Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-4517(Print)
ISSN : 2287-3503(Online)
Journal of Environmental Science International Vol.26 No.5 pp.573-584
DOI : https://doi.org/10.5322/JESI.2017.26.5.573

Impact of GPS-RO Data Assimilation in 3DVAR System on the Typhoon Event

Soon-Young Park, Jung-Woo Yoo1), Nam-Young Kang2), Soon-Hwan Lee3)*
Institute of Environmental Studies, Pusan National University, Busan 46241, Korea
1)Division of Earth Environment System, Pusan National University, Busan 46241, Korea
2)Department of Earth Science Education, Pusan National University, Busan 46241, Korea
3)National Typhoon Center, Korea Meteorological Administration, Jeju 46241, Korea
Corresponding author: Soon-Hwan Lee, Department of Earth Science Education, Pusan National University, Busan 46241, Korea +82-51-510-2706withshlee@pusan.ac.kr
January 23, 2017 April 13, 2017 May 12, 2017

Abstract

In order to simulate a typhoon precisely, the satellite observation data has been assimilated using WRF (Weather Research and Forecasting model) three-Dimensional Variational (3DVAR) data assimilation system. The observation data used in 3DVAR was GPS Radio Occultation (GPS-RO) data which is loaded on Low-Earth Orbit (LEO) satellite. The refractivity of Earth is deduced by temperature, pressure, and water vapor. GPS-RO data can be obtained with this refractivity when the satellite passes the limb position with respect to its original orbit. In this paper, two typhoon cases were simulated to examine the characteristics of data assimilation. One had been occurred in the Western Pacific from 16 to 25 October, 2015, and the other had affected Korean Peninsula from 22 to 29 August, 2012. In the simulation results, the typhoon track between background (BGR) and assimilation (3DV) run were significantly different when the track appeared to be rapidly change. The surface wind speed showed large difference for the long forecasting time because the GPS-RO data contained much information in the upper level, and it took a time to impact on the surface wind. Along with the modified typhoon track, the differences in the horizontal distribution of accumulated rain rate was remarkable with the range of 600~500 mm. During 7 days, we estimated the characteristics between daily assimilated simulation (3DV) and initial time assimilation (3DV_7). Because 3DV_7 demonstrated the accurate track of typhoon and its meteorological variables, the differences in two experiments have found to be insignificant. Using observed rain rate data at 79 surface observatories, the statistical analysis has been carried on for the evaluation of quantitative improvement. Although all experiments showed underestimated rain amount because of low model resolution (27 km), the reduced Mean Bias and Root-Mean-Square Error were found to be 2.92 mm and 4.53 mm, respectively.


태풍 수치모의에서 GPS-RO 인공위성을 사용한 관측 자료동화 효과

박 순영, 유 정우1), 강 남영2), 이 순환3)*
부산대학교 환경연구원
1)부산대학교 지구환경시스템학부
2)국가태풍센터
3)부산대학교 지구과학교육과
    National Institute of Environmental Research

    1.서 론

    자연의 물리적 상태에 대한 참을 추정하기 위한 자 료동화 기술은 기상 및 해양모델의 예측성을 향상시 키기 위해 활발하게 사용되고 있다(Daley, 1991; Courtier et al., 1998; Rabier et al., 2000; Kalnay, 2003; Evensen, 2007; Navon, 2009).

    최근 위성관측의 기술과 정확성이 높아짐에 따라 다양한 위성 자료를 자료동화 기법을 사용하여 수치 예보에 적용하고 있다. 그 중 GPS-RO (GPS Radio Occultation)는 Snell의 굴절 법칙을 기반으로 하는 limb 측정으로 GPS 위성이 저궤도위성(LEO : Low -Earth Orbit)에 대해 limb 위치를 지나갈 경우 대기에 의한 신호의 엄폐(occultation)가 발생하는 것을 이용 한다(Ware et al., 1996; Wickert et al., 2001; Hajj et al., 2004). 신호가 대기를 통과하면서 기온, 습도, 밀 도에 의해 자연적인 굴절이 일어나는 신호지연현상을 이용하여 대기의 연직 기상상태를 관측한다. 이러한 특징으로 GPS-RO 자료는 기후 모니터링과 날씨예보 에 활용하기 적합하고 해당분야의 연구에 있어 점차 중요해지고 있다(Anthes et al., 2008).

    Cardinali and Healy(2011)에 따르면 GPS-RO 자 료는 주로 대류권 상층과 성층권 하부의 온도 정보를 제공한다고 하였으며, 4DVAR 기반 관측 자료 민감 도 실험에서 지상 관측 자료 SYNOP, 존데를 이용한 연직관측인 TEMP, PIROT, 다양한 위성자료 등과 비 교한 결과 GPS-RO 자료가 상대적으로 높은 기여도 를 보였다. 또한 Jung et al.(2013) 연구에 따르면 관측 자료가 예보 정확도 개선에 미치는 영향을 평가한 결 과 라디오존데나 위성과 같은 sounding 자료의 영향 이 크게 나타나지만 이를 데이터 수로 정규화 했을 때 에는 관측 자료 개수 대비 GPS 기반 가강수량 관측값 (GPSPW: Global Positioning System Precipitable Water vapor)의 영향이 크게 나타났으며 6시간 예보 오차 감소에 크게 기여하는 것으로 나타났다. Zhu et al.(2014)의 연구에서는 GPS-RO의 자료를 이용한 4 차원 변분자료동화(4DVAR) 실험을 통해 긍정적인 영향을 보였으며 특히 태풍의 중심 기압 및 최대 풍속, 경로의 예측 정확도가 향상됨을 보였다.

    앞서 언급한 GPS-RO 관측 자료를 활용한 자료동 화 연구를 비롯하여 대부분의 연구들은 기존의 관측 자료동화 시스템에서 새로운 관측 시스템의 효과를 평가한 연구들이 대부분이었다. 그러므로 GPS-RO자 료만의 특성을 분석하기에는 다소 복잡한 연구방법이 었다. 또한 초기장만의 효과만을 살펴보기 위한 3DVAR연구는 부족한 실정이며 자료동화 시스템이 적용되지 않은 예측결과와 GPS-RO 관측 자료동화만 의 효과를 정량적으로 분석한 연구 또한 드물다. 따라 서 본 연구에서는 대기 중 수증기 분포에 민감한 태풍 의 예측성을 높이기 위해 GPS-RO 자료만을 사용하 여 3DVAR 자료동화를 실시하고 그 특성을 분석하였 다. 특히, 자료동화의 간격을 조정하여 예측결과에 미 치는 영향에 대해서도 분석하였다.

    2.연구방법

    2.1.3차원 변분자료동화

    많은 자료동화 방법 중 관측 내삽, nudging, 최적내 삽(optimal interpolation) 등의 기법보다 비교적 정교 하며 변수들 간의 물리법칙까지 고려하는 변분자료 동화를 적용하였다. 변분자료동화는 비용함수(cost function)를 최소화하기 위해 반복연산(iterative solution)을 수행하여 분석 시간의 최적 대기상태를 추정하는 자료동화 방법이다. 비용함수의 식은 아래 와 같다(Ide et al., 1997).Fig. 1

    J ( x ) = 1 2 ( x x b ) T B 1 ( x x b ) + 1 2 [ H ( x ) y 0 ] T R 1 [ H ( x ) y 0 ]

    변분문제는 J (x)를 최소로 하는 분석 상태 x를 찾 기 위한 반복적인 최소화 과정이라고 할 수 있다. 이를 위해 사용하는 두 자료는 배경장 또는 초기 추정값 (background or first guess) xb와 관측값 y0이고 배경 장은 분석 시간에 자료동화가 수행 되기 전의 모델값 을 말한다. 또한 식에서 B 는 배경오차(background error)공분산행렬이며 관측오차공분산행렬 R 은 관측기 기오차(instrumental error)와 대표성오차(representivity error)의 정보를 포함한다. B 는 주어진 계산영역에서 모델이 내포한 오차를 의미하며 공간과 변수에 관한 상관성을 가진다. 관측기기오차는 각 관측 시스템마 다 가지는 기기상의 오차이다. 격자화된 모델값 x를 관측 공간 y에 대응시키기 위해서 관측 연산자 (observation operator) H 가 적용되는데 대표성 오차 는 H 의 부정확성에서 나타나는 오차이다(NCAR, 2008). 관측값, 배경장, 관측오차, 배경오차 그리고 물 리 법칙들이 모두 고려되어 분석 증분(analysis increments) (x - xb ) 이 계산된다. 이 증분은 기존의 배경장 xb에 더해져서 분석장(xa)을 제공하며 이론 적으로 참 값에 가깝다는 근거로 자료동화가 이루어 진다.

    2.2.태풍 사례와 실험설계

    2015년 제24호 태풍 곳푸(KOPPU)는 10월 13일 오후 9시 중심기압 1000 hPa, 최대풍속 18 m/s, 강풍 반경 280 km로 미국 괌 서북서쪽 약 700 km 부근 해 상에서 발생하였다. 발생 이후 서진하면서 10월 18일 오전 3시에 필리핀 마닐라 북동쪽 약 210 km 부근 육 상에서 중심기압 920 hPa, 최대풍속 51 m/s, 강풍 반 경 440 km의 중형 태풍으로 발달하였으며, 10월 21일 오후 3시에 필리핀 마닐라 북북동쪽 약 590 km 부근 해상에서 중심기압 1000 hPa의 열대저압부로 소멸하 였다. 또 2015년 제25호 태풍 참피(CHAMPI)는 10 월 14일 오전 3시에 중심기압 1000 hPa, 최대풍속 18 m/s, 강풍 반경 330 km로 미국 괌 동쪽 약 1,450 km 부근 해상에서 발생하였으며, 10월 19일 오전 3시 에 미국 괌 북북서쪽 약 890 km 부근 해상에서 중심기 압 940 hPa, 최대풍속 46 m/s, 강풍 반경 390 km의 중 형 태풍으로 발달, 한국 기상청 기준으로 10월 25일 오후 3시에 일본 센다이 동남동쪽 약 1,970 km 부근 해상에서 중심기압 990 hPa의 온대저기압으로 변질 되었다.

    모델링 도메인은 수평해상도 27 km를 가지는 200×231 격자로 설정하였으며 GFS와 RTG SST (Real Time Global Sea Surface Temperature) 일평균 자료를 초기장으로 사용하여 cold start를 실시하였다. 모델링 기간은 태풍 참피의 경우 2015. 10. 16. 0000 UTC ~ 2015. 10. 25. 0000 UTC이며 수치모의에 적 용된 도메인 설정 및 물리옵션은 Table 1에 나타내었 다. 본 연구에서는 2015년 제24, 25호 태풍인 곳푸와 참피 발생시 3차원 변분자료동화(3DVAR)를 이용해 태풍의 경로 및 풍속, 누적 강수량의 변화를 살펴보았 다. 추가로 자료동화의 간격에 관한 실험을 위해 비교 적 오랜 시간 지속되었으며 한반도에 직접적인 영향 을 미친 2012년 제15호 태풍 볼라벤(BOLAVEN)이 한반도에 영향을 끼쳤던 2012년 8월에 대해서 3DVAR 수치모의를 수행하였다.

    모델링 설정은 앞선 곳푸, 참피와 동일하며, 모델링 기간은 2012. 08. 22. 0000 UTC ~ 2012. 08. 29. 0000 UTC이다(Table 1). 본 연구결과는 3DVAR 자료동화 를 실시함에 있어서 모델링 수행시간을 24시간 간격 으로 자료동화를 수행한 결과(3DV)와 초기시간 1번 의 자료동화를 한 결과(3DV_7)를 비교하였다. 분석 증분은 초기시간에 대한 것으로 3DV와 3DV_7 실험 에서 동일하게 나타난다.

    GPS-RO 자료의 대기 굴절율(refraction)을 관측 (Y0)으로 하여 WRFDA를 수행하였으며 자료동화 후 새로운 초기장(분석장, Xa)을 사용하여 수치모의를 실시하였으며 본 연구에서 사용된 GPS-RO 자료의 개수는 총 953 포인트 자료로 Fig. 2에 나타내었다. 여 기서 Xb를 사용한 결과를 BGR (Background Run), Xa를 사용한 결과를 3DV(3D data assimilation)으로 나누어 비교 분석하였다.

    본 연구에서 사용된 GPS-RO 자료는 Level 2 자료의 굴절률 값이 직접 자료동화에 사용되었다. 그러므로 관측연산자 H (x) 를 사용하여 모델에서 산출된 굴절 률과 GPS-RO 자료의 굴절률은 다음과 같이 비교가 된다.

    N = 77.6 P T + 3.73 × 10 5 P w T 2

    여기서 N 은 모델로 계산된 굴절률, P 는 기압, T 는 기온, Pw 는 수증기압으로 모델 변수를 관측 지점으로 내삽한 후 굴절률을 계산한다.

    3.연구결과

    3.1.자료동화 특성 분석

    Fig. 3은 2015년 10월 16일 0000 UTC의 초기장 해 수면 기압 분포를 나타낸 것이다. 초기장(BGR)에 대 해 분석증분이 더해져 새로운 초기 해수면기압이 자 료동화로 얻어진다. 굴절률 계산에 사용되는 변수는 온도, 습도, 기압으로 기압 외에 나머지 변수에 대한 초기장 변화도 이루어진다(그림 생략). 태풍의 진로의 경우 가장 직접적인 변수는 기압이 될 수 있다. 이러한 초기 기압분포의 차이는 예측시간에 따라 다른 기상 변수의 차이를 유발한다.

    앞서 살펴본 자료동화의 결과를 바탕으로 태풍의 경로를 Fig. 4에 나타내었다. 태풍 참피의 경우 +48시 간까지는 BGR과 3DV의 결과가 큰 차이가 나타나지 않아 관측과 거의 일치하게 나타난다. 그러나 진로가 급변하는 시점에서 관측과 차이가 커지는 경향성이 나타나며, 태풍 참피의 경우 3DV의 이동속도가 BGR 보다 더 빠르게 나타났다. 분석 증분(Fig. 3)에서 볼 수 있듯이 초기장의 태풍주변이 기압이 낮아지고 고위도 의 기압은 증가되는 것으로 새로운 분석장이 입력되 었다. 따라서 남북 기압 경도의 차이로 태풍의 진행 속 도가 빠르게 모의되었다.

    Fig. 5는 10월 19일과 21일, 23일 0000 UTC의 지 상 등압선과 풍속의 분포와 그 차이를 나타낸 것이다. u, v 변수의 경우 GPS-RO 자료가 풍부하게 분포하는 상층에서 차이가 많이 나타나기 때문에 모델링 시간 이 증가할수록 큰 차이를 보인다. 이는 상층의 개선된 정보가 태풍의 영향을 파악하는 지상 변수에 영향을 미치기 까지 시간이 걸리기 때문이다. 그러므로 초기 장의 차이로 인한 기압 및 풍속 변화에 끼치는 영향이 나타남을 알 수 있다. 태풍 중심에서 동쪽으로는 3 m/s 증가, 서쪽으로는 3 m/s 의 풍속 감소가 나타난다. Fig. 6은 10월 19일과 21일, 23일 0000 UTC의 누적강수량 과 그 차이를 나타낸 것이다. 태풍의 이동경로를 따라 서 강수량의 차이가 발생하며 23일 기준 수치모의 기 간 동안 도메인 전체에서 누적 -600~500 mm로 차이 가 크게 나타났다. 절대적인 강수량의 차이가 아니라 강수 구역의 변화에 따른 차이로 해석된다.

    3.2.자료동화 간격 분석

    Fig. 7은 자료동화의 결과를 바탕으로 2012년 제15 호 태풍 볼라벤의 경로를 나타낸 것이다. 3DV와 3DV_7의 결과가 큰 차이가 나타나지 않으며 관측과 거의 일치하게 나타난다. 진로가 급변하는 시점부터 관측과 차이가 나타나지만 3DV와 3DV_7의 경로는 크게 차이가 나지 않는다. 이것은 상세한 자료동화 간 격을 실험하기 이전의 결과인 3DV_7에서 태풍의 이 동경로를 잘 모의했기 때문에 큰 개선효과는 나타나 지 않은 것이다.

    다음 Fig. 8은 8월 26~28일 2100 UTC 지상 등압선 과 풍속의 분포와 그 차이를 나타낸 것이다. 앞선 2015년 곳푸, 참피 수치모의 결과와 유사한 경향성을 나타내고 있다. 0000~2100 UTC 총 21시간의 수치모 의를 통해 기압 및 풍속 변화가 크게 나타나고 있으며, 태풍을 중심으로 3 m/s 이상의 풍속 감소 현상이 두드 러지게 나타나지만 태풍 참피에 비해서는 풍속 감소 효과가 크게 나타나지는 않고 있다. Fig. 9는 8월 27-29일 0000~2100 UTC시간 동안의 누적강수량과 그 차이를 나타낸 것이다. 태풍의 이동경로를 따라서 강수량의 차이가 발생하며 도메인 전체에서 21시간 누적강수량의 차이가 -30~30 mm로 나타났다. 앞서 모의한 참피, 곳푸의 태풍 사례에 대해 그 차이가 크지 않은 이유는 1일과 7일 간격의 자료동화 결과에서 경 로상의 큰 차이가 나타나지 않았기 때문이다. 하지만, 태풍 모의 정확도를 평가하기 위한 지표로써 누적강 수량은 초기장의 개선 정도가 누적되어 영향을 미치 기 때문에 이러한 차이는 한반도에 내습하는 태풍의 예측에 있어 중요하다.

    3.3.통계 분석

    한반도 지역 전체를 대상으로 평균적인 강수 예측 정확도를 정량적으로 살펴보기 위해서 RMSE (Root Mean Squared Error), MB (Mean Bias)를 활용하여 통계분석을 실시하였다. RMSE는 모델값과 관측값의 평균 제곱근 오차를 보기 위한 항목으로 작은 값일수 록 모델결과의 신뢰도가 높은 것을 의미한다. 통계 분 석에 사용된 관측 자료는 한반도 기상대 총 79개 지점 의 강수량을 이용하여 사례기간 총 6일에 대해서 일누 적강수량을 산출하여 BGR과 3DV 실험결과를 비교 하였다(Table 2).

    MB가 BGR 실험은 -50.65 mm, 3DV 실험은 -47.73 mm로 나타나 실험 모두에서 관측보다 강수량 을 과소모의 하는 것으로 나타났다. 그러나 관측과 비 교해서 오차가 크게 나타났으며 RMSE 또한 50 mm 이상으로 큰 차이를 보였다. 이는 본 연구의 수평해상 도가 27 km이기 때문에 지형성 강우와 같은 국지규모 의 현상이 모의되지 못할 뿐 아니라 관측지점 특성이 나타나기 어렵다. 하지만 단지 GSP-RO 자료의 굴절 률만을 이용하여 자료동화를 실시한 결과에서 MB는 2.92 mm, RMSE는 4.53 mm가 감소되었다. 통계분석 을 통해서 자료동화를 하지 않은 BGR 실험에 비해 GPS-RO 자료를 이용한 3DVAR결과가 초기장을 개 선시킴으로 인해 예측 기간의 강수 정확도가 향상되 었다.

    4.결론 및 요약

    본 연구에서는 2015년 제24, 25호 태풍인 곳푸와 참피를 수치모의하기 위해 3차원 변분자료동화 (3DVAR)를 적용한 실험과 비교하였다. 관측 자료는 GPS-RO 자료만을 사용하여 자료동화 효과를 분석하 였다.

    수치 모의 결과 중 태풍의 이동경로 및 속도가 차이 나는 이유는 관측 자료 반영시 초기 분석장의 기압배 치의 개선으로 나타난 것이며 태풍의 진로가 급변하 는 구간에서 더 두드러짐을 알 수 있다. 바람의 경우 관측 자료가 상층에 풍부하기 때문에 예측 시간이 증 가할수록 큰 차이가 나타났고 이는 기압변화에 의한 결과이다. 특히 태풍의 눈을 중심으로 나머지 기상변 수의 차이가 나타났으며 이는 절대적인 운동량이나 강수량의 차이보다는 태풍의 이동경로 상의 차이에서 기인한 것이다. 특히, 누적 강수량의 경우는 이런 차이 가 누적되어 반영되기 때문에 위성자료의 사용으로 경로의 정확한 예측을 달성한다는 것은 매우 중요하 다. 추가로 실시한 자료동화의 간격에 관한 실험결과 7일간 매일 수행된 자료동화 결과는 큰 개선을 보이지 않았다. 이는 향후 자료동화의 비용적 측면을 고려할 때 기존의 예측 결과를 파악할 경우 자료동화 간격에 관한 조절이 보다 효과적임을 의미한다. 한반도의 강 수량 예측을 살펴본 결과 모든 실험에서 강수량을 과 소모의 하였으나 자료동화로 인한 정량적인 정확도 향상을 확인하였다.

    태풍과 같은 중규모 기상현상을 예측하기 위해서 는 본 실험의 공간 해상도(27 km)가 낮은 측면이 있 다. 태풍이 한반도에 영향을 미칠 경우 강수의 발생은 국지적 지형에 의해서도 영향을 받는다. 향후 높은 공 간해상도를 적용하고 다양한 관측 자료가 한반도 태 풍모의에 미치는 자료동화 효과를 분석해 볼 필요가 있다. 이러한 제한에도 불구하고 초기장의 개선만으 로 나타난 정량적인 오차감소 효과는 GPS-RO자료의 중요성과 활용방안을 위한 기초연구가 될 수 있다.

    감사의 글

    본 연구는 국립 환경과학원의 연구 지원(대기질 수 치예보 정확도 향상을 위한 모델링 연구)에 의하여 수 행되었습니다.

    Figure

    JESI-26-573_F1.gif

    WRF-Var in the WRF modeling system.

    JESI-26-573_F2.gif

    Model domain for WRF simulations (left) and a sample of distribution of GPS-RO events (right) in this study.

    JESI-26-573_F3.gif

    Spatial distributions of Sea Level Pressure (SLP) for 3DV (left) and BGR (middle) case and analysis increment (right).

    JESI-26-573_F4.gif

    The simulated tracks for OBS (black), BGR (blue), and 3DV (red) of Typhoon KOPPU(1524) and CHAMPI(1525).

    JESI-26-573_F5.gif

    Spatial distributions of Sea Level Pressure (SLP) and wind speed for 3DV (left) and BGR (middle) case and differences of wind speed (right) between 3DV and BGR on 19, 21 and 23 October.

    JESI-26-573_F6.gif

    Spatial distributions of total accumulated rainfall (mm) for 3DV (left) and BGR (middle) cases and its differences (right) on 19, 21 and 23 October.

    JESI-26-573_F7.gif

    The simulated tracks for OBS (black), BGR (blue) and 3DV (red) of Typhoon BOLAVEN(1215).

    JESI-26-573_F8.gif

    Spatial distributions of Sea Level Pressure (SLP) and wind speed for 3DV (left) and 3DV_7 (middle) cases and differences of wind speed (right) between 3DV and 3DV_7 on 26-28 August.

    JESI-26-573_F9.gif

    Spatial distributions of total accumulated rainfall (mm) for 3DV (left) and 3DV_7 (middle) cases, and its differences (right) on 26-28 August.

    Table

    The configuration of WRF model

    Statistical results of total accumulated rainfall between observed and simulated results

    Reference

    1. Anthes R. A (2008) The COSMIC/FORMOSAT-3 mission: Early results , Bull. Amer. Meteor. Soc., Vol.89 ; pp.313-333
    2. Cardinali C. , Healy S. (2011) GPS-RO at ECMWF , ECMWF Seminal on Data assimilation for atmosphere and ocean,
    3. Courtier P. , Andersson E. , Heckley W. , Pailleux J. , Vasiljevic D. , Hamrud M. , Hollingsworth A. , Rabier E. , Fisher M. (1998) The ECMWF implementation of three-dimensional variational assimilation (3D-Var), I: Formulation , Quart. J. Roy. Meteor. Soc, Vol.124 ; pp.1783-1809
    4. Daley R. (1991) Atmospheric data analysis, Cambridge University Press,
    5. Evensen G. (2009) Data assimilation: The ensemble Kalman Filter, Springer Berlin Heidelberg,
    6. Hajj G. A. (2004) CHAMP and SAC-C atmospheric occultation results and intercomparisons , J. Geophys. Res, Vol.109 ; pp.D06109
    7. Ide K. , Courtier P. , Ghil M. , Lorenc A. C. (1997) Unified notation for data assimilation: Operational, sequential and variational , J. Met. Soc. Japan, Vol.75 ; pp.181-189
    8. Jung B. J. , Kim H. M. , Auligne T. , Zhang X. , Zhang X. , Huang X. Y. (2013) Adjoint-derived observation impact using WRF in the western North Pacific , Mon. Weather Rev, Vol.141 (11) ; pp.4080-4097
    9. Kalnay E. (2003) Atmospheric modeling, Data assimilation and predictability, Cambridge University Press,
    10. Meng-Bin Z. , Wei-Min Z. , Xiao-Qun C. , Yi Y. (2014) Impact of GNSS radio occultation bending angle data assimilation in YH4DVAR system , Chinese Physics B, Vol.23 (6) ; pp.069202
    11. Navon IM Park S. K. , Xu L. (2009) Data assimilation for numerical weather prediction: A Review , Data assimilation for atmospheric, oceanic, hydrologic applications, Springer,
    12. (2008) A Description of the advanced research WRF version 3,
    13. Rabier F. , Jarvinen H. , Klinker E. , Mahfouf J. F. , Simmons A. (2000) The ECMWF operational implementation of four dimensional variational assimilation, I: Experimental results with simplifiedphysics , Q. J. Roy. Meteor. Soc, Vol.126 ; pp.1143-1170
    14. Ware R. (1996) GPS sounding of the atmosphere from low earth orbit: Preliminary results , Bull. Amer. Meteor. Soc, Vol.77 ; pp.19-40
    15. Wickert J. (2001) Atmosphere sounding by GPS radio occultation: First results from CHAMP , Geophys. Res. Lett, Vol.28 ; pp.3263-3266