VIP会员
内容简介
同化算法是一种多源遥感数据和模型数据集成的数据处理技术，是目前遥感界研究的热点和前沿。《地球信息科学基础丛书：数据同化算法研发与实验》作者及其团队历时3年努力完成了3D同化算法整理和软件开发（3D）、完成卡尔曼滤波同化算法整理和软件开发（KEM），体现创新性的是成功开发了贝叶斯同化算法和软件（BN），为本领域提供了一种新的数学工具，也成为《地球信息科学基础丛书：数据同化算法研发与实验》的亮点。
目录
前言
第1章绪论
1.1变化研究与数据同化
1.2数据同化基本构成
1.3数据同化算法分类
1.4陆面数据同化研究进展
1.5遥感数据同化研究进展
1.6本书主要内容
1.7本章小结
主要参考文献
第2章数据同化算法发展与进步
2.1变分方法
2.1.1三维变分算法
2.1.2四维变分算法
2.2卡尔曼滤波算法
前言
第1章 绪论
1.1 变化研究与数据同化
1.2 数据同化基本构成
1.3 数据同化算法分类
1.4 陆面数据同化研究进展
1.5 遥感数据同化研究进展
1.6 本书主要内容
1.7 本章小结
主要参考文献
第2章 数据同化算法发展与进步
2.1 变分方法
2.1.1 三维变分算法
2.1.2 四维变分算法
2.2 卡尔曼滤波算法
2.3 集合卡尔曼滤波算法
2.4 粒子滤波算法
2.5 层状贝叶斯方法
2.6 数据同化算法基本公式、机制与特点
2.7 本章小结
主要参考文献
第3章 过程模型选择与应用改进
3.1 陆面过程模型发展阶段
3.2 陆面过程模型比较与选择
3.3 VIC水文过程模型原理与应用改进
3.3.1 VIC水文过程模型原理
3.3.2 VIC水文过程模型代码移植与编译
3.3.3 VIC水文过程模型应用改进
3.4 VIC水文过程模型基础参量准备
3.4.1 大气驱动数据
3.4.2 土壤参数
3.4.3 植被参数
3.4.4 全局参数
3.4.5 基础参量与数据来源
3.5 VIC水文过程模型数据准备与程序代码
3.6 VIC水文过程模型运行与校验
3.6.1 VIC水文过程模型运行
3.6.2 VlC水文过程模型校验
3.7 VIC水文过程模型实验
3.7.1 VIC水文过程模型实验一
3.7.2 VIC水文过程模型实验二
3.7.3 VIC水文过程模型实验三
3.8 本章小结
主要参考文献
第4章 经典数据同化算法开发与实验
4.1 三维变分算法
4.1.1 算法原理
4.1.2 算法流程
4.1.3 算法实现
4.2 三维变分算法同化实验
4.3 四维变分算法
4.3.1 算法原理
4.3.2 算法流程
4.3.3 算法实现
4.4 四维变分算法同化实验
4.5 集合卡尔曼滤波算法
4.5.1 算法原理
4.5.2 算法流程
4.5.3 算法实现
4.6 集合卡尔曼滤波算法同化实验
4.6.1 实验一 站点观测数据与VIC水文过程模型数据同化
4.6.2 实验二 微波亮温数据与VIC水文过程模型数据同化
4.7 本章小结
主要参考文献
第5章 现代智能数据同化算法I:粒子滤波算法
5.1 粒子滤
摘要与插图
第1 章 绪 论近年来，环境变化对人类生存影响日益突出，为了加强对陆地-大气-海洋变化进行长期观测和研究，一系列对地观测计划相继被提出，其中以1999 年12 月开始实施的地球观测卫星计划（EOS）和2003 年开始构建的环境及安全监测系统计划（GMES）作为主要代表，标志着变化研究进入一个以探测变化为目标的数据获取、数据同化和模拟计算的新阶段。2005 年11 月召开的第三次地球观测峰会，通过了建立综合地球观测系统（GEOSS）共同应对气候变化，提升综合、定量处理对地观测数据水平和推动对地观测数据共享的宣言。2012 年国科联（ICSU）在伦敦举行会议，会议以“压力下的地球”为主题，以“新的科学知识实现可持续发展挑战和提出解决方案”为聚焦，提出“未来地球10 年计划”。
作为GEOSS 计划的重要成员国之一，我国积极响应环境变化研究，采取了一系列措施。2008 年我国发射风云三号卫星，载荷了11 种高性能传感器和探测仪器，可以实现对大气、海洋和陆地协同观测，能够得到40 多种要素产品；我国“十二五”建设的“航空遥感系统”将载荷11 种遥感器，获取区域地表、大气和水体变化参量；同时，中国卫星遥感地面站存有1986 年以来的各类对地观测卫星数据资料，总计达250余万景、250TB，是我国的对地观测卫星数据历史档案库。如何有效利用这些观测数据成为当前环境变化研究的关键问题，通过数据同化充分利用这些数据和信息产品，有助于模拟预测环境变化和开展地球系统研究。相比于传统的遥感反演方法，数据同化将观测数据与地球动力模型有效地结合起来，成为连接观测数据与驱动模型预测的关键桥梁，得到更加客观的结果，而传统的反演算法则是对单一来源、单一时刻的遥感数据进行处理，反演结果的质量直接由遥感数据和反演算法决定。环境变化研究的迫切性和数据同化本身的优越性极大地带动了数据同化的发展，数据同化算法在不断完善过程中也在引入新的数学研究成果，展示出创新发展的潜力。
1.1 变化研究与数据同化
由于人类活动的影响，21 世纪温室气体和硫化物气溶胶的浓度急速增加，据科学家预测，未来50～100 年人类将进入一个变暖的世界。未来100 年，、东亚地区和我国的温度将迅速上升，平均地表温度将上升1.4～5.8 ℃，到2050 年，我国平均气温将上升2.2 ℃，气候升温，地下水水位下降，粮食减产，从而造成海平面升高，沿海地区被淹没，生态环境退化，给人类生存条件带来潜在的影响。我国基本国情是人口多、底子薄，用世界7.9%的耕地和6.5%的淡水资源养活着世界近20%的人口。变暖对于支撑我国经济社会发展的脆弱生态环境所产生的影响还具有一定的不确定性，应对变暖是我国在2020 年全面实现小康社会面临的重大挑战之一。在变暖背景条件下，利用尽可能多的空间对地观测资料，增加对变化和区域可持续发展的科学认识，为帮助国家解决好我国经济社会发展与生态环境，资源能源出现的“不平衡、不协调和不可持续”区域可持续发展问题提供支撑。
为了监测并预测环境变化，以1999 年12 月开始实施的地球观测卫星计划和2003年开始构建的环境及安全监测系统计划作为标志，环境变化研究进入一个以探测变化为目标的数据获取、数据同化和模拟计算的新发展阶段。2005 年11 月召开的第三次地球观测峰会，通过了建立综合地球观测系统共同应对气候变化、提升综合定量处理对地观测数据水平和推动对地观测数据共享的宣言。我国是综合地球观测系统的主要成员，与其他成员国提供空间对地观测数据共享服务，携手共同应对变化