基于遥感信息的新安江水文模型参数推求方法——以老灌河流域为例

我国水文气象站少且空间分布不均衡,水文模型参数难以获取极大限制了其在防洪预警中的应用。针对新安江水文模型在无水文资料地区应用的局限性,本文提出了一种基于遥感信息的新安江模型参数推求方法,实现了可率定的模型参数的推求:利用土壤特性与土地覆被遥感信息推求流域张力水蓄水容量;基于流域土地覆被遥感信息提取不透水面积比;利用流域土壤特性及叶面积指数遥感影像间接推算流域自由水蓄水容量。利用本文方法推求了老灌河流域新安江水文模型参数并进行了日径流模拟,实验结果表明,流域水文模拟中利用遥感信息推求出的模型参数的准确性可以达到80%以上。     

流域水文模型研究的进展

流域水文模型是对流域上发生的水文过程进行模拟计算的数学模型 ,在水文过程模拟中 ,对流域内的产流 ,坡面汇流以及河道汇流过程的模拟是很重要的。坡面产汇流模型模拟从降水到流域产流和流域坡面汇流的水文子过程 ,河道演进模型模拟河网汇流水文子过程 ,现有的水文模型大多数是没有考虑水文变量和水文参数空间变化的概念性水文模型。随着地理信息技术的发展 ,考虑水文变量和水文参数空间变化的分布式水文模型得到了极大的重视与发展 ,而且 ,遥感技术的发展满足了分布式水文模型对空间信息的需求.     

降雨径流与洪水淹没模型耦合的应用研究

洪水研究包括径流与淹没两种模式。为了探究流域降雨产汇流与淹没情况、提高洪水预报精度,本研究在传统流域水文模型的基础上耦合二维水动力学模型,建立水文-水动力耦合模型。以我国吉林温德河流域为研究实例,模拟了2017年“7·13”洪水在下游口前镇所处子流域洪水淹没过程。首先对基础数据进行预处理,建立HEC-HMS水文模型并进行参数优化后,最终获得流量过程水文结果作为水动力学模型边界条件,之后建立HEC-RAS二维水动力学模型对重要子流域进行淹没模拟。耦合模型计算结果显示,水文模型经多参数优化流量模拟的NSE系数为0.988,水动力计算最大淹没水深达9.3 m相对误差为-5.2%。从泛洪模拟结果来看,子流域上游部分的农田大量被淹,淹没水深范围在0.5~2.0 m,平均流速基本在1 m/s以下。下游口前镇内最大淹没水深接近1 m,水流速度0.2 m/s至1.5 m/s,与实际的淹没情况相吻合。研究表明,所建水文水动力耦合模型模拟计算的结果准确率较高,对具有复杂水文、水力条件的流域的洪水预报具有重要的指导意义。     

基于改进的Vensim模型模拟岩溶泉水文过程

经典的Vensim模型采用2个平行线性水箱来模拟岩溶水文系统中的慢速流和快速流, 很难模拟岩溶水文系统内的非线性水文过程。提出一种改进的R-Vensim模型, 将Vensim中的一个水箱改为非线性水箱, 同时进一步考虑不同水文条件下降雨分配系数的变化, 用于模拟岩溶含水层中存在的非线性水文过程。2个模型被用于模拟丫吉试验场的S31岩溶泉, 模拟结果表明R-Vensim能更好地模拟不同降雨条件下岩溶泉水文动态过程, 而Vensim总是低估暴雨下的流量峰值和高估低强度降雨下的流量峰值。研究区岩溶水文系统中慢速流呈现强烈的非线性, 而快速流更接近于线性过程, 2个模拟时段内78.5%和68.4%的泉流量来源于非线性水箱。研究结果表明模型中考虑非线性水文过程对于岩溶泉流量尤其低流量过程的精准模拟十分重要。      

三江平原挠力河上游流域水文过程及其驱动力模型研究

以三江平原挠力河上游流域为研究对象,选择年均流量和洪峰流量两个水文参变量,对流域降水、耕地面积和各水文参变量的统计回归分析,分别建立水文过程的单因素模型,用于分析气候变化、土地利用变化对水文过程的影响。在定量区分土地利用变化和气候变化的水文效应基础上,利用最小二乘法建立基于降雨量和耕地面积两种因素的流域水文过程驱动力模型。研究结果表明:(1)1956-1975年间降雨量对水文过程的影响非常显著,之后影响逐渐降低,总体上为气候模型对年均流量的模拟能力高于洪峰流量;(2)流域耕地面积,自1954年以来不断扩张,但未对水文过程产生显著影响,对洪峰流量的影响高于对年均径流的影响;(3)研究区的水文过程驱动力模型的模拟效果较好,相比单因素模型,年均流量和洪峰流量的模拟精度均得到较大提高,RMSE分别为0.5和1.04;对年均流量的模拟精度更高一些,决定性系数为0.933;(4)总体上,研究区水文过程受气候变化的影响程度高于土地利用变化,但土地利用变化对水文过程的影响不容忽视,尤其是对洪峰流量的影响呈增大趋势。     

青藏高原兹格塘错流域50年来湖泊水量对气候变化响应的模拟研究

运用数值模拟建立青藏高原兹格塘错流域土壤、植被、气候等的空间和属性数据库;接着,借助分布式流域尺度水文模型(SWAT模型),对兹格塘错1956—2006年间的流量进行模拟实验;最后,反演50年来兹格塘错流域水文过程,测试流域温度、降水和蒸发组合的敏感因子对湖泊水量变化的效应,探讨50年来湖泊水量对气候变化的响应。模拟实验的边界条件设置为自然地形、土壤、植被覆盖,其中土壤资料包括有机质含量、粒径等理化参数。模拟结果表明:兹格塘错的年平均流量为6.3m3/s,流量高峰集中在8月至10月,并且由于融雪补给的关系,3月出现另一个流量高峰;模拟结果与遥感解译所得到的结果吻合较好。敏感实验表明:兹格塘错流域内温度、降水和蒸发组合的敏感因子实验具有高原特征,即高原湖泊的水文过程和湖泊流量变化有着较为敏感的响应关系;兹格塘错流量受降水的影响最大,随着降水的增加,流量有所增加;在温度升高的情况下,流域蒸发量增加速度大,兹格塘错流量增加的效应不明显,而在冷湿模式下,流域蒸发量降低,兹格塘错流量增加显著。     

一种新的基于模糊分析观测信息的局地化方法

地球表层系统是一个极其复杂的巨系统,为了更精确地表达地球表层系统各种过程的动态演进,解决数据同化系统观测误差的估计与处理已经成为地球科学领域备受关注的问题之一。在地球科学系统数值模拟中,一般采用集合数据同化来探讨地学变量预报时的各种误差。集合类卡尔曼滤波通常会由于集合数过小而带来欠采样、协方差低估、滤波发散和远距离虚假相关等问题。针对背景误差协方差被低估问题,局地分析方法（Local Analysis, LA）在一定程度上能起到抑制作用,但无法彻底解决背景误差协方差的虚假相关问题。因此,本文在集合卡尔曼滤波的算法框架下提出了一种与模糊逻辑控制算法相耦合的局地化分析方法（Fuzzy Analysis, FA）。在强非线性Lorenz-96模型中,对不同模型误差下的LA和FA方法进行了性能优劣方面的探讨,并比较分析了2种方法在集合数、观测数和观测位置、放大因子以及强迫参数变化时的同化性能。实验采用均方根误差作为算法评判依据,同时用功率谱密度（Power Spectral Density, PSD）更直接地对2种算法性能优劣作出了评价。结果表明：在完美模型下,FA相对于LA降低了17.5%的均方根误差（Root Mean Square Error, RMSE）;随着模型误差增大,RMSE减小的百分比和减小幅度都在降低;在严重模型误差下,FA降低了8.6%的RMSE。总体而言,新算法FA的有效性和鲁棒性都得到了验证,并且在EnKF同化基础下有效改进了传统的局地化分析方案,优化了观测误差处理,为今后的数据同化研究提供了一个较为全面的观测误差研究平台。     

基于双曲线模型的卡尔曼滤波法在建筑物沉降预测中的应用

利用最小二乘法求出双曲线模型的模型参数,将此参数看作带有动态噪声的状态向量,建立基于双曲线模型的卡尔曼滤波模型,对建筑物的沉降量进行预测。卡尔曼滤波过程中,模型的参数不断发生变化,增强了其适应观测数据的能力,从而减小了拟合误差。计算表明,用基于双曲线模型的卡尔曼滤波模型对建筑物的沉降量进行预测,误差较小,效果较为理想。     

多变量AR(h)模型在地下水位动态预测中的应用

地下水位动态是一种复杂的历史过程,是受多种因素影响(如地质、气象、水文以及人类活动干扰等)的随机过程,试图用单交量时间序列模型对其进行预测,往往受到一定的局限。本文引入多变量AR(n)模型,在计算中利用递推公式及FPE准则估计模型参数,包括系数矩阵和模型阶数。该方法被用于陕西两华地区地下水位动态预测,经过理论与实践检验,该模型预报地下水位精度高,同时可预报其影响因素。该模型可作为地下水位动态短期预报模型。     

SWAT模型在土地利用/覆被变化剧烈地区的改进与应用

人口增长、气候变化、制度变迁、城市化等均会导致土地利用/覆被的变化,进而引起流域水文过程（截留、入渗、蒸散发和地下水补给等）和水循环过程的改变。当前,由于逐年土地利用/覆被数据获取困难、水文模型本身计算缺陷等问题,所有在流域尺度上开展的借助水文模型进行的土地利用/覆被变化影响下的水文模拟研究都存在一个共同缺点,就是采用的水文模型并不能逐年调用土地利用/覆被数据,即水文模型无法真实体现或模拟土地利用/覆被的时空变化。SWAT作为一个广泛应用的分布式水文模型,在其模拟期内,不能逐年调用土地利用/覆被数据,即在进行水文模拟时忽略了土地利用/覆被时间上的变化,这可能会影响其在土地利用/覆被变化剧烈地区（如黑河中游）的应用。黑河流域是典型的内陆河流域,也是中国西北地区第二大内陆河流域。黑河中游是黑河流域的径流耗散区。本文针对SWAT模型在考虑土地利用/覆被变化时的缺点,对其进行了改进并开发出能够逐年调用土地利用/覆被数据的LU-SWAT模型。在土地利用/覆被变化剧烈的黑河中游对SWAT和LU-SWAT模型的径流模拟效果进行比较,发现LU-SWAT模型更适用于黑河中游水循环模拟。     

考虑卡尔曼滤波伪观测值的Helmert方差分量估计及其在GPS/BDS组合PPP中的应用

在GPS/BDS组合PPP中，引入基于卡尔曼滤波的Helmert方差分量估计来确定PPP中各类观测值的权重，针对卡尔曼滤波预报值权阵与观测值权阵验前单位方差不一致的情况，将卡尔曼滤波预报值作为伪观测值，与观测值一并进行Helmert方差分量估计处理。实验证明，该方法能够在合理确定当前历元各类观测值权重的基础上，有效平衡观测信息与预报信息对参数估计的贡献，可显著改善GPS/BDS组合PPP的收敛速度与定位精度。     

Assimilation of ASAR data with a hydrologic and semi-empirical backscattering coupled model to estimate soil moisture

The most promising approach for studying soil moisture is the assimilation of observation data and computational modeling.However,there is much uncertainty in the assimilation process,which affects the assimilation results.This research developed a one-dimensional soil moisture assimilation scheme based on the Ensemble Kalman Filter(EnKF)and Genetic Algorithm(GA).A two-dimensional hydrologic model-Distributed Hydrology-Soil-Vegetation Model(DHSVM)was coupled with a semi-empirical backscattering model(Oh).The Advanced Synthetic Apertture Radar(ASAR)data were assimilated with this coupled model and the field observation data were used to validate this scheme in the soil moisture assimilation experiment.In order to improve the assimilation results,a cost function was set up based on the distance between the simulated backscattering coefficient from the coupled model and the observed backscattering coefficient from ASAR.The EnKF and GA were used to re-initialize and re-parameterize the simulation process,respectively.The assimilation results were compared with the free-run simulations from hydrologic model and the field observation data.The results obtained indicate that this assimilation scheme is practical and it can improve the accuracy of soil moisture estimation significantly.     

利用卡尔曼滤波方法作1～5天中期温度预报

卡尔曼滤波是一种现代动态系统分析技术，在气象上应用时，它是通过利用前一时刻预报误差的反馈信息来及时修正预报方程中的参数，以提高下一时刻的预报精度，介绍了利用卡尔曼滤波制温度预报的一种因子选取方法和滤波过程中衩值的确定，递推系数修正的处理办法。     

��������ӦUnscented Kalman�������˲�

???????????????????????????????UKF?????????????÷??????????????????Unscented Kalman????????????????????????????????????Э????????????????????Kalman?????????????Kalman?????Unscented Kalman??????????????????????UKF?????????????????????????????     

基于信噪比检验的双参数岭型Kalman滤波及其在BDS星地联合定轨中的应用

将Kalman滤波病态性诊断与处理相结合，提出基于信噪比检验的双参数岭型Kalman滤波。在分析Kalman 滤波的病态性以及岭型 Kalman 滤波的缺陷后，引入信噪比统计量度量每个待估参数受病态性影响的大小，将待估参数区分为涉扰参数和非涉参数，并利用两个岭参数对两类参数进行不同强度的修正，结合广义岭估计思想给出两个岭参数的选取方法。该算法在降低状态参数估计方差的同时尽量减少岭型Kalman滤波引入的偏差。利用STK仿真5颗GEO卫星+24颗MEO卫星+3颗IGSO卫星的北斗卫星星座并进行分布式自主定轨，结果表明提出的新算法能够有效改善病态性对Kalman滤波的不良影响，且相对于岭型Kalman滤波具有更高的定轨精度。     

基于粒子滤波的跨断层数据分析

以大同台和唐山台为例,对跨断层观测数据与降水量、气温等辅助观测数据进行粒子滤波处理,并与卡尔曼滤波结果进行比较。示例及统计结果表明,该算法在跨断层数据处理中是可行性的。     

卡尔曼滤波在多维AR序列建模中的应用

作为时间序列模型的一种，AR模型由于参数估计和定阶简单而广泛应用于系统辨识。在多维AR序列的最小二乘建模的基础上，结合卡尔曼滤波算法，推导了应用卡尔曼滤波技术的多维AR序列参数估计方法以及加入衰减因子后的卡尔曼滤波算法。该算法不需要保存历史数据，在得到新的“观测”数据后可以对AR模型的估计参数进行实时改正。在确定AR模型阶数时，提出了快速F检验法，大大减少了建模过程中的计算工作量，有较好的应用价值。     

湛江气温的多时间尺度特征及其变化趋势预测

利用MHAT小波函数分析了湛江市近50年来年平均气温的多时间尺度变化特征,并采用Kalman滤波模型对年平均温度的变化趋势进行了预测研究。结果表明,在半个多世纪的气候变化过程中包含了16 a4、a和准2 a的周期振荡,20世纪80年代中期以来湛江气温持续升高,且未来几年仍处于偏高阶段。卡尔曼滤波模型对湛江年平均气温的预测中,独立样本预测的平均绝对误差(MAE)等于0.30℃,相对误差为1.24%,对短期气候预测工作具有较高的参考价值。     

MEMS陀螺仪随机误差KF补偿方法的普适性验证

针对MEMS陀螺仪随机误差成为影响系统导航精度的主要因素及建模存在的普适性等问题，提出一种3次卡尔曼迭代估计的误差补偿方法。采用Allan方差对MEMS陀螺仪随机误差参数进行辨识，同时结合MEMS陀螺仪输出数据自相关与偏相关函数具备的拖尾性，设计基于时间序列ARMA的MEMS陀螺仪误差卡尔曼滤波模型。采用同型号6只MEMS陀螺仪惯性测量单元搭建测试环境，并开展导航验证实验，结果表明，经过滤波处理后的MEMS陀螺仪各项误差系数明显降低，且滤波效果随滤波次数的增加而增强。6组MEMS陀螺仪测试设备显现出的误差减弱趋势具有一致性，姿态误差对比结果也进一步验证了该方法的可行性。