论文部分内容阅读
通过引入流依赖的集合预报误差,使得同化分析与天气形势紧密相关,是改善初值分析质量的重要途径。文中在GRAPES(Global Regional Assimilation and PrEdiction System)全球四维变分资料同化(4DVar)中研究了如何有效应用集合预报误差,包括增加扩展控制变量时如何降低其计算消耗以及如何在局地化过程中保持不同变量之间的动力平衡。利用高斯分布的谱滤波实现水平局地化,利用垂直正交经验函数分解实现垂直局地化,并采用前8个主导特征模态来限制控制变量空间维数增加。引入20至