NCEP发布最新资料同化战略和发展规划

发布时间：2024-07-15 打印

　　2021年NOAA发布的《未来十年天气研究优先事项》报告，报告指出，改进资料同化对提升数值天气预报（NWP）和地球系统模式的准确性至关重要。

　　今年1月，NCEP环境模式中心发布最新《NCEP资料同化战略和发展规划》。报告强调了资料同化对于改进天气预报技能的重要性，并提出了未来十年需要解决的几个重大挑战。此外，报告还概述了未来十年需要解决的一些潜在风险，特别是与资源、观测数据、管理和高性能计算相关的风险。

1.改进观测数据的使用

　　尽管目前的资料同化系统可以同化来自不同仪器的各种观测数据，但这些数据仍未得到充分利用。一些新兴设备（如无人机、网络摄像头、地球同步和极地轨道上的新卫星星座，以及不断增加的立方体卫星等）的数据集将改进当前的观测网络。未来十年，NOAA将关注改进当前观测数据的使用，同时也注重新兴的观测技术。

　　

2.新的和即将进行的观测

原位和非卫星平台。新的和即将进行的原位和非卫星遥感观测在NWP中具有潜力，这些观测包括但不限于：

　　超压气球：可用于平流层风的同化和验证
　　长持续时间、可控气球：在没有无线电探空仪的区域，单次飞行任务可进行多次廓线测量（图2）
　　无人机系统：携带观测载荷的水上无人机、无人飞行器等
　　可再生能源部门的观测：如风力发电机组、高塔和风电机舱等观测数据　
　　众包观测：智能手机气压观测、低成本物联网网络等新兴环境数据
　　专业个人气象站、政府/学术部门、私营部门网络的额外地面观测
　　网络摄像头

3.连续资料同化

　　集合方法能够提供宝贵的信息，并将继续成为探索和扩展的领域。背景误差协方差方面，模式方法对于科学和计算性能都至关重要，目前正在探索多网格beta滤波器等新方法。多尺度同化有助于在分析中更真实地解析所有空间尺度上的特征，并消除对特殊程序的要求，以最大限度地提高性能。平衡和初始化方面，分析需要符合物理现实，但也要与模型平衡保持一致，以免在随后的预测中失衡。非线性与非高斯应用方面，需要放宽和消除次优假设。

4.耦合资料同化

　　耦合模式需要初始化多个组分，其中一些组分在同化能力、独特的观测系统和不兼容的时空尺度方面的技术成熟度可能不同。推动“无缝隙预测”需要利用地球系统耦合模式，这给资料同化带来了独特的挑战，需要有效和一致的同化方法推进耦合同化。耦合同化将是未来的核心战略要素，未来十年的具体优先事项将包括但不限于：

研究和开发涵盖耦合强度和准备水平（readiness level）的耦合同化活动
　　探索和利用耦合同化的多尺度能力　
　
　　利用耦合集合扰动来探索耦合误差协方差，并利用混合EnVar和/或EnKF方法
　　向新的创新发展，以处理线性和高斯假设不适用的非线性和非高斯组分
　
　　特别强调耦合界面同化方面的创新，例如在海洋/大气耦合应用中处理SST
　　探索其他算法选择的可行性

5.与人工智能/机器学习相结合

　　鉴于机器学习的快速发展和初步研究中所显示的效益，NCEP需要利用机器学习技术工具箱开发更多的内部专业知识。NCEP成立了专门的人工智能/机器学习研究小组，以促进培训、规划和启动项目。对于资料同化的发展而言，对人工智能/机器学习的集成和开发将是NCEP在未来十年的一个重要优先事项。

6.再分析资料

　　发展用于校准的再预报数据集的能力是NOAA近期再分析工作的重要推动力。但报告认为，迄今为止，NOAA再分析工作一直被视为孤立的一次性项目，必须将再分析工作纳入到常规业务中。在过去几年中NOAA部署的大多数NWP算子都是基于ERA5再分析数据进行训练，还没有建立一个基于NOAA数据训练的模型。报告指出，再分析资料方面的发展，特别是在为算子训练提供数据集方面，有可能成为未来几年的重要优先事项。

(本篇摘选自《气象科技前沿》2024年第2期，更多内容，欢迎读者查阅全文)

附件：