共查询到18条相似文献，搜索用时 218 毫秒
1.
集合卡尔曼滤波同化探空资料的数值试验 总被引：4，自引：1，他引：3
应用集合卡尔曼滤波（Ensemble Kalman Filter;EnKF）方法,同化了2005年7月一次暴雨过程的探空观测资料,并用非静力中尺度模式MM5进行数值模拟试验。结果表明：在理想模式的假设下,即假设真实模拟和所产生的集合用的是同一个模式并有相同的初始误差,EnKF方法同化的分析结果较好。如果不运用EnKF方法同化探空观测资料,则集合预报结果和不加扰动的单个数值预报结果都没有EnKF方法同化过的好。 相似文献
2.
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
3.
集合KALMAN滤波和最优插值方法在不同观测分布的比较理想试验 总被引：3，自引：0，他引：3
目前一种比较流行并且可行的同化方法-集合Kalman滤波(EnKF)能够计算依赖于流的误差统计量。理论上,EnKF能够比最优插值、三维变分等更准确地计算误差统计量,能更好地融合背景场和观测场的信息。作者利用二维平流扩散方程经过10天的同化循环,比较不同观测分布的情况下EnKF和最优插值(OI)的模拟能力。理想试验结果显示,随着观测分布密度的减小,尤其是当观测的分辨率大于OI估计的相关尺度时,集合Kalman滤波的结果比最优插值有更明显的改进。 相似文献
4.
集合卡尔曼滤波 (the Ensemble Kalman Filter,简称EnKF) 中将预报集合的统计协方差作为预报误差协方差,但该估计可能严重偏离真实的预报误差协方差,影响同化精度。基于极大似然估计理论,发展了一种优化预报误差协方差矩阵的实时膨胀方法,即MLE (the Maximum Likelihood Estimation) 方法。利用蒙古国基准站Delgertsgot (简称DGS站) 观测资料,基于EnKF方法和MLE方法,在通用陆面模式 (the Common Land Model,简称CoLM) 中同化了地表温度和10 cm土壤温度观测资料,建立了土壤温度同化系统。结果表明:MLE方法对地表温度和各层土壤温度 (尤其深层土壤温度) 的估计比EnKF方法准确。考虑到浅层和深层土壤温度的差别,在实施MLE方法时对浅层和深层土壤温度采用了不同的膨胀因子。对比膨胀因子为单一标量时的结果,多因子膨胀能缓解深层土壤温度的不合理膨胀,改善同化效果。 相似文献
5.
适应性观测与集合变换卡尔曼滤波方法介绍 总被引：3，自引：0，他引：3
给出适应性观测理论和集合变换卡尔曼滤波方法及其研究现状的综述。重点介绍了集合变换卡尔曼滤波方法及其相关的一些问题。在数值预报领域,一种新的途径是利用数值预报系统信息在预报时效内确定出某些区域,如果在这些区域进行补充观测,可以最有效地改进预报技能。这种方法被称为适应性或目标观测,所确定的观测区域称为敏感区,敏感区内增加观测后分析质量将得到改善,对后续的预报技能可产生最大的预期影响。目前适应性观测研究已经成为世界气象组织(WMO)组织的THORPEX计划的一个子计划。集合变换卡尔曼滤波(The Ensemble Transform Kalman Filer,简称ETKF)是一种次优的卡尔曼滤波方案,最早是作为一种适应性观测算法提出的,现在还被用于集合预报初始扰动的生成。ETKF方法不仅可以同化观测资料,而且可以估计出观测对预报误差的影响。它与其它集合卡尔曼滤波方案不同之处在于:ETKF利用集合变换和无量纲化的思想求解与观测有关的误差协方差矩阵,可以快速估计出不同附加观测造成的预报误差协方差的减少量,预报误差减少最多的一组观测所对应的区域就是所寻找的敏感区。 相似文献
6.
7.
集合卡尔曼滤波同化多普勒雷达资料的数值试验 总被引：25，自引：10，他引：25
利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能.结果显示,经过几个同化周期后,EnKF分析结果非常接近真值.单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确.同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果.协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好.雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果.EnKF同化技术对雷达观测资料误差不太敏感.初始集合对同化分析有较大影响.EnKF同化受集合大小和观测资料影响半径.同化对模式误差较敏感.利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构.结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的.中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区. 相似文献
8.
WRF-EnKF系统对中国南方一次暴雨过程确定性预报的试验 总被引：1，自引：0，他引：1
文章利用美国宾州州立大学的WRF EnKF(Ensemble Kalman Filter)实时预报系统(Real time Penn State WRF EnKF System),针对2013年5月15—16日发生在中国南方的暴雨过程进行了数值预报试验,以初步检验该系统对我国南方降水确定性预报的效果。数值试验采用2013年5月14日08时（北京时）起报的6 h间隔的1°×1° NCEP GFS (globle forecast system) 60 h预报数据（预报到5月16日20时）作为初始条件和边界条件。其中,控制试验不同化任何观测资料,同化试验通过集合卡尔曼滤波方法同化常规探空资料,分别进行确定性预报。结果表明：利用WRF EnKF系统同化常规探空资料,显著改善了数值预报的初始场,减小了各物理量的预报偏差和预报均方根误差,进而提高了此次暴雨过程的降水落区和强度的预报准确率。 相似文献
9.
ETKF方法在区域集合预报中的初步应用 总被引：7，自引：1，他引：6
理论上,集合卡尔曼变换(ETKF--The Ensemble Transform Kalman filter)方法产生的集合扰动在观测空间具有等概率分布的特征,这一特点恰好可以弥补业务集合预报中常用的初值生成方法--Breeding 方法的不足.依据ETKF理论和方法,利用GRAPES-Meso中尺度模式建立了简单的基于ETKF的中尺度集合预报试验平台,并选取2005年11月8-12日出现的一次降雨过程进行集合预报试验,旨在研究ETKF方法用于集合预报时,对随时间变化的区域非线性系统,在有限集合数的条件下的特征.试验结果揭示了利用ETKF方法进行实际区域模式下集合预报的可行性及其一些基本性质,并指出试验当中存在的不足及今后研究的重点. 相似文献
10.
基于集合卡尔曼滤波的源反演方法是估计排放源、提高空气质量模拟和预报精度的有效方法。为构建排放源与污染物浓度之间的误差协方差矩阵,该方法通常需要运行几十次大气化学传输模式。庞大的计算量限制了该方法的应用,使其无法为实时预报系统快速更新排放源。本研究发展了一种基于集合最优插值的排放源反演方法。该方法使用历史集合数据构建误差协方差矩阵,仅需一次常规的空气质量模拟便可根据观测模拟差异反演排放源,从而显著降低计算量。本文使用该方法同化2015年1月全国1107个地面站点观测的CO小时浓度数据,结合2014年1月的历史集合数据集,估计2015年1月全国15 km分辨率的CO排放源。该方案反演的全国CO排放总量仅比使用2015年1月集合数据集的反演量高1%,表明历史时段与反演时段的气象条件差异对月均CO排放的影响有限。使用历史集合数据集更新的排放源再次模拟可将全国349个独立验证站点的平均低估从0.74 mg m?3降至0.01 mg m?3,均方根误差降低18%,表明该方法可快速更新排放源并降低其不确定性。 相似文献
11.
Assimilation of Hourly Surface Observations with the Canadian High-Resolution Ensemble Kalman Filter
An hourly-cycling ensemble Kalman filter (EnKF) working at 2.5?km horizontal grid spacing is implemented over southern Ontario (Canada) to assimilate Meteorological Terminal Aviation Routine Weather Reports (METARs) in addition to the observations assimilated operationally at the Canadian Meteorological Centre. This high-resolution EnKF (HREnKF) system employs ensemble land analyses and perturbed roughness length to prevent an ensemble spread that is too small near the surface. The HREnKF then performs continuously for a four-day period, from which twelve-hour ensemble forecasts are launched every six hours. The impact on analyses and short-term forecasts of assimilating METAR data is given special attention.It is shown that using ensemble land surface analyses increases near-surface ensemble spreads for temperature and specific humidity. Perturbing roughness length enlarges the spread for surface wind. Given sufficient ensemble spread, the four-day case study shows that the near-surface model state is brought closer to surface observations during the cycling process. The impact of assimilating surface data can also be seen at higher levels by using aircraft reports for verification. The ensemble forecast verification suggests that METAR data assimilation improves ensemble forecasts of air temperature and dewpoint near the surface up to a lead time of six hours or even longer. However, only minor improvement is found in surface wind forecasts. 相似文献
12.
基于集合Kalman滤波数据同化的热带气旋路径集合预报研究 总被引：1，自引：2，他引：1
构建了一个基于集合Kalman滤波数据同化的热带气旋集合预报系统，通过积云参数化方案和边界层参数化方案的9个不同组合，采用MM5模式进行了不同时间的短时预报。对预报结果使用“镜像法”得到18个初始成员，为同化提供初始背景集合。将人造台风作为观测场，同化后的结果作为集合预报的初值，通过不同参数组合的MM5模式进行集合预报。对2003～2004年16个台风个例的分析表明，初始成员产生方法能够对热带气旋的要素场、中心强度和位置进行合理扰动。同化结果使台风强度得到加强，结构更接近实际。基于同化的集合路径预报结果要优于未同化的集合预报。使用“镜像法”增加集合成员提高了预报准确度，路径预报误差在48小时和72小时分别低于200 km和250 km。 相似文献
13.
This study examines the performance of coupling the deterministic four-dimensional
variational assimilation system (4DVAR) with an ensemble Kalman filter (EnKF) to produce a
superior hybrid approach for data assimilation. The coupled assimilation scheme (E4DVAR)
benefits from using the state-dependent uncertainty provided by EnKF while taking advantage
of 4DVAR in preventing filter divergence: the 4DVAR analysis produces posterior maximum
likelihood solutions through minimization of a cost function about which the ensemble
perturbations are transformed, and the resulting ensemble analysis can be propagated forward
both for the next assimilation cycle and as a basis for ensemble forecasting. The feasibility
and effectiveness of this coupled approach are demonstrated in an idealized model with
simulated observations. It is found that the E4DVAR is capable of outperforming both 4DVAR
and the EnKF under both perfect- and imperfect-model scenarios. The performance of the
coupled scheme is also less sensitive to either the ensemble size or the assimilation window
length than those for standard EnKF or 4DVAR implementations. 相似文献
14.
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
15.
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
16.
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
17.
Lili LEI Yangjinxi GE Zhe-Min TAN Yi ZHANG Kekuan CHU Xin QIU Qifeng QIAN 《大气科学进展》2022,39(11):1816-1832
An ensemble Kalman filter (EnKF) combined with the Advanced Research Weather Research and Forecasting model (WRF) is cycled and evaluated for western North Pacific (WNP) typhoons of year 2016. Conventional in situ data, radiance observations, and tropical cyclone (TC) minimum sea level pressure (SLP) are assimilated every 6 h using an 80-member ensemble. For all TC categories, the 6-h ensemble priors from the WRF/EnKF system have an appropriate amount of variance for TC tracks but have insufficient variance for TC intensity. The 6-h ensemble priors from the WRF/EnKF system tend to overestimate the intensity for weak storms but underestimate the intensity for strong storms. The 5-d deterministic forecasts launched from the ensemble mean analyses of WRF/EnKF are compared to the NCEP and ECMWF operational control forecasts. Results show that the WRF/EnKF forecasts generally have larger track errors than the NCEP and ECMWF forecasts for all TC categories because the regional simulation cannot represent the large-scale environment better than the global simulation. The WRF/EnKF forecasts produce smaller intensity errors and biases than the NCEP and ECMWF forecasts for typhoons, but the opposite is true for tropical storms and severe tropical storms. The 5-d ensemble forecasts from the WRF/EnKF system for seven typhoon cases show appropriate variance for TC track and intensity with short forecast lead times but have insufficient spread with long forecast lead times. The WRF/EnKF system provides better ensemble forecasts and higher predictability for TC intensity than the NCEP and ECMWF ensemble forecasts. 相似文献
18.
集合Kalman滤波资料同化技术及研究现状 总被引：7，自引：1，他引：7
针对国内集合Kalman滤波资料同化领域的研究空白，对该技术的背景、理论、优势以及存在的问题做了简要描述，对目前国际上的主要研究成果做了介绍，并给出了该方法可能的发展方向。 相似文献