基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全...基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全球浅水模式对接,检验了HBFNEn KF同化方法的有效性。同时,对比了集合均方根滤波(En SRF)、HNEn KF(Hybrid Nudging En KF)、HBFNEn KF三种方法在有误差模式中的同化效果。试验结果表明:HBFNEn KF同化方法保留了HNEn KF方法的同化连续性,解决了En KF同化不连续不平滑的问题,同时还有着更快的收敛速度;当采用单变量分析试验时,HBFNEn KF方法的优势最为明显,表明HBFNEn KF能够较好地保持不同模式变量间的平衡。此外,增量场尺度分析结果表明:相比En SRF,HBFNEn KF在大尺度范围有更好的同化效果,同时能够避免在中小尺度范围内出现大量的虚假增量。展开更多
文摘基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全球浅水模式对接,检验了HBFNEn KF同化方法的有效性。同时,对比了集合均方根滤波(En SRF)、HNEn KF(Hybrid Nudging En KF)、HBFNEn KF三种方法在有误差模式中的同化效果。试验结果表明:HBFNEn KF同化方法保留了HNEn KF方法的同化连续性,解决了En KF同化不连续不平滑的问题,同时还有着更快的收敛速度;当采用单变量分析试验时,HBFNEn KF方法的优势最为明显,表明HBFNEn KF能够较好地保持不同模式变量间的平衡。此外,增量场尺度分析结果表明:相比En SRF,HBFNEn KF在大尺度范围有更好的同化效果,同时能够避免在中小尺度范围内出现大量的虚假增量。
