第七届青年地学论坛

混合-集合变分数据同化是较为流行的数据同化方法之一，前人工作证明它在业务模式中有效改善了热带气旋(TC)的预报。基于集合的数据同化方法提供了流依赖性的背景误差协方差，能够更准确地估计天气系统的演变，但由此得到的分析场不满足模式动力上的平衡，引入了虚假的重力波，也就是动力不平衡。增量分析更新技术把分析增量转化为强迫项平均分配到模式的每步积分中(称之为3DIAU)，在时间上起到了滤波的作用，有效削弱了模式不平衡。但对于TC这样快速发展的系统，3DIAU可能过滤掉过多的小尺度信息，此时我们希望能考虑分析增量在同化窗口内的演变，给模式施加随时间变化的强迫，即应用4DIAU。
本研究将IAU技术应用于GSI-WRF循环同化系统，对2019年西北太平洋区域的台风海贝斯和台风玲玲进行了模拟研究。结果表明，从最小海平面气压和最大风速的预报来看，3DIAU和4DIAU对台风快速增强和最大强度预报相对于控制实验都有明显改善，其中对气压的改善更加显著。同时和台风最佳路径相比，4DIAU实验的RMW和R17更加接近观测，有更小的丰满度误差。而和GDAS传统观测资料以及FNL再分析资料相比都得到了类似的结论：3DIAU和4DIAU在台风生命周期内的整场平均误差都小于控制实验，且3DIAU的误差更小。基于以上结论，本研究对分析增量的频次即滤波强度进行了讨论，认为对于整场预报而言，滤波越强误差越小，对涡旋预报来说，滤波强度则要适度减小。

台风资料同化,增量分析更新