模式误差弱约束四维变分同化研究

经典四维变分同化(four dimensional variational data assimilation,简称4dvar)中认为模式是完美的, 而实际数值模式中存在的模式误差将对变分同化效果产生直接影响, 弱约束4dvar的提出为4dvar中考虑模式误差的影响提供了一种可行途径. 研究了基于模式误差控制变量的弱约束4dvar基本理论, 并在一维浅水方程组中对其同化效果及估计模式误差的有效性进行相关数值实验研究. 结果表明,在模式误差不可忽略的情况下,模式误差弱约束4dvar在整个区间 (包括同化区间和预报区间)上预报误差均比传统4dvar小, 在模式误差相对较大时改进效果更明显,具有明显优越性; 并且,模式误差弱约束4dvar能有效估计模式误差大小及分布形式.     

以全球谱模式为约束的四维变分资料同化系统YH4DVAR的设计和实现

四维变分资料同化仍将是未来相当长时间内业务数值天气预报中所使用的主流同化方法．针对全球数值天气预报业务系统对气象资料同化技术的需求,在WRFDA软件框架结构的基础上,发展了一个与全球谱模式配套使用的四维变分资料同化系统YH4DVAR．系统将背景场、观测处理、重力波控制和偏差订正进行综合考虑,设计了一体化目标函数,引入了小波背景场误差协方差模型,实现了增量方法以及卫星遥感资料的直接同化．单点试验表明YH4DVAR的背景场误差模型具有各向异性、垂直相关和水平相关不可分离性、以及与位置的相关等特性．从2009年7月到2010年6月的分析预报试验结果表明,由YH4DVAR和全球谱模式组成的分析预报系统在北半球和亚洲地区的可用预报时效可以达到8天以上．     

基于区域逐步分析的集合变分资料同化方法

集合变分数据同化方法的同化效果对集合样本容量具有很强的依赖性,研究发现此问题的出现是因为其计算过程中分析增量被表示为集合扰动向量或其展开正交基向量的线性组合.这样的处理方法虽然避免了计算梯度而引入伴随模式,但是因为物理控制变量个数远大于集合样本容量,就会导致物理量的同化分析值对集合样本容量很敏感.根据此原因,提出了区域逐步分析方法,减小了同化分析区域内物理变量个数与集合样本容量数之间的比值,使问题得到解决.利用浅水方程模式进行资料同化数值试验表明,基于区域逐步分析的集合变分资料同化方法可以得到较好的结果,能明显提高同化的精度.     

GPS掩星一维弯曲角算子在四维变分资料同化系统中的实现方法研究

GPS无线电掩星资料的良好特性使其作为十分重要的观测资料在欧洲 及美国数值天气预报中效果明显. 本文设计了一维弯曲角算子在四维变分资料同化系统中的实现方法和质量控制策略. 详细阐述了一维弯曲角正演算子及其切线性/伴随算子在全球四维变分资料同化系统中的实现步骤和过程, 其中折射率计算中采用Rüeger的折射率最佳平均因子的三项表达式, 计算出更加精确的折射率值. 对2012年8月份的GPS无线电掩星资料进行了观测误差统计, 引入了更加符合四维变分资料同化系统实际情况的一维弯曲角观测误差模型和质量控制策略. 同时, 对比了观测误差统计试验中同化GPS无线电掩星资料的模式背景场和未同化GPS无线电掩星资料的背景场的观测误差统计结果, 发现同化GPS无线电掩星资料之后的观测误差统计结果在全球区域正作用十分明显, 尤其是在中低纬度地区, 高度在10 km 以上的区域观测误差减小十分明显. 关键词： GPS无线电掩星 一维弯曲角算子 四维变分同化系统 质量控制     

数字滤波弱约束四维变分同化在台风初始化中的应用(Ⅱ):数字滤波权重选择

数字滤波权重的选择是影响台风路径和强度预报的重要因素,某些个例中直接决定着台风数值模拟的成功与否,合适的数字滤波权重非常重要.本文利用2010年3个台风7个不同初始时刻个例,开展数字滤波弱约束四维变分同化(4D-Var)台风初始化试验,分析不同数字滤波权重对台风路径和强度预报的影响;基于上述台风路径和强度预报后验统计信息,以及台风中心区域800 km范围和整个模拟区域3 h平均地面气压倾向信息,提出一种bogus资料同化台风初始化中数字滤波权重优选方案,并进行理论解释说明;同时,指出bogus资料同化台风初始化中,常规数字滤波权重为1000更合理,明显有别于常规天气和暴雨天气权重设置.     

变分同化中水平误差函数的正交小波模拟新方法

背景误差协方差是变分资料同化系统中的一个重要组成部分,能将观测信息从观测点传播到周围的模式格点和垂直层上.为了模拟背景误差协方差中水平误差函数的非均匀性和各向异性,提出了一种用正交小波变换模拟水平误差函数的新方法.试验结果表明：新方法能模拟出水平误差函数中固有的非均匀性和各向异性,极好地表示了背景误差协方差中固有的结构和特征. 关键词： 变分资料同化 背景误差协方差 二维正交小波 水平误差函数     

变分同化结合广义变分最佳分析对微波散射计资料进行海面风场反演

针对微波散射计资料的海面风场反演,本文首先利用QuikSCAT卫星散射计的近实时资料,借助荷兰皇家气象学会的SeaWinds散射计数据处理模式,在不同风速和海域的情况下,采用多解方案结合二维变分同化方法进行风向的模糊去除,达到消除解的不唯一性的目的,且对4种反演结果（低速风、中速风、高速风和近海岸风）与美国国家海洋和大气管理局卫星资料中心的近实时风场数据的对比分析,说明了该技术的有效性.在此基础上,对反演得到的中速风场利用广义变分最佳分析方法进行了调整,调整后的风场结构有了进一步的改善.此方法可为我国散射计资料反演海面风场的研究提供新的思路和方法.     

变分同化结合广义变分最佳分析对微波散射计资料进行海面风场反演

针对微波散射计资料的海面风场反演,本文首先利用QuikSCAT卫星散射计的近实时资料,借助荷兰皇家气象学会的SeaWinds散射计数据处理模式,在不同风速和海域的情况下,采用多解方案结合二维变分同化方法进行风向的模糊去除,达到消除解的不唯一性的目的,且对4种反演结果（低速风、中速风、高速风和近海岸风）与美国国家海洋和大气管理局卫星资料中心的近实时风场数据的对比分析,说明了该技术的有效性.在此基础上,对反演得到的中速风场利用广义变分最佳分析方法进行了调整,调整后的风场结构有了进一步的改善.此方法可为我国散射计资料反演海面风场的研究提供新的思路和方法. 关键词： 多解方案 二维变分同化 广义变分最佳分析 正则化方法     

二维自适应结构网格的变分生成方法

提出-一种二维结构网格的自适应生成方法,即采用变分方程控制网格的疏密程度以及光滑性、正交性和正规性,并且所有的控制方程具有-致的量纲.几个数值算例表明,给出的网格自适应生成方法能够较好地收敛到方程的唯-解,同时产生性质良好的二维自适应结构网格.     

变质量物体的相对论四维协变方程

将经典质量的变化和质量随速度而变化这一相对论效应同时考虑,建立变质量物体的相对论四维协变方程,阐述方程的物理意义,并由该方程推出Ackeret公式． 关键词：     

A path integral method for data assimilation

Described here is a path integral, sampling-based approach for data assimilation, of sequential data and evolutionary models. Since it makes no assumptions on linearity in the dynamics, or on Gaussianity in the statistics, it permits consideration of very general estimation problems. The method can be used for such tasks as computing a smoother solution, parameter estimation, and data/model initialization.Speedup in the Monte Carlo sampling process is essential if the path integral method has any chance of being a viable estimator on moderately large problems. Here a variety of strategies are proposed and compared for their relative ability to improve the sampling efficiency of the resulting estimator. Provided as well are details useful for its implementation and testing.The method is applied to a problem in which standard methods are known to fail, an idealized flow/drifter problem, which has been used as a testbed for assimilation strategies involving Lagrangian data. It is in this kind of context that the method may prove to be a useful assimilation tool in oceanic studies.     

一种基于复数域微分的资料同化新方法

提出了一种基于复数域微分的资料同化新方法. 针对变分资料同化中目标泛函梯度计算复杂和精度不高的问题, 首先利用复变量求导法把梯度分析过程转化为复变泛函的数值计算, 进而高效和高精度地获得梯度值; 然后结合经典的最优化方法, 给出了非线性物理系统资料同化问题的新求解算法; 最后对典型混沌系统和包含“开关”现象的单格点比湿发展方程进行了资料同化数值实验, 结果表明新方法能非常有效地估计出非线性动力预报模式的初始条件. 关键词： 资料同化 复数域微分 非线性物理系统 梯度分析     

基于对偶数理论的资料同化新方法

针对变分资料同化中目标泛函梯度计算精度不高且复杂等问题, 提出了一种基于对偶数理论的资料同化新方法, 主要优点是: 能避免复杂的伴随模式开发及其逆向积分, 只需在对偶数空间通过正向积分就能同时计算出目标泛函和梯度向量的值. 首先利用对偶数理论把梯度分析过程转换为对偶数空间中目标泛函计算过程, 简单、高效和高精度地获得梯度向量值; 其次结合典型的最优化方法, 给出了非线性物理系统资料同化问题的新求解算法; 最后对Lorenz 63混沌系统、包含开关的不可微物理模型和抛物型偏微分方程分别进行了资料同化数值实验, 结果表明: 新方法能有效和准确地估计出预报模式的初始条件或物理参数值.     

New data assimilation system DNDAS for high-dimensional models

The tangent linear(TL) models and adjoint(AD) models have brought great difficulties for the development of variational data assimilation system. It might be impossible to develop them perfectly without great efforts, either by hand, or by automatic differentiation tools. In order to break these limitations, a new data assimilation system, dual-number data assimilation system(DNDAS), is designed based on the dual-number automatic differentiation principles. We investigate the performance of DNDAS with two different optimization schemes and subsequently give a discussion on whether DNDAS is appropriate for high-dimensional forecast models. The new data assimilation system can avoid the complicated reverse integration of the adjoint model, and it only needs the forward integration in the dual-number space to obtain the cost function and its gradient vector concurrently. To verify the correctness and effectiveness of DNDAS, we implemented DNDAS on a simple ordinary differential model and the Lorenz-63 model with different optimization methods. We then concentrate on the adaptability of DNDAS to the Lorenz-96 model with high-dimensional state variables. The results indicate that whether the system is simple or nonlinear, DNDAS can accurately reconstruct the initial condition for the forecast model and has a strong anti-noise characteristic. Given adequate computing resource, the quasi-Newton optimization method performs better than the conjugate gradient method in DNDAS.     

资料同化中的数字滤波弱约束试验及分析

气象数值预报中,由于分析过程引入初始非平衡,从而引起虚假快波振荡,重力波控制弱约束把资料分析过程和初始化过程结合在一起,通过数字滤波弱约束在极小化过程中实现对分析场的平衡约束,克服非平衡问题. 以2008年初的一次南方雨雪天气为研究个例,进行了数字滤波弱约束的同化试验和预报试验,结果表明,数字滤波弱约束4D-Var能充分控制快波振荡的出现和初始调整现象,使得到的分析场不仅能更好的逼近观测,而且能更好地与模式动力相协调. 预报检验的结果表明,在同化过程中施加数字滤波弱约束,能有效滤除由于地形或观测资料等因素 关键词： 变分同化 初始非平衡 数字滤波 弱约束     

Sampling the posterior: An approach to non-Gaussian data assimilation

The viewpoint taken in this paper is that data assimilation is fundamentally a statistical problem and that this problem should be cast in a Bayesian framework. In the absence of model error, the correct solution to the data assimilation problem is to find the posterior distribution implied by this Bayesian setting. Methods for dealing with data assimilation should then be judged by their ability to probe this distribution. In this paper we propose a range of techniques for probing the posterior distribution, based around the Langevin equation; and we compare these new techniques with existing methods.

When the underlying dynamics is deterministic, the posterior distribution is on the space of initial conditions leading to a sampling problem over this space. When the underlying dynamics is stochastic the posterior distribution is on the space of continuous time paths. By writing down a density, and conditioning on observations, it is possible to define a range of Markov Chain Monte Carlo (MCMC) methods which sample from the desired posterior distribution, and thereby solve the data assimilation problem. The basic building-blocks for the MCMC methods that we concentrate on in this paper are Langevin equations which are ergodic and whose invariant measures give the desired distribution; in the case of path space sampling these are stochastic partial differential equations (SPDEs).

Two examples are given to show how data assimilation can be formulated in a Bayesian fashion. The first is weather prediction, and the second is Lagrangian data assimilation for oceanic velocity fields. Furthermore the relationship between the Bayesian approach outlined here and the commonly used Kalman filter based techniques, prevalent in practice, is discussed. Two simple pedagogical examples are studied to illustrate the application of Bayesian sampling to data assimilation concretely. Finally a range of open mathematical and computational issues, arising from the Bayesian approach, are outlined.     

Variational assimilation in combination with the regularization method for sea level pressure retrieval from QuikSCAT scatterometer data I: Theoretical frame construction

A new method of constructing a sea level pressure field from satellite microwave scatterometer measurements is presented. It is based on variational assimilation in combination with a regularization method using geostrophic vorticity to construct a sea level pressure field from scatterometer data that are given in this paper, which offers a new idea for the application of scatterometer measurements. Firstly, the geostrophic vorticity from the scatterometer data is computed to construct the observation field, and the vorticity field in an area and the sea level pressure on the borders are assimilated. Secondly, the gradient of sea level pressure (semi-norm) is used as the stable functional to educe the adjoint system, the adjoint boundary condition and the gradient of the cost functional in which a weight parameter is introduced for the harmony of the system and the Tikhonov regularization techniques in inverse problem are used to overcome the ill-posedness of the assimilation. Finally, the iteration method of the sea level pressure field is developed.