2019, Vol. 77
中国气象学会主办。
文章信息
- 麻素红. 2019.
- MA Suhong. 2019.
- 涡旋强度调整半径对2016年第18号热带气旋路径预报的影响
- Impact of radius of TC intensity correction on No.1618 TC track prediction
- 气象学报, 77(4): 662-673.
- Acta Meteorologica Sinica, 77(4): 662-673.
- http://dx.doi.org/10.11676/qxxb2019.035
文章历史
-
2018-08-14 收稿
2018-12-13 改回
热带气旋生成及发展于广阔的洋面上，常规观测资料少。由于强降水的影响，台风环流区域的卫星观测资料精度低，在资料同化质量控制过程中被剔除，基于资料同化技术来改善模式初始场对涡旋内核描述仍面临很多挑战。Aksoy等(2012)、Zou等(2015)均针对卫星资料在区域热带气旋模式中的应用进行了研究。研究结果表明，由于可用观测资料稀少，对于以热带气旋强度预报为目标的区域模式，将资料同化和涡旋初始化合理地结合则会改进区域模式初始场对热带气旋的描述精度，进而提高模式对热带气旋路径及强度的预报能力。合理的涡旋初始化可以为热带气旋环流区提供结构合理、强度更接近观测分析的背景场，从而提高有限观测资料(如载人飞机观测资料)的有效同化(Zhang, et al, 2012；Tallapragada, et al, 2014b)。为此，在关注热带气旋强度预报的区域热带气旋数值预报系统中，涡旋初始化技术一直是模式预报性能改进的关键因素之一，如美国环境预报中心针对热带气旋路径及强度预报所发展的区域热带气旋数值预报系统(Hurricane Weather Research and Forecast，HWRF)(Tallapragada et al, 2012, 2014a, 2014b, 2015, 2016)。
目前在区域模式业务系统以及针对热带气旋异常路径、强度快速加强(40 hPa/(24 h)或30 knots/(24 h))的研究中，基于与模式动力及物理协调的概念(Hendricks et al, 2011, 2013)发展的涡旋初始化方案主要有：(1)基于模式约束的变分同化技术(梁旭东等，2010；Zhang, et al, 2012)；(2)利用模式积分生成具有对称结构的涡旋来改进模式对初始场中涡旋的描述能力(Kurihara et al, 1993, 1995)；(3)利用模式短期(6—12 h)循环积分获得同观测分析强度相近的涡旋(Cha, et al, 2013)；(4)基于模式生成的涡旋，通过对涡旋尺度和强度调整获得同观测分析接近的初始涡旋(瞿安祥等, 2009a, 2009b；Biswas, et al, 2017; 麻素红等，2018)。由于涡旋初始化对于区域模式热带气旋路径及强度预报的重要性，世界上主要数值预报业务中心如美国环境预报中心以及中国国家气象中心在其例行的业务系统升级中均会针对涡旋初始化进行持续的改进。
2010年中国国家气象中心基于自主研发的中尺度数值预报模式GRAPES-MESO(陈德辉等，2006)开始发展区域中尺度台风数值预报系统(GRAPES_TYM)，并于2012年7月业务化运行。2014及2015年的关键技术升级明显改进了GRAPES_TYM对热带气旋路径及强度的预报能力，有效减小了GRAPES_TYM在热带气旋路径以及强度预报中存在的系统偏差(张进等，2017; 麻素红等，2018)。
2016年第18号热带气旋(记为TC 1618)于2016年9月27日18时(世界时，下同)生成于西北太平洋中部，生成后沿副热带高压短暂西行后转为北上，并于10月5日09时消亡。TC1618属于西北太平洋西转向热带气旋，并不属于异常路径，但其平均路径误差明显超过2016年全年台风的平均路径误差(图 1)。2016年全年热带气旋平均路径误差为349 km/(96 h)、472 km/(120 h)，而TC1618的平均路径预报误差为566 km/(96 h)、1052 km/(120 h)。2016年9月27日18时—29日18时，9次120 h路径预报(4次/d)有5次超过1000 km，其余4次也均超过600 km，而单次最大路径误差达到了1615 km。GRAPES_TYM对TC1618的路径预报(图 2)显示，TC1618的前几次路径预报存在明显东及东北向偏差，这是导致TC1618预报的平均误差明显超过全年平均误差的主要原因。
|
| 图 1 2016年全年样本和TC1618平均路径误差 Fig. 1 Mean TC track forecast errors of all TCs in 2016 and TC1618 |
|
| 图 2 TC1618的预报路径 (不同颜色的路径代表不同的初始时刻) Fig. 2 Forecast tracks of TC1618 (Different colors indicate forecast tracks initialized at different time) |
影响区域模式热带气旋路径预报误差的因素很多，如模式初始场对热带气旋强度、结构描述的精度、模式物理过程等(Gopalakrishnan, et al, 2012；Tien, et al, 2013)。当热带气旋路径靠近区域模式积分区域边界时，模式积分区域的设置也是影响区域模式热带气旋路径预报的因素之一。将从模式初始场的角度分析涡旋初始化对TC1618较大路径误差的作用，为进一步提高GRAPES_TYM热带气旋的预报能力提供改进线索。
2 GRAPES_TYM模式概况及涡旋初始化 2.1 模式概况GRAPES_TYM是中国国家气象中心区域台风模式，其预报区域覆盖西北太平洋和中国南海(EQ—51°N，90°—171°E)。模式水平分辨率为0.12°，垂直方向上采用50层地形追随高度坐标。模式所采用的物理过程包括WSM6微物理过程、Meso-SAS对流参数化、YSU边界层过程、SLAB陆面过程、莫宁-奥布霍夫相似理论表面层参数化以及Goddard短波辐射和RRTM长波辐射参数化。在存在台风的情况下，该系统每天运行4次(00、06、12、18时)，预报时效为120 h。
2.2 涡旋初始化方案GRAPES_TYM采用的涡旋初始化方案包括涡旋重定位技术和涡旋强度调整技术。涡旋重定位技术采用的是Kurihara等(1995)的方案，即将全球模式分析场的热带气旋涡旋分离出来，并重新放置在中国气象局台风海洋预报中心综合分析(简称综合分析)的位置。
由于全球模式的分析场中所分析的热带气旋环流其强度通常比综合分析的强度弱，因此，需要对全球模式分析场中的热带气旋强度进行调整，使其接近综合分析的强度。强度调整方案采用的是Wang (1995)的方案
|
(1) |
式中，Vm为近地面最大风速，rm为最大风速半径，r为距热带气旋中心的半径，r0为涡旋所影响最大半径，b为控制涡旋风场水平廓线形态的参数，σ为模式的垂直Sigma坐标。切向风水平廓线采用e指数形式，将人造涡旋对初始场的调整主要集中在热带气旋内核部分，尽量减小对热带气旋外围的影响。人造涡旋的温、压扰动结构通过非线性平衡方程求得，具体推导过程见Wang (1995)。
3 试验方案为了分析涡旋初始化对TC1618路径预报的影响，分别针对涡旋重定位以及涡旋强度调整进行了敏感性试验。
3.1 涡旋初始化对TC1618路径预报的影响为了分析业务系统涡旋初始化方案对TC1618路径预报的影响，针对有无涡旋重定位以及涡旋强度调整进行了敏感性试验(表 1)。其中，CTL：不做涡旋初始化(无涡旋重定位和涡旋强度调整)，Rel：做涡旋重定位，不做涡旋强度调整；Correc：做涡旋重定位和涡旋强度调整。
| 试验方案 | 涡旋重定位 | 涡旋强度调整 |
| CTL | No | No |
| Rel | Yes | No |
| Correc | Yes | Yes |
在涡旋强度调整时，参数r0为强度调整半径，即强度调整的范围。在业务预报系统中强度调整半径r0=12°。为了分析强度调整半径对TC1618路径预报的影响，针对不同的调整半径进行了试验(表 2)。在所有试验方案中，均做涡旋重定位，而强度调整半经分别为12°、9°、6°和3°，分别记为R12、R09、R06和R03。
| 试验方案 | 涡旋重定位 | 涡旋强度调整 |
| Rel | Yes | No |
| R12 | Yes | r0=12° |
| R09 | Yes | r0=9° |
| R06 | Yes | r0=6° |
| R03 | Yes | r0=3° |
基于表 1的试验方案对TC1618进行了路径预报试验。从平均路径预报结果(图 3)可以看出，涡旋重定位技术的应用可以减小初始时刻的平均误差，但6 h以后，采用涡旋重定位技术的预报路径其平均误差开始大于对照预报，24—120 h，平均路径误差分别增大了13.3%、19.6%、27.3%、15.3%和20.3%。加入涡旋强度调整后，平均路径误差迅速增大，120 h的平均路径误差由只有涡旋重定位的532.2 km增至986.7 km，增加了85.4%，而相对于无涡旋初始化试验的平均路径则增大了123.1%。从移速偏差来看，涡旋强度调整会明显加大模式涡旋的移速正偏差，涡旋重定位对于移速的改变较小，而涡旋强度调整对移速的改变颇大：就120 h移速偏差而言，涡旋强度调整可以使移速偏差由涡旋重定位的-192.5 km增至525.8 km。从移向偏差来看，涡旋重定位和涡旋强度调整均会增大模式涡旋的移向偏差，而涡旋强度调整是移向偏差增大的主要因素。对于120 h预报路径而言，仅有涡旋重定位技术，移向偏差会由无涡旋初始化的81.7 km增至262.3 km；在涡旋重定位之后应用涡旋强度调整，移向偏差则会增至804.3 km。可见TC1618平均误差过大的主要原因是涡旋初始化中的强度调整。
|
| 图 3 平均路径误差(a)、移速偏差(b)及移向偏差(c) Fig. 3 Mean track errors (a), mean biases of along-track errors (b) and mean biases of cross-track errors (c) |
GRAPES_TYM的初始场来源于美国环境预报中心全球模式预报系统(Global Prodiction System of National Center for Environment Prediction: NCEP-GFS)的分析场，其热带气旋的最低海平面气压和近地面(10 m高度)最大风速同综合分析的值并不相同；当分析场中的最低海平面气压高于综合分析的最低海平面气压时，GRAPES_TYM需要启动涡旋强度调整技术，通过对模式热带气旋风场进行修正，并利用风场与高度场的平衡关系来获得平均海平面气压。当调整后的平均海平面气压达到综合分析时，强度调整过程结束。强度调整方案中的r0主要控制涡旋强度调整半径。
2016年9月29日00时，TC1618的中心气压为990 hPa，近地面最大风速23 m/s。此时NCEP-GFS分析场中心气压为1004.5 hPa，近地面最大风速为11.93 m/s。根据GRAPES_TYM的强度调整方案，对于不同强度调整半径，在1000 hPa等压面以及600 hPa等压面产生的经向风增量和温度增量的纬向廓线如图 4a、b。可见不同的强度调整半径所产生增量极值基本相近，而增量的范围则差别明显：1000 hPa经向风增量的分布特征主要在7级风(风速为15 m/s)处发生变化，调整半径越大，增量曲线越平缓。600 hPa的温度增量在7级风半径内分布基本一致，7级风半径以外的地方稍有差别。
|
| 图 4 1000 hPa经向风增量纬向廓线(a)和600 hPa温度增量(b)的经向廓线，不同调整半径调整前后中心气压(c)及近地面最大风速(d)的经向廓线 Fig. 4 Zonal profiles of increments of 1000 hPa meridional wind (a) and 600 hPa temperature (b), and meridional profiles of mean sea level pressure (c) and 10 m wind (d) for different radii of correction |
经过强度调整后，不同的强度调整半径均可以调整到接近观测的中心气压和近地面最大风速(图 4c、d)。而调整半径越小，调整半径内要素场的水平梯度会越大。
从以2016年9月29日00时为初始时刻的120 h预报路径(图 5)可以看出，无强度调整的预报路径同观测路径更加一致，而采用强度调整的预报路径相对偏东；转向进入西风带后，其移速明显偏快(图 5a)。从路径误差分布来看，无强度调整的预报路径误差最小，而强度调整半径越大，路径误差越大。调整半径为12°和调整半径为9°的误差比较接近，而3°调整半径的误差最小，6°调整半径的误差位于3°和9°之间(图 5b)。从移速偏差(图 5c)和移向偏差(图 5d)来看, 无涡旋强度调整涡旋移速明显偏慢、移向偏差小。增加涡旋强度调整后，移速成为正偏差，强度调整半径越大，移向及移速正偏差越大。
2016年9月28日00时—10月5日00时，间隔12 h，共有15次预报。15次预报平均路径、移速偏差以及移向偏差的表现同29日00时的分布相似(图略)。
上述路径误差的分布特征同不同强度调整半径所预报的环境场以及涡旋尺度密切相关。如果以平均海平面气压场中1005 hPa闭合等值线来表示热带气旋的尺度，不同强度调整半径所对应的00、48以及96 h预报的热带气旋尺度如图 6所示。可以看出，无涡旋强度调整试验其涡旋初始尺度明显小于有强度调整的试验，且初始强度相对观测强度明显偏弱(1005 hPa)。对于较大的强度调整半径，初始时刻的涡旋尺度较大，但最低平均海平面气压接近观测(990 hPa)。48 h后强度调整半径较大的试验会发展出强度较强、尺度较大的涡旋，涡旋中心位置以逐次偏北为主。无强度调整的试验其48 h预报涡旋没有发展，涡旋尺度非常小，中心气压为1003 hPa。在有涡旋强度调整试验中，中心气压以R03最高(964 hPa)，涡旋尺度最小；R06的涡旋尺度位于R03和R09之间，中心强度相对R09弱3 hPa，而R09和R12的涡旋强度及尺度均比较接近；96 h预报的涡旋强度和尺度特征同48 h比较接近：R03对应的强度最弱(961 hPa)、尺度最小，涡旋位置位于最南侧；R06的涡旋尺度位于R03和R09之间，强度与R09和R12相同(940 hPa)；无强度调整的试验其96 h预报涡旋仍没有发展，中心气压为1004 hPa，而此时涡旋中心气压已经加深到935 hPa。
|
| 图 6 平均海平面气压1005 hPa闭合等值线 (a.00 h，b.48 h，c.96 h；Best为综合分析，其他如表 2所示；图例中标识的气压值为热带气旋中心气压) Fig. 6 1005 hPa closed isobar of the mean sea level pressure (a. 00 h, b. 48 h, c. 96.h; Best: observed value, other annotations are the same as in Table 2. The pressure values are the central pressure of the tropical cyclone) |
不同半径的涡旋强度调整对副热带高压的影响如图 7所示，其中, 以5880 gpm代表副热带高压的位置，而5840 gpm代表涡旋尺度及西风槽位置(鉴于R09和R12的表现比较接近，为了使所示图形更加清晰，在分析不同强度调整半径对副热带高压的影响时所示图形中不再包括R09。热带气旋通常生成在副热带高压南侧，较大的涡旋强度调整半径会削弱热带气旋北侧高压的强度，使得5880 gpm等值线北退(图 7a)。强度调整半径越大，5880 gpm等值线越偏北，其中R03试验在初始时刻的5880 gpm等值线位置同NCEP-GFS的分析更接近。在48 h预报时刻(图 7b)，调整半径为3°的R03试验，其5880 gpm的位置相对于其他强度调整半径明显偏南，接近分析场。如果用闭合的5840 gpm来表示TC1618在500 hPa的尺度，则强度调整半径小的对应于较小的涡旋。至96 h(图 7c)，R06、R12强度调整半径较大的涡旋已经并入西风槽区，只有调整半径较小的R03的5840 gpm线还未同槽区的5840 gpm合并，同此时分析场的表现一致。
从上述分析可以看出，涡旋强度调整半径越大，预报的涡旋环流越大，相应的北侧副热带高压越偏北，涡旋北上时就会更早地融入西风带，导致预报后期误差明显偏大。
从NCEP-GFS的分析场中最低海平面气压和观测最低海平面气压(图 8)可以看出，在TC1618最初的5个时次，分析场中的最低海平面气压有4个时次在1004 hPa附近，一个时次为999 hPa，涡旋环流强度偏弱。为了分析涡旋强度调整对TC1618处于不同强度阶段的影响，将9月28日00时—10月5日00时15次预报按照分析场中热带气旋最低海平面气压的强度分成2组。将分析场中最低海平面气压高于995 hPa的标记为弱，而将分析场中最低海平面气压低于995 hPa的标记为强。
|
| 图 8 NCEP-GFS分析场(Anl)及最佳路径(Obs)的最低海平面气压(hPa) Fig. 8 Minimum sea level pressure (hPa) from the NCEP-GFS analysis (Anl) and best track data (Obs) |
图 9为两组强度的预报路径平均误差。从图中可以看出，当TC1618处于较弱阶段时，无强度调整的试验平均路径误差同调整半径为3°的预报路径误差相当；而不同的涡旋强度调整半径对路径影响非常明显：调整半径为12°和9°时，路径预报误差相近，明显大于调整半径为6°和3°的预报路径误差。当TC1618处于较强阶段时，强度调整半径对其平均路径误差影响较小，除了R03 120 h的平均路径误差明显小于其他强度调整半径的试验外，其他预报时效不同强度调整半径的平均路径比较接近。而无强度调整的试验其平均误差在84 h前较大。由此可见，当热带气旋处于较弱阶段(如热带风暴时)，其路径预报对涡旋强度调整半径更为敏感。在强、弱两组试验中，R03在不同强度调整半径中均有优势，尤其是TC1618处于较弱阶段时。
|
| 图 9 平均路径误差 (a.弱, b.强) Fig. 9 Mean track errors (a. weak, b. strong) |
TC1618的路径预报误差分析表明，过大的强度调整半径会导致预报涡旋环流偏强，进而容易造成热带气旋路径发生北偏，产生较大的路径预报误差。为此，针对强度调整半径12°和3°，利用2016年生命期超过3 d的13个热带气旋(1601、1604、1609、1610、1612、1614、1616、1617、1618、1619、1620、1621和1622)进行了批量试验，试验包括不加强度调整、强度调整半径为12°(R12)以及强度调整半径为3°(R03)。24—120 h的总样本数分别为134(24 h)、106(48 h)、77(72 h)、56(96 h)、38(120 h)。从平均误差来看，当强度调整半径为3°时，其24、72、96 h的平均路径误差略小于无强度调整试验的平均路径误差，而强度调整半径为12°时其平均路径误差明显偏大(图 10)。
|
| 图 10 2016年13个热带气旋平均路径误差 Fig. 10 Mean track forecast errors for 13 TCs in 2016 |
TC1618的平均路径误差明显大于2016年全年的平均路径误差。针对GRAPES_TYM的涡旋初始化方案(包括涡旋重定位和涡旋强度调整)对其路径预报的影响进行了敏感性试验。试验结果显示，GRAPES_TYM涡旋初始化中的涡旋强度调整是造成TC1618预报路径平均误差过大的主要原因。针对强度调整方案中不同的调整半径(12°、9°、6°、3°)进行了进一步敏感性试验。
不同涡旋强度调整半径试验结果显示，TC1618的预报路径对强度调整方案的调整半径比较敏感，尤其是当其强度较弱时，如热带风暴。当TC1618处于较弱阶段时，较大的强度调整半径(12°、9°)会导致路径误差显著偏大；调整半径为3°时其路径预报误差最小；调整半径为6°时，其路径预报误差位于12°(9°)与3°之间。进一步分析不同的强度调整半径对TC1618的环境场以及涡旋环流尺度的影响可以发现：较大的涡旋强度调整半径，对应于初始场中较大的涡旋环流，同时会使得副热带高压南侧邻近TC1618环流区域等高线北移，并且，在120 h积分过程中保持相近的特征：涡旋环流尺度越大，其邻近区域的副热带高压越弱，涡旋北移速度越快，涡旋环流同其西北部的西风槽结合得越早，后期路径偏差越大。
为了进一步分析涡旋强度调整对GRAPES_TYM路径预报的影响，选取12°和3°作为强度调整半径，利用2016年主要热带气旋进行了批量试验。批量试验结果统计分析显示：较小的涡旋强度调整半径会明显减小模式平均路径误差。
5.2 讨论TC1618的个例试验结果分析以及2016年主要热带气旋预报试验结果统计分析均表明：涡旋强度调整对区域模式台风路径预报改进没有明显正效果(图 9a、10)，涡旋强度调整半径为3°的试验同无强度调整试验的平均路径误差相当。热带气旋强度预报是热带气旋区域模式发展重要目标之一，而对于强度预报而言，涡旋强度调整至关重要。2016年9月29日00时的个例试验分析表明，无涡旋强度调整时模式对热带气旋的发展无预报能力。9月29日00时模式初始场的平均海平面中心气压为1005 hPa，而综合分析的中心气压为990 hPa，两者相差15 hPa；48和96 h模式预报的中心气压分别为1003和1004 hPa，而此时综合分析的中心气压为982和935 hPa，相差21和69 hPa。无涡旋强度调整时，模式预报不出TC1618的发展。基于第4.3节批量试验的结果计算了近地面最大风速误差，结果显示，涡旋强度调整可以明显提高区域模式对热带气旋强度的预报能力(图 11)。同无涡旋强度调整相比，强度调整半径为3°的R03试验其24—120 h平均近地面最大风速误差分别减小16.5%(24 h)、15.4%(48 h)、21.3%(72 h)、25%(96 h)和28.8%(120 h)。
|
| 图 11 2016年13个热带气旋10 m最大风速平均误差 Fig. 11 Mean error of maximum wind speed at 10 m for 13 TCs in 2016 |
目前在GRAPES_TYM中所用的涡旋强度调整方案基于理想涡旋设计，未考虑近地面摩擦所引起近地面风速的减小。这样调整后的热带气旋同模式的动力及物理均存在一定的不协调。为了获取结构合理的初始涡旋，提高区域模式对热带气旋路径及强度的预报能力，需要在以下方面做进一步的研发：
(1) 精细化涡旋强度调整技术：基于区域模式本身所预报的历史涡旋来构造包含合理结构的强度调整模型，并考虑热带气旋的实际尺度(最大风速半径、7级风半径)对模式初始涡旋进行尺度调整及强度调整，使获得的涡旋从结构和强度上更加合理，从而改善由于强度调整对模式路径预报所带来的负面影响。
(2) 加强区域模式资料同化技术开发：针对热带气旋的特征，发展先进的资料同化技术，加强已有的卫星观测资料的同化应用。
(3) 开展针对热带气旋环流区的观测研究，包括有人机穿越观测和无人机/船观测，获得包括下投探空在内的热带气旋内核区域资料，通过资料同化技术改善热带气旋环流区域的分析精度，从而改善模式初始场对热带气旋环流结构、强度的描述。
| 陈德辉, 沈学顺. 2006. 新一代数值预报系统GRAPES研究进展. 应用气象学报, 17(6): 773–777. Chen D H, Shen X S. 2006. Recent progress on GRAPES research and application. J Appl Meteor Sci, 17(6): 773–777. DOI:10.3969/j.issn.1001-7313.2006.06.014 (in Chinese) |
| 梁旭东, 王斌. 2010. 基于模式约束三维变分技术的连续循环同化试验研究. 气象学报, 68(2): 153–161. Liang X D, Wang B. 2010. Data assimilation cycle experiments in typhoon numerical prediction using the model-constrained 3DVar. Acta Meteor Sinica, 68(2): 153–161. (in Chinese) |
| 麻素红, 张进, 沈学顺, 等. 2018. 2016年GRAPES_TYM改进及对台风预报影响. 应用气象学报, 29(3): 257–269. Ma S H, Zhang J, Shen X S, et al. 2018. The upgrade of GRAPE_TYM in 2016 and its impacts on tropical cyclone prediction. J Appl Meteor Sci, 29(3): 257–269. (in Chinese) |
| 瞿安祥, 麻素红, LiuQ F, 等. 2009a. 全球数值模式中的台风初始化Ⅰ:方案设计. 气象学报, 67(5): 716–726. Qu A X, Ma S H, Liu Q F, et al. 2009a. The initialization of tropical cyclones in the NMC global model Part Ⅰ:Scheme design. Acta Meteor Sinica, 67(5): 716–726. (in Chinese) |
| 瞿安祥, 麻素红, 李娟, 等. 2009b. 全球数值模式中的台风初始化Ⅱ:业务应用. 气象学报, 67(5): 727–735. Qu A X, Ma S H, Li J, et al. 2009b. The initialization of tropical cyclones in the NMC global model. Part Ⅱ:Implementation. Acta Meteor Sinica, 67(5): 727–735. (in Chinese) |
| 张进, 麻素红, 陈德辉, 等. 2017. GRAPES_TYM改进及其在2013年西北太平洋和南海台风预报的表现. 热带气象学报, 33(1): 64–73. Zhang J, Ma S H, Chen D H, et al. 2017. The improvements of GRAPES_TYM and its performance in Northwest Pacific Ocean and South China Sea in 2013. J Trop Meteor, 33(1): 64–73. (in Chinese) |
| Aksoy A, Lorsolo S, Vukicevic T, et al. 2012. The HWRF Hurricane ensemble data assimilation system (HEDAS) for high-resolution data:The impact of airborne Doppler radar observations in an OSSE. Mon Wea Rev, 140(6): 1843–1862. DOI:10.1175/MWR-D-11-00212.1 |
| Biswas M, Bernardet L, Abarca S, et al. 2017. Hurricane Weather Research and Forecasting (HWRF) Model: 2017 Scientific Documentation |
| Cha D H, Wang Y Q. 2013. A dynamical initialization scheme for real-time forecasts of tropical cyclones using the WRF model. Mon Wea Rev, 141(3): 964–986. DOI:10.1175/MWR-D-12-00077.1 |
| Gopalakrishnan S G, Goldenberg S, Quirino T, et al. 2012. Toward improving high-resolution numerical hurricane forecasting:Influence of model horizontal grid resolution, initialization, and physics. Wea Forecast, 27(3): 647–666. DOI:10.1175/WAF-D-11-00055.1 |
| Hendricks E A, Peng M S, Ge X Y, et al. 2011. Performance of a dynamic initialization scheme in the coupled Ocean-Atmosphere Mesoscale Prediction System for Tropical Cyclones (COAMPS-TC). Wea Forecast, 26(5): 650–663. DOI:10.1175/WAF-D-10-05051.1 |
| Hendricks E A, Peng M S, Li T. 2013. Evaluation of multiple dynamic initialization schemes for Tropical Cyclone prediction. Mon Wea Rev, 141(11): 4028–4048. DOI:10.1175/MWR-D-12-00329.1 |
| Kurihara Y, Bender M A, Ross R J. 1993. An initialization scheme of hurricane models by vortex specification. Mon Wea Rev, 121(7): 2030–2045. DOI:10.1175/1520-0493(1993)121<2030:AISOHM>2.0.CO;2 |
| Kurihara Y, Bender M A, Tuleya R E, et al. 1995. Improvements in the GFDL hurricane prediction system. Mon Wea Rev, 123(9): 2791–2801. DOI:10.1175/1520-0493(1995)123<2791:IITGHP>2.0.CO;2 |
| Pu Z, Zhang S, Tong M, et al. 2016. Influence of the self-consistent regional ensemble background error covariance on hurricane inner-core data assimilation with the GSI-based hybrid system for HWRF. J Atmos Sci, 73: 4911–4925. DOI:10.1175/JAS-D-16-0017.1 |
| Tallapragada V, Kwon Y C, Liu Q, et al. 2012. Operational implementation of high-resolution triple-nested HWRF at NCEP/EMC-A major step towards addressing intensity forecast problem//Proceedings of the 30th Conference on Hurricane and Tropical Meteorology. Ponte Verde, FL: American Meteorological Society |
| Tallapragada V, Kieu C, Kwon Y, et al. 2014a. Evaluation of storm structure from the operational HWRF during 2012 implementation. Mon Wea Rev, 142(11): 4308–4325. DOI:10.1175/MWR-D-13-00010.1 |
| Tallapragada V, Zhang Z, Kieu C Q, et al. 2014b. Significant advances to the NCEP operational HWRF modeling system for improved hurricane forecasts//Proceedings of 31st Conference on Hurricane and Tropical Meteorology. San Diego, CA: Amer Meteor Soc |
| Tallapragada V, Kieu C, Trahan S, et al. 2015. Forecasting tropical cyclones in the Western North Pacific basin using the NCEP operational HWRF:Real-time implementation in 2012. Wea Forecast, 30(5): 1355–1373. DOI:10.1175/WAF-D-14-00138.1 |
| Tallapragada V, Kieu C, Trahan S, et al. 2016. Forecasting tropical cyclones in the Western North Pacific Basin using the NCEP operational HWRF model:Model upgrades and evaluation of real-time performance in 2013. Wea Forecast, 31(3): 877–894. DOI:10.1175/WAF-D-14-00139.1 |
| Tien D D, Ngo-Duc T, Mai H T, et al. 2013. A study of the connection between tropical cyclone track and intensity errors in the WRF models. Meteor Atmos Phys, 122(1-2): 55–64. DOI:10.1007/s00703-013-0278-0 |
| Wang Y Q. 1995. An inverse balance equation in sigma coordinates for model initialization. Mon Wea Rev, 123: 482–488. DOI:10.1175/1520-0493(1995)123<0482:AIBEIS>2.0.CO;2 |
| Zhang S J, Li T, Ge X Y, et al. 2012. A 3DVAR-based dynamical initialization scheme for tropical cyclone predictions. Wea Foecast, 27(2): 473–483. DOI:10.1175/WAF-D-10-05066.1 |
| Zou X, Qin Z, Zheng Y. 2015. Improved tropical storm forecasts with GOES-13/15 imager radiance assimilation and asymmetric vortex initialization in HWRF. Mon Wea Rev, 143(7): 2485–2505. DOI:10.1175/MWR-D-14-00223.1 |