發(fā)布時間：2020-10-12 16:03

　　 集合資料同化是依賴于統(tǒng)計理論,集合預(yù)報方法和資料同化方法的有機結(jié)合。Ensemble Kalman Filter(EnKF)方法是目前在強非線性系統(tǒng)中應(yīng)用最廣泛,效果最明顯的集合資料同化方法。但是在實際執(zhí)行同化過程中,集合同化方法仍存在著兩個關(guān)鍵問題——如何進行模式誤差擾動和計算量大的問題。 1.集合資料同化方法的兩個基礎(chǔ)假設(shè)就是模式變量的高斯分布假設(shè)和誤差統(tǒng)計的無偏估計,也就是樣本的平均值和協(xié)方差都是精確的。那么在順序同化中,有三種誤差就不得不被考慮。它們分別是模式的初始誤差、模式誤差和觀測誤差。這就是值得我們關(guān)注的第一個關(guān)鍵問題——誤差問題。集合同化方法的順利實施離不開誤差的準確給定。而目前在實際應(yīng)用中,這方面的工作仍然存在著較大的缺口。 事實上,初始樣本的統(tǒng)計信息應(yīng)該體現(xiàn)著模式初始狀態(tài)的不確定性,尤其是樣本的標(biāo)準差(或者被稱作離散度)應(yīng)該代表了背景誤差協(xié)方差的信息。在本文中,我們首先對模式的長期預(yù)報進行了模式性能的評估,并與觀測比較得到了可靠的模式不確定性的定量估計。我們沿用了Evensen(1994,2003)介紹的初始樣本生成方法,并實際應(yīng)用于HYCOM模式在太平洋的試驗研究中。初始樣本是通過對模式層結(jié)產(chǎn)生擾動,進而引入大氣隨機強迫場運行1個月來生成。在樣本的產(chǎn)生過程中,我們成功地調(diào)整了混合層溫度擾動的垂直關(guān)系和相關(guān)尺度。在進行資料同化前,通過比較初始樣本的離散度和模式初始的不確定性,以及比較典型位置的樣本的相關(guān)型來驗證初始誤差的準確性是本文的一大特點。我們發(fā)現(xiàn),該方法能夠得到與觀測誤差相符的樣本的離散度,典型位置的相關(guān)型也能很好的體現(xiàn)出流系特征。 2.盡管我們在集合同化EnKF試驗中,采用了一個相對較小的樣本(大小為100個),同時我們也應(yīng)用了國內(nèi)計算速度最快的大型IBM計算機,但是這樣的計算量仍然是非常昂貴的。那么這就是第二個關(guān)鍵問題——計算量過大的問題。在本文中,我們也討論了一個計算量非常小的EnKF方法的簡化方法——EnOI方法。為了比較EnOI和EnKF兩個方法,我們設(shè)計了一組只同化海面高度
【學(xué)位單位】：中國科學(xué)院研究生院（大氣物理研究所）
【學(xué)位級別】：博士
【學(xué)位年份】：2006
【中圖分類】：P716.8
【文章目錄】：
中文摘要
英文摘要
第一章 緒論
    1.1 資料同化的發(fā)展回顧
        1.1.1 資料同化的定義
        1.1.2 資料同化的方法
    1.2 國內(nèi)外研究進展
    1.3 衛(wèi)星高度計資料
    1.4 本文的研究特點及創(chuàng)新
        1.4.1 模式誤差的定量估計
        1.4.2 初始樣本的生成及驗證
        1.4.3 衛(wèi)星高度計資料的集合同化比較
        1.4.4 新的集合同化方法
第二章 模式介紹及所用資料集簡介
    2.1 海洋模式HYCOM (Hybrid Coordinate Ocean Model)
        2.1.1 模式方程組
        2.1.2 模式網(wǎng)格
        2.1.3 模式的參數(shù)化
        2.1.4 附加模型
        2.1.5 模式的建立和驅(qū)動
    2.2 所采用的資料集
        2.2.1 氣候態(tài)資料（WOA01）
        2.2.2 NCEP/NCAR Reynolds OISST 資料
        2.2.3 TOGA-TAO/TRITON 浮標(biāo)資料
        2.2.4 ARGO 浮標(biāo)資料
        2.2.5 TOPEX/Poseidon 衛(wèi)星高度計（T/P）資料
        2.2.6 插值計算
    2.3 小結(jié)
第三章 模式性能檢驗
    3.1 模式誤差
        3.1.1 表層
        3.1.2 次表層
    3.2 均方根誤差
        3.2.1 表層與OISST 比較
        3.2.2 表層與TAO 浮標(biāo)比較
        3.2.3 與ARGO 廓線的比較
    3.3 小結(jié)
第四章 集合同化理論和方法
    4.1 集合同化理論
        4.1.1 Bayesian 理論
        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 介紹的分析方案一樣
    4.3 小結(jié)
第五章 初始樣本的生成和驗證
    5.1 偽隨機場的生成
        5.1.1 水平偽隨機場
        5.1.2 垂直相關(guān)
        5.1.3 混合層溫度的特別處理
    5.2 集合積分
        5.2.1 模式誤差的發(fā)展
        5.2.2 模式變量和隨機強迫的方差增長
        5.2.3 模式誤差估計
    5.3 初始樣本的驗證
        5.3.1 試驗設(shè)計
        5.3.2 模式不確定性與樣本離散
        5.3.3 樣本的相關(guān)性
    5.4 局限性討論
    5.5 小結(jié)
第六章 EnKF和EnOI同化海面高度計資料試驗
    6.1 試驗設(shè)計
    6.2 樣本比較
        6.2.1 樣本的離散度
        6.2.2 相關(guān)性
    6.3 平均態(tài)比較
        6.3.1 表層
        6.3.2 混合層底和溫躍層頂
    6.4 均方根誤差（RMS errors）比較
        6.4.1 SSH 的RMSE 分析
        6.4.2 SST 的RMSE 分析
        6.4.3 RMSE 的時間序列
        6.4.4 RMSE 的垂直廓線比較
    6.5 小結(jié)
第七章 新的集合同化方案（Dressing EnKF）
    7.1 新的同化方案（Dressing EnKF）介紹
    7.2 “父”樣本及“子”樣本的生成
    7.3 分析方案
    7.4 計算量分析
    7.5 局地化分析
    7.6 小結(jié)
第八章 新的集合同化方法同化海面高度計資料試驗
    8.1 試驗設(shè)計
    8.2 樣本分析
        8.2.1 樣本的離散度
        8.2.2 相關(guān)性
    8.3 不同時次的試驗結(jié)果比較
        8.3.1 表層溫度
        8.3.2 表層鹽度
    8.4 均方根誤差（RMS Errors）分析
        8.4.1 SSH 的RMSE 分析
        8.4.2 SST 的RMSE 分析
        8.4.3 RMSE 的時間序列
        8.4.4 RMSE 的垂直廓線比較
    8.5 模式不確定性與樣本的離散度
    8.6 小結(jié)
第九章 總結(jié)和討論
    9.1 總結(jié)
    9.2 討論
參考文獻
附錄 文章發(fā)表情況
致 謝

【相似文獻】

相關(guān)期刊論文 前10條

1 鄭祚芳,沈桐立,張秀麗;氣象衛(wèi)星探測資料在數(shù)值天氣預(yù)報中的應(yīng)用[J];氣象;2001年09期

2 朱江 ,王輝 ,MasafumiKamachi;改進的切線性模式對一個邊界層模式變分資料同化的改善(英文)[J];Advances in Atmospheric Sciences;2002年04期

3 白曉平;李紅;方棟;胡非;Francesca Costabile;王芬娟;;資料同化在空氣質(zhì)量預(yù)報中的應(yīng)用[J];地球科學(xué)進展;2007年01期

4 董文雅;沈桐立;丁治英;;基于MM5模式的遺傳算法四維變分同化系統(tǒng)的開發(fā)介紹[J];科技信息(學(xué)術(shù)研究);2008年34期

5 何娜;張祖強;肖賢俊;郭品文;;海洋環(huán)流模式中衛(wèi)星遙感資料同化的應(yīng)用進展[J];海洋科學(xué);2008年12期

6 蘭健;資料同化中的伴隨方法及其在海洋中的應(yīng)用[J];青島海洋大學(xué)學(xué)報(自然科學(xué)版);1998年02期

7 朱江;觀測資料的四維質(zhì)量控制：變分法[J];氣象學(xué)報;1995年04期

8 趙德顯;沈桐立;徐海明;;拉格朗日資料同化的研究進展[J];海洋預(yù)報;2009年03期

9 王振會;王喆;康士峰;張玉生;郝曉靜;;利用WRF模式對大氣波導(dǎo)的數(shù)值模擬研究[J];電波科學(xué)學(xué)報;2010年05期

10 沈元芳;非線性正規(guī)模初值化及其對資料同化和預(yù)報的影響[J];應(yīng)用氣象學(xué)報;1994年01期

相關(guān)博士學(xué)位論文 前10條

1 邱曉濱;流依賴的背景誤差協(xié)方差在資料同化和雷達風(fēng)場反演中的應(yīng)用[D];蘭州大學(xué);2011年

2 萬莉穎;集合同化方法在太平洋海洋高度計資料同化中的應(yīng)用研究[D];中國科學(xué)院研究生院（大氣物理研究所）;2006年

3 張愛軍;最優(yōu)變分伴隨方法及在近岸水位資料同化中的應(yīng)用[D];中國科學(xué)院海洋研究所;2000年

4 崔麗梅;基于一個全球譜模式的集合Kalman濾波同化系統(tǒng)研究[D];中國海洋大學(xué);2010年

5 胡婭敏;江淮梅雨異常的數(shù)值模擬及土壤濕度資料同化對其模擬的改進[D];南京信息工程大學(xué);2007年

6 曹艷華;四維變分資料同化的降維方法及在海洋資料同化中的應(yīng)用[D];首都師范大學(xué);2006年

7 李昊睿;陸面數(shù)據(jù)同化方法的研究[D];蘭州大學(xué);2007年

8 杜娟;流體力學(xué)方程基于POD方法的降維數(shù)值解法研究[D];北京交通大學(xué);2011年

9 王金成;基于吸引子理論的同化方法研究[D];蘭州大學(xué);2009年

10 孫丞虎;ENSO預(yù)測中歷史資料使用方法的數(shù)值模擬研究[D];南京信息工程大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 武豐民;基于BCC_GODAS2.0的20年歷史海洋資料再分析[D];南京信息工程大學(xué);2011年

2 蘇萬康;多普勒天氣雷達資料同化在一次強颮線過程數(shù)值模擬中的應(yīng)用[D];蘭州大學(xué);2011年

3 張蕾;多普勒天氣雷達和TCFM導(dǎo)風(fēng)資料同化在個例分析中的應(yīng)用研究[D];南京信息工程大學(xué);2011年

4 廖芷儀;天山地區(qū)暴雨數(shù)值模擬及資料同化的研究[D];南京信息工程大學(xué);2012年

5 朱琳;集合卡爾曼濾波同化方法的研究[D];南京信息工程大學(xué);2007年

6 彭菊香;中尺度模式遺傳算法同化系統(tǒng)及同化試驗研究[D];南京信息工程大學(xué);2007年

7 劉成思;集合卡爾曼濾波資料同化方案的設(shè)計和研究[D];中國氣象科學(xué)研究院;2005年

8 胡金磊;下墊面環(huán)境、微物理過程和雷達資料同化在冰雹云形成演變及數(shù)值預(yù)報中的作用[D];中國氣象科學(xué)研究院;2012年

9 曹文博;云跡風(fēng)資料同化在中尺度數(shù)值模擬中的試驗研究[D];南京信息工程大學(xué);2006年

10 王文強;基于Lorenz-96模式的集合平方根濾波同化方法研究[D];蘭州大學(xué);2007年

本文編號：2837992