李君妍

（湖北第二师范学院计算机学院，湖北 武汉 430205）

1 引言

数值天气预报中的资料同化技术是利用多种观测资料准确表述大气当前状态，获取模式准确初值的有效途径，在功能上实现按某种算法通过计算机程序将不规则分布的观测资料，结合天气动力学和观测资料特征而得到某预定规则网格点上最可能的值，即表示尽可能准确的大气状态的分析场，提供数值天气预报模式的初值条件[1]。资料同化技术中的集合卡尔曼滤波（EnKF）克服了不能在强非线性系统中应用的缺陷，解决了卡尔曼滤波方法在计算预报误差协方差时对计算资源需求量过大的问题，不要求像四维变分同化方法发展切线性和伴随模式，可显示提供集合预报的初始扰动，在各种天气尺度中有较好的可利用性和有效性，与假定背景场误差协方差固定不变的资料同化方法相比，集合卡尔曼滤波有较明显的优势[2]。然而集合卡尔曼滤波也有不足。如果集合成员数过少，集合的平均什不能代表真实的物理状态，会造成分析结果与观测数据的偏离；有限的集合成员数只是真实大气状态的粗略近似，集合成员数远小于模式状态变量的自由度导致在求解增益矩阵时出现矩阵退化问题（即不满秩问题）而无法求逆，无法得到合理的增益矩阵。集合数有限与不满秩问题无法避免，带来同化精度下降。因此，如何提高集合卡尔曼滤波同化精度意义重大。

2 应用……

登录APP查看全文