研究興趣
我的研究重點在於提升中尺度天氣預報,主要採用三種方法:(1) 透過全球模式中的初始化方法提升熱帶氣旋(TC)強度預測;(2) 應用先進資料同化技術改善南加州的短期風電預測;(3) 整合閃電數據同化優化台灣的對流風暴預測。 在TC初始化方面,我的博士研究使用WRF模式來提升西太平洋地區的TC路徑和強度預測。自2015年起,我將該技術應用於全球模式,成功提升了30–40%的中心氣壓準確度和10–20%的最大風速準確度。在風電預測方面,我參與了UC Davis的一項專案,通過混合資料同化方法提升了6.7%的預測準確度。此外,閃電數據同化顯著改善了對流風暴預報,尤其是在2012年台灣的重大風暴案例中有明顯成效。 未來,我計畫將這些方法拓展至功能數據分析,應用於觀測數據,並探索「大數據」和「機器學習」在可再生能源上的應用。
代表著作
Chen, Chih-Ying, Nan-Ching Yeh, Yao-Chung Chuang, and Chuan-Yao Lin (2022, Sep). Development of a Low-Cost Portable Cluster for Numerical Weather Prediction. Electronics, 11, no. 17: 2769.
Chen, Chih-Ying, Nan-Ching Yeh, and Chuan-Yao Lin. (2022, Jun). Data Assimilation of Doppler Wind Lidar for the Extreme Rainfall Event Prediction over Northern Taiwan: A Case Study. Atmosphere, 13(6):987.
Yeh, Nan-Ching, Yao-Chung Chuang, Hsin-Shuo Peng, and Chih-Ying Chen (2021, Dec). Application of AIRS Soundings to Afternoon Convection Forecasting and Nowcasting at Airports. Atmosphere, 13(1):61.
Chen, S.-H., C.-C. Huang, Y.-C. Kuo, Y.-H. Tseng, Y. Gu, K. Earl, C.-Y.Chen, Y. Choi, K.-N. Liou (2021, Feb). Impacts of Saharan Mineral Dust on Air-Sea Interaction over North Atlantic Ocean Using a Fully Coupled Regional Model. Journal of Geophysical Research: Atmospheres, 126(4),e2020JD033586.
Chen, Chih-Ying, Yi-Leng Chen, and Hiep Van Nguyen, 2014: The Spin-up Process of a Cyclone Vortex in a Tropical Cyclone Initialization Scheme and Its Impact on the initial TC Structure. SOLA, 2014, Vol. 10, 92-95, doi:10.2151/sola.2014-019
Chen, Chih-Ying, Y.-L. Chen, C.-S. Chen, P.-L. Lin and C.-L. Liu, 2013: Revisiting the Heavy Rainfall Event over Northern Taiwan on 3 June 1984, Terr. Atmos. Ocean. Sci., 24, 673-696. doi: 10.3319/ TAO.2013.07.04.01(A)
研究成果介紹
雷達數據同化於強降水系統 2021年6月4日,台北發生了短時強降水,信義區在2小時內累積降雨超過200毫米。本研究結合先進的資料同化技術(如混合數據和三維變分方法),開發了一個高解析度、小尺度(如台灣北部)的資料同化預報系統,稱為氣象研究與預報-網格統計插值(WRF-GSI)模式。透過同化台北松山機場都卜勒風雷達系統記錄的三維風場數據,有效模擬了此次極端降水。結果顯示,此次極端降雨是由台灣北部鋒面引起的東北風、颱風彩雲生成的南方潮濕氣流以及區域海陸風環流的交互作用所致。在信義區,WRF-GSI_lidar模式的累積降雨量比未同化實驗(WRF-GSI_noDA)高出30毫米,顯示WRF-GSI模式結合雷達觀測比未同化的實驗提升了15%。 參考文獻:[1] Chen et al, 2022(1).
可攜式計算系統於氣象/能源應用 數值天氣預報(NWP)系統是氣象科學教育和天氣預測的重要工具,而高效能計算(HPC)對於達成此目標至關重要。NWP系統的目標是模擬不同尺度的天氣系統,用於教育或提供預報信息。傳統上,NWP系統使用超級電腦,但超級電腦成本高、耗能大且維護困難。本研究使用Raspberry Pi平台開發了一個低成本、低耗能且易於維護的高效能NWP系統——改良版Raspberry Pi WRF(IRPW)。IRPW擁有316個核心,功耗466 W,滿負載運行時的效能達到200 Gflops。IRPW成功在1.6小時內模擬了一個解析度為1公里、範圍為32,000平方公里的48小時天氣預報。IRPW可應用於大氣科學教育或地方天氣預報。此外,由於其體積小、功耗低,也可安裝於可攜式天氣觀測系統。 參考文獻:[1] Chen et al, 2022(2).