CMA-MESO关键技术集成及应用.docxVIP

? ? CMA-MESO关键技术集成及应用 ? ? 黄丽萍 邓莲堂 王瑞春 庄照荣 江 源 徐枝芳 朱立娟 张 进 王莉莉 于 翡 孙 琴 王 丹 王 皓 周非非 徐国强 (中国气象局地球系统数值预报中心，北京 100081) 引 言 在全球变暖背景下，世界范围内极端天气事件频繁发生。为提高对灾害性天气和高影响天气的预报准确率，国外很多天气预报业务中心建立了高分辨率(低于5 km分辨率)区域数值预报系统，如美国分辨率为3 km的快速循环同化预报系统、日本外层5 km内层2 km的云分辨数值同化预报系统、德国2.8 km的高分辨率数值同化预报模式、加拿大高分辨率精细预报系统(水平分辨率为2.5 km)。 在我国，局地强降水、洪涝干旱等天气灾害、极端天气事件造成的社会经济损失日趋严重[1-2]。2009—2014年灾情统计结果显示：自然灾害致灾经济损失中38.7%～72.2%由强降水、风雹等灾害性天气导致，而灾害性天气导致的死亡人数则占自然灾害死亡人数的49.2%～93%。提高灾害性天气和极端天气事件预报准确率，对高分辨精细数值预报系统提出了迫切要求。 中国气象局自主开发建立的GRAPES(Global/Regional Assimilation and PrEdiction System)系统[3-4]中的有限区中尺度天气数值预报系统(GRAPES-MESO)于2006年在国家气象中心业务运行，水平分辨率为30 km。经过不断发展，其降水预报能力逐渐提高，近地面要素预报水平也有明显进步[5-7]，但其水平分辨率(10 km)和垂直分辨率均明显偏低，不能满足局地强对流天气定量降水预报需求。因此，为提高中国强对流高影响天气的预报准确率，需要建立中国区域对流可分辨数值预报系统。 发展对流尺度数值预报系统通常包含几个方面的关键科学问题。首先，如何形成包含丰富中小尺度信息的高质量初始场。中小尺度天气系统具有时空尺度小、垂直运动强、非线性强等特征，传统天气系统资料同化方法在背景误差、同化变量、空间尺度、平衡关系等方面存在一定局限性，对局地时空稠密观测资料的同化应用效果也难以令人满意。因此，发展对流尺度资料同化方法，需要考虑对流尺度强非线性带来流依赖特征、能够更好表征中小尺度特征的背景误差和同化变量以及有效融合具有对流尺度分辨率的观测资料。目前国际业务中心采用的对流尺度业务系统方法包括变分方法(3DVar[8-10]和4DVar[9])、集合方法(LETKF[11])以及变分和集合混合方法(3DEnVar[12])，同时还应用其他同化算法，如潜热张驰逼近方法[13]改善模式初始对流尺度状态。集合方法、变分与集合混合方法以及4DVar方法均能不同程度引入背景流依赖信息，方法更为先进。但3DVar方法简单、计算量小，和其他方法如潜热张驰逼近结合，也被很多业务中心采用。研究结果表明：基于对流尺度同化方法的初始状态预报结果明显优于基于大尺度降尺度的结果，且采用比较先进的对流尺度同化方法得到的预报结果优于简单同化方法的结果[14]。 其次，如何提高模式系统对局地中小尺度系统的描述能力。一方面，通过改进模式动力框架的计算精度，可以提高处理中小尺度动力结构的能力；另一方面，针对云可分辨尺度的降水触发及发展机制，发展适合对流尺度模式的精细化物理过程，重点是边界层、微物理参数化方案及浅对流参数化方案[15-17]。 最后，如何使用高频观测信息建立快速更新分析预报系统，提高对局地中小尺度的短时临近预报能力。由于中小尺度系统具有时间尺度短、非线性特征强等特征，通过快速分析更新能够引入高频观测信息使初值包含更多对流系统信息，从而缓解模式调整适应问题。但在循环过程需要解决由于动力热力不平衡而产生噪音问题，目前使用较多的方法有两种，数字滤波初始化方法[18]和IAU方法[19]。 本文基于水平分辨率为10 km的GRAPES-MESO V4.0预报系统，从发展GRAPES公里尺度同化系统、提高模式计算精度及调试边界层方案以改进对流出发机制等关键科学问题出发，研发建立CMA-MESO(GRAPES-MESO 3 km)预报系统，以期提高CMA-MESO系统对强对流天气的预报性能，同时通过对实时业务化运行结果的诊断检验，分析其对强对流天气的预报能力。 另外，本文插图中所涉及的中国国界及省界均基于审图号为GS(2019)1786号标准地图制作，底图无修改。 1 CMA-MESO系统关键技术 1.1 模式关键技术 对流可分辨模式系统对动力框架的计算精度和稳定性提出了更高要求。CMA-MESO开展3个方面的研发改进工作以提高模式计算精度和稳定性：首先，引入初始场水平平均的一维参考大气[20]代替原来的等温参考大气，其优势在于既考虑参考大气廓线随高度的变化，又部分考虑参考大