气象背景场_快速地面气象要素融合原理

序

中国范围内高时空分辨实时地面气象要素融合是一项急需且极具挑战性的工作。按照实时地面气象服务需求，分钟间隔地面气象站25个全要素、10分钟间隔葵花卫星16个通道和DEM等资料，需要在融合处理后，得到10分钟间隔、一公里分辨客观分析场。快速地面气象融合系统以范畴论为指导，形成时间、空间、内容、平台范畴模型。沿时间离散站点平流方程、空间信任传播、内容随机森林回归、平台高效能等技术流程展开。离散站点平流方程，从动力气象时间外推角度对站点资料补缺和预报； 信任传播算法以DEM数据、邻近站点数据为背景，从空间角度对站点资料补缺和格点插值；随机森林回归以葵花卫星数据为特征，优化空间站点数据补缺。系统具有并行、小巧、高效、鲁棒、误差小、可伸缩、流水线、图形产品质感细腻等特点。既可以在多路CPU单机环境，也可以在多台服务器集群环境下运行；在单机48核、60G内存环境下，平均55秒就可以完成单时次全要素客观分析工作；在地面数据站点到达率不足正常站点数的1/10状况下，也能够正常输出产品。

1.快速地面融合方案

1.1 基本原理

快速地面气象融合系统(Rapid Ground Fusion：RGF)将分钟自动站25要素cimiss地面气象数据、DEM数据、10分钟葵花8数据进行一系列综合分析过程、逐步校正融合到1km*1km网格点上，按10分钟频次，输出正点及未来n个10分钟地面气象要素网格点场。

RGF数据融合算法以数学范畴论为指导，将地面25个气象要素的融合过程抽象为时间、空间、内容、平台等4个范畴：

1）时间范畴。将传统动力气象平流方程改造为离散站点平流方程，解决分钟cimiss站点数据缺测问题。使用正点小时数据，通过平流方程外推得到分钟站点数据；

2）空间范畴。对传统Barnes空间插值算法，改造为具有空间马尔科夫链状态转移过程的信任传播模型。通过kNN最邻近模型、Barnes高斯函数建立起邻近站点因子图，并通过非循环信任传播迭代算法，完成空间站点的资料补缺；

3）内容范畴。对数字高程（DEM）数据 、信任传播数据、葵花8数据，引入Spark机器学习中的随机森林学习算法，实现站点数据的进一步优化，得到均匀分布的10万个站点估计数据。

4）平台范畴。不仅按并行方式，完成10万个站点的网格化处理，得到等经纬网格1km*1km、25要素nc格点场，同时也完成基于Web的格点产品对外服务、表格化产品生产动态监控、图形化品质考核。

系统的数学范畴结构图可表述为:

</