考虑预报偏差的迭代式集合卡尔曼滤波在地下水水流数据同化中的应用

集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）方法已广泛应用于地下水水流和污染物运移模拟相关问题的求解。但前人研究多建立在同化系统预报模型是准确的基础上,忽视了模型概化的不确定性。当模型概化不准确时,将导致预报偏差,可能带来错误的系统估计。因此,文章提出考虑模型预报偏差的迭代式集合卡尔曼滤波（Bias aware Ensemble Kalman Filter with Confirming Option,Bias-CEnKF）方法。以地下水水流数据同化为例,研究模型概化存在不确定条件下,边界条件、初始条件、源汇项概化不准确时新方法的有效性。结果表明,当预报模型概化不准确时,使用标准EnKF方法进行数据同化,可能会导致滤波发散,造成同化失败。Bias-CEnKF方法不仅保留了较好的同化性能,同时减小了参数、变量、偏差项非线性关系带来的不一致性。针对文章中4种情景,Bias-CEnKF同化获得的含水层渗透系数场以及水头场均接近真实场,且预报结果可靠。本研究进一步提升了模型概化不确定时EnKF方法的适用性,为实际野外复杂条件下地下水水流数据同化问题提供了可靠的方法。     

降水临近预报及其在水文预报中的应用研究进展

随着全球气候变化、自然变迁及陆表生境改变,极端天气频发且呈现出多尺度时空变异特征,对其进行预报和预警一直是气象水文领域关注的焦点。临近预报可较准确地预报未来短时间天气显著变化,是当前预报强降水等极端事件的主要手段。从基于天气雷达0～3 h外推临近预报、融合数值模式0～6 h临近预报的发展历程梳理了临近预报的研究进展,阐述了雷达外推算法的发展进程、雷达外推预报与数值模式预报融合技术进展,指出"取长补短"的0～6 h融合预报在提高降水预报精度、延长降水预见期等多方面有较大的发展潜力,进一步探寻及提升融合技术是未来融合预报发展的核心。将临近预报以气象水文耦合的方式引入水文预报是从源头提高水文预报精度、保障水文预报效果的主要途径,总结了现阶段主流耦合方式、空间尺度匹配技术、水文模型不确定等陆气耦合中的关键问题,阐述了外推临近预报、融合临近预报作为水文预报输入的研究进展,明确了融合临近预报在延长洪水预见期、提高洪水预报精度中存在优势,并讨论了未来的研究重点及发展方向。     

区划方法在无资料地区水文预报中的应用研究

区划方法是目前国际上解决无资料地区水文预报问题的常用方法,是近20年水文学界热点问题之一。本文通过介绍当前国际应用区划方法解决无资料地区水文预报问题的研究进展、存在问题和应用前景,为国内无资料地区水文模拟研究提供借鉴和参考。文章将区划方法分为3类:临近流域替代法、水文相似流域替代法和回归法。通过文献梳理及案例分析,本文指出各类方法的问题、适用范围及不同资料条件下方法选择。最后,通过对国际上无资料地区水文预报的总结分析,提出我国无资料地区研究亟待解决的5个问题。     

人工神经网络在海浪数值预报中的应用

探讨将人工神经网络技术和传统的数值模式相结合,以期得到一个更有效的海浪预报方法.以第3代海浪模式的模拟结果作为输入,浮标观测资料作为输出,采用人工神经网络进行训练,训练的初步结果显示,人工神经网络可以改进海浪数值模式的预报精度,但在波高比较大时,改进的效果并不令人满意.为此,对观测值大于1.5m时的有效波高进行再训练,从而结果有了进一步的改善.研究结果证明人工神经网络技术可以提高海浪数值预报的精度.     

涌潮河口底摩擦系数伴随资料同化研究

为更合理选取涌潮河口的底摩擦系数,基于无结构三角网格和有限体积法,建立了适用于反演潮汐涌潮河口底摩擦系数随空间和涨、落潮变化的伴随资料同化模型。一系列"孪生"实验均较精确地反演出了给定底摩擦系数。孪生实验表明底摩擦系数的空间分布会影响反演的精度,也表明充足的观测数据资料能够提高反演的准确性。利用实测数据进行了钱塘江河口伴随同化实验,得到涨、落潮底摩擦系数分别为0.000149和0.001520(相当于曼宁系数为0.012206和0.038987),利用该值模拟出了潮波变形和涌潮形成等现象,验证了前人在钱塘江河口数值模拟时关于底摩擦系数选取经验的合理性,反映了钱塘江河口底摩擦"涨小落大"的实质。     

集合—变分数据同化方法的发展与应用

近年来,集合—变分数据同化方法已成为大气数据同化领域研究的热点问题.该方法能够综合利用集合卡尔曼滤波和变分同化的优势,是实现“集合预报和数据同化一体化”的有效途径.在分析变分同化和集合卡尔曼滤波优缺点的基础上引出集合—变分数据同化的概念;按照不同实现方式,将集合—变分同化分为协方差线性组合和增加控制变量2类,介绍了相应的研究进展,并将集合—变分同化概念拓展;然后介绍了集合—变分同化在英美两国的应用;最后回顾了集合—变分同化研究的主要问题,展望了未来的发展趋势.     

WebGIS研究及其在城市环境中的应用

地理信息系统与网络结合形成的网络地理信息系统是目前地理信息系统发展的一个重要方向.在分析了当今WebGIS的开发技术后,提出了基于IMS的全新WebGIS构造系统,并对该系统的主要功能进行了介绍.     

云分析预报方法研究进展

云作为地球大气系统的重要组成部分,不仅影响着气候变化和天气系统的发展演变,还与航空活动密切相关,一直以来是空军和民航部门非常关注的气象要素之一。在云探测、资料同化和反演方法发展的基础上,从实际业务保障和数值模式发展需求出发,综述国内外云分析、预报方法和云分析预报系统开发的研究成果,分析各类方法的优势和不足,明确国内外研究的主要差距,并探讨国内未来研究的方向。云分析方法中,探空对云廓线识别较好,卫星可见光和红外资料在云顶信息反演方面优势明显,多普勒雷达能够获取对流层中层和底层的云信息,而毫米波雷达能够很好地反映云三维结构信息,发展潜力巨大。云预报方法中,传统的统计和诊断方法发展较为成熟,而考虑了大气温湿和云微物理状况的大气辐射传输模式正演模拟云顶亮温的方法是未来的发展趋势。加强云探测技术,综合利用云分析预报方法,借鉴国外先进云分析预报系统的设计理念,积极开发我国自主的云分析预报系统,推动天气预报、航空气象保障和数值预报模式的发展将会是我国云研究的重要方面。     

浙江省无资料流域洪水预报方法研究

无资料或资料不足是任意流域开展洪水预报面,临的难题和挑战。在浙江全省适用水文预报模型筛选基础上,利用自动寻优技术对浙江省39个代表流域978场暴雨洪水进行逐流域、逐场洪水产、汇流参数率定,并根据参数变幅、敏感性,分别采用均值、等值线空间内插、结合流域特征运用投影寻踪回归分析等方法进行产、汇流参数的地区综合,提出了全省无资料流域洪水预报方法,并经预报模型检验,精度可以满足防洪预警要求。     

无资料地区水文预报研究的方法与出路

无资料地区的水文研究是最近国际上水资源水环境研究的热点.总结了中国过去在流域洪水预报和设计洪水计算中针对无资料地区研究所取得的相关成果,指出现代水文学应该充分运用新的系统理论和方法,依靠计算机技术和遥感手段,在水文数值模拟方向上寻找无资料地区水文预报的新出路.对无资料地区的水文研究要从有充分实测资料的流域开始,人为隐去部分站点的实测数据以检验依靠剩余少量数据而建成的水文模型的适用性和精度.最后分析了流域分布式水文模型、空间插值、四维同化技术等方法在无资料地区水文预报中的意义和作用.     

数据同化算法研究现状综述

近年来,全球环境变化对人类生存影响日益突出,为了加强对陆地—大气—海洋的监测,全球对地观测系统计划(GEOSS)和全球环境与安全监测计划(GMES)等相继被提出。数据同化算法作为连接观测数据与模型模拟预测的关键桥梁也得到了迅速发展,显著标志新的数学研究成果不断被引入数据同化算法中。在国家重大科技基础设施项目"航空遥感系统——地球科学数据处理软件系统"需求背景条件下,梳理遥感数据同化算法的国内外发展现状,明确数据同化算法开发的技术主线和重点内容,稳步推进数据同化算法理论研究和软件开发。     

数据同化在气候模拟中的应用——对中国西部区域气候研究的展望

现代数值模拟技术是一种把数值模型与观测资料结合起来对地球系统状态进行理想化评估的方法。除了在数值天气预报和气候分析中发挥重要作用外，数据同化技术也被应用于气候研究的许多方面，如模式初始化、确认及最优化。主要通过几个与中国西部区域气候研究紧密相关的议题，讨论了数据同化在气候模拟中的应用。并且阐述了其将面对的挑战、潜在方法学、最新研究成果和未来发展。     

数据同化在海洋生态模型中的应用和研究进展

将数据同化方法引入海洋生态系统动力学模型研究,利用现有的观测数据,获得最佳的模式参数、初始场或提高状态模拟,是当前多学科交叉研究的热门领域。本文依据国内外研究进展,主要就海洋生态模型研究中所采用的变分伴随、卡尔曼滤波、模拟退火法方法进行了介绍,总结了数据同化在我国的海洋生态系统研究中的现状和发展趋势。     

陆面数据同化系统误差问题研究综述

同化系统中的误差问题一直被认为是制约数据同化性能的瓶颈问题。从分析陆面数据同化系统的误差问题研究现状出发,统一定义了同化系统的误差来源及误差表现,简要综述了顺序同化方法及连续同化方法中的误差定义和相关理论问题。从误差估计的角度,重点介绍了目前研究中各种误差估计的方法和面临的困难。针对误差处理方法的研究,介绍了在集合数据...     

顺序数据同化的Bayes滤波框架

数据同化是在动力学模型的运行过程中不断融合新的观测信息的方法论,Bayes理论是数据同化的基石.从原理、方法和符号系统为Bayes滤波在数据同化中的应用勾勒一个统一的框架.首先对连续数据同化和顺序数据同化的各种方法做了分类,然后给出了非线性系统顺序数据同化的Bayes递推滤波形式,并在此基础上介绍了典型的顺序数据同化方法--粒子滤波和集合Kalman滤波.粒子滤波实质上是一种基于递推Bayes估计和Monte Carlo模拟的滤波方法,而集合Kalman滤波相当于一种权值相等的粒子滤波.Bayes滤波理论为顺序数据同化提供了更广义的理论框架,从基础的数学理论上揭示了数据同化的基本原理.     

Overview of Researches on All-Sky Satellite Microwave Data Variational Assimilation

As the important components of the earth’s atmospheric system, cloud and precipitation strongly affect the global hydrology and energy cycles through the interaction of solar and infrared radiation with cloud droplets and the release of latent heat in precipitation development. The microwave observations in cloudy and rainy conditions have a large amount of information closely related to the development of weather systems, especially the severe weather systems like typhoon and rainstorm. Nevertheless, satellite microwave observations are usually only assimilated in clear-sky above the ocean and their cloud and precipitation content is discarded. Over the past two decades, several Numerical Weather Prediction (NWP) centers have gradually developed the “all-sky” approach to make use of the cloud- and precipitation-affected microwave radiances. It’s been proved that the all-sky assimilation can be used to improve the first guessed mass, wind, humidity, cloud and precipitation through the tracer effect. For providing an investigated reference for the future research of all-weather assimilation in domestic numerical weather forecast, this paper reviewed the all-sky assimilation methods using microwave observation data, analyzed the advantages and disadvantages of each method, and discussed the key technical problems and the existing difficulties and challenges in this field. With the development and application of the new generation of NWP model in China, advancing the domestic research of all-weather data assimilation technology will bring more scientific and practical benefits in the future.     

土壤湿度遥感估算同化研究综述

土壤湿度是影响气候的至关重要的变量之一。利用数据同化方法反演大规模高精度土壤湿度数据是目前土壤水分研究的一个重要方向。结合国内外土壤湿度遥感估算研究现状,总结了土壤水分同化算法主要应用进程,梳理了目前实现土壤水分反演且应用广泛的陆面过程模型,Noah模型、通用陆面过程模型CLM、简单生物圈模型Si B2、北方生产力模拟模型BEPS,介绍了大范围卫星土壤水分数据集,包括陆面同化系统数据集、ASCAT数据集、AMSR-E数据集及SMOS数据集,最后探讨了遥感土壤水分同化过程中存在的问题及发展方向。     

非线性滤波方法与陆面数据同化

陆面数据同化研究近几年成为地球科学研究的新兴领域,其中以非线性滤波为代表的数据同化方法发展迅速并得到了广泛应用。在贝叶斯理论框架内,从递推贝叶斯估计理论的角度系统地分析了扩展卡尔曼滤波、无迹卡尔曼滤波、集合卡尔曼滤波、SIR粒子滤波等非线性滤波方法的异同;针对应用比较广泛的集合卡尔曼滤波和SIR粒子滤波应用中存在的问题,论述了几种提高滤波性能的实用方法,如协方差矩阵的Localization方法、协方差矩阵的Inflation方法、双集合卡尔曼滤波方法、扰动集合、扰动大气驱动和模型参数、平方根集合卡尔曼滤波以及粒子滤波算法的改进等。最后总结讨论了各种非线性滤波方法应用中的特点、难点以及各种算法在陆面数据同化中的应用前景和发展方向。