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。     

顺序数据同化的Bayes滤波框架

数据同化是在动力学模型的运行过程中不断融合新的观测信息的方法论,Bayes理论是数据同化的基石.从原理、方法和符号系统为Bayes滤波在数据同化中的应用勾勒一个统一的框架.首先对连续数据同化和顺序数据同化的各种方法做了分类,然后给出了非线性系统顺序数据同化的Bayes递推滤波形式,并在此基础上介绍了典型的顺序数据同化方法--粒子滤波和集合Kalman滤波.粒子滤波实质上是一种基于递推Bayes估计和Monte Carlo模拟的滤波方法,而集合Kalman滤波相当于一种权值相等的粒子滤波.Bayes滤波理论为顺序数据同化提供了更广义的理论框架,从基础的数学理论上揭示了数据同化的基本原理.     

重磁数据的线性滤波与反演失真问题

文中对国内研制的4种主要线性滤波方法进行了对比分析.选出一种具代表性的滤波方法,用计算机模拟观测场,探讨了在复杂干扰下重磁异常因滤波引起的失真,并就重磁异常在因滤波而引起失真的情况下如何反演解释,提出了可行的办法和建议.     

柴达木盆地土壤湿度的遥感反演及对蒸散发的影响

土壤水分是地下水-土壤水-大气水循环系统的核心与纽带,蒸散是该系统的重要驱动力。从区域尺度上研究土壤含水量的分布特征及土壤含水量对蒸散的影响对干旱区的生态环境保护具有重要意义。基于MODIS数据和GLDAS数据,应用表观热惯量法对GLDAS地表0~10 cm土壤湿度数据降尺度处理,估算柴达木盆地平原区2014年间6—9月的月均土壤湿度,并结合归一化植被指数(NDVI)和实测土壤湿度数据对反演结果进行验证;利用地表能量平衡系统(SEBS)模型对平原区9个子流域的日均蒸散量进行计算,分析了土壤湿度与日均蒸散量之间的关系。结果表明：反演得到的表观热惯量(ATI)与GLDAS地表0~10 cm土壤含水量数据相关性较好,决定系数R2整体在07以上;利用ATI对GLDAS数据降尺度处理,得到的土壤含水量与NDVI和实测土壤湿度的决定系数R2分别为0954和0791,因此使用ATI法对GLDAS土壤含水量数据降尺度反演柴达木盆地平原区土壤湿度是可靠的。平原区日蒸散量与土壤湿度呈明显的正相关关系,决定系数R2整体在096以上,在影响蒸散的各考虑因素中,土壤湿度对蒸散的影响远大于其他因素。     

大气廓线物理反演的最优化方法进展

从最优化数学理论角度对大气廓线物理反演以及卫星辐射率资料直接同化中的最优化算法进行了回顾。分析了各种方法的优点和缺点、联系和差别。总结了卫星大气遥感反演问题的求解思路。对大气廓线反演研究中几种主要的目标函数和寻优策略进行了分析,着重分析了目前作为各数值预报中心和卫星数据处理中心业务数值产品核心算法的牛顿非线性迭代法的不足之处,并对其改进途径进行了探讨。引入了Levenberg-Marquardt方法及信赖域方法用于大气廓线反演,使反演算法的收敛性质得到改善。     

不同滤波方法对GRACE反演西南岩溶区陆地水储量变化的影响

不同滤波方法反演陆地水储量变化的结果不同,但目前关于西南岩溶区的不同滤波方法之间的对比研究相对较少.利用Gauss 200 km、Fan 200 km、Han 200 km和DDK4四种滤波方法反演了西南岩溶区的陆地水储量变化,并采用尺度因子进行了校正.在空间分布上,Han和Fan滤波较Gauss滤波更为平滑,但损失的真实信号更多,Han滤波损失最为严重;DDK滤波在进行南北向滤波的同时更能保持原始信号的量级和形状.在时间序列上,4种滤波的陆地水储量距平（TWSA）年趋势分别为8.64、8.77、9.05和9.39 mm/a,周年振幅分别为90.19、94.47、112.92和89.34.不同滤波反演的陆地水储量变化的空间分布差异较大;4种滤波的周年相位差别不大,且由于尺度因子的影响,校正后的陆地水储量距平振幅大小顺序为Han > Fan > Gauss > DDK.对于研究区的陆地水储量变化反演,Fan滤波和DDK滤波较好.      

滤波处理提高道积分法反演煤层厚度的精度

利用道积分法能够反演煤层的厚度，但其计算的煤层厚度往往受到地震子波的类型和主频的影响，根据煤厚的分布范围，选择合适的滤波频带，对道积分剖面进行滤波处理可以提高煤厚反演的精度     

滤波处理提高道积分法反演煤层厚度的精度

道积分法反演煤层厚度,其计算的煤层厚度往往受到地震子波的类型和主频的影响。根据煤厚的分布范围,选择合适的滤波频带,对道积分剖面进行滤波处理可以提高煤厚的反演精度。     

新的瑞雷波多模式频散曲线反演目标函数

反演瑞雷波频散曲线能有效地获取横波速度和地层厚度,传统的多模式瑞雷波频散曲线反演需要正确的模式判别.然而,当地层中含有低速软弱夹层或高速硬夹层等复杂结构时,瑞雷波可能会出现"模式接吻"和"模式跳跃"等现象,这些现象极易造成模式误判,进而导致错误的反演结果;同时,传统的频散曲线反演方法需要进行求根运算,进而导致现有的瑞雷波非线性反演速度慢,运算时间长.鉴于此,对传统的Haskell-Thomson频散曲线正演模拟算法进行了改进,提出了一种新颖有效的目标函数.该目标函数直接利用实测频散曲线与迭代更新模型频散函数表面形状进行最佳拟合,无需将多模式频散数据归于特定的模式,可有效避免多模式瑞雷波频散曲线反演模式误识别;同时,该目标函数不需要求根运算,进而大大加快了非线性反演速度.基于粒子群优化算法,利用实际工作中经常遇到的3种典型理论地质模型和某一高速公路路基实测资料进行了理论模型试算和实例分析,检验了本文提出的瑞雷波多模式频散曲线反演新方法的有效性和实用性.      

Improved initial sampling for the ensemble Kalman filter

In this paper, we discuss several possible approaches to improving the performance of the ensemble Kalman filter (EnKF) through improved sampling of the initial ensemble. Each of the approaches addresses a different limitation of the standard method. All methods, however, attempt to make the results from a small ensemble as reliable as possible. The validity and usefulness of each method for creating the initial ensemble is based on three criteria: (1) does the sampling result in unbiased Monte Carlo estimates for nonlinear flow problems, (2) does the sampling reduce the variability of estimates compared to ensembles of realizations from the prior, and (3) does the sampling improve the performance of the EnKF? In general, we conclude that the use of dominant eigenvectors ensures the orthogonality of the generated realizations, but results in biased forecasts of the fractional flow of water. We show that the addition of high frequencies from remaining eigenvectors can be used to remove the bias without affecting the orthogonality of the realizations, but the method did not perform significantly better than standard Monte Carlo sampling. It was possible to identify an appropriate importance weighting to reduce the variance in estimates of the fractional flow of water, but it does not appear to be possible to use the importance weighted realizations in standard EnKF when the data relationship is nonlinear. The biggest improvement came from use of the pseudo-data with corrections to the variance of the actual observations.     

基于局地集合变换卡尔曼滤波的全球海洋资料同化系统设计及算法加速

通过对局地集合变换卡尔曼滤波(LETKF)算法的计算时间复杂度的完整分析,发现计算集合空间分析场误差协方差的逆矩阵这一过程计算量最大,耗时最长。且在并行计算环境下,该步骤CPU计算量分配不均是影响计算效率的直接原因。为解决这一问题,采用“贪心算法”设计了一套新的负载均衡策略,并使用该策略开发了一个基于LETKF和并行海洋模块2(POP2)的高性能并行海洋资料同化系统。将2004年1~2月日平均的最优插值海表温度资料(OISST)和同时期的Argo温盐剖面资料同化进入POP2。结果表明,同化有效降低了温度和盐度的均方根误差。同时,在不改变计算结果的前提下,相比原始同化系统,新系统计算性能提升1倍。在更高分辨率(0.1°×0.1°)下,该系统的计算性能仍然可以提升1倍,说明新设计的负载均衡方案稳定可靠。该方案具有很强的可扩展性和移植性,在业务预报中有广泛的应用前景。     

Global Ocean Data Assimilation System Design and Algorithm Acceleration Based on Local Ensemble Transform Kalman Filter

An integrated analysis about computational time complexity of the Local Ensemble Transform Kalman Filter (LETKF) was performed. It is found that the calculation step of inverse matrix of the error covariance in ensemble space is the most computationally intensive and time consuming. In a parallel computing environment, the uneven distribution of CPU calculations in this step directly leads to low computational efficiency. To solve this problem, a new load balancing strategy was designed based on the "greedy algorithm". A high-performance parallel ocean data assimilation system based on the LETKF was developed and tested using this strategy. This system was based on the Parallel Ocean Program 2 (POP2) of the Community Earth System Model (CESM). The optimal interpolated sea surface temperature data (OISST) and Argo temperature profile data from January to February, 2004 were assimilated into the POP2. The results show that data assimilation effectively reduces the root mean square error of temperature and salinity. Using the new strategy, the exact same results are obtained but the computation time is reduced by half. At higher resolution (0.1°×0.1°),the computing performance is still doubled, indicating that this load balancing scheme is stable and reliable. In addition, the new method has high scalability and portability with great potential to be applied in operational forecasting.     

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。     

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。     

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。     

卫星遥感反演土壤水分研究综述

土壤水分是影响地表过程的核心变量之一。精准地测量土壤水分及其时空分布,长期以来是定量遥感研究领域的难点问题。简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题,介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集,包括欧洲气象业务卫星（ERS/MetOp）数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集,并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。     

基于EnKF融合地球物理数据刻画含水层非均质性

含水层非均质性的刻画是模拟地下水中污染物运移的关键。以渗透系数为研究对象,构建了综合集合卡尔曼滤波方法、有效电阻率模型与地下水运移模型的同化框架,通过融合地球物理观测数据与污染物浓度观测数据来推估渗透系数的空间分布。基于理想算例,验证了该同化框架刻画含水层非均质渗透系数场的有效性,并针对不同初始参数信息与观测类型对比了耦合与非耦合水文地球物理方法的适用性。研究结果表明:基于集合卡尔曼滤波方法同化多种类型的观测数据,可有效地推估非均质参数空间分布。当初始信息较准确时,耦合方法的参数推估精度更高;初始信息存在偏差时,非耦合方法有更好的同化效果。由于非耦合方法计算成本较低且对初始信息缺失时适用性更强,在实际应用中可先基于非耦合方法初步估计参数,再利用耦合方法进一步提高参数推估精度。融合多种类型观测数据可有效提高参数推估效果。     

海河流域不同下垫面土壤水分动态模拟研究

针对海河流域不同的下垫面类型,选取密云(果园林地)、大兴(城郊农田)、馆陶(平原农田)3个观测站,建立垂直方向上以含水率θ为因变量、含根系吸水项的非饱和土壤水分运动数值计算模型。该模型以一维Richards方程为基础(以下简称RE模型),采用实测的降水和蒸散数据作为模型的上边界条件,运用全隐式有限差分法,分别对不同生长期内的土壤水分进行数值模拟,得到时间序列的土壤水分廓线,并分别采用成熟软件HYDRUS-1D的模拟结果和各观测站实测土壤水分对RE模型进行交叉验证和直接验证。结果表明RE模型能够很好地模拟海河流域不同下垫面土壤水分动态变化过程,3个站模拟结果与实测土壤水分数据的均方根误差(RMSE)分别为0.03127,0.0359和0.0409 cm3/cm3。与HYDRUS-1D软件模拟结果(其与观测值的RMSE分别为0.03759,0.0647和0.0467 cm3/cm3)相比,RE模型模拟的土壤水分具有更高的精度,也显示出RE模型的可靠性。探讨3个站土壤水分的时空变异规律及其影响因子并以大兴站为例,通过优化RE模型参数,探讨犁底层对土壤水分模拟结果的影响,进一步改善RE模型的模拟精度。     

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。