指定的较小误差意味着在分析中来自中心附近的虚假数据的贡献更大。在伪区域的最外缘，伪数据的贡献最小。 This also ensures a smooth transition of the analysis between the bogus area and the surrounding environment. In the BDA, the hurricane bogus fields are treated as supplemental observations and are assimilated during the WRF-Var analysis. The cost function in Eq. (1) includes the contributions of the bogus data in the observation term. The observational operators for the SLP and wind profiles in the WRF-Var system are just an interpolation scheme because SLP and winds are direct variable of the model.

为了验证BDA的能力，我们从2004年和2005年的7个飓风季节中选取了21个案例进行平行实验。它们是2004年的飓风查理、弗朗西斯、伊万和珍妮，以及2005年的卡特里娜、丽塔和威尔玛。我们为每个飓风在登陆前选择了三个案例。这些案例非常著名，因为它们在2004年对佛罗里达州造成了惊人的影响，在2005年对墨西哥湾造成了毁灭性的影响。进行了两组平行实验。所有案例的第一组实验(CT)均以GFS (Global prediction System)分析为背景，仅吸收传统的GTS。第二组实验(GB)与CT相同，但包含BDA。WRF 3D-Var实验使用相同的背景误差协方差，从2004年9月的一个月统计数据中计算，使用NMC方法(Parish & Derber, 1992)。

图5显示了预测(位置、CSLP和MSW)相对于24、48和72小时最佳航迹观测的平均绝对误差。对于所有验证参数(位置、CSLP和MSW)， BDA实验(GB)的误差都小于对照实验(CT)。伪数据可以弥补涡区数据稀疏的问题，BDA提高了飓风预报水平。根据图5中的统计数据，我们计算了BDA减少误差的百分比。CSLP预报平均误差降幅最大，BDA预报平均误差降幅达26.4%。飓风造成的都市固体废物也有显著改善;平均误差降低了24.0%。在三个验证参数中，轨道的改进最小，但很明显。

图5所示。2004年和2005年21例预报的飓风轨迹(上)、城市固体废物(中)和CSLP(下)的平均绝对误差。

由于模型自旋问题，两组实验(CT和GB)在48小时和72小时的CSLP和MSW误差均小于24小时。然而，GB的上旋问题比CT小得多。BDA缓解了自旋上升问题，在24小时比48小时和74小时产生了更大的飓风强度改善。随着预报时间的增加，BDA在飓风强度预报中的效益逐渐减小(图5)。在GB实验中使用BDA的初始强度比CT更接近观测值。随着模型的运行，GB和CT之间的强度差逐渐减小，反映了较长时间下模型预测对初始条件的敏感性低于较短时间下。与CT相比，GB在24小时对飓风CSLP和MSW的改善比48和72小时更为显著。而在轨迹预测中，实验GB在72小时比实验CT有最显著的改善。

从统计上看，BDA对飓风强度的改善比飓风路径的改善更为显著。进一步验证了大尺度环境对飓风路径的影响，但其强度主要受飓风内部涡结构、动力涡结构和热力涡结构的影响。BDA技术主要根据飓风概念模型改进飓风涡旋结构，对飓风强度预报有显著改善。为了支持这一断言，我们以2005年8月26日0000 UTC的卡特里娜飓风为例，比较CT和GB中的涡旋结构(图6)。对于2005年8月26日0000 UTC初始化的卡特里娜，BDA都减少了CSLP和MSW误差。如图6所示，CT和GB的飓风位置都非常接近观测值。而GB产生的涡CSLP比CT低，MSW比CT大。BDA增强了气旋环流，使涡旋更加紧密。GB中1010hPa的圆形等压线面积比CT中减小了很多。请注意，GFS分析有其伪造/重新定位过程，但在WRF ARW模型中，这显然不足以对飓风强度进行良好的预测。我们验证了与简单的GFS分析相比，BDA初始化可以改善飓风强度的预测。

图6所示。2005年8月26日0000 UTC时的卡特里娜飓风。实线为(a) CT和(b) GB实验的SLP(间隔2.5 hPa)，倒刺为10 m风场(一个完整的倒刺代表5 m/s)。

GFDL的虚假计划(Kurihara et a!)(1993)已在飓风初始化中应用了十多年。为了进一步评估WRF 3D-Var中BDA方案的性能，比较了2007年9月12日协调世界时1200时温贝托飓风的两个并行实验。第一个实验(CT)采用WRF预处理系统(WPS)对GFDL分析进行插值作为初始条件;第二个实验(GB)使用WRF 3D-Var程序初始化飓风涡。实验GB采用GFS分析作为WRF 3D-Var的第一猜测，将伪涡和常规数据进行同化。两个实验(CT和GB)的预测都在移动嵌套域2和3的3个域上执行。三个域的网格间距分别为12、4和1.333 km。

10ow 90w母猪

图7所示。2007年9月15日12时至12时飓风温贝托的72小时路径预报。虚线带“o”为最佳轨迹;带“*”的实线为CT实验预测结果;灰色A线为GB实验预测。日期/小时显示在方框中。

图7显示了实验CT和GB的预测航迹，以及2007年9月15日1200 UTC 12 - 1200 UTC期间的最佳航迹。实验CT在初始时刻没有很好地组织涡旋，无法预测风暴的内陆运动。它在德克萨斯州和路易斯安那州的沿海地区徘徊两天，然后转向墨西哥湾。与最佳路径观测相比，CT未能预测风暴的路径。相反，实验GB成功地预测了风暴的登陆和内陆运动。它的预测轨迹遵循最佳轨迹观测。请注意，在图7中，国家飓风中心的最佳轨迹延伸到9月14日协调世界时2100点，而预测延伸到9月15日协调世界时1200点。

对于强度预测，CT也未能预测风暴登陆前的强度。由于它未能在登陆前预测风暴的强度，也未能预测风暴的内陆移动，因此其总体强度预测根本不成功，因此在比较中被省略。因此，在图8中，我们只分析了风暴的GB强度，并将其与观测结果进行了比较。CSLP(图8a)和MSW(图8b)在协调世界时12日至协调世界时15日的趋势显示，预测与观测结果吻合良好。GB成功预测了温贝托在登陆德克萨斯州海岸之前从热带风暴(9月12日国际标准时间1200)到一级飓风(9月13日国际标准时间0600)的强度。温贝托的最大强度出现在9月13日0915utc, CSLP为986 hPa，都市固体废物为85 kt(44米/秒)。GB预测9月13日0945utc最大强度，CSLP为989 hPa，都市固体垃圾为82 kt (43 m/s)。然而，它高估了温贝托在内陆的实力。例如，在9月14日世界时0000,GB预测CSLP为997 hPa，都市固体垃圾为37 kt (19 m/s)，而观测值为1006 hPa和25 kt (13 m/s)。

图8所示。2007年9月12日世界时12时至世界时15日12时飓风温贝托的72小时强度预测:(a)中心海平面气压(CSLP)及(b)最大地面风(MSW)。实线为GB实验预测，虚线为最佳航迹观测。

24h 36h 48 ti

预测时间(h)

图8所示。2007年9月12日世界时12时至世界时15日12时飓风温贝托的72小时强度预测:(a)中心海平面气压(CSLP)及(b)最大地面风(MSW)。实线为GB实验预测，虚线为最佳航迹观测。

5.总结与结论

利用涡区数据进行飓风初始化对强度预报具有重要意义。在WRF变分数据同化(WRF- var)系统中实现了多普勒雷达数据和合成伪数据同化(BDA)，获得了对飓风结构和强度分析预报的积极影响(Xiao et al.， 2009a;b).针对飓风Jeanne(2004)，研究了机载多普勒雷达(ADR)数据同化对使用WRF 3D-Var改善飓风初始化的能力。卡特里娜(2005)和《丽塔》(2005)。BDA技术使用2004年和2005年7个飓风季节的21个案例进行了测试。我们还对温贝托飓风(2007年)进行了一个案例研究，并比较了WRF运行的BDA和GFDL分析结果。以下是我们从实验中发现的重点:

•多普勒径向风数据的同化显著改善了在初始时间和大约36小时的预报中飓风涡结构的表征。ADR风同化对改进飓风强度和结构预报做出了重要贡献。飓风轨迹预报也得益于日均风速数据的同化。

•WRF 3D-Var系统的ADR反射率数据同化提取了飓风涡初始时的部分三维雨水和云水场。其他变量的多变量反应也是合理的。ADR数据的加入产生了一个真实的眼壁和相关的强对流。雨带也有利于重组，并显得更加真实。

•使用BDA技术的WRF飓风预报显示了改进预测能力与仅从GFS分析初始化的飓风轨迹和强度相比。利用WRF 3D-Var系统，可以有效地同化伪SLP和风廓线数据，恢复在3D-Var统计和物理平衡下的初始飓风结构。因此，对飓风路径和强度的预报得到了改进。

•使用BDA技术的飓风预报技能的提高体现在所有预报时期。使用BDA，最大的改进是飓风中心压力。飓风最大地面风的改善在统计上也是显著的。在三个验证参数中，轨道的改进最小。

•使用WRF 3D-Var的BDA在温贝托飓风(2007)的案例研究中表现良好，而使用GFDL分析插值的初始条件的WRF在飓风的登陆中失败。需要更多的案例研究和实时预测来进一步验证其性能。但是，使用WRF 3D-Var进行飓风初始化的BDA有改善WRF飓风预报的潜力。

飓风预报员和研究人员面临的最大挑战之一是根据对海洋观测不足的情况来定义涡旋结构。多普勒雷达数据(来自海岸雷达或机载多普勒雷达)是研究飓风结构的重要数据来源。当旋涡区域内没有任何数据时，合成伪数据有助于确定旋涡结构。BDA在WRF飓风预报中显示出了希望。通常，由于云和降雨污染、有限的空间分辨率或观测时机不佳(例如，从极地轨道平台)，卫星数据在涡旋内的用处不大。在对登陆飓风进行预报时，应考虑同化多普勒雷达资料或有时合成伪涡资料，以减少沿海地区的生命财产损失。WRF 3D-Var在飓风涡初始化方面也存在一定的局限性。首先，应该建立一个特定的飓风背景误差协方差，并将其用于飓风初始化。我们研究中使用的背景误差统计数据来自传统的NMC技术(Parrish & Derber, 1992)。它并不完全适用于飓风涡旋中的相关关系。 The correlation of wind and pressure only presents large-scale feature. Secondly, reflectivity assimilation in WRF 3D-Var uses warm-降雨过程在分析中，将雨水与其他模型变量联系起来。然而，在融化层以上的高水平，冰相水成物对反射率测量的贡献最大。在这方面，应该在WRF 3D-Var中建立一个复杂的微物理学，在整个水成物和其他动力和热力变量之间建立关系，用于雷达反射率数据同化。最后，对于雷达观测数据和伪数据的观测误差统计，目前只是粗略的表示。此外，还应该指出的是，我们的大多数研究都是基于WRF 3D-Var，它不考虑时间差，而是在某一时刻摄取数据。4D-Var应该是飓风涡旋初始化的未来方向，以便更好地初始化涡旋的时间依赖性，以便准确捕捉正在发生的快速强度变化。

6.参考文献

安德森(2001)。一种用于数据同化的集成调整卡尔曼滤波器。我的。

我们。Rev.， 129,2884 -2903。巴克博士;黄,w;郭、Y.-R;肖强。(2004)。MM5的三维(3DVAR)变分数据同化系统:实施和初步结果。星期一,我们。Rev.， 132, 897-914。主教,h; Etherton, B.J. & Majumdar, J. S. (2001). Adaptive Sampling with the Ensemble

变换卡尔曼滤波器。第一部分:理论方面。星期一,我们。启示录，129,420 -436。朝臣,p;Thepaut J.-N。霍林沃斯，A.(1994)。使用增量方法的4D-Var操作实现策略。夸脱。j·罗伊。 Meteor. Soc., 120, 1367-1387.

戴利，R.(1991)。大气数据分析，剑桥大学出版社。英国剑桥。戴维斯，c.a.;王,w;陈珊珊;陈,y;Corbosiero k;DeMaria m;Dudhia, j .;

霍兰德，g.j.;Klemp, j .;的旧事,j .;Reeves, h;肖强。(2008)。利用先进的飓风WRF模式预测登陆飓风。星期一,我们。Rev. 136, 1990-2005..杜迪亚，J.(1989)。利用中尺度二维模式对冬季风实验中观测到的对流的数值研究。 J. Atmos. Sci., 46, 3077-3107. Elsberry, R. L. (2005). Achievement of USWRP hurricane landfall research goal. Bull. Amer.

流星。Soc, 86,643 -645。埃文森，G.(1994)。用蒙特卡罗方法预测非线性准地转模型的序贯数据同化误差统计。j .地球物理学。第99、10、14310、162号决议。

艾文森(2000)。非线性动力学中的集成卡尔曼光滑器。星期一,我们。Rev.， 128, 1852-1867。费蒂格，e.j.;Harlim, j .;亨特，B. R.(2007)。4D- var与4D的比较研究

集成滤波器:用Lorenz-96进行完美的模型模拟。Tellus, 59A, 96-100。Fisher, M.(1999)。背景误差统计数据来自于分析的集合。ECMWF

研究部技术备忘录。， 79, 12页。Gustafsson, N.(2007)。关于“4D-Var or EnKF?”的讨论，Tellus, 59A, 774-777。

霍林沃斯，A. &洛恩伯格，P.(1986)。由探空数据确定的短期预报误差的统计结构。第一部分:风场。Tellus, 38A, 雷竞技csgo111136。

胡特卡默，P. L. &米切尔，H. L.(2001)。大气数据同化的连续集成卡尔曼滤波。星期一,我们。Rev. 129, 123-137。

黄、X.-Y;肖问:;巴克博士;张,鑫;的旧事,j .;黄,w;Hendersen t;

布雷,j .;陈、Y.-S;马,z;Dudhia, j .;郭、Y.-R;张,x;赢了,D.-J。;林,H.-C。&郭永华。(2008)。 Four-dimensional variational data assimilation for WRF: Formulation and preliminary results. Mon. Wea. Rev., 137, 299-314.

亨特，b.r.;Kalnay大肠;科斯特利奇，e.j.;奥特,大肠;佩蒂尔，d.j.;萨奥尔,t;Szunyogh i;约克，j.a.。

齐敏，A. V.(2004)。四维集成卡尔曼滤波。Tellus, 56A, 273-277。

Kalnay、E。;李,h;三好,t;杨,研究所。& Ballabrera-Poy, J.(2007)。4D-Var还是集成卡尔曼滤波器?Tellus, 59A, 758-773。

凯斯勒(1969)。论大气环流中水物质的分布和连续性。流星。Monogr。32岁，Amer。流星。Soc。84页。

栗原市,y;本德。M. A.罗斯。R. J.(1993)。飓风模型涡规范初始化方案。星期一,我们。启示录，121,2030-2045。

Le Dimet, f - x。&塔拉格兰，O.(1986)。气象观测资料分析和同化的变分算法:理论方面，Tellus, 38A, 97-110。

李,J.-L。;郭,中州。麦克唐纳，A. E.(2003)。涡度法:热带风暴中尺度垂直速度abd验证的推广。夸脱。j·罗伊。流星。, Soc。， 129, 1029-1050。

李,J.-L。;李,观测。麦克唐纳，A. E.(2006)。利用多普勒雷达观测热带气旋的垂直速度和径向流量估算。夸脱。j·罗伊。流星。Soc。， 132, 125-145。

路易斯，J. M.和德伯，J. C.(1985)。利用伴随方程求解带平流约束的变分平差问题。Tellus, 37A, 309-322。

刘,c;肖强，王波，(2008)。一种基于同化的四维变分数据同化方案。第一部分:技术配方及初步试验。星期一,我们。启示录，136,3363 -3373。

刘,c;肖强，王斌(2009)。一种基于集成的四维变分数据同化方案。第二部分:先进WRF (ARW)观测系统仿真实验。星期一,我们。Rev.， 137,1687 -1704。

刘,y;张,D.-L。邱明凯(1997)。的多尺度数值研究安德鲁飓风(1992)。明确的模拟和验证。星期一,我们。启示录，125,3073 -3093。

刘哲，巴克尔(2006)。WRF-Var中的辐射同化:实施和初步结果。第六届WRF用户研讨会预印本，科罗拉多州博尔德，2006年6月19日至22日。

Lorenc, A.(2003)。集成卡尔曼滤波器用于NWP的潜力:与4DVar的比较。夸脱。j·罗伊。流星。Soc。， 129, 3183-3203。

马克斯，f.d.;谢伊，L. K.;巴恩斯,g;黑色,p;DeMaria m;(1998)。

热带气旋的登陆:预报问题和相关的研究机会。公牛。阿米尔。满足。Soc。， 79, 305-323。

Navon, i.m.;邹,x;德伯，J. &塞拉，J.(1992)。用绝热版NMC谱模型的变分数据同化。星期一,我们。Rev.， 120, 1381-1393。

奥特,E;亨特，b.r.;I.佐涅格;齐敏，a.v.;科斯特利奇，e.j.;Corazza m;Kalnay大肠;

(2004)。大气数据同化的局部集合卡尔曼滤波器。Tellus, 56A, 415-528。

裴瑞士(1992)。国家气象中心光谱统计插值分析系统。星期一,我们。Rev.， 120, 1747-1763。

雷比f;贾维h;Klinker大肠;Mahfouf,肯尼迪。西蒙斯，A.(2000)。ECMWF操作实施四维变分同化。第一部分:简化物理实验结果。夸脱。j·罗伊。流星。 Soc., 126, 11431170.

理查德森(1922)。用数值方法预报天气。剑桥大学出版社，236页。

罗斯，R. J.栗原，Y.(1995)。飓风格洛里亚(1985)对环境影响的数值研究。星期一,我们。启示录，123,332-346。

西蒙斯，A. J. &霍林沃思A.(2002)。数值天气预报技术提高的几个方面。夸脱。j·罗伊。流星。Soc。， 128, 647-677。

斯卡洛克，W. C.;克莱普，j.b.;Dudhia, j .;吉尔，d.o.;巴克博士;王伟&鲍尔斯，J。

(2005)。高级研究WRF版本2的描述。NCAR技术说明，TN-468+STR。88页。

孙，J. &克鲁克，n.a.(1997)。动态和微物理检索从多普勒雷达观测使用云模型及其伴随。第一部分:模型开发和模拟数据实验。j .大气压。科学。， 54, 1642-1661。

孙杰。克鲁克。(1998)。动态和微物理检索从多普勒雷达观测使用云模型及其伴随。第二部分:观测到的佛罗里达对流风暴的反演实验。j .大气压。科学。， 55,835 -852。

Thepaut J.-N。柯蒂尔(1991)。多级原始方程模型伴随的四维数据同化。夸脱。j·罗伊。流星。Soc。， 117, 1225-1254。

上野，M.(1989)。JMA台风的操作模拟与数值预报。

JMA/NPD技术代表28,48页。[可从日本气象厅，数值预报科，1-3-4;大町，千代田，东京，100，日本。

上野，M.(1995)。热带气旋中心附近非对称分量对伪数据准确性和航迹预报影响的研究。流星。大气压。理论物理。， 56, 125-134。

惠特克，j.s.和哈米尔，t.m.(2001)。无扰动观测的集合数据同化。星期一,我们。Rev. 130, 1913-1924。

怀特，A.(2000)。气象动力学方程和各种近似的观点，英国气象局预测研究科学论文，58,88页。

威洛比，H. E.和布莱克，P. G.(1996)。佛罗里达州的安德鲁飓风:灾难的动力学。公牛。阿米尔。流星。Soc。， 77,543 -549。

肖问:;邹霞，王波(2000)。利用变分伪数据同化方案初始化和模拟登陆飓风。星期一,我们。Rev.， 128, 2252-2269。

肖问:;邹,x;Pondeca m;夏皮罗，文学硕士;费尔登，c.s.(2002)。GMS-5和GOES-9卫星产生的风对NORPEX温带气旋预测的影响星期一,我们。启示录130,507 -528。

肖问:;郭,中州。太阳,j .;李,观测;Lim,大肠;郭,Y.-R。Barker, d.m.(2005)。

多普勒雷达观测与区域3D-Var系统的同化:多普勒速度对强降雨预报的影响。j:。流星，44,768788。

肖强，孙娟(2007)。IHOP_2002期间观测到的飑线的多雷达数据同化和短距离定量降水预报。星期一,我们。Rev.， 135,3381 -3404。

肖问:;郭,中州。张,y;巴克，D. M. & Won, D.- j。(2006)。MM5 3D-Var系统中热带气旋伪数据同化方案及台风鹿莎(2002)登陆附近的数值实验。j .满足。Soc。日本，84,671-689。

肖问:;郭,中州。太阳,j .;李,观测;巴克尔，D. M. &林，E.(2007)。台风鹿莎(2002)登陆时雷达反射率资料同化及其内陆QPF评价方法。j:。流星。气候由。， 46, 14-22。

肖Q.和合作者(2008a)。绝热WRF在2004年5月麦克默多南极强风暴调查中的应用风事件．星期一,我们。Rev. 136, 36963713。

肖Q.和合作者(2008b)。KMA作战预报中的多普勒雷达数据同化。公牛。阿米尔。流星。Soc。， 89, 39-43。

肖问:;张,x;戴维斯，c.a.;塔特尔，j.d.;李国强，李国强(2009a)。

高级研究飓风WRF (AHW)模式的机载多普勒雷达数据的飓风初始化实验。星期一,我们。Rev. 137,2758 -2777。

肖问:;陈林，张霞(2009b)。利用先进研究WRF (ARW)模型对BDA方案进行评估。j:。流星。气候由。， 48, 680-689。

张,x;肖强。(2007)。多卫星数据对飓风莉莉(2002)快速减弱阶段初始化和模拟的影响。星期一,我们。启示录，135,526 -548。

邹霞，肖强(2000)。利用变分伪数据同化方案初始化和模拟成熟飓风的研究。j .大气压。科学。， 57,836 -860。

Zupanski, M.(2005)。最大似然集成滤波器:理论方面。星期一,我们。Rev.， 133, 1710-1726。

继续阅读:介绍Tsc

这篇文章有用吗?

0 0