集合卡尔曼滤波的全天空红外辐射自适应局地化

全天空红外辐射由于具有非线性和复杂误差统计特征，其资料同化一直面临挑战。协方差局地化在集合卡尔曼滤波应用于高维地球物理系统时至关重要，并且在全天空同化时需要进一步考虑其复杂的相关性特征。与前人提出的基于样本相关性自适应估计局地尺度的全局分组滤波方法（GGF-FS）相比，本文提出了两种自适应局地化方法以有效提取全天空辐射的对云敏感信息。一种方法考虑了局地化尺度随垂直位置变化（GGF-VS），另一种方法则进一步引入了亮温和云顶高度对自适应局地化参数的影响（GGF-VLS）。两种方法均能更好地反映热带气旋（TC）结构并展现出更大的垂直局地化尺度，其中GGF-VLS的局地化参数变化幅度更大。全天空红外卫星资料同化试验证实，GGF-VS相较于GGF-FS能够减小模式状态变量误差，而GGF-VLS进一步降低了误差。更为精细的自适应局地化参数也对TC强度预报更为有利。与GGF-FS相比，GGF-VS在最低海平面气压和最大风速上均表现出更小的误差与集合离散度，而GGF-VLS在TC强度预报上进一步优于GGF-VS。这两种自适应局地化方法相较于GGF-FS都能生成更一致的TC结构，包括更强的暖心、低层更多的水汽以及更显著的初级和次级环流，更有利于TC增强。