EnKF同化雷达资料对一次极端局地强降水事件预报影响及其可预报性分析  

Prediction and predictability of a catastrophic local extreme precipitation event through cloud-resolving ensemble analysis and forecasting with Doppler radar observations

作　　者：邱学兴 ZHANG FuQing 

机构地区：[1]安徽省气象台,合肥230031 [2]Department of Meteorology,Pennsylvania State University,University Park,PA 16802,USA

出　　处：《中国科学：地球科学》2016年第1期27-42,共16页Scientia Sinica(Terrae)

基　　金：公益性行业(气象)科研专项项目(编号:GYHY201006004)资助

摘　　要：局地强降水可以引发山洪、泥石流等次生灾害,目前准确预报局地强降水依然是天气预报业务的难点.本文针对一次发生在西北太平洋副热带高压边缘、导致12人死亡的极端局地强降水事件,利用集合卡尔曼滤波(En KF)开展多普勒雷达径向风观测资料同化试验,并对En KF同化过程不确定性进行分析.结果表明:不同化观测资料,采用单一初值的确定性预报或增加初值扰动、采用多物理过程的集合预报均不能正确预报强降水发生位置,而利用En KF同化雷达径向速度观测资料能有效改进确定性和集合预报效果,特别是强降水位置预报.通过En KF同化雷达资料,建立深厚的中尺度对流系统是改进降水预报效果的直接原因.在具备了对流发生条件的大尺度环境背景场中,上游地区、对流层中下层经向风和水汽场的合理扰动是影响同化过程和降水预报的关键因素.该个例预报过程受实际可预报性影响,具有不确定性,大尺度初始条件的差异或初始扰动场振幅偏小导致的En KF分析场差异都会对模拟结果造成较大影响,而采用En KF循环同化有助于提高该个例的预报准确性.敏感性试验还表明未来通过改进数值模式或改善观测系统,提供更准确观测信息,可以对此类短时强降水事件做出更准确预报.

关 键 词：集合卡尔曼滤波 多普勒雷达资料 局地强降水 可预报性 

分 类 号：P457.6[天文地球—大气科学及气象学] P412.25