同化葵花八号卫星全天空红外辐射:一例台风苏迪罗（2015）外文翻译资料

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

同化葵花八号卫星全天空红外辐射:一例台风苏迪罗（2015）

Takumi Honda,Guo-Yuan Lien, Seiya Nishizawa, Ryuji Yoshida,Sachiho A. Adachi,Koji Terasaki,Hirofumi Tomita

Institute for Computational Science, Kobe, Japan

Takemasa Miyoshi

Institute for Computational Science, Kobe, Japan, and Department of Atmospheric and Oceanic Science, University of Maryland, College Park, College Park, Maryland, and Japan Agency for Marine-Earth Science and Technology, Yokohama, Japan

Kozo Okamoto

Meteorological Research Institute, Japan Meteorological Agency, Tsukuba, and RIKEN Advanced Institute for Computational Science, Kobe, Japan

Kotaro Bessho

Meteorological Satellite Center, Japan Meteorological Agency, Kiyose, Japan

摘要： 日本新型地球同步卫星葵花八号，是包括GOES-16在内的第三代地球静止气象卫星系列的第一颗，自2015年七月开始运行。葵花八号卫星产生高分辨率的观测，共16个频段，每10分钟全盘扫描一次，每2.5分钟扫描当地区域一次。本研究旨在通过使用区域数值天气模式同化来自葵花八号卫星的全天空每10分钟红外辐射，首次研究它对现实世界热带气旋（TC）分析和预报的影响。结果表明葵花八号红外辐射的同化改善了内核和外雨带区域的TC结构分析.由于TC结构分析得到改善，基于葵花八号数据的TC强度预报也得到了改善.

关键词：热带气旋；卫星观测；数据同化

1.简介

尽管最近在数值天气预报（NWP）方面取得了进展，但准确预报热带气旋（TC）是一项巨大的挑战，特别是因为它们的强度变化（DeMaria等人2014 ; National Hurricane Center 2016）。数据同化（DA）在有效利用现有观测资料以获得更好的初始条件和改进NWP的后续预报方面发挥着关键作用。热带气旋（TCs）大部分生命周期都在海洋上，这里的现场观测通常是受限的。因此，改善来自卫星和飞机对海洋的珍贵观测资料的数据同化（DA）对TC预报非常重要。许多研究探索了利用各种观测数据改进TC预报的方法：例如，Miyoshi和Kunii（2012）用卫星传播的大气红外探测器（AIRS）检索数据，吴等人（2012）使用dropwindsonde数据，Zhang和Weng（2015）用机载多普勒雷达观测，以及Zou等人（2015年）由国家海洋和大气管理局（NOAA）运营的GOES-13和GOES-15地球静止卫星的晴空辐射。

对地静止卫星可以经常观察大范围的区域，并且可以有效地观测海洋上的TC。实际上，地球静止卫星可以捕获与TC相关的旋转云团，并且长期以来在分析气象服务中TC最佳航迹数据方面发挥着至关重要的作用（例如，Velden等人，2006年）。然而，同化NWP中的全天空红外（IR）辐射仍然是一项重大挑战。例如，云解析模型模拟需要大量的计算资源，包括高度非线性过程（Bauer etensp;al.2011），并且可能受到参数化方案选择的影响（Otkin等2017）。通过前向辐射传输模型（RTM）模拟模型输出的卫星观测具有很大的不确定性（Okamoto 2017）。另外，卫星辐射通常包含不同频段之间的相关误差（Bormann等人，2010年，2016年），因此同时同化多个频段并不简单。此外，尚不清楚如何有效地估计和纠正偏差。虽然许多先前的研究已经解决了来自低地球轨道探测器的全球尺度卫星辐射DA的偏差校正程序（例如，Derber和Wu 1998 ; Fertig等人2009 ; Miyoshi等人2010）），从地球静止轨道进行频繁辐射观测的云分辨尺度区域数据同化的程序尚未很好的建立。最近，林等人（2017）采用NOAA运行的快速更新（RAP）小时更新系统，以13公里的分辨率对卫星辐射观测应用偏差校正程序，但本研究的重点是更频繁更新的高分辨率系统。

最近，张等人（2016）通过对TC案例进行观测系统模拟实验（OSSE），解决了同化全天红外辐射的难题。他们表明，通过模拟NOAA的新一代地球静止卫星GOES-R（现在是2016年11月发射的GOES-16）在全天候条件下每10分钟高时空分辨率的辐射，TC分析和预报得到了显着改善。他们通过使用全天空辐射证明了模拟TC情况下雷达反射率和风场的显著改善。他们进一步用GOES-13的真实红外观测进行了实验，并展示了全天空辐射DA的好处。

2015年7月，日本气象厅（JMA）开始全面运行新的地球同步卫星葵花八号（Bessho等人，2016年），这是包括GOES-16在内的第三代地球静止气象卫星系列中的第一颗。葵花八号上的高级Himawari成像仪（AHI）产生高分辨率观测，每10分钟有16个频段用于全盘，每2.5分钟用于固定在日本周围的局部区域并适应台风周围。2015年8月，Himawari-8成功捕获了台风Soudelor（2015）的快速增强，这是2015年最强的西太平洋TC，达到900 hPa的最低海平面气压（MSLP）（图1a））。

图1（a）台风“苏迪罗”最佳路径最低海平面气压（MLSP，hPa）和实验流量（黑色和红色箭头）随时间变化图；（b）台风“苏迪罗”的计算领域和最佳路径，图框和红色矩形对应于15km网格的D1域和3km网格的D2域，开发跟封闭的蓝色圆圈分别显示00时和12时台风“苏迪罗”的位置

遵循张等人的承诺（2016）使用模拟的GOES-R辐射数据，本研究旨在同化台风苏迪罗的真实世界葵花八号全天红外辐射，并调查其对分析和预报的影响。一些研究调查葵花八号观测的特征（Zou等人，2016）及其对降水预报的影响（Honda等，2018 ; Qin等，2017），但是这是迄今为止第一篇展示每十分钟红外辐射在真实台风案例下对区域数值天气预报的潜力。第2节描述了实验设计。第3节介绍了结果和讨论。第4节供了摘要。

2.方法

我们使用Lien等人开发的系统。（2017，以下称L17），他结合了可扩展计算的区域模型，用于高级函数库和环境（SCALE; Nishizawa等人2015 ; Sato等人2015）函数库，或简称SCALE-RM，与当地集成变换卡尔曼过滤（LETKF; Hunt等人，2007。 ; Miyoshi和Yamane 2007）来创建SCALE-LETKF。SCALE-RM在北太平洋西部地区设有两个域; 即一个3千米网格的子域（以下称D2）720*576*56。网格点嵌套在15千米网格的父域（以下称D1）中384*288*36 网格点（图1b）。这里，嵌套是单向的，因此D1为D2提供边界条件，但D2不影响D1。我们首先运行D1 数据同化实验的整个期间，然后进行D2 数据同化实验。D1和D2的模式顶部分别为27.7和26.6 km的Tomita（2008）单力矩散装微物理方案在D1和D2中。为了表示次网格尺度的湍流，我们应用了Mellor-Yamada-Nakanishi-Niino湍流方案（Nakanishi和Niino 2004）的2.5级关闭。短波和长波辐射过程由模拟模拟辐射传输代码（MSTRN）X（Sekiguchi和Nakajima 2008）参数化。采用Beljaars型体表面通量模型(Beljaars and Holtslag 1991)和单层城市冠层模型(Kusaka 等人. 2001)包括海面温度在内的6小时边界条件由国家环境预报中心（NCEP）全球预报系统（GFS）分析数据给出，水平分辨率为0.5°。

在这项研究中，整体尺寸固定为50。D1的6小时数据同化周期在2015年7月28日0000 UTC开始，经过1天的整体预报旋转（图1a）。在L17之后，D1的初始集合是根据2013年7月和2014年任意选择日期0000 UTC的0.5°NCEP GFS分析数据创建的。根据NCEP GFS分析，我们确认D1数据同化周期在4以内充分旋转几天，在启动D2 数据同化周期之前。D1的其他数据同化设置遵循L17开发的近实时系统。也就是说，D1的LETKF同化6小时常规（非辐射）NCEP PREPBUFR观测值。在D1和D2 DA周期中，协方差定位通过高斯函数应用，但超过标准差之后被迫为0。定位尺度由高斯函数的标准差定义，在自然对数压力(lnP)坐标下，水平方向为400 km，垂直方向为0.3 km，跟随L17。

由于D1的边界条件在所有集合成员中是相同的，因此集合扩展在边界处为零。因此，我们需要仔细设计D1的协方差膨胀率。L17测试了几种方法和可调参数，并得出结论：乘法协方差膨胀和松弛与先前扰动的组合（RTPP; Zhang等人2004）可以使集合扩展在合理范围内，即使在固定边界条件和有限域的情况下也是如此。在这里，我们遵循L17对于D1并将乘法膨胀应用于具有2.0的常数因子的背景误差协方差，接着是具有0.8的弛豫常数的RTPP。需要相对大的乘法膨胀系数2.0来保持集合扩展足够大。

D2数据同化循环每10分钟进行一次，D1循环给出初始和边界数据。D2周期于2015年8月2日0000 UTC开始，经过6小时的旋转集合预报，并于2015年8月3日0000 UTC结束（图1a））。对于D2循环，我们仅应用具有稍大的0.85的弛豫常数的RTPP。还测试了0.90的不同弛豫常数，但结果没有改善。由于D1循环提供了整体边界条件，因此不使用乘法膨胀。

我们同化D2周期的三种类型的观察：PREPBUFR，TC生命数据（MSLP和TC位置）和Himawari-8辐射。每6小时的PREPBUFR观察分成每10分钟的二进制文件。PREPBUFR观测的水平定位尺度设定为50 km，类似于德国气象局公里尺度集合数据同化（KENDA）系统的50-100 km自适应定位，水平网格间距为2.8 km（Schraff et al。2016）。选择PREPBUFR观测的垂直定位尺度与D1循环的垂直定位尺度相同。利用TC生命观测算子在背景集成中搜索TCs的中心位置和强度(MSLP)，每小时对TC生命数据进行一次同化。在这里，我们不采用TC重定位技术（Hsiao etensp;al.2010），尽管最近Nehrkorn等人（2015）报告了一种纠正TC位置误差的先进技术。每小时TC生命数据从6小时JMA最佳跟踪数据进行线性插值，如Heming（2016）张等人（2016）也在他们的模拟实验中同化每小时TC生命数据。以前的研究估计了TC生命观察的不确定性（例如，Torn和Snyder，2012 ; Kleist，2011 ; Holt等，2015 ; Heming，2016）。如Zhang等人所述（2016），Himawari-8和GOES-R的高时空分辨率数据将提高TC重要观测的准确性，但验证数据尚不可用。因此，我们简单地遵循Torn（2010）和Kunii（2015）并假设强

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18458]，资料为PDF文档或Word文档，PDF文档可免费转换为Word