基于多尺度混合滤波的GRAPES3Dvar及其在实际暴雨预报中的应用分析

为提高暴雨的数值模拟和预报效果,在生成初值的同化分析中保证中小尺度信息的引入十分重要。为改善GRAPES(Global/Regional Assimilation and Prediction System)区域三维变分同化系统对中小尺度信息的引入,本文利用气候态背景误差样本估计变量误差的水平协相关尺度,进而利用三个不同水平特征尺度的递归滤波器对统计结果予以拟合,以替代原有单一尺度的递归滤波方案。利用新方案对2015年6月1—2日江汉平原的暴雨过程进行同化和预报,研究结果表明:新方案的功率谱衰减较慢,通过单点试验和分析场分析发现,新同化方案引入了更多的α中尺度信息;在暴雨个例的预报中发现,利用新同化方案后湿度场、散度场和涡度场在分析场和预报场中更加接近实际情况,降水预报技巧明显提高。通过能量谱分析发现,新方案与原方案相比反映出更多的α中尺度信息;新方案对江汉平原地区暴雨预报具有正效果,在α中尺度内出现了低层辐合、高层辐散及湿度增加等有利于降水的要素。在暴雨个例的基础上,本文进行16d的批量试验,结果显示新方案对降水的预报技巧明显提高,与个例结果一致。