（氣象學(xué)專(zhuān)業(yè)論文）可降水量資料在數(shù)值模式同化中的應(yīng)用研究.pdf

可降水量資料在數(shù)值模式同化中的應(yīng)用研究 中文摘要 眾所周知，水汽是降水的基本條件。水汽含量的多少既決定飽和狀態(tài)能否達(dá) 到，也同降水量大小直接有關(guān)。近年來(lái)，地基g p s 已經(jīng)開(kāi)辟了改進(jìn)大氣中水汽監(jiān) 測(cè)的可能性。g p s 資料分析使用了一個(gè)組合網(wǎng)來(lái)測(cè)量大地參數(shù)。研究結(jié)果表 明。g p s 導(dǎo)出的可降水量具有比較高的精度。地基g p s 時(shí)間密度高，能夠提供3 0 分鐘間隔連續(xù)的測(cè)量結(jié)果同時(shí)它的空間密度高，可密集布點(diǎn)。 本文以2 0 0 6 年7 月4 日的江淮暴雨為例，利用遺傳算法同化系統(tǒng)，進(jìn)行了 g p s 可降水量資料的同化，并做了與伴隨同化系統(tǒng)的對(duì)比試驗(yàn)。研究結(jié)果表明： 此次降雨過(guò)程與對(duì)流層中低層中尺度低渦的發(fā)生發(fā)展有密切聯(lián)系。在高低空環(huán) 流的共同作用下，高空槽后干冷氣流與西南暖濕氣流在江淮地區(qū)頻繁交匯，使 得中尺度對(duì)流系統(tǒng)得以持續(xù)發(fā)展。使用g p s 可降水量資料調(diào)整初始場(chǎng)后能更準(zhǔn) 確地模擬出降水的落區(qū)與強(qiáng)度。為了進(jìn)一步檢驗(yàn)使用遺傳算法同化系統(tǒng)后的效 果，通過(guò)濕度場(chǎng)，風(fēng)場(chǎng)，高度場(chǎng)的均方差試驗(yàn)，證明加入g p s 可降水資料的遺 傳同化試驗(yàn)對(duì)其它要素的改善與伴隨同化g p s 可降水資料的試驗(yàn)相比，更能模 擬出與實(shí)況更為接近的低層風(fēng)場(chǎng)，濕度場(chǎng)結(jié)構(gòu)，對(duì)暴雨的落區(qū)與強(qiáng)度也有一定 的改善。 關(guān)鍵詞：可降水量資料，遺傳算法，資料同化，伴隨模式 i l l p r e c i p i t a b l ew a t e rd a t aa r ea p p l i e di nt h ea s s i m i l a t i o n o fn u m e r i c a lm o d e l a b s t r a e t i ti sw e l lk n o w n 、m o i s t u r ei st h eb a s i cc o n d i t i o nf o rp r e c i p i t a t i o n w a t e rv a d o r c o n t e n to fb o t ht h en u m b e rc o u l dr e a c hs a t u r a t i o np o i md e c i s i o n , t h es a m es i z e d i r e c t l yr e l a t e dt op r e c i p i t a t i o n i nr e c e n ty e a r s ， g p sh a so p e n e du paf o u n d a t i o nt oi m p r o v et h ep o s s i b i l i t yo fm o n i t o r i n go fw a t e r v a p o ri n t h e a t m o s p h e r e g p s d a t a a n a l y s i su s i n g ac o m b i n a t i o no fn e t w o r k p a r a m e t e r st om e a s u r e t h ee a r t h t h er e s u l t ss h o wt h a t g p sc a b ed e r i v e dr a i n f a 】l i s r e l a t i v e l yh i 曲a c c u r a c y g p sh a sh i g ht i m ed e n s i t y ，i tc a r lb ea b l et op r o v i d e 3 0 一m i n u t ei n t e r v a l sf o rt h em e a s u r e m e n tr e s u l t s ，a tt h es a n et i m ei t s1 1 i g hd e n s i t yo f s p a c e ，c a np o i n t - i n t e n s i v ec l o t h w et a k eah e a v yr a i n f a l lp r o c e s sd u r i n g4 - 5 ，j u n e ，2 0 0 6a st h ee x p e r i m e n t a l r e s e a r c ho b j e c t ，u s et h eg e n e t i ca l g o r i t h ma s s i m i l a t i o n s y s t e m ，a n dc a l t yo u td a t a a s s i m i l a t i o n e x p e r i m e n t o fg p s p r e e i p i t a b l ew a t e rd a t a a n dt od o w i t ht h e c o m p a r i s i o ne x p e r i m e n to fa d i o i n t4 d v a rm o d e l ，i ti sf i n dt h a tt h eh e a v yr a i ne v e n t w a sc l o s er e l a t e dt og e n e r a t i o na n dd e v e l o p m e n to fm e s o s c a l ev o r t e xj nt h em i d 1 0 w t r o p o * ；p h e r e t h e e n v i r o n m e n t a lc o n d i t i o nb e t w e e nt h es o u t h e r n e d g e o ft g e w e s t e r l i e sa n dr i o r t h e r nr i mo f t h es u b t r o p i c a lh i 2 ho f 血ew e s t e r np a c i f i ci sf a v o r a b l e f o rt h ed e v e l o p m e n to fm e s o s c a l ec o n v e c t i v es y s t e m s ( m c s s ) a n dt h eo c c u r r e n c eo f h e a v yr a i n m c s sd e v e l o pc o n t i n u o u s l yo v e rt h e r ew h i l et h el o w - l e v e lj e tt r a n s p o r t s w a r ma n dm o i s t u r ea i rt ot h es o u t ho f m c s s t h ee r i e c to fn u m e r i c a ls i m u l a t i o nw i t hg p sp r e e i p i t a b l ew a t e r ( g p s ) d a t ai sb e t t e r t h a nw i t h o u tg p s t of u r t h e rt e s tt h eu s eo fg e n e t i ca l g o r i t h mf o rt h ee r i e c t so f a s s i m i l a t i o ns y s t e m ，t h r o u g ht h er m se x p e r i m e n t so ft h eh u m i d i t y ，w i n da n dh i g h f i e l d ，p r o v et h ee x p e r i m e n ta d d i n gg p sc a nd i r e c t l yi m p r o v et h eo t h e re l e m e n t s f o r e c a s t so b v i o u s l yc o m p a r i n gt h a ta d i o i n t4 d v 久rm o d e l c a ns i m u l a t et h es t r u c t u r e o f1 0 w e rw i n df i e l da n dh u m i d i t yf i e l dt h a ti sm o r ec l o s et ot h er e a lf a c t , i tc a n i m p r o v e t h ed i s t r i c t sa n dt h es t r e n g t ho f t h eh e a v yr a i n k e yw o r d s ：g p sp r e c i p i t a b l ew a t e r ；d a t aa s s i m i l a t i o n ；g e n e t i ca l g o r i t h m ；a d i o i n tm o d e l 學(xué)位論文獨(dú)創(chuàng)性聲明 本人鄭重聲明： 1 、堅(jiān)持以“求實(shí)、創(chuàng)新”的科學(xué)精神從事研究工作。 2 、本論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究 成果。 3 、本論文中除引文外，所有實(shí)驗(yàn)、數(shù)據(jù)和有關(guān)材料均是真實(shí)的。 4 、本論文中除引文和致謝的內(nèi)容外，不包含其他人或其它機(jī)構(gòu) 已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果。 5 、其他同志對(duì)本研究所做的貢獻(xiàn)均已在論文中作了聲明并表示 了謝意。 作者簽名：丕壟堡 日期：絲里壁量： 學(xué)位論文使用授權(quán)聲明 本人完全了解南京信息工程大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī) 定，學(xué)校有權(quán)保留學(xué)位論文并向國(guó)家主管部門(mén)或其指定機(jī)構(gòu)送交論 文的電子版和紙質(zhì)版：有權(quán)將學(xué)位論文用于非贏利目的的少量復(fù)制 并允許論文進(jìn)入學(xué)校圖書(shū)館被查閱；有權(quán)將學(xué)位論文的內(nèi)容編入有 關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；有權(quán)將學(xué)位論文的標(biāo)題和摘要匯編出版。保密 的學(xué)位論文在解密后適用本規(guī)定。 。，j r 口 作者簽名：縫壘旦 日期：鯊墨：圭：虛 第一章緒論 1 1g p s 可降水量資料研究進(jìn)展 降水資料同化對(duì)數(shù)值預(yù)報(bào)有重要的意義，因?yàn)榻邓c大氣的非絕熱物理過(guò) 程相聯(lián)系，所以包含豐富的非絕熱加熱觀測(cè)信息，應(yīng)用于中尺度數(shù)值預(yù)報(bào)模式， 將有助于改進(jìn)濕度、溫度與散度場(chǎng)的初值，并且對(duì)弱化s p i n u p 問(wèn)題有明顯的 效果，因而可以改進(jìn)短期降水預(yù)報(bào)。t s u y u k i 1 3 一31 對(duì)降水資料的四維變分 同化技術(shù)做了系統(tǒng)性的探討，涉及到云模式參數(shù)化方案非連續(xù)性問(wèn)題的處理、 重力波噪聲的抑制以及降水同化對(duì)散度、濕度和對(duì)流層低層渦度分析場(chǎng)的改進(jìn) 等方面。k u o 1 等指出當(dāng)與溫度和風(fēng)的資料一起用時(shí)，g p s 可降水量資料和地表 濕度的同化在強(qiáng)對(duì)流事件中的短期預(yù)報(bào)中起著顯著的促進(jìn)作用。d p a r s o n s j ma c h o l ”。研究表明c p s 水汽的同化在溫度場(chǎng)預(yù)報(bào)上顯示t - r e 大的正面作用。 g u o ”。等對(duì)w v i p 試驗(yàn)的個(gè)例研究表明c p s 水汽的四維同化對(duì)降水預(yù)報(bào)有顯著影 響但是對(duì)濕度垂直結(jié)構(gòu)的恢復(fù)影響較小。袁招洪等用三維變分同化做了同化 g p s 可降水量資料的研究，他們發(fā)現(xiàn)通過(guò)g p s 可降水量資料的三維變分同化，使 m m 5 模式6 小時(shí)和2 4 小時(shí)累積降水能力得到提高，改善了m m 5 模式降水預(yù)報(bào)能 力。曹云昌等對(duì)北京地區(qū)g p s 可降水量資料的研究證明g p s 可降水量可作為 臺(tái)站短期降水預(yù)報(bào)的一個(gè)指標(biāo)。張朝林在“0 0 7 北京特大暴雨模擬過(guò)程中加 入g p s 資料，進(jìn)行了三維變分同化試驗(yàn)，結(jié)果在不同的閡值t s 評(píng)分有l(wèi) 一8 的提高。丁金才等進(jìn)行了g p s p w v 資料三維同化改進(jìn)數(shù)值預(yù)報(bào)的試驗(yàn)，結(jié) 果也表明同化g p s p w v 資料后5 降水預(yù)報(bào)能力得到提高。 1 2 四維變分同化的國(guó)內(nèi)外研究進(jìn)展 自從2 0 世紀(jì)2 0 年代r i c h a r d s o n 開(kāi)創(chuàng)性的數(shù)值天氣預(yù)報(bào)試驗(yàn)以來(lái)，數(shù)值天 氣預(yù)報(bào)( n w p ) 作為一種預(yù)報(bào)手段已經(jīng)在天氣預(yù)報(bào)中扮演著越來(lái)越重要的角色。 但是數(shù)值預(yù)報(bào)模式本身的準(zhǔn)確程度和用作積分的初始條件的好壞，成為影響提 高數(shù)值預(yù)報(bào)結(jié)果準(zhǔn)確性的關(guān)鍵因素。隨著計(jì)算機(jī)和計(jì)算技術(shù)的飛速發(fā)展，非常 規(guī)資料開(kāi)始提供大量的時(shí)空?qǐng)錾暇哂懈叻直媛实臍庀笮畔?。充分利用這些有效 信息，將兩種資料更好的融合在一起，為數(shù)值預(yù)報(bào)模式提供一個(gè)動(dòng)力和熱力上 協(xié)調(diào)的最優(yōu)初始場(chǎng)的過(guò)程就稱(chēng)為資料同化。目前，數(shù)值天氣預(yù)報(bào)中資料同化方 案的主要趨勢(shì)之一就是四維變分同化技術(shù)，與其它方案相比，它使得預(yù)報(bào)模式 的解與系列非常規(guī)的觀測(cè)場(chǎng)更趨一致。四維變分資料同化是新發(fā)展起來(lái)的一 種全新的四維同化方法，已經(jīng)引起了越來(lái)越多的氣象工作者的注意。所謂四維 同化【1 1 l ，是把不同時(shí)刻、不同地區(qū)、不同性質(zhì)的氣象資料( 包括常規(guī)和非常規(guī) 觀測(cè)資料以及預(yù)報(bào)資料等) ，通過(guò)統(tǒng)計(jì)與動(dòng)力關(guān)系( 包括預(yù)報(bào)模式) 使之在動(dòng)力 和熱力上協(xié)調(diào)起來(lái)，以求得質(zhì)量場(chǎng)和流場(chǎng)基本平衡的最優(yōu)初始場(chǎng)。這種初始場(chǎng) 既與數(shù)值模式協(xié)調(diào)，又能使同化時(shí)段內(nèi)的模式預(yù)報(bào)值最大限度地符合實(shí)際觀測(cè) 值。 變分分析方法最早由s a s a ki 1 1 2 - 1 3 】引入到客觀分析中來(lái)。這種方法是在給定的 ( 由一個(gè)或者多個(gè)大氣運(yùn)動(dòng)方程構(gòu)成的動(dòng)力約束) 條件下，使分析場(chǎng)與觀測(cè)值差 別最小而得到初始場(chǎng)。即將同化問(wèn)題化為一個(gè)以動(dòng)力模式為約束的極小化問(wèn)題。 與純粹的統(tǒng)計(jì)插值方法相比，變分方法的優(yōu)勢(shì)十分明顯：1 ) 變分同化更能體現(xiàn) 復(fù)雜的非線性約束關(guān)系；2 ) 可在目標(biāo)函數(shù)中包含物理過(guò)程，并以模式本身作為 動(dòng)力約束，因而變分同化結(jié)果具有物理的一致性和動(dòng)力的協(xié)調(diào)性；3 ) 無(wú)需進(jìn)行 觀測(cè)篩選，能同時(shí)使用所有的有效觀測(cè)；4 ) 確定誤差協(xié)方差時(shí)具有更大的自由 度，對(duì)新型觀測(cè)數(shù)據(jù)的應(yīng)用能力更強(qiáng)。然而，變分分析方法對(duì)于簡(jiǎn)單的約束關(guān)系， 如地轉(zhuǎn)風(fēng)、熱成風(fēng)等物理?xiàng)l件，數(shù)學(xué)上求解遇到的問(wèn)題較少，但對(duì)于復(fù)雜的約束 關(guān)系，求解其控制方程( 歐拉一拉格朗日方程) 需要較高的數(shù)學(xué)技巧和巨大的運(yùn) 算量，實(shí)際操作起來(lái)相當(dāng)困難。 2 1 9 8 6 年l e d i m e t 和t a l a g r a n d l l q 基于最優(yōu)控制論，第一次詳盡闡述了伴隨方 法的應(yīng)用，給出了在資料同化中使用伴隨方法的一般性表述，使得資料變分同 化方法的研究進(jìn)入了一個(gè)嶄新的階段，并逐漸成為資料同化的主流。 四維伴隨模式變分同化方法作為一種提高數(shù)值預(yù)報(bào)的有效方法受到了國(guó)內(nèi) 外專(zhuān)家的關(guān)注。研究表明，四維伴隨變分同化不僅僅是一種資料的同化方法，也是 一種研究模式本身的系統(tǒng)誤差及敏感性的方法。資料誤差和模式誤差都可能影 響四維變分結(jié)果，傳統(tǒng)的變分四維同化是假設(shè)模式完全正確僅對(duì)初始場(chǎng)進(jìn)行修正 1 1 5 - 1 6 。實(shí)際上，任何模式都只是對(duì)大氣的一種近似模擬，總存在誤差。理想的方法 是同時(shí)考慮模式誤差和初始場(chǎng)誤差。求解這樣的問(wèn)題，由于模式復(fù)雜、自由度太 多，加上受數(shù)學(xué)工具和計(jì)算方法的跟制，目前還不能找到一個(gè)很好的解決辦法。隨 著觀測(cè)手段的改進(jìn)，觀測(cè)資料的時(shí)空分辨率大大提高，資料的準(zhǔn)確度也隨之提高。 使用多次個(gè)例的高分辨率非常規(guī)觀測(cè)資料，通過(guò)伴隨模式可修正模式誤差，來(lái)提 高數(shù)值預(yù)報(bào)質(zhì)量顯然是合理和迫切的。伴隨方法是目前用于建立四維變分資料 同化系統(tǒng)的主要方法，它是根據(jù)偏微分方程的最優(yōu)化和最優(yōu)控制論1 1 7 】，以數(shù)值 預(yù)報(bào)模式為約束條件建立相應(yīng)的伴隨方程。該方法并不直接求解歐拉方程，而 是以狀態(tài)變量的模式結(jié)果與觀測(cè)資料的距離( 目標(biāo)函數(shù)) 為依據(jù)，利用與模式 相對(duì)應(yīng)的伴隨方程和下降算法( 如牛頓法、最速下降法、共軛梯度法) ，迭代調(diào) 整模式中的未知變量( 控制變量) ，使得目標(biāo)函數(shù)達(dá)到最小，從而獲得優(yōu)化的控 制變量和相應(yīng)的狀態(tài)變量。此方法提出后，氣象學(xué)者對(duì)伴隨法以及相關(guān)問(wèn)題進(jìn) 行了大量理論研究。n i c o l e 研究了直接用數(shù)值模式碼產(chǎn)生伴隨碼的方法， r o s t a l i n g l l 8 1 利用伴隨碼來(lái)編寫(xiě)伴隨模式，使原來(lái)的數(shù)值模式與伴隨模式在計(jì)算 上是可逆的，從而發(fā)展成了變分同化的伴隨模式方法。應(yīng)用伴隨模式來(lái)求解氣 象領(lǐng)域內(nèi)的變分問(wèn)題最早由m a r c h u k t l 9 - 2 0 提出，隨后，其被應(yīng)用于各種模式中， l e 謝s 【2 1 采用平流約束的一維準(zhǔn)地磚渦度方程做了變分同化實(shí)驗(yàn)，d e b e r 【2 2 1 采用 原始方程模式進(jìn)行了交分同化實(shí)驗(yàn)，c o u r t i e r 2 3 等人利用淺水模式及其伴隨模式 進(jìn)行了同化實(shí)驗(yàn)，t h e p a u t 2 4 1 利用多層原始方程模式進(jìn)行了變分同化實(shí)驗(yàn)， v u k i c e v i c h t 2 5 1 利用m m 4 伴隨模式對(duì)不連續(xù)問(wèn)題進(jìn)行了研究。z o u 2 6 - 2 8 利用了 n m c 絕熱譜模式作了同化實(shí)驗(yàn)。c h a o 2 9 津在g l a 的g c m 模式上發(fā)展了伴隨 模式的變分同化系統(tǒng)，其研究結(jié)果表明，它能極大地減小n w p 的s p i n - u p 問(wèn)題。 從此，四維變分資料同化技術(shù)已開(kāi)始被用于較復(fù)雜的模式。但這些應(yīng)用都不包 括物理化過(guò)程，模式中的物理化過(guò)程( 如凝結(jié)、對(duì)流、湍流) 在模擬各種大尺 度和中尺度現(xiàn)象時(shí)起著非常重要的作用。如果僅用一個(gè)絕熱的或者簡(jiǎn)化物理過(guò) 程的非線性模式來(lái)做實(shí)際資料的同化，數(shù)值預(yù)報(bào)模式本身的缺陷會(huì)使模式解與 實(shí)際觀測(cè)差距很大。因此有必要發(fā)展和試驗(yàn)包括各種物理過(guò)程或參數(shù)化方案的 四維變分資料同化系統(tǒng)。z , o u t 3 0 冪i lk u o 3 1 1 等人在非靜力中尺度模式m m 5 上發(fā)展 了伴隨同化系統(tǒng)，這在提高中尺度模式的預(yù)報(bào)水平方面取得了長(zhǎng)足的進(jìn)步。 四維同化在我國(guó)的發(fā)展使從2 0 世紀(jì)9 0 年代開(kāi)始的，郜吉東等【32 】針對(duì)數(shù) 值預(yù)報(bào)中產(chǎn)生誤差的兩個(gè)來(lái)源提出了數(shù)值預(yù)報(bào)中存在兩類(lèi)反問(wèn)題，并利用一維 非線性平流擴(kuò)散方程，用共軛方程的解法對(duì)提出的兩類(lèi)反問(wèn)題作了理想場(chǎng)的數(shù) 值試驗(yàn)，邱崇踐9 3 1 進(jìn)行了關(guān)于變分同化中使用背景場(chǎng)時(shí)尺度匹配及模式誤差對(duì) 變分同化過(guò)程影響的試驗(yàn)。龔建東 3 4 1 分別針對(duì)模式誤差、初始條件和側(cè)邊界條 件對(duì)區(qū)域四維變分同化進(jìn)行了數(shù)值試驗(yàn)。范新崗等 35 j 系統(tǒng)地提出，充分利用歷 史資料反演訂正模式和初始解，以改進(jìn)數(shù)值預(yù)報(bào)的三類(lèi)反問(wèn)題，并給出了數(shù)值 解法。 伴隨技術(shù)近幾年在我國(guó)得到了迅速的發(fā)展，蒲朝霞、丑紀(jì)范【3 6 】運(yùn)用數(shù)值模 式及其共軛方程對(duì)中尺度遙感資料進(jìn)行同化，從理論和數(shù)值研究證明了這種共 軛方法的優(yōu)點(diǎn)和可行性。邱崇踐【”1 給出了模式不連續(xù)時(shí)的共軛公式，并用一個(gè) 簡(jiǎn)單的數(shù)值模式檢驗(yàn)了其正確性。陳子通 3 8 1 沈桐立例以有限區(qū)域中尺度模式為 基礎(chǔ)，探討了伴隨模式系統(tǒng)的設(shè)計(jì)和構(gòu)造問(wèn)題，并進(jìn)步研究討論了伴隨碼的 檢驗(yàn)，李曉莉t 4 0 1 n 用m m 4 四維伴隨同化系統(tǒng)進(jìn)行了常規(guī)資料和非常規(guī)資料的 伴隨同化試驗(yàn)，王棟梁討論了伴隨模式系統(tǒng)中權(quán)重系數(shù)、尺度因子的選取， 并對(duì)m m 5 四維變分伴隨同化系統(tǒng)進(jìn)行了梯度檢驗(yàn)和實(shí)際資料的四維變分同化 試驗(yàn)。王云峰1 4 2 】研究了4 d v a r 技術(shù)中計(jì)算最優(yōu)步長(zhǎng)的簡(jiǎn)單算法。王必正【4 3 】對(duì) 伴隨方程在水汽資料四維同化中的應(yīng)用進(jìn)行了研究。王棟梁【刪對(duì)包括k u o 降水 參數(shù)化方案的刪5 的四維同化資料變分系統(tǒng)進(jìn)行研究，利用對(duì)實(shí)際降水的模擬， 比較詳細(xì)地討論了有開(kāi)關(guān)變量以及切線性化和伴隨問(wèn)題。范水勇【4 5 】采用伴隨碼 方法構(gòu)造了數(shù)值天氣預(yù)報(bào)的伴隨模式系統(tǒng)。李華宏1 4 6 】將伴隨模式同化系統(tǒng)應(yīng)用 于修正模式地形誤差，通過(guò)對(duì)不同初始地形的修正試驗(yàn)表明：5 伴隨模式同化 系統(tǒng)能很好地修正地形誤差。何芬等做了在伴隨同化系統(tǒng)中用云導(dǎo)風(fēng)修正模式 地形的試驗(yàn)，表明伴隨模式同化云導(dǎo)風(fēng)后比未同化的預(yù)報(bào)效果好。 1 3 遺傳算法的研究進(jìn)展 遺傳算法是一類(lèi)借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索方法， 其主要特點(diǎn)是群體搜索策略和群體中個(gè)體之間的信息交換，搜索不依賴于梯度 信息，它尤其適用于處理搜索方法難于解決的復(fù)雜和非線性問(wèn)題，可廣泛應(yīng)用 于組合優(yōu)化，機(jī)器學(xué)習(xí)，自適應(yīng)控制，規(guī)劃設(shè)計(jì)和人工生命等領(lǐng)域，是2 1 世紀(jì) 有關(guān)智能計(jì)算中的關(guān)鍵技術(shù)之一。 在1 9 6 2 年，美國(guó)m i c h i g a n 大學(xué)的h o l l a n d 教授就提出g a 的基本思想【4 ”g a 的數(shù)學(xué)框架是在6 0 年代末期形成的，隨后g a 開(kāi)始吸引大量的研究者和探索者， 并在許多工程領(lǐng)域得到了應(yīng)用，遺傳算法最早引入氣象領(lǐng)域是2 0 世紀(jì)9 0 年代 校準(zhǔn)降雨徑流物理模型中的參數(shù)化，接著在其它方面也得到了應(yīng)用，如在海洋 學(xué)試驗(yàn)中尋找目標(biāo)函數(shù)的最優(yōu)值【4 8 弗1 ，分析空氣污染源的分布5 們，對(duì)洪水進(jìn)行 預(yù)報(bào)和預(yù)警 5 i _ 5 2 1 ，自動(dòng)校正地下水模型f 5 3 】，調(diào)整有限弱回波區(qū)探測(cè)算法1 5 4 1 ，回 閃模型參數(shù)估i j - l s s 】，全球氣候變化下假定墨西哥動(dòng)物群落的預(yù)測(cè)等【5 6 1 。，把遺傳 算法用于變分資料的同化研究最早是由國(guó)外學(xué)者b a h r e n s 提出5 7 1 ，他用非標(biāo) 準(zhǔn)化的遺傳算法對(duì)弱約束形式的l o r e n z 模型進(jìn)行全局最小搜索，取得了較好的 結(jié)果，但由于弱約束形式中算法要求有大量的控制參數(shù)，因而算法的應(yīng)用只針 對(duì)簡(jiǎn)單系統(tǒng)。 我國(guó)有關(guān)遺傳算法的研究，從2 0 世紀(jì)9 0 年代以來(lái)一直處于不斷上升的趨 勢(shì)，特別是近幾年來(lái)，遺傳算法的應(yīng)用在許多領(lǐng)域取得了令人矚目的成就。氣 象方面遺傳算法開(kāi)始于趙遠(yuǎn)東等人用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化時(shí)間序列預(yù) 測(cè)模型5 8 1 最早由王順鳳和沈桐立【5 卿等人將遺傳算法引入到氣象資料交分同化 中來(lái)，為資料同化的研究提出了新的思路，但在應(yīng)用遺傳算法進(jìn)行初始資料的 同化時(shí)僅用了初始時(shí)刻的資料信息，而沒(méi)有將動(dòng)力約束與資料約束以及不同時(shí) 刻的一切觀測(cè)資料作為個(gè)整體同時(shí)考慮，并應(yīng)用到變分資料同化過(guò)程中。胡 婭敏和沈桐立【6 0 j 將遺傳算法應(yīng)用于思維變分資料同化問(wèn)題，提供了一種新的較 為有效的數(shù)值天氣預(yù)報(bào)初始場(chǎng)優(yōu)化方法，給出了相應(yīng)的理論依據(jù)和詳細(xì)算法。 并結(jié)合變分問(wèn)題本身的特點(diǎn)，設(shè)計(jì)了合理的遺傳編碼、遺傳操作和遺傳參數(shù)。 以正壓原始方程為例建立了基于遺傳算法的變分同化模型，并從多方面與伴隨 模式變分同化系統(tǒng)進(jìn)行了比較。結(jié)果表明，將遺傳算法應(yīng)用于四維變分資料周 化是切實(shí)可行而且有效的，這一工作豐富了變分同化的內(nèi)容，使變分同化技術(shù) 作為提高數(shù)值預(yù)報(bào)初始場(chǎng)的質(zhì)量這一有效技術(shù)得到了進(jìn)一步的應(yīng)用。孫桂平等 把遺傳算法用到m m 5 模式中【6 ”，進(jìn)一步證明遺傳算法復(fù)雜模式中是切實(shí)可行的。 彭菊香6 2 】等將刪5 模式的g a 系統(tǒng)進(jìn)一步完善。通過(guò)g a 同化系統(tǒng)與伴隨模式同 化系統(tǒng)同化后所作的預(yù)報(bào)效果進(jìn)行比較，驗(yàn)證g a 同化系統(tǒng)的性能。 1 4 本文的研究?jī)?nèi)容 g p s 能以與探空觀測(cè)相當(dāng)?shù)木冗B續(xù)、全天候地對(duì)大氣水汽進(jìn)行測(cè)量，如何 更有效地應(yīng)用g p s 水汽測(cè)量提高中尺度數(shù)值預(yù)報(bào)模式的預(yù)報(bào)精度，尤其是使用三 維變分同化技術(shù)同化g p s 可降水量資料己成為g p s 氣象學(xué)研究的重要課題。本 文在彭菊香論文的基礎(chǔ)上，嘗試?yán)胢 5 遺傳算法同化系統(tǒng)同化g p s 可降水量 資料，并與傳統(tǒng)的m m 5 伴隨模式同化系統(tǒng)進(jìn)行比較，進(jìn)一步驗(yàn)證m m 5g a 同化系 統(tǒng)的性能。 6 第二章m m 5 模式與四維變分同化的基本原理 2 1 中尺度m m 5 模式的發(fā)展 m m 5 是美國(guó)國(guó)家大氣研究中心( n c a r ) 和美國(guó)賓州大學(xué)( p s u ) 聯(lián)合研制的 第五代有限區(qū)域中尺度大氣模式，由二十世紀(jì)七十年代由a n t h e s 在賓州大學(xué)建 立的中尺度模式( 刪2 ，m m 4 ) 發(fā)展來(lái)的。它包括多重嵌套的能力、非靜力動(dòng)力模 式、以及四維同化的能力和更多的物理選項(xiàng)。目前，m m 5 已經(jīng)被廣泛地應(yīng)用于 各種中尺度天氣系統(tǒng)的科研和業(yè)務(wù)中，其中包括對(duì)海面風(fēng)場(chǎng)的預(yù)報(bào)和臺(tái)風(fēng)的預(yù) 報(bào)，這些科研和業(yè)務(wù)預(yù)報(bào)，都證明了m m 5 對(duì)海上的中小尺度天氣現(xiàn)象有很好的 模擬和預(yù)報(bào)能力。 2 2 基本方程組 為了能延用m m 4 模式系統(tǒng)的某些軟件，m m 5 非流體靜力平衡模式仍在( x ，y 。 o ) 坐標(biāo)系中寫(xiě)出，為此定義流體靜力平衡下的參考態(tài)及其擾動(dòng)項(xiàng) p ( x ，y ，z ，f ) = p o ( = ) + p ( x ，y ，：，f ) 丁( z ，y ，= ，f ) = r o ( z ) + r ( x ，y ，：，) ( 2 1 ) p ( x ，y ，z ，r ) = p o ( z ) + p ( x ，y ，= ，r ) 其中p o ，p 。滿足靜力平衡關(guān)系 孕一p o g p 為預(yù)報(bào)量，參考態(tài)的氣壓梯度項(xiàng)可從有關(guān)方程中扣除，僅保留擾動(dòng)氣壓( p7 ) 項(xiàng)，這樣做的優(yōu)點(diǎn)是可以減小氣壓梯度力項(xiàng)在高原陡峭地區(qū)兩個(gè)反號(hào)大項(xiàng)的一 個(gè)小差所造成的虛假噪聲。垂直。坐標(biāo)定義為 o ：魚(yú)二旦 p ：一p t 其中p ：，只分別為模式的地面氣壓和項(xiàng)層參考態(tài)氣壓。 7 p = p 8 七p t 七p 其中p ( x ，y ) = p ，( x ，y ) 一p ，模式控制方程采用d u d h i a ( 1 9 9 3 ) 給出的 非流體靜力模式方程組。 水平動(dòng)量方程 水平動(dòng)量方程： 坐+ 墮擘一旦笪蔦：一型竺+ u v m 卜一a p u a a r p 、缸p 蘇a d 7 i 缸 鈔l a a + u d i v + p 一p + e w c o s 0 + d 。 業(yè)a t + 巫p 島一三p 等參一m 2 f 學(xué)+ 學(xué)l - 警、砂砂a 仃l 缸 旁j a 盯 + v d 一p 舡- i - p e w s i n 0 + d ， 垂直動(dòng)量方程： 業(yè)一m 2 i 學(xué)+ 藝竽卜警+ 刪v + p gp。ot pc 三p 魯 l敘卻i a 盯 、a d 夸瓦t o p ) - p g 瓴+ g ，) - p e ( u c o s o - v s i n o 他 ( 2 2 ) ( 2 3 ) ( 2 4 ) 連續(xù)方程： 業(yè)= - m 2 l 半+ _ c , p v p i m 卜掣+ p d i v - m 2 p y p ( 警 o t l 舐 卻i a 仃缸 一三冬罷+ _ a v l m 一三冬蘭) + p o g t p 竺+ p 風(fēng)g w ( 2 5 ) m p 毛xo oa ym p 竊；勺o(hù) o g 熱流量方程： 塑：一坍2 lo p u t m + o p v t mi 一旦坐+ t d l y 西 f缸西 a 盯 3 一! i 攀+ 掣i - 箋出0 腳礦( 2 6 ) p cp l 瓠 母 l a o 。 + 去( 宰嗍印。w ) + 譬+ 等島 其中： ；：一掣w 一等莩“一等簍v pp o x p e y 肼：。：f 笪塑+ 笪塑1 + 業(yè) l 蘇 西， j a d t a n o ：一c o s 西a z a y 。卻砂 與脅4 相比，) i m 5 模式方程組的垂直速度。場(chǎng)和擾動(dòng)氣壓場(chǎng)均需預(yù)報(bào)，同 時(shí)，還必須處理聲波。 m m 5 模式的水平網(wǎng)格系統(tǒng)采用a r a k a w a b 網(wǎng)格跳點(diǎn)格式。變量p + 、t 、q 、o 、 、q c 、q 。、r 設(shè)置在點(diǎn)( c r o s sp o i n t ) 上，變l u 、v 設(shè)置在點(diǎn)( d o tp o i n t ) 上：垂直方向上，除垂直速度定義在整。層外，其余變量均定義在半。層上。由于 涮5 考慮的流體是可壓縮的，允許聲波傳播，為保持計(jì)算穩(wěn)定，必須在控制方程 中的某些項(xiàng)采用短時(shí)步，這是因?yàn)檫@些頂與聲波的傳播有關(guān)，如動(dòng)量方程中的壓 力項(xiàng)和氣壓梯度力項(xiàng)，氣壓方程中的速度散度和參考態(tài)的平流項(xiàng)。對(duì)平流項(xiàng)，柯 氏加速度和浮力加速度的“慢”趨勢(shì)采用長(zhǎng)時(shí)步。即在一個(gè)長(zhǎng)時(shí)間間隔采用若 干個(gè)短時(shí)步來(lái)預(yù)報(bào)速度場(chǎng)和氣壓場(chǎng)。邊界條件有四種選擇：海綿邊界條件、張弛 邊界條件、時(shí)變邊界條件和上輻射邊界條件。此外，m m 5 還可以進(jìn)行單、雙向嵌 套。 2 3m m 5 模式各模塊的功能 t e r r i a n 模塊：建立中尺度區(qū)域網(wǎng)格，并為模式運(yùn)行準(zhǔn)備地形資料和地表類(lèi)型資 料，把按經(jīng)緯度規(guī)則分布的地形高度和植被組成水平插值( 或分析) 到所選擇 的中尺度區(qū)域內(nèi)。 d a t a g r i d 模塊：從背景場(chǎng)文件中讀入模式各氣壓層上的各氣象要素場(chǎng)資料，插 值到模式網(wǎng)格的圓點(diǎn)和叉點(diǎn)上，在t e r r a i n 模塊中已生成的模式地形上建立初始 猜測(cè)場(chǎng)，為下面的資料客觀分析作準(zhǔn)備。 r a w i n s 模塊：讀觀測(cè)資料，引入地面和高空觀測(cè)測(cè)報(bào)中實(shí)時(shí)的氣象要素資料， 進(jìn)行客觀分析，訂正初猜場(chǎng)，提高初猜場(chǎng)的分析質(zhì)量。 。 q i a n 模塊：前處理模塊，處理分析場(chǎng)和中尺度模式間的轉(zhuǎn)換，將p 坐標(biāo)系轉(zhuǎn)換成 。坐標(biāo)系，在刪5 模塊中便于在等。面的基礎(chǔ)上進(jìn)行運(yùn)算。 m m 5 p c 模塊：此模塊是m m 5 模式的數(shù)值天氣預(yù)報(bào)部分，各種物理過(guò)程的參數(shù)化方 案，如積云參數(shù)化、行星邊界層、流入流出邊界方案以及是否采用四維同化方 案等，都在i v n 5 p c 模塊中設(shè)定。 h o u 模塊：與前處理相反，將。坐標(biāo)系下的模式預(yù)報(bào)的氣象要素場(chǎng)轉(zhuǎn)換成p 坐標(biāo) 系下的。 r d v 5 5 模塊：將模式輸出的預(yù)報(bào)結(jié)果讀出，分別寫(xiě)成單獨(dú)的文件，便于畫(huà)圖分折。 在生成的頭文件中間，有詳細(xì)的氣象要素名稱(chēng)說(shuō)明，可參考。 2 4 四維變分同化的原理 四維變分同化方法是在傳統(tǒng)的變分方法的基礎(chǔ)上發(fā)展起來(lái)的一種以數(shù)值 模式和資料約束相結(jié)合的變分方法。它作為一種提高數(shù)值預(yù)報(bào)效果的同化方法 受到了國(guó)內(nèi)外很多專(zhuān)家的關(guān)注。它將不同時(shí)刻的一切觀測(cè)資料包括常規(guī)觀測(cè)資 料和非常規(guī)觀測(cè)資料、模式資料和非模式資料作為一個(gè)整體同時(shí)考慮，利用變 分原理和共軛方程理論兩個(gè)工具尋找出多時(shí)次資料中所包含的時(shí)間演變信息， 求出最優(yōu)初始條件。它將傳統(tǒng)的約束變分問(wèn)題轉(zhuǎn)化為無(wú)約束變分問(wèn)題，是用來(lái) 求解大氣科學(xué)中偏微分方程中反問(wèn)題的一種有效方法。它使得客觀分析場(chǎng)的初 始化變得沒(méi)有必要，從而避免了初始化所帶來(lái)的誤差。同時(shí)衛(wèi)星、雷達(dá)等非常 規(guī)資料可以同化到模式中去。這種方法具有堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ)及無(wú)可比擬的 優(yōu)越性，因而也是目前最有前途的資料同化方法。 l o 2 4 1 目標(biāo)函數(shù)的選取 變分法首先要構(gòu)造度量模式解與相應(yīng)時(shí)刻的觀測(cè)場(chǎng)逼近程度的泛函( 又稱(chēng) 代價(jià)函數(shù)或距離函數(shù)) 。設(shè)x 是模式變量，則目標(biāo)函數(shù)( 離散形式) 可定義為： v ，( x ( 島) ) = ( x ( t 3 - x o 如( t 3 7 礦( x ( t ) 一k ( 島) ) ( 2 ，7 ) 其中x 是控制變量，x 甌) 代表模式初始場(chǎng)，x ( t ) 代表t f 時(shí)刻模式的輸 出值。w 是權(quán)重系數(shù)。上標(biāo)丁表示矩陣的轉(zhuǎn)置，下標(biāo)o b s 表示觀測(cè)值，n 是 在同化時(shí)段內(nèi)有觀測(cè)的時(shí)間次數(shù)。由于模式非常復(fù)雜，自由度太大，根本無(wú)法 寫(xiě)出x ( t o ) 的閉合解。根據(jù)最優(yōu)控制理論的泛函求極值方法，可以引進(jìn)伴隨方 程來(lái)求解目標(biāo)函數(shù)梯度，之后采用合適的下降算法使目標(biāo)函數(shù)減小，來(lái)達(dá)到求 解x ( t o ) 的目的。 2 4 。2 目標(biāo)函數(shù)梯度的求解 為使目標(biāo)函數(shù)最小，變分法并不直接求控制( 初值) 虼，而是采用合適的 下降算法求梯度方程的迭代解，是目標(biāo)函數(shù)減小，以求得初值k 。對(duì)于較復(fù)雜 的預(yù)報(bào)模式方程，采用基于共軛方程理論的伴隨方法來(lái)求解目標(biāo)函數(shù)梯度 w 眩) 。 根據(jù)h i l b e r t 空間的性質(zhì)，設(shè)w 是h i l b e r t 空間，定義內(nèi)積( ，) ，矢量y w ， 日是依賴于h i l b e r t 空間的一個(gè)可微有界泛函，則存在如下變分：l = ( 覘，x ) 。 對(duì)于( 2 7 ) 式可得 ，( r ( f 0 ) ) = ( w ( y 也n l ，( f 。) ) 另由( 2 8 ) 式可得 ( 2 8 ) ，r p “) ) ：妻( r o 。) 一v ( t 。爐y ，( f 。) 由( 2 8 ) 和( 2 9 ) 式得出 ( 2 9 ) w 口( r o ) ) ) r y 唯。) ：蘭( y 如。) 一，( f 。爐l ，( f 。) ( 2 1 0 ) 預(yù)報(bào)方程的相應(yīng)的擾動(dòng)方程為 詈劃( y ) r 則擾動(dòng)方程的計(jì)算可由下式表示 】，( f 。) = 只口) y “) ( 2 “) ( 2 1 2 ) 這里口) 表示由y ( r 。) 得到i ，( f 。) 的所有運(yùn)算過(guò)程。將( 2 1 2 ) 式代入( 2 1 1 ) 可得 w ( y 純) ) r 】，心。) ：蘭( y ( f 。) 一，( f 。) ) r 只( x 妒r ( f 。) ( 2 1 3 ) 由h i l b e r t 空間的性質(zhì)( 肼，y ) = 伍，r y ) ( 三是工在h i l b e r t 空間的共軛算子， 當(dāng)h i l b e r t 空間為有限維且可用正交坐標(biāo)系描述時(shí)，r 代表算子三的矩陣的轉(zhuǎn)置 l r ) 可得 w p 優(yōu)) ) ：蘭形( y ( ，。) 一，( 。爐r ( y ) ( 2 1 4 ) 設(shè)月( y ) 的共軛算子為h ”( y ) ，可得如下共軛伴隨方程 等劃+ ( y 妒 ( 2 1 5 ) 也可由下列式子表示 p “) = p p ) y ”( ，。) 1 2 ( 2 1 6 ) 其中巧( y ) 為( y ) 的共軛算子，此處等于夥，因此目標(biāo)函數(shù)的梯度可表示為 w ( y “) ) = 【y ( f 。) 一f ( f 。) 炫( y ) ( 2 1 7 ) 由( 2 1 7 ) 式可見(jiàn)只要以礦( y “) 一礦“) ) 為初始值向后積分伴隨方程( 2 1 6 ) 到初始時(shí)刻，并在每個(gè)有觀測(cè)資料的r 。時(shí)刻將矽( y o 。) 一，( f 。) ) 加入模式中，就可 得到目標(biāo)函數(shù)的梯度。 2 4 3 實(shí)現(xiàn)目標(biāo)函數(shù)下降的優(yōu)化算法 在同化過(guò)程中計(jì)算目標(biāo)函數(shù)對(duì)于控制變量的梯度，然后再利用不同的最優(yōu) 化算法來(lái)調(diào)整初始場(chǎng)，使得目標(biāo)函數(shù)和其梯度達(dá)到極小值，從而得至0 模式的最 優(yōu)解。氣象上常用的優(yōu)化算法主要包括：最速下降法、牛頓法、擬牛頓法、共 軛梯度法和截?cái)嗯ｎD法等。最速下降法最簡(jiǎn)潔，也撮容易實(shí)現(xiàn)，但是整體收斂 性差，下降速度很慢；牛頓下降法收斂速度快，但難以實(shí)現(xiàn)計(jì)算目標(biāo)函數(shù)的h e s s e 矩陣及其逆矩陣；擬牛頓算法、截?cái)嗯ｎD法和共軛梯度算法都是目標(biāo)函數(shù)的梯 度為基礎(chǔ)的算法，收斂的速度都比較快，其中擬牛頓法可以避免計(jì)算復(fù)雜的 h e s s e 矩陣，但計(jì)算量較大，需要很大的存儲(chǔ)空間，對(duì)計(jì)算機(jī)的要求較高：截?cái)?牛頓法雖然搜索方向性好，但內(nèi)層迭代也需要消耗時(shí)間。相比而言，共軛梯度 法需要的存儲(chǔ)量相對(duì)較小，收斂速度也好，最適用于解維數(shù)較高的氣象問(wèn)題。 但它也存在不足，如迭代次數(shù)多，采用非精確一維搜索時(shí)受計(jì)算誤差的影響， 有時(shí)存在不收斂的情況。 2 4 4 權(quán)重和尺度因子 不同的觀測(cè)資料有不同的物理屬性、不同的表現(xiàn)形式，因此需要在目標(biāo)函數(shù) 中加入權(quán)重系數(shù)，使得目標(biāo)函數(shù)成為一個(gè)無(wú)量綱量。權(quán)重系數(shù)的取值既可以通 過(guò)統(tǒng)計(jì)得到，也可以直接由觀測(cè)資料本身獲得。有如下的公式計(jì)算權(quán)重1 6 3 彬? = 二=( 2 1 8 ) 。m a x 。，。舊盤(pán)( 島) 一f 盤(pán)( ) f 代表同化的物理量，如風(fēng)速“和v 、溫度丁、比濕孫氣壓，等。t o 、島代表相 鄰兩次觀測(cè)時(shí)刻。 在建立伴隨模式系統(tǒng)過(guò)程中，還需要注意尺度因子的選取。n a v o n 掣刪和 c o u t i e r 等6 5 】做了較全面的探討。氣象上不同物理量的量綱有很大的差異，在計(jì) 算目標(biāo)函數(shù)梯度和下降方向時(shí)，為了使系統(tǒng)具有一個(gè)判別“大小”的標(biāo)準(zhǔn)，在 對(duì)初始場(chǎng)迭代更新過(guò)程中，尺度因子的選取對(duì)于無(wú)約束最優(yōu)化問(wèn)題的求解非常 重要。尺度化過(guò)程的一般形式為 x s = s xj 姆j 、q = s 飛j x 為狀態(tài)變量，v ，為目標(biāo)函數(shù)梯度值，下標(biāo)“s ”表示尺度化后的量。 參照n a v o n 等1 4 1 的做法，本文采用如下的計(jì)算尺度因子 s f = 三，m a x 。，。l f 盤(pán)( f o ) 一f 盎( ) l ( 2 1 9 ) 同樣，代表同化的物理量；t o ，t n 代表相鄰兩次觀測(cè)時(shí)刻。 第三章g p s 可降水量資料的應(yīng)用 3 1g p s 氣象學(xué)介紹 在氣象科學(xué)研究和業(yè)務(wù)應(yīng)用方面，g p s 技術(shù)已展示出廣闊的應(yīng)用前景。2 0 世 紀(jì)9 0 年代，現(xiàn)在g p s 氣象探測(cè)已成為w m o ( 世界氣象組織) 2 l 世紀(jì)新的全球綜合高 空觀測(cè)系統(tǒng)的重要組成部分。由此，以g p s 技術(shù)在氣象學(xué)研究及應(yīng)用為主要內(nèi)容 形成了一門(mén)新興的交叉學(xué)科，稱(chēng)為g p s 氣象學(xué)”( g p sm e t e o r o l o g y ，簡(jiǎn)寫(xiě)為 g p s m e t ) 無(wú)線電探測(cè)、衛(wèi)星紅外線探測(cè)和微波探測(cè)等手段是獲取氣溫、氣壓和濕度 的傳統(tǒng)手段。但是它們與g p s 手段相比，就可明顯地看出傳統(tǒng)手段的局限性。 無(wú)線電探測(cè)法的觀測(cè)值精度較好，垂直分辨率高，但地區(qū)覆蓋不均勻，在海洋 上幾乎沒(méi)有數(shù)據(jù)。被動(dòng)式的衛(wèi)星遙感技術(shù)可以獲得較好的全球覆蓋率和較高的 水平分辨率，但垂直分辨率和時(shí)間分辨率很低。利用g p s 手段來(lái)遙感大氣的優(yōu) 點(diǎn)是，它是全球覆蓋的，費(fèi)用低廉，精度高，垂直分辨率高。根據(jù)1 9 9 5 年4 月3 日美國(guó)發(fā)射的用于g p s 氣象學(xué)研究的m i c r o l a b 一1 低軌衛(wèi)星的早期結(jié)果顯示，對(duì) 于干空氣，在從5 7k m 到3 5 4 0k m 的高度上，所獲得的溫度可以精確到1 0 之內(nèi)。正是這些優(yōu)點(diǎn)使得g p s m e t 技術(shù)成為大氣遙感的最有效最有希望的方法 之一。 當(dāng)g p s 發(fā)出的信號(hào)穿過(guò)大氣層中對(duì)流層時(shí)，受到對(duì)流層的折射影響，g p s 信號(hào)要發(fā)生彎曲和延遲，其中信號(hào)的彎曲量很小，而信號(hào)的延遲量很大，通常 在2 3m 左右。在g p s 精密定位測(cè)量中，大氣折射的影響是被當(dāng)作誤差源而要盡 可能將它的影響消除干凈。而在g p s m e t 中，與之相反，所要求得的量就是大 氣折射量。通過(guò)計(jì)算可以得到我們所需的大氣折射量，再通過(guò)大氣折射率與大 氣折射量之間的函數(shù)關(guān)系可以求得大氣折射率。大氣折射率是氣溫t ，氣壓p 和 水汽壓力e 的函數(shù)，通過(guò)一定關(guān)系，則可以求得我們所需要的量。 g p s 探測(cè)技術(shù)與其他大氣探測(cè)手段相比有如下顯著優(yōu)點(diǎn)：( 1 ) 空間覆蓋范圍 廣。一顆低軌衛(wèi)星每1 2h 隨機(jī)覆蓋全球一次。與探空觀測(cè)相比，具有更大的觀測(cè) 范圍。( 2 ) 垂直分辨率高。從接近地面n 6 0k m 的高空，垂直分辨率在幾百米到1k m 內(nèi)變化。( 3 ) 測(cè)量精度高，g p s m e t 測(cè)量基本上是在高信噪比條件下進(jìn)行的載波相 位測(cè)量，測(cè)量值的動(dòng)態(tài)范圍可達(dá)到大約1 0 6 。( 4 ) 探鋇i 穩(wěn)定，儀器本身完全不需要 調(diào)整和定標(biāo)。 根據(jù)g p s m e t 觀測(cè)站的空闖分布特點(diǎn)，可將g p s 氣象學(xué)分為地基6 p s 氣象學(xué)和 空基g p s 氣象學(xué)。 3 2 地基g p s 資料的應(yīng)用及其發(fā)展前景 水汽在天氣演變和氣候變化中扮演著重要角色，它影響大氣輻射和太陽(yáng)輻 射，從而影響氣候。水汽輻合的突然增加與對(duì)流的發(fā)展密切相關(guān)，所以水汽的 遙感對(duì)于天氣現(xiàn)象、氣候變化研究和業(yè)務(wù)天氣預(yù)報(bào)具有重要的意義。水汽絕大 部分存在于對(duì)流層中，其分布隨時(shí)空變化顯著。目前世界各國(guó)的大氣水汽資料 主要依靠每天兩次的常規(guī)探空氣球觀測(cè)獲取，這種觀測(cè)方式的主要局限性是測(cè) 站密度過(guò)稀、相鄰兩次探測(cè)時(shí)間間隔過(guò)長(zhǎng)，且維持這一觀測(cè)系統(tǒng)的成本也在不 斷增加。已有的替代方法中，雙通道微波輻射計(jì)和r a m a n 激光雷達(dá)等觀測(cè)手段， 不但費(fèi)用昂貴，不能全天候觀測(cè)，而且需經(jīng)常標(biāo)定，難以大范圍密集設(shè)置站網(wǎng) 和實(shí)現(xiàn)觀測(cè)業(yè)務(wù)化。衛(wèi)星紅外輻射計(jì)可以觀測(cè)大氣亮溫，估算大氣積分可降水 分，能覆蓋全球范圍，但也局限于對(duì)晴空區(qū)域的監(jiān)測(cè)。g p s 技術(shù)探測(cè)大氣水汽含 量具有費(fèi)用低廉，精度高，可以全天候觀測(cè)等優(yōu)點(diǎn)，在氣象領(lǐng)域獲得了廣泛深 入的研究應(yīng)用。以往的g p s 觀測(cè)試驗(yàn)表明，6 p s n 量的大氣可降水量與局地降水存 在密切的關(guān)系，每次降水過(guò)程都和大氣可降水量的迅速增加聯(lián)系在一起。 m a n a b u ”“分析了日本g e o n e t 關(guān)東地區(qū)的大氣可降水量資料發(fā)現(xiàn)，降水和lh 的大 氣可降水量增量關(guān)系密切，降水峰值位于大氣可降水量變化峰值之后的l 2h 。 用大氣可降水量作為指標(biāo)預(yù)報(bào)降水，準(zhǔn)確率可達(dá)6 0 。目前，實(shí)時(shí)的地基g p s 氣象 準(zhǔn)業(yè)務(wù)網(wǎng)有美國(guó)n o a a f s l 的g p s 氣象綜合示范網(wǎng)”“，德國(guó)業(yè)務(wù)化g p s 水汽監(jiān)測(cè)網(wǎng) 。用于全球g p s 測(cè)量的國(guó)際地球動(dòng)力學(xué)服務(wù)局( i g s ) 的全球站網(wǎng)和用于大學(xué)科 研的s u 0 i n e t 網(wǎng)6 7 1 也實(shí)時(shí)處理g p s 大氣可降水量資料。 g p s 遙感的大氣水汽總量在短期天氣預(yù)報(bào)中的應(yīng)用方向主要有： ( 1 ) 天氣預(yù)報(bào)和臨近預(yù)報(bào)。分析g p s - p w v 及其時(shí)間變化與局地環(huán)流、地形以 及降水時(shí)段、強(qiáng)度和范圍等因子的關(guān)系，將其直接用于劇烈天氣過(guò)程( 如梅雨、 鋒面、臺(tái)風(fēng)) 的分析和預(yù)報(bào)業(yè)務(wù)，對(duì)g p s p w v 用于短時(shí)災(zāi)害性天氣( 如雷暴、暴雨) 的臨近預(yù)報(bào)( n o w c a s t i n g ) 進(jìn)行試驗(yàn)。 ( 2 ) 為中尺度數(shù)值預(yù)報(bào)模式提供初始場(chǎng)中尺度數(shù)值預(yù)報(bào)模式，其預(yù)報(bào)的優(yōu) 劣在很大程度上取決于初始場(chǎng)，而傳統(tǒng)的觀測(cè)手段對(duì)模式初值，特別是水汽場(chǎng) 初值的描述是遠(yuǎn)遠(yuǎn)不夠的。由于水汽觀測(cè)稀少，水汽場(chǎng)的空問(wèn)分布不連續(xù)，對(duì) 于水汽場(chǎng)這樣一個(gè)變化迅速的物理量，以常規(guī)探空資料為主的初始場(chǎng)常常捕捉 不到實(shí)時(shí)的水汽變化，尤其是在暴雨和強(qiáng)對(duì)流天氣發(fā)生前，從而導(dǎo)致對(duì)暴雨的 數(shù)值預(yù)報(bào)準(zhǔn)確率不高。利