不同滤波算法在土壤湿度同化中的应用

为研究不同滤波算法在土壤湿度同化中的有效性,以及土壤湿度模拟结果对模型参数的敏感性,结合简单生物圈模型SiB2,设置敏感性实验,探求土壤饱和水力传导度对土壤湿度模拟结果的影响;并在此基础上,采用集合卡尔曼滤波（EnKF）、无迹卡尔曼滤波（UKF）和无迹粒子滤波（UPF）开展土壤湿度实时同化实验。结果表明：土壤饱和水力传导度能显著影响土壤湿度模拟精度;利用EnKF、UKF、UPF同化站点观测数据,均能改善土壤湿度模拟结果;3种同化方法在不同土壤层的同化效果不同,在土壤表层,EnKF的有效性优于UKF和UPF,在根域层和土壤深层,3种滤波方法有效性在降雨前后相差较大。因此,针对性地选择同化方法,是提高土壤湿度模拟精度的有效手段。     

土壤湿度观测、模拟和估算研究

总结土壤湿度的观测手段和土壤湿度数据集建立的现状,详细阐述与土壤湿度模拟有关的方程离散化求解、物理和生化过程、陆面过程模式比较和陆面模式参数优化等方面的研究进展;综述估算土壤湿度廓线的数据同化方法,仔细比较集合卡曼滤波(EnKF)和四维变分(4-D Var)2类目前流行的同化算法,并对估算土壤湿度廓线的研究工作进行全面评估;最后,对土壤湿度观测、模拟和同化中需继续努力的方向进行了思索和展望。     

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。     

模式时间关联误差对集合平方根滤波估算土壤湿度的影响

为了定量评估模式时间关联误差对NOAH陆面模式同化表层土壤湿度观测估算土壤湿度廓线的影响,采用集合平方根滤波(En SRF)与状态增广相结合的技术,开展同时更新状态变量和订正模式偏差的观测系统模拟试验,结果表明:同化时若不对存在较大系统性偏差的模式时间关联误差进行处理,En SRF就不能有效估算土壤湿度廓线,而采用状态增广和En SRF相结合的技术,可以在更新土壤湿度时同步订正模式偏差,土壤湿度估算精度明显提高。敏感性试验进一步表明:模式偏差大小、同化时间间隔和观测误差会以不同方式对同化结果造成影响。     

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。     

评估两类模式对陆面状态的模拟和估算

针对夏季土壤变干过程,利用观测系统模拟试验,比较离线的陆面模式(LSM)和耦合大气边界层的陆面模式(SCM)对土壤温度、湿度和地表热通量等陆面状态的模拟,然后借助数据同化方法,评估2类模式对陆面状态的估算能力.结果显示:2类模式除对地表长波辐射和感热通量的模拟差别较大外,对其余量则较小;只同化表层土壤湿度观测时,LSM对土壤湿度和感热通量的估算好于SCM,对土壤温度的估算则相反,而对潜热通量估算的差距很小;同时同化表层土壤温度、湿度观测会使地表热通量的估算差距增大;最后对2类模式不同表现的可能原因进行分析讨论.上述数值模拟和同化结果:当用某一类模式的模拟结果或同化产品为另一类不同模式提供初边界条件时必须注意它们之间的差异,避免出现输入量引起的模式状态量间的动力不协调现象.     

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。     

青藏高原土壤湿度-气候相互影响研究进展

土壤湿度作为一个具有“记忆性”的重要气候变量,可以通过改变地表的能量和水分交换,进而影响局地乃至全球的大气环流,因此受到全球气候观测系统计划的重视。近年来青藏高原土壤湿度观测网（站）建设发展迅速,为局地陆气相互作用研究提供了可靠的数据支撑。本文从不同的土壤湿度资料在青藏高原的适用性、高原土壤湿度的时空变化特征及其对气候的影响综述了近年来的国内外研究进展。由于土壤湿度在时空上的高度变异性,现有相关研究大多使用再分析资料、陆面数据同化资料和卫星遥感数据来补充观测资料进行青藏高原土壤湿度与气候的相互影响研究。但模式选择、算法和实验方案的不同,导致青藏高原土壤湿度的补充资料适用性不同,使得前人对高原土壤湿度如何影响中国及全球气候得出不同结论,故相关问题需要进一步讨论,并提出了后期青藏高原土壤湿度研究需要解决的关键问题。     

数据同化算法在青藏高原高寒生态系统能量—水分平衡分析中的应用

位于青藏高原腹地的多年冻土地带,其冻融过程中的土壤含水量和土壤冻结深度的变化对气候强烈响应并产生显著的陆面能—水平衡变化,进而又对全球气候产生较大的反馈作用。为了能准确模拟这种变化,选取青藏高原多年冻土分布区的风火山左冒孔流域（长江源）进行了相关的野外数据采集和试验,以考虑土壤冻融影响的水—热耦合陆面过程模型——SHAW为动力学约束框架,验证集合卡尔曼滤波算法在改进模型对土壤冻融过程中土壤水分和冻土深度的计算效果。基于试验点的数据同化计算结果表明：数据同化方法可以融合观测信息显著提高水—热耦合模型对土壤冻融过程中状态变量（土壤水分和冻深）的模拟,并进而改善模型对其它相关能量—水分变量的计算,为在高寒冻土地区利用多源信息进行融合监测提供了理论依据。     

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。     

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。     

冻土模式的改进和发展

本研究首先对当今常用的冻土模式进行了改进。以土壤总焓和土壤水总质量替代原来的温度和体积水含量作为方程预报量，使冰水相变速率项变为诊断量，避免了原冻土模式计算过程中由于冰水相变速率项预估的误差造成计算过程中的温度偏差。同时对该新形式模式所发展的诊断量方程组设计了合理省时的数值计算方案。实验表明，改进后模式的模拟结果与观测值有较好的吻合。此外，分析比较了目前常用的3种冻融方案的理论基础及模拟结果，发现基于热力学平衡态推导得到的包含土壤水势影响的参数化方案能很好地模拟土壤的冻融变化过程，不同的冻融方案会对土壤内的温度、水量及表面的感热和潜热模拟结果产生较大的影响。      

评估集合卡曼滤波反演土壤湿度廓线的性能

集合卡曼滤波由于易于使用而被广泛地应用到陆面数据同化研究中,它是建立在模型为线性、误差为正态分布的假设上,而实际土壤湿度方程是高度非线性的,并且当土壤过干或过湿时会发生样本偏斜.为了全面评估它在同化表层土壤湿度观测来反演土壤湿度廓线的性能,特引入不需要上述假设的采样重要性重采样粒子滤波,比较非线性和偏斜性对同化算法的影响.结果显示:不管是小样本还是大样本,集合卡曼滤波都能快速、准确地逼近样本均值,而粒子滤波只有在大样本时才能缓慢地趋近;此外,集合卡曼滤波的粒子边缘概率密度及其偏度和峰度与粒子滤波完全不同,前者粒子虽不完全满足正态分布,但始终为单峰状态,而后者粒子随同化推进经历了单峰到双峰再到单峰的变化.     

邯郸地区土壤水入渗规律实验及数值模拟方法研究

在对土壤入渗理论进行总结和分析的基础上,依据邯郸市平原区的水文水情的基本特点,选定2~3处地点进行实验,完成了静态数据的收集和动态数据的观测,确定了实验区土壤质地类型、土壤容重等物理特性,结合实验测定的饱和导水率K、土壤水分特征曲线θ（ h）推算非饱和导水率K（θ）、扩散率 D（θ）等土壤水分运动参数。运用上述数据对Van Genuchten模型加以改进,并运用改进后的模型对实验中的水分变化过程进行数值模拟。结合实测成果和数值模拟成果,对邯郸市平原区已选定实验点土壤水入渗规律进行分析。     

Adjoint retrieval of prognostic land surface model variables for an NWP model: Assimilation of ground surface temperature

Based on a 2-layer land surface model, a rather general variational data assimilation framework for estimating model state variables is developed. The method minimizes the error of surface soil temperature predictions subject to constraints imposed by the prediction model. Retrieval experiments for soil prognostic variables are performed and the results verified against model simulated data as well as real observations for the Oklahoma Atmospheric Surface layer Instrumentation System (OASIS). The optimization scheme is robust with respect to a wide range of initial guess errors in surface soil temperature (as large as 30 K) and deep soil moisture (within the range between wilting point and saturation). When assimilating OASIS data, the scheme can reduce the initial guess error by more than 90%, while for Observing Simulation System Experiments (OSSEs), the initial guess error is usually reduced by over four orders of magnitude. Using synthetic data, the robustness of the retrieval scheme as related to information content of the data and the physical meaning of the adjoint variables and their use in sensitivity studies are investigated. Through sensitivity analysis, it is confirmed that the vegetation coverage and growth condition determine whether or not the optimally estimated initial soil moisture condition leads to an optimal estimation of the surface fluxes. This reconciles two recent studies. With the real data experiments, it is shown that observations during the daytime period are the most effective for the retrieval. Longer assimilation windows result in more accurate initial condition retrieval, underlining the importance of information quantity, especially for schemes assimilating noisy observations.