基于STMAS的多源资料融合及多重网格算法应用研究

《基于STMAS的多源资料融合及多重网格算法应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________硕士学位论文基于STMAS的多源资料融合及多重网格算法应用研究学位申请人：汪越兴学科专业：信息与通信工程指导教师：王杉副教授答辩日期：2018.5.23独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注

2、和致谢的地方外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保密内容。学生

3、本人签名日期校内导师签名日期校外导师签名日期摘要基于STMAS的多源资料融合及多重网格算法应用研究摘要分析资料产品对天气的预报有着重要的作用，获取一套分辨率高、融合的观测资料尽可能多、更接近真实大气的分析数据十分具有研究价值。我国气象资料日益丰富，但由于观测方法技术的不同导致不同的观测资料都存在一定的数据误差，同时观测资料站点在我国分布极不均匀。国内的气象业务中常用的方法是对观测数据采用不同的插值方法进行处理，缺乏对数据进行系统的统一处理。因此，急需一个观测数据处理平台，该平台能够尽可能多的对资料进行合理的融合处理，得到更接近真

4、实场的分析数据。美国国家海洋和大气管理局（NOAA）下属的ESRL研发的STMAS系统是一个能够很好融合多源数据的平台，研究该系统对国内的气象观测条件下的融合效果，探究该系统能否带来更好的分析数据来改善天气与气候预测的准确性，为促进社会经济发展有着良好的现实意义。其中，STMAS融合系统中求解的是变分同化的代价函数问题，寻找变分同化方法代价函数求解的更佳算法值得研究。本文利用多重网格方法求解三维变分同化的代价函数，将共轭梯度法作为对比方法来判断多重网格方法的迭代效率，做了一系列的模拟实验，实验发现多重网格方法有着不错的迭代效率。

5、此外，本文利用STMAS融合系统对全国区域37000多个区域站点资料和背景场GFS数据进行了融合实验，得到了分辨率更高的分析场。实验分析发现STMAS融合系统具有捕捉天气微小变化的能力，在西部区域和其他山地区域STMAS分析场相较于GFS背景场有着更好的解析观测能力；STMAS融合背景场和地面观测资料，融合得到的分析场能够在保留背景场资料优势的同时，在不同区域会根据观测信息对背景场资料进行修正。关键词：STMAS，变分同化，多重网格，数据融合IABSTRCTMULTISOURCEDATAFUSIONBASEDONSTMASAND

6、APPLICATIONOFMULTIGRIDALGORITHMABSTRACTTheanalyticaldataproductsplayanimportantroleintheweatherforecast.Itisofgreatvaluetoobtainasetofhighresolutionandfusionobservationdataasmuchaspossibleandclosertotheanalysisdataoftherealatmosphere.ThemeteorologicaldatainChinaaremo

7、reandmoreabundant,butbecauseofthedifferenceofobservationmethodsandtechniques,therearecertaindataerrorsindifferentobservationdata.Atthesametime,thedistributionofobservationdatastationsisveryuneveninourcountry.ThecommonlyusedmethodofmeteorologicalservicesinChinaistouse

8、differentinterpolationmethodstodealwiththeobserveddata,andlackofsystematictreatmentofthedata.Therefore,anobservationdataprocessingp