共查询到20条相似文献，搜索用时 46 毫秒
1.
静态集合样本的构造及其在全球海浪滤波同化中的应用 总被引：4，自引：2，他引：2
本文提出一种最佳静态集合样本的构造方法,利用不同时段内海浪有效波高的模拟偏差构造静态集合样本,并将其与由模拟结果和观测资料统计的模式误差进行概率密度分布及时空相关性分析,结果表明24h间隔有效波高偏差与后者的相关性最好,称为最佳静态集合样本,可用于近似背景误差。将所构造的静态集合样本应用于滤波同化调整过程,采用MASNUM海浪模式,利用Jason-1卫星高度计数据,对2008年全球海域开展海浪同化实验,实验结果表明,基于最佳静态集合样本的海浪同化调整,可以有效地改善海浪模式的模拟效果。 相似文献
2.
《海洋与湖沼》2016,(6)
模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为:纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素(有效波高)和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。 相似文献
3.
MASNUM-WAM海浪模式集合Kalman滤波同化研究-I.风场扰动对海浪模拟影响 总被引：1，自引：1，他引：0
模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为：纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素（有效波高）和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。 相似文献
4.
基于第三代海浪模式WaveWatch III,采用集合最优插值(EnOI)方法对北印度洋海浪进行同化数值实验研究。在集合样本选取方案上,针对不同的实验分别选取有效波高(SWH)的历史后报场(样本A)、24h变化(样本B)以及以同一时刻72h预报时效和24h预报时效的差异(样本C)用于估计背景误差协方差。样本A和样本B是为海浪模拟而设计,样本C是为海浪预报而设计;通过与由高度计数据确定的模式背景误差进行比较,认为样本B优于样本A。采用样本B对2011年北印度洋海浪场进行同化模拟,结果表明2011-03-11相对误差改进都在5%及以上,其中7月份改进效果最佳。采用样本C对2013-07的有效波高进行0~72h预报,发现同化使0~24h预报改进最明显:均方根误差改进0.12m,相对误差改进5%。浮标检验结果支持上述结论。 相似文献
5.
集合滤波和三维变分混合数据同化方法研究 总被引：2，自引：0，他引：2
发展了一种新的混合数据同化方法——基于集合滤波和三维变分的混合数据同化方法。该方法将集合调整卡尔曼滤波(ensemble adjustment Kalman filter,EAKF)得到的集合样本扰动通过一个转换矩阵的形式直接作用到背景场上,利用顺序滤波的思想得到分析场的一个扰动;然后在三维变分(three dimensional variational analysis,3D-Var)的框架下与观测数据进行拟合,从而给出分析场的最优估计。文中以Lorenz63模型为例,开展了理想数据同化试验,结果表明,相比于集合调整卡尔曼滤波,这种新的混合同化方法可以给出更好的同化结果。 相似文献
6.
基于背景误差分析中的观测法,利用Jason-1卫星高度计沿轨有效波高数据并结合Wave Watch Ⅲ海浪模式预报结果,进行北印度洋海域海浪背景误差分析,得到海浪场背景误差方差和各向同性假设下背景误差相关长度的时空分布特征。按经验函数拟合该海域有效波高背景误差协方差时总残差平方和最小的原则给出了更为适用于该海域的描述公式。在上述工作基础上,采用最优插值同化方法将Jason-1和Jason-2卫星高度计有效波高数据连续同化到海浪模式Wave Watch Ⅲ,按业务化标准对2013年1月北印度洋海域的海浪场进行了同化预报试验,经浮标数据检验发现同化可使海浪24 h预报得到明显改进。 相似文献
7.
HY-2卫星高度计波高资料在集合最优插值同化中的应用研究——以台风“Lipee”为例 总被引：2，自引：2，他引：0
基于海浪模式SWAN（Simulating Waves Nearshore）,以台风“Lipee”为例,开展了集合最优插值（EnOI）同化HY-2卫星高度计有效波高（SWH）资料的台风浪数值预报影响研究。结果表明,利用HY-2卫星高度计波高资料结合EnOI方法进行同化,可有效改善海浪初始场质量,同化对绝对误差的改进可达15%,均方根误差改进14%。同化对预报误差、均方根误差都有一定程度的改进,其中在0~24 h预报时效内的改进最为明显,绝对误差可改进12%,均方根误差改进13%。研究结果不仅可为海洋预报、同化提供参考,而且可为进一步加强HY-2卫星高度计资料的应用提供技术支持。 相似文献
8.
9.
通过数值试验验证卫星高度计波高数据同化对西北太平洋3 d海浪预报的改进效果。驱动海浪模式的强迫场采用国家海洋环境预报中心基于MM5模式预报的风场,波高数据同化使用的观测数据是Jason-1卫星高度计有效波高。用最优插值数据同化方法获得海浪有效波高的最优估计并重构相应的海浪方向谱,以此为初始场进行为期3 d的数值预报试验。与没有同化的预报进行了比较和分析,结果表明卫星高度计海浪数据同化对0~72 h预报有不同程度的明显改善,改进程度随预报时效的增加而减少。 相似文献
10.
在大气和海洋环境研究中,粒子滤波(PF)由于在非线性数据同化方面突出的优势,逐渐成为研究热点。最近改进的均权重粒子滤波(EWPF)为粒子滤波的进一步发展指明了新方向。集合卡尔曼滤波方法 (EAKF)作为当前主要应用的数据同化方法,使用高斯假设和线性假设来解决非线性问题,然而对均权重粒子滤波方法和卡尔曼滤波方法在非线性模式下的同化结果和特点还缺少系统详细的比较研究。本文在非线性耦合气候模式下,比较研究两种同化方法,采用均方根误差(RMSE)作为评价比较标准。实验结果表明,在非线性低频观测耦合模式中EWPF结果均优于EAKF。同时根据RMSE的结果得出,EWPF的同化结果更接近观察结果,而EAKF的同化结果更接近模式真值。 相似文献
11.
基于POM(Princeton Ocean Model)建立一个南海北部集合卡曼滤波的同化模式,主要用于卫星海表面温度的同化.模式的平均水平分辨率为5km,垂向分层为20层;侧边界条件嵌套到一个大范围的南海海洋模式,在同化方案上采用一个均方根集合卡曼滤波算法,避免观测的扰动;适当引入局地化算子,消除样本在空间上的虚假相关,同时增加集合样本的自由度.该同化试验同化了2008年夏季6月到7月的GHRSST(Global High-Resolution Sea Surface Temperature),然后采用2008年夏季SCOPE(Northern South China Sea Coastal Oceanographic Process Experiment)航次的温、盐数据对同化结果进行评估.结果表明,相对于未同化模式模拟结果,同化模式温度的改善比较明显,表现在加强了南海北部的上升流,校正了海表温度的偏差,改善了温度的垂向分布.由于集合卡曼滤波是一种多变量调整的同化方法,同化SST不仅能改善表层与次表层的温度分布,而且对流场和盐度的调整也比较明显. 相似文献
12.
基于适应性观测误差和温盐偏差控制的EnKF温盐廓线资料同化试验 总被引：1，自引：0，他引：1
通过开展2008年夏季南海北部开放航次CTD的温盐廓线数据资料同化试验,本文采取了观测误差适应的方法来防止EnKF滤波发散问题;同时,从背景误差协方差和温盐模式偏差关系入手,在同化中引入温盐控制来减小模式偏差对同化结果的影响。对于改进的同化方案进行了试验验证,并用卫星高度计观测数据,OSCAR流速数据,走航ADCP数据作为独立观测数据检验。结果证明新的EnKF同化策略能够有效地减小温盐均方根误差。同时整个同化系统能有效地改善高度场和流场的模拟。 相似文献
13.
一个简单的集合最优插值方法在太平洋高度计资料同化中的应用 总被引：2，自引：0，他引：2
采用不同季节样本设计了为期一年(2006年)的太平洋海面卫星高度计资料同化实验,并与控制实验及Evensen(2003)提出气候态样本的简单EnOI方法实验进行比较,利用日本海面融合产品MGDSST资料和Argo浮标廓线资料比较了3组实验结果的均方根误差和相关分布.结果表明:不同季节样本同化方法的主要特点是避免了人为给... 相似文献
14.
高度计波高数据同化对印度洋海域海浪模式预报影响研究 总被引：1，自引：0，他引：1
为提高海浪模式预报的精度,改善初始场是途径之一。研制了基于最优插值(OI)方法的海浪数据同化并行程序模块,并将其植入第三代海浪模式WAVEWATCH IIITM,建立了印度洋海域海浪同化预报方法,使用卫星高度计波高数据进行了同化预报试验。OI模块的并行设计使得植入同化模块的海浪模式仍能以并行方式运行。文中5°S以北印度洋海域为目标区域,嵌套在WAVE-WATCH IIITM的全球网格中,使得目标区域开边界条件得到较好解决。同化数据使用Jason-2高度计测量有效波高(SWH)沿轨数据。海浪同化预报模式由大气模式WRF(Weather Research andForecasting)输出的1小时一次的海面10 m风场驱动。将同化的模式结果(SWH)、无同化的模式结果(SWH)分别与高度计沿轨数据(SWH)进行比较,表明同化改善模式预报初始场的效果是明显的。以同化初始场出发进行海浪预报试验,结果表明,高度计波高数据同化在一定程度上可改进海浪短期预报的精度。 相似文献
15.
将基于最优插值(OI)的同化并行模块植入第三代海浪模式WAVEWATCH III version3.14, 建立数据同化的台风海浪模式预报系统。该系统的强迫风场采用模型台风风场与台风来前海区背景风场混成的风场。以模式后报2010 年7 月严重影响南海北部的“康森”和“灿都”台风引起的海浪场为例, 首先对所构造的混合风场的台风海面风场结构进行定性检验, 并用高度计沿轨风速对混合风场精度进行定量验证。在此基础上, 海浪模式在混合风场强迫下边积分边同化。同化数据采用上述台风过境南海期间Jason-2 卫星高度计沿轨有效波高 (SWH)。值得指出的是, 同化时只取SWH 沿轨数据的一部分用于同化计算, 而另一部分沿轨数据则用于对同化分析结果进行检验。先后同化了4 条轨道上的SWH数据。将SWH 的同化分析与无同化的对照组结果分别与高度计测量SWH 比较, 发现同化较无同化可使均方根误差获得50%以上的明显改进。以同化分析场作为初始场, 同化影响预报(这里是后报)的时效性约在48 h 以内。本研究目的是通过同化高度计SWH 数据进一步提升台风海浪模式预报的准确度。 相似文献
16.
《海洋湖沼通报》2020,(4)
利用原国家海洋局北海分局浮标所测有效波高数据对Jason-2卫星高度计所测有效波高数据进行验证,采用50km空间窗和0.5h时间窗,得到219个时空配准点。对配准结果进行统计分析表明,Jason-2卫星高度计测得有效波高与浮标测量结果存在-0.277m的偏差,均方根误差为0.372m。利用最小二乘回归(OLR)对Jason-2有效波高数据进行校正可使其均方根误差下降至0.247m,减少34.5%。基于第三代海浪模式WAVEWATCH III对Jason-2有效波高数据进行最优插值同化试验,其中背景误差相关函数取为指数形式,相关距离尺度选为500km。与浮标观测数据比较表明,同化后模式有效波高均方根误差比未同化时减少11.56%,,能够有效地改善模式精度。以此为初始场进行为期3d的数值预报实验。与未同化实验相比,卫星高度计有效波高数据同化对模式0～72 h预报有不同程度的改善,改善程度随预报时间的增加而降低。 相似文献
17.
将基于最优插值 (OI) 的同化并行模块植入全谱空间的第三代海浪模式WAVEWATCH III version3.14,建立数据同化的海浪模式预报系统, 并通过实际的预报个例对同化系统进行检验。个例实验是以5°S 以北的印度洋海域为目标计算区域, 海面风场强迫采用业务单位的中尺度天气预报模式WRF(weather research and forecast) 提供的逐时海面风场预报产品。模式积分过程中连续同化2010 年12 月15 日、16 日和17 日过境北印度洋的Jason-2 卫星高度计沿轨有效波高 (SWH) 数据 (需要指出的是, 每次同化得到新的SWH 分析场后需重构相应的二维海浪谱用于谱模式)。SWH 同化分析值和无同化的对照组分别与高度计沿轨观测数据比较发现, 就日平均统计来看, 同化较无同化使SWH分析值的均方根误差减小约25%～50%。以SWH 同化分析场作为初始场的预报表明, 同化对预报影响的时效性可延长至48～60 h。本研究目的是通过将高度计测量的SWH 数据同化到海浪模式进一步提升海浪数值预报的准确度。 相似文献
18.
集合数据同化方法的发展与应用概述 总被引：2，自引：0，他引：2
集合数据同化方法具有简洁概念化的公式和应用起来相对容易等优点,因此,它们获得了普及性的应用;近10年来集合数据同化方法已经得到了快速的发展。综述了包括集合卡尔曼滤波(EnKF,Ensemble Kalman Filter)、集合卡尔曼平滑(EnKS,Ensemble Kalman Smoother)、集合方均根滤波(EnSRF,Ensemble Square-Root Filter)和减秩卡尔曼滤波(SEEK,Singular Evolutive Extended Kalman Filter)等集合数据同化方法的研究进展状况。通过与其它数据同化方法的对比,总结出了这些方法的特点,探讨了我国在集合数据同化方法研究中存在的问题并展望了该方法的研究和应用前景。 相似文献
19.
20.
本文基于粒子滤波和三维变分设计了一种新的混合数据同化方法。新方法通过粒子滤波的最优估计生成具有背景误差信息的集合扰动,从而为三维变分提供流依赖的背景误差协方差。粒子退化一直是粒子滤波应用于数据同化领域的主要阻碍。为了让混合方法更好地发挥作用,针对粒子退化问题,本文提出了一种改进的残差重采样方法,通过在正态分布中采样粒子,解决了退化导致的粒子缺乏多样性。在理想lorenz-63模型上进行数据同化实验,结果表明,新方法在模型误差较大的情况下效果优于集合变换三维变分方法(ensemble transform Kalman filter-three-dimensional variational method,ETKF-3Dvar),并且随着模型误差不断增大,新方法也同样优于传统数据同化方法。改进的残差重采样在与分层重采样和一般残差重采样的对比实验中,在给定时间窗口内可以保证同化结果稳定,而其他两种方法的同化结果都出现了较大偏差。 相似文献