排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
气候模式中海洋数据同化对热带降水偏差的影响 总被引：1，自引：1，他引：0
本文采用海洋卫星观测海表温度(SST)和海面高度异常(SLA)数据,对国家海洋局第一海洋研究所地球系统模式FIO-ESM(First Institute of Oceanography Earth System Model version 1.0)中海洋模式分量进行了集合调整卡尔曼滤波(EAKF)同化,对比分析了大气环流、湿度和云量对海洋数据同化的响应,探讨了海洋同化对热带降水模拟偏差的影响。结果表明:海洋数据同化能有效改善海表温度和上层海洋热含量的模拟,30°S~30°N纬度带内年平均SST的绝均差降低60%。同化后大气模式模拟的赤道两侧信风得到明显改善,上升气流在赤道以北热带地区增强而在赤道以南热带地区减弱,热带降水模拟的动力结构更为合理,水汽和云量分布也更切合实际。热带年平均降水的空间分布和强度在同化后均得到改善,赤道以南的纬向年平均降水峰值显著降低,降水偏差明显减小,同化后30°S~30°N纬度带内年平均降水绝均差降低35%。 相似文献
2.
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
3.
背景误差相关结构的确定是影响海浪同化效果的关键因素之一。集合Kalman滤波是一种较为成熟的同化方法,其可以对背景误差进行实时更新和动态估计,现已广泛应用于海洋和大气领域的研究。本文基于MASNUM-WAM海浪模式,分别采用静态样本集合Kalman滤波和EAKF方法,针对2014年全球海域开展海浪数据同化实验,同化资料为Jason-2卫星高度计数据,利用Saral卫星高度计资料对同化实验结果进行检验。结果表明,两组同化方案均有效提高了海浪模式的模拟水平,EAKF方案在风场变化较大的西风带区域表现显著优于静态样本集合Kalman滤波方案,但总体上两者相差不大。综合考虑计算成本和同化效果,静态样本集合Kalman滤波方案更适用于海浪业务化预报。 相似文献
1