| 1 |
1
자료 동화 방법으로서, 컴퓨터가,(1) 최초 추정(first guess)을 초기 조건으로 하여 수치 모형을 동화창(assimilation window) 시작 시각부터 종료 시각까지 적분하여, 상기 종료 시각의 예보장을 생성하는 단계;(2) 상기 종료 시각에서의 관측 자료 및 상기 예보장을 이용하여 기준장(reference state)을 생성하는 단계;(3) 상기 생성된 기준장과 예보장의 차이인 예보 오차를 이용하여 반응 함수를 정의하는 단계;(4) 상기 종료 시각부터 시작 시각까지 수반 모형을 적분하여, 상기 동화창 시작 시각의 예보 오차에 대한 수반 모형 민감도를 생성하는 단계;(5) 상기 생성된 수반 모형 민감도의 크기를 결정하는 단계; 및(6) 상기 최초 추정 및 상기 크기가 결정된 수반 모형 민감도를 이용하여, 개선된 초기 조건을 생성하는 단계를 포함하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
| 2 |
2
제1항에 있어서,상기 단계 (1)에서는, 비선형 물리법칙을 포함하는 수치 모형을 적분하고,상기 단계 (4)에서는, 비선형 물리법칙을 포함하지 않는 수반 모형을 적분하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
| 3 |
3
제1항에 있어서, 상기 단계 (3)에서는,상기 수치 모형의 상태 벡터를 이용한 건조 총 에너지(dry total energy)로 반응 함수를 정의하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
| 4 |
4
제1항에 있어서, 상기 단계 (4)에서는,상기 단계 (3)에서 정의된 상기 종료 시각에서의 반응 함수의 경도(gradient)를 입력(input)으로 하여 상기 수반 모형을 적분하여, 상기 동화창 시작 시각의 반응 함수의 경도인 수반 모형 민감도를 생성하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
| 5 |
5
제1항에 있어서, 상기 단계 (5)에서는,비용 함수(cost function)를 최소화하는 스케일링 팩터를 결정하고, 상기 결정된 스케일링 팩터를 이용하여 상기 수반 모형 민감도의 크기를 결정하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
| 6 |
6
제1항에 있어서, 상기 단계 (6)에서는,상기 시작 시각에서의 관측 자료를 더 이용하여, 개선된 초기 조건을 생성하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
| 7 |
7
제6항에 있어서, 상기 단계 (6)에서는,상기 최초 추정 및 상기 크기가 결정된 수반 모형 민감도를 합산하고, 상기 합산된 결과에 상기 시작 시각에서의 관측 자료를 동화하여 상기 개선된 초기 조건을 생성하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
| 8 |
8
제1항 또는 제6항에 있어서, 상기 단계 (2) 또는 단계 (6)에서는,상기 관측 자료를 3차원 변분 자료 동화를 이용해 동화하여, 상기 기준장 또는 개선된 초기 조건을 생성하는 것을 특징으로 하는, 수반 모형 민감도 기반의 자료 동화 방법
|
