稀疏海洋数据的集合数据同化方法比较
摘要：海洋科学应用通常需要处理高维复杂模型和非常稀疏的空间观测数据。在海上搜索救援行动中，例如，短期漂流轨迹的预测对于高效定义搜索区域至关重要，但在途中只能通过点观测数据来获取信息。在这种情况下，统计最优预测需要基于贝叶斯方法来进行数据同化，以充分利用复杂数学建模和稀疏空间数据。为了确定适用于该环境中数据同化的方法，我们讨论了本地化策略，并比较了两种最先进的基于集合的方法在稀疏空间观测应用中的表现。第一种方法是基于集合变换卡尔曼滤波的一种版本，我们针对稀疏点数据定制了一个本地化方案。第二种方法是最近针对相关海洋科学应用进行测试的隐式等权重粒子滤波器。首先，我们研究了一个线性时空模型来进行污染物平流和扩散，其中分析卡尔曼滤波器提供了参考。接下来，我们考虑一个简化的海洋模型来进行海流的状态估计和漂流预测。通过比较基于集合的方法在多个技能评分指标上的表现，包括预测偏差和准确度、分布覆盖度、秩直方图、空间连通性和漂流轨迹预测，我们获得了洞察力。
作者：Florian Beiser, H{aa}vard Heitlo Holm, Jo Eidsvik
论文ID：2302.07197
分类：Applications
分类简称：stat.AP
提交时间：2023-02-15