混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中,根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时,由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量,一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式,通过观测系统模拟试验检验在不同的模式误差、集合成员数以及观测密度条件下,将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明,当预报集合成员数较多而模式又无误差时,不必采用混合的预报误差协方差矩阵,否则,采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切,模式误差越大,定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。

双分辨率集合卡尔曼滤波同化方案与模拟试验

对于高分辨率中尺度模式集合卡尔曼滤波实际应用的困难是集合预报会耗费大量的时间,而双分辨率集合卡尔曼滤波是由一组低分辨率样本提供同化所需的背景误差协方差矩阵,这种方法可以减少集合预报的时间。为了检验其有效性,利用模拟资料,与标准高分辨率集合卡尔曼滤波方法比较。结果表明:在第一个同化时次,两者对500 hPa水平风场和扰动位温场的分析增量场均与真实增量场的高低值中心位置一致,且结构与真实增量场接近,前者(高分辨率集合卡尔曼滤波)的增量值比后者(双分辨率集合卡尔曼滤波)的增量值更接近真实情况。在连续的预报—同化循环试验中,随着同化次数的增加,两种方法分析变量的均方根误差总体上都是下降的,均表现了较好的同化能力,但后者与前者相比仍存在一定的差距;而在相同的运行环境下,后者的运行时间仅是前者的1/6。