基于土壤水模型及站点资料的土壤湿度同化方法

基于非饱和土壤水模型和扩展卡尔曼滤波(Extended Kalman Filter)同化算法并结合陆面过程模型VIC发展了一个土壤湿度同化方案,并进行了理想试验及同化站点资料的同化试验。理想试验结果表明：扩展卡尔曼滤波方法能完整反演土壤湿度廓线,对土壤湿度的估计有较大改善;观测深度、观测层数和观测资料引入频率对同化结果有一定影响;加大观测频率,可以进一步改善同化效果。利用气象强迫驱动陆面模型VIC算出地表入渗条件而进行的同化站点资料的试验所得土壤湿度分布与观测资料基本吻合,反映了站点土壤湿度的月、季变化,表明该方案是合理的。     

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。     

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。     

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.     

区域尺度近地表气候要素驱动数据研制的研究综述

区域和流域尺度的陆面、水文和生态模拟与同化,都需要高分辨率的大气近地表层风、温、压、湿、辐射、降水等资料作为驱动。介绍了流域尺度驱动数据的重要性,对现阶段大气驱动数据的制备方法进行评论,总结了降水、辐射、气温和其他近地表要素的若干产品,探讨了北美陆面数据同化系统、全球陆面数据同化系统、欧洲陆面数据同化系统和中国西部陆面数据同化系统中大气驱动数据的研究思路和研究成果,最后提出了现阶段制备流域尺度驱动数据存在的问题,并针对中国西部复杂地形的高时空分辨率驱动数据制备提出一些看法。     

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。     

基于GLDAS的中国区地表能量平衡数值试验

利用全球陆面数据同化系统(GLDAS)的软件平台—陆面信息系统(LIS)模拟了中国区域2003年能量平衡方程的各个分量,在此基础上进行了残差分析和地表温度的对比验证。残差的分布具有一定的时空分布特征,残差的时间分布特征表明LIS对春秋两季的模拟效果要好于其它季节,残差的空间分布特征表明LIS对纬度较高和海拔较高地区的模拟效果要逊于其他地区。对比了模拟的GLDAS地表温度与MODIS地表温度产品,结果显示两者之间的差值介于-5～5K之间,两者的散点图和标准离差显示模拟的夜间地表温度要比模拟的白天地表温度精确2～3K。     

GLDAS月降水数据在中国区的适用性评估

全球陆面数据同化系统(GLDAS)是全球变化与水循环研究的重要数据源之一.对比分析了1979—2012年间GLDAS多套降水数据与中国地面观测逐月降水数据所反映的中国降水趋势变化空间特征,采用相关系数、平均偏差、相对绝对误差和均方根误差4个指标,从时间变化和空间分布特征两个方面,对GLDAS降水数据在中国区域的数据质量进行了系统评估.结果表明:GLDAS-1的几套数据在时间上具有明显不连续性,1996年数据质量严重异常,2000年数据质量也较差,而且,不论是GLDAS-1数据,还是GLDAS-2数据,都存在前期(1979—1995年)与实测数据吻合度高于后期(1997年以后)的现象;GLDAS数据在中国东部湿润区的质量高于在西部干旱区;从相关性与误差指标来看,GLDAS-1数据质量略优于GLDAS-2(主要体现在1995年以前时段),但是GLDAS-2在数据一致性、数据质量季节稳定性及对趋势性描述能力方面则明显优于GLDAS-1数据.     

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。     

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.     

The variational technique of data assimilation using adjoint equations in a shallow water model

The variational technique of data assimilation using adjoint equations has been illustrated using a nonlinear oceanographic shallow water model. The technique consists of minimizing a cost function representing the misfit between the model and the data subject to the model equations acting as constraints. The problem has been transformed into an unconstrained one by the use of Lagrange multipliers. Particular emphasis has been laid on finite difference formulation of the algorithm. Several numerical experiments have been conducted using simulated data obtained from a control run of the model. Implications of this technique for assimilating asynoptic satellite altimeter data into ocean models have been discussed.     

Sur l'assimilation variationnelle de données par un modèle d'écosystème marin de type NPZ

A variational data assimilation method is applied to a simplified marine ecosystem model of NPZ (Nutrient Phytoplankton Zooplankton) type, which implies five parameters. The method allows us to optimise these parameters by an iterative process of minimisation of a cost function which quantifies the quadratic discrepancy between observations and simulation results. The first part of this note describes how to obtain the adjoint model of the NPZ model allowing us to compute the gradient of the cost function relative to the parameters. Two experiments of artificial data assimilation then show the efficiency of this method, but also its limitations because of non-linearities and sensitivity problems of the model relative to the parameters. To cite this article: Y. Leredde et al., C. R. Geoscience 337 (2005).     

Assimilation of Doppler weather radar observations in a mesoscale model for the prediction of rainfall associated with mesoscale convective systems

Obtaining an accurate initial state is recognized as one of the biggest challenges in accurate model prediction of convective events. This work is the first attempt in utilizing the India Meteorological Department (IMD) Doppler radar data in a numerical model for the prediction of mesoscale convective complexes around Chennai and Kolkata. Three strong convective events both over Chennai and Kolkata have been considered for the present study. The simulation experiments have been carried out using fifth-generation Pennsylvania State University-National Center for Atmospheric Research (PSU-NCAR) mesoscale model (MM5) version 3.5.6. The variational data assimilation approach is one of the most promising tools available for directly assimilating the mesoscale observations in order to improve the initial state. The horizontal wind derived from the DWR has been used alongwith other conventional and non-conventional data in the assimilation system. The preliminary results from the three dimensional variational (3DVAR) experiments are encouraging. The simulated rainfall has also been compared with that derived from the Tropical Rainfall Measuring Mission (TRMM) satellite. The encouraging result from this study can be the basis for further investigation of the direct assimilation of radar reflectivity data in 3DVAR system. The present study indicates that Doppler radar data assimilation improves the initial field and enhances the Quantitative Precipitation Forecasting (QPF) skill.     

模拟退火优化算法的冻土热传导参数反分析

土体热参数是寒区工程温度场预测和稳定性分析至关重要的参数。根据冻土温度场计算的特点,建立冻土一维相变热参数估计模型,采用非线性有限元法得到土体温度场,基于一种非常快速的模拟退火（VFSA）算法对热参数进行反分析。考虑各个参数的敏感度因子和土体分层情况,将热参数分组、分步进行反演,克服参数较多反演困难的缺陷。以青藏公路多年冻土区监测断面下土体反分析为例,反演分析冻土路基下部不同土层的导热系数、体积热容量和孔隙率等参数。最后,运用参数反演结果对温度场进行预测,经检验和与实测地温对比,表明参数反分析结果可靠,有较高的精度,该方法可用于实际工程。