报告题目：基于深度学习的次网格边界层效应动力约束同化方案及其对台风预报的影响

报告人：李昕 研究员，南京气象科技创新研究院

时间地点：2025年4月22日下午14:00-15:00，

报告地点：西康路1号河海大学闻天馆204

主持人：沈浙奇 副教授

报告人简介：

李昕，南京气象科技创新研究院院长助理，研究员，模式团队首席，国家优秀青年科学基金获得者，主要从事资料同化和区域数值天气预报研究，担任国家重点研发计划青年科学家项目负责人。研发了考虑动力约束的集合变分同化方案，实现了流依赖背景误差协方差和物理约束的结合，官方应用于WRF模式，国际应用。聚焦强对流天气，开展云区和近地层卫星资料同化方法研究，研发了卫星微波云水信息约束的全空红外辐射同化方案，考虑次网格地形效应的卫星地表同化观测算子方案等。多项成果发表于MWR、JGR等期刊。建设江苏气象部门业务数值预报模式，实现多源卫星和雷达遥感资料同化应用。

报告摘要：

在资料同化方法中加入合适的物理约束对于灾害性天气资料同化和数值预报具有重要意义。一般而言，物理约束或四维变分的模式约束往往很难很好的描述次网格物理过程。随着人工智能技术的发展，在物理约束中考虑次网格物理过程成为可能。本研究在动量方程约束的基础上，通过机器学习引入边界层湍流摩擦效应，建立了考虑次网格物理过程的物理约束方案。首先，采用深度神经网络模型训练了WRF模式由YSU边界层参数化方案模拟的水平动量倾向。其次，在WRFDA的EnVar框架下，将边界层动量倾向引入变分同化的动量方程弱约束，通过嵌入深度神经网络模型实现边界层次网格湍流摩擦项，并发展了其切线性和伴随算子，构建了融入机器学习架构的变分同化模型。最终，为资料同化建立了考虑边界层网格湍流摩擦效应的物理约束方案。将新的同化方案应用于沿海雷达径向风同化试验，对不同典型登陆台风的数值模拟试验表明，新方案更好的描述了资料同化过程中的边界层四力平衡约束，在风场直接观测量同化的同时，更好的改善了气压和温度等热力场，对台风强度和结构预报起积极作用。