
反演同化和直接同化多普勒雷达径向风试验:直接同化雷达径向风资料后,增加了初始风场的中小尺度信息,改善了垂直速度条件,且在风场作用下水汽分布得到改善,反演同化资料虽然能增加初始场的中小尺度信息,但效果不如直接同化明显,无论直接同化还是反演同化都能改善降水预报,但是直接同化好于反演同化。

雷达资料同化对降水的模拟的效果会有积极的影响,同化雷达资料后的降水模拟都可以在不同程度上得到改进。多普勒雷达资料同化可以对模式的初始场进行调整,包括风场和水汽场,进而获取更好的初始条件,改进模拟结果。

WRF-ENKF雷达资料同化系统有能力准确分析模式风暴的风场、热力场、微物理量场的细致特征。ENKF在3个同化循环后就能比较准确地重建模式风暴,更多的同化循环后,各个变量分析场的位置、结构、量级都与正值场非常一致。

背景场误差协方差在ENKF分析中扮演着重要角色,8个同化循环后,ENKF能在雷达反射率、径向风观测与背景场间建立较可靠的相关关系,使模式各个变量场能被准确分析更新,背景场误差协方差在水平方向和垂直方向都有着复杂的结构,是高度非均匀、各项异性和流依赖的。

目前同化雷达资料的方法主要有反演类算法、热动力初始化方法、松弛逼近方法、变分类方法,以及集合卡尔曼滤波方法。

协方差调整:集合的离散化应该代表集合平均场的误差统计特征,然而有限集合数带来的样本误差会造成集合离散度与集合平均场误差的不一致,从而导致滤波发散。离散度过小会导致ENKF分析不吸收观测,而离散度过大则会使分析过度偏离背景场。
加载中,请稍候......