科研计划 科研项目
科学研究/科研计划
粤港澳大湾区气象监测预警预报中心(深圳气象创新研究院)2021年科技发展计划
更新日期:2020-12-31 来源:粤港澳大湾区气象监测预警预报中心

  在广东省气象局、深圳市气象局和理事会的领导下,为加快推进粤港澳大湾区气象监测预警预报中心(深圳气象创新研究院)(以下简称预警中心)的建设,使中心在较短时间内按照计划目标正常运转,尽快融入国家气象科技创新体系,实现其作为新型气象科研机构引领区域气象科技创新的目标,依据中心的章程和组建方案,对预警中心相关工作制定如下长期规划,并基于预警中心总体目标及2020年工作进度制定2021年度工作计划。

  一、建设目标

  预警中心以国家气象事业发展为导向,围绕粤港澳大湾区战略发展需求和气象发展长远规划,坚持科技创新和制度创新“双轮驱动”,广泛展开和广州热带所、深圳市超算中心、科学院、大学和NOAA GSL/NMC的合作,重点针对影响粤港澳大湾区的台风、暴雨、强对流等灾害性天气系统,在综合国内一流数值天气预报模式和国际先进技术的基础上,进一步提升资料同化和数值预报核心技术的自主研发与创新能力,建立大湾区混合多尺度同化系统、大湾区精细化数值模式系统,逐步发展成“气象科学基础研究-核心技术攻关-业务服务试验-技术成果转化”链条全覆盖的国家气象新型研发机构,努力成为广东省气象数值预报科技创新力量的重要组成部分,以推进粤港澳三地深度融合发展,为社会各个行业的气象需求提供服务。

  预警中心的技术目标为在未来3-5年内建立大湾区集合-变分混合同化预报系统(GRAPES-En3DVAR,如图1所示)。在此系统中,通过对观测资料的质量控制、同化框架升级优化、自主研发新的变分同化技术、雷达卫星等多源资料应用及噪音控制等关键技术的应用,摆脱目前GRAPES数值预报系统对ECMWF初始场的依赖,建立覆盖粤港澳大湾区高分辨率(1km)、预报时效为6h的数值天气预报模式系统,实现粤港澳大湾区自动气象站的风、温、湿度、降水和气压等观测数据的实时同化,提供逐12分钟快速分析产品,提升大湾区在台风、暴雨、强对流等灾害性天气的预警预报能力。

  


图1集合变分混合同化预报系统建设框架示意图

  二、2021年度科研工作计划

  预警中心依据技术目标及2020年工作进度,从以下三个方面制定2021年工作计划。

  (一)系统搭建

  1.GRAPES三维变分同化系统

  预警中心目前已经成功完成我国自主研发的GRAPES中尺度模式系统的移植和本地化工作,并基于GRAPES模式的建立三/四维变分(GRAPES-3/4DVAR)同化子系统,完善了地面观测、卫星、雷达风场、雷达回波、GPS可降水、风廓线等的快速同化应用。下一步将针对其中雷达和卫星同化应用、以及台风同化技术进行升级和创新研发。

  2.观测资料分批集合同化系统

  当前已经成功移植并本地化运行观测资料分批集合同化(BatEA)系统,并开展了一些高性能并行优化的工作。下一步考虑此基础上进一步完成对集合同化系统BatEA的CPU/GPU并行优化,提升系统计算效率,实现新一代气象预报同化系统的产品全流程并行支持。为模式高密度资料处理、同化分析、模式积分提供统一的可移植的并行计算框架,实现各系统产品的快速生成,节约模式运行时间,延长模式产品的可用时效。

  主要建设内容包括:

  (1) 对现有的集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)算法进行整体强弱扩展性测试和并行效率分析;

  (2)将ENKF算法抽取出BatEA同化系统并对ENKF进行CPU/DCU并行化;

  (3) 在BatEA中进行局地集合变换卡尔曼滤波(Local Ensemble Transform Kalman Filter,LETKF)的算法研发和并行实现,支持使用autotuning技术选取合适的局地化参数方案。

  (二)关键技术

  1.观测资料质量控制

  1.1.雷达资料质量控制和预处理

  基于前期雷达资料质量控制和预处理的基础,下一阶段将进一步完成雷达资料稀疏化处理包括多普勒雷达径向风稀疏化和双偏振雷达稀疏化。主要针对径向风数据,实现坐标系转换,对资料进行插值处理,并且考虑地球曲率和地形高度在资料插值中的影响,修正插值后雷达站的位置偏差问题;对完成格点化的径向速度资料,进行观测误差估计和离群值剔除等;最后,为避免数值预报模式观测资料间的空间误差相关,减少观测代表性误差,选择与模式格点接近的观测点进行“跳点”,实现径向风的水平稀疏化。

  1.2.卫星资料质量控制和预处理

  当前,GRAPES-3DVAR基本完成对高分辨率雷达资料的质量控制和预处理,下一步将开展对国产风云卫星的质量控制和预处理。风云4号高光谱卫星具有上千个通道,为了更好地同化利用风云4号高光谱卫星资料,需要进行卫星通道的选择,对所关注的影响通道进行筛选(如图2)。

  主要建设内容包括:

  (1)卫星反演产品的检验,与地面直接观测进行对比;

  (2)针对数值模式的质量控制,让观测值与模式模拟的差异(O-B)在设定误差范围内;

  (3)稀疏化处理,将高分辨卫星产品进行稀疏化处理与数值模式分辨率格点相匹配。


  


图2卫星资料质量控制技术流程

  2.同化框架升级优化

  2.1.集合同化框架优化

  2.1.1. BATEA系统并行优化

  当前已经成功移植并本地化运行BatEA系统,并开展了针对EnKF的高性能并行优化的工作。因集合卡尔曼滤波是使用有限数量的集合来估计背景场误差协方差,这导致该方法存在一定的缺陷。因此,考虑在BatEA中进行局地集合变换卡尔曼滤波(Local Ensemble Transform Kalman Filter,LETKF)的算法研发和并行实现,并支持使用autotuning技术选取合适的局地化参数方案,以代替EnKF提高计算效率,实现新一代气象预报同化系统的产品全流程并行支持。为模式高密度资料处理、同化分析、模式积分提供统一的可移植的并行计算框架,实现各系统产品的快速生成,节约模式运行时间,延长模式产品的可用时效。

  LETKF方法可以有效地减少对计算资源和内存的使用,利用各自独立的局地化区域在并行结构下高效运行。LETKF算法计算流程如表1所示:


  


表1. LETKF算法计算流程表

  主要建设内容包括:

  (1)对现有的集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)算法进行整体强弱扩展性测试和并行效率分析;

  (2)实现运算成本更低、并行性更好的LETKF的CPU/GPU/DCU版本算法,并用它来替换原有的EnKF算法。

  (3)针对开发优化完的BatEA系统,开发完整的模式运行流程和运行脚本程序,通过长期业务试运行进行系统综合能力测试.

  2.2变分同化新技术自主研发

  依据预警心发展规划,新的变分同化技术将基于BatEA、时空多尺度同化系统(STMAS)的研究基础上,开展数值模式同化的控制变量、协方差矩阵、物理约束等多关键核心技术研究和改进,提高粤港澳大湾区高密度高分辨率观测资料的同化能力,提升粤港澳大湾区灾害性天气的预报精准度。

  2.2.1. 控制变量优化

  2020年已开始构造基于涡度散度为控制变量的3DVAR数值模式同化预报系统,现已完成推导基于涡度散度为控制变量的3DVAR的同化方案控制方程;完成球面Poisson方程求解器的并行优化,从并行构架和求解策略等多方面提升求解器性能。

  现阶段正基于FV3-JEDI系统搭建同化框架进行初步数值实验。但由于FV3-JEDI系统较为庞大,且为全球同化版本,因此上手和对接区域模式预报需要较多时间。

  基于以上2020年度工作进度,计划2021年度完成MOTOR 面向对象气象同化系统框架的搭建;完成构造基于涡度散度为控制变量的3DVAR数值模式同化预报系统,并测试同化控制变量优化模块的工程效率。

  2.2.2. 背景误差协方差矩阵局地化技术

  2020年已完成根据波长分解协方差矩阵的理论推导,证明其是可行的。

  基于2020年协方差局地化的理论推导,程序化实现背景误差协方差矩阵局地化构造的工程架构,并测试其工程效率。

  2.2.3. 基于人工智能的物理约束模块构建

  ·垂直风约束

  用连续方程来做物理约束条件,且作为强约束条件,精确到几十米,着重考虑同化三维风当中的垂直风,通过雷达的径向风把垂直风和水平风同时进行同化改进。

  计划在2021完成垂直风场的同化的工程构架,并测试垂直风场约束的工程效率。

  ·积云对流参数化约束

  在4公里以上的粗分辨率网格上引入积云对流参数化约束。选出适合粤港澳大湾区的积云对流参数化方案,并将其参数进行本地化,简化和改进不可微性,和热带所的专家(冯业荣主任的团队)联合研发更加适应与变分同化的积云对流参数化方案。并在此处引入机器学习的算法加以改进。最终形成同化系统可以接受的参数化方案。

  2020年已开始积云对流参数化方案的甄选,文献调研得出K-F方案、GD和BMJ方案可以较好地模拟出华南地区的夏季风环流及降水。

  2021年完成积云对流参数化的粤港澳大湾区局地参数化(依据观测资料,人工智能等),并使其可微化,构建积云对流参数化约束的协方差矩阵,程序化实现其工程构架并测试其工程效率。

  ·微物理方案约束

  在细网格上考虑微物理过程,首次参考云的形成过程为动力约束条件。采用人工智能技术捕捉微物理过程中复杂的非线性关系,从而改善现有的微物理方案中经验性的假设及参数假设,以符合粤港澳大湾区的云微物理过程,进而引入到同化系统中。

  NOAA的GSL(Dr. Zoltan Toth, Dr. Jeffery Beck)和NMC(Dr. Vladimir Kransnopolsky)实验室,已经开展了用神经网络模拟微物理过程的工作。针对WRF模式中的Thompson方案进行模拟,希望能够代替模式里的微物理过程。这样的微物理过程相对减少同化工作的难度,包括不确定性和不可微分性。Toth博士向NOAA总部打过报告,汇报了准备和我们联合开展微物理过程在同化系统中的应用,并得到NOAA的批准,GSL和NMC将他们训练过的NNMP系统分享给我们团队。为我们的同化工作开展提供的一定的支持。现已开展对NOAA提供的NNMP系统进行测试和调试,并得到了初步结果。

  计划在2021年利用WSM6中的6种云粒子转换关系(如图3)建立有向图,基于该有向图,建立图神经网络模型,利用华南地区的历史数据训练该模型。基于以上机器学习输出的参数,写出协方差矩阵,搭建微物理约束构架,并测试其工程效率。


  


图3 WSM6 scheme中微物理过程示意图。当温度大于(小于)0oC时,红色(蓝色)过程被激活;黑色过程是在整个过程中都处于激活状态。

  3.多源资料应用

  3.1.雷达组网资料同化应用

  基于雷达反射率,建立正确反映反射率反演的降水率与大气湿度廓线联系的观测算子,形成大气湿度一维变分同化系统。通过一维变分同化系统获得合理的湿度廓线和水汽初估场,为精细模式提供高质量的初值场。

  该系统将包括资料下载、资料格式转换、降水率计算、观测算子切线性、观测算子伴随代码、极小化迭代、一维变分同化系统、文件存储等8个功能模块。

  反射率反演湿度廓线同化子系统软件架构如图4所示,划分为三层体系结构。其中底层为数据层,存储雷达基资料,背景场格点资料;中间层为预处理层,包括雷达反射率孤立点的剔出,地物回波剔出,CAPPI格式转换,反射率估测地面降水率等处理;上层为同化应用层,基于以上两层处理结果进行一维反演,提供用户所需资料。



图4  反射率反演湿度廓线同化子系统软件架构

  3.2.稠密资料相关性处理

  观测误差协方差在雷达资料同化中起十分关键的作用,决定观测信息从观测位置向周围个点和垂直层的扩散。观测误差协方差矩阵的非零元素越多,能从观测资料中提取的信息也就越多。雷达观测资料空间分布稠密,在雷达观测误差协方差模型中,考虑雷达资料空间距离和位置的影响并估计其误差难度十分大。当前许多数值预报中心在同化雷达资料时,通过简单假设或局地化方法令雷达观测资料空间不相关,由此损失了许多雷达资料的空间信息,因此,下一步计划针对观测误差协方差模型进行研究,有效处理雷达资料间的相关性。

  主要建设内容:

  (1)分析雷达资料空间相关性和观测误差协方差关系;

  (2)研究基于空间相关的观测误差协方差模型;

  (3)将观测误差协方差模型加入BatEA同化系统进行实验验证。

  3.3.基于正则化的多源资料同化适定

  在资料同化中,局地观测系统中不同观测资料的权重设定是影响同化结果好坏的一个重要因素。下一步工作重点针对资料同化中多源观测系统最优权重的整体估计来开展,改变资料同化系统中对各种类型的观测资料孤立进行观测误差调整的做法,将区域模式中局地观测系统作为一个整体来考虑,实现不同种类的观测资料最优权重的整体估计。

  在此基础上,进一步尝试把资料同化和相对应的数学问题结合起来,着眼各观测项在变分资料同化的目标泛函中的整体权重,聚焦各观测系统的相对平衡,建立区域模式资料同化中多源观测信息整体和谐的理论基础。

  主要建设内容:

  (1)采用一维理想模型,给定各种观测资料的观测误差,研究空间稀疏化和整体权重的关系;

  (2) 基于GRAPES_MESO变分同化系统和EnKF集合同化系统,以广东地区双偏振雷达资料和地面观测站资料为对象,用扩展控制变量方法和正则化参数快速选取迭代方法寻找最优整体权重。

  3.4.深圳城市边界层立体观测网资料同化应用

  雷达资料与传统观测站资料结合的的同化预报系统对于快速变化的对流系统所产生的气象现象预测具有明显的提高,特别是由城市热岛效应所产生的城市局部暴雨现象。但由于缺乏城市冠层和城市边界层内的水平与垂直观测资料,以往研究的同化资料主要基于少数的城市观测站点,导致同化预测的结果极大依赖少数站点的资料,无法完全精确模拟出城市区域内产生的暴雨现象的强度分布。此外,当模式水平的分辨率达到在1 km以下,即边界层内的湍流结构的尺度与模式分辨率相当的时候,模式里使用的传统的湍流参数化会不再适用。这个分辨率的区域被称为Terra Incognita, 后来更广泛地称为模式的灰色区域(grey zone)。此时的湍流动能只能部分成功被计算,所模拟的结果的精度将会降低。因此,如何解决灰色区域问题成为高分辨率地模拟城市气候的其中一个首要任务。

  计划通过将雷达资料,深圳城市观测网络系统提供的水平观测资料和多个观测塔的垂直高度资料进入同化系统,进一步更新与精确提供城市区域内的边界层信息于GRAPES模式当中,从而使GRAPES模式能更广泛应用于城市气候(热岛效应,降雨等)的预测与研究当中。另外,通过耦合城市冠层模式与同化系统的结合,探索是否能更进一步提高GRAPES模式在城市气候模拟的能力。

  主要建设内容:

  (1)获取深圳市城市梯度塔,深圳城市气象综合探测系统的气象站与雷达观测资料。对资料进行筛选质控和归一化处理;

  (2)基于深圳城市气象综合探测系统(Shezhen urban meteorological observing network of networks, SUMON)提供的高空间与时间分辨率的气象数据和气象梯度塔获取的垂直维度上的城市气象信息,构建城市边界层资料同化算子,提高城市气象的模拟;

  (3)考虑在GRAPES中耦合城市冠层模式,探测是否能进一步提高热岛效应与城市降雨的模拟与预测。

  4.大尺度信息引入及噪音控制

  数值滤波可以有效消除模式噪音,让模式在初始时刻快速达到积分稳定,有利于满足短临预报需求。IAU方法则是在通过“小增量”逼近模式积分的过程中,隐式地利用模式自身的动力-物理过程作为约束来实现各要素场之间的调整,从而使得分析场中的大尺度信息与模式小尺度信息之间具有更好的平衡性。前期已完成大尺度混合滤波的工作,接下来将分别对两个技术开展进一步研究,并进行混合方案的研发。具体技术路线如图5所示;


  


图5数字滤波-IAU混合方案

  4.1大尺度信息混合

  目前已在GRAPES深圳版本嵌入大尺度增量混合滤波分析模块,下一步将进行此模块的测试运行,并步测试大尺度混合分析的作用,分析区域波谱分析中非周期特性对大尺度波提取的影响,减少离散波谱分析中“混频”现象的干扰。同时,探究此大尺度混合方案的普遍性,进一步设计改进方案,采用增量滤波,输出大尺度增量和全区域模式降尺度场相对背景场的大尺度偏差,并计算输出混合场及其增量,供选择使用。

  主要建设内容包括:

  (1)区域波谱分析中的非周期性对模式模拟结果的影响将可根据其模拟结果与观测资料进行对比,进行数据的统计分析;

  (2)不同截断波长的选择缺乏物理意义上的基础,如何结合不同区域的气候与地表特性进行截断波长的选择需要进一步的研究;

  (3)探究大尺度混合方案的普遍性可测试模式在不同地表地势高度上的模拟性能,并且找出其所在原因,进一步完善此方案。

  4.2分析增量更新混合方案

  目前已经在GRAPES_MESO模式中成功添加了IAU模块,把同化前后分析增量(dxa)分成若干份“小增量”,逐步加入模式积分项中。为了更好的提升模式预报初始场,下一步的工作内容是把数值滤波方法和IAU结合起来。利用数字滤波(digital filter)方法,将分析场的大尺度信息提取出来。再利用IAU技术,把大尺度信息的分析增量按不同的松弛时间添加到模式积分项中。

  主要建设内容包括:

  (1) 把同化后分析场的增量信息提取出来,分解出大尺度的分析增量;

  (2) 利用已经完成的IAU模块,把大尺度的分析增量在不同的松弛时间内加入模式启动项;

  (3) 分析增量更新模块(IAU)嵌入整个GRAPES_MESO数值模式中,基本功能实现脚本化运行。

  5.智能临近预报

  主要建设内容包括:

  (1) 继续研发基于深度学习的临近预报技术,重点改进算法中衰减过快、预测不稳定等难点和不足,提高粤港澳大湾区强降水0-2h临近预报精准度;建立智能临近预报应用示范平台,实现多种临近预报方法的综合显示和应用,产品融于到智能网格预报数据中,在预报业务和服务中应用;采用统一客观方法开展典型强天气过程的检验,定期评估不同临近预报算法的应用效果。

  (2) 初步开展突发性致灾大风的智能识别和临近预报,基于自动站、雷达等多源数据,采用深度学习算法开展粤港澳大湾区突发性致灾大风(6级大风以上)的智能识别和临近预报技术研究,提高雷暴大风的临近预报能力。

  6.广东天气雷达回波算子改进

  主要建设内容为基于华南地区广东一带不同类型降水的三维降水粒子滴谱空间分布信息,构建雷达资料同化三维Z-q观测算子,研发三维Z-Q观测算子与同化系统集成技术,并提供1.  双偏振雷达降水类型识别算法软件一套,预报准确率叫常系数蒜子提高10%。

  (三)科研项目

  近海台风风雨结构精准预报

  台风是影响粤港澳大湾区最严重的自然灾害之一,由台风引起的气象灾害对该地区可持续发展的威胁日趋明显。随着大湾区超大城市群的高速发展,对台风预报水平也提出了更高的要求。虽然,目前气象部门对台风路径有较高的预报精度,但受当前台风模式预报性能和对台风强度、风雨分布的科学认识所限,对台风强度突变、登陆台风风雨分布的预报能力整体较弱。这给政府防灾减灾救灾决策和社会服务带来巨大的挑战,远不能满足大湾区发展战略的需求。提升台风风雨精细化预报能力,成为该区域提升防台能力最迫切需求。

  在中国气象科学研究院T-RAPS台风区域同化及预报系统的基础上,开展基于T-RAPS台风模式的3/4DVAR同化核心技术研究,进一步从台风数值预报、影响台风风雨预报的关键因子分析以及台风风雨客观化预报方法三大方向入手,全面提高大湾区台风的风雨客观预报能力,为应对湾区城市发展对气象服务精细化的需求提供强有力的支撑。

  技术路线及目标

  (1)台风多源资料高分辨率同化技术研究

  基于具有“流依赖”背景误差结构特征的台风资料同化系统,构建适合台风资料同化的背景误差协方差,提高多源观测资料的同化有效性,改进台风模式初始化过程中多源观测资料同化的同化分析质量;基于集合同化技术,开展大湾区稠密多源观测资料融合分析技术研究。开展卫星地基雷达资料在登陆台风预报中的应用研究,提高对台风温、湿、风场及云微物理结构的描述,提高台风模式初始场精度。

  (2)精细化台风数值预报关键技术研究

  开展海气相互作用对台风路径及风雨分布的影响研究。基于观测试验研究云微物理和边界层参数化方案,改进台风的强度预报。研究台风条件下的湍流水平输送特征及其随水平分辨率的变化;研究次网格云过程对台风模拟的影响;以现有我国自主研发的模式系统GRAPES和TRAPS为基础,并基于野外科学试验数据进行本地化,集成模式边界层、次网格云和微物理过程的研究成果,发展高效灵活的降尺度技术和网格嵌套技术,开发台风数值预报业务流程和先进的台风模式后处理产品,建立最高分辨率为1 km的台风数值预报系统。

  (3)影响台风精细结构和预报关键机理研究

  基于沿海双偏振雷达、雨滴谱仪和天气雷达资料,研究登陆台风极端强降水时空分布特征及其影响因子。开展历史台风高分辨率数值模拟重现回算,研究不同环境场、复杂下垫面状况对台风内部精细结构预报的影响;基于观测试验研究云微物理和边界层参数化方案;分析台风登陆过程内核结构的演变规律,包括内雨带的精细化对流尺度结构特征,探讨登陆台风造成大湾区风雨过程的主要环流形势和关键因子,提炼具有预报指导意义的概念模型。

  (4)结合数值模式与人工智能技术的台风精细化风雨网格预报应用技术研究

  基于公里级数值预报产品,结合人工智能技术,考虑精细下垫面条件,结合卫星和雷达等多源观测资料,利用动力降尺度、大数据分析、机器学习技术,研发客观预报产品订正技术。建立台风精细化风雨网格预报技术,提供0-3天台风风雨分布和强度的精细化网格预报产品,为台风风雨预报和城市灾害防御服务提供支撑。

  三、科研管理工作

  (一)加大科研项目申报力度,提升预警中心影响力

  结合宗旨定位与服务范围,预警中心将紧密与中国气象科学研究院、广东省气象局和深圳市气象局业务系统对接,通过咨询委员会的技术咨询和规划审议,编制科研可持续发展规划,围绕科研可持续发展规划申报各级科研项目,包括:

  1.组织申报国家自然科学基金项目,如重点项目、面上项目以及青年基金;

  2.参与科技部重点研发计划等专项项目指南的申报,申报政府间合作项目;

  3.组织申请广东省科计划,省基金项目、申报深圳市可持续发展专项、提交重大科技专项指南;

  4.组织科研人员申报广东省气象局科技项目。

  (二)发挥机制体制灵活优势,打造气象科研人才高地

  充分发挥预警中心企业化运作、社会化用人的灵活优势,持续常态化多渠道招聘人才,争取2021年达到20人左右的规模,并充分应用各级人才保障政策吸引优秀人才。具体措施如下:

  1.申请以万齐林主任为首席,谢元富首席科学家为第一核心成员的深圳市“孔雀计划”团队;

  2.组织具有研究人员申请认定深圳高层次人才及海外高层次人才;

  3.申请广东省珠江人才团队计划项目;

  4.依托深圳市气象局博士后创新实践基地为平台,招收高素质博士后2-3名;

  5.积极研究申报人才税收优惠、国家领军人才、广东省珠江人才团队、深圳市“孔雀计划”、深圳市和福田区(产业)人才住房等各级政策,为科研人才谋福利,确保科研人才专注业务工作无后顾之忧。

  (三)创新机制体制建设,支撑科研业务发展

  持续推进新型研发机构机制体制建设,在科技创新、科研管理、人才引进等方面大胆探索、先行先试,制定出台新型科研机构特色管理制度,完善财务、行政、信息技术等服务保障,提高中心内部运转效率,为科研业务提供支撑。