集合滤波和三维变分混合数据同化方法研究  

A hybrid ensemble filter and 3D variational analysis scheme

作　　者：吴新荣[1,2,3] 韩桂军[2] 李冬[2] 李威[2] 

机构地区：[1]中国科学院南海海洋研究所,广东广州510301 [2]国家海洋信息中心,天津300171 [3]中国科学院研究生院,北京100049

出　　处：《热带海洋学报》2011年第6期24-30,共7页Journal of Tropical Oceanography

基　　金：国家重点基础研究发展计划项目(2007CB816001);国家自然科学基金项目(40776016)

摘　　要：发展了一种新的混合数据同化方法——基于集合滤波和三维变分的混合数据同化方法。该方法将集合调整卡尔曼滤波(ensemble adjustment Kalman filter,EAKF)得到的集合样本扰动通过一个转换矩阵的形式直接作用到背景场上,利用顺序滤波的思想得到分析场的一个扰动;然后在三维变分(three dimensional variational analysis,3D-Var)的框架下与观测数据进行拟合,从而给出分析场的最优估计。文中以Lorenz63模型为例,开展了理想数据同化试验,结果表明,相比于集合调整卡尔曼滤波,这种新的混合同化方法可以给出更好的同化结果。A new hybrid data assimilation scheme based on ensemble adjustment Kalman filter（EAKF） and three-dimensional variational（3D-Var） analysis is developed.In this assimilation scheme,the perturbation of ensemble from EAKF is applied to the background field by using a transformation matrix,thus the perturbation of the analysis field can be obtained by taking advantage of a sequential filter,which will then be optimized by being combined with observations under the framework of 3D-Var.The data assimilation experiment in a perfect case is carried out by using Lorenz-63 model.The results demonstrate that the hybrid data assimilation scheme performs better than EAKF.

关 键 词：混合数据同化方法 集合调整卡尔曼滤波 三维变分 

分 类 号：P731[天文地球—海洋科学]