（模式识别与智能系统专业论文）卫星遥感海表温度与悬浮泥沙浓度的资料重构及数据同化试验.pdf

博十论文卫星遥感海表温度j 悬浮泥沙浓度的资料重构及数据同化试验 摘要 目前，卫星遥感和数值模拟已经成为我们理解海洋过程的两大主要手段。卫星 遥感具有周期性、宏观性、实时性和费用低等特点，被广泛应用于海洋的水体监测； 数值模拟能够从整体上把握海洋现象的时空变化规律，在海洋预报中发挥着重要作 用。由于海洋上空覆盖的云层、传感器扫描轨道变化等原因，使用可见光和红外波 段反演的遥感数据往往存在较大比例的数据缺失区域；其次，难以准确检测的薄云 会造成反演数据异常数值模拟中控制方程是对现实世界的简化，模型、初始条件、 边界条件的误差会导致预报时效的降低。结合卫星遥感和数值模拟两者的优势，利 用数据同化方法，融合遥感观测和数值模拟数据，构建海洋数据同化系统，可以有 效地提高数值预报的精度 针对以上问题，本文首先提出了结合经验模态分解( e m d ) 与经验正交函数 ( e o f ) 的自适应e m d e o f 资料重构方法，并应用该方法对2 0 0 3 年长江口海域5 天平均的海表温度( s s t ) 与表层悬浮泥沙浓度( s s c ) 遥感产品进行了资料重构。 结果表明：( 1 ) s s t 重构的均方根误差为0 9 、s s c 重构的对数均方根误差 为0 1 3 7 ( 1 0 9 1 0m g l ) ；( 2 ) 相对于a l v e r a 提出的d i n e o f 方法，e m d e o f 方法的 计算时间不到d i n e o f 方法的5 0 ，同时重构精度提高1 0 左右；( 3 ) e m d e o f 方法可以有效的剔除遥感反演中薄云未准确检测导致的噪声点，提高原始遥感图像 的准确度；( 4 ) e m d e o f 方法可以有效的重构数据量极少的遥感图像，得到高空 间分辨率、全覆盖的遥感再分析产品。 海温与悬浮泥沙是影响中国近海浮游植物生长的主要因素之一，也是进行海洋 生态模拟与预报的基础。本文使用减秩卡尔曼滤波( s e e k ) 方法，结合c o h e r e n s 数值模型与遥感观测数据，初步建立了杭州湾三维海温与悬浮泥沙的数据同化系 统，利用2 0 0 3 年春季的遥感s s t 与s s c 数据对同化系统进行了后报同化实验。 结果表明：( 1 ) 相对于遥感s s t ，模拟数据、预报数据、分析数据的均方根误 差分别为2 1 3 、1 6 5 和0 7 5 ，而相对于遥感s s c ，三者的对数均方根误差分别为 o 6 2 、0 5 3 和0 2 6 ( 1 0 9 1 0m g l ) ；( 2 ) 对分析数据与遥感数据、分析数据与预报数据 的差异进行分析表明，分析数据在分布趋势上接近预报数据，在数值上接近观测数 据，观测对同化的影响效果显著；( 3 ) 数据同化方法可以有效的结合遥感观测与数 值模拟两者的优势，改进数值预报的精度。 为了更好的利用遥感数据，提高海洋数值预报的精度，还需要在以下两个方面 开展工作：( 1 ) 使用e m d e o f 方法对其他遥感数据产品( 如c h l a ，透明度等) 进行资料重构，同时通过对e o f 分解后的时间模态系数进行预测，构建一个基于 统计方法的短期海洋遥感预测系统。( 2 ) 利用数据同化方法，同化c h l a 、颗粒有 机碳等遥感数据，提高海洋生态模拟与预报的精度。 关键词：卫星遥感，资料重构，数据同化，经验正交分解，减秩卡尔曼滤波， s s t ，s s c ，c o h e r e n s 模型 2 a b s t r a c t a tp r e s e n t , s a t e l l i t er e m o t es e n s i n ga n dn u m e r i c a ls i m u l a t i o n a r et h et w om a j o r m e a n sb yw h i c hw el e a r nm o r ea b o u to c e a np r o c e s s e s s a t e l l i t e r e m o t es e n s i n gi s c h a r a c t e r i z e db yp e r i o d i c i t y , m a c r o s c o p y , r e a l t i m ea n dl o wc o s t ，w h i c hi s t h er e a s o n w h y i ti sw i d e l yu s e di no c e a n m o n i t o r i n g n u m e r i c a ls i m u l a t i o nc a ng r a s pt h er u l e so f o c c a ns p a t i a l - t e m p o r a lv a r i a t i o n s a saw h o l e ，p l a y i n ga n i m p o r t a n tr o l e i no c e a n f o r e c a s t i n g b e c a u s eo ft h ec l o u d sc o v e r a g eo v e rt h eo c e a na n dc h a n g e si ns c a n n i n g0 1 b i t o fs e n s o r s ，t h es a t e l l i t er e m o t es e n s i n gd a t ao b t a i n e db yt h ev i s i b l ea n di n f h i e db a n d s o f t e ns h o w m i s s i n gd a t ai nal a r g ep r o p o r t i o n b e s i d e s ，t h i nc l o u d sw h i c h 棚ed i f f i c u i tt o p r e c i s e l yd e t e c tc o u l dr e s u l ti na b n o r m a ld a t ar e t r i e v a l 。t h ec o n 仃o lm n c t i o n s i n n u m e r i c a ls i m u l a t i o np r e d i g e s tt h er e a lw o r l d a n de r r o r so f m o d e l ，i n i t i a lc o n d i t i o n sa n d b o u n d a r yc o n d i t i o n sw i l lr e d u c et h ef o r e c a s t a b i l i t i e s c o m b i n i n gt h ea d v a n t a g e so f s a t e l l i t er e m o t e s e n s i n ga n dn u m e r i c a ls i m u l a t i o n , w ec a l lm a k eu s eo f 也ed a t a a s s i m i l a t i o nm e t h o d ，m e r g et h er e m o t ed a t aa n ds i m u l a t e dd a t a ，c o n s n u c t 吐1 eo c e 锄d a t a a s s i m i l a t i o ns y s t e ma n d i m p r o v et h ea c c u r a c yo fo c e a nf o r e c a s t i nr e s p o n s et ot h ea b o v ep r o b l e m s ，w ea d v a n c ea ne m d e o fd a t ai e c o n s 仃u c t i o n m e t h o d ，w h i c hc o m b i n e s e m p i r i c a l m o d e d e c o m p o s i t i o n ( e m d ) a n de m p i r i c a l o r t h o g o n a lf u n c t i o n ( e o f ) b ya p p l y i n gt h en e wm e t h o d ，w e r e c o n s 仃u c t 出e n v e - d a y - a v e r a g es e as u r f a c et e m p e r a t u r e ( s s t ) a n ds u s p e n d e ds e d i m e n tc o n c e n 仃a t i o n ( s s c ) d a t ao fc h a n g j i a n ge s t u a r ys e aa r e ai n2 0 0 3 t h ec o n c l u s i o n sa r ea sf o l l o w s f i r s t l y , t h er o o tm e a n s q u a r e de r r o r ( r m s e ) o fs s t f e c o n s 仃u c t i o ni s0 9 。ca n dl o gr m s eo fs s cr e c o n s t r u c t i o ni s o 1 3 7 ( 1 0 9 1 0r a g l ) s e c o n d l y , t h ec a l c u l a t i n gt i m eo fe m d e o fm e t h o di sl e s st h a nh a l fo ft h a to ft h e d i n e o fm e t h o dr a i s e db ya l v e r a ，a n dt h er e c o n s t r u c t i o np r e c i s i o ni s c o m p a r a t i v e l v i m p r o v e d t h i r d l y , t h ee m d - e o fm e t h o dc a ne f f e c t i v e l ye l i m i n a t et h ea b n o m a ld a t a w h i c hr e s u l tf r o mu n d e t e c t e dt h i nc l o u d si n r e m o t es e n s i n gr e t r i e v e ，i m p r o v i n gt h e p r e o s l o no fo r i g i n a lr e m o t es e n s i n gi m a g e s l a s t l y , t h ee m d e o fm e t h o dc a n e f f e c t i v e l yr e c o n s t r u c tr e m o t es e n s i n gi m a g e so fl i t t l ed a t a ，w h i c hl e a d st or e a n a l y s i s r e m o t es e n s i n gp r o d u c t so f h i g hs p a t i a l - r e s o l u t i o na n df u l lc o v e r a g e s e at e m p e r a t u r ea n d s u s p e n d e ds e d i m e n ta f f e c tt h eg r o w t ho f p h y t o p l a n k t o ni nc h i n a a d j a c e n ts e a sa n dt h e ya r ea l s ot h eb a s i so fo c e a n e c o l o g i c a ls i m u l a t i o n 柚df b r e c a s t 1 u s i n gs i n g u l a re v o l u t i v ee x t e n d e dk a l m a nf i l t e r ( s e e k ) ，c o m b i n e dw i t ht h es i m u l a t i o n r e s u l to fc o h e r e n sm o d e la n dr e m o t es e n s i n go b s e r v a t i o nd a t a ，w e i n i t i a l l yb u i l d t h et h r e e - d i m e n s i o n a ld a t aa s s i m i l a t i o ns y s t e mo fs e as u r f a c et e m p e r a t u r ea n ds u s p e n d e d s e d i m e n ti nh a n g z h o ub a y t h i ss y s t e mi sf u r t h e rt e s t e dv i ah i n d c a s tv a l i d a t i o n e x p e r i m e n tb yu s i n gt h er e m o t es e n s i n gd a t ao fs s ta n ds s co fs p r i n gi n2 0 0 3 o u rr e s e a r c hr e s u l t sa r ea sf o l l o w s f i r s t l y , c o m p a r e dw i t ht h er e m o t es e n s i n gs s z t h er m s e so f s i m u l a t e dd a t a ，f o r e c a s td a t aa n da n a l y z e dd a t aa r e2 1 3 ，1 6 5a n d0 7 5 r e s p e c t i v e l y , a n dc o m p a r e dw i t ht h er e m o t es e n s i n gs s c ，t h el o gr m s e so fs i m u l a t e d d a t a ，f o r e c a s td a t aa n da n a l y z e dd a t aa r e0 6 2 ，o 5 3a n do 2 60 0 9 1 0r a g l ) r e s p e c t i v e l y s e c o n d l y ，a st h ed i f f e r e n c eb e t w e e nt h ea n a l y z e dd a t aa n dr e m o t es e n s i n gd a t aa n dt h e d i f f e r e n c eb e t w e e nt h ea n a l y z e dd a t aa n df o r e c a s td a t as h o w , t h ea n a l y z e dd a t aa r e i d e n t i c a lt ot h ef o r e c a s td a t ai nt e r m so fd i s t r i b u t i n gt r e n da n dt h ea n a l y z e dd a t aa r ec l o s e t ot h eo b s e r v e dd a t ai nt e r m so fn u m e r i c a lv a l u e t h e r e f o r e ，o b s e r v a t i o nh a so b v i o u s e f f e c to na s s i m i l a t i o n l a s t l y , t h ed a t aa s s i m i l a t i o nm e t h o dc a ne f f e c t i v e l yc o m b i n et h e a d v a n t a g e so fb o t hr e m o t es e n s i n go b s e r v a t i o na n dn u m e r i c a ls i m u l m i o n ，i m p r o v i n gt h e p r e c i s i o no fn u m e r i c a lf o r e c a s t i no r d e rt ob e a e ru t i l i z et h er e m o t es e n s i n gd a t aa n di m p r o v et h ep r e c i s i o no fo c e a n n u m e r i c a l f o r e c a s t i n g ，f u r t h e r r e s e a r c hw o r ki st ob e c o m p l e m e n t e d f r o mt w o p e r s p e c t i v e s o nt h eo n eh a n d ，o t h e rr e m o t es e n s i n gd a t a ( c h l - a ，s d de g ) a r et ob e r e c o n s t r u c t e d b yu s i n g t h ee m d - e o fm e t h o d m e a n w h i l e ，b y f o r e c a s t i n g t h e t i m e c o e f f i c i e n t so fe o fd e c o m p o s i t i o n , w ec a nb u i l das h o r to c e a nr e m o t es e n s i n g f o r e c a s t i n gs y s t e m o nt h eo t h e rh a n d ，t oe n h a n c et h ep r e c i s i o no fo c e a ne c o l o g i c a l s i m u l a t i o na n df o r e c a s t , t h ed a t aa s s i m i l a t i o nm e t h o di st ob eu s e dt oa s s i m i l a t es u c h r e m o t es e n s i n gd a t aa sc h l - aa n dp a r t i c u l a t eo r g a n i cc a r b o n ( p o c ) 2 k e yw o r d ：r e m o t es e n s i n g ，d a t ar e c o n s t r u c t i o n ，d a t aa s s i m i l a t i o n ，e o f ， s e e k ，s s t ，s s c ，c o h e r e n sm o d e l 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或 公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均己在论文 中作了明确的说明。 研究生签名：互圣兰二夕年应月土；日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或 上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并 授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密 论文，按保密的有关规定和程序处理。 研究生签名： i i 百尺善 2 哆年应月劣日 博士论文卫星遥感海表温度与悬浮泥沙浓度的资料重构及数据同化试验 1 绪论 1 1 研究背景和意义 遥感技术是2 0 世纪6 0 年代迅速发展起来的一门综合性对地探测技术，通过从 不同高度平台，收集地物的电磁波信息，并加以处理，从而达到对地物的识别与监 测的目的【。随着遥感技术，特别是卫星遥感的发展，2 0 世纪8 0 年代以来，在资 源、环境、水利、林业、农业等部门己有广泛的应用【5 8 】。 对于占地球面积达到7 1 的海洋来说，卫星遥感发挥着越来越重要的作用。传 统的常规监测，如船舶、浮标，虽然可以对某一点进行高精度测量，但总的来说数 据稀疏、重复周期长、花费巨大。遥感监测具有大面积同步观测、动态与长期观测、 实时或者准实时等特点，而且费用相对较低，同时可以涉及船舶、浮标不易到达的 海区，极大地提高了对偏远海区的监测能力【2 】。 卫星海洋遥感最早始于1 9 6 0 年美国宇航局( n a s a ) 发射的第一颗电视与红外 观测卫星t i r o s i i ，开始涉及海温观测【2 1 。1 9 7 8 年n a s a 成功发射世界上第一颗 星载水色扫描仪c z c s ( c o a s t a lz o n ec o l o rs c a n n e r ) ，标志着海洋水色遥感正式进 入应用阶段，其后许多国家都陆续发射了多台肩负不同使命的海洋水色卫星传感 器，其中我国h y 1 a ( 2 0 0 2 ) 、h y 1 b ( 2 0 0 7 ) 、f y 一3 a ( 2 0 0 8 ) 等卫星的成功发 射及在轨运行，极大地丰富了我国自主的海洋水色遥感资料源【3 】。 目前用于海洋观测的卫星传感器，采用的波段包括可见光( 0 4 , - 一0 7 t m ) 、红 外( 1 1 0 0 t m ) 、微波( o 3 1 0 0 g h z ) ，如表1 1 所示。 目前海洋遥感反演数据还有一定的局限性，其中有两个问题需要考虑： ( 1 ) 对于使用可见光与红外波段反演的遥感参数，由于可见光与红外波段的波 长较短，不能穿透云层，在进行遥感参数反演前需要进行云检测并进行云剔除，不 能得到云区下面的遥感数据； ( 2 ) 现有的遥感参数，绝大部分为海表参数，仅有少部分参数，如海洋内波， 反映了水体内部的信息。而通过海洋数值模拟，可以得到海洋过程的四维时空变化， 但在预报过程中如果不加入观测数据，长时间的预报后往往存在计算发散的问题。 本博士论文主要针对海洋遥感数据在这两个方面存在的问题开展相关的工作， 目的在于解决遥感数据的空间覆盖与遥感表层数据向下延伸的关键技术，其中包括 遥感数据的缺失点重构；利用数据同化方法，结合遥感与数值模拟两者的优势，初 l 绪论 博士论文 步构建一个海温与悬浮泥沙的海洋数据同化系统，拓展遥感数据的应用潜力。本论 文对于提高海洋生态动力模拟精度、发展我国业务化的数据同化系统具有一定的参 考价值。 表1 1 在轨和即将发射的水色与温度传感器 4 】 4 博t 论文卫星遥感海表温度与悬浮泥沙浓度的资料重构及数据同化试验 1 1 1 遥感资料重构的研究意义 现在广泛使用的卫星遥感数据，如a v h r rp a t h f i n d e rs s tv 5 ( h t t p ：p o d a a c j p l n a s a g o v d a t a _ c a t a l o g a v h r r h t m l ) ，提供了19 8 5 年以来不 同时间分辨率( 日、5 天、7 天、月、年平均) ，较高空间分辨率( 约4 k i n ) 的全 球海表温度数据；约4 6 k m 空间分辨率的全球海表叶绿素a 数据( c h l a ) 、总悬 浮物数据( t o t a ls u s p e n d e dm a t t e r ，t s m ) 也可以在网站 ( h t t p ：w w w g l o b c o l o u r i n f o p r o d u c t s 上免费下载。国内的科研机d e s c r i p t i o n h t m l ) 构，如国家海洋局第二海洋研究所，从8 0 年代开始接收卫星遥感数据，至今已积 累了2 0 余年的长时间序列。如何更有效的利用已有的数据，从中发现海洋现象背 后的规律，是海洋工作者必须面对的科学问题。 海洋水色遥感使用可见光波段反演，海表温度遥感( s s t ) 主要使用热红外波 段反演。统计表明，5 天平均的多源融合s s t 数据的缺失率在4 0 左右 5 】( 中国海 区，【1 0 5 0 1 3 0 0 e ，【1 0 0 5 0 0 】n ) 。而且在进行遥感反演的过程中，薄云的检测也比 较困难，未检测的薄云会造成图像数据的异常，对于s s t 数据，未检测的薄云像元 反演值可比晴空低6 以上，而异常天气，如台风，在半个月时间内s s t 的下降一 般在5 c 以内【6 。 数据缺失给遥感产品的使用带来了很大的限制，如利用e o f 方法分析s s t 的年 际变化，利用遥感数据进行海洋水质分类等；在数值模拟中，利用遥感数据作为模 拟的边界条件【_ 7 1 ，都要求使用完整的遥感数据。虽然有些应用可以容忍部分数据缺 失，但是对完整的遥感数据集的需求越来越大。而且，对遥感数据进行再分析，剔 除反演过程中未检测薄云造成的虚假数据，提供一个合理的再分析数据集，对增强 遥感数据的应用范围也很有帮助。 本文主要在分析遥感反演数据( s s t 与s s c ) 特性的基础上，提出了结合e m d 与e o f 方法的自适应e m d e o f 遥感资料重构方法，该方法可以有效地剔除遥感数 据中不合理的反演值，重构出具有空间全覆盖的遥感再分析数据集，为以后遥感数 据的应用提供服务。 1 1 2 海洋数据同化的研究意义 数值模拟与现场观测是研究海洋现象的两种基本手段，它们有着各自的优势， 模型模拟的优势在于依靠其内在的物理过程和动力学机制，可以给出所模拟对象在 时间和空间上的连续演进；而观测的优势在于能得到所测量对象在观测时刻和所代 表的空间上的“真值”1 8 。 l 绪论 博士论文 海洋学家在对海洋进行现场观测的同时，也在不断的改进数值模拟方法。通过 实测数据对模型参数进行率定，随着认识的加深不断提出改进的过程参数化方法， 进而改进模型的模拟、预报效果。 遥感数据作为覆盖范围大、重复周期短的海洋观测数据，如何在海洋预报中发 挥更大的作用? 海洋数据同化方法的出现和实用化，为我们达到这一目标提供了一 条可行的途径。 本文主要利用c o h e r e n s 数值模型，使用减秩卡尔曼滤波( s e e k ) 数据同化 方法，初步构建了杭州湾海温与悬浮泥沙浓度的三维数据同化系统，同时应用此系 统，将2 0 0 3 年春季遥感s s t 与s s c 同化到数值模型，为建立业务化的数据同化系 统打下了基础。 1 2 国内外研究现状 卫星海洋遥感( o c e a nr e m o t es e n s i n g ) ，是利用电磁波与大气和海洋的相互作 用原理，从卫星平台观测和研究海洋的分支学科。海洋水色遥感是利用可见光、近 红外辐射计在航天和航空平台上接收海面上行的光谱辐射，经大气校正和水色信息 反演，获得水体中浮游植物色素浓度、悬浮体浓度、溶解有机物浓度等要素信息， 在海洋初级生产力、海洋生态环境、海洋通量、渔业资源监测等方面具有重要意义 【9 】 o 在水色遥感领域，目前主要使用的遥感产品为海洋环境要素s s t m 1 ，水色三要 素叶绿素8 ( c h l a ) i l l 】、表层悬浮泥沙浓度( s s c ) 0 2 】、有色物质。另外再分析 产品有水体透明度( s d d ) 1 4 】、海洋初级生产力15 1 ，水质参数如颗粒态总磷【1 6 】、总 无机氮【1 7 1 、颗粒有机碳与溶解有机碳【1 8 】。目前在轨运行或者即将发射的水色传感器 与温度传感器如表1 1 所示。 从表1 1 可以看出，随着在轨的传感器越来越多，在认识海洋过程中遥感数据 必将发挥越来越重要的作用。 1 2 1 资料重构 对于使用可见光与红外波段反演的遥感数据，数据缺失及数据异常现象主要有 以下三个特点：( 1 ) 大面积缺失( 图1 1 ) ；( 2 ) 反演过程中的漏检薄云造成反演 数据异常( 图1 2 ) ；( 3 ) 云的特性决定了数据缺失的无规律性( 图1 1 ) 。 6 博论文 p g 遥感海表温度与悬浮泥沙镕度的资科重构数据删化试验 s s t 数据( 单侥：) 一j i i ：；爵一 “j ：；= ：；“4二：；：谢 图1 22 0 0 3 年i 1 月1 2 日i 1 月1 0 日、i 1 月1 7 日1 1 月2 1 日、1 1 月2 2 日一1 i 月2 6 日连 续三个时次5 天平均的东海s s t 数据( 单位：) 为了更好的利用已有的遥感数据，特别是使用可见光与红外波段反演的遥感数 据克服云层覆盖对遥感数据的影响，有很多方法处理数据缺失问题，在图像处理 领域，缺失点资料重构相当于图像重构或图像恢复，主要是使用数据的时间相关或 者空间相关来实现。 在国内，朱江”1 等提出了客观分析中的最优捕值方法对s s t 数据进行插值补缺。 马寨璞3 等在s s t 数据补缺中提出动态虽优插值的方法。谈建国“等人对于检测出 的云区，采用同周期相近时相a v h r r 资料的相对变化率来反演替代云区，保证替补 后资料的客观性和图像的连续性，从而大幅度地提高了n o a a 遥感资料的可用性， 该方法简单易行，但增加了遥感资料的要求，而且误差达到了14 8 ，有云区域 可能在一定的时问里还是有云，要找到好的替补图像也比较困难。毛志华。”等对云 覆盖区域综合采用了资料插值、平滑、匹配修正等方法，以及数值内插、曲面拟合 和动力方程的数值替补方法，利用历史同期标准温度图进行时间域的替补。 在国外，e v e r s o n ”“等使用最优插值方法重构s s t 缺失点数据。e m e r y 和t h o m s o n 1 提出利用样条插值的方法。k o n d r a s h o v “圳等使用奇异谱分析对5 0 年的月平均i r i 数 据集的s s t 擞失点进行了重构。hg u n e s ”捌等比较了本征模态分解( p r o p e r o r t h o g o n a ld e c o m p o s i t i o n ，p o d ) 和克里格插值( k r i g i n gi n t e r p o l a t i o n ) 方法重 构非平稳流场的时空缺失点，结果显示，在时间分辨率足够高的情况下，p o d 方法重 m- l 绪论博上论文 构精度高于k r i g i n g 方法；在时间分辨率不够的情况下，k r i g i n g 插值的效果更好一 些。b e c k e r s 和r i x e n h l 提出了一种无参数( 必要的参数从数据本身获得) ，基于经验 正交函数( e o f ) 方法来重构时间序列数据中缺失点，并且使用人工构造的时间序列 和实际的遥感数据序列进行了缺失点重构。a l v e r a 嘲蚓等提出了基于e o f 分解的数据 插值方法( d i n e o f ) ，对1 9 9 5 年5 月9 日到1 0 月2 2 日的6 个月的a v h r r 遥感数据1 3 5 幅( 去 掉了其中数据比例小于5 的图幅) 进行了缺失点重构，并且与最优插值方法进行了 比较，d i n e o f 方法与最优插值法有相似的重构精度，但是后者的时间花费比前者高 了一个数量级，达到3 0 倍之多。 值得一提的是，由于云是随时间与空间变化的不稳定因子，造成遥感数据集中缺 失区域具有随机性，现有的云检测算法并不能很有效的检测薄云，所以大片区域数 据缺失与由于薄云未准确检测造成的异常数据同时存在。如何有效的剔除异常数据、 重构缺失区域数据，需要充分利用卫星遥感数据的时间与空间相关。在重构遥感数 据缺失值的方法当中，a l v e r a 8 4 , 8 5 1 等提出的d i n e o f 方法具有重构精度高、运算速度 快等优点。 1 2 2 数据同化 卫星遥感观测、现场观测和海洋环境的数值模拟三者的有机结合，是研究全球 海洋和环境问题的基本方法。一方面，随着遥感技术的应用，观测已经由过去的少 量传统的常规观测发展到如今大量的非常规观测。观测精度也日益提高。另一方面， 由最初的大气环流模型发展到现在的海一陆气耦合模型，并向着把包括人类圈在内的 地球各系统耦合的“气候系统模型 发展，而且各模型的模拟能力也日益提高。观 测作为一个对“真实 状态的相对“忠实 的记录，有着其“真实性”的优点，但 由于其空间和时间的离散性和独立性，就其整体来讲是很粗糙的。而模型所给出的 “模型 状态，有着其物理上内在的动力过程及时空的完整性，但由于“模型 状 态仅仅是“真实状态的近似，所以也就无法代替观测所扮演的角色。为了把观测 和模型所带来的两种不同但又“互补”的信息融合在一起，从而给我们产生一幅既 逼近真实状态又包括内在物理过程的四维“运动的物理图像 ，数据同化方法应运 而生【z 3 ，z 4 j 。数据同化可以结合模拟与观测的各自优势，在过程模型的动力框架内， 融合不同来源和不同分辨率的直接与间接观测数据，得到具有时空连续和物理一致 性的数据【8 ，z 5 。z7 1 。 一个数据同化系统包括三个部分：观测系统，数值模型与数据同化方法。 8 博上论文 卫星遥感海表温度j 悬浮泥沙浓度的资料重构及数据同化试验 1 2 2 1 观测系统 对海洋进行直接的观测一直是海洋研究最重要的组成部分。人类对于海洋内部 的认识和了解，最初主要来自科学调查船的观测和由商船投放的抛弃式温深计( x 3 t ) 的探测。这样的观测是相当稀少的，特别是对全球气候影响巨大、且遥远的南大洋， 其观测资料则更少。而所有这些观测的持续时间都很短，以致于无法用来监测海洋的 变化 2 8 1 。 随着卫星遥感技术的发展，卫星遥感已成为对全球中大尺度表层海洋现象进行 长时序观测的主要手段。卫星遥感获得的全球影像改变和加深了人们对海洋的认识。 要研究全球和区域的海洋环境问题，必须观测和研究海水温度、盐度、密度、海面 风、波浪、潮汐、海流、海冰等基本动力环境要素和海洋化学、海洋生物学等相关 环境要素的全球性变化。这些要素是海气交换、海洋内部的物质和能量交换的驱动 力，也是全球环境变化的驱动力。目前用于海洋的传感器类型与反演参数如表1 2 所示。 表1 2 海洋传感器类型及其反演参数【2 】 随着对海洋观测的深入，国际间的合作逐渐增加，全球海洋观测系统( g o o s ) 包括从空间、空中、岸基平台、水面、水下等多平台对海洋进行立体观澳i j t 2 9 j 。 卫星遥感观测的时空分辨率已能满足中大尺度全球环境变化研究的要求，但卫 星遥感需要地面现场观测的配合和现场数据检验。而全球a r g o 实时海洋观测网的建 设为我们认识海洋内部、进行卫星数据检验提供了宝贵的数据源。由3 0 0 0 个浮标组 成的观测网在2 4 d 时内可向研究人员和从事海洋、气象预报的相关业务中心快速提 供海洋观测资料。世界上已经有2 3 个国家参与国际a r g o 计划，并有很多国家参与了 浮标布放等工作。a r g o 计划的实施，使得人们从海洋内部获取信息的手段产生了突 破性进展l z 8 j 。 9 l 绪论博士论文 1 2 2 2 数值模型 从上个世纪开始，河口、海岸数值模型发展非常迅速，在短短几十年的时间中， 数值模型随着计算机计算容量的飞速发展和数学方法上的不断改进，运用数值模拟 的手段研究河口地区的的水动力问题已经相当成熟，从运用一维、二维的简单数值 模型研究探讨河口地区垂向混合、水平平流、正压和斜压效应等对河口的动力作用， 发展到了如今利用三维数值模型解决实际的生产生活中的问题。随着计算机技术和 数值方法上的不断进步，三维的数值模拟逐渐发展成为成熟的研究方法【3 0 】。 目前国际上先进的和使用较广泛的河口海岸水动力数值模型有许多，如美国的 普林斯顿大学研制的p o m 模型和e c o m 模型川；德国汉堡大学海洋研究所开发的三 维斜压陆架海洋模型h a m s o m 模型3 2 】；德国发展的等密面模型m i c o m ，以及后来 的杂交坐标模型h y c o m t 3 3 】。而耦合多种过程的模型也有很多，如本文使用的欧空 局开发的三维水动力生态模型c o h e r e n s 3 4 】，美国麻省理工学院陈长胜研究小组开 发的非结构有限体积的f v c o m 模型【3 5 1 。上述模型已经被广泛的应用于科学研究和工 程实践当中。 1 2 2 3 数据同化方法 数据同化方法最早用于气象科学，一般把c h a m e y 等l 3 6 j 在1 9 6 9 年发表的论文“u s e o fi n c o m p l e t eh i s t o r i c a ld a t at oi n f e rt h ep r e s e n ts t a t eo f a t m o s p h e r e 作为数据同化的 开山之作，文中展示了他们用模拟方法研究数据同化的结果，其目的是确定一个问 题：使用卫星遥感系统提供的不完善数据能否得到正确的大气变量值 2 4 】。 数据同化经过了几个发展阶段。最早的数据同化是比较机械简单的插值方法， 比如多项式插值、线性插值、逐步订正法等。但这些方法都没有充分利用资料和模 型结果的误差信息，同时也缺乏理论基础，直到最优插值法的出现【3 7 1 ，数据同化方 法才有了基于统计估计理论的基础。最优插值( o i ) 3 8 - 4 0 】主要假设背景场的误差协 方差矩阵是定常的，对于每个模型变量，只有在其附近的少数观测才能决定分析的 增量。当能够适当的选取观测点时，最优插值可以节省计算的成本。从上个世纪7 0 年代到8 0 年代，这种方法在数值预报业务中得到了广泛的应用，许多业务化的部 门采用这一方法。 由于最优插值不是全局分析，其解是局地最优的，因此在将各个不同小区域分 析综合时，各个解之间会产生不连续，并且最优插值不能使用复杂观测算子的观测 ( 包括非线性算子) ，不能同化非常规资料，无法确保大尺度和小尺度分析之间的 一致性，其权重系数是独立于模型方程的时间变化。为了克服最优插值在实际应用 1 0 博一 ：论文卫星遥感海表温度与悬浮泥沙浓度的资料重构及数据同化试验 中的“资料选择”问题，同时同化非线性观测，在业务化系统中，变分数据同化方 法 4 1 , 4 2 】逐渐替换了最优插值。三维变分( t h r e ed i m e n s i o n a lv a r i a t i o n a l ，3 d v a r ) 是最优插值方法的一般化，可以用来处理观测矩阵是非线性的情况，其计算量要比 最优插值大，可以在三维空间中进行全局分析。目前国际上主要数值预报中心都已 经采用三维变分方法来进行资料同化。四维变分方法( f o u rd i m e n s i o n a lv a r i a t i o n a l ， 简称4 d v a r ) 是三维变分方法的简单推广，只是它需要积分伴随模型。强约束 4 d a v r 4 3 】是目前少数先进业务化的单位使用的最先进的方法，例如欧洲中期天气 预报中心就于1 9 9 6 年底最先采用了这个方、法【删，其结果要比3 d v a r 方法好，但 是这一方法的工作量要比3 - d v a r 方法大很多。弱约束4 d v a r t 4 1 , 4 5 】方法是针对强 约束4 d - v a r 方法的模型无误差的假设而提出来的，它考虑了模型误差。 变分数据同化的优点是不需要计算模型预报误差的协方差矩阵，同时也适合处 理非线性问题。不利之处在于要构造伴随方程，同时不具有对观测资料进行序列同 化的特性。 基于序列极小方差估计，最优插值向时间维的自然推广，由此便产生了滤波方 法。卡尔曼滤波( k a l m n af i l t e r ，简称k f ) m 】假设背景场的误差协方差矩阵是非定 常的，利用协方差矩阵预报方程来计算，其基本原理是先进的。但是在实际应用中 却因为计算量和存储量太大( 因为需要存储h e s s i a n 矩阵，而这类矩阵的元素总量 即使在一个简单的海洋模型中也可以达到1 0 1 0 以上) ，所以在可预见的将来还无法 应用到像最优插值方法现在应用到的那种大规模的数值模型和观测系统中，同时卡 尔曼滤波只适应于线性问题，对于非线性问题，需要推导出与非线性方程相对应的 切线性方程，即扩展卡尔曼滤波( e x t e n d e dk a l m a nf i l t e r ，简称e k f ) ，对于强非线 性系统，由于抛弃了误差方差演化方程中可能反映强非线性作用的三阶及三阶以上 导数项，可能导致误差方差的无限制增长1 4 。 由于大气、海洋运动的高度非线性以及包含许多阈值，要把扩展卡尔曼滤波直 接应用到大气、海洋的数据同化中仍然有很多缺陷。人们又发展出各种简化的卡尔 曼滤波形式，其中包括减秩卡尔曼滤波( s e e k ) ，集合卡尔曼滤波( e n s e m b l ek a l m a