基于Gauss-Markov卡尔曼滤波的电离层数值同化现报预报系统的构建—以中国及周边地区为例的观测系统模拟试验

本文给出了一个基于Gauss-Markov卡尔曼滤波的电离层数据同化系统的初步构建和试验结果.我们选择中国及周边地区部分涉及电离层观测的台站(包括子午工程台站、中国地壳形变网和部分IGS台站)作为观测系统进行模拟试验,背景场利用IRI模式,观测值则由NeQuick模式计算得到.我们的同化结果表明,采用Kalman滤波算法,把部分斜TEC同化到背景模式当中,能够获得较好的同化结果,说明我们设计的算法可行、所选择的各种参数比较合理,采用Gauss-Markov假设进行短期预报也取得了较合理的结果.本项研究经过进一步的改进和完善,可以用来对中国地区的电离层进行现报和短期预报,一方面满足相关空间工程应用,另一方面可以提升现有观测系统的科学意义.     

数据同化组成部分对初始条件和误差增长的影响

若不考虑特定的数据同化方法,数据同化通常可被分解为先验信息、观测算子、观测误差协方差和背景误差协方差等组成部分.本文基于经典的Lorenz模式,研究了数据同化各组成部分对初始条件误差和预报误差的影响,以期为设计不同尺度天气系统的数据同化方法提供理论基础.研究结果表明,预报误差经历三个典型阶段:0～5天为预报误差的缓慢增长期; 5～15天为预报误差的快速增长期,其中确定性预报和集合预报的误差增长速率具有显著差异; 15天后为预报误差的饱和期.数据同化可通过提供更加准确的初始条件,进而提升可预报性.相比于静态背景误差协方差(B),流依赖的背景误差协方差(P^f)可提供更精确的初始条件,因此当瞬时观测或频繁的时间平均观测被同化时,循环同化效果优于离线同化;但当时间平均观测频率低时则结果相反,这是因为循环同化在模式缺乏预报技巧时无法构造具有信息的先验估计,且流依赖的P^f相比于静态的B不能有效地从含信息量低的观测中提取出观测信息.瞬时观测相比于时间平均观测包含更多的信息,因此在时间频率低的观测系统中,瞬时观测应优先被考虑.此外,集合预报优于确定性预报,且...     

基于多正则化参数约束的四维变分同化方法及其对台风预报的影响

Tikhonov正则化反问题思想应用于变分同化时,通常引入的单正则化参数并不能同时满足不同观测资料的误差特性.针对传统四维变分同化(4D-Var)中不同观测资料分别引入不同正则化参数,提出基于多正则化参数约束的4D-Var(Tikh-4D-Var);同时,鉴于实际维数巨大同化系统中多正则化参数难于计算问题,基于同化系统后验估计信息,引入一种新的多正则化参数选择方法,相比于传统正则化参数选择方法,该方法计算量较小.基于WRF3.3.1 4D-Var同化系统,利用2010年Chaba台风个例开展bogus资料同化台风初始化应用试验,结果表明:结合引入的多正则化参数选择方法,Tikh-4D-Var方法相比于传统4D-Var方法更快达到收敛标准,迭代次数更少;同时,相比于传统4D-Var方法,Tikh-4D-Var方法呈现出更优的同化和预报效果,使得72 h路径和强度预报误差减小的同时,进一步改善了台风的内部结构信息;多正则化参数在一定程度上可反应同化系统中观测资料误差方差给定的准确性.     

基于残差重采样粒子滤波的土壤水分估算和水力参数同步优化

陆面数据同化由于能将观测数据和模型模拟有机结合,已逐步发展为地球科学研究的重要方法之一.通过数据同化方法在模型中不断融入新的观测数据,一方面可以有效地校正陆面过程模型的预测轨迹,提高模型状态变量的估算精度,另一方面可以不断减小模型中的不确定因素,优化模型中的相关参数.在众多数据同化算法中,粒子滤波算法不受模型线性和误差高斯分布假设的约束,适用于任意非线性非高斯动态系统,逐渐成为当前数据同化算法研究的热点.本研究基于残差重采样粒子滤波算法发展了一个数据同化方案,将微波亮温数据同化到大尺度半分布式VIC(Variable Infiltration Capacity)陆面水文模型中,对土壤水分进行估算,并对模型中的三个水力参数进行同步优化.最后设计了一系列对比实验并利用美国亚利桑那州在SMEX04(Soil Moisture Experiment 2004)期间获取的一套完整的实验数据对该同化方案进行了验证.结果表明,该同化方案能够大幅度提高土壤水分估算精度,同时模型中的三个水力参数也得到了较好的优化,从而证明了该数据同化方案的有效性.     

初始误差和参数误差对混沌系统可预报性影响的比较

利用非线性误差增长理论,以Lorenz系统为例比较研究了初始误差和参数误差对混沌系统可预报性的影响．结果表明：在初始误差和参数误差单独存在时,系统的可预报期限随误差大小的变化规律基本上相同;对于相同的误差大小,初始误差和参数误差对系统可预报期限的影响几乎相同,这一结果基本上不随参数范围的变化而变化．当初始误差和参数误差同时存在时,两者对可预报期限影响所起的作用大小主要取决于初始误差和参数误差的相对大小．当初始误差远大于参数误差时,Lorenz系统的可预报期限主要由初始误差决定,可以不用考虑参数误差对预报模式可预报性的影响;反之,当参数误差远大于初始误差时,Lorenz系统的可预报期限主要由参数误差决定;当初始误差和参数误差大小相当时,两者都对系统的可预报期限起重要作用．在后两种情况下,在考虑初始误差对可预报性影响的同时还必须考虑参数误差的作用．这提醒我们在作实际数值天气预报的时候,不仅要重视初值的确定,也要重视数值模式控制参数的确定．