大规模分析验证中误差相关性的利用：GlobCurrent案例研究

我们寻求评估1993-2015年逐日以及跨宽泛流速谱下，现场观测（漂流浮标）与大型网格化分析（GlobCurrent）共享的洋流信号与噪声方差。无论怎样划分共置样本，都难以断言任何天气尺度评估可基于独立观测。为此，提出了一种偏离普通线性回归、容纳误差相关性的测量模型。通过将Fuller（1987）的方程误差与测量误差概念应用于将误差分别划分为共享（相关）与非共享（不相关）分量，探讨了独立性的解释。新模型中方差的所得划分倾向于噪声。洋流共享（方程）误差与非共享（测量）误差量级相当，而后者对GlobCurrent与漂流浮标分别可与普通与反向线性回归相比。尽管信号方差看似很小，但其作为两个变量间一致性度量的效用被强调。对稠密网格采样的稀疏共置允许考虑一阶自回归形式的测量模型，包括分析-现场误差互相关与分析时间误差自相关的参数化。前者（互相关）是一个方程误差项，容纳GlobCurrent与漂流浮标共享的误差。后者（自相关）有助于所有模型参数的辨识与反演。解通过GlobCurrent与漂流浮标间的规定校准（按方差匹配）求得。由于GlobCurrent与漂流浮标的真实洋流方差很小，信噪比至多接近零。这对于中等流速与经向流分量尤为明显。