一种新的结合动态样本和静态样本的集合同化方法及其在海洋资料同化中的应用

集合Kalman滤波资料同化方法适用于强非线性问题，能充分代表非线性模式的背景误差协方差，且易与集合预报相结合，具有很好的业务应用潜力。但是其计算量很大（尤其对于大样本集合），对当前的业务应用是一个很大的限制。本项目提出和研究一个能够大幅度减少集合Kalman滤波计算量的集合同化方法。该方法结合了集合Kalman滤波的动态样本和集合最优插值的静态样本，既继承了集合卡尔曼滤波中背景误差协方差的流依赖及随时间演变性，又避免了集合最优插值中单一样本预报导致的偏差，是一种节省内存，提高运算效率的同化技术。本项目将利用一个热带太平洋环流模式，通过同化TAO、ARGO以及卫星高度计资料来探讨这种集合同化方法在海洋资料同化中的应用。本项目的研究可望为集合同化方法的研究提供一种思路。