排序方式： 共有48条查询结果，搜索用时 15 毫秒
41.
Bangjun CAO Fuping MAO Shuwen ZHANG Shaoying LI Tian WANG 《Journal of Meteorological Research》2019,(3):519-527
The performance of separate bias Kalman filter (SepKF) in correcting the model bias for the improvement of soil moisture profiles is evaluated by assimilating the near-surface soil moisture observations into a land surface model (LSM). First, an observing system simulation experiment (OSSE) is carried out, where the true soil moisture is known, two types of model bias (i.e., constant and sinusoidal) are specified, and the bias error covariance matrix is assumed to be proportional to the model forecast error covariance matrix with a ratio λ. Second, a real assimilation experiment is carried out with measurements at a site over Northwest China. In the OSSE, the soil moisture estimation with the SepKF is improved compared with ensemble Kalman filter (EnKF) without the bias filter, because SepKF can properly correct the model bias, especially in the situation with a large model bias. However, the performance of SepKF becomes slightly worse if the constant model bias increases or temporal variability of the sinusoidal model bias becomes large. It is suggested that the ratio λ should be increased (decreased) in order to improve the soil moisture estimation if temporal variability of the sinusoidal model bias becomes high (low). Finally, the assimilation experiment with real observations also shows that SepKF can further improve the estimation of soil moisture profiles compared with EnKF without the bias correction. 相似文献
42.
为理解地下水位观测信息在非饱和水流数据同化中的数据价值,建立了基于地下水位动态观测信息的一维饱和-非饱和水流集合卡尔曼滤波,通过虚拟数值实验检验了地下水位观测信息在非饱和水力参数估计和水分校正中的潜在价值。研究结果表明:在以地下水位为唯一观测数据时,同时更新参数和水头比仅更新水头能更好地校正土壤剖面的水头分布;当多层单个水力参数未知时,地下水位观测可以为参数估计提供有效信息;当多层多个参数未知时,地下水位与多层多个参数之间的复杂关系导致观测信息难以估计出最优的(唯一的)参数值;地下水位可作为辅助信息,与含水量观测等信息联合运用改善参数估计和含水量预测精度。 相似文献
43.
基于数据同化的元胞自动机 总被引：4，自引：2，他引：2
提出基于集合卡尔曼滤波(EnKF)的元胞自动机(CA)模型。在CA模型中,由于不同的样本会训练出不同参数值
的转换规则,且获取的转换规则在整个模拟过程中不能改变等原因,误差在模拟过程中会不断累积。本文在CA模型中
引入集合卡尔曼滤波的数据同化方法,建立了基于集合卡尔曼滤波的数据同化CA模型,同化遥感观测数据,根据得出
的同化值修正模拟结果使之向真实情况逼近。利用该模型模拟了广东省东莞市的发展情景(1995年—2005年),实验表
明,与传统CA模型相比,基于集合卡尔曼滤波的CA模型能够融合遥感观测数据,并能更有效地模拟城市扩张过程,达
到良好的模拟效果。 相似文献
44.
遥感估算叶面积指数(LAI)时空动态变化对全球气候变化研究具有重要的意义,为了提高遥感估算时间序列叶面积指数的精度,需要耦合遥感观测数据与LAI动态过程模型。本文提出一种基于双集合卡尔曼滤波(Dual EnKF)的时间序列LAI反演方法,同时更新LAI估计值和LAI动态过程模型中的敏感性参数,得到LAI和动态过程模型敏感参数的最优估计值来优化动态过程模型。一方面使得动态过程模型可以更好地描述LAI随时间的变化过程,降低模型预测误差,从而提高LAI动态过程模型的预测能力;另一方面通过耦合动态过程模型和辐射传输模型,集成遥感观测数据与动态过程模型的预测值,进而得到优化的LAI估计值。为检验算法,分别选取作物、草地和林地等典型植被验证站点进行Dual EnKF LAI时间序列估算,并分别与MODIS LAI产品及其SG滤波曲线、集合卡尔曼滤波方法反演LAI、未优化的动态过程模型模拟LAI结果进行比较,并配以一些站点地面实测点数据作为参考。结果表明,采用Dual EnKF方法得到的LAI不但保持了时间上的连续性,而且通过改善动态过程模型的预测能力,即使在缺乏高质量遥感观测数据时,也能够获得符合LAI发展趋势的估算值,没有出现跳跃、波动现象,时间序列曲线较稳定,更符合植被LAI变化规律,表明基于Dual EnKF的时间序列LAI遥感估算方法是提取LAI时间廓线的一种有效途径。 相似文献
45.
分级集合滤波(Hierarchical Ensemble Filter,HEF)和采样误差修正(Sampling Error Correction,SEC)局地化算法能够使采样误差取得极小值,且不需要给出距离的定义。为了检验其理论优势,基于集合卡尔曼滤波(Ensemble Kalman Filter,En KF)方法同化模拟雷达资料,通过与Gaspari-Cohn(GC)局地化算法对比,分析不同局地化算法对En KF同化效果的影响。结果表明,HEF和SEC局地化算法的雷达回波在水平和垂直方向上均强于GC局地化算法。HEF局地化算法各个变量的离散度最高,均方根误差最低;SEC局地化算法离散度略低,均方根误差略高;GC局地化算法离散度最低,均方根误差最高。相比于GC局地化算法,HEF和SEC局地化算法的冷池强度减弱,面积减小,下沉气流的速度和范围增大,雹霰混合比的大小和覆盖面积增大。通过模拟发现,HEF局地化算法模拟的北侧对流中心最强,SEC局地化算法模拟的南侧对流中心最强,且模拟出(40 km,60 km)处的强对流中心。HEF局地化算法模拟的冷池强度最强,HEF和SEC局地化算法基本上模拟出北侧的雹霰混合比高值区。这表明HEF局地化算法有效地改进了基于GC局地化算法的En KF雷达资料同化效果,SEC局地化算法减小了计算量,是HEF局地化算法较好的近似。 相似文献
46.
47.
The Ensemble Kalman Filter (EnKF) is well known and widely used in land data assimilation for its high precision and simple operation. The land surface models used as the forecast operator in a land data assimilation system are usually designed to consider the model subgrid-heterogeneity and soil water thawing and freezing. To neglect their effects could lead to some errors in soil moisture assimilation. The dual EnKF method is employed in soil moisture data assimilation to build a soil moisture data as- similation framework based on the NCAR Community Land Model version 2.0 (CLM 2.0) in considera- tion of the effects of the model subgrid-heterogeneity and soil water thawing and freezing: Liquid volumetric soil moisture content in a given fraction is assimilated through the state filter process, while solid volumetric soil moisture content in the same fraction and solid/liquid volumetric soil moisture in the other fractions are optimized by the parameter filter. Preliminary experiments show that this dual EnKF-based assimilation framework can assimilate soil moisture more effectively and precisely than the usual EnKF-based assimilation framework without considering the model subgrid-scale heteroge- neity and soil water thawing and freezing. With the improvement of soil moisture simulation, the soil temperature-simulated precision can be also improved to some extent. 相似文献
48.
针对2018年9月17日发生在广东省佛山市的一次台风龙卷过程,对比分析了EnKF和变分方法同化X波段相控阵雷达得到的风场结构。结果表明,EnKF方法和变分方法在同化了X波段相控阵雷达资料之后,都可以得到龙卷母体风暴的涡旋特征。相比之下,EnKF同化分析的涡旋强度更强,台风龙卷母体风暴及其周边三维风场的结构更加完整,与回波结构匹配更好。变分方法同化得到的流场不够连续,台风龙卷母体风暴的涡旋强度偏弱,弱回波区入流也明显偏弱,并不符合概念模型。而两种方法在没有同化相控阵雷达数据时,都无法产生龙卷母体风暴的流场特征。总体而言,相对于变分方法,EnKF同化系统在同化X波段相控阵雷达数据后可以产生更为合理的涡旋结构,台风龙卷母体风暴及其周边动力场结构更合理,这为以后X波段相控阵雷达的业务应用提供了思路。 相似文献