类型a

主作者为Atsushi Okazaki和Kei Yoshimura，分别隶属于日本神户的理化学研究所高级计算科学研究所（RIKEN Advanced Institute for Computational Science）和东京大学工业科学研究所（Institute of Industrial Science, The University of Tokyo）。该研究发表在《Climate of the Past》期刊上，2017年出版。

学术背景：本研究属于古气候重建领域。古气候重建是理解长期气候变化的重要工具，传统方法主要依赖于代理数据中的经验证据或基于物理的气候模型模拟。近年来，一种结合代理数据和气候模拟的数据同化（Data Assimilation, DA）技术开始出现。然而，现有的DA算法多用于天气预报，难以直接应用于古气候重建，因为古气候代理数据的时间分辨率、空间分布及信息种类与现代气象观测数据有显著差异。此外，现有研究多使用从代理数据中重建的数据进行同化，而非直接使用代理值本身。这种方法无法充分利用代理数据中的信息。因此，本研究旨在探讨将同位素代理数据直接同化以重建古气候的可行性。

研究流程：本研究包括多个步骤。首先，研究人员进行了理想化的观察系统模拟实验（Observation System Simulation Experiment, OSSE），以评估同位素代理数据同化的可行性。其次，在理想化实验的基础上，他们进行了“真实”代理数据同化实验。具体流程如下：

1. 数据同化算法：采用了一种变体的集合卡尔曼滤波器（Ensemble Kalman Filter, EnKF），即序列集合平方根滤波器（Sequential Ensemble Square Root Filter, EnSRF）。为了处理时间平均数据，对方法进行了轻微修改。
2. 模型：使用了大气环流模型（General Circulation Model, GCM）和前向代理模型。GCM模拟了水汽、云水和云冰的同位素组成，并结合了大气动力学和热力学过程以及水文循环。前向代理模型则包括珊瑚和树木年轮纤维素的模型。
3. 实验设计：控制实验（Ctrl）使用OSSE框架，模拟和“真实”数据均由相同模型生成，但初始条件不同。敏感性实验包括CGCM、VOBS、T2-ASSIM和M08，逐步改变实验条件以测试结果的稳健性。

主要结果：理想化实验结果显示，当仅同化同位素信息时，分析结果在重现代理数据中的同位素比率以及温度和降水场方面显著优于初步猜测。特别是在低纬度地区，温度和降水的重建技能较高。这归因于低纬度地区的同位素代理受温度和/或降水影响较大，而这些因素又受到厄尔尼诺-南方涛动（El Niño–Southern Oscillation, ENSO）的影响。然而，“真实”代理数据同化实验的重建技能较理想化实验有所下降，尤其是在印度洋、东太平洋和大西洋区域。通过逐步改变实验设计，发现这种技能下降可归因于大气和代理模型的误表征以及观测质量。

结论：尽管仍有改进空间，但研究表明代理数据同化在古气候重建中是可行的。特别是ENSO及其相关的温度和降水变化可以通过当前的代理数据同化系统和代理网络可靠地重建。随着更多代理数据的可用，预计再现性将进一步提高。

研究亮点：本研究首次尝试在年际时间尺度上同化同位素变量，并成功展示了其可行性。同时，研究强调了代理数据同化相对于重建数据同化的优越性，特别是在信息丰富性和非平稳性处理方面。

其他有价值的内容：本研究还讨论了代理数据同化的局限性和未来发展方向，如非线性关系和非平稳性的处理，以及如何结合不同类型的数据以提高性能。