机载多普勒雷达数据质量对热带气旋数值模拟的影响外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

机载多普勒雷达数据质量对热带气旋数值模拟的影响

LEI ZHANG,ZHAOXIA PU,WEN-CHAU LEE,QINGYUN ZHAO

摘要：机载多普勒雷达资料同化对改进热带气旋（TCs）数值模拟的影响已得到广泛认可。然而，雷达数据质量对热带气旋数值模拟的影响尚未引起人们的重视。通常假设更高质量的雷达数据将更有利于TC的数值模拟。本研究在台风孟米（2008）的数值模拟中研究了雷达数据质量控制对机载多普勒雷达反射率同化和径向速度观测的影响。研究发现雷达数据的质量对台风的路径，强度和降水结构的数值模拟有很大的影响。具体而言，结果表明，在实际应用中，为了不同的目的，数据质量和数据覆盖之间的权衡是必要的，因为较高质量的数据有助于强度预测的改进，而较低质量但具有更好覆盖的数据更有利于准确路径预测。

1.引言

热带气旋（TC）的大部分生命期都在传统观测通常非常稀少的海洋上度过。目前，多普勒雷达是主要的能够提供非常高的空间和时间分辨率的TC三维观测的遥感仪器之一（Marks和Houze 1987; Griffin等1992; Reasor等2000;赵等人，2008; Murillo等，2011）。由于其可移动性，机载多普勒雷达分别能够以小于1 km和1 h的空间和时间分辨率对详细的TC内核结构特征进行采样（Marks和Houze 1987; Colle和Mass 2000; Reasor等2000; Houze等人，2007）。先前的研究表明，将这些多普勒雷达观测结果同化为数值天气预报（NWP）模型在改进TC的数值模拟和预测中起着重要作用（Pu等人2009; Xiao等人2009; Zhang等人2009）。然而，除了数据同化算法本身的影响之外，数据同化的有效性通常受到多普勒雷达观测的质量和覆盖范围的影响。通常，气象多普勒雷达数据不仅受到非天气回波的污染，例如二次回波，旁瓣杂波，地面杂波和低信噪比回波，而且还限于降水区域，导致数据覆盖分散。传统上，从机载多普勒雷达数据中去除这些非气象附加品是一个交互式和劳动密集型过程，并不适合实时雷达数据同化。

随着近距离实时海岸和机载多普勒雷达的TC观测资料越来越多，用于科学研究和操作应用（Griffin等1992; Sun和Crook 1997; Bielli和Roux 1999; Gao等2001; Zhang等。2005; Zhao等人，2008），需要对多普勒雷达数据进行自动质量控制。到目前为止，已经开发了多种用于自动去除杂波和非气象回波的算法（Steiner和Smith 2002; Zhang等人2004; Dixon等人2005; Friedrich等人2006; Lakshmanan等人2007; Gamache等人） al.2008; Wolff et al.2009）。例如，弗里德里希等人（2006）提出了一种多普勒雷达数据质量控制概念。在他们的研究中，使用了几个质量指标来表示观察到的雷达数据质量的不同水平。至于机载多普勒雷达测量，飓风研究部（HRD）和国家大气研究中心（NCAR）的研究人员分别为国家海洋和大气协会（NOAA）P-3尾部多普勒雷达开发了自动质量控制算法（TDR; Gamache等人，2008）和NCAR Electra多普勒雷达（ELDORA; Wolff等人，2009）。这些改进实现了实时双多普勒分析。但是，没有进一步研究这些不同的质量控制雷达数据如何影响数据同化结果以及随后的数值模拟和预测。因此，本文的目的是评估由不同级别的自动化质量控制程序处理的NCAR ELDORA数据对2008年西北太平洋海域发生的台风孟米（2008）的数值模拟和预测的影响。为了实现这一目标，利用天气研究和预报模式（WRF）高级研究版（ARW）及其三维变分数据同化（3DVAR）系统进行了一系列数值实验。通过比较同化结果和各种数据质量控制实验，研究了雷达数据质量对台风“孟米”数值模拟和预测的影响。本文的结构如下。雷达数据处理和质量控制在第2节中介绍。数值模型系统和实验设计在第3节中简要描述。数据质量对台风孟米（2008）数值模拟的影响将在第4节中进行讨论。结束语见第5节。

2. ELDORA雷达数据和质量控制

机载多普勒雷达反射率和径向速度观测是在观测系统研究和可预测性实验（THORPEX）太平洋亚洲区域运动（T-PARC 2008）和从海军研究实验室（NRL）P-3研究飞机上的NCARELDORA和海军研究所（ONR）的热带气旋结构（TCS-08）现场试验获得的。本研究选择的案例是2008年9月发生在西北太平洋的台风孟米。

在将雷达数据输入数值模型之前，原始数据首先通过自动质量控制程序进行预处理，然后插入到模型网格中点。在本研究中，自动数据质量控制程序是在编辑SOLOS软件包中的脚本后完成的（Oye等，1995）。通过设置几个不同的阈值，在质量控制过程中去除噪声，地球表面，二次回波，旁瓣和不同程度的非气象回波。 ELDORA数据质量控制程序的细节可以在Wolff等人的文章中找到。 （2009年）。根据质量要求的程度，本研究中使用三种不同的数据质量阈值进行机载多普勒雷达数据质量控制：低，中，高水平。在自动质量控制之后，编辑的雷达数据从雷达坐标插值到笛卡尔坐标。

图1 雷达反射率(dBZ）和(d）-(f）径向速度（m/s）在0.5公里高度水平，不同QC水平在0000 UTC左右2008年9月25日：（a）,（d）低，（b），（e）中等，（c），（f）高。

图1显示了质量控制的机载多普勒雷达反射率和0.5 km高度水平的径向速度样本，数据质量水平不同：低（图1a，d），中（图1b，e）和高（图1c，f）。 图1清楚地表明，这些不同质量控制的反射率和径向速度测量观测值之间存在明显的差异。 阈值水平越高，移除的数据（气象和非气象）越多，导致面积数据越小。 在将数据内插到模型网格之后，数据的水平和垂直分辨率分别为1和0.5 km。 对于台风孟米（2008），可以从地面到12公里高的水平获得数据，但大多数雷达数据位于0.5到10公里的高度之间。

在WRF 3DVAR分析中执行附加质量控制。 如果观测值与背景值（第一个猜测场）之间的差异大于第3节中规定的观测误差的5倍，则将消除观测结果。

3.数值实验

使用WRF ARW（Skamarock等人，2005）及其3DVAR系统（Barker等人，2004）。 模拟是在31个垂直水平上水平网格间距为27,9和3 km使用双向交互式嵌套域进行的。 对于27,9和3km域，区域大小分别为237*187,394*327和505*406。 WRF使用国家环境预测中心（NCEP）18*18全球预报系统最终（FNL）分析进行初始化，该分析还以3小时的间隔提供外域（27公里分辨率）的边界条件。 模型物理选项包括Purdue-Lin微物理方案，延世大学（YSU）行星边界层（PBL）方案，Kain-Fritsch积云参数化，长波快速辐射传输模型（RRTM）和Dudhia短波参数化模型（详情） 在Skamarock等人，2005年）。 积云参数化仅适用于27公里和9公里的区域。

进行了三次数据同化试验，以检验雷达观测的各个组成部分对台风孟米数值模拟的影响：

实验1-同化雷达反射率，

实验2 - 雷达径向速度的同化，

和

实验3 - 同化雷达反射率和径向速度。

为了评估不同级别的雷达数据质量对台风孟米（2008）的数值模拟的影响，在每个实验（实验1-3）中，进行三个实验配置，数据质量设置为低，中，高水平为 在第2部分中提到。实验细节总结在表1中。

表1 数据同化实验总结。 RF表示雷达反射率，RV表示雷达径向速度，80％，90％和99％表示不同级别的雷达数据质量（从低到高）。

对于对照实验，该模型使用NCEP FNL数据在2008年9月24日1800 UTC初始化，然后WRF被整合为30小时免费预测，结束于2008年9月26日0000 UTC。

对于数据同化实验，在2008年9月25日0000 UTC附近的一个航段上的雷达观测在3和9公里的网格域中被同化。 首测场（背景）是从控制模拟开始于2008年9月24日1800UTC开始的6小时模型预测。背景误差协方差是使用所谓的国家气象中心（NMC，现在称为NCEP）方法（Parrish和Derber 1992）在相同模型域上的模型网格分辨率下生成的。用于背景误差统计的样本来自使用不同WRF物理选项的20个模型预测的集合预测。为了从雷达反射率的同化产生水凝物的增量（例如，雨水混合比），选择总水混合比作为背景统计的控制变量（Xiao等人，2007; Pu等人，2009）。考虑到观测减去雷达数据的背景相关长度通常小于通过NMC方法得出的比例长度这一事实，减小的长度尺度被用于雷达数据同化中的控制变量。

为了解决数据质量对数据同化和数值模拟的影响，根据实验中同化的数据的质量水平，在不同的实验中使用各种观察误差。为低质量水平的雷达数据分配较大的观测误差，而为雷达数据的高水平质量规定较小的观测误差。具体而言，雷达反射率（径向速度）的观测误差分别假设为3,2和1.5 dBZ（3,2和1.5 m s21），分别用于低，中和高水平的质量控制实验。通过最小化预定义的成本函数，通过数据同化生成新的分析字段，然后通过3DVAR分析替换模型初始条件。边界条件也相应更新。之后，该模型与2008年9月25日0000 UTC的新分析字段和更新的边界条件进行了整合，以获得24小时预报，该预测将于2008年9月26日0000 UTC结束。

4.结果

图2 数据同化实验总结。 RF表示雷达反射率，RV表示雷达径向速度，80％，90％和99％表示不同级别的雷达数据质量（从低到高）。

为了检验数据质量对分析领域的影响，图2 a-c显示了在同化雷达反射率观测的实验的初始时间（即，实验1.1,1.2和1.3），通过孟米中心的温度和水蒸气的分析增量的东西横截面。除雷达反射率观测的质量外，这三个实验没有区别。总体而言，对于垂直水平低于600 hPa，雷达反射率数据的同化增强了孟米的暖核（当时在1348E附近居中）。然而，由于数据的质量不同，温度增量的模式在三个实验中是不同的。具体而言，在低质量控制（QC）水平下同化数据（实验1.1;参见图2a），伴随着涡度核心区域附近的正温度增量存在负温度增量。随着中等QC水平的数据同化（实验1.2;参见图2b），负温度增量比实验1.1中的低得多。在高QC水平下的数据同化（实验1.3;见图2c）完全消除了涡度核心区域附近的负温度增量。

图3 2008年9月25日0000 UTC时，孟米流通中心周围300公里范围内的区域平均发散剖面来自CTRL，实验2.1（低QC）实验2.2（中QC）和实验2.3（高QC）。 纵轴表示压力水平。 横轴表示发散的大小（）。

水汽场的分析增量表明，雷达反射率数据的同化在大多数情况下润湿了孟米的涡核区域，特别是在对流层低层（低于600hPa的压力水平）。 人们认为，有潮湿的条件通常更有利于涡旋的发展，而干燥的环境条件可能导致涡旋衰减（Pu和Zhang，2010）。 在各种实验中都可以看到差异。 具体而言，在低QC水平下同化数据已导致水蒸气场中最大的分析增量。 但是，在涡旋的东侧，存在负水蒸气增量，这可能是多普勒雷达数据质量较低同化的负面影响的证据（图2a）。 幸运的是，当高QC水平的数据被同化时，水蒸气场中的这些负增量几乎被消除（图2c）。

图4 （a）风暴轨道的时间演变和（b）来自CTRL的台风孟米的最大地面风（m/s）以及仅反射率（RF），仅径向速度（RV）以及反射率和径向速度的同化的实验（ RF和RV）与2008年9月25日0000 UTC和2008年9月26日0000 0000之间的JTWC最佳跟踪数据进行比较。所有实验都以低QC水平同化数据。

图4a比较了对照实验和实验1.1,2.1和3.1对联合台风警报中心（​​JTWC）最佳轨迹数据的轨道预测。图4a显示雷达反射率和径向速度的同化（实验3.1）导致轨道预测的最大改进。径向速度同化的影响（实验2.1）也很重要;然而，雷达反射率的同化（实验1.1）仅对轨道预测有轻微影响。图4b显示了强度预测的时间序列。与最佳轨迹数据相比，发现径向速度的同化使得最大地面风模拟得到显着改善。尽管反射率的同化仅在短时间内（在前9小时内）具有积极影响，但反射率和径向速度的同化导致在早期和晚期阶段的强度预测中的最大改进。这里的总体结果与许多先前研究的结果一致（Xiao等人2007; Zhao和Jin 2008; Pu等人2009）。另外两组的结果，即实验1.2,2.2和3.2以及实验1.3,2.3和3.3，得出类似的结论。

为了证明雷达数据质量控制对台风孟米的数值模拟的影响，图5a显示了同化雷达反射率和径向速度与各种QC水平的数据影响。结果表明，尽管在数据同化后的所有实验中轨道预测都有所改善，但不同质量控制的雷达数据的同化导致不同的轨道预测，特别是在预测的最后12小时。具体来说，实验3.1（低QC水平）比其他两个数据同化实验做出更好的跟踪预测。同时，实验3.2中的跟踪预测（中等QC水平）优于实验3.3（高QC水平）。 结果表明，与数据质量相比，更好的数据覆盖可能对热带气旋路径预测更有利。

图5 时间演变（a）风暴轨道和（b）来自CTRL的台风孟米的最大地面风（m /s）以及在各种质量水平的数据下同化反射率和径向速度的实验，与JTWC最佳跟踪数据在0000 UTC 25 Sep和0000 UTC 2008年9月26日之间。

强度预测也与JTWC最佳跟踪数据进行比较（图5b）。在数据同化后的所有实验中，最大表面风速模拟得到改善。具体而言，最高质量的数据导致强度预测的最大改进。图6显示了对照实验以及同化反射率和径向速度的各种其他实

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18829]，资料为PDF文档或Word文档，PDF文档可免费转换为Word