-
题名构建准实时海面风场的一种智能算法
- 1
-
-
作者
刘晓燕
宋晓姜
郭安博宇
郝赛
彭炜
-
机构
国家海洋环境预报中心
自然资源部海洋灾害预报技术重点实验室
-
出处
《海洋学报》
CAS
CSCD
北大核心
2024年第6期51-65,共15页
-
基金
国家重点研发计划(2023YFC3107901)
自然资源部空间海洋遥感与应用研究重点实验室开放基金(202102004)。
-
文摘
本文基于深度学习U-Net网络构建了CMA-GFS数值模式风场订正模型,并以此订正模型订正后的风场为背景场(CMA-GFS_Unet),以HY-2B/2C/2D以及MetOp-B 4颗卫星的散射计海面风资料为观测资料,采用插补法快速完成准实时海面风场的构建。此智能算法可实现滞后3 h准实时生成空间分辨率为0.25°、时间分辨率为6 h的全球海面融合风场(Fusion_QRT)。分别使用CCMP融合风场数据和中国近海浮标10 m风矢量数据对CMA-GFS、CMA-GFS_Unet和Fusion_QRT 3组风场资料进行了评估,结果表明,CMA-GFS_Unet风场质量得到显著提升,Fusion_QRT风场风速质量得到进一步改善,但风向质量略有降低:相较于CCMP,3组风场的风速平均绝对误差(MAE)分别为1.13 m/s、0.89 m/s和0.84 m/s,CMA-GFS_Unet和Fusion_QRT相较于CMA-GFS分别提升了21.3%和25.7%;风向MAE分别为17.5°、15.5°和16°,分别提升了11.3%和8.6%;而相较于浮标,风速MAE分别为1.50 m/s、1.36 m/s和1.28 m/s,分别提升了9.3%和14.7%;风向MAE分别为23.3°、22.7°和24.0°,分别提升了3.0%和-3.9%。
-
关键词
U-Net
CCMP
CMA-GFS
HY-2b/2C/2D
metop-b
准实时
海面风场
-
Keywords
U-Net
CCMP
CMA-GFS
HY-2b/2C/2D
metop-b
quasi-real-time
sea surface wind field
-
分类号
P714.2
[天文地球—海洋科学]
-
-
题名一种机器学习海面风场快速融合的方法
被引量：1
- 2
-
-
作者
张巍
杜超凡
郭安博宇
宋晓姜
沈世莹
-
机构
国家海洋环境预报中心
中国海洋大学计算机科学与技术学院
-
出处
《海洋学报》
CAS
CSCD
北大核心
2022年第11期144-158,共15页
-
基金
国家重点研发计划(2018YFC1407001)。
-
文摘
基于多源资料进行海面风场的同化融合或插值融合,目前受到计算能力的较大制约。本文提出在多源卫星数据和ERA-5再分析数据重叠区域,训练基于XGBoost的机器学习ERA-5数据修正融合模型。然后基于该模型快速修正ERA-5数据(机器学习推理)。由于机器学习推理的快速性,ERA-5全区域修正融合的时间仅需2 s左右,可以较小计算代价构建整个海面融合风场。本文以10 m风速、10 m风向、U10分量和V10分量等典型风场变量展开,考虑了海陆分布差异使用陆地掩膜消除陆地区域,分别构建D_S_A_XGBoost、D_S_O_XGBoost、U_V_A_XGBoost、U_V_O_XGBoost 4个ERA-5修正模型,并最终生成海面融合风场。通过修正前后的ERA-5再分析数据与卫星数据进行比较,上述4个模型均减小了ERA-5再分析数据与卫星数据的差距。特别是在风速方面,不论是均方根误差(RMSE)还是绝对误差(MAE)都得到有效降低。在风向方面上,RMSE以及MAE也呈现降低趋势。在利用热带大气海洋观测计划(Tropical Atmosphere Ocean Array,TAO)浮标数据对4种XGBoost模型进行评价发现,U_V_O_XGBoost模型对于ERA-5数据的修正结果最好,其相关性达到0.893,提高了约0.011,结果表明本文在保证风场精度的情况下较大地提高了融合速度。
-
关键词
XGboost
HY-2b
CFOSAT
metop-b
ERA-5
海面风场
-
Keywords
XGboost
HY-2b
CFOSAT
metop-b
ERA-5
sea surface wind field
-
分类号
P717
[天文地球—海洋科学]
P732
-
