数据同化，又称为资料同化，是指利用最优化的理论与方法将各种有效观测信息与数值预报模拟结果充分融合以获取物理变量最优分析场

的科学，其在大气、海洋与地学其他领域都应用甚广，而在大数据时代背景下的应用前景更是令人期待。作者们十多年来致力于一种先进

数据同化方法NLS-4DVar的发展与应用，该方法具有精度高、易实现、计算高效的突出优势，已广泛应用天气、陆面、生态、污染、碳循

环以及核辐射数据同化等领域。本书聚焦于NLS-4DVar发展与应用的梳理与总结，共分为9章，前6章侧重于NLS-4DVar方法的理论发展与

算法实现:在深入浅出地引入数据同化的概念之后，重点对比、分析数据同化领域两大主流数据同化方法集合卡尔曼滤波(EnKF)与四维变

分同化(4DVar)各自的优势与不足，推出实现两者优劣互补的NLS-4DVar。进一步，从样本生成与更新、高效局地化、多重网格NLS-

4DVar以及整体校正初始与模式误差的NLS-i4DVar等多角度、递进式对NLS-4DVar方法予以介绍，还配以算法实现的伪代码;第7-9章则

为NLS-4DVar的应用，其中第7章主要介绍NLS-4DVar方法在目标观测上的应用，而第8-9章则重点介绍基于NLS-4DVar所构建的多源、

多尺度数值天气预报数据同化系统SNAP以及首获“全球碳计划”认证的中国自主全球大气碳反演系统“贡嘎”。

图书在版编目(CIP)数据

数据同化创新与实践:NLS-4DVar理论与应用/田

向军著.-- 北京:科学出版社,2024.6.--ISBN 978-

7-03-078779-8

I.P456.7

中国国家版本馆CIP数据核字第202472NQ91号

• 

  数据同化创新与实践