一种大气化学传输模式与资料同化的方法

本发明涉及气溶胶化学组分探测领域，尤其涉及一种大气化学传输模式与资料同化的方法。

背景技术：

1、气溶胶是由复杂多变的化学组分构成的混合物，其中硫酸盐(so42-)、硝酸盐(no3-)、铵盐(nh4+)、有机物(om)以及元素碳(ec)或黑碳(bc)是关键化学组分。这些化学组分之间的来源、形成机理、特征、演变等存在明显差异，在气溶胶污染事件中发挥了不同程度的作用和影响。此外，这些化学组分中，比如含硫化合物、含氮化合物以及含碳化合物，通过对流层与平流层的物质交换、水平输送以及垂直沉降等过程，驱动硫、氮、碳循环。在循环过程中，通过沉降进入植物、土壤、水体等，影响地球系统的化学平衡和生态稳定。这些化学组分对人类健康和气候变化也具有不同的影响。例如，在美国东北部，bc和so42-对痴呆症的致病作用更显著，而no3-和oc的影响较小。人为排放的so42-会增加夏季降水量，而光吸收型的bc会产生相反的效果。产生这些差异的主要原因在于组分之间的毒性和辐射效应不同。因此，表征气溶胶化学组分对于准确识别特定污染来源、阐明污染成因、制定针对性的减排防治策略以及评估人类健康和气候效应至关重要。

2、现有的组分探测技术无法描述时空连续的气溶胶化学组分，数值模式能够表征多种化学组分的时空分布特征，但其不确定性来源较多，包括初始边界条件、理化机制、排放清单以及气象要素场输入等，导致模式模拟的结果与观测结果之间的偏差较大。综上所述，任何单一探测技术均无法准确获取时空连续的气溶胶化学组分信息。资料同化技术能够有效融合观测数据与数值模式，利用观测信息和模式信息以及各自不确定性来描述一个尽可能真实的大气初始状态，改进数值模式模拟和预报的能力。然而，国内外关于气溶胶化学组分的垂直同化研究与应用仍为空白，主要原因有：(1)气溶胶化学组分种类较多，化学组分变量之间的虚假相关性会导致观测资料的传播不合理，此外，在集合卡尔曼滤波算法中，多种观测类型的引入会造成巨额的计算成本，因此，多种观测类型的协同同化是一项挑战；(2)应用最为广泛的两类主流算法都对复杂非线性的大气化学传输模式作了线性假设，并且对大气化学传输模式的误差分布作了高斯分布假设。然而，大气化学传输模式中气溶胶化学组分具有明显的非线性和非高斯分布特征，对于非线性的化学同化，主流同化算法显然是次优的，而适用于非线性情景的粒子滤波算法存在粒子退化的问题，较集合卡尔曼滤波不稳定。

技术实现思路

1、本发明的目的是为了解决上述现有技术中存在的缺点,而提供了一种大气化学传输模式与资料同化的方法，包括如下步骤：

2、s1：灵活接入多组分类型观测资料，同时对所述嵌套式空气质量预报模式系统、全局通信域及其处理器数量和单个处理器的等级、状态变量场和并行资料同化框架中的变量进行初始化；

3、s2：收集来自初始场或上一个时间步的分析场作为当前时间步的初始场，建立所述初始场或上一个时间步中状态向量与模式向量的关系，将所述状态变量的数据传递给所述模式变量；

4、s3：完成当前时间步模式变量的预报，生成预报场，将当前时间步预报的模式变量传递给状态变量，同时将其作为背景场进行分析同化，生成当前时间步的分析场并作为下一次迭代的初始场。

5、进一步地，重复循环执行步骤s2和步骤s3，实现一体化预报和分析的时间循环，其中，多个集合成员同时运行并进行数据交换，并且维持单个集合成员中数值矩阵的并行化计算，所述并行化计算包括模式网格并行和滤波分析并行。

6、进一步地，在步骤s1中，对所述嵌套式空气质量预报模式系统进行初始化具体包括：对模式变量定义、数值矩阵分配、参数化配置、气象场输入和排放源输入的读写进行初始化。

7、优选地，对全局通信域及其处理器数量和单个处理器的等级进行初始化，同时定义与所述全局通信域相同的模式通信域及其处理器数量和单个处理器的等级，随后将所述全局通信域分为所述模式通信域、滤波通信域和负责模式与滤波数据交换的耦合通信域，并对它们进行初始化。

8、更优地，对所述状态变量场初始化包括：对所述状态变量场的空间维度、时间维度和状态变量维度进行初始化。

9、更优地，所述并行资料同化框架中的变量包括局地状态变量的大小、全局状态变量的大小和分析同化过程中的配置。

10、进一步地，在步骤s2中，首先通过convert_field函数将所述嵌套式空气质量预报模式系统中读写的状态变量场和所述并行资料同化框架中读写的状态变量场进行匹配转换，保证矩阵存储顺序的一致性和fortran编译器中数值精度的兼容性。

11、进一步地，在步骤s3中，所述分析同化采用局地化的卡尔曼非线性集合转换滤波算法，实现基于所述观测资料改善背景场，生成与所述观测资料协调的分析场，为下一时间步的模式积分提供最优初始场。

12、优选地，所述局地化的卡尔曼非线性集合转换滤波算法首先利用变换矩阵和预测误差协方差的平方根来获取预报集合，通过对所述预报集合进行确定性矩阵平方根变换生成分析集合；

13、然后使用观测数据来影响先验集合的权重，混合权重根据非高斯性进行自适应调整，从而更好地适用于不同非线性程度的模式系统。

14、更优地，在所述分析同化中，利用集合成员计算的集合扰动代表了模式状态的误差分布，其中，排放源作为重要输入信息驱动了所述模式变量的生消演变，因此引入混合非线性集合同化算法对所述排放源输入进行非高斯分布扰动。

15、与现有技术相比，本发明的有益效果是：

16、(1)本发明通过在高性能计算集群上通过二级并行使多个集合成员同时运行并进行数据交换，并且维持了单个集合成员中数值矩阵的并行化计算(包括模式网格并行和滤波分析并行)，从而同时提升集合同化效率和模式计算效率；

17、(2)本发明采用局地化的卡尔曼非线性集合转换滤波算法，混合权重根据非高斯性进行自适应调整，从而更好地适用于不同非线性程度的模式系统，并以较小的集合数来获得出色的同化效果；

18、(3)本发明引入了混合非线性集合同化算法以适用于非线性和非高斯分布情景。

技术特征：

1.一种大气化学传输模式与资料同化的方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的大气化学传输模式与资料同化的方法，其特征在于，重复循环执行步骤s2和步骤s3，实现一体化预报和分析的时间循环，其中，多个集合成员同时运行并进行数据交换，并且维持单个集合成员中数值矩阵的并行化计算，所述并行化计算包括模式网格并行和滤波分析并行。

3.根据权利要求1所述的大气化学传输模式与资料同化的方法，其特征在于，在步骤s1中，对所述嵌套式空气质量预报模式系统进行初始化具体包括：对模式变量定义、数值矩阵分配、参数化配置、气象场输入和排放源输入的读写进行初始化。

4.根据权利要求1所述的大气化学传输模式与资料同化的方法，其特征在于，在步骤s1中，对全局通信域及其处理器数量和单个处理器的等级进行初始化，同时定义与所述全局通信域相同的模式通信域及其处理器数量和单个处理器的等级，随后将所述全局通信域分为所述模式通信域、滤波通信域和负责模式与滤波数据交换的耦合通信域，并对它们进行初始化。

5.根据权利要求1所述的大气化学传输模式与资料同化的方法，其特征在于，在步骤s1中，对所述状态变量场初始化包括：对所述状态变量场的空间维度、时间维度和状态变量维度进行初始化。

6.根据权利要求1所述的大气化学传输模式与资料同化的方法，其特征在于，在步骤s1中，所述并行资料同化框架中的变量包括局地状态变量的大小、全局状态变量的大小和分析同化过程中的配置。

7.根据权利要求1所述的大气化学传输模式与资料同化的方法，其特征在于，在步骤s2中，首先通过convert_field函数将所述嵌套式空气质量预报模式系统中读写的状态变量场和所述并行资料同化框架中读写的状态变量场进行匹配转换，保证矩阵存储顺序的一致性和fortran编译器中数值精度的兼容性。

8.根据权利要求1所述的大气化学传输模式与资料同化的方法，其特征在于，在步骤s3中，所述分析同化采用局地化的卡尔曼非线性集合转换滤波算法，实现基于所述观测资料改善背景场，生成与所述观测资料协调的分析场，为下一时间步的模式积分提供最优初始场。

9.根据权利要求8所述的大气化学传输模式与资料同化的方法，其特征在于，所述局地化的卡尔曼非线性集合转换滤波算法首先利用变换矩阵和预测误差协方差的平方根来获取预报集合，通过对所述预报集合进行确定性矩阵平方根变换生成分析集合；

10.根据权利要求2或9所述的大气化学传输模式与资料同化的方法，其特征在于，在所述分析同化中，利用集合成员计算的集合扰动代表了模式状态的误差分布，其中，排放源作为重要输入信息驱动了所述模式变量的生消演变，因此引入混合非线性集合同化算法对所述排放源输入进行非高斯分布扰动。

技术总结本发明涉及气溶胶化学组分探测领域，公开了一种气化学传输模式与资料同化的方法，包括：灵活接入多组分类型观测资料，同时对所述嵌套式空气质量预报模式系统、全局通信域及其处理器数量和单个处理器的等级、状态变量场和并行资料同化框架中的变量进行初始化；收集来自初始场或上一个时间步的分析场作为当前时间步的初始场，建立所述初始场或上一个时间步中状态向量与模式向量的关系，将所述状态变量的数据传递给所述模式变量；完成当前时间步模式变量的预报，生成预报场，将当前时间步预报的模式变量传递给状态变量，同时将其作为背景场进行分析同化，生成当前时间步的分析场并作为下一次迭代的初始场。实现多种化学组分变量的协调同化。技术研发人员：请求不公布姓名,请求不公布姓名,请求不公布姓名,请求不公布姓名,请求不公布姓名受保护的技术使用者：中国科学院大气物理研究所技术研发日：技术公布日：2024/9/9