集合同化方法在太平洋海洋高度计资料同化中的应用研究

论文摘要

集合资料同化是依赖于统计理论,集合预报方法和资料同化方法的有机结合。Ensemble Kalman Filter(EnKF)方法是目前在强非线性系统中应用最广泛,效果最明显的集合资料同化方法。但是在实际执行同化过程中,集合同化方法仍存在着两个关键问题——如何进行模式误差扰动和计算量大的问题。1.集合资料同化方法的两个基础假设就是模式变量的高斯分布假设和误差统计的无偏估计,也就是样本的平均值和协方差都是精确的。那么在顺序同化中,有三种误差就不得不被考虑。它们分别是模式的初始误差、模式误差和观测误差。这就是值得我们关注的第一个关键问题——误差问题。集合同化方法的顺利实施离不开误差的准确给定。而目前在实际应用中,这方面的工作仍然存在着较大的缺口。事实上,初始样本的统计信息应该体现着模式初始状态的不确定性,尤其是样本的标准差(或者被称作离散度)应该代表了背景误差协方差的信息。在本文中,我们首先对模式的长期预报进行了模式性能的评估,并与观测比较得到了可靠的模式不确定性的定量估计。我们沿用了Evensen(1994,2003)介绍的初始样本生成方法,并实际应用于HYCOM模式在太平洋的试验研究中。初始样本是通过对模式层结产生扰动,进而引入大气随机强迫场运行1个月来生成。在样本的产生过程中,我们成功地调整了混合层温度扰动的垂直关系和相关尺度。在进行资料同化前,通过比较初始样本的离散度和模式初始的不确定性,以及比较典型位置的样本的相关型来验证初始误差的准确性是本文的一大特点。我们发现,该方法能够得到与观测误差相符的样本的离散度,典型位置的相关型也能很好的体现出流系特征。2.尽管我们在集合同化EnKF试验中,采用了一个相对较小的样本(大小为100个),同时我们也应用了国内计算速度最快的大型IBM计算机,但是这样的计算量仍然是非常昂贵的。那么这就是第二个关键问题——计算量过大的问题。在本文中,我们也讨论了一个计算量非常小的EnKF方法的简化方法——EnOI方法。为了比较EnOI和EnKF两个方法,我们设计了一组只同化海面高度

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 资料同化的发展回顾
• 1.1.1 资料同化的定义
• 1.1.2 资料同化的方法
• 1.2 国内外研究进展
• 1.3 卫星高度计资料
• 1.4 本文的研究特点及创新
• 1.4.1 模式误差的定量估计
• 1.4.2 初始样本的生成及验证
• 1.4.3 卫星高度计资料的集合同化比较
• 1.4.4 新的集合同化方法
• 第二章 模式介绍及所用资料集简介
• 2.1 海洋模式HYCOM （Hybrid Coordinate Ocean Model）
• 2.1.1 模式方程组
• 2.1.2 模式网格
• 2.1.3 模式的参数化
• 2.1.4 附加模型
• 2.1.5 模式的建立和驱动
• 2.2 所采用的资料集
• 2.2.1 气候态资料（WOA01）
• 2.2.2 NCEP/NCAR Reynolds OISST 资料
• 2.2.3 TOGA-TAO/TRITON 浮标资料
• 2.2.4 ARGO 浮标资料
• 2.2.5 TOPEX/Poseidon 卫星高度计（T/P）资料
• 2.2.6 插值计算
• 2.3 小结
• 第三章 模式性能检验
• 3.1 模式误差
• 3.1.1 表层
• 3.1.2 次表层
• 3.2 均方根误差
• 3.2.1 表层与OISST 比较
• 3.2.2 表层与TAO 浮标比较
• 3.2.3 与ARGO 廓线的比较
• 3.3 小结
• 第四章 集合同化理论和方法
• 4.1 集合同化理论
• 4.1.1 Bayesian 理论
• 4.1.2 Kalman Filter
• 4.2 集合同化方法（EnKF 和EnOI）
• 4.2.1 EnKF 分析方案
• 4.2.2 EnOI 分析方案
• 4.2.3 介绍的分析方案一样
• 4.3 小结
• 第五章 初始样本的生成和验证
• 5.1 伪随机场的生成
• 5.1.1 水平伪随机场
• 5.1.2 垂直相关
• 5.1.3 混合层温度的特别处理
• 5.2 集合积分
• 5.2.1 模式误差的发展
• 5.2.2 模式变量和随机强迫的方差增长
• 5.2.3 模式误差估计
• 5.3 初始样本的验证
• 5.3.1 试验设计
• 5.3.2 模式不确定性与样本离散
• 5.3.3 样本的相关性
• 5.4 局限性讨论
• 5.5 小结
• 第六章 EnKF和EnOI同化海面高度计资料试验
• 6.1 试验设计
• 6.2 样本比较
• 6.2.1 样本的离散度
• 6.2.2 相关性
• 6.3 平均态比较
• 6.3.1 表层
• 6.3.2 混合层底和温跃层顶
• 6.4 均方根误差（RMS errors）比较
• 6.4.1 SSH 的RMSE 分析
• 6.4.2 SST 的RMSE 分析
• 6.4.3 RMSE 的时间序列
• 6.4.4 RMSE 的垂直廓线比较
• 6.5 小结
• 第七章 新的集合同化方案（Dressing EnKF）
• 7.1 新的同化方案（Dressing EnKF）介绍
• 7.2 “父”样本及“子”样本的生成
• 7.3 分析方案
• 7.4 计算量分析
• 7.5 局地化分析
• 7.6 小结
• 第八章 新的集合同化方法同化海面高度计资料试验
• 8.1 试验设计
• 8.2 样本分析
• 8.2.1 样本的离散度
• 8.2.2 相关性
• 8.3 不同时次的试验结果比较
• 8.3.1 表层温度
• 8.3.2 表层盐度
• 8.4 均方根误差（RMS Errors）分析
• 8.4.1 SSH 的RMSE 分析
• 8.4.2 SST 的RMSE 分析
• 8.4.3 RMSE 的时间序列
• 8.4.4 RMSE 的垂直廓线比较
• 8.5 模式不确定性与样本的离散度
• 8.6 小结
• 第九章 总结和讨论
• 9.1 总结
• 9.2 讨论
• 参考文献
• 附录 文章发表情况
• 致 谢