一种新的基于模糊分析观测信息的局地化方法

地球表层系统是一个极其复杂的巨系统,为了更精确地表达地球表层系统各种过程的动态演进,解决数据同化系统观测误差的估计与处理已经成为地球科学领域备受关注的问题之一。在地球科学系统数值模拟中,一般采用集合数据同化来探讨地学变量预报时的各种误差。集合类卡尔曼滤波通常会由于集合数过小而带来欠采样、协方差低估、滤波发散和远距离虚假相关等问题。针对背景误差协方差被低估问题,局地分析方法（Local Analysis, LA）在一定程度上能起到抑制作用,但无法彻底解决背景误差协方差的虚假相关问题。因此,本文在集合卡尔曼滤波的算法框架下提出了一种与模糊逻辑控制算法相耦合的局地化分析方法（Fuzzy Analysis, FA）。在强非线性Lorenz-96模型中,对不同模型误差下的LA和FA方法进行了性能优劣方面的探讨,并比较分析了2种方法在集合数、观测数和观测位置、放大因子以及强迫参数变化时的同化性能。实验采用均方根误差作为算法评判依据,同时用功率谱密度（Power Spectral Density, PSD）更直接地对2种算法性能优劣作出了评价。结果表明：在完美模型下,FA相对于LA降低了17.5%的均方根误差（Root Mean Square Error, RMSE）;随着模型误差增大,RMSE减小的百分比和减小幅度都在降低;在严重模型误差下,FA降低了8.6%的RMSE。总体而言,新算法FA的有效性和鲁棒性都得到了验证,并且在EnKF同化基础下有效改进了传统的局地化分析方案,优化了观测误差处理,为今后的数据同化研究提供了一个较为全面的观测误差研究平台。     

1993—2016年中国近海海平面时空变化趋势

区域海平面变化是目前气候变化研究的热点问题.海平面变化具有时间和空间的异质性,分析海平面变化,应充分考虑时间和空间的差异.基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、最小二乘法,利用卫星高度计、验潮站数据,分析了1993—2016年间中国近海及周边海域海...     

基于集合卡尔曼滤波的湖泊富营养化模型Delft3D-BLOOM数据同化

富营养化模型是进行湖泊水环境质量预测和管理的重要工具,然而模型客观存在的误差一直是应用者关心的重要问题.数据同化作为连接观测数据与数值模型的重要方法,可以有效提高模型的准确性.集合卡尔曼滤波(En KF)是众多数据同化算法中应用最为广泛的一种,可进行非线性系统的数据同化,并能有效降低数据同化的计算量.本研究以太湖作为具体实例,选择Delft3D-BLOOM作为富营养化模型,在数值实验确定En KF集合数为100、观测误差方差为1%、模拟误差方差为10%的基础上分别进行模型状态变量同化以及状态变量与关键参数同步同化.结果显示,仅同化状态变量时,模型预测精度有所增加;同时同化状态变量和关键参数时,可显著提升模型在湖泊水环境质量预测中的精度.该研究为应用集合卡尔曼滤波以提高复杂的湖库富营养化模型模拟精度提供了有效的方法.     

集合经验模态分解(EEMD)在地下水位数据处理中的应用初探

使用集合经验模态分解方法将水位观测数据分为高、中、低等3个频率分量。高频分量可以用来识别和研究包含同震响应在内的高频事件;中间频率分量包含固体潮的半日波、全日波信号;低频分量则反映观测数据的长期趋势性变化特征。在此基础上,将该方法应用于张道口-1井和新10井的水位观测分钟值数据,从处理后得到的高频分量中识别出31次7级以上地震的同震响应,定量地分析了其最大振幅随震中距和震级的变化特征。     

An analysis of the error space of a high-resolution implementation of the GHER hydrodynamic model in the Mediterranean Sea

An ensemble of 250 model setups covering the Mediterranean Sea is built by perturbing various parameters: the bathymetry, the initial conditions, atmospheric forcing fields (air temperature, cloud coverage, wind), and internal model parameters (diffusion coefficients). The ensemble is then forwarded in time using the GHER hydrodynamic model, allowing to obtain information about the expected error associated with the forecast in a natural way. The evolution of this error is analyzed. In particular, we examine the time evolution and stationarity of its spatial average, and the spatial distribution of the error at different instants, by means of its first to fourth order moments, and of empirical orthogonal functions. We verify whether the a posteriori error distribution is Gaussian using the Anderson-Darling test. From these results, we are able to assess what parameters and forcing fields are most critical for the forecast. Qualitative conclusions are obtained throughout the text, in accordance with our expectations. Moreover, quantitative estimations of the expected error are also given.     

The representer method for two-phase flow in porous media

The representer method is applied to a one-dimensional two-phase flow model in porous media; capillary pressure and gravity are neglected. The Euler–Lagrange equations must be linearized, and one such linearization is presented here. The representer method is applied to the linear system iteratively until convergence, though a rigorous proof of convergence is out of reach. The linearization chosen is easy to calculate but does not converge for certain weights; however, a simple damping restores convergence at the cost of extra iterations. Numerical experiments are performed that illustrate the method, and quick comparison to the ensemble Kalman smoother is made. This research was supported by NSF grant EIA-0121523.     

一种汛期降水分布的客观集成预报方法

该文应用么枕生提出的中心聚类方法确定每个台站所能代表的站 ,在这些台站上对降水距平百分率进行平均 .这种平均对每个代表站逐站进行 ,由此得出的降水分布作为集成预报的对象 .应用最小预测误差平方和逐步算法逐站建立集成预报方程 .应用这一方法对在国家气候中心汛期预报中使用多年的 4个旱涝预报模型进行了集成预报试验 ,然后对每张预报图进行评分 .结果说明集成预报的评分高于 4个原始预报模型的评分 .对于 1 998年长江中下游和嫩江流域的异常洪涝 ,集成预报的评分亦高于 4个原始预报模型的评分     

热带气旋路径动力释用预报的集合预报方案

考虑到热带气旋中心定位的不确定以及热带气旋（以下简称ＴＣ）路径动力释用预报对ＴＣ中心位置初值的敏感性,本文以ＴＣ路径动力释用预报方案为基础,应用集合预报原理构造了具有５０个成员的集合预报试验方案,经１９９７和１９９８年１５个ＴＣ的１１８次试验对比,结果表明,５０个成员的集合预报方案２的改进效果较好,其平均距离误差较业务预报的平均距离误差有较显著的减小。集合预报原理应用于ＴＣ路径动力释用预报的可行性     

基于集合卡尔曼变换的目标观测敏感区识别系统优化及影响试验

在基于集合卡尔曼变换(Ensemble Transform Kalman Filter,ETKF)方法的适应性观测系统的基础上,考虑湿度因子作用并增加对流层低层的大气运动信息,发展了更加适用于我国中尺度高影响天气系统敏感区识别的优化方案。针对环北京夏季暴雨和冬季降雪的高影响天气个例,分别设计4组试验进行观测敏感区识别试验,考察了优化方案目标观测敏感区识别质量,并对分析和预报结果进行了评估。结果表明:优化方案的目标观测敏感区识别效果最佳,对环北京夏季暴雨和冬季降雪天气的目标观测敏感区质量有明显改善,湿度因子可使最强观测敏感区更加集中,对夏季降水敏感区的影响比冬季降雪天气更加明显。低层大气信息的引入对最强观测敏感区的准确识别也具有重要的积极作用。目标观测敏感区的目标资料对分析和短期预报质量具有明显的正贡献。     

预报异常极端高影响天气的 “集合异常预报法”：以北京2012年7月21日特大暴雨为例

对罕见极端高影响天气,既使一个模式有能力预报它,其数值预报也至少有以下难点:一是有多大把握确定所预报的天气是极端事件？二是其具体的定时、定量、定点预报可靠吗？本文介绍了集合预报和气候资料相结合的 “集合异常预报法”,并通过北京2012年7月21日（7.21）特大暴雨事件揭示出“集合异常预报法”和集合预报可以提供比单一模式预报更可靠和更准确的信息,从而可有效地缓解上述两大难点。作者建议中央气象台和其他有条件的台站可采用这种办法提高重大灾害性天气的预报能力。文中具体讨论了如下三方面:（1）标准化异常度（SA）的定义以及它同集合预报相结合提高对罕见极端高影响天气预报的可靠性,并由此可导出一个“社会影响矩阵”来定量地表达一个预报对社会的潜在影响;（2）利用集合预报,特别是多模式集合预报可以克服单一模式前后预报的跳跃性或不连续性问题,由此可延长实际可预报时效,如北京7.21事件超过100 mm大暴雨的实际可预报时效提前了2天;（3）SA还有助于认识异常天气发生的原因:从SA的分布看,造成北京7.21 大暴雨事件的短期天气尺度背景因素是从西北方向移来的冷锋和台风倒槽的相遇;从SA的演变看,该事件的中期大背景因素是在北京东北方向有阻塞高压发展并导致北京以西地区的低槽加强和发展（地面强冷空气堆积）,在高纬度形成了一个高、低压系统相间的波列,发展并维持,同时诱导热带系统北进。