欢迎您访问印度洋业务化海洋学研究中心官方网站

资料同化是使用有限的海洋观测和数值模式来最好的估计海洋状态的有效方法。它能有效的提高海洋模拟,减少海洋和气候预报初始条件的不确性,对缺少海洋观测的深海和边缘海提供再分析资料。因此海洋资料同化近年来在现代物理海洋学中占据了重要的地位。

目前,海洋资料同化中两个最主要问题是如何最有效地利用现有的观测数据和发展好同化方法来产生好的海洋分析。唐佑民研究员领导的团队一直工作在这两个领域。特别是近年来,他的团队一直致力于同化方法的研究。主要工作包括:

在应用各种同化方法如三维变分、四维变分伴随及集合卡尔曼滤波器来为海洋模式构造同化系统作了大量的工作,比如考察了多种模式误差格式对太平洋Argo资料同化的影响,开发了针对太平洋Argo资料的误差感知的集合卡尔曼滤波器同化系统(图1)等。其直接同化再分析资料的方法被美国地球物理协会编辑委员会选为期刊亮点文章推荐,同化海表面温度的方法已在加拿大国家气候中心耦合模式的同化系统中使用。


图1. 加入Argo同化之后的海温资料和模式海温资料的误差比较,说明资料同化对于误差的改善效果非常明显。

首次介绍了一种新颖的Sigma-point 卡尔曼滤波器(SPKF)进入地球科学。该方法与传统的集合卡尔曼滤波器相比,能精确地估计(100%)三阶矩以下的统计特性和适应非线性观测算子。进一步地,针对该方法在用于海洋环流模式等高维系统时,计算量和计算机内存面临的巨大挑战,率先发展了两种降维算法。并成功的应用到中等复杂的气候耦合模式和全球海洋环流模式(图23)。这一工作已在专业顶尖刊物发表,审稿专家高度评价了该工作,认为“我相信这是地球科学数据同化领域一个具有关键意义的工作,它强调了资料同化中方案设计效率和计算费用这一核心问题”。

针对资料同化中的非线性观测算子问题,提出了新的集合卡尔曼滤波器公式,相比于旧的公式,能够更好地处理非线性观测算子,在此情况下得到更好的同化效果(图4)。


图2.使用SPKF方法能够实验太平洋区域Argo资料的同化,同样该方法也将被用于印度洋区域的同化系统构建。


3.同化方法的引入极大地提高了预报系统的实际预报技巧。


图4.使用新的集合卡尔曼滤波器公式,能够更好地处理卡尔曼滤波器中可能出现的非线性观测算子的情况。

关于我们 | 研究 | 观测网 | 数据资源印度洋业务化海洋学研究中心 版权所有 Copyright 2015 All rights reserved 浙ICP备10040255号-9