數(shù)據(jù)同化算法研發(fā)與實驗

內容概要

《地球信息科學基礎叢書:數(shù)據(jù)同化算法研發(fā)與實驗》基于國內外相關研究和作者在數(shù)據(jù)同化領域的研究心得，重點介紹數(shù)據(jù)同化算法的研發(fā)與實驗。圍繞數(shù)據(jù)同化算法研發(fā)和實驗這一主題，《地球信息科學基礎叢書:數(shù)據(jù)同化算法研發(fā)與實驗》從陸面數(shù)據(jù)同化理論和陸面過程模型切入，提煉數(shù)據(jù)同化的“一個框架、四個基本要素”架構，在選擇可變滲透能力模型（VIC模型）的基礎上開展數(shù)據(jù)同化算法實驗，實現(xiàn)了三維變分算法、四維變分算法和集合卡爾曼濾波算法等三種經(jīng)典數(shù)據(jù)同化算法，以及粒子濾波算法和層狀貝葉斯方法等兩種智能數(shù)據(jù)同化算法的研發(fā)與實驗，并且通過具體實例詳細介紹各個算法的研發(fā)、實驗步驟以及算法結果的分析評價。最后，介紹了作者課題組開發(fā)的數(shù)據(jù)同化集成軟件系統(tǒng)。 
《地球信息科學基礎叢書:數(shù)據(jù)同化算法研發(fā)與實驗》旨在對從事陸面數(shù)據(jù)同化研究的工作者提供入門參考和思路借鑒；同時，也適合定量遙感、全球環(huán)境變化及地球系統(tǒng)科學等領域的科研工作者以及高等院校師生參考。

書籍目錄

前言 第1章 緒論 1.1 全球變化研究與數(shù)據(jù)同化 1.2 數(shù)據(jù)同化基本構成 1.3 數(shù)據(jù)同化算法分類 1.4 陸面數(shù)據(jù)同化研究進展 1.5 遙感數(shù)據(jù)同化研究進展 1.6 本書主要內容 1.7 本章小結 主要參考文獻 第2章 數(shù)據(jù)同化算法發(fā)展與進步 2.1 變分方法 2.1.1 三維變分算法 2.1.2 四維變分算法 2.2 卡爾曼濾波算法 2.3 集合卡爾曼濾波算法 2.4 粒子濾波算法 2.5 層狀貝葉斯方法 2.6 數(shù)據(jù)同化算法基本公式、機制與特點 2.7 本章小結 主要參考文獻 第3章 過程模型選擇與應用改進 3.1 陸面過程模型發(fā)展階段 3.2 陸面過程模型比較與選擇 3.3 VIC水文過程模型原理與應用改進 3.3.1 VIC水文過程模型原理 3.3.2 VIC水文過程模型代碼移植與編譯 3.3.3 VIC水文過程模型應用改進 3.4 VIC水文過程模型基礎參量準備 3.4.1 大氣驅動數(shù)據(jù) 3.4.2 土壤參數(shù) 3.4.3 植被參數(shù) 3.4.4 全局參數(shù) 3.4.5 基礎參量與數(shù)據(jù)來源 3.5 VIC水文過程模型數(shù)據(jù)準備與程序代碼 3.6 VIC水文過程模型運行與校驗 3.6.1 VIC水文過程模型運行 3.6.2 VlC水文過程模型校驗 3.7 VIC水文過程模型實驗 3.7.1 VIC水文過程模型實驗一 3.7.2 VIC水文過程模型實驗二 3.7.3 VIC水文過程模型實驗三 3.8 本章小結 主要參考文獻 第4章 經(jīng)典數(shù)據(jù)同化算法開發(fā)與實驗 4.1 三維變分算法 4.1.1 算法原理 4.1.2 算法流程 4.1.3 算法實現(xiàn) 4.2 三維變分算法同化實驗 4.3 四維變分算法 4.3.1 算法原理 4.3.2 算法流程 4.3.3 算法實現(xiàn) 4.4 四維變分算法同化實驗 4.5 集合卡爾曼濾波算法 4.5.1 算法原理 4.5.2 算法流程 4.5.3 算法實現(xiàn) 4.6 集合卡爾曼濾波算法同化實驗 4.6.1 實驗一 站點觀測數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化 4.6.2 實驗二 微波亮溫數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化 4.7 本章小結 主要參考文獻 第5章 現(xiàn)代智能數(shù)據(jù)同化算法I：粒子濾波算法 5.1 粒子濾波算法理論基礎 5.1.1 貝葉斯濾波基本原理 5.1.2 粒子濾波算法原理 5.2 重要性采樣 5.2.1 貝葉斯重要性采樣 5.2.2 序貫重要性采樣 5.3 粒子退化與重采樣 5.3.1 粒子退化 5.3.2 重采樣 5.4 粒子濾波算法流程與實現(xiàn) 5.4.1 粒子濾波算法流程 5.4.2 粒子濾波算法實現(xiàn) 5.5 粒子濾波算法同化實驗 5.5.1 實驗一 站點觀測數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化 5.5.2 實驗二 微波亮溫數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化 5.5.3 實驗三 數(shù)據(jù)同化與VIC水文過程模型參數(shù)同步估計 5.6 本章小結 主要參考文獻 第6章 現(xiàn)代智能數(shù)據(jù)同化算法：層狀貝葉斯網(wǎng)絡算法 6.1 層狀貝葉斯方法理論基礎 6.1.1 數(shù)據(jù)模型 6.1.2 過程模型 6.1.3 參數(shù)模型 6.1.4 貝葉斯推理 6.2 層狀貝葉斯網(wǎng)絡算法 6.2.1 數(shù)據(jù)描述 6.2.2 層狀貝葉斯網(wǎng)絡構建 6.2.3 層狀貝葉斯網(wǎng)絡結構 6.2.4 層狀貝葉斯網(wǎng)絡學習、校驗與預測 6.2.5 層狀貝葉斯網(wǎng)絡算法流程 6.3 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡算法 6.3.1 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡構建 6.3.2 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡結構 6.3.3 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡推理 6.3.4 最大似然參數(shù)估計 6.3.5 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡算法技術流程 6.4 層狀貝葉斯網(wǎng)絡同化站點觀測與VIC水文過程模型數(shù)據(jù)實驗 6.4.1 數(shù)據(jù)預處理 6.4.2 層狀貝葉斯網(wǎng)絡學習與校驗 6.4.3 層狀貝葉斯網(wǎng)絡預測 6.4.4 程序代碼 6.5 本章小結 主要參考文獻 第7章 數(shù)據(jù)同化集成系統(tǒng) 7.1 系統(tǒng)結構與功能設計 7.2 系統(tǒng)詳細設計 7.2.1 輸入輸出模塊 7.2.2 陸面過程模型模塊 7.2.3 數(shù)據(jù)同化算法模塊 7.2.4 數(shù)據(jù)可視化模塊 7.2.5 精度評價模塊 7.3 系統(tǒng)功能實現(xiàn)與界面 7.3.1 數(shù)據(jù)同化功能與界面 7.3.2 數(shù)據(jù)司視化功能與界面 7.3.3 精度評價功能與界面 7.4 本章小結 主要參考文獻 附錄一 VIC水文過程模型與數(shù)據(jù)準備的C／C++代碼 附錄二 三維變分算法（3DVAR）開發(fā)C++代碼 附錄三 四維變分算法（4DVAR）開發(fā)C++代碼 附錄四 集合卡爾曼濾波算法（EnKF）開發(fā)C++代碼 附錄五 粒子濾波算法（PF）開發(fā)C++代碼 附錄六 層狀貝葉斯網(wǎng)絡算法（HBN）開發(fā)WinBUGS和Matlab代碼 彩圖

章節(jié)摘錄

版權頁：   插圖：   4.5.3 算法實現(xiàn) 集合卡爾曼濾波算法程序中定義了CEnKF類作為集合卡爾曼濾波算法程序的核心模塊，這個類的成員變量中定義了包括關于參數(shù)設置、輸入數(shù)據(jù)、中間變量和計算結果的一系列變量與函數(shù)。類的成員函數(shù)中，CEnKF：：run_EnKF（）是集合卡爾曼濾波算法的主要功能函數(shù)，該函數(shù)完成了集合卡爾曼濾波算法的主要流程，程序代碼見附錄四程序4.1。 4.6 集合卡爾曼濾波算法同化實驗 本節(jié)重點介紹利用集合卡爾曼濾波算法的兩個同化實驗，實驗一利用集合卡爾曼濾波算法同化站點觀測數(shù)據(jù)與VIC水文過程模型模擬數(shù)據(jù)，實驗二利用集合卡爾曼濾波算法同化遙感亮溫觀測數(shù)據(jù)與VIC水文過程模型模擬數(shù)據(jù)。 4.6.1 實驗一 站點觀測數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化 本節(jié)以土壤水分同化為例，通過集合卡爾曼濾波算法同化站點觀測數(shù)據(jù)和VIC水文過程模型模擬數(shù)據(jù)。重點介紹利用集合卡爾曼濾波算法同化站點觀測數(shù)據(jù)和VIC水文過程模型模擬數(shù)據(jù)的數(shù)據(jù)同化實驗，并對同化結果進行分析。實驗中，數(shù)據(jù)同化自2003年6月5日開始，2003年7月15日結束，同化實驗時間步長24h。在該實驗內，首先分別對21個站點進行數(shù)據(jù)同化實驗，然后再將這21個站點每一天的數(shù)據(jù)同化結果插值，得到整個研究區(qū)域土壤水分隨時空的分布與變化信息。 1.研究區(qū)域與數(shù)據(jù)描述 研究區(qū)域位于亞拉巴馬州和田納西州交界處，實驗區(qū)域位置與實驗區(qū)內的站點分布。數(shù)據(jù)源包括SMEX03站點土壤水分觀測數(shù)據(jù)（Coleman et a1.，2009）和VIC水文過程模型模擬數(shù)據(jù)。在研究區(qū)域內包括美國土壤氣候分析觀測網(wǎng)和亞拉巴馬州中尺度觀測網(wǎng)兩個觀測站網(wǎng)，共計21個站點，其中美國土壤氣候分析觀測網(wǎng)的站點用“SCAN+站點編號”表示，亞拉巴馬州中尺度觀測網(wǎng)站點用“ALMNet+站點編號”表示。SCAN和ALMNet的土壤水分觀測深度不同，但都觀測了10cm和100cm深度的土壤水分，因此實驗中對這三個深度的土壤水分進行同化。由于站點ALMNet14 在100cm沒有觀測數(shù)據(jù)，因此只在剩余的20個站點進行數(shù)據(jù)同化實驗。由于SCAN觀測網(wǎng)在60cm深度沒有進行觀測，為了實現(xiàn)對所有站點三層同時進行數(shù)據(jù)同化，實驗中利用SCAN站點在50cm的觀測值進行同化，但是在同化前需要對SCAN在50cm深度的觀測值進行處理。為了保持同觀測數(shù)據(jù)的一致性，定義VIC水文過程模型深度10cm、60cm和100cm。 2.VIC水文過程模型基礎參量準備與預處理 VIC水文過程模型在水分平衡模式下運行，模型網(wǎng)格的空間分辨率3km×3km，模型運行時間分辨率24h。為了消除spin-up周期的影響，模型自2000年1月1日開始運行，但只有2003年6月4日以后的數(shù)據(jù)用于同化實驗。數(shù)據(jù)準備過程中，對整個研究區(qū)域40×40個網(wǎng)格點準備數(shù)據(jù)，但是只運行其中20個包含有野外觀測站點的網(wǎng)格點。 VIC水文過程模型水分平衡模式運行需要大氣驅動數(shù)據(jù)、植被數(shù)據(jù)和土壤數(shù)據(jù)。其中大氣驅動數(shù)據(jù)來源于美國國家氣象數(shù)據(jù)中心氣象站逐日分析數(shù)據(jù)，包括日均溫、日高溫、日低溫、降水量、氣壓和風速等氣象因子。為了體現(xiàn)氣象因子隨高程變化的特征，用協(xié)同克里金方法（CoKriging）對氣象數(shù)據(jù)插值，其中高程數(shù)據(jù)來源于全球1km高程數(shù)據(jù)集；地表植被覆蓋數(shù)據(jù)來源于馬里蘭大學提供的全球1km植被覆蓋分類影像（Hansen eta1.，1998）和NASA陸面數(shù)據(jù)同化系統(tǒng)提供的植被參數(shù)庫；土壤參數(shù)基于美國CONUS-SOIL數(shù)據(jù)庫土壤質地數(shù)據(jù)、砂土含量數(shù)據(jù)、土壤容積密度數(shù)據(jù)計算得到。VIC水文過程模型所需要的數(shù)據(jù)準備完成后，將所有數(shù)據(jù)投影至同一投影面，插值到 3 km×3km網(wǎng)格內，并對所有網(wǎng)格逐行編號。 3.站點觀測數(shù)據(jù)準備與預處理 對站點觀測數(shù)據(jù)進行準備與預處理主要包括以下五個基本步驟： 步驟1觀測周期歸一化處理，由于SCAN和ALMNet觀測數(shù)據(jù)記錄周期不同，需要對兩個觀測網(wǎng)的觀測數(shù)據(jù)周期進行歸一化，最終都歸一化為24h。 步驟2缺失數(shù)據(jù)處理，由于觀測條件和儀器等因素的影響，站點觀測數(shù)據(jù)存在不同程度的數(shù)據(jù)缺失現(xiàn)象，為此必須要對缺失的數(shù)據(jù)進行補充。實驗中采取的方法是利用數(shù)據(jù)缺失時刻前后5天的觀測數(shù)據(jù)進行線性插值得到。 步驟3異常數(shù)據(jù)處理，剔除觀測周期內異常的數(shù)據(jù)。 步驟4數(shù)據(jù)格式整理，在完成上述各步驟的準備后，還需要將各站點觀測數(shù)據(jù)整理為數(shù)據(jù)同化算法需要的數(shù)據(jù)格式。實驗中定義的觀測數(shù)據(jù)格式是逐時刻存儲，每一行記錄一個時刻所有網(wǎng)格點的觀測數(shù)據(jù)，每個網(wǎng)格點按10cm、60cm和100cm的 順序存儲。 步驟5 SCAN站點觀測數(shù)據(jù)系統(tǒng)偏差處理，由于SCAN觀測網(wǎng)站點沒有在60cm深度進行觀測，實驗中用50cm處的觀測值來近似60cm處的土壤水分，因此在同化實驗前必須要去除觀測數(shù)據(jù)的系統(tǒng)偏差。

編輯推薦

《數(shù)據(jù)同化算法研發(fā)與實驗》從陸面數(shù)據(jù)同化理論和陸面過程模型切入，提煉數(shù)據(jù)同化的“一個框架、四個基本要素”架構，在選擇可變滲透能力模型（VIC模型）的基礎上開展數(shù)據(jù)同化算法實驗，實現(xiàn)了三維變分算法、四維變分算法和集合卡爾曼濾波算法等三種經(jīng)典數(shù)據(jù)同化算法，以及粒子濾波算法和層狀貝葉斯方法等兩種智能數(shù)據(jù)同化算法的研發(fā)與實驗，并且通過具體實例詳細介紹各個算法的研發(fā)、實驗步驟以及算法結果的分析評價。

圖書封面

評論、評分、閱讀與下載

---

    數(shù)據(jù)同化算法研發(fā)與實驗 PDF格式下載

---