數據同化算法研發與實驗(附算法程序)（簡體書）

同化算法是一種多源遙感數據和模型數據集成的數據處理技術，是目前遙感界研究的熱點和前沿。《地球信息科學基礎叢書：數據同化算法研發與實驗》作者及其團隊歷時3年努力完成了3D同化算法整理和軟件開發（3D）、完成卡爾曼濾波同化算法整理和軟件開發（KEM），體現創新性的是成功開發了貝葉斯同化算法和軟件（BN），為本領域提供了一種新的數學工具，也成為《地球信息科學基礎叢書：數據同化算法研發與實驗》的最大亮點。

《數據同化算法研發與實驗》從陸面數據同化理論和陸面過程模型切入，提煉數據同化的“一個框架、四個基本要素”架構，在選擇可變滲透能力模型（VIC模型）的基礎上開展數據同化算法實驗，實現了三維變分算法、四維變分算法和集合卡爾曼濾波算法等三種經典數據同化算法，以及粒子濾波算法和層狀貝葉斯方法等兩種智能數據同化算法的研發與實驗，并且通過具體實例詳細介紹各個算法的研發、實驗步驟以及算法結果的分析評價。

4.5.3 算法實現
集合卡爾曼濾波算法程序中定義了CEnKF類作為集合卡爾曼濾波算法程序的核心模塊，這個類的成員變量中定義了包括關于參數設置、輸入數據、中間變量和計算結果的一系列變量與函數。類的成員函數中，CEnKF：：run_EnKF（）是集合卡爾曼濾波算法的主要功能函數，該函數完成了集合卡爾曼濾波算法的主要流程，程序代碼見附錄四程序4.1。
4.6 集合卡爾曼濾波算法同化實驗
本節重點介紹利用集合卡爾曼濾波算法的兩個同化實驗，實驗一利用集合卡爾曼濾波算法同化站點觀測數據與VIC水文過程模型模擬數據，實驗二利用集合卡爾曼濾波算法同化遙感亮溫觀測數據與VIC水文過程模型模擬數據。
4.6.1 實驗一 站點觀測數據與VIC水文過程模型數據同化
本節以土壤水分同化為例，通過集合卡爾曼濾波算法同化站點觀測數據和VIC水文過程模型模擬數據。重點介紹利用集合卡爾曼濾波算法同化站點觀測數據和VIC水文過程模型模擬數據的數據同化實驗，并對同化結果進行分析。實驗中，數據同化自2003年6月5日開始，2003年7月15日結束，同化實驗時間步長24h。在該實驗內，首先分別對21個站點進行數據同化實驗，然后再將這21個站點每一天的數據同化結果插值，得到整個研究區域土壤水分隨時空的分布與變化信息。
1.研究區域與數據描述
研究區域位于亞拉巴馬州和田納西州交界處，實驗區域位置與實驗區內的站點分布。數據源包括SMEX03站點土壤水分觀測數據（Coleman et a1.，2009）和VIC水文過程模型模擬數據。在研究區域內包括美國土壤氣候分析觀測網和亞拉巴馬州中尺度觀測網兩個觀測站網，共計21個站點，其中美國土壤氣候分析觀測網的站點用“SCAN+站點編號”表示，亞拉巴馬州中尺度觀測網站點用“ALMNet+站點編號”表示。SCAN和ALMNet的土壤水分觀測深度不同，但都觀測了10cm和100cm深度的土壤水分，因此實驗中對這三個深度的土壤水分進行同化。由于站點ALMNet14
在100cm沒有觀測數據，因此只在剩余的20個站點進行數據同化實驗。由于SCAN觀測網在60cm深度沒有進行觀測，為了實現對所有站點三層同時進行數據同化，實驗中利用SCAN站點在50cm的觀測值進行同化，但是在同化前需要對SCAN在50cm深度的觀測值進行處理。為了保持同觀測數據的一致性，定義VIC水文過程模型深度10cm、60cm和100cm。
2.VIC水文過程模型基礎參量準備與預處理
VIC水文過程模型在水分平衡模式下運行，模型網格的空間分辨率3km×3km，模型運行時間分辨率24h。為了消除spin-up周期的影響，模型自2000年1月1日開始運行，但只有2003年6月4日以后的數據用于同化實驗。數據準備過程中，對整個研究區域40×40個網格點準備數據，但是只運行其中20個包含有野外觀測站點的網格點。
VIC水文過程模型水分平衡模式運行需要大氣驅動數據、植被數據和土壤數據。其中大氣驅動數據來源于美國國家氣象數據中心氣象站逐日分析數據，包括日均溫、日高溫、日低溫、降水量、氣壓和風速等氣象因子。為了體現氣象因子隨高程變化的特征，用協同克里金方法（CoKriging）對氣象數據插值，其中高程數據來源于全球1km高程數據集；地表植被覆蓋數據來源于馬里蘭大學提供的全球1km植被覆蓋分類影像（Hansen eta1.，1998）和NASA陸面數據同化系統提供的植被參數庫；土壤參數基于美國CONUS-SOIL數據庫土壤質地數據、砂土含量數據、土壤容積密度數據計算得到。VIC水文過程模型所需要的數據準備完成后，將所有數據投影至同一投影面，插值到
3 km×3km網格內，并對所有網格逐行編號。
3.站點觀測數據準備與預處理
對站點觀測數據進行準備與預處理主要包括以下五個基本步驟：
步驟1觀測周期歸一化處理，由于SCAN和ALMNet觀測數據記錄周期不同，需要對兩個觀測網的觀測數據周期進行歸一化，最終都歸一化為24h。
步驟2缺失數據處理，由于觀測條件和儀器等因素的影響，站點觀測數據存在不同程度的數據缺失現象，為此必須要對缺失的數據進行補充。實驗中采取的方法是利用數據缺失時刻前后5天的觀測數據進行線性插值得到。
步驟3異常數據處理，剔除觀測周期內異常的數據。
步驟4數據格式整理，在完成上述各步驟的準備后，還需要將各站點觀測數據整理為數據同化算法需要的數據格式。實驗中定義的觀測數據格式是逐時刻存儲，每一行記錄一個時刻所有網格點的觀測數據，每個網格點按10cm、60cm和100cm的
順序存儲。
步驟5 SCAN站點觀測數據系統偏差處理，由于SCAN觀測網站點沒有在60cm深度進行觀測，實驗中用50cm處的觀測值來近似60cm處的土壤水分，因此在同化實驗前必須要去除觀測數據的系統偏差。