2009, 20 (3): 257-266
2. 中国气象局气象探测中心，北京 100081;
3. 中国气象局，北京 100081;
4. 国家气象中心，北京 100081
2. CMA Meteorological Observation Center, Beijing 100081;
3. China Meteorological Administration, Beijing 100081;
4. National Meteorological Center, Beijing 100081
台风（含飓风、热带气旋）引发的灾害位列全球十大自然灾害之首。我国是世界上台风登陆最多、灾害最重的国家[1]。由于海上缺乏常规观测资料，无法对数值模式的初始场进行订正，初始场信息不足造成的spin-up问题[2]是影响台风模拟和预报准确性的一个重要因素。近年来，随着国内外多普勒天气雷达组网建设，气象学家们开始关注如何利用高分辨率的多普勒天气雷达观测数据来有效改进模式初始场。四维变分同化[3-9]和集合卡尔曼滤波[10-12]是目前雷达资料同化的理想途径，但由于受计算条件限制，其业务化运行还存在困难；通过三维变分、基于简化公式的反演等方法从雷达资料中得到风场等信息，为模式提供分辨率较高的初始场，因其更适合业务化运行而被广泛应用。
近年来，国内外有不少利用雷达资料进行同化来调整初始场的工作[13-14]取得了较好效果。Xue等[15]、Hu等[16-17]利用ARPS模式及其ADAS和3DVar资料同化系统，将WSR-88D多普勒天气雷达资料进行初始场调整和云分析。Xiao等[18]利用MM5-3DVar系统同化韩国雷达资料并模拟台风Rusa，发现同时同化雷达径向风和反射率因子资料能将台风降水预报的有效影响延长到12h。顾建峰[19]利用WRF-3DVar直接同化雷达资料，结果表明:雷达资料直接同化对台风Rusa和Masta的预报有积极改进作用。万齐林等[20-21]将雷达回波强度时空变化转换成“视风速”，将“视风速”和径向风速联合应用于GRAPES-3DVar。盛春岩等[22]将国内CINRAD-SA雷达资料通过ADAS系统同化到中尺度模式ARPS中，发现雷达反射率因子同化要比径向风同化对降水预报的改进效果更明显。余贞寿等[23]将温州雷达资料通过ADAS分析引进ARPS模式，成功再现0414号台风“云娜”特征。
综上所述，雷达同化对改进模式初始场有积极影响。对台风而言，初值中什么条件和因素的改变促使了随后台风路径与风雨预报的改善将是本文关注重点。本文采用美国Oklahoma大学风暴分析预测中心开发的ARPS模式，其ADAS同化系统已经在国内被广泛应用于暴雨研究，而ARPS-3DVar系统在国内应用还比较少，应用于台风模拟方面仍是空白，因此，本文将国内敏视达CINRAD-SA多普勒天气雷达资料引入ARPS-3DVar同化系统，模拟2006年登陆浙江苍南并造成严重影响的超强台风“桑美”，探讨多普勒天气雷达资料同化对台风模拟初始场和预报场的改进作用。
1 ARPS模式及ARPS-3DVar系统简介 1.1 ARPS模式简介ARPS模式系统是美国Oklahoma大学风暴分析预测中心发展的一个全新完全非静力模式[24]，ARPS模式系统主要由地形地表信息模块（ARPSTRN和ARPSSFC）、客观分析模块（EXT2ARPS）、资料同化分析模块（ADAS或ARPS-3DVar）、向前预报模块（ARPS）以及后处理图形输出模块（ARPSPLT）等构成。本文使用ARPS-3DVar资料同化系统，在此系统中，资料的同化过程是分别由3DVar模块和云分析模块完成的[16-17]。
1.2 3DVar模块简介3DVar模块主要用来分析常规资料和雷达径向风速度，它用递归滤波方法代替ADAS同化模块所使用的逐次订正的Bratseth方法[25]。由于处理的不同数据类型具有不同空间尺度，ARPS-3DVar允许使用多重分析途径，从而使不同数据类型使用不同的滤波尺度，其大小由数据的疏密来定。
对于雷达径向风资料和模式风场之间的变换算子H来说，ARPS-3DVar系统中多普勒雷达观测到的径向风速Vr和直角坐标下u，v，w之间的关系为
|
(1) |
式（1）中，r是直角坐标下观测点（x，y，z）到雷达站（x0，y0，z0）的径向距离。
1.3 云分析模块简介云分析是一个独立于ARPS的简单云模式系统[26-27]，它基于半经验理论从反射率因子反演热动力和微物理过程，可以对地面云观测、多普勒雷达天气反射率因子以及卫星红外和可见光等多种资料进行三维复杂云分析。它根据云中水汽凝结释放的潜热加热作用调整初始热力场，不仅在有观测资料处补偿探空资料中的水汽不足，对缺乏探空资料之处也非常重要。本文中只使用了雷达资料，云分析系统用于处理雷达反射率因子资料，由雷达反射率因子资料得出三维初始云场和降水场，并通过非绝热初始化方案进行热力调整。它首先将雷达反射率因子资料插值到模式网格坐标上，在雷达扫描范围内将网格上的反射率因子值与阈值进行比较，如果反射率因子低于阈值，视为晴空；高于阈值，则根据Smith等[28]提出的方案在三维空间上反演降水类型（雨、雪、霰），并通过假设云内为湿绝热上升得到绝热液态水含量，从而估计出云水混合比qc和云冰混合比qi，最后根据潜热加热廓线在云内进行温度调整。
2 个例选取、资料及试验方案 2.1 个例选取本文选取的个例是2006年8月10日09:25（世界时，下同）在浙江苍南登陆的0608号超强台风“桑美”。8月5日12:00在关岛东南方的西北太平洋洋面上有热带风暴生成，10日09:25其在浙江省苍南县马站镇附近沿海登陆，登陆时中心附近最大风力17级，最低气压920 hPa，为近50年来直接登陆我国大陆最强的台风。登陆后“桑美”强度迅速减弱，10日15:00在福建省寿宁县境内减弱为强热带风暴。10-12日，浙江沿海、福建北部沿海以及浙江南部和福建北部内陆大部地区出现了8~10级大风，其中浙江东南沿海和福建东北部沿海部分地区的风力有11~12级，局部地区风力达14~17级；“桑美”降雨特别集中、雨势急，过程降水量主要集中在10日09:00-14:00，浙江苍南云岩和平阳水头5 h降水量分别达到了374 mm和233 mm。
2.2 资料模式所用的全球模式背景场资料来自NCEP/ NCAR1°×1°再分析资料，时间为2006年8月9日12:00-10日18:00，间隔为6 h。为充分说明雷达资料对模式的作用，本文中只对雷达资料进行同化，没有使用常规地面报和探空站资料。本文采用的多普勒天气雷达资料是浙江温州CINRAD-SA雷达基数据资料。
2.3 试验方案控制试验采用27 km，9 km双重单向嵌套网格。外层网格距为27 km，水平格点为163×163，内层网格距取9 km，水平格点为193×193，两层嵌套都以温州多普勒天气雷达所在位置27.90°N，120.74°E为中心，两层嵌套垂直方向都取53层，垂直平均分辨率为500m，在垂直方向均采用双曲正切曲线向上伸展，近地面最小距离是20 m；都选择了暖云微物理方案和Kain-Fritsch积云参数化方案。采用6 h间隔的1°×1°NCEP/NCAR再分析资料作为27 km模拟的初始场和侧边界条件；ARPS模式只能实现单向嵌套，故9 km网格的模拟以27 km模拟1 h间隔的模式输出资料作为侧边界条件。为了使ARPS-3DVar的第1猜测场尽量达到动力、热力相互协调，模式在27 km网格上从9日12:00开始积分12 h至10日00:00，用此结果作为9 km网格ARPS-3DVar分析同化的背景场。9 km雷达同化试验自10日00:00开始至06:00每隔1 h加1次多普勒天气雷达基数据，经过ARPS-3DVar和复杂云分析系统分别将雷达径向风和反射率因子资料加入到模式的初始场中，从10日06:00开始模式做12 h预报至18:00。
3 雷达资料对初始场各要素的改进效果 3.1 同化前后“桑美”初始时刻降水结构变化图 1给出了同化窗口内06:00雷达资料同化前后模拟的1h降水量及相应时刻雷达反演的1 h降水量。可以看到，雷达资料同化后能模拟出控制试验已模拟出的雨区并增强其降水中心的最大值量级还模拟出了控制实验没有模拟出的降水区域。
|
|
| 图 1. 同化窗口内2006年8月10日06:00 1 h降水量（单位:mm）（a）雷达反演，（b）同化试验，（c）控制试验 Fig 1. 1-hour precipitation in the initial time windows at 06:00 10 Aug 2006(unit:mm)(a) retrieved rainfall fromr adar observation, (b) assimilation test, (c) control test | |
同化雷达资料是为了提高中尺度数值模式对降水的模拟能力，而中尺度数值模式的降水模拟能力主要表现在对中尺度雨团位置、强度的模拟能力[9]。在雷达反演降水图上（图 1a），雷达观测到在浙闽东部台风螺旋云带上分布着许多中小尺度雨团，同化试验（图 1b）1 h降水量结果中，清楚给出了这一地区相应雨团的存在。同化试验中位于29.5°N，119.8°E的30 mm中尺度降水中心与雷达反演降水中心位置和强度都非常接近，而控制试验（图 1c）对这些中小尺度雨团刻画不够细致，且强度仅为5 mm左右。另外，同化试验对位于海上台风眼壁的降水结构模拟也比较细致，台风眼位置也清晰可辨，并模拟出了位于台风眼东北侧20 mm以上的环形降水带，还模拟出位于台风眼东南侧降水大值环状降水区，降水量为80 mm，比雷达反演降水40 mm偏高，而控制试验基本没有模拟出海上的台风降水。
3.2 同化前后“桑美”初始时刻风场结构变化图 2是同化试验和控制试验台风中心附近海平面的流场及风速大小。根据中国台风网公布的台风风力，06:00台风最大风速为60 m/s，同时分析06:00温州雷达探测到的径向风资料（图 3），台风中心附近东北象限的最大负速度（朝向雷达）大于西南象限最大正速度（离开雷达），由于多普勒天气雷达径向速度观测存在二次模糊现象，此时的最大负速度应为63 m/s，最大正速度应为52 m/s。06:00控制试验（图 2a）在台风眼周围没有明显的大风中心，风速仅为12 m/s，与实况风速相差较远。同化后台风眼周围的大风区比控制试验改善显著，在同化窗口内风速不断增大，同化试验（图 2b）最大风速已经超过24 m/s，而且其风速在台风中心的分布与径向风观测一致，为东北象限最大，西南象限最小，这种非对称分布型态的台风往往呈现快速偏西运动特征[29]，这也正和“桑美”台风登陆前偏西方向的移动趋势一致。从流场上看，同化后台风中心周围流线密度明显增大，台风涡旋明显增强，台风眼结构更加清晰。
|
|
| 图 2. 同化窗口内2006年8月10日06:00海平面的流场和全风速（阴影，单位:m/s）（a）控制试验，（b）同化试验 Fig 2. Streamline filed and wind speed (shadow, unit: m/s) in the initial time windows at 06:00 10 Aug 2006(a) control test, (b) assimilation test | |
|
|
| 图 3. 2006年8月10日06:00温州多普勒天气雷达径向风速度（单位:m/s） Fig 3. Radial velocity observed by Wenzhou radar at 06:00 10 Aug 2006(unit:m/s) | |
由图 4可以看到，同化试验在同化窗口内不断调整台风眼的位置，路径误差不断减小，越来越接近实况的位置。06:00同化试验台风眼位置比控制试验偏北约半个纬度，位于26.8°N，121°E，与中国台风网公布的台风实况位置27°N，121.2°E非常接近，距离误差为30.8 km，此时控制试验台风眼位置位于26.5°N，120.6°E，距离误差为85.9 km。
|
|
| 图 4. 同化窗口内雷达同化试验、控制试验模拟台风路径与实况台风路径 Fig 4. The track of typhoon Saomai in the initial time windows simulated by radar assimilation test, by control tset and observation | |
由此可以发现，雷达资料同化对改善初始风场有比较显著的作用，不仅增大了台风大风区的风速，同时还改善了台风眼结构，使台风眼逐步接近实况位置。
3.3 同化前后“桑美”初始时刻回波结构变化朱佩君等[30-31]指出，地面气象站和雨量站的分布很不均匀，同时测站降水资料还存在“代表性”问题，常会影响到模拟结果的检验。雷达资料分布密度比较均匀，而且其空间分辨率高于地面测站的分布，与中尺度模式的空间分辨率较接近。因此，运用雷达资料作为检验的标准可以很好地避免雨量资料的不均匀性和代表性[23]。本文运用模式输出的水物质所制作组合反射率与雷达组合反射率资料进行比较来检验同化模拟结果。
从同化窗口6 h内同化试验、控制试验与雷达观测的回波对比可以发现，同化试验能模拟出台风螺旋云带随台风移动，由浙江东南沿海向内陆扩展的运动特征，也可以模拟出台风眼壁厚实而紧密的回波分布特征。06:00同化试验（图 5a）台风西北象限的螺旋云带上大于30 dBz的回波分布与实况（图 5b）非常接近，只是最大值比雷达观测偏弱约5 dBz；台风眼壁上大于45 dBz回波分布与雷达观测接近。控制试验（图 5c）模拟的雷达回波整体偏小，大值区仅为20 dBz左右。
|
|
| 图 5. 同化窗口内2008年8月10日06:00组合反射率（单位:dBz）（a）同化试验，（b）温州雷达观测，（c）控制试验 Fig 5. The composite reflectivity in the initial time windows at 06:00 10 Aug 2006(unit:dBz) (a) assimilationtest, (b) observed by Wenzhou radar, (c) controltes | |
3.4 同化前后“桑美”初始场动力、热力结构变化
为了解台风垂直剖面上初始场动力、热力结构的变化，沿图 5a中过台风中心的直线做径向剖面。
3.4.1 涡度散度场垂直结构对比控制试验和同化试验在06:00的涡度场垂直分布可以看到，同化试验涡度场（图 6a阴影）在台风中心附近存在一个明显的正涡度柱，柱状正涡区大致为垂直分布，从低层一直延伸到100 hPa以上，大于85×10-5s-1的涡度大值区位于700 hPa以下，最大值达到123×10-5s-1，这种中低层的较强气旋性涡度，配合其高空（高于100 hPa）的负涡度，有利于高层反气旋和气流流出通道的维持，使得低空维持辐合流场，有利于暴雨的形成和加强。控制试验涡度场（图 6b阴影）在台风中心附近的正涡度区仅伸展至200 hPa，结构简单分布均匀，且涡度值普遍较小，大于20×10-5s-1的正涡度大值区位于850 hPa以下，中心最大值仅为24×10-5s-1。同时，同化试验结果中正涡度分布呈现明显的中尺度不均匀分布，这说明雷达同化能使正涡度大值区向上伸展，垂直结构分布更加紧密，比控制试验更好地刻画了超强台风的深厚性，更具中尺度特征。
|
|
| 图 6. 同化窗口内2006年8月10日06:00沿台风中心垂直径向剖面上的物理量（a）同化试验涡度（阴影，单位:10-5s-1）和散度（等值线，单位:10-3s-1），（b）控制试验涡度（阴影，单位:10-5s-1）和散度（等值线，单位:10-3s-1），（c）同化试验qc（阴影，单位:g/kg）和uv-w风场（矢量，单位:m/s），（d）控制试验qc（阴影，单位:g/kg）和uv-w风场（矢量，单位:m/s），（e）同化试验θe（单位:K），（f）控制试验θe（单位:K） Fig 6. The cross section of physical variables along typhoon center at 06:00 10 Aug 2006, vorticity (shadow, unit:10-5s-1), divergence (contour, unit:10-3s-1) in assimilation test (a) and in control test (b), qc(shadow, unit:g/kg), uv-w wind (vector, unit:m/s) in assimilation test (c) and in control test (d), θe(unit:K) in assimilation test (e) and in control test (f) | |
控制试验（图 6b）在台风中心附近基本没有散度场的分布，所以控制试验没有模拟出位于海上台风眼附近的降水。同化试验低层辐合高层辐散的垂直结构特征明显（图 6a），在台风中心附近形成强烈的辐合上升区，辐合层深厚延伸到450 hPa附近，辐合中心最大为0.707×10-5s-1，辐散最大值位于150 hPa附近，中心值为0.695×10-5s-1。
雷达资料同化后产生的这种台风中心附近强涡度场与散度场的垂直互耦非常有利于维持强盛的垂直运动，这是导致位于海上台风眼附近降水显著增加的原因。
3.4.2 垂直运动及云水混合比为了分析同化在垂直运动上产生的影响，制作了06:00 uv-w风场和云水混合比qc沿台风中心的经向剖面图，图 6c和图 6d中的矢量箭头代表uv-w风矢，阴影代表qc。分析发现同化雷达资料之后台风眼区的下沉运动和台风眼壁的垂直上升运动明显增大，同化试验（图 6c）的垂直速度最大值达到2.43 m/s，控制试验（图 6d）在台风眼处没有明显的下沉运动，台风中心北侧有微弱的上升运动，垂直速度最大值只有0.41 m/s，雷达资料同化前后垂直速度差2 m/s左右。雷达资料同化后的上升区集中在台风中心附近较小的区间，而控制试验的上升区却在一个较大的范围里，这充分体现了雷达资料同化后对模式中尺度结构的改进。
在同化窗口内，同化试验与控制试验的云水存在明显差异，同化试验（图 6c）的qc主要集中在850 hPa到300 hPa之间，其最大值位于450 hPa附近达2.43 g/kg，而控制试验（图 6d）基本没有模拟出对流层中的云水。这表明，雷达资料同化主要改进了模式初始场中从对流层低层到10 km（约300 hPa）处的对流层顶云水物质含量，而且使qc含量显著增大，这与盛春岩等[22]得出的结论是一致的。
3.4.3 相当位温同化窗口最后时刻06:00的同化试验θe垂直剖面上（图 6e），台风中心两侧处低层的θe高于中高层，表现为明显的热力湿对流不稳定，为暴雨的发生积累了大量不稳定能量。台风眼壁处等相当位温面密集陡立，与这些相当位温陡峭密集区相对应有强的上升运动。在同一水平面上，台风眼壁内侧的θe最高，600 hPa附近达365 K左右，因此台风眼壁内侧是相对于眼壁外侧的高θe区暖湿中心；从台风眼壁向外θe迅速降低，形成θe等值线密集带，南北差10 K，说明能量锋具有相当强度。雷达资料同化后形成的这种θe的陡峭和密集区，使等θe面出现高低层打通的现象，有利于对流层中高层的高位涡冷空气向低层传递，同时低层的暖湿气流也由此通道向高层输送，促使暴雨区锋生，有效地增强了台风暴雨区的大气层结不稳定度[32]。
4 台风数值预报结果分析 4.1 台风降水预报如前文所述，同化试验改善了初始时刻台风螺旋云带上以及海上台风眼壁云带上的中尺度降水结构。随着台风登陆并向内陆推进，同化试验的预报降水场依然保持这种明显的中尺度结构。预报场从06:00开始经过12 h积分，到18:00结束，这一时间段包括此次台风的主要降水过程。
11:00，雷达估测降水（图 7）达到了此次台风降水过程的1 h降水的最大值，台风东半象限出现了大于63.50 mm的降水区，同化试验（图 7）基本模拟出了台风眼壁上东侧和南侧的降水带，尤其南侧降水中心最大值与估测降水较为一致，也达到60 mm以上，只是位置略微偏南。
|
|
| 图 7. 1 h降水量（单位：mm） Fig 7. 1-hour precipitation (unit:mm) | |
17:00，控制试验（图 7）降水中心已经增大到30 mm，但仍然比雷达估测降水（图 7）50 mm偏小，位置较估测降水偏北。此时估测降水依然呈钩状，同化试验（图 7）还很好地模拟出了降水的钩状落区，降水量为60 mm接近估测降水。
综上所述，同化试验对台风降水预报起到了有效作用，相比控制试验明显地改善了降水的落区、结构和量级。由前文对初始场各要素的改进分析可知，这种改善正是由于雷达同化使初始场中涡度散度互耦，垂直运动增强，云水含量增加，相当位温垂直结构呈热力湿对流不稳定，这些因素是预报降水场改进的直接原因。
4.2 台风路径预报将控制试验和同化试验分别做12 h预报，从图 8的“桑美”路径对比中可以看到，控制试验模拟的路径比实况路径整体偏南约半个纬距，并且前进速度偏大，登陆时间也提前了约2 h。同化试验模拟的路径与实况对比略偏南但偏差已经大大缩小，前4 h的路径趋势与实况一致都为西北走向，尤其登陆时间和地点都与实况相近，登陆之后两者路径都为西进后继续向西北移动，只是同化试验模拟路径在台风登陆之后较实况略微偏快，但比控制试验有了很大改进。
|
|
| 图 8. 同化试验、控制试验模拟的“桑美”台风路径预报与实况路径 Fig 8. The track of typhoon Saomai simulated by radar assimilation test, by control tset and the observation | |
对路径预报的改进主要得益于雷达同化对台风初始风场的有效改进，正是由于雷达资料同化使同化窗口内台风风场的大风区风速明显增大，使台风涡旋明显增强，台风眼结构更加紧密清晰，从而使台风中心的初始位置更加接近实况观测，才得到改进的台风路径预报结果。
4.3 台风强度预报分析雷达资料同化和控制试验的台风海平面气压强度与中国台风网公布的实况台风强度对比发现（图略），无论是同化试验还是控制试验，模拟的“桑美”台风强度都较实况偏低。主要原因可能是由于本文为了充分说明雷达资料对模式的作用，同化过程只使用了多普勒天气雷达资料，而没有使用常规地面报和探空资料，单一地使用雷达资料进行同化对台风初始场强度达不到更为精确的描述。当台风登陆之前接近近海时，可以在同化雷达资料的同时将地面和探空资料进行三维变分同化，不同探测高度层次的资料配合使用，将会比单纯使用雷达资料取得更好的结果。另外，试验中没有进行人工干预，即采用bogus技术。同化试验模拟的台风强度变化与实况变化趋势较为一致。于玉斌[33]在模拟“桑美”台风过程中，同样出现了模拟强度弱于实况、强度变化接近实况变化的情况。张建海[34]在模拟台风“云娜”过程中也出现模拟强度偏弱的情况，并指出台风强度模拟的误差大小与台风本身强度有关，强度越强，差值越大；强度越弱，差值越小。“桑美”是超强台风，在模拟过程中会产生比较大的误差。
5 小结本文利用ARPS模式及其三维变分资料同化模块ARPS-3DVar，将温州CINRAD-SA雷达基数据资料中的径向风速和基本反射率因子应用于“桑美”台风的数值模拟，经过雷达资料同化后的台风初始场比控制试验有了显著改进，预报场结果也有明显改善，具体结论如下:
1）在6 h同化窗口内，同化试验将控制试验模拟结果中没有模拟出的浙江地区台风螺旋云带上分布的许多中小尺度降水雨团以及位于海上台风眼壁上的降水结构模拟出来，这说明雷达资料通过ARPS-3DVar同化可以有效地提高模式对中尺度雨团位置、强度的模拟能力。
2）ARPS-3DVar直接同化雷达资料不仅增强了台风环流使台风涡旋显著加强，台风大风半径更加合理，而且使台风眼结构更加清晰，台风初始位置逐步接近实况，从而提高了台风路径的数值预报质量。而对台风降水的预报改进是通过雷达资料同化使初始场中台风中心附近垂直方向上涡度散度互耦，台风眼区下沉运动和台风眼壁上升运动增强，对流层中层云水含量增加，相当位温垂直结构呈热力湿对流不稳定，各物理量空间结构分布更具有中尺度结构特征，它们都与中尺度雨带有较一致的对应关系。
本文无论是同化试验还是控制试验，对“桑美”台风的强度预报较实况偏弱，主要原因可能是由于本文为了充分说明雷达资料对模式的作用，同化过程只使用了多普勒天气雷达资料，而没有使用常规地面报和探空资料，初始场中对台风的强度达不到更为精确的描述。另外，试验中没有进行人工干预，即采用bogus技术，在模式起报时没有将台风中心位置、中心气压订正到初始场。对强台风的模拟将雷达资料配合地面报、探空等常规资料一起同化能更好的改善台风初始场，与此同时在模拟中采用bogus技术，将有利于对超强台风“桑美”强度模拟更接近实况。
| [1] | 陈联寿, 孟智勇. 我国热带气旋研究十年进展. 大气科学, 2001, 25, (3): 420–432. |
| [2] | Kasahara A, Balgovind R C, Katz B. Use of satellite radio-metric imagery data for improvement in the analysis of diver-gent wind in the tropics. MonWeaRev, 1988, 116: 866–883. |
| [3] | Sun J, Crook N A. Dynamical and microphysical retrieval from Doppler radar observation using a cloud model and its adjoint. Part Ⅰ:Model development and simulated data experiments. J Atmos Sci, 1997, 54: 1642–1661. DOI:10.1175/1520-0469(1997)054<1642:DAMRFD>2.0.CO;2 |
| [4] | Sun J, Crook N A, Dynamical and microphysical retrieval from Doppler radar observation using a cloud model and its adjoint. Part Ⅱ:Retrieval experiments of an observed Florida convective storm. J Atmos Sci, 1998, 55: 835–852. DOI:10.1175/1520-0469(1998)055<0835:DAMRFD>2.0.CO;2 |
| [5] | Sun J, Crook N A. Real-time low-level wind and temperature analysis using single WSR-88D data. WeaForecasting, 2001, 16: 117–132. DOI:10.1175/1520-0434(2001)016<0117:RTLLWA>2.0.CO;2 |
| [6] | 顾建峰, 薛纪善, 颜宏. 多普勒雷达四维变分分析系统概述. 热带气象学报, 2004, 20: 1–13. |
| [7] | 杨艳蓉, 李柏, 张沛源. 多普勒雷达资料四维变分同化. 应用气象学报, 2004, 15: 95–110. |
| [8] | 张林, 倪允琪. 雷达径向风资料的四维变分同化试验. 大气科学, 2006, 30, (3): 433–440. |
| [9] | 李柏. 多普勒天气雷达资料分析及同化在暴雨中尺度天气系统数值模拟中的应用. 北京:中国气象科学研究院, 2005. |
| [10] | Synder C, Zhang F. Assimilation of simulated Doppler radar observations with an ensemble Kalman filter. Mon Wea Rev, 2003, 131: 1663–1677. DOI:10.1175//2555.1 |
| [11] | Zhang F, Synder C, Sun J. Impacts of initial estimate and observations on the convective-scale data assimilation with an ensemble Kalman filter. Mon Wea Rev, 2004, 132: 1238–1253. DOI:10.1175/1520-0493(2004)132<1238:IOIEAO>2.0.CO;2 |
| [12] | Tong M, Xue M. Ensemble Kalman filter assimilation of Doppler radar data with a compressible nonhydrostatic model:OSSE experiments. Mon Wea Rev, 2005, 133: 1789–1807. DOI:10.1175/MWR2898.1 |
| [13] | Gao J, Ming X, Wang Z, et al. The Initial Condition and Explicit Prediction of Convection Using ARPS Adjoint and Other Retrieval Methods with WSR-88D Data. AZ, Amer Mete Soc, 1998: 176–178. |
| [14] | 邱崇践, 余金香, QinXu. 多普勒雷达资料对中尺度系统短期预报的改进. 气象学报, 2000, 58, (2): 244–249. |
| [15] | Xue M, Wang D H, Gao J D, et al. The advanced regional prediction system (ARPS), storm-scale numerical weather prediction and data assimilation. Meteor Atmos Phys, 2003, 82: 139–170. DOI:10.1007/s00703-001-0595-6 |
| [16] | Hu Ming, Xue Ming. 3DVAR and cloud analysis with WSR-88D level-Ⅱ data for the prediction of the Fort Worth Tornadic thunderstorms.Part Ⅰ:Cloud analysis and its impact. Mon Wea Rev, 2005, 134: 699–721. |
| [17] | Hu Ming, Xue Ming. 3DVAR and cloud analysis with WSR-88D level-Ⅱ data for the prediction of the Fort Worth Tornadic thunderstorms.Part Ⅱ:Impact of radial velocity analysis via 3DVAR. Mon Wea Rev, 2005, 134: 675–698. |
| [18] | Xiao Qingnong, KuoY-H, Sun J, et al. Assimilation of Doppler Radar Observations and Its Impacts on Forecasting of the Landfalling Typhoon Rusa (2002)∥Proceeding of the Third European Conference on Radar Meteorology (ERAD) Together with the COST 717 Final Seminar, 2004:178-182. |
| [19] | 顾建峰. 多普勒雷达资料三维变分直接同化方法研究. 北京:中国气象科学研究院, 2006. |
| [20] | 万齐林, 薛纪善, 陈子通, 等. 雷达TREC风的三维变分同化应用与试验. 热带气象学报, 2005, 21, (5): 449–457. |
| [21] | 万齐林, 薛纪善, 庄世宇. 多普勒雷达风场信息变分同化的试验研究. 气象学报, 2005, 63, (2): 129–145. |
| [22] | 盛春岩, 浦一芬, 高守亭. 多普勒天气雷达资料对中尺度模式短时预报的影响. 大气科学, 2006, 30, (1): 93–107. |
| [23] | 余贞寿, 廖胜石, 黄克慧, 等. 0414号台风"云娜"的数值模拟. 气象学报, 2005, 63, (6): 903–914. |
| [24] | Xue M, Droegemeier K K, Wong V, et al. The Advanced Regional Prediction System (ARPS) User's Guide.Center for Analysis and Prediction of Storms. Oklahoma: University of Oklahoma, 1995. |
| [25] | Gao Jidong, Xue Ming, Brewster K, et al. A three-dimensional variational data analysis method with recursive filter for Doppler radars. JAtmosOceaTech, 2004, 21, (3): 457–469. |
| [26] | Zhang J, Carr F H, Brewster K. ADAS Cloud Analysis, Phoenix. 12th Conference on Numerical Weather Prediction. Phoenix, Amer Meteor Soc, 1998: 185–188. |
| [27] | Zhang J. Moisture and Diabatic Initialization Based on Radar and Satellite Observations. Oklahoma:University of Oklaho-ma, 1999. |
| [28] | Smith P L, Jr Myers CG, Orville H D. Orville H D, Radar reflectivity factor calculations in numerical cloud models using bulk parameterization of precipitation process. J Appl Meteor, 1975, 14: 1156–1165. DOI:10.1175/1520-0450(1975)014<1156:RRFCIN>2.0.CO;2 |
| [29] | 陈联寿, 罗哲贤. 非对称结构与台风移动的若千联系.台风科学业务试验和天气动力学理论的研究第二分册. 北京: 气象出版社, 1996: 371-374. |
| [30] | 朱佩君, 陈敏, 陶祖钰, 等. 登陆台风Winnie1997的数值模拟研究Ⅰ:结果检验和云系的模拟. 气象学报, 2002, 60, (5): 553–559. |
| [31] | 朱佩君, 陈敏, 陶祖钰, 等. 登陆台风Winnie1997的数值模拟研究Ⅱ:结构演变特征分析. 气象学报, 2002, 60, (5): 560–567. |
| [32] | 林毅, 刘铭, 刘爱鸣, 等. 台风龙王中尺度暴雨成因分析. 气象, 2007, 332: 22–28. |
| [33] | 于玉斌. 我国近海热带气旋强度突变的机理研究. 北京:中国气象科学研究院, 2007. |
| [34] | 张建海.台风Rananim (0414) 数值模拟试验及其相关问题的初步分析.南京:南京信息工程大学, 2006. |