With the modernization of the India Meteorological Department, the observational network of the country, both in situ and remote sensing, is enhanced. The Doppler Weather Radar (DWR) network is improved, and the National Centre for Medium Range Weather Forecasting is acquiring radar data from 20 stations all over the country. The maximum utilization of DWR observations in the numerical models remains a challenging task. This study represents the first assessment of assimilation of radial wind observations from all 20 DWR stations, utilizing the resources of weather research and a forecasting model with a community grid-point statistical interpolation system. DWR observations are an important data source for mesoscale and microscale weather analysis and forecasting because of their high temporal and spatial resolution. However, the representation of DWR radial wind and reflectivity in a desired format seems to be crucial in the modeling approach. A series of experiments are conducted to evaluate the sensitivity of the analysis to the velocity azimuth display quality control (VADQC) and without VADQC (VARQC) to understand the effect of QC on analysis. The statistical analysis of assimilation of DWR radial wind suggests that a gate distance of 250 m or its multiple is imperative for the setup of the DWR. Additionally, the density of the super-observation is amplified in the VARQC approach. The analysis procedure is implemented for the recent severe cyclone Phethai (December 2018) over the Bay of Bengal, and a few preliminary results are discussed.

中文翻译：

---

使用社区 GSI 分析系统同化印度上空的径向风

随着印度气象部门的现代化，该国的实地和遥感观测网络得到加强。多普勒天气雷达（DWR）网络得到改善，国家中程天气预报中心正在从全国20个站点获取雷达数据。在数值模型中最大限度地利用 DWR 观测仍然是一项具有挑战性的任务。这项研究代表了对来自所有 20 个 DWR 站的径向风观测同化的首次评估，利用天气研究资源和具有社区网格点统计插值系统的预测模型。DWR 观测具有较高的时空分辨率，是中尺度和微尺度天气分析和预报的重要数据源。然而，以所需格式表示 DWR 径向风和反射率似乎在建模方法中至关重要。进行了一系列实验以评估分析对速度方位角显示质量控制 (VADQC) 和不使用 VADQC (VARQC) 的灵敏度，以了解 QC 对分析的影响。DWR径向风同化的统计分析表明，250 m或其倍数的门距对于DWR的设置是必要的。此外，在 VARQC 方法中放大了超级观察的密度。该分析程序针对最近在孟加拉湾上空的强气旋 Phethai（2018 年 12 月）实施，并讨论了一些初步结果。进行了一系列实验以评估分析对速度方位角显示质量控制 (VADQC) 和不使用 VADQC (VARQC) 的灵敏度，以了解 QC 对分析的影响。DWR径向风同化的统计分析表明，250 m或其倍数的门距对于DWR的设置是必要的。此外，在 VARQC 方法中放大了超级观察的密度。该分析程序针对最近在孟加拉湾上空的强气旋 Phethai（2018 年 12 月）实施，并讨论了一些初步结果。进行了一系列实验以评估分析对速度方位角显示质量控制 (VADQC) 和不使用 VADQC (VARQC) 的灵敏度，以了解 QC 对分析的影响。DWR径向风同化的统计分析表明，250 m或其倍数的门距对于DWR的设置是必要的。此外，在 VARQC 方法中放大了超级观察的密度。该分析程序针对最近在孟加拉湾上空的强气旋 Phethai（2018 年 12 月）实施，并讨论了一些初步结果。DWR径向风同化的统计分析表明，250 m或其倍数的门距对于DWR的设置是必要的。此外，在 VARQC 方法中放大了超级观察的密度。该分析程序针对最近在孟加拉湾上空的强气旋 Phethai（2018 年 12 月）实施，并讨论了一些初步结果。DWR径向风同化的统计分析表明，250 m或其倍数的门距对于DWR的设置是必要的。此外，在 VARQC 方法中放大了超级观察的密度。该分析程序针对最近在孟加拉湾上空的强气旋 Phethai（2018 年 12 月）实施，并讨论了一些初步结果。