[论文解读] 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 5

一句话总结

本文提出了一种基于检索的资料同化策略，利用检索的大气剖面、其平均核（AK）、检索误差协方差以及先验信息，将观测值转化为无偏、不相关且无先验依赖的资料，以供集合同化使用。通过利用平均核和经验正交函数（EOF），该方法减少了数据量，消除了平滑误差，并实现了改进垂直插值与误差表征的交互式、模块化同化。

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

研究动机与目标

• 为解决直接辐射亮度同化存在的局限性，如通道数量多、误差相关性以及对光谱参数和地表发射率偏差的敏感性。
• 开发一种模块化的资料同化框架，使用检索结果替代原始辐射亮度，降低复杂度并提高计算效率。
• 通过使用平均核和适当的误差协方差转换，系统性地消除检索中先验和光滑误差的影响。
• 通过允许使用集合预报作为背景动态更新先验，实现交互式同化。
• 通过使用截断表示将观测值转换至EOF空间，减少垂直插值误差和数据量。

提出的方法

• 利用平均核（A）和检索噪声协方差（S_m）将检索剖面转换为无偏观测值，确保误差不相关并消除先验影响。
• 通过计算背景辐射亮度（y_b）和模拟观测值（y_A）应用Desroziers等人（2005）的偏差校正方法，实现观测质量控制。
• 使用EOF对数据进行压缩并降低维度，通过EOF基（E）和气候平均值（x̄）将检索结果转换至降维空间（α）。
• 从EOF表示中构建垂直插值算子（α），以最小化模型与检索坐标系之间的插值误差。
• 实现三种计算A和S_m的路径：从K、S_a和S_ε；从S_a和Ŝ；或从Ŝ和A，其中后两种路径可减少数据传输需求。
• 将变换后的观测值（ŷ_A）及其灵敏度矩阵（A_R）集成至集合卡尔曼滤波（LETKF）框架中，利用A_R实现定位和垂直加权。

实验结果

研究问题

• RQ1 是否可以使用具有适当误差表征和平均核的检索结果替代集合同化中的原始辐射亮度，同时保持精度并降低计算负载？
• RQ2 在资料同化系统中，如何系统性地消除检索中先验和光滑误差的影响？
• RQ3 使用EOF对检索数据进行压缩的最优方式是什么，以避免信息损失或引入偏差？
• RQ4 基于EOF的垂直插值是否能减少模型与检索网格之间垂直坐标映射中的误差？
• RQ5 如何使检索过程实现模块化与交互式操作，实现实时从集合预报动态更新先验？

主要发现

• 该方法通过使用平均核和检索误差协方差，成功将检索剖面转换为无偏、不相关的观测值，同时消除了平滑误差和先验偏差。
• 采用第二和第三条路径计算A和S_m可减少数据传输需求，仅需从检索系统向同化系统传递检索状态及其误差协方差。
• 基于EOF的压缩显著降低了数据量，并可消除信息含量低的变量，提高了计算效率，同时聚焦于物理上相关的分量。
• 通过α实现的EOF基垂直插值方法，通过物理上一致的变换将模型与检索坐标系对齐，显著减少了插值误差。
• 该实现支持交互式同化，其中先验可从集合平均预报动态更新，从而增强适应性和精度。
• 该方法通过支持Desroziers偏差校正技术，可计算背景辐射亮度（y_b）和模拟观测值（y_A），从而改善观测误差估计。