數(shù)據(jù)同化算法研發(fā)與實驗

前言 第1章  緒論   1.1  全球變化研究與數(shù)據(jù)同化   1.2  數(shù)據(jù)同化基本構(gòu)成   1.3  數(shù)據(jù)同化算法分類   1.4  陸面數(shù)據(jù)同化研究進展   1.5  遙感數(shù)據(jù)同化研究進展   1.6  本書主要內(nèi)容   1.7  本章小結(jié)   主要參考文獻 第2章  數(shù)據(jù)同化算法發(fā)展與進步   2.1  變分方法     2.1.1  三維變分算法     2.1.2  四維變分算法   2.2  卡爾曼濾波算法   2.3  集合卡爾曼濾波算法   2.4  粒子濾波算法   2.5  層狀貝葉斯方法   2.6  數(shù)據(jù)同化算法基本公式、機制與特點   2.7  本章小結(jié)   主要參考文獻 第3章  過程模型選擇與應用改進   3.1  陸面過程模型發(fā)展階段   3.2  陸面過程模型比較與選擇   3.3  VIC水文過程模型原理與應用改進     3.3.1  VIC水文過程模型原理     3.3.2  VIC水文過程模型代碼移植與編譯     3.3.3  VIC水文過程模型應用改進   3.4  VIC水文過程模型基礎參量準備     3.4.1  大氣驅(qū)動數(shù)據(jù)     3.4.2  土壤參數(shù)     3.4.3  植被參數(shù)     3.4.4  全局參數(shù)     3.4.5  基礎參量與數(shù)據(jù)來源   3.5  VIC水文過程模型數(shù)據(jù)準備與程序代碼   3.6  VIC水文過程模型運行與校驗     3.6.1  VIC水文過程模型運行     3.6.2  VlC水文過程模型校驗   3.7  VIC水文過程模型實驗     3.7.1  VIC水文過程模型實驗一     3.7.2  VIC水文過程模型實驗二     3.7.3  VIC水文過程模型實驗三   3.8  本章小結(jié)   主要參考文獻 第4章  經(jīng)典數(shù)據(jù)同化算法開發(fā)與實驗   4.1  三維變分算法     4.1.1  算法原理     4.1.2  算法流程     4.1.3  算法實現(xiàn)   4.2  三維變分算法同化實驗   4.3  四維變分算法     4.3.1  算法原理     4.3.2  算法流程     4.3.3  算法實現(xiàn)   4.4  四維變分算法同化實驗   4.5  集合卡爾曼濾波算法     4.5.1  算法原理     4.5.2  算法流程     4.5.3  算法實現(xiàn)   4.6  集合卡爾曼濾波算法同化實驗     4.6.1  實驗一  站點觀測數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化     4.6.2  實驗二  微波亮溫數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化   4.7  本章小結(jié)   主要參考文獻 第5章  現(xiàn)代智能數(shù)據(jù)同化算法I：粒子濾波算法   5.1  粒子濾波算法理論基礎     5.1.1  貝葉斯濾波基本原理     5.1.2  粒子濾波算法原理   5.2  重要性采樣     5.2.1  貝葉斯重要性采樣     5.2.2  序貫重要性采樣   5.3  粒子退化與重采樣     5.3.1  粒子退化     5.3.2  重采樣   5.4  粒子濾波算法流程與實現(xiàn)     5.4.1  粒子濾波算法流程     5.4.2  粒子濾波算法實現(xiàn)   5.5  粒子濾波算法同化實驗     5.5.1  實驗一  站點觀測數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化     5.5.2  實驗二  微波亮溫數(shù)據(jù)與VIC水文過程模型數(shù)據(jù)同化     5.5.3  實驗三  數(shù)據(jù)同化與VIC水文過程模型參數(shù)同步估計   5.6  本章小結(jié)   主要參考文獻 第6章  現(xiàn)代智能數(shù)據(jù)同化算法¨：層狀貝葉斯網(wǎng)絡算法   6.1  層狀貝葉斯方法理論基礎     6.1.1  數(shù)據(jù)模型     6.1.2  過程模型     6.1.3  參數(shù)模型     6.1.4  貝葉斯推理   6.2  層狀貝葉斯網(wǎng)絡算法     6.2.1  數(shù)據(jù)描述     6.2.2  層狀貝葉斯網(wǎng)絡構(gòu)建     6.2.3  層狀貝葉斯網(wǎng)絡結(jié)構(gòu)     6.2.4  層狀貝葉斯網(wǎng)絡學習、校驗與預測     6.2.5  層狀貝葉斯網(wǎng)絡算法流程   6.3  基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡算法     6.3.1  基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡構(gòu)建     6.3.2  基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡結(jié)構(gòu)     6.3.3  基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡推理     6.3.4  最大似然參數(shù)估計     6.3.5  基于多尺度回歸模型的層狀貝葉斯網(wǎng)絡算法技術(shù)流程   6.4  層狀貝葉斯網(wǎng)絡同化站點觀測與VIC水文過程模型數(shù)據(jù)實驗     6.4.1  數(shù)據(jù)預處理     6.4.2  層狀貝葉斯網(wǎng)絡學習與校驗     6.4.3  層狀貝葉斯網(wǎng)絡預測     6.4.4  程序代碼   6.5  本章小結(jié)   主要參考文獻 第7章  數(shù)據(jù)同化集成系統(tǒng)   7.1  系統(tǒng)結(jié)構(gòu)與功能設計   7.2  系統(tǒng)詳細設計     7.2.1  輸入輸出模塊     7.2.2  陸面過程模型模塊     7.2.3  數(shù)據(jù)同化算法模塊     7.2.4  數(shù)據(jù)可視化模塊     7.2.5  精度評價模塊   7.3  系統(tǒng)功能實現(xiàn)與界面     7.3.1  數(shù)據(jù)同化功能與界面     7.3.2  數(shù)據(jù)司視化功能與界面     7.3.3  精度評價功能與界面   7.4  本章小結(jié)   主要參考文獻 附錄一  VIC水文過程模型與數(shù)據(jù)準備的C／C++代碼 附錄二  三維變分算法（3DVAR）開發(fā)C++代碼 附錄三  四維變分算法（4DVAR）開發(fā)C++代碼 附錄四  集合卡爾曼濾波算法（EnKF）開發(fā)C++代碼 附錄五  粒子濾波算法（PF）開發(fā)C++代碼 附錄六  層狀貝葉斯網(wǎng)絡算法（HBN）開發(fā)WinBUGS和Matlab代碼 彩圖