ECMWF的IFS的观测内容文档

《ECMWF的IFS的观测文档》文档定义和描述欧洲中期天气预报中心（ECMWF）的集成预报系统（IFS）的观测部分的内容。

今天先对每章节内容做概括j介绍，后续再作详细翻译。

1. 观测总览 (Overview: the observation world)

• 介绍了IFS中观测数据处理的复杂性，包括观测的多样性和处理它们所需的不同方法。
• 讨论了观测算子（H()）的作用，它将模型状态（x）转换为观测等价物（H(x)）。
• 描述了与观测相关的元数据和观测数据库（ODB）的结构和使用。

1.1 引言 (Introduction)

• 描述了观测数据处理在IFS数据同化系统中的复杂性。
• 讨论了观测数据和观测算子H()在数据同化中的作用。

1.2 概念 (Concepts)

• 1.2.1 观测分组、报告和基准点 (Observation groupings, reports and datums)：介绍了观测数据的层次结构和组织方式，包括观测分组、报告和基准点的概念。
• 1.2.2 观测集 (Observation sets)：解释了在IFS中如何将报告组织成集合以进行有效并行计算。
• 1.2.3 时间槽 (Timeslots)：讨论了4D-Var窗口的时间划分，以及如何将观测数据分组成时间槽进行处理。
• 1.2.4 事件和状态 (Events and status)：描述了观测处理结果如何存储在ODB中，包括报告状态、基准点状态和事件。
• 1.2.5 筛选轨迹 (The screening trajectory)：解释了筛选轨迹的概念，以及它在观测处理中的一次性初始化作用。
• 1.2.6 观测数据库在IFS中的使用 (Observation Database usage in IFS)：详细介绍了ODB-1的功能和在IFS中的使用方式。
• 1.2.7 并行方面 (Parallel aspects)：讨论了IFS的多进程多线程并行处理能力，特别是在处理观测数据时的并行策略。

1.3 数据流通过处理和筛选 (Dataflow through processing and screening)

• 描述了观测数据处理在IFS中的多个阶段，以及如何通过不同的处理阶段进行数据流的管理。

1.4 IFS中的观测分组 (Observation groupings in the IFS)

• 1.4.1 Obstype和codetype：介绍了IFS中使用的观测类型（obstype）和代码类型（codetype）。
• 1.4.2 SQNO - [已弃用] (SQNO - [DEPRECATED])：讨论了SQNO的概念，这是一个已弃用的内部代码。
• 1.4.3 物理变量：varno (Physical variable: varno)：解释了变量编号（varno）及其在观测数据处理中的重要性。
• 1.4.4 观测操作员代码：NVAR (Observation operator codes: NVAR)：讨论了观测操作员代码及其在观测数据处理中的应用。
• 1.4.5 Satgrp表和相关 (Satgrp table and friends)：介绍了卫星观测数据的分组和相关数据结构。
• 1.4.6 ‘区域’类型 - [已弃用] (‘Area’ type - [DEPRECATED])：讨论了‘区域’类型的概念，这是另一个已弃用的内部代码。
• 1.4.7 VarBC偏差组 (VarBC bias groups)：介绍了VarBC偏差校正系统中使用的偏差组。

第一章为读者提供了对IFS中观测数据处理的全面理解，包括其概念、数据结构、处理流程和并行计算策略。

2. 观测准备 (Preparation of observations)

• 详细说明了在IFS中进行观测数据处理之前所需的准备工作，包括非COPE状态下的独立准备工作和COPE（Continuous Observation Processing Environment）中的任务。
• 涵盖了变量转换、数据检索、观测误差的计算和背景误差估计。

第二章“观测准备”（Preparation of observations）详细描述了在数值天气预报（NWP）模型中使用观测数据之前所需的处理步骤。以下是该章内容的详细概括：

2.1 引言 (Introduction)

• 介绍了观测准备的概念，包括在主IFS代码外部和内部进行的预处理任务，以及在初始“筛选”运行期间发生的准备工作。

2.2 非COPE状态下的独立准备工作 (Non-COPE state-independent preparations)

2.2.1 晴空卫星辐射率 (Clear-sky satellite radiances)

描述了在将数据加载到ODB之前对辐射观测进行预筛选的过程，包括数据体积减少和格式、位置检查。

• 描述了对晴空条件下的卫星辐射观测数据进行预筛选的流程，包括数据体积的减少和关键信息的缺失检查。

• 讨论了如何通过BUFR格式解码和检查观测数据，以及如何通过SCREEN 1C程序去除特定扫描线或位置的数据。

• 提及了数据在通过预筛选后如何重新编码并提供给ODB加载器。

2.2.2 全天候微波辐射率 (All-sky microwave radiances)

涉及对微波成像仪和探测仪的观测数据进行预处理，包括数据网格化和数据体积减少。

• 涉及对微波成像仪和探测仪接收到的观测数据的预处理，这些数据以BUFR格式接收。

• 描述了如何对成像仪数据进行超观测（superobbing）处理，将数据投影到与T255分辨率相对应的高斯网格上，并减少数据量。

• 讨论了对探测仪数据进行的数据处理，包括应用天线模式校正和时间槽内的数据稀化。

2.2.3 地面雷达降水合成 (Ground-based radar precipitation composites)
讨论了对NCEP Stage IV表面降水合成数据的预处理，以减少代表性问题。
• 讨论了在同化前对NCEP Stage IV表面降水合成数据的预处理，包括在模型网格上的平均化处理和选择东部地区的观测数据。
• 描述了如何避免地面雷达测量在洛基山脉等复杂地形上可能出现的代表性问题。
• 介绍了如何通过BUFR SCREEN NEXRAD程序进行预筛选，以及如何将预处理后的观测数据转换为对数(RR[mm/h]+1)空间。
详细描述了对地面雷达观测数据进行预处理的步骤，以便它们能够被用于数值天气预报模型的同化过程。

2.3 连续观测处理环境 (COPE)

• 讨论了COPE项目的目标，即整合各种观测处理任务到一个统一的模块化框架中，并描述了COPE环境如何处理传统的现场观测数据。

2.4 变量转换，包括检索 (Variable conversions including retrievals)

• 2.4.1 传统观测 (Conventional observations)

描述了风向和风力转换为风分量，温度和露点转换为相对湿度和比湿的过程。

• 2.4.2 散射计风 (Scatterometer winds)
  介绍了从散射计数据中检索风速和风向的过程。
• 2.4.3 调整变量 (Adjusted variables)：
  讨论了如何调整某些观测值，例如使用压力趋势信息调整地面站的表面气压。
• 2.4.4 其他转换 (Other conversions)
  提及了其他类型的观测数据转换。

2.5 观测误差 (Observation errors)

• 讨论了在观测预处理阶段分配的三种类型的观测误差：持续性观测误差、规定观测误差和最终观测误差。

2.6 背景误差估计用于筛选 (Background error estimates for screening)

• 描述了如何为观测分配背景误差估计值，这些值在背景质量控制中使用。

2.7 其他准备工作 (Other preparations)

• 2.7.1 微波辐射的地表发射率 (Surface emissivity for microwave radiances)：讨论了如何为微波辐射设置地表发射率。
• 2.7.2 云影响的红外辐射 (Cloud affected infrared radiances)：描述了如何处理受云影响的红外辐射观测。
• 2.7.3 AMV高度重新分配 (AMV height reassignment)：介绍了为解决高风切变情况下AMVs的高度分配问题而采取的操作。

第二章的内容强调了在将观测数据同化到数值模型中之前，需要进行的一系列复杂的准备工作，这些工作确保了观测数据的质量，为生成准确的天气预报提供了基础。

第3章：观测算子 (Observation operators)

• 描述了观测算子的顶层结构和它们在数据同化中的作用。
• 包括了传统观测算子、卫星辐射算子、GPS无线电掩星弯曲角度、地面雷达降水合成和大气成分观测算子。
  第3章“观测算子”（Observation operators）详细介绍了在数值天气预报（NWP）模型中，如何将观测数据转换为模型可以理解和同化的形式。以下是对第3章每一小节内容原理的详细概括：

3.1 引言 (Introduction)

• 3.1.1 顶层观测算子：HOP：介绍了顶层观测算子HOP的作用，它是如何运行观测算子来处理一组观测数据的。
• 3.1.2 切线线性和伴随代码：讨论了观测算子的切线线性（Tangent-Linear, TL）和伴随（Adjoint）代码的重要性和应用。
• 3.1.3 数据选择控制：NOTVAR：描述了如何使用NOTVAR数组来控制哪些数据类别将被用于观测算子。
• 3.1.4 测试框架：介绍了观测算子的测试框架，包括如何进行单元测试和集成测试。
• 3.1.5 其他观测算子测试：讨论了对观测算子进行的其他测试，如4D-Var链的伴随测试。

3.2 传统观测算子 (Conventional observation operators)

• 3.2.1 通用方面：概述了传统观测算子的一般特性，包括垂直插值和观测变量的转换。
• 3.2.2 位势高度：介绍了位势高度观测算子，它如何从模型状态中计算出位势高度。
• 3.2.3 风：描述了风观测算子，包括如何处理风速和风向的观测。
• 3.2.4 湿度：讨论了湿度观测算子，包括相对湿度和比湿的计算。
• 3.2.5 温度：解释了温度观测算子，包括如何从模型状态中插值温度。
• 3.2.6 地面观测算子：介绍了地面观测数据的垂直插值和处理。
• 3.2.7 大气运动向量（AMV）：讨论了AMV的观测算子，包括风速和风向的估算。
• 3.2.8 气体检索：涉及大气成分如臭氧的观测算子。
• 3.2.9 散射计风：描述了如何从散射计数据中检索风速和风向。

3.3 卫星辐射算子 (Satellite radiance operators)

• 3.3.1 通用设置：介绍了卫星辐射数据同化的通用设置，包括观测算子的初始化和配置。
• 3.3.2 晴空辐射率：讨论了晴空条件下卫星辐射率的观测算子，包括辐射传输模型的应用。
• 3.3.3 全天候辐射率：介绍了在云层和降水条件下的卫星辐射率观测算子。
• 3.3.4 晴空边缘辐射率：涉及卫星边缘观测数据的观测算子。

3.4 GPS无线电掩星弯曲角度 (GPS Radio Occultation bending angles)

• 描述了GPS无线电掩星技术如何用于计算大气层的弯曲角度，这些角度可以用于估计大气的折射指数。

3.5 地面雷达降水合成 (Ground-based radar precipitation composites)

• 讨论了如何将地面雷达观测的降水数据合成，并用于数值天气预报模型的同化。

3.6 大气成分 (Atmospheric composition)

• 涉及大气成分观测算子，这些算子处理大气中特定成分的观测数据，如温室气体、反应性气体和气溶胶。

每一小节都详细介绍了观测算子的原理和应用，确保观测数据能够以一种适合于数值模型同化的方式被处理和转换。

4. 筛选 (Screening)

• 讨论了观测筛选的结构和逻辑，包括独立和依赖的观测筛选决策。
• 描述了筛选过程中使用的各种质量控制和数据选择标准。

5. 已弃用区域 (Deprecated areas)

• 列出了在当前IFS版本中已不再使用或计划弃用的代码和功能。
• 提供了对这些弃用部分的简要说明和它们的历史背景。

6章. 表格、代码和标志 (Tables, codes and flags)

• 提供了观测数据处理中使用的详细代码、标志和分组的参考信息。
• 包括了观测类型、代码类型、变量代码、观测特性和垂直坐标的代码表。