科研之友
微信
新浪微博
Facebook
分享链接
摘要
集合降维变分同化方法ERDVar不需要求解切线性模式和伴随模式，不仅能减少同化计算量，而且能够提供“流依赖”的背景误差协方差矩阵。本文提出用NMC初始扰动生成方法和分区同化方案，来解决初始扰动样本生成问题和全球同化局地化问题，最终实现将ERDVar应用到全球中期数值预报模式T106L19。试验结果表明：(1)使用ERDVar方法能够有效提取真实增量信息，提高全球同化精度。(2)用NMC方法产生的扰动样本反映预报误差结构特征，在预报过程中不容易衰减，同化后至少使预报误差降低10%。(3)与全球ERDVar同化试验相比，分区ERDVar同化试验各变量平均的均方根误差降低14%,计算代价进一步降低。分区ERDVar方法和NMC样本的联合应用使同化改进效果更稳定。
- 单位
