【資料同化的概念和方法】1.資料同化的基本概念_風聞
联邦鹰-Stay humble.2019-08-29 08:23


分析:所謂分析**是指,將給定時刻表徵大氣真實狀態的精確圖像,表現為在模型中的一組數字。作為一種全面的和有條理的大氣診斷法,分析本身是有用的。分析也可以作為別的操作的輸入值,尤其是作為數值天氣預報的初始狀態,或者作為一種偽觀測用於對數據的檢索。分析也可以作為一種檢查觀測質量的參考。
分析產生於對實際狀態的觀測。當模型的狀態被觀測過定(被觀測的過多因素決定)時,分析就會歸結為一個差值問題。大多數情況下,分析是欠定的,因為數據稀稀拉拉並且只與模型變量有間接聯繫。為了讓分析變成一個適定問題,需要背景信息(背景來源於對模型狀態進行先驗性估計)。物理約束也有助於分析。背景信息可以是氣候範疇也可以是微觀範疇。背景信息也可以從以前的分析中產生(利用模型狀態在時間上具有一致性的一些假設,例如平穩性(持久性假設)或者預報模型所預測的演化)。一個運行良好的系統中,人們期望信息能根據時間累積到模型狀態,並傳播到模型的所有變量。這就是資料同化的概念。
(TIP:不嚴謹但易於理解的表述:對於線性聯立方程組,欠定就是指方程少於變量;適定就是指方程和變量數相等;過定就是方程多於變量。)
(TIP:後驗就是必須體驗後才知道的,例如這杯水熱不熱。超驗就是超出體驗之外的,一般人無法共同體驗到以形成普遍共通經驗,如神、鬼的存在,夢境。先驗是先於經驗就能知道的,如邏輯或一般已經驗過後的知識常識,如1+1=2,人都會死。)
同化:數據同化是利用時間演化規律和物理性質的一致性約束,將觀測到的信息積累到模型狀態的分析技術。
資料同化有兩種基本方法:時序(sequential)同化,它只考慮過去直到分析時刻的觀測,是一種實時同化系統。另一種是非時序同化,或稱為可回顧的同化(retrospective assimilation),它可以使用未來的觀測,比如説在一次再分析訓練中。
另一種可以劃分同化方法的區別:在時間上是連續還是間斷。在間斷方法中,觀測可以小批量處理,在技術上很方便。在連續方法中,考慮較長時間的觀測批次,對分析狀態的訂正可以在時間上進行平滑,這在物理上更實際。四種基本的同化類型如Fig.1所示。方法之間有很多取捨。
Fig.1以作為時間的函數來表示資料同化的四種基本方法。觀測(obs)在時間分佈的方式,產生同化狀態的時間序列(每個面板中較低的曲線)可以是順序的(sequential)和/或連續的(continuous)。
Fig.2概述了氣象學和海洋學中主要數據同化算法的發展歷史,根據實現的複雜性(和成本),一級它們對實時問題的適用性,大致分類。目前,最常用的操作方法是OI、3D-Var和4D-Var。
氣象學和海洋學已經發展了許多同化技術(Fig.2)。它們在數值成本、最優性以及對實時數據同化的適用性方面存在差異。大部分都在這本書中作了解釋。
1.1模型的選擇
我們這裏以ECMWF全球氣象模式為例,但也可以(而且已經)同樣適用於有限面積模型、中尺度模型、海洋環流模型、波浪模型、二維海洋表面温度或陸地表面性質模型,或用於衞星數據檢索的一維大氣垂直柱模型,等等。