系集資料同化方法於颱風預報之應用及改善;Improve the Ensemble-Based Data Assimilation for Typhoon Prediction

NCU Institutional Repository > 地球科學學院 > 大氣科學學系 > 研究計畫 > Item 987654321/56054

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/56054

題名:	系集資料同化方法於颱風預報之應用及改善;Improve the Ensemble-Based Data Assimilation for Typhoon Prediction
作者:	楊舒芝
貢獻者:	中央大學大氣科學系
關鍵詞:	大氣科學類;系集資料同化;系集卡門濾波;颱風預報
日期:	2008-09-01
上傳時間:	2012-10-01 11:45:23 (UTC+8)
出版者:	行政院國家科學委員會
摘要:	對中小尺度天氣預報而言，利用系集資料同化提供數值預報模式初始場較四維變分資料同化法在同化開始初期受到限制。因為對系集資料同化方法而言，開始進行同化的背景場(初始猜測場)之準確度決定了同化分析場收斂至應有精準度所需的時間。如無法提供適當的系集背景場，此限制將導致觀測資料在中小尺度天氣現象之發展初期較難發揮效用，並使得資料同化及預報能力受限。本研究希望利用”局部系集轉換卡門濾波” (Local Ensemble Transform Kalman Filter) 建立中尺度數值模式之資料同化系統。並針對颱風預報課題，利用系集同步加速法 (Running in place)，期望改善並提昇同化初期的準確度及預報度，並期增加觀測資料的使用價值。 ; The ensemble Kalman filter (EnKF) has a disadvantage during the transition (spin-up) period due to the requirement for reliable ensemble mean and the perturbations. It takes much longer time for the EnKF to spin-up to the level with a satisfied accuracy while the variational methods, like 4D-Var, do not have such concern. This disadvantage will cause serious limitations on the meso-small scale predictions for representing the developing stage of an event, when the assimilation process is just being initialized. Therefore, the influence from the observation is also limited. In this study, we plan to investigate the solution proposed by from Kalnay and Yang (2008) for typhoon prediction and to improve the prediction skill during the spin-up period. This method will be implemented within the framework of Local Ensemble Transform Kalman Filter in the Weather Research and Forecasting model. ; 研究期間 9711 ~ 9807
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[大氣科學學系] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	322	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....