Uusi data-assimilaatiomenetelmä voi tulevaisuudessa nopeuttaa numeerista säänennustusta

Data-assimilaatio on tekniikka, jossa havainto- ja mallidataa sulautetaan yhteen. Se on keskeinen työkalu numeerisessa sääennustuksessa. Uusi menetelmä voi tulevaisuudessa nopeuttaa useita ilmakehätieteiden sovelluksia.

Vastikään julkaistussa tutkimuksessa on esitelty uusi tehokas data-assimilaatiomenetelmä. Se perustuu tekniikkaan, jossa korkeaulotteinen mallikenttä projisoidaan pieniulotteiseksi. Menetelmän käytön edellytyksenä on, että mallikenttä on riittävän sileä. Riippuen mallikentän sileydestä, uusi menetelmä voi nopeuttaa laskentaa useilla kertaluokilla.

Tutkimuksen tekemiseen on osallistunut tutkijoita Lappeenrannan teknilliseltä yliopistolta, Massachusettsin teknilliseltä korkeakoululta ja Ilmatieteen laitokselta. Tutkimus on julkaistu Inverse Problems -tiedelehdessä, ja sen rahoittamiseen on osallistunut mm. Suomen akatemia.

Lisätiedot:

Antti Solonen, antti.solonen@gmail.comJanne Hakkarainen, janne.hakkarainen@fmi.fi

Viite: Antti Solonen, Tiangang Cui, Janne Hakkarainen, and Youssef Marzouk: On dimension reduction in Gaussian filters, Inverse Problems, Volume 32, Number 4, 2016.

Preprint: http://arxiv.org/abs/1508.06452