犈状犓犉中误差协方差优化方法及在资料同化中应用.PDFVIP

第 卷 第 期 应 用 气 象 学 报 ， ２５ ４ Ｖｏｌ．２５ Ｎｏ．４ 年 月 　　　　　　 　 　 　 　　　　 ２０１４ ７ ＪＯＵＲＮＡＬＯＦＡＰＰＬＩＥＤＭＥＴＥＯＲＯＬＯＧＩＣＡＬＳＣＩＥＮＣＥ Ｊｕｌ２０１４ 　 　　 ｙ 梁晓，郑小谷，戴永久，等 中误差协方差优化方法及在资料同化中应用 应用气象学报， ， （）： ．ＥｎＫＦ ． ２０１４２５４ ３９７４０５． 犈狀犓犉中误差协方差优化方法及在资料同化中应用 １） ２） ２） １） 梁 晓 郑小谷 戴永久 师春香 　 　 　 　 １） ２） （国家气象信息中心，北京 １０００８１） （北京师范大学，北京 １００８７５） 　 摘 要 　　 集合卡尔曼滤波（ ，简称 ）中将预报集合的统计协方差作为预报误差协方差， ｔｈｅＥｎｓｅｍｂｌｅＫａｌｍａｎＦｉｌｔｅｒ ＥｎＫＦ 但该估计可能严重偏离真实的预报误差协方差，影响同化精度。基于极大似然估计理论，发展了一种优化预报误 差协方差矩阵的实时膨胀方法，即 （ ）方法。利用蒙古国基准站 ＭＬＥｔｈｅＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ Ｄｅｌｅｒｔｓ ｇ （简称 站）观测资料，基于 方法和 方法，在通用陆面模式（ ，简称 ｇｏｔ ＤＧＳ ＥｎＫＦ ＭＬＥ ｔｈｅＣｏｍｍｏｎＬａｎｄＭｏｄｅｌ ）中同化了地表温度和 土壤温度观测资料，建立了土壤温度同化系统。结果表明： 方法对地表温 ＣｏＬＭ １０ｃｍ ＭＬＥ 度和各层土壤温度（尤其深层土壤温度）的估计比ＥｎＫＦ方法准确。考虑到浅层和深层土壤温度的差别，在实施 ＭＬＥ方法时对浅层和深层土壤温度采用了不同的膨胀因子。对比膨胀因子为单一标量时的结果，多因子膨胀能 缓解深层土壤温度的不合理膨胀，改善同化效果。 关键词：数据同化；集合卡尔曼滤波；误差协方差膨胀 增大集合方差的协方差膨胀技术逐渐发展起来。目 引 言 前常用的一种方法是给预报集合成员偏离