项目名称: 结合反问题正则化思想及信息容量方法的南海海面风场多源数据的融合方法研究

项目编号: No.41275113

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 项杰

作者单位: 中国人民解放军理工大学

项目金额: 80万元

中文摘要: 卫星遥感技术的发展提供了海量的大气和海洋环境数据,如何处理和利用这些数据是一个迫切的问题。数据融合是处理和利用观测数据的手段之一,但数据融合本质上属于反问题,因而求解时面临不适定性的困难。本项目拟开展南海海面风场多源数据的融合方法研究,具体就是利用二维变分同化方法,结合反问题中的正则化技巧和信息容量方法,进行如下四部分的工作:(1)两种海面风场数据(QuikSCAT散射计风场和区域数值预报模式输出的风场)的融合;(2)三种海面风场数据(在上面两种风场数据的基础上再增加微波辐射计AMSR-E风场数据)的融合;(3)海面风场数据融合效果的验证,包括利用独立的测站观测数据进行验证和利用信息容量方法进行验证;(4)两种海面风场数据与三种海面风场数据融合结果的比较分析。本项目旨在探讨变分同化方法结合正则化技巧在多源数据融合中的可应用性,并探讨散射计和辐射计风场数据在数据融合中的作用和影响。

中文关键词: QuikSCAT;二维变分同化(2D Var);融合;正则化;精度验证

英文摘要: Satellite remote sensing technology is a powerful approach of obtaining a sea of data of atmospheric and oceanic environment, and it is a challenging task how to process and apply the sea of remote sensing data. Data blending is one of methods by which a large quantity of data can be processed and utilized. In essence, however, data blending problem is one kind of inverse problems, which means that data blending is an ill-posed problem. In the present project, studies on blending of three kinds of surface wind data over South China Sea are to be fulfilled through the 2-D variational assimilation, along with the regularization technique and theory of information content of observations in inverse problems, which includes the following four parts: (1) blending of two kinds of sea surface wind data, QuikSCAT scatterometer observations and regional mesoscale atmospheric model simulation surface wind data;(2) blending of three kinds of sea surface wind data, QuikSCAT scatterometer observations, radiometer AMSR-E observations and regional mesoscale atmospheric model simulation surface wind data;(3)validation of blending of sea surface wind data through two methods, comparison with independent in situ observations and theory of information content of observations;(4)comparisons between blending of two kinds of sea surf

英文关键词: QuikSCAT;two-dimensional data assimilation by variation;blending;regularization;validation

成为VIP会员查看完整内容
0

相关内容

基于流线的流场可视化绘制方法综述
专知会员服务
26+阅读 · 2021年12月9日
专知会员服务
26+阅读 · 2021年9月4日
专知会员服务
36+阅读 · 2021年5月10日
基于深度学习的数据融合方法研究综述
专知会员服务
137+阅读 · 2020年12月10日
专知会员服务
142+阅读 · 2020年9月6日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
专知会员服务
110+阅读 · 2020年3月20日
「实体对齐」最新2022综述
专知
12+阅读 · 2022年3月17日
多任务学习漫谈:以损失之名
PaperWeekly
1+阅读 · 2022年1月26日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
孟小峰:机器学习与数据库技术融合
计算机研究与发展
14+阅读 · 2018年9月6日
基于深度学习的图像目标检测(下)
机器学习研究会
12+阅读 · 2018年1月1日
已删除
将门创投
12+阅读 · 2017年10月13日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关主题
相关VIP内容
基于流线的流场可视化绘制方法综述
专知会员服务
26+阅读 · 2021年12月9日
专知会员服务
26+阅读 · 2021年9月4日
专知会员服务
36+阅读 · 2021年5月10日
基于深度学习的数据融合方法研究综述
专知会员服务
137+阅读 · 2020年12月10日
专知会员服务
142+阅读 · 2020年9月6日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
专知会员服务
110+阅读 · 2020年3月20日
相关资讯
「实体对齐」最新2022综述
专知
12+阅读 · 2022年3月17日
多任务学习漫谈:以损失之名
PaperWeekly
1+阅读 · 2022年1月26日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
孟小峰:机器学习与数据库技术融合
计算机研究与发展
14+阅读 · 2018年9月6日
基于深度学习的图像目标检测(下)
机器学习研究会
12+阅读 · 2018年1月1日
已删除
将门创投
12+阅读 · 2017年10月13日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员