基于地球系统模式的局地化粒子滤波器与集合卡尔曼滤波器同化实验

粒子滤波器(PF)是一种非常具有应用前景的非线性资料同化方法。但由于其算法本身存在的粒子退化问题,目前尚未被广泛地应用于大型地球物理模式。目前主流的集合同化系统仍然倾向于使用集合卡尔曼滤波器(EnKF)及其衍生方法。一种新近被提出的局地化粒子滤波器(LPF)在经典的粒子滤波器算法中引入局地化技术,可以使用较小的计算成本有效地避免退化问题,具有非常大的业务应用潜力。本文在全耦合的通用地球系统模式中开展了LPF和EnKF的同化实验,同化资料为模拟的卫星海表温度资料。着重考察了不同局地化参数对两种方法的不同影响,对比了局地化粒子滤波器与集合卡尔曼滤波器的同化效果差异。比较的结果表明,LPF的同化效果对于局地化参数的选择非常敏感,在使用最优局地化参数的条件下,LPF能达到与EnKF相当甚至优于后者的同化效果,并具有较大的改进空间。

基于局地集合变换卡尔曼滤波的全球海洋资料同化系统设计及算法加速

通过对局地集合变换卡尔曼滤波(LETKF)算法的计算时间复杂度的完整分析,发现计算集合空间分析场误差协方差的逆矩阵这一过程计算量最大,耗时最长。且在并行计算环境下,该步骤CPU计算量分配不均是影响计算效率的直接原因。为解决这一问题,采用“贪心算法”设计了一套新的负载均衡策略,并使用该策略开发了一个基于LETKF和并行海洋模块2(POP2)的高性能并行海洋资料同化系统。将2004年1~2月日平均的最优插值海表温度资料(OISST)和同时期的Argo温盐剖面资料同化进入POP2。结果表明,同化有效降低了温度和盐度的均方根误差。同时,在不改变计算结果的前提下,相比原始同化系统,新系统计算性能提升1倍。在更高分辨率(0.1°×0.1°)下,该系统的计算性能仍然可以提升1倍,说明新设计的负载均衡方案稳定可靠。该方案具有很强的可扩展性和移植性,在业务预报中有广泛的应用前景。

基于集合的观测资料影响性评价——简单AGCM的理想试验

在Liu and Kalnay（2008）的研究基础上,将基于集合的观测资料影响性评价方法（简称LK08法）运用到一个简单的大气环流模式中,对模拟探空资料的预报影响性进行了综合评价,考察了LK08法在真实大气环流模式上的适用性。研究结果表明,应用基于集合的评价方法可以一次性计算出同化系统中每个观测的影响性,然后按观测手段、观测区域等进行影响性数值的简单累加,以此可以比较不同类型观测的相对影响性。比较结果显示,不同半球的模拟探空观测对预报的总影响性相差不大,但由于南半球资料个数要远远少于北半球,因此,南半球单个观测的影响性要大于北半球的单个观测。不同观测类型对预报的总影响性也不相同。有效性验证分析表明,按LK08法计算得到的总体观测影响性能解释实际影响性的70%~80%,且很好地抓住了其变化和走势。

一种新的模式倾向误差估计算法及其在ENSO模拟中的应用

气候模式是我们理解、模拟和预报气候演变的重要工具。然而即使是目前最先进的耦合模式,其模拟和预报与大气/海洋的真实状态相比,仍存在较大偏差,这是由于在模式的倾向方程中不可避免地存在系统性的误差(倾向误差)。因此,减小模式倾向误差对改进模式的模拟和预报效果具有重要意义。该研究首先发展了一种新的计算模式倾向误差的估计算法——基于局地集合变换卡尔曼滤波器(local ensemble transform kalman filter,LETKF)同化技术的倾向误差估计算法。在此基础上,将新发展的算法应用到Zebiak-Cane(ZC)模式,通过同化海表面温度异常(sea surface temperature anomaly,SSTA)数据,估计随时空变化的倾向误差,并使用计算得到的倾向误差订正模式,进行积分模拟。结果表明:(1)倾向误差和ZC模式的模拟偏差具有高度相关性;(2)订正后的模式改善了对厄尔尼诺-南方涛动(El Ni?o-Southern Oscillation,ENSO)的一些重要特征的模拟。这说明新发展的模式倾向误差估计算法十分有效且在ENSO模拟中具有较好的应用价值,此外,这种新的模式倾向误差估计算法,计算高效简便,可便捷地应用于各模式中,利于推广。