Информация о публикации

Просмотр записей
Инд. авторы: Климова Е.Г., Платов Г.А., Киланова Н.В.
Заглавие: Современные методы усвоения данных об окружающей среде, основанные на ансамблевом фильтре Калмана
Библ. ссылка: Климова Е.Г., Платов Г.А., Киланова Н.В. Современные методы усвоения данных об окружающей среде, основанные на ансамблевом фильтре Калмана // Обработка пространственных данных и дистанционный мониторинг природной среды и масштабных антропогенных процессов (DPRS'2013): Избранные труды конференции / СО РАН, Институт водных и экологических проблем. - 2013. - Барнаул: ООО Пять плюс. - С.74-89. - ISBN: 978-5-905569-06-7. - http://db4.sbras.ru:8080/jspui/handle/SBRAS/71
Внешние системы: DSpace ИВТ СО РАН: SBRAS/71;
Издано: 2013
Физ. характеристика: с.74-89
Ссылка: http://db4.sbras.ru:8080/jspui/handle/SBRAS/71
Конференция: Название: Всероссийская конференция «Обработка пространственных данных и дистанционный мониторинг природной среды и масштабных антропогенных процессов»
Аббревиатура: DPRS-2013
Город: Барнаул
Страна: Россия
Даты проведения: 2013-09-30 - 2013-10-04
Ссылка: http://conf.nsc.ru/DPRS-2013/ru
Цитирование: 
1. Агошков В.И., Ипатова В.М., Залесный В.Б., Пармузин Е.И., Шутяев В.П. Задачи вариационной ассимиляции данных наблюдений для моделей общей циркуляции океана и методы их решения // Известия РАН. ФАО. 2010. т.46. №6. с.734-770.
 2. Голубева Е. Н., Платов Г. А. Исследование изменчивости системы океан-лед Северного Ледовитого океана // География и природные ресурсы. 2004. №3. с. 283 – 287.
 3. Климова Е.Г., Киланова Н.В. Численные эксперименты по оценке эмиссии метана на основе системы усвоения данных о пассивной примеси в атмосфере Северного полушария // Оптика атмосферы и океана. 2006. №11. С. 961-964.
 4. Киланова Н.В., Климова Е.Г. Численные эксперименты по оценке систематической ошибки модели в задаче усвоения данных о концентрации пассивной примеси // Вычислительные технологии. 2006. №5. С. 32-40.
 5. Климова Е.Г. Метод усвоения данных наблюдений, основанный на ансамблевом pi- алгоритме // Метеорология и гидрология, 2008. № 9. С.45-53.
 6. Платов Г. А. Численное моделирование формирования глубинных вод Северного Ледовитого океана. Часть II: Результаты региональных и глобальных расчетов // Известия РАН. ФАО. 2011. т.47. №3. с.409 – 425.
 7. Справочник по теории автоматического управления под ред. А.А. Красовского. Москва. «Наука». 1987. 711 с.
 8. Реснянский Ю.Д., Зеленько А.А. Развитие моделей и методов анализа данных наблюдений для мониторинга и прогнозирования крупномасштабных процессов в океане // Сборник трудов «80 лет Гидрометцентру России». Москва. Триада ЛТД. 2010. с.350-375.
 9. Яглом А.М. Корреляционная теория стационарных случайных функций. Ленинград. Гидрометеоиздат. 1981. 279 с.
 10. Baker D.F. et al. Variational data assimilation for atmospheric CO2 // Tellus. 2006. 58B. P.359-365.
 11. R.Bermejo, A.Staniforth The conversion of semi-Lagrangian advection scheme to quasi-monotone scheme // Monthly Weather Review. 1992. Vol.120. P.2622-2632.
 12. Chevallier F. et al. AIRS-based versus flask-based estimation of Carbon surface fluxes // Journal of Geophysical Research. Vol.114. D20303. 2009. P.1-9.
 13. Evensen G. Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics // Journal Geophysical Research. 1994. 99. 10143-10162.
 14. Evensen G. Data assimilation. The ensemble Kalman filter. 2009. Spriger-Verlag: Berlin Heideberg 307 p.
 15. Fung L. et al. Estimating surface CO2 fluxes from space-borne CO2 dry air mole fraction observations using an ensemble Kalman filter // Atmos. Chem. Phys. 2009. №9. P.2619-2633.
 16. Golubeva, E. N., G. A. Platov, On improving the simulation of Atlantic water circulation in the Arctic Ocean // J. Geophys. Res., 112, doi: 10.1029/2006JC003734, 2007.
 17. Heemink A.W., Segers A.J. Modeling and prediction of environmental data in space and time using Kalman filterig // Stochastic Environmental Research and Risk assessment. 16. 2002. 225-240.
 18. Houtekamer P.L., Mitchell H.L. Ensemble Kalman Filtering // Quarterly Journal of the Royal Meteorological Society. 2005. 131: 1-23.
 19. Hunke E. C., Dukowicz J. K. An elastic-viscous-plastic model for ice dynamics // J. Phys. Oceanogr. 1997. V.27. №9. P. 1849—1867.
 20. Hunt B.R., Kostelich E.J., Szunyogh I. Efficient data assimilation for statiotemporal chaos: A local ensemble transform Kalman filter // Physica D. 2007. 230: 112-126.
 21. Jazwinski A.H. Stochastic processes and filtering theory. Academic Press: New York. 1970.
 22. Kalnay E. Atmospheric Modeling, Data Assimilation and Predictability. Cambridge Univ. Press. 2002.
 23. Kalnay E., Kanamitsu M., Kistler R. et al., The NCEP/NCAR 40-year reanalysis project // Bull. Am. Meteorol. Soc., 1996, No 77, p. 437 – 471.
 24. Klimova E. A suboptimal data assimilation algorithm based on the ensemble Kalman filter // Quarterly Journal of the Royal Meteorological Society. 2012. 138: 2079-2085. DOI:10.1002/qj.1941.
 25. Whitaker J.S., Hamill T.M. Ensemble data assimilation without perturbed observations. // Monthly Weather Review. 2002. 130:1913-1924.
 26. Yin Y., Alves O., Oke P.R. An ensemble ocean data assimilation system for seasonal prediction // Monthly Weather Review. 2011. v.139. p.786-808.