EnKF局地化算法对雷达资料同化的影响研究

分级集合滤波(Hierarchical Ensemble Filter,HEF)和采样误差修正(Sampling Error Correction,SEC)局地化算法能够使采样误差取得极小值,且不需要给出距离的定义。为了检验其理论优势,基于集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)方法同化模拟雷达资料,通过与Gaspari-Cohn(GC)局地化算法对比,分析不同局地化算法对EnKF同化效果的影响。结果表明,HEF和SEC局地化算法的雷达回波在水平和垂直方向上均强于GC局地化算法。HEF局地化算法各个变量的离散度最高,均方根误差最低;SEC局地化算法离散度略低,均方根误差略高;GC局地化算法离散度最低,均方根误差最高。相比于GC局地化算法,HEF和SEC局地化算法的冷池强度减弱,面积减小,下沉气流的速度和范围增大,雹霰混合比的大小和覆盖面积增大。通过模拟发现,HEF局地化算法模拟的北侧对流中心最强,SEC局地化算法模拟的南侧对流中心最强,且模拟出(40 km,60 km)处的强对流中心。HEF局地化算法模拟的冷池强度最强,HEF和SEC局地化算法基本上模拟出北侧的雹霰混合比高值区。这表明HEF局地化算法有效地改进了基于GC局地化算法的EnKF雷达资料同化效果,SEC局地化算法减小了计算量,是HEF局地化算法较好的近似。