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。     

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。     

各向异性背景场误差协方差构建及在“凡亚比”台风的应用

利用相临过去时段预报结果中同一时刻不同时效的模式预报场差异,计算预报误差协方差,并基于集合-变分混合同化系统将其与静态背景场误差协方差结合,从而在同化系统中构建了具有各向异性和一定流依赖特征的背景场误差协方差。单点观测理想试验显示本方案改善了静态模型化背景场误差协方差的各向同性和流依赖性问题。“凡亚比”台风的一系列同化及模拟试验表明,从台风路径、强度等方面本文方案的效果都要优于三维变分法。本文方案在不需要集合预报,计算量与三维变分法相当的情况下,给同化系统引入了各向异性、一定流依赖特征的背景误差协方差,因此本方案适于在计算资源较为紧缺情况下,对时效要求较高的预报业务中应用。     

基于海气耦合模式的均权重粒子滤波与集合卡尔曼滤波比较研究

在大气和海洋环境研究中,粒子滤波(PF)由于在非线性数据同化方面突出的优势,逐渐成为研究热点。最近改进的均权重粒子滤波(EWPF)为粒子滤波的进一步发展指明了新方向。集合卡尔曼滤波方法 (EAKF)作为当前主要应用的数据同化方法,使用高斯假设和线性假设来解决非线性问题,然而对均权重粒子滤波方法和卡尔曼滤波方法在非线性模式下的同化结果和特点还缺少系统详细的比较研究。本文在非线性耦合气候模式下,比较研究两种同化方法,采用均方根误差(RMSE)作为评价比较标准。实验结果表明,在非线性低频观测耦合模式中EWPF结果均优于EAKF。同时根据RMSE的结果得出,EWPF的同化结果更接近观察结果,而EAKF的同化结果更接近模式真值。     

EnKF和SIR-PF在贝叶斯滤波框架下的比较和结合

贝叶斯估计理论为非线性、非高斯系统的数据同化提供了一个统一的框架。在本文中,我们利用著名的洛伦茨吸引子(Lorenz'63)模式对两种基于贝叶斯滤波理论的数据同化方法——集合卡尔曼滤波器(EnKF)和重取样粒子滤波器(SIR-PF)——进行了较为全面的比较。比较的结果揭示了两种方法的优缺点:即当集合成员数目较多时,SIR-PF的同化效果优于EnKF;反之,则EnKF的表现较好。进一步地,我们使用统计方法分析了两者表现的差异和原因。最近提出的一种集合卡尔曼粒子滤波器(EnKPF)通过使用一个可控的参数整合EnKF和SIR-PF的分析格式,可以结合两者的优点。本文在充分比较两种方法的前提下,重新阐释并改进了原有的EnKPF算法,使之适用于非线性的观测算子。通过使用相同的洛伦茨模式实验,我们揭示了EnKPF实质上提供了关于EnKF和SIR-PF的连续插值,使得后两者可以视为其特殊情况。并且,在集合成员数目有限的前提下,EnKPF可以在一定程度上避免滤波退化的发生,取得优于EnKF和SIR-PF的同化效果。     

解析四维集合变分参数优化方法研究

传统的四维变分数据同化方法在同化观测资料的同时可以对数值模式参数进行优化,然而传统的四维变分方法需要针对不同的数值模式编写特有的伴随模式,因此算法的可移植性差,同时计算时耗费大量资源。本文提出了一种新的基于解析四维集合变分的参数优化方法,该方法以迭代搜索得到的模式参数为基准展开扰动并构建样本集合,由此显式地计算协方差矩阵,并得到代价函数极小值的解析解,从而避免了伴随模式的使用。基于Lorenz-63模型对该方法进行单参数和多参数数值试验和优化效果检验,并在不同的同化时间窗口长度和观测采样间隔情况下,采用传统四维变分方法与之进行对比,结果显示,新方法表现出与传统四维变分相同的优化性能,都能有效收敛到真值,而新方法不需要计算伴随模式,可移植性好。本文还测试了不同的集合成员个数和模式参数真值的情况下新方法的同化效果,结果表明,新方法对集合样本个数及模型参数真值不敏感,采用较少的集合样本即可完成数据同化。     

基于地球系统模式的局地化粒子滤波器与集合卡尔曼滤波器同化实验

粒子滤波器(PF)是一种非常具有应用前景的非线性资料同化方法。但由于其算法本身存在的粒子退化问题,目前尚未被广泛地应用于大型地球物理模式。目前主流的集合同化系统仍然倾向于使用集合卡尔曼滤波器(EnKF)及其衍生方法。一种新近被提出的局地化粒子滤波器(LPF)在经典的粒子滤波器算法中引入局地化技术,可以使用较小的计算成本有效地避免退化问题,具有非常大的业务应用潜力。本文在全耦合的通用地球系统模式中开展了LPF和EnKF的同化实验,同化资料为模拟的卫星海表温度资料。着重考察了不同局地化参数对两种方法的不同影响,对比了局地化粒子滤波器与集合卡尔曼滤波器的同化效果差异。比较的结果表明,LPF的同化效果对于局地化参数的选择非常敏感,在使用最优局地化参数的条件下,LPF能达到与EnKF相当甚至优于后者的同化效果,并具有较大的改进空间。     

云尺度雷达资料的混合同化对台风“桑美”的数值模拟研究

本文采用基于WRFDA的集合-变分混合同化系统（En3DVAR）在云尺度分辨率下同化了雷达观测资料考察其对登陆台风"桑美"的影响。高时空分辨率的雷达径向风资料在台风登陆前的3 h同化窗内以每30 min的频率同化进WRF模式（Weather Research and Forecasting）。研究结果表明:En3DVAR试验在3 h同化窗内的均方根误差相比3DVAR试验改进显著,这可能得益于混合同化系统中提供的"流依赖"的集合协方差信息。系统性的诊断分析表明En3DVAR试验在台风内核区产生了较为明显正温度增量,对台风内核区的热力和动力结构均有较好调整,而3DVAR则在台风内核区产生了负温度增量;相比3DAVR试验,En3DVAR在采用了"流依赖"的集合协方差信息后还可以对背景场上的台风的位置进行系统性的偏差订正。总体而言,En3DVAR试验预报的台风路径和强度相比3DVAR改进显著,其正效果主要来源于混合背景误差协方差中的"流依赖"集合协方差信息。     

MASNUM-WAM海浪模式集合Kalman滤波同化研究-I.风场扰动对海浪模拟影响

模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为：纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素（有效波高）和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。     

现代海洋/大气资料同化方法的统一性及其应用进展

海洋／大气资料同化的理论基础是用数值模式作为动力学强迫对观测信息进行提炼，或者说，从包含观测误差(噪声)的空间分布不均匀的实测资料中依据动力系统自身的演化规律(动力学方程或模式)来确定海洋／大气系统状态的最优估计。本文对主要的现代海洋／大气资料同化方法，包括最优插值(()ptimal Interpolation，简称()Ⅰ)、变分方法(3—Dimensional Variational和4—Dimensional Variational，分别简称3DVAR和4DVAR)和滤波方法(Filtering)的原理、算法设计和实际应用进行系统地回顾，并对这些资料同化方法的优缺点进行分析和讨论。在滤波框架下，所有的现代资料同化方法都被统一了：()Ⅰ和3DVAR是不随时间变化的滤波器，4DVAR和卡曼滤波是线性滤波器，即非线性滤波的退化情形；而集合滤波能构建非线性的滤波器，因为集合在某种程度上体现了系统的非高斯信息。一个非线性滤波器的主要优点是能计算和应用随时间变化的各阶误差统计距，如误差协方差矩阵。将非线性滤波器计算的随时间变化的误差协方差矩阵引入到（）Ⅰ或4DVAR中，也许能实质性地改进这些传统方法。在实际应用中，方法的优劣可能取决于所选用的数值模式和可获得的计算资源，因此需针对不同的问题选取不同的资料同化方法。由于各种资料同化方法具有统一性，因此可建立测试系统来评价这些方法，从而对各种方法获得更深入的理解，改进现有的资料同化技术，并提高人们对海洋／大气环境的预测能力。     

MASNUM-WAM海浪模式集合Kalman滤波同化研究-Ⅰ.风场扰动对海浪模拟影响

模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为:纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素(有效波高)和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。     

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。     

集合调整卡尔曼滤波方法在M2分潮数值模拟中的水深估计研究

数据同化利用观测信息对模型状态场调整的同时也可以对数值模型中的不确定参数进行估计,从而改进数值模型,提高数值模拟的精度。本文基于集合调整卡尔曼滤波方法,采用广义坐标系统的美国普林斯顿大学海洋模式的外模式开展了渤海和部分黄海海域M₂分潮模拟中的水深估计研究。理想数据同化试验结果表明,集合调整卡尔曼滤波方法能很好地降低模式模拟的水位误差并反演出“真实”的水深参数。而在NAO.99Jb和验潮站数据的实际数据同化试验中,与验潮站数据相比较,水深参数估计后,模式模拟的M₂分潮振幅与迟角误差分别降低了40.27%和49.19%。     

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。     

集合变换卡尔曼滤波数据同化方法中的协方差局地化

在集合数据同化中,协方差局地化（covariance localization,CL）方法的使用存在限制。集合转换卡尔曼滤波（ensemble transform Kalman filter,ETKF）作为集合平方根滤波的变种方法,是一种应用较广、计算高效的数据同化方法。本文分析了CL方法应用于ETKF方法的困难,从而改进CL方法使其可以适用于ETKF方法。另外,结合浅水方程,利用Askey函数作为多元局地化函数,提出了一种适用于多元数值模型的CL方法。通过具体实验验证,得到了较好的分析结果。     

北印度洋海浪背景误差分析和同化预报初步评估

基于背景误差分析中的观测法,利用Jason-1卫星高度计沿轨有效波高数据并结合Wave Watch Ⅲ海浪模式预报结果,进行北印度洋海域海浪背景误差分析,得到海浪场背景误差方差和各向同性假设下背景误差相关长度的时空分布特征。按经验函数拟合该海域有效波高背景误差协方差时总残差平方和最小的原则给出了更为适用于该海域的描述公式。在上述工作基础上,采用最优插值同化方法将Jason-1和Jason-2卫星高度计有效波高数据连续同化到海浪模式Wave Watch Ⅲ,按业务化标准对2013年1月北印度洋海域的海浪场进行了同化预报试验,经浮标数据检验发现同化可使海浪24 h预报得到明显改进。     

变分伴随数据同化在海表面温度预报中的应用研究

将变分伴随数据同化技术应用于海表面温度(SST)数值预报.采用中国近海海表面温度短期数值预报模式,将船舶测报海表面温度同化到该模型中,对SST初始场进行优化.文中给出了中国近海SST数值预报同化模型5d试报结果与观测值的比较,整个区域的均绝差由同化前的2.71℃降至0.87℃,即变分伴随数据同化对改进SST数值预报的效果是比较明显的,表明它可成为SST数值预报初始化的新方法.     

静态集合样本的构造及其在全球海浪滤波同化中的应用

本文提出一种最佳静态集合样本的构造方法,利用不同时段内海浪有效波高的模拟偏差构造静态集合样本,并将其与由模拟结果和观测资料统计的模式误差进行概率密度分布及时空相关性分析,结果表明24h间隔有效波高偏差与后者的相关性最好,称为最佳静态集合样本,可用于近似背景误差。将所构造的静态集合样本应用于滤波同化调整过程,采用MASNUM海浪模式,利用Jason-1卫星高度计数据,对2008年全球海域开展海浪同化实验,实验结果表明,基于最佳静态集合样本的海浪同化调整,可以有效地改善海浪模式的模拟效果。     

基于扩散滤波的多尺度三维变分研究

将扩散方程引入三维变分分析,揭示了传统3D-VAR不能有效提取多尺度观测信息的根本原因,即观测导致的目标函数梯度在空间的不连续分布.将扩散滤波融入基于梯度的最优化算法,发展了基于扩散滤波的多尺度3D-VAR.海表面温度数据同化试验结果表明,新方法可从长波至短波有效地提取多尺度的观测信息.     

基于适应性观测误差和温盐偏差控制的EnKF温盐廓线资料同化试验

通过开展2008年夏季南海北部开放航次CTD的温盐廓线数据资料同化试验,本文采取了观测误差适应的方法来防止EnKF滤波发散问题;同时,从背景误差协方差和温盐模式偏差关系入手,在同化中引入温盐控制来减小模式偏差对同化结果的影响。对于改进的同化方案进行了试验验证,并用卫星高度计观测数据,OSCAR流速数据,走航ADCP数据作为独立观测数据检验。结果证明新的EnKF同化策略能够有效地减小温盐均方根误差。同时整个同化系统能有效地改善高度场和流场的模拟。