Deterministic nonperiodic flow
1
1963
... Lorenz[1~3]发现数值预报误差对于初值具有敏感的依赖性,在确定的非线性系统里,一个微小的初始误差可能会导致最终计算结果的完全不同.从业务经验的角度来看,观测资料的缺少可能会导致数值预报可预报性的降低.人们普遍认为常规观测资料,例如探空资料和气象站资料等的增加可能会提高数值预报的可预报期限[4,5].然而,要想对所有区域进行加密观测,无论在实践或者经济上都不易实现.因此有必要在时间和空间上有针对性地优化观测布局,在初始分析误差能够对数值天气预报技巧产生最大影响的区域(敏感区)里增加非常规观测. ...
A study of the predictability of a 28-variable atmospheric model
0
1965
Effects of analysis and model errors on routine weather forecasts
1
1989
... Lorenz[1~3]发现数值预报误差对于初值具有敏感的依赖性,在确定的非线性系统里,一个微小的初始误差可能会导致最终计算结果的完全不同.从业务经验的角度来看,观测资料的缺少可能会导致数值预报可预报性的降低.人们普遍认为常规观测资料,例如探空资料和气象站资料等的增加可能会提高数值预报的可预报期限[4,5].然而,要想对所有区域进行加密观测,无论在实践或者经济上都不易实现.因此有必要在时间和空间上有针对性地优化观测布局,在初始分析误差能够对数值天气预报技巧产生最大影响的区域(敏感区)里增加非常规观测. ...
Uncertainty of initial state as a factor in the predictability of large scale atmospheric flow patterns
1
1957
... Lorenz[1~3]发现数值预报误差对于初值具有敏感的依赖性,在确定的非线性系统里,一个微小的初始误差可能会导致最终计算结果的完全不同.从业务经验的角度来看,观测资料的缺少可能会导致数值预报可预报性的降低.人们普遍认为常规观测资料,例如探空资料和气象站资料等的增加可能会提高数值预报的可预报期限[4,5].然而,要想对所有区域进行加密观测,无论在实践或者经济上都不易实现.因此有必要在时间和空间上有针对性地优化观测布局,在初始分析误差能够对数值天气预报技巧产生最大影响的区域(敏感区)里增加非常规观测. ...
Influence of added observations on analysis and forecast errors: results from idealized systems
1
2002
... Lorenz[1~3]发现数值预报误差对于初值具有敏感的依赖性,在确定的非线性系统里,一个微小的初始误差可能会导致最终计算结果的完全不同.从业务经验的角度来看,观测资料的缺少可能会导致数值预报可预报性的降低.人们普遍认为常规观测资料,例如探空资料和气象站资料等的增加可能会提高数值预报的可预报期限[4,5].然而,要想对所有区域进行加密观测,无论在实践或者经济上都不易实现.因此有必要在时间和空间上有针对性地优化观测布局,在初始分析误差能够对数值天气预报技巧产生最大影响的区域(敏感区)里增加非常规观测. ...
Issues in targeted observing
1
2005
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
Idealized adaptive observation strategies for improving numerical weather prediction
0
2001
The impact of horizontal resolution on the CNOP and on its identified sensitive areas for tropical cyclone predictions
1
2012
... 敏感区识别方法对于敏感区的大小、形状和位置等存在着不同程度的影响.Ancell等[122]在研究北美西海岸的冬季气旋时,发现基于不同方法得到的敏感区,在位置、范围大小上都存在着一定差异.Chen等[24]发现在MM5模式中利用CNOP方法识别得到的台风“Nida”(2004)的敏感区呈螺旋状分布在台风中心周围,而利用第一奇异向量(First Singular Vector, FSV)方法识别的敏感区被分割成了两部分,一部分位于台风中心西南,而另一部分向东偏离台风中心约5个经度.Qin等[123]的研究表明,在MM5模式中利用CNOP方法识别得到的台风“Mirinae”(2009)敏感区主要位于台风移动方向的右半象限,而利用奇异向量方法识别的敏感区主要位于台风移动方向的左后象限,存在明显不同.Zhou等[8]同样利用MM5模式比较了CNOP方法和FSV识别的台风敏感区之间的差别,他们发现CNOP和FSV对敏感区的影响取决于台风过程的非线性程度,在非线性较强的台风“Matsa”(2005)个例中,两种方法识别得到的敏感区差异较大,而在非线性较弱的台风“Meari”(2004)个例中,基于两种方法得到的敏感区差别较小. ...
A comparison of ensemble-transform Kalman-filter targeting guidance with ECMWF and NRL total-energy singular-vector guidance
0
2010
Quality of the target area for metrics with different nonlinearities in a mesoscale convective system
0
2014
A preliminary application of conditional nonlinear optimal perturbation to adaptive observation
2
2007
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
条件非线性最优扰动方法在适应性观测研究中的初步应用
2
2007
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
The present situation and prospects of the adaptive observation
1
2015
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
适应性观测研究现状和展望
1
2015
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
Preliminary application of the nonlinear local Lyapunov exponent to target observation
3
2015
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
非线性局部Lyapunov指数方法在目标观测中的应用初探
3
2015
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Targeted observations for improving numerical weather prediction: an overview
3
15
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
... [
14]
ti, ti+1, ti+2,ti+n等代表观测时刻,其中td,tobs,tvf分别是决策时刻、目标观测时刻和验证时刻;tana是分析时刻,t0和t1是对应tobs和tvf的预报时刻 ...
...
ti,
ti+1,
ti+2,
ti+n等代表观测时刻,其中
td,
tobs,
tvf分别是决策时刻、目标观测时刻和验证时刻;
tana是分析时刻,
t0和
t1是对应
tobs和
tvf的预报时刻
Illustration of the typical procedure for the deployment of targeted observations[14]ti, ti+1, ti+2 and ti+nrepresent the observation time,and td, tobs, tvf is the decision time, the targeted observation time and the verification time, respectively. tana is the analysis time, t0 and t1 indicate the forecast time corresponding to tobs and tvf ...
Ensemble sensitivity analysis for targeted observations of supercell thunderstorms
2
2018
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
... [15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
Ensemble-based targeted observation method applied to radar radial velocity observations on idealized supercell low-level rotation forecasts: a proof of concept
1
2019
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
The impact of dropwindsonde observations on typhoon track forecasts in DOTSTAR and T-PARC
3
2011
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
... 从统计分析角度,前人开展了多样本台风的目标观测应用,如Chou等[17]应用DOTSTAR和T-PARC的投放式观测资料从统计角度评估了敏感区内的观测资料对于台湾海峡地区35个台风个例的路径预报技巧的影响.Chen等[24]应用DOTSTAR资料考察了台湾海峡地区20个台风个例时的情形.类似的研究还有Weissmann等[22]、Wu等[25]和Chou等[121]的工作.这些研究一致指出,目标观测手段对于台风路径预报技巧的改进具有显著作用,在同化了敏感区的非常规观测资料之后,大部分台风的路径预报误差改进率可达10%.前人的研究重点关注了移动式的目标观测手段对于台风数值预报效果的影响,验证了对台风进行目标观测,提升初始场准确性以提高台风预报技巧的可行性. ...
A method for identifying the sensitive areas in targeted observations for tropical cyclone prediction: conditional nonlinear optimal perturbation
6
2009
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
... 从个例分析角度,Buizza等[20]应用奇异向量方法,利用北大西洋的5个气旋个例的非常规观测资料,验证了目标观测的可行性,发现同化目标观测资料后,预报质量平均改善了13%.Yamaguchi等[21]利用奇异向量方法识别得到了台风“Conson”(2004)的敏感区,随后利用同化试验验证了敏感区内的DOTSTAR 资料对于台风路径预报技巧具有明显的改进作用.Kim等[19]考察了T-PARC资料对于台风“Sinlaku”(2008)和“Jangmi”(2008)的路径预报技巧的影响,他们发现台风南部的中层500~850 hPa是台风的敏感区,在同化了这些区域内的观测资料后,台风路径预报技巧显著提升.除此之外,台风下游各气象要素场预报的改进也是人们较为关注的问题.欧洲中期天气预报中心的预报结果显示,在同化了T-PARC 的非常规观测资料后,台风中心下游中纬度地区500 hPa位势高度场的预报有了十分明显的改进[22].Kim等[23]和Mu等[18]的工作同样指出敏感区内的资料对于台风数值预报结果改善具有显著的作用. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
... 这些研究结果表明,敏感区位置和结构明显依赖于度量范数的选取.Palmer等[68]发现初始奇异向量对于度量范数较为敏感,在选择了不同的度量范数后,初始扰动在结构、空间分布和量级上都会有很大不同.Mu等[18]基于3个台风个例,利用动能和干能量的度量范数比较了CNOP扰动和FSV扰动在空间结构上的区别,研究表明度量范数是影响2种扰动空间分布的一个重要因子.谭晓伟等[82]基于一种快速求解条件非线性最优扰动的算法,识别了台风“麦莎”(0509)的观测敏感区,并比较了3种度量范数对于敏感区位置和数值预报效果的影响.他们指出,利用3种度量范数识别的敏感区位置存在一定差异,且不同的敏感区对于预报效果的改善程度不一致. ...
Real-time adaptive observation guidance using singular vectors for typhoon Jangmi (200815) in T-PARC 2008
2
2011
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
... 从个例分析角度,Buizza等[20]应用奇异向量方法,利用北大西洋的5个气旋个例的非常规观测资料,验证了目标观测的可行性,发现同化目标观测资料后,预报质量平均改善了13%.Yamaguchi等[21]利用奇异向量方法识别得到了台风“Conson”(2004)的敏感区,随后利用同化试验验证了敏感区内的DOTSTAR 资料对于台风路径预报技巧具有明显的改进作用.Kim等[19]考察了T-PARC资料对于台风“Sinlaku”(2008)和“Jangmi”(2008)的路径预报技巧的影响,他们发现台风南部的中层500~850 hPa是台风的敏感区,在同化了这些区域内的观测资料后,台风路径预报技巧显著提升.除此之外,台风下游各气象要素场预报的改进也是人们较为关注的问题.欧洲中期天气预报中心的预报结果显示,在同化了T-PARC 的非常规观测资料后,台风中心下游中纬度地区500 hPa位势高度场的预报有了十分明显的改进[22].Kim等[23]和Mu等[18]的工作同样指出敏感区内的资料对于台风数值预报结果改善具有显著的作用. ...
Targeting observations using singular vectors
7
1999
... 敏感区依赖于预报轨迹,随着基流的时间演化而变化,因此并非每天相同[20,43].在敏感区内,尽管初始误差非常小,但是仍然可能增长很快,导致数值预报结果变差,而在敏感区之外,即便初始误差较大,其增长仍可能小于敏感区内较小误差的增长,所以如何确定敏感区的位置成为目标观测研究中的核心问题[63,64]. ...
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
... 在ET方法的基础上,Bishop等[79]和Majumdar等[113]进一步提出了集合变换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)的方法.ETKF方法同样不依赖于伴随模式,它通过逐个格点比较预报误差方差对观测资料的敏感性,得到预报误差方差减少的空间分布图,改进最为明显的区域为敏感区.NCEP在1999—2000年的冬季风暴监测计划应用到ETKF,在该方法识别的敏感区增加观测,使用同化手段后,使得美国大陆地区24~72小时的预报得到了改善[20,114].值得注意的是,这些早期应用集合方法的目标观测试验大多是基于分辨率较粗的集合预报模式实现的.随着计算水平的发展,对于那些高影响天气事件的集合模拟往往是通过高时空分辨率的模式来实现的.因此,在识别敏感区时,逐个格点计算敏感性的集合方法依然不可避免地会耗费一定的计算资源.Zhang等[115]基于ET方法提出了集合变换敏感性(Ensemble Transform Sensitivity,ETS)的方法,通过计算预报误差方差相对分析误差方差的梯度来快速识别敏感区,避免了逐个格点计算敏感性,大大节省了计算资源. ...
... 从个例分析角度,Buizza等[20]应用奇异向量方法,利用北大西洋的5个气旋个例的非常规观测资料,验证了目标观测的可行性,发现同化目标观测资料后,预报质量平均改善了13%.Yamaguchi等[21]利用奇异向量方法识别得到了台风“Conson”(2004)的敏感区,随后利用同化试验验证了敏感区内的DOTSTAR 资料对于台风路径预报技巧具有明显的改进作用.Kim等[19]考察了T-PARC资料对于台风“Sinlaku”(2008)和“Jangmi”(2008)的路径预报技巧的影响,他们发现台风南部的中层500~850 hPa是台风的敏感区,在同化了这些区域内的观测资料后,台风路径预报技巧显著提升.除此之外,台风下游各气象要素场预报的改进也是人们较为关注的问题.欧洲中期天气预报中心的预报结果显示,在同化了T-PARC 的非常规观测资料后,台风中心下游中纬度地区500 hPa位势高度场的预报有了十分明显的改进[22].Kim等[23]和Mu等[18]的工作同样指出敏感区内的资料对于台风数值预报结果改善具有显著的作用. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
An observing system experiment for Typhoon Conson (2004) using a singular vector method and DOTSTAR data
2
2009
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
... 从个例分析角度,Buizza等[20]应用奇异向量方法,利用北大西洋的5个气旋个例的非常规观测资料,验证了目标观测的可行性,发现同化目标观测资料后,预报质量平均改善了13%.Yamaguchi等[21]利用奇异向量方法识别得到了台风“Conson”(2004)的敏感区,随后利用同化试验验证了敏感区内的DOTSTAR 资料对于台风路径预报技巧具有明显的改进作用.Kim等[19]考察了T-PARC资料对于台风“Sinlaku”(2008)和“Jangmi”(2008)的路径预报技巧的影响,他们发现台风南部的中层500~850 hPa是台风的敏感区,在同化了这些区域内的观测资料后,台风路径预报技巧显著提升.除此之外,台风下游各气象要素场预报的改进也是人们较为关注的问题.欧洲中期天气预报中心的预报结果显示,在同化了T-PARC 的非常规观测资料后,台风中心下游中纬度地区500 hPa位势高度场的预报有了十分明显的改进[22].Kim等[23]和Mu等[18]的工作同样指出敏感区内的资料对于台风数值预报结果改善具有显著的作用. ...
The influence of assimilating dropsonde data on typhoon track and midlatiyude forecasts
2
2011
... 从个例分析角度,Buizza等[20]应用奇异向量方法,利用北大西洋的5个气旋个例的非常规观测资料,验证了目标观测的可行性,发现同化目标观测资料后,预报质量平均改善了13%.Yamaguchi等[21]利用奇异向量方法识别得到了台风“Conson”(2004)的敏感区,随后利用同化试验验证了敏感区内的DOTSTAR 资料对于台风路径预报技巧具有明显的改进作用.Kim等[19]考察了T-PARC资料对于台风“Sinlaku”(2008)和“Jangmi”(2008)的路径预报技巧的影响,他们发现台风南部的中层500~850 hPa是台风的敏感区,在同化了这些区域内的观测资料后,台风路径预报技巧显著提升.除此之外,台风下游各气象要素场预报的改进也是人们较为关注的问题.欧洲中期天气预报中心的预报结果显示,在同化了T-PARC 的非常规观测资料后,台风中心下游中纬度地区500 hPa位势高度场的预报有了十分明显的改进[22].Kim等[23]和Mu等[18]的工作同样指出敏感区内的资料对于台风数值预报结果改善具有显著的作用. ...
... 从统计分析角度,前人开展了多样本台风的目标观测应用,如Chou等[17]应用DOTSTAR和T-PARC的投放式观测资料从统计角度评估了敏感区内的观测资料对于台湾海峡地区35个台风个例的路径预报技巧的影响.Chen等[24]应用DOTSTAR资料考察了台湾海峡地区20个台风个例时的情形.类似的研究还有Weissmann等[22]、Wu等[25]和Chou等[121]的工作.这些研究一致指出,目标观测手段对于台风路径预报技巧的改进具有显著作用,在同化了敏感区的非常规观测资料之后,大部分台风的路径预报误差改进率可达10%.前人的研究重点关注了移动式的目标观测手段对于台风数值预报效果的影响,验证了对台风进行目标观测,提升初始场准确性以提高台风预报技巧的可行性. ...
Singular vector structure and evolution of a recurving tropical cyclone
1
2009
... 从个例分析角度,Buizza等[20]应用奇异向量方法,利用北大西洋的5个气旋个例的非常规观测资料,验证了目标观测的可行性,发现同化目标观测资料后,预报质量平均改善了13%.Yamaguchi等[21]利用奇异向量方法识别得到了台风“Conson”(2004)的敏感区,随后利用同化试验验证了敏感区内的DOTSTAR 资料对于台风路径预报技巧具有明显的改进作用.Kim等[19]考察了T-PARC资料对于台风“Sinlaku”(2008)和“Jangmi”(2008)的路径预报技巧的影响,他们发现台风南部的中层500~850 hPa是台风的敏感区,在同化了这些区域内的观测资料后,台风路径预报技巧显著提升.除此之外,台风下游各气象要素场预报的改进也是人们较为关注的问题.欧洲中期天气预报中心的预报结果显示,在同化了T-PARC 的非常规观测资料后,台风中心下游中纬度地区500 hPa位势高度场的预报有了十分明显的改进[22].Kim等[23]和Mu等[18]的工作同样指出敏感区内的资料对于台风数值预报结果改善具有显著的作用. ...
The impact of assimilating dropwindsonde data deployed at different sites on typhoon track forecasts
4
2013
... 从统计分析角度,前人开展了多样本台风的目标观测应用,如Chou等[17]应用DOTSTAR和T-PARC的投放式观测资料从统计角度评估了敏感区内的观测资料对于台湾海峡地区35个台风个例的路径预报技巧的影响.Chen等[24]应用DOTSTAR资料考察了台湾海峡地区20个台风个例时的情形.类似的研究还有Weissmann等[22]、Wu等[25]和Chou等[121]的工作.这些研究一致指出,目标观测手段对于台风路径预报技巧的改进具有显著作用,在同化了敏感区的非常规观测资料之后,大部分台风的路径预报误差改进率可达10%.前人的研究重点关注了移动式的目标观测手段对于台风数值预报效果的影响,验证了对台风进行目标观测,提升初始场准确性以提高台风预报技巧的可行性. ...
... 敏感区识别方法对于敏感区的大小、形状和位置等存在着不同程度的影响.Ancell等[122]在研究北美西海岸的冬季气旋时,发现基于不同方法得到的敏感区,在位置、范围大小上都存在着一定差异.Chen等[24]发现在MM5模式中利用CNOP方法识别得到的台风“Nida”(2004)的敏感区呈螺旋状分布在台风中心周围,而利用第一奇异向量(First Singular Vector, FSV)方法识别的敏感区被分割成了两部分,一部分位于台风中心西南,而另一部分向东偏离台风中心约5个经度.Qin等[123]的研究表明,在MM5模式中利用CNOP方法识别得到的台风“Mirinae”(2009)敏感区主要位于台风移动方向的右半象限,而利用奇异向量方法识别的敏感区主要位于台风移动方向的左后象限,存在明显不同.Zhou等[8]同样利用MM5模式比较了CNOP方法和FSV识别的台风敏感区之间的差别,他们发现CNOP和FSV对敏感区的影响取决于台风过程的非线性程度,在非线性较强的台风“Matsa”(2005)个例中,两种方法识别得到的敏感区差异较大,而在非线性较弱的台风“Meari”(2004)个例中,基于两种方法得到的敏感区差别较小. ...
... 从前人的研究可知,造成这种差别的原因可能与识别方法的自身限制有关.早期经常被用于敏感区识别的奇异向量方法和ETKF方法都是建立在线性理论框架的基础上,均假设误差是线性增长的[107].但是在实际中,随着误差的增长,系统最终会进入非线性阶段,切线性近似不再成立,因此需要发展基于非线性误差增长理论的敏感区识别方法.为了对比非线性误差增长理论和线性误差增长理论在识别敏感区时的区别,Chen等[24]利用MM5模式通过观测系统试验(Observation System Experiments, OSEs)评估了2003—2005年DOTSTAR外场观测试验中的20个台风敏感区内的资料对于台风路径数值预报效果的平均影响,其研究发现在同化了利用CNOP方法识别的敏感区资料后,24小时台风路径预报误差平均改善了4.3%,而同化了利用奇异向量方法识别的敏感区资料后,平均改善为3.8%.Qin等[123]利用MM5模式通过观测系统模拟试验(Observation System Simulation Experiments, OSSEs)评估了2009年7个台风个例敏感区资料对于24~72 h台风路径数值预报的影响,发现在6个个例的结果中,同化了CNOP方法识别的敏感区内的资料后,预报改进百分率可达13%~46%,而利用SV方法的改进为14%~25%.这些研究表明在台风敏感区识别上,非线性理论方法相对于线性方法更具有优势. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
Targeted observations of tropical cyclones based on the adjoint derived sensitivity steering vector
2
2007
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
... 从统计分析角度,前人开展了多样本台风的目标观测应用,如Chou等[17]应用DOTSTAR和T-PARC的投放式观测资料从统计角度评估了敏感区内的观测资料对于台湾海峡地区35个台风个例的路径预报技巧的影响.Chen等[24]应用DOTSTAR资料考察了台湾海峡地区20个台风个例时的情形.类似的研究还有Weissmann等[22]、Wu等[25]和Chou等[121]的工作.这些研究一致指出,目标观测手段对于台风路径预报技巧的改进具有显著作用,在同化了敏感区的非常规观测资料之后,大部分台风的路径预报误差改进率可达10%.前人的研究重点关注了移动式的目标观测手段对于台风数值预报效果的影响,验证了对台风进行目标观测,提升初始场准确性以提高台风预报技巧的可行性. ...
Exploring sensitive area in the tropical Indian Ocean for El Ni?o prediction: implication for targeted observation
1
2020
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
Relationship between optimal precursory disturbances and optimally growing initial errors associated with ENSO events: implications to target observations for ENSO prediction
0
2016
The initial errors that induce a significant "spring predictability barrier" for El Ni?o events and their implications for target observation: results from an Earth system model
1
2015
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
Estimating observing locations for advancing beyond the winter predictability barrier of Indian Ocean dipole event predictions
1
2016
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
Targeted observations for improving prediction of the NAO Onset
1
2019
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
Application of the conditional nonlinear optimal perturbation method in targeted observation studies of Kuroshio
1
2018
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
条件非线性最优扰动方法在黑潮目标观测中的应用
1
2018
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
The similarity between optimal precursor and optimally growing initial error in prediction of Kuroshio large meander and its application to targeted observation
1
2013
... 目标观测(又称适应性观测)被提出并用于解决此类问题.它是一种改善数值预报质量的技术和方法,即在确定敏感区的前提下,在这些敏感区通过移动观测手段增加额外观测,并结合同化方法减小数值模式中的初始分析误差,从而达到减小预报不确定性、延长预报时效的目的[6~13](图1[14]).目前,目标观测是国内外大气科学领域的研究热点之一,在超级单体[15,16]、台风[15,17~25]、El Niño-Southern Oscillation (ENSO)[26~28]、Indian Ocean Dipole (IOD)[29]、North Atlantic Oscillation (NAO)[30]和黑潮[31,32]等天气和气候事件的预报研究中都有应用.其理论发展与应用对于弥补常规观测资料不足、优化观测资源配置和提升高影响天气系统预报技巧等都具有重要的指导意义与实用价值. ...
Diagnostic analysis on Nari(0116) structure and intensity changes during its landfall process on Taiwan Island
1
2013
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
台风Nari (0116)登陆台湾过程中结构强度变化的诊断分析
1
2013
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
Impact of perturbation methods in the ECMWF ensemble prediction system on tropical cyclone forecasts
3
2012
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
... 由于台风带来的危害往往与台风的位置和剧烈程度紧密联系[34],目前业务中的短期预报(1~3天)常常将台风路径和强度作为重要预报对象.影响台风路径和强度预报不确定性的来源主要可以归为两类[39~41]:一类是初值误差,即由观测资料中的系统和随机误差、观测系统的时空分布不均匀和资料同化系统中的近似带来的误差组成;另一类是模式误差,这类误差一般是由描述大气运动的方程中存在的物理缺陷、求解中的数值近似和次网格参数化造成的. ...
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
Uncertainty and predictability of tropical cyclone rainfall based on ensemble simulations of Typhoon Sinlaku (2008)
0
2013
Track, intensity, and structure changes at landfall-forecasting challenges
0
2014
on the heavy rainfall over northeastern Taiwan
1
2010
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
Experiment on coordinated observation of offshore typhoon in China
2
2019
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
... 我国也是受台风灾害影响较为频繁的国家,重点关注了对登陆台风的追踪观测,一系列陆基和移动观测设备被投入使用,如始于2002年的中国科技部社会公益研究专项“中国登陆台风观测试验(China Landfall Typhoon Experiment, CLATEX)”计划中,集成了自动气象站观测系统和大气边界层观测系统,综合运用风廓线仪、多普勒雷达、探空、超声风速仪、光学雨量计、铁塔和移动观测车等设备,在广东阳江海凌岛对登陆台风“黄蜂0214”进行了加密观测[116].截至2009年,我国首次实现了利用机载下投式探空仪对台风进行加密观测[38].近年来,随着气象观测装备技术的快速发展,一些能够代表当前气象观测水平的新装备、新技术,如微波辐射计、无人机和气象观测飞艇等,被尝试应用于台风观测,并取得了一定效果.2018年,中国气象局启动了高空大型无人机海洋综合气象观测试验——“海燕计划”,并于2020年8月通过无人机投放30枚探空仪,配合毫米波雷达,完成了对第3号台风“森拉克”外围云系的温、湿、压和水凝物廓线的观测任务.2020年10月,在针对第16号台风“浪卡”的台风观测试验中,综合运用多款无人机、无人飞艇、机载激光雷达、火箭弹、探空气球、有人飞机、移动观测车和卫星等平台完成对台风登陆过程中低空不同层次和距台风中心不同距离的温、压、湿秒级观测数据,并且首次成功实施了探空气球爆裂后投放下沉式探空仪的“二次探空”试验. ...
近海台风立体协同观测科学试验
2
2019
... 台风是西北太平洋地区一类非常重要的灾害性天气系统,在其中心周围一般会伴随着较强的降水、雷暴和强风等恶劣的天气现象[33],具有很强的破坏力,对人们的生命和财产安全造成极大的威胁[18,19,34~37].准确的初始场可以改进台风的数值预报技巧.然而,受海洋上的观测站点较少、分布不均匀,台风稠密云雨对于卫星遥感信号的强烈衰减作用等因素的影响,我们很难获得台风结构及其变化特征的精确观测资料[12,38].因此,有必要围绕台风在时间和空间上进行针对性的观测优化布局,增加对台风的直接观测. ...
... 我国也是受台风灾害影响较为频繁的国家,重点关注了对登陆台风的追踪观测,一系列陆基和移动观测设备被投入使用,如始于2002年的中国科技部社会公益研究专项“中国登陆台风观测试验(China Landfall Typhoon Experiment, CLATEX)”计划中,集成了自动气象站观测系统和大气边界层观测系统,综合运用风廓线仪、多普勒雷达、探空、超声风速仪、光学雨量计、铁塔和移动观测车等设备,在广东阳江海凌岛对登陆台风“黄蜂0214”进行了加密观测[116].截至2009年,我国首次实现了利用机载下投式探空仪对台风进行加密观测[38].近年来,随着气象观测装备技术的快速发展,一些能够代表当前气象观测水平的新装备、新技术,如微波辐射计、无人机和气象观测飞艇等,被尝试应用于台风观测,并取得了一定效果.2018年,中国气象局启动了高空大型无人机海洋综合气象观测试验——“海燕计划”,并于2020年8月通过无人机投放30枚探空仪,配合毫米波雷达,完成了对第3号台风“森拉克”外围云系的温、湿、压和水凝物廓线的观测任务.2020年10月,在针对第16号台风“浪卡”的台风观测试验中,综合运用多款无人机、无人飞艇、机载激光雷达、火箭弹、探空气球、有人飞机、移动观测车和卫星等平台完成对台风登陆过程中低空不同层次和距台风中心不同距离的温、压、湿秒级观测数据,并且首次成功实施了探空气球爆裂后投放下沉式探空仪的“二次探空”试验. ...
Analysis of uncertainties in forecasts of Typhoon Soudelor (2015) from ensemble prediction models
1
2018
... 由于台风带来的危害往往与台风的位置和剧烈程度紧密联系[34],目前业务中的短期预报(1~3天)常常将台风路径和强度作为重要预报对象.影响台风路径和强度预报不确定性的来源主要可以归为两类[39~41]:一类是初值误差,即由观测资料中的系统和随机误差、观测系统的时空分布不均匀和资料同化系统中的近似带来的误差组成;另一类是模式误差,这类误差一般是由描述大气运动的方程中存在的物理缺陷、求解中的数值近似和次网格参数化造成的. ...
THORPEX international science plan version 3
2
2
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
Several dynamical methods used in predictability studies for numerical weather forecasts and climate prediction
1
2013
... 由于台风带来的危害往往与台风的位置和剧烈程度紧密联系[34],目前业务中的短期预报(1~3天)常常将台风路径和强度作为重要预报对象.影响台风路径和强度预报不确定性的来源主要可以归为两类[39~41]:一类是初值误差,即由观测资料中的系统和随机误差、观测系统的时空分布不均匀和资料同化系统中的近似带来的误差组成;另一类是模式误差,这类误差一般是由描述大气运动的方程中存在的物理缺陷、求解中的数值近似和次网格参数化造成的. ...
数值天气预报和气候预测可预报性研究的若干动力学方法
1
2013
... 由于台风带来的危害往往与台风的位置和剧烈程度紧密联系[34],目前业务中的短期预报(1~3天)常常将台风路径和强度作为重要预报对象.影响台风路径和强度预报不确定性的来源主要可以归为两类[39~41]:一类是初值误差,即由观测资料中的系统和随机误差、观测系统的时空分布不均匀和资料同化系统中的近似带来的误差组成;另一类是模式误差,这类误差一般是由描述大气运动的方程中存在的物理缺陷、求解中的数值近似和次网格参数化造成的. ...
Adaptive observations for hurricane prediction
2
2000
... 这两类误差都是影响台风数值预报技巧的重要原因,但是在当前的数值模式发展水平下,两者对于实际业务中台风路径预报和强度预报的影响表现出了不同的特征.研究表明,准确的初始场是提升台风路径数值预报的关键因素,随着大气动力与物理框架的不断完善,初始同化分析场的误差及其快速增长是目前导致台风路径预报结果变差的主要原因[42~46].而对于台风强度预报,虽然基于完美模型(不考虑模式误差)的理想试验表明[47~50],准确的初始强度、风场、垂直风切变和内核区水汽等初始场可以在一定程度上改进台风强度预报技巧.但是在实际业务预报中,模式误差不可避免地存在,台风强度预报技巧的改进并没有理想中期望的大,说明模式误差是现阶段影响台风强度预报效果的主要因子[51]. ...
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
Adaptive observations during FASTEX: a systematic survey of upstream flights
4
1999
... 敏感区依赖于预报轨迹,随着基流的时间演化而变化,因此并非每天相同[20,43].在敏感区内,尽管初始误差非常小,但是仍然可能增长很快,导致数值预报结果变差,而在敏感区之外,即便初始误差较大,其增长仍可能小于敏感区内较小误差的增长,所以如何确定敏感区的位置成为目标观测研究中的核心问题[63,64]. ...
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
... 在FASTEX外场试验计划里所有基于ET方法的敏感区研究中,70%个例的敏感区是基于美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)7个成员的集合预报来识别的,这些敏感区对于预报效果的改进程度要弱于基于ECMWF 20个成员的集合预报识别的敏感区,这说明在集合成员个数越多的情况下,利用ET方法识别得到的敏感区越准确[43].Petersen等[114]研究了集合成员个数对于观测敏感区位置的影响,发现成员个数分别为50、25、10和5时,利用ETKF方法识别得到的敏感区位置存在一定差异,利用25和50个成员的集合预报识别得到的敏感区中,约有25%的区域是不同的. ...
Ensemble-based targeting experiments during FASTEX: the effect of dropsonde data from the lear jet
0
1999
Random error growth in NMC's global forecasts
0
1994
As assessment of the singular vector approach to targeted observing using the FASTEX dataset
3
1999
... 这两类误差都是影响台风数值预报技巧的重要原因,但是在当前的数值模式发展水平下,两者对于实际业务中台风路径预报和强度预报的影响表现出了不同的特征.研究表明,准确的初始场是提升台风路径数值预报的关键因素,随着大气动力与物理框架的不断完善,初始同化分析场的误差及其快速增长是目前导致台风路径预报结果变差的主要原因[42~46].而对于台风强度预报,虽然基于完美模型(不考虑模式误差)的理想试验表明[47~50],准确的初始强度、风场、垂直风切变和内核区水汽等初始场可以在一定程度上改进台风强度预报技巧.但是在实际业务预报中,模式误差不可避免地存在,台风强度预报技巧的改进并没有理想中期望的大,说明模式误差是现阶段影响台风强度预报效果的主要因子[51]. ...
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
On the predictability and error sources of tropical cyclone intensity forecasts
1
2016
... 这两类误差都是影响台风数值预报技巧的重要原因,但是在当前的数值模式发展水平下,两者对于实际业务中台风路径预报和强度预报的影响表现出了不同的特征.研究表明,准确的初始场是提升台风路径数值预报的关键因素,随着大气动力与物理框架的不断完善,初始同化分析场的误差及其快速增长是目前导致台风路径预报结果变差的主要原因[42~46].而对于台风强度预报,虽然基于完美模型(不考虑模式误差)的理想试验表明[47~50],准确的初始强度、风场、垂直风切变和内核区水汽等初始场可以在一定程度上改进台风强度预报技巧.但是在实际业务预报中,模式误差不可避免地存在,台风强度预报技巧的改进并没有理想中期望的大,说明模式误差是现阶段影响台风强度预报效果的主要因子[51]. ...
The role of inner-core moisture in tropical cyclone predictability and practical forecast skill
1
2017
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Effects of vertical wind shear on the predictability of tropical cyclones
1
2013
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Effects of vertical wind shear on the predictability of tropical cyclones: practical versus intrinsic limit
2
2015
... 这两类误差都是影响台风数值预报技巧的重要原因,但是在当前的数值模式发展水平下,两者对于实际业务中台风路径预报和强度预报的影响表现出了不同的特征.研究表明,准确的初始场是提升台风路径数值预报的关键因素,随着大气动力与物理框架的不断完善,初始同化分析场的误差及其快速增长是目前导致台风路径预报结果变差的主要原因[42~46].而对于台风强度预报,虽然基于完美模型(不考虑模式误差)的理想试验表明[47~50],准确的初始强度、风场、垂直风切变和内核区水汽等初始场可以在一定程度上改进台风强度预报技巧.但是在实际业务预报中,模式误差不可避免地存在,台风强度预报技巧的改进并没有理想中期望的大,说明模式误差是现阶段影响台风强度预报效果的主要因子[51]. ...
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Sensitivity to tendency perturbations of tropical cyclone short-range intensity forecasts generated by WRF
3
2020
... 这两类误差都是影响台风数值预报技巧的重要原因,但是在当前的数值模式发展水平下,两者对于实际业务中台风路径预报和强度预报的影响表现出了不同的特征.研究表明,准确的初始场是提升台风路径数值预报的关键因素,随着大气动力与物理框架的不断完善,初始同化分析场的误差及其快速增长是目前导致台风路径预报结果变差的主要原因[42~46].而对于台风强度预报,虽然基于完美模型(不考虑模式误差)的理想试验表明[47~50],准确的初始强度、风场、垂直风切变和内核区水汽等初始场可以在一定程度上改进台风强度预报技巧.但是在实际业务预报中,模式误差不可避免地存在,台风强度预报技巧的改进并没有理想中期望的大,说明模式误差是现阶段影响台风强度预报效果的主要因子[51]. ...
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
... Duan等[133]提出利用非线性强迫奇异向量(Nonlinear Forcing Singular Vector, NFSV)方法来刻画模式误差对于可预报性的非线性影响.利用一个二维的非线性准地转模型,他们对比了NFVS和线性强迫奇异向量(Linear Forcing Singular Vector, LFSV)刻画的模式误差模态对于预报误差的影响,发现由NFSV引起的预报误差要明显大于由LFSV引起的,说明考虑了非线性影响的NFSV能够刻画最优的模式误差分布模态.Qin等[51]将NFSV方法进一步应用到台风可预报性的研究当中.他们的工作表明不仅仅在初值问题里存在敏感区,在模式误差里也存在敏感区的问题.这打破了传统台风目标观测研究大多只考虑改进初始场的界限,将目标观测研究拓展到了模式误差领域,即模式误差也可以通过目标观测方法进行改善. ...
explored through a real-time cloud-permitting ensemble analysis and forecast system assimilating airborne Doppler radar observations
1
2012
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Using TIGGE data to diagnose initial perturbations and their growth for tropical cyclone ensemble forecasts
1
2010
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Environmental control of tropical cyclone intensity
1
2004
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Sensitivity of tropical cyclone intensity to ventilation in an axisymmetric model
1
2012
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
A comparison of the ECMWF, MSC, and NCEP global ensemble prediction systems
1
2005
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Including uncertainties of sea surface temperature in an ensemble Kalman filter: a case study of Typhoon Sinlaku (2008)
1
2012
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Directional wind-wave coupling in fully coupled atmosphere-wave-ocean models: results from CBLAST-Hurricane
1
2013
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
An ocean coupling potential intensity index for tropical cyclones
1
2013
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Convective-scale structure and evolution during a highresolution simulation of tropical cyclone rapid intensification
1
2010
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Internal control of hurricane intensity variability: the dual nature of potential vorticity mixing
1
2009
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
Predictability of tropical cyclone intensity: scale-dependent forecast error growth in high-resolution stochastic kinetic-energy backscatter ensembles
2
2016
... 两类误差影响台风预报的特征差异可能与数值模式描述或刻画影响台风路径和强度的物理因子及关键过程的准确性有关.研究表明[52,53]台风的移动方向与大尺度环境流场紧密联系,如西太平洋地区副热带高压的位置和强度对于台风移动方向具有重要的影响,模式通过较为准确地模拟副高西南侧的引导流场,得到较为精确的台风路径预报.而与台风路径不同,台风强度预报除了受垂直风切变[49,50,54,55]、海表温度[56,57]和海气交换[58,59]等大尺度环境变量影响外,还容易受到眼墙结构[60,61]、内核区湿对流[48]等中小尺度过程的影响.由于这些过程里的小尺度误差增长较为迅速,模式很难对其进行精确模拟,导致台风强度预报效果较差[62]. ...
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
The North Pacific Experiment (NORPEX-98): targeted observations for improved North American weather forecasts
4
1999
... 敏感区依赖于预报轨迹,随着基流的时间演化而变化,因此并非每天相同[20,43].在敏感区内,尽管初始误差非常小,但是仍然可能增长很快,导致数值预报结果变差,而在敏感区之外,即便初始误差较大,其增长仍可能小于敏感区内较小误差的增长,所以如何确定敏感区的位置成为目标观测研究中的核心问题[63,64]. ...
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
Targeted observations in FASTEX: adjoint-based targeting procedures and data impact experiments in IOP17 and IOP18
2
1999
... 敏感区依赖于预报轨迹,随着基流的时间演化而变化,因此并非每天相同[20,43].在敏感区内,尽管初始误差非常小,但是仍然可能增长很快,导致数值预报结果变差,而在敏感区之外,即便初始误差较大,其增长仍可能小于敏感区内较小误差的增长,所以如何确定敏感区的位置成为目标观测研究中的核心问题[63,64]. ...
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
The impact on synoptic-scale forecasts over the United States of dropwindsonde observations taken in the northeast Pacific
1
1996
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
The impact of omega dropwindsondes on operational hurricane track forecast models
1
1996
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Impact on hurricane track and intensity forecasts of GPS dropwindsonde observations from the first-season flights of the NOAA Gulfstream-IV jet aircraft
1
1999
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Singular vectors, metrics, and adaptive observations
5
1998
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... ,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
... 这些研究结果表明,敏感区位置和结构明显依赖于度量范数的选取.Palmer等[68]发现初始奇异向量对于度量范数较为敏感,在选择了不同的度量范数后,初始扰动在结构、空间分布和量级上都会有很大不同.Mu等[18]基于3个台风个例,利用动能和干能量的度量范数比较了CNOP扰动和FSV扰动在空间结构上的区别,研究表明度量范数是影响2种扰动空间分布的一个重要因子.谭晓伟等[82]基于一种快速求解条件非线性最优扰动的算法,识别了台风“麦莎”(0509)的观测敏感区,并比较了3种度量范数对于敏感区位置和数值预报效果的影响.他们指出,利用3种度量范数识别的敏感区位置存在一定差异,且不同的敏感区对于预报效果的改善程度不一致. ...
The research progress of the typhoon targeted observations based on CNOP method
1
2015
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
基于CNOP方法的台风目标观测研究进展
1
2015
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Observation and background adjoint sensitivity in the adaptive observation‐targeting problem
1
2000
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Adjoint-based targeting of observations for FASTEX cyclones
2
1996
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... Anderson[102]指出可以将不同方向初始分析误差构成的相空间分解为增长和非增长两部分.由于误差的增长部分迅速增大而非增长部分迅速衰减,导致不同方向的初始分析误差会随着时间增长迅速向误差最快增长方向收敛[83],虽然增长部分只占了相空间中的一小部分,但是它代表了误差能够最快增长的方向,也是我们要寻找的敏感区.研究表明,第一奇异向量可以用于表征初始分析误差增长相空间里的主导结构[71,103],这也是奇异向量方法能够用于敏感区识别的基础前提. ...
Forecast sensitivity with dropwindsonde data and targeted observations
1
1998
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Targeting observations with the quasi-inverse linear and adjoint NCEP global models: performance during FASTEX
0
1999
Examination of targeting methods in a simplified setting
1
2000
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
The impact of dropwindsonde data on typhoon track forecasts in DOTSTAR
1
2007
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Intercomparison of targeted observation guidance for tropical cyclones in the northwestern Pacific
1
2015
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Optimal sites for supplementary weather observations: simulation with a small model
2
1998
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... [77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Ensemble transformation and adaptive observations
3
1999
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 但是对于EnKF方法在台风目标观测中的应用,为了考察不同的观测方案对于台风数值预报效果的影响需要多次重新运行集合模式,因而会耗费大量的计算资源,效率较低.Bishop等[78]在1999年提出了集合变换(Ensemble Transform,ET)的方法,该方法通过构造集合变换,将集合扰动投影到标准化的正交向量空间,然后利用这组正交化的扰动向量来表征观测方案的变化对于预报误差协方差的影响.ET方法可以有效避免重复运算模式,解决了集合方法在实际目标观测应用中对计算资源需求过大的问题. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
Adaptive sampling with the ensemble transform Kalman filter. Part I: theoretical aspects
3
2001
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 在ET方法的基础上,Bishop等[79]和Majumdar等[113]进一步提出了集合变换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)的方法.ETKF方法同样不依赖于伴随模式,它通过逐个格点比较预报误差方差对观测资料的敏感性,得到预报误差方差减少的空间分布图,改进最为明显的区域为敏感区.NCEP在1999—2000年的冬季风暴监测计划应用到ETKF,在该方法识别的敏感区增加观测,使用同化手段后,使得美国大陆地区24~72小时的预报得到了改善[20,114].值得注意的是,这些早期应用集合方法的目标观测试验大多是基于分辨率较粗的集合预报模式实现的.随着计算水平的发展,对于那些高影响天气事件的集合模拟往往是通过高时空分辨率的模式来实现的.因此,在识别敏感区时,逐个格点计算敏感性的集合方法依然不可避免地会耗费一定的计算资源.Zhang等[115]基于ET方法提出了集合变换敏感性(Ensemble Transform Sensitivity,ETS)的方法,通过计算预报误差方差相对分析误差方差的梯度来快速识别敏感区,避免了逐个格点计算敏感性,大大节省了计算资源. ...
... 基于集合的方法一般利用集合预报的误差协方差矩阵近似代替真实的背景误差协方差矩阵,因此对集合预报成员个数存在一定要求[126].质量好的集合预报要求所有成员的初始扰动在模式中的演变方向要尽可能发散,具有结构多样性的扰动向量空间可以保证预报集合能够尽可能包含大气中出现的所有情况[79].然而,在实际的目标观测应用中,集合成员个数往往要小于真实大气状态向量的长度,基于扰动集合估计得到的误差协方差矩阵一般是秩亏的,并不足够精确,因此对观测敏感区位置的识别可能存在一定影响[113]. ...
A fast algorithm for solving CNOP and associated target observation tests
3
2009
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
一种求解条件非线性最优扰动的快速算法及其在台风目标观测中的初步检验
3
2009
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
Conditional nonlinear optimal perturbations: adjoint-free calculation method and preliminary test
0
2010
Impact of different guidances on sensitive areas of targeting observations based on the CNOP method
3
2010
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
... 这些研究结果表明,敏感区位置和结构明显依赖于度量范数的选取.Palmer等[68]发现初始奇异向量对于度量范数较为敏感,在选择了不同的度量范数后,初始扰动在结构、空间分布和量级上都会有很大不同.Mu等[18]基于3个台风个例,利用动能和干能量的度量范数比较了CNOP扰动和FSV扰动在空间结构上的区别,研究表明度量范数是影响2种扰动空间分布的一个重要因子.谭晓伟等[82]基于一种快速求解条件非线性最优扰动的算法,识别了台风“麦莎”(0509)的观测敏感区,并比较了3种度量范数对于敏感区位置和数值预报效果的影响.他们指出,利用3种度量范数识别的敏感区位置存在一定差异,且不同的敏感区对于预报效果的改善程度不一致. ...
Ensemble forecasting at NCEP and the breeding method
2
1997
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... Anderson[102]指出可以将不同方向初始分析误差构成的相空间分解为增长和非增长两部分.由于误差的增长部分迅速增大而非增长部分迅速衰减,导致不同方向的初始分析误差会随着时间增长迅速向误差最快增长方向收敛[83],虽然增长部分只占了相空间中的一小部分,但是它代表了误差能够最快增长的方向,也是我们要寻找的敏感区.研究表明,第一奇异向量可以用于表征初始分析误差增长相空间里的主导结构[71,103],这也是奇异向量方法能够用于敏感区识别的基础前提. ...
Nonlinear error dynamics and predictability study
2
2006
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
非线性误差增长理论与可预报性研究
2
2006
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Nonlinear error dynamics and predictability study
1
2007
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
误差非线性的增长理论及可预报性研究
1
2007
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Application of nonlinear error growth dynamics in studies of atmospheric predictability
1
2009
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
非线性误差增长理论在大气可预报性中的应用
1
2009
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
The temporal-spatial distributions of weather predictability of different variables
0
2009
Temporal-spatial distributions of predictability limit of short-term climate
1
2008
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
短期气候可预报期限的时空分布
1
2008
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Studies of predictability of single variable from multi-dimensional chaotic dynamical system
1
2009
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
混沌系统单变量可预报性研究
1
2009
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Nonlinear finite-time Lyapunov exponent and predictability
1
2007
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Trends and interdecadal changes of weather predictability during 1950s-1990s
1
2008
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Predictability of the Madden-Julian oscillation estimated using observational data
0
2010
Estimate of the predictability of boreal summer and winter intraseasonal oscillations from observations
0
2011
Temporal-spatial distribution of atmospheric predictability limit by local dynamical analogues
1
2011
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
Temporal-spatial distribution of the predictability limit of monthly sea surface temperature in the global oceans
1
2013
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
The application of nonlinear local lyapunov vectors to ensemble predictions in the lorenz systems
1
2014
... 此外,研究还表明初始集合扰动成员的方向对于集合预报质量具有重要的影响,如Feng等[96,97]基于非线性局部Lyapunov向量(Nonlinear Local Lyapunov Vectors, NLLVs)应用Lorenz63和Lorenz96的理论模型生成集合预报的试验发现,利用正交化后的NLLVs生成的集合预报的离散度与集合平均误差的一致性更好,优于繁殖向量方法(Bred Vectors,BVs)和蒙脱卡罗方法(Monte Caelo, MC).Huo等[127]基于CNOP方法应用于第五代中尺度模式(Mesoscale Model 5,MM5)模式生成集合预报的研究同样表明,利用正交化后的CNOPs生成的集合预报质量要明显优于利用正交化后的SVs、BVs和随机向量生成的集合预报,在采用CNOPs方法后,台风路径具有更好的预报效果.因此,初始集合扰动成员的方向可能通过影响集合预报质量,进而对基于集合方法识别得到的敏感区位置产生影响. ...
Comparison of nonlinear local Lyapunov vectors and bred vectors in estimating the spatial distribution of error growth
2
2018
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
... 此外,研究还表明初始集合扰动成员的方向对于集合预报质量具有重要的影响,如Feng等[96,97]基于非线性局部Lyapunov向量(Nonlinear Local Lyapunov Vectors, NLLVs)应用Lorenz63和Lorenz96的理论模型生成集合预报的试验发现,利用正交化后的NLLVs生成的集合预报的离散度与集合平均误差的一致性更好,优于繁殖向量方法(Bred Vectors,BVs)和蒙脱卡罗方法(Monte Caelo, MC).Huo等[127]基于CNOP方法应用于第五代中尺度模式(Mesoscale Model 5,MM5)模式生成集合预报的研究同样表明,利用正交化后的CNOPs生成的集合预报质量要明显优于利用正交化后的SVs、BVs和随机向量生成的集合预报,在采用CNOPs方法后,台风路径具有更好的预报效果.因此,初始集合扰动成员的方向可能通过影响集合预报质量,进而对基于集合方法识别得到的敏感区位置产生影响. ...
Optimization and influence experiment to identify sensitive areas for target observations on ETKF method
1
2014
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
基于集合卡尔曼变换的目标观测敏感区识别系统优化及影响试验
1
2014
... 在早期对目标观测的研究中,敏感区位置的识别一般是基于对天气图上重要上游天气结构位置的客观分析而得到[63].这种方法在美国中纬度天气预报应用中取得了成功[65],并且成为早期监测热带气旋的初级方法[66,67].然而随后的研究表明,由于天气图分析方法不能反映能量在天气尺度和次天气尺度之间的交换过程,所以有时并不能准确识别敏感区的位置,因此需要基于数值的客观识别敏感区的方法[68].近年来,目标观测的研究不断进步,众多台风外场观测试验的实施促使了一些识别敏感区方法的发展及在实际应用中的检验.穆穆等[69]指出当前目标观测中识别敏感区的方法主要可以归结为2类,一类是基于伴随模式的方法,包括奇异向量方法[20,43,46,68]、伴随敏感性方法[70]、条件非线性最优扰动方法(Conditional Nonlinear Optimal Perturbation, CNOP)[18]、梯度方法[71]、准线性求逆方法[72~74]和伴随敏感性引导向量方法(Adjoint-Derived Sensitivity Steering Vector, ADSSV)[75,76]等.另一类是基于集合的方法,包括集合离散度方法[77]、集合变换方法[78]、集合变换卡曼滤波方法[79]和快速求解CNOP算法[80~82]等.此外还包括繁殖向量方法[77,83]和非线性局部Lyapunov向量方法[13,84~97]等.其中,ADSSV方法在观测系统研究与可预报性试验(The Observing System Research and Predictability Experiment,THORPEX)太平洋—亚洲区域试验(THORPEX Pacific Asian Regional Campaing, T-PARC)中被首次应用[98],是较早应用于目标观测试验的方法,发挥了重要作用.而奇异向量(Singular Vector,SV)方法和集合方法是当前台风目标观测实际应用的2种主流方法. ...
Adaptive observations: a feasibility study
1
1999
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
The ECMWF ensemble prediction system: methodology and validation
1
1996
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
The singular-vector structure of the atmospheric global circulation
1
1995
... SV方法是在一定范数的限制下,求解扰动的切线性增长算子和其伴随算子乘积的奇异值,从而找到最大奇异值对应的奇异向量即为该段时间内增长最快的扰动[68,99].欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)从1992年开始用奇异向量方法为业务集合预报系统提供初始扰动[100,101],随后该方法被应用于目标观测研究,并在若干个外场实验中得到了较好的验证[20,21,43,63],THORPEX计划把该方法列为识别敏感区的主要方法之一[40]. ...
The impact of dynamical constraints on the selection of initial conditions for ensemble predictions: low-order perfect model results
1
1997
... Anderson[102]指出可以将不同方向初始分析误差构成的相空间分解为增长和非增长两部分.由于误差的增长部分迅速增大而非增长部分迅速衰减,导致不同方向的初始分析误差会随着时间增长迅速向误差最快增长方向收敛[83],虽然增长部分只占了相空间中的一小部分,但是它代表了误差能够最快增长的方向,也是我们要寻找的敏感区.研究表明,第一奇异向量可以用于表征初始分析误差增长相空间里的主导结构[71,103],这也是奇异向量方法能够用于敏感区识别的基础前提. ...
Sensitivity and singular vector calculations in the operational context of FASTEX
1
1996
... Anderson[102]指出可以将不同方向初始分析误差构成的相空间分解为增长和非增长两部分.由于误差的增长部分迅速增大而非增长部分迅速衰减,导致不同方向的初始分析误差会随着时间增长迅速向误差最快增长方向收敛[83],虽然增长部分只占了相空间中的一小部分,但是它代表了误差能够最快增长的方向,也是我们要寻找的敏感区.研究表明,第一奇异向量可以用于表征初始分析误差增长相空间里的主导结构[71,103],这也是奇异向量方法能够用于敏感区识别的基础前提. ...
Conditional nonlinear optimal perturbation and its applications to the studies of weather and climate predictability
1
2005
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
条件非线性最优扰动及其在天气和气候可预报性研究中的应用
1
2005
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
Contribution of the location and spatial pattern of initial error to uncertainties in El Ni?o predictions
1
2012
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
Similarities between optimal precursors for ENSO events and optimally growing initial errors in El Ni?o predictions
0
2014
Conditions under which CNOP sensitivity is valid for tropical cyclone adaptive observations
2
2013
... 从前人的研究可知,造成这种差别的原因可能与识别方法的自身限制有关.早期经常被用于敏感区识别的奇异向量方法和ETKF方法都是建立在线性理论框架的基础上,均假设误差是线性增长的[107].但是在实际中,随着误差的增长,系统最终会进入非线性阶段,切线性近似不再成立,因此需要发展基于非线性误差增长理论的敏感区识别方法.为了对比非线性误差增长理论和线性误差增长理论在识别敏感区时的区别,Chen等[24]利用MM5模式通过观测系统试验(Observation System Experiments, OSEs)评估了2003—2005年DOTSTAR外场观测试验中的20个台风敏感区内的资料对于台风路径数值预报效果的平均影响,其研究发现在同化了利用CNOP方法识别的敏感区资料后,24小时台风路径预报误差平均改善了4.3%,而同化了利用奇异向量方法识别的敏感区资料后,平均改善为3.8%.Qin等[123]利用MM5模式通过观测系统模拟试验(Observation System Simulation Experiments, OSSEs)评估了2009年7个台风个例敏感区资料对于24~72 h台风路径数值预报的影响,发现在6个个例的结果中,同化了CNOP方法识别的敏感区内的资料后,预报改进百分率可达13%~46%,而利用SV方法的改进为14%~25%.这些研究表明在台风敏感区识别上,非线性理论方法相对于线性方法更具有优势. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
The impact of verification area design on tropical cyclone targeted observations based on the CNOP method
2
2011
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
A WRF-based tool for forecast sensitivity to the initial perturbation: the conditional nonlinear optimal perturbations versus the first singular vector method and comparison to MM5
1
2017
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
An adjoint-free CNOP-4DVar hybrid method for identifying sensitive areas in targeted observations: method formulation and preliminary evaluation
0
2019
Identifying typhoon targeted observations sensitive areas using the gradient definition based method
1
2018
... 此外,奇异向量方法假设初始扰动无穷小,在较短的演化时间内,该初始扰动的非线性发展可以用非线性模式的切线性模式刻画[11],但是对于一些初始误差较大或者误差增长较快的个例来讲,线性近似不再成立,所以奇异向量方法在一定程度上受到限制.为了克服线性假设的不足,我国学者穆穆等[18,104]在奇异向量方法的基础上提出了CNOP方法,其主要目的是在一定约束条件下寻找通过非线性发展导致最大预报误差的初始扰动.目前已经在二维准地转模式、Zebiac-Cance模式以及中尺度大气模式中验证了CNOP在预报时段内的发展要优于线性奇异向量这一事实,并将该方法成功应用于台风、ENSO等天气事件的目标观测问题的研究[105~108].由于CNOP方法在计算过程中会使用伴随模式,而当前的中尺度数值模式(如The Weather Research and Forecasting Model,WRF)的伴随模式还存在不足,影响台风敏感区的识别,因此许多研究[80~82,109~111]尝试发展不基于伴随模式的CNOP求解算法,这些工作的提出对于目标观测问题的研究有着重要的理论与实际应用意义. ...
Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics
1
1994
... 20世纪60年代,卡尔曼和布赛提出了一种线性滤波和预测理论,被称为卡尔曼滤波方法,最初被应用于控制系统工程领域.这种方法假设系统状态随时间线性演变,通过递推的方式利用观测量对预测量进行逐步修正,从而实现对系统真实运动状态的最优估计.但是对于复杂的非线性动力系统,求解预报误差协方差时对计算资源需求较大,因此卡尔曼滤波方法在天气数值预报的实际应用中不易实现.Evensen[112]提出了利用集合预报的样本协方差对误差协方差进行估计的想法,并在此基础上发展了集合卡尔曼滤波方法(Ensemble Kalman Filter, EnKF).EnKF方法克服了卡尔曼滤波方法仅局限于处理线性问题的弱点,而且不再需要伴随性模式. ...
Can an ensemble transform Kalman filter predict the reduction in forecast‐error variance produced by targeted observations
4
2001
... 在ET方法的基础上,Bishop等[79]和Majumdar等[113]进一步提出了集合变换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)的方法.ETKF方法同样不依赖于伴随模式,它通过逐个格点比较预报误差方差对观测资料的敏感性,得到预报误差方差减少的空间分布图,改进最为明显的区域为敏感区.NCEP在1999—2000年的冬季风暴监测计划应用到ETKF,在该方法识别的敏感区增加观测,使用同化手段后,使得美国大陆地区24~72小时的预报得到了改善[20,114].值得注意的是,这些早期应用集合方法的目标观测试验大多是基于分辨率较粗的集合预报模式实现的.随着计算水平的发展,对于那些高影响天气事件的集合模拟往往是通过高时空分辨率的模式来实现的.因此,在识别敏感区时,逐个格点计算敏感性的集合方法依然不可避免地会耗费一定的计算资源.Zhang等[115]基于ET方法提出了集合变换敏感性(Ensemble Transform Sensitivity,ETS)的方法,通过计算预报误差方差相对分析误差方差的梯度来快速识别敏感区,避免了逐个格点计算敏感性,大大节省了计算资源. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
... 基于集合的方法一般利用集合预报的误差协方差矩阵近似代替真实的背景误差协方差矩阵,因此对集合预报成员个数存在一定要求[126].质量好的集合预报要求所有成员的初始扰动在模式中的演变方向要尽可能发散,具有结构多样性的扰动向量空间可以保证预报集合能够尽可能包含大气中出现的所有情况[79].然而,在实际的目标观测应用中,集合成员个数往往要小于真实大气状态向量的长度,基于扰动集合估计得到的误差协方差矩阵一般是秩亏的,并不足够精确,因此对观测敏感区位置的识别可能存在一定影响[113]. ...
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
The properties of sensitive area predictions based on the Ensemble Transform Kalman Filter (ETKF)
2
2007
... 在ET方法的基础上,Bishop等[79]和Majumdar等[113]进一步提出了集合变换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)的方法.ETKF方法同样不依赖于伴随模式,它通过逐个格点比较预报误差方差对观测资料的敏感性,得到预报误差方差减少的空间分布图,改进最为明显的区域为敏感区.NCEP在1999—2000年的冬季风暴监测计划应用到ETKF,在该方法识别的敏感区增加观测,使用同化手段后,使得美国大陆地区24~72小时的预报得到了改善[20,114].值得注意的是,这些早期应用集合方法的目标观测试验大多是基于分辨率较粗的集合预报模式实现的.随着计算水平的发展,对于那些高影响天气事件的集合模拟往往是通过高时空分辨率的模式来实现的.因此,在识别敏感区时,逐个格点计算敏感性的集合方法依然不可避免地会耗费一定的计算资源.Zhang等[115]基于ET方法提出了集合变换敏感性(Ensemble Transform Sensitivity,ETS)的方法,通过计算预报误差方差相对分析误差方差的梯度来快速识别敏感区,避免了逐个格点计算敏感性,大大节省了计算资源. ...
... 在FASTEX外场试验计划里所有基于ET方法的敏感区研究中,70%个例的敏感区是基于美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)7个成员的集合预报来识别的,这些敏感区对于预报效果的改进程度要弱于基于ECMWF 20个成员的集合预报识别的敏感区,这说明在集合成员个数越多的情况下,利用ET方法识别得到的敏感区越准确[43].Petersen等[114]研究了集合成员个数对于观测敏感区位置的影响,发现成员个数分别为50、25、10和5时,利用ETKF方法识别得到的敏感区位置存在一定差异,利用25和50个成员的集合预报识别得到的敏感区中,约有25%的区域是不同的. ...
Ensemble transform sensitivity method for adaptive observations
1
2016
... 在ET方法的基础上,Bishop等[79]和Majumdar等[113]进一步提出了集合变换卡尔曼滤波(Ensemble Transform Kalman Filter,ETKF)的方法.ETKF方法同样不依赖于伴随模式,它通过逐个格点比较预报误差方差对观测资料的敏感性,得到预报误差方差减少的空间分布图,改进最为明显的区域为敏感区.NCEP在1999—2000年的冬季风暴监测计划应用到ETKF,在该方法识别的敏感区增加观测,使用同化手段后,使得美国大陆地区24~72小时的预报得到了改善[20,114].值得注意的是,这些早期应用集合方法的目标观测试验大多是基于分辨率较粗的集合预报模式实现的.随着计算水平的发展,对于那些高影响天气事件的集合模拟往往是通过高时空分辨率的模式来实现的.因此,在识别敏感区时,逐个格点计算敏感性的集合方法依然不可避免地会耗费一定的计算资源.Zhang等[115]基于ET方法提出了集合变换敏感性(Ensemble Transform Sensitivity,ETS)的方法,通过计算预报误差方差相对分析误差方差的梯度来快速识别敏感区,避免了逐个格点计算敏感性,大大节省了计算资源. ...
A study on wind and disturbance characteristics of landing typhoon "Vongfong" by using data of CLATEX
1
2004
... 我国也是受台风灾害影响较为频繁的国家,重点关注了对登陆台风的追踪观测,一系列陆基和移动观测设备被投入使用,如始于2002年的中国科技部社会公益研究专项“中国登陆台风观测试验(China Landfall Typhoon Experiment, CLATEX)”计划中,集成了自动气象站观测系统和大气边界层观测系统,综合运用风廓线仪、多普勒雷达、探空、超声风速仪、光学雨量计、铁塔和移动观测车等设备,在广东阳江海凌岛对登陆台风“黄蜂0214”进行了加密观测[116].截至2009年,我国首次实现了利用机载下投式探空仪对台风进行加密观测[38].近年来,随着气象观测装备技术的快速发展,一些能够代表当前气象观测水平的新装备、新技术,如微波辐射计、无人机和气象观测飞艇等,被尝试应用于台风观测,并取得了一定效果.2018年,中国气象局启动了高空大型无人机海洋综合气象观测试验——“海燕计划”,并于2020年8月通过无人机投放30枚探空仪,配合毫米波雷达,完成了对第3号台风“森拉克”外围云系的温、湿、压和水凝物廓线的观测任务.2020年10月,在针对第16号台风“浪卡”的台风观测试验中,综合运用多款无人机、无人飞艇、机载激光雷达、火箭弹、探空气球、有人飞机、移动观测车和卫星等平台完成对台风登陆过程中低空不同层次和距台风中心不同距离的温、压、湿秒级观测数据,并且首次成功实施了探空气球爆裂后投放下沉式探空仪的“二次探空”试验. ...
采用外场观测试验资料对登陆台风"黄蜂"的风场及湍流特征的观测研究
1
2004
... 我国也是受台风灾害影响较为频繁的国家,重点关注了对登陆台风的追踪观测,一系列陆基和移动观测设备被投入使用,如始于2002年的中国科技部社会公益研究专项“中国登陆台风观测试验(China Landfall Typhoon Experiment, CLATEX)”计划中,集成了自动气象站观测系统和大气边界层观测系统,综合运用风廓线仪、多普勒雷达、探空、超声风速仪、光学雨量计、铁塔和移动观测车等设备,在广东阳江海凌岛对登陆台风“黄蜂0214”进行了加密观测[116].截至2009年,我国首次实现了利用机载下投式探空仪对台风进行加密观测[38].近年来,随着气象观测装备技术的快速发展,一些能够代表当前气象观测水平的新装备、新技术,如微波辐射计、无人机和气象观测飞艇等,被尝试应用于台风观测,并取得了一定效果.2018年,中国气象局启动了高空大型无人机海洋综合气象观测试验——“海燕计划”,并于2020年8月通过无人机投放30枚探空仪,配合毫米波雷达,完成了对第3号台风“森拉克”外围云系的温、湿、压和水凝物廓线的观测任务.2020年10月,在针对第16号台风“浪卡”的台风观测试验中,综合运用多款无人机、无人飞艇、机载激光雷达、火箭弹、探空气球、有人飞机、移动观测车和卫星等平台完成对台风登陆过程中低空不同层次和距台风中心不同距离的温、压、湿秒级观测数据,并且首次成功实施了探空气球爆裂后投放下沉式探空仪的“二次探空”试验. ...
The THORPEX Observation Impact Intercomparison Experiment
1
2010
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
An update on THORPEX-related research in data assimilation and observing strategies
1
2008
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
The effect of targeted dropsonde observations during the 1999 Winter Storm Reconnaissance Program
1
2000
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
Potential vorticity diagnosis of the factors affecting the track of Typhoon Sinlaku (2008) and the impact from dropwindsonde data during T-PARC
1
2012
... 世界气象组织于2003年5月制定实施了一项为期10年的大气科学研究计划——THORPEX,以期提高1~14天高影响天气的预报精度.目标观测被认为是一个实现该目标的重要手段[40,117,118].至今为止,已经围绕冬季风暴、急流和热带气旋等天气系统展开了一系列的大型目标观测外场试验[17,42,46,63,119,120],如锋面与大西洋风暴试验(Fronts and Atlantic Storm-Track Experiment, FASTEX, 1997年)、北太平洋试验(North Pacific Experiment, NORPEX, 1998年)、冬季风暴监测试验(Winter Storm Reconnaissance, WSR, 1999—2000年),中国台湾附近地区的台风追风试验(Dropwindsonde Observation for Typhoon Surveillance near the Taiwan Region, DOTSTAR,2003—2005年)、THORPEX 太平洋—亚洲区域计划(T-PARC)等. ...
Development of the typhoon initialization in a mesoscale model—Combination of the bogused vortex with the dropwindsonde data in DOTSTAR
1
2008
... 从统计分析角度,前人开展了多样本台风的目标观测应用,如Chou等[17]应用DOTSTAR和T-PARC的投放式观测资料从统计角度评估了敏感区内的观测资料对于台湾海峡地区35个台风个例的路径预报技巧的影响.Chen等[24]应用DOTSTAR资料考察了台湾海峡地区20个台风个例时的情形.类似的研究还有Weissmann等[22]、Wu等[25]和Chou等[121]的工作.这些研究一致指出,目标观测手段对于台风路径预报技巧的改进具有显著作用,在同化了敏感区的非常规观测资料之后,大部分台风的路径预报误差改进率可达10%.前人的研究重点关注了移动式的目标观测手段对于台风数值预报效果的影响,验证了对台风进行目标观测,提升初始场准确性以提高台风预报技巧的可行性. ...
Comparing adjoint- and ensemble-sensitivity analysis with applications to observation targeting
1
2007
... 敏感区识别方法对于敏感区的大小、形状和位置等存在着不同程度的影响.Ancell等[122]在研究北美西海岸的冬季气旋时,发现基于不同方法得到的敏感区,在位置、范围大小上都存在着一定差异.Chen等[24]发现在MM5模式中利用CNOP方法识别得到的台风“Nida”(2004)的敏感区呈螺旋状分布在台风中心周围,而利用第一奇异向量(First Singular Vector, FSV)方法识别的敏感区被分割成了两部分,一部分位于台风中心西南,而另一部分向东偏离台风中心约5个经度.Qin等[123]的研究表明,在MM5模式中利用CNOP方法识别得到的台风“Mirinae”(2009)敏感区主要位于台风移动方向的右半象限,而利用奇异向量方法识别的敏感区主要位于台风移动方向的左后象限,存在明显不同.Zhou等[8]同样利用MM5模式比较了CNOP方法和FSV识别的台风敏感区之间的差别,他们发现CNOP和FSV对敏感区的影响取决于台风过程的非线性程度,在非线性较强的台风“Matsa”(2005)个例中,两种方法识别得到的敏感区差异较大,而在非线性较弱的台风“Meari”(2004)个例中,基于两种方法得到的敏感区差别较小. ...
Influence of conditional nonlinear optimal perturbations sensitivity on typhoon track forecasts
3
2012
... 敏感区识别方法对于敏感区的大小、形状和位置等存在着不同程度的影响.Ancell等[122]在研究北美西海岸的冬季气旋时,发现基于不同方法得到的敏感区,在位置、范围大小上都存在着一定差异.Chen等[24]发现在MM5模式中利用CNOP方法识别得到的台风“Nida”(2004)的敏感区呈螺旋状分布在台风中心周围,而利用第一奇异向量(First Singular Vector, FSV)方法识别的敏感区被分割成了两部分,一部分位于台风中心西南,而另一部分向东偏离台风中心约5个经度.Qin等[123]的研究表明,在MM5模式中利用CNOP方法识别得到的台风“Mirinae”(2009)敏感区主要位于台风移动方向的右半象限,而利用奇异向量方法识别的敏感区主要位于台风移动方向的左后象限,存在明显不同.Zhou等[8]同样利用MM5模式比较了CNOP方法和FSV识别的台风敏感区之间的差别,他们发现CNOP和FSV对敏感区的影响取决于台风过程的非线性程度,在非线性较强的台风“Matsa”(2005)个例中,两种方法识别得到的敏感区差异较大,而在非线性较弱的台风“Meari”(2004)个例中,基于两种方法得到的敏感区差别较小. ...
... 从前人的研究可知,造成这种差别的原因可能与识别方法的自身限制有关.早期经常被用于敏感区识别的奇异向量方法和ETKF方法都是建立在线性理论框架的基础上,均假设误差是线性增长的[107].但是在实际中,随着误差的增长,系统最终会进入非线性阶段,切线性近似不再成立,因此需要发展基于非线性误差增长理论的敏感区识别方法.为了对比非线性误差增长理论和线性误差增长理论在识别敏感区时的区别,Chen等[24]利用MM5模式通过观测系统试验(Observation System Experiments, OSEs)评估了2003—2005年DOTSTAR外场观测试验中的20个台风敏感区内的资料对于台风路径数值预报效果的平均影响,其研究发现在同化了利用CNOP方法识别的敏感区资料后,24小时台风路径预报误差平均改善了4.3%,而同化了利用奇异向量方法识别的敏感区资料后,平均改善为3.8%.Qin等[123]利用MM5模式通过观测系统模拟试验(Observation System Simulation Experiments, OSSEs)评估了2009年7个台风个例敏感区资料对于24~72 h台风路径数值预报的影响,发现在6个个例的结果中,同化了CNOP方法识别的敏感区内的资料后,预报改进百分率可达13%~46%,而利用SV方法的改进为14%~25%.这些研究表明在台风敏感区识别上,非线性理论方法相对于线性方法更具有优势. ...
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
A study on the reduction of forecast error variance by three adaptive observation approaches for tropical cyclone prediction
0
2011
Application of conditional non-linear optimal perturbations to tropical cyclone adaptive observation using the Weather Research Forecasting (WRF) model
1
2011
... 识别敏感区时,一般都需要先定义一个度量范数(又称引导性变量)来表征某种观测方案所代表的观测敏感程度.例如,Palmer等[68]利用SV方法开展观测敏感区研究时,分别选取了涡度拟能、总能量、动能和流函数变量作为度量范数,Buizza等[20]选取了总能量作为度量范数.穆穆等利用CNOP方法研究敏感区识别问题时选取了干能量作为度量范数[11,18,24,107,108,123~125].王斌等[80]选取了湿能量并利用快速求解CNOP算法开展了敏感区识别研究.Bishop等[78]在研究ET方法在目标观测中的应用时选取了经过数学变换后的涡度和流函数作为度量范数.Majumdar等[113]定义总能量为度量范数研究了ETKF方法在敏感区识别中应用的可行性. ...
Study on the ensemble transformation Kalman filter-based adaptive observation and applications
1
2008
... 基于集合的方法一般利用集合预报的误差协方差矩阵近似代替真实的背景误差协方差矩阵,因此对集合预报成员个数存在一定要求[126].质量好的集合预报要求所有成员的初始扰动在模式中的演变方向要尽可能发散,具有结构多样性的扰动向量空间可以保证预报集合能够尽可能包含大气中出现的所有情况[79].然而,在实际的目标观测应用中,集合成员个数往往要小于真实大气状态向量的长度,基于扰动集合估计得到的误差协方差矩阵一般是秩亏的,并不足够精确,因此对观测敏感区位置的识别可能存在一定影响[113]. ...
基于集合卡尔曼变换(ETKF)理论的适应性观测研究与应用
1
2008
... 基于集合的方法一般利用集合预报的误差协方差矩阵近似代替真实的背景误差协方差矩阵,因此对集合预报成员个数存在一定要求[126].质量好的集合预报要求所有成员的初始扰动在模式中的演变方向要尽可能发散,具有结构多样性的扰动向量空间可以保证预报集合能够尽可能包含大气中出现的所有情况[79].然而,在实际的目标观测应用中,集合成员个数往往要小于真实大气状态向量的长度,基于扰动集合估计得到的误差协方差矩阵一般是秩亏的,并不足够精确,因此对观测敏感区位置的识别可能存在一定影响[113]. ...
Ensemble forecasts of tropical cyclone track with orthogonal conditional nonlinear optimal perturbations
1
2019
... 此外,研究还表明初始集合扰动成员的方向对于集合预报质量具有重要的影响,如Feng等[96,97]基于非线性局部Lyapunov向量(Nonlinear Local Lyapunov Vectors, NLLVs)应用Lorenz63和Lorenz96的理论模型生成集合预报的试验发现,利用正交化后的NLLVs生成的集合预报的离散度与集合平均误差的一致性更好,优于繁殖向量方法(Bred Vectors,BVs)和蒙脱卡罗方法(Monte Caelo, MC).Huo等[127]基于CNOP方法应用于第五代中尺度模式(Mesoscale Model 5,MM5)模式生成集合预报的研究同样表明,利用正交化后的CNOPs生成的集合预报质量要明显优于利用正交化后的SVs、BVs和随机向量生成的集合预报,在采用CNOPs方法后,台风路径具有更好的预报效果.因此,初始集合扰动成员的方向可能通过影响集合预报质量,进而对基于集合方法识别得到的敏感区位置产生影响. ...
Tropical singular vectors computed with linearized diabatic physics
1
2001
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
Sensitivity of tropical cyclone forecasts as revealed by singular vectors
1
2006
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
Adaptive observations: idealized sampling strategies for improving numerical weather prediction
1
1998
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
Ensemble prediction of tropical cyclones using targeted diabatic singular vectors
1
2001
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
Stochastic representations of model uncertainties at ECMWF: state of the art and future vision
1
2017
... 模式误差对于目标观测应用存在一定的影响.Buizza等[20]发现奇异向量依赖于预报轨迹的准确性,预报的时效越长,奇异向量方法识别的敏感区越不准确.研究[34,128,129]显示模式的空间分辨率和切线性、伴随模式中包含的物理过程对台风的奇异向量结构都存在影响,说明不能忽略模式误差对于奇异向量方法的影响.Majumdar等[113]的研究表明,由于误差协方差矩阵的准确性依赖于集合预报的质量,所以基于集合方法识别得到的敏感区位置也会受到模式误差的影响.此外,前人的研究结果中,并不是所有研究个例的预报质量在同化了非常规资料后都得到了改善.Langland等[64]发现在同化非常规资料后,即便初始场误差得到了改善,但是对流层高层的预报技巧仍然变差.Morss[130]也指出,尽管目标观测使预报技巧变差的情况并不普遍,但是在某些情形下仍然存在这种风险.尤其对于台风强度预报,模式误差更是起到十分重要的作用[51,62,131,132].因此仅仅减小初值不确定性不一定能帮助改善台风预报技巧,需要关注模式误差对于目标观测的影响. ...
Non-linear forcing singular vector of a two-dimensional quasi-geostrophic model
1
2013
... Duan等[133]提出利用非线性强迫奇异向量(Nonlinear Forcing Singular Vector, NFSV)方法来刻画模式误差对于可预报性的非线性影响.利用一个二维的非线性准地转模型,他们对比了NFVS和线性强迫奇异向量(Linear Forcing Singular Vector, LFSV)刻画的模式误差模态对于预报误差的影响,发现由NFSV引起的预报误差要明显大于由LFSV引起的,说明考虑了非线性影响的NFSV能够刻画最优的模式误差分布模态.Qin等[51]将NFSV方法进一步应用到台风可预报性的研究当中.他们的工作表明不仅仅在初值问题里存在敏感区,在模式误差里也存在敏感区的问题.这打破了传统台风目标观测研究大多只考虑改进初始场的界限,将目标观测研究拓展到了模式误差领域,即模式误差也可以通过目标观测方法进行改善. ...
Review and prospect on the predictability study of the atmosphere
1
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...
大气可预报性研究的回顾与展望
1
... 此外,李建平研究团队[84,85,89,90,94,134]提出了非线性局部Lyapunov指数(Nonlinear Local Lyapunov Exponent, NLLE)方法,利用该指数,他们将局部动力相似(Local Dynamical Analog, LDA)方法应用于观测资料,结合大气的动力学特征,分别研究了大气中不同变量场天气可预报性和气候可预报性的时空分布,天气可预报性的年代际变化,以及海温可预报性的时空分布等问题[86~88,91~95],并利用理论模型探讨了NLLE方法应用观测资料进行目标观测研究的可行性[13].这种方法用于识别敏感区的核心思想是:在n维相空间中,不同位置上的初始状态对于初始误差的敏感性存在差异,根据初始误差相对增长率的大小可以将相空间内存在的初始状态分为敏感的和非敏感的两类.对于敏感的初始状态,即使对其叠加的初始误差是无穷小的,其误差也能达到快速增长,而对于非敏感的初始状态,即使对其叠加较大的初始误差,其误差相对增长率仍然很小.因此,对于目标观测研究中所要寻找的敏感区,实际上就是初始场里分析误差增长较快的敏感初始状态所在的区域.该方法的提出也为研究模型误差对于目标观测研究的影响提供了一个新的思路. ...