有关云和降水资料同化的问题外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

有关云和降水资料同化的问题

RONALD M. ERRICO

戈达德地球科学与技术中心，马里兰大学，巴尔的摩县，巴尔的摩，以及美国

国家航空和航天局全球建模和同化处，马里兰州Greenbelt

PETER BAUER

欧洲中期天气预报中心，英国雷丁

JEAN-FRANCcedil;OIS MAHFOUF

加拿大环境部，加拿大魁北克Dorval

（手稿2006年1月25日收到，2006年6月26日最终版）

摘要：指示定量云和降水特征的观测资料的同化对于改进天气预报是可取的。由于许多基本原因，这是一个比传统或晴空卫星辐射数据同化更困难的问题。这些原因包括对所需观测算子的非线性（正演模型），非正态性和代表性的大量差异，检索或观测、操作误差，使用新测量的验证，动态和热力学平衡以及可能有限的可预测性等问题。一些运行中的天气预报系统已经同化了降水观测资料，但仍有更多的研究和发展。许多云与降水同化问题的关键性，根本性和奇特性意味着需要更加仔细的审查以加速进展。

1. 介绍

在任何时候，大约有50％的地球被云层覆盖。通过它们对辐射的向上和向下透射的影响，它们深刻地影响地表和大气热量预算。一小部分云层正在沉淀，构成地球水文循环的关键组成部分，并通过释放潜热蒸发，形成内部大气加热源。因此，准确分析云和降水对于表征气候至关重要。由于它们直接或间接地影响了许多人类活动，因此强烈期望它们在几个时间尺度上的准确预测。

遥感现在提供了分析大气的重要观测资料。红外或微波辐射的传播受到强烈的影响。云或降水的细节，包括水凝物的形状和大小分布。因此，在云和降水存在的情况下从辐射观测数据中获取温度和湿度场对这些细节的表征非常敏感。由于目前这些细节既没有得到分析也没有很好地模拟，因此如果有的话，怀疑受其影响的辐射观测往往被丢弃。这可能包括当前卫星观测数据的一半，否则可能会考虑进行数据同化。

丢弃的卫星数据可能包含有用的信息，不仅涉及标准的动力学和湿度场分析，还特别涉及影响它们的云或降水场。然而，提取后者的信息并不像在无云区域执行更多标准的温度和水汽总量回收那样简单并且更容易出错。不幸的是，在全球许多地区，云层的存在，尤其是降水，表明一些动态的重要天气正在发生。随后的预测也经常对这些地区的初始条件敏感。 该云和降水发生与高预报敏感区域的对应表明，改善浑浊和沉降区域的初始条件对于提高数值天气预报系统的技能尤为重要。

与预报与温带气旋和反气旋有关的动力学领域通常在6天以内保持其效用不同，根据大多数常用的测量方法（Fritsch和Carbone 2004），超过2或3天的定量降水预报技术很少。这无疑部分是云和降水预报由模型物理参数化方案确定的结果，这些方案比负责旋风传播的动力学公式精确度低。此外，部分原因在于预报云和降水对较不准确的分析或预测场（如垂直运动）更为敏感。此外，由于空间和时间尺度较小（Lorenz，1969），云和降水很可能不如中纬层的温度或风成分可预测。考虑到它们强烈的时间和空间变化性，即使对这种预测进行定量评分也不是微不足道的。

尽管有这些困难，但很可能是定量云和降水预报技巧可以通过减少初始条件域中影响它们的部分的误差来显着增加。实现这一目标的一个困难但显而易见的方法是适当地同化特别受云和降水影响并因此指示云和降水的观测。其中包括地面雨量计的数据，地基和卫星雷达或激光雷达反射率，以及被动红外和微波辐射计的卫星辐射。 除了潜在的改进预测之外

，这种改进的分析将提供更好的数据集，以验证并因此改进云和降水参数化方案。由于这种方案的输出通常对输入误差和公式误差都很敏感，只有在输入场具有足够精确的情况下，任何输出误差都可以自信地归因于错误的公式。

云和降水相关的同化对于各种基本和实际的考虑，观察结果可能与更常规观测类型的结果非常不同。尽管可以忽略这里要描述的一些问题，并且仍然获得一些成功的措施，但只有在对这些问题进行充分调查并适当应用后才能实现这种同化的全部潜在好处。

本文的重点是对云和降水信息的观测资料进行同化，重刑是推断。没有讨论具体的数据同化技术或观测。相反，描述了许多似乎是吸收这些观察的具体问题特有和根本的问题。 这包括有关所用观测和模型的特殊特性，一般可预测性，待分析领域的选择，统计和动态的问题。其中一些问题已经在其他地方提出过，但是在一系列不同的论文中，其他论文最多只能在出版物中出现。所以这是大多数人聚集成一篇论文。

2. 过去的研究

20多年前开始使用卫星降雨率来改善大气分析，尤其是热带海洋的分析。基于反演简单对流方案以获取水分剖面或基于非绝热正常模式初始化以调整发散环流至卫星衍生的加热速率分布图（Krishnamurti等1984; Donner 1988; Puri and Miller 1990; Heckley等，1990; Kasahara等，1996;等等）。对于一些中尺度应用，经验方法仍被考虑（Macpherson 2001; Du-crocq et al.2002）。

在引入伴随技术之后，有几项研究在非操作语境中使用变分方案（例如，Zou等人1993; Zupanski和Mesinger 1995; Tsuyuki 1996; Zou和Kuo 1996; Kuo等人1997; Zhu和Navon 1999; Guo等，2000; Xiao等，2000）。其中许多研究存在一个或多个严重的设计缺陷，包括没有考虑背景误差相关性或完全没有背景术语（因此变异问题不适合），没有考虑动态平衡，将观测的处理视为近乎完美，忽视代表性或观测运营商（正向模型）误差的大误差，术语大小的错误表述，解决方案缺乏收敛性，仅考虑单个案例等。这些相当根本的缺陷通常使得对这些作品的相应解释及其与可操作的操作的相关性成为可能。

最近，降水数据一直保持一致，在早期的一些缺陷已被纠正的术前情况下（例如，Mareacute;cal和Mahfouf 2002; Treadon等2003; Tsuyuki等2003; Mahfouf等2005; Bauer等2006a，b）。 由于计算原因或控制非线性的不良后果，大多数仍包含许多简化。一些运营中心-包括美国国家环境预测中心，日本气象局和欧洲中期天气预报中心已经在降水观测中采用了操作性方法。虽然仍然不完善，但基于最优控制理论的这些实现允许明确记录错误统计数据，明确确定最优化条件以及在真实的先进预测环境中验证。

因为来自地面网络的定时定量降水数据和卫星反演算法已经得到更广泛的获取，所以远远更多的努力致力于降水同化而不是云观测。即使定量降水预报的改进是在分析系统中使用降水数据的有力证明，单靠这些额外数据似乎也不足以实现这一目标。因为云层区域的识别捕捉模型初始状态下的降雨前兆，因此可能需要互补使用云观测以显着提高降水的可预测性。除了晴空水汽和降水观测数据之外，云数据还对分析中的水文循环（即水物质各阶段之间的一致性）提供了额外的限制。此外，它们包含关于风散度（在活动云中）和旋转风（在被动云中充当示踪剂）的信息。云层识别大气的饱和区域，从而对给定分析系统应该进行的温度和湿度修正施加强烈的限制。从改进的初始云层中，可以更加真实地描述冷凝产生的非绝热加热的三维结构，这种结构已知会与动力学相互作用。当同化在一个显着的时间跨度内连续时，如在四维变分技术中那样，这个潜力是最大的，因为观察到的云场的时间变化可以是非常丰富的。而且，当直接同化卫星辐射时，云的存在可能与降水的存在同样重要，因为更多的地球区域覆盖了云而非降水。由于对两者的许多要求是相似或相同的，因此不宜有效地忽略云问题。

3. 有关观测的问题

a. 可观察的选择

目前，云和降水的近全球观测的唯一来源是辐射和反射的遥感。显然，最直接的遥感观测云或降水是来自5-35 GHz工作的雷达的云或雨剖面，从红外辐射测量获得的云顶温度和来自激光雷达观测的卷云覆盖。此外，微波辐射与诸如总柱雨或云量等路径积分量有关，而且与温度和湿度剖面有关，甚至与表面风速有关，因为它影响地表发射率。观测对气象参数的敏感性越来越多样化和复杂化，反演问题受到的限制就越少。

关于云层或降水的卫星观测可以被同化为原始辐射率或者作为取回的参数（例如地面降水率，云液态水通道，云层光学深度，云有效半径等）。尽管辐射的同化似乎是将卫星资料纳入大气资料同化的最自然的方式，但这绝不是确定的。事实上，当用于数值天气预报的晴空卫星资料同化近20年前开始时，观测资料就是代表深层的位势厚度和综合水汽的反演。 这些检索由空间机构提供给业务气象预报中心。在20世纪90年代初，使用变分（1DVAR）技术的列检索是利用短期天气预报提供的先验信息开发的。然后将反演结果同化为完整的三维大气分析系统中的温度和湿度的伪观测值（Eyre et al.1993;Geacute;rardand Saunders 1999）。最近，模型精度和数据同化技术的改进允许直接同化天气预报模型中的原始辐射率（McNally等，1999; Bauer等，2003）。这些连续的方法已经在进行中。

派生的同化的明显缺点，参数是来自用于约束检索的训练数据集的先验信息很少代表操作系统中遇到的广泛环境。诸如水流含量，降雨率，颗粒相或体积颗粒尺寸光谱变量等参数需要先验信息和模型假设，这些假设不能从单独的观察得到。另外，如下一节所述，检索的错误表征可能会产生问题。

如果选择云或降水属性作为可观测量，那么在观测值为零的情况下通常没有灵敏度（即观测算子的雅可比行列式为零）。 直接同化微波辐射观测值的一个显着优点是无论云和降水的存在，nals都对大气状态的变化敏感。 因此，这些数据可以在晴朗的天空条件下产生积极的湿度增量，导致在模型背景没有的情况下产生云和降水。 观测算子的这种更规则的行为是数据同化中非常理想的特征（Moreau等，2004;也见第4节）。 然而，微波辐射过程之间不太清晰的区别可能会导致信号的误解。 因此，检索仍然用于质量控制以识别阴天和下雨像素（Bauer et al。2006a）。

一些观察值是时间积分或平均值。例子包括在雨量计中积累的小时降水或由定期卫星观测构建的时间连续数据集。这些值的使用倾向于减少数据量和随机误差（后者通过暗示统计中的中心极限定理）。当然，由于没有关于观测场在平均时间间隔内变化的潜在有用信息。 这种变化在四维变分数据同化上下文中特别有用，但前提是同化模型能够消化这种间歇性信息。因此，确定数据的什么时间尺度是最有用的，需要考虑观测和数据同化系统的几个方面。

最后，关于云的可观察性的选择而来自卫星的降水似乎与数据同化系统的类型以及模式模拟可观测量（通过其潮湿物理参数化方案和模式分辨率）的能力密切相关。这种选择还受其他因素的影响，例如错误特征，质量控制，数据选择，控制变量的选择以及重要的计算效率。

b. 观察错误统计

使用基于统计的同化技术时，必须考虑三种类型的观测相关误差（Eyre 1989; Ide等1997）。一个是来自观测仪器的定量输出信号的误差; 例如，观测辐射的误差。另外两种类型涉及将观测与待分析的数量相关的误差，例如辐射与水分含量的网格值。其中一种称为观测算子或正演模型误差，涉及各种物理参数化方案，将在下一节讨论。另一个具体涉及代表观察的能力，通过有限分辨率场的功能来确定真实的大气。例如，将网格场与任意点位置处的观测比较通常需要插值。或者，观测到平均辐射亮度的卫星覆盖区可能与网格框的区域不一致。一般来说，这些比较是不完美的，会产生未知的代表性误差，对于某些观测类型，可能会大于仪器误差（例如，在未加工的探测器上升过程中，温度的点测量可能比用于内插温度的公式更精确网格点）。

在数据同化中，术语“偏见”通常被定义为相当模糊。它不是一个严格的时间或空间平均值，它可能是一个变化的值，虽然很慢（Dee and da Silva 1998; Dee 2005）。对于某些类型的观测，偏差可能是误差的最大组成部分（Deblonde et al。2007）。通常通过比较一组观察结果与另一组观察结果或根据先前（背景）信息产生的估计值来检测这些偏差。 这种比较本身并不能揭示哪些比较数据集实际上包含最偏颇的错误。因此，一些假设是必需的，因为偏差的不同起源需要完全不同的移除手段（Dee 2005）。

重要的观察和建模偏差必须是去除观测误差特征并进行合理建模。这可以通过合理的筛选程序来促进，只有在偏差可忽略的情况下才接受数据并且错误统计数据更容易描述。这种可接受的观测误差被认为是无偏的，随机的，并且与先前（背景）信息中的误差不相关。通常，观测误差也被认为是正态分布的，并且与其他观测的误差或相互之间不相关。因此，希望实际上以近似满足这些性质的形式考虑观测值。

如果随机误差的分布是正态分布（即高斯分布），那么对它们的均值和协方差的了解提供了它们概率分布的完整描述。如果它们不正常，那么分布的其他时刻变得相关，与选择的标准偏差范围相关的概率可能不同于高斯的那些概率，并且关于组合（特别是乘法）分布的一些有用定理不一定适用。如果分布近似正态，则通常可以忽略这样的区分，除非分布的更高阶矩或尾部是特定的与问题密切相关。 在数据同化算法中，属于概率分布尾部的误差通常通过质量控制程序解决，当分布强烈不对称或多模态时，非正态性仍然是一个通常关键的考虑因素。 如果这些被视为正常的错误处理，数据同化可能会产生非常不准确甚至不真实的结果（Tarantola，1987）。

如果将降水速率或云量的估计值（即检索到的）作为观测值处理，则误差可能远不是正态分布的。当降水率误差的标准偏差相对于观测值较大时，则分布必须是非正态分布，因为误差不能小于-100％。如果具有正态分布误差的辐射或反射率测量被用于通过高度非线性函数来估计与其相关的降水或云量，则估计的误差分布再次可能是非正态分布。例如，雷达估算的降雨率与使用幂律的反射率有关。另外，对于正态分布，任何特定点值出现的概率都是零，但对于与降水或云有关的一些误差，这不是真的。例如，检索时可能会错误地指示降水发生在实际不存在时，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21467]，资料为PDF文档或Word文档，PDF文档可免费转换为Word