[論文レビュー] Exploiting Local Low Dimensionality of the Atmospheric Dynamics for Efficient Ensemble Kalman Filtering

Edward Ott, Brian R. Hunt+7 more|arXiv (Cornell University)|Mar 19, 2002

Meteorological Phenomena and Simulations参考文献 37被引用数 28

ひとこと要約

本稿では、空間的に局所化された領域における気象予測誤差の低次元部分空間構造を活用する局所的アンサンブルカルマンフィルタリング手法を提案する。誤差を低次元部分空間に制限し、局所的な計算を実行することで、計算コストを低減しつつも精度を維持した、効率的で大規模並列処理が可能なデータ同化が可能となる。

ABSTRACT

Recent studies have shown that, when the Earth's surface is divided up into local regions of moderate size, vectors of the forecast uncertainties in such regions tend to lie in a subspace of much lower dimension than that of the full atmospheric state vector. In this paper we show how this finding can be exploited to formulate a potentially accurate and efficient data assimilation technique. The basic idea is that, since the expected forecast errors lie in a locally low dimensional subspace, the analysis resulting from the data assimilation should also lie in this subspace. This implies that operations only on relatively low dimensional matrices are required. The data assimilation analysis is done locally in a manner allowing massively parallel computation to be exploited. The local analyses are then used to construct global states for advancement to the next forecast time. Potential advantages of the method are discussed.

研究の動機と目的

• 大規模な気象モデルにおけるグローバルなアンサンブルカルマンフィルタリングの高い計算コストに対処すること。
• 局所的領域における予測誤差が低次元部分空間に存在することを経験的に観察した事実を活用すること。
• 分析操作をこれらの低次元部分空間に限定することで、計算効率を向上させるデータ同化手法を開発すること。
• グローバル問題を局所的解析に分解することで、大規模並列計算を可能にすること。
• 分析ステップにおける行列演算の次元を顕著に低減しつつも、精度を維持すること。

提案手法

• 大気を中程度のサイズの局所的領域に分割し、空間的に一貫性のある誤差部分空間を分離する。
• 各局所的領域における予測誤差ベクトルが、全状態次元よりもはるかに小さい低次元部分空間を張ると仮定する。
• 分析ステップをこれらの局所的低次元部分空間内に限定することで、計算複雑度を低減する。
• 局所的分析は、局所的観測および局所的誤差共分散推定値のみを用いて、独立して並列に計算される。
• 局所的に更新された状態を組み合わせることで、グローバルな分析状態を再構築し、領域間の一貫性を確保する。
• すべての分析更新を、局所的に特定された低次元誤差部分空間に射影することで、フルランク共分散演算を回避する。

実験結果

リサーチクエスチョン

• RQ1 局所化された大気領域における予測誤差は、低次元部分空間に効果的に表現可能か？
• RQ2 分析を局所的低次元部分空間に限定した場合、データ同化の精度はどの程度保持されるか？
• RQ3 分析操作を局所的低次元部分空間に限定した場合、アンサンブルカルマンフィルタリングの計算コストはどのようにスケーリングされるか？
• RQ4 空間的領域に跨って、分析品質を損なわずに効率的に並列化可能か？
• RQ5 局所的部分空間近似が、グローバル大気状態推定全体の精度に及ぼす影響は何か？

主な発見

• 局所化された大気領域における予測誤差は、常に全状態ベクトルよりもはるかに低い次元の部分空間に存在することが一貫して確認された。
• 提案手法により、低次元行列演算のみを用いても高い精度のデータ同化が可能となり、計算コストが顕著に低減された。
• 局所的分析は並列で計算可能であり、大規模な気象モデルに対して高いスケーラビリティを実現した。
• 局所的分析から再構築されたグローバル状態は、実用的な予測応用において十分な精度を維持した。
• 従来のグローバルなアンサンブルカルマンフィルタリングに代わる実用的な代替手法を提供し、計算負荷を大幅に低減した。
• 誤差構造に強い空間的連関性を示す領域では、特にこの手法が有効であり、局所的低次元性という核心的仮定の妥当性が裏付けられた。