集合Kalman滤波资料同化(EnKF)是目前资料同化领域的一个研究热点,并已和四维变分一起成为了未来资料同化的重要发展方向。提高EnKF性能的一个关键是对模式误差的合理估计。然而模式误差的估计非常困难。目前EnKF中一个经验上比较有效的模式误差估计方法为多参数化方案集合方法,即集合中不同的样本采用不同的物理过程参数化方案。但是,该方法缺乏合理的理论基础,应用研究中有很大的任意性和盲目性,尤其缺乏对其机理的深入研究。本项目将利用一个中尺度集合同化系统针对我国夏季天气深入研究多参数化方案集合模式误差模拟方法的机理,并在此基础上通过增加对不同方案关键参数的扰动来改善对模式不确定性的描述。该研究对提高EnKF资料同化的性能有着非常重要的理论意义和应用价值。合理地估计模式物理过程误差对暴雨和台风等灾害性天气的同化预报将有重要的促进作用。
{{i.achievement_title}}
数据更新时间:2023-05-31
监管的非对称性、盈余管理模式选择与证监会执法效率?
正交异性钢桥面板纵肋-面板疲劳开裂的CFRP加固研究
宁南山区植被恢复模式对土壤主要酶活性、微生物多样性及土壤养分的影响
基于多模态信息特征融合的犯罪预测算法研究
面向云工作流安全的任务调度方法
集合卡尔曼滤波方法同化GPS资料的研究
提高用集合卡尔曼滤波方法同化雷达资料的效率的研究
基于集合卡尔曼滤波与多重网格分析数据同化方法的参数估计研究
联合机器学习和多尺度集合卡尔曼滤波算法的积雪数据同化方法研究