共查询到17条相似文献，搜索用时 123 毫秒
1.
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
2.
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
3.
集合Kalman滤波是由大气数据同化发展的新的同化算法,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Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法,无法对过去状态变量进行同化订正。而过去状态的估计对于建立大气或海洋历史资料库、获得准确的数值预报初始场有着重要的意义。本文在集合Kalman滤波同化方法的基础上,提出了可以对过去状态进行估计的集合Kalman滤波扩充状态变量法,然后分别采用空气质量方程和Lorenz系统对这种方法进行了检验。数值试验结果表明,这种方法可以对非线性系统中的过去状态变量进行有效的估计订正,说明该方法是可行的。 相似文献
4.
集合Kalman滤波在土壤湿度同化中的应用 总被引：10，自引：4，他引：6
基于非饱和土壤水模型和集合卡尔曼滤波 (Ensemble Kalman Filter, 简称EnKF) 并结合陆面水文模型——可变下渗能力模型 (Variable Infiltration Capacity, 简称VIC模型) 发展了一个土壤湿度同化方案。利用1998年6~8月淮河流域能量和水循环试验 (HUBEX) 项目外场观测试验区——史灌河流域梅山站土壤湿度逐日观测资料及1986~1993年合肥和南阳两站点的土壤湿度旬观测资料进行同化试验, 结果表明该同化方案能完整估计土壤湿度廓线, 同化的土壤湿度与观测资料基本吻合, 反映了土壤湿度的日、 旬、 月、 季变化, 同化方案是合理的。与基于扩展卡尔曼滤波 (Extended Kalman Filter, 简称EKF) 的土壤湿度同化方案的结果比较, 基于EnKF的土壤湿度同化方案易于实现, 且通过选择恰当的集合样本数其同化效果总体上略优于EKF同化方案, 但前者同化时需要花费较多的计算时间。 相似文献
5.
风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验I.不考虑模式误差的情形 总被引：11，自引：8，他引：3
本文在假定模式无偏差的情况下, 利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验, 检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果, 并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明, 集合卡尔曼滤波能有效地应用于风暴尺度的资料同化; 40个集合成员以及6 km的局地化尺度能较好地滤除采样误差造成的虚假相关, 同时可以将观测信息传递到无观测的模式格点; 利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果; 背景场扰动方法能够提高样本的离散度; 只同化反射率的同化试验表明, 反射率的同化效果较明显, 也证明了集合卡尔曼滤波在非常规资料同化中的作用; 增加径向风资料同化的效果优于只进行反射率同化的结果。 相似文献
6.
风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验Ⅰ.不考虑模式误差的情形 总被引：3，自引：2，他引：1
本文在假定模式无偏差的情况下,利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验,检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果,并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明,集合卡尔曼滤波能有效地应用于风暴尺度的资料同化;40个集合成员以及6km的局地化尺度能较好地滤除采样误差造成的虚假相关,同时可以将观测信息传递到无观测的模式格点;利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果;背景场扰动方法能够提高样本的离散度;只同化反射率的同化试验表明,反射率的同化效果较明显,也证明了集合卡尔曼滤波在非常规资料同化中的作用;增加径向风资料同化的效果优于只进行反射率同化的结果。 相似文献
7.
非线性滤波在含“开关”过程的资料同化中的应用研究 总被引：2，自引：0，他引：2
利用一个描述实际数值天气预报模式中比湿在单格线上随时间发展的偏微分方程作为控制方程,研究分析了非线性滤波方法在含开关过程的资料同化中的有效性和可行性。首先在贝叶斯理论框架下,讨论了一般情形的非线性滤波方法,然后对基于粒子滤波(PF)和基于集合卡尔曼滤波(EnKF)的两种同化方法进行对比,由于EnKF是通过对集合成员的统计分析得到的误差分布的一阶矩和二阶矩来近似真实误差分布的,所以当用高斯分布近似真实误差分布所产生的误差较大时,基于EnKF的同化方法得到的结果也会有较大的误差。最后分别从观测算子为线性和非线性、观测误差为高斯型和非高斯型4种情形进行数值试验,结果显示当观测误差为高斯型时,无论观测算子为线性还是非线性,基于PF和基于EnKF的同化方法都能克服由开关过程给资料同化带来的困难,给出满意的同化结果;而当观测误差为非高斯型时,EnKF出现滤波不稳定,产生了非理想的同化结果,但PF方法仍然能够有效地发挥作用,给出满意的同化结果。 相似文献
8.
GRAPES集合卡尔曼滤波资料同化系统Ⅱ：区域分析及集合预报 总被引：2，自引：0，他引：2
GRAPES集合卡尔曼滤波资料同化方法能够分批同化常规观测资料,GRAPES集合卡尔曼滤波同化系统的设计及其与GRAPES三维变分同化系统的对比试验结果表明,GRAPES集合卡尔曼滤波系统能够得到合理的分析,并且具有实际运行能力。在此基础上,进行集合卡尔曼滤波区域同化分析及集合预报试验,对比区域模式面三维变分同化分析预报结果,研究表明,集合卡尔曼滤波分析比三维变分分析具有一定优势,降水预报更接近实况。考察了预报误差特征随天气形势的变化情况,表明预报误差相关场和均方差的分布随着天气形式不同而变化。 相似文献
9.
集合卡尔曼平滑和集合卡尔曼滤波在污染源反演中的应用 总被引：7，自引：8，他引：7
此文目的是讨论污染源反演问题的统计方法.基于Bayes估计理论,该文将资料同化中的集合平滑、集合卡尔曼平滑和集合卡尔曼滤波应用在污染源反演问题中.在详细给出污染源反演的集合平滑、集合卡尔曼平滑和集合卡尔曼滤波的严格数学表达后,用一个简单的模型演示了集合卡尔曼平滑和集合卡尔曼滤波在污染源反演中的可行性,并且通过对比理想试验结果比较了集合卡尔曼平滑和集合卡尔曼滤波方法在反演污染源排放的效果,讨论了观测误差和污染源先验误差估计对反演结果的影响.试验结果表明在观测间隔小和观测误差小的情况下,集合卡尔曼滤波和集合卡尔曼平滑都可以有效地反演出随时间变化的污染源排放.当观测误差增大时,集合卡尔曼滤波和集合卡尔曼平滑的反演效果都有一定降低,但是反演误差的增加少于观测误差的增加,同时集合卡尔曼平滑(Ensemble Kalman smoother,简称EnKS)对观测误差比集合卡尔曼滤波(Ensemble Kalman filter,简称EnKF)更为敏感.当观测时间间隔较大时,EnKF不能对没有观测时的污染源排放进行估计,仅能对有观测时的污染源排放进行较好的反演.而EnKS可以利用观测对观测时刻前的污染源排放进行反演,因此其效果明显好于EnKF,并且在观测时间间隔较大的情况下依然可以较好地反演出污染源排放.试验结果还显示污染源排放的先验误差估计对反演的结果有较大影响. 相似文献
10.
在中尺度WRF-EnSRF系统中最新引入的采样误差订正局地化方法不仅考虑了回归系数偏差,而且计算量较小。该方法基于状态变量和对应观测值的相关系数的分布关系,根据离线蒙特卡洛技术制作的关于集合数和样本相关系数的查找表格确定局地化系数因子,进而订正由集合数选取有限造成的背景误差协方差被低估引起的采样误差。本文利用风暴过程的雷达观测资料做了一系列风暴尺度的资料同化理想试验,探讨了采样误差订正局地化方法在风暴尺度集合卡尔曼滤波同化中的技术特点和同化效果。结果表明:相比于经验局地化方法,采样误差订正局地化方法能够有效地改善集合同化的效果,对距离的敏感度更低,尤其在天气系统发展变化较快的阶段,新方法优势更大。并且,对不同观测变量以及在风暴发展的不同阶段使用不同的局地化方法,所得的结果都存在一定的差异,因此需要根据同化对象合理地选择局地化方法。 相似文献
11.
以通用陆面模式CLM 3.0(Community Land Model 3.0)为模型算子,基于集合卡尔曼滤波(Ensemble Kalman Filter,En KF)发展了一个土壤温湿度同化系统,主要用于改进模式对土壤温湿度和地表水热通量的模拟精度,并考察集合样本数、同化频率及不同观测量的组合对同化效果的影响。该系统同化了FLUXNET两个站点(阿柔和Bondville)不同土壤深度、不同时间频率的土壤温度和湿度数据。通过对阿柔站不同集合样本数的设计,综合考虑计算成本和计算精度,最终将集合样本数设置为40。通过分析三种同化方案对同化频率的敏感性得出,同化土壤温度最为敏感,同时同化土壤温湿度次之,同化土壤湿度最不敏感。对于阿柔站点,同化系统对不同土壤深度温度和湿度的模拟精度均能提高90%,潜热通量的均方根误差由94.0 W·m~(-2)降为46.3 W·m~(-2),感热通量均方根误差由55.9 W·m~(-2)降为24.6 W·m~(-2)。Bondville站点浅层土壤温度的改进在30%左右,深层土壤温度改进达到60%,对土壤湿度的改进均在70%以上,潜热通量和感热通量的均方根误差分别从57.4 W·m~(-2)和54.4 W·m~(-2)降为51.0 W·m~(-2)和42.5 W·m~(-2)。试验结果表明,同化站点土壤温湿度数据对土壤水热状况及通量的模拟改进非常有效,同时也验证了同化土壤水分遥感产品的可行性和必要性。 相似文献
12.
在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。 相似文献
13.
基于集合平方根滤波方法(En SRF)同化方法和NOAH陆面模式的WRF-En SRF陆面同化系统,同化了江苏省70个自动站资料进行试验,研究加入不同的同化资料(地表温度、10 cm土壤温度、20 cm土壤温度)及初始扰动强度的大小对陆面数据同化系统性能的影响,以及对不同区域(降水大值区和降水小值区)的分析场进行效果对比,并且检验了同化系统在一次典型的梅雨锋暴雨的同化效果,证明了这个系统的有效性和可行性。对于资料选取试验,比较全场平均的同化时刻分析场模拟观测相对真实观测的均方根误差可以得到:同化地表温度资料并且初始扰动强度1 K的时候同化效果最理想。对于选定的降水大值区和降水小值区来讲,降水大值区的土壤温度和土壤湿度分析场更加接近于真实场。运用于一次梅雨锋暴雨的同化实验,对于最后一个同化时次的分析场作为背景场做集合预报,最终证明预报结果是有效的。土壤温度、土壤湿度、地表温度和近地面风场的预报结果都较用NCEP再分析资料直接做预报作为控制试验的结果有不同程度的改进。这说明该系统应用于实际同化中的性能较为良好,可以应用于实际土壤湿度与温度的预报。 相似文献
14.
Xiaolei FU Zhongbo YU Ying TANG Yongjian DING Haishen LYU Baoqing ZHANG Xiaolei JIANG Qin JU 《Journal of Meteorological Research》2019,(2):190-205
Soil moisture is an important variable in the fields of hydrology, meteorology, and agriculture, and has been used for numerous applications and forecasts. Accurate soil moisture predictions on both a large scale and local scale for different soil depths are needed. In this study, a soil moisture assimilation and prediction based on the Ensemble Kalman Filter(EnKF) and Simple Biosphere Model(SiB2) have been performed in Meilin watershed, eastern China, to evaluate the initial state values with different assimilation frequencies and precipitation influences on soil moisture predictions. The assimilated results at the end of the assimilation period with different assimilation frequencies were set to be the initial values for the prediction period. The measured precipitation, randomly generated precipitation,and zero precipitation were used to force the land surface model in the prediction period. Ten cases were considered based on the initial value and precipitation. The results indicate that, for the summer prediction period with the deeper water table depth, the assimilation results with different assimilation frequencies influence soil moisture predictions significantly. The higher assimilation frequency gives better soil moisture predictions for a long lead-time. The soil moisture predictions are affected by precipitation within the prediction period. For a short lead-time, the soil moisture predictions are better for the case with precipitation, but for a long lead-time, they are better without precipitation. For the winter prediction period with a lower water table depth, there are better soil moisture predictions for the whole prediction period. Unlike the summer prediction period, the soil moisture predictions of winter prediction period are not significantly influenced by precipitation. Overall, it is shown that soil moisture assimilations improve its predictions. 相似文献
15.
集合均方根滤波同化地面自动站资料的技术研究 总被引：3，自引：1，他引：2
模式地形与观测站地形高度差异一直是地面资料同化面临的棘手问题,合理的同化方案能够将地面自动站资料有效的同化到中尺度数值模式中。本文首先采用Guo et al.(2002)的方案实现了在WRF模式中应用集合Kalman滤波方法同化地面自动站资料;然后对方案进行调整,对10 m高度风场、2 m高度位温、2 m高度露点和地表气压进行同化。通过均方根误差分析,模拟结果和同化增量分析来确定集合平方根滤波(EnSRF)同化地面自动站资料的有效性,并进行敏感性试验分析检验模式对各要素物理量的响应状况。结果表明:在EnSRF同化系统中应用Guo et al.(2002)的方案将地面自动站资料进行同化到数值模式中,能够部分改善模拟结果;地面观测资料(温度、湿度、风场、地表气压)中各物理量分别同化到数值模式都能影响18小时降水预报,但各物理量所起作用大小不同,其中对结果影响最大的是露点;使用位温、露点分别代替温度、比湿进行同化模拟效果更好,对自动站资料的同化也更加有效。 相似文献
16.
This study explores the use of the hierarchical ensemble filter to determine the localized influence of ob-servations in the Weather Research and Forecasting ensemble square root filtering (WRF-EnSRF) assimilation system. With error correlations between observations and background field state variables considered, the adaptive localization approach is applied to conduct a series of ideal storm-scale data assimilation experiments using simulated Doppler radar data. Comparisons between adaptive and empirical localization methods are made, and the feasibility of adaptive locali-zation for storm-scale ensemble Kalman filter assimilation is demonstrated. Unlike empirical localization, which relies on prior knowledge of distance between observations and background field, the hierarchical ensemble filter provides con-tinuously updating localization influence weights adaptively. The adaptive scheme improves assimilation quality during rapid storm development and enhances assimilation of reflectivity observations. The characteristics of both the observation type and the storm development stage should be considered when identifying the most appropriate localization method. Ultimately, combining empirical and adaptive methods can optimize assimilation quality. 相似文献
17.
In this study, we assimilated sea surface temperature (SST) data of the past 120 years into an oceanic general circulation model (OGCM) for El Niño-southern oscillation (ENSO) retrospective predictions using ensemble Kalman filter (EnKF). It was found that the ensemble covariance matrix in EnKF can act as a time-variant transfer operator to project the SST corrections onto the subsurface temperatures effectively when initial perturbations of ensemble were constructed using vertically coherent random fields. As such the increments of subsurface temperatures can be obtained via the transfer operator during assimilation cycles. The results show that the SST assimilation improves the model simulation skills significantly, not only for the SST anomalies over the whole assimilated domain, but also for the subsurface temperature anomalies of the upper 100 m over the tropical Pacific off the equator. Along the equator, the improvement of the assimilation is confined within the mixing layer because strong upwelling motions there prevent the downward transfer of SST information. The retrospective prediction skills of ENSO over the past 120 years from 1881 to 2000 were significantly improved by the SST assimilation at all leads of 1–12 months, especially for the 3–6 months leads, compared with those initialized by the control run without assimilation. The skilful predictions by the assimilation allow us to further study ENSO predictability using this coupled model. 相似文献