基于集合卡尔曼滤波的土壤水分同化试验

集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。     

Real-data assimilation experiment with a joint data assimilation system:assimilating carbon dioxide mole fraction measurements from the Greenhouse gases Observing Satellite

Tan-Tracker碳卫星资料联合数据同化系统是针对即将发射的中国的碳卫星TANSat,并基于先进数据同化算法PODEn4DVar,同时采用了联合数据同化的策略,紧扣碳卫星资料同化的这一国际前沿开发的面向科研和应用的碳卫星资料同化系统。本文设计运行了Tan-Tracker碳卫星资料联合数据同化系统同化GOSAT卫星CO_2浓度观测的真实同化实验,并评估了Tan-Tracker碳同化系统的可行性和有效性。经过同化后的结果与模式模拟结果同观测对比,均方根误差有了明显的下降(约30%),特别是在地面观测严重缺失的非洲北部、印度半岛、南部非洲、美国南部、澳大利亚西部等地;同时与观测的相关系数并无很大的差异。总体而言,Tan-Tracker碳同化系统成功完成真实数据同化并有较好的结果。     

有限区域变分四维同化系统的设计和试验

使用共轭码技术，构造了中尺度模式的伴随模式，研究了模式侧边界条件。基于伴随模式技术的原理，设计了伴随同化和Derber同化方法两套方案；下降算法采用共轭梯度法，使用准真实资料，进行子同化数值试验和预报试验。结果表明，两套同化方案都取得了一定的同化效果，Derber同化方法比伴随同化更令人满意。证明了变分同化是提高预报准确率的一种非常有效的手段。     

基于约束性分析的数据与作物模型同化方法

同化观测数据可为作物生长模型的区域应用提供支持。该文定义了观测数据对模型参数的约束性,研究发现华北夏玉米观测数据对WOFOST模型的可约束参数主要包括初始总干物重、不同发育阶段的比叶面积、初始最大CO₂同化速率、叶片衰老系数、初始土壤有效水、最大根深日增量以及初始根深的初始土壤水分含量等。建立了基于参数约束性分析的观测数据与作物生长模型同化方法和流程, 利用优化算法进行作物生长模型所有参数和变量初值的敏感性分析,遴选出各状态变量的敏感参数;根据拟合度与优化结果之间关系进行敏感参数的约束性分析,获得不同变量的可约束参数;组合优化可约束参数得到各参数最优值,由此实现了观测数据与作物生长模型的同化。约束性体现了观测数据对模型参数或变量初值的控制能力,可约束参数作为待优化参数使数据模型同化获得了最优结果。     

过去状态估计之集合Kalman滤波扩充状态变量法研究

集合Kalman滤波是由大气数据同化发展的新的同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法,无法对过去状态变量进行同化订正。而过去状态的估计对于建立大气或海洋历史资料库、获得准确的数值预报初始场有着重要的意义。本文在集合Kalman滤波同化方法的基础上,提出了可以对过去状态进行估计的集合Kalman滤波扩充状态变量法,然后分别采用空气质量方程和Lorenz系统对这种方法进行了检验。数值试验结果表明,这种方法可以对非线性系统中的过去状态变量进行有效的估计订正,说明该方法是可行的。     

关于伴随同化方法的误差分析

用概率统计理论证明了伴随同化方法的初始估计的优良性，给出评估伴随同化方法效果的指标及简单算法，并用随机模拟验证。     

扩展卡尔曼滤波数据同化试验--基于Lorenz(1960)系统的研究

本文采用Lorenz(1960)系统，在只考虑初始误差及观测误差而不考虑模式误差的情况下，利用扩展卡尔曼滤波(Extended Kalman Filter)数据同化方法进行了数值模拟试验。数值试验的结果表明：扩展卡尔曼滤波数据同化方法对系统状态的估计有较好的改善作用，能有效的抑制估计误差的增长；加大观测频率，可以进一步改善数据同化的效果，使估计误差进一步减小；由于模式误差的存在，系统的不稳定能量会不断的累积，出现了估计误差的异常增长和计算的不连续现象，在模式预报方程中的均值演变方程加人二阶偏差纠错项，对控制估计误差的异常增长，进一步改善数据同化的效果有较明显作用。     

大气数据同化方法的研究与应用进展

简要介绍了大气数据同化的基本思想与方法，阐述了松弛逼近法、Kalman滤波和变分约束法三种大气数据同化方法研究状况和应用进展情况。     

有限区域伴随模式中适定空间边界条件的理论研究

从理论上论证了借助于同伦方法构造的适定空间边界条件确保有限区域上伴随模式产生的超定边界条件问题得到解决，同时又能维持伴随模式中边界处理的优化特征。从某种意义上讲，伴随模式超定空间边界条件的存在是不可避免的，这是因为数据同化过程必须引进和采用给定的观测资料，而它们在模式空间边界上的定义往往是超定的。我们提出的空间边界条件的算法构架事实上是在数据同化过程中综合运用了张弛滤波、考虑外部强迫的辐射边界条件以及与观测相容的狄里希利边界条件。显然，对于该理论构架所涉及到的具体数值处理方法在中尺度模式中都十分成熟易行。     

GPS资料同化中一种快速优化算法

GPS资料同化最终归结为一个大规模的无约束优化问题。由于问题的维数很高，使得寻找到一种快速且节约存储的优化算法成为GPS资料同化能否满足在业务数值天气预报上的要求的关键。提出了一种新的优化算法。该方法把L-BFGS和HFN两种方法动态的结合起来，同时利用有限差分技术和截去技术，使算法在存储和计算量适合当前设备的前提下，较大的提高了算法的收敛速度。数值试验表明，该方法的计算效率与L-BFGS方法相比有十分明显的改善。     

CoLM模式地表温度变分同化研究

本文采用变分方法对通用陆面模式 (CoLM) 中的地表温度进行同化.同化伴随约束条件采用CoLM模式中的地表及植被能量平衡方程,调节因子采用裸土及植被蒸发比.采用美国通量网 (AmeriFlux) 中的Bonville站数据对同化方法进行了单点验证,验证结果表明同化后地表温度以及蒸散结果更加接近于实测值.选取中国华北地区对同化方法进行区域验证,结果显示每天仅采用白天一次观测值对地表温度进行同化的方法是有效的.通过对同化前后地表温度误差直方图比较可以发现,在有MODIS观测值的区域,同化后白天地表温度误差大大降低,同时,同化后地表蒸散空间分布图也发生了变化.单点验证以及区域验证结果都表明了变分同化方法是可靠的.变分同化方法可以改进陆面模式模拟结果,对于地表过程研究中的植被生态、水文等研究具有重要意义,同时,陆面模式可以与数值预报模式进行耦合,改进数值预报结果.     

云导风资料在遗传算法同化系统中的应用

利用云导风资料和常规观测资料,采用遗传算法同化系统和中尺度MM5模式对2005年7月9～10日长江流域的暴雨过程进行了模拟和分析.结果表明:遗传算法同化系统可以同化常规资料和非常规资料.使用遗传算法同化系统可以有效改善数值预报模式的初始场,在一定程度上提高物理量场的预报,但对降水场的预报效果改善不明显.加入云导风资料后,可进一步改善风场和温度场,使得物理量场和降水场的预报更加接近实况.     

A data assimilation technique based on the π-algorithm

A practical implementation of the data assimilation algorithm based on the Kalman filter in its complete formulation is impossible due to high dimension of the associated equation sets and to nonlinearity of the predicted processes. The main direction in the implementation of the Kalman filter is an ensemble approach. Under the assumption of ergodicity of random forecast errors, an alternative algorithm with respect to the ensemble Kalman filter can be considered, in which probability averaging is replaced by time averaging. The proposes algorithm is based this assumption. The algorithm is easy to implement; however, its convergence, applicability to the data assimilation problems, and connection to the Kalman filter have not been studied. In the paper, applicability of the π-algorithm to data assimilation is considered on an example of a simple one-dimensional advection equation. Use of this simple equation allows comparing the classical Kalman filter algorithm with various practical approaches to its implementation.     

Variational Data Assimilation for a Lorenz Model Usinga Non-Standard Genetic Algorithm

Summary  Data assimilation in meteorology and oceanography for strongly nonlinear dynamical systems is challenging. The dynamical system studied here is the classical three-variable Lorenz model. In this context data assimilation with weak-constraint variational methods performs better than other methods like strong-constraint variational methods or Kalman filters. The difficulty in tracking the chaotic Lorenz orbit by assimilation of noisy observations results from the inherent instability in the system. In variational methods a cost function has to be minimized. It is known, that in the Lorenz case the structure of the cost function becomes more and more complex with increasing length of the assimilation time interval and with reduction of the observational data quality. This paper proposes a non-standard implementation of a genetic algorithm for searching the global minimum in case of a weak-constraint formulation. The good performance of this non-local search is shown, but the algorithm is computationally demanding due to a very large number of control parameters within the weak-constraint formulation and, thus, the algorithm is applicable for simple systems only. Received December 12, 1998 Revised May 11, 1999     

Data assimilation technique based on the ensemble π-algorithm

A practical realization of the data assimilation algorithm based on the Kalman filter in its non-simplified form is impossible for modern forecast models because of the high dimension of the associated sets of equations and nonlinearity of predicted processes. The main direction in the Kalman filter realization is an ensemble approach. Under the assumption of ergodicity of random forecast errors, a so-called π-algorithm can be considered, which is alternative to the ensemble Kalman filter and where probabilistic averaging is replaced by averaging over time. In the present paper, we suggest a generalization of the π-algorithm based on the ensemble approach. The algorithm is easy to implement; however, its applicability to the data assimilation problems, convergence, and relation to the Kalman filter are still to be studied. The applicability of the ensemble π-algorithm to the data assimilation problem is considered by an example of a simple one-dimensional advection equation. The use of such a simple equation allows us to compare the classical Kalman filter algorithm with various practical approaches to its realization.     

Experiments on the radar reflectivity data assimilation in the WRF-ARW model

Given are the results of numerical experiments on the radar reflectivity data assimilation in the nonhydrostatic WRF-ARW model. For this purpose, the procedure of three-dimensional variational data assimilation was used included as a separate block (WRF-3DVAR) in the WRF-ARW system. The experiments on the cyclic assimilation of radar information were carried out for ten days of summer of 2009. The data of six AKSOPRI complexes forming the Moscow ring of radar measurements were assimilated. The contribution of the radar reflectivity data assimilation to the quality of short-range precipitation forecasts was verified on the basis of the momentary and accumulated radar precipitation and total precipitation at the stations. It is obtained that the contribution of the radar reflectivity assimilation using the WRF-ARW algorithm to the precipitation forecast is close to neutral: the number of accurate forecasts increases by about 10%; however, the number of false alarms increases as well.     

GPS折射角资料的变分同化试验

越来越多的新型观测资料为数值天气预报水平的进一步提高提供了许多新的机会。在各种新型的观测资料中,GPS(全球定位卫星系统)折射角资料无疑是非常重要的。GPS折射角资料具有分辨率高、全天候探测、覆盖全球等优点,实现对GPS折射角资料的变分同化,将具有非常重要的意义。文中介绍了如何获得及同化GPS折射角资料的原理。对GPS折射角资料的变分同化可以分为两种:间接同化和直接同化,文中对这两种方法都作了具体介绍。在变分同化的最小化过程中,计算效率无疑是最重要的,而优化步长的计算又直接关系到算法效率的成败。根据最小化算法的特点,通过数学推导,得出一种适合于各种最小化算法的计算优化步长的自适应方法。最后,还利用1995年10月11日的GPS折射角资料进行了数值试验,结果表明了变分同化方法和计算优化步长方法的有效性。     

FY-3A卫星微波资料的集合变分混合同化试验

以2012年"北京7.21暴雨"为例,实现了集合变分混合同化方法对FY-3A的微波温度仪和微波湿度仪资料的直接同化,并与三维变分方法进行了比较。结果表明:虽然两种同化方法同化FY-3A微波资料都能改进降水模拟效果,但是与实况相比,集合变分混合同化方法改进效果更为明显,其能有效减少虚假强降水的模拟,改进强降水中心位置的模拟,SAL评分定量检验也同样表明,集合变分混合同化方法对暴雨的模拟效果要优于三维变分同化方法;无论是热力学变量还是动力学变量,集合变分同化得到的初始场均方根误差均显著小于三维变分同化的结果;两种方法同化FY-3A微波资料均能改变初始场中的各种物理量信息,但不同方法得到的同化增量大小和分布却有明显的差异:三维变分同化方法对初始场的调整区域和强度都要大于混合同化方法,且其同化增量表现出均匀和各向同性的分布特点;而利用集合信息的混合同化方法得到的同化增量分布表现为非均匀性和各向异性,具有"流依赖性"的特征,这使得初始场的分布更合理,有利于改善降水的模拟效果。     

The use of ensemble Kalman filter for the planning of adaptive observations

Observations are one of the main elements influencing the result of the data assimilation procedure in the models. The additional sources of observations such as the aircraft data have appeared recently. In view of this, the problem arose of receiving the additional observations to specify the result of the data assimilation procedure. The approaches are considered to the estimation of the areas of additional observations for the increase in the accuracy of analysis and forecast in the data assimilation procedure. A technique of observational network planning using the ensemble Kalman filter is proposed. The results are given of numerical experiments on the estimation of the algorithm properties using the model based on the barotropic quasi-geostrophic vortex equation.