天气动力学与诊断分析：天气动力学诊断中常用的热、动力学物理量.pptxVIP

主要教学内容;天气动力学诊断中常用的热、动力学物理量; 诊断分析方法是现代天气动力学中常用的一种研究方法，它应用大尺度场资料，用适当的热力学和动力学方程对研究的现象进行分析和计算，以了解各种物理和动力过程的相对作用，在此基础上得到某一天气现象和系统的概念模式。它也是把理论研究结果与天气分析联系起来的一种基本手段。这是现代天气学中不可缺少的重要工具之一，所得到的结果的可靠程度一方面取决于基本资料的质量和分布状况，另一方面取决于分析方法的精度。 在诊断分析中常采用个例和综合法进行研究，尤其是个例分析方法。 ------ 丁一汇《天气动力学中的诊断分析方法》; 天气动力学诊断分析是现代天气学研究和业务工作中常用方法，是当前天气工作者必须掌握的基本技能。它用各种实测资料，结合适当的热力学和动力学方程，对所关心的物理量或有关的诊断方程中的各项进行计算，对天气演变过程中伴随的各种物理过程或某一物理过程中起作用的各个方面作出定量的估计和解释。对揭示和加深大气运动内在规律的认识是一种有效的手段。 ------------------- 周军《天气学诊断分析》;（1）对实测的风、温度、水汽和气压场等进行直接的观测分析，以了解研究现象的基本演变事实和结构； （2）计算有关的热力学和运动学量，如垂直速度等； （3）进行收支计算或其它有关计算（如能量转换率的计算），以了解系统存在或演变的基本物理或动力过程。 为了做出诊断分析的最佳设计，要利用所有可能得到的资料，并尽可能进行时空诊断，使这种诊断与动量、质量、热量和水汽方程的计算保持一致。;诊断场：物理量在某时刻的空间分布是该物理量在某时刻的分布实况，在计算该物理量的方程中不含有对时间的微商项 预报场：对未来某时刻某物理量的预报结果，在预报方程中含有该物理量对时间的微商项;诊断分析基本过程 资料：利用各种实测资料和数值模拟资料 对象：大、中、小尺度天气系统 方程：适当的动力学和热力学方程 计算：计算各种物理量和方程中的各项 实现：通过计算和绘图，从各个物理量的大小、三维分布配置甚至随时间变化等，对天气现象和天气过程进行分析解释;资料处理;主观分析和客观分析;资料同化;基于统计估计的资料同化技术： 最优插值法（Optimal Interpolation，OI）： OI最初由Gandin（1963）提出，是一种基于统计理论基础的均方差最小线性插值法。该方法考虑了模式和观测数据的误差统计信息，并加入必要的权重，能够较好的刻画出实际大气（海洋）状态，因而在20世纪八、九十年代业务化数值预报当中占主流地位。OI的一个基本假定是：在确定每个模式变量的分析增量时，仅有几个观测值是重要的。基于这一假设，OI就易于编码并且计算量相对较小，这是它的主要优点。OI 的缺点则是，由于所用协方差矩阵是固定的（不随时间变化），这就限制了它不能将动力模式和观测信息很好融合在一起；且OI一般是单变量分析，会造成物理量的不协调。OI 通常选择分析格点附近的观测资料来做局部分析，这可以减小计算量，但分析结果并非全局最优，分析在空间上不协调；OI是针对线性系统发展起来的，难以处理观测算子非线性的情况；当对模式状态的不同部分采取不同的观测值时，会使分析场产生虚假的噪音；另外，OI无法确保大小尺度分析的一致性。;KF： KF算法最初由Kalman 1960年引进用于离散时间下的线性系统滤波，且由Kalman和Bucy扩展用于连续时间系统滤波，类似于OI，KF也是基于统计估计理论发展起来的。在系统是线性、误差是白噪音和高斯型的情况下，KF 以分析误差的最小方差为标准提供分析最优值。区别于后面的4D-Var，KF 显式发展背景场误差协方差，因而不需要伴随算子，这是其一大优点；另外，KF可以直接提供分析误差协方差矩阵，这是4D-Var不具备的优势。但由于其高昂的计算代价而难以应用于实际数据同化当中。实际上，大气和海洋预报模式大多数是高维非线性系统，KF 算法对此无能为力。于是，有学者针对非线性系统提出了被后人所称的“EKF”。;EKF： EKF 基于切线性假设（仅保留模式一阶导数项），对一般的弱非线性问题是一种很好的近似，但对于强非线性问题，这一假设本身就偏离实际很远，简化后的方程恰恰去掉了原始方程中最重要的部分，仅保留二三阶导数项的“闭合”技术，对非线性模式本身是一个很困难的问题，处理不好直接导致滤波发散。因而，EKF难以应用于强非线性系统，同时，与EK一样计算量巨大。所以，EKF在实际应用中也是难以发挥作用。为了解决（E）KF的计算代价问题，许多学者做了大量探索性工作，试图寻求一种次优方案来代替EKF，具有代表性的有降秩平方根卡尔曼滤波（Reduced Rank Squa