对流尺度集合预报随机参数化扰动关键技术研究

Most SPP methods used in ensemble prediction (EP) system do not comprehensively consider the prediction uncertainties of the intense convective-elements (ICEs) such as cold pool intensity, latent heating, and vertical motion. Meanwhile, these methods are not effectively integrated with ensemble-based data assimilation (EnDA) system. Our project will study the impacts of stochastically perturbing the key parameters and tendencies of parameterizations of sub-grid turbulence and microphysics, analyze the physical relationship between ICEs and parameters of SPP method, which include the perturbation phases, the variance, and the spatiotemporal scale, and discuss the optimal combination of perturbation parameters in the presence of perturbing several parameterizations; then, a new SPP method will be designed to represent above uncertainties. Using this new method, the project will study the influence of spatiotemporal structure of stochastic perturbation on the structure of forecast error covariance of EnDA system, and design new observation operators that are compatible with the new SPP mehod; then, a further optimized SPP method that can harmoniously work with EnDA will be constructed. Through this project, the physical relationship between ICEs and SPP perturbations will be revealed; a combination of EnDA and SPP method that can reasonably represent the uncertainties of ICEs with horizontal resolution of approximately 1 km will be built. This project will substantially improve the EP performance in China.

在已有集合预报（EP）系统中，大多数随机参数化扰动(SPP)方法未考虑强对流关键要素（ICEs）预报的不确定性，同时也未有效地与集合资料同化(EnDA)系统进行整合。项目将研究次网格湍流参数化与微物理参数化方案的参数扰动和时间倾向扰动对ICEs预报不确定性的影响，分析强对流关键要素与SPP扰动的位相、方差和时空尺度等参数的物理联系，讨论不同参数和倾向的最优扰动配置组合，构建能够反映相关要素不确定性的SPP方案。同时，基于这一SPP方案，项目将研究SPP扰动的时空结构对EnDA系统的预报误差协方差的影响，设计与SPP扰动相适应的EnDA观测算子,优化SPP方案，使其与EnDA方法相协调的，可用于同化循环。通过项目研究揭示SPP扰动与ICEs预报的不确定性之间的物理联系，构建出一个可用于公里级别水平分辨率的，EnDA与SPP相互协调的EP系统，以期提高我国目前的强对流天气EP水平。

如何有效表征强对流天气数值预报的不确定已成为对流尺度集合预报面对的主要问题。已有研究普遍忽略了不同物理过程、动力过程的误差特征差异，而所有模式过程统一扰动的方式使得集合预报系统对强对流预报误差的估计往往缺乏代表性。项目针对影响强对流天气预报的关键模式过程开展研究，分析各个物理和动力过程的误差特征，构建符合这些模式过程误差分布的扰动方案，并发展反映中尺度环境不确定性的扰动方法和反映误差多尺度特征的集合同化方法，以期加深对对流尺度集合预报的理解，提高灾害性天气的集合预报水平。.项目构建了一个包括模式耗散项、平流项、微物理过程倾向、截断参数、粒子下落末速度、和积云参数化过程的多尺度、多过程联合扰动方案，并创造性提出了扰动垂直局地化和考虑系统性偏差的样本重采样方法。该方案能够对上述过程扰动以不同的时空相关尺度和扰动区间进行任意组合，以反映不同强对流天气的预报误差特征。通过对包括超级单体、飑线和其他类型的线状对流等多种类型强对流天气个例的数值模拟，项目确认了上述联合扰动方案对集合预报评分技巧的改进能力，并揭示了不同模式过程的误差特征以及不同扰动位相对强对流要素预报的影响机制和物理意义。此外，项目还发展了能够表征中尺度不稳定条件不确定的具有垂直相关结构的环境廓线扰动方案，该方案在数值实验中能够有效增加集合成员的多样性，提高概率预报的可靠性。为了增加集合初值的代表性，项目研发了一个能够考虑集合样本多尺度特征的局地集合同化方案。通过对样本的尺度分离和分尺度局地化，局地同化方案有效减小了小尺度的误差和离散度空间分布代表性，提升了集合预报的质量。.综上，项目预定的研究目标基本完成，并根据研究进展增加了部分模式过程与初值扰动研究，初步形成了一套能够表征对流尺度预报误差特征的集合预报系统。部分成果已经发表，为推动对流尺度集合预报发展提供了有益的参考。

内容获取失败，请点击重试