戚佩霓, 沈菲菲,寇蕾蕾, 楚志剛, 許冬梅

?

多普勒雷達(dá)資料同化在臺風(fēng)“燦都”(2010)預(yù)報中的應(yīng)用研究

戚佩霓, 沈菲菲,寇蕾蕾, 楚志剛, 許冬梅

南京信息工程大學(xué)氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣候與環(huán)境變化國際合作聯(lián)合實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心, 江蘇 南京 210044

文章基于中尺度天氣預(yù)報模式(WRF)及其三維變分同化系統(tǒng)(WRF-3DVAR), 采用了兩部雷達(dá)徑向風(fēng)資料, 進(jìn)行單一時間分析以初始化臺風(fēng)“燦都”(Chanthu), 比較研究了同化雷達(dá)徑向速度(r)對臺風(fēng)“燦都”分析和預(yù)報的影響。結(jié)果表明: 同化雷達(dá)徑向風(fēng)的作用主要體現(xiàn)在臺風(fēng)強(qiáng)度和環(huán)流結(jié)構(gòu)的調(diào)整, 且在同化達(dá)到一定時長后, 對改進(jìn)同化后的預(yù)報分析有積極效應(yīng)。同化試驗(yàn)改進(jìn)臺風(fēng)的初始風(fēng)場以及臺風(fēng)環(huán)流中心的熱力和動力結(jié)構(gòu)、強(qiáng)度和位置, 進(jìn)而提高18h預(yù)報的臺風(fēng)結(jié)構(gòu)、路徑、強(qiáng)度。

雷達(dá)徑向風(fēng)資料; 資料同化; 天氣預(yù)報模式的三維變分同化系統(tǒng); 臺風(fēng)

一直以來, 熱帶氣旋(臺風(fēng)、颶風(fēng))被認(rèn)為是沿海國家造成破壞最嚴(yán)重的自然災(zāi)害之一。中國的沿海地區(qū)是全球最多熱帶氣旋登陸的地區(qū), 準(zhǔn)確預(yù)報熱帶氣旋對于保障國家財產(chǎn)和生命安全至關(guān)重要。準(zhǔn)確的初始條件是熱帶氣旋預(yù)報成功與否的一個非常重要因素, 而這依賴于先進(jìn)的資料同化系統(tǒng)。資料同化的基本含義是根據(jù)一定的優(yōu)化標(biāo)準(zhǔn)和方法, 將不同時空、采用不同觀測手段獲得的觀測數(shù)據(jù)與數(shù)學(xué)模型有機(jī)結(jié)合, 納入統(tǒng)一的分析與預(yù)報系統(tǒng), 建立數(shù)據(jù)與模型相互協(xié)調(diào)的優(yōu)化關(guān)系, 使預(yù)報誤差達(dá)到最小(官元紅等, 2007)。近幾年來, 在許多科學(xué)家的努力之下, 資料同化的發(fā)展取得了很大進(jìn)展, 如今比較成熟的同化方法有三維變分方法(3- dimensional variational, 簡稱3DVAR)(Sasaki, 1970a, b; Talagrand et al, 1987)、四維變分(4DVAR)、集合卡爾曼濾波(ensemble Kalman filter, 簡稱EnKF)(Wang, 2010; Buehner et al, 2010a, b; Buehner, 2005)和混合集合變分同化方法(Hybrid Enkf- EnVar)(Shen et al, 2018)。

多普勒雷達(dá)具有高時空分辨率的特點(diǎn), 是唯一能夠觀測熱帶氣旋三維結(jié)構(gòu)的氣象探測平臺之一。隨著全世界多普勒天氣雷達(dá)組網(wǎng)建設(shè)的逐步發(fā)展和完善, 如何同化雷達(dá)資料以得到更加準(zhǔn)確的初始場成為科學(xué)家們的關(guān)注熱點(diǎn)之一。Xiao等(2000)基于使用合成旋渦和假定的熱帶氣旋大小和強(qiáng)度估計參數(shù), 開發(fā)了人工渦旋同化方法(BDA), 提高了熱帶氣旋的預(yù)報能力。Xiao等(2005)使用3DVAR系統(tǒng)將韓國Jindo雷達(dá)的多普勒徑向速度資料同化到第五代中尺度模式(MM5)中, 發(fā)現(xiàn)3DVAR方法同化多普勒徑向速度可以改善對雨帶移動和強(qiáng)度變化的預(yù)報水平。利用中尺度模式(ARPS)及其資料分析系統(tǒng)(ADAS)能在適當(dāng)提高模式分辨率的同時使用雷達(dá)資料同化改進(jìn)模式初始場, 是改進(jìn)模式短時預(yù)報和中尺度天氣系統(tǒng)的內(nèi)部結(jié)構(gòu)分析的一個非常有效的途徑(盛春巖等, 2006; 徐廣闊等, 2009)。

目前已有不少研究表明, 雷達(dá)數(shù)據(jù)的同化對于預(yù)報臺風(fēng)結(jié)構(gòu)、降水強(qiáng)度、路徑的能力有所提高。顧建峰(2006)將經(jīng)過質(zhì)量控制的雷達(dá)徑向速度資料直接同化, 使得臺風(fēng)環(huán)流結(jié)構(gòu)的分析、臺風(fēng)移動路徑以及臺風(fēng)降水量的預(yù)報取得很大改善, 研究結(jié)果表明雷達(dá)徑向速度和反射率因子的聯(lián)合直接同化優(yōu)于單獨(dú)同化徑向速度資料或單獨(dú)同化反射率因子資料。而對于這兩種數(shù)據(jù)同化對改善預(yù)報的不同影響方面, Zhao等(2009)研究了雷達(dá)數(shù)據(jù)對分析和預(yù)測登陸颶風(fēng)“艾克”(2008)的結(jié)構(gòu)、強(qiáng)度和路徑的影響, 發(fā)現(xiàn)徑向速度同化有助于更好地改進(jìn)臺風(fēng)路徑預(yù)報, 而反射率因子同化有助于最大限度地改善臺風(fēng)強(qiáng)度預(yù)報。然而, 研究表明當(dāng)只有雷達(dá)徑向風(fēng)被同化時, 同化窗內(nèi)分析的海平面氣壓場具有一定的不平衡性, 大多數(shù)梯度平衡的壓力調(diào)整是通過預(yù)報步驟中的模型調(diào)整來實(shí)現(xiàn)的, 需要建立一些同化窗周期來達(dá)到這種平衡(Wang et al, 2014)。在對臺風(fēng)個例研究的過程中, 科學(xué)家們發(fā)現(xiàn)通過同化雷達(dá)徑向風(fēng)資料能夠通過調(diào)整初始風(fēng)場結(jié)構(gòu), 改進(jìn)對臺風(fēng)結(jié)構(gòu)的模擬, 提高臺風(fēng)的預(yù)報能力(陳鋒等, 2012; 李新峰, 2012)。在研究雷達(dá)資料和常規(guī)觀測資料同化對臺風(fēng)預(yù)報的影響中, 常規(guī)觀測資料同化主要提高環(huán)境場分析, 而雷達(dá)資料同化主要改善臺風(fēng)結(jié)構(gòu)分析, 兩者有機(jī)結(jié)合使得預(yù)報結(jié)果和實(shí)況最為接近(李新峰等, 2013)。沈菲菲等(2015)在同化多普勒雷達(dá)徑向風(fēng)觀測資料后, 成功地修正了臺風(fēng)“桑美”在模式中的初始位置, 同時對臺風(fēng)的動力和熱力結(jié)構(gòu)均有較好的調(diào)整。沈菲菲等(2016)利用雙多普勒雷達(dá)資料同化分析颶風(fēng), 發(fā)現(xiàn)經(jīng)過尺度化因子的優(yōu)化調(diào)整之后, 可以為數(shù)值模式提供更為準(zhǔn)確豐富的中小尺度系統(tǒng)信息, 使模式初始場更加接近觀測并進(jìn)而改進(jìn)對颶風(fēng)結(jié)構(gòu)、路徑和強(qiáng)度的預(yù)報。此外, 在通過同化雷達(dá)資料改進(jìn)降水預(yù)報的方面, 陳鋒等(2017)在利用不同資料同化對臺風(fēng)短時預(yù)報的研究中, 發(fā)現(xiàn)對降水模擬影響最大的是雷達(dá)反射率因子資料, 且其對降水的貢獻(xiàn)隨著模式積分時間明顯下降。張晗昀等(2018)通過同化雷達(dá)反射率因子, 調(diào)整初始濕度場和垂直速度場, 改進(jìn)了模式初始濕度場, 使降水預(yù)報在分布和強(qiáng)度上更接近實(shí)況。

盡管雷達(dá)資料同化在熱帶氣旋預(yù)報研究中已經(jīng)取得了一定的研究成果, 但絕大多數(shù)的研究工作仍然局限于個例的研究, 對于不同區(qū)域不同類型的臺風(fēng), 雷達(dá)資料同化還需要做進(jìn)一步的細(xì)致的論證和研究工作。本文基于中尺度天氣預(yù)報模式(WRF模式)及其變分同化系統(tǒng)(WRF-3DVar), 比較研究了雷達(dá)徑向速度(r)同化對臺風(fēng)“燦都”(Chanthu)(2010)分析和預(yù)報的影響, 將具有動力學(xué)約束的WRF- 3DVAR應(yīng)用于登陸中國廣東省的臺風(fēng)“燦都”(2010)的雷達(dá)資料同化, 在本研究中進(jìn)行單一時間分析以初始化臺風(fēng)“燦都”(2010), 并且著重對比研究3DVAR同化雷達(dá)資料前后的結(jié)果。

1 臺風(fēng)“燦都”(2010)個例介紹及試驗(yàn)設(shè)置

1.1 臺風(fēng)“燦都”(2010)個例介紹

2010年7月18日, 臺風(fēng)“燦都”(2010)在菲律賓以西的南海形成熱帶低氣壓, 向西北方向移動, 并在19日的12點(diǎn)加強(qiáng)到熱帶風(fēng)暴, 繼續(xù)向西北方向移動, 20日22時, 在臺風(fēng)中心到達(dá)(114°24′E, 18°42′N)后, “燦都”路徑折向西南, 并進(jìn)一步增強(qiáng)為強(qiáng)熱帶風(fēng)暴, 21日6時, 臺風(fēng)中心位于(113°24′E, 18°N), 又發(fā)生轉(zhuǎn)向, 路徑折向西北, 21日17時加強(qiáng)為臺風(fēng), 22日13時45分在廣東吳川登陸, 登陸時中心附近最大風(fēng)力12級(35m×s-1), 中心最低氣壓970hpa, 登陸后一段時間內(nèi)強(qiáng)度仍然維持。受其影響, 粵西部分地方出現(xiàn)了大到暴雨和8~11級陣風(fēng)、12級大風(fēng)。22日19時減弱為強(qiáng)熱帶風(fēng)暴, 隨后減弱為熱帶風(fēng)暴, 23日17時在廣西西部減弱為熱帶低壓, 20時停止編號。

從上述的臺風(fēng)登陸分析過程可以得知, 臺風(fēng)“燦都”(2010)有4個特點(diǎn): 1) 風(fēng)雨猛烈。強(qiáng)的西南氣流輸送為兩廣強(qiáng)降水提供了充足的能量, 以及低層強(qiáng)輻合高層強(qiáng)輻散為強(qiáng)降水提供了有利的動力條件, 由此華南南部出現(xiàn)暴雨到大暴雨, 其中廣東西南部、廣西南部普降大暴雨, 局部特大暴雨; 2) 近海加強(qiáng)?！盃N都”(2010)處在鞍形場、高層存在強(qiáng)輻散以及西南氣流的卷入有利于“燦都”(2010)強(qiáng)度的近海加強(qiáng); 3) 路徑曲折。東環(huán)副高西伸加強(qiáng)使“燦都”(2010)路徑出現(xiàn)了西折, 西環(huán)副高的作用使“燦都”(2010)出現(xiàn)了短暫的南落; 4) 影響面廣。“燦都”(2010)造成廣東省湛江、茂名、陽江、云浮4個市25個縣(市、區(qū)) 402.5萬人受災(zāi), 直接經(jīng)濟(jì)損失34.3億元, 死亡5人, 造成生命和財產(chǎn)損失巨大(林良根等, 2011)。

1.2 WRF模式及資料介紹

本文采用的WRF模式系統(tǒng)是由美國研究、業(yè)務(wù)和大學(xué)的科學(xué)家共同參與開發(fā)研究的新一代中尺度預(yù)報模式和同化系統(tǒng)(Skamarock et al, 2005)。WRF模式系統(tǒng)的開發(fā)計劃是1997年由美國國家大氣研究中心(NCAR)中小尺度氣象處、國家環(huán)境預(yù)報中心(NCEP)環(huán)境模擬中心、預(yù)報系統(tǒng)實(shí)驗(yàn)室(FSL)的預(yù)報研究處和俄克拉荷馬大學(xué)的風(fēng)暴分析預(yù)報中心4個單位聯(lián)合發(fā)起建立的, 由國家自然科學(xué)基金和國家海洋大氣局(NOAA)共同支持(章國材, 2004)。WRF模式是一個全可壓、非靜力中尺度模式, 水平方向采用Arwkrawa-C坐標(biāo), 垂直方向提供兩種選擇, 一種為高度坐標(biāo), 另一種為質(zhì)量坐標(biāo), 時間積分方案可選擇三階或者四階的Runge-Kutta算法。WRF主模塊分為先進(jìn)的研究模式(advanced research WRF, ARW)和非靜力中尺度模式(nonhydrostatic mesoscale model, NMM)兩種動力核心模塊, 前者多用于研究, 后者主要用于業(yè)務(wù)預(yù)報。本文選取的是ARW方案。WRF模式具有模塊化、可移植、可擴(kuò)充和易維護(hù)的特點(diǎn), 在預(yù)報各種天氣中都具有較好的性能, 具有良好的預(yù)報天氣水平。

本文使用美國全球預(yù)報系統(tǒng)(GFS)再分析資料作為模式的初始場及側(cè)邊界。選取2010年7月21日06時至22日18時(世界時)的GFS資料, 間隔時間為6h, 水平分辨率為30′×30′。如圖1所示, 本試驗(yàn)采用了?？?以下簡稱HKRD)和陽江(以下簡稱YJRD)兩部多普勒雷達(dá)來提供需要同化的雷達(dá)徑向風(fēng)資料。在臺風(fēng)登陸的過程中, HKRD (19°54′N, 110°12′E)位于臺風(fēng)路徑的西南側(cè), YJRD (21°48′N, 111°54′E)位于臺風(fēng)路徑的東北側(cè), 能夠保證采用的雷達(dá)資料完整覆蓋臺風(fēng)移動路徑的整個區(qū)域。本文在同化試驗(yàn)之前采用美國國家大氣研究中心開發(fā)的SOLO軟件對雷達(dá)基數(shù)據(jù)進(jìn)行了質(zhì)量控制, 主要包括剔除地物雜波、去除孤立噪聲點(diǎn)、對徑向速度進(jìn)行平滑處理、速度退模糊、二次回波等處理。

圖1 WRF模擬區(qū)域

*表示?？?HKRD)和陽江(YJRD)的多普勒雷達(dá)的位置; 虛線圓圈表示海口(HKRD)和陽江(YJRD)的多普勒觀測范圍; 實(shí)線表示2010年7月22日00時至2010年7月22日18時的臺風(fēng)路徑

Fig. 1 WRF simulation domain. Dashed circles indicate the Doppler observation ranges of HKRD and YJRD, respectively. Black line and dots indicate the typhoon track from 2200 UTC to 2218 UTC July 21, 2010

1.3 WRF同化系統(tǒng)及同化方法介紹

WRF三維變分同化系統(tǒng)基于一個表征分析場與觀測場和分析場與背景場偏差的二次泛函極小值問題來分析。三維變分系統(tǒng)的基本目標(biāo)就是通過迭代方法求解以上目標(biāo)函數(shù)的極小值, 從而得出盡可能接近大氣真實(shí)狀態(tài)的估計值。在變分的極小化計算過程中要用到觀測誤差協(xié)方差及背景誤差協(xié)方差的逆矩陣。定義的泛函如下:

式中:ra是雨水混合比(單位: g×kg-1);是修正因子, 定義為:

1.4 試驗(yàn)設(shè)置

在本研究中采用WRF模式3.4.1版本模擬臺風(fēng)“燦都”(2010), 預(yù)報區(qū)域水平方向401×401個網(wǎng)格點(diǎn), 網(wǎng)格的水平分辨率為5km, 垂直方向?qū)⒌厍虮砻娴?0hPa間垂直劃分為41層。模擬中心經(jīng)緯度為(19°54′N, 110°12′E)。參數(shù)化方案包括Lin微物理方案、Monin-Obukhov近地層方案、NOAH陸面方案、YSU (Yonsei University)行星邊界層方案、快速輻射傳輸模型(RRTM)長波輻射方案和Dudhia短波輻射方案。3DVAR同化試驗(yàn)的網(wǎng)格設(shè)置, 水平分辨率、中心經(jīng)緯度設(shè)置和參數(shù)化方案使用均與控制實(shí)驗(yàn)(CTNL)試驗(yàn)一致, 且使用各向同性(誤差的變化不隨方向變化)的靜態(tài)背景誤差協(xié)方差。

圖2為試驗(yàn)流程圖。CNTL模式積分時段為2010年7月21日06時至22日18時, 共計36h, 包括臺風(fēng)“燦都”(2010)登陸前后的整個發(fā)展過程。同化試驗(yàn)選取21日06時為起報時間, 進(jìn)行一個12h的確定性預(yù)報的啟動過程(spin-up), 選擇21日18時作為同化初始時刻, 通過WRF-3DVAR同化系統(tǒng)每1h同化一次雷達(dá)徑向風(fēng)觀測數(shù)據(jù), 連續(xù)同化6h后, 將最后一個時刻(2010年7月22日00時)同化的分析場作為模式初始場, 進(jìn)行18h確定性預(yù)報。

圖2 控制試驗(yàn)(CTNL)(a)和3DVAR試驗(yàn)(b)流程圖

2 結(jié)果分析和討論

2.1 模式空間風(fēng)場分析

圖3中展示了21日18時、21日20時、21日22時和22日00時的700hPa的風(fēng)場和風(fēng)場增量。第一個同化分析時刻時, 如圖3a和3b所示, 同化后的風(fēng)場明顯比同化前的風(fēng)場強(qiáng), 同化前的最大切向風(fēng)速在30m×s-1以下, 且氣旋中心風(fēng)眼的范圍較大, 而3DVAR同化后的最大切向風(fēng)速可以達(dá)到40m×s-1至45m×s-1, 臺風(fēng)中心渦旋強(qiáng)度更大。尤其是在臺風(fēng)的東部區(qū)域, 風(fēng)速有明顯的增大, 且同化后的風(fēng)眼范圍縮小。圖3c為3DVAR同化后的700hPa風(fēng)場增量, 圖中陰影區(qū)域?yàn)橛^測雷達(dá)資料覆蓋區(qū)域?？梢妴未瓮? 觀測臺風(fēng)中心附近有明顯氣旋性環(huán)流增量, 且在臺風(fēng)中心附近風(fēng)速增量達(dá)到最大, 可以產(chǎn)生更強(qiáng)的渦旋環(huán)流。同時還發(fā)現(xiàn)觀測臺風(fēng)中心西北象限有較弱的反氣旋性環(huán)流增量。當(dāng)同化雷達(dá)風(fēng)觀測資料時, 這種結(jié)構(gòu)在WRF-3DVAR分析臺風(fēng)環(huán)流中心中很常見(Li et al, 2012), 這種情況的出現(xiàn)與當(dāng)前同化系統(tǒng)使用流函數(shù)()和速度勢()作為3DVAR中控制變量有關(guān)(和分別與非發(fā)散旋轉(zhuǎn)流動和發(fā)散流動相關(guān)), 如從NMC方法獲得的背景誤差統(tǒng)計中所反映的流函數(shù)的背景誤差標(biāo)準(zhǔn)差一般遠(yuǎn)大于速度勢的背景誤差標(biāo)準(zhǔn)差。

圖3 700hPa處水平風(fēng)場(第一行和第二行矢量, 單位: m×s-1)和風(fēng)場增量(第三行矢量, 單位: m×s-1); 組合反射率值(第一行和第二行陰影, 單位: dbz)和雷達(dá)資料覆蓋區(qū)域(第三行陰影)

a, b, c: 2010年7月21日18時; d, e, f: 2010年7月21日20時; g, h, i: 2010年7月21日22時; j, k, l: 2010年7月22日00時。a, d, g, j: 同化前; b, e, h, k: 同化后; c, f, j, l: 同化增量

Fig. 3 Analysis increments of horizontal wind vector (the top and middle panels, unit: m×s-1) and wind speed (the bottom panel, unit: m×s-1) at 700 hPa at 1800 UTC July 21, 2010 (a, b, c), 2000 UTC July 21, 2010 (d, e, f), 2200 UTC July 21, 2010 (g, h, i), 0000 UTC July 22, 2010 (j, k, l), and before assimilation (a, d, g, j), after assimilation (b, e, h, k), assimilation increment (c, f, j, l) (units: m×s-1). Max reflectivity is shaded in the top and middle panels. The shaded area in the bottom panel is the coverage area of the radar data

第三個分析時刻, 同化前的最大風(fēng)速達(dá)到50m×s-1以上, 同化后的風(fēng)場較同化前弱, 最大風(fēng)速僅達(dá)到45m×s-1左右, 且同化前的最大風(fēng)速區(qū)在臺風(fēng)中心的東北象限, 而同化后的最大風(fēng)速區(qū)在臺風(fēng)中的東南象限, 風(fēng)場增量出現(xiàn)反氣旋性環(huán)流, 可以認(rèn)為真實(shí)風(fēng)場比同化前弱, 同化分析改善了風(fēng)場強(qiáng)度和環(huán)流結(jié)構(gòu)。第五個分析時刻, 同化前后的風(fēng)場差別不大, 主要區(qū)別在于, 同化實(shí)驗(yàn)改善了最大風(fēng)速區(qū)的位置, 較同化前更向南側(cè)靠近, 位于臺風(fēng)中心的東南象限, 但還是可以在風(fēng)場增量中看到臺風(fēng)中心附近有較弱的氣旋性環(huán)流增量。第七個分析時刻, 同化前最大風(fēng)速達(dá)到50m×s-1左右, 最大風(fēng)速區(qū)位于臺風(fēng)中心東南象限; 同化后的風(fēng)場環(huán)流結(jié)構(gòu)和位置改善不明顯, 風(fēng)場增量體現(xiàn)為在臺風(fēng)中心的東北象限出現(xiàn)明顯的氣旋性環(huán)流增量。同化雷達(dá)徑向風(fēng)的作用主要體現(xiàn)在對臺風(fēng)強(qiáng)度和環(huán)流結(jié)構(gòu)的調(diào)整。

2.2 觀測空間風(fēng)場分析

圖4反映了7月21日18時在觀測場(圖4a)、CNTL試驗(yàn)下的背景場(圖4b)、3DVAR試驗(yàn)下的分析場(圖4d)的雷達(dá)徑向速度以及觀測場的雷達(dá)徑向速度減去背景場的徑向速度(圖4c)所呈現(xiàn)的圖?？梢钥吹降氖? 觀測場的雷達(dá)徑向風(fēng)呈現(xiàn)“陰陽圖”的形式, 反映了臺風(fēng)中心有很強(qiáng)的環(huán)流結(jié)構(gòu)。背景場的雷達(dá)徑向風(fēng)遠(yuǎn)遠(yuǎn)小于觀測場, 呈現(xiàn)的環(huán)流結(jié)構(gòu)較弱, 背景場和觀測場的差距還可以從圖4c中看出, 觀測場和背景場相差的量級很大; 而分析場與觀測場很接近, 呈現(xiàn)了較為完整強(qiáng)烈的渦旋環(huán)流結(jié)構(gòu), 風(fēng)場較為連續(xù)。

圖4 2010年7月21日18時的雷達(dá)徑向速度

a. 觀測場; b. 背景場; c. 觀測場-背景場; d. 分析場

Fig. 4 Radar radial velocity in observation (a), background field (b), observation minus background field (c), and analysis field (d) at 1800 UTC July 21, 2010

為了更好地顯示雷達(dá)徑向速度的背景場和分析場與背景場比較的效果, 我們在圖5中給出了背景場、分析場分別與觀測場的相關(guān)性描述。圖5a中, 背景場與觀測場的雷達(dá)徑向速度比值并不集中在對角線上, 呈發(fā)散性分布, 說明背景場的徑向速度相對于觀測場來說有很大偏差。而在圖5b中, 可以清楚地看到分析場與觀測場的雷達(dá)徑向速度比值基本集中在對角線上, 說明分析場的雷達(dá)徑向速度與觀測場比較接近。

圖5 觀測場和背景場(a)、觀測場和分析場(b)雷達(dá)徑向速度的散點(diǎn)分布

2.3 同化窗區(qū)間徑向風(fēng)和最小海平面氣壓分析

3DVAR同化雷達(dá)資料對臺風(fēng)預(yù)報的影響可以通過對比同化前的背景場和同化后的分析場, 計算雷達(dá)徑向風(fēng)相對于觀測值的均方根誤差來進(jìn)行進(jìn)一步的評估。根據(jù)聯(lián)合臺風(fēng)警報中心(JTWC)的最佳路徑數(shù)據(jù), 圖6a顯示了同化前后的雷達(dá)徑向風(fēng)均方根誤差(RMSE)圖。如圖6a中所示, 同化試驗(yàn)分析后的RMSE都較同化前下降, 改進(jìn)效果最好的是第一個同化分析時刻, 從9.5m×s-1降低到了3m×s-1。而之后的同化分析時刻改進(jìn)的效果有所減弱, 但都維持在同化后的RMSE較同化前降低約3m×s-1的水平。這是由于第一個同化時刻所用的背景場來自30′×30′的全球模式, 其中中小尺度信息缺失, 同化雷達(dá)徑向風(fēng)資料后所產(chǎn)生的觀測增量最大, 所以改進(jìn)模式初始場的效果也最為明顯。而且, 我們可以明顯看出, 同化后的RMSE都維持在3m×s-1左右, 說明同化雷達(dá)資料徑向風(fēng)對模式分析場和之后的預(yù)報都產(chǎn)生了較好的效應(yīng)。

圖6 2010年7月21日18時00分至22日00時00分, 每個同化時刻的同化前后均方根誤差(a)和最小海平面氣壓圖(b)

圖6b考察的是同化區(qū)間內(nèi)每次分析和預(yù)報的最小海平面氣壓(MSLP)和JTWC觀測資料中對應(yīng)時段的最小海平面氣壓對比分析, 由圖可以發(fā)現(xiàn), 每個同化時刻預(yù)報的最小海平面氣壓較同化前的最小海平面氣壓更加接近真實(shí)觀測值, 而在第一個同化時刻預(yù)報的最小海平面氣壓與真實(shí)觀測值相差20hPa, 在之后的時刻這個差值基本處于穩(wěn)步下降的趨勢, 且前期下降尤為顯著。這是由于3DVAR同化并不是依靠分析來調(diào)整的, 而是依靠分析后的短期的模式預(yù)報調(diào)整。預(yù)報的最小海平面氣壓僅在21日20時到21時之間有所回升, 之后繼續(xù)減小, 直到最后一個同化時刻達(dá)到最小值7hPa左右, 總體還是呈現(xiàn)出下降趨勢。這說明3DVAR同化雷達(dá)徑向風(fēng)觀測資料在達(dá)到一定時長后, 對改進(jìn)整個同化周期后的預(yù)報分析有積極效應(yīng)。

2.4 同化末端臺風(fēng)結(jié)構(gòu)場分析

在對同化周期的表現(xiàn)分析之后, 本文進(jìn)一步對各組試驗(yàn)最后一個同化時次的臺風(fēng)結(jié)構(gòu)場進(jìn)行分析。圖7顯示的是2010年7月22日00時的CTNL、3DVAR兩組試驗(yàn)分析的海平面氣壓場和近地面風(fēng)場合成示意圖。其中CTNL試驗(yàn)的臺風(fēng)中心海平面氣壓最低值為995hPa (圖7a), 而3DVAR試驗(yàn)的海平面氣壓最低值為973hPa (圖7b), 其分析的臺風(fēng)渦旋環(huán)流結(jié)構(gòu)要比CTNL試驗(yàn)顯著。并且在圖中可以看到, CTNL試驗(yàn)的近地面風(fēng)場很弱, 風(fēng)速在35m×s-1以下, 且偏離環(huán)流中心。而3DVAR的近地面風(fēng)場(10m風(fēng))則明顯加強(qiáng), 風(fēng)速最大達(dá)到45m×s-1以上, 臺風(fēng)中心東側(cè)的風(fēng)速較大, 風(fēng)場與環(huán)流中心契合, 與觀測更加接近, 更好地反映了臺風(fēng)環(huán)流結(jié)構(gòu)。

圖7 2010年7月22日00時CTNL試驗(yàn)(a)和3DVAR試驗(yàn)(b)下的10m水平風(fēng)速(箭頭, 單位: m×s-1)和臺風(fēng)中心海平面氣壓(陰影, 單位: hPa)

黑色虛線表示圖8中的截面位置

Fig. 7 The analyzed sea level pressure (contours, units: hPa) and surface wind vector (units: m×s-1) for CTNL (a) and Exp 3DVAR (b) at 0000 UTC July 22, 2010. The black solid line indicates the cross section in Fig. 8

圖8 2010年7月22日00時CTNL試驗(yàn)(a)和3DVAR試驗(yàn)(b)通過臺風(fēng)中心的水平風(fēng)速(陰影, 單位: m×s-1)和位溫(等值線, 單位: K)的西南—東北垂直截面圖

本文進(jìn)一步考察了臺風(fēng)中心的垂直結(jié)構(gòu), 圖8展示了7月22日00時通過臺風(fēng)中心的水平風(fēng)速和位溫的西南—東北垂直截面, 其剖面路徑參考圖8中的黑色實(shí)線。圖8a為CTNL試驗(yàn)通過臺風(fēng)中心的水平風(fēng)速和位溫截面圖, 如圖8a中所示, 未經(jīng)過同化試驗(yàn)的風(fēng)眼范圍較廣, 呈緯向非對稱分布, 半徑約為150km, 眼墻地帶的風(fēng)速較低, 最大風(fēng)速僅達(dá)30m×s-1, 且分布稀疏, 眼區(qū)附近的位溫廓線分布平緩, 沒有出現(xiàn)明顯的環(huán)流特征。與CTNL試驗(yàn)相比, 經(jīng)過3DVAR同化周期后(圖8b)的渦旋環(huán)流強(qiáng)度更大, 并且清楚地顯示了從地表延伸至約600hPa的眼壁結(jié)構(gòu)。整個同化周期試驗(yàn)后的風(fēng)眼遠(yuǎn)窄于未同化, 半徑約為20km, 也呈現(xiàn)緯向非對稱分布, 眼墻地帶的風(fēng)速較高, 最大風(fēng)速在45m×s-1以上。整個同化周期試驗(yàn)后的風(fēng)眼附近, 位溫廓線呈向上彎曲的趨勢表明臺風(fēng)中心在對流層底內(nèi)的冷心結(jié)構(gòu), 這可能由于預(yù)報產(chǎn)生的位溫增量都是由3DVAR中各向同性的靜態(tài)的背景誤差協(xié)方差平衡關(guān)系所導(dǎo)致。而在500hPa以上的位溫廓線有向下彎曲的趨勢, 說明高層存在弱暖心結(jié)構(gòu)。

為了更好地研究同化周期內(nèi)的同化后臺風(fēng)的垂直結(jié)構(gòu), 圖9中展示了7月21日20時、22時和22日00時同化后的軸對稱切向風(fēng)和水平溫度異常(剖面路徑為緯向)。可以看到第三次分析時刻(圖9a)的切向風(fēng)較小, 眼墻最大風(fēng)速區(qū)在35m×s-1以下, 最大風(fēng)速半徑位于45km處。經(jīng)過五次同化分析后(圖9b)的臺風(fēng)環(huán)流強(qiáng)度加強(qiáng),眼墻最大風(fēng)速達(dá)到45m·s-1, 最大風(fēng)速半徑轉(zhuǎn)移到30km處, 最大溫度異常中心位于8km處。最后一次同化分析時刻(圖9c)的臺風(fēng)環(huán)流強(qiáng)度持續(xù)加強(qiáng), 眼墻最大風(fēng)速保持在45m·s-1左右, 最大風(fēng)速半徑位置不變, 范圍擴(kuò)大, 最大溫度異常中心位于10km處, 同化時間窗較長時, 同化雷達(dá)徑向風(fēng)能夠較好地改善臺風(fēng)結(jié)構(gòu)。

圖9 2010年7月21日20時(a)、2010年7月21日22時(b)和2010年7月22日00時(c)的軸對稱切向風(fēng)(陰影, 單位: m×s-1)和水平溫度異常(等值線, 單位: ℃)圖

此外, 為了更好地分析經(jīng)過整個同化周期前后的臺風(fēng)環(huán)流中心結(jié)構(gòu)和強(qiáng)度的區(qū)別, 本文在圖10中展示了7月22日00時觀測場和同化前后的臺風(fēng)環(huán)流區(qū)域的組合雷達(dá)反射率因子。此時, 臺風(fēng)“燦都”(2010)位于雷州半島東部和海南島, 從觀測場(圖10a)中可以看到明顯的臺風(fēng)環(huán)流結(jié)構(gòu), 最大雷達(dá)反射率區(qū)域位于臺風(fēng)中心的東南象限。在CTNL中(圖10b), 臺風(fēng)中心渦旋較弱, 而且臺風(fēng)眼區(qū)周圍的雷達(dá)反射率大部分缺失, 與觀測場相差很大。而在3DVAR中(圖10c), 臺風(fēng)中心的雷達(dá)反射率更強(qiáng), 顯示出了更緊密完整的臺風(fēng)環(huán)流結(jié)構(gòu), 眼壁較為對稱, 強(qiáng)回波區(qū)主要位于臺風(fēng)中心的東南象限, 與觀測場較接近。

圖10 2010年7月22日00時觀測場(a)、CTNL試驗(yàn)(b)和3DVAR試驗(yàn)(c)的組合反射率(陰影, 單位: dBZ)和水平風(fēng)場(箭頭, 單位: m×s-1)圖

2.5 臺風(fēng)強(qiáng)度和路徑預(yù)報分析

圖11展示了CTNL試驗(yàn)、3DVAR試驗(yàn)在臺風(fēng)“燦都”(2010)登陸過程中的路徑和路徑誤差的預(yù)報結(jié)果以及臺風(fēng)的真實(shí)觀測數(shù)據(jù)。起報時間為7月22日00時, 做18h確定性預(yù)報, 到7月22日18時結(jié)束。可以從圖11a中看到, 未經(jīng)過同化的臺風(fēng)路徑登陸前有明顯北偏, 登陸后有明顯西偏, 于最佳路徑觀測的臺風(fēng)路徑有較大的出入, 而經(jīng)過整個同化周期后的臺風(fēng)路徑與最佳路徑觀測的臺風(fēng)路徑在登陸前后都較吻合, 只是00時的起點(diǎn)處位于最佳路徑觀測的臺風(fēng)中心西北側(cè), 造成了一定偏差。圖11b比較了CTNL試驗(yàn)、3DVAR試驗(yàn)預(yù)報的路徑誤差, 圖中兩者的路徑誤差都有所減小, 但CTNL試驗(yàn)預(yù)報的路徑誤差始終大于3DVAR試驗(yàn), 而且3DVAR試驗(yàn)預(yù)報的路徑誤差在預(yù)報后期降低到了7km。

圖11 2010年7月22日00時至18時最佳路徑觀測數(shù)據(jù)和CTNL試驗(yàn)、3DVAR試驗(yàn)預(yù)報的路徑圖(a)、路徑誤差圖(b)、最小海平面氣壓(c)、地面最大風(fēng)速(d)預(yù)報

另外, 同樣是從7月22日00時開始預(yù)報至18時, 如圖11c和11d所示, 我們又分析了CTNL試驗(yàn)、3DVAR試驗(yàn)的最小海平面氣壓(MSLP)(圖11c)和地面最大風(fēng)速(MSW)(圖11d)與真實(shí)觀測數(shù)據(jù)的對比。最小海平面氣壓是用來表示臺風(fēng)環(huán)流中心的位置的, 從圖11c中可以看出3DVAR試驗(yàn)下預(yù)報的MSLP在大部分時間里較CTNL試驗(yàn)更接近真實(shí)觀測的MSLP, 只有在最后一個預(yù)報時間段內(nèi), CTNL試驗(yàn)較接近真實(shí)觀測數(shù)據(jù), 但3DVAR試驗(yàn)預(yù)報的MSLP誤差僅8hPa。從總體趨勢上來看, 3DVAR試驗(yàn)預(yù)報效果要比CTNL試驗(yàn)更佳。而在圖11d中我們對比分析了CTNL試驗(yàn)、3DVAR試驗(yàn)預(yù)報的MSW與真實(shí)觀測的MSW, 與圖11c相似, 前期仍然是3DVAR試驗(yàn)預(yù)報的效果較好, 在最后一個預(yù)報時段則是CTNL試驗(yàn)預(yù)報的效果更好, 但最后一個時段內(nèi)3DVAR試驗(yàn)與真實(shí)觀測的MSW誤差僅在2m×s-1, 總體趨勢上仍然是3DVAR試驗(yàn)的預(yù)報效果更優(yōu)。

3 總結(jié)與展望

本文利用高分辨率中尺度預(yù)報模式WRF及WRF-3DVAR同化系統(tǒng), 針對2010年登陸于廣東省的超強(qiáng)臺風(fēng)“燦都”(2010)個例, 每1h同化陽江、海口兩個雷達(dá)站的雷達(dá)徑向風(fēng)觀測資料并做出確定性預(yù)報, 分析其對臺風(fēng)“燦都”(2010)在登陸過程中的臺風(fēng)結(jié)構(gòu)、強(qiáng)度、路徑的影響。主要試驗(yàn)結(jié)果和結(jié)論如下:

1) 從同化試驗(yàn)前后的風(fēng)場和風(fēng)場增量變化來看, 同化試驗(yàn)分析后的風(fēng)場在每個時段都有強(qiáng)度和結(jié)構(gòu)上的調(diào)整, 風(fēng)場增量大多數(shù)同化時刻呈現(xiàn)氣旋性環(huán)流, 可以知道同化雷達(dá)徑向風(fēng)的作用主要體現(xiàn)在對臺風(fēng)強(qiáng)度和環(huán)流結(jié)構(gòu)的調(diào)整。本文還對比分析了觀測空間風(fēng)場在觀測場、背景場和分析場的情況, 認(rèn)為分析場的雷達(dá)徑向風(fēng)較背景場與觀測場更加接近, 說明同化分析能夠較好地改善臺風(fēng)風(fēng)場的強(qiáng)度和環(huán)流結(jié)構(gòu)。

2) 本文分析了同化窗區(qū)間的RMSE和MSLP下降的情況, 認(rèn)為3DVAR同化雷達(dá)資料對模式分析場和之后的預(yù)報都產(chǎn)生了較好的效應(yīng), 且在同化周期達(dá)到一定時長后, 對整個同化區(qū)間的分析效果有積極效應(yīng)。

3) 在同化末端及其預(yù)報的情況分析中, 發(fā)現(xiàn)通過同化雷達(dá)徑向風(fēng)觀測資料, 可以改進(jìn)臺風(fēng)的初始風(fēng)場以及臺風(fēng)環(huán)流中心的熱力和動力結(jié)構(gòu)、強(qiáng)度和位置, 進(jìn)而提高18h的臺風(fēng)結(jié)構(gòu)、路徑、強(qiáng)度。

本試驗(yàn)采用了兩部雷達(dá)資料進(jìn)行同化試驗(yàn), 對臺風(fēng)“燦都”(2010)個例進(jìn)了初步研究, 所得到的臺風(fēng)結(jié)構(gòu)、強(qiáng)度和路徑方面的結(jié)論只適用于此個例, 具有一定局限性, 對于其他個例是否成立還需要再做研究。同時, 對雷達(dá)資料的質(zhì)量控制和3DVAR同化方法的改進(jìn)還需要更多的研究工作。而就個例“燦都”(2010)來說, 利用多部雷達(dá)資料(兩部以上)并采用先進(jìn)的集合同化方法進(jìn)行更進(jìn)一步的研究是接下來要做的工作。

陳鋒, 冀春曉, 董美瑩, 等, 2012. 雷達(dá)徑向風(fēng)速同化對臺風(fēng)麥莎模擬的影響[J]. 氣象, 38(10): 1170–1181. CHEN FENG, JI CHUNXIAO, DONG MEIYING, et al, 2012. The effects of radar radial velocity data assimilation on the simulation of typhoon Matsa[J]. Meteorological Monthly, 38(10): 1170–1181 (in Chinese with English abstract).

陳鋒, 董美瑩, 冀春曉, 2017. 不同資料同化對登陸臺風(fēng)菲特(2013)短時預(yù)報的影響研究[J]. 氣象, 43(9): 1029–1040. CHEN FENG, DONG MEIYING, JI CHUNXIAO, 2017. Relative impact from surface, radiosonde, aircraft, satellite, and radar observations on short time forecasting for typhoon Fitow (2013) at landfall[J]. Meteorological Monthly, 43(9): 1029–1040 (in Chinese with English abstract).

顧建峰, 2006. 多普勒雷達(dá)資料三維變分直接同化方法研究[D]. 南京: 南京信息工程大學(xué). GU JIANFENG, 2006. Research on 3D variational direct assimilation method of doppler radar data[D]. Nanjing: Nanjing University of Information Science and Technology (in Chinese with English abstract).

官元紅, 周廣慶, 陸維松, 等, 2007. 資料同化方法的理論發(fā)展及應(yīng)用綜述[J]. 氣象與減災(zāi)研究, 30(4): 1–8. GUAN YUANHONG, ZHOU GUANGQING, LU WEISONG, et al, 2007. Theory development and application of data assimilation methods[J]. Meteorology and Disaster Reduction Research, 30(4): 1–8 (in Chinese with English abstract).

李新峰, 2012. 雷達(dá)資料循環(huán)同化在臺風(fēng)“莫蘭蒂”短時預(yù)報中的應(yīng)用研究[D]. 南京: 南京大學(xué). LI XINFENG, 2012. Short-term forecasting through cycling assimilation of China coastal radar data for typhoon Meranti at landfall[D]. Nanjing: Nanjing University (in Chinese with English abstract).

李新峰, 趙坤, 王明筠, 等, 2013. 多普勒雷達(dá)資料循環(huán)同化在臺風(fēng)“鲇魚”預(yù)報中的應(yīng)用[J]. 氣象科學(xué), 33(3): 255–263. LI XINFENG, ZHAO KUN, WANG MINGYUN, et al, 2013. Short-term forecasting of super typhoon Megi at landfall through cycling assimilation of China coastal radar data[J]. Journal of the Meteorological Sciences, 33(3): 255–263 (in Chinese with English abstract).

林良根, 汪瑛, 林少冰, 2011. 臺風(fēng)“燦都”的特點(diǎn)分析[C]//2011年第二十八屆中國氣象學(xué)會年會論文集. 廈門: 中國氣象學(xué)會: 1–7. LIN LIANGGEN, WANG YING, LIN SHAOBING, 2011. Analysis of the typhoon Chanthu[C]//Chinese Meteorological Society. Xiamen: Chinese Meteorological Society: 1–7 (in Chinese with English abstract).

沈菲菲, 閔錦忠, 陳鵬, 等, 2015. 多普勒雷達(dá)資料同化在臺風(fēng)“桑美”預(yù)報中的應(yīng)用研究[J]. 海洋學(xué)報, 37(3): 25–36. SHEN FEIFEI, MIN JINZHONG, CHEN PENG, et al, 2015. Experiments of assimilating Doppler radar data in forecast of typhoon Saomai[J]. Acta Oceanologica Sinica, 37(3): 25–36 (in Chinese with English abstract).

沈菲菲, 閔錦忠, 許冬梅, 等, 2016. 雙多普勒雷達(dá)資料同化在颶風(fēng)“艾克”預(yù)報中的應(yīng)用研究[J]. 海洋學(xué)報, 38(11): 60–72. SHEN FEIFEI, MIN JINZHONG, XU DONGMEI, et al, 2016. Application of assimilating Dual Doppler radar data in forecast of Hurricane Ike[J]. Acta Oceanologica Sinica, 38(11): 60–72 (in Chinese with English abstract).

盛春巖, 薛德強(qiáng), 雷霆, 等, 2006. 雷達(dá)資料同化與提高模式水平分辨率對短時預(yù)報影響的數(shù)值對比試驗(yàn)[J]. 氣象學(xué)報, 64(3): 293–307. SHENG CHUNYAN, XUE DEQIANG, LEI TING, et al, 2006. Comparative experiments between effects of Doppler radar data assimilation and inceasing horizontal resolution on short-range prediction[J]. Acta Meteorologica Sinica, 64(3): 293–307 (in Chinese with English abstract).

徐廣闊, 孫建華, 趙思雄, 2009. 基于雷達(dá)資料同化的2003年7月一次暴雨過程的數(shù)值模擬及分析[J]. 熱帶氣象學(xué)報, 25(4): 427–434. XU GUANGKUO, SUN JIANHUA, ZHAO SIXIONG, 2009. The numerical simulation and analysis of a heavy rainfall in July 2003 based on radar data assimilation[J]. Journal of Tropical Meteorology, 25(4): 427–434 (in Chinese with English abstract).

章國材, 2004. 美國WRF模式的進(jìn)展和應(yīng)用前景[J]. 氣象, 30(12): 27–31. ZHANG GUOCAI, 2004. Progress of weather research and forecast (WRF) model and application in the United States[J]. Meteorological Monthly, 30(12): 27–31 (in Chinese with English abstract).

張晗昀, 王振會, 楚志剛, 等, 2018. 天氣雷達(dá)反射率資料訂正前后在ARPS模式中的同化試驗(yàn)對比[J]. 氣象科學(xué), 38(1): 57–65. ZHANG HANYUN, WANG ZHENHUI, CHU ZHIGANG, et al, 2018. Corrected and original weather radar reflectivity data assimilation in numerical model ARPS[J]. Journal of the Meteorological Sciences, 38(1): 57–65 (in Chinese with English abstract).

BUEHNER M, 2005. Ensemble‐derived stationary and flow‐dependent background‐error covariances: Evaluation in a quasi‐operational NWP setting[J]. Quarterly Journal of the Royal Meteorological Society, 131(607): 1013–1043.

BUEHNER M, HOUTEKAMER P L, CHARETTE C, et al, 2010a. Intercomparison of variational data assimilation and the ensemble Kalman filter for global deterministic NWP. Part I: Description and single-observation experiments[J]. Monthly Weather Review, 138(5): 1550–1566.

BUEHNER M, HOUTEKAMER P L, CHARETTE C, et al, 2010b. Intercomparison of variational data assimilation and the ensemble Kalman filter for global deterministic NWP. Part II: One-month experiments with real observations[J]. Monthly Weather Review, 138(5): 1567–1586.

LI YONGZUO, WANG XUGUANG, XUE MING, 2012. Assimilation of radar radial velocity data with the WRF hybrid ensemble–3DVAR system for the prediction of Hurricane Ike (2008)[J]. Monthly Weather Review, 140(11): 3507–3524.

SASAKI Y, 1970a. Some basic formalisms in numerical variational analysis[J]. Monthly Weather Review, 98(12): 875–883.

SASAKI Y, 1970b. Numerical variational analysis formulated under the constraints as determined by longwave equations and a low-pass filter[J]. Monthly Weather Review, 98(12): 884–898.

SHEN FEIFEI, XU DONGMEI, XUE MING, et al, 2018. A comparison between EDA-EnVar and ETKF-EnVar data assimilation techniques using radar observations at convective scales through a case study of Hurricane Ike (2008)[J]. Meteorology and Atmospheric Physics, 130(6): 649–666.

SKAMAROCK W C, KLEMP J B, DUDHIA J, et al, 2005. A description of the advanced research WRF version 2[R]. Boulder, Colorado, USA: National Center for Atmospheric Research, Mesoscale and Microscale Meteorology Division.

TALAGRAND O, COURTIER P, 1987. Variational assimilation of meteorological observations with the adjoint vorticity equation. I: Theory[J]. Quarterly Journal of the Royal Meteorological Society, 1987, 113(478): 1311–1328.

WANG MINGJUN, XUE MING, ZHAO KUN, et al, 2014. Assimilation of T-TREC-retrieved winds from single-doppler radar with an ensemble Kalman Filter for the forecast of typhoon Jangmi (2008)[J]. Monthly Weather Review, 142(5): 1892–1907.

WANG XUGUANG, 2010. Incorporating ensemble covariance in the gridpoint statistical interpolation variational minimization: A mathematical framework[J]. Monthly Weather Review, 138(7): 2990–2995.

XIAO QINGNONG, ZOU XIAOLEI, WANG BIN, 2000. Initialization and Simulation of a landfalling hurricane using a variational bogus data assimilation scheme[J]. Monthly Weather Review, 128(7): 2252–2269.

XIAO QINGNONG, KUO Y H, SUM JUANZHEN, et al, 2005. Assimilation of doppler radar observations with a regional 3DVAR System: impact of doppler velocities on forecasts of a heavy rainfall case[J]. Journal of Applied Meteorology, 44(6): 768–788.

ZHAO KUN, XUE MING, 2009. Assimilation of coastal Doppler radar data with the ARPS 3DVAR and cloud analysis for the prediction of Hurricane Ike (2008)[J]. Geophysical Research Letters, 36(12): L12803.

Experiments of assimilating Doppler radar data in forecast of Typhoon Chanthu

QI Peini, SHEN Feifei, KOU Leilei, CHU Zhigang, XU Dongmei

Key Laboratory of Meteorological Disaster, Ministry of Education (KLME)/Joint International Research Laboratory of Climate and Environment Change (ILCEC)/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters (CIC-FEMD), Nanjing University of Information Science & Technology, Nanjing 210044, China

Based on the WRF (Weather Research and Forecast) model and WRF-3DVAR (3- Dimensional Variational) assimilation system, we conduct a single time analysis to initialize Typhoon Chanthu and compare the effects of assimilation radar radial velocity (r) on Typhoon Chanthu analysis and forecast, with two radar radial wind data. We show that the role of assimilating radar radial wind is mainly reflected in the adjustment of typhoon intensity and circulation structure; and after the assimilation reaches a certain length of time, it has a positive effect on the improvement of forecast. The assimilation test improves the typhoon's initial wind field and the thermal and dynamic structures, intensity, and location of the typhoon circulation center, thereby improving the typhoon structure, path, and intensity predicted for future 18 hours.

radar radial velocity; data assimilation; WRF-3DVAR; typhoon

2018-05-23;

2018-09-05. Editor: YIN Bo

National Key Research and Development Program of China (2018YFC1506404, 2018YFC1506603, 2017YFC1502102, 2017YFC1502103); National Natural Science Foundation of China (G41805016, G41805070); Natural Science Foundation of Jiangsu Province (BK20170940, BK20160954); Open Project of Key Laboratory of Meteorological Disaster of Ministry of Education, Nanjing University of Information Science and Technology (KLME201807, KLME201808); Beijige Funding from Jiangsu Research Institute of Meteorological Science (BJG201604); Startup Foundation for Introducing Talent of Nanjing University of Information Science & Technology (2016r043, 2016r027)

P732.42

A

1009-5470(2019)02-0020-12

10.11978/2018055

2018-05-23;

2018-09-05。殷波編輯

國家重點(diǎn)研發(fā)計劃項(xiàng)目(2018YFC1506404、2018YFC1506603、2017YFC1502102、2017YFC1502103); 國家自然科學(xué)基金項(xiàng)目(G41805016、G41805070); 江蘇省自然科學(xué)基金項(xiàng)目(BK20170940、BK20160954); 氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室(南京信息工程大學(xué))開放課題(KLME201807、KLME201808); 江蘇省氣象局北極閣基金項(xiàng)目(BJG201604); 南京信息工程大學(xué)人才啟動基金項(xiàng)目(2016r043、2016r27)

戚佩霓(1995—), 女, 浙江省杭州市人, 本科生。Email: 315295984@qq.com

沈菲菲, 講師。Email: ffshen@nuist.edu.cn

SHEN Feifei. E-mail: ffshen@nuist.edu.cn