區(qū)域集合預報初始擾動構造中濾波與同化尺度混合方法對比研究.pdf

1、區(qū)域集合預報是改進強對流天氣預報能力的重要途徑之一，而影響區(qū)域集合預報質量的關鍵因素之一就是初始擾動能否合理、實際地反映分析誤差的振幅與結構，因此構造合理的初始擾動對提高區(qū)域集合預報質量非常重要。目前，各種初始擾動方案構造的區(qū)域集合預報初始擾動都是單一尺度的，不能全面、準確地描述實際大氣運動特征。為了構造更加合理的初始擾動，本文先構造了基于2D-DCT濾波方法的尺度混合初始擾動方案(Filter方案)，并證明了該方案改善原集合預報場（R

2、EPS）性能的有效性;考慮到基于濾波方法的尺度混合方案由于濾波界限難以客觀確定且多尺度信息混合時易產生擾動誤差，構造了基于GRAPES三維變分同化系統(tǒng)的尺度混合初始擾動方案(VAR方案)并分析其性能;最后通過更長時間的集合預報試驗，對比分析兩種尺度混合初始擾動方案的性能。
　　本文得到的主要研究結論如下:
　　(1)基于濾波方法的尺度混合初始擾動方案可以根據(jù)濾波界限完全融合高質量的大尺度信息和中小尺度信息。該方法對降水預報有

3、所改善，對應的大雨量級、暴雨以上的概率預報優(yōu)于原集合預報，集合平均優(yōu)于控制預報和原集合預報的集合平均。該方法可顯著改進高度場和溫度場的預報能力，對風場預報能力改善程度偏小。
　　(2)基于同化方法的尺度混合初始擾動方案較好地融合全球大尺度信息和中小尺度天氣系統(tǒng)的擾動信息;對大雨和暴雨量級的降水概率預報效果有明顯改善，集合平均也優(yōu)于原集合預報的集合平均和控制預報;該方案整體改善了原集合預報性能，特別是對高度場和溫度場效果更為顯著，但

4、對風場的集合預報性能影響偏小。
　　(3)基于濾波方法的尺度混合方案和基于同化方法的尺度混合方案的集合預報性能均優(yōu)于REPS，兩種方案的優(yōu)勢不同。VAR方案對集合平均均方根誤差的減少程度最大，而Filter方案對模式預報初期(0-24 h)集合離散度的改善程度最大，而在模式預報后期兩種方案對集合離散度的提高程度相同;總體來看，VAR方案對位勢高度、緯向風速的改善效果最大，而Filter方案對溫度的改善程度最大，兩種尺度混合方案對經