本发明涉及一种天气同化预报方法，尤其是一种基于适应性局地化技术的集合卡曼滤波天气同化预报方法，其采用适应性局地化技术修正现有的集合卡曼滤波同化系统，以改进天气预报结果。
背景技术：
数据同化是一种利用观测修正模式变量，以获得对当前大气状态最佳估计的技术。
集合卡曼滤波是一种常用的数据同化方法，但集合卡曼滤波应用于高维大气模式时会受到取样误差的影响，而局地化可以处理样本误差。局地化通常假设距离观测越远的相关性越可能是虚假的。一般使用的局地化函数是gaspari和cohn(gaspariandcohn1999)函数，简称gc函数。在集合卡曼滤波同化系统中采用该局地化函数对观测数据进行同化处理时，通常的做法是：保留观测数据对于其附近模式变量的影响，减少观测数据对于距离较远模式变量的影响，同时忽略一定范围之外观测数据对模式变量的影响。
然而，对于卫星观测等非局地观测，观测的位置和垂直方向的影响范围没有很好的定义，无法直接进行局地化。同时，对于不同时刻和不同地区的观测，卫星观测的局地化函数也应不同，但现有技术无法适应性地估计所需的局地化函数。
因此，需要一种适应性局地化方案，为不同平台和通道、不同区域、不同时间的卫星观测提供垂直方向上适应性的局地化函数。
技术实现要素：
本发明针对现有技术的不足，提供一种卫星数据同化在垂直方向的适应性局地化方法。该方法使用集合卡曼滤波同化系统中卫星观测和模式变量的相关系数，利用分组后的相关系数估计该种卫星观测和模式变量在当前时刻和当前区域内原始的局地化函数，并将这些原始的局地化函数以gc函数进行拟合，从而得到适应性的局地化函数和相关参数。将所得到的适应性的局地化函数和相关参数应用于集合卡曼滤波同化系统中，以通过更加有效地使用卫星资料估计当前大气的状态，从而提高天气预报的准确性。
为实现上述的技术目的，本发明将采取如下的技术方案：
一种卫星数据同化在垂直方向的适应性局地化方法，其特征在于：根据集合卡曼滤波同化系统中给出的任意子区域范围内、处于任意时次的卫星观测和模式变量，计算出卫星观测和模式变量在垂直方向上的相关系数；接着利用相关系数估计该种卫星观测和模式变量在当前时刻和当前区域内处于垂直方向的原始局地化函数；根据相关系数廓线估计出卫星观测在垂直方向的位置po，并以位于po位置处的gc函数最大值拟合上述的原始局地化函数，以得到卫星观测在垂直方向的影响范围co；卫星观测在垂直方向的估计位置po、卫星观测在垂直方向的影响范围co即为适应性的局地化参数。
进一步地，集合卡曼滤波同化系统中给出的特定子区域范围内、处于特定时次的卫星观测和模式变量分别为：
观测yl,n的扰动量：
其中：观测yl,n表示集合卡曼滤波同化系统中给出的卫星观测中的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星观测某一通道的观测数；
模式变量的扰动量：
其中：模式变量
进一步地，对于集合卡曼滤波同化系统中某一类给定的卫星观测和某一种模式变量，其在任意高度k的相关系数rlk为：
式中：
yl,n表示集合卡曼滤波同化系统中给出的卫星观测中的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星观测某一通道的观测数；
进一步地，在利用任意的卫星观测和处于垂直方向上任意高度k的模式变量之间的相关系数rlk估计该种卫星观测和模式变量在当前时刻和当前区域内处于垂直方向的原始局地化函数前，需要将相关系数rlk分组，分组方式为：按每组g个元素分为m组，每组相关系数中的任意一个相关系数记为
进一步地，原始局地化函数为参数αk的垂直廓线；参数αk表示对于某一种卫星观测和高度为k的模式变量相关系数的信心指数；
若视每一个相关系数
当目标函数jk取值最小时，信心指数αk满足：
式中：
相关系数rlk表示于某一类给定的卫星观测和某一种模式变量，在任意高度k的相关系数。
进一步地，卫星观测在垂直方向的估计位置po：为相关系数rlk廓线最大值所在高度的气压值。
进一步地，卫星观测在垂直方向的影响范围co的获取方式：先以位于po位置处的gc函数最大值拟合原始局地化函数，以获得适应性局地化函数；
然后通过比较适应性局地化函数以及原始局地化函数，即可得到卫星观测在垂直方向的影响范围co，卫星观测在垂直方向的影响范围co为gc函数宽度值co，指使位于po位置处的适应性局地化函数和原始局地化函数两者的均方根误差最小所对应的gc函数的宽度参数。
进一步地，上述局地化方法，包括以下步骤：
(1)选择合适的区域和时次
针对不同的天气系统，通过集合卡曼滤波同化系统给出特定子区域范围内、处于特定时次的卫星观测和模式变量；
所述的特定子区域包括tc区和/或者非tc区；tc区定义为以热带气旋在当前时刻所在位置为中心、边长为20经纬度的正方形区域；
特定子区域范围需要保证其中所有时次的总观测数不小于o个，o＝102；
所述的特定时次，为给定卫星观测和模式变量中具有代表性的时次或者为估算当前时刻局地化参数的前一时刻或者前两时刻；
(2)获取观测变量和模式变量
观测yl,n的扰动量：
其中：观测yl,n表示集合卡曼滤波同化系统中给出的卫星观测的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星资料某一通道的观测数；
模式变量
其中：模式变量
(3)计算相关系数
第l个观测yl和第l个模式变量
(4)计算原始局地化函数
对于某一类给定的卫星观测和某一种模式变量，将任意高度k的相关系数rlk按每组g个元素分为m组，每组相关系数中的任意一个相关系数记为
若视每一个相关系数
αk表示对于这一种卫星观测和高度为k的模式变量的相关系数的信心指数，当目标函数jk取值最小时，信心指数αk满足：
αk的垂直廓线即为估算的垂直方向的原始局地化函数；
(5)拟合参数
找出垂直方向的观测位置po；
以最大值位于po的gc函数拟合原始局地化函数，所得到的结果即为适应性局地化函数；
通过适应性局地化函数以及原始局地化函数，即可得到估计的gc函数宽度值co，gc函数宽度值co表示使位于po的应性局地化函数和原始局地化函数两者的均方根误差最小所对应的gc函数的宽度参数，即卫星观测的影响范围。
本发明的另一个技术目的是提供一种集合卡曼滤波天气同化预报方法，包括：1)在集合卡曼滤波同化系统中，选择能够直接被同化的1个及以上的变量作为模式变量；2)通过比较各类模式变量与卫星观测之间的相关系数，选择具有表征性的模式变量来估计局地化参数，所估计的局地化参数包括估计的卫星观测在垂直方向的位置po和估计的卫星观测在垂直方向的影响范围co；3)将估计的局地化参数用于天气同化预报系统中，获得下一时刻的预报结果。
进一步地，估计的卫星观测在垂直方向的影响范围co为gc函数宽度值co，表示使位于po位置处的适应性局地化函数和原始局地化函数两者的均方根误差最小所对应的gc函数的宽度参数；适应性局地化函数通过最大值位于po的gc函数拟合原始局地化函数而获得，而原始局地化函数为参数αk的垂直廓线；参数αk表示对于给定的卫星观测和高度为k的模式变量之间的相关系数的信心指数，当目标函数jk取值最小时，信心指数αk满足：
目标函数jk满足：
其中的
式中：
δyl,n表示观测yl,n的扰动量；yl,n表示集合卡曼滤波同化系统中给出的卫星观测中的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星资料某一通道的观测数；
所估计的观测在垂直方向的位置po为相关系数rlk廓线最大值所在高度的气压值。
根据上述的技术方案，相对于现有技术，本发明具有如下的有益效果：
本发明利用某一种观测变量与已经投影到观测变量所在位置的某一种模式变量的相关系数，在选定时间和空间范围内得到垂直方向的适应性局地化函数。将本发明用于区域模式中预报台风，预报结果与没有使用本发明的预报结果相比，相对于观测的误差明显减小，同时使用本发明还明显改进了台风快速增强阶段的预报。本发明还通过对相关系数分组的方式减少取样误差，进一步减小预报结果与观测之间的误差。
附图说明
图1为本发明的流程示意图。
图2为本发明应用于台风玉兔(2018)中，搭载于卫星noaa-15的微波观测计amsu-a通道6与模式变量温度在模式整个区域内平均的相关系数、原始局地化函数和拟合的局地化函数。
图3a、图3b为微波观测计amsu-a在tc区和非tc区的适应性局地化参数，图中点和线(非tc区使用圆点和实线，tc区使用菱形和虚线)分别代表了局地化参数在各卫星平台的平均值和标准差，模式变量选择为温度。
图4为未使用本发明(控制实验)时所得的6小时预报相对于常规观测(a)温度、(c)风速和(e)比湿度在水平区域内和在时间上平均的均方根误差，以及使用本发明计算的适应性局地化函数所得的6小时预报误差相对于控制实验预报误差对于(b)温度、(d)风速和(f)比湿度之差。
图5为使用本发明计算的适应性局地化参数(ggf-domain,ggf-tc,ggf-time)和未使用本发明的控制实验对台风玉兔(2018)的(a)路径、(b)最低海平面气压和(c)最大风速的6小时预报。其中粗实线大圆点为观测值。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
如图1至5所示，本发明所述的卫星数据同化在垂直方向的适应性局地化方法，使用集合卡曼滤波同化系统中卫星观测和模式变量的相关系数，利用分组后的相关系数估计该种卫星观测和模式变量在当前时刻和当前区域内原始的局地化函数，并将这些原始的局地化函数以gc函数进行拟合，得到适应性的局地化函数和相关参数。适应性局地化函数和相关参数可以随后被应用于集合卡曼滤波同化系统中以改进预报。具体步骤如下：
步骤一、选择合适的区域和时次
本发明可以适应性估计局地化函数，即在不同子区域使用随时间变化的局地化函数。
1.1.对不同区域的适应性局地化函数
leietal.(2015)提出对于有无降水区需使用不同的局地化参数，同时热带气旋(tc)等天气系统拥有多尺度的特征，因此对于不同天气系统的子区域(如tc区域内外)应使用不同的局地化参数。子区域不宜选取过小，以保证其中的观测数可以通过步骤(3.1)的质量控制。
1.2.对不同同化时次的适应性局地化函数
天气系统的位置、强度、结构等特征随时间而变化。因此，可以使用跟随同化时次变化的适应性局地化参数，某一时刻的局地化参数可以由其前面一个、某个或多个时次的观测和模式变量进行估算。
步骤二、获取观测变量和模式变量
集合卡曼滤波同化系统中给出了各集合成员的卫星观测和模式变量。模式在垂直方向的层数记为k，集合成员个数记为n，某一卫星资料某一通道的观测数记为l。
2.1.获取观测变量
以yl,n表示的第n个集合成员的第l个观测。(l∈{1,...,l}且n∈{1,...,n})。同时对于观测yln可计算其扰动量
2.2.获取模式变量
对于模式变量，首先在水平方向投影至第l个观测变量所在的位置，并将第n个集合成员位于第k层高度的变量记为
步骤三、计算相关系数
3.1.质量控制
为避免区域内观测数量太少，难以消除取样误差并影响估计局地化函数的准确性，经验上设定观测数下限为100。当区域内观测数小于100时，本发明不适用，使用默认的gc函数配置。
3.2.计算相关系数
第l个观测yl和第l个模式变量
步骤四、计算原始局地化函数
4.1.对相关系数分组
对于某一类给定的卫星观测和某一种模式变量，将任意高度k的相关系数rlk按每组g个元素分为m组，即l＝m*g，rlk可以改写为
4.2.某一高度的局地化函数值
第m组的每一个
使目标函数最小的αk取值应为
4.3.计算原始局地化函数
步骤(3.2)中的αk表示了对于这一种卫星观测和高度为k的模式变量相关系数的信心指数，αk(k∈{1,...,k})的垂直廓线即为估算的垂直方向的原始局地化函数。
步骤五、拟合参数
gc函数的值通常在观测所在的位置为最大，并随观测与模式变量的距离增大而减小，在某一范围之外函数值减为0。
5.1.找出垂直方向观测位置
将相关系数廓线最大值所在高度的气压值作为此卫星观测垂直方向的位置po。
5.2.拟合gc函数宽度(影响范围)
以gc函数拟合原始局地化函数，找出使两者均方根误差最小的gc函数宽度值co。
对于卫星观测，目前仅使用适应性的gc宽度co和垂直方向的观测位置po两个参数来拟合原始局地化函数。
步骤六、将适应性局地化函数应用于模式中
6.1.选择模式变量
在集合卡曼滤波同化系统中直接被同化的变量均可以作为模式变量。对于某一卫星某一通道的观测，选择相关系数较大的模式变量对应的适应性局地化参数作为此观测的适应性局地化参数。
6.2.应用适应性局地化函数
将(6.1)中每一卫星平台的每种观测的每个通道对应的适应性局地化参数应用于同化预报模式中，检验模式的预报结果，使用本发明的适应性局地化参数后预报结果有所改进。
实施例
本发明使用集合卡曼滤波同化系统中卫星观测和模式变量的相关系数，以在区域模式wrf中模拟台风玉兔(2018)为例，根据相关系数估计某种卫星观测和模式变量的局地化函数和相关参数。之后将这些相关系数放入同化预报系统中，以观测检验模式的6小时预报，对比使用本发明和不使用本发明所得的预报误差。同时检验使用和不使用本发明对台风玉兔(2018)的路径和强度(最低海平面气压和最大风速)的预报结果。图1展示了本发明的流程图。
步骤一、确定本发明应用的区域和时次
wrf-集合卡曼滤波循环同化预报实验从2018年10月19日1200utc进行到2018年11月2日1200utc，模式对新同化方法的适应需要时间，故舍弃循环开始前两天的预报。控制实验为未使用本发明的预报实验，使用本发明的实验的所有其他设置与控制实验相同。
1.1.确定本发明应用的区域
方案一：对于整个模式覆盖区域不加区分，使用整个区域所有的样本使用本发明估计局地化函数和相关参数。
方案二：考虑到热带气旋(tc)拥有的多尺度特征，区分tc区和非tc区，分别对这两个区域的样本使用本发明估计局地化函数和相关参数。tc区定义为以tc在当前时刻所在位置为中心，边长为20经纬度的正方形区域。
1.2.确定本发明应用的同化时次
方案一：使用控制实验中某些有代表性时次输出的观测和模式变量估算适应性局地化函数，玉兔(2018)模拟实验中使用时次包括台风快速增强之前的四个周期(从10月22日0000utc到10月22日1800utc)和快速增强之后的四个周期(从10月23日1800utc至10月24日1200utc)。
方案二：使用随时间变化的局地化参数，利用前一时刻或前两时刻出的观测和模式变量估算适应性局地化函数。
选择不同的区域和同化时次设计如下的四个实验：
步骤二、获取观测变量和模式变量
集合卡曼滤波同化系统中给出了各集合成员的卫星观测和模式变量。模式在垂直方向的层数记为k，集合成员个数记为n，某一卫星资料某一通道的观测数记为l。实验中集合成员数为80，依次对每一卫星仪器每一通道的观测计算适应性局地化函数和参数。2.1.获取观测变量
以yl,n表示的第n个集合成员的第l个观测。(l∈{1,...,l}且n∈{1,...,n})。同时对于观测yl,n可计算其扰动量
2.2.获取模式变量
对于模式变量，首先在水平方向投影至第l个观测变量所在的位置，并将第n个集合成员位于第k层高度的变量记为
步骤三、计算相关系数
3.1.质量控制
为避免区域内观测数量太少，难以消除的取样误差影响估计局地化函数的准确性，经验上设定观测数下限为100。当区域内观测数小于100时，本发明不适用，使用默认的gc函数配置。实验中仅ggf-tc实验的tc区域内个别通道的样本数量不足。
3.2.计算相关系数
第l个观测yl和第l个模式变量
图2中虚线代表了ggf-domain实验中卫星noaa-15搭载的amsu-a仪器通道6的观测在各高度层的平均相关系数。
步骤四、计算原始局地化函数
4.1.对相关系数分组
对于某一类给定的卫星观测和某一种模式变量，将任意高度k的相关系数rlk按每组g个元素分为m组，即l＝m*g，rlk可以改写为
4.2.某一高度的局地化函数值
第m组的每一个
使目标函数最小的αk取值应为：
4.3.计算原始局地化函数
步骤(3.2)中的αk表示了对于这一种卫星观测和高度为k的模式变量相关系数的信心指数，αk(k∈{1,...,k})的垂直廓线即为估算的垂直方向的原始局地化函数。图2中点线状曲线代表了ggf-domain实验中卫星noaa-15搭载的amsu-a仪器通道6的观测在各高度层的原始局地化函数。
步骤五、拟合参数
gc函数的值通常在观测所在的位置最大，并随观测与模式变量的距离增大而减小，在某一范围之外函数值减为0。
5.1.找出垂直方向观测位置
将相关系数廓线最大值所在高度的气压值作为此卫星观测垂直方向的位置po。
5.2.拟合gc函数宽度(影响范围)
以gc函数拟合原始局地化函数，找出使两者均方根误差最小的gc函数宽度值co。
图2中实线状曲线代表了ggf-domain实验中卫星noaa-15搭载的amsu-a仪器通道6的观测在原始局地化函数拟合后的结果。据图可知，这一观测在本实验中估计的观测位置为505.5hpa，局地化尺度为2.2ln(hpa)。
步骤六、将适应性局地化函数应用于模式中
6.1.选择模式变量
在集合卡曼滤波同化系统中直接被同化的变量均可以作为模式变量。实验中选择了温度和比湿度两个模式变量，对于来自仪器amsu-a的观测，观测与模式变量温度的相关系数大于与比湿度的相关系数，因此使用温度估计适应性局地化参数。
图3a、图3b展示了ggf-tc实验中，分别在tc区和非tc区估计的局地化参数在不同卫星平台的平均值(非tc区为圆点，tc区为菱形)和一个标准差(非tc区为实线，即圆点上下的线为实线，tc区为虚线，即菱形上下的线是虚线)。对于tc区域和非tc区域，对amsu-a观测估计的垂直位置相似，但tc区域中估计的局地化宽度通常大于非tc区域估计的宽度。这些适应性局地化参数将用于循环同化预报，以检验适应性局地化参数对预报的影响。其他实验及其他种类卫星观测的适应性局地化参数也可以相应地估计而得。
6.2.应用适应性局地化函数
6.2.1.利用常规观测检验预报结果
使用常规观测(温度、风速、比湿度)检验控制实验和三个使用本发明的适应性局地化实验(ggf-domain、ggf-tc、ggf-time)的6小时预报误差。图4(a)、图4(c)、图4(e)分别展示了以温度、风速、比湿度三种常规观测检验控制实验在时间上和水平区域内平均后的均方根误差。图4(b)、图4(d)、图4(f)则展示了使用本发明后所得的误差与控制实验误差之差，图中负值表示使用本发明的实验结果优于控制实验，正值则表示使用本发明后结果变差；图上方的短实线表示在垂直方向上的平均值。总体而言，使用本发明后预报结果误差小于控制实验，且适应性局地化参数随时间变化的ggf-time实验优于恒定适应性局地化参数的ggf-domain实验，区分tc和非tc区的适应性局地化参数的ggf-tc实验相对于ggf-time和ggf-domain又稍有优势。
6.2.2.利用台风的路径和强度检验预报的结果
图5展示了观测(粗实线大圆点)、控制实验(细实线小圆点)和三个使用本发明的实验对于台风玉兔(2018)的路径(图5a)、最低海平面气压(图5b)和最大风速(图5c)的预报影响。控制实验和使用本发明的实验的路径预报均与观测非常接近，但在台风开始时ggf实验的路径预报略好于控制实验(图5a)。对于强度预报，即最低海平面气压和最大风速，ggf实验的预报比控制实验更加接近观测值。使用本发明的实验比控制实验更好地捕捉了快速增强(ri)过程。然而，使用本发明的实验预测的台风峰值强度仍低于观测值，这可能是由于模型分辨率不足无法解析质量场和风场的梯度所致。三个使用本发明的实验具有相似的路径和强度预报，且它们的预报结果均优于控制实验。
1.一种卫星数据同化在垂直方向的适应性局地化方法，其特征在于：根据集合卡曼滤波同化系统中给出的任意子区域范围内、处于任意时次的卫星观测和模式变量，计算出卫星观测和模式变量在垂直方向上的相关系数；接着利用相关系数估计该种卫星观测和模式变量在当前时刻和当前区域内处于垂直方向的原始局地化函数；根据相关系数廓线估计出卫星观测在垂直方向的位置po，并以位于po位置处的gc函数最大值拟合上述的原始局地化函数，以得到卫星观测在垂直方向的影响范围co；卫星观测在垂直方向的估计位置po、卫星观测在垂直方向的影响范围co即为适应性的局地化参数。
2.根据权利要求1所述的卫星数据同化在垂直方向的适应性局地化方法，其特征在于，集合卡曼滤波同化系统中给出的特定子区域范围内、处于特定时次的卫星观测和模式变量分别为：
观测yl,n的扰动量：
其中：观测yl,n表示集合卡曼滤波同化系统中给出的卫星观测中的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星观测某一通道的观测数；
模式变量的扰动量：
其中：模式变量
3.根据权利要求1或2所述的卫星数据同化在垂直方向的适应性局地化方法，其特征在于，对于集合卡曼滤波同化系统中某一类给定的卫星观测和某一种模式变量，其在任意高度k的相关系数rlk为：
式中：
yl,n表示集合卡曼滤波同化系统中给出的卫星观测中的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星观测某一通道的观测数；
4.根据权利要求3所述的卫星数据同化在垂直方向的适应性局地化方法，其特征在于，在利用任意的卫星观测和任意的处于垂直方向上任意高度k的模式变量之间的相关系数rlk估计该种卫星观测和模式变量在当前时刻和当前区域内处于垂直方向的原始局地化函数前，需要将相关系数rlk分组，分组方式为：按每组g个元素分为m组，每组相关系数中的任意一个相关系数记为
5.根据权利要求1或2所述的卫星数据同化在垂直方向的适应性局地化方法，其特征在于，原始局地化函数为参数αk的垂直廓线；参数αk表示对于某一种卫星观测和高度为k的模式变量相关系数的信心指数；
若视每一个相关系数
当目标函数jk取值最小时，信心指数αk满足：
式中：
相关系数rlk表示于某一类给定的卫星观测和某一种模式变量，在任意高度k的相关系数。
6.根据权利要求1所述的卫星数据同化在垂直方向的适应性局地化方法，其特征在于，卫星观测在垂直方向的估计位置po：为相关系数rlk廓线最大值所在高度的气压值。
7.根据权利要求1所述的卫星数据同化在垂直方向的适应性局地化方法，其特征在于，卫星观测在垂直方向的影响范围co的获取方式：先以位于po位置处的gc函数最大值拟合原始局地化函数，以获得适应性局地化函数；
然后通过比较适应性局地化函数以及原始局地化函数，即可得到卫星观测在垂直方向的影响范围co，卫星观测在垂直方向的影响范围co为gc函数宽度值co，指使位于po位置处的适应性局地化函数和原始局地化函数两者的均方根误差最小所对应的gc函数的宽度参数。
8.根据权利要求1所述的卫星数据同化在垂直方向的适应性局地化方法，其特征在于，包括以下步骤：
(1)选择合适的区域和时次
针对不同的天气系统，通过集合卡曼滤波同化系统给出特定子区域范围内、处于特定时次的卫星观测和模式变量；
所述的特定子区域包括tc区和/或者非tc区；tc区定义为以热带气旋在当前时刻所在位置为中心、边长为20经纬度的正方形区域；
特定子区域范围需要保证其中所有时次的总观测数不小于o个，o＝102；
所述的特定时次，为给定卫星观测和模式变量中具有代表性的时次或者为估算当前时刻局地化参数的前一时刻或者前两时刻；
(2)获取观测变量和模式变量
观测yl,n的扰动量：
其中：观测yl,n表示集合卡曼滤波同化系统中给出的卫星观测的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星资料某一通道的观测数；
模式变量
其中：模式变量
(3)计算相关系数
第l个观测yl和第l个模式变量
(4)计算原始局地化函数
对于某一类给定的卫星观测和某一种模式变量，将任意高度k的相关系数rlk按每组g个元素分为m组，每组相关系数中的任意一个相关系数记为
若视每一个相关系数
αk表示对于这一种卫星观测和高度为k的模式变量的相关系数的信心指数，当目标函数jk取值最小时，信心指数αk满足：
αk的垂直廓线即为估算的垂直方向的原始局地化函数；
(5)拟合参数
找出垂直方向的观测位置po；
以最大值位于po的gc函数拟合原始局地化函数，所得到的结果即为适应性局地化函数；
通过适应性局地化函数以及原始局地化函数，即可得到估计的卫星观测在垂直方向的影响范围co；估计的卫星观测在垂直方向的影响范围co为gc函数宽度值co，表示使位于po位置处的适应性局地化函数和原始局地化函数两者的均方根误差最小所对应的gc函数的宽度参数。
9.一种集合卡曼滤波天气同化预报方法，其特征在于，包括以下步骤：1)在集合卡曼滤波同化系统中，选择能够直接被同化的1个及以上的变量作为模式变量；2)通过比较各类模式变量与卫星观测之间的相关系数，选择具有表征性的模式变量来估计局地化参数，所估计的局地化参数包括估计的卫星观测在垂直方向的位置po和估计的卫星观测在垂直方向的影响范围co；3)将估计的局地化参数用于天气同化预报系统中，获得下一时刻的预报结果。
10.根据权利要求9所述的集合卡曼滤波天气同化预报方法，其特征在于：估计的卫星观测在垂直方向的影响范围co为gc函数宽度值co，表示使位于po位置处的适应性局地化函数和原始局地化函数两者的均方根误差最小所对应的gc函数的宽度参数；适应性局地化函数通过最大值位于po的gc函数拟合原始局地化函数而获得，而原始局地化函数为参数αk的垂直廓线；参数αk表示对于给定的卫星观测和高度为k的模式变量之间的相关系数的信心指数，当目标函数jk取值最小时，信心指数αk满足：
目标函数jk满足：
其中的
式中：
δyl,n表示观测yl,n的扰动量；yl,n表示集合卡曼滤波同化系统中给出的卫星观测中的第n个集合成员的第l个观测，l∈{1,...,l}且n∈{1,...,n}；n为集合卡曼滤波同化系统的集合成员个数，l为某一卫星资料某一通道的观测数；
所估计的观测在垂直方向的位置po为相关系数rlk廓线最大值所在高度的气压值。
技术总结