基于GRAPES集合预报和三维变分的青藏高原混合同化方法研究

This project focus on establishing a new Tibetan Plateau data assimilation system, which is the science goal in the major research project. We are closely combining the latest trends and frontiers of thought in the international research on Hybrid Ensemble–3DVAR Data Assimilation. Based on the existing newly developed GRAPES Regional Ensemble Prediction System and GRAPES 3DVAR assimilation system, we focus on developing Hybrid Ensemble–3DVAR Data Assimilation technology which is suitable for Tibetan Plateau with the characteristic of complex terrain and sparse observation data, and constructing the GRAPES Tibetan Plateau Hybrid Ensemble–3DVAR Data Assimilation system. This project is committed to solving the key scientific problem:establishing flow-dependent background error covariance structure which is consistent with Tibetan Plateau complex terrain and weather/climate change characteristic. This project is intend to improve the quality of the GRAPES Regional Ensemble Prediction System by adding multi-scale blending initial perturbation and physical process perturbation, and thus to improve the quality of Tibet Plateau ensemble-estimated background error covariance. The GRAPES Tibetan Plateau Hybrid Ensemble–3DVAR Data Assimilation system will establish by realizing efficient coupling of nsemble-estimated background error covariance and climatological background error covariance through the extended control variable method, based on this, developing a suitable technology for the localization of the Tibetan Plateau ensemble-estimated background error covariance.The purpose of this project is obtaining multi-source data grid analysis field with higher quality which can be provided to Tibetan Plateau database, and the utilization of this region’s data ,which is an important data resource for numerical weather forecast and disastrous weather and climate research ,can significantly improved. This project will also provide a new assimilation scheme as well as puts forward scientific basis for the development of the Tibetan Plateau reanalysis data .

本项目紧扣重大研究计划建立青藏高原资料同化系统的科学目标，结合集合变分混合同化前沿思想，以GRAPES集合预报和3DVar同化系统为基础，研究适用于青藏高原复杂大地形的集合变分混合同化方法，建立GRAPES青藏高原集合变分混合同化系统。重点解决青藏高原混合同化关键科学问题：反映高原复杂地形和天气系统变化的流依赖和最优局地化尺度的背景误差协方差结构。拟通过多尺度混合初值扰动、模式扰动等改进青藏高原集合估计背景误差协方差质量，基于扩展控制变量法发展集合估计背景误差协方差与气候统计背景误差协方差的耦合方法，研究适合高原大地形的集合估计背景误差协方差局地化方案，建立青藏高原混合同化方案，利用高原科学试验数据进行同化试验，获得更高质量的高原资料格点分析场，为青藏高原高分辨率数值预报和天气气候机理研究提供重要数据源，同时为建立青藏高原再分析资料和我国同化技术发展提供一种新的同化方案，奠定科学基础。

混合同化已经成为了国际上资料同化领域研究的热点问题和主流的同化技术。由于青藏高原地形复杂，海拔较高和站点稀疏等原因，使得该地区资料同化方法具有特殊性，各个模式在该地区的预报效果都远逊于其他地区，因此，针对青藏高原地区进行混合资料同化方法研究尤为重要。.. 本项目完成的主要研究内容包括集合估计背景误差协方差优化改进方法、青藏高原集合背景误差协方差和3DVAR气候统计背景误差协方差耦合方法、适合青藏高原大地形的集合背景误差协方差局地化方法以及混合同化方法在青藏高原地区的应用试验及评估。本项目完成了一系列成果，具体包括：1）优化改进了ETKF垂直层次计算方案，由3层等压面改进为11层模式面，显著提高了集合预报扰动垂直结构精度，并基于全球集合预报系统和ETKF区域集合预报初值扰动信息，通过2DCT滤波方法，提出了包含大尺度和中小尺度扰动信息的多尺度混合初值扰动方法，分析了不同的扰动方法和模式偏差对扰动初值增长和结构的影响，这些方法提升了集合背景误差协方差流依赖特性；2）采用扩展控制变量法构建了GRAPES区域集合变分混合同化框架（Ensemble-3DVAR hybrid data assimilation system for GRAPES-MESO,简称En-3DVAR），包括推导了GRAPES区域模式En3DV混合同化系统框架数学表达式、设计了计算流程、研制了集合背景误差噪声滤波方案等，确定了集合权重系数等关键因子参数值，通过了理想试验和真实资料试验测试；3）提出了e指数函数构建随青藏高原大地形变化的水平局地化尺度方案，（简称En-3DVAR-TD-HLS），测试显示同化效果有所改善；4）开展青藏高原和平原地区理想试验、实际观测资料同化预报试验，表明GRAPES集合变分混合同化方法可更好的描述青藏高原背景误差流依赖特性，在青藏高原资料同化中具有较好的应用潜力。.. 基于上述研究成果，项目组发表论文18篇，其中SCI论文4篇。本项目研究成果不仅为改进GRAPES系统在青藏高原地区同化质量以及混合同化方法奠定了应用基础，所开发的多尺度混合初值扰动方法自2016年3月起还被应用在国家气象中心GRAPES区域集合预报业务系统中，降低预报误差，并有效提高了等压面要素和地面要素的概率预报效果。