本中心针对高时空分辨率多源卫星遥感数据，开展了基于重构、机器学习、同化等技术的数据融合、算法研发与评估工作。确定了针对不同关键气象参数的最优融合技术，实现了针对时间、空间、光谱的最优融合模型算法，实现了基于多源卫星遥感观测云降水、气溶胶、地表等气象灾害参数及针对沙尘暴、暴雨、台风降水和积雪的多时空尺度的全球主要灾害融合产品。为多源大气探测服务气象灾害监测与预警提供更加准确和及时的数据。相关算法和成果在国内外权威期刊发表，并授权软件著作权或发明专利。该项成果可向气象服务企事业部门进行转化。目前，成果已经被国家卫星气象中心、国家气象信息中心等单位采纳，进行获得清华大学-浪潮集团计算地球科学青年人才奖。
本中心发展了具有普适性的数据清洗和质量控制技术，能够实现对多源大气海洋数据资料中异常状态进行快速识别与订正，发展了多模态大气海洋数据资料人工智能融合与快速同化方法，能够实现国内外各平台、各传感器观测资料与数值模式模拟数据的高效融合同化。研发了多尺度数据协同的陆–海–空多源历史–实时数据一体化快速融合技术，生产高质量及高时空分辨率网格化的气象海洋数据产品，项目成果已经初步在中国南方电网西电东送主网架综合气象服务平台以及相关部队气象保障系统中应用与转化。未来将为军事气象保障、航海、林业以及电网所需高质量精细化环境数据生产提供重要的技术支撑，同时也为提升国产气象卫星应用服务能力，应对未来可能存在的国外卫星数据封锁奠定坚实的技术保障。
基于集成学习模型的人工智能融合和同化算法
