非线性集合四维变分同化方法NLS-4DVar之局地化改进  

An Improved Localization Scheme to the NLS-4DVar Method

作　　者：张洪芹[1,2] 田向军[2] 张承明[1] 

机构地区：[1]山东农业大学,山东泰安271018 [2]中国科学院大气物理研究所国际气候与环境科学中心,北京100029

出　　处：《中国海洋大学学报（自然科学版）》2016年第10期10-15,共6页Periodical of Ocean University of China

基　　金：国家高技术研究发展计划项目(2013AA122002);国家自然科学基金项目(41575100;91437220);山东省省级水利科研与技术推广项目(SDSLKY201503)资助~~

摘　　要：四维变分同化可利用同化窗口内所有可能的观测信息优化大气、海洋模式的初始场,从而极大地提高大气、海洋模式模拟性能,而作为4DVar标准算法的伴随方法始终无法避免繁琐与复杂的预报模式伴随方程的编程、维护以及更新。为避免伴随模式的使用,集合四维变分方法,4DEnVar方法被逐渐开发,为4DVar的求解提供了一种便捷的途径。4DEnVar一般通过局地化过程消除样本不足所造成的虚假相关,而局地化方案的不同也必然会影响到其最终的同化效果。本文将一种集合样本扩展的局地化方案引入到基于Gaussian-Newton迭代算法的非线性集合四维变分同化方法NLS-4DVar中,从而避免了原算法中为进行局地化过程而额外需要的线性化假设,使得算法收敛更稳定。另外,通过将原Gaussian-Newton迭代序列进行变形、避免了矩阵的直接求逆,极大地提高了同化算法的计算效率。利用非线性动力模型Lorenz-96所开展的观测系统模拟试验表明:采用新的样本扩展型局地化方案的NLS-4DVar算法,其同化精度略优于NLS-4DVar原始算法,由于避免了矩阵的直接求逆,其计算效率反而有所提高,同化所需时间有所降低,对于大气与海洋数据同化领域的应用具有极大的潜力。The 4DEnVar methods often contain a localization implementation scheme and its final algorithm after the localization implementation will be certainly changed with the choice of its localization scheme.As a step in the improvement of the NLS-4DVar method,we implement an expanding sample localization scheme into NLS-4DVar with an aim at removing the additional linear assumption adopted in the original NLS-4DVar algorithm.And the new proposed iterative scheme can give a fair good performance and its computational costs can be further reduced through an indirect way to avoid the computation of a matrix inverse.Numerical experiments with a nonlinear model of the Lorenz-96 equation show that the proposed new iterative scheme behaves slightly better than the original one in terms of the assimilation precision presumably due to the additional linear assumption adopted in the original one and its computational costs can be further reduced.

关 键 词：样本扩展型局地化方案 NLS-4Dvar 共轭梯度法 

分 类 号：P40[天文地球—大气科学及气象学]