EnKF同化的背景误差协方差矩阵局地化对比研究.pdfVIP

第２９卷　第１０期 地球科学进展 Ｖｏｌ．２９　Ｎｏ．１０ ２０１４年１０月 ＡＤＶＡＮＣＥＳＩＮＥＡＲＴＨＳＣＩＥＮＣＥ Ｏｃｔ．，２０１４ 韩培，舒红，许剑辉．ＥｎＫＦ同化的背景误差协方差矩阵局地化对比研究［Ｊ］．地球科学进展，２０１４，２９（１０）：１１７５１１８５，ｄｏｉ：１０．１１８６７／ｊ．ｉｓｓｎ． １００１８１６６．２０１４．１０．１１７５．［ＨａｎＰｅｉ，ＳｈｕＨｏｎｇ，ＸｕＪｉａｎｈｕｉ．ＡｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｆｂａｃｋｇｒｏｕｎｄｅｒｒｏｒｃｏｖａｒｉａｎｃｅｌｏｃａｌｉｚａｔｉｏｎｉｎＥｎＫＦｄａｔａａｓｓｉｍｉｌａｔｉｏｎ ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＥａｒｔｈＳｃｉｅｎｃｅ，２０１４，２９（１０）：１１７５１１８５，ｄｏｉ：１０．１１８６７／ｊ．ｉｓｓｎ．１００１８１６６．２０１４．１０．１１７５．］ ＥｎＫＦ同化的背景误差协方差矩阵 局地化对比研究 韩　培，舒　红，许剑辉 （１．武汉大学测绘遥感信息工程国家重点实验室，湖北　武汉　４３００７９； ２．武汉大学苏州研究院，江苏　苏州　２１５１２３） 摘　要：在集合数据同化中，背景场误差的协方差估计特别重要。通常有限个成员的集合在估计背 景误差协方差矩阵时会引入伪相关，从而造成协方差被低估、滤波发散。虽然协方差膨胀的经验性 方法能一定程度缓解协方差被低估的问题，但不能消除协方差的伪相关问题。因此，结合ＥｎＫＦ方 案探讨２种消除伪相关的局地化方法（协方差局地化方法和局地分析方法），分析这２种局地化方 法对背景误差协方差矩阵、增益矩阵、集合转换矩阵以及同化结果的影响。实验结果表明：局地化 方法不仅能消除背景误差协方差矩阵的伪相关，还可以增加背景误差协方差矩阵的秩；在“弱”同 化强度下，２种局地化方法的增益矩阵和集合转换矩阵相等；随着同化强度的增大，增益矩阵和集 合转换矩阵的差异会变大；在不同的同化强度下，２种局地化方法各具特色，相对而言，协方差局地 化方法在更新集合均值和集合扰动上具有较强的鲁棒性。研究结论有助于背景场误差协方差的精 细分析和估计。 关　键　词：ＥｎＫＦ；协方差局地化；局地分析；伪相关 中图分类号：Ｐ２３７；ＴＰ７９　　　文献标志码：Ａ　　　文章编号：１００１８１６６（２０１４）１０１１７５１１ 化过程中的计算量，被广泛应用于大规模数据同化 １　引　言 ［３］ 系统，并逐步与变分方法结合 。 卡尔曼滤波（ＫａｌｍａｎＦｉｌｔｅｒ，ＫＦ）是顺序同化算 在集合数据同化中，将模型预测结果作为下一 法的最早形式和理论基础，在线性系统和高斯白噪 同化时刻的背景场时，模型误差由背景场误差来表 声下能得到无偏最优估计，但大气海洋预报模式多 现，误差的空间相关性由背景场误差的协方差矩阵 ［１］ 数是非线性系统，ＫＦ必须进行扩展才能适用 。 （非对角阵）来表达。２个同化时刻之间的间隔时间 ［２］ １９９４年Ｅｖｅｎｓｅｎ 在海洋资料同化过程中，首次用 比较短，通常假设观测误差由误差的方差（对角阵 到集合卡尔曼滤波（ＥｎｓｅｍｂｌｅＫａｌｍａｎＦｉｌｔｅｒ，Ｅｎ 形式的观测误差协方差矩阵）来表达，观测误差通 ＫＦ）。它是集合预报和ＫＦ的有效结合，利用集合来 过背景场误差的协方差矩阵来传递空间相关信息到 存储、传播、更新状态估计量和状态误差协方差，克 最终的同化分析结果中。因此，背景场误差协方差 服了传统ＫＦ应用中的不足，同时有效地降低了同