LESTKF同化海表高度异常在高分辨率海洋模式中的应用研究

论文摘要

海洋模式的误差主要来源于物理过程参数化、数值方法、分辨率、以及大气强迫和边界条件的不确定性。用来减小模式误差,提高模式性能一个主要的方式就是资料同化,同化方法主要结合观测和模式结果给出更接近于真实的分析值。资料同化给模式提供更精确的初始条件,从而增加了模式的短期中期的可预报性。本文利用PDAF(Parallel Data Assimilation Framework)同化框架中的集合同化方法ESTKF(Error Subspace Transform Kalman filter)分别通过简单同化实验;实际同化海表高度异常SLA(Sea Level Anomaly)到1/12°高分辨率大洋环流模式NEMO(Nucleus for European Modelling of the Ocean)中,并通过实验优化了同化方案中的两个重要的同化参数:局地化半径和forgetting factor。结论表明:局地化半径对分析结果的空间分布影响明显:局地化半径过大,则并不能很好地滤去背景误差协方差矩阵中的虚假相关;局地化半径过小则分析太细节化使得物理量场不符合实际。Forgetting facor的选取对于同化效果影响显著,通过理论实验我们知道如果Forgetting factor(取值为0到1)选取得适当,则可以明显提高同化效果,但也不是越小越好,如果选得越小则会使同化结果过于接近模式,观测信息对模式的调整将减弱。因此在实际同化中选取该参数要格外注意。在实际同化实验中,结论与简单实验的结论一致。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景及意义
•     1.1.1 海洋资料同化简介
•     1.1.2 海表卫星资料同化回顾
•   1.2 资料同化的方法
•     1.2.1 资料同化方法回顾
•     1.2.2 集合资料同化方法的发展和演进
•   1.3 研究内容和论文章节安排
•     1.3.1 研究内容与创新性
•     1.3.2 论文章节安排
• 第二章 实验设计、数据和方法
•   2.1 ESTKF（Error Subspace Transform Kalman filter）同化方法介绍
•     2.1.1 ESTKF分析方案
•     2.1.2 ESTKF 的应用案例
•   2.2 PDAF（Parallel Data Assimilation Framework）同化框架
•     2.2.1 PDAF同化框架的原理
•     2.2.2 PDAF的并行方式
•     2.2.3 PDAF的应用案例
•   2.3 NEMO模式简介
•     2.3.1 基本方程
•     2.3.2 边界条件
•     2.3.3 预报系统简介
•   2.4 本文研究方案和资料
•     2.4.1 卫星观测资料
•     2.4.2 模式驱动场初始场
•     2.4.3 同化试验方案
•     2.4.4 试验结果评价方法
•   2.5 本章小结
• 第三章 PDAF同化框架个例分析
•   3.1 PDAF-ESTKF二维同化孪生实验
•     3.1.1 二维同化模型介绍
•     3.1.2 模型的局地化方案
•     3.1.3 不同参数下结果分析
•   3.2 Lorenz96 模型孪生实验
•     3.2.1 实验设置及PDAF参数选取介绍
•     3.2.2 forgetting factor对同化效果的影响
•     3.2.3 局地化半径对同化效果的影响
•   3.3 本章小结
• 第四章 卫星资料同化实验级结果分析
•   4.1 实际同化实验同化前置数据的处理
•     4.1.1 同化样本的生成
•     4.1.2 模式SSH向 SLA的转换
•   4.2 NEMO控制实验与同化分析场
•   4.3 同化实验结果分析
•   4.4 最优参数同化-预报实验结果
•   4.5 本章小结
• 第五章 总结与展望
•   5.1 主要研究结论
•   5.2 研究对业务化工作的意义
•   5.3 不足之处及拟解决的方案
•   5.4 研究展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 王昊运

导师: 王辉

关键词: 模式,同化,同化框架

来源: 国家海洋环境预报中心

年度: 2019

分类: 基础科学

专业: 海洋学

单位: 国家海洋环境预报中心

分类号: P714

DOI: 10.27810/d.cnki.ghyhz.2019.000004

总页数: 76

文件大小: 5493K

下载量: 36