论文部分内容阅读
集合平方根滤波(EnSRF)作为确定性集合资料同化技术的一种，拥有简单易编程的特点，因此受到广泛关注，成为当前同化方法研究的一个热点。与传统的变分同化方法相比，集合平方根滤波与一般集合同化技术一样，具有误差协方差随流型演变、不需要求解伴随模式、可以和集合预报相结合等优点。且相较传统集合kalman滤波，集合平方根滤波不需对观测添加随机扰动，克服了可能的抽样误差，并且当观测之间不相关时，不需求逆矩阵，便于编程。
本文围绕已有的T106L19全球中期数值预报谱模式—集合平方根滤波资料同化系统，讨论其中关键问题的解决方案，重点研究协方差局地化对于同化质量的影响，以期为集合同化系统在国内实现业务化运行提供有价值的参考。
本文首先改进T106-EnSRF系统同化实际资料的方案，提出“增长模繁殖”方法构造集合初始扰动、标准层同化观测等改进方案，并与T106原有的OI客观分析系统作分析&预报对比。实验结果表明，T106-EnSRF分析误差在北半球中高纬与T106-OI相差不大，但在热带副热带地区和南半球明显好于T106-OI；T106-EnSRF预报误差较T106-OI稳定。针对前人工作的不足，重点研究协方差局地化方案。传统局地化方法是基于距离相关的“schur”算子，本文在均匀网格模拟观测实验中总结水平局地化经验函数，再应用到实际分布的观测网格，发现，观测的影响更加均匀且影响范围增大，能够从整体上提高同化效果，特别对观测稀疏的南半球的改善更为明显。
随后引进自适应局地化—分级的集合滤波技术，在Lorenz96简单模式—EnSRF同化系统中验证其可行性，并给出一些敏感性实验结果：自适应局地化在各种距离条件下都能较好地避免滤波发散，配合合适的膨胀因子可以进一步改善同化效果，合适的自适应局地化集合分组对同化结果是有益的。将自适应局地化引入T106-EnSRF系统，进行传统局地化、水平局地化经验函数、自适应局地化三种协方差局地化方案的在实际同化实验中的比较，分析结果表明，两种新方案的误差要小于传统局地化方案，且南半球的误差改善幅度比北半球略大；自适应局地化方案在南半球位势高度的误差表现上明显好于水平局地化经验函数方案。