Построение междоменной ковариации фоновой ошибки для сильносвязанной ассимиляции данных «суша-атмосфера»

Температура подстилающей поверхности (LST) — ключевая переменная во взаимодействии суши и атмосферы, оказывающая важное влияние на прогноз погоды и климата. Несмотря на прогресс в ассимиляции данных в связанных моделях «суша-атмосфера», преобладает слабосвязанная ассимиляция. Это означает, что междоменные взаимодействия между сушей и атмосферой недостаточно учитываются в процессе ассимиляции, что затрудняет достижение согласованного анализа переменных суши и атмосферы.

Команда профессора Яодэна Чэня из Нанкинского университета информационных наук и технологий (NUIST) построила связанную ковариацию фоновой ошибки, пересекающую компоненты суши и атмосферы, для решения критической проблемы сильносвязанной ассимиляции данных. Их работа раскрывает связь между фоновой ошибкой приземных и атмосферных переменных и опубликована в журнале Atmospheric and Oceanic Science Letters.

Исследование показало, что ошибка LST в основном коррелировала с температурой атмосферы, причем корреляция уменьшалась с увеличением высоты. Стандартное отклонение ошибки LST было заметно больше, чем у температуры в нижних слоях атмосферы. Также было установлено, что корреляция ошибок и стандартное отклонение ошибок LST, температуры и влажности в нижних слоях атмосферы тесно связаны с синоптической обстановкой и имеют выраженные суточные вариации.

В последующих исследованиях команда планирует изучить влияние разных сезонов на результаты и применить эти выводы для сильносвязанной ассимиляции данных. Эти работы помогут улучшить прогностическое качество связанных моделей «суша-атмосфера», обеспечивая более точную информационную поддержку для прогноза погоды и предупреждений.