近日，卫星海洋环境动力学国家重点实验室伍艳玲博士以第一作者在国际期刊Earth and Space Science发表了一种基于集合卡尔曼滤波的流依赖目标观测方法。研究合作的团队成员是沈浙奇副研究员与唐佑民研究员。

        在集成卡尔曼滤波器 (EnKF) 的框架下，最小化分析误差方差，该团队开发了一种基于流量的顺序同化目标观测方法。目标观测，也称适应性观测，是指寻找最优观测点或区域，并依此增加观测、减小初始条件的不确定性来最大限度地提高模式预报技巧。海洋目标观测对于气候研究具有重要意义，目前在一些高影响海气相互作用事件的预报研究中也得到广泛关注。

        本项研究发展一个流依赖的目标观测方法，改进了前人方法中背景场不会随着时间变化的问题。该方法基于集合卡尔曼滤波方法寻找最优观测点，其定义为通过同化能够最大程度减小分析误差方差的观测点。这个方法考虑背景误差方差的流依赖特征，使用序贯同化方法寻找最优观测点；并引入协方差局地化方案，用以提高计算效率并消除虚假相关的影响。

图1 计算最优观测点流程的示意图。

         本项研究利用提出的新方法对热带印度洋区域的海表高度异常进行目标观测理论分析，得到最优观测位置。同时，本项研究利用CESM耦合同化系统，设计观测系统模拟试验（Observing System Simulation Experiment, 简称OSSE）验证理论结果，通过同化最优观测阵列计算预报和分析误差方差。结果显示，观测系统模拟试验同化试验与新同化方法的理论值非常一致，表明本项研究提出的目标观测方法及发展的同化系统都具有较好的功能（图2）。

图2观测系统模拟试验和目标观测新方法理论结果对比：(a) 基于CESM耦合同化系统的观测系统模拟试验计算得到的分析误差方差 (cm2), 其中数字代表最优观测点位置；(b)热带印度洋区域平均的时间序列：无观测同化时的初始误差方差（蓝色实线），通过新方法计算的同化最优观测点的分析误差方差的理论值（蓝色虚线），以及基于观测系统模拟实验的分析误差方差（红虚线）。

伍艳玲博士是自然资源部第二海洋研究所的博士后，目前已出站并就职于河海大学海洋学院。

引用：Wu Yanling, Zheqi Shen, Youmin Tang, A Flow-dependent Targeted Observation Method for Ensemble Kalman Filter Assimilation Systems, Earth and Space Science, 2020, DOI: 10.1029/2020ea001149