目标观测，也称为适应性观测，可以通过一定方法选择最优的观测点，对其进行同化可以最大程度地提高模式的模拟和预测准确性。目前的目标观测方法分为两类：一类关注误差的最快增长（如奇异向量SV、繁殖向量BV，条件非线性最优扰动CNOP等）；另一类方法基于考察同化潜在观测对于模式初始场误差方差的减小程度选择最优观测。
本文在第二类方法中提出了一种新的目标观测方法，该方法基于集合卡尔曼滤波发展了潜在观测的总方差减小量计算公式。在每一个资料同化步骤中，可以根据潜在观测对目标模型变量或参数方差的潜在减少，选择其中最有效的观测。这些观测结果可以最优地减少预测集合中的不确定性，从而使分析步骤更有效。为了验证新方法的有效性，本文采用了两尺度Lorenz-96模型生成真实状态，并使用参数化的单尺度Lorenz模型用于控制实验。采用集合调整卡尔曼滤波（EAKF）进行状态估计和参数估计。结果表明，自适应观测实验比固定观测更有效，并有一定的潜力用于大型环流模式的资料同化和参数估计。

资料同化,参数估计,目标观测