CN116756691B - 一种海洋数据同化方法、系统、电子设备及介质 - Google Patents

一种海洋数据同化方法、系统、电子设备及介质 Download PDF

Info

Publication number
CN116756691B
CN116756691B CN202310745654.6A CN202310745654A CN116756691B CN 116756691 B CN116756691 B CN 116756691B CN 202310745654 A CN202310745654 A CN 202310745654A CN 116756691 B CN116756691 B CN 116756691B
Authority
CN
China
Prior art keywords
grid
sequence number
grid point
influence
dimensional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310745654.6A
Other languages
English (en)
Other versions
CN116756691A (zh
Inventor
祖子清
于福江
逄仁波
张宇
原野
张蕴斐
高志一
肖林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER
Original Assignee
NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER filed Critical NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER
Priority to CN202310745654.6A priority Critical patent/CN116756691B/zh
Publication of CN116756691A publication Critical patent/CN116756691A/zh
Application granted granted Critical
Publication of CN116756691B publication Critical patent/CN116756691B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开一种海洋数据同化方法、系统、电子设备及介质，涉及海洋数据处理技术领域。所述方法包括采用插值法将观测数据插值到海洋模式网格中，并将插值后的海洋模式三维网格进行垂向投影得到一维投影网格；对于一维投影网格的任意一个网格点，采用二分法根据预先存储的网格点的所有影响格点的序号以及插值后的海洋模式三维网格中所有观测数据的序号，得到网格点的预设影响半径内的观测数据；根据网格点的预设影响半径内的观测数据得到其余相关网格点的预设影响半径内的观测数据；根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值。本发明可缩短同化过程的时间。

Description

一种海洋数据同化方法、系统、电子设备及介质
技术领域
本发明涉及海洋数据处理技术领域，特别是涉及一种海洋数据同化方法、系统、电子设备及介质。
背景技术
数据同化是一种融合背景场数据和观测场数据的方法。在海洋业务预报中，海洋数据同化系统为海洋模式提供初始场，然后驱动海洋模式给出未来7天的海洋业务预报。为满足业务预报的时效需求，海洋数据同化系统每次运行时间需要尽可能短，以便尽快得到初始场启动数值模式给出预报。
现有的同化系统中，通常需要进行局地化分析。一般而言，局地化分析过程可以利用模式网格的规则来大幅降低运算量，如对于等经纬度网格，可以根据当前格点的经纬度方便的确定落入影响半径(如150KM)范围内的观测数据。但对于非结构网格，却无法使用这一方法进行提速。同时，随着分辨率的提升，全球海洋模式的网格数目也不断增加，同化系统的控制向量包含模式网格上的多个变量，因此需要处理的变量个数也不断增加。对于全球质量守恒海洋模式(Mass Conservation Ocean Model，MaCOM)的1/12°的网格设置，单变量单层的模式网格数据约为600万，垂直75层，变量包含温度、盐度、经向流场、纬向流场、垂直速度和海底压力等。同化系统的控制向量的垂向层次至少要包含表层至2000m(垂向54层)，变量包含温度、盐度、经向流场和纬向流场四个变量，因此控制向量的个数约为600万×54层×4个变量＝13亿。局地化分析时，需要对当前模式格点，搜索影响半径范围内全部观测数据。观测数据的变量个数约为100万个。因此，对MaCOM海洋模式进行局地化分析需要使用一个13亿×100万的循环，来计算当前格点与每个观测点的距离，进而判断落入当前格点的全部观测。这一过程耗时较为严重，一次同化过程需要40小时，无法满足业务化运行的需求。因此需要一种可以高效完成MaCOM海洋模式局地化分析过程的方法。
发明内容
本发明的目的是提供一种海洋数据同化方法、系统、电子设备及介质，可缩短同化过程的时间。
为实现上述目的，本发明提供了如下方案：
一种海洋数据同化方法，包括：
对于任意一个层次的任意一个变量对应的海洋模式三维网格，采用插值法将观测数据插值到所述海洋模式三维网格中，并将插值后的海洋模式三维网格进行垂向投影得到一维投影网格；
对于所述一维投影网格中的任意一个网格点，采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述插值后的海洋模式三维网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据；所述网格点的所有影响格点为所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点；
根据所述网格点的预设影响半径内的观测数据得到其余相关网格点的预设影响半径内的观测数据；所述其余相关网格点包括各层次中各变量对应的一维投影网格中与所述网格点序号相同的网格点；
根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值。
可选的，所述网格点的所有影响格点的确定过程包括：
获取所述一维投影网格中各网格点的经纬度，根据各网格点的经纬度计算所述一维投影网格中每两个网格点之间的水平球面距离；
对于所述一维投影网格中的任意一个网格点，确定所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点为所述网格点的影响格点。
可选的，所述采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述海洋模式网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据，具体包括：
确定插值后的海洋模式三维网格中第一个观测数据的序号为左侧边界，确定插值后的海洋模式三维网格中最后一个观测数据的序号为右侧边界；
根据所述左侧边界和所述右侧边界，确定中间序号；
对于预先存储的所述网格点的任意一个影响格点，若所述影响格点的序号与所述中间序号相等，则确定所述中间序号对应的观测数据为所述网格点的预设影响半径内的观测数据；
若所述影响格点的序号大于所述中间序号，则将所述中间序号作为左侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤；
若所述影响格点的序号小于所述中间序号，则将所述中间序号作为右侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
一种海洋数据同化系统，包括：
插值模块，用于对于任意一个层次的任意一个变量对应的海洋模式三维网格，采用插值法将观测数据插值到所述海洋模式三维网格中，并将插值后的海洋模式三维网格进行垂向投影得到一维投影网格；
二分法处理模块，用于对于所述一维投影网格中的任意一个网格点，采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述插值后的海洋模式三维网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据；所述网格点的所有影响格点为所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点；
所有观测数据确定模块，用于根据所述网格点的预设影响半径内的观测数据得到其余相关网格点的预设影响半径内的观测数据；所述其余相关网格点包括各层次中各变量对应的一维投影网格中与所述网格点序号相同的网格点；
模式预报值确定模块，用于根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值。
可选的，所述的海洋数据同化系统，还包括：
获取模块，用于获取所述一维投影网格中各网格点的经纬度，根据各网格点的经纬度计算所述一维投影网格中每两个网格点之间的水平球面距离；
影响格点确定模块，用于对于所述一维投影网格中的任意一个网格点，确定所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点为所述网格点的影响格点。
可选的，所述二分法处理模块，具体包括：
边界确定单元，用于确定插值后的海洋模式三维网格中第一个观测数据的序号为左侧边界，确定插值后的海洋模式三维网格中最后一个观测数据的序号为右侧边界；
中间序号确定单元，用于根据所述左侧边界和所述右侧边界，确定中间序号；
预设影响半径内观测数据确定单元，用于对于预先存储的所述网格点的任意一个影响格点，若所述影响格点的序号与所述中间序号相等，则确定所述中间序号对应的观测数据为所述网格点的预设影响半径内的观测数据；
左侧边界更新单元，用于若所述影响格点的序号大于所述中间序号，则将所述中间序号作为左侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤；
右侧边界更新单元，用于若所述影响格点的序号小于所述中间序号，则将所述中间序号作为右侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
一种电子设备，包括：
存储器和处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据上述所述的海洋数据同化方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的海洋数据同化方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明将网格点的所有影响格点的序号存储起来后续使用时直接调用，不用重新计算不依赖模式网格规则，并且采用二分法根据预先存储的网格点的所有影响格点的序号以及海洋模式网格中所有观测数据的序号，得到网格点的预设影响半径内的观测数据，可缩短同化过程的时间，解决了同化系统耗时严重的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于并行数据同化框架，采用卡尔曼滤波方法的同化流程图；
图2为本发明实施例提供的海洋数据同化方法流程图；
图3为本发明实施例提供的将观测数据插值后的结果示意图；
图4为本发明实施例提供的海洋数据同化方法的流程示意图；
图5为本发明实施例提供的复用上一次搜索影响半径范围内的观测数据的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
业务化海洋学预报旨在发布未来海洋状态的预报，其中温盐流预报是要给出未来天气尺度(1-7天)海洋的温度、盐度、流场以及海表高度异常的预报。温盐流预报结果来自于温盐流业务预报系统，至少包括同化系统和数值模式两部分，其中同化系统通过融合背景场和观测场，给出当前海洋状态的最优估计，而数值模式则将同化系统给出的最优估计作为初始条件，进行时间迭代积分，给出未来7天的海洋状态预报。同化系统在预报系统中的作用是吸收观测系统的信息，修正数值模式中的海洋状态，提高预报结果的技巧水平。一个好的同化系统对温盐流预报系统的技巧至关重要。
目前投入业务应用的同化系统按照采用的理论方法可大致分为两类：基于变分方法和基于卡尔曼滤波方法，按照是否考虑局地化分析过程可以分为两类：局地化分析和全局分析。本发明基于并行数据同化框架(Parallel Data Assimilation Framework，PDAF)，采用了卡尔曼滤波方法的变体：局地误差子空间转换卡尔曼滤波(Local Error SubspaceTransform Kalman filter，LESTKF)，并在此基础上开展局地化分析。如图1所示，这一同化过程的流程是：1)读取背景场，背景场一般选为上一次预报场中对当前时刻的预报；2)对背景场进行奇异值分解(SingularVectorDecomposition，SVD)，提取主要的信号，分解过程中需要考虑不同的变量的量纲不同，因此需要采用不同的尺度化因子；3)利用SVD分解之后的变量构造集合数据，用以表征背景误差协方差，以及背景场；4)读取原始观测数据，包括OSTIA的L4级别的SST数据、Argo的温度和盐度廓线数据；5)观测数据需要进行复杂的质量控制，以去除存在问题的观测，最大程度上保留正确的观测；6)将全部观测数据按照一定的顺序组合为一维列向量，即多源观测向量，以下简称为“y”，并按照观测类型指定观测误差；7)构造观测算子H，将背景场和集合场投影(此处为线性插值)到观测空间，以计算观测增量y-H(x)；8)设定影响半径(此处设置为150KM)，对当前模式网格的每一个网格点，搜索在影响半径内的全部观测数据；9)将当前格点的背景场，以及影响半径之内的背景误差协方差和观测数据及其误差输入到LESTKF滤波器，给出分析增量；10)分析增量叠加到背景场上，即为分析场，可作为数值模式的初始条件。
本发明的目的是基于已经存在的数据同化系统PDAF，为MaCOM数值模式发展同化系统。在开发同化系统的过程中，遇到的主要问题是MaCOM是全球1/12°的水平分辨率，垂向75层，且水平网格点的位置之间不具备显式的简单关系。数据量如此巨大，且使用了不规则的水平网格，因此，原有的同化系统耗时非常严重，同化一次的时间超过了40小时，不满足业务化应用的时效性需求。通过分析各模块的用时，可以发现最为耗时的模块是进行局地分析时，搜索影响半径之内的观测数据的过程，本发明实施例针对这一过程进行了优化，提供了一种海洋数据同化方法，如图2所示，包括：
步骤101：对于任意一个层次的任意一个变量对应的海洋模式三维网格(层次、变量和水平)，采用插值法将观测数据插值到所述海洋模式三维网格中，并将插值后的海洋模式三维网格进行垂向投影(投影到水平维度)得到一维投影网格。
步骤102：对于所述一维投影网格中的任意一个网格点(图3中“+”所在的黑点)，采用二分法根据预先存储的所述网格点的所有影响格点(图3所示的大圆内部的黑点)的序号以及所述插值后的海洋模式三维网格中所有观测数据(图3三角形所在的黑点)的序号，得到所述网格点的预设影响半径(150KM)内的观测数据；所述网格点的所有影响格点为所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点。MaCOM模式网格包含四个维度：经向、纬向、垂向和变量维。在实际处理中，水平的两维(径向和纬向)被合并为一维。观测数据也包含四个维度：经向、纬向、垂向和变量维。但是，在局地化分析时，只关注水平距离是否小于预设影响半径，因此，可以只搜索水平距离小于预设影响半径的模式格点，因为在实际应用中，观测数据(海表温度数据和Argo温盐剖面数据)可能出现在空间的任何位置，不一定是模式网格点上，计算每个观测点与当前网格点的距离是非常耗时的，因此，将观测数据插值到模式网格上，由于之前已经获得了某个网格点的影响格点序号，插值到模式网格上之后，可以借助这一信息，判断影响格点中是否存在观测点，进而获得预设影响半径内的观测数据。
步骤103：由于不考虑垂向局地化，不同层次不同变量经垂向投影到水平一维网格之后，若对应同一水平网格，则对应的影响格点相同。为了节省内存，只需要计算某一层上不同格点之间的距离，此处选为表层，然后根据所述网格点的预设影响半径内的观测数据得到其余相关网格点的预设影响半径内的观测数据，所述其余相关网格点包括各层次中各变量对应的一维投影网格中与所述网格点序号相同的网格点。
步骤104：根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值。
在实际应用中，模式网格包含四维：经向(x方向)、纬向(y方向)、垂向(z方向)、变量(温度、盐度、经向速度和纬向速度)。为了存储方便，水平二维，即经向和纬向合并为一维，称为水平方向。因为不同垂直层次和不同变量之间只需要计算水平距离，所以只需要在一维水平网格上计算任意两点之间的距离即可，所以网格的所有影响格点的确定过程包括：
获取所述一维投影网格中各网格点的经纬度，根据各网格点的经纬度计算所述一维投影网格中每两个网格点之间的水平球面距离。
对于所述一维投影网格中的任意一个网格点，确定所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点为所述网格点的影响格点，并将每个网格点的影响格点存储至文件，以备后用。
在实际应用中，对于所述一维投影网格中的任意一个网格点，确定所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点为所述网格点的影响格点，具体包括：
依次判断该网格点与其他网格点的距离，如果距离小于或等于预设影响半径，则将距离小于或等于预设影响半径的其他网格点的序号存入数组。最终，该数组内存储的网格点为该网格点的影响格点。这一过程耗时较长，但是只需计算一次，后续在业务化预报中，直接读取事先保存的数据文件即可。事实上，如果将全部数据存入一个文件(约300GB)，则会导致读入节点内存不足，程序崩溃；如果按照进程边读取边发送数据，则每次发送的数据超过了2GB，程序崩溃；如果将每个网格点的影响格点单独存储为一个文件，用时读取，用完释放内存，则程序运行耗时依然严重，综上，此处采用每100个网格点存入一个文件，用时每个进程计算所需的网格点序号，从对应的文件中读取影响格点。综上，由于计算任意两点之间的水平球面距离是非常耗时的，因此事先计算好距离，并将距离小于150KM的格点序号保存到文件，然后用时载入，可以节省时间。
在实际应用中，根据各网格点的经纬度计算所述海洋模式网格中每两个网格点之间的水平球面距离Dist的计算公式为：
其中，R为地球半径，分别为空间两个点的经纬度。
在实际应用中，对于海表温度数据，由于使用了OSTIA的高分辨率数据，通过构建超级观测的方法获得与模式网格匹配的SST观测数据。对于Argo温盐剖面数据，在垂向使用了三次样条插值方法，水平方向采用了就近插值方法。
在实际应用中，所述采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述插值后的海洋模式三维网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据，具体包括：
确定插值后的海洋模式三维网格中第一个观测数据的序号为左侧边界，确定插值后的海洋模式三维网格中最后一个观测数据的序号为右侧边界。
根据所述左侧边界和所述右侧边界，确定中间序号。
对于预先存储的所述网格点的任意一个影响格点，若所述影响格点的序号与所述中间序号相等，则确定所述中间序号对应的观测数据为所述网格点的预设影响半径内的观测数据。
若所述影响格点的序号大于所述中间序号，则将所述中间序号作为左侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
若所述影响格点的序号小于所述中间序号，则将所述中间序号作为右侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
在实际应用中，根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值，具体为：
同化系统需要搜索每个网格点周围150KM范围内的观测数据，然后使用这些观测数据更新当前网格点的模式预报值，这一过程用到了LESTKF滤波器，这相当于将搜索到的观测数据做加权平均，得到当前网格点的模式预报值。
如图4所示，本发明还提供了一个实施例对上述方法进行简单介绍，本发明实施例首先在一层水平网格上计算了任一网格点与其他网格点之间的距离，根据距离搜索处于影响半径范围之内的全部模式网格点，将网格点的序号保存到文件，这一过程只需计算1次。其次，将观测数据插值到模式网格上，保存每个插值后的观测数据值及对应的模式网格点序号。再次，判断两个序号在哪些网格点位置相同，即确定同时满足影响半径要求，也存在观测数据的网格点。这一过程也相对耗时，因此本发明采用了二分法进行判断。最后，如果不同的模式三维网格点(水平、垂向、变量维)经垂向投影后，对应相同的水平一维网格点，则可以复用相同水平一维格点的观测数据。在实际中，这需要将变量按照变量维、垂向、水平一维网格的顺序进行排列。
控制变量包含多个层次：表层至2000m，共54层，多个变量：温度、盐度、经向流场和纬向流场。不同层次不同变量，但相同序号的水平一维网格的变量，搜索到的观测数据是相同的。
对于某一个给定的水平网格点，1)先确定层次，按照温度、盐度、经向速度和纬向速度的顺序依次排列变量；2)然后增加一个层次，再按照顺序排列变量；3)最后，增加当前格点编号，依次按照变量和垂向层次排列序号。
模式网格和观测数据都是四维的。由于局地化分析只需要考虑水平方向的距离，因此本发明实施例是将模式网格和观测数据投影到水平一维进行的。假设已经获得了第一层的某一个网格点的150KM范围内的全部观测数据，那么对于这一格点对应的其他层次和其他变量，影响的观测数据是相同的，因此没有必要重新搜索观测数据，复用对垂向投影后相同序号的水平一维格点的观测数据即可。为了最大程度上复用第一层的某一个网格点的观测数据，需要按照变量类型，层次，水平一维网格的顺序对控制变量进行排列，这样可以保证最大程度上复用第一层的某一个网格点的观测数据，运算量可以降低54×4倍。
如图5所示，模式网格包含四维：变量、垂向、经向和纬向。因为MaCOM的水平网格为非结构网格，即经向和纬向网格不具备简单的函数关系，所以把水平经向和纬向两维合并为一维。最终，模式网格包含三维：变量、垂向和水平一维。
本发明是要找出每一个网格(每个变量：温度、盐度、经向流场、纬向流场；每个层次：0-2000m，共50层；每个水平一维网格)周围150KM范围内存在的观测数据，然后再做局地化分析。如果计算每个模式网格点与每个观测数据的距离，运算量太大，无法满足业务化运行的需求。
所以本发明提供的海洋数据同化方法可以搜索当前模式网格周围的观测数据。1)首先把观测数据插值到模式网格上，并按照模式网格的顺序排列。2)其次，只针对水平一维网格计算，每个水平一维网格周围的一维水平网格。3)根据上一步的结果，判断影响格点中哪一些格点上存在观测，并收集这些观测数据。4)将上一步的结果在变量维和垂向维进行复用，获得其他变量、其他垂直层次的格点影响半径范围内的观测数据。
因为局地化过程只关心水平距离，不关心垂直距离和不同的变量，意思就是，不同垂直层次和不同变量，只要水平一维网格对应的序号相同，那么影响的观测数据也应该是一样的。举例来说，对于一个模式网格Var(v,k,i)，其中v，k，i分别表示变量维、垂直维和水平一维的序号，即v＝1表示第一个变量，v＝2表示第二个变量……，所有Var的元素，只要水平一维的序号i相同，那么搜索到的影响观测也应该是一样的。所有网格投影到水平一维上，只要水平一维相同，那么局地化过程的观测数据也相同。这样可以大幅降低运算量。比如，对于给定的一个水平一维网格，只在v＝1，k＝1时搜索150KM内的观测数据，v和k等于其他值时，复用v＝1，k＝1时的结果即可。
本发明实施例还提供了一种与上述方法对应的海洋数据同化系统，包括：
插值模块，用于用于对于任意一个层次的任意一个变量对应的海洋模式三维网格，采用插值法将观测数据插值到所述海洋模式三维网格中，并将插值后的海洋模式三维网格进行垂向投影得到一维投影网格。
二分法处理模块，用于对于所述一维投影网格中的任意一个网格点，采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述插值后的海洋模式三维网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据；所述网格点的所有影响格点为所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点。
所有观测数据确定模块，用于根据所述网格点的预设影响半径内的观测数据得到其余相关网格点的预设影响半径内的观测数据；所有网格点包括各层次的各变量对应的一维投影网格中与所述网格点序号相同的网格点。
模式预报值确定模块，用于根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值。
作为一种可选的实施方式，海洋数据同化系统，还包括：
获取模块，用于获取所述一维投影网格中各网格点的经纬度，根据各网格点的经纬度计算所述一维投影网格中每两个网格点之间的水平球面距离。
影响格点确定模块，用于对于所述一维投影网格中的任意一个网格点，确定所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点为所述网格点的影响格点。
作为一种可选的实施方式，所述二分法处理模块，具体包括：
边界确定单元，用于确定插值后的海洋模式三维网格中第一个观测数据的序号为左侧边界，确定插值后的海洋模式三维网格中最后一个观测数据的序号为右侧边界。
中间序号确定单元，用于根据所述左侧边界和所述右侧边界，确定中间序号。
预设影响半径内观测数据确定单元，用于对于预先存储的所述网格点的任意一个影响格点，若所述影响格点的序号与所述中间序号相等，则确定所述中间序号对应的观测数据为所述网格点的预设影响半径内的观测数据。
左侧边界更新单元，用于若所述影响格点的序号大于所述中间序号，则将所述中间序号作为左侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
右侧边界更新单元，用于若所述影响格点的序号小于所述中间序号，则将所述中间序号作为右侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
本发明实施例还提供了一种电子设备，包括：
存储器和处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据上述实施例所述的海洋数据同化方法。
本发明实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例所述的海洋数据同化方法。
本发明有以下技术效果：
因为观测数据可能出现在空间的任何位置，如果直接计算当前网格点与每个观测点的距离是非常耗时的，所以本发明采用了变通的方式，先搜索当前网格点与其他网格点的距离，并存储水平距离小于150KM的网格点序号，其次，把观测数据插值到模式网格上，记录网格点序号，再次，判断150KM范围内的网格点上是否存在观测，记录存在观测的序号。本发明可以用于海洋数据同化的局地化分析，起到提速的作用，解决了同化系统耗时严重的问题。同时，由于事先计算了网格点之间的距离，并保存成文件，供使用时加载，因此，该方法避免了局地化分析以及同化系统对海洋模式网格规则的依赖，因此便于移植到其他海洋模式。
在局地分析中，需要搜索每个网格点影响半径范围内的全部观测数据。若影响半径取为150KM，影响格点的个数达到103的量级，而全场的观测数据则有106个。判断哪些影响格点上存在观测数据，一般的做法是采用两层循环，即任取一个影响格点，遍历全部观测数据，判断影响格点的序号是否与任一观测数据的序号相等。由于观测数据的个数较多，这种方法耗时较长，本发明采用了二分法将遍历观测数据的过程进行拆分，达到降维的目的，通过二分法可以将运算量由106次循环降低至25次循环。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种海洋数据同化方法，其特征在于，包括：
对于任意一个层次的任意一个变量对应的海洋模式三维网格，采用插值法将观测数据插值到所述海洋模式三维网格中，并将插值后的海洋模式三维网格进行垂向投影得到一维投影网格；
对于所述一维投影网格中的任意一个网格点，采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述插值后的海洋模式三维网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据；所述网格点的所有影响格点为所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点；
根据所述网格点的预设影响半径内的观测数据得到其余相关网格点的预设影响半径内的观测数据；所述其余相关网格点包括各层次中各变量对应的一维投影网格中与所述网格点序号相同的网格点；
根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值；
所述采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述插值后的海洋模式三维网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据，具体包括：
确定插值后的海洋模式三维网格中第一个观测数据的序号为左侧边界，确定插值后的海洋模式三维网格中最后一个观测数据的序号为右侧边界；
根据所述左侧边界和所述右侧边界，确定中间序号；
对于预先存储的所述网格点的任意一个影响格点，若所述影响格点的序号与所述中间序号相等，则确定所述中间序号对应的观测数据为所述网格点的预设影响半径内的观测数据；
若所述影响格点的序号大于所述中间序号，则将所述中间序号作为左侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤；
若所述影响格点的序号小于所述中间序号，则将所述中间序号作为右侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
2.根据权利要求1所述的海洋数据同化方法，其特征在于，所述网格点的所有影响格点的确定过程包括：
获取所述一维投影网格中各网格点的经纬度，根据各网格点的经纬度计算所述一维投影网格中每两个网格点之间的水平球面距离；
对于所述一维投影网格中的任意一个网格点，确定所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点为所述网格点的影响格点。
3.一种海洋数据同化系统，其特征在于，包括：
插值模块，用于对于任意一个层次的任意一个变量对应的海洋模式三维网格，采用插值法将观测数据插值到所述海洋模式三维网格中，并将插值后的海洋模式三维网格进行垂向投影得到一维投影网格；
二分法处理模块，用于对于所述一维投影网格中的任意一个网格点，采用二分法根据预先存储的所述网格点的所有影响格点的序号以及所述插值后的海洋模式三维网格中所有观测数据的序号，得到所述网格点的预设影响半径内的观测数据；所述网格点的所有影响格点为所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点；
所有观测数据确定模块，用于根据所述网格点的预设影响半径内的观测数据得到其余相关网格点的预设影响半径内的观测数据；所有网格点包括各层次的各变量对应的一维投影网格中与所述网格点序号相同的网格点；
模式预报值确定模块，用于根据各网格点的预设影响半径内的观测数据更新各网格点的模式预报值；
所述二分法处理模块，具体包括：
边界确定单元，用于确定插值后的海洋模式三维网格中第一个观测数据的序号为左侧边界，确定插值后的海洋模式三维网格中最后一个观测数据的序号为右侧边界；
中间序号确定单元，用于根据所述左侧边界和所述右侧边界，确定中间序号；
预设影响半径内观测数据确定单元，用于对于预先存储的所述网格点的任意一个影响格点，若所述影响格点的序号与所述中间序号相等，则确定所述中间序号对应的观测数据为所述网格点的预设影响半径内的观测数据；
左侧边界更新单元，用于若所述影响格点的序号大于所述中间序号，则将所述中间序号作为左侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤；
右侧边界更新单元，用于若所述影响格点的序号小于所述中间序号，则将所述中间序号作为右侧边界，并返回所述“根据所述左侧边界和所述右侧边界，确定中间序号”的步骤。
4.根据权利要求3所述的海洋数据同化系统，其特征在于，还包括：
获取模块，用于获取所述一维投影网格中各网格点的经纬度，根据各网格点的经纬度计算所述一维投影网格中每两个网格点之间的水平球面距离；
影响格点确定模块，用于对于所述一维投影网格中的任意一个网格点，确定所述一维投影网格中与所述网格点的水平球面距离小于或等于预设影响半径的网格点为所述网格点的影响格点。
5.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至2中任一项所述的海洋数据同化方法。
6.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2中任一项所述的海洋数据同化方法。
CN202310745654.6A 2023-06-25 2023-06-25 一种海洋数据同化方法、系统、电子设备及介质 Active CN116756691B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310745654.6A CN116756691B (zh) 2023-06-25 2023-06-25 一种海洋数据同化方法、系统、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310745654.6A CN116756691B (zh) 2023-06-25 2023-06-25 一种海洋数据同化方法、系统、电子设备及介质

Publications (2)

Publication Number Publication Date
CN116756691A CN116756691A (zh) 2023-09-15
CN116756691B true CN116756691B (zh) 2024-01-30

Family

ID=87958664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310745654.6A Active CN116756691B (zh) 2023-06-25 2023-06-25 一种海洋数据同化方法、系统、电子设备及介质

Country Status (1)

Country Link
CN (1) CN116756691B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016086329A1 (zh) * 2014-12-01 2016-06-09 哈尔滨工程大学 基于序列递归滤波三维变分的实测海洋环境数据同化方法
CN106372367A (zh) * 2016-09-30 2017-02-01 浙江大学 一种Argo浮标海洋产品的可视化仿真方法
CN109800921A (zh) * 2019-01-30 2019-05-24 北京师范大学 一种基于遥感物候同化和粒子群优化算法的区域冬小麦估产方法
CN111639054A (zh) * 2020-05-29 2020-09-08 中国人民解放军国防科技大学 一种海洋模式与资料同化的数据耦合方法、系统及介质
CN112579885A (zh) * 2020-11-27 2021-03-30 国家海洋环境预报中心 基于用户兴趣点的海洋预报信息服务方法及存储介质
CN113486540A (zh) * 2021-08-20 2021-10-08 天津大学 一种基于集合卡尔曼滤波的潮汐数值模型水深估计方法
CN114219023A (zh) * 2021-12-14 2022-03-22 中国平安财产保险股份有限公司 数据聚类方法、装置、电子设备及可读存储介质
CN115014328A (zh) * 2022-06-09 2022-09-06 浙江华睿科技股份有限公司 一种栅格地图的动态加载方法、装置、设备和介质
CN115879498A (zh) * 2021-10-20 2023-03-31 西南交通大学 一种基于图神经网络的海洋环境参数快速精细化预报方法
CN116152465A (zh) * 2022-12-20 2023-05-23 中国船舶集团有限公司系统工程研究院 一种基于多级插值法的海洋环境场重建方法
CN116305752A (zh) * 2022-12-19 2023-06-23 中国科学院大气物理研究所 一种基于气候模型的海洋观测数据格点化方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230048788A1 (en) * 2021-08-06 2023-02-16 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Method and System for Multi-scale Assimilation of Surface Water Ocean Topography (SWOT) Observations

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016086329A1 (zh) * 2014-12-01 2016-06-09 哈尔滨工程大学 基于序列递归滤波三维变分的实测海洋环境数据同化方法
CN106372367A (zh) * 2016-09-30 2017-02-01 浙江大学 一种Argo浮标海洋产品的可视化仿真方法
CN109800921A (zh) * 2019-01-30 2019-05-24 北京师范大学 一种基于遥感物候同化和粒子群优化算法的区域冬小麦估产方法
CN111639054A (zh) * 2020-05-29 2020-09-08 中国人民解放军国防科技大学 一种海洋模式与资料同化的数据耦合方法、系统及介质
CN112579885A (zh) * 2020-11-27 2021-03-30 国家海洋环境预报中心 基于用户兴趣点的海洋预报信息服务方法及存储介质
CN113486540A (zh) * 2021-08-20 2021-10-08 天津大学 一种基于集合卡尔曼滤波的潮汐数值模型水深估计方法
CN115879498A (zh) * 2021-10-20 2023-03-31 西南交通大学 一种基于图神经网络的海洋环境参数快速精细化预报方法
CN114219023A (zh) * 2021-12-14 2022-03-22 中国平安财产保险股份有限公司 数据聚类方法、装置、电子设备及可读存储介质
CN115014328A (zh) * 2022-06-09 2022-09-06 浙江华睿科技股份有限公司 一种栅格地图的动态加载方法、装置、设备和介质
CN116305752A (zh) * 2022-12-19 2023-06-23 中国科学院大气物理研究所 一种基于气候模型的海洋观测数据格点化方法及系统
CN116152465A (zh) * 2022-12-20 2023-05-23 中国船舶集团有限公司系统工程研究院 一种基于多级插值法的海洋环境场重建方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Argo 数据处理系统设计与应用;祖子清 等;《海洋预报》;第36卷(第4期);1-12 *
Assessment of the data assimilation framework for the Rapid Refresh Forecast System v0.1 and impacts on forecasts of convective storms;Ivette H. Banos 等;《Geoscientific Model Development》;1-36 *
Parallelism and Optimization of Numerical Ocean Forecasting Model;Xu Jianliang 等;《Journal of Ocean University of China》;783-788 *
一个多参数优化系统在简单模型中的应用;祖子清 等;《海洋预报》;第38卷(第3期);11-18 *
基于海温参数模型推算Argo表层温度;张春玲 等;《海洋通报》;第36卷(第4期);1-12 *
海洋声速场中的数据同化方法研究;杨丰茂;《中国优秀硕士学位论文全文数据库 (基础科学辑)》;A010-4 *

Also Published As

Publication number Publication date
CN116756691A (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
US10439594B2 (en) Actually-measured marine environment data assimilation method based on sequence recursive filtering three-dimensional variation
CN113723715B (zh) 公交线网自动匹配道路网络方法、系统、设备及存储介质
CN111310278B (zh) 一种基于仿真的船舶自动化建模方法
CN110992458A (zh) 一种大规模倾斜摄影模型组织与调度方法
CN106295613A (zh) 一种无人机目标定位方法及系统
CN109741209B (zh) 台风灾害下配电网多源数据融合方法、系统及存储介质
CN116342657B (zh) 一种基于编码-解码结构的tcn-gru船舶轨迹预测方法、系统、设备及介质
CN106570936B (zh) 一种基于栅格dem数据的等距离权重内插加密方法
CN113487529A (zh) 一种基于Yolo的气象卫星云图目标检测方法
US20230419639A1 (en) Target detection method and device for high-resolution remote sensing image
CN112329973A (zh) 一种基于图神经网络和区域网格化的时空负荷预测方法
CN117236674A (zh) 城市河网水动力精准调控和水环境提升方法及系统
CN112613633A (zh) 风电场的气象要素预测方法和装置
CN116756691B (zh) 一种海洋数据同化方法、系统、电子设备及介质
Li et al. Online real-time trajectory analysis based on adaptive time interval clustering algorithm
CN113326343B (zh) 基于多级网格和文件索引的路网数据存储方法及系统
Meng et al. Tropical cyclone intensity probabilistic forecasting system based on deep learning
CN111080080B (zh) 一种村镇地质灾害风险预估方法及系统
CN117195603A (zh) 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质
CN110926497B (zh) 水下运载器惯导误差预测、浮起校正自动规划方法、装置
CN115905997B (zh) 基于预测偏差优化的风电机组气象灾害预警方法及系统
CN115239027A (zh) 空气质量格点化集合预报的方法及装置
CN117421942B (zh) 一种海面温度确定方法和装置、电子设备
CN111486847B (zh) 一种无人机导航方法及系统
CN113762153B (zh) 一种基于遥感数据的新型尾矿库检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant