集合四维变分资料同化研究进展-中国气象局图书馆.pdf

气象科技 进展 集合四维变分资料同化研究进展 1, 2 1, 2 1 1 1 1 刘柏年 皇群博 张卫民 曹小群 赵军 赵延来 （1 国防科学技术大学海洋科学与工程研究院，长沙 410073；2 国防科学技术大学计算机学院，长沙 410073） 摘要：背景误差协方差矩阵的精确定义是构建高水平资料同化系统的先决条件。传统四维变分资料同化（4D Var）方法 - 将观测资料处理转化成以动力模式为约束的泛函极小化问题，通过调整控制变量，使指定时间窗口内由控制变量得到的 模式预报结果与实际观测资料之间的偏差达到最小。该方法在同化窗口内可以利用模式的切线性和伴随隐式地改变背景 误差协方差，能够在某种程度上满足快速发展的天气过程。但是大部分业务中心的四维变分资料同化系统仍采用静态化 的背景误差协方差矩阵模型来缓解背景误差协方差矩阵的维度问题，即矩阵维数远大于可用信息量。随着计算机科学的 迅猛发展，维度问题可以进一步通过集合的方法缓解。集合四维变分资料同化就是基于这一目标通过构造多个能反映出 背景误差协方差分布特征的样本集合来弥补可用信息量的不足。该方法目前已在ECMWF、Mete-France等业务中心实 现业务化，为确定性四维变分资料同化系统提供流依赖背景误差协方差估计。简要介绍了集合四维变分资料同化方法的 基本原理；其次以ECMWF为例，概述了四维变分资料同化系统的业务现状，重点阐述了系统在开发过程中需要解决的 扰动、滤波、校正等一些关键技术；最后探讨集合四维变分资料同化系统目前存在的问题和未来可能的研究方向。 关键词：背景误差协方差矩阵，集合四维变分资料同化，扰动，流依赖 DOI：10.3969/j.issn.2095-1973.2016.05.002 Research Progress in Ensemble Four-Dimensions Variational Data Assimilation 1,2 1 1 1 1 1 Liu Bainian , Huang Qunbo , Zhang Weimin , Cao Xiaoqun , Zhao Jun , Zhao Yanlai (1 Academy of Ocean Science and Engineering, National University of Defense Technology, Changsha 410073 2 College of Computer, National University of Defense Technology, Changsha 410073) Abstract: Accurate background error covariance is the foundation for all advanced data assimilation systems. For four dimensions data assimilation (4D-Var), assimilating the observation data is converted to a question of cost function minimization which is constricted by atmosphere dynamic model. By adjusting the control vectors, the distance between mode