粒子滤波算法基本原理及应用实例.pdfVIP

粒子滤波算法基本原理及应用实例 毕海芸 (bihy@radi.ac.cn) 中国科学院遥感与数字地球研究所 2014年10月28 日 报告提纲 一 、数据同化及数据同化算法 二、粒子滤波算法原理 三、粒子滤波算法的优势及存在的主要问题 四、粒子滤波算法应用实例 五、总结 报告提纲 一 、数据同化及数据同化算法 二、粒子滤波算法原理 三、粒子滤波算法的优势及存在的主要问题 四、粒子滤波算法应用实例 五、总结 Ø  环境卫星观测计划相继实施与地球系统科学产品不断增加 –  20世纪90年代，全球环境变化对人类生存的影响日益 突出； –  1991年美国出对地观测系统（EOS ）计划，1998年 欧盟出全球环境与安全监测系统(GMES)计划，遥 感数据类型不断丰富，地球系统科学产品也逐渐增加。 Ø  模型模拟预测不断发展 –  利用经验或物理模型模拟和预测 自然界的变化过程； –  自20世纪60年代以来，陆面过程模型研究取得了极大 的进展，考虑陆地和大气之间的能量、水分交换的陆 面过程模型相继被出并取得了广泛应用，如CLM 、VIC等大尺度陆面过程模型。 模型模拟预测 遥感观测 优势：利用经验或物理模型预 优势：有效获取大范围、多 测参量时空分布和变化； 种分辨率、多种参量的观测 缺点：由于驱动数据、模型参 数据，产品丰富； 数、模型结构等误差的影响， 缺点：受观测条件限制，如 模型预测轨迹会逐渐偏离真实 观测时间，穿透深度等 轨迹 数据同化(DATA ASSIMILATION) •  校正模型模拟预测的轨迹，高模型模拟预测精度； •  获得难以直接观测的状态量在时间和空间的分布与变化信息； •  根据同化结果修正模型的参数化过程，推动模型模拟预测的发展 数据同化：在考虑数据时空分布以及模型和观测误 差估计的基础上,将新的观测数据融入动力模型框 架内，不断更新系统的状态与参数，高模型预测 精度，生成具有时间、空间和物理一致性的数据集 的方法。 真实的轨迹 数据同化的基本理论框架 状态量直接或 间接观测数据 连接观测数据 观测数据 与模型模拟 陆面数据同 化动力框架 数据同化 算法 陆面过程 模型 基础参 驱动陆面过