基于尺度空间理论和地统计学的数据同化观测误差研究

We propose to treat the uncertainty problem in complex land surface systems from a stochastic points of view, to search the origins of the uncertainties and the possible way to reduce and control the uncertainties. Based on stochastic process and stochastic differential / integral equation, to develop the reasonable modeling methods for observation error matrix, we are planning to study the characteristic of observation operators and the correlation of observation error matrix through the quantitative descriptions of representative errors of the in-situ observation and the radiative transfer models. As for observation error processing methods, we proposed a fuzzy logic based observation localization method. Compared with the traditional methods, a series of numerical tests with the random Lorenz models will be conducted to realize the optimal treatment of observation error and to improve the original data assimilation algorithms developed by our group. The scale conversion of the remote sensing observations will be investigated using scale analysis theories and algorithms in Scale space theory (Gauss Scale Pyramid and SIFT algorithms). The representative errors of radiative transfer models will be studied to deal with spatial heterogeneity using the effective means of Geostatistics (stochastic simulation). The effectiveness and robustness of new methods will be tested by making full use of HiWATER multiscale observation data. Based on the above methods, to realize the reasonable modeling of representative errors and the optimization treatment observation error, a fully research framework for error problems will finally be built for data assimilation systems.

提出以随机的观点对待复杂陆地表层系统中的不确定性问题，探寻不确定性来源及减少与控制不确定性的可能途径；基于随机过程和随机微分/积分方程，通过对定点观测和辐射传输模型代表性误差的定量描述，探讨观测算子特性和观测误差矩阵的相关性，力争给出观测误差矩阵的合理建模方式；在观测误差处理方法上，提出一种基于模糊逻辑的观测局地化方法，在随机Lorenz系列模型下进行数值试验，与传统方法比较实现观测误差的优化处理，完善已有的数据同化算法平台；借鉴尺度空间理论中的尺度分析理论与算法（高斯尺度金字塔和SIFT算法）研究遥感观测尺度转换，借助地统计学中对空间异质性处理的有效手段（如随机模拟）探究辐射传输模型代表性误差；充分利用黑河生态水文遥感实验（HiWATER）中的多尺度观测实验数据，验证所提新方法的有效性和鲁棒性，实现代表性误差的合理建模和观测误差的优化处理，为数据同化研究提供一个较为全面的同化误差问题研究平台。

数据同化系统观测误差的估计与处理是地球科学领域亟需研究的科学问题之一。本研究将将尺度分析理论和人工智能方法应用到同化误差处理中，探寻不确定性来源及减少与控制不确定性的可能途径，发展以机器学习算法为代表的混合数据同化方法，已达到了预设的项目研究目标。项目的研究按计划进行: .1)进行了“数据同化系统中观测误差研究”。针对观测误差矩阵的合理建模问题，在EnKF框架下，提出了与模糊控制算法相耦合的局地化分析方法、协方差模糊局地化方法。在强非线性Lorenz-96模型和准地转QG模型中，验证了方法的有效性和鲁棒性。将鲁棒滤波方法与观测误差估计方法相结合，得到随状态时间变化的观测误差协方差，提出一种带有观测误差估计的鲁棒数据同化新方法，改善估计效果。.2)开展了“混合人工智能技术的数据同化方法研究”。进行数据驱动数据同化方法研究，提出了一种耦合K近邻和局部加权线性回归的数据同化方法。从模型输出训练神经网络模型，提出新的混合模型数据同化方法。同时，针对影响数据同化系统性能的多参数优化问题，提出了基于进化计算的多目标数据同化方法。.3)利用人工智能技术，发展数据同化方法研究平台。研究内容包括：1）开展黑河生态水文遥感实验观测数据预处理方法研究，提出了一种结合尺度模态分解、长短时记忆神经网络和ARIMA的风速预测模型；提出了一种基于误差修正的多因素自适应区间2型模糊集合组合预测模型，设计了一种基于模糊熵的双分解策略与分段误差修正相结合的多步预测系统。2）开展新型机器学习算法研究，提出了一种具有双重动态特性的串并联回声状态网络；3）围绕Noah-MP模型，开展了参数化方案的敏感性评估。.项目执行结果反映在22篇论文中，其中SCI检索17篇，1区Top Journal论文5篇。代表性论文《Applied Energy》，《Energy Conversion and Management》,《Energy》,《Open Geosciences》，《Atmosphere》,《Journal of Hydroinformatics》，《地球科学进展》和《地球信息科学学报》等。多次参加国际会议。培养博士2名，硕士8名，3名在兰州大学，华南理工大学等攻读博士学位。