论文部分内容阅读
本文提出了一种基于非线性最小二乘最优迭代的集合四维变分同化方法NLS-4DVar.在本算法中，采用高斯牛顿迭代法解决四维变分同化算法的非线性 代价函数，而NLS-4DVar算法的总体结构与基于本征正交分解的四维变分同化方法(PODEn4DVar)相似.理论证明，在假设模式扰动(MPs)与模拟观测扰动(OPs)之间存在线性关系条件下，原来的PODEn4DVar算法是新提出的NLS-4DVar算法的特例.如果线性假设退化，则PODEn4DVar的分析解只是NLS-4DVar的第一步迭代解.当预报模式和观测算子高度非线性时，实验结果表明了PODEn4DVar算法的退化以及不精确的结果.新提出NLS-4DVar的潜在的优势通过一系列的观测系统模拟实验验证，其预报算子是WRF模式，同化累积降水观测.