Volltextdatei(en) vorhanden
Titel: Analysis and application of the ensemble Kalman filter for the estimation of bounded quantities
Sonstige Titel: Untersuchung und Anwendung des Ensemble-Kalman-Filters für die Schätzung beschränkter Größen
Sprache: Englisch
Autor*in: Geppert, Gernot
Schlagwörter: beschränkte Größen; Gaußsche Anamorphose; data assimilation; ensemble Kalman filter; bounded quantities; non-Gaussian; Gaussian anamorphosis
GND-Schlagwörter: Datenassimilation; Kalman-Filter; Nichtgaußscher Prozess; Albedo
Erscheinungsdatum: 2015
Tag der mündlichen Prüfung: 2014-06-17
Zusammenfassung: 
The Kalman filter and its Monte Carlo approximation, the ensemble Kalman filter (EnKF), are best suited to problems involving unbiased, Gaussian errors. Non-Gaussian error distributions induced by bounded quantities make the EnKF sub-optimal and cause biased estimates. Further, EnKF estimates of bounded quantities may violate physical bounds and lead to a failure of the involved model. Extending the EnKF with a nonlinear variable transformation technique can mitigate the first and solve the second problem.

Motivated by a parameter estimation problem from land surface modelling, we analyse the effects of non-Gaussian distributions and non-zero mean errors on EnKF estimates theoretically and experimentally. For the first time, we use a linear regression framework to qualitatively examine and explain errors in the EnKF estimates and we analyse their behaviour with and without variable transformations. From theoretical considerations, we derive a covariance scaling approach for the estimation of the transformed observation error covariance that ensures a constant transformed observation error covariance, independent of the observed value.

Comparing estimates derived with the new covariance scaling approach, with two other transformation-based approaches, and with the EnKF without variable transformation, we find that covariance scaling is superior to the other methods with respect to the quality of the estimates (for all other methods) and with respect to its computational cost (for all methods except the EnKF without anamorphosis).

We verify these findings in a series of data assimilation experiments using synthetic land surface albedo observations and a newly implemented data assimilation framework based on the dynamic global vegetation model JSBACH and the Data Assimilation Research Testbed.
URL: https://ediss.sub.uni-hamburg.de/handle/ediss/6391
URN: urn:nbn:de:gbv:18-73646
Dokumenttyp: Dissertation
Betreuer*in: Ament, Felix (Prof. Dr.)
Enthalten in den Sammlungen:Elektronische Dissertationen und Habilitationen

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat  
Dissertation.pdf9.29 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Diese Publikation steht in elektronischer Form im Internet bereit und kann gelesen werden. Über den freien Zugang hinaus wurden durch die Urheberin / den Urheber keine weiteren Rechte eingeräumt. Nutzungshandlungen (wie zum Beispiel der Download, das Bearbeiten, das Weiterverbreiten) sind daher nur im Rahmen der gesetzlichen Erlaubnisse des Urheberrechtsgesetzes (UrhG) erlaubt. Dies gilt für die Publikation sowie für ihre einzelnen Bestandteile, soweit nichts Anderes ausgewiesen ist.

Info

Seitenansichten

20
Letzte Woche
Letzten Monat
geprüft am 14.04.2021

Download(s)

12
Letzte Woche
Letzten Monat
geprüft am 14.04.2021
Werkzeuge

Google ScholarTM

Prüfe