基于扩展卡尔曼滤波和自动微分技术对陆面数据同化系统参数的快速估计及其影响 |
| |
作者姓名: | 田佳鑫 卢麾 阳坤 秦军 赵龙 周建宏 姜尧志 马小刚 |
| |
作者单位: | 1. 清华大学地球系统科学系,地球系统数值模拟教育部重点实验室,清华大学全球变化研究院;2. 清华大学-西安市勘察测绘院新型智能测绘联合研究中心;3. 中国科学院青藏高原研究所,青藏高原地球系统与资源环境国家重点实验室,国家青藏高原科学数据中心;4. 中国科学院地理科学与资源研究所,资源与环境信息系统国家重点实验室;5. 西南大学地理科学学院,重庆金佛山喀斯特生态系统国家野外科学观测研究站 |
| |
基金项目: | 国家重点研发计划项目(编号:2022YFC3002901);;国家自然科学基金项目(批准号:42271491); |
| |
摘 要: | 土壤水分在干旱监测、洪水预报和水资源管理中发挥着重要作用.数据同化方法能结合模型和遥感的优势,生产高精度、时空连续的土壤水分数据.目前,陆面数据同化面临的主要难题之一是模型和观测误差的准确估计.为此,我们前面提出了双循环同化算法,实现了模型和观测误差、模型算子和观测算子参数的同时估计.由于该算法需要设置较大的集合个数才能实现稳定的参数估计,导致参数估计效率低,限制了其在大范围陆面同化系统中的应用.为此,本研究通过:(1)采用二元数自动微分方法计算陆面过程模型(LSM)的雅可比矩阵以替代获取复杂的LSM的切线性模型;(2)采用扩展卡尔曼滤波(EKF)框架替代集合卡尔曼滤波框架,提高了双循环算法的参数估计效率.在模型积分步长为1h和参数优化窗口为90天的条件下,改进后的双循环算法参数优化效率提高近60倍.为检验双循环算法在区域尺度陆面数据同化中的效果,我们在青藏高原区域同化SMAP土壤水分产品,并利用四个不同地理气候环境下的土壤水分观测网数据验证同化结果.结果显示,在青藏高原区域,相较于基于默认参数的模型模拟结果,基于EKF改进的双循环同化算法能够校正模型参数和观测的偏差,估计的土壤水分精...
|
关 键 词: | 土壤水分 数据同化 参数校正 偏差校正 误差估计 自动微分 |
|
|