2019, Vol. 38
2. 福建省三明市气象局, 福建 三明 365000;
3. 海峡气象开放实验室, 厦门市气象局, 福建 厦门 361012;
4. 南京信息工程大学中网卫星通信研究院, 江苏 南京 210044
福建地处亚热带季风区域, 受来自孟加拉湾、南海以及西太平洋的大量水汽输送影响, 强降水频发, 造成的人员和财产损失巨大。暴雨和强对流天气的预报和预警技术的提高是现今气象业务发展的必然需要, 近些年中小尺度气象数值模式有了快速的发展, 用于预报和模拟的计算机性能也不断提升, 对于中小尺度强对流或暴雨天气过程的精细化预报预警准确率也稳步提高。受季风暴雨和台风暴雨的共同影响, 加之复杂的地形条件, 福建地区暴雨发生发展的机理十分复杂, 预报难度大, 因此如何能够更好地运用数值模式进行暴雨预报研究是研究的重点。
研究表明, 影响数值模式预报准确性的因素主要有两方面:一是数值模式本身存在误差; 一是数值模式采用的模式初始场存在误差(Lorenz et al, 1982)。目前, 中尺度数值模式目前在天气预报业务上已经广泛应用, 但是模式对于不同地区的适用性并不一致, 所以提高暴雨和各类强降水的模拟效果的一个关键就是要提高和改善高精度数值模式在各地区的适用性(王洪等, 2014; 尹金方等, 2014)。云降水中物理过程的发生发展是影响降水模拟的关键因素, 也是利用数值模式模拟降水的核心(廖镜彪等, 2012; 徐慧燕等, 2013)。兰伟仁等(2010)在利用多普勒雷达资料进行一系列风暴天气尺度的资料同化试验中发现由微物理参数化方案导致的模式误差对模拟结果的影响比较大。陈锋等(2012)的研究认为积云对流参数方案的选择对于降水模拟的影响大于微物理方案的选择, 并且降水的落区和强度取决于微物理方案, 而积云方案主要影响雨带的空间分布和降水云系的走向; 王坤等(2014)的研究针对青藏高原对WRF模式物理方案进行暴雪模拟的改进试验。Zhang et al(2017a)的研究指出, 边界层中的质量通量对登陆台风的发展具有关键作用。可见模式中参数化方案在各地区适用性的分析是同化和模拟研究的基础, 本研究针对福建地区暴雨过程开展了一系列参数化方案的敏感性试验。
近些年, 资料同化技术在各类天气过程以及各要素的数值模拟中得到了广泛应用(Zhang et al, 2015, 2017a; 张飞民等, 2014)。其中, 多普勒天气雷达是气象业务和科研机构监测中尺度天气系统的重要手段之一(闵锦忠等, 2016), 其高时空分辨率以及实时展示和分析的特征, 目前已有许多针对多普勒雷达资料同化的研究(杨毅等, 2006; 杨艳蓉等, 2004; 张林等, 2006; 杨银等, 2015; 王越亚等, 2016)。通过同化雷达径向风和反射率资料, 能够改善中尺度模式初始场以及中尺度系统的模拟。模式初始场资料中低层水汽含量与实况的误差较大, 而同化雷达反射率资料能够减小该误差, 改进模式初始场的准确性(Gasperoni et al, 2013)。同化雷达径向速度场能够提高分析场准确性, 直接同化径向风资料的模拟效果优于反演风场同化, 对于中小尺度风暴有更精细的反映(Lin et al, 1993; 周振波等, 2006)。直接同化方法是近年来发展起来的一种同化方法, 不同于利用反演资料时由于方法不同或是不适应而引起的计算误差, 直接同化方法能够有效的将多普勒雷达资料和多源观测资料以及不同误差特征的资料直接有效地结合, 形成动力约束和热力约束以及模式参数和资料约束等相协调的数值模式初始场。
对于台风暴雨、大风和引起的对流天气过程是多方关注的重点, 相对准确的模拟对于灾害的提前预警和预报以及防范措施的及早实施起着关键作用(Zhang et al, 2017b; 董海萍等, 2017)。高分辨率多普勒天气雷达资料可直观、实时地反映台风内部结构特征, 故在将多普勒天气雷达资料同化对台风路径和强度预报方面引起了广泛关注(施丽娟等, 2009; Zhao et al, 2009; 沈菲菲等, 2015)。Zhu et al(2016)利用雷达径向风资料针对2012年登陆我国的台风文森特(Vicente)进行了同化试验, 模拟台风的平均路径误差下降了近10 km, 平均强度误差从未经过同化的控制中的20 hPa下降到了4 hPa。Yue et al(2017)发现循环同化径向风, 使得台风对流结构被明显改善, 同化确定性降水预报相比不同化有一定的改进。通过同化新一代多普勒天气雷达数据, 能够进一步提高福建这一受台风暴雨影响较严重地区的降水落区和强度的预报和模拟。
我国东南地区受台风降水和强对流天气等极端天气的影响频繁, 作为改进强降水预报的有力手段, 在这一地区进行数值模拟和雷达资料同化的研究仍然需要进一步深入。此外, 对于台风降水的模拟, 尤其是对于东南山区复杂地形下的模拟, 利用全球模式的分析产品作为初始场会引起较大的误差, 因此有必要利用中尺度模式(如WRF模式), 从物理参数化方案和资料同化角度进一步改进暴雨的模拟能力。
2 模式与资料介绍采用WRF-V3.5及其三维变分同化系统, 模式中心位于(26°N, 117.5°E), 模式水平区域范围为115°E-121°E, 23°N-29°N, 水平格距为9 km; 模式层顶取为100 hPa, 垂直27层, 使用单层嵌套。利用国家气象局下发的T639数值预报数据作为WRF-V3.5数值模式的初始预报场和边界场, 资料时间范围选取2012-2014年。
实况数据选用福建省质量控制后的区域自动站(1894个站点)雨量数据等, 资料时间范围选取2012-2014年, 时间分辨率分别选择逐小时和逐日两种数据与同化结果进行比对。多普勒天气雷达资料来自三明市泰宁县布设的SA波段新一代天气雷达(站号Z9598, 经纬度坐标为117.698°E, 26.191°N), 雷达体扫的时间间隔约为6 min, 主要利用反射率资料和径向风两种观测数据。另外, 本文所有涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2893号的标准地图制作, 底图无修改。
3 试验设计 3.1 参数化方案的效果试验针对福建地区, 选取发生在2012年5月3日、5月9日、6月10日和6月16日等强降水个例对云微物理参数化方案进行比较试验, 并在对比不同积云对流方案和微物理方案对降水等模拟效果的基础上, 选取最优参数化方案的组合, 实现WRFV3.5模式在福建地区降水预报的本地化。
本文选取了WRF模式中常用的云微物理参数化方案, 并进行了如下组合(表 1)。
|
表 1 微物理和积云参数化方案试验 Table 1 Parameterization tests of microphysics and cumulus schemes |
在试验2.1模式最优物理参数化过程组合基础上, 利用WRF-V3.5模式的三维变分同化系统, 进行雷达资料的直接同化试验, 分析同化雷达观测资料对福建地区降水预报的影响。式(1)为WRF-3DVAR的目标函数:
| $ \begin{aligned} J=& \frac{1}{2}\left(x_{0}-x_{b}\right)^{T} B^{-1}\left(x_{0}-x_{b}\right)+\frac{1}{2}\left[H\left(x_{0}\right)\right.\\ &-y^{o} ]^{T}(O+F)^{-1}\left[H\left(x_{0}\right)-y^{o}\right], \end{aligned} $ | (1) |
式中: x0是大气状态变量; xb是背景场; yo是观测值; H是模式算子; B是背景误差协方差矩阵; O是观测误差协方差矩阵; F是观测算子的协方差矩阵。
观测场取常规观测资料、雷达反射率资料和雷达径向风资料三种。背景场误差协方差矩阵由NMC方法(沈菲菲等, 2015)计算得到。
3.2.2 试验方案如表 2所示, 利用实际天气个例, 分别对不做任何同化、同化常规观测资料和直接同化多普勒雷达资料三种情况的预报效果进行对比分析。
|
|
表 2 雷达资料同化试验方案 Table 2 Assimilation test plans of radar data |
本文所制定的三维变分同化试验方案和流程, 先将数值模式运行12 h, 模式运动稳定后再加入同化资料, 去除SPIN-UP影响。此外, 考虑同化时间间隔也是影响同化效果的一个重要因素, 合适引入外强迫才能得理想的同化效果。
|
|
表 3 同化时间间隔的敏感性试验 Table 3 Sensitivity test of assimilation time interval |
试验中选取了2012年5月3日、5月9日、6月10日和6月16日一共四个个例进行试验, 限于篇幅, 这里只给出2012年6月10日个例中面上降水量的模拟结果, 其他个例的不同物理方案模拟效果均用TS评分结果展示。表 4为上述2012年4个个例强降水发生时间、主要灾害性天气以及最大小时雨强, 可以看出强降水时段主要出现在午后到夜间, 并且以短时强降水为主, 其中5月9日和6月10日个例在强降水发生时还伴有雷暴大风, 四个个例的最大小时雨强均超过50 mm, 其中以5月9-10日过程小时雨强为最大, 达到了77.1 mm。
|
|
表 4 2012年四个降水个例的降水发生时间、主要灾害性天气以及最大小时雨强统计 Table 4 The occurrence time of precipitation, disastrous weather and maximum hour rainfall intensity counted in the four precipitation cases 2012 |
从不同积云对流和微物理参数化方案组合对福建地区2012年6月10日暴雨过程24 h降水量的模拟结果(图 1)可以看出, 14种模拟组合对于降水落区的模拟预报均相对偏北, 降水强度偏强。其中KF积云方案对降水强度模拟偏弱, 而GD积云方案则是模拟偏强, 总体而言, 积云对流方案中BMJ的效果优于其他方案。而Lin和WSM-5的微物理方案总体对于降水区走向和强度模拟较好, 尽管模拟雨带都略微偏北, 其中WSM-5微物理方案和BMJ积云对流方案的组合无论是降水量级和落区都相对优于其他组合。表 5和表 6给出了2012年四个强降水个例中不同参数化方案组合的TS评分以及平均TS评分, 从参数化方案组合的TS评分中可以看出, 对于暴雨以上量级的预报, FYB组合(即Ferrier与BMJ参数化方案的组合)的TS评分在四个个例的平均TS评分中最高, 暴雨TS评分达到0.32, 对于大雨量级的预报, TS评分最高的为W3YB(即WMS-3和BMJ参数化方案的组合), 为0.34, 综合大雨和暴雨量级来看, 预报TS评分相对较高, 也比较稳定的应为W5YB组合(即WMS-5和BMJ参数化方案的组合), 大雨与暴雨的TS评分均为0.29, 对于强降水(大雨量级以上)的模拟有好的表现。另外, 因为选取的过程中没有出现大暴雨, 或者大暴雨数据只有一个点, 不具有很好的代表性, 故没有进行大暴雨的TS评分。
|
图 1 不同方案模拟(a~n)及实际观测到(o)的2012年6月10日降水量分布(单位: mm) Fig. 1 The distribution of simulated precipitation in different plan (a~n) and observed precipitation (o)on 10 June 2012. Unit: mm |
|
|
表 5 不同参数化方案组合TS评分 Table 5 The TS scores of different parameterization schemes |
|
|
表 6 各个方案在四个降水过程中TS评分的平均值 Table 6 Averaged TS scores in each of the four precipitation processes |
通过不同参数化方案组合的结果可以看出, WSM-5微物理方案和BMJ积云对流参数化方案对于福建地区暴雨的模拟要优于其他组合, 因此采用该组合进一步对福建多次台风暴雨过程进行雷达资料三维变分同化试验, 统计分析不同同化方案的效果, 并分析同化时间间隔对台风降水的影响。限于篇幅, 下面将给出2014年6月18日00:00(北京时, 下同)至19日00:00的个例模拟为例。
在同化前对雷达资料做了质量控制工作, 包括去除地物杂波和孤立点、数据填补、平滑处理、调整仰角、数据粗化等, 去除噪声并减少资料间的相关性。模式预报时间为2014年6月18日00:00至19日00:00, 为去除模式SPIN-UP影响, 提前12 h开始积分模式, 从2014年6月17日12:00开始起动模式, 到18日00:00加入同化资料。
4.2.1 个例介绍(1) 福建地区在2014年6月17日夜间起出现飑线天气, 18-19日在中北部出现暴雨到大暴雨, 统计此次降水过程, 有6个县市出现大暴雨, 25个县市出现暴雨; (2)2014年7月23日受热带系统影响, 福建中北部地区出现大范围暴雨天气。限于篇幅, 本节仅针对6月17日暴雨过程结果进行详细分析, 对7月23日过程给出TS评分结果, 并进行相应分析。
4.2.2 同化结果分析基于雷达资料同化的降水的6月18日24 h降水对比(图 3)可以看出, 对比实况降水, 控制预报(未同化雷达资料)预报模拟结果较差, 模拟落区偏北, 降水强度偏强[图 3(b)]。将雷达资料同化后的模拟结果明显优于控制预报, 其中同化反射率对降水量级模拟的影响较大, 同化径向风对降水落区的影响较大。只同化反射率因子[图 3(c), (f), (i)]时, 降水强度接近于实测值, 但是中部一带的暴雨区域没有模拟出来, 而只同化径向速度对中部的强降水区有较好的预报[图 3(d), (g), (j)], 但是福建北部的降水模拟偏强, 同时同化反射率及径向风的预报落区及降水量级与实际更为吻合[图 3(e), (h), (k)]。另外, 随着同化间隔的缩短, 模拟降水落区更为发散, 量级的变化更大, 与实况的吻合度较差, 其中同化间隔为3 h和6 h时降水落区和强度的模拟相对较好。
|
图 2 2014年6月17-18日福建省强对流天气雷达反射率分布(单位: dBz) Fig. 2 Distribution of Radar reflectivity in Fujian from 17 to 18 June 2014. Unit: dBz |
|
图 3 2014年6月18日00:00至19日00:00 24 h降水模拟结果(单位: mm) Fig. 3 Simulation results of 24 hours precipitation from 00:00 on 18 to 00:00 on 19 June 2014. Unit: mm |
表 7是2014年6月18日福建地区暴雨过程同化试验TS评分结果, 研究主要关注暴雨以上量级降水量的模拟情况。未同化多普勒雷达数据的模拟效果很差, 24 h暴雨TS评分为0.12, 大暴雨仅为0.02, 而同化雷达资料对于强降水模拟有着很好的改善作用。总体来看, 同时同化径向风和反射率的试验结果优于只同化二者之一的结果, 其中暴雨和大暴雨的TS评分均是在同时同化径向风和反射率时达到最高, 分别为0.28和0.10。1 h同化时间间隔只有在同化径向风时效果较好, 当设置同化间隔为3 h或6 h时, 暴雨和大暴雨的评分明显高于1 h间隔, 且3 h同化间隔评分值高于6 h间隔。同样, 表 8是2014年7月23日福建地区暴雨过程同化试验TS评分结果, 与6月18日过程类似, 同化间隔为3 h间隔的评分高于6 h与1 h, 且同时同化径向风和反射率时评分最高, 最高TS评分为0.33。
|
|
表 7 福建省2014年6月18日24 h自动站降水量(暴雨及以上)同化试验TS评分 Table 7 Simulated 24 hours precipitation (above rainstorm levels)TS scores of assimilation test in Fujian on 18 June 2014 |
|
|
表 8 福建省2014年7月23日24 h自动站降水量(暴雨及以上)同化试验TS评分 Table 8 Simulated 24 hours precipitation (above rainstorm levels)TS scores of assimilation test in Fujian on 23 July 2014 |
另外, 从表 7和表 8中可以看出同化后的两次暴雨过程的最高TS评分为0.28和0.33, 同化后的得分并不算高, 这可能是由于两方面的原因造成; 首先, 受限于资料与工作量, 同化的雷达资料仅为福建省三明地区的一部雷达, 而评分是针对整个福建地区, 资料的空间范围有限, 虽然评分有较大的改进, 但是福建全省暴雨的评分仍然不高; 其次, 对于大暴雨级别的降水, 实况出现的站点范围相对较小, 因此预报落区很难做到准确, 稍有偏差就造成空报和漏报率上升。值得注意的是, 1 h间隔的同化效果总体一般, 甚至对于大暴雨量级的TS评分还低于无同化试验, 原因可能是由于同化是在模式中加入了扰动, 如果加入的过于频繁会增加模式的适应时间, 所以1 h同化间隔的TS评分效果较差。
4.2.3 单站点同化效果检验为了进一步比对不同同化方案在单站点降水量模拟上的改进和直观的模拟效果, 选取福建省三明市降水量最大的建宁县客坊乡站点的逐小时雨量数据进行比较分析。图 4为该站点(26.71°N, 116.59°E)逐小时观测降水量以及各个试验方案模拟小时降水量时序图, 和前文TS评分以及降水分布的分析结果类似, 未同化的模拟结果与实况偏差很大, 基本没有反映出站点降水的日变化趋势, 而同化多普勒雷达资料后, 降水模拟有了明显的改善, 能较准确匹配06:00-07:00的强降水时段的降水量。1 h同化间隔时间的结果相对于3 h和6 h间隔偏小, 低于实况[图 4(a)]; 3 h同化间隔试验中, 不论是同化反射率、径向风和二者均同化, 效果都还不错, 同时同化反射率和径向风最接近于实况[图 4(b)]; 6 h间隔同化反射率模拟结果偏高, 其余接近于实况[图 4(c)]。同化方案选择3 h或6 h间隔, 并同时同化反射率和径向风对站点降水模拟的改进最显著, 试验中同化多普勒雷达资料降水模拟略提前于实况出现。
|
图 4 建宁县客坊站点逐小时观测降水与模拟结果对比 Fig. 4 The curve of observed and simulated precipitation results in Jianning Fujian |
采用WRFV3.5模式及其三维变分同化系统, 通过云微物理参数化方案的对比、雷达资料的同化试验、同化时间的敏感性分析, 研究了直接同化多变勒天气雷达资料对福建地区强降水的模拟性能, 得到如下结论:
(1) 微物理参数化和积云参数化方案对福建地区降水的模拟有重要影响。通过和和观测的对比分析, 结果表明WSM5微物理方案结合BMJ积云对流方案可以较好的模拟出强降水的落区和强度。
(2) 直接同化雷达资料可以有效地改进降水的模拟效果。同化雷达反射率对降水落区的改进效果较明显(暴雨TS评分提高了0.12), 同化雷达径向风则对降水强度的模拟改进显著(暴雨TS评分提高了0.13), 同时同化雷达反射率及径向风对降水落区及降水强度的模拟与实际最为吻合, 暴雨TS评分提升了0.16。
(3) 综合考虑同化效果与同化运行效率两方面因素, 对同化时间间隔的敏感性试验结果表明, 循环同化过程中雷达资料的同化时间间隔取3 h和6 h时, 模式对暴雨和大暴雨模拟的TS评分有较明显的改进; 其中, 同化时间间隔为3 h时模拟效果最优, 24 h暴雨TS评分达到了0.33, 其次为6 h。
本文基于有限的天气个例, 研究得出直接同化多普勒雷达资料能够有效地提高福建地区降水的模拟, 但是也有许多值得提升和继续研究的地方。首先, 参数化方案的选择实验相对粗浅, 未来将针对季风暴雨和台风暴雨等暴雨过程的参数化方案进一步开展试验模拟; 其次, 本研究限于资料等原因仅同化了单部多普勒雷达资料, 未来也将针对多雷达同化的模拟效果开展研究分析; 另外, 虽然本研究中的同化结果较未同化的模拟结果有不少提升, 但是大雨以上量级的TS评分(暴雨最大为0.33)仍然不高, 后期对于大雨以上量级降水的模拟能力还将进行深入研究。
Gasperoni N A, Xue M, Palmer R D, et al. 2013. Sensitivity of convective initiation prediction to near-surface moisture when assimilating radar refractivity:Impact tests using OSSEs[J]. Journal of Atmospheric and Oceanic Technology, 30(10): 2281–2302.
DOI:10.1175/JTECH-D-12-00038.1 |
|
Lin Y, Ray P S, Johnson K W. 1993. Initialization of a modeled convective storm using Doppler radar-derived fields[J]. Monthly Weather Review, 121: 2757–2775.
DOI:10.1175/1520-0493(1993)121<2757:IOAMCS>2.0.CO;2 |
|
Lorenz E N. 1982. Atmospheric predictability experiment with a large numerical model[J]. Tellus, 34: 505–513.
|
|
Yue J, Meng Z Y, Yu C K, et al. 2017. Impact of coastal radar observability on the forecast of the track and rainfall of Typhoon Morakot (2009) using WRF-based ensemble Kalman filter data assimilation[J]. Advances in Atmospheric Sciences, 34(1): 66–78.
|
|
Zhang F M, Yang Y, Wang C H. 2015. The effects of assimilating conventional and ATOVS data on forecasted near-surface wind with WRF-3DVAR[J]. Monthly Weather Review, 143(1): 153–164.
DOI:10.1175/MWR-D-14-00038.1 |
|
Zhang F M, Pu Z X, Wang C H. 2017a. Effects of boundary layer vertical mixing on the evolution of hurricanes over land[J]. Monthly Weather Review, 145(6): 2343–2361.
DOI:10.1175/MWR-D-16-0421.1 |
|
Zhang F M, Pu Z X. 2017b. Effects of vertical eddy diffusivity parameterization on the evolution of landfalling hurricanes[J]. Journal of the Atmospheric Sciences, 74(6): 1879–1905.
DOI:10.1175/JAS-D-16-0214.1 |
|
Zhao K, Xue M. 2009. Assimilation of coastal Doppler radar data with the ARPS 3DVAR and cloud analysis for the prediction of Hurricane[J]. Geophysical Research Letters, 36(12): L12803.
DOI:10.1029/2009GL038658 |
|
Zhu L, Wan Q, Shen X, et al. 2016. Prediction and predictability of high-impact Western Pacific landfalling Tropical Cyclone Vicente (2012) through convection-permitting ensemble assimilation of doppler radar velocity[J]. Monthly Weather Review, 144(1): 21–43.
DOI:10.1175/MWR-D-14-00403.1 |
|
陈锋, 董美莹, 冀春晓, 等. 2012. WRF模式对浙江2011年夏季降水和温度预报评估及其湿过程敏感性分析[J]. 浙江气象, 33(3): 3–12.
DOI:10.3969/j.issn.1004-5953.2012.03.002 |
|
董海萍, 袁炳, 罗雨. 2017. 多源资料循环同化在台风"潭美"预报中的应用[J]. 热带气象学报, 33(4): 433–441.
|
|
兰伟仁, 朱江, 薛明, 等. 2010. 风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验Ⅰ:不考虑模式误差的情形[J]. 大气科学, 34(3): 640–652.
DOI:10.3878/j.issn.1006-9895.2010.03.15 |
|
廖镜彪, 王雪梅, 夏北成, 等. 2012. WRF模式中微物理和积云参数化方案的对比试验[J]. 热带气象学报, 28(4): 461–469.
DOI:10.3969/j.issn.1004-4965.2012.04.004 |
|
闵锦忠, 刘悦, 高士博, 等. 2016. 微物理方案及其参数对EnSRF资料同化的影响研究[J]. 大气科学学报, 39(4): 510–524.
|
|
沈菲菲, 闵锦忠, 陈鹏, 等. 2015. 多普勒雷达资料同化在台风"桑美"预报中的应用研究[J]. 海洋学报, 37(3): 25–35.
DOI:10.3969/j.issn.0253-4193.2015.03.003 |
|
施丽娟, 许小峰, 李柏, 等. 2009. 雷达资料在登陆台风"桑美"数值模拟中的应用[J]. 应用气象学报, 20(3): 257–266.
DOI:10.3969/j.issn.1001-7313.2009.03.001 |
|
王洪, 尹金方, 王东海. 2014. 单双参云微物理方案对华南暴雨的模拟对比分析[J]. 高原气象, 33(5): 1341–1351.
DOI:10.7522/j.issn.1000-0534.2013.00119 |
|
王坤, 张飞民, 孙超, 等. 2014. WRF-WSM3微物理方案在青藏高原地区暴雪模拟中的改进及试验[J]. 大气科学, 38(1): 101–109.
|
|
王越亚, 邵爱梅. 2016. SVD-En3Dvar同化方法在一次飑线过程中的应用[J]. 高原气象, 35(3): 755–766.
DOI:10.7522/j.issn.1000-0534.2015.00109 |
|
徐慧燕, 朱业, 刘瑞, 等. 2013. 长江下游地区不同边界层参数化方案的试验研究[J]. 大气科学, 37(1): 149–158.
|
|
杨艳蓉, 李柏, 张沛源, 等. 2004. 多普勒雷达资料四维变分同化[J]. 应用气象学报, 15(1): 95–110.
DOI:10.3969/j.issn.1001-7313.2004.01.012 |
|
杨毅, 邱崇践. 2006. 利用多普勒雷达资料分析一次强降水过程的中尺度流场[J]. 高原气象, 25(5): 925–931.
DOI:10.3321/j.issn:1000-0534.2006.05.021 |
|
杨银, 朱克云, 张杰, 等. 2015. 复杂地形下多普勒雷达资料同化的研究[J]. 高原气象, 34(5): 1495–1501.
DOI:10.7522/j.issn.1000-0534.2014.00059 |
|
尹金方, 王东海, 翟国庆. 2014. 区域中尺度模式云微物理参数化方案特征及其在中国的适用性[J]. 地球科学进展, 29(2): 238–249.
|
|
张飞民, 王澄海. 2014. 利用WRF-3DVAR同化常规观测资料对近地层风速预报改进的试验[J]. 高原气象, 33(3): 675–685.
DOI:10.7522/j.issn.1000-0534.2012.00198 |
|
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 |
|
周振波, 闵锦忠, 彭霞云, 等. 2006. 单多普勒雷达风场反演的扩展VAP方法(Ⅰ):方法与对比试验[J]. 高原气象, 25(3): 516–524.
DOI:10.3321/j.issn:1000-0534.2006.03.020 |
2. Meteorological Bureau of Sanming, Sanming 365000, Fujian, China;
3. Laboratory of Strait Meteorology, Xiamen Meteorological Bureau, Xiamen 361012, Fujian, China;
4. Institute of Nanjing China-Spacenet Satellite Telecom, Nanjing University of Information Science and Technology, Nanjing 210044, Jiangsu, China