论文摘要
背景误差协方差矩阵的计算作为资料同化过程中的一个重要环节,直接影响着同化系统的效果,而大气真实场不可知使得背景场误差协方差矩阵难于准确获得。目前大多数业务单位普遍采用美国的NMC方法来估算背景误差协方差矩阵,该方法将同一时刻不同时效的预报值之差作为预报误差,所估计的背景误差协方差受到预报模式的分辨率、预报模式性能等影响,并且背景误差协方差不仅随着季节变化,而且随着天气形势的变化而不同,用NMC方法直接从大量历史样本中估计的背景误差协方差显然存在局限性。依流型而变的误差协方差矩阵虽然被认为是较接近真实情形的误差协方差矩阵,但它要由大量的预报集合来估计,而获得这个预报集合需要花费大量的计算时间。对同化时刻的大气状态,其误差可能和历史上相似的天气形势的误差相当,因此,如果用这些历史相似资料来估计背景误差协方差矩阵,有望得到较接近事实的背景误差协方差矩阵,而不需要流依赖背景误差协方差矩阵中获得大量预报样本所需的计算时间。基于以上分析,本文将相似理论引入背景误差协方差的研究,提出一种NMC方法估算误差协方差的改进方法,即利用历史相似资料估算背景误差协方差。将全球分为东亚(75°～135°E,20°～50°N),欧洲大陆(0°～60°E,31°～71°N),北美(230°～30°E,25°～65°N)三个地区,采用2006～2008年1、7月NCEP资料对原r(?)MC方法和改进方法得到的背景误差协方差进行统计分析,并通过三维变分(3DVAR)数值试验来检验两种方法得到的背景误差协方差矩阵的作用。结果表明：(1)改进的NMC方法得到的背景误差协方差结构和NMC方法得到的结构特征基本一致,但背景误差协方差及其特征尺度均小于NMC方法得到的结果；(2)对改进NMC方法来说,不同相似样本计算的背景误差协方差特征尺度的差异较大。个例结果也表明四级相似过滤中各级相似过滤得到的相似样本计算的误差协方差基本一致,但特征尺度的值差异较大,其中原因有待于进一步分析。(3)二维空间单变量的三维变分试验结果表明改进的NMC方法估计的背景误差协方差矩阵能够明显改进同化效果。改进的NMC方法在复杂数值模式中的应用情况还需要进一步的试验研究。