基于多重网格策略的NLS-3DVar方法及其在气温数据同化中的应用

摘要

集合—变分同化方法逐渐成为发展同化方法的重心，它同时保留了集合方法和变分方法的优势。NLS-3DVar（Non-linear Least Squares-based onThree-dimensional Variational Data Assimilation，非线性最小二乘三维变分同化）方法作为3DEnVar方法（不依赖于伴随模式求解的集合3DVar方法）中的一个代表，采用有限集合样本估算背景误差协方差B，并通过局地化方案来缓解集合样本不足导致的虚假相关。合理的采样方法和局地化方案是同化方法成功与否的关键。本论文采用历史采样法和集合扩展局地化方案对NLS-3DVar方法进行完善，并优化计算方法，使其结果精度更高，计算过程消耗资源更少;另一方面，引入多重网格策略对不同尺度的观测信息进行分析，由于对观测数据的稀疏化处理，使得基于多重网格策略的NLS-3DVar方法在计算效率上有了很大提高。
　　本论文将NLS-3DVar方法进行以上改进后，又通过与Cressman插值与STMAS(Space-Time Multiscale Analysis System)算法的对比来进行效果检验。用2400多个国家级气象观测站逐时气温数据和NCEP再分析气温数据的进行同化，得到中国区域空间分辨率1°×1°，时间分辨率为6小时的气温融合产品。分别从单重网格（分辨率1°×1°）和双重网格（分辨率由2°×2°到1°×1°）利用2014年1～12月（4、5月除外）的独立检验数据考察NLS-3DVar气温融合产品质量，验证基于多重网格策略的NLS-3DVar方法的优越性。在单重网格下，与Cressman插值产品（均方根误差和相关系数的年平均值分别为1.961℃ d-1和0.924）相比，NLS-3DVar产品全年始终具有最小的均方根误差和最大的相关系数，年平均值分别为1.915℃ d-1和0.929;站点间误差分析进一步表明，NLS-3DVar产品在大多数检验站点精度更高，在新疆、甘肃、云南、陕西等地区尤为突出;加入双重网格策略的NLS-3DVar产品与单重网格的NLS-3DVar产品误差对比显示，均方根误差年平均值分别为1.711℃ d-1和1.649℃ d-1，相关系数年平均值分别为0.968和0.970，二者在均方根误差和相关系数的表现上都极为相似，即双重网格NLS-3DVar气温产品尽管对观测数据采取了稀疏化处理，但依旧维持了原有的产品精度，并且在计算效率上提高了1倍多。而与同样在双重网格下基于多尺度的STMAS算法相比，双重网格的NLS-3DVar方法在产品精度上同样占据优势，在计算效率上单位时次耗时与STMAS算法几乎相当。

目录

声明

摘要

第一章 绪论

1．1 资料同化方法研究进展

1．1．1 客观分析方法

1．1．2 变分同化

1．1．3 基于集合的资料同化方法

1．1．4 集合——变分同化

1．2 本文研究内容

1．2．1 研究内容和意义

1．2．2 研究的创新性

1．2．3 论文框架

第二章 同化方法的介绍与NLS-3DVar方法的改进

2．1 Cressman插值方法

2．2 STMAS算法

2．3 基于多重网格策略的NLS-3DVar方法

2．3．1 NLS-3DV打方法的推导

2．3．2 NLS-3DVar方法的改进

2．4 小结

第三章 气温数据的同化分析试验

3．1 试验内容

3．1．1 试验数据

3．1．2 试验设计

3．1．3 检验标准和方法

3．2 单重网格下气温数据同化结果评估检验

3．2．1 误差随时间的变化

3．2．2 误差的空间分布

3．3 双重网格下气温数据同化结果评估检验

3．3．1 误差统计的对比

3．3．2 计算效率的对比

3．4 小结

第四章 结论与展望

4．1 全文总结及主要结论

4．2 进一步的工作和展望

参考文献

附录

致谢