A study of sensitivity of Moist Singular Vectors in GRAPES-GEPS to temporal and spatial scales
-
摘要: 湿奇异向量(Moist Singular Vectors,简称Moist SVs)是包含了湿物理切线性过程计算得到的奇异向量。研究Moist SVs对最优化时间间隔(optimization time interval: OTI)及模式水平分辨率的敏感性对提高集合预报效果至关重要。本文基于中国气象局数值预报中心自主研发的GRAPES全球集合预报系统(GRAPES-GEPS)业务版本研究了4组不同时空尺度(不同OTI和水平分辨率)下的Moist SVs,从能量模、能量谱、空间剖面等方面分析热带外Moist SVs特征,并从等压面变量评分、降水评分、降水概率预报等方面评估不同初值的集合预报效果。结果表明:提高Moist SVs水平分辨率可使其扰动具有较大的增长率,缩短OTI后Moist SVs能量向上传播的趋势更明显,并可以在中尺度范围产生较大SVs扰动。不同OTI下初始Moist SVs相似性较低,结构差异较大。从集合预报的结果来看,OTI为24h试验的集合扰动能量增长较大,集合离散度在预报的0-96h有显著提升,特别是2米温度,且近地面要素的outlier评分也有明显改进。进一步分析发现,提高水平分辨率和缩短OTI的Moist SVs能够提高降水概率预报,而降水评分显示,同一水平分辨率下,OTI越短评分越好,但是提高Moist SVs的水平分辨率并不一定会提升小雨到中雨量级的降水评分。
-

计量
- 文章访问数: 21
- HTML全文浏览量: 1
- PDF下载量: 13
- 被引次数: 0