经典三维/四维变分融合基于误差服从高斯分布,在极小化迭代时涉及到求解目标泛函梯度,若资料不连续则不可微,从而无法求解相应梯度,故理论要求所融合的资料必须具有"连续性"。采用扩展经典三维/四维变分融合方法,显式地基于L...经典三维/四维变分融合基于误差服从高斯分布,在极小化迭代时涉及到求解目标泛函梯度,若资料不连续则不可微,从而无法求解相应梯度,故理论要求所融合的资料必须具有"连续性"。采用扩展经典三维/四维变分融合方法,显式地基于L1范数把先验知识作为正则项约束项耦合到经典变分融合模型。在实施过程中把资料映射到小波域,采用新的融合模型在"小波空间"完成资料融合后,再采用小波逆变换映射回"观测空间"。通过线性平流扩散方程作为四维预报模式进行理想试验,试验设计融合背景和观测资料不连续,即在某些点左右导数不相等,试验结果表明文中采用的方法可行。进一步将该方法用于多源降水资料融合试验,采用基于GAMMA拟合函数的概率密度匹配法(Probability Density Function matching method,PDF)进行CMORPH反演降水资料订正,再将订正后的资料与地面站观测资料进行融合。通过与参考场结构相似性度量,得到该方法能更好地保留代表一些天气现象的"离群点"。该融合方法为不连续资料融合,尤其是"跳变点"的变分融合奠定了理论基础并提供了可借鉴的方法。展开更多
文摘经典三维/四维变分融合基于误差服从高斯分布,在极小化迭代时涉及到求解目标泛函梯度,若资料不连续则不可微,从而无法求解相应梯度,故理论要求所融合的资料必须具有"连续性"。采用扩展经典三维/四维变分融合方法,显式地基于L1范数把先验知识作为正则项约束项耦合到经典变分融合模型。在实施过程中把资料映射到小波域,采用新的融合模型在"小波空间"完成资料融合后,再采用小波逆变换映射回"观测空间"。通过线性平流扩散方程作为四维预报模式进行理想试验,试验设计融合背景和观测资料不连续,即在某些点左右导数不相等,试验结果表明文中采用的方法可行。进一步将该方法用于多源降水资料融合试验,采用基于GAMMA拟合函数的概率密度匹配法(Probability Density Function matching method,PDF)进行CMORPH反演降水资料订正,再将订正后的资料与地面站观测资料进行融合。通过与参考场结构相似性度量,得到该方法能更好地保留代表一些天气现象的"离群点"。该融合方法为不连续资料融合,尤其是"跳变点"的变分融合奠定了理论基础并提供了可借鉴的方法。