Ассимиляция данных спутниковых наблюдений в адаптивных моделях параметров морской поверхности

Abstract

Рассмотрено применение метода адаптивного баланса влияний (АВС-метод) в задаче ассимиляции спутниковых наблюдений с целью уточнения осредненных профилей характеристик морской поверхности вдоль траектории пролета спутника. На примере адаптивной АВС-модели профилей поверхностной температуры и концентрации хлорофилла a построены алгоритмы оптимальной экстраполяции данных наблюдений с использованием методов Колмогорова и Калмана. Приведены результаты усвоения имитированного ряда наблюдений концентрации хлорофилла a при постоянных и переменных корреляционных матрицах ряда. Показано, что использование в адаптивных моделях переменных коэффициентов экстраполяции, рассчитываемых по локально однородным корреляционным матрицам, повышает точность усвоения спутниковых данных.

Розглянуто застосування методу адаптивного балансу впливів (АВС-метод) у задачі асиміляції супутникових спостережень з метою уточнення осереднених профілів характеристик морської поверхні вздовж траєкторії прольоту супутника. На прикладі адаптивної АВС-моделі профілів поверхневої температури та концентрації хлорофілу a побудовані алгоритми оптимальної екстраполяції даних спостережень з використанням методів Колмогорова та Калмана. Наведено результати засвоєння імітованого ряду спостережень концентрації хлорофілу a при постійних і змінних кореляційних матрицях ряду. Показано, що використання в адаптивних моделях змінних коефіцієнтів екстраполяції, які розраховуються за локально однорідними кореляційними матрицями, підвищує точність засвоєння супутникових даних.

Application of the method of adaptive balance of causes (ABC-methods) in the problem of satellite observations assimilation in order to clarify averaged profiles of the sea surface characteristics along the satellite flying path is considered. The adaptive ABC-model of the surface temperature profiles and chlorophyll a concentration serves an example for constructing the algorithms of observation data optimal extrapolation using the Kolmogorov and Kalman methods. The results of assimilation of a series of simulated observations of chlorophyll a concentration at constant and variable number of correlation matrixes are represented. It is shown that application of variable extrapolation coefficients calculated by locally homogeneous correlation matrixes in the adaptive models increases accuracy of satellite data assimilation.