[论文解读] 1D+4D-VAR data assimilation of lightning with WRFDA system using nonlinear observation operators

Răzvan Ştefanescu, I. M. Navon+2 more|arXiv (Cornell University)|Jun 8, 2013

Meteorological Phenomena and Simulations参考文献 72被引用 3

一句话总结

本研究采用非线性观测算子，将地球网络全闪电网（ENTLN）的闪电数据同化至WRFDA系统，以对流可用位能（CAPE）作为代理变量，评估1D+4D-Var数据同化效果。与控制试验相比，1D+4D-Var方法在严重天气事件期间将降水均方根误差降低了25%–27.5%，显著提升了风暴强度和降水预报的准确性。

ABSTRACT

This paper addresses the impact of assimilating data from the Earth Networks Total Lightning Network (ENTLN) during two cases of severe weather. Data from the ENTLN serve as a substitute for those from the upcoming launch of the GOES Lightning Mapper (GLM). We use the Weather Research and Forecast (WRF) model and variational data assimilation techniques at 9 km spatial resolution. The main goal is to examine the potential impact of lightning observations from the future GLM. Previous efforts to assimilate lightning observations mainly utilized nudging approaches. We develop three more sophisticated approaches, 3D-VAR WRFDA and 1D+nD-VAR (n=3,4) WRFDA schemes that currently are being considered for operational implementation by the National Centers for Environmental Prediction (NCEP) and the Naval Research Laboratory (NRL). This research uses Convective Available Potential Energy (CAPE) as a proxy between lightning data and model variables. To test the performance of the aforementioned schemes, we assess the quality of resulting analysis and forecasts of precipitation compared to those from a control experiment and verify them against NCEP stage IV precipitation. Results demonstrate that assimilating lightning observations improves precipitation statistics during the assimilation window and for 3-7 h thereafter. The 1D+4D-VAR approach performs best, significantly improving precipitation root mean square errors by 25% and 27.5% compared to the control during the assimilation window on the two cases. This finding confirms that the variational nD-VAR (n=3,4) assimilation of lightning observations improves the accuracy of moisture analyses and forecasts. Finally, we briefly discuss limitations inherent in the current lightning assimilation schemes, their implications, and possible ways to improve them.

研究动机与目标

• 评估利用变分数据同化方法同化ENTLN全闪电网数据对强风暴预报的影响。
• 评估先进1D+nD-Var（n=3,4）方案与传统3D-Var和nudging方法的性能差异。
• 研究利用CAPE作为闪电观测与大气模式变量之间的非线性代理变量的可行性。
• 确定闪电数据是否能改善强天气事件中的水汽分析和降水预报。
• 识别当前闪电同化技术的局限性，并为业务化应用提出改进建议。

提出的方法

• 采用空间分辨率为9 km的WRFDA系统，实现4D-Var和3D-Var变分同化。
• 应用非线性观测算子，通过CAPE作为物理代理变量，将闪电闪击率观测映射至模式状态变量。
• 采用1D+4D-Var混合方案，结合1D-Var进行初始条件构建与4D-Var进行时间演变优化，以提升同化质量。
• 对比三种同化方案：3D-Var、1D+3D-Var和1D+4D-Var，使用相同的观测数据和模型配置。
• 基于NCEP Stage IV降水数据验证结果，量化预报改进程度。
• 利用CAPE作为连接观测闪电与大气不稳定性的非线性桥梁，提升同化过程的物理一致性。

实验结果

研究问题

• RQ1 1D+4D-Var同化闪电数据与3D-Var及1D+3D-Var相比，在改善降水预报方面表现如何？
• RQ2 将CAPE用作闪电与模式变量之间的代理变量，在多大程度上提升了水汽和降水分析的准确性？
• RQ3 闪电数据同化对强风暴强度和结构的时间演变有何影响？
• RQ4 与线性方法或nudging方法相比，非线性观测算子如何改善对对流过程的表征？
• RQ5 当前闪电同化方案的主要局限性是什么？如何为业务化应用提出改进方案？

主要发现

• 在两次强天气事件的同化时段内，1D+4D-Var同化方案较控制试验将降水均方根误差降低了25%和27.5%。
• 同化闪电数据显著改善了分析结果和3–7小时预报的降水统计特征，尤其在对流系统中表现突出。
• 1D+4D-Var方法优于3D-Var和1D+3D-Var，证明了结合1D-Var初始构建与4D-Var时间优化的优越性。
• 使用CAPE作为非线性代理变量，有效建立了闪电观测与大气不稳定性之间的联系，提升了同化过程的物理一致性。
• 本研究证实，采用变分nD-Var（n=3,4）同化闪电数据可提升水汽分析和预报精度。
• 当前方案的局限性包括对代理变量（如CAPE）的依赖性，以及对复杂对流动力学表征的挑战，提示未来系统需改进物理建模。