| 集合调整卡尔曼滤波方法在M2分潮数值模拟中的水深估计研究 |
| |
| 引用本文： | 武浩文,赵艳玲,韩桂军,李威,曹力戈,武晓博,李超亮,李云东,周功赋.集合调整卡尔曼滤波方法在M2分潮数值模拟中的水深估计研究[J].海洋学报,2022,44(6):10-21. |
| |
| 作者姓名： | 武浩文 赵艳玲 韩桂军 李威 曹力戈 武晓博 李超亮 李云东 周功赋 |
| |
| 作者单位： | 1.天津大学 海洋科学与技术学院，天津 300072 |
| |
| 基金项目： | 国家自然科学基金（41876014）； |
| |
| 摘 要： | 数据同化利用观测信息对模型状态场调整的同时也可以对数值模型中的不确定参数进行估计，从而改进数值模型，提高数值模拟的精度。本文基于集合调整卡尔曼滤波方法，采用广义坐标系统的美国普林斯顿大学海洋模式的外模式开展了渤海和部分黄海海域M2分潮模拟中的水深估计研究。理想数据同化试验结果表明，集合调整卡尔曼滤波方法能很好地降低模式模拟的水位误差并反演出“真实”的水深参数。而在NAO.99Jb和验潮站数据的实际数据同化试验中，与验潮站数据相比较，水深参数估计后，模式模拟的M2分潮振幅与迟角误差分别降低了40.27%和49.19%。
|
| 关 键 词： | 数据同化 集合调整卡尔曼滤波 数值模拟 渤海 黄海 M2分潮 水深估计 |
| 收稿时间： | 2021-06-22 |
Bathymetry estimation using ensemble adjustment Kalman filter in the numerical simulation of M2 constituent |
| |
| Institution: | 1.School of Marine Science and Technology, Tianjin University, Tianjin 300072, China2.The 31010 Army of PLA, Beijing 100081, China |
| |
| Abstract: | Data assimilation can estimate the uncertain parameters in the numerical model while adjusting the state variables with observations to improve the simulation results through enhancing the numerical model. Based on the ensemble adjustment Kalman filter (EAKF) and the external mode of the Princeton ocean model with generalized coordinate system (POMgcs), a bathymetry estimate is performed in the M2 constituent simulation of the Bohai Sea and part of the Yellow Sea. The results of the ideal data assimilation experiment or identical twin experiment show that the EAKF method can retrieve the “truth” bathymetry. In the practical data assimilation experiment of the NAO.99Jb and tide gauge data, by comparing with the 34 tide gauges, the model simulated amplitude and phase lag errors of M2 constituent are reduced by 40.27% and 49.19%, respectively, by use of the posterior estimate of the bathymetry. |
| |
| Keywords: | |
|
| 点击此处可从《海洋学报》浏览原始摘要信息 |
| 点击此处可从《海洋学报》下载免费的PDF全文 |
|
