2018, Vol. 37
数值预报已经成为业务天气预报的重要基础, 并在气候预测、模拟研究中发挥了不可替代的作用。由于模式初值的正确性对数值预报有决定性的影响, 因而通过同化高分辨率、高质量的观测资料提高模式初值精度就显得非常重要。长期以来, 数值预报的基本观测资料来源于全球探空与地面气象观测网, 其观测范围主要局限于人类活动的区域, 因而限制了数值预报质量的提高(薛纪善, 2007;陈静等, 2005;李娅等, 2018)。随着全球气象卫星的发展, 气象卫星云导风资料逐渐成为数值天气预报中使用效果较好的非常规观测资料之一, 能有效解决常规观测信息不足的问题, 为数值预报提供大量有用的观测资料(许建民等, 1997, 2006;毕宝贵等, 2004;任素玲等, 2014)。Tomassini et al(1999)指出同化云导风资料对ECMWF模式初始风场有所改进, 对于热带和南半球的预报效果改善明显。周兵等(2002)针对暴雨强降水过程进行云导风资料同化试验研究, 结果表明云导风资料的使用可以改善高空风场, 提高降水预报质量。庄照荣等(2004)和王栋梁等(2005)分别利用GRAPES-3DVAR系统和中尺度模式MM5四维变分同化系统来同化GMS-5卫星云导风资料, 指出云导风资料可以改善模式分析场及预报场, 并可以更准确的预报热带气旋的路径和降水。何芬等(2007)利用伴随模式研究表明同化云导风资料比仅使用常规资料更能有效的修正模式地形高度, 从而改善模式预报结果。Baker et al (2012)的研究也反映出同化云导风资料对美国海军全球数值模式预报有显著的改进效果。
随着数值预报模式的不断发展, 对云导风资料的精度和时效也有了更高要求。国内外针对高密度、高频次的云导风资料在数值模式中的同化应用进行了较为广泛的探讨:冯文等(2008)指出同化逐时FY-2C云导风资料可以提高风场分析质量, 改进暴雨落区及强度预报。Yoshiaki et al(2004)基于日本中尺度数值模式(JMA Meso-Scale Model)开展观测系统试验, 结果表明同化逐时高密度云导风资料能改善中尺度模式降水预报效果; Le et al(2013)也指出同化MTSAT-1R(Multifunctional Transport Satellite-1R)、MTSAT-2 IR(Multifunctional Transport Satellite-2 1R)逐小时云导风资料对澳大利亚区域模式预报有一定的改进; Berger et al(2011)和Wu et al(2014)的研究也反映出相较于常规云导风资料, 同化逐小时云导风资料可以改进台风路径和强度预报效果。
2014年, 国家卫星气象中心对风云二号气象卫星云导风从反演算法做了全面的调整和改进, 基于GRAPES数值模式对改进算法后的FY-2E红外通道云导风资料进行评估表明, 改进算法后的FY-2E红外通道云导风对GRAPES数值模式同化和预报均有一定改善(万晓敏等, 2017)。然而, 新算法高频次的风云二号卫星云导风资料质量如何, 对数值模式初始场有什么影响, 降水预报是否有改善？基于这些问题, 本文对加密风云气象卫星云导风质量进行评估, 并利用GRAPES区域模式开展数值试验, 探讨其对GRAPES区域模式同化分析和降水预报的影响, 从而为业务应用提供有价值的参考依据。
2 资料介绍目前, 由静止气象卫星风云二号组成的双星业务系统对我国和周边地区的天气系统进行有效监视:在非汛期, FY-2G卫星整点进行全圆盘观测, 4个半点时次(17:30, 23:30, 05:30, 11:30, 世界时, 下同)为全圆盘测风观测, 一天可以获取28幅全圆盘图。根据汛期气象服务需求, 国家卫星气象中心于每年6月开展汛期加密观测, FY-2G卫星在进行一天28张全圆盘观测的基础上增加了20次北半球观测, 因此加密FY-2G云导风资料主要为北半球加密观测(杨军, 2008;许建民等, 2010;惠雯等, 2016)。采用国家卫星气象中心提供的2016年7月红外和水汽通道加密FY-2G云导风资料, 资料时间间隔为30 min; 并选取同期业务使用的FY-2G云导风资料进行对比, 资料的时间间隔为6 h(00:00, 06:00, 12:00和18:00)。统计分析中, 垂直方向上分为三层:低层为1 000~700 hPa, 中层为700~400 hPa, 高层为400~100 hPa。文中涉及的地图是基于国家基础地理信息网站公布的我国省界shapefiles文件制作。
从观测数和分布情况来看, 相较于业务使用的FY-2G云导风资料, 由于增加了北半球观测, 这样在时间和空间上的加密使得FY-2G云导风资料数量增加, 覆盖范围更广。以2016年7月2日00:00红外通道云导风资料为例, 加密FY-2G红外通道云导风资料观测数为129 519份, 明显多于业务使用的FY-2G红外通道云导风资料观测数。
国际上普遍采用云导风的质量标识码QI(Quality Indicator)作为衡量其质量好坏的依据, 取值范围0~100, QI值越大, 其可信度越高(Velden et al, 1998)。将加密FY-2G云导风资料观测数依据QI≥80, 70≤QI < 80, 50≤QI < 70及0≤QI < 50分别进行统计。在统计时, 以资料正点为基准, 前后3 h同化窗内进行数据截断。以红外通道云导风资料为例, QI≥80的观测占总体观测的84%, 反映出质量标识对FY-2G通道云导风的质量是有一定指示意义的(图 1)。从图 2不同高度观测数分布可见, 加密FY-2G红外通道云导风资料在高层(400~100 hPa)观测数最多, 中低层次之。
|
图 1 2016年7月加密FY-2G红外通道云导风资料在不同QI的观测数时间序列分布 Figure 1 Variation tendency of the number of intensive FY-2G IR AMVs for different QI in July 2016 |
|
图 2 2016年7月加密FY-2G红外通道云导风资料在不同高度的观测数时间序列分布 Figure 2 Variation tendency of the number of intensive FY-2G IR AMVs at different level in July 2016 |
选用美国国家环境预报中心的FNL全球分析资料(Final Operational Global Analysis)作为评估的参考场, 其空间分辨率为1°×1°, 时间间隔为6 h。根据不同QI范围(QI≥80, 70≤QI < 80, 50≤QI < 70及0≤QI < 50), 分通道统计了加密FY-2G云导风与业务使用的FY-2G云导风资料的偏差和均方根误差情况, 其中0≤QI < 50样本数过少, 在这里不做分析。
3.1 加密FY-2G红外通道云导风误差分布对比不同QI范围下的偏差和均方根误差垂直分布可以看出, 加密FY-2G红外通道云导风资料在对流层中层表现为负偏差, 偏差和均方根误差在600~500 hPa最大; QI≥80的云导风资料质量最好, 300 hPa以上偏差接近0 m·s-1, 相较于其他两个QI阈值, 其偏差和均方根误差最小(图 3)。
|
图 3 2016年7月不同QI范围内加密FY-2G红外通道云导风U分量与FNL资料的偏差和均方根误差(a)及对应观测数(b)的垂直分布 Figure 3 U wind bias and RMSE (a) and the number of intensive FY-2G IR AMVs (b) for different QI in July 2016 |
通过加密FY-2G红外通道云导风的均方根误差在不同高度随时间的变化(图 4)可以看出, 在低层, QI≥80的加密FY-2G红外通道云导风的均方根误差最小, 维持在3 m·s-1附近[图 4(a)]; 在中层, QI≥80的加密FY-2G红外通道云导风均方根误差维持在4~5 m·s-1, 而70≤QI < 80与50≤QI < 70范围内的均方根误差均超过6 m·s-1[图 4(b)]; 在高层, QI≥80的加密FY-2G红外通道云导风均方根误差稳定维持在4~5 m·s-1, 而70≤QI < 80的均方根误差维持在8 m·s-1附近, 50≤QI < 70的均方根误差在9 m·s-1附近波动, 最大可以达到11 m·s-1[图 4(c)]。
|
图 4 2016年7月加密FY-2G红外通道云导风U分量在不同高度(a~c)的均方根误差时间演变趋势 Figure 4 Variation tendency of FY-2G IR AMVs U wind RMSE at different level (a~c) in July 2016 |
根据不同QI范围, 分别统计了加密FY-2G水汽通道云导风与FNL再分析资料的偏差和均方根误差情况。从加密FY-2G水汽通道云导风资料U分量偏差和均方根误差的垂直分布可以看出, QI≥80的加密FY-2G水汽通道云导风资料质量最好, 整体偏差和均方根误差变化较小, 偏差维持在-1 m·s-1(图 5)。
|
图 5 2016年7月不同QI范围内FY-2G加密水汽通道云导风资U分量与FNL资料的偏差和均方根误差(a)及对应观测数(b)的垂直分布 Figure 5 U wind bias and RMSE (a) and the number of intensive FY-2G WV AMVs (b) for different QI in July 2016 |
从时间变化上来看, 低层因统计样本较少, 均方根误差变化较大, QI≥80的加密FY-2G水汽通道云导风U分量均方根误差维持在2~6 m·s-1, 最大可以到达9 m·s-1; 在中层, QI≥80的加密FY-2G水汽通道云导风U分量均方根误差维持在3~4 m·s-1; 在高层, QI≥80的加密FY-2G水汽通道云导风U分量均方根误差维持在4 m·s-1(图 6)。
|
图 6 2016年7月加密FY-2G水汽通道云导风U分量在不同高度(a~c)的均方根误差时间演变趋势 Figure 6 Variation tendency of FY-2G WV AMVs U wind RMSE at different level (a~c) in July 2016 |
以红外通道云导风资料为例, 对FY-2G红外通道云导风U分量偏差进行概率密度函数分布统计(图 7)。相较于业务使用FY-2G红外通道云导风资料, 在中层加密FY-2G红外通道云导风的U风场偏差概率密度分布更尖一些, 偏差值变小, 概率密度函数也更接近零线[图 7(b)], 而在低层和高层, 偏差值变大, 概率密度函数分布较扁平, 但更接近零线[图 7(a), (c)]。整体上, 加密FY-2G红外通道云导风的风场偏差的概率密度分布更接近正态分布。
|
图 7 2016年7月FY-2G红外通道云导风U分量偏差在不同高度的概率密度分布 Figure 7 Probability density function distribution of FY-2G IR U wind bias at different level |
试验采用GRAPES_RAFS系统, 该系统主要包括观测资料预处理(包括资料使用及预处理、质量控制)、三维变分同化系统(GRAPES_3DVAR)、以及云分析、数字滤波初始化、中尺度数值模式(GRAPES_MESO)等模块; 可同化探空(气压、湿度)、飞机报(温度、u/v风场)、地面资料(气压、湿度)、船舶资料(气压、u/v风场、湿度)、雷达VAD风、GPS/PW、FY-2G云导风、基于雷达、GNSS/RO(掩星)反演资料、卫星及地面观测云信息等资料进行三维云分析。全球模式资料主要提供冷启三维变分同化背景场及冷暖启动模式积分所需的侧边界条件, GRAPES_MESO系统提供暖启动三维变分同化背景场。GRAPES_RAFS实时业务系统每天00:00一次冷启动(冷启做48 h预报), 每3 h做一次同化分析和24 h预报, 一天8次提供快速更新中尺度数值预报的预报产品。该业务系统模式水平分辨率0.15°×0.15°, 预报范围(70°E-145°E, 15°N-65°N)覆盖了整个中国区域, 水平格点数为502×330。垂直方向为基于高度的地形追随坐标, 取不等距31层(徐枝芳等, 2013)。
在进入同化系统前, 需要对FY-2G红外通道云导风资料进行质量控制, 包括进行风速气候极值检查、风向一致性检查, 剔除错误资料等; 考虑到QI≥80的资料质量最好, 本文选取QI≥80的资料来进行质量控制, 并进入同化系统。因为云导风资料观测相对密集, 需要进行稀疏化处理, 从而去除多余的观测信息, 减小观测误差的空间相关性, 在这里采取按不同通道进行水平方向200 km为判据的稀疏化方案(万晓敏等, 2017)。
为评估FY-2G逐小时红外通道云导风资料对数值模式同化和预报的影响, GRAPES_RAFS系统采用逐3 h同化, 每6 h做24 h预报。本文选取2016年7月1—31日进行连续试验, 并对2016年7月2—3日长江中下游地区的暴雨过程进行个例分析。试验设置为三组, 试验方案如下:试验一:同化探空(气压、湿度)、飞机报(温度、u/v风场)、地面资料(气压、湿度)、船舶资料(气压、u/v风场、湿度)、雷达VAD风、GPS/PW、云导风(其中不同化FY-2G红外通道云导风资料)。试验二:同化业务使用的FY-2G红外通道云导风资料, 其他观测资料与试验一相同。试验三:同化加密FY-2G红外通道云导风资料, 其他观测资料与试验一相同。
5 个例试验 5.1 850 hPa高度和风场分析2016年6月30日至7月4日, 受高原槽、低空急流、东移低涡及江淮切变线影响, 我国长江中下游地区出现连续性暴雨, 降雨持续时间长, 雨带位置稳定, 降水强度较大。此次过程为典型的梅雨天气形势, 在500 hPa中高纬地区维持两槽一脊的环流形势, 副热带高压稳定; 850 hPa有切变线稳定维持, 切变线上不断有低涡生成东移, 同时低空急流强盛, 水汽输送条件较好, 造成累计降水量大(权婉晴等, 2016)。选取这次过程中的7月2-3日进行个例试验, 降水较大的区域主要位于贵州、广西两省交界处、长江中下游地区。个例试验从2016年7月2日00:00开始, 进行连续循环同化试验。
为研究加密FY-2G红外通道云导风资料对分析场的影响, 选取NCEP FNL分析场和实况分别对三组试验的分析场进行检验, 其中FNL资料未同化风云二号云导风资料。
对比850 hPa高度场实况(图略), NCEP分析场和三组试验所分析的副热带高压均西伸偏强。相较于NCEP高度场, 三组试验分析的副热带高压位置偏东, 其中试验三对副热带高压位置和强度修正最大, 更接近实况。对比NCEP的风场分析, 三组试验分析的西南低空急流区位置偏北, 在湖南和湖北交界处风速偏大(图 8)。
|
图 8 2016年7月2日00:00 NCEP和三组试验在长江中下游地区的850 hPa高度场(等值线, 单位: dagpm)和U风场(风羽, 阴影区表示全风速, 单位: m·s-1)分布 Figure 8 The distribution of 850 hPa geopotential height field (contour, unit: dagpm) and U wind filed (barb, the shaded represents wind speed, unit: m·s-1) of NCEP and three group experiments in the middle and lower reaches of Yangtze River of China at 00:00 on 2 July 2016 |
三组试验间在850 hPa高度场的分析也存在差异。就这次降水个例来看, 试验二与试验一、试验三与试验一的高度场在湖南与湖北交界处均为负偏差, 较接近实况, 说明同化FY-2G红外通道云导风资料对该地区高度场分析有一定的调整作用。在副热带高压西北侧, 试验二对副高分析强度过强, 位置最偏西, 而试验三相较于前两个试验, 副高分析强度偏弱, 位置偏东, 说明同化加密FY-2G红外通道对副高强度和位置的分析有所修正(图 9)。
|
图 9 2016年7月2日00:00三组试验在长江中下游地区的850 hPa高度场(阴影, 单位: dagpm)和U风场的偏差场(等值线, 单位: m·s-1)分布 Figure 9 The bias of 850 hPa geopotential height (the shaded, unit: dagpm) and U wind (contour, unit: m·s-1) analysis filed of three group experiments in the middle and lower reaches of Yangtze River of China at 00:00 on 2 July 2016 |
在风场上, 由于模式分析的副高位置西伸偏强, 造成三组试验对西南低空急流的位置分析均偏北。对比三组试验间的U风场偏差, 试验二与试验一在湖南与湖北交界处、安徽中部为负偏差[图 9(a)], 反映出试验二分析的西南急流强度在北侧减弱, 但对比实况分析, 其对安徽中部的风场强度修正过多。试验三与试验一在湖南与湖北两省交界、湖北与安徽交界处为负偏差[图 9(b)], 与试验二在湖南与湖北两省交界以北为负偏差, 以南为正偏差, 在安徽中部为正偏差[图 9(c)]。可以看出, 相较于试验二, 试验三对西南急流北侧的强度进行了适当减弱, 一定程度上修正了急流位置北抬对降水预报落区的影响。
整体而言, 试验二及试验三均同化了FY-2G红外通道云导风资料, 对850 hPa高度场和风场的分析效果较有改善。但试验三同化了加密FY-2G红外通道云导风资料, 对850 hPa东移低涡及西南低空急流位置和强度分析的改善效果更显著一些。
5.2 降水预报选取2016年7月2日00:00起报的24 h降水预报场[图 10(b)~(d)]和24 h降水实况[图 10(a)]进行对比。如图 10(a)所示, 7月2日00:00至3日00:00, 受高原槽东移、低空急流和低空切变线共同影响(权婉晴等, 2016), 从长江中下游地区至西南地区形成一条西南-东北走向的暴雨带, 其中江淮地区、江汉地区、贵州与广西交界处有特大暴雨。三组试验雨带走向与实况基本一致, 但降水方位预报明显偏北, 造成安徽中部、江西北部降水量级预报偏弱, 而在湖北和湖南两省交界处降水量级预报偏强。相比之下, 试验三对湖北和湖南交界处、湖南中部和贵州中东部地区降水落区及强度的预报略优于试验一和试验二, 更接近于实况。
|
图 10 2016年7月2日00:00起报的长江中下游地区24 h降水实况(a)及各试验的预报(b~d)结果(单位: mm) Figure 10 24 hours observed precipitation (a) and forecast of the three experiments (b~d) at 00:00 in the middle and lower reaches of Yangtze River of China on 2 July 2016.Unit: mm |
通过7月2日00:00起报的三组试验在长江中下游地区的24 h降水预报的ETS评分[图 11(a)]可以看出, 试验三在中雨到特大暴雨等级的ETS评分要高于控制试验一和试验二, 反映出同化加密FY-2G红外通道云导风资料不仅可以改善模式分析, 对模式降水预报在量级和降水落区分布也有一定改进; 而试验三的预报偏差[图 11(b)] B值在小雨和暴雨等级要小于试验二, 即在小雨和暴雨量级上试验三的预报偏差要小于试验二。
|
图 11 2016年7月2日三组试验在长江中下游地区的24 h降水预报检验评分(a)及预报偏差(b) Figure 11 Verification of 24 hours rainfall forecast (a) and forecast bias (b) of three group experiments in the middle and lower reaches of Yangtze River of China on 2 July 2016 |
为进一步分析加密FY-2G红外通道云导风资料对GRAPES_RAFS实时业务运行的影响, 选取2016年7月1日00:00至31日00:00开展连续试验, 并对同化效果和降水检验评分进行对比分析。
6.1 同化效果分析图 12和图 13给出了三组连续试验U风场分析场的信息向量(观测与模式背景场的偏差)和分析余差(观测与分析场的偏差)在不同高度的分布情况。在低层, 试验三的观测与模式背景场及与分析场的偏差略有减小, 对风场分析略有改进; 在中层, 试验三的风场负偏差相较于试验二有所增大, 改善效果不显著; 在高层, 试验三对风场改善效果最明显, 风速偏差相较于前两个试验有明显减小。
|
图 12 三组试验U风场分析场的信息向量在不同高度的分布 Figure 12 Variation tendency of U wind analysis innovation at different level |
|
图 13 三组试验U风场分析场的分析余差在不同高度的分布 Figure 13 Variation tendency of U wind analysis residual at different level |
从2016年7月1—31日三组连续试验在全国的24 h降水预报的各量级降水ETS评分[图 14(a)]可以看出, 试验三同化加密FY-2G红外通道云导风资料后, 在中雨到暴雨的ETS评分要高于控制试验一和试验二, 在特大暴雨级别ETS评分低于试验二。试验三的预报偏差[图 14(b)] B值在中雨到暴雨等级要小于试验二, 反映出试验三在这几个雨量等级的预报偏差更小。
|
图 14 2016年7月1-31日三组试验在长江中下游地区的24 h降水预报检验评分(a)及预报偏差(b) Figure 14 Verification of 24 hours rainfall forecast (a) and forecast bias (b) of three group experiments in the middle and lower reaches of Yangtze River of China from 1 to 31 July 2016 |
通过分析加密FY-2G云导风资料观测数及其分布特征, 并选取FNL资料进行参照, 评估了加密FY-2G红外通道和水汽通道的云导风资料质量情况; 基于GRAPES_RAFS系统开展数值对比试验, 分析了加密FY-2G红外通道云导风资料对GRAPES区域模式风场同化和降水预报效果的影响, 得到以下结论:
(1) 选取FNL资料作为参考场, 根据不同QI阈值进行统计得出: QI≥80的加密FY-2G云导风资料质量最好。对比加密FY-2G红外通道云导风资料和业务使用FY-2G红外通道云导风资料, 加密FY-2G红外通道云导风的U分量偏差更接近正态分布。
(2) 个例试验结果表明:同化加密FY-2G红外通道云导风资料对850 hPa高度场和风场分析有一定的调整作用, 其分析结果更接近实况。对于24 h降水预报:同化加密FY-2G红外通道云导风资料对降水强度和落区略有改进, 在中雨到特大暴雨等级的24 h降水ETS评分要高于试验一和试验二, 而预报偏差仅在小雨和暴雨级别有降低。
(3) 连续试验结果表明:同化加密FY-2G红外通道云导风对高层风场改善明显。24 h全国降水在不同量级的评分反映出相较于试验一和试验二, 全国区域中雨到暴雨级别的降水ETS评分提高, 预报偏差降低。
综上所述, 在强对流天气过程中, 特别是以低空急流、风切变系统或台风为主要影响系统情况下, 同化加密FY-2G红外通道云导风资料有利于丰富大气观测信息, 合理利用这些加密观测可以进一步改进数值模式初始场, 提高数值模式降水预报效果。当然, 通过对比分析反映出加密FY-2G红外通道云导风资料在中层的同化效果还需要进一步改善。同时, 本文仅使用1个月的资料进行研究分析, 对于该加密资料在数值模式业务应用中的稳定性及不同降水个例的适用性还需要更深层次的研究。
致谢 在此衷心感谢国家卫星气象中心张晓虎博士对本文研究提供数据支持。
Berger H, Langland R, Velden C S, et al. 2011. Impact of enhanced satellite-derived atmospheric motion vector observations on numerical tropical cyclone track forecasts in the western north Pacific during TPARC/TCS-08[J]. J Appl Meteor Climatol, 50(11): 2309–2318.
DOI:10.1175/JAMC-D-11-019.1 |
|
Baker N, Langland R, Pauley P M, et al, 2012. The impact of satellite atmospheric motion vectors in the US Navy Global Data Assimilation System-NWP Results[C]//Extended abstract//llth In-ternational Winds Workshop, Auckland: University of Auckland, New Zealand.
|
|
Marshall J L, Seecamp R, Xiao Y, et al. 2013. The operational generation of continuous winds in the australian region and their assimilation with 4DVAR[J]. Wea Forecasting, 28(2): 504–514.
DOI:10.1175/WAF-D-12-00018.1 |
|
Sato Y, Kumabe R, 2004. A caser study of hourly AMV assimilation with JMA-MSM[J/OL]. Proceedings of 7th IWW, 2004. [2017-04-29]. http://citeseerx.ist.psu.edu/viewdoc/download?DOI=10.1.1.564.1913&rep=rep1&type=pdf.
|
|
Tomassini M, Kelly G, Saunders R. 1999. Use and impact of satellite atmospheric motion winds on ECMWF analyses and forecasts[J]. Mon Wea Rev, 127(6): 971–986.
DOI:10.1175/1520-0493(1999)127<0971:UAIOSA>2.0.CO;2 |
|
Velden C S, Olander T L, Wanzong S. 1998. The impact of multispectral GOES-8 wind information on Atlantic tropical cyclone track forecasts in 1995.Part Ⅰ:Dataset methodology, description, and case analysis[J]. Mon Wea Rev, 126(5): 1202–1218.
DOI:10.1175/1520-0493(1998)126<1202:TIOMGW>2.0.CO;2 |
|
Wu T C, Liu H, Majumdar S J, et al. 2014. Influence of assimilating satellite-derived atmospheric motion vector observations on numerical analyses and forecasts of tropical cyclone track and intensity[J]. Mon Wea Rev, 142(1): 49–71.
DOI:10.1175/MWR-D-13-00023.1 |
|
毕宝贵, 林建, 徐晶. 2004. 气象卫星资料在天气预报分析业务中的应用[J]. 气象, 30(11): 19–23.
Bi B G, Lin J, Xu J. 2004. Application of satellite data in operational weather forecast[J]. Meteor Mon, 30(11): 19–23.
|
|
陈静, 薛纪善, 颜宏. 2005. 一种新型的中尺度暴雨集合预报初值扰动方法研究[J]. 大气科学, 29(5): 717–726.
Chen J, Xue J S, Yan H. 2005. A new initial perturbation method of ensemble meso-scale heavy rain prediction[J]. Chinese J Atmos Sci, 29(5): 717–726.
|
|
冯文, 万齐林, 陈子通, 等. 2008. 逐时云迹风资料同化对暴雨预报的模拟试验[J]. 气象学报, 66(4): 500–512.
Feng W, Wan Q L, Chen Z T, et al. 2008. Hourly assimilation of cloud motion winds and its impact on torrential rain forecast[J]. Acta Meteor Sinica, 66(4): 500–512.
DOI:10.11676/qxxb2008.047 |
|
何芬, 沈桐立, 贺哲, 等. 2007. 伴随同化系统中用云导风修正模式地形的试验[J]. 高原气象, 26(2): 300–308.
He F, Shen T L, He Z, et al. 2007. Study on model terrain parameter modification using cloud-derived wind in the MM5 Adjoint-Model assimilation system[J]. Plateau Meteor, 26(2): 300–308.
|
|
惠雯, 郭强, 吴琼, 等. 2016. FY-2G静止气象卫星遥感图像质量评价[J]. 地球物理学进展, 31(5): 1902–1910.
Hui W, Guo Q, Wu Q, et al. 2016. Image quality evaluation of FY-2G meteorological satellite[J]. Progress Geophys, 31(5): 1902–1910.
DOI:10.6038/pg20160503 |
|
李娅, 郭建侠, 曹云昌, 等. 2018. FY-2G云量产品与地面观测云量对比分析[J]. 高原气象, 37(2): 514–523.
Li Y, Guo J X, Cao Y C, et al. 2018. Compare and analyze FY-2G cloud products to ground-based manual observed cloud amount[J]. Plateau Meteor, 37(2): 514–523.
DOI:10.7522/j.issn.1000-0534.2017.00027 |
|
权婉晴, 何立富. 2016. 2016年7月大气环流和天气分析[J]. 气象, 42(10): 1283–1288.
Quan W Q, He L F. 2016. Analysis of the July 2016 atmospheric circulation and weather[J]. Meteor Mon, 42(10): 1283–1288.
DOI:10.7519/j.issn.1000-0526.2016.10.014 |
|
任素玲, 蒋建莹, 许健民. 2014. 卫星水汽通道探测所揭示的高空流场在南亚高压东侧强降水分析中的应用[J]. 气象, 40(6): 697–705.
Ren S L, Jiang J Y, Xu J M. 2014. Application of upper troposphere circulation revealed by the satellite IR3 channel to heavy rainfall events analysis in the east side of south Asia high[J]. Meteor Mon, 40(6): 697–705.
DOI:10.7519/j.issn.1000-0526.2014.06.006 |
|
王栋梁, 梁旭东, 端义宏. 2005. 云迹风在热带气旋路径数值预报中的应用研究[J]. 气象学报, 63(3): 351–358.
Wang D L, Liang X D, Duan Y H. 2005. Impact of four dimensional variational data assimilation of the cloud drift wind data on tropical cyclone track numerical forecast[J]. Acta Meteor Sinica, 63(3): 351–358.
DOI:10.11676/qxxb2005.035 |
|
万晓敏, 田伟红, 韩威, 等. 2017. FY-2E云导风的算法改进及其在GRAPES中的同化应用研究[J]. 气象, 43(1): 1–10.
Wan X M, Tian W H, Han W, et al. 2017. The evaluation of FY-2E reprocessed IR AMVs in GRAPES[J]. Meteor Mon, 43(1): 1–10.
|
|
薛纪善. 2007. 和预报员谈数值预报[J]. 气象, 33(8): 3–11.
Xue J S. 2007. Weather forecast and numerical weather prediction[J]. Meteor Mon, 33(8): 3–11.
DOI:10.7519/j.issn.1000-0526.2007.08.001 |
|
许健民, 张其松, 方翔. 1997. 用红外和水汽两个通道的卫星测值指定云迹风的高度[J]. 气象学报, 55(4): 408–417.
Xu J M, Zhang Q S, Fang X. 1997. Height assignment of cloud motion winds with infrared and water vapour channels[J]. Acta Meteor Sinica, 55(4): 408–417.
DOI:10.11676/qxxb1997.041 |
|
许健民, 张其松. 2006. 卫星导风推导和应用综述[J]. 应用气象学报, 17(5): 574–582.
Xu J M, Zhang Q S. 2006. Status review on atmospheric motion vectors-derivation and application[J]. J Appl Meteor Sci, 17(5): 574–582.
DOI:10.11898/1001-7313.20060515 |
|
许健民, 杨军, 张志清, 等. 2010. 我国气象卫星的发展与应用[J]. 气象, 36(7): 94–100.
Xu J M, Yang J, Zhang Z Q, et al. 2010. Chinese meteorological satellites, achievements and applications[J]. Meteor Mon, 36(7): 94–100.
DOI:10.7519/j.issn.1000-0526.2010.07.016 |
|
徐枝芳, 郝民, 朱立娟, 等. 2013. GRAPES_RAFS系统研发[J]. 气象, 39(4): 466–477.
Xu Z F, Hao M, Zhu L J, et al. 2013. On the research and development of GRAPES_RAFS[J]. Meteor Mon, 39(4): 466–477.
|
|
杨军. 2008. 我国"风云"气象卫星及其应用的回顾与展望[J]. 航天器工程, 17(3): 23–28.
Yang J. 2008. Development and applications of China's Fengyun (FY) meteorological satellite[J]. Spacecraft Engineering, 17(3): 23–28.
|
|
周兵, 徐海明, 吴国雄, 等. 2002. 云迹风资料同化对暴雨预报影响的数值模拟[J]. 气象学报, 60(3): 309–317.
Zhou B, Xu H M, Wu G X, et al. 2002. Numerical simulation of CMWDA with its impacting on torrential rain forecast[J]. Acta Meteor Sinica, 60(3): 309–317.
DOI:10.11676/qxxb2002.037 |
|
庄照荣, 薛纪善. 2004. 云迹风资料的三维变分同化及对台风预报的影响试验[J]. 热带气象学报, 20(3): 225–236.
Zhuang Z R, Xue J S. 2004. Assimilation of cloud-derived winds and its impact on typhoon forecast[J]. J Trop Meteor, 20(3): 225–236.
|