Dataassimilering inom luftmiljöforskning

Dataassimilering är benämningen på en metodik för att kombinera mätdata och modellberäkningar på bästa möjliga sätt för att resultatet ska representera systemets mest sannolika tillstånd. Detta används inom luftmiljöforskning inom flera områden.

Dataassimilering är en metodik som kan användas för att förbättra modellresultat, för att interpolera mätningar som är glest fördelade i rum eller tid, och för att lösa det inversa problemet av att invertera indirekta fjärranalysobservationer.

Den grundläggande idén är att optimalt kombinera observationer och modellresultat, vilket åstadkoms genom att använda information om mätningarnas och modellens felvarians och felkovarians. Assimileringsresultatet representerar systemets mest sannolika tillstånd.

Användningsområden inom luftmiljö

Inom luftmiljö arbetar vi med olika assimileringsmetoder som är anpassade till olika frågeställningar.

Ett enkelt tvådimensionellt, univariat variationellt analysprogram (2DVAR) används för kartläggning av försurande och övergödande komponenter och partikelhalter. Vi har dessutom utvecklat ett tredimensionellt, multivariat, spektralt analysprogram (3DVAR) som hittills har använts för invers modellering av aerosoloptiska observationer samt assimilering av markobservationer av aerosoler.

I det aktuella forskningsarbetet ingår även utveckling av en Ensemble Kalman filter, och grundläggande undersökningar kring observabilitet av aerosolkemiska och fysiska egenskaper med hjälp av optisk fjärranalys.

Exempel på dataassimilering
Assimilering av aerosol och sulfatmätningar i spridningsmodellen MATCH. Vänster: Ammoniumsulfat bakgrundsfält; Mitten: Assimilering av aersolmassmätningar; Höger: Sekventiell assimilering av sulfatmätningar. Symbolerna visar oberoende, icke-assimilerade mätstationer (vänster), mätstationer för aerosolmasskoncentrationen (mitten) och sulfatmätstationer (höger).
Förstora Bild