卡尔曼滤波方法在天气预报中的应用

从气象应用角度介绍了卡尔曼滤波的基本原理及其递推算法。为了说明卡尔曼滤波递推算法的应用方法，制作了北京１９９３年１月份逐日最低气温３６小时预报。预报结果令人满意，表明该方法很有实用价值，与ＭＯＳ方法相比，它的优点是不需要收集大样本历史资料，因此，它容易适应数值预报模式的变化。     

卡尔曼滤波方法在高温预报中的应用

用卡尔曼滤波方法制作2000年5月-6月攀枝花市逐日最高气温24小时预报，其预报准确率达86%以上，比主观方法预报提高20%-30%，比常用模式方法提高10-20%。同时，用T106数值预报48h、72h、96h网格资料作相应时段的高温预报，其预报误差≤1.8°；用T106数值预报120h、144h、168h网格资料作相应时段的高温预报，预报误差在1.5～3.3°间变化。该方法预报精度较高，值得推广。     

卡尔曼滤波在相对湿度预报中的应用

用卡尔曼滤波方法,利用 Ｈ Ｌ Ａ Ｆ Ｓ资料制作商丘站１９９６ 年８ 月份每日１４ 时相对湿度预报。经与 Ｍ Ｏ Ｓ方法对比,卡尔曼滤波具有适应性、稳定性、可用性等优点。     

卡尔曼滤波方法在逐日极端气温预报中的应用分析

利用国家气象中心的T63数值预报产品，采用卡尔曼滤波方法，建立了内蒙古地区（35个站）的逐日极端（日最低、日最高）气温24小时预报方程。于1996年3～11月进行业务试运行，预报结果令人满意，表明该方法有一定的参考和实用价值。     

卡尔曼滤波方法在温湿度预报中的应用

采用卡尔曼滤波方法,对北京地区的温湿度作了预报试验。结果表明,该方法不需很多样本即可得到较好的预报方程,预报误差比较稳定,对最低,最高温度,相对湿度等连续性气象要素有一定的预报能力。     

非线性平流方程计算稳定性对初值的依赖性研究

对一维平流方程向前差格式的一个计算不稳定特例进行了讨论，给出了四个命题，并得出结论：在一定的条件下，可以对初值稍加改变，使其在x轴一侧分布而达到计算稳定，从而改进并修正了已有的相关结论。     

卡尔曼滤波方法在温度预报中的应用

应用卡尔曼滤波方法,结合欧洲中期数值天气预报中心的数值预报产品,尝试建立西安２４ｈ最高／最低气温预报方法,取得了比较满意的效果。表明卡尔曼滤波方法具有建模简单方便等特点,同时卡尔曼滤波方法对温度和季节变化和数值预报模式的变化都具有很强的适应能力,与动力统计方法（ＭＯＳ、ＰＰ等）相比较具有较大的优势。在数值预报产品的解释应用中有广阔的前景。     

卡尔曼滤波方法在四川盆地面雨量预报中的应用

本文用卡尔曼滤波方法释用ECMWF输出产品于四川盆地的面雨量预报。研究结果表明：不对面雨量做任何形式的变换做为预报对象用0小时的ECMWF输出资料进行面雨量的模拟结果最好。用订正后的24-144小时ECMWF输出资料于面雨量的预报结果表明，卡尔曼滤波方法对面雨量从无到有的转折性降雨预报具有参考价值。     

卡尔曼滤波方法预报因子的选择

利用ECMWF格点资料,设计了5种不同的预报因子选择方案,运用卡尔曼滤波方法制作1999年11月～2000年2月逐日14时温度预报,通过考察准确率、均方差、平均绝对误差,确定了最优因子选择方案.     

卡尔曼滤波在短期气候预测中的应用

用PRESS准则和最优子集回归选取预测因子，建立河西走廓东部月平均气温的卡尔曼滤波预测模型，经实际使用发现，该预测方法的精度较高，稳定性较好，为短期气候提供了一种新的思路和方法。     

ETKF初值扰动方法中真实观测及扰动调节因子研究

目前国家气象中心业务GRAPES区域集合预报系统中集合变换卡尔曼滤波（ETKF）方法采用的是模拟观测信息，为进一步完善ETKF方法，拟对ETKF初值扰动通过引入真实探空观测资料，使扰动场能够代表真实观测的不确定信息，改善区域集合预报技巧。真实观测资料的引入会使得每日的观测数目和分布发生变化，这对ETKF方法而言可能会引起扰动振幅的不稳定，因此在引入真实观测资料的基础上设计了新的扰动振幅调节因子，通过格点空间中离散度和均方根误差关系来对初值扰动振幅进行自适应调整。从初值扰动结构、概率预报技巧以及降水预报效果等方面对比分析了基于模拟观测、真实观测以及真实观测结合新型调节因子的ETKF方案的差异，结果表明:真实探空资料能够有效应用于GRAPES区域集合预报系统中，真实观测资料与模拟观测资料相比较为稀疏，可以获得更大量级的初值扰动振幅；真实观测资料有助于提高区域集合的离散度，但对集合预报准确度以及概率预报结果的提高有限，对于降水预报效果提高也有限；新型的扰动振幅调节因子可以有效获得稳定的初值扰动振幅，并保持ETKF扰动结构，真实观测资料与扰动振幅自适应调节因子相结合，可以有效提高区域集合的概率预报结果，并有效提高降水预报效果。     

卡尔曼滤波方法在动力延伸预报产品释用中的应用

根据月时间尺度上的降水与大气环注之间的关系,利用国家气候中心Ｔ６３模式动力延伸预报产品,应用卡尔曼波波方法对月时间尺度上降水进行了预测试验。结果表明该种模式动力产品释用方案在气候预测中具有较好的应用前景。     

集合Kalman滤波同化理论及其数值试验

集合Kalman滤波用于数值试验有着坚实的理论基础.本文介绍了集合Kalman滤波理论及其技术实现, 在此基础上搭建了集合Kalman滤波同化系统, 用MM5模式同化了实测探空资料并作了48 h的预报试验, 并将预报结果与实测值及4D VAR同化的结果作了比较.试验结果表明: 集合Kalman滤波同化探空资料可以改进MM5模式的预报效果, 且集合Kalman滤波同化后模式的预报效果明显优于4D VAR同化后模式的预报效果.     

称重雨量数据处理卡尔曼滤波应用

降雨量的测量,目前业务上应用较为广泛的是翻斗式雨量计,它只能测降雨,对于冰雹、降雪等固态降水的测量采用人工观测为主,称重式雨量计与翻斗式雨量计相比,其优势在于能实现所有类型降水的全天候自动化观测。本研究随机选择了一天无降水数据确定了滤波参数Q和R(过程噪声方差和观测噪声方差),根据确定的滤波参数,随机选择了无降水(2016年4月3日)和有降水(2015年7月21日、2015年8月7日)日采用卡尔曼滤波,并结合翻斗雨量传感器数据进行验证,结果表明,本研究确定的滤波参数采用卡尔曼滤波后能够有效去除称重雨量中的噪声,使滤波后的曲线变得平稳光滑,减小了数据的抖动频率和误差。     

集合卡尔曼滤波数据同化在一维波动方程中的应用

简要回顾了集合卡尔曼滤波(EnKF：Ensemble Kalman Filter)数据同化方法的发展历史,并介绍了EnKF数据同化方法的基本原理,利用一维非线性波动方程进行了数值试验。EnKF数据同化方法的实现过程简单可行。避免了EKF中协方差演变方程预报过程中出现的计算不准确和关于协方差矩阵的大量数据的存储问题,最主要的是EnKF可以有效控制模式变量估计误差方差的增长,改善预报效果。     

A Multivariate Empirical Orthogonal Function-Based Scheme for the Balanced Initial Ensemble Generation of an Ensemble Kalman Filter

The initial ensemble perturbations for an ensemble data assimilation system are expected to reasonably sample model uncertainty at the time of analysis to further reduce analysis uncertainty. Therefore, the careful choice of an initial ensemble perturbation method that dynamically cycles ensemble perturbations is required for the optimal performance of the system. Based on the multivariate empirical orthogonal function (MEOF) method, a new ensemble initialization scheme is developed to generate balanced initial perturbations for the ensemble Kalman filter (EnKF) data assimilation, with a reasonable consideration of the physical relationships between different model variables. The scheme is applied in assimilation experiments with a global spectral atmospheric model and with real observations. The proposed perturbation method is compared to the commonly used method of spatially-correlated random perturbations. The comparisons show that the model uncertainties prior to the first analysis time, which are forecasted from the balanced ensemble initial fields, maintain a much more reasonable spread and a more accurate forecast error covariance than those from the randomly perturbed initial fields. The analysis results are further improved by the balanced ensemble initialization scheme due to more accurate background information. Also, a 20-day continuous assimilation experiment shows that the ensemble spreads for each model variable are still retained in reasonable ranges without considering additional perturbations or inflations during the assimilation cycles, while the ensemble spreads from the randomly perturbed initialization scheme decrease and collapse rapidly.     

卡尔曼滤波在沿海冬半年风力预报中的应用

应用卡尔曼滤波方法,制作１９９５年１１月和１９９６年１月防城港市逐日最大风力３６￣１３２小时预报,预报结果精度高,表明该方法在沿海冬半年风力的预报上很有实用价值。