国防科技大学数值气象海洋研究团队

大气模式是为描述不同类型的大气运动而建立的闭合方程组，能够根据气象要素场的初识状态确定其未来状态。根据用途，可分为数值天气预报模式、大气环流模式、气候模式等；根据水平范围，可分为区域模式和全球模式等；根据计算方法，可分为差分模式、谱模式等。国防科技大学自主发展了全球数值预报模式YHGSM。该模式引入了基于干空气质量守恒的静力载水大气运动方程组，在此基础上全球研制了干空气质量守恒的静力载水谱模式动力框架，采用水平谱离散、先行精简高斯格点、垂直有限元离散、两时间层的半隐式拉格朗日时间积分，集成了辐射传输、湍流扩散、重力波拖拽、对流输送、大尺度降水、乱、甲烷氧化等晚上的物理过程参数化方案，并设计实现了快速Legendre变换、高可扩展并行计算等，YHGSM从根本上解决了全球业务模式动力框架普遍存在的干空气质量不守恒、无法合理描述强降水质量强迫效应等问题。

(1) 隐式等权重粒子滤波:
粒子滤波自从被引入到资料同化领域以来，对于高维系统存在的粒子衰退问题一直困扰着资料同化领域的研究。隐式等权重粒子滤波（Implicit Equal-Weights Particle Filter，IEWPF）通过在高维的状态空间维数的前提下，隐式从每个粒子都具有特殊协方差的提议密度（proposal density）中进行采样，构建等权重的粒子集合，从而解决高维系统的粒子衰退问题。通过洛伦兹模式和高维准地转模式的应用，验证了IEWPF的系统一致性和资料同化效果。同时，IEWPF也为解决一系列的资料同化问题，比如参数估计，提供了新的解决途径。

(2) ROMS四维变分:
四维变分资料同化一种是能将不同时刻、不同地区、不同性质的观测资料利用起来的的资料同化方法。由于海洋观测资料的匮乏，利用四维变分同化技术提高南海区域的海洋环境模拟水平。以南海区域海洋模式及海洋资料四维变分同化系统的建立为出发点，基于海洋区域模式（ROMS），建立一般性的海洋资料同化处理流程，模块化设计，有利于后期的扩展应用。该南海区域海洋ROMS四维变分同化系统能同时同化卫星海表温度、卫星海表高度和温盐廓线能观测资料，改善南海区域海洋海洋模式的预报效果。

(3) 集合变分混合资料同化:
集合变分混合资料同化是未来资料同化方法发展的一大趋势，也是解决目前四维变分资料同化中准静态背景误差协方差假设的唯一方法。团队基于YH4DVAR系统开发了集合四维变分资料同化试验系统，该系统通过扰动观测资料、SST和模式物理过程表征YH4DVAR同化系统中三种主要不确定性源，构造能反映背景场误差分布特征的集合样本，基于这些集合样本统计得到YH4DVAR同化系统所需的随流型演变的背景误差协方差。为了减少因样本不足引入的随机噪声、提高统计精度，团队发展了空间平滑、客观谱截断、小波多尺度滤波等多种方法有效抑制了统计值中的虚假信号。个例试验表明引入了流依赖背景误差协方差的YH4DVAR系统更能精确捕获台风区域的不确定性特征，对台风路径和强度预报都有正效果。目前系统正在进一步完善中，后续将发展协方差的客观滤波方法。

(4) 气象资料同化应用（卫星遥感资料同化和集合混合变分方法研究）
集合变分混合资料同化方法是结合集合方法与变分⽅法各自优势发展的一种资料同化方案。该方案能够利用集合方法构造具有流依赖属性的背景误差协方差结构，与变分方法的统计误差结构模型相结合，能较好地克服变分同化和集合同化的缺陷，同时又能充分发挥各⾃的优势。目前，已经发展了好几类混合资料同化案，具有较强的业务应用价值，逐渐成为国际数值预报业务中心的最优选择，如欧洲中心ECMWF采用的Recalibration of vars and corrs in 4D-Var方案，美国NCEP采用的Hybrid 4DEnVar方案，英国Met Office采用的Hybrid En4DVar方案，法国meteo-France采用的Recalibration of vars in 4D-Var方案，德国DWD采用的Hybrid 3DEnVar方案，加拿大EC采用的Hybrid 4DEnVar方案。

随着耦合模式的兴起，耦合资料同化(CDA)的需求也开始出现，耦合资料同化将一个或多个分量的观测资料融入耦合模式中，实现观测信息在耦合模式不同分量之间的传输和交换，寻求与模式物理和动力过程相一致的最优耦合模式状态估计，使耦合模式模拟或预报预测结果与实况最接近。发展海气耦合资料同化，是提高观测资料利用率以及改进海气状态估计和预报初始场平衡性及协调性的必然要求，此外，耦合资料同化系统也可为气候动力机制的研究提供一种新的方法。耦合资料同化不仅能够提高天气气候状态估计的准确性、改进再分析产品的质量，而且能够提高耦合模式的可预报性。本团队在耦合资料同化领域的研究方向包括海气弱耦合和强耦合资料同化方法的理论研究，海气耦合同化系统的业务实现，以及将耦合同化方法应用于气候动力学研究。

受限于模式分辨率与计算资源，数值天气预报产品的分辨率无法满足预报产品解释应用的需求。设计良好的插值算法可以提升分辨率。针对天气过程的特性，使用两维的空间信息，提出了一个组合的多尺度各向异性核函数。为了改善因为片面的空间信息导致的欠拟合，基于高斯过程回归，在新的核函数中引入了其他变量（风向、气温、气压），并针对不同的天气过程，设计了两种校正模型。新模型给出了一种利用多尺度局部信息进行插值的新思路，并提取了各向异性信息与结构信息。

（1） 基于机器学习的台风预报:
台风是一种极端天气事件，台风预测对于台风灾害的预警至关重要。传统的基于热动力方程的数值预报方法和基于经验关系的统计预报方法现如今难以准确地预测台风。作者提出了一种基于深度学习的台风时空深度混合预测模型，该模型引入了三维卷积神经网络和二维卷积神经网络来学习台风相关大气海洋变量之间的空间关系，利用长短期记忆神经网络来学习台风变化过程中的时序关系。实验证明，该模型对于提高台风预测准确率有很好的效果。

亚中尺度过程是海洋上混合层中广泛存在的动力过程，对海洋能量串级、物质和热量输运都有着重要贡献。作为重要的亚中尺度不稳定过程之一，对称不稳定广泛存在于海洋上混合层。相对于混合层不稳定，对称不稳定具有着更小的空间尺度O（~10m），在当前和未来一段时间内，开展对称不稳定参数化研究和应用无疑是提升海洋模式模拟效果的更优选择。本研究首次尝试将亚中尺度参数化方案（Bachman et al.（2017））应用于实际海域（西沙——中沙海域），并评估CROCO模式在模拟混合层厚度、能量串级和位势涡度方面改善。

在中尺度涡内部和外部的不同位置布放虚拟粒子，利用拉格朗日粒子追踪方法计算虚拟粒子的运动轨迹，通过分析轨迹数据来获取流场在欧拉视角下不能直观得到的信息，例如中尺度涡内部物质交换过程等。

海洋数据同化能有效地将现有的海洋观测融入海洋模式中，从而提供时空分布更加完善的再分析资料，为海洋学研究及预报提供高质量的再分析数据。我们致力于在南海海域建立基于加权集合卡尔曼滤波、粒子滤波、集合卡尔曼滤波、集合调整卡尔曼滤波、四维变分等同化方法的海洋数据再分析及预报系统。 基于南海海域2006年-2016年114个活跃的Argo浮标，提出了数据预处理和模糊处理的方法，采用2004年Park提出的基于惯性流和背景流外推的最小二乘方法，反演南海海域表层和Argo漂流深度层的流速矢量。 通过ROMS 4DVAR将反演的南海中层流场资料同化进模式中，可以避免直接同化轨迹资料需要的轨迹预报模型。以南海作为试验区域，结果表明，相比只同化卫星观测和温盐廓线，同时同化卫星观测、温盐廓线和反演的中层流速资料能显著改善浮标漂流深度的流场结构，使之与Argo浮标轨迹能更好吻合，其他深度的流场也得到了一定程度调整。

海洋盐度对海洋环境模拟具有重要的影响，SMOS是国际上首颗提供全球大洋大范围盐度观测的卫星，开阔洋面上的盐度遥感观测已经在资料同化中得到成功应用，由于SMOS盐度观测在近岸（包括南中国海）和高纬度地区误差较大，还不能在海洋数据同化中有效应用。利用广义回归神经网络对SMOS盐度观测资料进行修正，通过修正，南海区域SMOS海表盐度和Argo最上层观测的偏差和RMSE分别从0.155psu，0.415psu降低到了-0.007psu，0.121psu，在西北太平洋区域效果同样显著。通过该方法修正之后的盐度资料首次在近岸进行同化应用，通过设置在南中国海的六组同化对比实验，结果表明同化修正后的SMOS海表盐度可以有效改善海洋上层盐度的模拟。