平衡自由度和模型约束处理四维变分数据同化中的错误：一种新方法
摘要：4DVar中的密约束和弱约束方法是处理四维变分数据同化中错误的唯一选择多年来，目标是平衡自由度和模型约束。强模型约束被施加以减少在优化强约束的4DVar问题时遇到的自由度，并且假定模型是完美的。弱约束方法试图区分初始误差和模型误差，并使用弱模型约束单独加以校正。我们提出的i4DVar*方法利用了在强约束4DVar中同时纠正初始误差和模型误差的隐藏机制。i4DVar*方法将同化窗口分为几个子窗口，每个子窗口都有一个独特的积分和流动相关的校正项，以便在相对较短的时间内同时处理初始误差和模型误差。为了克服弱约束4DVar的高自由度，我们首次使用集合模拟来解决4DVar优化问题，并制定了这种方法。因此，即使有许多自由度，i4DVar*问题也是可解的。我们实验证明，与现有方法相比，i4DVar*具有更好的性能和更低的计算成本，并且实现简单。
作者：Xiangjun Tian, Hongqin Zhang, Zhe Jin, Min Zhao, Yilong Wang, Yinhai Luo, Ziqing Zhang, Yanyan Tan
论文ID：2212.09973
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2022-12-21