日韩偷拍一区二区,国产香蕉久久精品综合网,亚洲激情五月婷婷,欧美日韩国产不卡

第1 章 緒 論

近年來，全球環境變化對人類生存影響日益突出，為了加強對陸地-大氣-海洋全球變化進行長期觀測和研究，一系列全球對地觀測計劃相繼被提出，其中以1999 年12 月開始實施的地球觀測衛星計劃(EOS)和2003 年開始構建的全球環境及安全監測系統計劃(GMES)作為主要代表，標志著全球變化研究進入一個以探測全球變化為目標的數據獲取、數據同化和模擬計算的新階段。2005 年11 月召開的第三次國際地球觀測峰會，通過了建立全球綜合地球觀測系統(GEOSS)共同應對全球氣候變化，提升綜合、定量處理對地觀測數據水平和推動對地觀測數據共享的宣言。2012 年國科聯(ICSU)在倫敦舉行會議，會議以"壓力下的地球"為主題，以"新的科學知識實現全球可持續發展挑戰和提出解決方案"為聚焦，提出"未來地球10 年計劃"。

作為GEOSS 計劃的重要成員國之一，我國積極響應全球環境變化研究，采取了一系列措施。2008 年我國發射風云三號衛星，載荷了11 種高性能傳感器和探測儀器，可以實現對大氣、海洋和陸地協同觀測，能夠得到40 多種要素產品；我國"十二五"建設的"航空遙感系統"將載荷11 種先進遙感器，獲取區域地表、大氣和水體變化參量；同時，中國衛星遙感地面站存有1986 年以來的各類對地觀測衛星數據資料，總計達250余萬景、250TB，是我國較大的對地觀測衛星數據歷史檔案庫。如何有效利用這些觀測數據成為當前全球環境變化研究的關鍵問題，通過數據同化充分利用這些數據和信息產品，有助于模擬預測全球環境變化和開展地球系統研究。相比于傳統的遙感反演方法，數據同化將觀測數據與地球動力模型有效地結合起來，成為連接觀測數據與驅動模型預測的關鍵橋梁，得到更加客觀的結果，而傳統的反演算法則是對單一來源、單一時刻的遙感數據進行處理，反演結果的質量直接由遙感數據和反演算法決定。全球環境變化研究的迫切性和數據同化本身的優越性極大地帶動了數據同化的發展，數據同化算法在不斷完善過程中也在引入新的數學研究成果，展示出創新發展的潛力。

1.1 全球變化研究與數據同化

由于人類活動的影響，21 世紀溫室氣體和硫化物氣溶膠的濃度急速增加，據科學家預測，未來50～100 年人類將進入一個變暖的世界。未來100 年，全球、東亞地區和我國的溫度將迅速上升，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，從而造成海平面升高，沿海地區被淹沒，生態環境退化，給人類生存條件帶來潛在的影響。我國基本國情是人口多、底子薄，用世界7.9%的耕地和6.5%的淡水資源養活著世界近20%的人口。全球變暖對于支撐我國經濟社會發展的脆弱生態環境所產生的影響還具有一定的不確定性，應對全球變暖是我國在2020 年實現小康社會面臨的重大挑戰之一。在全球變暖背景條件下，利用盡可能多的空間對地觀測資料，增加對全球變化和區域可持續發展的科學認識，為幫助國家解決好我國經濟社會發展與生態環境，資源能源出現的"不平衡、不協調和不可持續"區域可持續發展問題提供支撐。

為了監測并預測全球環境變化，以1999 年12 月開始實施的地球觀測衛星計劃和2003年開始構建的全球環境及安全監測系統計劃作為標志，全球環境變化研究進入一個以探測全球變化為目標的數據獲取、數據同化和模擬計算的新發展階段。2005 年11 月召開的第三次國際地球觀測峰會，通過了建立全球綜合地球觀測系統共同應對全球氣候變化、提升綜合定量處理對地觀測數據水平和推動對地觀測數據共享的宣言。我國是全球綜合地球觀測系統的主要成員，與其他成員國提供空間對地觀測數據共享服務，攜手共同應對全球變化和區域可持續、均衡發展問題。我國各種分辨率的空間對地觀測數據已經積累了40 多年，對地觀測平臺已經發展到七種系列，包括氣象衛星系列、海洋衛星系列、中巴地球資源衛星系列、災害與環境監測預報衛星星座系統、探月工程――嫦娥系列、北京1 號小衛星和天宮一號高光譜數據，并且與多個擁有對地觀測衛星的國家簽署衛星數據獲取協議或使用協議，具備了接收超過15 顆對地觀測衛星的能力，包括密云、喀什和三亞等地面接收站網。IGARSS 2012 年德國慕尼黑學術會議將重點聚焦在應對全球氣候變化，專門設立了四個科學主題：地球過程動力和氣候變化、數據同化、綜合地球觀測系統和新衛星計劃。

為應對全球變化與區域可持續、均衡發展問題提供和持續的技術支持是地球科學和空間對地觀測領域需要突破的技術難點和長期任務，需要共同努力完成。

從需求層面看，全球變化動態過程模型和參量估計在支持區域可持續發展方面具有需求的普遍性。我國對全球變暖資料產品和核心關鍵技術突破的需求主要來自三個方面：為國家應對全球變暖決策提供科技支撐；為不同部門運行系統提供與全球變暖背景相關的信息產品，改善運行系統質量；國家制定與全球環境變化相關的重大科技計劃時，需要對全球變暖信息產品和信息平臺提出需求。從應用層面看，數據同化適合于大氣、海洋和陸面

系統或耦合模型驅動系統的參數估算與分析，也是我國制定的國家全球變化相關重大科技計劃的關鍵技術攻關內容。為此，"十二五"期間需要加強相關實驗室和大學的聯合攻關，突破關鍵核心技術，加快將我國低端數據產品服務提升到高端信息產品和服務能力，邁向從數據產品服務提升到模型預測決策信息服務的新臺階，主要包括以下兩點。

(1) 在網絡數字地球科學平臺的基礎上增加數據同化系統，實現過程模型、同化算法、驅動數據、輸入數據和預測結果的網絡化共享。數據同化是在陸面、海面和大氣過程模型或耦合模型框架基礎上完成的，通過數據同化可以修正過程模型的模擬預測軌跡，也可以獲得其他不能直接觀測或當前不具備觀測條件的參量。

(2) 按國際全球變化建議的54 種基礎參量產品，開發和引進評價信息產品，生成物理模型和統計模型，對信息產品加工流程的每一個環節進行檢驗?？臻g對地觀測和反演的五十多個基礎參量涉及地球系統的大氣、海洋和陸地等系統，包括大氣溫度、風速風向、水汽、壓力、降雨、表層輻射通量、溫度、云性質、太陽輻射通量、二氧化碳、甲烷、臭氧和氣溶膠、其他長壽命溫室氣體等大氣參數，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、酸度等海洋參數，徑流、反照度、土壤水分、雪水當量等地表參數。

陸地是地球系統的重要組成部分，陸面過程模型模擬地表的生物/物理變化過程，加深人們對地表變化的理解，是全球環境變化的重要模型之一。數據同化作為檢驗、改善陸面過程模型的重要方法，在全球變化研究中具有極大的重要性，主要表現在以下兩方面：

(1) 數據同化利用觀測數據不斷降低過程模型模擬過程中的不確定性，使得模型模擬預測結果更接近真實情況。

(2) 觀測的物理參量與其他地表狀態參量之間通常有復雜的函數關系，通過數據同化可以獲得許多沒有技術條件觀測到的狀態參量。例如，土壤水分對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，對于根區和底層的土壤水分必須通過不同深度之間的土壤水分函數關系計算得到。又如海水鹽度也是海洋過程模型中不可或缺的物理參量，但是大尺度區域的海水鹽度需要從海流、海冰和溫度等狀態中估算。

為了推動全球變化監測數據共享，國際上相繼開展了一系列同化運行系統研發，實現模型、算法和數據共享的研究。其中，以美國國家航空與航天局哥達德空間飛行中心、美國國家海洋大氣局的國家環境預報中心和水文科學部、普林斯頓大學、華盛頓大學開發的北美陸面數據同化系統(North-America Land Data Assimilation System，NLDAS；Luo et al.，2003)和全球陸面數據同化系統(Global Land Data Assimilation System，GLDAS；Rodell et al.，2004)為典型代表。NLDAS 和GLDAS 數據同化系統集成了MOSAIC 模型、NOAH 模型、SAC 模型和VIC 模型等四種陸面過程模型，主要利用三維變分算法和集合卡爾曼濾波算法進行數據同化，旨在提供北美和全球范圍多種參量、高時空分辨率的陸面過程參量產品。

1.2 數據同化基本構成

由于數據同化可以應用于地球系統科學研究的多個領域，因此不同領域專家對數據同化的內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 認為數據同化是一種對海洋變量進行估計的通用方法，它聯合觀測數據和海洋學動態模型提供的海洋變量估計值，而這是其他方法所不具備的(Robinson and Lermusiaux，2000)。李新認為陸面數據同化是集成多源地理空間數據的新思路，其核心思想是把不同來源、不同分辨率、直接和間接的觀測數據與模型模擬結果集成，生成具有時間一致性、空間一致性和物理一致性的各種地表狀態的數據集，并且認為在陸面數據同化系統上發展起來的陸地信息系統將會發展為未來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)。宮鵬定義數據同化是在考慮數據時空分布和對模型、觀測做出誤差估計的基礎上，在數值模型的動態運行過程中融合新的觀測數據的方法，其目的是生成具有時間、空間和物理一致性的數據集，他認為遙感數據的引入可以輔助改善環境模型的模擬精度，尤其是在提高模型對參數的空間不均一分布(異質性)的模擬方面，同時數據同化也可以改善遙感數據產品的精度(宮鵬，2009)。上述定義方法表述有差異，但所描述的數據同化本質是一樣的，總結上述定義數據同化包括4 個基本要素：模擬自然界真實過程的動力模型；狀態量的直接或間接觀測數據；不斷將新觀測的數據融入過程模型計算中、校正模型參數、提高模型模擬精度的數據同化算法；驅動模型運行的基礎參量數據。

數據同化技術不同于一般的遙感數據反演或特征提取技術，是幫助研究地球系統復雜問題的工具(Daley，1991)。經過資料調研和對主要國家的數據同化系統剖析后，將數據同化系統概括為一個框架和四個基本要素構成(Reichle，2008；Gao et al.，2009；馬建文和秦思嫻，2012)。一個框架是陸面過程動力模型，數據同化就是在模型的動力框架內完成的；四個基本要素包括過程驅動模型、觀測數據、數據同化算法和驅動過程模型運行所必須的基礎參量。本書所用到的數據同化基本構成如圖1.1 所示。

本書所選擇的四個基本要素及其作用如下：

(1) 陸面過程驅動模型，陸面過程驅動模型是數據同化核心。書中選擇的是VIC 水文過程模型，VIC 水文過程模型被認為是當前比較成熟的模型之一。

(2) 基礎參量，驅動陸面過程模型需要的基礎參量，描述研究區域內氣候、土壤和植被特性的參數，主要包括反照率、土壤類型、高程等參數。

(3) 數據同化算法，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典數據同化算法，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) 觀測數據，根據觀測數據與待同化狀態參量之間的一致性，數據同化通?？梢苑譃橹苯油烷g接同化兩類：一類是利用地面觀測數據或者遙感反演產品直接進行同化，即直接同化；另一類是直接利用遙感觀測數據進行同化，即間接同化，此時往往需要輻射傳輸模型或者其他模型表示觀測數據與狀態數據之間的關系。

將數據同化劃分為一個框架和四個獨立要素的好處是多方面的。一是將復雜問題簡單化條理化，便于通過簡明途徑認識問題本質；二是便于利用"黑箱"原理開展大量的實驗，包括驅動模型與同化算法實驗，診斷克服交聯問題，逐步達到協同計算的狀態；三是在開展的大量驅動模型與基礎參量，同化算法與觀測數據系統實驗中，幫助診斷克服優化組合和參數調整中的問題，思考解決問題的正確方向，逐步獲得更好的數據同化效果。

1.3 數據同化算法分類

數據同化算法作為數據同化的重要組成部分，是連接觀測數據與模型模擬預測的關鍵核心部分。通過數據同化算法將新觀測參量不斷加入到驅動模型計算中，有效地校正了模型模擬軌跡，使之更貼近實際(Reichle，2008)，如圖1.2 所示。圖中橫軸表示時間，縱軸表示狀態值，淺灰色實心點表示觀測數據，淺灰色實線表示觀測數據誤差，虛線表示模型的狀態預測軌跡，黑色實線和淺色實線分別表示利用兩種同化算法得到的校正后的狀態量軌跡。

按數據同化算法與模型之間的關聯機制，數據同化算法大致可分為順序數據同化算法和連續數據同化算法兩大類。連續數據同化算法定義一個同化的時間窗口T，利用該同化窗口內的所有觀測數據和模型狀態值進行估計，通過迭代而不斷調整模型初始場，最終將模型軌跡擬合到在同化窗口周期內獲取的所有觀測上，如三維變分和四維變分算法等。圖1.2 中淺色實線表示利用連續數據同化算法校正后的模型預測軌跡，任意t 時刻的狀態量是根據[t?T， t+T ]時間內所有觀測值對模型預測值進行校正得到的。當觀測值與模型預測值相差較小時，校正后的軌跡與初始模型預測軌跡相差不大，若觀測值與模型預測值相差較大，則校正后的軌跡與初始模型預測軌跡也相差較大。

順序數據同化算法又稱濾波算法(Mathieu and Alano'Neill，2008)，包括預測和更新兩個過程，預測過程根據t 時刻狀態值初始化模型，不斷向前積分直到有新的觀測值輸入，預測t+1 時刻模型的狀態值；更新過程則是對當前t+1 時刻的觀測值和模型狀態預測值進行加權，得到當前時刻狀態估計值，其中權重根據二者的誤差確定。根據當前t+1 時刻的狀態值對模型重新初始化，重復上述預測和更新兩個步驟，直到完成所有有觀測數據時刻的狀態預測和更新，常見的算法有集合卡爾曼濾波和粒子濾波算法等。圖1.2 中淺色實線表示利用順序數據同化算法校正后的模型預測軌跡，若t 時刻有觀測值，利用觀測值校正模型預測值，模型預測軌跡在t 時刻發生跳躍。

1.4 陸面數據同化研究進展

數據同化最早應用于大氣和海洋領域，陸面數據同化是同化方法應用到地球表層科學和水文學中而迅速發展起來的新方法，它作為獨立的領域出現是在1995 年之后(Reichle，2008)。雖然陸面數據同化起步相對較晚，但是它在大氣和海洋數據同化基礎、陸面過程模型的發展以及遙感觀測技術的基礎上發展而來，在過去的20 年間取得了極大的研究進展。當前，陸面數據同化當前陸面數據同化的研究主要集中在陸面模型和水文模型基礎上，采用不同的數據同化算法同化地表觀測數據、衛星和雷達數據，優化地表和根區土壤水分、溫度、地表能量通量等的估算。

目前國內外較為成功的數據同化系統有以下三種。

1.北美陸面數據同化系統和全球陸面數據同化系統

北美陸面數據同化系統和全球陸面數據同化系統項目于1998 年啟動，主要以北美洲大陸(包括美國全部、墨西哥和加拿大部分地區)和全球兩個不同尺度的陸面狀態和通量的建模為目標，強調利用陸面數據同化系統提供全球和區域性的陸面同化數據集。NLDAS 和GLDAS 系統由美國國家航空與航天局哥達德空間飛行中心(NASA，GSFC)、美國國家海洋大氣局的國家環境預報中心(NOAA，NCEP)和水文科學部、普林斯頓大學、華盛頓大學聯合開發。GLDAS 和NLDAS 集成了4 種陸面過程模型(CLM、MOSIC、NOAH、VIC)；參與同化的基礎參量包括土壤、植被、生物方面的多種參量；集成多種同化算法；觀測數據來源包括地面測試數據和遙感數據。其中，NLDAS 空間分辨率為1/8°1/8°，時間分辨率為1h；GLDAS 的空間分辨率為1/4°1/4°，時間分辨率為3h。

2.歐洲陸面數據同化系統

歐洲陸面數據同化系統(European Land Data Assimilation System to Predict Floods and Droughts，ELDAS)是歐盟資助項目，由ECMWF、DWD 和CNRM/Meteo France 共同組建，于2001 年12 月1 日正式啟動。該項目的目標是設計和實現數值天氣預報環境下的土壤水分數據同化系統，評價歐洲陸面數據同化系統(ELDAS)對于水文預報(洪水、季節性干旱)的改進效果。歐洲陸面數據同化系統(ELDAS)最終