本发明专利技术公开了一种基于分布式时变增益水文模型的蒸散发数据同化方法，包括以下步骤：步骤1，数据准备，基于遥感模型或通量观测数据得到日蒸散发作为“观测”；步骤2，生成初始背景场并驱动模型模拟；步骤3，当出现“观测”数据时，得到观测场和预报场；步骤4，利用集合卡尔曼滤波算法同化获得分析场；步骤5，更新背景场。本发明专利技术方法通过数据同化技术将精度较高的蒸散发结果作为观测信息，调整水文模型运行，减小误差积累，模拟出精度较高且时间连续的蒸散发序列。与现有技术相比，本发明专利技术方法直接同化蒸散发，能够降低模型不确定性，易于操作且具有水循环物理机制，可应用于区域蒸散发的精确估算和连续获取。
【技术实现步骤摘要】
本专利技术涉及蒸散发估算领域，尤其涉及一种基于分布式时变增益水文模型的蒸散 发数据同化方法。
技术介绍
蒸散发（ET)流域水循环的关键环节，决定着地球系统中"地圈一生物圈一大气圈" 的相互作用和反馈，准确估算蒸散发对于研宄全球或区域水量和能量平衡至关重要，并关 系到气候变化、水资源管理、作物估产、以及环境保护等问题。因此，蒸散发估算方法的研 宄，一直是农学、气象、水文以及地理等领域共同关注的重要课题。目前，估算区域蒸散发的主要途径有：经验公式法、水文模型和遥感ET模型。常 用的经验公式法有水量平衡法、水热耦合方程法、互补关系法三种。水量平衡法只能计算比 较长时间尺度的区域蒸散发，不能反映蒸散发的时空变化特点；水热耦合方程法可以较方 便的计算区域年蒸散发量，但大面积测量比较困难；互补关系法易受下垫面和大气系统的 影响，实际蒸发和潜在蒸发关系不稳定。总体来讲，采用经验公式计算结果具有较大的不确 定性，精度较低，且难以反映区域变异性。水文模型以闭合流域的整个水循环系统为研宄对 象，将区域划分为若干个水文单元(栅格)，得到不同水文单元(栅格）的蒸散发分布，存在的 问题是：当模拟时段较长时，精度会随着向前模拟产生误差积累。利用遥感模型计算区域尺 度上的日蒸散发量能得到更准确的结果，但是可见光_热红外遥感数据受天气影响较大， 难以获取长时间序列的连续的观测数据，这给估算区域长期连续时段的地表蒸散发带来困 难。因此，考虑通过多种手段和多源数据耦合的方式来实现蒸散发的估算，是解决时间连 续、空间高精度估算ET的发展方向。 近20年来，数据同化技术逐渐被应用到水文过程模拟，但主要侧重于土壤湿度、 叶面积指数等状态变量的研宄，对于非状态变量ET的数据同化研宄并不深入。此外，作为 一个新兴的领域，尤其是针对水文模型的ET数据同化研宄更是刚刚起步。Schuurmans等利用基于能量平衡遥感模型（SEBAL)反演区域蒸散发，并基于SMGRO模型进行数据同 化，其采用蒸散发作为观测项，通过设定恒定的增益值进行插值计算，实现ET的更新，并采 取经验法反推状态变量土壤湿度，驱动模型模拟。该研宄主要是借助经验参数的率定，利用 蒸散发观测值对模型进行插值，并不能达到概率最优；Qin等利用扩展卡尔曼滤波对一 层遥感蒸散模型SEBS反演的ET与分布式水文模型模拟的ET进行数据同化，但由于ET在 水文模型中只是诊断变量，单纯更新ET不能将同化效果反馈给模型，水文序列并未整体得 到优化，只能等同于简单插值；Xie和Zhang利用流域控制断面流量同化SWAT模型，径流 量和土壤湿度的精度得到了改善，但是蒸散发由于受多种因素影响，在基于流量的同化下 其精度并未得到理想的提高；Lei等利用SWAT同化表层土壤湿度，结果显示深层土壤湿 度、地表径流和侧向流的模拟精度得到提高，而蒸散发依然被低估；Trudel等利用CATHY 模型同化了流量以及不同深度的土壤湿度，也仅提高了土壤水分模拟精度，并未提高蒸散 发序列精度。 上述研宄仍存在一些瓶颈问题，还没建立真正意义上基于水文模型的蒸散发同化 系统。因此，要实现蒸散发的准确估算和连续获取，就要充分利用观测和模拟的优点，将二 者有效集成，采用"真值"数据约束模型模拟轨迹，在模拟过程中不断"释放"误差，最大程 度集成不同来源的有效数据，并将不同空间和时间分辨率的观测资料有机融合到水文模型 中，从而实现水分和能量循环的多尺度表达。基于此，我们将借助数据同化技术专利技术一种 基于分布式时变增益水文模型的蒸散发数据同化方法，实现区域蒸散发精确估算和连续获 取。 文中涉及的参考文献如下： SchuurmansM,TrochA,VeldhuizenA,etal.Assimilationofremotely sensedlatentheatfluxinadistributedhydrologicalmodel.AdvancesinWater Resources2003, 26(2): 151-159. QinC,JiaY，SuZ，etal.Integratingremotesensinginformationinto adistributedhydrologicalmodelforimprovingwaterbudgetpredictionsin large-scalebasinsthroughdataassimilation.Sensors, 2008， 8(7): 4441-4465. XieX，ZhangD.Dataassimilationfordistributedhydrological catchmentmodelingviaensembleKalmanfilter.Advancesinwaterresources, 2010, 33(6): 678-690.LeiF,HuangC，ShenH，etal.Improvingtheestimationofhydrological statesintheSWATmodelviatheensembleKalmansmoother:Synthetic experimentsfortheHeiheRiverBasininnorthwestChina.AdvancesinWater Resources，2014，67: 32-45. TrudelM，LeconteR，PaniconiC.Analysisofthehydrologicalresponse ofadistributedphysically-basedmodelusingpost-assimilation(EnKF) diagnosticsofstreamflowandinsitusoilmoistureobservations.Journalof Hydrology， 2014， 514: 192-201。
技术实现思路
针对现有技术的不足，本专利技术针对精确估算和连续获取区域蒸散发的难点问题， 提出。 为解决上述技术问题，本专利技术采用如下技术方案： 一种基于分布式时变增益模型的蒸散发数据同化方法，包括以下步骤： 步骤1，数据准备。基于遥感模型或通量实测数据，得到日蒸散发结果，作为"观当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于分布式时变增益水文模型的蒸散发数据同化方法，其特征在于，包括以下步骤：步骤1，数据准备，基于遥感模型或通量实测数据，得到日蒸散发结果，作为“观测”数据；步骤 2，生成初始背景场并驱动模型模拟；步骤3，当出现“观测”数据时，误差扰动并集合化得到观测场，同时基于模型算子的蒸散发集合，得到预报场；步骤4，利用集合卡尔曼滤波算法同化获得分析场；步骤5，更新背景场。
【技术特征摘要】
【专利技术属性】
技术研发人员：占车生，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。