即时足球比分 建模与观测的结合：改善五大湖区的运营预测 系统

通过创建数据同化改进五大湖业务预报系统 和模型调整循环。

虽然五大湖被称为湖泊，但由于其庞大的规模，它们确实是湖泊 内海。它们影响区域天气模式，为数百万人提供饮用水 人民并推动几个州的经济。

预测湖泊的水位、温度和水流非常重要 由于湖泊状况以多种方式影响商业、娱乐和社区 幸福。这些预测包括五大湖业务预测系统 (GLOFS)、 由国家海洋和大气局运营的基于模型的自动化预测系统 管理（NOAA）。

“系统信息使决策者能够做出明智的决策，并且 预测产品已被广泛的用户定期使用，”说 Philip Chu，物理与生态综合研究所的监督物理科学家 NOAA 的建模和预测部门（GLERL）。

“电力部门使用水位；使用波浪和水流条件 由美国海岸警卫队执行搜救任务和温度剖面 被休闲划船者和渔民使用，”他说。 “该信息还 用于预测有害藻类大量繁殖以及缺氧（低溶解氧） 五大湖的情况。” 

关于研究人员

Pengfei Xue

pexue@mtu.edu
906-487-1837

研究兴趣

• Hydrodynamic modeling
• Regional climate modeling
• 海洋-大气耦合动力学
• 数据同化和机器学习
• 五大湖的生物物理过程
• 河口和沿海海洋过程

研究员简介

 

虽然 NOAA 运营自己的建模团队来维护系统，但该机构还 与大学研究人员合作不断改进 GLOFS。 At Michigan Technological 大学，薛鹏飞，副教授土木与环境工程兼数值地球物理流体动力学实验室主任Great Lakes Research Center，通过添加来帮助 NOAA.

Xue noted that a typical operational forecast system should include three components: 建模、观测网络和数据分析。

“五大湖地区拥有相对密集且长期的观测数据，但 我们如何利用这些数据来改进预测？”薛摆出姿势。 “这些数据已被使用 用于模型初始化和验证，但可以有更强大的联系 现场观察和数值模拟之间的关系。混合观测数据 将其纳入模型可以改善短期预测。这种技术称为数据同化， 是统计结合观察结果的最有效方法之一 数据和模型动态，以提供五大湖系统状态的最佳估计。”

What is Data Assimilation?

为了解释数据同化，薛举了一个测量体温的例子 湖。计算机模型可能预测湖中某个地点的温度为 68 度 华氏度（20 摄氏度）。但现场的物理测量表明 温度为 70 华氏度（21.1 摄氏度）。

“所有模型都包含一些不确定性，并且观察结果也存在噪声，这可以 实地考察有大有小，视不同情况而定。”薛说。 “哪个应该 你相信吗？你最好的选择是介于两者之间。当我们量化模型并 通过评估观察的不确定性的历史表现，我们可以定量地 将观测数据与不同权重的数值模型结果相结合 并给出更准确的估计。”

计算机建模比这个例子复杂得多，薛指出。一项关键优势 模型的模型，特别是在五大湖这样的大型复杂环境中， 它可以在 3D 空间中产生连续场，并在任何时间和任何时间进行预测 地点——温度、水位和水流。另一方面，实地观察 提供“基本事实”，但它们通常受到时间和空间的限制。

“Quantifying the model and observation uncertainties is at the heart of data assimilation 技术，”薛解释道。 “数据同化的美妙之处在于利用信息 模型结果和观察结果之间的不匹配，只有在 有限的观察位置，以纠正观察范围之外的 3D 空间中的模型偏差 地点。因此，它提高了整个模拟领域的模型精度。”

More than a Model

实地观察的另一个限制是进行这些观察的绝对成本。观察性 数据本质上比单独的模型更准确，并且对输出进行地面实况验证 一个模型是必要的。通过将观测数据输入模型，然后使用 薛的工作有助于建立模型来预测未来现场数据收集的更好位置 GLOFS 模型得到改进，并帮助科学家有效地选择研究地点。

“五大湖拥有广阔的表面积和深邃的深度。通常情况下，人们选择的地方 抽样是基于专家的经验经验和他们的研究兴趣，”薛 说。 “现场观测，特别是地下测量，仍然有限 由于建设和维护观测网络的成本高昂。使用数据同化 指导数据采样位置和频率的设计并优化观测 网络是综合观测预报的重点研究课题之一 系统。”

薛的初步结果表明数据同化能够减少采样工作 and increases forecasting accuracy by optimizing sampling locations.

“薛教授的贡献与 NOAA 和 GLERL 的短期目标完美契合 以及构建综合环境建模系统的长期使命 一个全天候的国家、健康的海洋和海岸，”朱说。 “His research contribution 以及与 NOAA 科学家的合作增进了我们对复杂事物的整体理解 五大湖的动力系统以及加快 NOAA 开发、改进的步伐 并将下一代五大湖业务预报系统投入运营。”

薛的作品利用了高级，足球比赛结果的高性能计算基础设施，用于构建高保真度 模型。模型结果用于建立长期的数据同化温度 伊利湖数据库，供五大湖资源管理者和研究人员使用 社区。伊利湖模拟是 GLOFS 完全实现之前的概念证明 使用数据同化进行改装。薛的项目还将机器学习应用于 进一步增强模型性能和自适应原位采样，目标是 将该方法扩展到所有五个五大湖。

“我们想展示这种方法的潜力。伊利湖经历了 几十年来，重大环境问题得到了更全面的研究， 人们更好地认识到模型的缺陷，”薛说。 “热结构 伊利湖的水流和环流极大地影响了有害藻华和缺氧事件。 我们的计划是逐步扩大和建立一个全面运作的预测系统 数据同化能力，以提高短期预测的准确性和完善 观察工作。”

薛获得了新的资金来扩大该项目，题为“合作研究所 五大湖研究 (CIGLR)：长期数据同化、温度和海流 五大湖数据库（第二年：密歇根湖）。”

足球比赛结果是一所 R1 公立研究型大学，成立于 1885 年，位于霍顿，拥有来自全球 60 多个国家的近 7,500 名学生。密歇根州旗舰科技大学的投资回报率一直名列全美最佳大学之列，提供超过 185 个本科and毕业生科学技术、工程、计算机、林业、商业、健康专业、人文、数学、社会科学和艺术领域的学位课程。乡村校园距离密歇根州上半岛的苏必利尔湖仅数英里，提供全年户外探险的机会。