CN116758224B - 一种多源海洋观测资料的融合同化方法和装置 - Google Patents

一种多源海洋观测资料的融合同化方法和装置 Download PDF

Info

Publication number
CN116758224B
CN116758224B CN202310319855.XA CN202310319855A CN116758224B CN 116758224 B CN116758224 B CN 116758224B CN 202310319855 A CN202310319855 A CN 202310319855A CN 116758224 B CN116758224 B CN 116758224B
Authority
CN
China
Prior art keywords
standard
data
source
lattice point
observation
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
CN202310319855.XA
Other languages
English (en)
Other versions
CN116758224A (zh
Inventor
秦英豪
莫慧尔
万莉颖
张宇
刘洋
邢建勇
于庆龙
吴萌萌
蔡琼琼
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 CN202310319855.XA priority Critical patent/CN116758224B/zh
Publication of CN116758224A publication Critical patent/CN116758224A/zh
Application granted granted Critical
Publication of CN116758224B publication Critical patent/CN116758224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本申请提供了一种多源海洋观测资料的融合同化方法和装置，包括：按照预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布多源海洋观测资料；针对每个标准格点，基于标准网格多年再分析资料确定该标准格点对应的经纬搜索范围；在标准网格经纬搜索范围内进行搜索，得到落入该标准格点对应的目标多源海洋观测资料；根据每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，融合得到多源海洋观测融合资料，之后结合数值模拟结果进行资料同化得到数值预报初始场。这样，通过将多源海洋观测资料进行多尺度融合同化，能够提供质量更高的初始场，从而最终提高数值预报的精度。

Description

一种多源海洋观测资料的融合同化方法和装置
技术领域
本申请涉及海洋探测技术领域，尤其是涉及一种多源海洋观测资料的融合同化方法和装置。
背景技术
海洋观测资料包括了描述海水性质的最重要的物理参数，提供了海洋学研究的基本内容，例如，海水的温度和盐度。从物理海洋学的观点来看，温盐与海水的其他物理性质，都有着密切的关系。此外，海表温度场是海洋热力、动力过程与大气相互作用的综合结果，在很大程度上控制着海洋向大气输送水分和热量的空间分布和密度，本身又同时受到海气相互作用的强烈影响，不仅成为分析海面水汽和热量交往的非常重要的物理参数，也是海洋环流、水团、海洋锋、上升流、西边界流、热盐环流以及海水混合等物理海洋学问题中更为直观的指示量。海洋状态对天气尺度预报、气候研究都有着至关重要的作用。因此，如何得到更加准确的海洋物理参数的观测资料对于物理海洋学的研究和社会的经济发展都有着至关重要的意义。
目前，针对数值预报所需的多源观测资料主要是依次进行资料同化，这种多源观测资料多次同化方式不仅浪费计算资源，影响了数值预报的时效性，也容易引入不必要的观测误差。因此，如何对多源观测资料进行有效的融合和同化，成为了数值预报亟需解决的首要问题。
发明内容
有鉴于此，本申请的目的在于提供一种多源海洋观测资料的融合同化方法和装置，通过将目标区域的每个标准格点周边经纬搜索范围内的目标多源海洋观测资料进行并行多尺度融合，能够提高融合观测资料的精度，有利于融合观测资料在后续数值预报中的同化吸收，进而提高数值预报的精度。
本申请实施例提供了一种多源海洋观测资料的融合同化方法，所述融合同化方法包括：
获取目标区域在目标日期对应的多源海洋观测资料以及多年再分析资料；其中，所述多源海洋观测资料包括多种不同数据来源的海洋观测资料；
将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布的多源观测资料；
针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围；
以该标准格点为中心按照对应的经纬搜索范围在所述标准垂向分布多源海洋观测资料中进行搜索，得到落入该标准格点的经纬搜索范围内的目标多源海洋观测资料；
根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将落入该标准格点的经纬搜索范围内的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料；
根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场。
进一步的，所述根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将该标准格点对应的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料，包括：
根据所述多源海洋观测资料中每种海洋观测资料的资料误差，以及每个观测格点到该标准格点的距离，得到该标准格点对应的目标多源海洋观测资料中每个观测格点的反误差反距离融合权重；
按照每个观测格点的反误差反距离融合权重，将该标准格点对应的目标多源海洋观测资料进行加权求和，得到所述目标区域中的该标准格点在所述目标日期的反误差反距离的多源海洋观测融合资料。
进一步的，通过以下公式根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将该标准格点对应的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料：
式中，Tj表示该标准格点j在所述目标日期的多源海洋观测融合资料；N表示多源海洋观测资料中海洋观测资料的数量；di表示每个观测格点i到该标准格点j的距离；σi表示每个观测格点i所属的海洋观测资料的资料误差。
进一步的，将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布多源观测资料，包括：
读取所述多源海洋观测资料的原始垂向分层和所述多年再分析资料的原始垂向分层；
按照所述预设标准三维网格的垂向分层，对所述多源海洋观测资料的原始垂向分层进行垂向线性插值处理，得到所述标准垂向分布多源观测资料；
按照所述预设标准三维网格的垂向分层，对所述多年再分析资料的原始垂向分层进行垂向线性插值处理，得到所述多年再分析资料在所述预设标准三维网格下的标准垂向分层数据；
针对所述标准垂向分层数据中每一层对应的多年再分析资料，按照所述预设标准三维网格的水平分辨率，将该层对应的多年再分析资料进行双线性插值处理，得到该层对应的标准网格多年再分析资料。
进一步的，针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围，包括：
基于所述标准网格多年再分析资料中的标准网格逐日再分析资料，确定该标准格点在每年中所述目标日期的经向梯度和纬向梯度；
对该标准格点每年中所述目标日期的经向梯度和纬向梯度进行气候态平均，确定该标准格点的平均经向梯度和平均纬向梯度；
基于每个标准格点的平均经向梯度、平均纬向梯度以及预设梯度阈值，确定该标准格点对应的经向搜索半径和纬向搜索半径；
基于该标准格点对应的经向搜索半径和纬向搜索半径确定该标准格点对应的经纬搜索范围。
进一步的，针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围，还包括：
基于所述标准网格多年再分析资料中该标准格点对应的标准网格逐日再分析资料，确定该标准格点对应的相关系数；
基于每个标准格点对应的相关系数和预设系数阈值，确定该标准格点对应的搜索半径；
基于该标准格点对应的搜索半径确定该标准格点对应的经纬搜索范围。
进一步的，根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场，包括：
使用NEMO数值预报模式，以全球天气预报场为大气强迫场来源，辅以气候态数据控制模式表面盐度和深海温盐积分漂移，得到所述目标区域在所述目标日期的数值模拟结果；
采用局地集合变换卡尔曼滤波同化方案，使用Gaspari-Cohn五阶局地化函数，对所述多源海洋观测融合资料和所述数值模拟结果进行资料同化；
根据海表温度卫星观测资料混合层投影、海表高度卫星观测资料和垂向温盐关系进行投影修正，得到所述目标区域的最优数值预报初始场。
本申请实施例还提供了一种多源海洋观测资料的融合同化装置，所述融合同化装置包括：
获取模块，用于获取目标区域在目标日期对应的多源海洋观测资料以及多年再分析资料；其中，所述多源海洋观测资料包括多种不同数据来源的海洋观测资料；
插值模块，用于将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布的多源观测资料；
确定模块，用于针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点的经纬搜索范围；
搜索模块，用于以该标准格点为中心按照对应的经纬搜索范围在所述标准垂向分布多源海洋观测资料中进行搜索，得到落入该标准格点的经纬搜索范围内的目标多源海洋观测资料；
融合模块，用于根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将落入该标准格点的经纬搜索范围内的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料；
同化模块，用于根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的一种多源海洋观测资料的融合同化方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的一种多源海洋观测资料的融合同化方法的步骤。
本申请实施例提供的一种多源海洋观测资料的融合同化方法和装置，通过将目标区域的每个标准格点周边经纬搜索范围内的目标多源海洋观测资料进行多尺度融合，能够提高融合观测资料的精度，有利于融合观测资料在后续数值预报中的同化吸收，进而提高数值预报的精度。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种多源海洋观测资料的融合同化方法的流程图；
图2示出了本申请实施例所提供的一种高分辨标准三维网格设计的流程图；
图3示出了本申请实施例所提供的一种经纬搜索范围的选取方法的示意图；
图4示出了本申请实施例所提供的一种按照经纬搜索范围进行搜索的示意图；
图5示出了本申请实施例所提供的一种多源海洋观测资料的融合同化过程的示意图；
图6示出了本申请实施例所提供的一种海表温度和海表高度的卫星观测垂向投影的示意图；
图7示出了本申请实施例所提供的一种多源温盐剖面观测资料多权重多尺度融合同化方法的流程图；
图8示出了本申请实施例所提供的一种多源海洋观测资料的融合同化装置的结构示意之一；
图9示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
经研究发现，海洋观测资料包括了描述海水性质的最重要的物理参数，提供了海洋学研究的基本内容，例如，海水的温度和盐度。从物理海洋学的观点来看，温盐与海水的其他物理性质，都有着密切的关系。此外，海表温度场是海洋热力、动力过程与大气相互作用的综合结果，在很大程度上控制着海洋向大气输送水分和热量的空间分布和密度，本身又同时受到海气相互作用的强烈影响，不仅成为分析海面水汽和热量交往的非常重要的物理参数，也是海洋环流、水团、海洋锋、上升流、西边界流、热盐环流以及海水混合等物理海洋学问题中更为直观的指示量。海洋状态对天气尺度预报、气候研究都有着至关重要的作用。因此，如何得到更加准确的海洋物理参数的观测资料对于物理海洋学的研究和社会的经济发展都有着至关重要的意义。
目前，针对数值预报所需的多源观测资料主要是依次进行资料同化，这种多源观测资料多次同化方式不仅浪费计算资源，影响了数值预报的时效性，也容易引入不必要的观测误差。因此，如何对多源观测资料进行有效的融合和同化，成为了数值预报亟需解决的首要问题。
基于此，本申请实施例提供了一种多源海洋观测资料的融合同化方法和装置，通过将目标区域的每个标准格点周边经纬搜索范围内的目标多源海洋观测资料进行并行多尺度融合，能够提高融合观测资料的精度，有利于融合观测资料在后续数值预报中的同化吸收，进而提高数值预报的精度。
请参阅图1，图1为本申请实施例所提供的一种多源海洋观测资料的融合同化方法的流程图。如图1中所示，本申请实施例提供的融合同化方法，包括：
S101、获取目标区域在目标日期对应的多源海洋观测资料以及多年再分析资料。
其中，所述多源海洋观测资料包括多种不同数据来源的海洋观测资料。示例性的，多源海洋观测资料可以包括Argo温度盐度剖面观测资料、全球热带锚系浮标阵列以及其他站位温度盐度剖面观测资料等，其中全球热带锚系浮标阵列包括热带太平洋的TAO/TRITON浮标阵列、热带印度洋的RAMA浮标阵列、热带大西洋的PIRATA浮标阵列。
这里，对于目标日期，多源海洋观测资料可以是距离该目标日期较小时间窗口内的海洋观测资料，多年再分析资料可以包括过去数十年中该目标日期对应的再分析资料。多源海洋观测资料和再分析资料包括目标区域的多种海洋物理参数的观测资料，例如温度、盐度等。资料的数据形式可以包括廓线和剖面。
S102、将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布的多源观测资料。
该步骤中，首先需要针对目标区域设计标准三维网格。下面请参阅图2，图2为本申请实施例所提供的一种高分辨标准三维网格设计的流程图；如图2所示，标准三维网格设计包括高分辨率水平网格设计和高分辨垂向网格设计。水平网格设计可以全球均匀网格，也可以渐变(水平变)网格或加密网格；垂向网格设计可以等距分层，也可以非等距分层。
在一个示例中，水平纬度设计范围为[-80,90]，纬向分辨率为1/12度，其中赤道地区分辨率约为9公里，中纬度大洋分辨率约为6公里，南北极地区分辨率可达2公里；水平经度设计范围为[-180,179.9167]，经向分辨率为1/12度。垂向分层设计为不等距分层，垂向水深范围为[0.494025,2225.078]，单位为米，表层垂向分辨率较密，随着水深加深，垂向分层较大，上层海洋垂直分辨率可达1米，深层海域垂直分辨率为100-200米。即垂向网格分层设计为：depth＝0.494025,1.541375,2.645669,3.819495,5.078224,6.440614,7.92956,9.572997,11.405,13.46714,15.81007,18.49556,21.59882,25.21141,29.44473,34.43415,40.34405,47.37369,55.76429,65.80727,77.85385,92.32607,109.7293,130.666,155.8507,186.1256,222.4752,266.0403,318.1274,380.213,453.9377,541.0889,643.5668,763.3331,902.3393,1062.44,1245.291,1452.251,1684.284,1941.893,2225.078。如果有更深层的观测资料，垂向深度也可以继续加深，直至覆盖观测资料的最大深度。
在一种可能的实施方式中，步骤S102可包括：S1021、读取所述多源海洋观测资料的原始垂向分层和所述多年再分析资料的原始垂向分层；S1022、按照所述预设标准三维网格的垂向分层，对所述多源海洋观测资料的原始垂向分层进行垂向线性插值处理，得到所述标准垂向分布多源海洋观测资料；S1023、按照所述预设标准三维网格的垂向分层，对所述多年再分析资料的原始垂向分层进行垂向线性插值处理，得到所述多年再分析资料在所述预设标准三维网格下的标准垂向分层数据；S1024、针对所述标准垂向分层数据中每一层对应的多年再分析资料，按照所述预设标准三维网格的水平分辨率，将该层对应的多年再分析资料进行双线性插值处理，得到该层对应的标准网格多年再分析资料。其中，针对多源海洋观测资料中的每种海洋观测资料，可以分别读取原始垂向分层并进行垂向线性插值处理，得到标准垂向分布的该种海洋观测资料，进而构成标准垂向分布多源海洋观测资料；针对目标日期对应的多年再分析资料，可对目标日期对应的每年再分析分别按照预设标准三维网格进行插值处理，得到标准网格逐日再分析资料。
S103、针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围。
下面请参阅图3，图3为本申请实施例所提供的一种经纬搜索范围的选取方法的示意图；如图3所示，在得到按照标准三维网格分布的再分析资料之后，可在标准三维网格中逐点确定经纬搜索范围(半径)；可选取的方法包括梯度方法、统计相关方法和单元网格方法。
在第一种可能的实施方式中，对于梯度方法，步骤S103可包括：
步骤1、基于所述标准网格多年再分析资料中的标准网格逐日再分析资料，确定该标准格点在每年中所述目标日期的经向梯度和纬向梯度。
该步骤中，可从标准网格多年再分析资料中的标准网格逐日再分析资料，筛选出每年中目标日期对应的标准网格逐日再分析资料；之后，使用梯度法确定预设标准三维网格中逐层逐点在目标日期的经向梯度变化和纬向梯度变化，得到在每年中目标日期每个标准格点在空间上的经向梯度和纬向梯度。
步骤2、对该标准格点每年中所述目标日期的经向梯度和纬向梯度进行气候态平均，确定该标准格点的平均经向梯度和平均纬向梯度。
该步骤中，使用该标准格点在每年中目标日期的经向梯度和纬向梯度取平均值，可计算得到该标准格点在目标日期的平均经向梯度和平均纬向梯度。
步骤3、基于每个标准格点的平均经向梯度、平均纬向梯度以及预设梯度阈值，确定该标准格点对应的经向搜索半径和纬向搜索半径。
该步骤中，可确定出该标准格点周边平均经向梯度和平均纬向梯度小于预设梯度阈值的目标格点，进而可基于目标格点到该标准格点间的距离或经纬度差值，确定出该标准格点对应的经向搜索半径和纬向搜索半径。
步骤4、基于该标准格点对应的经向搜索半径和纬向搜索半径确定该标准格点对应的经纬搜索范围。
该步骤中，可使用该标准格点对应的经向搜索半径和纬向搜索半径确定出经纬搜索范围，其中，经纬搜索范围可以是圆形、椭圆形或长方形等。
在第二种可能的实施方式中，对于统计相关方法，步骤S103可包括：
步骤1、基于所述标准网格多年再分析资料中该标准格点对应的标准网格逐日再分析资料，确定该标准格点对应的相关系数。
具体的，针对任意一个标准格点p，可通过以下公式确定出该标准格点与同一垂向分层中任意一个其他标准格点q之间的相关系数：
式中，N表示标准网格多年再分析资料的年数，Xi表示该标准格点p在第i年中所述目标日期的物理参数，如温度，盐度等，为该标准格点p处的多年物理参数Xi的平均值，Yi表示标准格点q在第i年中所述目标日期的物理参数，/>为标准格点q多年物理参数Yi的均值。
步骤2、基于每个标准格点对应的相关系数和预设系数阈值，确定该标准格点对应的搜索半径。
该步骤中，可确定出该标准格点周边相关系数小于预设系数阈值的目标格点，进而可基于目标格点到该标准格点间的距离或经纬度差值，确定出该标准格点对应的经向搜索半径和纬向搜索半径。
步骤3、基于该标准格点对应的搜索半径确定该标准格点对应的经纬搜索范围。
同样的，可使用该标准格点对应的搜索半径确定出经纬搜索范围，其中，经纬搜索范围可以是圆形、椭圆形或长方形等。
在第三种可能的实施方式中，对于单元网格法，步骤S103还可以使用单元网格确定经纬搜索范围。具体的，可利用标准三维网格的单元网格空间分辨率，例如以分辨率的一半作为搜索半径。则经纬搜索范围是以该标准格点为中心的，经纬搜索范围是边长为单元网格分辨率的“正方形”。
S104、以该标准格点为中心按照对应的经纬搜索范围在所述标准垂向分布多源海洋观测资料中进行搜索，得到落入该标准格点的经纬搜索范围内的目标多源海洋观测资料。
下面请参阅图4，图4为本申请实施例所提供的一种按照经纬搜索范围进行搜索的示意图；如图4所示，标准垂向分布多源海洋观测资料中每种海洋观测资料包括空间位置点的坐标和对应的海洋物理参数。示例性的，图4中标准格点的经纬搜索范围表示为方框，对于预设标准三维网格中每一垂向分层中的每个标准格点，以该标准格点所在位置为中心，搜索在该垂向分层中空间位置落入该标准格点周边经纬搜索范围的标准垂向分布多源海洋观测资料，从而得到目标多源海洋观测资料。
S105、根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将落入该标准格点的经纬搜索范围内的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料。
这里，预定融合方式包括反误差反距离融合方式；具体的，在一种可能的实施方式中，步骤S105可包括：
S1051、根据所述多源海洋观测资料中每种海洋观测资料的资料误差，以及每个观测格点到该标准格点的距离，得到该标准格点对应的目标多源海洋观测资料中每个观测格点的反误差反距离融合权重。
其中，每种海洋观测资料有对应的资料误差，在具体实施时，可从海洋观测资料中直接读取。
S1052、按照每个观测格点的反误差反距离融合权重，将该标准格点对应的目标多源海洋观测资料进行加权求和，得到所述目标区域中的该标准格点在所述目标日期的反误差反距离的多源海洋观测融合资料。
具体的，可通过以下公式根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将该标准格点对应的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料。其中，融合的观测资料中的海洋物理参数可以包括海水的温度和盐度等。
式中，Tj表示该标准格点j在所述目标日期的多源海洋观测融合资料；N表示多源海洋观测资料中海洋观测资料的数量；di表示每个观测格点i到该标准格点j的距离；σi表示每个观测格点i所属的海洋观测资料的资料误差。
这样，通过将目标区域的多源海洋观测资料进行并行多尺度融合，能够提高融合观测资料的精度。
进一步的，研究发现，海洋环流数值预报主要就是解决初始场问题，初始场的准确程度对海洋环流的数值预报来说非常重要。如何将这些多源观测资料和数值模式有效的结合起来，就需要在资料同化之前，将这些多源观测资料进行多尺度的融合成三维标准网格化产品，使之观测信息更加有效的被数值模式吸收同化，以提高数值预报的精度，也为我国维护国家海洋权益、促进海洋经济发展、应对海上突发事件、加强海洋防灾减灾提供强有力的保障。
因此，在步骤S105之后，所述融合同化方法还可包括：S106、根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场。
在一种可能的实施方式中，当所述多源海洋观测资料中包括海水的温度和盐度的观测资料时，步骤S106可包括：使用NEMO数值预报模式，以全球天气预报场为大气强迫场来源，辅以气候态数据控制模式表面盐度和深海温盐积分漂移，得到所述目标区域在所述目标日期的数值模拟结果；采用局地集合变换卡尔曼滤波同化方案，使用Gaspari-Cohn五阶局地化函数，对所述多源海洋剖面观测融合资料和所述数值模拟结果进行资料同化；根据海表温度卫星观测资料混合层投影、海表高度卫星观测资料和垂向温盐关系进行投影修正，得到所述目标区域的最优数值预报初始场。
请参阅图5和图6，图5为本申请实施例所提供的一种多源海洋观测资料的融合同化过程的示意图，图6为本申请实施例所提供的一种海表温度和海表高度的卫星观测垂向投影的示意图。如图5和图6所示，将多源海洋观测资料按照多权重融合和集合变换卡尔曼滤波同化之后，通过海表温度卫星观测资料混合层投影以及海表高度卫星观测资料和海洋次表层到深层温度、盐度构建垂向关系进行投影，可以将融合产品和数值模拟产品进行有效结合同化，将最优数值预报初始场提供给预报系统进行数值预报，最终提高数值预报得到的各种产品的精度。
在一个实验中，本申请实施例首先通过以上方式得到多源温度盐度剖面的融合产品，之后进行了多源温度盐度剖面的融合产品的同化。具体的，将多源温度盐度剖面的融合产品信息提供给同化系统，同化系统依据观测误差和模式误差通过并行的同化方法计算同化增益，对原始数值模拟结果进行修正。利用国家海洋环境预报中心的全球海洋环流预报系统提供温度盐度数值模拟产品，预报系统以NEMO(Nucleus for European Modelling ofthe Ocean)数值模式为核心，NEMO模式可用于研究多时间和空间尺度上海洋，及其与地球气候系统其它组成部分间的相互关系。预报变量包括3维速度场，线性或非线性海表高度，温度和盐度。在水平方向上，模式使用曲线正交网格，在垂向上则可使用Z坐标、S坐标、或Z与S的混合坐标，变量的空间分布采用了三维的Arakawa C网格。在描述海洋的物理过程时有多种参数方案可供选择，包括TKE，GLS和KPP等。NEMO模式包括海洋动力与热力模式OPA，海冰动力与热力模式LIM及生物地球化学模式TOP。通过耦合器OASIS，它还可与多种大气环流模式耦合。此外通过AGRIF软件，NEMO模式还支持双向网格嵌套。本实验中以NCEP GFS和ECMWF GFS全球天气预报场为主要大气强迫场来源，辅以WOA13气候态数据控制模式表面盐度和深海温盐积分漂移。
采用局地集合变换卡尔曼滤波同化方案LESTKF(Local Error SubspaceTransform Kalman Filter)，LESTKF一般形式为：
Pf＝GLT
其中，为权重矩阵，Pf为背景误差协方差，参数/>取值/>称之为背景误差协方差的遗忘因子(forgetting factor)，在本实验中，遗忘因子设置为2。遗忘因子是同化的重要参数，用来调节背景误差协方差的贡献，其取值直接影响同化的效果。
在集合同化方案中，因为背景误差协方差是通过有限的样本统计进行得到的，所以常常引入虚假相关，使得空间距离很远的两个点存在相关或者物理上独立的两个量存在相关。而这些虚假相关会导致本来与模式状态无关的观测对模式状态产生一个不符合物理过程的调整，从而影响同化效果。为解决这一问题，需要引入平滑的、以局地化半径为参数、以观测和格点距离为自变量的局地化函数，使得观测的影响随距离逐渐衰减。本实验中选用Gaspari-Cohn五阶局地化函数，即：
这样局地化设计不仅可以减小虚假相关对同化效果的影响，还可以减小计算量。
资料同化在在积分描写动力系统演变过程的预报模式的同时，不断吸收观测资料，同化窗口的大小直接决定了吸收观测资料的多少，在本实验中，我们设置Argo温度盐度剖面同化窗口为14天，TAO、RAMA、PIRATTA观测数据同化窗口为1天，同化局地搜索半径local_range为10，遗忘因子为2，局地权重系数locweight根据五阶多项式函数而设定。
然后利用海表温度卫星观测资料在海洋混合层内进行投影，利用多年再分析资料，构建海表高度和垂向温度盐度的拟合关系，从而利用海表卫星高度观测资料进行垂向投影修正温盐，得到最优数值预报初始场。
为了提高观测资料对数值预报精度的预报效果，设计不同观测组合敏感同化试验，以检验不同同化组合对同化预报的影响。即为评估不同类型的观测资料对同化结果的影响，将Argo温度盐度剖面、TAO热带太平洋浮标阵列温度盐度剖面、热带印度洋的RAMA阵列温度盐度剖面和热带大西洋的PIRATA阵列温度盐度剖面设计不同观测同化试验(表1),其中，CTRL为无同化试验，Argo为单独Argo同化试验，Argo+为Argo同化试验和垂向投影融合试验，TPR＝TAO、PIRATA、RAMA为三种多源温盐剖面观测资料同化试验，TPR+为TAO、PIRATA、RAMA三种多源温盐剖面观测资料同化和垂向投影融合试验，ATPR＝Argo、TAO、PIRATA、RAMA为四种多源温盐剖面观测资料同化试验，ATPR+为Argo、TAO、PIRATA、RAMA为四种多源温盐剖面观测资料同化和垂向投影试验。
表1观测资料不同组合敏感试验
下表2为Argo、TAO、PIRATA、RAMA多源温盐剖面观测不同融合的同化试验结果。
表2 多源海洋观测资料融合同化均方根误差分析
通过表2可以看出同化Argo、TAO、PIRATA、RAMA多源温盐剖面观测资料融合同化和垂向投影修正后，海洋垂向温度剖面平均均方根误差从没有同化的0.8052℃减小到0.6172℃，温度剖面精度提高了23.35％，海洋垂向盐度剖面平均均方根误差从没有同化的0.2783PSU减小到0.2197PSU，盐度剖面精度提高了21.05％。
下面请参阅图7，图7为本申请实施例所提供的一种多源温盐剖面观测资料多权重多尺度融合同化方法的流程图；如图7所示，本申请实施例所提供的多源温盐剖面观测资料多权重多尺度融合同化方法，包括：首先，自动获取多源温度盐度剖面观测资料和多年再分析资料；之后，进行高分辨率水平网格和垂向分层标准三维网格的构造设计；之后，将多年再分析资料在设计好的高分辨率标准三维网格下进行垂向和水平的重新分布，基于重新分布得到的标准三维网格再分析资料，并根据动力梯度和统计相关计算等方法，逐点确定气候态逐日纬向尺度半径和经向尺度半径；同时，将多源温度盐度剖面观测资料在标准三维网格下进行垂向分布，并统计不同源的温度盐度剖面观测资料的观测误差；再之后，在标准网格水平网格上，在标准格点的纬向尺度半径和经向尺度半径内搜索标准垂向分布的多源温度盐度剖面观测资料，根据不同源的温度盐度剖面观测资料的观测误差和网格点之间的距离，并行化进行多源观测资料的反误差反距离多权重多尺度融合，得到多源温度盐度剖面观测资料融合产品；最后，可利用标准网格下的多源温度盐度剖面观测资料融合产品进行资料同化，以提高温度和盐度数值模拟精度。
故，本申请实施例能够对多源温度盐度观测资料进行有效的高分辨网格化多尺度融合，不仅可以提高温度盐度的精度，也更有利于多源观测在数值预报系统中的资料同化，直接提升了温度盐度剖面观测资料在数值预报中的应用价值，进而提高数值预报的精度。
请参阅图8，图8为本申请实施例所提供的一种多源海洋观测资料的融合同化装置的结构示意图。如图8中所示，所述融合同化装置200包括：
获取模块210，用于获取目标区域在目标日期对应的多源海洋观测资料以及多年再分析资料；其中，所述多源海洋观测资料包括多种不同数据来源的海洋观测资料；
插值模块220，用于将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布多源观测资料；
确定模块230，用于针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围；
搜索模块240，用于以该标准格点为中心按照对应的经纬搜索范围在所述标准垂向分布多源海洋观测资料中进行搜索，得到落入该标准格点的经纬搜索范围内的目标多源海洋观测资料；
融合模块250，用于根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将落入该标准格点的经纬搜索范围内的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料；
同化模块260，用于根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场。
进一步的，所述融合模块250在用于根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将该标准格点对应的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料时，所述融合模块250用于：
根据所述多源海洋观测资料中每种海洋观测资料的资料误差，以及每个观测格点到该标准格点的距离，得到该标准格点对应的目标多源海洋观测资料中每个观测格点的反误差反距离融合权重；
按照每个观测格点的反误差反距离融合权重，将该标准格点对应的目标多源海洋观测资料进行加权求和，得到所述目标区域中的该标准格点在所述目标日期的反误差反距离的多源海洋观测融合资料。
进一步的，所述融合模块250通过以下公式根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将该标准格点对应的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料：
式中，Tj表示该标准格点j在所述目标日期的多源海洋观测融合资料；N表示多源海洋观测资料中海洋观测资料的数量；di表示每个观测格点i到该标准格点j的距离；σi表示每个观测格点i所属的海洋观测资料的资料误差。
进一步的，所述插值模块220在用于将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布多源观测资料，所述插值模块220用于：
读取所述多源海洋观测资料的原始垂向分层和所述多年再分析资料的原始垂向分层；
按照所述预设标准三维网格的垂向分层，对所述多源海洋观测资料的原始垂向分层进行垂向线性插值处理，得到所述标准垂向分布多源海洋观测资料；
按照所述预设标准三维网格的垂向分层，对所述多年再分析资料的原始垂向分层进行垂向线性插值处理，得到所述多年再分析资料在所述预设标准三维网格下的标准垂向分层数据；
针对所述标准垂向分层数据中每一层对应的多年再分析资料，按照所述预设标准三维网格的水平分辨率，将该层对应的多年再分析资料进行双线性插值处理，得到该层对应的标准网格多年再分析资料。
进一步的，所述确定模块230在用于针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围时，所述确定模块230用于：
基于所述标准网格多年再分析资料中的标准网格逐日再分析资料，确定该标准格点在每年中所述目标日期的经向梯度和纬向梯度；
对该标准格点在每年中所述目标日期的经向梯度和纬向梯度进行气候态平均，确定该标准格点的平均经向梯度和平均纬向梯度；
基于每个标准格点的平均经向梯度、平均纬向梯度以及预设梯度阈值，确定该标准格点对应的经向搜索半径和纬向搜索半径；
基于该标准格点对应的经向搜索半径和纬向搜索半径确定该标准格点对应的经纬搜索范围。
进一步的，所述确定模块230在用于针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围时，所述确定模块230还用于：
基于所述标准网格多年再分析资料中该标准格点对应的标准网格逐日再分析资料，确定该标准格点对应的相关系数；
基于每个标准格点对应的相关系数和预设系数阈值，确定该标准格点对应的搜索半径；
基于该标准格点对应的搜索半径确定该标准格点对应的经纬搜索范围。
进一步的，所述同化模块260在用于根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场时，所述同化模块260用于：
使用NEMO数值预报模式，以全球天气预报场为大气强迫场来源，辅以气候态数据控制模式表面盐度和深海温盐积分漂移，得到所述目标区域在所述目标日期的数值模拟结果；
采用局地集合变换卡尔曼滤波同化方案，使用Gaspari-Cohn五阶局地化函数，对所述多源海洋观测融合资料和所述数值模拟结果进行资料同化；
根据海表温度卫星观测资料混合层投影、海表高度卫星观测资料和垂向温盐关系进行投影修正，得到所述目标区域的最优数值预报初始场。
请参阅图9，图9为本申请实施例所提供的一种电子设备的结构示意图。如图9中所示，所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令，当电子设备400运行时，所述处理器410与所述存储器420之间通过总线430通信，所述机器可读指令被所述处理器410执行时，可以执行如上述图1所示方法实施例中的一种多源海洋观测资料的融合同化方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的一种多源海洋观测资料的融合同化方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种多源海洋观测资料的融合同化方法，其特征在于，所述融合同化方法包括：
获取目标区域在目标日期对应的多源海洋观测资料以及多年再分析资料；其中，所述多源海洋观测资料包括多种不同数据来源的海洋观测资料；
将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布多源海洋观测资料；
针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围；
以该标准格点为中心按照对应的经纬搜索范围在所述标准垂向分布多源海洋观测资料中进行搜索，得到落入该标准格点的经纬搜索范围内的目标多源海洋观测资料；
根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将落入该标准格点的经纬搜索范围内的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料；
根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场。
2.根据权利要求1所述的融合同化方法，其特征在于，所述根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将该标准格点对应的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料，包括：
根据所述多源海洋观测资料中每种海洋观测资料的资料误差，以及每个观测格点到该标准格点的距离，得到该标准格点对应的目标多源海洋观测资料中每个观测格点的反误差反距离融合权重；
按照每个观测格点的反误差反距离融合权重，将该标准格点对应的目标多源海洋观测资料进行加权求和，得到所述目标区域中的该标准格点在所述目标日期的反误差反距离的多源海洋观测融合资料。
3.根据权利要求1所述的融合同化方法，其特征在于，通过以下公式根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将该标准格点对应的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋观测融合资料：
式中，Tj表示该标准格点j在所述目标日期的多源海洋观测融合资料；N表示多源海洋观测资料中海洋观测资料的数量；di表示每个观测格点i到该标准格点j的距离；σi表示每个观测格点i所属的海洋观测资料的资料误差。
4.根据权利要求1所述的融合同化方法，其特征在于，将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布多源海洋观测资料，包括：
读取所述多源海洋观测资料的原始垂向分层和所述多年再分析资料的原始垂向分层；
按照所述预设标准三维网格的垂向分层，对所述多源海洋观测资料的原始垂向分层进行垂向线性插值处理，得到所述标准垂向分布多源海洋观测资料；
按照所述预设标准三维网格的垂向分层，对所述多年再分析资料的原始垂向分层进行垂向线性插值处理，得到所述多年再分析资料在所述预设标准三维网格下的标准垂向分层数据；
针对所述标准垂向分层数据中每一层对应的多年再分析资料，按照所述预设标准三维网格的水平分辨率，将该层对应的多年再分析资料进行双线性插值处理，得到该层对应的标准网格多年再分析资料。
5.根据权利要求1所述的融合同化方法，其特征在于，针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围，包括：
基于所述标准网格多年再分析资料中的标准网格逐日再分析资料，确定该标准格点在每年中所述目标日期的经向梯度和纬向梯度；
对该标准格点每年中所述目标日期的经向梯度和纬向梯度进行气候态平均，确定该标准格点的平均经向梯度和平均纬向梯度；
基于每个标准格点的平均经向梯度、平均纬向梯度以及预设梯度阈值，确定该标准格点对应的经向搜索半径和纬向搜索半径；
基于该标准格点对应的经向搜索半径和纬向搜索半径确定该标准格点对应的经纬搜索范围。
6.根据权利要求1所述的融合同化方法，其特征在于，针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点对应的经纬搜索范围，还包括：
基于所述标准网格多年再分析资料中该标准格点对应的标准网格逐日再分析资料，确定该标准格点对应的相关系数；
基于每个标准格点对应的相关系数和预设系数阈值，确定该标准格点对应的搜索半径；
基于该标准格点对应的搜索半径确定该标准格点对应的经纬搜索范围。
7.根据权利要求1所述的融合同化方法，其特征在于，根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场，包括：
使用NEMO数值预报模式，以全球天气预报场为大气强迫场来源，辅以气候态数据控制模式表面盐度和深海温盐积分漂移，得到所述目标区域在所述目标日期的数值模拟结果；
采用局地集合变换卡尔曼滤波同化方案，使用Gaspari-Cohn五阶局地化函数进行局地化设计，对所述多源海洋观测融合资料和所述数值模拟结果进行资料同化；
根据海表温度卫星观测资料混合层投影、海表高度卫星观测资料和垂向温盐关系进行投影修正，得到所述目标区域的最优数值预报初始场。
8.一种多源海洋观测资料的融合同化装置，其特征在于，所述融合同化装置包括：
获取模块，用于获取目标区域在目标日期对应的多源海洋观测资料以及多年再分析资料；其中，所述多源海洋观测资料包括多种不同数据来源的海洋观测资料；
插值模块，用于将所述多源海洋观测资料和所述多年再分析资料分别按照所述目标区域对应的预设标准三维网格进行插值分布，得到标准网格多年再分析资料和标准垂向分布多源海洋观测资料；
确定模块，用于针对所述预设标准三维网格中每个标准格点，基于所述标准网格多年再分析资料确定该标准格点的经纬搜索范围；
搜索模块，用于以该标准格点为中心按照对应的经纬搜索范围在所述标准垂向分布多源海洋观测资料中进行搜索，得到落入该标准格点的经纬搜索范围内的目标多源海洋观测资料；
融合模块，用于根据所述多源海洋观测资料中每种海洋观测资料的资料误差以及该标准格点对应的目标多源海洋观测资料中每个观测格点到该标准格点的距离，将落入该标准格点的经纬搜索范围内的目标多源海洋观测资料按照预定融合方式进行融合，得到所述目标区域中的该标准格点在所述目标日期的多源海洋剖面观测融合资料；
同化模块，用于根据所述多源海洋观测融合资料和所述目标区域在所述目标日期的数值模拟结果进行资料同化，得到所述目标区域的数值预报初始场。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的一种多源海洋观测资料的融合同化方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述的一种多源海洋观测资料的融合同化方法的步骤。
CN202310319855.XA 2023-03-29 2023-03-29 一种多源海洋观测资料的融合同化方法和装置 Active CN116758224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310319855.XA CN116758224B (zh) 2023-03-29 2023-03-29 一种多源海洋观测资料的融合同化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310319855.XA CN116758224B (zh) 2023-03-29 2023-03-29 一种多源海洋观测资料的融合同化方法和装置

Publications (2)

Publication Number Publication Date
CN116758224A CN116758224A (zh) 2023-09-15
CN116758224B true CN116758224B (zh) 2024-01-19

Family

ID=87946618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310319855.XA Active CN116758224B (zh) 2023-03-29 2023-03-29 一种多源海洋观测资料的融合同化方法和装置

Country Status (1)

Country Link
CN (1) CN116758224B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117390897B (zh) * 2023-12-11 2024-03-29 浙江大学海南研究院 多尺度同化swot图像的方法、系统、设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051795A (zh) * 2021-03-15 2021-06-29 哈尔滨工程大学 一种面向海上平台保障的三维温盐场分析预报方法
CN115393540A (zh) * 2022-08-30 2022-11-25 无锡九方科技有限公司 基于深度学习的三维海洋环境场的智能融合方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531555B1 (ko) * 2014-03-26 2015-07-06 재단법인 한국형수치예보모델개발사업단 분광요소법에 기초한 육면체구 격자를 사용하는 변분 자료동화 모듈을 위한 변수 변환 방법 및 이를 수행하는 하드웨어 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051795A (zh) * 2021-03-15 2021-06-29 哈尔滨工程大学 一种面向海上平台保障的三维温盐场分析预报方法
CN115393540A (zh) * 2022-08-30 2022-11-25 无锡九方科技有限公司 基于深度学习的三维海洋环境场的智能融合方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
用客观分析生成中国近海及邻近海域温度盐度格点数据集;林绍花, 韩桂军, 李冬;海洋通报(第06期);全文 *
高影响海-气环境事件预报模式的高分辨率海洋资料同化系统研发;唐佑民;郑飞;张蕴斐;沈浙奇;李俊德;方炜;;中国基础科学(第05期);全文 *

Also Published As

Publication number Publication date
CN116758224A (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
Kennedy et al. An ensemble data set of sea surface temperature change from 1850: The Met Office Hadley Centre HadSST. 4.0. 0.0 data set
Yigzaw et al. A new global storage‐area‐depth data set for Modeling reservoirs in land surface and earth system models
Hijma et al. A protocol for a geological sea‐level database
Bowen et al. Interpolating the isotopic composition of modern meteoric precipitation
Eldrandaly et al. Comparison of Six GIS-Based Spatial Interpolation Methods for Estimating Air Temperature in Western Saudi Arabia.
Chambers et al. Low‐frequency variations in global mean sea level: 1950–2000
Ullah et al. Future population exposure to daytime and nighttime heat waves in South Asia
CN103810376A (zh) 基于卫星遥感与回归克里格的地面日降雨量预测方法
CN102819047B (zh) 获得地下水与天然植被系统的关系的方法及系统
Tsimplis et al. On the forcing of sea level in the Black Sea
CN116758224B (zh) 一种多源海洋观测资料的融合同化方法和装置
Durack et al. Long-term salinity changes and implications for the global water cycle
He et al. Deriving full‐coverage and fine‐scale XCO2 across China based on OCO‐2 satellite retrievals and CarbonTracker output
Song et al. How much net surface heat flux should go into the Western Pacific Warm Pool?
Aydoğdu et al. Assimilation experiments for the fishery observing system in the Adriatic Sea
Grayek et al. Assessment of the Black Sea observing system. A focus on 2005-2012 Argo campaigns
CN111915158A (zh) 一种基于Flood Area模型的暴雨灾害天气风险评估方法、装置及设备
Yin et al. Assessing underground water exchange between regions using GRACE data
Zhu et al. Validation of rainfall erosivity estimators for mainland China
Shi et al. Drivers of warming in Lake Nam Co on Tibetan Plateau over the past 40 years
Draxler Demonstration of a global modeling methodology to determine the relative importance of local and long-distance sources
Skirvin et al. Climate spatial variability and data resolution in a semi-arid watershed, south-eastern Arizona
Siegismund et al. Steric height variability in the Nordic Seas
Gaillard et al. A synthesis of the POMME physical data set: One year monitoring of the upper layer
Li et al. Altimeter-derived marine gravity variations reveal the magma mass motions within the subaqueous Nishinoshima volcano, Izu–Bonin Arc, Japan

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