用卫星辐射三维变分同化系统预报飓风“桑迪”外文翻译资料

 2022-11-29 03:11

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

用卫星辐射三维变分同化系统预报飓风“桑迪”

Tanvir Islam1,2,3 bull; Prashant K. Srivastava4,5 bull; Dinesh Kumar6 bull; George P. Petropoulos7 bull; Qiang Dai8 bull; Lu Zhuo9

摘要:本文利用三维变分数据同化系统（3DVAR）对飓风“桑迪”进行了同化试验的研究。本文使用天气研究和预测模型的3DVAR组成部分，对飓风“桑迪”期间进行“控制”和“辐射”同化实验。在“控制”同化实验中，只有常规的大气和地面观测数据被同化，而在“辐射”同化实验中，来自先进微波探测（AMSU-A）和微波湿度探测器（MHS）的卫星辐射数据也与常规大气和地面观测数据一起被同化。对于辐射同化，我们采用快速辐射传输模式（CRTM）作为前向算子，并在同化辐射数据之前进行质量控制和偏差订正过程。为了评估同化试验的影响，本文从2012年10月25日 00 UTC开始进行132-h确定性预报。结果表明，AMSU-A卫星辐射同化资料同化可以帮助提高中短期预报（0-60 h），而在超过60 h的长期预报中AMSU-A辐射资料同化使预报下降。

关键词：变分数据同化；数值天气预报；飓风预报；路径传播；天气研究和预报模型三维变分；辐射传输；ATOVS；先进微波温度计；先进微波湿度计；微波湿度探测器

  1. 介绍

数据同化是数值天气预报（NWP）模型开发和日常天气预报研究的一个活跃领域。随着计算机能力的不断提高，数值天气预报模型同化大数据成为可能。传统预报上，高空和地表气象数据被同化到数值天气预报模型中。然而，在地球上很多地方没有足够的地表和高空观测数据被同化。因此，预报能力在很大程度上是因地而异的。

准确的数据同化对于极端天气预报来说更为重要，例如，预测飓风可能会对登陆造成威胁。尤其是飓风事件的强度预报仍然是业务气象预报员面临的挑战之一 (Islam et al., 2015)。如果能准确预报飓风的强度，就可以及时地进行必要的准备，以挽救财产和生命。以前的数据同化研究已经成功地改善了飓风和热带气旋的轨道和强度预报。例如，Subramani et al.(2014)提出了一种基础集合同化数据算法，并且发现用他们的算法可以比控制试验更好地预测热带气旋。Xu 和 Powell (2012)强调，借助格点统计插值（GSI）系统，卫星辐射数据同化预报误差减少。Xu et al.（2013）研究了红外大气探测干涉仪（IASI）辐射同化对两个热带气旋预报的影响，并证实了通过同化可以改善动力和热力学涡结构。

此外，研究表明，与其他卫星观测相比，微波辐射数据可以提供更多的垂直剖面和飓风内部结构方面的信息。Singh et al.（2012）证明AMSU-A辐射率同化可以改变大气热力学结构，并且可以产生比传统观测同化更强烈的飓风暖核，这也是大型预报轨道改进的原因。 Liu等（2012）表明，与再分析和下投式观测资料相比，AMSU-A辐射资料同化可以更好地描述热带气旋的轨迹和强度预报。其他的数据同化研究可以查看Chou和Huang 2011，Jones和Stensrud 2012，Dong等2013，Zhang等2013年，Zupanski等2011年和Chambon等2014，等等。

在2012年大西洋飓风季节期间，飓风“桑迪”在美国大陆造成了毁灭性的登陆。 据报道，它是2012年大西洋飓风季节最致命、最具破坏性的飓风。据报道，桑迪袭击造成了严重的经济损失和大量人员伤亡。这次特别的飓风对本次研究工作具有重要的参考意义。在这项研究中，我们研究了卫星辐射数据同化对数值天气预报模型预报飓风桑迪轨道和强度的影响。本文结构如下：第2节描述卫星辐射率资料，第3节介绍三维变分同化系统.第4部分概述了实验设置， 第5节介绍数据同化研究及结果，最后第6部分提供了总结。

  1. 辐射数据

卫星辐射数据对于飓风预报非常有价值，因为它们提供飓风形成的海洋表面的热力学信息。早期的研究已经证实，先进微波探测单元（AMSU-A）仪器的温度探测信息对飓风预报非常有价值（Liu等，2012）。微波湿度测深仪（MHS）仪器的使用在预测极端事件中非常有用（Zou 等，2013）。

AMSU-A是一种跨轨道微波仪器，适用于23.8—89.0 GHz频率之间的15个通道，主要用于高空大气温度采集探测信息。它的扫描宽度为2343公里，最低点的足迹尺寸约为48公里。每条扫描线总共有30个瞬时视场（FOV）。每次扫描大约需要8秒才能完成。另一方面，微波湿度测深仪（MHS）是一个工作在89-190 GHz的5通道微波仪器。它也是一个跨轨道传感器，每8秒扫描三次。这导致每条扫描线在整个地球视图中总共有90个像素。它的幅宽约为1920公里。在本文中，我们将NOAA和MetopB卫星平台上的AMSU-A和MHS仪器测得的辐射率进行了同化。

  1. 三维变分同化系统

3.1 同化方法

这项研究工作使用的数据同化系统是由美国国家大气研究中心（NCAR）开发的WRFDA同化系统。WRFDA是一个统一的（全球/区域，多模型，3/4维变分）数据同化系统。在这项试验中，我们使用了WRFDA系统的三维变分部分（Barker 等，2004）。更具体地说，使用了3.6.1版本的同化系统。在数学上，3DVAR同化方案通过最小化规定的价值函数J（x）获得给定时间的大气状态的最优估计：

（1）

其中x是由大气和地表参数组成的状态向量，Xb是背景向量，y是观测向量，H是非线性观测算子, B是背景误差协方差矩阵，R是观测误差协方差矩阵。状态向量x通过迭代方法估计，以便解决方案指定大气状态的最小方差估计。为了使价值函数最小化，采用共轭梯度法。对WRF 3DVAR同化系统的详细描述，读者可参考Barker等人（2004）的文章。

3.2 前项算子

在辐射同化的情况下，使用前向算子。方程（1）中，非线性观测算子H使用快速辐射传递模型根据存储在状态向量x中的模型变量来计算亮温。WRFDA能够使用两种快速辐射传输模型-由欧洲气象卫星应用组织（EUMETSAT）开发的（A）TOVS（RTTOV）模型的辐射传输和由卫星资料同化联合中心（JCSDA）开发快速辐射传输模型（CRTM）。在目前的工作中，我们使用快速辐射传输模型（CRTM）作为前向算子。CRTM使用大气温度和水汽廓线、地表温度、地表风速和卫星几何参数作为输入来模拟晴空辐射。水云气象参数的垂直剖面需要模拟多云辐射。在海洋上，使用一种被称为快速微波发射率模型（FASTEM）的双尺度发射率模型。在陆地上，使用单独的陆地发射率模型。在Liu 等（2013）和Liu 和Weng（2013）的文章中出现值得阅读的关于CRTM模型的理论和实现方面的知识介绍。

3.3 误差协方差矩阵

在数据同化中，误差协方差矩阵在分析中提供背景和观测之间的似权重方面起着至关重要的作用。在WRF-3DVAR系统中可以使用两种不同类型的背景误差协方差矩阵，其中一种是使用Wu等（2002）所述的中国国家气象中心（NMC）的T170分辨率全球模型生成的被称为CV3的默认选项。另一个是CV5选项，它是使用误差协方差矩阵生成的区域模型。本次实验使用CV3默认选项。在CV3选项中，背景误差协方差近似于同时变化的平均24小时和12小时预测差异。水平分量的误差基于水平各向同性和均匀递归滤波器。相反，通过平均垂直误差协方差输出的特征向量来计算误差的垂直分量。水平分量和垂直分量都是不可分的。

表一 AMSU-A和 MHS 通道特点

通道数

AMSU-A频率（GHz）

MHS频率（GHz）

1

23.8

89.0

2

31.4

157.0

3

50.3

183.311 plusmn; 1.0

4

52.8

183.311 plusmn; 3.0

5

53.596 plusmn; 0.115

190.311

6

54.4

7

54.94

8

55.5

9

57.290

10

57.290 plusmn; 0.217

11

57.290 plusmn; 0.3222 plusmn; 0.048

12

57.290 plusmn; 0.3222 plusmn; 0.022

13

57.290 plusmn; 0.3222 plusmn; 0.010

14

57.290 plusmn; 0.3222 plusmn; 0.0045

15

89.0

3.4 质量控制和误差校正

在同化卫星辐射之前，进行质量控制步骤，以便在同化系统中使用没有残差的观测资料。

表1展示了AMSU-A和MHS通道的频率特征。注意，AMSU-A的窗口通道1-4和15对地表发射率有贡献。 MHS的1-2通道也有来自地表的贡献。由于背景亮温和发射率难以建模且误差非常大，因此通道辐射率的模拟可能非常不稳定。所以本研究并不同化窗口通道。另外，AMSU-A通道10-14在模型顶部边界上方。因此，它们也没有被同化。综上，AMSU-A通道5-9和MHS通道3-5被选择参与同化。

然而，辐射测量值可能会偏离正向模型的模拟。误差可以由许多因素引入。例如，卫星仪器可能存在系统校准误差。用作正向模型输入的温度和水汽廓线可能并不接近现实。此外，辐射传输模型并不完美，当然也有其局限性。因此，在同化卫星辐射数据之前，有必要剔除测量中可能存在的误差。特别是，在观察（O）和第一个猜测（B）之间的第一个猜测不应该有偏差。在这项研究中，用VarBC变分偏差校正方案进行偏差订正。

3.5 预测模型

本研究的预测模型是WRF ARW动态求解器（3.6.1版本）。WRF ARW动态求解器的描述和应用已在文献中得到了很好的阐述，也因此在（Skamarock和Klemp 2008; Dai等2013; Ishak et al.,2013; Islam et al.,2013; Srivastava et al.,2013; Islam et al.,2014年）等中被提及。简而言之，它是一个完全可压缩的非静力学原始方程模型，它使用垂直坐标下的地形。垂直坐标eta;定义为：

（2）

其中ptop是域顶部的压力，ph是通过其表面值phs归一化压力的静水压力分量。eta;值介于0和1之间。水平网格基于Arakawa-C网格交错。求解器使用三阶Runge-Kutta时间步长。WRF ARW能够使用不同的物理参数化方案。总体而言，包括WSM5微物理方案，积云对流方案，短波辐射方案，地表方案等。

  1. 实验装置

本次实验中，在飓风桑迪附近配置了两个嵌套域。图1展示域配置。外域具有25 km水平分辨率，格点数182*231。内部域水平分辨率为5 km，格点数356*831。垂直分辨率设置为28eta级别.

在2012年10月下旬的飓风“桑迪”期间进行了三组实验。在第一组实验运行中，即控制运行（“控制”），主要常规气象观测数据被同化。表2显示了与“控制”同化实验的数据集。在第二组实验中，来自机载NOAA和MetopB卫星（以下称为Rad1实验运行）的AMSU-A辐射数据与上述常规观测一起被同化。最后，第三次实验运行还包括MHS辐射数据的同化，以及在Rad1中同

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21939]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章