基于高分辨率数值天气模式的往返平飘式探空轨迹预测方法及初步评估

王金成; 王丹; 杨荣康; 曹晓钟; 郭启云

doi:10.3878/j.issn.1006-9895.2012.20186

基于高分辨率数值天气模式的往返平飘式探空轨迹预测方法及初步评估

doi: 10.3878/j.issn.1006-9895.2012.20186

王金成^{1, 2,},
王丹^{1, 2},
杨荣康^3, ,,
曹晓钟³,
郭启云³

1.
国家气象中心，北京 100081
2.
中国气象局数值预报中心，北京 100081
3.
中国气象局气象探测中心，北京 100081

基金项目: 国家重点研发计划项目2018YFC1506205、2018YFC1506202，中国气象局数值预报（GRAPES）发展专项（GRAPES-FZZX-2020）

详细信息

作者简介:
王金成，男，1981年出生，博士研究生，主要从事资料同化研究。E-mail: wangjc@cma.gov.cn

通讯作者:
杨荣康，E-mail: yrkaoc@cma.gov.cn

中图分类号: P456
计量
- 文章访问数: 36
- HTML全文浏览量: 7
- PDF下载量: 15
- 被引次数: 0
出版历程
- 收稿日期: 2020-07-31
- 录用日期: 2021-02-01
- 网络出版日期: 2021-01-27

A Return Radiosonde Trajectory Forecast Method and Its Preliminary Evaluation Based on High Resolution Numerical Weather Prediction Model

Jincheng WANG^{1, 2
,},
Dan WANG^{1, 2},
Rongkang YANG^{3
, ,},
Xiaozhong CAO³,
Qiyun GUO³

1.
National Meteorological Center, China Meteorological Administration, Beijing 100081
2.
Numerical Prediction Center, China Meteorological Administration, Beijing 100081
3.
Meteorological Observation Center, China Meteorological Administration, Beijing 100081

Funds: National Key R&D Program of China (Grants 2018YFC1506205, 2018YFC1506202), China Meteorological Administration Special Numerical Weather Prediction (GRAPES) Development Fund (Grant GRAPES-FZZX-2020)

摘要

摘要: 为了开展往返平飘式探空组网观测的仿真和模拟，以及评估组网观测对数值天气预报的影响，并实现往返平飘式探空在目标观测中的应用，本文提出了一种基于高分辨率数值天气模式的往返平飘式探空轨迹模拟和预报方法。基于我国自主研发的GRAPES区域高分辨率模式，初步建立了往返平飘式探空的轨迹预报系统。该系统将往返平飘式探空的上升段、平漂段和下降段的轨迹方程，以及下降段降落伞的动力学方程，直接嵌入到高分辨率数值天气模式中，实现对往返平飘式探空轨迹的模拟和预报。利用轨迹预测系统对63个往返平飘是探空轨迹进行轨迹预报试验和评估，试验结果表明，该系统的轨迹预测结果合理可信，6 h的轨迹预报平均误差小于40 km。
- 往返探空 /
- 轨迹预测 /
- 资料同化 /
- 数值天气预报
Abstract: A return radiosonde trajectory forecast method based on high resolution numerical weather prediction modeling is proposed in this paper. The trajectory forecast method is intended to be used for simulating the return radiosonde network observations and supporting evaluations of the observation impacts on numerical weather predictions. Meanwhile, the trajectory forecast system will also in plan to be used for supporting the return radiosonde application in target observation experiments in the future. A return radiosonde trajectory forecast system is established by embedding return radiosonde’s trajectory equations of ascent stage, drift stage and descend stage into numerical weather prediction model GRAPES (Global/Regional Analysis and PrEdiction System), a regional model with a 3 km horizontal resolution. A dynamic equation of parachutes in descend stage is also considered in this system. By using the trajectory prediction system, the preliminary test of the return sounding trajectory prediction is carried out for 63 successful real observations of return radiosondes. The results show that the forecast trajectories using this trajectory forecast system are reasonable and reliable, with the average error of track prediction less than 40 km in 6 hours.
- Return radiosonde /
- Trajectory forecast /
- Data assimilation /
- Numerical weather prediction

HTML全文

图 1 安庆站2018年6月11日11时16分（协调世界时，下同）开始的往返平飘式探空下降段观测的下降速度（蓝线）、采用Lanczos滤波器滤波后的下降速度（红线）和下降段的加速度（黑线）

Figure 1. Observed (blue line), filtered (red line, using Lanczos method) descent speed of returned radiosonde, and the acceleration (black line) during descent stage released at Anqing station at 1116 UTC on 11 June 2018

下载: 全尺寸图片幻灯片

图 2 安庆站2018年6月20日11时17分施放的往返平飘式探空的垂直速度和高度。蓝（红）色实线是观测（模拟）垂直速度，蓝（红）色虚线是观测（模拟）的高度，速度方向向上为正值

Figure 2. Observed and simulated ascent speed and height of returned radiosonde as released at Anqing station at 1117 UTC on 20 June 2018. The blue (red) solid line represent observed (simulated) ascent speed, the blue (red) dashed line represent observed (simulated) height. Positive values of ascent speed represent ascending stage

下载: 全尺寸图片幻灯片

图 3 安庆站2018年6月20日11时17分施放的往返平飘式探空的轨迹。黑色线代表观测轨迹，紫色线代表模拟的轨迹，彩色阴影代表地形高度（单位：km）

Figure 3. Observed (black line) and simulated (purple line) trajectories as released at Anqing station at 1117 UTC on 20 June 2018. The shadings represent the terrain height (units: km)

下载: 全尺寸图片幻灯片

图 4 安庆站2018年6月20日11时17分施放的往返平飘式探空预报轨迹误差

Figure 4. The forecast trajectory errors of returned radiosonde as released at Anqing station at 1117 UTC on 20 June 2018

下载: 全尺寸图片幻灯片

图 5 63个往返平飘式探空模拟轨迹误差（黑色线）和平均轨迹误差（蓝色线）。红线代表2018年7月8日11时武汉站个例的轨迹预报误差，是63个样本中预报误差最大的

Figure 5. The simulated trajectories errors for each sample (black line) and the mean errors (blue line) for 63 samples of returned radiosonde. The red line is the trajectory error at Wuhan station (forecast error is the largest) at 1100 UTC on 8 July 2018

下载: 全尺寸图片幻灯片

图 6 2018年7月8日11时武汉站往返平飘式探空个例的观测和模拟的高度（黑色）、纬向风速u（红色）、经向风v（蓝色）。实（虚）线表示观测（模拟）值

Figure 6. Observed and simulated height (black lines), zonal wind u (red lines), and meridional wind v (blue lines) of returned radiosonde case at Wuhan station at 1100 UTC on 8 July 2018. The solid (dashed) lines represent observed (simulated) values

下载: 全尺寸图片幻灯片

表 1 用于验证往返平飘式探空轨迹预测系统的观测试验样本基本信息

Table 1. Information of selected successful returned radiosonde observations for evaluating returned radiosonde trajectory forecast system evaluation

编号	站名	放球时间	上升段平均升速/m s⁻¹	平漂的平均高度/m	平漂持续时长/s	结束观测高度/m
1	安庆	2018年6月11日11:16	6.02	30118.7	19576	834.7
2	安庆	2018年6月12日11:16	5.35	30179.2	18972	1011.1
3	安庆	2018年6月14日11:16	5.97	29081.1	19516	892.6
4	安庆	2018年6月15日11:18	5.51	29994.6	19208	418.2
5	安庆	2018年6月16日11:29	5.27	30570.7	18150	644.5
6	安庆	2018年6月18日11:20	5.66	26865.7	19136	912.5
7	安庆	2018年6月20日11:17	5.53	31371.2	18926	1021.6
8	安庆	2018年6月21日11:16	5.65	29306.0	33902	305.1
9	安庆	2018年6月22日11:18	5.1	28202.6	19392	1177.0
10	安庆	2018年6月23日11:16	5.43	30850.2	18992	490.2
11	安庆	2018年6月24日11:16	5.55	27701.9	18954	1405.5
12	安庆	2018年6月24日23:16	4.4	27556.5	17696	311.4
13	安庆	2018年6月26日11:18	5.61	30465.0	18928	1888.9
14	安庆	2018年6月26日23:16	4.52	28411.9	12420	645.9
15	安庆	2018年6月27日23:20	4.64	25180.7	22234	1519.9
16	安庆	2018年6月28日23:19	4.24	27786.9	17158	1830.4
17	安庆	2018年6月29日11:16	5.45	29755.9	18888	1719.3
18	安庆	2018年7月3日11:17	5.36	29275.6	11298	281.4
19	安庆	2018年7月4日23:16	4.57	23368.3	18094	343.1
20	安庆	2018年7月6日11:17	5.47	29047.2	19284	946.8
21	安庆	2018年7月7日11:21	5.15	28400.5	20590	102.7
22	安庆	2018年7月8日11:16	5.31	30274.4	20532	1465.7
23	安庆	2018年7月9日23:19	4.52	28146.0	17490	1541.7
24	安庆	2018年7月10日11:17	5.48	29866.3	11066	725.7
25	长沙	2018年6月14日23:25	5.67	23743.3	19070	1663.2
26	长沙	2018年6月28日23:20	5.19	22580.0	18724	1699.6
27	赣州	2018年6月10日11:23	5.8	25667.9	18854	1057.8
28	赣州	2018年6月19日23:24	5.13	24282.7	19160	1053.3
29	赣州	2018年6月21日12:07	5.51	28330.0	15940	1729.8
30	赣州	2018年6月22日23:52	5.15	22207.7	16512	1965.1
31	赣州	2018年6月26日23:42	5.19	27923.8	6634	393.1
32	赣州	2018年6月29日00:00	5.03	28332.3	10304	1797.9
33	南昌	2018年6月10日11:34	5.25	29969.9	13424	476.1
34	南昌	2018年6月11日23:26	5.47	22955.6	18912	322.7
35	南昌	2018年6月13日11:23	5.51	28954.7	16842	1267.0
36	南昌	2018年6月14日23:17	6.02	25339.4	19970	643.6
37	南昌	2018年6月15日11:14	5.82	27247.9	19510	606.6
38	南昌	2018年6月24日11:23	6.18	29927.2	19298	1863.6
39	南昌	2018年6月29日11:18	6.04	28845.3	15660	260.0
40	南昌	2018年6月30日23:54	5.86	26778.2	12190	660.7
41	南昌	2018年7月5日11:16	5.92	27388.5	12650	410.9
42	武汉	2018年6月9日23:48	5.42	25367.8	13446	757.8
43	武汉	2018年6月10日11:39	5.28	29394.4	17866	1242.4
44	武汉	2018年6月11日11:34	5.75	28057.0	18072	48.5
45	武汉	2018年6月12日23:47	5.0	27175.0	11462	1474.6
46	武汉	2018年6月14日23:26	4.93	25345.1	18474	292.4
47	武汉	2018年6月16日11:18	4.98	31547.3	18006	364.3
48	武汉	2018年6月17日11:26	5.61	30091.7	19352	1181.3
49	武汉	2018年6月19日11:37	5.76	22980.8	18008	1507.3
50	武汉	2018年6月19日23:42	5.48	22872.1	24980	88.1
51	武汉	2018年6月20日11:16	5.18	30033.7	18532	979.9
52	武汉	2018年6月21日11:20	5.26	30236.0	18398	849.0
53	武汉	2018年6月24日23:28	5.42	27809.2	18242	1043.8
54	武汉	2018年7月1日11:17	5.47	30633.1	19800	1272.6
55	武汉	2018年7月3日23:36	5.47	25358.3	18286	359.7
56	武汉	2018年7月5日23:25	5.24	24751.3	13314	147.5
57	武汉	2018年7月8日11:37	6.11	30270.1	18198	1826.3
58	武汉	2018年7月9日23:37	5.59	25993.8	11694	168.6
59	宜昌	2018年6月9日11:27	6.12	29254.1	18898	946.9
60	宜昌	2018年6月10日23:42	5.51	23014.8	18074	481.2
61	宜昌	2018年6月11日11:36	4.91	26514.1	15902	71.6
62	宜昌	2018年6月21日11:22	5.58	28418.9	18782	1140.5
63	宜昌	2018年6月26日23:45	5.18	27300.0	9438	1245.4
平均值			5.39	27693.2	17481	917.4

下载: 导出CSV

参考文献(36)

[1]	曹晓钟, 郭启云, 杨荣康. 2019. 基于长时平漂间隔的上下二次探空研究 [J]. 仪器仪表学报, 40(2): 198−204. doi: 10.19650/j.cnki.cjsi.J1803748 Cao Xiaozhong, Guo Qiyun, Yang Rongkang. 2019. Research of rising and falling twice sounding based on long-time interval of flat-floating [J]. Chinese Journal of Scientific Instrument (in Chinese), 40(2): 198−204. doi: 10.19650/j.cnki.cjsi.J1803748
[2]	Cardinali C. 2009. Monitoring the observation impact on the short-range forecast [J]. Quart. J. Roy. Meteor. Soc., 135(638): 239−250. doi: 10.1002/qj.366
[3]	Cucurull L, Anthes R A, Tsao L L. 2014. Radio occultation observations as anchor observations in numerical weather prediction models and associated reduction of bias corrections in microwave and infrared satellite observations [J]. J. Atmos. Oceanic Technol., 31(1): 20−32. doi: 10.1175/JTECH-D-13-00059.1
[4]	Dai Q, Fang X D, Li X J, et al. 2012. Performance simulation of high altitude scientific balloons [J]. Advances in Space Research, 49(6): 1045−1052. doi: 10.1016/j.asr.2011.12.026
[5]	Eyre J R. 2016. Observation bias correction schemes in data assimilation systems: A theoretical study of some of their properties [J]. Quart. J. Roy. Meteor. Soc., 142(699): 2284−2291. doi: 10.1002/qj.2819
[6]	Faccani C, Rabier F, Fourrié N, et al. 2009. The impacts of AMMA radiosonde data on the French global assimilation and forecast system [J]. Wea. Forecasting, 24(5): 1268−1286. doi: 10.1175/2009WAF2222237.1
[7]	Feng J, Wang X G. 2019. Impact of assimilating upper-level dropsonde observations collected during the TCI field campaign on the prediction of intensity and structure of hurricane Patricia (2015) [J]. Mon. Wea. Rev., 147(8): 3069−3089. doi: 10.1175/MWR-D-18-0305.1
[8]	Gallice A, Wienhold F G, Hoyle C R, et al. 2011. Modeling the ascent of sounding balloons: Derivation of the vertical air motion [J]. Atmos. Meas. Tech., 4(10): 2235−2253. doi: 10.5194/amt-4-2235-2011
[9]	郭启云, 杨荣康, 程凯琪, 等. 2020. 基于探空观测的多源掩星折射率质量控制及对比 [J]. 应用气象学报, 31(1): 13−26. doi: 10.11898/1001-7313.20200102 Guo Qiyun, Yang Rongkang, Cheng Kaiqi, et al. 2020. Refractive index quality control and comparative analysis of multi-source occultation based on sounding observation [J]. Journal of Applied Meteorological Science (in Chinese), 31(1): 13−26. doi: 10.11898/1001-7313.20200102
[10]	郝民, 田伟红, 龚建东. 2014. L波段秒级探空资料在GRAPES同化系统中的应用研究 [J]. 气象, 40(2): 158−165. doi: 10.7519/j.issn.1000-0526.2014.02.003 Hao Min, Tian Weihong, Gong Jiandong. 2014. Study of L-band second-level radiosonde data applied in GRAPES assimilation system [J]. Meteorological Monthly (in Chinese), 40(2): 158−165. doi: 10.7519/j.issn.1000-0526.2014.02.003
[11]	Ingleby B, Rodwell M, Isaksen L. 2016. Global radiosonde network under pressure [R]. ECMWF Newslett., 149: 25–30. https://www.ecmwf.int/en/newsletter/149/meteorology/global-radiosonde-network-under-pressure [2021-02-21]
[12]	Jewtoukoff V, Plougonven R, Hertzog A, et al. 2016. On the prediction of stratospheric balloon trajectories: Improving winds with mesoscale simulations [J]. Journal of Atmospheric and Oceanic Technology, 33(8): 1629−1647. doi: 10.1175/JTECH-D-15-0110.1
[13]	Kuo Y H, Schreiner W S, Wang J, et al. 2005. Comparison of GPS radio occultation soundings with radiosondes [J]. Geophys. Res. Lett., 32(5): L05817. doi: 10.1029/2004GL021443
[14]	廖晓农, 俞小鼎, 于波. 2008. 北京盛夏一次罕见的大雹事件分析 [J]. 气象, 34(2): 10−17. doi: 10.7519/j.issn.1000-0526.2008.02.002 Liao Xiaonong, Yu Xiaoding, Yu Bo. 2008. Analysis on infrequent big hail event in Beijing area [J]. Meteorological Monthly (in Chinese), 34(2): 10−17. doi: 10.7519/j.issn.1000-0526.2008.02.002
[15]	Liao M, Zhang P, Yang G L, et al. 2015. Preliminary validation of refractivity from a new radio occultation sounder GNOS/FY-3C [J]. Atmos. Meas. Tech. Discuss., 8(9): 9009−9044. doi: 10.5194/amtd-8-9009-2015
[16]	刘玉玲. 2003. 对流参数在强对流天气潜势预测中的作用 [J]. 气象科技, 31(3): 147−151. doi: 10.3969/j.issn.1671-6345.2003.03.004 Liu Yuling. 2003. A study of severe convective parameters and their potential predictability to severe convective storms [J]. Meteorological Science and Technology (in Chinese), 31(3): 147−151. doi: 10.3969/j.issn.1671-6345.2003.03.004
[17]	刘晓璐, 刘建西, 张世林, 等. 2014. 基于探空资料因子组合分析方法的冰雹预报 [J]. 应用气象学报, 25(2): 168−175. doi: 10.3969/j.issn.1001-7313.2014.02.006 Liu Xiaolu, Liu Jianxi, Zhang Shilin, et al. 2014. Hail forecast based on factor combination analysis method and sounding data [J]. Journal of Applied Meteorological Science (in Chinese), 25(2): 168−175. doi: 10.3969/j.issn.1001-7313.2014.02.006
[18]	刘超, 花丛, 张恒德, 等. 2017. L波段探空雷达秒数据在污染天气边界层分析中的应用 [J]. 气象, 43(5): 591−597. doi: 10.7519/j.issn.1000-0526.2017.05.008 Liu Chao, Hua Cong, Zhang Hengde, et al. 2017. Application of L-band radar sounding data in analyzing polluted weather boundary layer [J]. Meteorological Monthly (in Chinese), 43(5): 591−597. doi: 10.7519/j.issn.1000-0526.2017.05.008
[19]	卢萍, 李旭, 李英, 等. 2016. 空间加密探空观测资料对西南低涡暴雨天气过程数值模拟的影响 [J]. 大气科学, 40(4): 730−742. doi: 10.3878/j.issn.1006-9895.1511.15170 Lu Ping, Li Xu, Li Ying, et al. 2016. The influence of spatially intensive sounding observation data on the numerical modeling of southwest vortex rainfall [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40(4): 730−742. doi: 10.3878/j.issn.1006-9895.1511.15170
[20]	Moteki Q, Shirooka R, Yoneyama K, et al. 2007. The impact of the assimilation of dropsonde observations during PALAU2005 in ALERA [J]. SOLA, 3: 97−100. doi: 10.2151/sola.2007-025
[21]	Musso I, Cardillo A, Cosentino O, et al. 2004. A balloon trajectory prediction system [J]. Adv. Space Res., 33(10): 1722−1726. doi: 10.1016/j.asr.2003.07.044
[22]	Privé N C, Errico R M, Tai K S. 2014. The impact of increased frequency of rawinsonde observations on forecast skill investigated with an observing system simulation experiment [J]. Mon. Wea. Rev., 142(5): 1823−1834. doi: 10.1175/MWR-D-13-00237.1
[23]	Radnóti G, Bauer P, McNally A, et al. 2012. ECMWF study to quantify the interaction between terrestrial and space-based observing systems on numerical weather prediction skill [R]. ECMWF Technical Memorandum No. 679. doi: 10.21957/yvf1ceq7i
[24]	沈学顺, 王建捷, 李泽椿, 等. 2020. 中国数值天气预报的自主创新发展 [J]. 气象学报, 78(3): 451−476. doi: 10.11676/qxxb2020.030 Shen Xueshun, Wang Jianjie, Li Zechun, et al. 2020. China’ s independent and innovative development of numerical weather prediction [J]. Acta Meteorologica Sinica (in Chinese), 78(3): 451−476. doi: 10.11676/qxxb2020.030
[25]	Sun B M, Reale A, Seidel D J, et al. 2010. Comparing radiosonde and COSMIC atmospheric profile data to quantify differences among radiosonde types and the effects of imperfect collocation on comparison statistics [J]. J. Geophys. Res. Atoms., 115(D23): D23104. doi: 10.1029/2010JD014457
[26]	王笑芳, 丁一汇. 1994. 北京地区强对流天气短时预报方法的研究 [J]. 大气科学, 18(2): 173−183. doi: 10.3878/j.issn.1006-9895.1994.02.05 Wang Xiaofang, Ding Yihui. 1994. Study on method of short-range forecast of severe convective weather in Beijing area [J]. Chinese Journal of Atmospheric Sciences (Scientia Atmospherica Sinica) (in Chinese), 18(2): 173−183. doi: 10.3878/j.issn.1006-9895.1994.02.05
[27]	王丹, 徐枝芳, 王瑞文, 等. 2019. 14:00加密探空对区域数值预报系统的影响研究 [J]. 高原气象, 38(4): 872−886. doi: 10.7522/j.issn.1000-0534.2018.00121 Wang Dan, Xu Zhifang, Wang Ruiwen, et al. 2019. Intensive radiosonde observations at 14:00 in China mainland and their impact study on mesoscale numerical weather prediction [J]. Plateau Meteorology (in Chinese), 38(4): 872−886. doi: 10.7522/j.issn.1000-0534.2018.00121
[28]	王丹, 王金成, 田伟红, 等. 2020. 往返式探空观测资料的质量控制及不确定性分析 [J]. 大气科学, 44(4): 865−884. doi: 10.3878/j.issn.1006-9895.1912.19203 Wang Dan, Wang Jincheng, Tian Weihong, et al. 2020. Quality control and uncertainty analysis of return radiosonde data [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 44(4): 865−884. doi: 10.3878/j.issn.1006-9895.1912.19203
[29]	魏蕾, 雷恒池. 2012. 加密探空资料同化对一次降水预报能力改进研究 [J]. 气候与环境研究, 17(6): 809−820. doi: 10.3878/j.issn.1006-9585.2012.06.18 Wei Lei, Lei Hengchi. 2012. Improvement of precipitation forecasts by the assimilation of encrypted sounding data [J]. Climatic and Environmental Research (in Chinese), 17(6): 809−820. doi: 10.3878/j.issn.1006-9585.2012.06.18
[30]	Xu X H, Luo J, Shi C. 2009. Comparison of COSMIC radio occultation refractivity profiles with radiosonde measurements [J]. Adv. Atmos. Sci., 26(6): 1137−1145. doi: 10.1007/s00376-009-8066-y
[31]	薛纪善, 陈德辉. 2008. 数值预报系统GRAPES的科学设计与应用 [M]. 北京: 科学出版社, 206–342. Xue Jishan, Chen Dehui. 2008. Scientific Design and Application of Numerical Prediction System GRAPES (in Chinese) [M]. Beijing: Science Press, 206–342.
[32]	叶笃正. 1977a. 探空资料的应用 (一) [J]. 气象, 3(11): 5−7. doi: 10.7519/j.issn.1000-0526.1977.11.005 Ye Duzheng. 1977a. Applications of radiosonde observations I [J]. Meteorological Monthly (in Chinese), 3(11): 5−7. doi: 10.7519/j.issn.1000-0526.1977.11.005
[33]	叶笃正. 1977b. 探空资料的应用 (二) [J]. 气象, 3(12): 21−23. doi: 10.7519/j.issn.1000-0526.1977.12.016 Ye Duzheng. 1977b. Applications of radiosonde observations Ⅱ [J]. Meteorological Monthly (in Chinese), 3(12): 21−23. doi: 10.7519/j.issn.1000-0526.1977.12.016
[34]	张诚忠, 万齐林, 丁伟钰, 等. 2012. 下投探空资料在台风莫拉克路径预报的应用试验 [J]. 气象学报, 70(1): 30−38. doi: 10.11676/qxxb2012.003 Zhang Chengzhong, Wan Qilin, Ding Weiyu, et al. 2012. An experiment in application of the dropsonde data to forecasting the track of typhoon Morakot [J]. Acta Meteorologica Sinica (in Chinese), 70(1): 30−38. doi: 10.11676/qxxb2012.003
[35]	Zhang L H, Gong J D, Wang R C. 2018. Diagnostic analysis of various observation impacts in the 3DVAR assimilation system of global GRAPES [J]. Mon. Wea. Rev., 146(10): 3125−3142. doi: 10.1175/MWR-D-17-0182.1
[36]	庄照荣, 王瑞春, 李兴良. 2020. 全球大尺度信息在3 km GRAPES-RAFS系统中的应用 [J]. 气象学报, 78(1): 33−47. doi: 10.11676/qxxb2020.002 Zhuang Zhaorong, Wang Ruichun, Li Xingliang. 2020. Application of global large scale information to GRAEPS RAFS system [J]. Acta Meteorologica Sinica (in Chinese), 78(1): 33−47. doi: 10.11676/qxxb2020.002