集合最优平滑同化方法的研究与应用

海洋状态场的历史变化过程对其分布状态有重要影响。在观测资料稀疏的情况下,合理利用历史观测资料能够为海洋数据同化提供大量有效信息。然而在目前的顺序资料同化过程中,往往只同化当前时刻的观测数据,没有考虑到历史观测资料对当前状态的约束。四维变分虽然可以体现变量在时间维度的演变过程,但引入伴随方程会增加计算代价。本文基于集合最优平滑同化算法（Ensemble Optimal Smoothing,EnOS）探讨了一种在数据同化中加入历史观测资料的简易可行方案,其能够根据历史观测数据估计当前状态,并进行单点同化实验和区域同化实验来验证该方案的有效性。实验结果表明,将历史观测资料引入到同化过程中可以把控时间演变趋势,减小分析数据与真实值之间的偏差,更有效地消除数值模式误差,提高同化质量。     

集合滤波和三维变分混合数据同化方法研究

发展了一种新的混合数据同化方法——基于集合滤波和三维变分的混合数据同化方法。该方法将集合调整卡尔曼滤波(ensemble adjustment Kalman filter,EAKF)得到的集合样本扰动通过一个转换矩阵的形式直接作用到背景场上,利用顺序滤波的思想得到分析场的一个扰动;然后在三维变分(three dimensional variational analysis,3D-Var)的框架下与观测数据进行拟合,从而给出分析场的最优估计。文中以Lorenz63模型为例,开展了理想数据同化试验,结果表明,相比于集合调整卡尔曼滤波,这种新的混合同化方法可以给出更好的同化结果。     

集合同化方法在黄海海域海表面温度同化中的应用

The effects of sea surface temperature(SST) data assimilation in two regional ocean modeling systems were examined for the Yellow Sea(YS). The SST data from the Operational Sea Surface Temperature and Sea Ice Analysis(OSTIA) were assimilated. The National Marine Environmental Forecasting Center(NMEFC) modeling system uses the ensemble optimal interpolation method for ocean data assimilation and the Kunsan National University(KNU) modeling system uses the ensemble Kalman filter. Without data assimilation, the NMEFC modeling system was better in simulating the subsurface temperature while the KNU modeling system was better in simulating SST. The disparity between both modeling systems might be related to differences in calculating the surface heat flux, horizontal grid spacing, and atmospheric forcing data. The data assimilation reduced the root mean square error(RMSE) of the SST from 1.78°C(1.46°C) to 1.30°C(1.21°C) for the NMEFC(KNU) modeling system when the simulated temperature was compared to Optimum Interpolation Sea Surface Temperature(OISST) SST dataset. A comparison with the buoy SST data indicated a 41%(31%) decrease in the SST error for the NMEFC(KNU) modeling system by the data assimilation. In both data assimilative systems, the RMSE of the temperature was less than 1.5°C in the upper 20 m and approximately 3.1°C in the lower layer in October. In contrast, it was less than 1.0°C throughout the water column in February. This study suggests that assimilations of the observed temperature profiles are necessary in order to correct the lower layer temperature during the stratified season and an ocean modeling system with small grid spacing and optimal data assimilation method is preferable to ensure accurate predictions of the coastal ocean in the YS.     

MASNUM-WAM海浪模式集合Kalman滤波同化研究——Ⅱ.集合样本对同化效果的影响

背景误差相关结构的确定是影响海浪同化效果的关键因素之一。集合Kalman滤波是一种较为成熟的同化方法,其可以对背景误差进行实时更新和动态估计,现已广泛应用于海洋和大气领域的研究。本文基于MASNUM-WAM海浪模式,分别采用静态样本集合Kalman滤波和EAKF方法,针对2014年全球海域开展海浪数据同化实验,同化资料为Jason-2卫星高度计数据,利用Saral卫星高度计资料对同化实验结果进行检验。结果表明,两组同化方案均有效提高了海浪模式的模拟水平,EAKF方案在风场变化较大的西风带区域表现显著优于静态样本集合Kalman滤波方案,但总体上两者相差不大。综合考虑计算成本和同化效果,静态样本集合Kalman滤波方案更适用于海浪业务化预报。     

EnKF集合同化下黄海海雾数值确定性预报初始场构造方法的探究

在黄海海雾的数值模拟中,EnKF（ensemble Kalman filter）是一种优于3DVAR（three-dimensional variational）的数据同化方法。研究发现,对EnKF初始场集合体采取常用的集合平均所产生的确定性预报初始场,会出现初始场中海雾在预报开始后就迅速消失以及接下来海雾难以生成的异常现象。通过详细的海雾个例研究,清晰地揭示并解释了此现象,指出这是集合平均造成初始场中云水与温度湿度之间存在不协调关系所导致的后果,并提出了一种择优加权平均方法来取代常用的集合平均。研究结果表明,海雾确定性预报采用择优加权平均所构建的初始场,可以消除上述异常现象,显著改进海雾模拟效果。     

基于集合最优插值方法的南海北部海区的数据同化试验

基于ROMS(Regional Ocean Modeling System)模式建立一个南海北部集合最优插值的同化系统,并且利用2008年夏季SCOPE(Northern South China Sea Coastal Oceanographic Process Experiment)航次的温盐数据以及航次期间逐日OS...     

基于集合同化方法的南海北部最优观测实验

根据集合同化理论及最优观测方法,应用基于ROMS模式的南海北部区域模拟结果作为集合样本,对该区域的最优观测廓线以及最优观测航次进行了评估和选择.最优观测方法是一种不需要直接同化观测,而通过最小化分析场误差方差理论值来选择最优观测点的方法.最优观测方法根据卡曼滤波理论中协方差矩阵的更新方程,使用一组模式或观测得到的历史样...     

海洋数据同化与数据融合技术应用综述

简述了不同数据同化和数据融合方法在海洋环境监测与预测方面的应用、国内外相关业务单位的海洋分析和预报系统的现状,以及海洋数据同化将来的业务化应用的发展趋势。四维变分和集合卡尔曼滤波正在成为国际上海洋环境分析与预报的主要应用方向,海-气耦合数据同化以及海冰数据同化是目前数据同化方法研究的热点。     

数据同化——它的缘起,含义和主要方法

我国已进入流体动力学的卫星观测世纪,数据同化（有时叫“四维同化”）,势必成为随之而来的重要课题之一。针对目前人们对这一课题尚无太多了解,从而在实际工作中产生一些混乱,笔者在本文就数据同化的必要性,它的含义,它的开创和现在研究、应用中的主要方法作一比较详细的论述。     

海洋科学中的数据同化方法--意义、结构与发展现状

卫星观测数据的同化技术已成为海洋动力学研究的一个有效手段。详细讨论了数据同化方法的意义、系统结构及其发展近况，并总结了海洋科学研宄中的应用及发展状况．     

集合资料同化方法的理论框架及其在海洋资料同化的研究展望

在海洋动力系统的数值模拟中,海洋资料同化是一种能够有效融合多源海洋观测资料和数值模式的方法。它不仅可以显著地提高数值模拟的效果,构造海洋再分析资料场,还能有效减少海洋和气候预报时模式初始条件的不确定性。因此,海洋资料同化对于海洋研究和业务化应用具有非常重要的意义。资料同化方法的研究一直是大气、海洋科学的热门课题之一。其中,集合卡尔曼滤波器(EnKF)是一种有效的资料同化方法,自提出以来经过了20多年的发展和改进,已经在海洋资料同化中得到了广泛的研究和应用。近年来,随着动力模式的不断发展和计算能力的提高,粒子滤波器由于不受模型线性和误差高斯分布假设的约束,也逐渐成为了当前资料同化方法研究的热点。本文分析和总结了目前关于集合卡尔曼滤波器和粒子滤波器的一些最新理论研究结果,在贝叶斯滤波理论的框架下讨论了这两类算法的关联和区别,以及各自在资料同化实践中的优势和不足。在此基础上,我们探讨了粒子滤波器应用于海洋模式资料同化的主要困难和目前可行的一些解决方法,展望了集合资料同化方法研究的新趋势,为集合资料同化方法的进一步发展和应用提供理论基础。     

上海邻近海域风暴潮数据同化与特征分析

风暴潮是一种复杂的对众多因素敏感又备受关注的海洋现象。本文基于协方差局地化的集合卡尔曼滤波方法（EnKF）,选择201810号台风“安比”登陆上海的风暴潮过程,首次将海洋站和FVCOM数值模拟的不同来源、不同误差信息、不同时空分辨率的风暴潮进行数据同化融合,获得了逐72 h的上海海域风暴潮的最优解,进行了同化结果评估验证,并给出了集合样本数和Schur半径设置范围。结果表明,实测计算和数值模拟的风暴增减水之间均方根误差为0.20 m,实测和同化计算的风暴增减水之间均方根误差为0.07 m,准确度提高了65%;独立观测和同化计算的风暴增减水均方根误差为0.09 m,集合离散度与均方根误差比值为0.90,同化效果较好且可信;同化后的风暴增减水能够较好地刻画双峰增水、台风眼增水、增水锋面等特征,对于风暴潮研究、数值模拟结果订正、海洋防灾减灾等有重要意义。     

拉格朗日资料同化的研究进展

拉格朗日资料对了解海洋环流和大气环流的动力学过程起到很重要的作用,同化拉格朗日资料有很大的必要性.拉格朗日观测工具主要提供的是水团或空气微团的位置和速度等信息,因为拉格朗日资料提供的是移动框架的数据而不是欧拉格点上的模式变量,所以随着拉格朗日观测覆盖大部分海洋和全球海洋环流模式的实现,采用先进的同化方法充分利用这些资料来提高分析预报准确性势在必行.在同化方法不断的发展中最优插值、变分同化、卡尔曼滤波这几种方法都有很好的应用.     

WAVEWATCHIII 同化模块的建立和检验

将基于最优插值 (OI) 的同化并行模块植入全谱空间的第三代海浪模式WAVEWATCH III version3.14,建立数据同化的海浪模式预报系统, 并通过实际的预报个例对同化系统进行检验。个例实验是以5°S 以北的印度洋海域为目标计算区域, 海面风场强迫采用业务单位的中尺度天气预报模式WRF(weather research and forecast) 提供的逐时海面风场预报产品。模式积分过程中连续同化2010 年12 月15 日、16 日和17 日过境北印度洋的Jason-2 卫星高度计沿轨有效波高 (SWH) 数据 (需要指出的是, 每次同化得到新的SWH 分析场后需重构相应的二维海浪谱用于谱模式)。SWH 同化分析值和无同化的对照组分别与高度计沿轨观测数据比较发现, 就日平均统计来看, 同化较无同化使SWH分析值的均方根误差减小约25%～50%。以SWH 同化分析场作为初始场的预报表明, 同化对预报影响的时效性可延长至48～60 h。本研究目的是通过将高度计测量的SWH 数据同化到海浪模式进一步提升海浪数值预报的准确度。     

变分资料同化中不同的变分求解方法

在应用变分资料同化方法时面临着两方面的难题:一是背景场误差协方差矩阵的求逆问题;二是与背景场误差协方差矩阵相关的计算与存储问题。为了解决这两方面的问题,不同的求解方法便被提出来了。对主要的变分求解方法,包括增量法、运用空间滤波算子的变分分析法、预处理化法、物理空间统计分析法、谱统计插值法等进行了系统的回顾,对它们的优缺点进行了分析与讨论,并指出了变分资料同化中各种求解方法的适用条件。     

台风过程研究中四维资料同化方法的探讨及应用

与把任意分布的观测值通过空间和时间插值分析到网格点的方法相比较,结合动力关系分析大气场问题的方法,其优势十分明显.Charney等[1]建议在一个能提供时间连续和动力耦合的模式预报方程中,有机地结合现在和过去的资料.后来这个概念被发展为众所周知的四维资料同化(FDDA).起初,四维资料同化主要应用于全球尺度,现在,无论是动力初始化还是作为一个分析或者研究工具,四维资料同化都有效地应用在中尺度模式上[2,3].     

融合法及其在数据同化中的应用研究

根据预报值具有最小方差这一要求,详细推导了融合法在观测数据为一维、多维和维数不同的情况下的具体同化表达形式,同时还给出了不同情况下与同化表达式相对应的预报误差公式.利用这些公式,可以用融合法处理常见的海洋观测数据的同化问题.在陆架海模式HAMSOM基础上,以4月份的渤海海表温度为例,我们验证了同化公式的正确性,并给出了同化后较好的同化结果。最后将融合法的同化结果与卡尔曼滤波同化结果进行了对比.比较表明,融合法使用起来更简单,且能有效地处理常见的海洋观测数据.     

发展基于集合样本估计的SST张驰逼近方法用于气候模式的次表层海温场订正

An ensemble-based assimilation method is proposed for correcting the subsurface temperature field when nudging the sea surface temperature(SST) observations into the Max Planck Institute(MPI) climate model,ECHAM5/MPI-OM. This method can project SST directly to subsurface according to model ensemble-based correlations between SST and subsurface temperature. Results from a 50 year(1960–2009) assimilation experiment show the method can improve the subsurface temperature field up to 300 m compared to the qualitycontrolled subsurface ocean temperature objective analyses(EN4), through reducing the biases of the thermal states, improving the thermocline structure, and reducing the root mean square(RMS) errors. Moreover, as most of the improvements concentrate over the upper 100 m, the ocean heat content in the upper 100 m(OHT100 m)is further adopted as a property to validate the performance of the ensemble-based correction method. The results show that RMS errors of the global OHT100 m convergent to one value after several times iteration,indicating this method can represent the relationship between SST and subsurface temperature fields well, and then improve the accuracy of the simulation in the subsurface temperature of the climate model.     

气候模式中海洋数据同化对热带降水偏差的影响

本文采用海洋卫星观测海表温度(SST)和海面高度异常(SLA)数据,对国家海洋局第一海洋研究所地球系统模式FIO-ESM(First Institute of Oceanography Earth System Model version 1.0)中海洋模式分量进行了集合调整卡尔曼滤波(EAKF)同化,对比分析了大气环流、湿度和云量对海洋数据同化的响应,探讨了海洋同化对热带降水模拟偏差的影响。结果表明:海洋数据同化能有效改善海表温度和上层海洋热含量的模拟,30°S~30°N纬度带内年平均SST的绝均差降低60%。同化后大气模式模拟的赤道两侧信风得到明显改善,上升气流在赤道以北热带地区增强而在赤道以南热带地区减弱,热带降水模拟的动力结构更为合理,水汽和云量分布也更切合实际。热带年平均降水的空间分布和强度在同化后均得到改善,赤道以南的纬向年平均降水峰值显著降低,降水偏差明显减小,同化后30°S~30°N纬度带内年平均降水绝均差降低35%。     

Improving Ocean State by Assimilating SARAL/AltiKa Derived Sea Level and Other Satellite-Derived Data in MITGCM

Assimilation of satellite-derived surface datasets has been explored in the study. Three types of surface data, namely sea level anomaly, sea surface temperature and sea surface salinity, have been used in various data assimilation experiments. The emphasis has been on the extra benefit arising out of the additional sea level assimilation and hence there are two parallel runs, in one of which sea level assimilation has been withheld. The model used is a state-of-the art ocean general circulation model (OGCM) and the assimilation method is the widely used singular evolutive extended Kalman filter (SEEK). Evaluation of the assimilation skill has been carried out by comparing the simulated depth of the 20°C isotherm with the same quantity measured by buoys and Argo floats. Simulated subsurface temperature and salinity profiles have also been compared with the same profiles measured by Argo floats. Finally, surface currents in the assimilation runs have been compared with currents measured by several off-equatorial buoys. Addition of sea level has been found to substantially improve the quality of simulation. An important feature that has been effectively simulated by the addition of sea level in the assimilation scheme is the near-surface temperature inversion (2-3°C) in the northern Bay of Bengal.