同化WINDAS 觀測資料對台灣東部降雨之影響─ 梅姬颱風(2010)個案

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：16

、訪客IP：13.59.233.20

姓名

汪傳凱(Chuan-kai Wang) 查詢紙本館藏

畢業系所

大氣物理研究所

論文名稱

同化WINDAS 觀測資料對台灣東部降雨之影響─ 梅姬颱風(2010)個案
(Impact of Wind Profiler Data Assimilation on Wind Field and Precipitation over Taiwan Areas during Typhoon MEGI(2010))

相關論文

★ 宜蘭地區秋冬季降雨特性之研究	★ 台灣地區午後對流降水特性之分析
★ 台灣梅雨季中尺度對流系統之數值模擬研究-TAMEX IOP 8 個案	★ 利用整合探空系統分析南海北部大氣邊界層特性之研究
★ 中尺度波譜模式對梅雨期豪雨個案模擬之研究	★ 宜蘭地區秋冬季豪大雨特性之研究
★ 台灣東南部地區局部環流與邊界層特性之研究	★ 台灣東南部地區複雜地形局部環流的模擬研究
★ 宜蘭地區豪雨個案之研究	★ 台灣北部地區雨滴粒徑分佈特性與降雨估計之探討
★ 冬季雹暴個案之分析與模擬	★ 伴隨敏督利颱風的強烈西南氣流引發豪大雨之個案探討
★ 利用整合探空系統分析台灣東南部地區大氣邊界層特性之研究	★ 桃芝颱風(2001)數值模擬研究：颱風路徑與結構之模擬與分析
★ 利用雨滴譜儀分析不同降水系統之微物理特性研究	★ 台灣北部地區不同季節以及不同降水型態的雨滴粒徑分布特性

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

在天氣系統的數值模擬過程中，模式的預報能力常受限於初始場的準
確性。剖風儀具有高時間與垂直空間解析度，若將該資料同化進入數值模
式中，對模擬應該會有相當程度的改善空間。因此，本研究利用同化剖風
儀的風場資料來修正模式分析場，以得到較佳的初始分析場，進而改善模
式模擬伴隨梅姬颱風之台灣東部豪大雨個案的準確性。本研究使用 WRF 和
3DVAR 同化系統模擬2010 年10 月20 日 1200 UTC 至2010 年10 月24 日
0000 UTC 的梅姬颱風個案。模式的初始時間為 2010 年 10 月 20 日 0600
UTC，使用NCEP-GFS 資料作為模式cold start 初始場，控制組實驗並未做
資料同化。本研究另外設計三組資料同化之敏感度實驗，分別為不同水平
同化半徑(RI-EXP)、不同同化時間間隔(INT-EXP)以及不同同化位置(POSEXP)
。第一組實驗，水平影響半徑分別設為R1= 0.05 、 R2= 0.1 、R3=
1.0 。第二組實驗為選擇第一組實驗中較佳的影響半徑(R3)以間隔 1 、
3 、 6 小時間隔同化剖風儀資料。第三組實驗為使用前兩組實驗中較好
的影響半徑(R3)及較佳的同化時間間隔( 3 小時)，僅同化離台灣東部最
為接近的單一剖風儀觀測站風場(與那國島站，代碼：47912)，以及另一
同化除了與那國島站之外剖風儀網的觀測資料的實驗。
以2010年10月21日0000UTC的模擬結果分析(模擬10月21日0000至
0600UTC累積雨量)，在影響半徑的敏感度實驗中，模式表現以R3=1.0較好，
與日本氣象廳的分析場比較，較能表現出大尺度的環流特性，而降雨表現
也與觀測較為接近，R2=0.1表現次之，R1=0.05表現最差，但有同化的實
驗組中，皆比沒有做資料同化的結果來得好。在同化時間間隔的敏感度實
驗中，以同化間隔3小時表現較佳，而時間間隔為6小時的表現與分析場及
觀測差異居次，同化間隔為1小時之模擬結果與分析場及觀測差異較大。
以相同的分析時間來看測站位置的敏感度實驗，顯示若僅同化一個最接近
台灣的剖風儀風場觀測資料，已可以相當不錯的模擬出台灣東部、東北部
及花蓮地區的降雨分布。若排除離台灣最接近的剖風儀觀測，既使同化其
他所有日本的剖風儀觀測網之資料，對於模擬降水分布則較無法模擬出台
灣東部花蓮地區的降雨分布特徵。
以850hPa重力位高度場之均方根誤差(RMSE)而言，不同同化半徑之實
驗結果顯示，同化半徑較小，和控制組實驗結果較為接近。而同化半徑
R2=0.1和R1=0.05相比，差異不大，顯示較大的同化影響半徑，分析場結
果與FNL分析場較為接近；不同時間間隔同化實驗中，和控制組實驗相比
(約250 m)，以三小時同化間隔的重力位高度場掌握較好(約140 m)，表示
三小時同化間隔和NCEP-FNL分析場較為接近；不同位置實驗中，顯示若單
獨僅同化一個較接近模擬目標區(台灣東部)的剖風儀測站亦可有效降低
RMSE，其值介於同化所有剖風儀觀測站與CTRL run之間。ETS(equitable
threat score)之分析亦顯示對此個案而言，以三小時降水模擬較好，其
中小雨門檻值之ETS，約可達到0.4以上。

摘要(英)

Performance of numerical simulation usually depends whether the initial
condition is close to real atmosphere or not. Wind profiler with high temporal and
spatial resolution may correct initial condition in numerical models to have better
simulation or forecast results. In this study, we use WRF model to simulate Megi
typhoon during Oct. 20-24, 2010. We have conducted three sensitivity
experiments─ radius of influence experiment(RI-EXP), interval of data
assimilation experiment(INT-EXP), and position experiment(POS-EXP). In the
RI-EXP, we test different horizontal radius of influence (R1= 0.05 、 R2= 0.1 、
R3= 1.0) to get the appropriate radius. In the INT-EXP, we use R3=1.0 which is
more accurate results of RI-EXP to test DA interval─ one hour, three hours, and
six hours. We implement only one observation site that is closest to Taiwan to test
the position sensitivity to data assimilation. In the RI-EXP, the result with radius
of influence 1.0 is the most close to analysis field and precipitation observation.
For the second experiment, 3 hour data assimilation interval results in the lowest
RMSE. Compared to all Japanese wind profiler network data assimilation, in the
last experiments, we can get similar precipitation pattern when we assimilate only
the wind profiler observation nearest Taiwan or assimilate all the wind profiler
observation data in the domain. However, if we excluded the nearest wind profiler
observation, it is difficult to capture correct precipitation pattern in Hualien. In
this study, our findings and results are very consistent with previous studies, that is wind profiler data assimilation not only can correctly capture the variation of
large scale weather pattern but also can be correctly simulate the characteristics
of the local circulation.

關鍵字(中)

★ 剖風儀
★ 三維變分資料同化

關鍵字(英)

★ Wind profiler
★ 3DVAR

論文目次

目錄
表目錄 ....................................................... I
圖目錄 ....................................................... I
第一章緒論 .................................................. 1
1.1 前言 ........................................................................................................ 1
1.2 文獻回顧 ................................................................................................ 2
1.3 研究動機 ................................................................................................ 6
1.4 論文架構 ................................................................................................ 7
第二章模式與實驗設計 ........................................ 9
2.1 數值模式簡介 ........................................................................................ 9
2.2 模式設定 ............................................................................................... 12
2.3 實驗設計 ............................................................................................... 13
第三章個案分析及使用資料 ................................... 15
3.1 個案分析 .............................................................................................. 15
3.2 使用資料 ............................................................................................... 16
第四章台灣東部豪大雨敏感度實驗與驗證分析 .................... 18
4.1 影響半徑實驗 ....................................................................................... 18
4.2 資料同化間隔敏感度實驗 ................................................................... 19
4.3 測站位置測試實驗 ............................................................................... 20
4.4 統計分析結果 ...................................................................................... 21
第五章台灣東部豪大雨環境條件模擬探討 ........................ 26
5.1 颱風路徑與平均環境流場 .................................................................... 26
5.2 東北風與低層中層風場 ........................................................................ 29
5.3 輻合輻散場 ........................................................................................... 31
第六章結論與未來展望 ....................................... 32
6.1 結論 ....................................................................................................... 32
6.2 未來展望................................................................................................ 33
參考文獻 .................................................... 35
附表與附圖 .................................................. 38
附表 ........................................................ 38
附圖 ........................................................ 40

參考文獻

曲克恭、陳正改，1988：" 琳恩颱風豪雨研究"，大氣科學期刊，
第三號，第十六期，第253-262頁。
李清勝，1988："台灣地區颱風路徑之預報分析。大氣科學"，大
氣科學期刊，第三號，第十六期，第133-140頁。
李清勝、羅英哲、張龍耀，2007：”琳恩颱風(1987)與東北季風交
互作用產生強降水之研究”，大氣科學期刊，第一號，第
三十五期，第13-33頁。
洪于珺，2010：颱風辛樂克(2008) WRF 模擬及位渦反演之研究。國
立中央大學，大氣物理研究所，碩士論文。
迮嘉欣，2009：資料同化對台灣地區颱風和梅雨模擬之影響。國立
中央大學，大氣物理研究所，碩士論文。
連國淵，2009：颱風路徑與結構同化研究-系集卡爾曼濾波器。國立
台灣大學，大氣科學研究所，碩士論文。
葉天降、吳石吉、謝信良, 1998：台灣附近颱風路徑預報校驗與統
計方法之應用。大氣科學，第26 期3 號，227-248。
Anderson, J. L., 2001: An ensemble adjustment Kalman filter for data
assimilation. Mon. Wea. Rev., 129.2884-2903.
Barker, D. M., W. Huang, Y.-R. Guo, and A. Bourgeois, 2003: A three-
dimensional variational (3DVAR) data assimilation system for use
with MM5. NCAR Tech. Note,68 pp.
Barker, D., W. Huang, Y.-R. Guo, A. J. Bourgeois,and Q. N. Xiao, 2004:
A threedimensional variational data assimilation system for MM5:
Implementation and initial results. Mon. Wea. Rev., 132, 897–914.
Benjamin, S. G., BARRY E. S, E. J. SZOKE, AND S. E. KOCH, 2004:
The Value of Wind Profiler Data in U.S. Weather Forecasting.
Bulletin of American Meteorological Society, 85, 1871-1886.
Chen, F., and J. Dudhia, 2001: Coupling and advanced land-surface/
hydrology modelwith the Penn State/ NCAR MM5 modeling system.
Part I: Model description and implementation. Mon. Wea. Rev., 129,
569-585.
Chen, S.- H., J.‐Y., Chen, W.‐Y. Chang, P.‐L. Lin, P.‐H. Lin, and W.‐Y.
Sun, 2011: Observing System Simulation Experiment: Development
of the system and preliminary results. Journal of
Geophysical Research, 116, doi:10.1029/2010JD015103
Chou M.-D., and M. J. Suarez, 1994: An efficient thermal infrared
radiation parameterization for use in general circulation models.
NASA Tech. Memo.104606, 3, 85pp.
Kain, J. S., and J. M. Fritsch, 1990：A one-dimensional entraining/
detraining plume model and its application in convective
parameterization. J. Atmos. Sci., 47, 2784-2802.
Kain, J. S., and J. M. Fritsch, 1993：Convective parameterization for
mesoscale models：The Kain-Fritsch scheme, The representation of
cumulus convection in numerical models. K.A. Emanuel and D. J.
Raymond, Eds., Amer. Meteor. Soc.,246 pp.
Pan, C. J., K. K. Reddy, H. C. Lai, S. S. Yang, and C. J. Wong, 2010:
Wind profiler observations on orographic effects of typhoon wind
structure modification over Taiwan. Ann. Geophys., 28, 141–147
Park, S. Y., H. W. Lee, S. W. Lee, and D. H. Kim, 2010: Impact of Wind
Profiler Data Assimilation on Wind Field Assessment over Coastal
Areas. Asian Journal of Atmospheric Environment, 4, 198-210.
Schaefer, J. T., 1990: The critical success index as an indicator of
warning skill. Wea. Forecasting, 5, 570-575.
St-James, J. S., and S. Laroche, 2005: Assimilation of wind profiler data
in the Canadian Meteorological Center’s analysis system. J. Atmos.
Oceanic Technol., 22, 1181–1194.
Smith,T. L. and S. G. Benjamin, 1993: Impact of Network Wind Profiler
Data on a 3-h Data Assimilation System. Bulletin of American
Meteorological Society, 74, 801-807.

指導教授

林沛練(Pay-liam Lin)

審核日期

2013-8-30

推文