基于自動站資料的WRF-EnSRF陸面同化系統(tǒng)的效果檢驗(yàn)及應(yīng)用

閔錦忠，車淥,郭亞凱

① 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,江蘇 南京 210044;② 南京信息工程大學(xué) 大氣科學(xué)學(xué)院,江蘇 南京 210044

基于自動站資料的WRF-EnSRF陸面同化系統(tǒng)的效果檢驗(yàn)及應(yīng)用

閔錦忠①，車淥②*,郭亞凱②

① 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,江蘇 南京 210044;② 南京信息工程大學(xué) 大氣科學(xué)學(xué)院,江蘇 南京 210044

2014-04-04收稿,2014-06-03接受

國家重點(diǎn)基礎(chǔ)研究發(fā)展計劃(937計劃)項(xiàng)目(2013CB430102);國家自然科學(xué)基金重點(diǎn)項(xiàng)目(2014g109);江蘇省高校自然科學(xué)研究計劃項(xiàng)目(20110057)

摘要基于集合平方根濾波方法(EnSRF)同化方法和NOAH陸面模式的WRF-EnSRF陸面同化系統(tǒng),同化了江蘇省70個自動站資料進(jìn)行試驗(yàn),研究加入不同的同化資料(地表溫度、10 cm土壤溫度、20 cm土壤溫度)及初始擾動強(qiáng)度的大小對陸面數(shù)據(jù)同化系統(tǒng)性能的影響,以及對不同區(qū)域(降水大值區(qū)和降水小值區(qū))的分析場進(jìn)行效果對比,并且檢驗(yàn)了同化系統(tǒng)在一次典型的梅雨鋒暴雨的同化效果,證明了這個系統(tǒng)的有效性和可行性。對于資料選取試驗(yàn),比較全場平均的同化時刻分析場模擬觀測相對真實(shí)觀測的均方根誤差可以得到:同化地表溫度資料并且初始擾動強(qiáng)度1 K的時候同化效果最理想。對于選定的降水大值區(qū)和降水小值區(qū)來講,降水大值區(qū)的土壤溫度和土壤濕度分析場更加接近于真實(shí)場。運(yùn)用于一次梅雨鋒暴雨的同化實(shí)驗(yàn),對于最后一個同化時次的分析場作為背景場做集合預(yù)報,最終證明預(yù)報結(jié)果是有效的。土壤溫度、土壤濕度、地表溫度和近地面風(fēng)場的預(yù)報結(jié)果都較用NCEP再分析資料直接做預(yù)報作為控制試驗(yàn)的結(jié)果有不同程度的改進(jìn)。這說明該系統(tǒng)應(yīng)用于實(shí)際同化中的性能較為良好,可以應(yīng)用于實(shí)際土壤濕度與溫度的預(yù)報。

關(guān)鍵詞

陸面資料同化

集合均方根

濾波

自動站資料

江蘇省

陸面數(shù)據(jù)同化系統(tǒng)(LDAS,Land Data Assimilation System)是近年來將同化方法應(yīng)用到地球表層科學(xué)和水文學(xué)中而迅速發(fā)展起來的新方法,它在近幾年來受到越來越多的關(guān)注與重視。陸面數(shù)據(jù)同化的研究主要為:在陸面模型和水文模型的基礎(chǔ)上,采用不同的資料同化算法同化衛(wèi)星和雷達(dá)數(shù)據(jù)、地表觀測資料,優(yōu)化地表和根區(qū)土壤溫度、水分、地表能量通量等的估算(黃春林和李新,2004;張春雷等,2006,2008)。

到目前為止,陸面數(shù)據(jù)同化都集中在使用四維變分(4DVAR)或者集合卡爾曼濾波(EnKF)同化方法同化遙感資料的階段。考慮到集合平方根濾波方法(EnSRF)較之基于蒙特卡羅思想的傳統(tǒng)EnKF的優(yōu)越性,將使用對于觀測不加擾的EnSRF同化方法。閔錦忠等(2011,2012)、陳杰等(2012)在WRF模式上完成了集合平方根濾波WRF-EnSRF同化系統(tǒng)的構(gòu)建,在此基礎(chǔ)上又進(jìn)行初步構(gòu)建WRF-EnSRF陸面數(shù)據(jù)同化系統(tǒng),該系統(tǒng)可針對不同的資料,如雷達(dá)、衛(wèi)星和自動站資料等。我國陸面數(shù)據(jù)同化系統(tǒng)使用較多的陸面模式為分布式水文模型VIC和改進(jìn)的CLM模型CoLM以及SiB2模型(黃春林和李新,2004)。作為研究的起步,郭亞凱使用比較成熟的WRF模式中的NOAH陸面模式,它包括了一個4層土壤的模塊和一層植被冠層的植被模塊,可以預(yù)報土壤濕度和土壤溫度,其初始溫度、濕度場均有大尺度場提供的信息經(jīng)過插值得到(李鵬,2006)?？紤]到地面自動站資料與其他觀測資料相比,有站點(diǎn)分布密集、資料的實(shí)時性強(qiáng)、觀測量為模式變量等優(yōu)點(diǎn)(邵長亮,2011),本文利用這個自主構(gòu)建的WRF-EnSRF陸面同化系統(tǒng)同化實(shí)際的自動站資料,評估其在實(shí)際應(yīng)用中的同化性能。

1WRF-EnSRF陸面同化系統(tǒng)介紹

1.1EnSRF同化方法理論

(1)

(2)

其中:

K=PbHT(HPbHT+R)-1

(3)

是卡爾曼增益矩陣,Pb是背景誤差協(xié)方差矩陣,H是非線性觀測算子H的線性化形式。上標(biāo)a,b和o分別代表分析場,背景場和觀測場。分析場的集合均值由方程(1)更新;而集合成員擾動由方程(2)更新,在單個觀測情況下,

(4)

方程(4)中平方根根號下分子分母都是標(biāo)量,所以α值計算簡單?？柭鲆婢仃嚪匠?3)中的背景誤差協(xié)方差矩陣PbHT和HPbHT由預(yù)報集合統(tǒng)計出來,具體形式如下所示

(5)

(6)

其中:N是集合成員數(shù),H是非線性的觀測算子。在單一觀測情況下,PbHT是和狀態(tài)向量x有相同長度的向量,而HPbHT是標(biāo)量。在實(shí)際應(yīng)用中,協(xié)方差局地化方案通常會用來處理遠(yuǎn)距離虛假相關(guān),所以PbHT并不用全部計算,而在觀測影響之外的格點(diǎn)上協(xié)方差設(shè)為0。當(dāng)一個觀測同化完后,分析場將作為新的背景場同化下一個觀測。當(dāng)一個時次所有觀測同化完后,模式將分析場集合作為初始場預(yù)報到下一個同化時刻,分析下一個時次的觀測,不斷循環(huán)同化過程。

1.2NOAH陸面模式簡介

NOAH陸面模式是由OSU-LSM(Oregon State University/Land Surface Model)發(fā)展而來,2000年正式定名,經(jīng)過多年不斷完善,已經(jīng)被廣泛用于陸面過程的綜合模擬(Chen et al.,1996,1997;Chen and Mitchell,1999;Wood et al.,1998)。陸地表面的溫度采用了Mahrt and Michael(1984)提出一個簡單線性的陸面能量平衡公式,其中地面和植被看成為一體作為陸面(李鵬,2006)。模式分別積分至4個土壤層進(jìn)行計算:表層至0.1、0.3、0.6和1 m的深度,因此其輸出包括4層土壤的溫度和濕度。徑流采用簡單的水量平衡法(SWB,Simple Water Balance)獲得,定義為降雨與最大滲透量的差值(高艷紅等,2006)。總蒸發(fā)E包括三個部分:1)土壤表層的直接蒸發(fā)Es;2)從植被層截留的蒸發(fā)Ec;3)從通過植被和根系部分蒸騰作用Ev。這里,土壤直接蒸發(fā)被認(rèn)為與潛在蒸發(fā)間存在較好的線性關(guān)系,潛在蒸發(fā)采用經(jīng)典的Penman-base能量平衡公式計算而得。植被蒸騰的計算則采用的是傳統(tǒng)的阻抗法。這些共同組成了NOAH模式的核心方法。

1.3陸面數(shù)據(jù)同化系統(tǒng)流程及結(jié)構(gòu)

陸面數(shù)據(jù)同化系統(tǒng)主要由驅(qū)動數(shù)據(jù)和參數(shù)集、陸面過程模型、數(shù)據(jù)同化方法、觀測數(shù)據(jù)、輸出數(shù)據(jù)等構(gòu)成(黃春林和李新,2004)。其中,驅(qū)動數(shù)據(jù)集通常是由大氣數(shù)據(jù)同化系統(tǒng)獲得大氣狀態(tài)數(shù)據(jù),本試驗(yàn)使用fnl資料從前一時刻預(yù)報到開始同化時刻的預(yù)報值作為驅(qū)動數(shù)據(jù);參數(shù)集主要包括NOAH陸面模型中所需要的靜態(tài)參數(shù)和動態(tài)參數(shù),使用WRF自帶的參數(shù)集;觀測數(shù)據(jù)使用地面自動站觀測數(shù)據(jù);輸出數(shù)據(jù)與具體的陸面模型有關(guān),主要是地表的土壤濕度、土壤溫度、地表溫度數(shù)據(jù)。結(jié)構(gòu)流程如圖1所示:1)驅(qū)動數(shù)據(jù)與陸面參數(shù)進(jìn)入陸面過程模型,生成當(dāng)前時刻的狀態(tài)變量;2)同化當(dāng)前時刻的地面觀測,估計背景場誤差,優(yōu)化狀態(tài)變量;3)陸面同化與大氣同化繼續(xù)向前推進(jìn),生成下一時刻的背景場。

圖1　預(yù)報系統(tǒng)技術(shù)流程圖Fig.1　Flow chart of the forecast system

2同化試驗(yàn)設(shè)計

2.1天氣個例介紹

自2007年7月1日起,江蘇全省由于梅雨天氣開始出現(xiàn)持續(xù)強(qiáng)降水過程,多次出現(xiàn)了日降水量大于100 mm的大暴雨天氣過程,其中7月7日江寧站日降水量達(dá)到173.4 mm,此外,7月7日14時至8日14時的24 h累計降水量達(dá)299.2 mm,為1951年以來的最大值,而相同時段南京市區(qū)累計24 h降水量達(dá)203.2 mm,僅次于2003年7月5日的日降水量207.2 mm。

2.2資料介紹

背景場其初、邊條件采用NCEP 1°×1°一日4次的分析資料,用于同化的資料采用江蘇省70個自動氣象站觀測資料(圖2)。資料進(jìn)行質(zhì)量控制處理后加入到同化系統(tǒng)中。圖3為研究區(qū)在此個例時間段的下墊面分布。

圖2　江蘇省70個自動站分布Fig.2　Distribution of AWSs in Jiangsu Province

圖3　a.土壤類型(2,3,4,5,6分別代表壤質(zhì)砂土、砂質(zhì)壤土、粉砂壤土、泥沙、肥土,江蘇大多數(shù)是砂質(zhì)壤土;藍(lán)色以上部分是水面);b.夏季植被類型(2,4,6,8,10和12分別代表旱地農(nóng)田和牧場、混合型旱地/灌溉農(nóng)田和牧場、家田/花葉林地、落葉針葉林、稀樹草原和灌叢,江蘇省夏季此時基本上是旱地農(nóng)田,也有少量混合型旱地/灌溉農(nóng)田);c.地形高度(單位:m)Fig.3　(a)Soil types[(2)loamy sand,(3)sandy loam,(4)silt loam,(5)silt,(6)loam];(b)Vegetation types[(2)dry farmland and pasture,(4)Combination of dry land,irrigated farmland and pasture,(6)Combination of farmland and mosaic forest,(8)deciduous coniferous forest,(10)savanna,(12)thickets];(c)Terrain height (units:m)

2.3模式參數(shù)設(shè)置

應(yīng)用WRFV3.4.1的ARW版本作為系統(tǒng)的預(yù)報模式。在同化試驗(yàn)中,模式水平區(qū)域格點(diǎn)為150×150,格距5 km,垂直方向采用模式默認(rèn)的28層。模式運(yùn)行參數(shù)設(shè)置:積分步長30 s,微物理方案為WSM6方案,陸面過程使用NOAH方案,積云參數(shù)化方案為Kain-Fritsch方案。背景場其初、邊條件采用每6 h一次的NCEP 1°×1°再分析資料。

各實(shí)際同化試驗(yàn)中,集合成員數(shù)30。采用協(xié)方差松弛膨脹方案,將預(yù)報集合擾動與分析集合擾動按一定比例相加得到新的分析集合擾動,分析集合平均不變,公式如下

xa′=(1-α)xα+αxf。

(7)

其中預(yù)報集合權(quán)重α取為0.8,分析集合權(quán)重(1-α)取為0.2。在所有試驗(yàn)中,局地化方案使用距離相關(guān)函數(shù)的方案,局地化距離土壤變量為水平10 km,垂直10 cm。土壤溫度和地表溫度的觀測誤差都為1 K。

2.4試驗(yàn)方案

通過對實(shí)際個例的模擬,對將江蘇省70個站點(diǎn)資料進(jìn)行同化,使用了不同的觀測資料:10 cm土壤溫度,20 cm土壤溫度和地表溫度資料,對它們進(jìn)行組合使用,是否初始加擾試驗(yàn),探討使用哪種資料效果最佳。并羅列了各方案的分析場效果圖和各變量均方根誤差。目的是考察基于自動站資料的WRF-EnSRF陸面同化系統(tǒng)應(yīng)用降水過程中,同化加入哪種資料效果最好,分析場的結(jié)果是否準(zhǔn)確,以此來檢驗(yàn)WRF-EnSRF陸面同化系統(tǒng)的分析場是否準(zhǔn)確。

圖4　試驗(yàn)流程圖Fig.4　Flow chart of the forecast system

同化試驗(yàn)流程(圖4)從2007年7月8日06時(世界時,下同)起報到2007年7月8日12時,把2007年7月8日12時的預(yù)報結(jié)果作為背景場,然后在模式積分開始時(2007年7月8日12時)初始場添加隨機(jī)擾動形成初始集合,在模式積分到第1小時系統(tǒng)開始直接同化觀測資料,每1 h同化一次觀測,連續(xù)同化至2007年7月8日23時,即一共同化11次。其中擾動初始場時,速度場(u,v,w)的誤差標(biāo)準(zhǔn)差為1 m/s,位溫的誤差標(biāo)準(zhǔn)差為1 K,水汽混合比的誤差標(biāo)準(zhǔn)差為0.001 kg/kg。10 cm淺層土壤溫度(tslb10cm)、20 cm淺層土壤溫度(tslb20cm)和地表溫度(tsk)標(biāo)準(zhǔn)偏差取為1 K。同化加入的觀測資料如表1所列。共設(shè)計9組資料和初始擾動各異的試驗(yàn)(表1)。

表1試驗(yàn)資料選取和初始擾動設(shè)置

Table 1Optimal test data selection and initial disturbance settings

編號試驗(yàn)名稱同化資料設(shè)置1試驗(yàn)1(Exp1)同化10cm土壤溫度資料,初始擾動強(qiáng)度1K2試驗(yàn)2(Exp2)同化地表溫度資料,初始擾動強(qiáng)度1K;同化10cm土壤溫度資料,初始擾動強(qiáng)度1K3試驗(yàn)3(Exp3)同化地表溫度資料,初始不擾動;同化10cm土壤溫度資料,初始擾動強(qiáng)度1K4試驗(yàn)4(Exp4)同化地表溫度資料,初始擾動強(qiáng)度1K;同化10cm土壤溫度資料,初始不擾動5試驗(yàn)5(Exp5)同化地表溫度資料,初始擾動強(qiáng)度1K6試驗(yàn)6(Exp6)同化地表溫度資料,初始擾動強(qiáng)度1K;同化20cm土壤溫度資料,初始擾動強(qiáng)度1K7試驗(yàn)7(Exp7)同化地表溫度資料,初始擾動強(qiáng)度1K;同化20cm土壤溫度資料,初始不擾動8試驗(yàn)8(Exp8)同化地表溫度資料,初始不擾動;同化20cm土壤溫度資料,初始擾動強(qiáng)度1K9試驗(yàn)9(Exp9)同化20cm土壤溫度資料,初始擾動強(qiáng)度1K

2.5各試驗(yàn)方案效果對比

以各要素的分析場(圖略)只能大致的主觀看出分析場是否準(zhǔn)確,為了更客觀地了解要素分析場是否準(zhǔn)確,還是需要借由各變量的同化時刻分析場模擬觀測相對真實(shí)觀測的均方根誤差(RMSE)來分析。分析場模擬觀測值即為各個時刻加入數(shù)據(jù)同化之后得到的分析值,采用FNL資料作為各個時刻的真實(shí)觀測值,由于FNL資料收集了每6 h的觀測資料,需要用到WRF模式的輸入文件,在&time_control那組設(shè)置里面增加一些設(shè)置來得到每個小時的真實(shí)場。

圖5　不同深度的土壤溫度均方根誤差(單位:℃)　　a.0～10 cm;b.10～30 cm;c;30～60 cmFig.5　RMSE of soil temperature at different depths (units:℃):(a)0—10 cm;(b)10—30 cm;(c)30—60 cm

圖5是不同深度的土壤溫度各同化時刻分析場與觀測場之間均方根誤差,可以看出各層土壤溫度的RMSE都是試驗(yàn)4、試驗(yàn)5和試驗(yàn)7的最小,且隨時間上升緩慢,試驗(yàn)1、試驗(yàn)2和試驗(yàn)3的RMSE都是呈直線上升的并且較大,試驗(yàn)6和試驗(yàn)8、試驗(yàn)9的RMSE驟然上升,之后開始緩慢上升,最后時次的RMSE與試驗(yàn)1、試驗(yàn)2和試驗(yàn)3大致一樣。比較圖5a、5b、5c可以得到土壤深度越深,土壤溫度RMSE越大,但最大沒有超過0.3 ℃,在正常范圍內(nèi),因此分析場模擬觀測非常準(zhǔn)確。試驗(yàn)4、試驗(yàn)5和試驗(yàn)7這三組試驗(yàn)的共同點(diǎn)是加入的同化資料都是地表溫度資料,并且地表溫度的初始擾動強(qiáng)度都為1 K。初步估計加入的同化資料為地表溫度資料可能使同化更為準(zhǔn)確。

圖6是不同深度的土壤濕度各同化時刻分析場模擬觀測相對真實(shí)觀測的均方根誤差,可以看出各層土壤濕度的RMSE都幾乎沒有區(qū)別,0～10 cm層的土壤濕度RMSE先隨同化時間減小然后增加,10～30 cm層的土壤濕度RMSE隨著時間直線上升,30～60 cm層的土壤濕度先隨時間減小然后增加最后再減小。比較圖6a、6b、6c可以得到土壤深度越深,土壤濕度RMSE越大,但都在可接受范圍內(nèi)變化,因此分析場模擬觀測非常準(zhǔn)確。對于土壤濕度而言,加入何種溫度資料結(jié)果都相差不多。

圖6　不同深度的土壤濕度均方根誤差(單位:m3/m3)　　a.0～10 cm;b.10～30 cm;c;30～60 cmFig.6　RMSE of soil moisture at different depths (units:m3·m-3):(a)0—10 cm;(b)10—30 cm;(c)30—60 cm

圖7a是地表溫度各同化時刻分析場模擬觀測相對真實(shí)觀測的均方根誤差,可以看出各試驗(yàn)的地表溫度的RMSE都在0.8～1.8 ℃之間變化,在可接受范圍內(nèi),因此分析場模擬觀測非常準(zhǔn)確。試驗(yàn)4和試驗(yàn)7在某些時刻比其他試驗(yàn)較大,其他各組試驗(yàn)相差不多,試驗(yàn)3較小一點(diǎn)。各組試驗(yàn)都是先隨同化時間減小,然后迅速增加。對于地表溫度而言,加入何種溫度資料結(jié)果都是相差不多,試驗(yàn)3效果較好一些,試驗(yàn)3加入的同化資料是:同時同化10 cm土壤溫度資料和地表溫度資料,10 cm土壤溫度資料初始擾動強(qiáng)度為1 K,地表溫度資料初始不加擾。

圖7b是雨水混合比各同化時刻分析場模擬觀測相對真實(shí)觀測的均方根誤差,可以看出各試驗(yàn)的地表溫度的RMSE都在0.000 2左右,在正常范圍內(nèi),因此分析場模擬觀測非常準(zhǔn)確。各組試驗(yàn)相差不多,都是先隨同化時間迅速增大,然后穩(wěn)步減少。對于雨水混合比而言,加入何種溫度資料結(jié)果都相差不多。

綜上所述,通過同時考量各要素的分析場效果圖和各變量各同化時刻分析場模擬觀測相對真實(shí)觀測的均方根誤差(RMSE),最終得到各要素的分析值都較為準(zhǔn)確,并且綜合來看試驗(yàn)4、5和7相較其他各組試驗(yàn)結(jié)果更令人滿意。

圖7　地表溫度(a;單位:℃)和雨水混合比(b;單位:kg·kg-1)的均方根誤差Fig.7　RMSE of (a)surface temperature (units:℃)and (b)water vapor mixing ratio(units:kg·kg-1)

以上已經(jīng)證明了各要素的分析值都較為滿意,但是從分析場的效果圖(圖略)可以看出江蘇的不同區(qū)域的分析值都還是存在差異的。而且通過全場的RMSE算數(shù)平均雖然已經(jīng)得到滿意結(jié)果,但是為了探討不同區(qū)域的分析值好壞差異,本小節(jié)選取了兩塊區(qū)域來進(jìn)行比較。其中區(qū)域一是降水大值區(qū)(119.5～120.5°E,32～33°N),區(qū)域二是降水小值區(qū)(118.5～119.5°E,33.5～34.5°N)。

如圖8所示,總體比較降水大值區(qū)和降水小值區(qū),降水大值區(qū)的土壤溫度分析場更加接近于真實(shí)場。降水大小值區(qū)都是隨著土壤深度越深,同化效果越接近真實(shí)值。幾組試驗(yàn)相比較來看,試驗(yàn)4和5相較其他各組試驗(yàn)都更接近真實(shí)值。對于淺層10 cm的土壤溫度來說,隨著時間推移,降水小值區(qū)試驗(yàn)從0.9 ℃的差異開始都趨于接近真實(shí)值,最后與真實(shí)值非常相近,而降水大值區(qū)則相反,與真實(shí)值差距越來越顯著。

圖8　0～10 cm(a、d)、10～30 cm(b、e)和30～60 cm(c、f)的土壤溫度均方根誤差在區(qū)域一(a、b、c)和區(qū)域二(d、e、f)的對比(單位:℃)Fig.8　RMSE of soil temperature at different depths,as compared between different areas (units:℃):(a)area1_0—10 cm;(b)area1_10—30 cm;(c)area1_30—60 cm;(d)area2_0—10 cm;(e)area2_10—30 cm;(f)area2_30—60 cm

如圖9所示,總體比較降水大值區(qū)和降水小值區(qū),降水大值區(qū)的土壤濕度分析場更加接近于真實(shí)場。降水大小值區(qū)都是隨著土壤深度加深,同化效果距離真實(shí)值越接近。幾組試驗(yàn)相比較來看,每組差異并不是很大。對于不同層不同區(qū)域的土壤濕度來說,同化效果隨著時間推移都與真實(shí)值的差距越來越大。

如圖10所示,地表溫度的試驗(yàn)值與真實(shí)值差異較大,同化結(jié)果并不隨時間越來越趨于真實(shí)值。降水大值區(qū)比區(qū)降水小值區(qū)的效果更差,但都在可以接受范圍內(nèi)。對于降水大值區(qū),試驗(yàn)1和試驗(yàn)2的相較于其他幾組試驗(yàn)更接近真實(shí)場。

圖9　0～10 cm(a、d)、10～30 cm(b、e)和30～60 cm(c、f)的土壤濕度均方根誤差在區(qū)域一(a、b、c)和區(qū)域二(d、e、f)的對比(單位:m3·m-3)Fig.9　RMSE of soil moisture at different depths,as compared between different areas(units:m3·m-3):(a)area1_0—10 cm;(b)area1_10—30 cm;(c)area1_30—60 cm;(d)area2_0—10 cm;(e)area2_10—30 cm;(f)area2_30—60 cm

圖10　地表溫度均方根誤差在不同區(qū)域的對比(單位:℃)　　a.區(qū)域一;b.區(qū)域二Fig.10　RMSE of surface temperature at different depths,as compared between different areas(units:℃):(a)area1;(b)area2

3預(yù)報試驗(yàn)設(shè)計和結(jié)果

3.1試驗(yàn)方案設(shè)計

上一個試驗(yàn)已經(jīng)驗(yàn)證了WRF-EnSRF陸面同化系統(tǒng)分析場的有效性,本試驗(yàn)方案在此基礎(chǔ)上,選取其中一個較優(yōu)的試驗(yàn)方案(即試驗(yàn)方案4),使用最后一個同化時次的分析場作為背景場做集合預(yù)報。目的是考察基于自動站資料的WRF-EnSRF陸面同化系統(tǒng)應(yīng)用降水過程中,預(yù)報結(jié)果是否準(zhǔn)確。

同化試驗(yàn)從2007年7月8日06時起報到2007年7月8日12時,把2007年7月8日12時的預(yù)報結(jié)果作為背景場,然后在模式積分開始時(2007年7月8日12時)初始場添加隨機(jī)擾動形成初始集合,在模式積分到第1 h系統(tǒng)開始直接同化觀測資料,每1 h同化一次觀測,連續(xù)同化至2007年7月8日23時,即一共同化11次。同化加入的觀測資料為試驗(yàn)4(Exp4),即同時同化10 cm土壤溫度資料和地表溫度資料,10 cm土壤溫度資料初始不加擾,地表溫度資料初始擾動強(qiáng)度為1 K。其中擾動初始場時,速度場(u,v,w)的誤差標(biāo)準(zhǔn)差為1 m/s,位溫的誤差標(biāo)準(zhǔn)差為1 K,水汽混合比的誤差標(biāo)準(zhǔn)差為0.001 kg/kg。各實(shí)際同化試驗(yàn)中,集合成員數(shù)30。最后再把同化最后時刻的分析場作為預(yù)報場向后做集合預(yù)報,這個作為同化試驗(yàn)的預(yù)報結(jié)果。把fnl資料作為真實(shí)場,用NCEP再分析資料直接做預(yù)報作為控制試驗(yàn)的結(jié)果。

圖11　2007年7月9日06時10 cm淺層土壤溫度(單位:℃)　　a.FNL資料10 cm淺層土壤溫度;b.控制實(shí)驗(yàn)10 cm淺層土壤溫度預(yù)報結(jié)果;c.同化實(shí)驗(yàn)10 cm淺層土壤溫度預(yù)報結(jié)果Fig.11　10 cm soil temperature at 0600 UTC 9 July 2007 (units:℃):(a)real field;(b)forecasting results of control test;(c)forecasting results of assimilation test

圖12　2007年7月9日06時10 cm淺層土壤濕度(單位:m3·m-3)　　a.FNL資料10 cm淺層土壤溫度;b.控制實(shí)驗(yàn)10 cm淺層土壤溫度預(yù)報結(jié)果;c.同化實(shí)驗(yàn)10 cm淺層土壤溫度預(yù)報結(jié)果Fig.12　10 cm soil moisture at 0600 UTC 9 July 2007 (units:m3·m-3):(a)real field;(b)forecasting results of control test;(c)forecasting results of assimilation test

圖13　2007年7月9日06時地表溫度(單位:℃)　　a.FNL資料地表溫度;b.控制實(shí)驗(yàn)地表溫度預(yù)報結(jié)果;c.同化實(shí)驗(yàn)地表溫度預(yù)報結(jié)果Fig.13　Surface temperature at 0600 UTC 9 July 2007 (units:℃):(a)real field;(b)forecasting results of control test;(c)forecasting results of assimilation test

圖14　2007年7月9日06時近地面10 m風(fēng)場(單位:m/s)　　a.FNL資料近地面10 m風(fēng)場;b.控制實(shí)驗(yàn)近地面10 m風(fēng)場預(yù)報結(jié)果;c.同化實(shí)驗(yàn)近地面10 m風(fēng)場預(yù)報結(jié)果Fig.14　Horizontal wind at 10 m at 0600 UTC 9 July 2007(units:m·s-1):(a)real field;(b)forecasting results of control test;(c)forecasting results of assimilation test

3.2預(yù)報結(jié)果

預(yù)報結(jié)果如圖11—14所示:

1)同化試驗(yàn)與控制試驗(yàn)的10 cm淺層土壤溫度都存在蘇北預(yù)報偏高,蘇中預(yù)報偏低的現(xiàn)象,但同化試驗(yàn)較控制試驗(yàn)有明顯的改善效果。

2)同化試驗(yàn)與控制試驗(yàn)降水大值區(qū)都存在土壤濕度預(yù)報偏高現(xiàn)象,但同化試驗(yàn)較控制試驗(yàn)有明顯的改善效果。

3)對于地表溫度預(yù)報,同化試驗(yàn)與控制試驗(yàn)效果都不太理想,但同化試驗(yàn)效果稍有改進(jìn)。

4)對于近地面風(fēng)場同化試驗(yàn)較控制試驗(yàn)有明顯的改善效果,特別是在江蘇省境內(nèi)的風(fēng)速和風(fēng)向預(yù)報基本準(zhǔn)確。

為了更客觀地比較同化試驗(yàn)與控制試驗(yàn)分別同真實(shí)場的偏差,計算控制實(shí)驗(yàn)預(yù)報結(jié)果與真實(shí)場的均方根誤差(RMSE),以及同化試驗(yàn)預(yù)報結(jié)果與真實(shí)場的均方根誤差。分別計算全場各格點(diǎn)的均方根誤差,之后求算數(shù)平均值,最后得到的均方根誤差值見下表2。

表2控制試驗(yàn)與同化試驗(yàn)預(yù)報結(jié)果分別同真實(shí)場的均方根誤差

Table 2RMSE of the forecasting results of the control test and assimilation test

2007年7月9日06時10cm淺層土壤溫度/℃10cm淺層土壤濕度/(m3·m-3)地表溫度/℃控制實(shí)驗(yàn)預(yù)報結(jié)果與真實(shí)場的均方根誤差2.30.0433.1同化實(shí)驗(yàn)預(yù)報結(jié)果與真實(shí)場的均方根誤差1.60.0292.7

4結(jié)論

本文通過對實(shí)際個例的模擬,將江蘇省70個站點(diǎn)資料進(jìn)行同化,使用了不同的觀測資料,探討使用哪種資料效果最佳,并且驗(yàn)證分析場效果是否有效,預(yù)報結(jié)果是否理想。經(jīng)過試驗(yàn)得到以下結(jié)論:

1)比較全場的平均同化時刻分析場模擬觀測相對真實(shí)觀測的均方根誤差可以得到:同化地表溫度資料并且初始擾動強(qiáng)度1 K的時候同化效果最理想。

2)對于選定的降水大值區(qū)和降水小值區(qū)來講,降水大值區(qū)的土壤溫度和土壤濕度分析場更加接近于真實(shí)場,地表溫度效果都不是太理想。降水大小值區(qū)都是隨著土壤深度加深,同化效果越接近真實(shí)值。

3)同時同化地表溫度和10 cm淺層土壤溫度資料后,選取最后一個同化時次的分析場作為背景場做集合預(yù)報,進(jìn)行其效能的檢驗(yàn),最終證明預(yù)報結(jié)果是有效的。

綜上所述,基于自動站資料的WRF-EnSRF陸面同化系統(tǒng)應(yīng)用實(shí)際個例中取得了較為滿意的結(jié)果,分析場以及集合預(yù)報結(jié)果都比較準(zhǔn)確,這說明該系統(tǒng)應(yīng)用于實(shí)際同化中的性能較為良好,可以應(yīng)用于實(shí)際土壤濕度與溫度的預(yù)報。本文取得了一些初步的結(jié)論,但也存在一定的問題:本文選擇的個例在江蘇,自動站資料較密集也較準(zhǔn)確。對于其他地區(qū)的自動站資料的使用,本文試驗(yàn)得出結(jié)果是否適用?這是下一步研究需要解決的問題。

參考文獻(xiàn)(References)

Chen F,Mitchell K E.1999.Using the GEWEX/ISLSCP forcing data to simulate global soil moisture fields and hydrological cycle for 1987—1988[J].J Meteor Soc Japan,77(1B):167-182.

Chen F,Mitchell K E,Schaake J,et al.1996.Modeling of land-surface evaporation by four schemes and comparison with FIFE observations[J].J Geophys Res,101(D3):7251-7268.

Chen F,Janic Z,Mitchell K E.1997.Impact of atmospheric surface layer parameterizations in the new land-surface scheme of the NCEP mesoscale Eta model[J].Bound-Layer Meteor,85(3):391-421.

陳杰,閔錦忠,王世璋,等.2012.WRF-EnSRF系統(tǒng)同化多普勒雷達(dá)資料在多類型強(qiáng)對流天氣過程的數(shù)值試驗(yàn)[J].大氣科學(xué)學(xué)報,35(6):720-729.Chen J,Min J Z,Wang S Z,et al.2012.A numerical experiment on WRF-EnSRF for assimilation of Doppler Radar data in multicase strong convective weather processes[J].Trans Atmos Sci,35(6):720-729.(in Chinses).

高艷紅,程國棟,崔文瑞,等.2006.陸面水文過程與大氣模式的耦合及其在黑河流域的應(yīng)用[J].地球科學(xué)進(jìn)展,21(12):1283-1292.Gao Y H,Cheng G D,Cui W R,et al.2006.Couping of enhanced land surface hydrology with atmospheric mesoscale model and its implement in Heihe river basin[J].Advances in Earth Science,21(12):1283-1292.(in Chinese).

黃春林,李新.2004.陸面數(shù)據(jù)同化系統(tǒng)的研究綜述[J].遙感技術(shù)與應(yīng)用,19(5):424-430.Huang C L,Li X.2004.A review of land data assimilation system[J].Remote Sensing Technology and Application,19(5):424-430.(in Chinese).

李鵬.2006.NOAH陸面模式在GRAPES中的應(yīng)用[D].北京:中國氣象科學(xué)研究院.Li P.2006.Application of NOAH land model in GRAPES[D].Beijing:Chinese Academy of Meteorological Sciences.(in Chinese).

Mahrt L,Michael E K.1984.The influence of atmospheric stability on potential evaporation[J].J Climate Appl Meteor,23(2):222-234.

閔錦忠,陳杰,王世璋,等.2011.WRF-EnSRF同化系統(tǒng)的效果檢驗(yàn)及其應(yīng)用[J].氣象科學(xué),31(2):135-144.Min J Z,Chen J,Wang S Z,et al.2011.The test of WRF-EnSRF data assimilation system and its application in storm scale events[J].J Meteor Sci,31(2):135-144.(in Chinese).

閔錦忠,孔瑩,楊春,等.2012.衛(wèi)星輻射率資料EnSRF同化及暴雨模擬應(yīng)用[J].大氣科學(xué)學(xué)報,35(3):272-281.Min J Z,Kong Y,Yang C,et al.2012.Assimilation of radiance data in WRF-EnSRF and its application in a rainstorm simulation[J].Trans Atmos Sci,35(3):272-281.(in Chinese).

邵長亮.2011.WRF-EnSRF同化地面自動站資料的實(shí)現(xiàn)與技術(shù)研究[D].南京:南京信息工程大學(xué).Shao C L.2011.Implementation and application of WRF-EnSRF assimilation using automatic station data[D].Nanjing:Nanjing University of Information Science & Technology.(in Chinese).

Wood E F,Lettenmaier D P,Liang X,et al.1998.The project for intercomparison of land-surface parameterization schemes(PILPS)phase 2(c)Red-Arkanss river basin experiment:1.Experiment description and summary inter-comparisons[J].Global and Planetary Change,19(1/2/3/4):115-135.

楊春.2011.WRF-EnSRF衛(wèi)星資料同化系統(tǒng)構(gòu)建及應(yīng)用研究.南京:南京信息工程大學(xué).Yang C.2011.The construction and application research of WRF-EnSRF satellite data assimilation system[D].Nanjing:Nanjing University of Information Science & Technology.(in Chinese).

張春雷,謝鄭輝,田向軍,等.2006.基于土壤水模型及站點(diǎn)資料的土壤濕度同化方法[J].地球科學(xué)進(jìn)展,21(12):1350-1362.Zhang C L,Xie X H,Tian X J,et al.2006.A soil moisture assimilation scheme with an unsaturated soil water flow model and in-site observation[J].Advances in Earth Science,21(12):1350-1362.(in Chinese).

張春雷,謝鄭輝,師春香,等.2008.集合Kalman濾波在土壤濕度同化中的應(yīng)用[J].大氣科學(xué),32(6):1419-1430.Zhang C L,Xie Z H,Shi C X,et al.2008.Application of ensemble Kalman filter in soil moisture assimilation[J].Chin J Atmos Sci,32(6):1419-1430.(in Chinese).

To date,land surface data assimilation systems have tended to focus on the four-dimensional variational or ensemble Kalman filter assimilation methods using remote sensing data.Considering the advantages of the ensemble square-root filter(EnSRF)over the ensemble Kalman filter,we adopt this assimilation method,using observations without disturbance,in the present study.Following the initial construction of WRF-EnSRF in the WRF model,the WRF-EnSRF land surface data assimilation system was preliminarily constructed,along with a system for different data sources,such as radar,satellites and automatic weather stations(AWSs).Considering the latter of these data sources(i.e.,AWSs),there are many advantages over other sources,such as the dense distribution of sites,real-time recording,the convenience of the observational data as model variables,and so on.

The present work begins by testing the WRF-EnSRF land data assimilation system,and then uses AWS data to complete the WRF-EnSRF land data assimilation.Finally,the validity and feasibility of the system is verified.The EnSRF algorithm used in this paper assumes that when the observation error is not related,assimilate the observational data in an orderly way;namely,assimilate each piece of observational data one-by-one.When a piece of observational data is assimilated,the analysis field will be used as the new background field for assimilating the next piece of data.With time,all observational data are assimilated and the system sets the analysis field as the next period’s initial field and then carries out the next period’s ensemble forecast.The system then analyzes the next period’s observational data,and the process recycles.This study uses the comparatively mature Noah land surface model of the WRF model.This model includes a four-layer soil module and a one-layer vegetation module,and can forecast soil humidity and temperature.Its initial temperature field and humidity field are both from the information provided by the large-scale field after interpolation.

Based on the simulation of the actual example(A Mei-yu front rainstorm),the data of 70 AWSs in Jiangsu Province are assimilated.Using different observational data,this paper discusses what kind of data has the best effect.Furthermore,the paper discusses the accuracy of the analysis field in different areas.The main results can be summarized as follows:

(1)The first test uses different kinds of observational data:10 cm depth soil temperature;20 cm depth soil temperature;and surface temperature.The test uses these data by permutation and combination,with or without initial disturbance intensity,enabling it to identify which kind of data is best for assimilation.The paper reports the root-mean-square error(RMSE)of the variables and pictures the analysis field of each scheme.The data selection test results,comprising the RMSE of the analysis field and the true field,show that when assimilating surface temperature data,and the initial disturbance intensity is 1 K,the assimilation effect is as expected.

(2)To discuss the accuracy of the analysis field in different areas,we choose two areas for comparison:one is a high-precipitation area (32—33°N,119.5—120.5°E),and the other a low-precipitation area (33.5—34.5°N,118.5—119.5°E).Compared to the low-precipitation area,the analysis field of soil temperature and soil humidity in the high-precipitation area is closer to the true field.However,the analysis field of surface temperature in both the high-and low-precipitation area is not ideal.For both areas,the assimilation effect is closer to the real value as soil depth deepens.

(3)After assimilation of surface temperature and 10 cm depth soil temperature data at the same time,we choose the analysis field of the last assimilation time as the background field,and then perform the ensemble forecast.In the end,the forecast result is proven to be effective.So,in conclusion,the result of the WRF-EnSRF land data assimilation system using AWS data applied to a practical case is satisfactory,and the analysis field and ensemble forecast are accurate.The prediction results for the soil temperature field,soil moisture field,surface temperature field and the surface layer wind field all have different degrees of improvement compared with the control test.

Overall,this study shows that the performance of the system,as applied in actual assimilation,is relatively good,and the system can be used in the forecasting of soil humidity and temperature.

Land data assimilation;ensemble square-root filter;automatic weather station data;Jiangsu Province

(責(zé)任編輯：張福穎)

Testing and application of a land data assimilation system using automatic weather station data

MIN Jinzhong1,CHE Lu2,GUO Yakai2

1KeyLaboratoryofMeteorologicalDisaster,MinistryofEducation(KLME),NanjingUniversityofInformationScience&Technology,Nanjing210044,China;2SchoolofAtmosphericSciences,NanjingUniversityofInformationScience&Technology,Nanjing210044,China

doi：10.13878/j.cnki.dqkxxb.20140404001

引用格式:閔錦忠,車淥,郭亞凱.2016.基于自動站資料的WRF-EnSRF陸面同化系統(tǒng)的效果檢驗(yàn)及應(yīng)用[J].大氣科學(xué)學(xué)報,39(3):318-328.MinJZ,CheL,GuoYK.2016.

Testingandapplicationofalanddataassimilationsystemusingautomaticweatherstationdata[J].TransAtmosSci,39(3):318-328.doi:10.13878/j.cnki.dqkxxb.20140404001.(inChinese).

*聯(lián)系人，E-mail:chelu0401@foxmail.com