Page 268 - 《高原气象》2022年第6期
P. 268

6 期                 田高山等：混合截断尺度Blending方案及其在西南区域模式中的应用                                     1631
               2000）。第一，由于区域模式本身的范围限制，缺                          Feng et al（2020，2021）提出了一种截断尺度随时间
               乏有限区域外的观测，模式对波长较长的波动信息                            变化的动态Blending方案并运用到了快速更新循环
               难以准确解析；第二，数值模式本身存在的混淆误                            同化系统中。
               差问题，模式网格不可分辨的短波会被模式错误地                                截断尺度的选择是Blending方案中的一个重要
               表示成较长波，导致能量的虚假增长。第三，区域                            问题，取得过小，将过多的全球的大尺度信息引入
               模式存在边界条件，边界条件的误差会随着模式积                            区域模式，将可能抑制区域模式的中小尺度系统的
               分的进行不断积累误差，对预报产生越来越大的                             发展；截断尺度取得过大，又会保留更多区域模式
               影响。                                               中原有的大尺度信息波段，不会有效减小区域模式
                   在区域模式的连续循环同化过程中，中小尺度                          的大尺度分析偏差。因此，从所有变量整体上到各
               的对流系统会在短临预报中失去可预报性（Durran                         个变量各自的截断尺度选取需要综合考虑模式本
               and Weyn，2016），一方面是由于大尺度偏差会通                      身性能、研究区域的天气背景特征等多方面。对于
               过误差增长过程很快传播到各个尺度（Weyn and                         西南区域，地形与环流的多尺度影响下，西南涡的
               Durran，2017）；另一方面，大尺度偏差的逐渐积累                      生成涡源具有多尺度的分布特征（李跃清，2021），
               会导致大尺度斜压波动传播的失真，进而造成天气                            并且，已有研究表明高原东部和盆地过渡地带，重
               形势场出现偏移（Vincent and Hahmann，2015）。同               力波的水平波长主要集中在100~500 km，并可以通
               时，在同化大尺度范围的常规观测资料后，模式变                            过滤波器分离出 500 km 以下的次天气尺度中的天
               量之间会不可避免地存在物理不平衡性，由此激发                            气扰动信号（陈炜，2018；侯劭禹等，2020）。Hsiao
               的重力波在高频同化中会不断累积并放大，预报误                            et al（2010，2015）指出 1200 km 的截断尺度是一个
               差逐渐增长。为了避免误差的持续积累导致预报                             能将小尺度环流从环流背景中分离出来的理想尺
               大幅度偏离大尺度环境场，在部分循环同化（par‐                          度，这样的理想尺度选择也依赖于全球模式场与区
               tial cycle）策略中，会定期进行冷启动，即利用全球                     域模式分析场在不同尺度上的相对质量。
               背景场信息修正循环同化过程中累积的误差（陈葆                                已有研究中，还未对模式动力场和温湿场的截
               德等，2013）。然而，重新冷启动也意味着会丧失                          断尺度进行明确的区分选择，考虑到不同类型的变
                                                                 量受不同尺度天气信息的影响不同，动力场的水平
               前期循环同化过程中产生的中小尺度信息，影响循
               环同化及预报的连续性。                                       尺度会大于温湿场，温湿场会受到更加局地尺度信
                                                                 息的影响。尤其在西南区域复杂地形背景下，产生
                   为了在保留区域模式中小尺度天气扰动信号
                                                                 的灾害性天气系统往往更具有多尺度特征。因此，
               的基础上更好地利用全球模式的背景场信息，从而
                                                                 本研究提出采用混合截断尺度 Blending 方案，并将
               提高区域模式在多尺度上的预报质量和预报连续
                                                                 其引入西南区域模式中进行试验分析。
               性 ，学 者 们 提 出 Blending 方 案 。 Durand and
               Bougeault（1987）采用了谱插值技术，首次实现了全                    2   方法、 资料及试验设计
               球 模 式 大 尺 度 波 与 区 域 模 式 中 尺 度 波 的 混 合 。
                                                                 2. 1  Blending方案
               Yang（2005）使用空间滤波器将全球模式大尺度增
                                                                                                    r
                                                                                     h
                                                                     来自全球模式场x 和区域模式场x 在长度尺度
               量信息与区域模式分析结合，进一步将 Blending 方
                                                                 l内的混合信息可以描述为：
               案运用到格点区域中，后来 Wang et al（2014）在此
                                                                                                    r
                                                                                         h
                                                                      bld
                                                                              r
               基础上，使用隐式的 Raymod 滤波器发展了背景场                            x (l) = x (l) + [α(l) x (l) - α(l) x (l)]
                                                                                  h
                                                                                                  r
               混合和分析场混合两种方案。庄照荣等（2018，                                     = α(l) x (l) + [1 - α(l)] x (l)  （1）
               2020）将 全 球 T639 分 析 场 的 大 尺 度 部 分 和 区 域           式中： α(l)代表所采用的滤波方案中的振幅响应函
               GRAPES 分析的中小尺度部分的混合，改善了区域                         数，表征对大尺度信息和中小尺度信息各自的尺度
               模式初始场的质量。而针对区域模式在连续循环                             分离程度，式（1）中可见对区域预报的大尺度调整
                                                                                        r
                                                                             h
               同化中误差的积累导致模式对大尺度信息描述变                             是通过 α(l) x (l) - α(l) x (l) 引入的。对于低通滤
                                                                                             h
               形的问题，Yang et al（2019）采用显式谱混合方法和                   波而言，式（2）的第一项 α(l) x (l) 代表全球模式场
               大尺度约束方法将 T639 全球场的大尺度分析引入                         经过低通滤波后得到的大尺度信息，式（2）的第二
               到 GRAPES_Meso 区 域 模 式 分 析 中 ，以 改 进                项是区域模式中的中小尺度信息。可见，Blending
               GRAPES_Meso 模式连续循环同化对大尺度信息的                       方案实现了同时使用全球模式的大尺度信息和区
               描 述 。 为 了 更 好 地 满 足 实 时 天 气 预 报 的 需 求 ，           域模式的小尺度信息。x 可以是全球模式的分析场
                                                                                       h
   263   264   265   266   267   268   269   270   271   272   273