[論文レビュー] A retrieval strategy for interactive ensemble data assimilation

Ross N. Hoffman|arXiv (Cornell University)|Sep 8, 2010

Meteorological Phenomena and Simulations参考文献 13被引用数 5

ひとこと要約

本稿では、取得された大気プロファイル、その平均化カーネル（AK）、取得誤差共分散、および事前情報を利用して、観測値をアンサンブル同化に適した不偏で相関のない、事前情報に依存しないデータに変換する、リトリーブベースのデータ同化戦略を提案する。AKとEOFを活用することで、データ量を削減し、平滑化誤差を排除し、垂直補間の精度と誤差の特徴付けを向上させた、インタラクティブでモジュラーな同化が可能になる。

ABSTRACT

As an alternative to either directly assimilating radiances or the naive use of retrieved profiles (of temperature, humidity, aerosols, and chemical species), a strategy is described that makes use of the so-called averaging kernel (AK) and other information from the retrieval process. This AK approach has the potential to improve the use of remotely sensed observations of the atmosphere. First, we show how to use the AK and the retrieval noise covariance to transform the retrieved quantities into observations that are unbiased and have uncorrelated errors, and to eliminate both the smoothing inherent in the retrieval process and the effect of the prior. Since the effect of the prior is removed, any prior, including the forecast from the data assimilation cycle can be used. Then we show how to transform this result into EOF space, when a truncated EOF series has been used in the retrieval process. This provides a degree of data compression and eliminates those transformed variables that have very small information content. In both approaches a vertical interpolation from the dynamical model coordinate to the radiative transfer coordinate is required. We define an algorithm using the EOF representation to optimize this vertical interpolation

研究の動機と目的

• 高チャンネル数、誤差相関、およびスペクトロスコピックおよび地表面放射率バイアスへの感受性といった、直接放射輝度同化の限界を解消すること。
• 原始的な放射輝度の代わりにリトリーブを用いることで、複雑さを軽減し、計算効率を向上させるモジュラーなデータ同化フレームワークの開発。
• 平均化カーネルと適切な誤差共分散変換を用いることで、リトリーブにおける事前情報の影響と平滑化誤差を排除すること。
• アンサンブル予報をバックグラウンドとして使用して、事前情報を動的に更新できるようにすることで、インタラクティブな同化を可能にすること。
• 切断された表現を用いて観測値をEOF空間に変換することで、垂直補間誤差とデータ量を削減すること。

提案手法

• 平均化カーネル（A）と取得ノイズ共分散（S_m）を用いて、リトリーブされたプロファイルを不偏観測に変換し、誤差の相関を排除するとともに、事前情報の影響を除去する。
• 観測品質管理のため、Desroziersら（2005）のバイアス補正法を適用し、バックグラウンド放射輝度（y_b）とシミュレート観測（y_A）を計算する。
• EOFを用いてデータを圧縮し次元を低減し、EOF基底（E）と気候平均（x̄）を介してリトリーブを低次元空間（α）に変換する。
• モデルとリトリーブ座標系の間の補間誤差を最小限に抑えるために、EOF表現から垂直補間作用素（α）を構築する。
• AとS_mを計算するための3通りの方法を実装：K、S_a、S_εから計算する方法；S_aとŜから計算する方法；ŜとAから計算する方法。後者の2つは、データ転送の必要を減らす。
• 変換された観測値（ŷ_A）とその感度行列（A_R）を、リサンプリングカルマンフィルタ（LETKF）フレームワークに統合し、A_Rを局所化と垂直重み付けに用いる。

実験結果

リサーチクエスチョン

• RQ1 適切な誤差特徴付けと平均化カーネルを備えたリトリーブが、計算負荷を低減しつつも精度を維持したまま、アンサンブルデータ同化における原始的放射輝度の代替として使用可能かどうか。
• RQ2 データ同化システムにおいて、リトリーブにおける事前情報と平滑化誤差の影響を体系的に排除する方法は何か。
• RQ3 情報量が少ない変数を除去しつつも、情報内容を損なわず、バイアスを導入しないように、リトリーブデータをEOFで圧縮する最適な方法は何か。
• RQ4 EOFに基づく垂直補間は、モデルとリトリーブグリッド間の座標変換誤差を低減できるか。
• RQ5 リトリーブ処理をモジュラーかつインタラクティブにし、アンサンブル予報からリアルタイムで事前情報を更新可能にする方法は何か。

主な発見

• 平均化カーネルと取得誤差共分散を用いることで、本手法はリトリーブされたプロファイルを不偏で相関のない観測に変換し、平滑化誤差と事前バイアスの両方を排除した。
• AとS_mを計算する2番目と3番目の方法を用いることで、リトリーブから同化システムへのデータ転送要件が削減され、リトリーブされた状態とその誤差共分散のみを送信すればよい。
• EOFに基づく圧縮によりデータ量が削減され、情報量が少ない変数の除去が可能になり、計算効率が向上し、物理的に意味のある成分に焦点を絞れる。
• EOFを介して構築された垂直補間（αを介して）により、モデルとリトリーブ座標系を物理的に整合性のある変換で一致させることで、補間誤差が顕著に低減された。
• 本手法により、アンサンブル平均予報から動的に事前情報を更新できるインタラクティブな同化が実現され、柔軟性と精度が向上した。
• Desroziersのバイアス補正技術を用いた観測品質管理が可能となり、バックグラウンド放射輝度（y_b）とシミュレート観測（y_A）の計算が可能になり、観測誤差推定の精度が向上した。