搭載在極軌衛(wèi)星上的微波成像儀可以用來加強(qiáng)對地面的探測,還可以提供針對不同形態(tài)水物質(zhì)的觀測。同時搭載在靜止衛(wèi)星上的可見光紅外成像儀資料具有較高的空間和時間分辨率,可以提供觀測區(qū)域內(nèi)近似連續(xù)的衛(wèi)星資料,捕捉從中尺度到對流尺度天氣現(xiàn)象的演變過程。所以充分利用這兩種資料,對未來天氣的模擬、預(yù)報具有重要意義。為了提高成像儀資料在數(shù)值預(yù)報上的使用率,充分利用成像儀輻射率資料提供的有效信息,本文首先在WRF(Weather Research and Forecasting model)模式的資料同化系統(tǒng)(WRFDA,WRF Data Assimilation)中首次建立了 日本極軌衛(wèi)星 GCOM-W1(Global Change Observation Mission-Waterl)搭載的新一代微波成像儀 AMSR2(Advanced Microwave Scanning Radiometer 2)輻射率資料的同化模塊,實現(xiàn)了 AMSR2晴空輻射率資料在中小尺度同化系統(tǒng)中的有效使用。在對太平洋臺風(fēng)山神的個例分析中,可以發(fā)現(xiàn)與沒有同化AMSR2輻射率資料的控制試驗相比,同化AMSR2晴空資料能夠顯著提...

【文章頁數(shù)】：132 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究目的及意義
    1.2 國內(nèi)外研究進(jìn)展
        1.2.1 極軌微波成像儀資料應(yīng)用現(xiàn)狀
        1.2.2 靜止可見光紅外成像儀資料應(yīng)用現(xiàn)狀
    1.3 本文擬研究的問題和各章節(jié)主要內(nèi)容
        1.3.1 擬研究的問題
        1.3.2 各章節(jié)主要內(nèi)容
第二章 模式及觀測資料介紹
    2.1 WRFDA系統(tǒng)介紹
        2.1.1 三維變分(3D-Var)
        2.1.2 混合同化(Hybrid)
        2.1.3 VarBC變分偏差訂正
        2.1.4 Blending方案
    2.2 AMSR2資料及權(quán)重函數(shù)計算分析
        2.2.1 AMSR2輻射率資料
        2.2.2 AMSR2的權(quán)重函數(shù)計算分析
    2.3 GOES-Imager資料及權(quán)重函數(shù)計算分析
        2.3.1 GOES- Imager輻射率資料
        2.3.2 GOES-Imager的權(quán)重函數(shù)計算分析
    2.4 本章小結(jié)
第三章 AMSR2和GOES-Imager同化模塊構(gòu)建
    3.1 AMSR2同化模塊的構(gòu)建
        3.1.1 觀測讀取
        3.1.2 質(zhì)量控制
        3.1.3 全空同化接口
        3.1.4 對稱觀測誤差模式
    3.2 GOES-Imager模塊構(gòu)建
        3.2.1 觀測讀取
        3.2.2 Netcdf格式數(shù)據(jù)定標(biāo)
        3.2.3 天頂角計算
        3.2.4 質(zhì)量控制
    3.3 本章小結(jié)
第四章 AMSR2晴空同化對臺風(fēng)山神的分析和預(yù)報影響
    4.1 臺風(fēng)山神介紹
    4.2 試驗設(shè)計
    4.3. 結(jié)果分析
        4.3.1 AMSR2觀測模擬
        4.3.2 分析場診斷分析
        4.3.3 預(yù)報效果對比檢驗
    4.4. 本章小結(jié)
第五章 AMSR2全空同化對颶風(fēng)Sandy分析和預(yù)報的影響
    5.1 颶風(fēng)Sandy介紹
    5.2 試驗設(shè)計
    5.3 結(jié)果分析
        5.3.1 晴空和全空亮溫模擬
        5.3.2 ECMWF分析資料檢驗AMSR2同化對分析場颶風(fēng)結(jié)構(gòu)的影響
        5.3.3 AMSR2產(chǎn)品檢驗AMSR2同化對分析場颶風(fēng)結(jié)構(gòu)的影響
        5.3.4 對颶風(fēng)路徑和強(qiáng)度預(yù)報的影響
        5.3.5 對預(yù)報場溫度、水汽和風(fēng)場等要素場的影響
        5.3.6 降水預(yù)報檢驗
    5.4 稀疏化尺度敏感性試驗
    5.5 通道選擇敏感性試驗
    5.6 本章小結(jié)
第六章 GOES-Imager Hybrid同化對降水預(yù)報的影響
    6.1 墨西哥地區(qū)降水個例介紹
    6.2 試驗設(shè)計
    6.3 結(jié)果分析
        6.3.1 GOES-Imager觀測模擬分析
        6.3.2 分析場影響
        6.3.3 預(yù)報場的影響
        6.3.4 降水預(yù)報分析
    6.4 稀疏化尺度敏感性試驗
    6.5 本章小結(jié)
第七章 全文總結(jié)
    7.1 主要結(jié)論
    7.2 創(chuàng)新點和研究價值
        7.2.1 創(chuàng)新點
        7.2.2 研究價值
    7.3 有待研究的問題
附錄:集合卡爾曼濾波中卡爾曼增益矩陣的調(diào)整
    1 計算方法
        1.1 集合卡爾曼濾波同化一般算法
        1.2 修改方案一
        1.3 修改方案二
    2. 同化系統(tǒng)與試驗設(shè)置
        2.1 同化系統(tǒng)
        2.2 雷達(dá)觀測資料
        2.3 試驗設(shè)置
    3. 試驗結(jié)果與分析
        3.1 要素場分析
        3.2 均方根誤差分析
        3.3 (?)與(?)動比較分析
        3.4 MK2敏感性分析
    4. 結(jié)論
參考文獻(xiàn)
作者簡介
致謝



本文編號：3789426