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。     

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。     

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.     

地形高度依赖水平局地化尺度方案在台风数值模拟中的应用试验

为了探究GRAPES区域集合三维变分混合同化系统中"地形高度依赖水平局地化尺度方案"对台风预报性能的影响,以"苏迪罗"台风(2015)和"杜鹃"台风(2015)为例,开展了集合变分混合同化系统在台风中的应用试验,对比分析了"地形高度依赖水平局地化尺度方案"和非"地形高度依赖水平局地化尺度方案"集合变分混合同化后台风路径...     

CEEMD与GRNN神经网络电离层TEC预报模型

针对电离层电子总含量(TEC)存在非线性、非平稳,由多因素影响导致高噪声的问题,建立了补充集合经验模态分解(CEEMD)和广义回归神经网络(GRNN)模型相结合的CEEMD-GRNN电离层TEC预报模型.以解决直接使用原始数据进行预测会导致拟合效果差、预测精度低的问题.采用国际GNSS服务(IGS)中心提供的2019年...     

基于集合卡尔曼滤波的多相流模型参数估计——以室内二维砂箱中重质非水相污染物入渗为例

重质非水相有机污染物(DNAPL)泄漏到地下后,其运移与分布特征受渗透率非均质性影响显著。为刻画DNAPL污染源区结构特征,需进行参数估计以描述水文地质参数的非均质性。本研究构建了基于集合卡尔曼滤波方法(EnKF)与多相流运移模型的同化方案,通过融合DNAPL饱和度观测数据推估非均质介质渗透率空间分布。通过二维砂箱实际与理想算例,验证了同化方法的推估效果,并探讨了不同因素对同化的影响。研究结果表明:基于EnKF方法同化饱和度观测资料可有效地推估非均质渗透率场;参数推估精度随观测时空密度的增大而提高;观测点位置分布对同化效果有所影响,布置在污染集中区域的观测数据对于参数估计具有较高的数据价值。     

基于贝叶斯模式平均的大渡河流域集合降水概率预报研究

基于TIGGE数据的五个单中心集合预报结果(CMA、CMC、ECMWF、NCEP、UKMO)构成的多中心超级集合预报系统的降水量预报,以及相应时段的实测降水量值,应用贝叶斯模式平均法(Bayesian Model Averaging,BMA)建立大渡河流域的BMA概率预报模型。通过CRPS、MAE、BS三种评价指标,对大渡河流域的BMA降水概率预报模型进行评价与检验,三种指标均显示BMA降水概率预报比原始集合预报具有更高的准确性,其中BMA模型的CRPS和MAE指标均值分别相比原始集合预报减少了31.6%和23.9%;分析模型权重参数,得出ECMWF对大渡河流域BMA降水预报贡献最大,即ECMWF对研究区域降水预报效果最好;模型对大渡河流域极端降水预报效果较差,常低估极端降水量。     

基于水文模型的蒸散发数据同化实验研究

流域蒸散发定量估算一直是水科学领域的研究前沿,水文模型和遥感反演是当前估算区域蒸散发的常用手段。研究通过数据同化,集成水文模型和遥感模型的优势,耦合遥感蒸散发到水文模型中以实现多源数据下的蒸散发数据同化。选择北京市沙河流域为研究区,分布式时变增益水文模型作为模型算子,基于集合卡尔曼滤波同化算法,利用双层遥感模型模拟的蒸散发同化水文模型,并基于地面通量站观测的日蒸散发进行验证。结果表明,同化结果与观测数据相比平均绝对百分比误差较同化前减少,精度进一步提升,且当遥感观测输入频繁时精度改善明显。研究证明基于水文模型的蒸散发数据同化系统,是一种可实现输出精度更高和时序连续的区域蒸散发的新型模式。该成果将进一步丰富创新蒸散发估算的学科内容,为准确理解区域水循环规律提供科学依据。     

基于EnKF融合地球物理数据刻画含水层非均质性

含水层非均质性的刻画是模拟地下水中污染物运移的关键。以渗透系数为研究对象,构建了综合集合卡尔曼滤波方法、有效电阻率模型与地下水运移模型的同化框架,通过融合地球物理观测数据与污染物浓度观测数据来推估渗透系数的空间分布。基于理想算例,验证了该同化框架刻画含水层非均质渗透系数场的有效性,并针对不同初始参数信息与观测类型对比了耦合与非耦合水文地球物理方法的适用性。研究结果表明:基于集合卡尔曼滤波方法同化多种类型的观测数据,可有效地推估非均质参数空间分布。当初始信息较准确时,耦合方法的参数推估精度更高;初始信息存在偏差时,非耦合方法有更好的同化效果。由于非耦合方法计算成本较低且对初始信息缺失时适用性更强,在实际应用中可先基于非耦合方法初步估计参数,再利用耦合方法进一步提高参数推估精度。融合多种类型观测数据可有效提高参数推估效果。     

土壤水分同化系统的敏感性试验研究

利用1998年7月6日至8月9日青藏高原GAME-Tibet试验区MS3608站点的4cm、20cm和100cm的土壤水分观测数据同化SiB2模型输出的表层、根区和深层土壤水分,探讨了一个基于集合卡尔曼滤波和简单生物圈模型的单点土壤水分同化方案。分析和评价了集合大小、同化周期、模型误差、背景场误差以及观测误差对同化系统性能的影响。结果表明:①增加集合数目可以减小土壤水分同化系统的误差,但同时又降低了运行效率;②对于集合卡尔曼滤波,初始场的估计是否准确对同化系统性能影响不大;③模型误差和观测误差的准确估计可以提高土壤水分的估计精度;④利用数据同化的方法对土壤水分的估计有显著提高。