关于 4D-Var 再分析输出的随机性
统计理论
2023-04-10 v1 统计理论
摘要
本工作受 ECMWF CAMS 再分析数据启发，该数据对环境相关领域研究者极具价值，因其包含全球尺度上最新的大气成分信息。与监测设备获取的观测数据不同，此类再分析数据由计算机通过 4D-Var 数据同化机制生成，因此其随机性质在很大程度上仍不清楚。这种知识缺失反过来限制了其效用范围，阻碍了其更广泛灵活的统计使用，尤其是除不确定性量化与数据融合之外的时空建模。因此，本文研究这些再分析输出数据的随机性质。我们运用测度论证明了与这些再分析数据相关的空间与时间随机性的切实存在，并揭示它们本质上是现实世界隐藏空间及/或时间随机过程的数字化版本的实现。这意味着在实践中我们可将再分析输出数据等同于观测数据，从而确保更灵活的时空随机方法适用于它们。我们还客观分析了再分析数据中不同类型的误差，并厘清其相互依赖/独立关系，共同为误差项建模提供清晰明确的指导。本研究结果亦为时空建模者与环境 AI 研究者使用随机模型直接基于这些再分析输出数据开展研究奠定了坚实基础。
引用
@article{arxiv.2304.03648,
title = {On the Stochasticity of Reanalysis Outputs of 4D-Var},
author = {Xiaoqing Chen and Ross Bannister and Gavin Shaddick and James V. Zidek},
journal= {arXiv preprint arXiv:2304.03648},
year = {2023}
}