分享自:

相控阵天气雷达30秒更新数值天气预报相对于业务临近预报的对流降水系统优势

期刊:Geophysical Research LettersDOI:10.1029/2021GL096927

本文属于类型a,即单项原创研究的学术论文。以下是根据该文档内容撰写的学术报告。


本研究由T. Honda(现任北海道大学理学部)、A. Amemiya、S. Otsuka、J. Taylor、Y. Maejima、S. Nishizawa、T. Yamaura、K. Sueki、H. Tomita以及T. Miyoshi等人共同完成,主要隶属于日本理化学研究所计算科学研究中心(RIKEN Center for Computational Science),部分作者同时隶属于理化学研究所开拓研究本部(RIKEN Cluster for Pioneering Research)及神户大学等机构。论文发表于《Geophysical Research Letters》第49卷,于2021年11月18日收稿,2022年4月15日接受,文章编号为e2021GL096927,DOI为10.1029/2021GL096927。该研究以“Advantage of 30-s-updating numerical weather prediction with a phased-array weather radar over operational nowcast for a convective precipitation system”为题,系统评估了一种基于相控阵天气雷达的每30秒更新一次数值天气预报系统相对于业务化临近预报系统的优势。

研究的学术背景属于中尺度气象学与资料同化领域。夏季对流性降水系统常常在极短时间内造成突发性强降水,严重影响人类活动,但其快速演变过程对预报能力构成巨大挑战。相控阵天气雷达(phased-array weather radar, PAWR)具备高时空分辨率的三维观测能力,日本近年来发展的多参数相控阵天气雷达(MP-PAWR)能以100个仰角完成三维体积扫描,其速度远快于传统抛物面天线雷达,适用于捕捉快速演变的对流系统。传统上,临近预报(nowcasting)利用雷达图像的运动矢量进行外推,其更新频率虽高于数值天气预报(numerical weather prediction, NWP),但缺乏基于物理的预报能力,难以预测对流单体的生成与发展。另一方面,已有研究表明将PAWR观测同化进入NWP可改善预报,但此前尚无研究系统性地探索以每30秒频率更新预报的NWP系统相对于业务临近预报的优势。因此,本研究旨在通过一个具有代表性的对流降水个例,评估该新型NWP系统在预报快速生成对流云方面的性能,并与日本气象厅(Japan Meteorological Agency, JMA)高分辨率临近预报系统进行直接对比。

研究采用的数据同化系统为SCALE-LETKF,该系统基于区域大气模式SCALE(Scalable Computing for Advanced Library and Environment)与局地集合变换卡尔曼滤波(Local Ensemble Transform Kalman Filter, LETKF)构建。SCALE-LETKF系统设置了四层嵌套计算区域,水平格距分别为18 km、6 km、1.5 km和500 m。最内层500 m网格域位于东京附近,覆盖MP-PAWR约60 km的观测范围。本研究仅关注最内层500 m网格域的同化与预报性能。该最内层域使用单参数微物理方案、单层城市冠层模式、Beljaars型总体表面通量模式、MSTRN X辐射传输方案以及Smagorinsky型次网格方案,侧边界条件来自1.5 km外层域。集合成员数为50。MP-PAWR的雷达反射率和多普勒速度观测被同化进入最内层域,采用松弛到先验扩展(relaxation to prior spread)方法,系数为0.95。由于集合成员数量有限,每次同化时每个格点的观测数量被限制为总计200个,其中雷达反射率100个、多普勒速度100个。局地化尺度的标准差在水平和垂直方向均设为2 km,对应的截断半径约为7.3 km。同化中还采用了间隔为4的稀疏化方法。SCALE-LETKF系统每30秒从分析集合平均出发启动一次30分钟预报,预报量为最内层域的三维雷达反射率。预报的雷达反射率与观测反射率均通过MP-PAWR的Z-R关系转换为降雨强度。对照的JMA高分辨率临近预报系统主要使用JMA C波段雷达和国土交通省XRAIN的X波段多参数雷达观测,其基本方法是对观测到的降水系统进行时间外推,但同时也考虑三维运动、演变和降水系统的新生。JMA临近预报每5分钟更新一次,在陆地上提供250 m网格的二维降雨强度产品,预报时效为30分钟,之后分辨率降至1 km。

研究选取的个例为2019年8月24日发生在东京都地区的强降水事件。当天午夜前后,MP-PAWR北侧出现了一条带状对流系统。在协调世界时(UTC)15:25:00至15:30:00之间,MP-PAWR观测到在带状对流系统附近形成了一个小型对流单体。该新生单体在10分钟内迅速发展,并与原有带状对流系统合并。本研究重点评估对该小型对流单体的预报能力。SCALE-LETKF系统从15:00:00 UTC开始同化MP-PAWR观测,并在整个事件过程中保持每30秒更新一次30分钟预报。

研究结果首先通过水平降雨强度分布图进行展示。以15:30:00 UTC为起报时刻,SCALE-LETKF预报成功预测了小型对流单体的发展演变,而JMA临近预报未能预测该单体的发展,尽管其能够预测单体向东移动的趋势。由于JMA临近预报主要使用C波段雷达,而MP-PAWR为X波段雷达,两者的Z-R关系和衰减特性不同,因此研究没有直接进行定量比较,而是重点比较各产品在15:30:00 UTC之后的演变趋势。在MP-PAWR观测中,小型对流单体最大降雨强度快速增加。SCALE-LETKF系统以15:25:00 UTC起报的预报已经能够在一定程度上预测最大降雨强度的增长。相比之下,JMA临近预报在15:25:00 UTC起报时由于在该区域未观测到降水,因此预测维持无降水状态。值得注意的是,在JMA临近预报尚未更新至15:30:00 UTC的5分钟内,SCALE-LETKF预报已经更新了10次。随着MP-PAWR观测每30秒被同化,SCALE-LETKF预报的精度持续提高。这一结果清晰体现了快速更新NWP系统相比使用传统雷达的业务临近预报在预测对流单体生成发展方面的优势。

在垂直结构方面,MP-PAWR观测显示小型对流单体在15:30:00 UTC时具有超过4 km高度的反射率核心,该核心在5分钟内下沉并加强。以北的较大降水系统具有较浅的回波顶。SCALE-LETKF系统成功预测了小型对流单体的垂直结构。由于同化了MP-PAWR观测,系统在15:30:00 UTC的分析场与观测几乎一致。以该时刻起报的预报成功预测了反射率核心的下沉运动及其增强,尽管强度略弱于观测。相比之下,以15:25:00 UTC起报的SCALE-LETKF预报在雷达反射率和垂直速度方面均未能预测小型对流单体的发展。这说明同化15:25:00至15:30:00 UTC期间MP-PAWR观测对预测该单体的发展起到了关键作用。

进一步的分析增量诊断显示,同化MP-PAWR观测直接增加了小型对流单体区域的水凝物含量,尤其是在4 km高度以上。在水凝物增加的区域,上升气流也得到增强。此外,同化还增加了水汽含量,尤其是在1 km以下高度和4 km高度附近。尽管雷达反射率与水汽含量之间没有直接关系,但不同变量之间的交叉相关有助于分析有利于对流发展的近地面湿润环境。动力学和湿度变量的分析增量共同促进了对流单体发展的预报。随着MP-PAWR观测每30秒被同化,分析后的最大上升气流强度、液态和冰态水路径之和以及可降水量均逐步增加,最终使得预报能够再现小型对流单体的发展过程。

研究的结论指出,雷达观测在捕捉降水系统演变中起重要作用。PAWR每30秒提供密集的三维观测,使得SCALE-LETKF系统能够以每30秒的间隔更新30分钟预报。该更新间隔显著短于JMA业务临近预报的5分钟更新间隔。本研究通过2019年夏季的一次典型对流降水事件表明,SCALE-LETKF系统成功预测了小型对流单体的快速生成与发展,而JMA临近预报主要依赖简单的回波跟踪方法,只能预测单体的平流而无法预测其强度变化。SCALE-LETKF系统基于物理的NWP模式,因而能够预测对流单体的快速发展。此外,每30秒更新预报使得系统能够在更早阶段捕捉到对流单体发展的信号。如果预报更新频率降低或缺少每30秒的MP-PAWR观测,则可能无法在早期预测该单体发展。同化产生的分析增量增强了对流单体的发展,并持续改善了预报精度。

本研究的科学价值在于首次通过直接对比,定量展示了以PAWR观测为基础的快速更新NWP系统相对于业务临近预报在预测快速生成对流单体方面的优势。该研究为今后对流尺度资料同化与临近预报的结合提供了重要参考,同时也为高影响天气的短时预报提供了新的技术路径。研究的突出亮点包括:首次系统评估了每30秒更新一次的NWP系统相对于业务临近预报的优势;揭示了快速同化PAWR观测对预报快速生成对流单体的关键作用;并通过分析增量诊断阐明了动力场和湿度场调整对预报改善的贡献。研究也指出了一些局限性,例如500 m水平格距可能不足以分辨深对流内部结构,未来应进一步研究亚公里尺度模式与更复杂微物理方案的应用;此外,需要更多个例来验证该系统的普适性,并考虑将该方法与基于PAWR的先进临近预报以及概率预报技术相结合。数据可通过Zenodo平台公开获取,PAWR数据亦向公众开放。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com