The radar data assimilation is practical for enhancingthe accuracy of numerical weather prediction in precipitation， yet few systems have correct and practical results.This research used a Space and Time Multiscale Analysis System （STMAS） in assimilating radar radical velocity and reflectivity factor， to compare with the previous Local Analysis and Prediction System （LAPS） results in the initial wind field， water vapor condition， weather prediction， precipitation， and radar reflection.The case study in the Mei-Yu event， in Wuhan on 5 July 2016， showed that the STMAS method provides a better initial condition in the wind field， water vapor condition and hence improved precipitation prediction.First， when assimilating the radar radical wind velocity， STMAS added the continuity equation as a strong constraint， which significantly improves the dynamic field in the initial condition.Second of all， STMAS saturated the water vapor when assimilating the radar reflection higher than the threshold， which provided more water vapor to the initial condition.This process can increase the instability， and trigger the convection.The last and the most important part is that， since the STMAS method helped to improve the initial condition， the patterns of the high altitude in the forecast is more realistic， which lower the bias of the prediction of precipitation in location and strength， especially in the prediction of the strong event which is larger than 100 mm.
Juxiang PENG
,
Yuanfu XIE
,
Zhaoping KANG
,
Hongli LI
. Application of an Improved Radar Data Assimilation Scheme in Heavy Rain Forecast in Meiyu Period[J]. Plateau Meteorology, 2020
, 39(5)
: 1007
-1022
.
DOI: 10.7522/j.issn.1000-0534.2019.00091
[1]Albers， Steven C， 1995.The LAPS wind analysis［J］.Weather and Forecasting， 10（2）： 342-352.DOI： 10.1175/1520-0434（1995）010<0342： tlwa>2.0.co； 2.
[2]Albers S C， McGinley J A， Birkenheuer D L， al et， 1996.The Local Analysis and Prediction System （LAPS）： Analyses of clouds precipitation and temperature［J］.Weather and Forecasting， 11（3）： 273-287.DOI： 10.1175/1520-0434（1996）0112.0.CO； 2.
[3]Gao J， Xue M， Brewster K， al et， 2004.A three-dimensional variational data analysis method with recursive filter for doppler radars［J］.Journal of Atmospheric and Oceanic Technology， 21（3）： 457-469.DOI： 10.1175/1520-0426（2004）021<0457： ATVDAM>2.0.CO； 2.
[4]Ge G， Gao J， Xue M， 2012.Diagnostic pressure equation as a weak constraint in a storm-scale three-dimensional variational radar data assimilation system［J］.Journal of Atmospheric and Oceanic Technology， 29（8）： 1075-1092.DOI： 10.1175/JTECH-D-11-00201.1.
[5]Hu M， Xue M， Brewster K， 2006.3DVAR and cloud analysis with WSR-88D Level-II Data for the prediction of the fort worth， texas， tornadic thunderstorms.Part I： Cloud analysis and its impact［J］.Monthly Weather Review， 134（2）： 699-721.DOI： 10. 1175/MWR3092.1.
[6]Jian G J， Shieh S L， McGinley J A， 2003.Precipitation simulation associated with typhoon Sinlaku （2002） in Taiwan Area using the LAPS diabatic initialization for MM5［J］.Terrestrial Atmospheric & Oceanic Sciences， 14（3）： 261-288.DOI： 10.1046/j.1435-6935.2003.00073.x.
[7]Li W， Xie Y F， Deng S M， al et， 2010.Application of the multigrid method to the two-dimensional doppler radar radialvelocity data assimilation［J］.Journal of Atmospheric and Oceanic Technology， 27（2）： 319-332.DOI： 10.1175/2009jtecha1271.1.
[8]Li W， Xie Y F， He Z J， al et， 2008.Application of the multigrid method to the China seas' temperature forecast［J］.Journal of Atmospheric and Oceanic Technology， 25（11）： 2106-2116.
[9]Liu R X， Xie Y F， Liu J， al et， 2017.A preliminary study on the 3DVAR assimilation of the AMSU-A data in space-time multiscale analysis system ［J］.Journal of Tropical Meteorology， 23（3）： 80-88.DOI： CNKI： SUN： RQXB.0.2017-03-008.
[10]Liu Y， Warner T T， Bowers J F， al et， 2008.The operational mesogamma-scale analysis and forecast system of the U.S.army test and evaluation command.Part I： Overview of the modeling system， the forecast products， and how the products are used［J］.Journal of Applied Meteorology and Climatology， 47（4）： 1077-1092.DOI： 10.1175/2007JAMC1653.1.
[11]Rihan F A， Collier C G， 2010.A basis for improving numerical forecasting in the Gulf Area by assimilating doppler radar radial winds［J］.International Journal of Geosciences， 1： 70-78.DOI： 10.4236/ijg.2010.12010.
[12]Sun J Z， 2005.Convective-scale assimilation of radar data： Progress and challenges［J］.Quarterly Journal of the Royal Meterological Society， 131（613）： 3439-3463.DOI： 10.1256/qj.05.149.
[13]Tong M， Xue M， 2008.Simultaneous estimation of microphysical parameters and atmospheric state with simulated radar data and ensemble square root kalman filter.part II： Parameter estimation experiments［J］.Monthly Weather Review， 136（5）： 1649-1668.DOI： 10.1175/2007MWR2071.1.
[14]Wang H， Sun J， Fan S， al et， 2013a.Indirect assimilation of radar reflectivity with WRF 3D-Var and its impact on prediction of four summertime convective events［J］.Journal of Applied Meteorology and Climatology， 52（4）： 889-902.DOI： 10.1175/JAMC-D-12-0120.1.
[15]Wang H， Sun J， Zhang X， al et， 2013b.Radar data assimilation with WRF 4D-Var.Part I： System development and preliminary testing［J］.Monthly Weather Review， 141（7）： 2224-2244.DOI： 10.1175/MWR-D-12-00168.1.
[16]Wang X， Snyder C， Hamill T M， 2007.On the theoretical equivalence of differently proposed ensemble-3DVAR hybrid analysis schemes［J］.Monthly Weather Review， 135（1）： 222-227.DOI： 10.1175/mwr3282.1.
[17]Xie Y， MacDonald， 2010.Selection of momentum variables for a three dimensional variational analysis［J］.Pure and Applied Geophysics， 169（2012）： 335-351.DOI 10.1007/s00024-011-0374-3.
[18]Xie Y， Koch S， McGinley J， al et， 2005.A sequential variational analysis approach for mesoscale data assimilation［C］//21st Conference on Weather Analysis and Forecasting/17th Conference on Numerical Weather Prediction， Washington D.C.， Amer Meteor Soc， 15B.7.
[19]Xie Y， Koch S， McGinley J， al et， 2011.A space-time multiscale analysis system： A sequential variational analysis approach［J］.Monthly Weather Review， 139（4）： 1224-1240.DOI： 10. 1175/2010MWR3338.1.
[20]Zhang M， Zhang F， 2012.E4DVar： Coupling an ensemble kalman filter with four-dimensional variational data assimilation in a limited-area weather prediction model［J］.Monthly Weather Review， 140（2）： 587-600.DOI： 10.1175/MWR-D-11-00023.1.
[21]李红莉， 崔春光， 王志斌， 等， 2009.中尺度分析系统LAPS应用雷达资料的个例研究［J］.高原气象， 28（6）： 1443-1452.
[22]李红莉， 万蓉， 谢有才， 2010.利用LAPS系统同化地基GPS水汽资料的应用研究［J］.热带气象学报， 26（6）： 702-709.DOI： 10. 3969/j.issn.1004-4965.2010.06.008.
[23]刘红亚， 薛纪善， 顾建峰， 等， 2010.三维变分同化雷达资料暴雨个例试验［J］.气象学报， 68（6）： 779-789.DOI： 10.11676/qxxb2010. 074.
[24]刘瑞霞， 陈洪滨， 师春香， 等， 2011.多源观测数据在LAPS三维云量场分析中的应用［J］.应用气象学报， 22（1）： 123-128.DOI： 10.11898/1001-7313.20110113.
[25]刘淑媛， 王奇， 刘海霞， 等， 2013.STMAS中雷达反射率数据三维变分同化方案［J］.解放军理工大学学报（自然科学版）， 14（3）： 337-343.DOI： 10.3969/j.issn.1009-3443.2012.04.191.
[26]慕熙昱， 徐琪， 潘玉洁， 等， 2019.雷达径向速度资料同化中不同坐标转换方案的对比试验［J］.高原气象， 38（3）： 625-635.DOI： 10.7522/j.issn.1000-0534.2019.00012.
[27]邱学兴， 王东勇， 江杨， 2014.LAPS系统中两种资料融合方法对台风“海葵”的预报对比分析［J］.暴雨灾害， 33（1）： 41-49.DOI： 10.3969/j.issn.1004-9045.2014.01.006.
[28]孙娟珍， 陈明轩， 范水勇， 2016.雷达资料同化方法： 回顾与前瞻［J］.气象科技进展， 6（3）： 17-27.DOI： 10.3969/j.issn.2095-1973.2016.03.002.
[29]吴涛， 万玉发， 沃伟锋， 2013.SWAN系统中雷达反射率因子质量控制算法及其应用［J］.气象科技， 41（5）： 809-817.DOI： 10. 19517/j.1671-6345.2013.05.004.
[30]肖艳姣， 万玉发， 王志斌， 2016.多普勒天气雷达双PRF 径向速度资料质量控制［J］.高原气象， 35（4）： 1112-1122.DOI： 10. 7522/j.issn.1000-0534.2015.00039.
[31]许建玉， 2018.鄂东暖区暴雨个例的高分辨率模拟对边界层方案的敏感性［J］.高原气象， 37（5）： 174-185.DOI： 10.7522/j.issn. 1000-0534.2018.00003.
[32]张晶， 顾松山， 楚志刚， 等， 2014.LAPS同化GPS/PWV资料在暴雨预报中的应用研究［J］.气象， 40（1）： 76-85.DOI： 10.7519/j.issn.1000-0526.2014.01.009.
[33]张兰， 徐道生， 胡东明， 等， 2019.雷达反演资料的Nudging同化对华南暴雨过程短临预报的影响［J］.高原气象， 38（6）： 1208-1220.DOI： 10.7522/j.issn.1000-0534.2018.00147.
[34]张林， 倪允琪， 2006.雷达径向风资料的四维变分同化试验［J］.大气科学， 30（3）： 433-440.DOI： 10.3878/j.issn.1006-9895. 2006.03.07.
[35]张涛， 苗春生， 王新， 2014.LAPS与STMAS地面气温融合效果对比试验［J］.高原气象， 33（3）： 743-752.DOI： 10.7522/j.issn. 1000-0534.2013.00046.
[36]周后福， 郭品文， 翟菁， 等， 2010.LAPS分析场资料在暴雨中尺度分析中的应用［J］.高原气象， 29（2）： 461-470.
[37]朱磊， 万齐林， 刘靓珂， 等， 2017.雷达径向风资料EnKF同化应用对Vicente（2012）登陆台风强度变化过程预报的影响试验研究［J］.热带气象学报， 33（3）： 345-356.DOI： 10.16032/j.issn. 1004-4965.2017.03.006.
