集合-变分同化方法逐渐成为发展同化方法的重心,它同时保留了集合方法和变分方法的优势.NLS-3DVar(Non-linear Least Squares-based on Three-dimensional Variational Data Assimilation,非线性最小二乘三维变分同化)方法作为3DEnVar方...
详细信息
集合-变分同化方法逐渐成为发展同化方法的重心,它同时保留了集合方法和变分方法的优势.NLS-3DVar(Non-linear Least Squares-based on Three-dimensional Variational Data Assimilation,非线性最小二乘三维变分同化)方法作为3DEnVar方法(不依赖于伴随模式求解的集合3DVar方法)中的一个代表,采用有限集合样本估算背景误差协方差B,并通过局地化方案来缓解集合样本不足导致的虚假相关.合理的采样方法和局地化方案是同化方法成功与否的关键.本论文采用历史采样法和集合扩展局地化方案对NLS-3DVar方法进行完善,并优化计算方法,使其结果精度更高,计算过程消耗资源更少;另一方面,引入多重网格策略对不同尺度的观测信息进行分析,由于对观测数据的稀疏化处理,使得基于多重网格策略的NLS-3DVar方法在计算效率上有了很大提高.
暂无评论