论文部分内容阅读
数据同化，是指在考虑数据时空分布以及观测场和背景场误差的基础上，在数值模型的动态运行过程中融合新的观测数据的方法，它已经被广泛的应用于大气和海洋状态变量的数值预报中。陆面数据同化起步于20世纪90年代末期，其核心思想是在陆面过程/水文模型的动力框架内，融合不同来源和不同分辨率的直接与间接观测，将陆面过程/水文模型和各种观测算子(如辐射传输模型)集成为不断地依靠观测而自动调整模型轨迹，并且减小地表能量和水循环相关变量预报的误差。目前，国际上水文数据同化研究主要集中在两个方面：(1)发展和验证适用于陆面(水文)研究的数据同化方法；(2)发展实用型陆面数据同化系统，获得区域尺度的高精度同化数据集。
本论文主要针对土壤水分和温度数据同化方法以及发展实用型陆面数据同化系统(中国陆面数据同化系统)开展了以下研究工作。
1、数据同化算法的比较研究。利用高度非线性的Lorenz模型，建立了集合Kalman滤波(EnKF)、无味Kalman滤波(UKF)和粒子滤波算法(PF)的同化方案，利用理想数据分析和比较了这三种算法的性能。结果表明，(1) EnKF、PF和UKF非线性滤波算法都能够很好的解决模型的非线性问题；(2)初始场的不确定性对于同化系统的影响不大，随着初始场误差的增大，同化结果的RMSE变化较小。观测误差对于同化系统影响较大，随着观测误差的增大，同化结果的RMSE显著增加。增加观测数据有助于减少同化结果的RMSE。对于PF算法和EnKF算法，增加粒子数目可以减少同化结果的RMSE，但是对于3个变量的同化系统，当粒子数目达到100时，RMSE趋于稳定。(4)在高斯噪声条件下，同化结果的精度相比，PF≈EnKF>UKF；在非高斯噪声条件下，同化结果的精度相比，PF>UKF>EnKF；从同化系统所需的时间来看，PF>EnKF>UKF。(5)在综合考虑同化结果的精度和运算效率情况下，认为EnKF算法更适合于陆面数据同化的研究。
2、被动微波亮度温度数据同化方法研究。发展了基于SiB2模型、集合Kalman滤波算法及粗糙地表微波辐射传输模型( AIEM)的单点实验型土壤水分同化系统。利用GAME-Tibet青藏高原实验区站点观测数据和微波遥感观测的低频亮度温度数据( TMI，10.65GHz)开展了同化站点观测的4cm土壤水分以及亮度温度观测的实验。结果表明，(1)利用EnKF算法同化站点土壤水分观测数据和被动微波亮度温度观测的方案是可行的，它能够有效的解决模型算子和观测算子的非线性和不连续性。(2)同化站点土壤水分观测和低频亮度温度都能显著改善表层土壤水分的估计。(3)星载被动微波传感器的低频亮度温度观测对于浅层土壤水分比较敏感并且具有较高的时间分辨率，非常适于大区域表层土壤水分的估计，它将成为利用数据同化方法改进土壤水分估计的主要数据源。
3、可见光/近红外遥感数据产品同化方法研究。发展了基于CoLM模型、集合Kalman滤波算法的单点实验型土壤温度同化系统。利用CEOP计划的蒙古高原实验区的站点观测数据和MODIS地表温度产品、LAI产品进行土壤温度廓线的同化实验。结果表明，(1)通过MODIS LAl产品和CoLM模型中利用经验公式得到的LAI相比，MODIS LAI产品更加符合实际。将MODIS LAl产品引入CoLM模型中，地表(0cm)和3cm深度的土壤温度的模拟结果明显改进。(2)同化MODIS地表温度产品能够改进土壤温度廓线的估计。(3)同化MODIS地表温度产品可以提高地表热通量的估计。
4、中国陆面数据同化系统的集成研究。初步建立了以集合卡尔曼滤波作为同化算法，以CoLM模型作为模型算子，耦合了针对土壤(包括融化和冻结)、积雪等不同地表状态的微波辐射传输模型，可以同化被动微波遥感观测(SSM/I和AMSR-E等)的中国陆面数据同化系统，开展了土壤水分和土壤温度同化结果的验证工作。(1)与模拟结果相比，地表温度的同化结果与MODIS地表温度产品的相关性更高，同化被动微波亮度温度对于地表温度有所改进(大约1-2K)。(2)表层土壤水分模拟结果、同化结果与AMSR-E土壤水分产品之间的相关系数非常低。与模拟结果相比，同化结果与AMSR-E土壤水分产品的相关系数较高，同化被动微波亮度温度对于表层土壤含水量的估计有一定的提高。(3)与青藏高原实验区站点观测相比，地表温度的同化结果优于模拟结果。4cm土壤水分的模拟和同化结果偏低。但是，同化结果更加接近实测值，对冻融循环的反映更加明显。