高寒冻土地区草甸草地生态系统的能量-水分平衡分析

为了揭示青藏高原高寒地区土壤冻融过程对地表植被大气三者之间能量水分循环的影响, 在青藏高原风火山左冒孔流域(长江源)开展了不同植被盖度条件下冻土活动层水热状态的野外观测(在30%、 60%、 90%的草甸盖度下观测分层土壤水分及温度)和相关试验. 选取考虑了积雪、植被覆盖及枯枝落叶层对土壤冻融影响的水热盐分耦合模型SHAW为动力学约束模型, 进行参数率定及其模拟计算. 结果表明: 青藏高原地气间的能量交换主要受冻土、植被生长和地表土壤含水量的影响, 并且呈明显的季节性变化;未退化高寒草甸草地对青藏高原冻土具有明显的隔热保温作用, 可以降低冻土对气候变化的响应. 在土壤活动层冻结过程期间, 土壤水分具有向表层和深层两向分流汇聚的特征, 植被覆盖变化对水分运移通量有明显影响.     

一个基于模拟退火法的陆面数据同化算法

陆面数据同化系统是近年来兴起的新领域。我们发展了一个实验型的陆面数据同化方案,它使用一种启发式优化算法——模拟退火法极小化目标泛函。与变分法和Kalman滤波方法比较,这一算法具有独立于目标泛函的优点,可处理模型和观测算子的非线性和不连续性。使用GAME—Tibet实验中的土壤水分观测值进行单点数值实验,成功地将土壤水分观测同化到陆面过程模型SiB2中。结果表明,与不进行同化相比,土壤水分的估计值有较大改善。     

土壤水分同化系统的敏感性试验研究

利用1998年7月6日至8月9日青藏高原GAME-Tibet试验区MS3608站点的4cm、20cm和100cm的土壤水分观测数据同化SiB2模型输出的表层、根区和深层土壤水分,探讨了一个基于集合卡尔曼滤波和简单生物圈模型的单点土壤水分同化方案。分析和评价了集合大小、同化周期、模型误差、背景场误差以及观测误差对同化系统性能的影响。结果表明:①增加集合数目可以减小土壤水分同化系统的误差,但同时又降低了运行效率;②对于集合卡尔曼滤波,初始场的估计是否准确对同化系统性能影响不大;③模型误差和观测误差的准确估计可以提高土壤水分的估计精度;④利用数据同化的方法对土壤水分的估计有显著提高。     

地下水位在非饱和水流数据同化中的应用

为理解地下水位观测信息在非饱和水流数据同化中的数据价值,建立了基于地下水位动态观测信息的一维饱和-非饱和水流集合卡尔曼滤波,通过虚拟数值实验检验了地下水位观测信息在非饱和水力参数估计和水分校正中的潜在价值。研究结果表明:在以地下水位为唯一观测数据时,同时更新参数和水头比仅更新水头能更好地校正土壤剖面的水头分布;当多层单个水力参数未知时,地下水位观测可以为参数估计提供有效信息;当多层多个参数未知时,地下水位与多层多个参数之间的复杂关系导致观测信息难以估计出最优的(唯一的)参数值;地下水位可作为辅助信息,与含水量观测等信息联合运用改善参数估计和含水量预测精度。     

集合—变分数据同化方法的发展与应用

近年来,集合—变分数据同化方法已成为大气数据同化领域研究的热点问题.该方法能够综合利用集合卡尔曼滤波和变分同化的优势,是实现“集合预报和数据同化一体化”的有效途径.在分析变分同化和集合卡尔曼滤波优缺点的基础上引出集合—变分数据同化的概念;按照不同实现方式,将集合—变分同化分为协方差线性组合和增加控制变量2类,介绍了相应的研究进展,并将集合—变分同化概念拓展;然后介绍了集合—变分同化在英美两国的应用;最后回顾了集合—变分同化研究的主要问题,展望了未来的发展趋势.     

基于集合卡尔曼平滑算法的土壤水分同化

为研究观测资料稀少情况下土壤质地及有机质对土壤水分同化的影响,发展了集合卡尔曼平滑(Ensemble Kalman Smooth, EnKS)的土壤水分同化方案。利用黑河上游阿柔冻融观测站2008年6月1日至10月29日的观测数据,使用EnKS算法将表层土壤水分观测数据同化到简单生物圈模型(Simple Biosphere Model 2, SiB2)中,分析不同方案对土壤水分估计的影响,并与集合卡尔曼滤波算法(EnKF)的结果进行比较。研究结果表明,土壤质地和有机质对表层土壤水分模拟结果影响最大而对深层的影响相对较小;利用EnKF和EnKS算法同化表层土壤水分观测数据,均能够显著提高表层和根区土壤水分估计的精度,EnKS算法的精度略高于EnKF且所受土壤质地和有机质的影响小于EnKF;当观测数据稀少时,EnKS算法仍然可以得到较高精度的土壤水分估计。     

非线性滤波方法与陆面数据同化

陆面数据同化研究近几年成为地球科学研究的新兴领域,其中以非线性滤波为代表的数据同化方法发展迅速并得到了广泛应用。在贝叶斯理论框架内,从递推贝叶斯估计理论的角度系统地分析了扩展卡尔曼滤波、无迹卡尔曼滤波、集合卡尔曼滤波、SIR粒子滤波等非线性滤波方法的异同;针对应用比较广泛的集合卡尔曼滤波和SIR粒子滤波应用中存在的问题,论述了几种提高滤波性能的实用方法,如协方差矩阵的Localization方法、协方差矩阵的Inflation方法、双集合卡尔曼滤波方法、扰动集合、扰动大气驱动和模型参数、平方根集合卡尔曼滤波以及粒子滤波算法的改进等。最后总结讨论了各种非线性滤波方法应用中的特点、难点以及各种算法在陆面数据同化中的应用前景和发展方向。     

考虑预报偏差的迭代式集合卡尔曼滤波在地下水水流数据同化中的应用

集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）方法已广泛应用于地下水水流和污染物运移模拟相关问题的求解。但前人研究多建立在同化系统预报模型是准确的基础上,忽视了模型概化的不确定性。当模型概化不准确时,将导致预报偏差,可能带来错误的系统估计。因此,文章提出考虑模型预报偏差的迭代式集合卡尔曼滤波（Bias aware Ensemble Kalman Filter with Confirming Option,Bias-CEnKF）方法。以地下水水流数据同化为例,研究模型概化存在不确定条件下,边界条件、初始条件、源汇项概化不准确时新方法的有效性。结果表明,当预报模型概化不准确时,使用标准EnKF方法进行数据同化,可能会导致滤波发散,造成同化失败。Bias-CEnKF方法不仅保留了较好的同化性能,同时减小了参数、变量、偏差项非线性关系带来的不一致性。针对文章中4种情景,Bias-CEnKF同化获得的含水层渗透系数场以及水头场均接近真实场,且预报结果可靠。本研究进一步提升了模型概化不确定时EnKF方法的适用性,为实际野外复杂条件下地下水水流数据同化问题提供了可靠的方法。     

基于水文模型的蒸散发数据同化实验研究

流域蒸散发定量估算一直是水科学领域的研究前沿,水文模型和遥感反演是当前估算区域蒸散发的常用手段。研究通过数据同化,集成水文模型和遥感模型的优势,耦合遥感蒸散发到水文模型中以实现多源数据下的蒸散发数据同化。选择北京市沙河流域为研究区,分布式时变增益水文模型作为模型算子,基于集合卡尔曼滤波同化算法,利用双层遥感模型模拟的蒸散发同化水文模型,并基于地面通量站观测的日蒸散发进行验证。结果表明,同化结果与观测数据相比平均绝对百分比误差较同化前减少,精度进一步提升,且当遥感观测输入频繁时精度改善明显。研究证明基于水文模型的蒸散发数据同化系统,是一种可实现输出精度更高和时序连续的区域蒸散发的新型模式。该成果将进一步丰富创新蒸散发估算的学科内容,为准确理解区域水循环规律提供科学依据。     

数据同化在海洋生态模型中的应用和研究进展

将数据同化方法引入海洋生态系统动力学模型研究,利用现有的观测数据,获得最佳的模式参数、初始场或提高状态模拟,是当前多学科交叉研究的热门领域。本文依据国内外研究进展,主要就海洋生态模型研究中所采用的变分伴随、卡尔曼滤波、模拟退火法方法进行了介绍,总结了数据同化在我国的海洋生态系统研究中的现状和发展趋势。     

土壤湿度遥感估算同化研究综述

土壤湿度是影响气候的至关重要的变量之一。利用数据同化方法反演大规模高精度土壤湿度数据是目前土壤水分研究的一个重要方向。结合国内外土壤湿度遥感估算研究现状,总结了土壤水分同化算法主要应用进程,梳理了目前实现土壤水分反演且应用广泛的陆面过程模型,Noah模型、通用陆面过程模型CLM、简单生物圈模型Si B2、北方生产力模拟模型BEPS,介绍了大范围卫星土壤水分数据集,包括陆面同化系统数据集、ASCAT数据集、AMSR-E数据集及SMOS数据集,最后探讨了遥感土壤水分同化过程中存在的问题及发展方向。     

陆面过程模式SIB2与包气带入渗模型的耦合及其应用

土壤含水量对陆—气相互作用过程中的能—水平衡计算以及降雨、农业灌溉对地下水补给的研究起着关键的作用。但现阶段大多数陆面过程模式对土壤含水量的计算采用一维水桶模式,忽略了流域尺度上的侧向补给、地下水位的变化、包气带土壤的非线性渗透特性对土壤含水量的影响。针对这一问题,在国内外研究较为成熟的饱和—非饱和理论的基础上,编程实现了包气带土壤水分传输方程的求解,并与陆面过程模式（SIB2）相耦合,建立起研究分层包气带土壤水分运移、非稳态的地下水位、和地表蒸散发之间定量关系的模型。最后,利用建立的耦合模型,以河西走廊黑河流域中游临泽农业综合观测场的灌溉试验为例,模拟干旱内陆平原区小麦生长期间定额灌水条件下土壤含水量的变化。计算结果表明：模型能够准确计算瞬时土壤含水量、非稳态的地下水位,并对小麦生长过程中的耗水量进行估算,进而为农业合理灌溉提供了科学的理论基础。