陆面数据同化

将遥感反演陆面温度，LAI，地表反照率，三个地表参数，和陆面模型相结合。对陆面温度我们计划使用同化的方式和陆面模型结合，对反照率和LAI我们计划以控制变量的形式直接带入陆面模型。当然，反照率也可以以同化的方式进入陆面模型，但这要求陆面模型有更好的反照率参数化方案，同样LAI也可以以同化的方式进入陆面模型，但这要求引入动态植被模型。整个工作主要涉及4个方面：1）与遥感反演温度及陆面模型相匹配卡曼滤波同化算法的数学实现，2）与遥感反演温度及卡曼滤波算法相匹配陆面模型的选择，3）同化算法的验证，4）同化算法的应用，5）不同同化算法的比较。下面将从这5个方面详细的来讨论我们的工作。
1、 数学实现
我目前的工作是将遥感数据，使用KF(kalman filtering)的方法同化进路面过程模型。由于KF有很多不同的形式，我们必须根据我们的同化数据和同化动态模型的特点选择一种：1）我们面对的遥感反演数据是非常规数据，由于很多原因，如观测时有云存在，观测时传感器出现问题，我们可能不能获得离散采样的周期性数据，2）我们使用的陆面过程模型是一个由若干个常微分方程组成的，有外加强迫的非线性非自治连续系统，根据上面的两个原因我们将选择状态动态模型（state dynamics model）为连续的，而观测模型（measurement model）为离散的EKF(entended kalman filtering)。现将系统方程和EKF具体公式描述如下，随后将简单解释和陆面模型相结合时，各项的物理意义。

状态动态模型和观测模型：
       方程组（1）
<