Global Coupled Land–Atmosphere Snow Data Assimilation: Basin-Scale and Regional Evaluation

本报告将介绍基于Noah-MP陆面模型的全球耦合陆-气雪水数据同化（DA）实验，涵盖2021–2022年回溯期和2024–2025年近实时阶段。snow2dvar系统融合了来自GTS、MADIS、欧洲国家级观测网及IMS产品的多源积雪深度观测数据，并以6小时间隔进行循环耦合同化模拟。

实验结果在亚洲、欧洲、俄罗斯和北美14个主要流域，利用ERA5、Crocus-ERA5、SNODAS和亚利桑那大学（UA）等独立数据集进行了评估。结果显示，相较于对照实验，snow2dvar在雪水当量（SWE）和积雪深度模拟上普遍有所改进，相关性、无偏均方根误差和Taylor技能评分均有提升，尤其在积雪主导区域表现显著，尽管局部地区仍存在性能下降。

该研究验证了基于JEDI框架的全球雪水同化系统在改善陆面初始场方面的能力，为支持下一代全球预报系统（GFS）的近实时陆面同化应用奠定了基础。未来工作将聚焦于区域性能退化的诊断、模型物理方案优化、站点观测质量控制改进，以及引入卫星反演的积雪深度和SWE产品，进一步推动全球业务化陆面同化系统的发展。

夏友龙教授是国际知名的陆面建模、陆面数据同化及数值天气与气候预测专家。他先后在南京气象学院、中国科学院大气物理研究所和德国慕尼黑大学获得学士、硕士和博士学位。

他曾在中国北京气象学院、德国慕尼黑大学、澳大利亚麦考瑞大学、美国德克萨斯大学奥斯汀分校、普林斯顿大学以及美国国家海洋和大气管理局（NOAA）地球物理流体动力学实验室从事科研工作。2006年至2025年，他在NOAA国家环境预测中心（NCEP）担任首席科学家，领导北美和全球陆面数据同化系统（NLDAS和GLDAS）的研发、评估与业务化实施。

他的研究涵盖陆面过程建模、数据同化、干旱监测与预测、融雪水文及陆-气相互作用等领域，已在同行评审期刊发表论文100余篇，为提升天气、气候和水文预测能力做出了重要贡献。