为了降低集合卡尔曼滤波算法的存储和提高其计算效率,中科院地质与地球物理所地球与行星物理院重点实验室的博士研究生何建辉及其导师乐新安研究员等人,采用稀疏矩阵按行压缩的方式进行集合卡尔曼滤波算法中超大矩阵的存储,并使用迭代线性稀疏矩阵方程组高效完成该算法中矩阵相关的加减、转置和求逆等运算过程。
研究结果表明:
(1)目前该算法能够很好的在一般工作站上完成一系列耦合电离层/热层的数据同化操作,从而极大的节省了存储空间和提高了计算效率。
(2)耦合电离层/热层的数据同化能够对热层中性成分很好的矫正,进而显著提升电离层短期预报能力,甚至能够延长至24小时以上(图1)。

图1 电离层高度处电子密度预报效果图。不同颜色线条表示不同热层电离层组合参量初始条件下的预报结果。灰色的线条表示单纯背景理论模式执行的预报结果(不涉及同化);蓝色、玫红色、青色代表的是只包含同化电离层参量获取的预报结果;绿色、红色、橙色以及黑色线条代表的是同时同化电离层/热层参量得到的预报结果。结果显示经过电离层/热层耦合同化后电离层参量预报精度更高,尤其对长时间的预报也有明显改善
该研究首次证明了基于集合卡尔曼滤波的全球电离层和热层数据同化可以不依赖于超级计算机进行,在一般工作台站上就可以高效完成。它为不具备超级计算机的研究人员提供了开展基础电离层/热层数据同化技术研究的可能,更为拥有超级计算机的研究人员在超算条件下执行准实时的电离层/热层现报和预报提供技术参考意义。该研究有利于加速整个电离层/热层耦合数据同化技术的相关应用以及科学研究。
研究成果发表于 Journal of Geophysical Research: Space Physics。(He J H, Yue X A*, Wang W B, Wan W X. EnKF ionosphere and thermosphere data assimilation algorithm through a sparse matrix method[J]. Journal of Geophysical Research: Space Physics, 2019, 124(8): 7356-7365. DOI:10.1029/2019JA026554)(原文链接)