Автори: Іванов С. В., Рубан І. Г., Паламарчук Ю. О.
Рік: 2017
Випуск: 22
Сторінки: 14-20
Анотація
Представлено подальший розвиток системи асиміляції даних в оперативній чисельної прогностичної конвективно-роздільною моделі HARMONIE за рахунок включення в неї радарних вимірювань. Основну увагу приділено, по-перше, загальним внеском асиміляції радарних вимірювань в кількісний прогноз опадів; по-друге, порівняно результатів чисельних експериментів з використанням різних методів попередньої обробки радіоеха в системі відстеження вимірювань. Розглянуто два способи препроцесингу. Для скорочення обсягу вхідних даних застосовані методи “простого проріджування” і “супернаблюденія”. Виконано порівняння тестових численних експериментів з контрольним, в якому радарні вимірювання не включені в модуль асиміляції даних. Результати показали, що використання відбивних характеристик атмосфери на етапі формування початкових умов моделі дозволяє підвищити точність відтворення мікрофізичної процеси в атмосфері за рахунок корекції величини вмісту вологи в нижній тропосфері. У найбільш інтенсивних вогнищах опадів тестові експерименти дали оцінки на 10 мм / 12 годин вище в порівнянні з контрольними розрахунками. Вертикальні профілі вмісту вологи в атмосфері показали, що основне збільшення розрахункових значень має місце в шарі між 850 і 600 hPa. В осередку опадів таке збільшення інтенсивності приблизно відповідає значенню 5-7 мм / год. Корекція вмісту вологи в середній тропосфері дозволила збільшити кількісні оцінки опадів на поверхні і наблизити їх до значень ретроспективного аналізу. Однак, результати чисельних розрахунків чутливі до вибору методу препроцесингу і внутрішніх параметрів. Оптимізацію такого вибору з урахуванням дозволу модельної сітки і просторових особливостей атмосферного потоку передбачається виконати на наступному етапі досліджень.
Теги: асиміляція даних; метеорадар; модель атмосфери Harmonie; опади
Список літератури
- Kalnay E. Atmospheric Modeling, Data Assimilation and Predictability. United Kingdom: Cambridge University Press, 2003. 341 p.
- Lorenc A. C. Analysis methods for numerical weather prediction. Quart. J. R. Meteorol. Soc., 1986, no. 112, pp. 1177–1194.
- Ivanov S., Palamarchuk J. Fine-scale precipitation structure of a cold front and the problem of the representativeness error. Advances in Geosciences, 2007, no. 10, pp. 3–8.
- Liu Z. Q. Rabier F. The potential of high-density observations for numerical weather prediction: a study with simu-lated observations. Quart. J. R. Meteorol. Soc., 2003. no. 129, pp. 3013–3035.
- Desroziers G., Ivanov S. Diagnosis and adaptive tuning of information error parameters in a variational assimilation. Quart. J. R. Meteorol. Soc., 2001, no. 127, pp. 1433–1452.
- Berger H., Forsythe M., Eyre J., Healy S. Proceedings of the seventh international winds workshop. Helsinki, Finland, EUM, 2004, p. 42, pp. 119–126. www.eumetsat.int/ Home/Main/Publications/
- Seko H., Kawabata T., Tsuyuki T., Nakamura H., Koizumi K. Impacts of GPS-derived water vapor and radial wind measured by Doppler radar on numerical prediction of precipitation. J. Meteorol. Soc. Jpn., 2004, no. 82, pp. 473–489.
- Salonen K., Jarvinen H., Haase G., Niemela S., Eresmaa R. Doppler radar radial winds in HIRLAM. Part II: Optimizing the super-observation processing. Tellus, 2009, vol. 61 (2), pp. 288–295.
- Bengtsson L., Andrae U., Aspelien T., Batrak Yu., Calvo J., de Rooy W., Gleeson E., Hansen-Sass B., Homleid M., Hortal M., Ivarsson K.-I., Lenderink G., Niemelä S., Nielsen K.P., Onvlee J., Rontu L., Samuelsson P., Muñoz D. S., Subias A., Tijm S., Toll V., Yang X., Køltzow M. O. The HARMONIE-AROME model configuration in the ALADIN-HIRLAM NWP system. Mon. Wea. Rev., 2017, no. 145, pp. 1919-1935.
- Seity Y., Brousseau P., Malardel S., Hello G., Bénard P., Bouttier F., Lac C., Masson V. The AROME-France Convective-Scale Operational Model. Mon. Wea. Rev., 2011, no. 139, pp. 976–999.