Abstract An adaptive localization method using the hierarchical ensemble filter (HEF) technique was first applied to the ensemble Kalman filter (EnKF) radar data assimilation (DA) though observing system simulation experiments (OSSEs) for an idealized supercell storm. The HEF method calculates localization by minimizing the sampling error without defining the physical distance between observation and state variables. Four experiments using regular Gaspari and Cohn (GC) and HEF localization methods with different group sizes (group numbers of ensembles) were performed. The HEF localization experiments perform better than GC experiment, producing smaller analysis errors and larger ensemble spreads for most model state variables, and stronger wind, vertical vorticity, and cold pools. The best results are obtained when the largest group size is used in the HEF experiment. With this improved analysis, the forecast error is reduced for most variables and levels. The dynamical and thermal distributions of HEF experiments are found to better promote the development of the supercell storm which helps to improve the forecast reflectivity in terms of location, intensity, and area coverage. This suggests the potential of HEF localization for an EnKF radar DA. A larger group size for this method is expected to lead to improved analysis and forecast results compared with the regular GC localization method.

中文翻译：

---

分层集合滤波器协方差定位方法对 EnKF 雷达数据同化的影响：观察系统模拟实验

摘要 通过理想化超级单体风暴的观测系统模拟实验（OSSE），首次将使用分层集合滤波器（HEF）技术的自适应定位方法应用于集合卡尔曼滤波器（EnKF）雷达数据同化（DA）。HEF 方法通过最小化采样误差来计算定位，而无需定义观察变量和状态变量之间的物理距离。使用常规 Gaspari 和 Cohn (GC) 和 HEF 定位方法进行了四次实验，其中具有不同的组大小（合奏组的组数）。HEF 定位实验比 GC 实验表现更好，对大多数模型状态变量产生更小的分析误差和更大的集合传播，以及更强的风、垂直涡度和冷池。当在 HEF 实验中使用最大的组大小时，可以获得最好的结果。通过这种改进的分析，大多数变量和水平的预测误差都减少了。发现HEF实验的动力和热分布可以更好地促进超级单体风暴的发展，这有助于在位置、强度和区域覆盖方面提高预报反射率。这表明了 EnKF 雷达 DA 的 HEF 定位的潜力。与常规 GC 定位方法相比，该方法的更大组规模有望改善分析和预测结果。发现HEF实验的动力和热分布可以更好地促进超级单体风暴的发展，这有助于在位置、强度和区域覆盖方面提高预报反射率。这表明了 EnKF 雷达 DA 的 HEF 定位的潜力。与常规 GC 定位方法相比，该方法的更大组规模有望改善分析和预测结果。发现HEF实验的动力和热分布可以更好地促进超级单体风暴的发展，这有助于在位置、强度和区域覆盖方面提高预报反射率。这表明了 EnKF 雷达 DA 的 HEF 定位的潜力。与常规 GC 定位方法相比，该方法的更大组规模有望改善分析和预测结果。