2. 中亚大气科学研究中心, 乌鲁木齐 830002;
3. 中国气象局数值预报中心, 北京 10081
2. Center for CentralAsia Atmosphere ScienceResearch, Urumqi 830002;
3. Numerical Prediction Center, China Meteorology Administration, Beijing 10081
数值天气预报模式在物理框架和参数化方案上日臻完善,其预报质量在很大程度上依赖于资料同化系统提供的初始条件的精度[1]。自20世纪90年代,卫星辐射资料已被广泛应用于世界主要的数值天气预报(NWP)中心。欧洲中期数值预报中心(ECMWF)公布的数据显示,卫星资料占所有同化资料90%以上,而纯粹的卫星辐射资料又占到所有使用资料的80%以上[2]。与红外、可见光等探测方式相比,微波能穿透非降水云,因而可观测到强降水以外各种天气条件下的温、湿信息[3]。
目前同化系统除可同化常规探空、地面等观测资料[4-5]外,也可同化卫星微波辐射资料,如GRAPES- 3DVAR [6]、WRF-3DVAR/4DVAR [7-8]和GSI [9]等,并应用于数值预报业务系统中。另外,国内外学者针对不同卫星微波辐射资料开展偏差订正方法研究,综合评估卫星微波辐射资料同化对预报结果的改善[10-11],尤其对缺乏观测资料的海洋改进效果尤为明显[12-13]。但怎样在数值天气预报中最有效地同化卫星微波湿度计资料至今仍具有很大的挑战性,McNally等[14]曾指出,在同化中需要考虑修正发射率、订正偏差以及检测云和降水等。卫星微波辐射资料直接进入模式需要通过辐射传输模式,地表发射率则是其中的关键因子[15]。不同地区由于其结构、含水量、粗糙度等的差异而具有各自的辐射特征,因而发射率与地表类型密切相关[16-17]。相比海洋,陆地地表信息复杂,这使得地表发射率的计算与实际存在一定差距,从而导致卫星微波辐射资料尤其是近地通道资料很难在同化系统中应用[18]。辐射传输模式及其基础光谱数据、输入的温、湿度廓线等数据以及辐射测量的系统偏差等均可造成系统性偏差,一般须考虑扫描偏差和气团偏差[19-20]。卫星观测受云的影响,在目前背景条件下缺乏足够的云参数,且在快速辐射传输模式中没有详尽考虑云雨粒子散射效应的情况下,云雨区卫星辐射亮温模拟和实际观测还有相当偏差[21-22]。目前卫星微波辐射资料的同化应用主要针对晴空条件进行,对云雨区卫星微波辐射资料的应用,通常采用云检测方案来判识卫星观测受云影响的严重程度并决定资料取舍[24-25]。
新疆地处欧亚大陆腹地,属于大陆干旱、半干旱气候区,但每年夏季均会出现区域性暴雨过程[26-27],甚至引起洪涝灾害,造成严重的经济损失和人员伤亡。新疆强降水是高、中纬西风带及低纬副热带环流多尺度系统相互作用的产物,水汽匮乏且地形复杂,降水成因复杂,对降水的定时、定点、定量预报难度较大[28-29]。另外,新疆地形复杂,自然环境恶劣,常规观测站点稀疏,模式初值的质量仍存在较严重的问题[30]。现行的新疆区域数值模式中同化的资料比较单一,主要为GTS常规观测资料和少量雷达发射率资料[31-32]。而卫星探测资料覆盖面积较广和时空分辨率较高的特点,有望改善新疆地区观测资料不足的现状。因此,对于常规观测资料严重匮乏的新疆地区,开展卫星微波辐射资料同化在区域数值模式中的应用研究势在必行。
本文基于新疆区域数值模式系统,选取2016年7月31日-8月1日新疆伊犁河谷强降水过程,开展卫星微波辐射资料同化敏感试验,并对2016年7月进行批量试验对比,以初步探究卫星微波辐射资料同化对新疆降水预报的影响。
1 天气过程概况由于新疆属于干旱半干旱气候,国家降水标准不适用于该地区,因此,新疆气象工作者提出适合新疆气候特点的降水量级标准(24 h累积降水量),即6.0 mm以下为小雨,6.1~12.0 mm为中雨,12.1~24.0 mm为大雨,24.1~48.0 mm为暴雨,48.0 mm以上为大暴雨[26-27]。2016年7月30日-8月2日,受西西伯利亚低涡和中亚短波槽影响,北疆各地、天山山区及南疆西部等地出现小雨,其中北疆大部和南疆西部山区出现中到大雨,伊犁河谷及周边山区出现暴雨或大暴雨。从24 h累积降水量来看(图略),7月31日00时-8月1日00时(世界时,下同)降水落区集中在伊犁河谷地区,8月1日00时-2日00时降水带东移,北疆大部分地区出现降水。从逐6 h累积降水量来看(图略),此次过程降水主要集中在7月31日12时-8月1日12时,特克斯、昭苏、新源、尼勒克的24 h累积降水量分别为51.6 mm、54.1 mm、66 mm、75 mm,均突破历史日极值(图 1)。这也是2016年新疆暴雨范围最大、强度最强的过程,造成伊宁县、巩留县、特克斯县共2 278人受灾,直接经济损失500多万元。
图 2为2016年7月30日12时NCEP FNL再分析资料分析的天气形势。从中可见,200 hPa上在里海、咸海至巴尔喀什湖一带上空有副热带长波槽,新疆上空表现为较强的西南急流(图 2a)。500 hPa上西西伯利亚为低涡,中亚为短波槽,新疆西部处于槽前西南气流控制,西太平洋副热带高压西伸北顶稳定控制新疆东部(图 2b)。从700 hPa水汽通量来看,北疆上空低层为西方水汽输送,南疆盆地为偏东急流输送(图 2c)。随着500 hPa低槽缓慢东移,新疆自西向东出现降水过程。
现行新疆区域同化预报系统(Desert Oasis Gobi Regional Assimilation and Forecasting System,简称“DO⁃ GRAFS”)以WPS、WRFV和WRF-3DVAR [33, 34]为核心,其预报区域设置为27 km和9 km两重嵌套网格,其中9 km分辨率区域覆盖新疆及其周边地区(图 3)。初始场采用美国环境预报中心(NCEP)时间分辨率为3 h、空间分辨率为0.5°×0.5°的的GFS (Global Forecast System)资料,目前同化的观测资料主要为地面气象观测(SYNOP)和无线电探空(SOUND)。模式主要物理过程参数设置为:WSM6云微物理方案,K-F对流参数化方案,YSU边界层方案,Noah陆面方案,长波辐射RTMM和短波辐射Dudia方案。
文中使用的卫星资料为Level 1b层次辐射率资料,主要包括先进微波探测器温度计(AMSU-A)和微波湿度计(MHS)资料,来自美国极轨卫星NOAA-18、NO⁃ AA-19和欧洲极轨卫星METOP-1和METOP-2。AM⁃ SU-A主要用于探测大气温度,有15个通道。MHS主要用于探测大气湿度,有5个通道。
根据此次暴雨过程集中时段,模式起报时次设置为2016年7月31日00时,预报时效为48 h。具体同化敏感试验设计方案如表 1所示,试验中采用的常规观测资料站点分布与卫星微波温、湿度计探测的像元分布如图 4所示。为利用更多的卫星微波辐射资料,采用循环同化方案,即每隔6 h (2016年7月30日12时和18时)同化一次卫星微波辐射资料,并将同化得到的预报场作为模式下次起报的初始场[35]。同化过程分别在内外网格区域进行,同化窗口均设置为6 h,包括同化时刻前后3 h的观测资料。
本文采用WRFDA (WRF Data Assimilation)系统作为辐射率资料的资料处理模块,辐射传输模式选用美国卫星资料同化联合中心(Joint Center for Satellite Data Assimilation)研制开发的CRTM (Community Radiative Transfer Model) [36, 37],偏差订正采用WRFDA中的自适应偏差订正方案[37]。经过质量控制后混合地表处的扫描点被舍弃,同化的卫星微波辐射资料为AM⁃ SU-A的通道5-8和MHS的通道4-5。此外,质量控制还包括临边检验、天顶角检验、降水检验和偏差检验等。
3 试验结果分析 3.1 背景场与分析场偏差分布图 5为2016年7月31日00时不同试验方案下内外两重网格区域平均的各要素分析场与背景场差值(AMB)随σ (纵坐标)层的垂直分布图。总体来看,内外层区域平均的各要素增量差别显著。在外层区域中,Ctrl和Exp2试验中u、v、温度和气压的增量总体小于Exp1和Exp3试验,但湿度增量在近地层均大于其他三个试验。在内层区域中,Ctrl和Exp2试验中的各要素增量更加接近,而Exp1和Exp3试验的要素增量变化差异比较显著。从同化的各通道卫星微波辐射资料分布(图略)来看,在低层通道,我国西部地区上空的资料剔除率较高,这主要是由于该地区地形较高以及陆面信息复杂。随着观测通道的增高,同化的资料随之增多。而MHS资料通道较低,同化后(Exp2)在内层区域剔除较多,因此对初始场的影响有限;反之,同化包含高层通道的AM SU-A资料后(Exp1和Exp3)则对初始场影响显著。
图 6为初始时刻控制试验温度及敏感试验温度增量在各高度上的分布,从中可见,仅同化AMSU-A资料对初始温度场的影响较MHS资料更显著。同化AMSU-A资料后(Exp1),在200 hPa和500 hPa以负增量为主(图 6a, d),在700 hPa以正增量为主(图 6g),尤其500 hPa上西西伯利亚低涡后部为负增量中心,对低涡起到加强的作用。从温度增量的剖面图(图 7a)也知,700-800 hPa为正增量中心,最大值达3 ℃;随着高度增加温度增量逐渐变为负值,在200-300 hPa达到负增量极值,低至-5 ℃;之后又转为正增量,在100 hPa上出现正增量中心。仅同化MHS资料(Exp2)对初始场温度影响较小,增量值大部分在-0.5~ 0.5 ℃,且在30°N以南相对明显(图 6b, e, h和图 7b)。同时同化AMSU-A和MHS资料(Exp3)后的温度增量分布与仅同化AMSU-A资料(Exp1)结果类似,但在200 hPa和700 hPa上的增量中心有所加强,500 hPa上有所减弱(图 6c, f, i和图 7c)。位势高度增量与温度增量在水平和垂直分布上基本类似,本文不再赘述。
图 8为2016年7月31日00时各敏感试验700 hPa上的比湿增量分布,图 9为同时次各敏感试验沿(70.3°E, 19.9°N)-(70.2°E, 64.5°N)的比湿增量剖面图,从中可见,同化AMSU-A和MHS资料对水汽场均有所改变,但二者之间分布差异较大。仅同化AMSU-A资料后(Exp1),孟加拉湾以北沿70°E附近的水汽输送路径出现多个负增量中心,中心值可达-3 g·kg-1,但在伊犁河谷和塔里木盆地上空为正增量,且在塔里木盆地西北部的中心值超过3 g·kg-1(图 8a)。仅同化MHS资料后(Exp2),孟加拉湾以北地区仍以负增量为主,但范围更广,强度明显减弱,大部分在-1 g· kg-1左右;但在新疆地区增量值整体较小,在伊犁河谷附近为-0.5 g·kg-1左右(图 8b)。同时同化AMSU-A和MHS资料后(Exp3),比湿增量整体分布与Exp1试验结果类似,但在巴尔喀什湖以北变为正增量,强度较Exp2试验更强(图 8c)。从湿度增量的剖面图来看(图 9),低纬度分布较高,30°N以北主要分布在500 hPa以下,增量中心集中在800-600 hPa,各试验增量中心的分布特征也与前面分析一致。
图 10为四种同化方案预报的24 h累积降水量对比。总体来看,四种同化方案均可捕捉到伊犁河谷地区的强降水中心。仅同化AMSU-A资料后(Exp1),降水带整体扩大东移,且对塔里木盆地的降水落区和量级预报偏大,这与前面比湿增量分布结果一致(图 10b);仅同化MHS资料后(Exp2),降水雨带的位置变化不大,但强降水中心落区更加集中(图 10c);同时同化AMSU-A和MHS资料后(Exp3),降水预报结果(图 10d)与Exp1试验类似。同化AMSU-A资料后各要素调整显著,有可能导致初始场与实际差异更大。对于干旱半干旱气候的新疆地区,水汽对暴雨的影响尤为重要[28, 29]。MHS资料虽然对模式初始场“微调”,但可更好地修正补充降水过程中的水汽信息,因而同化正效果更显著。
将9 km区域的预报结果插值到图 1所示的新疆区域114个站点上,与其对应站点的降水量观测值计算得到24 h累积降水量预报和观测的相关系数Cor,它在某种程度上可体现出模式结果与观测值的偏离程度,即相关系数越大,说明预报与站点观测值越接近。如图 10所示,不同资料同化后的相关系数差异显著,其中仅同化MHS资料(Exp2)的系数最高,达到0.944 (图 10b);仅同化AMSU-A资料(Exp1)的系数最低,仅为0.712 (图 10c);同时同化AMSU-A和MHS资料(Exp3)的相关系数(图 10d)略低于仅同化MHS资料(Exp2)结果。与不同化卫星微波辐射资料(Ctrl,图 10a)结果相比,仅同化MHS资料(Exp2)对降水预报结果的正效果比较显著,仅同化AMSU-A资料(Exp1)则为明显的负效果,同时同化AMSU-A和MHS资料(Exp3)也为正效果,但仍不如仅同化MHS资料(Exp2)显著。
ETS评分和预报偏差BS评分是目前比较常用的客观检验方法,其中ETS评分表示预报区域内某一降水阈值预报正确的站点数占所有发生降水站点数的百分比,BS评分则表示预报区域内某一降水阈值预报站点数与观测降水站数的比值[30, 38]。为满足精细化预报的需求,本文针对6 h累积降水预报结果进行评分,其检验阈值依次为:≥0.1 mm、≥3.1 mm、≥6.1 mm、≥12.1 mm [30]。图 11为4种同化方案预报的逐6 h累积降水预报检验结果,从中可见,对于前3个阈值的降水,在前24 h仅同化MHS资料(Exp2)的预报优势明显,而在后24 h仅同化AMSU-A资料(Exp1)的预报优势逐渐显现。对于12.1 mm·(6 h)-1阈值的降水,仅同化MHS资料(Exp2)的优势更加显著。
根据新疆气象台记录,2016年7月新疆地区发生降水过程8次,其中中等强度以上有6场,且强降水中心多出现在天山山区、伊犁河谷地区。图 12给出2016年7月2日00时-31日00时的连续试验检验结果。整体而言,不同化卫星微波辐射资料(Ctrl)和仅同化MHS资料(Exp2)结果比较接近,而仅同化AM SU-A资料(Exp1)和同时同化AMSU-A和MHS资料(Exp3)结果比较接近,这可能因为仅同化MHS资料的增量场较小,而同化AMSU-A资料对初始场的影响较大。对于0.1 mm·(6 h)-1阈值即整个降水区域,Exp2与Ctrl试验在前42 h的ETS评分接近,Exp2试验略高,Exp1和Exp3试验的评分则显著偏低。对于0.3 mm·(6 h)-1和0.6 mm·(6 h)-1两个阈值的降水,Exp1和Exp3试验的ETS评分总体高于Ctrl与Exp2试验。对于12.1 mm·(6 h)-1的大阈值降水,Exp2试验仍表现出一定的预报优势。
基于新疆区域同化预报系统,选取新疆伊犁河谷地区2016年7月31日-8月1日的强降水过程,利用常规观测资料和卫星微波辐射资料进行同化敏感试验,其中控制试验仅同化常规地面和探空资料,3个敏感试验在常规观测资料同化的基础上分别增加微波温度(AMSU-A)资料、微波湿度(MHS)资料和微波温、湿(AMSU-A、MHS)度资料,并进一步分析2016年7月连续试验结果,得出如下结论:
(1) 从各要素的区域平均增量随σ层的垂直分布来看,仅同化AMSU-A资料和同时同化AMSU-A和MHS资料的增量分布接近,而仅同化MHS资料的增量分布与控制试验分布比较接近,尤其在内层区域。这可能因为内层区域中复杂的地形及陆面信息导致观测通道较低的MHS资料剔除率较高,而高层通道的AMSU-A资料同化较多。
(2) 从关键要素的增量场来看,同化AMSU-A资料对初始场温度、位势高度和湿度的调整均比MHS资料显著。仅同化AMSU-A资料与同时同化AMSU-A和MHS资料的增量场比较类似,低层温度和位势高度为正增量,中、高层为负增量;湿度场在孟加拉湾以北沿70°E附近的水汽输送路径上出现多个负增量中心,增量中心集中在800-600 hPa。仅同化MHS资料对温度和位势高度的影响较小,对湿度场有所“微调”,但可更好地修正补充降水过程中的水汽信息。
(3) 从降水落区和站点相关性来看,同化MHS资料对降水预报的正效果显著,同化AMSU-A资料则为负效果。从客观检验评分来看,同化MHS资料对前24 h以及大阈值降水的预报能力优势明显。四种同化方案的连续试验结果进一步表明,AMSU-A资料同化对0.3 mm·(6 h)-1和0.6 mm·(6 h)-1两个阈值的降水预报评分较高,MHS资料同化对于整个降水落区和大阈值降水的预报仍有一定优势。
在该降水个例中,同化MHS资料对初始场中各要素调整较小,但仍表现出一定的预报优势;同化AM⁃ SU-A资料对初始场调整较大,降水预报结果却不及MHS资料。而在连续试验中,同化AMSU-A资料对某些阈值的降水预报也有一定优势。另外,被同化的卫星微波辐射资料虽然主要分布在晴空区,但还是存在个别云区的资料未被剔除。因此,要想在新疆沙漠-绿洲-冰雪复杂下垫面地区更有效地利用卫星微波辐射资料,未来有待继续探究该资料的偏差订正和云检测等技术方法,并按照不同雨型、不同天气影响系统进一步验证卫星微波辐射资料在新疆区域同化预报系统中的同化效果及其差异。
[1] |
陈德辉, 薛纪善. 数值天气预报业务模式现状与展望[J]. 气象学报, 2004, 62(5): 623-633. |
[2] |
薛纪善. 气象卫星资料同化的科学问题与前景[J]. 气象学报, 2009, 67(6): 903-911. DOI:10.3321/j.issn:0577-6619.2009.06.001 |
[3] |
马原, 邹晓蕾. 气象卫星微波湿度计资料简介[J]. 气象科技进展, 2013, 3(6): 45-51. |
[4] |
王叶红, 陈超君, 赵玉春. 华中区域模式三维变分中夏季背景误差协方差统计与对比试验[J]. 暴雨灾害, 2016, 35(4): 359-370. DOI:10.3969/j.issn.1004-9045.2016.04.008 |
[5] |
徐同, 王晓峰, 张蕾, 等. 加密探空资料在华东区域业务模式中的应用试验[J]. 暴雨灾害, 2016, 35(4): 306-314. DOI:10.3969/j.issn.1004-9045.2016.04.002 |
[6] |
朱国富, 薛纪善, 张华, 等. GRAPES变分同化系统中卫星辐射资料率资料的直接同化[J]. 科学通报, 2008, 53(20): 2424-2427. DOI:10.3321/j.issn:0023-074X.2008.20.005 |
[7] |
Barker D M, Huang W, Guo Y R, et al. A three-dimensional variational data assimilation system for MM5:implementation and initial results[J]. Monthly Weather Review, 2004, 132: 897-914. DOI:10.1175/1520-0493(2004)132<0897:ATVDAS>2.0.CO;2 |
[8] |
Huang X Y, Xiao Q, Barker D M, et al. Four-dimensional variational data assimilation for WRF:formulation and preliminary results[J]. Monthly Weather Review, 2009, 137: 299-314. DOI:10.1175/2008MWR2577.1 |
[9] |
Kleist D T, Parrish D F, Derber J C, et al. Introduction of the GSI into the NCEP global data assimilation system[J]. Weather and Forecasting, 2009, 24(6): 1691-1705. DOI:10.1175/2009WAF2222201.1 |
[10] |
Schwartz C S, Liu Z, Chen Y, et al. Impact of assimilating microwave radiances with a limited-area ensemble data assimilation system on forecasts of typhoon Morakot[J]. Weather and Forecasting, 2012, 27: 424-437. DOI:10.1175/WAF-D-11-00033.1 |
[11] |
段华, 潘晓滨, 臧增亮, 等. 基于GSI同化系统的卫星辐射资料的同化试验[J]. 干旱气象, 2015, 33(6): 895-901. |
[12] |
杨引明, 杜明斌, 张洁. FY-3A微波资料在"莫拉克"台风预报中的同化试验[J]. 热带气象学报, 2012, 28(1): 23-30. DOI:10.3969/j.issn.1004-4965.2012.01.003 |
[13] |
刘健文, 蔡则帅, 闵锦忠, 等. ATMS微波资料特征及其对台风路径预报的影响[J]. 大气科学学报, 2015, 38(3): 421-427. |
[14] |
McNally A P, Anderson E, Kelly G. The use of raw TOVS/ATOVS radiances in the ECMWF 4D-Var assimilation system[C]//Technical Proceedings of the 10th International ATOVS Study Conference, Boulder, Colorado, 27 January-2 February 1999
|
[15] |
Weng F, Yan B, and Grody N. A microwave land emissivity model[J]. Journal of Geophysics Research, 2001, 106: 20115-20123. DOI:10.1029/2001JD900019 |
[16] |
张勇攀, 蒋玲梅, 邱玉宝, 等. 不同地物类型微波发射率特征分析[J]. 光谱学与光谱分析, 2010, 30(6): 1446-1451. DOI:10.3964/j.issn1000-0593(2010)06-1446-06 |
[17] |
Pringent C, Chevallier F, Karbou F, et al. AMSU-A land surface emissivity estimation for numerical weather prediction assimilation schemes[J]. Journal of Applied Meteorology, 2005, 44: 416-426. DOI:10.1175/JAM2218.1 |
[18] |
刘志权, 张凤英, 吴雪宝, 等. 区域极轨卫星ATOVS辐射偏差订正方法研究[J]. 气象学报, 2007, 65(1): 113-123. DOI:10.3321/j.issn:0577-6619.2007.01.011 |
[19] |
Eyre J R. A bias correction scheme for simulated TOVS brightness temperatures[M]. Technical Memorandum: ECWMF, 1992, 186: 28
|
[20] |
Harris B A, Kelly G. A satellite radiance bias correction scheme for radiance assimilation[J]. Quarterly Journal of the Royal Meteorological Society, 2001, 127: 1453-1468. DOI:10.1002/(ISSN)1477-870X |
[21] |
Weng F, Zhu T, Yan B. Satellite data assimilation in numerical weather prediction models, Part Ⅱ:Uses of rain-affected radiances from microwave observations for hurricane vortex analysis[J]. Journal of the Atmospheric Science, 2007, 64: 3910-3926. DOI:10.1175/2006JAS2051.1 |
[22] |
董佩明, 王海军, 韩威, 等. 水物质对云雨区卫星微波观测模拟影响[J]. 应用气象学报, 2009, 20(6): 682-691. DOI:10.3969/j.issn.1001-7313.2009.06.005 |
[23] |
董佩明, 刘健文, 刘桂青, 等. ATMS卫星资料的同化应用及与AMSUA/MHS的比较研究[J]. 热带气象学报, 2014, 30(4): 623-632. DOI:10.3969/j.issn.1004-4965.2014.04.003 |
[24] |
Zhu Y, LIU E, Mahajan R, et al. All-sky microwave radiance assimilation in NCEP's GSI analysis system[J]. Monthly Weather Review, 2016, 144: 4609-4735. |
[25] |
Zou X, Qin Z, Wng F. Improved quantitative precipitation forecasts by MHS radiance data assimilation with a newly added cloud detection algorithm[J]. Monthly Weather Review, 2013, 141: 3203-3221. DOI:10.1175/MWR-D-13-00009.1 |
[26] |
张家宝, 邓子风. 新疆降水概论[M]. 北京: 气象出版社, 1987.
|
[27] |
张家宝, 苏起元, 孙沈清, 等. 新疆短期天气预报指导手册[M]. 乌鲁木齐: 新疆人民出版社, 1986.
|
[28] |
杨莲梅, 张云惠, 汤浩. 2007年7月新疆三次暴雨过程的水汽特征分析[J]. 高原气象, 2012, 31(4): 963-973. |
[29] |
杨莲梅, 李霞, 张广兴. 新疆夏季强降水研究若干进展及问题[J]. 气候与环境研究, 2011, 16(2): 188-198. DOI:10.3878/j.issn.1006-9585.2011.02.08 |
[30] |
于晓晶, 于志翔, 辛渝, 等. 沙漠绿洲戈壁区域同化预报系统降水预报检验[J]. 暴雨灾害, 2014, 33(3): 281-289. DOI:10.3969/j.issn.1004-9045.2014.03.011 |
[31] |
杜娟, 于晓晶, 辛渝, 等. DOGRAFS降水预报检验与评估分析[J]. 沙漠绿洲气象, 2016, 10(6): 31-40. |
[32] |
马秀梅, 欧登格力, 辛渝, 等. C波段雷达在新疆区域同化预报系统中的应用初探[J]. 沙漠与绿洲气象, 2015, 9(6): 19-26. DOI:10.3969/j.issn.1002-0799.2015.06.003 |
[33] |
章国材. 美国WRF模式的进展和应用前景[J]. 气象, 2004, 30(12): 27-31. |
[34] |
Skanarock W C, Coauthors. A descroption of the advanced research WRF version3[G]//Note NCAR/TN-475+STR, NCAR Tech, 2008
|
[35] |
刘君, 黄江平, 董佩明, 等. 卫星资料循环同化应用对区域数值预报效果影响分析[J]. 气象, 2013, 39(2): 156-165. |
[36] |
Wang F, Han Y, Van Delst P, et al. JCSDA Community Radiative Transfer Model (CRTM)[C]//Proceedings of the 14th International TOVS Study Conference, Beijing, 2005
|
[37] |
Wang W, Bruyere C, Duha M, et al. WRF-ARW version 3 modeling system User's guide[R]. [2016-04-08]. http://www.mmm.ucar.edu/wrf/users/docs/user-guide-V3.8/contents.html
|
[38] |
王在文, 梁旭东, 范水勇, 等. 数值模式降水评分对分辨率的敏感性初探[J]. 暴雨灾害, 2016, 35(1): 10-16. DOI:10.3969/j.issn.1004-9045.2016.01.002 |