集合KALMAN滤波和最优插值方法在不同观测分布的比较理想试验

被引：6

作者：

林彩燕 ^{[1
]}

朱江 ^{[1
]}

陆春谷 ^{[2
]}

机构：

[1] 中国科学院大气物理研究所国际气候与环境科学中心

[2] NOAA-Research Forecast Systems Laboratory Boulder

来源：

气候与环境研究 | 2006年 / 05期

关键词：

集合Kalman滤波; 最优插值; 观测分布;

D O I：

暂无

中图分类号：

P435 [数值试验];

学科分类号：

0706 ; 070601 ;

摘要：

目前一种比较流行并且可行的同化方法-集合Kalman滤波(EnKF)能够计算依赖于流的误差统计量。理论上,EnKF能够比最优插值、三维变分等更准确地计算误差统计量,能更好地融合背景场和观测场的信息。作者利用二维平流扩散方程经过10天的同化循环,比较不同观测分布的情况下EnKF和最优插值(OI)的模拟能力。理想试验结果显示,随着观测分布密度的减小,尤其是当观测的分辨率大于OI估计的相关尺度时,集合Kalman滤波的结果比最优插值有更明显的改进。

引用

页码：553 / 564

页数：12

共 8 条

[1] 沙尘天气的数值预报 [J].

邵亚平 .

气候与环境研究, 2004, (01) :127-138

[2] Kalman滤波在气象数据同化中的发展与应用 [J].

高山红 ;

吴增茂 ;

谢红琴 .

地球科学进展, 2000, (05) :571-575

[3] 区域空气质量数值预报模型 [J].

安俊岭 ;

王自发 ;

黄美元 ;

陶树旺 ;

程新金 ;

叶红 .

气候与环境研究, 1999, (03) :244-251

[4]

Ocean data assimilation with background error covariance derived from OGCM outputs[J] . Weiwei Fu,Guangqing Zhou,Huijun Wang.Advances in Atmospheric Sciences . 2004 (2)

[5] The Ensemble Kalman Filter: Theoretical formulation and practical implementation [J].

Geir Evensen .

Ocean Dynamics, 2003, 53 (4) :343-367

[6]

Four-di mensional variational da-ta assi milation using the adjoint of a multilevel pri mitive-e-quation model .2 Th′epaut J-N,Courtier P. Quart.J.Roy.Meteor.Soc . 1991

[7]

Data assi milation using an ensemble Kal man filter technique .2 Houtekame P L,Mitchel H L. Mon.Wea.Rev . 1998

[8]

Assessingthe effects of data selection with the DAO physical-space statistical analysis system .2 Cohn,S.E,A da Silva,J.Guo,et al. Mon.Wea.Rev . 1998

← 1 →