============
FDDA概述
============

   四维资料同化(Four-Dimensional Data Assimilation，FDDA)方法是一种基于牛顿张弛的同化方法。它在模式的积分方程中增加一个逼近项，使模式中物理量趋近于同化变量场(Stauffer et al，1990，1994；Liu et al，2006)。相比于三维、四维变分同化(3DVar、4DVar)等其他同化方法，FDDA方法对中小尺度的天气系统同化效果较好，且FDDA方法计算代价较小，适于业务应用(Seaman et al，1995；Leslie，etal，1998；Cram et al，2001)。美国大气研究中心(NCAR)等基于FDDA同化技术和WRF等模式开展了数值天气预报、资料同化以及其他相关科学研究工作(Liu et al，2006，2007，2008a；Pan et al，2015a)。这些研究和应用均表明，FDDA方法不仅可同化的资料种类多、时间分辨率广泛，而且能够显著改进模式系统对临近天气，尤其是中小尺度对流天气的预报效果(Kim et al，2011；Lauvaux et al，2013；Shimada et al，2011；Yesubabu et al，2014；Pan et al，2011，2015b；Liu et al，2008b)。但是，FDDA方法不能直接用于同化卫星亮温和雷达反射率、径向速度等非模式变量。


   NCAR/ATEC RTFDDA（实时FDDA和预测）系统最初是基于PennState/NCAR中尺度模型版本5（MM5）构建的，用于支持在测试范围内进行ATEC测试。通过有效地合并详细的地形，海岸线信息和土地使用信息，并使用来自NWS和实时的天气尺度模型分析，该系统已经证明能够预测许多真实存在的大气区域环流。这些特点使得FDDA成为了许多与天气相关业务的有利工具，比如各种军事测试，国土安全，紧急决策支持等。除了在美国陆军的五个测试场和其他一些站点与国土安全有关，截至2006年5月，RTFDDA系统也已在全球20多个其他站点/地区，支持国防部的各种任务和工业以及公共应用领域的实验。从2004年底开始，NCAR/RAL逐渐把NCAR/ATEC RTFDDA系统的分析和预报的核心从MM5移植到WRF。移植工作主要包括两部分：第一部分将ATEC“observation-nuduging’的模组从MM5移植到WRF；第二部分是用WRF取代MM5插入到RTFDDA的框架当中。自从2005年4月完成移植之后，WRF-RTFDDA诞生，并且在实时强天气预报当中测试成功。

.. toctree::
   :maxdepth: 2
   :caption: Contents:

   feature
   obs_nudging