2019 Fiscal Year Annual Research Report
Development of a multi-scale data assimilation method based on huge ensemble data assimilation
Project/Area Number |
16K17806
|
Research Institution | Japan, Meteorological Research Institute |
Principal Investigator |
近藤 圭一 気象庁気象研究所, 気象観測研究部, 研究官 (00735558)
|
Project Period (FY) |
2016-04-01 – 2020-03-31
|
Keywords | データ同化 / アンサンブルカルマンフィルタ / 粒子フィルタ / マルチスケールデータ同化手法 |
Outline of Annual Research Achievements |
アンサンブルカルマンフィルタでは、計算資源制約のためアンサンブルメンバー数は一般的に100程度に限られており、限られた資源で効果的に観測の情報を同化することが必要となる。課題代表者が提案したマルチスケールデータ同化手法は、アンサンブル数を大きくしないため計算コストを押さえながら、複数の局所化スケールを用いることで異なるスケールの誤差相関構造を考慮することが可能である。当初の計画ではマルチスケールデータ同化手法に関する研究計画であったが、粒子によって確率密度関数を表現する粒子フィルタと組み合わせることで、さらなる精度向上が見込めたため、アンサンブルカルマンフィルタと粒子フィルタを組み合わせた同化手法の研究開発を実施した。具体的には、背景誤差が正規分布であるときにはアンサンブルカルマンフィルタを実行し、背景誤差の非ガウス分布の強度に応じて粒子フィルタを実行する手法を提案した。この際、粒子フィルタはアンサンブルカルマンフィルタよりも小さい局所化スケールを適用するため、発展型のマルチスケールデータ同化手法となる。用いたモデルは全球簡易大循環モデル(解像度はT30/L7、水平解像度はおよそ400 km)で、アンサンブル数は80とした。観測データはモデルの出力結果から複数地点を抽出し、正規分布に基づく乱数を上乗せしたものとする。その結果、現実的なアンサンブル数で、自由度が極めて大きい大気モデルを用いた粒子フィルタによるデータ同化は、これまで困難であろうと考えられてきたが、アンサンブルカルマンフィルタを組み合わせることで非常に安定して動作することが確認された。さらに、背景誤差分布が非正規であるほど、粒子フィルタの効果が現れ、従来のアンサンブルカルマンフィルタより解析精度が大幅に高くなることを確認した。
|