Data Assimilation for the Geosciences:

From Theory to Application - eBook

PDF
Visit to download the full and correct content document:
https://ebooksecure.com/download/data-assimilation-for-the-geosciences-from-theory
-to-application-ebook-pdf/
Data Assimilation for the
Geosciences
From Theory to Application
This page intentionally left blank
Data Assimilation for the
Geosciences
From Theory to Application
Second Edition

Steven J. Fletcher
Cooperative Institute for Research in the Atmosphere (CIRA)
Colorado State University
Fort Collins, CO, United States
Elsevier
Radarweg 29, PO Box 211, 1000 AE Amsterdam, Netherlands
The Boulevard, Langford Lane, Kidlington, Oxford OX5 1GB, United Kingdom
50 Hampshire Street, 5th Floor, Cambridge, MA 02139, United States
Copyright © 2023 Elsevier Inc. All rights reserved.

MATLAB® is a trademark of The MathWorks, Inc. and is used with permission.

The MathWorks does not warrant the accuracy of the text or exercises in this book.
This book’s use or discussion of MATLAB® software or related products does not constitute endorsement or sponsorship by
The MathWorks of a particular pedagogical approach or particular use of the MATLAB® software.
No part of this publication may be reproduced or transmitted in any form or by any means, electronic or mechanical,
including photocopying, recording, or any information storage and retrieval system, without permission in writing from the
publisher. Details on how to seek permission, further information about the Publisher’s permissions policies and our
arrangements with organizations such as the Copyright Clearance Center and the Copyright Licensing Agency, can be found
at our website: www.elsevier.com/permissions.
This book and the individual contributions contained in it are protected under copyright by the Publisher (other than as may
be noted herein).
Notices
Knowledge and best practice in this field are constantly changing. As new research and experience broaden our
understanding, changes in research methods, professional practices, or medical treatment may become necessary.
Practitioners and researchers must always rely on their own experience and knowledge in evaluating and using any
information, methods, compounds, or experiments described herein. In using such information or methods they should be
mindful of their own safety and the safety of others, including parties for whom they have a professional responsibility.
To the fullest extent of the law, neither the Publisher nor the authors, contributors, or editors, assume any liability for any
injury and/or damage to persons or property as a matter of products liability, negligence or otherwise, or from any use or
operation of any methods, products, instructions, or ideas contained in the material herein.

ISBN: 978-0-323-91720-9

For information on all Elsevier publications

visit our website at https://www.elsevier.com/books-and-journals

Publisher: Candice Janco

Acquisitions Editor: Amy Shapiro
Editorial Project Manager: Tim Eslava
Production Project Manager: Paul Prasad Chandramohan
Cover Designer: Mark Rogers
Typeset by VTeX
Contents

CHAPTER 1 Introduction...................................................................................... 1
CHAPTER 2 Overview of Linear Algebra.............................................................. 7
2.1 Properties of Matrices ............................................................................ 7
2.1.1 Matrix Multiplication................................................................. 8
2.1.2 Transpose of a Matrix................................................................. 9
2.1.3 Determinants of Matrices............................................................ 9
2.1.4 Inversions of Matrices................................................................. 11
2.1.5 Rank, Linear Independence and Dependence................................... 13
2.1.6 Matrix Structures....................................................................... 14
2.2 Matrix and Vector Norms........................................................................ 15
2.2.1 Vector Norms............................................................................ 16
2.2.2 Matrix Norms........................................................................... 17
2.2.3 Conditioning of Matrices............................................................. 18
2.2.4 Matrix Condition Number ........................................................... 19
2.3 Eigenvalues and Eigenvectors................................................................... 21
2.4 Matrix Decompositions........................................................................... 23
2.4.1 Gaussian Elimination and the LU Decomposition............................. 23
2.4.2 Cholesky Decomposition............................................................. 24
2.4.3 The QR Decomposition.............................................................. 26
2.4.4 Diagonalization......................................................................... 26
2.4.5 Singular Value Decomposition...................................................... 27
2.5 Sherman-Morrison-Woodbury Formula...................................................... 28
2.6 Summary............................................................................................. 29
CHAPTER 3 Univariate Distribution Theory ......................................................... 31
3.1 Random Variables ................................................................................. 33
3.2 Discrete Probability Theory..................................................................... 34
3.2.1 Discrete Random Variables.......................................................... 40
3.3 Continuous Probability Theory................................................................. 42
3.4 Discrete Distribution Theory.................................................................... 44
3.4.1 Binomial Distribution................................................................. 44
3.4.2 Geometric Distribution............................................................... 45
3.4.3 Poisson Distribution................................................................... 46
3.4.4 Discrete Uniform Distribution...................................................... 47
3.5 Expectation and Variance of Discrete Random Variables................................ 48
3.5.1 Mean of the Binomial Distribution................................................ 48
v
vi Contents

3.5.2 Mean of the Geometric Distribution............................................... 49

3.5.3 Mean of the Poisson Distribution.................................................. 50
3.5.4 Mean of the Discrete Uniform Distribution...................................... 50
3.5.5 Variance of a Discrete Probability Mass Function............................. 51
3.5.6 Variance of the Binomial Distribution............................................ 52
3.5.7 Variance of the Geometric Distribution........................................... 52
3.5.8 Variance of the Poisson Distribution.............................................. 53
3.5.9 Variance of the Discrete Uniform Distribution.................................. 54
3.6 Moments and Moment-Generating Functions.............................................. 54
3.6.1 Moment-Generating Functions for Probability Mass Functions............ 56
3.6.2 Binomial Distribution Moment-Generating Function......................... 58
3.6.3 Geometric Distribution Moment-Generating Function....................... 58
3.6.4 Poisson Moment-Generating Function............................................ 59
3.6.5 Discrete Uniform Distribution Moment-Generating Function.............. 60
3.7 Continuous Distribution Theory................................................................ 61
3.7.1 Gaussian (Normal) Distribution.................................................... 61
3.7.2 Moments of the Gaussian Distribution............................................ 70
3.7.3 Moment-Generating Functions for Continuous Probability Density
Functions................................................................................. 74
3.7.4 Median of the Gaussian Distribution.............................................. 77
3.7.5 Mode of the Univariate Gaussian Distribution.................................. 77
3.8 Lognormal Distribution .......................................................................... 78
3.8.1 Moments of the Lognormal Distribution......................................... 78
3.8.2 Geometric Behavior of the Lognormal ........................................... 83
3.8.3 Median of the Univariate Lognormal Distribution............................. 83
3.8.4 Mode of the Lognormal Distribution.............................................. 84
3.9 Reverse Lognormal Distribution............................................................... 86
3.9.1 Mean of the Reverse Lognormal Distribution................................... 87
3.9.2 Variance of the Reverse Lognormal Distribution............................... 88
3.9.3 Skewness of the Reverse Lognormal Distribution ............................. 89
3.9.4 Kurtosis of the Reverse Lognormal Distribution............................... 89
3.9.5 Median of the Reverse Lognormal Distribution................................ 90
3.9.6 Mode of the Reverse Lognormal Distribution................................... 90
3.10 Exponential Distribution......................................................................... 90
3.11 Gamma Distribution............................................................................... 92
3.11.1 Moment-Generating Function for the Gamma Distribution................. 93
3.11.2 Skewness of the Gamma Distribution............................................. 94
3.11.3 Kurtosis of the Gamma Distribution............................................... 95
3.11.4 Median of the Gamma Distribution................................................ 95
3.11.5 Mode of the Gamma Distribution.................................................. 96
3.11.6 Remarks About the Gamma Distribution and the Gaussian Distribution. 96
 Contents vii

3.11.7 Properties of Gamma-Distributed Random Variables......................... 97

3.12 Inverse Gamma Distribution.................................................................... 97
3.12.1 Moments of the Inverse-Gamma Distribution................................... 97
3.12.2 Skewness of the Inverse-Gamma Distribution.................................. 99
3.12.3 Kurtosis of the Inverse-Gamma Distribution.................................... 100
3.12.4 Mode of the Inverse-Gamma Distribution ....................................... 101
3.13 Beta Distribution................................................................................... 101
3.13.1 Moments of the Beta Distribution.................................................. 104
3.13.2 Median of the Beta Distribution.................................................... 105
3.13.3 Mode of the Beta Distribution...................................................... 105
3.14 Chi-Squared (χ 2 ) Distribution.................................................................. 106
3.14.1 Moments of the Chi-Squared Distribution....................................... 106
3.14.2 Median of the Chi-Squared Distribution ......................................... 108
3.14.3 Mode of the Chi-Squared Distribution............................................ 108
3.14.4 Relationships to Other Distributions .............................................. 109
3.15 Rayleigh Distribution............................................................................. 109
3.15.1 Moment-Generating Function for the Rayleigh Distribution................ 110
3.15.2 Moments of the Rayleigh Distribution............................................ 112
3.15.3 Skewness of the Rayleigh Distribution ........................................... 113
3.15.4 Kurtosis of the Rayleigh Distribution............................................. 114
3.15.5 Median of the Rayleigh Distribution.............................................. 114
3.15.6 Mode of the Rayleigh Distribution................................................. 115
3.16 Weibull Distribution............................................................................... 115
3.16.1 Moments of the Weibull Distribution ............................................. 117
3.16.2 Skewness and Kurtosis of the Weibull Distribution............................ 118
3.16.3 Mode of the Weibull Distribution.................................................. 119
3.17 Gumbel Distribution .............................................................................. 119
3.17.1 Moments of the Gumbel Distribution............................................. 121
3.17.2 Differentiating Gamma Functions ................................................. 121
3.17.3 Returning to the Moments of the Gumbel Distribution....................... 124
3.17.4 Skewness of a Gumbel Distribution............................................... 125
3.17.5 Kurtosis of the Gumbel Distribution .............................................. 127
3.17.6 Median of the Gumbel Distribution ............................................... 129
3.17.7 Mode of the Gumbel Distribution.................................................. 130
3.18 Summary of the Descriptive Statistics, Moment-Generating Functions, and
Moments for the Univariate Distribution..................................................... 132
3.19 Summary............................................................................................. 132
CHAPTER 4 Multivariate Distribution Theory ...................................................... 133
4.1 Descriptive Statistics for Multivariate Density Functions................................ 134
4.1.1 Multivariate Moment-Generating Functions .................................... 135
viii Contents

4.1.2 Moments of Multivariate Distributions........................................... 136

4.1.3 Second-Order Moments: Variance and Covariance............................ 137
4.1.4 Third-Order Moments: Skewness and Co-Skewness.......................... 137
4.1.5 Fourth-Order Moments: Kurtosis and Co-kurtosis............................. 140
4.1.6 Mode of Multivariate Distribution................................................. 141
4.1.7 Median of Multivariate Distribution............................................... 141
4.2 Gaussian Distribution............................................................................. 142
4.2.1 Bivariate Gaussian Distribution..................................................... 142
4.2.2 Medians of the Bivariate Gaussian Distribution................................ 145
4.2.3 Mode of the Bivariate Lognormal.................................................. 145
4.2.4 Multivariate Gaussian Distribution................................................ 146
4.3 Lognormal Distribution .......................................................................... 147
4.3.1 Bivariate Lognormal Distribution.................................................. 147
4.3.2 Moments of the Bivariate Lognormal Distribution ............................ 148
4.3.3 Median of the Bivariate Lognormal Distribution............................... 151
4.3.4 Maximum Likelihood State of a Bivariate Lognormal Distribution....... 151
4.3.5 Multivariate Lognormal Distribution.............................................. 152
4.4 Mixed Gaussian-Lognormal Distribution.................................................... 153
4.4.1 Moments of the Bivariate Mixed Gaussian-Lognormal Distribution...... 154
4.4.2 Median of the Mixed Gaussian-Lognormal Distribution..................... 157
4.4.3 Maximum Likelihood Estimate for the Mixed Gaussian and Lognormal
Distribution.............................................................................. 157
4.4.4 Diagrams of the Bivariate Gaussian-Lognormal Distribution............... 158
4.5 Multivariate Mixed Gaussian-Lognormal Distribution................................... 162
4.5.1 Trivariate and Quadvariate Mixed Distribution................................. 165
4.5.2 Mode of the Multivariate Mixed Distribution................................... 167
4.6 Reverse Lognormal Distribution............................................................... 167
4.6.1 Multivariate Reverse Lognormal Distribution................................... 168
4.6.2 Combining With Gaussian Distribution .......................................... 168
4.6.3 Combining With a Lognormal Distribution...................................... 169
4.6.4 Combining Multivariate Gaussian, Lognormal, and Reverse-Lognormal
Distributions............................................................................. 170
4.7 Gamma Distribution............................................................................... 171
4.7.1 Bivariate Gamma Distribution...................................................... 171
4.7.2 Multivariate Gamma Distribution.................................................. 172
4.8 Summary............................................................................................. 172
CHAPTER 5 Introduction to Calculus of Variation ............................................... 175
5.1 Examples of Calculus of Variation Problems............................................... 175
5.1.1 Shortest/Minimum Distance......................................................... 175
5.1.2 Brachistochrone Problem ............................................................ 177
 Contents ix

5.1.3 Minimum Surface Area............................................................... 178

5.1.4 Dido’s Problem—Maximum Enclosed Area for a Given
Perimeter Length....................................................................... 178
5.1.5 General Form of Calculus of Variation Problems.............................. 179
5.2 Solving Calculus of Variation Problems...................................................... 179
5.2.1 Special Cases for Euler’s Equations............................................... 184
5.2.2 Transversality Conditions............................................................ 191
5.3 Functional With Higher-Order Derivatives.................................................. 193
5.4 Three-Dimensional Problems................................................................... 194
5.5 Functionals With Constraints................................................................... 197
5.6 Functional With Extremals That Are Functions of Two or More Variables ......... 201
5.6.1 Three-Dimensional Problems....................................................... 206
5.7 Summary............................................................................................. 208
CHAPTER 6 Introduction to Control Theory ......................................................... 209
6.1 The Control Problem.............................................................................. 209
6.2 The Uncontrolled Problem ...................................................................... 213
6.2.1 Fundamental Solutions ............................................................... 214
6.2.2 Properties of the State Transition Matrix......................................... 215
6.2.3 Time-Invariant Case................................................................... 216
6.2.4 Properties of Exponential Matrices................................................ 218
6.2.5 Eigenvalues/Vectors Approach for Finding the State Transition Matrix.. 219
6.3 The Controlled Problem.......................................................................... 224
6.3.1 Controllability .......................................................................... 225
6.3.2 Equivalence.............................................................................. 230
6.4 Observability........................................................................................ 232
6.5 Duality................................................................................................ 234
6.6 Stability .............................................................................................. 237
6.6.1 Algebraic Stability Conditions...................................................... 238
6.7 Feedback............................................................................................. 240
6.7.1 Observers and State Estimators..................................................... 242
6.8 Summary............................................................................................. 246
CHAPTER 7 Optimal Control Theory..................................................................... 247
7.1 Optimizing Scalar Control Problems.......................................................... 249
7.2 Multivariate Case.................................................................................. 253
7.3 Autonomous (Time-Invariant) Problem...................................................... 255
7.4 Extension to General Boundary Conditions................................................. 257
7.4.1 Extension of Calculus of Variation Theory...................................... 259
7.4.2 Optimal Control Problems With General Boundary Conditions............ 260
7.5 Free End Time Optimal Control Problems .................................................. 261
7.5.1 Extension of the Calculus of Variation Theory ................................. 262
x Contents

7.5.2 Applying the Theory to Control Problems....................................... 264

7.6 Piecewise Smooth Calculus of Variation Problems........................................ 266
7.6.1 Extension of Calculus of Variation Techniques................................. 266
7.6.2 Application to the Optimal Control Problem.................................... 269
7.7 Maximization of Constrained Control Problems........................................... 273
7.7.1 Constrained Control Problems...................................................... 274
7.8 Two Classical Optimal Control Problems.................................................... 278
7.9 Summary............................................................................................. 284
CHAPTER 8 Numerical Solutions to Initial Value Problems................................ 285
8.1 Local and Truncation Errors .................................................................... 287
8.2 Linear Multistep Methods....................................................................... 289
8.3 Stability .............................................................................................. 292
8.4 Convergence......................................................................................... 295
8.4.1 Explicit and Implicit Numerical Scheme......................................... 298
8.4.2 Dahlquist Convergence Theorem Example...................................... 298
8.5 Runge-Kutta Schemes............................................................................ 302
8.5.1 Explicit Runge-Kutta Methods ..................................................... 302
8.5.2 Consistency and Stability of Explicit Runge-Kutta Methods................ 303
8.5.3 Derivation of the Fourth-Order Runge-Kutta Scheme......................... 305
8.6 Numerical Solutions to Initial Value Partial Differential Equations................... 308
8.6.1 Heat Equation........................................................................... 309
8.6.2 Numerical Approach.................................................................. 310
8.6.3 Norms and the Maximum Principle ............................................... 315
8.6.4 Implementing and Solving the Implicit Equation.............................. 317
8.6.5 θ -Methods ............................................................................... 318
8.6.6 More Generous Stability Condition ............................................... 321
8.7 Wave Equation...................................................................................... 322
8.7.1 Forward-Time, Centered-Space..................................................... 323
8.7.2 Explicit Upwind........................................................................ 323
8.7.3 Implicit Upwind........................................................................ 324
8.7.4 Box Scheme............................................................................. 324
8.7.5 Lax-Wendroff Scheme................................................................ 325
8.8 Courant Friedrichs Lewy Condition........................................................... 326
8.9 Summary............................................................................................. 326
CHAPTER 9 Numerical Solutions to Boundary Value Problems .......................... 327
9.1 Types of Differential Equations................................................................ 327
9.2 Shooting Methods ................................................................................. 330
9.2.1 Nonlinear Problems.................................................................... 333
9.3 Finite Difference Methods....................................................................... 335
9.3.1 Truncation Error........................................................................ 339
 Contents xi

9.3.2 Mixed Boundary Conditions........................................................ 340

9.4 Self-Adjoint Problems............................................................................ 342
9.5 Error Analysis...................................................................................... 344
9.5.1 Irreducibility............................................................................. 348
9.6 Partial Differential Equations................................................................... 349
9.6.1 Truncation Error........................................................................ 350
9.6.2 General Natural Ordering............................................................ 353
9.6.3 Error Bound on Numerical Solution............................................... 354
9.6.4 Mixed Boundary Conditions........................................................ 356
9.7 Self-Adjoint Problem in Two Dimensions................................................... 359
9.7.1 Solution Methods for Linear Matrix Equations................................. 361
9.7.2 Jacobi Method .......................................................................... 361
9.7.3 Gauss-Seidel............................................................................. 362
9.7.4 Successive Over-Relaxation Method.............................................. 362
9.8 Periodic Boundary Conditions.................................................................. 367
9.9 Summary............................................................................................. 369
CHAPTER 10 Introduction to Semi-Lagrangian Advection Methods...................... 371
10.1 History of Semi-Lagrangian Approaches.................................................... 371
10.2 Derivation of Semi-Lagrangian Approach................................................... 373
10.3 Interpolation Polynomials ....................................................................... 377
10.3.1 Lagrange Interpolation Polynomials............................................... 378
10.3.2 Newton Divided Difference Polynomials........................................ 379
10.3.3 Hermite Interpolating Polynomials................................................ 384
10.3.4 Cubic Spline Interpolation Polynomials.......................................... 386
10.3.5 Shape-Conserving Semi-Lagrangian Advection................................ 392
10.4 Stability of Semi-Lagrangian Schemes....................................................... 398
10.4.1 Stability Analysis of the Linear Lagrange Interpolation...................... 400
10.4.2 Stability Analysis of the Quadratic Lagrange Interpolation ................. 400
10.4.3 Stability Analysis of the Cubic Lagrange Interpolation....................... 402
10.4.4 Stability Analysis of the Cubic Hermite Semi-Lagrangian Interpolation
Scheme ................................................................................... 408
10.4.5 Stability Analysis of the Cubic Spline Semi-Lagrangian Interpolation
Scheme ................................................................................... 412
10.5 Consistency Analysis of Semi-Lagrangian Schemes...................................... 415
10.6 Semi-Lagrangian Schemes for Non-Constant Advection Velocity .................... 418
10.7 Semi-Lagrangian Scheme for Non-Zero Forcing.......................................... 420
10.8 Example: 2D Quasi-Geostrophic Potential Vorticity (Eady Model)................... 425
10.8.1 Numerical Approximations for the Eady Model................................ 426
10.8.2 Numerical Approximations to the Advection Equation....................... 427
10.8.3 Numerical Approximation to the Laplace Equation in the Interior........ 429
xii Contents

10.8.4 Buoyancy Advection on the Boundaries: b0 = 0, b1 = α sin (Kx)...... 429
10.8.5 Conditioning ............................................................................ 432
10.8.6 QGPV = 0............................................................................... 434
10.9 Summary............................................................................................. 441
CHAPTER 11 Introduction to Finite Element Modeling.......................................... 445
11.1 Solving the Boundary Value Problem......................................................... 445
11.2 Weak Solutions of Differential Equation..................................................... 452
11.2.1 Heat Development Due to Hydration of Concrete............................. 457
11.2.2 Torsion of a Bar of Equilateral Triangle Cross Section....................... 458
11.3 Accuracy of the Finite Element Approach................................................... 462
11.4 Pin Tong.............................................................................................. 468
11.5 Finite Element Basis Functions................................................................. 471
11.5.1 One Dimension......................................................................... 471
11.5.2 Two Dimensions........................................................................ 472
11.6 Coding Finite Element Approximations for Triangle Elements........................ 473
11.6.1 Square Elements........................................................................ 476
11.7 Isoparametric Elements........................................................................... 479
11.8 Summary............................................................................................. 484
CHAPTER 12 Numerical Modeling on the Sphere ................................................. 485
12.1 Vector Operators in Spherical Coordinates.................................................. 485
12.1.1 Spherical Unit Vectors................................................................ 486
12.2 Spherical Vector Derivative Operators........................................................ 486
12.3 Finite Differencing on the Sphere.............................................................. 488
12.3.1 Map Projections........................................................................ 488
12.3.2 Grid-Point Representations of the Sphere........................................ 492
12.3.3 Different Grid Configuration........................................................ 500
12.3.4 Vertical Staggering Grids............................................................. 502
12.4 Introduction to Fourier Analysis............................................................... 503
12.4.1 Fourier Series........................................................................... 504
12.4.2 Fourier Transforms .................................................................... 517
12.4.3 Laplace Transforms.................................................................... 530
12.5 Spectral Modeling................................................................................. 536
12.5.1 Sturm-Liouville Theory .............................................................. 543
12.5.2 Legendre Differential Equation..................................................... 544
12.5.3 Legendre Polynomials................................................................ 547
12.5.4 Spherical Harmonics.................................................................. 548
12.5.5 Legendre Transforms.................................................................. 550
12.5.6 Spectral Methods on the Sphere.................................................... 551
12.6 Summary............................................................................................. 554
 Contents xiii

CHAPTER 13 Tangent Linear Modeling and Adjoints ............................................ 557

13.1 Additive Tangent Linear and Adjoint Modeling Theory ................................. 558
13.1.1 Derivation of the Linearized Model ............................................... 558
13.1.2 Adjoints .................................................................................. 559
13.1.3 Differentiating the Code to Derive the Adjoint................................. 561
13.1.4 Test of the Tangent Linear and Adjoints Models............................... 564
13.2 Multiplicative Tangent Linear and Adjoint Modeling Theory.......................... 564
13.3 Examples of Adjoint Derivations.............................................................. 566
13.3.1 Lorenz 63 Model....................................................................... 566
13.3.2 Eady Model.............................................................................. 578
13.3.3 Tangent Linear Approximations to Semi-Lagrangian Schemes............. 580
13.3.4 Adjoint of Spectral Transforms..................................................... 587
13.4 Perturbation Forecast Modeling................................................................ 589
13.4.1 Example With a 1D Shallow Water Equations Model......................... 590
13.5 Adjoint Sensitivities............................................................................... 592
13.6 Singular Vectors.................................................................................... 593
13.6.1 Observational Impact.................................................................. 595
13.7 Summary............................................................................................. 599
CHAPTER 14 Observations..................................................................................... 601
14.1 Conventional Observations...................................................................... 602
14.1.1 Radiosondes............................................................................. 602
14.1.2 Microwave Radiometer............................................................... 602
14.1.3 Infrared Sky Imager................................................................... 603
14.1.4 Micropulse Lidar....................................................................... 603
14.1.5 Photometer............................................................................... 603
14.1.6 SNOTEL................................................................................. 603
14.1.7 SCAN..................................................................................... 604
14.1.8 Airborne Observations................................................................ 604
14.1.9 Ocean ..................................................................................... 604
14.1.10 Radar...................................................................................... 605
14.2 Remote Sensing.................................................................................... 607
14.2.1 Radiative Transfer Modeling........................................................ 607
14.2.2 Satellite Characteristics............................................................... 610
14.2.3 Infrared................................................................................... 611
14.2.4 Microwave............................................................................... 612
14.2.5 Visible..................................................................................... 613
14.2.6 Lidar....................................................................................... 613
14.2.7 Global Positioning System........................................................... 613
14.3 Quality Control..................................................................................... 614
14.3.1 Variational Quality Control.......................................................... 624
xiv Contents

14.3.2 Variational Bias Correction.......................................................... 627

14.4 Summary............................................................................................. 628
CHAPTER 15 Non-Variational Sequential Data Assimilation Methods.................. 631
15.1 Direct Insertion..................................................................................... 632
15.2 Nudging.............................................................................................. 634
15.3 Successive Correction............................................................................. 636
15.3.1 Bergthórsson and Döös [32]......................................................... 636
15.3.2 Cressman [79]........................................................................... 639
15.3.3 Barnes [24] .............................................................................. 641
15.4 Linear and Nonlinear Least Squares .......................................................... 643
15.4.1 Univariate Linear Least Squares.................................................... 643
15.4.2 Multidimensional Least Squares ................................................... 645
15.4.3 Nonlinear Least Squares Theory................................................... 649
15.5 Regression........................................................................................... 657
15.5.1 Linear Regression Involving Two or More Variables.......................... 660
15.5.2 Nonlinear Regression................................................................. 662
15.6 Optimal (Optimum) Interpolation/Statistical Interpolation/Analysis Correction... 662
15.6.1 Derivation of the Optimum Interpolation From Alaka and Elvander [3]. 663
15.6.2 Matrix Version of Optimum Interpolation ....................................... 667
15.6.3 Implementation of OI................................................................. 667
15.6.4 Analysis Correction (AC)............................................................ 672
15.7 Summary............................................................................................. 674
CHAPTER 16 Variational Data Assimilation........................................................... 677
16.1 Sasaki and the Strong and Weak Constraints................................................ 678
16.2 Three-Dimensional Data Assimilation........................................................ 681
16.2.1 Gaussian Framework.................................................................. 682
16.3 Four-Dimensional Data Assimilation......................................................... 685
16.4 Incremental VAR................................................................................... 689
16.4.1 Incremental Spatial VAR, 1D, 2D, and 3D VAR............................... 690
16.4.2 Incremental Temporal 4D VAR..................................................... 690
16.4.3 Inner and Outer Loops................................................................ 692
16.4.4 Nonlinearities and Outer Loops .................................................... 693
16.4.5 First Guess at Appropriate Time.................................................... 696
16.5 Weak Constraint—Model Error 4D VAR.................................................... 698
16.5.1 Model-Bias Control Variable........................................................ 699
16.5.2 Modeling the Model Error Covariance Matrix.................................. 699
16.5.3 Model Error Forcing Control Variable............................................ 701
16.5.4 Model State Control Variable....................................................... 703
16.5.5 Time Lag Model Error Modeling .................................................. 704
16.6 Observational Errors.............................................................................. 706
 Contents xv

16.6.1 Correlated Measurement Errors.................................................... 707

16.7 Forecast Sensitivity Observation Impact (FSOI)........................................... 709
16.8 Saddle Point 4D VAR............................................................................. 710
16.9 Rapid Update Cycling (RUC)................................................................... 716
16.10 Regularization...................................................................................... 722
16.10.1 Optimal Transport...................................................................... 722
16.10.2 Lp -Norm Regularization............................................................. 728
16.11 4D VAR as an Optimal Control Problem..................................................... 729
16.12 Summary............................................................................................. 732
CHAPTER 17 Subcomponents of Variational Data Assimilation............................ 735
17.1 Balance............................................................................................... 736
17.1.1 Linear and Nonlinear Balances..................................................... 736
17.1.2 Linear and Nonlinear Normal Mode Initialization............................. 738
17.2 Control Variable Transforms.................................................................... 746
17.2.1 Kinematic Approach .................................................................. 747
17.2.2 Spectral-Based CVT................................................................... 747
17.2.3 Wavelet................................................................................... 749
17.2.4 Nonlinear Balance on the Sphere................................................... 750
17.2.5 Ellipticity Conditions for Continuous PDEs..................................... 752
17.2.6 Higher-Order Balance Conditions ................................................. 754
17.2.7 Geostrophic Coordinates............................................................. 758
17.2.8 Linearization............................................................................ 761
17.3 Background Error Covariance Modeling..................................................... 764
17.3.1 Error Modeling Functions............................................................ 765
17.3.2 Determining Variances and Decorrelation Lengths............................ 768
17.4 Preconditioning..................................................................................... 770
17.4.1 Time-Parallel Preconditioning...................................................... 772
17.5 Minimization Algorithms........................................................................ 774
17.5.1 Newton-Raphson....................................................................... 774
17.5.2 Quasi-Newton Methods .............................................................. 776
17.5.3 Steepest Descent........................................................................ 777
17.5.4 Conjugate Gradient.................................................................... 778
17.5.5 Lanczos Methods....................................................................... 779
17.6 Performance Metrics.............................................................................. 780
17.6.1 Scorecard................................................................................. 782
17.7 Summary............................................................................................. 783
CHAPTER 18 Observation Space Variational Data Assimilation Methods............. 785
18.1 Derivation of Observation Space-Based 3D VAR.......................................... 785
18.2 4D VAR in Observation Space.................................................................. 788
18.2.1 Solution to the Coupled Linear Euler-Lagrange System ..................... 790
xvi Contents

18.2.2 Representer Solution to a Coupled Linearized Euler-Lagrange System.. 792

18.3 Duality of the VAR and PSAS Systems...................................................... 794
18.4 Summary............................................................................................. 795
CHAPTER 19 Kalman Filter and Smoother............................................................. 797
19.1 Derivation of the Kalman Filter................................................................ 798
19.2 Kalman Filter Derivation From a Statistical Approach................................... 803
19.3 Extended Kalman Filter.......................................................................... 806
19.4 Square Root Kalman Filter...................................................................... 808
19.5 Smoother............................................................................................. 809
19.5.1 Forward Step: Kalman Filter........................................................ 809
19.5.2 Backward Step: Reverse-Time Information Filter.............................. 810
19.5.3 Smoothing ............................................................................... 811
19.6 Properties and Equivalencies of the Kalman Filter and Smoother..................... 812
19.7 Summary............................................................................................. 813
CHAPTER 20 Ensemble-Based Data Assimilation.................................................. 815
20.1 Stochastic Dynamical Modeling............................................................... 816
20.2 Ensemble Kalman Filter.......................................................................... 817
20.2.1 Perturbed Observations-Based EnKF............................................. 823
20.3 Ensemble Square Root Filters.................................................................. 824
20.3.1 Localization and Inflation............................................................ 826
20.4 Ensemble and Local Ensemble Transform Kalman Filter ............................... 828
20.4.1 ETKF...................................................................................... 829
20.4.2 LETKF.................................................................................... 830
20.5 Maximum Likelihood Ensemble Filter....................................................... 835
20.5.1 Forecast Step............................................................................ 836
20.5.2 Analysis Step............................................................................ 836
20.5.3 Lyapunov and Bred Vectors......................................................... 838
20.5.4 Hybrid Lyapunov-Bred Vectors..................................................... 839
20.5.5 MLEF, Information Theory, and Entropy Reduction.......................... 840
20.6 Hybrid Ensemble and Variational Data Assimilation Methods......................... 842
20.6.1 α Control Variables.................................................................... 843
20.6.2 Hybrid Ensemble Transform PSAS................................................ 846
20.6.3 Ensembles of 4D VARs (EDA)..................................................... 847
20.7 NDEnVAR........................................................................................... 847
20.8 Scale Dependent Background Error Covariance Localization.......................... 850
20.9 Ensemble Kalman Smoother.................................................................... 853
20.10 Ensemble Sensitivity.............................................................................. 855
20.11 Ensemble Forecast Sensitivity to Observations (EFSO).................................. 857
20.12 Local Ensemble Tangent Linear Model (LETLM) ........................................ 859
20.13 Summary............................................................................................. 862
 Contents xvii

CHAPTER 21 Non-Gaussian Based Data Assimilation........................................... 865

21.1 Error Definitions................................................................................... 866
21.2 Full Field Lognormal 3D VAR................................................................. 868
21.2.1 Lognormal Observational Error .................................................... 868
21.2.2 Lognormal Background Errors ..................................................... 870
21.3 Logarithmic Transforms.......................................................................... 871
21.4 Mixed Gaussian-Lognormal 3D VAR......................................................... 873
21.4.1 Experiments With the Lorenz 1963 Model...................................... 875
21.5 Lognormal Calculus of Variation-Based 4D VAR......................................... 877
21.5.1 Near Weighted Least Squares Functional Formulation
for Non-Gaussian 4D VAR.......................................................... 878
21.5.2 Functional Form of a Modal Approach for Non-Gaussian
Distribution-Based 4D VAR......................................................... 880
21.6 Bayesian-Based 4D VAR........................................................................ 882
21.6.1 Bayesian Networks.................................................................... 882
21.6.2 Equivalence of the Weighted Least Squares and Probability Models for
Multivariate Gaussian Errors........................................................ 885
21.6.3 Equivalence of the Lognormal Functional Approach ......................... 886
21.6.4 Mixed Distribution Equivalency to Weighted Least Squares Approach.. 887
21.7 Bayesian Networks Formulation of Weak Constraint/Model Error 4D VAR........ 887
21.8 Results of the Lorenz 1963 Model for 4D VAR............................................ 890
21.9 Incremental Lognormal and Mixed 3D and 4D VAR..................................... 894
21.9.1 Multiplicative Incremental 3D VAR............................................... 896
21.9.2 Multiplicative Incremental 4D VAR............................................... 897
21.9.3 Mixed Additive and Multiplicative Incremental VAR......................... 898
21.9.4 Analysis Mean of a Lognormal Data Assimilation System Not Equal to
Zero........................................................................................ 899
21.9.5 Comparison of a Mixed Incremental System With Gaussian-Only
Scheme ................................................................................... 901
21.10 Reverse Lognormal Variational Data Assimilation........................................ 902
21.10.1 3D and 4D Mixed Gaussian-Reverse Lognormal Cost Functions.......... 902
21.10.2 3D and 4D Mixed Lognormal-Reverse Lognormal Cost Functions....... 903
21.10.3 3D and 4D Mixed Gaussian-Lognormal-Reverse-Lognormal Cost
Functions................................................................................. 904
21.11 Lognormal and Mixed Gaussian-Lognormal Kalman Filters........................... 905
21.11.1 Attempted Derivation at a Lognormal Based Kalman Filter................. 905
21.11.2 Lognormal Kalman Filter - Median Based Approach......................... 908
21.11.3 Mixed Gaussian-Lognormal Kalman Filter (MXKF)......................... 914
21.12 Gaussian Anamorphosis.......................................................................... 916
21.13 Gamma-Inverse-Gamma-Gaussian (GIGG) Filter......................................... 919
21.14 Regions of Optimality for Lognormal Descriptive Statistics............................ 922
xviii Contents

21.15 Summary............................................................................................. 927

CHAPTER 22 Markov Chain Monte Carlo, Particle Filters, Particle Smoothers,
and Sigma Point Filters.................................................................... 931
22.1 Markov Chain Monte Carlo Methods......................................................... 932
22.1.1 MC Methods for Inverse Problems................................................ 934
22.1.2 Sample Methods........................................................................ 935
22.1.3 Application of MCMC in the Geosciences ...................................... 938
22.2 Particle Filters ...................................................................................... 940
22.2.1 Resampling.............................................................................. 941
22.2.2 Proposal Densities..................................................................... 945
22.2.3 Optimal Proposal Density............................................................ 948
22.2.4 Implicit Particle Filter................................................................. 948
22.2.5 Transportation Particle Filters....................................................... 950
22.2.6 Tempering of the Likelihood........................................................ 950
22.2.7 Particle Flow Filters................................................................... 951
22.3 Local Particle Filter ............................................................................... 953
22.4 Particle Smoother.................................................................................. 956
22.5 Sigma Point Kalman Filters (SPKF).......................................................... 957
22.5.1 Sigma-Point Unscented KF (SP-UKF) ........................................... 959
22.5.2 Sigma Point Central Difference KF (SP-CDKF)............................... 960
22.6 Summary............................................................................................. 962
CHAPTER 23 Lagrangian Data Assimilation .......................................................... 965
23.1 Extended Kalman Filter Approach............................................................ 965
23.2 Variational Lagrangian Data Assimilation................................................... 969
23.2.1 Converting Lagrangian Data to Eulerian to Assimilate....................... 971
23.2.2 Direct Assimilation of Lagrangian Observations............................... 973
23.2.3 Direct Lagrangian Trajectory Variational Assimilation....................... 975
23.3 Lagrangian Ensemble Kalman Filter.......................................................... 976
23.4 Localized Ensemble Transform Kalman Filter Lagrangian Data Assimilation
(LETKF-LaDA).................................................................................... 979
23.5 Hybrid Particle Filters and Ensemble Kalman Filters Lagrangian Data
Assimilation......................................................................................... 981
23.6 Summary............................................................................................. 983
CHAPTER 24 Artificial Intelligence and Data Assimilation ................................... 985
24.1 Helpful Definitions................................................................................ 986
24.2 Introduction to Machine Learning Algorithms............................................. 987
24.2.1 Linear Regression...................................................................... 987
24.2.2 Logistic Regression.................................................................... 988
24.2.3 Support Vector Machine.............................................................. 990
24.2.4 Classification and Regression Trees (CART).................................... 992
Another random document with
no related content on Scribd:
 Hän meni keittiöön. Pentti istuutui pöydän ääreen, otti hatun
päästään ja katsoi Karlssoniin.

Nuoressa miehessä ilmeni jonkinlaista raivokkuutta. Kovat piirteet,

villit silmät, suu, joka näytti olevan herkkä vihasanoihin.

— Mistä Te puhuitte? — kysyi hän. — Se oli tietysti tuo vanha

tavallinen asia.

Ukko oli vaiti.

— Ettekö sittenkään salli minun häntä saada?

Vaitiolo.

— Te tiedätte, että minä nyt ansaitsen rahoja. Kivenhakkuu ja

louhinta antaa nyt hyviä ansioita.

— Niin, te syrjäläiset tulette tänne vuorillemme ja hakkaatte ne

rikki ja ansaitsette rahoja, ja täällä istumme me kalastajat ja
kärsimme köyhyyttä ja kurjuutta, siksi että sillinpyynti ei lyö leiville.

— Oh. onhan teistäkin muutamia kivitöissä.

— Me olemme, ikävä kyllä, pakoitetut. Nälkään ei tee mieli kuolla.

— Ei, ei, täytyy ryhtyä yhteen ja toiseen, kun ahdistaa. Jos te ette
nyt anna tyttöä minulle, niin —

Ukko katsoi kysyvänä häneen.

Samassa palasi Kerttu.

— Tässä on maitoa.
 Hän asetti suuren tuopin pöydälle.

— Kiitos, sepä tekee hyvää.

Hän joi aimo siemauksin ja puhkui jälestä.

— Sinä olet siunattu tyttönen, Kerttu. Tahdotko antaa minulle nyt

myöskin suukkosen?

Pentti pyyhki hihalla suutaan.

— Oletko hullu, Pentti? Isän nähden?

Hän hymyili, mutta kun hän katsoi isäänsä, tuli hän pelokkaaksi.

— Juuri niin, että isäsi näkee.

— Pentti!

— Mutta tule nyt sitten, hitto soi!

Hän otti Kertun syliinsä ja suudella moiskautti.

Ukko vapisi kovasti, hänen huulensa vapisivat, mutta hän ei

saanut sanaakaan suustaan.

Pentti katseli häntä riemuiten.

— Siinä näette, kuinka me teemme, vaikka Te ette anna

suostumustanne.
Ja totta totisesti tämä ei ole ensi kerta. Eikä se vielä, luulen ma,
tähän kertaan lopukaan. Me teemme, mitä tahdomme, ymmärrättekö
Te?
Hyvästi!
 Hän otti hattunsa ja meni ovelle.

Isä sai vihdoinkin ääneen ja haukkui tytärtään…

— Letku! Niin, se sinä olet. Ja käyttäydy kunnollisesti, muutoin niin

—!

Tyttö alkoi nyyhkiä. Sitä ei voinut Pentti kestää, vaan kääntyi

ovelta, näytti nyrkkiään ja ärjäsi:

— Olkaa vaiti, laivuri, tai muutoin paukahtaa.

Samassa hän meni.

*****

Pahat ajatukset kasvoivat hänen mielessään: Totta totisesti minä

paukautan ukkoa kalloon. Eihän se ole kovempaa kuin graniittikaan.

Ja niin piti hänen luikata uusi reikä. He ampuivat poralaukauksia

usein niin lähellä taloja, että akkunat helisivät. Asukkaat olivat
valittaneet »hänelle, joka omisti saaren ja kivihakkiomon», että
poramiehet olivat liian lähenteleviä. »Hän, joka omisti saaren»,
vastasi, että jos he eivät ole tyytyväisiä, korottaa hän vuokrahintoja…

Pentti istui kalliolla ja piteli molemmin käsin poraa, jota toveri

lekalla löi yhä syvemmälle. Siihen piti valmistaa porareikä
dynamiitille. He laulelivat muutamaa jätkälaulua, joka karkeasti ja
lujatahtisesti kaikui yli kallioiden.

Pentti piti poraa vinommassa kuin tavallisesti…

Hän oli juottanut paljo viinaa toverillaan ja itsekin juonut. Ei hän

aina maitoa juonut. Ainoastaan seuraavana aamuna.
 Ennenkuin latinki laukaistiin, pistäytyi hän Karlssonin tupaan. Kun
hän näki, ettei tyttö ollut siellä, palasi hän takaisin.

Nyt oli latinki valmis. He juoksentelivat punaisine lippuineen ja

huusivat. Sytytyslanka savusi…

Karlsson istui akkunan ääressä verkkolaitteineen. Kerttu, joka juuri

oli tullut ranta-aitasta, seisoi sisempänä huoneessa.

— Nyt ne taas ampuvat — sanoi hän ja puuhaili ruokalaitosten

kanssa.
Sitten hyräili hän jotakin laulunpätkää — hän ajatteli Penttiä.

— Sellainen silmukka! — sanoi isä. Hän ei saanut rihmaa selville.

Tyttö tuli lähemmä akkunaa. Hän katsoi ulos. Sytytyslanka

savusi…

— Kuinka lähellä ne ampuvat!

Hän näki Pentin kasvojen nousevan erään kalliomöhkäleen takaa.

Kuinka hän näytti kamalalta!

Outo ajatus välähti hänen päähänsä. Yht'äkkiä hän pelosta

kalpeni.

— Älkää istuko niin lähellä akkunaa, isä!

— Sellainen silmukka!

— Ettekö Te kuule!

Hän repi ukkoa saadakseen hänet siirtymään.

 Hän repi niin, että ukko putosi lattialle.

Silloin räjähti…

Kivi lensi akkunaan, särki sen — sattui nuoren tyttösen päähän.

Tämä kaatui rihmoille.

Pentin huuto kuului ulkoa, hän huusi kuin hullu. Hän hyökkäsi
tupaan ja viskasi oven jälkeensä.

Hän näki Karlssonin tuijottavan lattialle ja katselevan tytärtään,

joka siinä makasi. Nähtyään Pentin hyökkäsi Karlsson hänen
päälleen.

— Sen teit sinä tahallasi!

— Luuletteko minun tahtoneen, että hän —? Oletteko pois

järiltänne?
Kerttu — tyttöseni!

Hän riensi ottamaan kiveä pois Kertun päältä.

Hän kääntyi pois — hän ei voinut katsoa Kerttua.

Pentti itki.

— Sinä olet tappanut hänet! — huusi kalastaja.

— Ei, Te sen olette kaiken tehneet!

Ukko vaipui kokoon tuolille. Hän ei voinut mitään vastata. Mutta

nyt kertyi kansaa ovelle. Koko oven täydeltä kuului monipäinen:
Herra avita!»
 Kun pappi kuoli.

Maija, taloudenhoitajatar, oli tavallisuuden mukaan tuonut

aamukahvin sisään. Mutta ketään juojaa ei enään ollutkaan. Vanha
pastori ei enään liikkunut, vaan makasi hiljaa sängyssään.

Maija tunnusteli häntä…

Porhalsi sitten pappilasta kalastajakylän kallioille ja pelokkain sekä

kasvoin että äänin puhui tapauksesta, löi yhteen käsiään ja kirkui.

Uutinen lensi kuin kajava.

Asujamisto ei uskonut, että se oli totta. Heidän herransa kuollut…

— Sydänhalvaukseen — vakuutti Maija.

— Hän on näyttänyt niin raihnaiselta pitkät ajat — arveli eräs

vanha kalastaja. — Mutta ankara hän oli yhtähyvin saarnaamaan.

— Nyt ei hän lähetä meitä enään koskaan hiivattiin — lausui

muudan.

— Tuleekohan hän taivaasen tai siihen toiseen paikkaan?

— Eiköhän hän joutune siihen toiseen paikkaan näkemään, onko

siellä sellaista, millaiseksi hän sen on maalannut.

— Ei mitään pahoja sanoja ruumiin ääressä — kielteli Maija.

— Kuinka ankara hän oli! Kun hän pauhasi, piti pää painaa kirkon
penkkiin. Kuinka ihminen silloin tunsi kutistuvansa!
 — Niin, kyllä hän oli ankara. Että kieltää tanssin ja viulunsoiton! Ja
jos me kuitenkin hiivimme hiukan keskikesän kunniaksi pyörimään —
eikö hän heti seisonut seassamme huutamassa: Ettekö te näe,
kuinka pienet pirut tanssivat edestakaisin keskellänne!

— Emme me niitä nähneet. Mutta hänet me näimme.

— Koskaan ei saanut ottaa viinaryyppyä. Täällä on kaikki käynyt

niin saakelin siistiksi ja raittiiksi. Mutta nyt hyvät ihmiset, totta
totisesti viinat esiin!

— Pahinta kaikesta oli kuitenkin se, ettei kukin saanut mennä

naimisiin sen kanssa kuin halusi. Hän tahtoi määrätä, kenehen
kunkin piti köyttyä. Tuleeko papin sotkeutua sellaisiin?

— Hän työnsi nenänsä joka paikkaan.

— Vaiti — varoitteli taloudenhoitajatar. — Hän kuulee sen.

— Tyhjääpä kuulee.

— Ajatteleppas, jos hän on herännyt!

— Herra meitä varjelkoon!

— Pelkäättekö te, mitä?

— Vielä tahtoo vanhalta muistilta pelottaa. Mutta kunhan hän vaan

on saatu maahan, niin —

— Minun täytyy mennä sisään. Ehkä tahtoo hän vaatteitaan.

— Niitä hän ei enään koskaan tarvitse.

 — Ajatteles, jos olisin katsonut väärin.

Maija tahtoi mennä.

— Mennään kaikki.

— Kaikkiko?

— Me tahdomme tietää, onko hän kuollut vai ei.

Maija ei voinut joukkoa pidättää. Se tahtoi mennä sisään

tullakseen vakuutetuksi asian oikeasta laidasta.

No, mutta menkää hiljaa!

Joukko miehiä ja naisia läksi liikkeelle ja nousi auringon

valaiseman pappilan portaita.

He hiipivät varpaillaan — Maija etunenässä. Hän avasi

varovaisesti etehisen oven, meni salin läpi sänkykamarin ovelle,
seisoi siinä hetken sykkivin sydämin, kurkisti avaimen reiästä — ja
avasi vihdoin päättävästi oven.

Kaikki seurasivat sisään.

Siinä makasi pastori sängyssään, valkohapsisena, jäykkänä ja

suletuin silmin.

Väki katseli häntä uskaltamatta liikahtaa. Nyyhkittiin ja seistiin

noloina. Pari vanhempaa vaimoa näyttivät liikutetuilta — he olivat
leskiä. Miesten silmistä ei voinut mitään päättää. He seisoivat
jäykkinä. Nuori väki näytti iloiselta: oli hyvä, ettei hän enään ollut
heitä estelemässä.
 — Jos pastorska olisi elänyt! — keskeytti Maija vaitiolon. — Siinä
oli harvinainen rouva.

— Liian hyvä hänelle.

— Älä sano niin!

— Eikö hän laihtunut sentähden, ettei saanut kylliksi ruokaa!

Hänen piti kurittaa lihaansa, tietysti.

— Eikö hän vielä sulkenut rouvan piaanoa! Oli syntistä soitella.

— Jumalan kiitos, hän ei saanut lapsia.

— Se kyllä ei ollut pastorin vika.

Niin he siinä seisoivat ja tuomitsivat. Silloin muuan nuori kalastaja

otti erästä tyttöä vyötäisiltä ja huusi:

— Minä en saanut sinua hänen tähdensä. Mutta nyt siitä tulee tosi.
Sinun pitää antaa mulle muisku tässä ruumiin ääressä.

— Oh, Jumala varjele!

— Etkö sinä pidä minusta?

— Tietysti minä pidän. Mutta pastori näkee sen.

— Eikä näe.

Arastelematta suuteli poika tyttöä suoraan suulle.

— Oh, herranen aika!…

Tyttö vetäytyi kauhistuneena takaisin.

 — Mitä se oli?

— Hän liikkui…

— Ha ha, kuinka arka sinä olet! Eikö mitä, hän makaa hiljaa kuin
turska. Kerta vielä!

— Ei, ei ruumishuoneessa.

Maija pyyteli sävyisyyden tähden.

Mutta se oli myöhäistä. Poika oli vielä painanut suukon tytön

punaisille huulille.

Ja joukko hymyili ja luuli olevansa häissä.

Samassa rallatteli viulu akkunan alla.

— Hei — huusi pelari ulkoa — vihdoinkin saa tarttua soittimien.

Me soitamme pastorin hautaan.

Ja kalliot kaiuttelivat polkan säveleitä.

— Se ei ole virttä, tuo! — pui joku nyrkkiä vainajan nenän edessä.

— Älä näytä nyrkkiä kuolleelle!

Se oli taaskin Maija.

— Hän pui meille saarnastuolista.

Joukko oli yhtä mieltä. Nurina kasvoi.

— Menkää! kehoitti Maija. — Antakaa hänen olla rauhassa.

 — Me emme koska saaneet olla häneltä rauhassa.

— Hän on kuollut, ymmärrättehän.

— Se on hänen onnensa.

— Ja meidän.

— No, mennään sitten. Meidän tulee hankkia arkku ja haudata

hänet. Me kiitämme Jumalaa.

Joukko vetäytyi ovelle. Meluten noustiin kallioille…

Vähitellen erottiin, sillä jokapäiväiset askareet odottelivat

itsekutakin.

Eräs venhe purjehti kauppalaan hakemaan lääkäriä, joka todistaisi

kuoleman, ja ruumisarkkua.

Aurinko paistoi akkunan läpi kuolleen kasvoille.

Kovan työn oli hän tehnyt, taivuttanut kansan jumalanpelkoon,

herättänyt järjestyksen henkeä tuossa raa'assa yhteiskunnassa,
sekä saanut aikaan säästäväisyyttä ja raittiutta. Kansa voi hyvin.

Mutta ei ollut ketään, joka olisi ollut kiitollinen.

Hän oli unohtanut ilon.

Vanha laivuri.
 Kalastajatuvan ovi on auki. Siellä istuu sisällä kesäillan hämyssä
joukko saaristolaisia, ukkoja ja eukkoja, joiden kasvot on karkeat
kuin kalliot, ja nuorisoa molempaa sukupuolta, ruskein heloittavin
kasvoin.

Johan Eerik, harmaa kuin meren vaahto, istuu keskimäisenä

pöydän ääressä. Hän puhuu ja muut kuuntelevat sillä aikaa kuin lasit
heidän edessään odottelevat. Lasit ovat monesti täytetyt
hautajaisseurassa päivän kuluessa.

Johan Eerik nostaa suuren päänsä pystyyn, suurin, välkkyvin

silmin katselee hän ovesta merelle, joka siellä saariston takana
lepää hiljaisena laskeutuvan kesäillan ruskoissa, hän tuntee
kaislikon tuoksua ja näkee kajavien nuolennopean paon…

Ja hän puhuu muistojen hänen karkeaa ääntään vapisuttaessa:

— Niin, Lassi Juhana ja minä, me olemme pysyneet yhdessä koko

pitkän elämän. Hän on seitsemänkymmenen kahdeksan ja minä
kahdeksankymmentä. Me olemme purjehtineet Kattegatilla niin
kauvan kuin minä muistan. Emmekä me ole koskaan riidelleet. Hän
oli siivo mies, sillä kun minä suutuin, vaikeni hän. Ja siksi me emme
koskaan riidelleet.

Nuori väki ei voi enään olla nauramatta, ja hymy kiertää koko

pöytäkunnan.

— Kuten sanon — jatkaa Johan Eerik, ikäänkuin puhuisi itselleen,

ja katsoo avaruuteen — sinä olet aina ollut peijakkaan mukava mies,
Lassi Juhana. Ja siitä sinulle kiitos. Muistatko kun olimme
rakastuneet samaan tyttöön, Anna Matleenaan, joka sittemmin joutui
naimisiin pohjoisempaan? Kulimme ja pidimme toisiamme silmällä,
emmekä puhuneet mitään ja kulimme kumpikin oman
savupiippumme osoittamaan suuntaan, tavattuamme toisemme
kallioilla päivää paistattamassa. Mutta kun hän sitten joutui naimisiin
pohjolaisen kanssa, lepyimme taas, sillä eihän ollut enään mitään
syitä ilkeinä olemiseen. Saarella oli toisiakin tyttöjä, ja totisesti
tiesimmekin ottaa kumpikin omamme.

Kaksi eukkoa pöydän ääressä nyökäyttivät ymmärtäväisinä päätä

toisilleen, ja nuoret heiluttelivat päitään ja hymyilivät lempeästi — he
olivat matkalla tekemään kuten vanhukset olivat tehneet.

— Niin, Lassi Juhana, meillä oli riitaa, mutta me emme ole

koskaan pimittäneet silliäkään toiselta. Ei toki, täällä on rahvas
rehellistä. Eikä ollut sepitettyä se, minkä kaikki sanoivat, että siellä
missä Lassi Juhana ja Johan Eerik olivat, siellä olivat kyllä sillit
kalliita, mutta mitään tarkkuuttakaan siellä ei ollut. Eikä ollut paras
silli päällimäisenä kopassa, vaan oli se yhtä hyvää päältä kuin
pohjaltakin. Totisesti oli!

Silloin nuoriso nauroi taas. He tarttuivat laseihinsa ja kilistivät.

Mutta Johan Eerik katseli merelle ja puhui kuin ennen:

— Me sanoimme aina toisillemme, muistathan Lassi Juhana, että

kun toinen kuolee, kuolee toinenkin. Saammepahan nähdä — sinä
olet seitsemänkymmentä kahdeksan ja minä kahdeksankymmentä.
Ja elämä on kuin Kattegatt — ankaroita ilmoja on ollut pitkät ajat,
mutta nyt on niin hiljaista. Eikö sinustakin, Lassi Juhana, ole niin
hiljaista?…

Näitä sanoja kuullessaan muuttuvat pöydän ympärillä istujat

hartaiksi.
 — Ja nyt, Lassi Juhana, — sanoi Johan Eerik ja nousi raskaasti,
vapisevin käsin penkiltä — nyt tahdon minä vain kiittää sinua tästä
kerrasta, sillä minun pitää, ymmärräthän, lähteä kotiini Tule, Lassi
Juhana, että suan puistaa kättäsi, ennenkuin menen.

Oli aivan hiljaista huoneessa ja kaikki katselivat toisiinsa. Ulkoa

kuului kajavan kirkunaa…

— Kuten sanottu, nyt voin minä sanoa sinulle hyvää yötä, Lassi
Juhana!

Hän katsoi ihmetellen ympäri huonetta, mutta kun hän ei nähnyt

Lassi Juhanaa — sillä se oli hän, joka oli haudattu tänä päivänä —
silloin kuvastui syvä toivottomuus ja suru vanhuksen ryppyisillä
kasvoilla, kyynelet tunkeutuivat hänen punertaviin silmiinsä, hän sai
sanotuksi puoleksi tukahtuneella äänellä:

— Oh, Herra avita!

Ja hän vajosi taas alas penkille ja nojasi pään käsiinsä pöytää

vasten.
Siinä hän istui ja itki vavisten vanhuksen itkuaan.

— Minä unhotin sen, minä unhotin sen. Siitä on tullut loppu, Lassi
Juhana.

Silloin nousi hänen eukkonsa, laski kätensä hänen karkean

takkinsa kaulukselle ja sanoi hiljaa:

— Tule, Johan Eerik, niin menemme kotiin.

— Niin niin, sitä on jo niin huono. Saa hävetä nuorison edessä.

Toista oli ennen maailmassa, Lassi Juhana!
 Eukko auttaa häntä jaloilleen ja he menevät yhdessä lattian yli
ovelle.

— Hyvää yötä, kaikki tyynni!

Joukko seisoo ja nyökyttelee hyvästiä hänelle.

Kynnyksellä seisahtuu hän, nostaa käden otsalleen ja katselee

kauvas merelle.

— Kohta käy hiljaiseksi minullekin.

Sitten hoippuu hän vaimonsa käsivarresta pitäen kallioiden yli

kotituvalleen. Joukko seisoo ovella ja seuraa heitä katseillaan. Ja
auringon pyörä putoaa merentakaista taivaanrantaa alas…

Kajavia.

Muudan kajava kohosi rannalta ja leijui vuonon yli. Aurinko paistoi

sen vaaleanharmaisiin siipiin. Hitaasti hän lensi, vanha kun oli. Hän
oli kauvan rakastanut tätä vuonon, aina siitä asti kuin oli lentämään
oppinut ja äiti oli häntä opettanut silliä sukeltamaan. Kauvan oli hän
pitänyt itseään tämän vuonon isäntänä. Mutta nyt oli hän käynyt niin
vanhaksi ja harmaaksi, kaikkein vanhimmaksi kajavaksi, ja tuntui
hänestä siltä kuin olisi hänen pitänyt kuolla. Hänen siipensä eivät
olleet enään nopealiikkeiset, hänen nokkansa ei nopsa, silmänsä
eivät terävät. Yli, oli huntu, ei auringon, vaan vanhuuden
sumentama.

— Ka-ka-ka-
 Ääni kuului käheältä ja suruvoittoiselta. Hänen huudollaan ei ollut
enään entistä sointua. Kaiku, joka sitä matki, peloitti häntä.

— Kakaa-kakaa-kakaa-

Siellä oli toinen kajava, joka huuti, nuori ja valkorintainen kajava.

Sen huuto oli riemuitseva kuten hänenkin ennen maailmassa. Ja
kaiku toisteli sen ääntä, niin että se koreasti kaikui vuoristossa.

Mutta siellä oli myös koko joukko nuoria kajavia, jotka voimakkailla
siivillään soutelivat sinne tänne ilmassa. Siinä oli uusi kajavapolvi.

Vanhus lensi vuonon pohjukkaan päin.

Hän pysähtyi yht’äkkiä. Alhaalla hänen kohdallaan hilasteli

silliparvi. Silloin ajatteli hän koettaa, olisiko hänellä vielä voimaa
saavuttaa jokin silli. Hän heittäytyi, suoraan alas — se ei käynyt yhtä
nopeasti kuin ennen — niin syöksyi hän veteen nokka ojolla…

Hei, samassa saapuivat lentäen nuoret kajavat. Niitä oli neljä ja

syöksyivät ne kuin nuolet alas veteen ja iskivät kukin silliinsä. Syntyi
sellainen siipien räpytys, että jälelle jäänyt parvi pelokkaana
pohjavesiin painautui.

Vanha kajava oli saanut sillin ja vaivoin piteli hän sitä nokassaan.
Nuoret kajavat katselivat, olisiko vielä saatavissa useampia, ja
huomatessa… kirkkaan esineen vanhan kajavan suussa,
hyökkäsivät ne yhtaikaa hänen päälleen anastaakseen sen pois.
Suurta sotaa siinä ei tarvinnut syntyä, ennenkuin hän oli luopunut
saaliistaan. Ryövääjä kiiti saaliineen matkoihinsa. Mutta ennenkuin
se kerkesi niellä sillin, olivat toiset kolme myös sen kimpussa, ja
siinä syntyi tavaton hakkailu ja huudon paljous, joka päättyi sillin
paloittamisella neljän kesken, jonka jälkeen kukin poistui uutta
parvea tähystelemään…

Vanha kajava kääntyi ja lensi vuonon suuhun päin. Ennen

asettumistaan tahtoi hän sameilla silmillään nähdä meren. Hitain ja
vapisevin ottein läheni hän vuononsuuta. Lento kävi yhä
hitaaammaksi, sillä alkoi tuulla vasten. Alapuoleltaan eroitti hän
vaahdon maininkien harjoilta, hän kuuli aaltojen pauhun ulompaa,
jossa hän ei enään nähnyt mitään vuoria, jossa vedenselkä aukeni
suureksi ja vapaaksi…

Hänen rintansa laajeni, kun hän tunsi meren tuoksun, hän oli
saavuttavinaan taas sen joustavuuden, joka hänet ennen oli
saattanut pitämään itseään näiden vesien hallitsijana. Mutta pian
väsyi hän taas. Hän ei jaksanut enään lentää, hänen piti kotiin.

Hän pysähtyi silmänräpäykseksi ja katsoi alas suuria avaruuksia

— viimeisen kerran. Rinnasta kohosi huokaus, ja silmät samenivat
äskeistä enemmän.

Sitten käänsihe hän raskaasti ja purjehti kotiin. Tuuli häntä auttoi

siksi kunis hän saapui syvemmälle vuonoon, jossa taas tyyntyi, ja
niin laskeutui hän asemilleen.

Hän lepäsi pienessä vuorenluolassa kostealle tuoksuvilla kaisloilla.

Hän oli lopen väsynyt, höyhenkoristeensa vallan vapisi. Hän ojensi
kaulaansa ja levätessään siinä asetti päänsä niin, että hän voi nähdä
vuonon. Silmissä oli kaipauksen ja tuskan ilme. Yhä sameammiksi
ne kävivät, ja hänestä tuntui kuin olisi aurinko laskeutunut. Mutta se
teistikin keskikesän täydessä loistossaan. Sydän löi niin heikosti
rintahöyhenten alla, ja sieltä pääsi vaikertava:
 — Kaa-

Hän makasi siinä kauvan aikaa väristen kuin keskitalvella, vaikka

aurinko paahtoi hänen selkäänsä. Silmistä katosi kiilto. Hän ei voinut
enään nähdä vuonoa — mutta hän tiesi, että se oli siinä.

Sitten kävi väristys kautta ruumiin, kulkusta kohosi käheä ääni,

sorkat oikenivat kaisloja potkaisten, hän lepäsi siinä hiljaa ja
kuolleena.

Aurinko paahtoi ruumiisen.

Muudan nuori kajava, joka liipoitteli läheisyydessä, ihmetteli miksi

hän oli niin hiljaa, ja laskeutui alas. Kun vanhus yhäti pysyi
liikkumattomana, kirkui nuori kajava, ja pian tuli koko joukko nuoria
kajavia paikalle.

Ne huutelivat korvia vihlovasti ja hurjasti siipiään räpyttelivät. Ne

eivät ymmärtäneet, mitä oli tapahtunut, mutta ihmettelivät.

Ja sill’aikaa kuin ne istuivat ja kirkuivat autiolla rannalla, vaipui

aurinko mereen. Vielä sen viimeisiä vaalenevia säteitä heittäessä
kuletteli kaiku vuonon kalliolta toiselle ääniä:

— Kaa-kaa-kaa-kaa'aa!

Vanhat neidit.

He asuivat samassa tuvassa salmen rannalla. Ja joka sunnuntai

piti heidän mennä kirkkoon salmen toisella puolella. Tosin oli kirkko
silläkin puolella, jossa he asuivat. Mutta siitä he eivät välittäneet —
vaikka pappi, joka saarnasi siellä, oli kylläkin hyvä.

Mutta kas, poika, joka sousi heitä salmen yli, oli niin kaunis ja
iloinen. Hän oli äskettäin alkanut siinä soutaa — sittenkuin entinen
soutaja, liikkaava ja ruma, oli sairauden pakoittamana joutunut
sängyn omaksi.

Juhlallista oli nähdä molempien noitien menevän venheesen. He

olivat pyntänneet itsensä niin koreiksi ja huljanneet hajuvettä
nenäliinoihinsa ja päivänvarjot oli heillä käsissään. Ja he hymyilivät
ja nyökyttivät pojalle, joka venheessä seisten tervehti. Ja he
pyörittelivät takapuoliaan ja heittelehtivät ja liehittelivät, sekä kaikin
tavoin ja niin halulla tahtoivat, että poika olisi ottanut heitä kädestä
kiinni, kun he hyppäsivät vaaralliseen venheesen.

Ja poika otti heitä tyynesti kädestä kiinni, ja silloin olivat he ylen

onnellisia sekä kasvoiltaan että sydämeltään, ja heittäytyivät
venheesen niin, että putosivat melkein pojan syliin.

Niin tanssivat he tuhtojen yli ja istuivat peräpuolelle.

Ponnistuksistaan he aivan puhkuivat ja näyttivät niin yksinkertaisilta
ja sanoivat, että nyt he voivat hyvin eikä heillä ole mitään hätää, kun
heillä oli niin luotettava soutaja — ei mitään.

Poika laski ulos ja sousi voimakkain vedoin. Mutta silloin sanoi

toinen:

— Elä rasita itseäsi, rakas ystävä, me kyllä kerkiämme.

— Niin, meillä ei ole mitään kiirettä, ei toki — oli toisenkin ajatus.

— Jos emme ehdi alttaripalvelukseen, joudumme kuitenkin
saarnaan. Ja sehän se onkin tärkeintä.

He tahtoivat niin kauvan kuin suinkin mahdollista istua vastapäätä

poikaa ja katsella häntä.

Tämä olisi niin mielellään nauranut heille, mutta hän siirsi mälliä
hiukan syrjemmäksi suupieleen ja vannoi pysyvänsä vakavana.

— Kuinka vanha hän on? — kysyi toinen.

— Kaksikymmentä vuotta — vastasi poika.

— Ooh, sellainen ikä, rakas ystävä.

— Kohta hän varmaankin alkaa ajatella jotakin tyttöä? —

— Kyllä, jotakin tyttöä.

Poika katsoi tuimasti puhujaan. Jos tämä olisi osannut punastua,

olisi hän tehnyt sen nyt.

— Hänellä on varmaankin äiti? — kysyi toinen neiti.

— Tietysti.

— Ah, kuinka onnellinen äiti!

— Äh, äiti minulle aina riitelee. Minä en tee — sanoo hän —

mitään muuta kuin soudan vanhoja mampselleja.

— Ha, ha, niin hauskaa! — nauroivat he ja hyppivät. — Kuinka

hän on hauska ja sukkela!