Abstrak
Asimilasi langsung pengamatan radar polarisasi ganda diwujudkan dalam sistem asimilasi data interpolasi statistik gridpoint (DA) menggunakan metode filter Kalman ensemble. Studi ini melibatkan tiga eksperimen yang dirancang untuk mengevaluasi dampak asimilasi fase diferensial spesifik variabel polarimetrik (KDP ) untuk kasus garis badai di Provinsi Jiangsu, termasuk eksperimen kontrol tanpa DA dan dua eksperimen dengan radar DA. Dalam eksperimen DA pertama, hanya variabel radar konvensional reflektivitas dan kecepatan radial yang diasimilasi pada interval 6 menit, sedangkan eksperimen DA lainnya juga mengasimilasi KDP . Korelasi yang kuat antara variabel model dan KDP ditetapkan berdasarkan ensemble sebelumnya, yang berkontribusi pada efek DA positif. Asimilasi KDP mengarah pada peningkatan signifikan baik dalam struktur horizontal maupun vertikal analisis, dengan konvergensi lapisan bawah yang lebih kuat dan arus naik di depan garis badai. Selain itu, rasio pencampuran air hujan meningkat dan meluas di bagian utara garis badai dengan asimilasi K DP . Akibatnya, air yang dapat diendapkan dan energi potensial konvektif yang tersedia meningkat dari 70 menjadi 80 mm dan dari 1.559 menjadi 2.116 J/kg, masing-masing, didukung oleh suhu potensial pseudo-ekuivalen yang lebih tinggi pada 925 hPa. Lebih jauh lagi, reflektivitas komposit yang dianalisis dan diprediksi ditingkatkan dengan asimilasi K DP , yang selaras dengan pengamatan. Dalam prakiraan curah hujan 1 jam, baik lokasi maupun intensitas curah hujan jangka pendek ditingkatkan dengan mengasimilasi K DP , yang selanjutnya dikonfirmasi oleh penilaian kuantitatif objektif.
Poin-poin Utama
- Kemampuan asimilasi observasi radar polarisasi ganda K DP diwujudkan dalam sistem asimilasi data GSI dengan metode filter Kalman ensemble (EnKF)
- Nilai tambah dari asimilasi pengamatan K DP dikonfirmasi dalam bidang dinamis dan termodinamika dalam kasus garis badai
- Keterampilan peramalan ditingkatkan dengan pengamatan K DP ketika hasilnya diverifikasi secara kuantitatif untuk reflektivitas dan curah hujan
Ringkasan Bahasa Sederhana
Studi penelitian ini adalah contoh pertama dari asimilasi langsung variabel polarimetri yang disebut fase diferensial spesifik (KDP ) . Nilai tambah KDP dalam DA ditunjukkan melalui studi kasus garis badai di Provinsi Jiangsu. Dibandingkan dengan pengamatan reflektivitas, pengamatan KDP memiliki hubungan yang lebih langsung dengan laju curah hujan, yang membuatnya lebih mudah untuk memperkirakan jumlah curah hujan. Dengan menggunakan metode DA berbasis ansambel yang dikenal sebagai filter Kalman ansambel, informasi yang diberikan oleh pengamatan KDP digunakan untuk membuat penyesuaian yang signifikan terhadap variabel model. Penyesuaian ini terbukti dalam kondisi dinamis dan termodinamika yang ditingkatkan di lapisan tengah hingga bawah. Selain itu, reflektivitas komposit ditingkatkan baik dalam analisis maupun prediksi ketika pengamatan KDP diasimilasi , yang selaras dengan pengamatan. Akibatnya, baik lokasi maupun intensitas prakiraan curah hujan 1 jam ditingkatkan karena pengenalan informasi KDP . Temuan ini menyoroti potensi signifikan dari asimilasi pengamatan KDP dalam memprediksi hujan badai jangka pendek yang terkait dengan garis badai.
1 Pendahuluan
Badai petir, petir berbahaya, garis badai, hujan badai jangka pendek, hujan es besar, dan bahkan tornado adalah bencana alam yang umumnya menyertai sistem konvektif skala mesoskala (MCS), yang menimbulkan ancaman signifikan terhadap kehidupan dan harta benda manusia (Rafiuddin et al., 2010 ; Romatschke & Houze, 2011a , 2011b ; Shen et al., 2021 ). Oleh karena itu, prediksi yang akurat sangat penting untuk pencegahan dan pengurangan bencana dan kerusakan. Dalam beberapa tahun terakhir, kemajuan dalam daya komputasi telah memungkinkan prediksi cuaca numerik (NWP) dengan resolusi yang memungkinkan konveksi. Bersamaan dengan itu, pemahaman yang lebih dalam tentang proses atmosfer telah meningkatkan penggambaran fenomena fisik sub-grid dalam model NWP. Oleh karena itu, salah satu tantangan utama dalam NWP yang memungkinkan konveksi adalah menyediakan kondisi awal berkualitas tinggi yang secara akurat mewakili keadaan atmosfer sebenarnya (Kalnay, 2002 ; Shen et al., 2023 ; Sun, 2005 ; Xu et al., 2022 ). Sejumlah penelitian telah menunjukkan bahwa asimilasi observasi penginderaan jauh, terutama termasuk observasi radar dan satelit, memiliki efek positif pada kondisi awal dan prakiraan selanjutnya di NWP (Gao & Stensrud, 2012 ; Minamide & Zhang, 2018 ; Osuri et al., 2015 ; Pu et al., 2019 ; Shen et al., 2022 ; Shu et al., 2023 ; Stratman et al., 2020 ; Sun & Wang, 2013 ; Tong et al., 2018 ; Y. Wang & Wang, 2017 ; Xu et al., 2023 ; F. Zhang et al., 2016 ). Namun, dibandingkan dengan pengamatan satelit, pengamatan radar Doppler mampu menembus wilayah awan dan presipitasi, menjadikannya platform ideal untuk menyelidiki struktur MCS dan menawarkan potensi besar dalam asimilasi data (DA) yang memungkinkan konveksi (Zhao et al., 2017 ).
Selama dua dekade terakhir, manfaat asimilasi pengamatan radar Doppler konvensional, khususnya reflektivitas ( Z ) dan kecepatan radial (RV), dalam NWP yang memungkinkan konveksi telah ditunjukkan oleh metode variasi tiga dimensi (3DVAR), variasi empat dimensi (4DVAR) (Chang et al., 2016 ; Ge et al., 2012 ; Hu & Xue, 2007 ; Schenkman et al., 2011a , 2011b ; Shen et al., 2020 ; Tai et al., 2020 ; Xue et al., 2014 ), dan metode filter Kalman ensemble (EnKF) (Kong et al., 2018 ; Labriola et al., 2021 ; Pan et al., 2014 ; Snook et al., 2011 ; Snyder & Zhang, 2003 ; M. Wang dkk., 2016 ; F. Zhang dkk., 2004 , 2009 ). Selain reflektivitas dari radar konvensional, radar polarisasi ganda (dual-pol) mampu mengirimkan dan menerima sinyal terpolarisasi horizontal dan vertikal (G. Zhang dkk., 2019 ). Selain pengamatan Z dan RV dari radar Doppler konvensional, teknologi dual-pol memungkinkan perolehan beberapa variabel polarimetri tambahan, yang memiliki aplikasi penting dalam meteorologi radar. Reflektivitas diferensial (
) sama dengan perbedaan antara reflektivitas horizontal dan reflektivitas vertikal dalam satuan logaritmik; fase diferensial (
) mengkarakterisasi perbedaan pergeseran fasa antara polarisasi horizontal dan vertikal pulsa radar; fase diferensial spesifik (
) didefinisikan sebagai setengah dari perubahan pergeseran fasa diferensial per satuan panjang sepanjang lintasan sinar radar; perbedaan reflektivitas (
) diukur dengan perbedaan antara reflektivitas horizontal dan reflektivitas vertikal dalam satuan linier; koefisien korelasi ko-polar (
) mengukur konsistensi hamburan dari polarisasi horizontal dan vertikal dan terkait dengan fase, bentuk, dan ukuran hamburan hidrometeorologi. Jenis, bentuk, ukuran, dan orientasi awan serta partikel presipitasi dapat disimpulkan berdasarkan variabel-variabel ini, sehingga memberi kita wawasan komprehensif tentang proses mikrofisika (G. Zhang dkk., 2019 ).
Studi tentang asimilasi observasi polarimetrik telah menghadapi tantangan karena ketidakpastian yang terkait dengan observasi ini dan kompleksitas pengembangan operator observasi untuk variabel polarimetrik. Oleh karena itu, mengembangkan operator observasi yang berlaku untuk variabel polarimetrik sangat penting untuk DA yang efektif. Dalam studi sebelumnya, banyak peneliti mengembangkan berbagai operator observasi untuk radar dual-pol. Total sinyal radar dual-pol terdiri dari kontribusi dari berbagai jenis hidrometeor. Namun, beberapa studi sebelumnya tidak lengkap karena hanya kontribusi dari satu jenis hidrometeor yang dipertimbangkan dalam rumus mereka. Misalnya, Brandes et al. ( 1995 , 2004 ) dan G. Zhang et al. ( 2001 ) mengusulkan ekspresi untuk menghitung variabel polarimetrik yang disumbangkan oleh hujan. Vivekanandan et al. ( 1994 ) dan Ryzhkov et al. ( 1998 ) menawarkan rumus yang berlaku untuk partikel es. ( 2005 ) muncul dengan operator observasi yang lebih komprehensif yang memanfaatkan model hamburan radar penuh untuk mensimulasikan sinyal polarimetri berdasarkan latar belakang model. Meskipun demikian, operator ini dianggap terlalu rumit dan mahal secara komputasi untuk aplikasi DA praktis. Baru-baru ini, beberapa operator observasi yang ditingkatkan telah dikembangkan untuk radar dual-pol, yang mempertimbangkan kontribusi dari semua jenis hidrometeor dalam model prognostik. Dalam operator observasi ini, parameter terkait distribusi ukuran tetesan (DSD) umumnya cocok dengan yang ada dalam model prognostik juga. Operator observasi untuk skema mikrofisika momen tunggal dikembangkan oleh Jung, Zhang, dan Xue et al. ( 2008 ), menggunakan metode T-matrix untuk menghitung hamburan hujan dan perkiraan hamburan Rayleigh untuk menghitung hamburan salju dan hujan es. Selain itu, operator observasi yang lebih umum yang dapat digunakan untuk skema mikrofisika momen tunggal, ganda, atau rangkap tiga dikembangkan oleh Jung et al. ( 2010 ) dalam sistem prediksi regional lanjutan (ARPS). Berdasarkan Jung et al. ( 2010 ), operator observasi polarimetri yang dapat diaplikasikan pada skema mikrofisika WSM6 (WRF Single-Moment 6-class) dirancang oleh Posselt et al. ( 2015 ) dalam model penelitian dan peramalan cuaca (WRF). Thomas et al. ( 2020 ) selanjutnya mengembangkan operator observasi nonlinier 3DVAR untuk radar dual-pol berdasarkan metode T-matrix, yang digunakan dalam model radar canggih Prancis untuk penelitian meteorologi dan operasional (AROME-Prancis) untuk skala konvektif NWP.
Beberapa studi telah menyelidiki asimilasi observasi radar polarisasi ganda dan efeknya pada analisis dan prakiraan kejadian cuaca buruk. Wu et al. ( 2000 ) melakukan studi awal yang mengasimilasi rasio pencampuran hujan dan air es yang diambil dari observasi Z dan Z DR dengan metode 4DVAR. Namun, hasil prakiraan mengungkapkan galat signifikan, yang disebabkan oleh kekurangan dalam skema mikrofisika atau ketidakmampuan model untuk mensimulasikan proses atmosfer nonlinier secara akurat. Jung, Zhang, dan Xue et al. ( 2008 ), Jung, Xue, et al. ( 2008 ), dan Jung et al. ( 2010 ) melakukan serangkaian upaya untuk secara langsung mengasimilasi observasi polarimetri dengan metode EnKF termasuk Z DR , Z DP , dan K DP melalui eksperimen simulasi sistem pengamatan (OSSE). Studi mereka menunjukkan bahwa asimilasi variabel polarimetri bermanfaat untuk analisis medan dinamis dan hidrometeor badai. Yokota dkk. ( 2016 ) mengasimilasi rasio pencampuran hujan yang diambil dari pengamatan Z dan K DP untuk memprediksi mesosiklon yang terkait dengan supersel tornado. Mereka menemukan bahwa peningkatan kelembapan pada lapisan bawah setelah DA bermanfaat untuk prediksi mesosiklon yang akurat. Li dkk. ( 2017 ) secara langsung mengasimilasi data Z dan K DP dalam kasus MCS menggunakan metode 3DVAR dengan skema mikrofisika momen tunggal, menghasilkan analisis kandungan air hujan dan salju yang lebih baik. Demikian pula, Putnam dkk. ( 2019 ) menggunakan metode EnKF untuk secara langsung mengasimilasi pengamatan Z , Z DR , dan RV. Mereka menemukan bahwa asimilasi tambahan Z DR meningkatkan analisis karakteristik mikrofisika dalam badai supersel, menunjukkan korespondensi yang lebih baik dengan kolom Z DR yang diamati . Dalam studi berikutnya oleh Putnam dkk. ( 2021 ), jendela DA yang berbeda ditetapkan untuk membandingkan dampak asimilasi Z , RV terhadap Z , RV, dan Z DR pada prediksi badai. Temuan menunjukkan bahwa durasi asimilasi Z DR yang lebih pendek mungkin memiliki prakiraan yang lebih baik selama periode perkembangan badai dimasukkan dalam jendela waktu DA.
Studi di atas menyoroti tantangan dan hasil yang menjanjikan dalam mengasimilasi data radar dual-pol untuk peningkatan NWP. Amerika Serikat telah meningkatkan seluruh jaringan radar Doppler-nya, Weather Surveillance Radar-1988 Doppler (WSR-88D), dengan teknologi dual-pol sejak 2013 (Kumjian, 2013a , 2013b ). Dalam beberapa tahun terakhir, banyak negara telah mengikuti jejak Amerika Serikat dan memulai memodernisasi sistem radar Doppler mereka dengan teknologi dual-pol. Tiongkok adalah salah satu negara di dunia yang menderita cuaca buruk seperti siklon tropis, garis badai, dan hujan badai. Berdasarkan pekerjaan radar konvensional, peningkatan jaringan radar konvensional ke kemampuan dual-pol telah dimulai untuk meningkatkan kemampuan pemantauan dan peringatan untuk peristiwa cuaca ini. Hingga saat ini, sebagian dari pekerjaan peningkatan telah dicapai dengan radar dual-pol dalam penggunaan operasional di beberapa provinsi (Zhao et al., 2019 ). Oleh karena itu, asimilasi variabel polarimetri dalam model NWP menjadi krusial untuk meningkatkan akurasi prakiraan peristiwa cuaca buruk di Tiongkok, yang dapat berkontribusi secara signifikan terhadap peringatan dini dan pencegahan bencana cuaca berdampak tinggi.
Meskipun beberapa studi dalam literatur telah meneliti dampak asimilasi observasi polarimetrik untuk meningkatkan analisis dan prediksi kasus konvektif (Augros et al., 2018 ; Jung, Xue, et al., 2008 ; Li & Mecikalski, 2012 ; Li et al., 2017 ; Posselt et al., 2015 ; Putnam et al., 2019 , 2021 ; Yokota et al., 2016 ; Zhu et al., 2020 ), masih ada pekerjaan signifikan yang perlu diselidiki lebih lanjut. Misalnya, Jung, Xue, et al. ( 2008 ) dan Zhu et al. ( 2020 ) mengasimilasi observasi polarimetrik dalam kerangka OSSE, dengan mengasumsikan model prakiraan sempurna daripada data dari kasus nyata. Li dan Mecikalski ( 2012 ), Li et al. ( 2017 ), dan Posselt et al. ( 2015 ) menggunakan metode 3DVAR untuk asimilasi observasi Z , Z DR , dan K DP . Namun, metode ini menggunakan kovariansi galat latar belakang yang stasioner, isotropik, dan homogen tanpa informasi yang bergantung pada aliran. Yokota et al. ( 2016 ) dan Augros et al. ( 2018 ) mengadopsi strategi tidak langsung dengan mengasimilasi informasi kelembapan dan hidrometeor yang diambil dari observasi polarimetri. Meskipun menghindari proses nonlinier kompleks dari operator observasi selama DA, pendekatan ini dapat menimbulkan galat baru dalam pengambilan informasi kelembapan dan hidrometeor.
Mengenai DA berbasis ensemble dari pengamatan polarimetrik, Putnam et al. ( 2019 , 2021 ) membahas dampak asimilasi pengamatan Z DR pada prakiraan ensemble skala badai dari kasus supersel dengan metode EnKF. Namun, studi mereka tidak menyelidiki dampak asimilasi pengamatan K DP karena ketidakpastian signifikan yang terkait dengan K DP , yang disebabkan oleh kontaminasi dari hujan es basah, debu, dan puing di dekat wilayah aliran masuk kasus yang mereka pilih. Akibatnya, sistem konvektif sering kali disertai dengan hujan lebat jangka pendek, yang menunjukkan sinyal berbeda dalam pengamatan K DP , karena K DP sensitif terhadap air hujan. Sejauh pengetahuan kami, saat ini tidak ada studi yang diterbitkan menggunakan metode EnKF untuk secara langsung mengasimilasi pengamatan K DP untuk memprediksi MCS. Oleh karena itu, garis badai dahsyat yang melanda bagian selatan Provinsi Jiangsu, Cina, telah dipilih sebagai studi kasus untuk memverifikasi efektivitas asimilasi variabel polarimetri K DP dalam prediksi badai karena kasus ini mengakibatkan hujan lebat jangka pendek dan angin kencang yang merusak.
Sisa dari studi ini disusun sebagai berikut. Bagian 2 menyajikan deskripsi terperinci tentang kasus konvektif, operator observasi, strategi praproses data radar, dan desain eksperimen. Bagian 3 berfokus pada dampak asimilasi variabel polarimetrik pada analisis dan prediksi garis badai. Akhirnya, kesimpulan dan pembahasan berdasarkan hasil studi ini diuraikan dalam Bagian 4 .
2 Data dan Metodologi
2.1 Gambaran Umum Kasus
Reflektivitas komposit yang diamati ditunjukkan pada Gambar 1 dari radar Changzhou untuk garis badai, yang terjadi pada 19 Juli 2020. Dari pukul 04:00 hingga 05:00 UTC, gugus konvektif terbentuk di perbatasan Provinsi Jiangsu dan Anhui, yang menampilkan reflektivitas komposit maksimum lebih besar dari 40 dBZ. Setelah pembentukannya, gugus tersebut terus bergerak ke arah timur dan secara bertahap meningkat. Setelah melewati Kota Nanjing, Provinsi Jiangsu pada pukul 06:00 UTC, distribusi gema radar secara bertahap bergeser ke orientasi utara-selatan, dengan intensitas meningkat dan reflektivitas maksimum melebihi 45 dBZ. Pada pukul 07:00 UTC, sel konvektif terisolasi (ditandai dengan huruf A) terbentuk di bagian selatan badan gema utama dengan reflektivitas lebih dari 50 dBZ. Kedua sistem konvektif kemudian mulai bergabung, dan intensitas garis badai yang baru terbentuk meningkat menjadi lebih dari 55 dBZ. Dalam 1 jam berikutnya, garis badai utara-selatan yang terstruktur dengan baik terbentuk pada pukul 08:00 UTC, bergerak dengan kecepatan hampir 100 km/jam. Saat garis badai terus bergerak ke arah timur, bagian utaranya bergerak ke lepas pantai dan melemah dengan cepat pada pukul 09:00 UTC. Studi ini berfokus pada periode waktu dari pukul 07:00 hingga 09:00 UTC, karena garis badai berkembang pesat pada jam pertama dan menyebabkan kerusakan signifikan di Kota Nantong sebelum mencapai laut.
2.2 Operator Observasi
Metode matriks-T dapat diterapkan untuk menghitung sifat hamburan partikel hidrometeor dengan berbagai bentuk. Namun, solusinya tidak sepenuhnya akurat untuk struktur partikel yang kompleks, kecuali dalam kasus hujan. Selain itu, penerapan metode matriks-T memerlukan sumber daya komputasi berkinerja tinggi. Oleh karena itu, Jung et al. ( 2010 ) mengusulkan simulator radar yang lebih layak di mana tabel pencarian dibuat dengan pendekatan hamburan matriks-T yang lengkap untuk menghitung amplitudo hamburan mundur dan maju dari setiap hidrometer dengan diameter tertentu, sehingga amplitudo hamburan tersebut perlu dihitung hanya sekali. Dalam operator observasi ini, DSD yang sama diterapkan seperti dalam model prognostik dalam skema mikrofisika multi-momen. Ekspresi untuk horizontal (
) dan vertikal (
) reflektivitas radar disediakan sebagai berikut:
Dalam simulator radar, lapisan leleh dan bentuk partikel dapat memiliki efek mendalam pada sinyal dual-pol. Karena mereka tidak secara eksplisit ditentukan dalam skema mikrofisika momen tunggal/ganda, asumsi tambahan tentang bentuk partikel dan fraksi es/air hidrometeor harus dibuat berdasarkan informasi yang tersedia dari model prediksi. Asumsi yang dibuat di sini didasarkan pada asumsi dari Jung, Zhang, dan Xue et al. ( 2008 ). Selain itu, konstanta dielektrik setiap spesies didefinisikan oleh konstanta dielektrik efektif yang dihitung dengan rumus pencampuran Maxwell-Garnett (MG). Untuk partikel fase tunggal, suhu yang digunakan untuk menghitung konstanta dielektrik untuk es padat adalah 0°C, sedangkan untuk tetesan hujan adalah 10°C (Jung, Zhang, & Xue et al., 2008 ) . Operator observasi untuk angin radial radar diadopsi dari Hu et al .
2.3 Praproses Data Radar Dual-Pol
Radar yang kami gunakan adalah bagian dari jaringan radar cuaca generasi baru (CINRAD) Tiongkok. Radar tersebut adalah radar dual-pol pita-S dengan panjang gelombang sekitar 10 cm. Mode pemindaian indikator posisi rencana (PPI) diadopsi, yang menampilkan sembilan sudut elevasi: 0,5°, 1,5°, 2,4°, 3,4°, 4,3°, 6,0°, 9,9°, 14,6°, dan 19,5°. Diperlukan waktu sekitar 6 menit untuk menyelesaikan satu pemindaian volume. Lebar berkas radar horizontal dan vertikal sekitar 0,9°. Jarak gerbang jangkauan adalah 250 m. Dalam data dasar radar, K DP dihitung menggunakan metode pemasangan kuadrat terkecil dengan jumlah gerbang yang adaptif (Y. Wang & Chandrasekar, 2009 ).
Untuk mengurangi keberadaan gema nonmeteorologi dan berkualitas rendah, beberapa ukuran QC digunakan sebelum DA untuk mengurangi piksel yang terpengaruh derau sebanyak mungkin. Strategi QC dilakukan dalam langkah-langkah berurutan sebagai berikut: menerapkan algoritma klasifikasi hidrometeor yang diusulkan oleh Park et al. ( 2009 ) untuk mengidentifikasi dan menghilangkan kekacauan tanah serta hamburan biologis; menyaring piksel dengan rasio sinyal terhadap derau (SNR) kurang dari 10 dB (Tabary et al., 2013 ), yang dianggap terkontaminasi atau berkualitas rendah; menghilangkan pengamatan K DP dengan nilai negatif karena K DP intrinsik hidrometeor berorientasi horizontal (misalnya, hujan) harus positif; menolak piksel jika jumlah pengamatan yang dipertahankan kurang dari 3 setelah langkah-langkah yang disebutkan di atas di wilayah sektor 3 × 3 yang berpusat di sekitarnya, memastikan bahwa piksel yang terisolasi dikecualikan; menerapkan filter median lima titik pada Z dan K DP di setiap rentang untuk menghaluskan pengamatan dan mencocokkan resolusi antara pengamatan radar dan jarak grid model (Thomas et al., 2020 ); dan melakukan algoritma dealiasing kecepatan otomatis (Heistermann et al., 2015 ) untuk mengubah ambiguitas RV. Perlu disebutkan bahwa pengamatan Z di bawah 0 dBZ dihapus setelah menyelesaikan dua langkah QC pertama. Setelah prosedur QC, pengamatan radar diinterpolasi ke kolom grid model secara horizontal dengan interpolasi bilinear dari koordinat kutub ke koordinat Cartesian sambil mempertahankan elevasi kemiringan radar secara vertikal (Xue et al., 2006 ). Sebelum pengamatan radar polarimetrik diasimilasi, ambang batas untuk variabel radar ditetapkan untuk memastikan hanya pengamatan dengan nilai lebih besar dari ambang batasnya masing-masing yang diasimilasi. Ambang batas untuk Z dan K DP dalam eksperimen masing-masing adalah 0 dBZ dan 0,2°/km. Dengan pengaturan ini, pengamatan Z dari wilayah udara cerah di atas 0 dBZ juga diasimilasi tanpa dibedakan dari wilayah hujan, yang membantu menekan konveksi palsu (Tong dan Xue, 2005 ).
2.4 Konfigurasi Eksperimental
Dalam studi ini, sistem interpolasi statistik titik grid (GSI) diadopsi untuk analisis EnKF, yang kompatibel dengan model penelitian dan peramalan cuaca (WRF). Skema filter akar kuadrat ensemble (EnSRF, Whitaker dan Hamill, 2002 ) digunakan dalam studi ini. Direkomendasikan oleh Labriola et al. ( 2021 ), lokalisasi spasial dalam analisis EnKF ditetapkan sebagai 18 km untuk lokalisasi kovariansi horizontal dan tinggi skala 0,7 (satuan: −log( P / P ref ), di mana P adalah tekanan titik grid dan P ref adalah tekanan observasi) untuk lokalisasi kovariansi vertikal. Dalam kerangka EnSRF, skema inflasi perkalian (Anderson, 2001 ; Whitaker & Hamill, 2012 ) diterapkan untuk mengembang sebaran ensemble analisis kembali ke sebaran latar belakang:
Gambar 2 menunjukkan domain yang digunakan dalam percobaan, yang berpusat di (32° LU, 118° BT). Dalam studi ini, model dikonfigurasikan dengan 501 × 501 titik grid dalam arah zonal dan meridional pada jarak grid 3 km, dan 50 lapisan vertikal dengan bagian atas model pada 50 hPa. Skema fisika yang digunakan dalam studi ini mencakup skema mikrofisika Thompson (Thompson et al., 2008 ), skema lapisan batas planet Universitas Yonsei (YSU) (Hong et al., 2006 ), skema Rapid Radiative Transfer Model for GCMs (RRTMG) (Iacono et al., 2008 ) untuk radiasi gelombang panjang dan gelombang pendek. Parameterisasi kumulus dimatikan pada grid 3 km. Skema mikrofisika Thompson adalah skema momen ganda dengan rasio pencampuran air awan, air hujan, es, salju, dan graupel yang diprediksi. Dalam hal jumlah konsentrasi, konsentrasi es dan air hujan diprediksi, sedangkan konsentrasi air awan, salju, dan graupel diparameterisasi menggunakan pendekatan momen tunggal. Karena tidak ada fase hujan es yang dipertimbangkan dalam skema mikrofisika Thompson, hidrometeor hujan es kering dan campuran hujan-hujan es dikecualikan dalam Persamaan 1-3 . Oleh karena itu, variabel yang diperbarui dalam analisis EnKF mencakup komponen angin-x ( u ), komponen angin- y ( v ), komponen angin- z ( w ), geopotensial gangguan ( P H ), temperatur potensial gangguan ( T ), rasio pencampuran uap air ( q v ), rasio pencampuran air awan ( q c ), rasio pencampuran air hujan ( q r ), rasio pencampuran es ( q i ), rasio pencampuran salju ( q s ), rasio pencampuran graupel ( q g ), konsentrasi jumlah es ( N i ), dan konsentrasi jumlah air hujan ( N r ).
Bagan alir percobaan disajikan pada Gambar 3 . Ke-40 anggota ensemble dihasilkan dengan menambahkan gangguan acak ke analisis GFS berdasarkan kovariansi kesalahan latar belakang statis (BEC) dalam kerangka sistem asimilasi data penelitian dan prakiraan cuaca (WRFDA) pada pukul 00:00 UTC tanggal 19 Juli 2020. Matriks kovariansi kesalahan latar belakang statis di atas dihasilkan menggunakan metode pusat meteorologi nasional (NMC), di mana fungsi aliran ( ψ ), potensi kecepatan tidak seimbang ( χ u ), suhu tidak seimbang ( T u ), kelembaban relatif semu (RH s ), dan tekanan permukaan tidak seimbang ( P s , u ) digunakan sebagai variabel kontrol (Torn & Hakim, 2009 ), dengan membandingkan perbedaan antara prakiraan 24 jam dan 12 jam dari pukul 00:00 UTC tanggal 1 Juli hingga pukul 00:00 UTC tanggal 1 Agustus 2020. Data ERA5 (Hersbach et al., 2020 ) digunakan untuk memberikan perkiraan awal. dan kondisi batas untuk metode NMC. Prosedur eksperimen terperinci dijelaskan sebagai berikut. Awalnya, operasi spin-up ensemble 7 jam dilakukan dari 00:00 UTC 19 Juli hingga 07:00 UTC 19 Juli. Kemudian, pengamatan radar Changzhou diasimilasi dengan metode EnKF setiap 6 menit selama 1 jam berikutnya. Akhirnya, prakiraan deterministik 1 jam yang diinisialisasi dari analisis rata-rata ensemble akhir dilakukan dari pukul 08:00 hingga 09:00 UTC 19 Juli. Tiga eksperimen dilakukan untuk mengevaluasi dampak asimilasi pengamatan K DP polarimetrik dibandingkan dengan pengamatan Z dan RV. Sebagai dasar, eksperimen “CNTL” dilakukan tanpa DA apa pun dengan hanya mengintegrasikan model dari pukul 07:00 hingga 09:00 UTC. Selain itu, dua eksperimen tambahan dilakukan dengan asimilasi data radar: yang satu mengasimilasi Z dan RV (dilambangkan dengan “EXPZ”), sementara yang lain lebih lanjut mengasimilasi variabel polarimetri K DP (dilambangkan dengan “EXPZKDP”). Cakupan radar Changzhou yang digunakan untuk DA diilustrasikan dalam Gambar 2 , bersama dengan radar Nantong yang digunakan untuk verifikasi. Kesalahan observasi untuk observasi radar ditetapkan sebesar 5 dBZ untuk Z , 3 m/s untuk RV, dan 0,3°/km untuk K DP mengacu pada Putnam ( 2016 ). Menurut metode yang diusulkan oleh Desroziers et al. ( 2005 ), korelasi kesalahan observasi yang diestimasikan antara Z dan K DP adalah 0,42. Untuk memeriksa apakah korelasi ini dapat ditoleransi, eksperimen sensitivitas dilakukan dengan mengasimilasi Zdengan kesalahan pengamatan yang lebih kecil. Ditemukan bahwa hasil dengan kesalahan pengamatan yang lebih kecil lebih rendah daripada hasil dari percobaan EXPZKDP (tidak ditampilkan). Hal ini dapat dikaitkan dengan fakta bahwa K DP memiliki hubungan yang lebih linier dengan tingkat curah hujan dibandingkan dengan Z , yang akan dibahas lebih lanjut dalam hal kovariansi ansambel sebelumnya antara K DP dan q r pada Gambar 5 .
Penyebaran ensemble u , v , T , q v , dan q r pada 850 hPa ditunjukkan pada Gambar 4 pada pukul 07:00 UTC tanggal 19 Juli oleh prakiraan ensemble yang disediakan sebagai latar belakang untuk asimilasi berikut. Penyebarannya sangat besar di area tempat kesalahan prakiraan model signifikan, khususnya pada variabel dinamis dan termodinamika, serta variabel hidrometeor, yang menunjukkan ketidakpastian substansial di Provinsi Jiangsu selatan tempat garis badai terbentuk. Ensemble awal masuk akal karena secara efektif menangkap ketidakpastian latar belakang dengan menyediakan kovariansi kesalahan latar belakang yang bergantung pada aliran untuk analisis EnKF berikutnya.
Gambar 5 mengilustrasikan korelasi ensemble sebelumnya antara titik observasi dan variabel model termasuk u , v , w , T , q r , dan N r 0,4 pada 07:00 UTC 19 Juli dalam siklus DA pertama. N r pangkat 0,4 diadopsi sehingga sensitivitas pada nilai besar dipertahankan sambil mengurangi rentang dinamis data (Xue et al., 2010 ). Titik hitam mewakili titik observasi di latar belakang rata-rata ensemble dengan Z 27 dBZ dan K DP 0,51°/km. Garis putus-putus vertikal hitam menunjukkan jarak lokalisasi spasial, sedangkan titik grid vertikal pada gambar secara kasar berada dalam panjang lokalisasi vertikal karena tekanan titik hitam adalah 767 hPa. Pembaruan variabel model diwujudkan oleh matriks penguatan Kalman, yang diperkirakan berdasarkan variabel model dan simulasi observasi dari ensemble sebelumnya dalam kerangka EnKF. Oleh karena itu, variabel model dapat diperbarui selama analisis EnKF, bahkan untuk variabel yang tidak memiliki hubungan langsung dengan observasi. Angin, suhu, dan air hujan memiliki korelasi yang relatif kuat, baik positif maupun negatif, dengan observasi K DP , yang meningkatkan penyesuaian variabel model ini. Korelasi ensemble sebelumnya antara Z dan variabel model lebih kecil di area di atas titik hitam, terutama untuk w , q r , dan N r 0,4 . Hubungan yang lebih linear antara curah hujan dan observasi K DP dapat berkontribusi pada peningkatan korelasi antara K DP dan variabel model w , q r , dan N r 0,4 , yang lebih terkait langsung dengan tetesan hujan.
3 Hasil
3.1 Analisis EnKF
Root mean square increment (RMSI) dari dua eksperimen DA disajikan dalam Gambar 6. Ini berdasarkan pada perbedaan antara analisis dan latar belakang setelah analisis EnKF pertama, di mana kedua eksperimen memiliki latar belakang yang sama. RMSI adalah metrik kunci yang mengukur perbedaan antara analisis dan latar belakang, yang mencerminkan amplitudo penyesuaian observasi ke model di setiap lapisan. Ini dihitung pada titik grid model di mana K DP maksimum lebih besar dari 0,9°/km dalam observasi bentuk kemiringan. Ambang batas dirujuk dari Jung, Xue, dkk. ( 2008 ) untuk mengurangi efek kesalahan acak berkorelasi dan tidak berkorelasi dari observasi radar. Karena korelasi ansambel sebelumnya adalah pembilang dari gain Kalman, RMSI dapat dipengaruhi sebagian oleh korelasi ansambel sebelumnya. Disimpulkan dari korelasi ensemble sebelumnya antara observasi tunggal dan variabel model pada Gambar 5 , nilai absolut korelasi ensemble w , T , dan qr sebelumnya untuk K DP sebagian besar lebih besar daripada untuk Z , kecuali untuk T di lapisan bawah, yang pada dasarnya konsisten dengan RMSI dari dua eksperimen DA. Sehubungan dengan q r (Gambar 6a ), karena K DP yang kuat terutama terkait dengan jatuhnya tetesan air hujan dengan curah hujan yang deras, RMSI di bawah 500 hPa dalam eksperimen EXPZKDP jelas lebih besar daripada RMSI dalam eksperimen EXPZ. Dalam hal w (Gambar 6b ), RMSI di bawah 500 hPa dalam eksperimen EXPZKDP masih lebih besar daripada RMSI dalam eksperimen EXPZ. Area inti korelasi ensemble w sebelumnya yang negatif secara tepat menutupi titik K DP pada Gambar 5 , yang menunjukkan downdraft yang lebih kuat dapat ditemukan di tempat observasi K DP ada dalam eksperimen EXPZKDP. Karena hambatan dan efek pendinginan diabatik dari tetesan hujan yang jatuh, aliran udara ke bawah diperkuat di area presipitasi, yang membawa perubahan signifikan pada w . Untuk T (Gambar 6c ), RMSI di bawah 700 hPa dalam eksperimen EXPZKDP sedikit lebih besar daripada yang ada dalam eksperimen EXPZ. Hal ini dapat dijelaskan oleh efek pendinginan yang disebabkan oleh penguapan tetesan hujan yang jatuh. Asimilasi pengamatan K DP menggabungkan informasi tentang tetesan hujan yang jatuh ke latar belakang, yang mengarah ke perbedaan RMSI yang lebih besar antara dua eksperimen DA dan mendorong penyesuaian yang lebih signifikan pada latar belakang.
Gambar 7 membandingkan reflektivitas komposit yang dianalisis dengan pengamatan dari pukul 07:00 hingga 08:00 UTC dengan interval 30 menit. Pada pukul 07:00 UTC, gema reflektivitas yang diamati terutama ditemukan di sebelah timur Kota Nanjing (Gambar 7a ). Struktur garis badai yang diamati tidak sepenuhnya berkembang dengan reflektivitas maksimum sekitar 50 dBZ. Dalam percobaan CNTL (Gambar 7d ), sistem konvektif terjadi lebih jauh ke timur daripada pengamatan, dengan bias bujur sekitar 0,5°. Sebaliknya, gema reflektivitas dalam dua percobaan DA lainnya memiliki korespondensi yang lebih baik dengan pengamatan, terutama untuk gema yang terletak di (33° LU, 120° BT), yang terlewatkan oleh CNTL. Khususnya, seperti yang ditunjukkan oleh elips biru, gema yang dianalisis pada 32°N dalam percobaan EXPZKDP (Gambar 7j ) hampir sama kuatnya dengan gema yang diamati, sedangkan gema dalam percobaan EXPZ (Gambar 7g ) agak lemah. Pada pukul 07:30 UTC, garis badai yang terorganisir dengan baik ditemukan dari pengamatan (Gambar 7b ). Dalam percobaan CNTL (Gambar 7e ), struktur sistem tidak terorganisir dengan baik dengan gema yang tersebar dan terisolasi. Garis badai masih menunjukkan bias ke arah timur, yang menunjukkan bahwa garis tersebut bergerak lebih cepat daripada pengamatan. Dibandingkan dengan percobaan CNTL, gema dalam dua percobaan DA mengoreksi orientasi garis badai dari timur laut-barat daya ke utara-selatan. Selain itu, gema palsu yang ditandai oleh elips merah ditekan dalam dua percobaan DA yang mungkin disebabkan oleh asimilasi gema udara jernih. Namun, gema reflektivitas dalam percobaan EXPZKDP (Gambar 7k ), khususnya di wilayah elips biru, lebih kuat daripada gema dalam percobaan EXPZ (Gambar 7h ), yang lebih sesuai dengan pengamatan. Pada pukul 08:00 UTC, garis badai yang diamati bergerak ke arah timur hingga sekitar 121°E (Gambar 7c ). Dalam percobaan CNTL (Gambar 7f ), struktur garis badai tetap mirip dengan waktu sebelumnya. Sebaliknya, kedua percobaan DA menunjukkan gema reflektivitas yang meningkat, konsisten dengan intensifikasi cepat garis badai yang diamati. Selain itu, dibandingkan dengan percobaan CNTL, gema di bagian barat laut garis badai yang terletak di (33°N, 120°E) lebih dari 35 dBZ dari kedua percobaan DA, yang konsisten dengan pengamatan. Elips biru kembali menyorot bahwa gema reflektivitas dalam percobaan EXPZKDP (Gambar 7l ) lebih kuat daripada gema dalam percobaan EXPZ (Gambar 7i ), dengan lokasi reflektivitas lebih besar dari 55 dBZ dalam percobaan EXPZKDP secara umum lebih cocok dengan pengamatan daripada dalam percobaan EXPZ.
Skor ancaman yang adil (ETS, Hamill, 1999 ) dari reflektivitas komposit dari dua percobaan DA pada ambang batas yang berbeda disajikan dalam Gambar 8 dengan interval 6 menit selama jendela DA 1 jam. ETS percobaan EXPZKDP lebih tinggi daripada ETS percobaan EXPZ hampir sepanjang seluruh periode DA. Semakin tinggi ambang batas, semakin besar perbedaan ETS antara dua percobaan DA tersebut. Setelah siklus DA ketujuh, meskipun ETS dalam dua percobaan DA menjadi stabil untuk semua ambang batas, efek positif dari asimilasi pengamatan K DP masih jelas dan dipertahankan. Ditemukan bahwa ETS pada ambang batas 50 dBZ jelas lebih kecil daripada ETS pada ambang batas lainnya, yang menunjukkan bahwa analisis gema yang kuat agak menantang. Namun, reflektivitas komposit pada akhir siklus DA EXPZKDP lebih mirip dengan pengamatan daripada EXPZ, yang menunjukkan analisis garis badai yang lebih baik.
Gambar 9 menunjukkan probabilitas ensemble lingkungan dari reflektivitas komposit dengan ambang batas 35 dBZ untuk dua eksperimen DA setelah selesainya semua siklus EnKF pada pukul 08:00 UTC. Sebagai perbandingan, reflektivitas komposit yang diamati dari radar Nantong juga ditampilkan pada Gambar 9a pada waktu yang sesuai. Jarak 2 titik grid digunakan dalam menghitung probabilitas ensemble lingkungan, yang mencakup total 25 titik grid dalam satu persegi. Dalam eksperimen EXPZ (Gambar 9b ), probabilitas ensemble lingkungan dalam badan utama garis badai lebih besar dari 0,4, yang menunjukkan bahwa lokasi garis badai di bidang analisis sesuai dengan pengamatan untuk sebagian besar anggota ensemble. Namun, area dengan probabilitas ensemble lingkungan lebih besar dari 0,7 sebagian besar terkonsentrasi di wilayah tengah garis badai. Dalam percobaan EXPZKDP (Gambar 9c ), cakupan probabilitas ansambel lingkungan yang lebih besar dari 0,7 agak diperluas, yang menunjukkan bahwa reflektivitas komposit yang dianalisis memiliki kontinuitas spasial yang lebih baik dalam prakiraan ansambel dengan mengasimilasi pengamatan K DP .
Aspek dinamis ditunjukkan pada Gambar 10 oleh divergensi semua eksperimen pada 850 hPa pukul 08:00 UTC 19 Juli, dengan reflektivitas komposit yang diamati sebesar 45 dBZ yang dikontur dalam warna biru untuk menunjukkan badan utama garis badai. Dalam eksperimen CNTL (Gambar 10a ), area dengan konvergensi jelas menyimpang dari badan utama garis badai. Perbedaan divergensi antara dua eksperimen DA ditandai dengan elips merah. Dalam eksperimen EXPZ (Gambar 10b ), konvergensi diamati di sebelah timur badan utama garis badai, yang juga didistribusikan sepanjang arah pergerakan sistem konvektif. Konvergensi yang kuat di depan garis badai mendorong pembentukan dan intensifikasi sel-sel konvektif baru di sebelah timur sistem konvektif, yang membuat garis badai terorganisir dengan baik dan terawat. Sebaliknya, percobaan EXPZKDP (Gambar 10c ) menunjukkan konvergensi yang lebih kuat daripada percobaan EXPZ, khususnya di dekat 120.8°E, yang mendukung intensifikasi konveksi parah di Kota Nantong.
Gambar 11 menampilkan angin permukaan bersama dengan reflektivitas komposit dari semua eksperimen, dibandingkan dengan reflektivitas komposit yang diamati pada 08:00 UTC 19 Juli, serta divergensi permukaan dari dua eksperimen DA. Dalam eksperimen CNTL (Gambar 11b ), gema reflektivitas secara signifikan lebih lemah daripada yang diamati dan menunjukkan bias ke arah timur dibandingkan dengan pengamatan. Sebaliknya, eksperimen EXPZKDP (Gambar 11d ) menunjukkan gema reflektivitas yang melebihi 45 dBZ yang lebih dekat dengan pengamatan, khususnya pada koordinat (32.75°N, 120.75°E) dan (32°N, 120.67°E). Selain itu, dua pusat gema dengan reflektivitas lebih besar dari 55 dBZ menonjol dalam eksperimen EXPZKDP, yang dapat ditemukan dalam pengamatan juga. Dalam percobaan EXPZ (Gambar 11c ), arah angin di sebelah timur garis biru pekat sebagian besar adalah barat daya, sedangkan arah angin di sebelah barat cenderung ke barat daya. Dalam percobaan EXPZKDP, angin di area yang sama sebagian besar adalah barat daya dan sedikit lebih kencang, khususnya di dekat wilayah yang reflektivitasnya melebihi 55 dBZ. Divalidasi oleh perhitungan kuantitatif divergensi (Gambar 11e dan 11f ), perubahan arah angin dan peningkatan kecepatan angin ini meningkatkan konvergensi di sepanjang garis biru pekat, yang terletak di sebelah timur garis badai.
Gambar 12 menyajikan penampang vektor angin dan reflektivitas terhadap reflektivitas teramati pada pukul 08:00 UTC 19 Juli. Lokasi penampang ditunjukkan oleh garis putus-putus pada Gambar 11 , yang melintasi reflektivitas komposit maksimum teramati dari garis badai. Seperti ditunjukkan pada Gambar 12b , reflektivitas maksimum dalam eksperimen EXPZ melebihi 50 dBZ, dengan arus naik yang lemah di depan sistem konvektif (persegi panjang biru) dan arus naik yang kuat di atas sistem konvektif (persegi panjang hijau). Sebagai perbandingan, eksperimen EXPZKDP (Gambar 12c ) menunjukkan pelebaran area yang signifikan dengan reflektivitas lebih dari 45 dBZ, dengan nilai maksimum meningkat hingga lebih dari 55 dBZ, selaras dengan lokasi dan intensitas reflektivitas teramati pada Gambar 12a . Analisis aliran vertikal mengungkapkan bahwa arus naik di kedua wilayah persegi panjang biru dan hijau diperkuat dalam eksperimen EXPZKDP. Khususnya, arus naik yang lebih kuat di atas garis badai menunjukkan bahwa konveksi berkembang dengan baik, sementara arus naik di sebelah timur garis badai menguntungkan bagi pemeliharaan yang stabil dan pergerakan sistem konvektif ke arah timur.
Sebagai faktor kunci untuk prediksi presipitasi, Gambar 13 menunjukkan rasio pencampuran hujan terintegrasi vertikal ( q r ) untuk semua eksperimen pada 08:00 UTC 19 Juli, serta K DP maksimum yang diamati dari semua sudut kemiringan radar Changzhou. Dalam eksperimen CNTL (Gambar 13b ), distribusi q r agak berbeda dari yang ada di dua eksperimen DA karena deviasi lokasi garis badai. Dalam Gambar 13c , q r dengan nilai lebih besar dari 24 g/kg bertepatan dengan lokasi garis badai dalam eksperimen EXPZ, yang dapat membawa hujan lebat jangka pendek yang menyertai garis badai. Dengan asimilasi tambahan K DP (Gambar 13d ), cakupan q r dengan nilai lebih besar dari 30 g/kg menjadi lebih besar, yang juga sangat sesuai dengan area di mana K DP maksimum lebih besar dari 1,5°/km dari pengamatan (Gambar 13a ). Selain itu, nilai maksimum q r dalam percobaan EXPZKDP secara signifikan lebih besar daripada nilai maksimum q r dalam percobaan EXPZ. Seperti yang diharapkan, presipitasi yang diprediksi oleh percobaan EXPZKDP memiliki besaran yang lebih besar daripada yang diprediksi oleh percobaan EXPZ.
Gambar 14 mengungkapkan penampang vertikal q r dari dua percobaan sepanjang garis merah pada Gambar 13. Dalam percobaan EXPZ (Gambar 14a ), ketinggian garis kontur 0°C berada di bawah 6 km. Selain itu, terdapat dua area kaya air hujan yang terletak di sekitar 32,16° LU dan 32,32° LU dengan q r melebihi 4,5 g/kg. Sebaliknya, ketinggian teratas garis 0°C terangkat di atas 6 km dalam percobaan EXPZKDP (Gambar 14b ). Selain itu, area di mana q r lebih besar dari 4,5 g/kg telah meluas secara signifikan dalam percobaan EXPZKDP. Untuk lebih spesifik, maksimum q r dari dua area tersebut meningkat menjadi lebih dari 5,5 dan 9,5 g/kg, berturut-turut. Mengingat bahwa K DP lebih terkait secara linear dengan laju curah hujan dan q r daripada Z , kami perkirakan q r yang lebih tinggi ini akan menjadi refleksi yang lebih akurat dari q r yang sebenarnya . Asimilasi K DP memperkaya konten q r di penampang vertikal, yang diharapkan dapat berkontribusi pada prakiraan curah hujan yang lebih baik.
Gambar 15 menyajikan plot skew- T setelah semua analisis DA pada pukul 08:00 UTC 19 Juli, bersama dengan pengamatan reflektivitas komposit pada waktu yang sama. Nilai pengukuran diambil pada (32.4°N, 120.95°E) dari file keluaran WRF yang ditandai pada Gambar 15c dengan simbol bintang, di mana ia berada di depan garis badai yang diamati. Level vertikal dari paket udara awal kira-kira pada 997 hPa untuk kedua eksperimen DA. Dalam eksperimen EXPZ (Gambar 15a ), suhu dan titik embun berdekatan satu sama lain di bawah 500 hPa, yang menunjukkan kelembapan yang lebih kaya di atmosfer tengah dan bawah. Dengan mengintegrasikan daya apung lokal secara vertikal dari sebuah paket dari level konveksi bebas (sekitar 850 hPa) ke level kesetimbangan, CAPE (energi potensial konvektif yang tersedia) dari eksperimen EXPZ adalah 1.559 J/kg, konsisten dengan karakteristik konveksi parah. Dalam percobaan EXPZKDP (Gambar 15b ), suhu dan titik embun semakin dekat pada sekitar 700 hPa. Kesenjangan antara suhu dan kelembaban adiabat juga meluas. Semua ini tercermin dari peningkatan air yang dapat diendapkan dari 70 menjadi 80 mm dan CAPE dari 1.559 menjadi 2.116 J/kg. Karena lokalisasi horizontal ditetapkan menjadi 18 km dalam analisis EnKF, asimilasi pengamatan K DP berdampak pada variabel model di wilayah nonpresipitasi berdasarkan kovariansi ansambel. Selain itu, kendala fisik yang diberlakukan oleh integrasi model NWP setelah DA dapat memengaruhi variabel model di wilayah nonpresipitasi.
Dalam hal kondisi termodinamika, Gambar 16 menunjukkan suhu potensial pseudo-ekuivalen 925 hPa ( θ se ) dari semua eksperimen DA pada pukul 08:00 UTC tanggal 19 Juli. Garis biru berkontur (pengamatan reflektivitas komposit 45 dBZ) menguraikan badan utama garis badai. Sebagian besar θ se dalam badan utama garis badai melebihi 356 K dalam eksperimen EXPZ (Gambar 16a ), kecuali untuk area yang terletak pada 32°N dan 32.5°N. Dengan asimilasi pengamatan K DP , θ se dalam badan utama garis badai meningkat hingga lebih dari 356 K dalam eksperimen EXPZKDP (Gambar 16b ). Secara khusus, θ se di bagian utara garis badai pada 32,75° LU mencapai lebih dari 360 K. θ se yang lebih tinggi di lapisan bawah berkontribusi pada pemeliharaan garis badai karena asimilasi pengamatan K DP .
3.2 Reflektifitas Komposit yang Diprediksi
Seperti yang ditunjukkan pada Gambar 17 , reflektivitas komposit yang diprediksi untuk semua eksperimen dibandingkan pada interval 12 menit dari 08:12 UTC hingga 08:36 UTC. Karena deviasi lokasi yang diamati dalam eksperimen CNTL (Gambar 7 ), masih ada bias ke arah timur yang signifikan dalam reflektivitas yang diprediksi dibandingkan dengan pengamatan. Dalam hal dua eksperimen DA, gema reflektivitas yang diprediksi secara konsisten lebih besar dari 50 dBZ sepanjang periode perkiraan, sementara cakupannya secara bertahap menjadi lebih kecil dengan waktu tunggu perkiraan. Dengan membandingkan perbedaan dari dua eksperimen DA, gema reflektivitas yang ditandai oleh elips biru lebih kuat dalam eksperimen EXPZKDP di semua waktu perkiraan, yang dapat dikaitkan dengan korelasi yang lebih kuat dari K DP ke q r daripada Z , khususnya dalam pusat presipitasi di Kota Nantong. Selain itu, struktur garis badai dapat dipertahankan lebih baik dalam eksperimen EXPZKDP, sebagaimana dibuktikan oleh area gema reflektivitas yang lebih besar yang melebihi 45 dBZ dan struktur yang kurang tersebar dan kurang terisolasi, yang khususnya terlihat pada pukul 08:36 UTC, karena garis putus-putus abu-abu menunjukkan gema yang terputus-putus di bagian utara Kota Nantong. Asimilasi pengamatan K DP mampu memperpanjang prediksi garis badai yang efektif dalam hal reflektivitas komposit.
Yang ditampilkan dalam Gambar 18 adalah ETS reflektivitas komposit dari dua eksperimen DA, yang dinilai pada ambang batas yang berbeda selama interval 6 menit selama prakiraan 1 jam. Seperti yang juga ditunjukkan dalam Gambar 17 , ETS reflektivitas komposit yang diprediksi menurun seiring dengan waktu tunggu prakiraan. Untuk ambang batas yang lebih tinggi (45 dBZ dan 50 dBZ), ETS mereka turun dengan cepat sebelum 08:18 UTC, yang juga ditemukan dalam Pan et al. ( 2014 ), Zhao et al. ( 2012 ), dan Carlin et al. ( 2017 ). Secara khusus, ETS dari dua eksperimen secara konsisten lebih besar dari 0,2 baik pada 35 dan 40 dBZ (Gambar 18a dan 18b ) untuk seluruh periode prakiraan, sementara itu lebih rendah dari 0,2 untuk ambang batas 45 dan 50 dBZ (Gambar 18c dan 18d ) untuk sebagian besar waktu. Jelas terlihat bahwa manfaat eksperimen EXPZKDP menjadi jelas setelah sekitar 30 menit prakiraan, terutama untuk ambang batas 35, 40, dan 45 dBZ. Asimilasi pengamatan K DP menghasilkan peningkatan q r , yang berkontribusi pada reflektivitas. Oleh karena itu, prediksi gema yang kuat lebih tahan lama dalam eksperimen EXPZKDP.
3.3 Prakiraan Curah Hujan
Gambar 19 menunjukkan akumulasi curah hujan yang diamati dari pukul 08:00 hingga 09:00 UTC 19 Juli, bersama dengan curah hujan yang diprediksi dari semua eksperimen pada waktu yang sama. Pengamatan curah hujan berasal dari set data sistem asimilasi data permukaan tanah Badan Meteorologi Tiongkok (CLDAS-V2.0; Shi et al., 2011 ) dengan resolusi horizontal 0,0625°. Dalam pengamatan (Gambar 19a ), pusat curah hujan terletak di Kota Nantong dengan nilai maksimum lebih besar dari 25 mm. Untuk eksperimen CNTL (Gambar 19b ), meskipun intensitas curah hujan yang diprediksi melebihi 25 mm, ada sedikit bias ke arah tenggara dari pusat curah hujan. Mengenai eksperimen EXPZ (Gambar 19c ), pusat curah hujan direlokasi ke pantai utara Kota Nantong, sementara besarnya melemah secara signifikan menjadi 15 mm. Dalam percobaan EXPZKDP (Gambar 19d ), meskipun cakupan curah hujan lebih kecil daripada yang ada dalam pengamatan, besarnya pusat curah hujan diintensifkan menjadi 25 mm, yang lebih sesuai dengan pengamatan. Dengan asimilasi K DP , peningkatan prakiraan curah hujan dalam percobaan EXPZKDP sangat terkait dengan peningkatan hidrometeor q r dalam analisis. Peningkatan ini mungkin dapat dijelaskan oleh hasil yang diilustrasikan dalam Gambar 5 bahwa korelasi antara K DP dan q r lebih kuat. Namun, curah hujan besar yang palsu terjadi di barat daya pusat curah hujan, mungkin disebabkan oleh sinyal bising dari pengamatan K DP di wilayah hujan lemah (Jung, 2008 ). Menurut percobaan sensitivitas kami (tidak ditampilkan), penurunan ambang batas K DP menjadi 0°/km memiliki sedikit efek pada prakiraan curah hujan.
Gambar 20 menyajikan ETS objektif dan skor keterampilan fraksi (FSS, Roberts dan Lean, 2008 ) dari akumulasi curah hujan 1 jam dari semua eksperimen. Panjang lingkungan FSS ditetapkan sebagai 2 titik grid, yang sesuai dengan kuadrat 25 titik grid (Vendrasco et al., 2020 ). Eksperimen CNTL secara konsisten menunjukkan keterampilan prakiraan yang rendah, dengan nilai ETS dan FSS di bawah 0,04 dan 0,30, masing-masing, di semua ambang batas. Sebaliknya, dua eksperimen radar DA menunjukkan peningkatan keterampilan prakiraan, dengan eksperimen EXPZKDP mengungguli eksperimen EXPZ di semua ambang batas. Khususnya, saat ambang batas meningkat, skor ETS dan FSS lebih tinggi dalam eksperimen EXPZKDP. ETS dan FSS dari eksperimen EXPZKDP selalu lebih besar dari 0,1 dan 0,47, masing-masing, yang berarti bahwa asimilasi tambahan K DP meningkatkan prediksi intensitas curah hujan dan distribusi curah hujan.
4. Kesimpulan dan Pembahasan
Dalam studi ini, pengamatan radar dual-pol diasimilasi secara langsung dengan pendekatan EnKF untuk analisis dan prediksi kasus garis badai di Provinsi Jiangsu. Nilai tambah dari asimilasi pengamatan K DP polarimetrik divalidasi dengan melakukan tiga eksperimen, termasuk eksperimen kontrol tanpa DA, satu hanya mengasimilasi variabel radar tradisional Z dan RV, dan satu dengan asimilasi variabel polarimetrik K DP di atas Z dan RV. Beberapa hasil ditemukan sebagai berikut:
- Dengan penggunaan kovariansi galat latar belakang yang bergantung pada aliran, kondisi dinamis dan kelembapan dalam analisis ditingkatkan secara signifikan setelah asimilasi Z dan RV, sementara kondisi dengan asimilasi tambahan K DP menjadi lebih kuat, yang berkontribusi pada prediksi yang lebih tepat dari curah hujan lebat jangka pendek di Kota Nantong. Dibandingkan dengan eksperimen EXPZ, konvergensi pada 850 hPa di sebelah timur garis badai diintensifkan dalam eksperimen EXPZKDP. Lebih jauh lagi, besarnya dan arah angin permukaan di sebelah barat garis konvergen dalam eksperimen EXPZKDP ditambah dan disesuaikan ke arah barat daya, yang menghasilkan konvergensi yang lebih kuat di sepanjang arah pergerakan sistem konvektif. Konvergensi yang lebih kuat selanjutnya dibuktikan dengan menguatnya arus naik di penampang vektor angin. Mengenai hidrometeor q r , eksperimen EXPZKDP menunjukkan besarnya q r yang lebih besar di atas Kota Nantong ketika dianalisis baik secara horizontal maupun vertikal, yang ditunjukkan oleh RMSI yang lebih tinggi di bawah 500 hPa. Oleh karena itu, analisis skew-T yang diekstraksi dari eksperimen EXPZKDP mengungkap nilai air yang dapat diendapkan dan CAPE yang lebih tinggi di stasiun di depan garis badai dekat pusat hujan lebat jangka pendek, yang merupakan indikator untuk hujan jangka pendek dengan besaran yang lebih besar baik dari aspek dinamis maupun kelembapan. Kondisi termodinamika yang ditingkatkan dalam eksperimen EXPZKDP juga dikonfirmasi oleh θ se yang lebih besar pada 925 hPa di dalam badan utama garis badai.
- Reflektivitas komposit yang dianalisis dalam percobaan EXPZKDP lebih unggul daripada yang ada dalam percobaan EXPZ. Intensitas reflektivitas komposit ditingkatkan dalam analisis dengan asimilasi tambahan K DP , khususnya di bagian utara garis badai yang mempengaruhi Kota Nantong. ETS untuk reflektivitas komposit yang dianalisis mengungkapkan bahwa skor pada semua ambang batas dalam percobaan EXPZKDP umumnya lebih tinggi daripada yang ada dalam percobaan EXPZ, dengan kesenjangan antara kedua percobaan melebar saat ambang batas meningkat. Selain itu, kecenderungan total ETS untuk analisis membaik seiring waktu DA, dan skor pada semua ambang batas secara bertahap mendekati nilai maksimal yang melebihi 0,4 dalam percobaan EXPZKDP. Setelah semua siklus DA, probabilitas ansambel lingkungan dari reflektivitas komposit yang dianalisis yang melebihi 35 dBZ dalam percobaan EXPZKDP menunjukkan kesesuaian yang lebih baik dengan pengamatan.
- Dalam prakiraan deterministik, meskipun ETS untuk reflektivitas komposit yang diprediksi menurun seiring waktu prakiraan, eksperimen EXPZKDP menunjukkan keuntungan signifikan dalam memprediksi curah hujan lebat jangka pendek dibandingkan dengan eksperimen EXPZ. Pusat curah hujan yang diprediksi oleh eksperimen EXPZ bergeser ke pantai utara Kota Nantong, yang lebih sesuai dengan pengamatan. Namun, besarnya pusat curah hujan dalam eksperimen EXPZ diremehkan sebesar 10 mm dibandingkan dengan pengamatan. Sebaliknya, intensitas pusat curah hujan yang diprediksi oleh eksperimen EXPZKDP semakin diintensifkan hingga lebih dari 25 mm, yang lebih sesuai dengan pengamatan. Verifikasi kuantitatif, termasuk penilaian ETS dan FSS dari curah hujan yang diprediksi, menunjukkan bahwa keterampilan prakiraan keseluruhan dari eksperimen EXPZKDP adalah yang tertinggi di antara semua eksperimen di semua ambang batas. Khususnya, ketika ambang batas mencapai 18 mm, nilai ETS dan FSS untuk eksperimen EXPZKDP lebih dari dua kali lipat dari eksperimen lainnya.
Studi ini merupakan upaya yang berhasil untuk mengasimilasi variabel polarimetri K DP dalam sistem GSI-EnKF untuk analisis dan prediksi garis badai di Provinsi Jiangsu dengan hasil positif. Namun, dengan mempertimbangkan ketidakpastian yang terkait dengan skema mikrofisika dan operator pengamatan, tetap menjadi tantangan untuk mengasimilasi pengamatan K DP dalam sistem sinoptik yang berbeda, karena kadar air dan jenis hidrometeor dapat berbeda secara signifikan, seperti topan dan hujan badai. Selain itu, studi ini berfokus secara eksklusif pada asimilasi pengamatan K DP . Studi penelitian di masa mendatang dapat mengeksplorasi asimilasi pengamatan Z DR , atau bahkan pengamatan K DP dan Z DR , untuk menilai dampaknya pada NWP. Akhirnya, kerangka kerja asimilasi variabel polarimetri dengan metode hibrida variasional ensemble/tiga dimensi layak dikembangkan untuk mengurangi biaya komputasi dalam analisis dan prakiraan.
