DOI: https://doi.org/10.5194/gmd-19-8213-2026
تاريخ النشر: 2026-09-07
المؤلف: Jun Park وآخرون
الموضوع الرئيسي: الظواهر الجوية والمحاكاة
نظرة عامة
تقدم هذه الدراسة أول تنفيذ وتقييم لدمج بيانات انعكاسية الرادار ضمن نظام دمج البيانات الثلاثي الأبعاد المتنوع (En3DVar) في إطار الجهود المشتركة لدمج بيانات التنبؤ (JEDI). بناءً على الأعمال السابقة مع أنظمة JEDI LETKF وGSI En3DVar، تركز الأبحاث على خوارزمية JEDI En3DVar المدمجة مع نموذج FV3-LAM باستخدام مخطط فيزيائي ثومبسون. تم تحسين مشغل ملاحظة الانعكاسية الرادارية من خلال تعديل الصيغ الخاصة بانعكاسية الثلج والغراوبل لتعزيز التوافق مع فيزياء ثومبسون، مما أدى إلى تحسين تحليلات الانعكاسية على ارتفاعات أعلى وتقليل الابتكارات الجذرية المتوسطة لكل من الانعكاسية وسرعة الشعاع خلال دورات دمج البيانات.
لتقييم هذا التنفيذ الجديد، تجري الدراسة تجارب دمج البيانات باستخدام كل من أنظمة JEDI وGSI En3DVar تحت مشغلات ملاحظة وتكوينات متطابقة، مما يظهر تحليلات وتوقعات قصيرة المدى متقاربة. يلتقط التجربة المعتمدة على JEDI بنجاح هيكل العاصفة وموقعها، محققة دقة تعادل أو تتجاوز تلك الخاصة بتوقعات التحديث السريع عالي الدقة (HRRR) والتوقعات التجريبية لنظام التحديث السريع (RRFS). لوحظت تحسينات ملحوظة في تمثيل النوى الحملية وأشرطة المطر الاستوائية، حيث تتماشى شدة وتغطية الانعكاسية بشكل أقرب مع الملاحظات الرادارية.
مقدمة
تناقش مقدمة الورقة التحديات المستمرة في التنبؤ بدقة بالأحداث الجوية ذات التأثير العالي على مقياس الحمل، مثل الخلايا الفائقة والأعاصير، والتي تعتبر حاسمة لكل من البحث والتنبؤ العددي التشغيلي (NWP). تبرز أهمية الملاحظات الرادارية عالية الدقة، وخاصة الانعكاسية الرادارية وسرعة الشعاع، في تحسين الظروف الأولية لنماذج NWP، مما يعزز مهارة التوقعات قصيرة المدى. تناقش الورقة طريقتين رئيسيتين لدمج الانعكاسية الرادارية في نماذج NWP: مرشح كالمان المتنوع (EnKF) والطرق المتغيرة. بينما يعد EnKF أسهل في التنفيذ ويوفر تحليلات جماعية، إلا أنه محدود بفرضيات الخطأ الغاوسي والمشكلات المتعلقة بحجم المجموعة. في المقابل، يمكن أن تتعامل الطرق المتغيرة، بما في ذلك الطرق المتغيرة ثلاثية الأبعاد (3DVar) والطرق الهجينة المتنوعة (En3DVar)، بشكل أفضل مع عدم الخطية ولكنها تتطلب نماذج خطية متجانسة ومعكوسة معقدة.
يقترح المؤلفون تحسين مشغل ملاحظة الانعكاسية الرادارية ضمن إطار الجهود المشتركة لدمج بيانات التنبؤ (JEDI)، بهدف تحسين توافقه مع مخطط فيزياء ثومبسون ذو اللحظتين. يتيح هذا التطور دمج الانعكاسية الرادارية بشكل مباشر، مما يعالج قيود الطرق الحالية. توضح الورقة هيكل الدراسة، بما في ذلك تقييم المشغل المحسن مقابل النماذج التشغيلية، وتضع الأساس للأقسام اللاحقة التي ستفصل المنهجية، وحالة الاختبار، والنتائج، وآثار النتائج.
نقاش
في هذا القسم، يناقش المؤلفون تطوير وتقييم مشغل ملاحظة الانعكاسية الرادارية المصمم خصيصًا لمخطط فيزياء ثومبسون ضمن نموذج البحث والتنبؤ الجوي (WRF). يحسب المشغل عامل الانعكاسية المعادل ($Z_e$) بناءً على نسب الخلط وتركيزات العدد الكلي لمختلف الهيدرو ميتر، بما في ذلك مياه الأمطار، الثلج، والغراوبل. تبرز الدراسة أهمية تمثيل تأثيرات الذوبان المعتمدة على درجة الحرارة بدقة والتفريق بين ظروف الثلج الرطب والجاف لتعزيز أداء المشغل. يظهر المشغل المحدث تحسينات كبيرة في التوافق مع فيزياء ثومبسون، مما يؤدي إلى توافق أفضل مع قيم الانعكاسية التي تم تشخيصها بواسطة النموذج، وخاصة بالنسبة للثلج والغراوبل، كما يتضح من معاملات الارتباط ($r^2$) التي تبلغ 0.996 و0.968، على التوالي.
يظهر المؤلفون أيضًا فعالية المشغل من خلال تجارب دمج البيانات، مقارنين أداء المشغل الجديد مع التنفيذات السابقة. تشير النتائج إلى أن المشغل المحدث يؤدي إلى تحسين تحليلات الأنظمة الحملية، حيث يلتقط الميزات الرئيسية مثل الهيكل وشدة الانعكاسية بدقة أكبر من الطرق السابقة. يعزز دمج بيانات الرادار بشكل كبير تمثيل حقول الهيدرو ميتر، وخاصة الثلج والغراوبل، مما يحسن بدوره جودة التوقعات العامة. تؤكد النتائج قدرة المشغل على تسهيل توقعات أكثر دقة على المدى القصير وتبرز الإمكانية لمزيد من التحسينات من خلال دمج بيانات ملاحظات إضافية.
DOI: https://doi.org/10.5194/gmd-19-8213-2026
Publication Date: 2026-09-07
Author(s): Jun Park et al.
Primary Topic: Meteorological Phenomena and Simulations
Overview
This study introduces the first implementation and evaluation of radar reflectivity data assimilation within the ensemble three-dimensional variational (En3DVar) data assimilation system of the Joint Effort for Data assimilation Integration (JEDI) framework. Building on previous work with the JEDI LETKF and GSI En3DVar systems, the research focuses on the JEDI En3DVar algorithm coupled with the FV3-LAM model utilizing the Thompson microphysics scheme. The radar reflectivity observation operator has been refined by adjusting the formulations for snow and graupel reflectivity to enhance consistency with the Thompson microphysics, resulting in improved reflectivity analyses at higher altitudes and reduced root-mean-square innovations for both reflectivity and radial velocity during data assimilation cycles.
To evaluate this new implementation, the study conducts data assimilation experiments using both the JEDI and GSI En3DVar systems under identical observation operators and configurations, demonstrating comparable analyses and short-range forecasts. The JEDI-based experiment effectively captures storm structure and placement, achieving accuracy on par with or exceeding that of real-time High-Resolution Rapid Refresh (HRRR) and experimental Rapid Refresh Forecast System (RRFS) forecasts. Notable improvements are observed in the representation of convective cores and stratiform rainbands, where the intensity and coverage of reflectivity align more closely with radar observations.
Introduction
The introduction of the paper addresses the ongoing challenges in accurately predicting high-impact convective-scale weather events, such as supercells and tornadoes, which are critical for both research and operational numerical weather prediction (NWP). It highlights the significance of high-resolution radar observations, particularly radar reflectivity and radial velocity, in improving the initial conditions of NWP models, thereby enhancing short-range forecast skill. The paper discusses two primary methods for assimilating radar reflectivity into NWP models: the Ensemble Kalman Filter (EnKF) and variational methods. While EnKF is easier to implement and provides ensemble analyses, it is limited by Gaussian error assumptions and issues related to ensemble size. In contrast, variational methods, including three-dimensional variational (3DVar) and hybrid ensemble-variational (En3DVar) approaches, can better handle nonlinearity but require complex tangent-linear and adjoint models.
The authors propose a refinement of the radar reflectivity observation operator within the Joint Effort for Data assimilation Integration (JEDI) framework, aiming to improve its consistency with the double-moment Thompson microphysics scheme. This development enables direct variational assimilation of radar reflectivity, addressing the limitations of existing methods. The paper outlines the structure of the study, including the evaluation of the refined operator against operational models, and sets the stage for subsequent sections that will detail the methodology, test case, results, and implications of the findings.
Discussion
In this section, the authors discuss the development and evaluation of a radar reflectivity observation operator tailored for the Thompson microphysics scheme within the Weather Research and Forecasting (WRF) model. The operator computes the equivalent reflectivity factor ($Z_e$) based on the mixing ratios and total number concentrations of various hydrometeors, including rainwater, snow, and graupel. The study highlights the importance of accurately representing temperature-dependent melting effects and differentiating between wet and dry snow conditions to enhance the operator’s performance. The updated operator shows significant improvements in consistency with the Thompson microphysics, yielding better agreement with model-diagnosed reflectivity values, particularly for snow and graupel, as evidenced by correlation coefficients ($r^2$) of 0.996 and 0.968, respectively.
The authors further demonstrate the operator’s efficacy through data assimilation experiments, comparing the performance of the new operator against previous implementations. Results indicate that the updated operator leads to improved analyses of convective systems, capturing key features such as the structure and intensity of reflectivity more accurately than prior methods. The assimilation of radar data significantly enhances the representation of hydrometeor fields, particularly snow and graupel, which in turn improves the overall forecast quality. The findings underscore the operator’s capability to facilitate more accurate short-term forecasts and highlight the potential for further enhancements through the integration of additional observational data.