-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
氣象衛星資料:變分同化和質量保證 版權信息
- ISBN:9787030749123
- 條形碼:9787030749123 ; 978-7-03-074912-3
- 裝幀:一般膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
氣象衛星資料:變分同化和質量保證 本書特色
必要的數學基礎知識配合詳盡的實際案例和推導,給讀者描繪了大氣資料同化的全貌
氣象衛星資料:變分同化和質量保證 內容簡介
本書簡述如何從物理觀測資料中提取大氣變量有用信息的大氣資料同化方法。內容包括資料同化在數值天氣預報中的作用、大氣控制方程組、函數擬合插值方法、逐步訂正方法、**插值方法、濾波器、極小化算法、伴隨技術、三維和四維變分資料同化方法、極軌和靜止環境氣象衛星資料、全球定位系統無線電掩星資料和多種衛星觀測資料中的熱帶氣旋結構。書中還包含了微積分、線性代數、概率論和泛函分析中的一些基礎數學理論,論述深入淺出,數學推導步驟完整,圖示優美簡潔,方便讀者理解相關內容。
氣象衛星資料:變分同化和質量保證 目錄
前言
第1章 資料同化概述 1
1.1 資料同化是干什么的? 1
1.2 熱力學變量和大氣狀態方程 6
1.3 數值天氣預報中的大氣控制方程 12
第2章 線性代數和統計方法 15
2.1 引言 15
2.2 內積和線性映射的伴隨映射 15
2.3 *小二乘擬合 16
2.4 高斯分布 17
2.5 *大似然估計 19
2.6 擬合誤差 20
2.7 線性回歸 21
2.8 拉格朗日乘子 23
2.9 *小方差估計 24
2.10 結束語 26
第3章 插值 27
3.1 引言 27
3.2 多項式函數擬合 27
3.3 局部多項式函數擬合 30
3.4 區域多項式函數擬合 37
3.5 引入背景場 44
3.6 逐步訂正 46
3.7 *優插值 48
3.8 位勢場的背景誤差協方差 51
3.9 結束語 54
第4章 濾波 55
4.1 引言 55
4.2 傅里葉變換 55
4.3 不同尺度的方差貢獻 56
4.4 混淆 57
4.5 非遞歸濾波器 58
4.6 濾波器設計 61
4.7 遞歸濾波器 65
4.8 經驗集合模態分解 66
4.9 結束語 69
第5章 極小化 70
5.1 引言 70
5.2 泛函極值 70
5.3 標量函數、梯度和Hesse矩陣 73
5.4 極小化迭代、線搜索與收斂速度 75
5.5 *速下降法和牛頓法 77
5.6 共軛梯度法 77
5.7 搜索方向的秩一更新公式 79
5.8 搜索方向的秩二更新公式 80
5.9 L-BFGS方法 81
5.10 線搜索方法 82
5.11 結束語 84
第6章 伴隨模式 85
6.1 引言 85
6.2 伴隨常微分方程 85
6.3 非線性模式 86
6.4 切線模式 87
6.5 伴隨模式 89
6.6 伴隨變量與拉格朗日乘子之間的等價關系 91
6.7 解析伴隨模式方程 92
6.8 數值伴隨模式的計算程序編寫 99
6.9 伴隨模式在敏感性和相對敏感性研究中的應用 104
6.10 結束語 107
第7章 微波溫度計探測資料 109
7.1 引言 109
7.2 攜帶微波溫度計的極軌環境衛星計劃 110
7.3 極軌衛星軌道特點 112
7.4 輻射吸收和發射 117
7.5 兩點定標方程和觀測資料誤差 119
7.6 輻射吸收和發射權重函數 122
7.7 快速輻射傳輸模式 124
7.8 通道特點、掃描模式、視場、權重函數 129
7.9 ATMS條帶噪聲分析與減噪 138
7.10 風云三號衛星微波溫度計 147
7.11 AMSU-A亮溫的相對敏感性 149
7.12 結束語 154
第8章 三維變分資料同化 155
8.1 引言 155
8.2 確定性數學公式 155
8.3 統計數學公式 158
8.4 構造B矩陣的NMC方法 160
8.5 構造B矩陣的遞歸濾波器 165
8.6 3D-Var和卡爾曼濾波比較 168
8.7 AMSU-A液態水路徑反演和云檢測 169
8.8 偏差估計和偏差訂正 172
8.9 AMSU-A資料同化對定量降水預報的影響 183
8.10 附加說明 188
第9章 四維變分同化 189
9.1 引言 189
9.2 4D-Var公式和利用伴隨模式的梯度計算 189
9.3 控制重力波振蕩的懲罰方法 193
9.4 含有“開-關”過程的物理參數化方案的伴隨算子 194
9.5 完整物理過程4D-Var全球同化系統研發 195
9.6 完整物理過程區域伴隨模式系統研發 196
9.7 參數估計 198
9.8 增量4D-Var資料同化方法 200
9.9 4D-Var與擴展卡爾曼濾波和集合卡爾曼濾波方法的比較 202
9.10 附加說明 203
第10章 GPS無線電掩星技術 204
10.1 引言 204
10.2 GPS和LEO衛星軌道特征以及GPS掩星計劃 205
10.3 超相位延遲和超多普勒頻移 208
10.4 彎角和影響參數 211
10.5 折射率反演 213
10.6 折射率和彎角的局地觀測算子 214
10.7 彎角的非局地射線跟蹤觀測算子 218
10.8 超相位延遲的非局地切線連接觀測算子 221
10.9 多路徑現象的發生與檢測 222
10.10 觀測誤差源 226
10.11 液態云和冰云的影響 228
10.12 溫度、氣壓和水汽反演 232
10.13 衛星微波溫度計探測資料的發射后校準 235
10.14 結束語 242
第11章 GOES成像儀 244
11.1 引言 244
11.2 GOES衛星高度 244
11.3 GOES計劃和瞬時幾何視場特性 245
11.4 AHI和ABI儀器特征 250
11.5 云檢測 253
11.6 ABI偏差特征 261
11.7 GOES成像儀資料同化 267
11.8 GOES和POES遙感資料的同時同化 268
11.9 結束語 277
第12章 衛星資料中的熱帶氣旋及其環境 278
12.1 引言 278
12.2 熱帶氣旋概述 279
12.3 AHI觀測到的臺風瑪莉亞(2018) 282
12.4 AMSU-A和ATMS臺風暖核反演 296
12.5 錐形掃描微波輻射計AMSR2和MWRI 305
12.6 微波濕度計MHS、ATMS、MWHS和MWHS2 319
12.7 TOMS和OMPS總柱臭氧衛星資料 329
12.8 紅外高光譜大氣垂直探測儀AIRS、IASI和CrIS 338
12.9 渦旋初始化 345
12.10 附加說明 352
參考文獻 353
索引 381
氣象衛星資料:變分同化和質量保證 節選
第1章資料同化概述 1.1資料同化是干什么的? 本書讀者可能對以下問題感興趣:什么是資料同化?為什么需要做資料同化?資料同化主要關心什么問題?資料同化的理論基礎是什么?怎么做資料同化?資料同化的關鍵技術是什么?需要儲備多少資料特點和同化方法方面的知識才能解決不同資料同化情景下的關鍵技術?對解決某些問題為什么某個同化方法比其他方法更具優勢?資料同化的主要挑戰是什么? 大氣資料同化的目的之一是為數值天氣預報(NWP)提供初始條件。數值天氣預報中的控制方程可以形式上表達為 。1.1) 其中,x0是模式變量向量的初始條件,譬如地球大氣在初始時刻(t0)和三維空間的風矢量(M,V,W)、密度(o)、位溫(60和比濕(g);x(t)是描述未來時刻(t,t>to)大氣狀態的預報向量,它的分量所表達的大氣變量與xa相同;F(x(t))包含所有影響時間傾向項的大氣動力過程、外源強迫(地形、太陽輻射)、顯式和隱式參數化物理過程(積云對流參數化、行星邊界層過程、微物理過程、輻射參數化等)。 用歐拉和蛙跳格式來近似方程(1.1)左邊的時間導數(Haltiner和Williams,1980),我們得到不同時間積分步長%,上的控制方程表達式: 。1.2) 其中,At是數值積分步長。一旦能確定變量初始條件X0,通過式(1.2)中的時間積分步驟,就能得到未來時刻的大氣狀態。這樣的一個求解過程在數學上叫作正問題。因此,數值天氣預報(NWP)得到的是正問題答案。 數值天氣預報中需要解決的一個逆問題例子如下:給定一組觀測資料和一個根據模式變量得到觀測量(Fn)的觀測算子(Hn) (1.3) 其中,滿足式(1.2)。我們需要根據這些觀測資料估計初始條件向量X0的值,資料同化要解決的是類似這樣的逆問題。資料同化的目的是要根據式(1.2)、式(1.3)和已知資料,得到真實大氣在某個時間和給定空間分辨率 上的一個“*優”估計值。這里的“*優”是由*大似然或*小方差這兩個統計估計方法來定義的(見第2章)。 大部分逆問題比相應的正問題難解得多。數學中的逆問題理論是關于求解逆問題的理論(Tarantola,1987)。它可以為模式中未知參數提供信息,驗證模式的正確性,在幾個模式中篩選出一個*佳模式,為決策層設計外場觀測試驗,還可以從大量數據中獲取關鍵信息。值得強調的是,逆問題理論和逆問題方法是對一個已有模式進行改進并提供更深入的分析,但不能提供一個嶄新的模式。 我們用以下三個例子來說明為什么想做和需要做資料同化。圖1.1展示了歐洲中期天氣預報中心(ECMWF)的全球大尺度再分析資料ERA5(Hoffmann等,2018)給出的2018年9月6日0000UTC時颶風“佛羅倫斯”(Florence)的海平面氣壓分布。颶風中心的海平面氣壓比實際觀測值高了46hPa。根據颶風Florence在2018年9月6日0000UTC的中心氣壓、*大風速、*大風速半徑和34kt風速半徑(用4bkt=255km),利用Fujita經驗公式(Fujita,1952),我們可以得到對應颶風Florence的人造渦旋海平面氣壓分布,如圖1.1b所示。利用包含物理過程參數化的四維變分同化系統同化人造熱帶氣旋,可以改進颶風路徑和強度預報水平(Zou和Xiao,2000;Xiao等,2000;Park和Zou,2004;Tlan和Zou,2019b)。 第二個例子比較了2000年9月17日0000UTC颶風“戈登”(Gordon)附近的QulkSCAT二維海面風分布(圖1.2a)(Rlcciardulli和Wentz,2015)和美國國家環境預報中心(NCEP)FNL再分析資料(圖1.2b)(NCEP,2000),ECMWF Interim再分析資料(圖1.2c)(Simmons等,2007)、ECMWFERA5再分析資料(圖1.2d)(Hoffmann等,2018)。颶風Gordon在這個時間達到一級颶風強度。NCEPFNL再分析資料中的海面風速比QuikSCAT觀測的海面風速弱很多。這是因為NCEPFNL再分析資料的水平分辨率(1.0°x1.0°)比衛星QuikSCAT海面風、Interim再分析資料和ERA5再分析資料的水平分辨率(0.25°x0.25°)低。QuikSCAT海面風衛星觀測資料在颶風Gordon內呈非對稱分布,*強風速分布在颶風中心東北方向,*大風速半徑略小于100km,*小風速在*佳觀測路徑颶風中心(圖1.2a)。然而,NCEPFNL再分析資料和ERA5再分析資料中的海面風*小風速中心在*佳觀測路徑颶風中心的西面(圖1.2b,d)。由于分辨率較低,NCEPFNL再分析資料*強風速與*小海平面氣壓中心的距離約為200km(圖1.2b),比觀測的*大風速半徑大了一倍。雖然與QuikSCAT海面風觀測資料的水平分辨率相同,Interim再分析資料的海面風幾乎完全沒有反映颶風Gordon的反氣旋環流特征(圖1.2c),而ERA5再分析資料中颶風Gordon的海面風反氣旋環流特征明顯,接近QuikSCAT海面風觀測特征。此外,以上三個全球再分析資料(圖1.2b~d)都沒有顯示QuikSCAT觀測到的位于颶風中心東北方向的一個海面風速次大值(圖1.2a)。因此,我們有理由嘗試把QuikSCAT海面風衛星觀測資料應用到颶風渦旋初始化、資料同化和數值天氣預報中去。 第三個例子顯示了颶風“邦尼”(Bonnie)附近由特殊傳感器微波成像儀(SSM/I)給出的中心頻率分別為19GHz和89GHz的垂直極化通道的二維亮溫觀測分布圖,如圖1.3a、b所示(Raytheon,2000),觀測時間是1998年8月24日2230UTC。19GHz低頻通道觀測亮溫顯示出颶風Bonnie的一個非對稱分布特征,颶風Bonnie中的*高觀測亮溫區位于颶風中心的東北側,在275K左右,比颶風環境觀測亮溫高了約55K。然而,在19GHz低頻通道*高觀測亮溫區,89GHz高頻通道觀測亮溫值低得多,約225K,遠比颶風環境區域的觀測亮溫低。除溫度和水汽外,SSM/I觀測亮溫的這些分布特征與颶風Bonnie中云的分布特征有關。颶風Bonnie云中液態水路徑和冰水路徑的分布如圖1.3c~d所示,液態水路徑是1998年8月24日2230UTC由SSM/I反演得到,冰水路徑是1998年8月24日1700UTC由熱帶降水測量任務微波成像儀TMI反演得到。液態云輻射增加了衛星微波成像儀接收到的19GHz頻率附近的紅外輻射量;由于云冰散射作用,衛星微波成像儀接收到89GHz頻率附近的紅外輻射量減小。衛星微波成像儀觀測到的這些特征促成了颶風衛星資料同化的一系列相關研究(Amerault和Zou,2003,2006;Amerault等,2008,2009)。同化受云影響的衛星高頻通道亮溫觀測資料需要考慮輻射傳輸模式中的冰粒子分布與中尺度數值預報模式中微物理過程參數化方案的一致性(Amerault和Zou,2003),以及云水和冰水變量的背景場誤差協方差矩陣(Amerault和Zou,2006),還要發展中尺度數值預報模式和微物理過程參數化方案的伴隨算子(Amerault等,2008)。Amerault等(2009)利用美國海軍實驗室(ONR)海洋和大氣耦合中尺度預報系統COAMPS(Coupled Ocean/Atmosphere Mesoscale Prediction System)及其伴隨模式(包含COAMPS微物理過程伴隨算子),同化受云冰影響的SSM/I亮溫觀測資料后,改進了颶風預報水平。 觀測資料是進行資料同化的原因。大氣資料種類繁多,包括GPS無線電掩星彎角和折射率,搭載在極軌環境衛星上的微波和紅外輻射儀輻射亮溫,靜止衛星成像儀紅外通道輻射亮溫,地基GPS總降水量資料,衛星總柱臭氧,衛星海面風,地面雷達徑向風和反射率,衛星水汽反演風矢量,無線電探空儀觀測、地面站觀測、飛機觀測、機載雷達颶風觀測、外場觀測、下投式探空儀颶風觀測數據,等等。即使是在已有的同化系統中加入這些資料,科學家們仍需要完成以下工作:開發合適的觀測算子,定量估計資料和模式的誤差偏差和方差,開發物理上合理的偏差訂正、云檢測、資料稀疏化和質量控制方法,保證極小化程序收斂,進行資料同化影響評估,分析資料同化改進或不改進數值天氣預報水平的原因。 在過去的80年里,隨著計算機、通信、衛星和雷達遙感觀測儀器科學和技術的迅猛發展,資料同化從簡單的函數擬合主觀方法逐步發展成為越來越依賴于計算機能力且更復雜的客觀方法。這些能在計算機上實現的方法包括逐步訂正法、*優插值、三維變分、四維變分、增量四維變分、卡爾曼濾波、擴展卡爾曼濾波、集合卡爾曼濾波、混合集合卡爾曼濾波和三維變分、混合集合卡爾曼濾波和四維變分。重要的是,我們不僅要知道每個方法的數學公式,也要清楚每個方法中使用的近似假設的實施細節以及各自的含義。 在實際應用中選擇某一個同化方法需要考慮該方法的優缺點,以及與其他同化方法的相似性,確定所選同化方法能服務于特定的應用目的。事實上,無論用什么方法,資料同化所產生的大氣狀態變量的分析場(/)可以近似寫成下面的一般形式: 。1.4) 其中,xb是背景場向量,矩陣W被稱為后驗權重。所以,不同資料同化方法之間的*大差別是怎樣獲得后驗權重,以及式(1.4)隔多長時間計算一次。當然,在實際應用中,只有在向量xb的維數較小的情況下,才直接利用式(1.4)得到分析場/。對大部分數值天氣預報問題,向量xb或/的維數遠大于106。在這種情況下,大氣狀態變量的分析場/是通過別的數學計算方法間接得到的,式(1.4)近似成立。 資料同化需注意以下幾點:觀測值被擬合到觀測誤差之內;②保證觀測算子得到的模擬值與真實資料具有物理一致性;③充分利用已知背景場信息;④若模式和觀測資料有偏差,要合理估計這些偏差,并在模擬值和觀測資料值中減去偏差;⑤合理估計模式和觀測資料的統計誤差協方差特征;⑥在同化過程中加入在所關注大氣尺度上成立的大氣動力和物理限制條件;⑦確保計算誤差和數據噪聲被抑制;⑧計算速度和計算內存可承受;⑨定量估計并給出資料同化得到的大氣狀態變量分析場/的誤差統計特征?傊,通過把各類觀測資料與數值預報模式結合,大氣資料同化得到在指定分辨率上的、在統計意義上“*優”的大氣狀態變量估計值。大氣資料同化不只是求解一個單純的數學逆問題。掌握觀測物理量和天氣系統及其誤差結構等知識,對大氣資料同化至關重要。當然,計算條件的約束也很重要。 1.2熱力學變量和大氣狀態方程 大氣狀態是由三維空間的風速矢量v和數個熱力學變量決定的。這一節,我們簡要介紹以下一些熱力學變量的定義:溫度(D、氣壓&)、密度(p)、比容(a)、比濕(g)、水汽混合比(w)、位溫(的、內能(M)、熱焓(幻、等容熱容(Ca)、等壓熱容(Cp)。不同形式的大氣狀態方程和熱力學定律可以反映大氣中不同熱力學變量之間的一些約束關系。 地球大氣可以近似為理想大氣,大氣內分子間的相互作用可以忽略。即使一個氣團作為整體在某個時間是靜止的,氣團內的分子卻不停地向四面八方運動著,分子運動的動能之和決定了該氣團的溫度。理想氣體溫度定義為(Bohren和Albrecht,1998) 其中,mm是單個分子質量,是第i個分子運動速度,k是玻爾茲曼常數,表示對氣團內所有分子求和的平均算子。
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
史學評論
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
巴金-再思錄
- >
羅庸西南聯大授課錄
- >
莉莉和章魚
- >
回憶愛瑪儂