在气象局1D-Var系统中使用重整相关观测误差协方差矩阵的影响

数值天气预报的最新进展促使在数据同化与预报系统中使用相关观测误差协方差（OEC）信息。然而，诊断得到的OEC矩阵往往病态，并可能导致变分数据同化过程的收敛问题。重整方法用于在保留相关信息的同时改善协方差矩阵的条件数。本文研究了在气象局1D-Var系统中使用“岭回归”重整方法同化红外大气探测干涉仪（IASI）观测的影响。这是首次系统性探究改变目标条件数如何影响1D-Var例程收敛的研究。该过程用于质量控制，并估算主4D-Var数据同化系统未分析的关键变量（地表温度、云顶气压、云量）。我们的新结果表明，当前（不相关）OEC矩阵比所研究的任一相关OEC矩阵选择都需要更多迭代才能收敛。这表明在1D-Var例程中使用相关OEC矩阵对IASI观测具有计算优势。使用重整相关OEC矩阵还增加了通过质量控制的观测数量。然而，其对地表温度、云量和云顶气压的影响尚不清晰。随着重整参数增大，相关OEC矩阵与业务对角OEC矩阵反演变量间的差异减小。由于相关OEC矩阵选择能带来更快收敛，将这些矩阵与更严格的收敛准则结合使用可提高效率并改善质量控制。