本書基于國(guó)內(nèi)外相關(guān)研究和作者在數(shù)據(jù)同化領(lǐng)域的研究心得,重點(diǎn)介紹數(shù)據(jù)同化算法的研發(fā)與實(shí)驗(yàn)。圍繞數(shù)據(jù)同化算法研發(fā)和實(shí)驗(yàn)這一主題,本書從陸面數(shù)據(jù)同化理論和陸面過(guò)程模型切入,提煉數(shù)據(jù)同化的"一個(gè)框架、四個(gè)基本要素"架構(gòu),在選擇可變滲透能力模型(VIC模型)的基礎(chǔ)上開展數(shù)據(jù)同化算法實(shí)驗(yàn),實(shí)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(shí)驗(yàn),并且通過(guò)具體實(shí)例詳細(xì)介紹各個(gè)算法的研發(fā)、實(shí)驗(yàn)步驟以及算法結(jié)果的分析評(píng)價(jià)。,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)。
本書旨在對(duì)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(shí),也適合定量遙感、全球環(huán)境變化及地球系統(tǒng)科學(xué)等領(lǐng)域的科研工作者以及高等院校師生參考。
同化算法是一種多源遙感數(shù)據(jù)和模型數(shù)據(jù)集成的數(shù)據(jù)處理技術(shù),是目前遙感界研究的熱點(diǎn)和前沿。 馬建文等編著的《數(shù)據(jù)同化算法研發(fā)與實(shí)驗(yàn)(附算法程序)》從陸面數(shù)據(jù)同化理論和陸面過(guò)程模型切入,提煉數(shù)據(jù)同化的"一個(gè)框架、四個(gè)基本要素"架構(gòu),在選擇可變滲透能力模型(VIC模型)的基礎(chǔ)上開展數(shù)據(jù)同化算法實(shí)驗(yàn),實(shí)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(shí)驗(yàn),并且通過(guò)具體實(shí)例詳細(xì)介紹各個(gè)算法的研發(fā)、實(shí)驗(yàn)步驟以及算法結(jié)果的分析評(píng)價(jià)。
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(gòu)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(jìn)展
1.5 遙感數(shù)據(jù)同化研究進(jìn)展
1.6 本書主要內(nèi)容
1.7 本章小結(jié)
主要參考文獻(xiàn)
第2章 數(shù)據(jù)同化算法發(fā)展與進(jìn)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(jī)制與特點(diǎn)
2.7 本章小結(jié)
主要參考文獻(xiàn)
第3章 過(guò)程模型選擇與應(yīng)用改進(jìn)
3.1 陸面過(guò)程模型發(fā)展階段
3.2 陸面過(guò)程模型比較與選擇
3.3 VIC水文過(guò)程模型原理與應(yīng)用改進(jìn)
3.3.1 VIC水文過(guò)程模型原理
3.3.2 VIC水文過(guò)程模型代碼移植與編譯
3.3.3 VIC水文過(guò)程模型應(yīng)用改進(jìn)
3.4 VIC水文過(guò)程模型基礎(chǔ)參量準(zhǔn)備
3.4.1 大氣驅(qū)動(dòng)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(chǔ)參量與數(shù)據(jù)來(lái)源
3.5 VIC水文過(guò)程模型數(shù)據(jù)準(zhǔn)備與程序代碼
3.6 VIC水文過(guò)程模型運(yùn)行與校驗(yàn)
3.6.1 VIC水文過(guò)程模型運(yùn)行
3.6.2 VIC水文過(guò)程模型校驗(yàn)
3.7 VIC水文過(guò)程模型實(shí)驗(yàn)
3.7.1 VIC水文過(guò)程模型實(shí)驗(yàn)一
3.7.2 VIC水文過(guò)程模型實(shí)驗(yàn)二
3.7.3 VIC水文過(guò)程模型實(shí)驗(yàn)三
3.8 本章小結(jié)
主要參考文獻(xiàn)
第4章 經(jīng)典數(shù)據(jù)同化算法開發(fā)與實(shí)驗(yàn)
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(shí)現(xiàn)
4.2 三維變分算法同化實(shí)驗(yàn)
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(shí)現(xiàn)
4.4 四維變分算法同化實(shí)驗(yàn)
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(shí)現(xiàn)
4.6 集合卡爾曼濾波算法同化實(shí)驗(yàn)
4.6.1 實(shí)驗(yàn)一 站點(diǎn)觀測(cè)數(shù)據(jù)與VIC水文過(guò)程模型數(shù)據(jù)同化
4.6.2 實(shí)驗(yàn)二 微波亮溫?cái)?shù)據(jù)與VIC水文過(guò)程模型數(shù)據(jù)同化
4.7 本章小結(jié)
主要參考文獻(xiàn)
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(chǔ)
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(shí)現(xiàn)
5.4.1 粒子濾波算法流程
5.4.2 粒子濾波算法實(shí)現(xiàn)
5.5 粒子濾波算法同化實(shí)驗(yàn)
5.5.1 實(shí)驗(yàn)一 站點(diǎn)觀測(cè)數(shù)據(jù)與VIC水文過(guò)程模型數(shù)據(jù)同化
5.5.2 實(shí)驗(yàn)二 微波亮溫?cái)?shù)據(jù)與VIC水文過(guò)程模型數(shù)據(jù)同化
5.5.3 實(shí)驗(yàn)三 數(shù)據(jù)同化與VIC水文過(guò)程模型參數(shù)同步估計(jì)
5.6 本章小結(jié)
主要參考文獻(xiàn)
第6章 現(xiàn)代智能數(shù)據(jù)同化算法Ⅱ:層狀貝葉斯網(wǎng)絡(luò)算法
6.1 層狀貝葉斯方法理論基礎(chǔ)
6.1.1 數(shù)據(jù)模型
6.1.2 過(guò)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(luò)算法
6.2.1 數(shù)據(jù)描述
6.2.2 層狀貝葉斯網(wǎng)絡(luò)構(gòu)建
6.2.3 層狀貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)
6.2.4 層狀貝葉斯網(wǎng)絡(luò)學(xué)習(xí)、校驗(yàn)與預(yù)測(cè)
6.2.5 層狀貝葉斯網(wǎng)絡(luò)算法流程
6.3 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡(luò)算法
6.3.1 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡(luò)構(gòu)建
6.3.2 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)
6.3.3 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡(luò)推理
6.3.4 較大似然參數(shù)估計(jì)
6.3.5 基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡(luò)算法技術(shù)流程
6.4 層狀貝葉斯網(wǎng)絡(luò)同化站點(diǎn)觀測(cè)與VIC水文過(guò)程模型數(shù)據(jù)實(shí)驗(yàn)
6.4.1 數(shù)據(jù)預(yù)處理
6.4.2 層狀貝葉斯網(wǎng)絡(luò)學(xué)習(xí)與校驗(yàn)
6.4.3 層狀貝葉斯網(wǎng)絡(luò)預(yù)測(cè)
6.4.4 程序代碼
6.5 本章小結(jié)
主要參考文獻(xiàn)
第7章 數(shù)據(jù)同化集成系統(tǒng)
7.1 系統(tǒng)結(jié)構(gòu)與功能設(shè)計(jì)
7.2 系統(tǒng)詳細(xì)設(shè)計(jì)
7.2.1 輸入輸出模塊
7.2.2 陸面過(guò)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(píng)價(jià)模塊
7.3 系統(tǒng)功能實(shí)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)可視化功能與界面
7.3.3 精度評(píng)價(jià)功能與界面
7.4 本章小結(jié)
主要參考文獻(xiàn)
附錄一 VIC水文過(guò)程模型與數(shù)據(jù)準(zhǔn)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(luò)算法(HBN)開發(fā)WinBUGS和Matlab代碼
彩圖
第1 章 緒 論
近年來(lái),全球環(huán)境變化對(duì)人類生存影響日益突出,為了加強(qiáng)對(duì)陸地-大氣-海洋全球變化進(jìn)行長(zhǎng)期觀測(cè)和研究,一系列全球?qū)Φ赜^測(cè)計(jì)劃相繼被提出,其中以1999 年12 月開始實(shí)施的地球觀測(cè)衛(wèi)星計(jì)劃(EOS)和2003 年開始構(gòu)建的全球環(huán)境及安全監(jiān)測(cè)系統(tǒng)計(jì)劃(GMES)作為主要代表,標(biāo)志著全球變化研究進(jìn)入一個(gè)以探測(cè)全球變化為目標(biāo)的數(shù)據(jù)獲取、數(shù)據(jù)同化和模擬計(jì)算的新階段。2005 年11 月召開的第三次國(guó)際地球觀測(cè)峰會(huì),通過(guò)了建立全球綜合地球觀測(cè)系統(tǒng)(GEOSS)共同應(yīng)對(duì)全球氣候變化,提升綜合、定量處理對(duì)地觀測(cè)數(shù)據(jù)水平和推動(dòng)對(duì)地觀測(cè)數(shù)據(jù)共享的宣言。2012 年國(guó)科聯(lián)(ICSU)在倫敦舉行會(huì)議,會(huì)議以"壓力下的地球"為主題,以"新的科學(xué)知識(shí)實(shí)現(xiàn)全球可持續(xù)發(fā)展挑戰(zhàn)和提出解決方案"為聚焦,提出"未來(lái)地球10 年計(jì)劃"。
作為GEOSS 計(jì)劃的重要成員國(guó)之一,我國(guó)積極響應(yīng)全球環(huán)境變化研究,采取了一系列措施。2008 年我國(guó)發(fā)射風(fēng)云三號(hào)衛(wèi)星,載荷了11 種高性能傳感器和探測(cè)儀器,可以實(shí)現(xiàn)對(duì)大氣、海洋和陸地協(xié)同觀測(cè),能夠得到40 多種要素產(chǎn)品;我國(guó)"十二五"建設(shè)的"航空遙感系統(tǒng)"將載荷11 種先進(jìn)遙感器,獲取區(qū)域地表、大氣和水體變化參量;同時(shí),中國(guó)衛(wèi)星遙感地面站存有1986 年以來(lái)的各類對(duì)地觀測(cè)衛(wèi)星數(shù)據(jù)資料,總計(jì)達(dá)250余萬(wàn)景、250TB,是我國(guó)較大的對(duì)地觀測(cè)衛(wèi)星數(shù)據(jù)歷史檔案庫(kù)。如何有效利用這些觀測(cè)數(shù)據(jù)成為當(dāng)前全球環(huán)境變化研究的關(guān)鍵問(wèn)題,通過(guò)數(shù)據(jù)同化充分利用這些數(shù)據(jù)和信息產(chǎn)品,有助于模擬預(yù)測(cè)全球環(huán)境變化和開展地球系統(tǒng)研究。相比于傳統(tǒng)的遙感反演方法,數(shù)據(jù)同化將觀測(cè)數(shù)據(jù)與地球動(dòng)力模型有效地結(jié)合起來(lái),成為連接觀測(cè)數(shù)據(jù)與驅(qū)動(dòng)模型預(yù)測(cè)的關(guān)鍵橋梁,得到更加客觀的結(jié)果,而傳統(tǒng)的反演算法則是對(duì)單一來(lái)源、單一時(shí)刻的遙感數(shù)據(jù)進(jìn)行處理,反演結(jié)果的質(zhì)量直接由遙感數(shù)據(jù)和反演算法決定。全球環(huán)境變化研究的迫切性和數(shù)據(jù)同化本身的優(yōu)越性極大地帶動(dòng)了數(shù)據(jù)同化的發(fā)展,數(shù)據(jù)同化算法在不斷完善過(guò)程中也在引入新的數(shù)學(xué)研究成果,展示出創(chuàng)新發(fā)展的潛力。
1.1 全球變化研究與數(shù)據(jù)同化
由于人類活動(dòng)的影響,21 世紀(jì)溫室氣體和硫化物氣溶膠的濃度急速增加,據(jù)科學(xué)家預(yù)測(cè),未來(lái)50~100 年人類將進(jìn)入一個(gè)變暖的世界。未來(lái)100 年,全球、東亞地區(qū)和我國(guó)的溫度將迅速上升,全球平均地表溫度將上升1.4~5.8 ℃,到2050 年,我國(guó)平均氣溫將上升2.2 ℃,全球氣候升溫,地下水水位下降,糧食減產(chǎn),從而造成海平面升高,沿海地區(qū)被淹沒,生態(tài)環(huán)境退化,給人類生存條件帶來(lái)潛在的影響。我國(guó)基本國(guó)情是人口多、底子薄,用世界7.9%的耕地和6.5%的淡水資源養(yǎng)活著世界近20%的人口。全球變暖對(duì)于支撐我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展的脆弱生態(tài)環(huán)境所產(chǎn)生的影響還具有一定的不確定性,應(yīng)對(duì)全球變暖是我國(guó)在2020 年實(shí)現(xiàn)小康社會(huì)面臨的重大挑戰(zhàn)之一。在全球變暖背景條件下,利用盡可能多的空間對(duì)地觀測(cè)資料,增加對(duì)全球變化和區(qū)域可持續(xù)發(fā)展的科學(xué)認(rèn)識(shí),為幫助國(guó)家解決好我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展與生態(tài)環(huán)境,資源能源出現(xiàn)的"不平衡、不協(xié)調(diào)和不可持續(xù)"區(qū)域可持續(xù)發(fā)展問(wèn)題提供支撐。
為了監(jiān)測(cè)并預(yù)測(cè)全球環(huán)境變化,以1999 年12 月開始實(shí)施的地球觀測(cè)衛(wèi)星計(jì)劃和2003年開始構(gòu)建的全球環(huán)境及安全監(jiān)測(cè)系統(tǒng)計(jì)劃作為標(biāo)志,全球環(huán)境變化研究進(jìn)入一個(gè)以探測(cè)全球變化為目標(biāo)的數(shù)據(jù)獲取、數(shù)據(jù)同化和模擬計(jì)算的新發(fā)展階段。2005 年11 月召開的第三次國(guó)際地球觀測(cè)峰會(huì),通過(guò)了建立全球綜合地球觀測(cè)系統(tǒng)共同應(yīng)對(duì)全球氣候變化、提升綜合定量處理對(duì)地觀測(cè)數(shù)據(jù)水平和推動(dòng)對(duì)地觀測(cè)數(shù)據(jù)共享的宣言。我國(guó)是全球綜合地球觀測(cè)系統(tǒng)的主要成員,與其他成員國(guó)提供空間對(duì)地觀測(cè)數(shù)據(jù)共享服務(wù),攜手共同應(yīng)對(duì)全球變化和區(qū)域可持續(xù)、均衡發(fā)展問(wèn)題。我國(guó)各種分辨率的空間對(duì)地觀測(cè)數(shù)據(jù)已經(jīng)積累了40 多年,對(duì)地觀測(cè)平臺(tái)已經(jīng)發(fā)展到七種系列,包括氣象衛(wèi)星系列、海洋衛(wèi)星系列、中巴地球資源衛(wèi)星系列、災(zāi)害與環(huán)境監(jiān)測(cè)預(yù)報(bào)衛(wèi)星星座系統(tǒng)、探月工程――嫦娥系列、北京1 號(hào)小衛(wèi)星和天宮一號(hào)高光譜數(shù)據(jù),并且與多個(gè)擁有對(duì)地觀測(cè)衛(wèi)星的國(guó)家簽署衛(wèi)星數(shù)據(jù)獲取協(xié)議或使用協(xié)議,具備了接收超過(guò)15 顆對(duì)地觀測(cè)衛(wèi)星的能力,包括密云、喀什和三亞等地面接收站網(wǎng)。IGARSS 2012 年德國(guó)慕尼黑學(xué)術(shù)會(huì)議將重點(diǎn)聚焦在應(yīng)對(duì)全球氣候變化,專門設(shè)立了四個(gè)科學(xué)主題:地球過(guò)程動(dòng)力和氣候變化、數(shù)據(jù)同化、綜合地球觀測(cè)系統(tǒng)和新衛(wèi)星計(jì)劃。
為應(yīng)對(duì)全球變化與區(qū)域可持續(xù)、均衡發(fā)展問(wèn)題提供和持續(xù)的技術(shù)支持是地球科學(xué)和空間對(duì)地觀測(cè)領(lǐng)域需要突破的技術(shù)難點(diǎn)和長(zhǎng)期任務(wù),需要共同努力完成。
從需求層面看,全球變化動(dòng)態(tài)過(guò)程模型和參量估計(jì)在支持區(qū)域可持續(xù)發(fā)展方面具有需求的普遍性。我國(guó)對(duì)全球變暖資料產(chǎn)品和核心關(guān)鍵技術(shù)突破的需求主要來(lái)自三個(gè)方面:為國(guó)家應(yīng)對(duì)全球變暖決策提供科技支撐;為不同部門運(yùn)行系統(tǒng)提供與全球變暖背景相關(guān)的信息產(chǎn)品,改善運(yùn)行系統(tǒng)質(zhì)量;國(guó)家制定與全球環(huán)境變化相關(guān)的重大科技計(jì)劃時(shí),需要對(duì)全球變暖信息產(chǎn)品和信息平臺(tái)提出需求。從應(yīng)用層面看,數(shù)據(jù)同化適合于大氣、海洋和陸面
系統(tǒng)或耦合模型驅(qū)動(dòng)系統(tǒng)的參數(shù)估算與分析,也是我國(guó)制定的國(guó)家全球變化相關(guān)重大科技計(jì)劃的關(guān)鍵技術(shù)攻關(guān)內(nèi)容。為此,"十二五"期間需要加強(qiáng)相關(guān)實(shí)驗(yàn)室和大學(xué)的聯(lián)合攻關(guān),突破關(guān)鍵核心技術(shù),加快將我國(guó)低端數(shù)據(jù)產(chǎn)品服務(wù)提升到高端信息產(chǎn)品和服務(wù)能力,邁向從數(shù)據(jù)產(chǎn)品服務(wù)提升到模型預(yù)測(cè)決策信息服務(wù)的新臺(tái)階,主要包括以下兩點(diǎn)。
(1) 在網(wǎng)絡(luò)數(shù)字地球科學(xué)平臺(tái)的基礎(chǔ)上增加數(shù)據(jù)同化系統(tǒng),實(shí)現(xiàn)過(guò)程模型、同化算法、驅(qū)動(dòng)數(shù)據(jù)、輸入數(shù)據(jù)和預(yù)測(cè)結(jié)果的網(wǎng)絡(luò)化共享。數(shù)據(jù)同化是在陸面、海面和大氣過(guò)程模型或耦合模型框架基礎(chǔ)上完成的,通過(guò)數(shù)據(jù)同化可以修正過(guò)程模型的模擬預(yù)測(cè)軌跡,也可以獲得其他不能直接觀測(cè)或當(dāng)前不具備觀測(cè)條件的參量。
(2) 按國(guó)際全球變化建議的54 種基礎(chǔ)參量產(chǎn)品,開發(fā)和引進(jìn)評(píng)價(jià)信息產(chǎn)品,生成物理模型和統(tǒng)計(jì)模型,對(duì)信息產(chǎn)品加工流程的每一個(gè)環(huán)節(jié)進(jìn)行檢驗(yàn)。空間對(duì)地觀測(cè)和反演的五十多個(gè)基礎(chǔ)參量涉及地球系統(tǒng)的大氣、海洋和陸地等系統(tǒng),包括大氣溫度、風(fēng)速風(fēng)向、水汽、壓力、降雨、表層輻射通量、溫度、云性質(zhì)、太陽(yáng)輻射通量、二氧化碳、甲烷、臭氧和氣溶膠、其他長(zhǎng)壽命溫室氣體等大氣參數(shù),海洋表層溫度、鹽度、水位、海浪、浮冰、表流、水色、二氧化碳顆粒壓強(qiáng)、酸度等海洋參數(shù),徑流、反照度、土壤水分、雪水當(dāng)量等地表參數(shù)。
陸地是地球系統(tǒng)的重要組成部分,陸面過(guò)程模型模擬地表的生物/物理變化過(guò)程,加深人們對(duì)地表變化的理解,是全球環(huán)境變化的重要模型之一。數(shù)據(jù)同化作為檢驗(yàn)、改善陸面過(guò)程模型的重要方法,在全球變化研究中具有極大的重要性,主要表現(xiàn)在以下兩方面:
(1) 數(shù)據(jù)同化利用觀測(cè)數(shù)據(jù)不斷降低過(guò)程模型模擬過(guò)程中的不確定性,使得模型模擬預(yù)測(cè)結(jié)果更接近真實(shí)情況。
(2) 觀測(cè)的物理參量與其他地表狀態(tài)參量之間通常有復(fù)雜的函數(shù)關(guān)系,通過(guò)數(shù)據(jù)同化可以獲得許多沒有技術(shù)條件觀測(cè)到的狀態(tài)參量。例如,土壤水分對(duì)于全球的能量和水分平衡起到重要作用,但是通常我們只能獲得表層的土壤水分,對(duì)于根區(qū)和底層的土壤水分必須通過(guò)不同深度之間的土壤水分函數(shù)關(guān)系計(jì)算得到。又如海水鹽度也是海洋過(guò)程模型中不可或缺的物理參量,但是大尺度區(qū)域的海水鹽度需要從海流、海冰和溫度等狀態(tài)中估算。
為了推動(dòng)全球變化監(jiān)測(cè)數(shù)據(jù)共享,國(guó)際上相繼開展了一系列同化運(yùn)行系統(tǒng)研發(fā),實(shí)現(xiàn)模型、算法和數(shù)據(jù)共享的研究。其中,以美國(guó)國(guó)家航空與航天局哥達(dá)德空間飛行中心、美國(guó)國(guó)家海洋大氣局的國(guó)家環(huán)境預(yù)報(bào)中心和水文科學(xué)部、普林斯頓大學(xué)、華盛頓大學(xué)開發(fā)的北美陸面數(shù)據(jù)同化系統(tǒng)(North-America Land Data Assimilation System,NLDAS;Luo et al.,2003)和全球陸面數(shù)據(jù)同化系統(tǒng)(Global Land Data Assimilation System,GLDAS;Rodell et al.,2004)為典型代表。NLDAS 和GLDAS 數(shù)據(jù)同化系統(tǒng)集成了MOSAIC 模型、NOAH 模型、SAC 模型和VIC 模型等四種陸面過(guò)程模型,主要利用三維變分算法和集合卡爾曼濾波算法進(jìn)行數(shù)據(jù)同化,旨在提供北美和全球范圍多種參量、高時(shí)空分辨率的陸面過(guò)程參量產(chǎn)品。
1.2 數(shù)據(jù)同化基本構(gòu)成
由于數(shù)據(jù)同化可以應(yīng)用于地球系統(tǒng)科學(xué)研究的多個(gè)領(lǐng)域,因此不同領(lǐng)域?qū)<覍?duì)數(shù)據(jù)同化的內(nèi)涵與外延有各自的表述(Robinson and Lermusiaux,2000;黃春林和李新,2004;李新和黃春林,2004;宮鵬,2009;李新和擺玉龍,2010)。Robinson 和Lermusiaux 認(rèn)為數(shù)據(jù)同化是一種對(duì)海洋變量進(jìn)行估計(jì)的通用方法,它聯(lián)合觀測(cè)數(shù)據(jù)和海洋學(xué)動(dòng)態(tài)模型提供的海洋變量估計(jì)值,而這是其他方法所不具備的(Robinson and Lermusiaux,2000)。李新認(rèn)為陸面數(shù)據(jù)同化是集成多源地理空間數(shù)據(jù)的新思路,其核心思想是把不同來(lái)源、不同分辨率、直接和間接的觀測(cè)數(shù)據(jù)與模型模擬結(jié)果集成,生成具有時(shí)間一致性、空間一致性和物理一致性的各種地表狀態(tài)的數(shù)據(jù)集,并且認(rèn)為在陸面數(shù)據(jù)同化系統(tǒng)上發(fā)展起來(lái)的陸地信息系統(tǒng)將會(huì)發(fā)展為未來(lái)GIS 中的重要工具(李新和黃春林,2004;黃春林和李新,2004;李新和擺玉龍,2010)。宮鵬定義數(shù)據(jù)同化是在考慮數(shù)據(jù)時(shí)空分布和對(duì)模型、觀測(cè)做出誤差估計(jì)的基礎(chǔ)上,在數(shù)值模型的動(dòng)態(tài)運(yùn)行過(guò)程中融合新的觀測(cè)數(shù)據(jù)的方法,其目的是生成具有時(shí)間、空間和物理一致性的數(shù)據(jù)集,他認(rèn)為遙感數(shù)據(jù)的引入可以輔助改善環(huán)境模型的模擬精度,尤其是在提高模型對(duì)參數(shù)的空間不均一分布(異質(zhì)性)的模擬方面,同時(shí)數(shù)據(jù)同化也可以改善遙感數(shù)據(jù)產(chǎn)品的精度(宮鵬,2009)。上述定義方法表述有差異,但所描述的數(shù)據(jù)同化本質(zhì)是一樣的,總結(jié)上述定義數(shù)據(jù)同化包括4 個(gè)基本要素:模擬自然界真實(shí)過(guò)程的動(dòng)力模型;狀態(tài)量的直接或間接觀測(cè)數(shù)據(jù);不斷將新觀測(cè)的數(shù)據(jù)融入過(guò)程模型計(jì)算中、校正模型參數(shù)、提高模型模擬精度的數(shù)據(jù)同化算法;驅(qū)動(dòng)模型運(yùn)行的基礎(chǔ)參量數(shù)據(jù)。
數(shù)據(jù)同化技術(shù)不同于一般的遙感數(shù)據(jù)反演或特征提取技術(shù),是幫助研究地球系統(tǒng)復(fù)雜問(wèn)題的工具(Daley,1991)。經(jīng)過(guò)資料調(diào)研和對(duì)主要國(guó)家的數(shù)據(jù)同化系統(tǒng)剖析后,將數(shù)據(jù)同化系統(tǒng)概括為一個(gè)框架和四個(gè)基本要素構(gòu)成(Reichle,2008;Gao et al.,2009;馬建文和秦思嫻,2012)。一個(gè)框架是陸面過(guò)程動(dòng)力模型,數(shù)據(jù)同化就是在模型的動(dòng)力框架內(nèi)完成的;四個(gè)基本要素包括過(guò)程驅(qū)動(dòng)模型、觀測(cè)數(shù)據(jù)、數(shù)據(jù)同化算法和驅(qū)動(dòng)過(guò)程模型運(yùn)行所必須的基礎(chǔ)參量。本書所用到的數(shù)據(jù)同化基本構(gòu)成如圖1.1 所示。
本書所選擇的四個(gè)基本要素及其作用如下:
(1) 陸面過(guò)程驅(qū)動(dòng)模型,陸面過(guò)程驅(qū)動(dòng)模型是數(shù)據(jù)同化核心。書中選擇的是VIC 水文過(guò)程模型,VIC 水文過(guò)程模型被認(rèn)為是當(dāng)前比較成熟的模型之一。
(2) 基礎(chǔ)參量,驅(qū)動(dòng)陸面過(guò)程模型需要的基礎(chǔ)參量,描述研究區(qū)域內(nèi)氣候、土壤和植被特性的參數(shù),主要包括反照率、土壤類型、高程等參數(shù)。
(3) 數(shù)據(jù)同化算法,包括以三維變分算法、四維變分算法和集合卡爾曼濾波算法為代表的經(jīng)典數(shù)據(jù)同化算法,以及以粒子濾波和層狀貝葉斯方法為代表的前沿探索方法。
(4) 觀測(cè)數(shù)據(jù),根據(jù)觀測(cè)數(shù)據(jù)與待同化狀態(tài)參量之間的一致性,數(shù)據(jù)同化通常可以分為直接同化和間接同化兩類:一類是利用地面觀測(cè)數(shù)據(jù)或者遙感反演產(chǎn)品直接進(jìn)行同化,即直接同化;另一類是直接利用遙感觀測(cè)數(shù)據(jù)進(jìn)行同化,即間接同化,此時(shí)往往需要輻射傳輸模型或者其他模型表示觀測(cè)數(shù)據(jù)與狀態(tài)數(shù)據(jù)之間的關(guān)系。
將數(shù)據(jù)同化劃分為一個(gè)框架和四個(gè)獨(dú)立要素的好處是多方面的。一是將復(fù)雜問(wèn)題簡(jiǎn)單化條理化,便于通過(guò)簡(jiǎn)明途徑認(rèn)識(shí)問(wèn)題本質(zhì);二是便于利用"黑箱"原理開展大量的實(shí)驗(yàn),包括驅(qū)動(dòng)模型與同化算法實(shí)驗(yàn),診斷克服交聯(lián)問(wèn)題,逐步達(dá)到協(xié)同計(jì)算的狀態(tài);三是在開展的大量驅(qū)動(dòng)模型與基礎(chǔ)參量,同化算法與觀測(cè)數(shù)據(jù)系統(tǒng)實(shí)驗(yàn)中,幫助診斷克服優(yōu)化組合和參數(shù)調(diào)整中的問(wèn)題,思考解決問(wèn)題的正確方向,逐步獲得更好的數(shù)據(jù)同化效果。
1.3 數(shù)據(jù)同化算法分類
數(shù)據(jù)同化算法作為數(shù)據(jù)同化的重要組成部分,是連接觀測(cè)數(shù)據(jù)與模型模擬預(yù)測(cè)的關(guān)鍵核心部分。通過(guò)數(shù)據(jù)同化算法將新觀測(cè)參量不斷加入到驅(qū)動(dòng)模型計(jì)算中,有效地校正了模型模擬軌跡,使之更貼近實(shí)際(Reichle,2008),如圖1.2 所示。圖中橫軸表示時(shí)間,縱軸表示狀態(tài)值,淺灰色實(shí)心點(diǎn)表示觀測(cè)數(shù)據(jù),淺灰色實(shí)線表示觀測(cè)數(shù)據(jù)誤差,虛線表示模型的狀態(tài)預(yù)測(cè)軌跡,黑色實(shí)線和淺色實(shí)線分別表示利用兩種同化算法得到的校正后的狀態(tài)量軌跡。
按數(shù)據(jù)同化算法與模型之間的關(guān)聯(lián)機(jī)制,數(shù)據(jù)同化算法大致可分為順序數(shù)據(jù)同化算法和連續(xù)數(shù)據(jù)同化算法兩大類。連續(xù)數(shù)據(jù)同化算法定義一個(gè)同化的時(shí)間窗口T,利用該同化窗口內(nèi)的所有觀測(cè)數(shù)據(jù)和模型狀態(tài)值進(jìn)行估計(jì),通過(guò)迭代而不斷調(diào)整模型初始場(chǎng),最終將模型軌跡擬合到在同化窗口周期內(nèi)獲取的所有觀測(cè)上,如三維變分和四維變分算法等。圖1.2 中淺色實(shí)線表示利用連續(xù)數(shù)據(jù)同化算法校正后的模型預(yù)測(cè)軌跡,任意t 時(shí)刻的狀態(tài)量是根據(jù)[t?T, t+T ]時(shí)間內(nèi)所有觀測(cè)值對(duì)模型預(yù)測(cè)值進(jìn)行校正得到的。當(dāng)觀測(cè)值與模型預(yù)測(cè)值相差較小時(shí),校正后的軌跡與初始模型預(yù)測(cè)軌跡相差不大,若觀測(cè)值與模型預(yù)測(cè)值相差較大,則校正后的軌跡與初始模型預(yù)測(cè)軌跡也相差較大。
順序數(shù)據(jù)同化算法又稱濾波算法(Mathieu and Alano'Neill,2008),包括預(yù)測(cè)和更新兩個(gè)過(guò)程,預(yù)測(cè)過(guò)程根據(jù)t 時(shí)刻狀態(tài)值初始化模型,不斷向前積分直到有新的觀測(cè)值輸入,預(yù)測(cè)t+1 時(shí)刻模型的狀態(tài)值;更新過(guò)程則是對(duì)當(dāng)前t+1 時(shí)刻的觀測(cè)值和模型狀態(tài)預(yù)測(cè)值進(jìn)行加權(quán),得到當(dāng)前時(shí)刻狀態(tài)估計(jì)值,其中權(quán)重根據(jù)二者的誤差確定。根據(jù)當(dāng)前t+1 時(shí)刻的狀態(tài)值對(duì)模型重新初始化,重復(fù)上述預(yù)測(cè)和更新兩個(gè)步驟,直到完成所有有觀測(cè)數(shù)據(jù)時(shí)刻的狀態(tài)預(yù)測(cè)和更新,常見的算法有集合卡爾曼濾波和粒子濾波算法等。圖1.2 中淺色實(shí)線表示利用順序數(shù)據(jù)同化算法校正后的模型預(yù)測(cè)軌跡,若t 時(shí)刻有觀測(cè)值,利用觀測(cè)值校正模型預(yù)測(cè)值,模型預(yù)測(cè)軌跡在t 時(shí)刻發(fā)生跳躍。
1.4 陸面數(shù)據(jù)同化研究進(jìn)展
數(shù)據(jù)同化最早應(yīng)用于大氣和海洋領(lǐng)域,陸面數(shù)據(jù)同化是同化方法應(yīng)用到地球表層科學(xué)和水文學(xué)中而迅速發(fā)展起來(lái)的新方法,它作為獨(dú)立的領(lǐng)域出現(xiàn)是在1995 年之后(Reichle,2008)。雖然陸面數(shù)據(jù)同化起步相對(duì)較晚,但是它在大氣和海洋數(shù)據(jù)同化基礎(chǔ)、陸面過(guò)程模型的發(fā)展以及遙感觀測(cè)技術(shù)的基礎(chǔ)上發(fā)展而來(lái),在過(guò)去的20 年間取得了極大的研究進(jìn)展。當(dāng)前,陸面數(shù)據(jù)同化當(dāng)前陸面數(shù)據(jù)同化的研究主要集中在陸面模型和水文模型基礎(chǔ)上,采用不同的數(shù)據(jù)同化算法同化地表觀測(cè)數(shù)據(jù)、衛(wèi)星和雷達(dá)數(shù)據(jù),優(yōu)化地表和根區(qū)土壤水分、溫度、地表能量通量等的估算。
目前國(guó)內(nèi)外較為成功的數(shù)據(jù)同化系統(tǒng)有以下三種。
1.北美陸面數(shù)據(jù)同化系統(tǒng)和全球陸面數(shù)據(jù)同化系統(tǒng)
北美陸面數(shù)據(jù)同化系統(tǒng)和全球陸面數(shù)據(jù)同化系統(tǒng)項(xiàng)目于1998 年啟動(dòng),主要以北美洲大陸(包括美國(guó)全部、墨西哥和加拿大部分地區(qū))和全球兩個(gè)不同尺度的陸面狀態(tài)和通量的建模為目標(biāo),強(qiáng)調(diào)利用陸面數(shù)據(jù)同化系統(tǒng)提供全球和區(qū)域性的陸面同化數(shù)據(jù)集。NLDAS 和GLDAS 系統(tǒng)由美國(guó)國(guó)家航空與航天局哥達(dá)德空間飛行中心(NASA,GSFC)、美國(guó)國(guó)家海洋大氣局的國(guó)家環(huán)境預(yù)報(bào)中心(NOAA,NCEP)和水文科學(xué)部、普林斯頓大學(xué)、華盛頓大學(xué)聯(lián)合開發(fā)。GLDAS 和NLDAS 集成了4 種陸面過(guò)程模型(CLM、MOSIC、NOAH、VIC);參與同化的基礎(chǔ)參量包括土壤、植被、生物方面的多種參量;集成多種同化算法;觀測(cè)數(shù)據(jù)來(lái)源包括地面測(cè)試數(shù)據(jù)和遙感數(shù)據(jù)。其中,NLDAS 空間分辨率為1/8°1/8°,時(shí)間分辨率為1h;GLDAS 的空間分辨率為1/4°1/4°,時(shí)間分辨率為3h。
2.歐洲陸面數(shù)據(jù)同化系統(tǒng)
歐洲陸面數(shù)據(jù)同化系統(tǒng)(European Land Data Assimilation System to Predict Floods and Droughts,ELDAS)是歐盟資助項(xiàng)目,由ECMWF、DWD 和CNRM/Meteo France 共同組建,于2001 年12 月1 日正式啟動(dòng)。該項(xiàng)目的目標(biāo)是設(shè)計(jì)和實(shí)現(xiàn)數(shù)值天氣預(yù)報(bào)環(huán)境下的土壤水分?jǐn)?shù)據(jù)同化系統(tǒng),評(píng)價(jià)歐洲陸面數(shù)據(jù)同化系統(tǒng)(ELDAS)對(duì)于水文預(yù)報(bào)(洪水、季節(jié)性干旱)的改進(jìn)效果。歐洲陸面數(shù)據(jù)同化系統(tǒng)(ELDAS)最終