目录
摘要 II
关键词 II
ABSTRACT III
KEY WORDS III
引言 1
1 材料与方法 2
1.1 目标函数 2
1.2 背景误差协方差 2
1.3 迭代求解 3
1.4 检验分析方法 3
2 方案设计 5
2.1 数据来源 5
2.2 模式区域 5
2.3 变量选取 5
3 背景误差协方差的研究 6
3.1 背景误差标准差统计 6
3.2 背景误差垂直相关系数 9
3.3 背景误差的水平相关系数 12
4 单点验证实验 14
5 同化预报实验 20
6 总结分析 22
致谢 23
参考文献 24
三维变分同化中背景误差协方差的研究
摘要
本文主要根据WRF/CHEM模式，利用三维变分同化的方法预报PM2.5浓度，并研究影响预报精度的背景误差协方差矩阵。
首先，本文利用NMC方法统计2018年10月份D01和D02区域48、24小时预报差值作为背景误差。然后将背景误差矩阵近似分解为背景误差标准差矩阵和相关系数矩阵，并由NMC统计数据计算各自矩阵。本文改善过往利用各层次均值作为背景误差标准差的模糊处理，根据实际统计结果给出三维背景误差标准差矩阵。最后，根据统计结果研究背景误差的分布特性，并由相关系数和均方误差等指标检验分析实验结果。
结果表明，在垂直方向上，背景误差自相关系数和标准差随高度增加不断减小；在水平方向上，背景误差水平相关系数随距离增加不断衰减，其衰减曲线接近高斯曲线，统计结果也表明水平方向上背景误差标准差的分布也并非具有完全各向同性。单点实验佐证了背景误差结构在增量场分布结构上起到的关键作用，背景误差的分布决定了增量场的分布；2018年10月1号同化场的预报结果比非同化背景场的预报结果均方误差更小，相关系数更大，效果更好。

原文链接：http://www.jxszl.com/jsj/xxaq/606929.html