共查询到20条相似文献，搜索用时 125 毫秒
1.
集合卡尔曼滤波和粒子滤波是大气海洋领域两种先进的数据同化方法。理论上讲,粒子滤波克服了集合卡尔曼滤波中先验分布的高斯假定。但现有的关于两种方法的比较研究不够全面和系统,基于简单的洛伦兹63模式,重点对基于确定性集合卡尔曼滤波和均权重粒子滤波的数据同化方法开展对比分析,通过对观测误差和模式误差的不同配置,设计了四组试验着重研究两种方法相同试验条件下的同化效果。试验结果表明:与采用最优膨胀系数的集合卡尔曼滤波的同化方法相比,均权重粒子滤波的均方根误差更加依赖于观测信息的质量,但最优膨胀因子的集合卡尔曼滤波的均方根误差低于粒子滤波同化方法。 相似文献
2.
基于格点统计插值分析系统（Gridpoint Statistical Interpolation analysis system,简称GSI）,利用粒子滤波（Particle Filter,简称PF）方法对卫星红外辐射率资料进行了云覆盖、云高等三维云图产品的反演研究。选取了具有高时空分辨率的静止卫星GOES（Geostationary Operational Environmental Satellites）-Imager辐射率资料进行了云反演试验,初步评估了PF云反演方法的可行性及其与多元极小残差（Multivariate and Minimum Residual,简称MMR）云反演方法的异同。结果表明:两种方法反演得到的云覆盖和云顶气压与NASA基于CO2切片法反演得到的GOES云产品一致性较高。PF和MMR方法反演产品的优点是云图信息是三维分布的,相对于NASA提供的GOES云产品能提供更全方位立体的云信息。MMR方法需要利用一维变分逐步拟合观测来反演三维云图产品;PF方法采用不同模式垂直层的云覆盖比例作为不同粒子来近似后验概率分布,计算效率大大提高。进一步提出了一种新的基于“扰动粒子”的粒子滤波云反演方法,结果表明:在滤波过程中采用足够多的粒子样本（样本数量约为250）可以改进后验概率密度函数的估计,有效地避免了粒子发散问题,改善了云反演的结果。 相似文献
3.
《气象科学进展》2016,(5)
背景误差协方差矩阵的精确定义是构建高水平资料同化系统的先决条件。传统四维变分资料同化(4D-Var)方法将观测资料处理转化成以动力模式为约束的泛函极小化问题,通过调整控制变量,使指定时间窗口内由控制变量得到的模式预报结果与实际观测资料之间的偏差达到最小。该方法在同化窗口内可以利用模式的切线性和伴随隐式地改变背景误差协方差,能够在某种程度上满足快速发展的天气过程。但是大部分业务中心的四维变分资料同化系统仍采用静态化的背景误差协方差矩阵模型来缓解背景误差协方差矩阵的维度问题,即矩阵维数远大于可用信息量。随着计算机科学的迅猛发展,维度问题可以进一步通过集合的方法缓解。集合四维变分资料同化就是基于这一目标通过构造多个能反映出背景误差协方差分布特征的样本集合来弥补可用信息量的不足。该方法目前已在ECMWF、Mete-France等业务中心实现业务化,为确定性四维变分资料同化系统提供流依赖背景误差协方差估计。简要介绍了集合四维变分资料同化方法的基本原理;其次以ECMWF为例,概述了四维变分资料同化系统的业务现状,重点阐述了系统在开发过程中需要解决的扰动、滤波、校正等一些关键技术;最后探讨集合四维变分资料同化系统目前存在的问题和未来可能的研究方向。 相似文献
4.
5.
GRAPES集合卡尔曼滤波资料同化系统Ⅰ:系统设计及初步试验 总被引：5，自引：0，他引：5
集合卡尔曼滤波资料同化方法,可以用集合样本统计出随天气形势变化的误差协方差,是当前资料同化领域的研究热点。主要介绍了GRAPES集合卡尔曼滤波资料同化系统的设计以及初步的试验结果。针对集合卡尔曼滤波同化实际观测资料难以实施的问题,采用成批观测同化的顺序同化方法进行多变量的集合卡尔曼滤波同化;为了滤除有限集合数造成的误差相关噪音和缓解求逆矩阵不满秩的问题,在水平和垂直方向都采用了Schur滤波;建立了与GRAPES预报模式的垂直坐标和预报变量一致的模式面集合卡尔曼滤波系统;集合样本的生成考虑了模式变量的空间相关和模式变量之间的相关,通过利用三维变分分析中的控制变量变换得到模式变量扰动场。通过比较GRAPES集合卡尔曼滤波资料同化系统和GRAPES区域三维变分资料同化系统的单点观测资料同化分析结果,对比背景误差相关系数的分布,验证了GRAPES集合卡尔曼滤波系统的正确性。此外,同化区域探空观测资料试验结果表明,GRAPES集合卡尔曼滤波资料同化系统能够得到合理的分析,并且具有实际运行能力。对分析结果进行12h预报表明,GRAPES集合卡尔曼滤波资料同化系统的分析协调性不如三维变分资料同化系统。 相似文献
6.
《高原气象》2017,(4)
在集合卡尔曼滤波方法中,根据预报集合的统计特性提供的预报误差协方差矩阵对资料同化起决定性作用。但协方差矩阵低估会引起资料同化滤波发散问题。通过将集合转换卡尔曼滤波方法和时间局地化的H_∞滤波方法相结合,提出一种基于鲁棒集合滤波思想的资料同化方法,放大转移矩阵的特征值,改善估计效果。主要思路是在集合滤波的框架下,按照鲁棒滤波的最小最大准则,实现同化系统性能的改进。利用非线性Lorenz-96混沌系统,考察集合时间局地化的H_∞滤波在系统参数变化时,对同化系统鲁棒性的影响。结果表明:集合时间局地化的H_∞滤波对系统参数变化具有很好的鲁棒性;与传统的滤波方法相比,鲁棒滤波方法提高了同化的效果。 相似文献
7.
本文针对2009年6月5日发生在我国华东地区的一次中尺度对流过程（Mesoscale Convective System,简称MCS）,基于集合均方根滤波（Ensemble Square Root Filter,简称EnSRF）方法同化多部多普勒天气雷达资料,引入具有时空自适应理论优势的贝叶斯膨胀算法,通过与常数膨胀算法的对比,分析了两种膨胀算法对EnSRF同化效果的影响。结果表明:贝叶斯膨胀算法同化的雷达组合反射率因子在强对流中心处有所增强,改善了基于常数膨胀算法的EnSRF同化强对流系统偏弱的问题。相比常数膨胀算法,贝叶斯膨胀算法同化的冷池结构更合理,径向风和反射率因子的均方根误差均减少。进一步探讨贝叶斯膨胀算法对同化效果改善的原因,结果发现:贝叶斯膨胀参数的分布与反射率因子的均方根误差分布十分吻合,这表明贝叶斯膨胀算法可以在背景场均方根误差较大,即背景场与观测差距较大时,给出较大的膨胀参数,进而增加集合的背景场误差,使得观测权重增大,从而给出了较大的分析增量。对集合平均分析场进行了1小时的确定性预报发现,贝叶斯膨胀算法提高了预报模式对安徽与江苏交界处的强对流系统的模拟效果,回波强度更强,冷池强度和范围更大,且对于不同组合反射率因子的阀值,贝叶斯膨胀算法的评分（Equitable Threat Score,简称ETS）均高于常数膨胀算法。这表明贝叶斯膨胀算法有效地改进了基于常数膨胀算法的EnSRF同化雷达资料的效果。 相似文献
8.
粒子群优化算法(Particle Swarm Optimization,PSO)由于其编码简单,易于实施而发展迅速,PSO的性能取决于两个重要因素:惯性权重和学习因子.通过合理设计这两个参数,将动态权重的PSO应用于含有不连续“开关”过程的变分资料同化.为检验算法的有效性,针对一个简化的含不连续开关过程的偏微分方程,操作了3种比较同化数值试验,即基于传统伴随方法,遗传算法(GA)和动态权重的PSO的变分同化.结果显示,当控制方程含有开关时,使用PSO的变分同化结果的质量上明显优于其他两种方法,且PSO的性能更加稳定.对观测误差及模式误差的敏感性试验结果显示PSO方法具有更强的鲁棒性.PSO同化的效果与算法中参数的选取有关,采用好的参数设置能获得更好的同化结果. 相似文献
9.
集合方根滤波同化多普勒雷达资料在一次飑线过程中的应用研究 总被引：1，自引：0，他引：1
针对2005年7月12日发生在山东省中西部地区的一次飑线天气过程,采用集合方根滤波方法开展基于WRF模式的多普勒雷达资料的同化应用试验,考察了此同化系统对实际雷达资料的同化效果。主要结论如下：（1）集合方根滤波同化系统能有效同化实际雷达资料,雷达资料的加入增加了模式的中小尺度信息,使分析场得到了显著改善,有效缩短了模式起转时间,改进了对地面降水的预报。（2）利用三次同化分析后的集合平均分析场进行的确定性预报表明,与控制试验相比,同化后分析场能更准确地预报飑线系统的微物理量场,预报的流场结构符合风暴的动力特征,动力场和热力场的分布与配置也基本合理。（3）集合平均分析场对飑线系统传播方向的预报与实况一致,但预报的系统传播速度较实况快,由于对流系统的非线性发展迅速,对系统的预报时效为5—6 h。 相似文献
10.
在基于本征正交分解POD（Proper Orthogonal Decomposition）的集合四维变分同化方法（POD4DEnVar）建立的雷达资料同化系统（PRAS）的基础上,本文利用非线性最小二乘法的集合四维变分同化方法（NLS-4DVar）对PRAS进行改进,解决PRAS在高度非线性情况下的适应性问题,建立了新的雷达资料同化系统（NRAS）。通过观测系统模拟试验OSSEs（Observing System Simulation Experiments）和两次实际暴雨同化试验（2010年7月8日,中国中部地区;2014年3月30日,中国华南地区）对NRAS进行检验,并与PRAS的同化结果进行了对比。结果表明:无论是OSSEs还是实际雷达资料的同化,相对于PRAS,NRAS能够进一步提高同化效果。通过增加迭代的次数,NRAS能够有效地调整初始场的风场和水汽场,进一步提高了降水强度和位置的预报精度。但随着迭代次数的增加,对初始场的调整变小,进而对降水预报效果的改进也减小。试验结果表明NRAS能够有效解决PRAS在高度非线性情况下的应用问题,通过有限次数的迭代,即可得到近似收敛的结果。因而NRAS有望在数值预报中更有效地同化雷达资料,提高中小尺度天气的预报水平。 相似文献
11.
An Ensemble-Based Three-Dimensional Variational Assimilation Method for Land Data Assimilation 总被引：1，自引：0，他引：1 
下载免费PDF全文
下载免费PDF全文 Land surface models are often highly nonlinear with model physics that contain parameterized discontinuities. These model attributes severely limit the application of advanced variational data assimilation methods into land data assimilation. The ensemble Kalman filter （EnKF） has been widely employed for land data assimilation because of its simple conceptual formulation and relative ease of implementation. An updated ensemble-based three-dimensional variational assimilation （En3-DVar） method is proposed for land data assimilation This new method incorporates Monte Carlo sampling strategies into the 3-D variational data assimilation framework. The proper orthogonal decomposition （POD） technique is used to efficiently approximate a forecast ensemble produced by the Monte Carlo method in a 3-D space that uses a set of base vectors that span the ensemble. The data assimilation process is thus significantly simplified. Our assimilation experiments indicate that this new En3-DVar method considerably outperforms the EnKF method by increasing assimilation precision. Furthermore, computational costs for the new En3-DVar method are much lower than for the EnKF method. 相似文献
12.
The ensemble Kalman filter(En KF) is a distinguished data assimilation method that is widely used and studied in various fields including methodology and oceanography. However, due to the limited sample size or imprecise dynamics model, it is usually easy for the forecast error variance to be underestimated, which further leads to the phenomenon of filter divergence.Additionally, the assimilation results of the initial stage are poor if the initial condition settings differ greatly from the true initial state. To address these problems, the variance inflation procedure is usually adopted. In this paper, we propose a new method based on the constraints of a confidence region constructed by the observations, called En CR, to estimate the inflation parameter of the forecast error variance of the En KF method. In the new method, the state estimate is more robust to both the inaccurate forecast models and initial condition settings. The new method is compared with other adaptive data assimilation methods in the Lorenz-63 and Lorenz-96 models under various model parameter settings. The simulation results show that the new method performs better than the competing methods. 相似文献
13.
Initialization and simulation of a landfalling typhoon using a variational bogus mapped data assimilation (BMDA) 总被引：2，自引：0，他引：2
Summary Recently, a new data assimilation method called “3-dimensional variational data assimilation of mapped observation (3DVM)”
has been developed by the authors. We have shown that the new method is very efficient and inexpensive compared with its counterpart
4-dimensional variational data assimilation (4DVar). The new method has been implemented into the Penn State/NCAR mesoscale
model MM5V1 (MM5_3DVM). In this study, we apply the new method to the bogus data assimilation (BDA) available in the original
MM5 with the 4DVar. By the new approach, a specified sea-level pressure (SLP) field (bogus data) is incorporated into MM5
through the 3DVM (for convenient, we call it variational bogus mapped data assimilation – BMDA) instead of the original 4DVar
data assimilation. To demonstrate the effectiveness of the new 3DVM method, initialization and simulation of a landfalling
typhoon – typhoon Dan (1999) over the western North Pacific with the new method are compared with that with its counterpart
4DVar in MM5. Results show that the initial structure and the simulated intensity and track are improved more significantly
using 3DVM than 4DVar. Sensitivity experiments also show that the simulated typhoon track and intensity are more sensitive
to the size of the assimilation window in the 4DVar than that in the 3DVM. Meanwhile, 3DVM takes much less computing cost
than its counterpart 4DVar for a given time window. 相似文献
14.
本文采用Lorenz(1960)系统，在只考虑初始误差及观测误差而不考虑模式误差的情况下，利用扩展卡尔曼滤波(Extended Kalman Filter)数据同化方法进行了数值模拟试验。数值试验的结果表明：扩展卡尔曼滤波数据同化方法对系统状态的估计有较好的改善作用，能有效的抑制估计误差的增长；加大观测频率，可以进一步改善数据同化的效果，使估计误差进一步减小；由于模式误差的存在，系统的不稳定能量会不断的累积，出现了估计误差的异常增长和计算的不连续现象，在模式预报方程中的均值演变方程加人二阶偏差纠错项，对控制估计误差的异常增长，进一步改善数据同化的效果有较明显作用。 相似文献
15.
基于集合卡尔曼滤波的土壤水分同化试验 总被引：20，自引：2，他引：20
集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。 相似文献
16.
运用WRF模式（Weather Research and Forecasting Model,天气研究和预报模式）和WRFDA同化（WRF Data Assimilation,WRF资料同化）系统,探究采用物理滤波初始化四维变分同化方法提高数值预报在临近预报时效的预报能力的可能性。通过采用12 min同化窗,在不显著增加计算量的情况下,得到更协调的模式初始场,从而提高模式预报能力。选取2018年8月华北地区17个降水个例进行研究,结果表明:采用物理滤波初始化四维变分同化技术能够明显改进模式短时临近降水预报能力,明显提高对大量级降水预报的ETS评分,6 h累积降水大于25.0 mm量级的ETS评分由0.125提高到0.190,且6 h累积降水大于60.0 mm量级的ETS评分由0.016提高到0.081。研究还表明:同化雷达风场通过改进初始动力场使次网格尺度降水过程（积云参数化）快速响应,可提高短时临近时段的降水预报能力。 相似文献
17.
A Multivariate Empirical Orthogonal Function-Based Scheme for the Balanced Initial Ensemble Generation of an Ensemble Kalman Filter 下载免费PDF全文
下载免费PDF全文 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. 相似文献
18.
Summary The design of adaptive observations strategies must account for the particular properties of the data assimilation method. A new adjoint sensitivity approach to the targeted observations problem is proposed in the context of four-dimensional variational data assimilation (4D-Var). The method is based on a periodic update of the adjoint sensitivity field that takes into account the interaction between time distributed adaptive and routine observations. Information provided by all previously located observations is used to identify best locations for new targeted observations. Adaptive observations at distinct instants in time are selected in a sequential manner such that the method is only suboptimal. The selection algorithm proceeds backward in time and requires only one additional adjoint model integration in the assimilation window. Therefore, the method is very efficient and is suitable for practical applications. A comparative performance analysis is presented using the traditional adjoint sensitivity method as well as the total energy singular vectors technique as alternative adaptive strategies. Numerical experiments are performed in the twin experiments framework using a two-dimensional global shallow water model in spherical coordinates and an explicit Turkel-Zwas discretization scheme. Data from a NASA 500mb analysis valid for 00Z 16 Mar 2001 6h obtained with the GEOS-3 model was used to specify the geopotential height at the initial time and the initial velocities were obtained from a geostrophic balance. Numerical results show that the new adaptive observations approach is a promising method for targeted observations and its implementation is feasible for large scale atmospheric models. 相似文献
19.
利用自主构建的基于风暴尺度的WRF-En SRF系统同化模拟多普勒雷达资料,讨论了微物理方案及其参数的不确定性对同化效果的影响。试验采用组合微物理方案以及扰动微物理方案中的参数的方法,结果表明,模式误差非常小甚至可以忽略时,使用单个微物理方案并扰动参数能够使真实风暴的主要特征在分析场中较未扰动参数得到更好地反映;存在模式误差时,使用单个微物理方案并扰动参数后,分析场中的各要素的分布较未扰动参数更加接近真实风暴,同化效果得到改进,且改进效果比模式误差非常小时更为明显;存在模式误差时,组合微物理方案并扰动参数后,分析场中对流云团的形态较未组合方案或未扰动参数更接近真实风暴,主要要素场的配置最能反映真实风暴的特征,同化效果最为理想。结果也表明,扰动参数时、参数扰动范围较小时,同化效果较优。 相似文献
20.
不同模式误差方案在集合Kalman滤波土壤湿度同化中的比较试验 总被引：2，自引：2，他引：0
本文主要目的是探讨不同模式误差方案在土壤湿度同化中的性能。基于集合Kalman滤波同化方法和AVIM (Atmosphere-Vegetation Interaction Model) 陆面模式, 利用理想试验对膨胀因子方案 (Covariance Inflation, 简称CI)、 直接随机扰动方案 (Direct Random Disturbance, 简称DRD)、 误差源扰动方案 (Source Random Disturbance, 简称SRD) 等3种模式误差方案的同化效果进行了比较, 讨论了各方案在不同观测误差、 观测层数、 观测间隔情况下的同化性能。试验结果表明在观测误差估计完全准确的情况下, 3种方案都能获得较好的同化效果, 并且SRD方案相对于真值的均方根误差最小。当观测误差估计不准确时, SRD方案的同化效果仍能基本得以保持, 而CI和DRD方案则对观测误差估计更为敏感, 同化效果下降明显。当同化多层观测时, CI和DRD方案由于难以保持不同层观测之间的匹配关系, 同化结果反而变差, 而SRD方案能有效协调同化多层观测, 增加观测层后同化结果有了进一步的改善。当观测时间间隔较大时, CI和DRD方案的同化效果显著下降; 而SRD方案由于包含了一定的误差订正功能, 在观测稀疏时仍能保持较好的同化效果。 相似文献