将多普勒天气雷达数据通过3DVAR和4DVAR同化方法融入WRF模型,以提升东喜马拉雅地区的天气预报精度

《Physics and Chemistry of the Earth, Parts A/B/C》:Assimilation of Doppler Weather Radar Data into WRF model using 3DVAR and 4DVAR assimilation methods for enhanced Weather Forecasting in the Eastern Himalayas

【字体: 大 中 小 】 时间:2026年01月12日 来源:Physics and Chemistry of the Earth, Parts A/B/C 3.0

编辑推荐:

  本研究将双极化天气雷达数据整合至WRF模型,对比3DVar和4DVar数据同化技术在喜马拉雅地区强降雨预报中的应用。结果表明,采用4DVar并降低至3公里网格分辨率时,相对湿度(8.50%)、气温(2.54℃)和降水(2.66mm)的均方根误差最优,空间分辨率提升和先进同化方法显著改善预报精度,为该地区灾害管理提供支持。

  
皮尤什·古普塔(Peeyush Gupta)| 苏丹舒·谢卡尔(M.Sudhanshu Shekhar)| 吉安·普拉卡什·辛格(Gyan Prakash Singh)| 德夫·森·古普塔(Dev Sen Gupta)| 阿米特·库马尔(Amit Kumar)| 鲁佩什·库马尔(Rupesh Kumar)| 达尔门德拉·辛格·托马尔(Dharmendra Singh Tomar)
印度昌迪加尔国防研究与发展组织(Defense Research and Development Organisation)下属的国防地理信息学研究机构(Defense Geoinformatics Research Establishment),邮编160036

摘要

像东喜马拉雅山脉这样的山区在短时间内会遭遇极端天气,由于地形复杂多变,这对人类生命和自然资源构成了严重威胁。本研究探讨了将双极化天气雷达(Dual-Polarization Weather Radar,简称DWR)数据整合到天气研究与预报(Weather Research and Forecasting,简称WRF)模型中的方法,以评估两种数据同化技术(3DVar和4DVar)在预测强降雨事件方面的效果。通过X波段DWR雷达获取的反射率和径向速度数据被用于量化分析其对降水预报的影响。模拟实验针对2023年8月的两次强降雨事件进行,空间分辨率为9公里和3公里,每次模拟持续三天。预测精度通过均方根误差(Root Mean Square Error,简称RMSE)和相对标准误差(Relative Standard Error,简称RSR)来衡量,数值越低表示预测效果越好。结果表明,将网格分辨率从9公里降低到3公里可以提高预测精度:9公里分辨率下的RH(相对湿度)RMSE为8.09%,3公里分辨率下为7.10%;T2(温度)的RMSE分别为9公里下的3.38°C和3公里下的2.71°C;降水的RMSE分别为9公里下的20.80毫米和3公里下的12.78毫米。在所有三个变量中,4DVar实验的RMSE最低,分别为RH 8.50%、T2 2.54°C和降水 2.66毫米。相对标准误差(RSR)方面,3公里分辨率下的4DVar实验也表现最佳。这些发现表明,通过4DVar数据同化方法整合雷达数据能够显著提升强降雨的预报能力,尤其是在高空间分辨率下。这种方法在支持喜马拉雅地区灾害管理和减灾工作中具有巨大潜力。

章节摘录

引言

近几十年来,极端天气在全球范围内带来了严峻挑战,夏季和冬季的降水对维持生态平衡、水文状况和社会经济稳定至关重要(Gupta等人,2021;Gupta等人,2025)。实地观测结合不同的遥感(Remote Sensing,简称RS)数据集或其他模型对于全面评估各种水文问题至关重要(Sen Gupta等人,2022;Gupta等人,2024;Patel等人,2025)。

研究区域

锡金位于印度东北部,属于东喜马拉雅山脉,西邻尼泊尔,东接不丹,北与西藏(中国)接壤。锡金面积约为7,096平方公里,地形多样,从海拔约300米的低地山谷到高达8,586米的干城章嘉峰(Kanchenjunga)雄伟的山峰一应俱全,使其成为世界第三高峰(图1a)。这种显著的海拔梯度对当地气候产生了重要影响。

降水空间分布

本文分析了锡金地区两个预测日期内的24小时累计降水量分布(图7和图8)。模拟使用了WRF-Control(未进行数据同化)、WRF_3DVar和WRF_4DVar两种模型,空间分辨率为9公里×9公里(图7)和3公里×3公里(图8)。结果与CHIRPS数据进行了对比,重点讨论了模型对降水强度和空间分布的捕捉能力。

讨论

本研究将双极化天气雷达(DWR)数据以两种不同的空间分辨率(9公里和3公里)整合到WRF模型中,并采用了3DVar和4DVar两种高级数据同化方法。为了评估DWR数据的影响,选取了8月份锡金季风季节降雨量较大的两个案例进行模拟。分别计算了WRF-Control、WRF_3DVar和WRF_4DVar模型在这两个案例中的24小时累计降水量(图7、图8、图9)。

结论

本研究通过锡金喜马拉雅地区的两个案例评估了WRF模型的性能。将双极化天气雷达数据整合到WRF框架中显著提高了预报精度,尤其是在复杂山区。我们分析了2023年8月的两个具体案例,评估了降水、温度和湿度的预测效果,分别使用了9公里×9公里和3公里×3公里的空间分辨率。

局限性及未来发展方向

喜马拉雅地区大部分区域缺乏足够的雷达覆盖,山脉遮挡、阴影区和信号衰减等问题导致数据缺失和观测频率较低。扩大DWR雷达网络覆盖范围将为整个喜马拉雅地区提供更完整的数据,从而改善模型初始化和模拟效果。由于数值天气预报(NWP)模型依赖于准确的初始条件和边界条件,因此结合当地地理信息至关重要。

利益冲突声明

作者声明不存在任何可能影响本研究或研究结果的财务或个人利益冲突。

作者贡献说明

鲁佩什·库马尔(Rupesh Kumar):撰写、审稿与编辑、数据验证、资源协调。达尔门德拉·辛格·托马尔(Dharmendra Singh Tomar):撰写、审稿与编辑、数据分析。德夫·森·古普塔(Dev Sen Gupta):撰写、审稿与编辑、初稿撰写、资源协调、方法论设计、数据分析、概念构思。阿米特·库马尔(Amit Kumar):撰写、审稿与编辑、数据验证、数据分析、概念构思。苏丹舒·谢卡尔(M Sudhanshu Shekhar):撰写、审稿与编辑、项目监督、资源协调、数据管理、概念构思。吉安·普拉卡什·辛格(Gyan Prakash Singh):

未引用的参考文献

Dutta等人,2025年;George等人,2010年;Routray等人,2010年;Indira Rani等人,2021年;Zhou等人,2011年。

资金来源

作者确认本研究未获得任何财务支持或外部资金资助。

利益冲突声明

作者声明不存在任何可能影响本文研究的已知财务利益冲突或个人关系。

致谢

作者衷心感谢国防地理信息学研究机构(DGRE)主任和比哈尔大学(BHU)地球物理学系主任提供的支持,这些支持使得本研究得以顺利进行。同时感谢国家气候模型与研究中心(NCMRWF)、印度气象部门(IMD)、印度海洋地球物理研究所(IMERG)提供的欧洲卫星数据,以及锡金邦灾害管理机构提供的研究所需数据。此外,也感谢所有实验室工作人员在整个研究过程中提供的宝贵帮助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号