2DVAR算法在局地海表流場(chǎng)和風(fēng)場(chǎng)融合中的應(yīng)用
發(fā)布時(shí)間:2024-06-14 21:34
海表流場(chǎng)和海表風(fēng)場(chǎng)不僅在海洋動(dòng)力環(huán)境中發(fā)揮著重要作用,還與人類活動(dòng)息息相關(guān)。根據(jù)近海洋流觀測(cè)特點(diǎn)及海表風(fēng)場(chǎng)衛(wèi)星觀測(cè)特點(diǎn),本文發(fā)展了二維變分?jǐn)?shù)據(jù)融合方法,并將發(fā)展的方法用于融合:1)臺(tái)海海峽地波雷達(dá)徑向流及洋流矢量;2)印度洋多源衛(wèi)星風(fēng)速觀測(cè)及風(fēng)場(chǎng)矢量。最后對(duì)融合結(jié)果分別進(jìn)行檢驗(yàn),具體研究?jī)?nèi)容如下:(一)在海表流場(chǎng)研究中,本文使用發(fā)展的二維變分(Two-Dimensional Variational Method,2DVAR)數(shù)據(jù)融合方法將臺(tái)灣海峽處的地波雷達(dá)徑向流數(shù)據(jù)與區(qū)域海洋模式(Regional Ocean Model System,ROMS)輸出結(jié)果進(jìn)行融合,得到一套較好的融合產(chǎn)品。結(jié)果顯示,融合產(chǎn)品與雷達(dá)徑向流的平均相對(duì)誤差相較于模式輸出與雷達(dá)徑向流的平均相對(duì)誤差由9.70%降低至1.54%。為進(jìn)一步檢驗(yàn)融合方法,設(shè)計(jì)了兩種獨(dú)立樣本試驗(yàn)。試驗(yàn)一將雷達(dá)徑向流按空間均勻分為融合樣本與獨(dú)立樣本,使用雷達(dá)融合樣本與模式輸出進(jìn)行融合,此時(shí)融合結(jié)果的均方根誤差(Root Mean Squared Error,RMSE)相較于模式輸出由0.41m/s降低至0.19m/s。試驗(yàn)二將雷達(dá)徑向流和...
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 引言
1.1 研究背景及意義
1.2 數(shù)據(jù)融合方法研究進(jìn)展
1.2.1 數(shù)據(jù)融合的概念及方法分類
1.2.2 海面流場(chǎng)融合技術(shù)研究進(jìn)展
1.2.3 海面風(fēng)場(chǎng)融合技術(shù)研究進(jìn)展
1.3 本文研究?jī)?nèi)容
1.3.1 研究目的
1.3.2 論文框架
第二章 海表流場(chǎng)、風(fēng)場(chǎng)數(shù)據(jù)及檢驗(yàn)方法
2.1 臺(tái)灣海峽處流場(chǎng)數(shù)據(jù)
2.1.1 流場(chǎng)研究區(qū)域
2.1.2 ROMS模式輸出數(shù)據(jù)
2.1.3 龍海站地波雷達(dá)徑向流數(shù)據(jù)
2.2 印度洋處風(fēng)場(chǎng)數(shù)據(jù)
2.2.1 風(fēng)場(chǎng)研究區(qū)域
2.2.2 ERA海面風(fēng)場(chǎng)資料
2.2.3 衛(wèi)星海面風(fēng)場(chǎng)觀測(cè)資料
2.2.4 現(xiàn)場(chǎng)實(shí)測(cè)資料
2.2.5 衛(wèi)星數(shù)據(jù)預(yù)處理
2.3 檢驗(yàn)方法
2.3.1 TC檢驗(yàn)方法
2.3.2 其它統(tǒng)計(jì)學(xué)方法
2.4 小結(jié)
第三章 2DVAR算法
3.1 資料融合方法比較
3.2 2DVAR算法介紹
3.3 2DVAR算法中誤差協(xié)方差陣的設(shè)置
3.3.1 海表流場(chǎng)誤差協(xié)方差陣的設(shè)置
3.3.2 海表風(fēng)場(chǎng)誤差協(xié)方差陣的設(shè)置
3.4 小結(jié)
第四章 海表流場(chǎng)數(shù)據(jù)的融合分析檢驗(yàn)
4.1 雷達(dá)徑向流分析
4.2 海表融合流場(chǎng)結(jié)果分析
4.3 海表流場(chǎng)獨(dú)立樣本檢驗(yàn)
4.3.1 獨(dú)立樣本試驗(yàn)一
4.3.2 獨(dú)立樣本試驗(yàn)二
4.4 小結(jié)
第五章 海表風(fēng)場(chǎng)數(shù)據(jù)的融合分析檢驗(yàn)
5.1 ERA風(fēng)場(chǎng)及多源衛(wèi)星觀測(cè)的質(zhì)量分析
5.1.1 利用TC方法進(jìn)行ERA風(fēng)場(chǎng)質(zhì)量分析
5.1.2 多源衛(wèi)星風(fēng)場(chǎng)觀測(cè)質(zhì)量分析
5.2 海表風(fēng)場(chǎng)融合產(chǎn)品檢驗(yàn)
5.2.1 海表風(fēng)場(chǎng)獨(dú)立樣本檢驗(yàn)
5.2.2 利用TC方法進(jìn)行融合風(fēng)場(chǎng)質(zhì)量檢驗(yàn)
5.3 小結(jié)
第六章 結(jié)論與展望
6.1 結(jié)論
6.2 創(chuàng)新點(diǎn)
6.3 進(jìn)一步工作
參考文獻(xiàn)
作者簡(jiǎn)介
致謝
本文編號(hào):3994451
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 引言
1.1 研究背景及意義
1.2 數(shù)據(jù)融合方法研究進(jìn)展
1.2.1 數(shù)據(jù)融合的概念及方法分類
1.2.2 海面流場(chǎng)融合技術(shù)研究進(jìn)展
1.2.3 海面風(fēng)場(chǎng)融合技術(shù)研究進(jìn)展
1.3 本文研究?jī)?nèi)容
1.3.1 研究目的
1.3.2 論文框架
第二章 海表流場(chǎng)、風(fēng)場(chǎng)數(shù)據(jù)及檢驗(yàn)方法
2.1 臺(tái)灣海峽處流場(chǎng)數(shù)據(jù)
2.1.1 流場(chǎng)研究區(qū)域
2.1.2 ROMS模式輸出數(shù)據(jù)
2.1.3 龍海站地波雷達(dá)徑向流數(shù)據(jù)
2.2 印度洋處風(fēng)場(chǎng)數(shù)據(jù)
2.2.1 風(fēng)場(chǎng)研究區(qū)域
2.2.2 ERA海面風(fēng)場(chǎng)資料
2.2.3 衛(wèi)星海面風(fēng)場(chǎng)觀測(cè)資料
2.2.4 現(xiàn)場(chǎng)實(shí)測(cè)資料
2.2.5 衛(wèi)星數(shù)據(jù)預(yù)處理
2.3 檢驗(yàn)方法
2.3.1 TC檢驗(yàn)方法
2.3.2 其它統(tǒng)計(jì)學(xué)方法
2.4 小結(jié)
第三章 2DVAR算法
3.1 資料融合方法比較
3.2 2DVAR算法介紹
3.3 2DVAR算法中誤差協(xié)方差陣的設(shè)置
3.3.1 海表流場(chǎng)誤差協(xié)方差陣的設(shè)置
3.3.2 海表風(fēng)場(chǎng)誤差協(xié)方差陣的設(shè)置
3.4 小結(jié)
第四章 海表流場(chǎng)數(shù)據(jù)的融合分析檢驗(yàn)
4.1 雷達(dá)徑向流分析
4.2 海表融合流場(chǎng)結(jié)果分析
4.3 海表流場(chǎng)獨(dú)立樣本檢驗(yàn)
4.3.1 獨(dú)立樣本試驗(yàn)一
4.3.2 獨(dú)立樣本試驗(yàn)二
4.4 小結(jié)
第五章 海表風(fēng)場(chǎng)數(shù)據(jù)的融合分析檢驗(yàn)
5.1 ERA風(fēng)場(chǎng)及多源衛(wèi)星觀測(cè)的質(zhì)量分析
5.1.1 利用TC方法進(jìn)行ERA風(fēng)場(chǎng)質(zhì)量分析
5.1.2 多源衛(wèi)星風(fēng)場(chǎng)觀測(cè)質(zhì)量分析
5.2 海表風(fēng)場(chǎng)融合產(chǎn)品檢驗(yàn)
5.2.1 海表風(fēng)場(chǎng)獨(dú)立樣本檢驗(yàn)
5.2.2 利用TC方法進(jìn)行融合風(fēng)場(chǎng)質(zhì)量檢驗(yàn)
5.3 小結(jié)
第六章 結(jié)論與展望
6.1 結(jié)論
6.2 創(chuàng)新點(diǎn)
6.3 進(jìn)一步工作
參考文獻(xiàn)
作者簡(jiǎn)介
致謝
本文編號(hào):3994451
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/haiyang/3994451.html
最近更新
教材專著