基于集合卡尔曼平滑算法的土壤水分同化.pdf

第２６卷 第２期 水 科 学 进 展 Ｖｏｌ．２６，Ｎｏ．２ ２０１５年３月　 　 ＡＤＶＡＮＣＥＳ ＩＮ ＷＡＴＥＲ ＳＣＩＥＮＣＥ Ｍａｒ．，２０１５ ＤＯＩ： １０１４０４２／ ｊｃｎｋｉ３２１３０９２０１５０２０１２ 基于集合卡尔曼平滑算法的土壤水分同化 １，２ ２ １ 褚　 楠 ， 黄春林 ， 杜培军 （１． 中国矿业大学环境与测绘学院， 江苏 徐州　 ２２１１１６； ２ 中国科学院寒区旱区环境与工程研究所甘肃省遥感重点实验室， 甘肃 兰州　 ７３００００） 摘要： 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。 关键词： 土壤水分； 数据同化； 集合卡尔曼滤波； 集合卡尔曼平滑； 土壤质地； 土壤有机质 中图分类号： ＴＶ１２２　 　 　 文献标志码： Ａ　 　 　 文章编号： １００１⁃６７９１（２０１５）０２⁃０２４３⁃０７ ［１］ 作为陆面影响大气的一个重要因子， 土壤水分对地表蒸发、 径流、 感热和潜热的分配均有影响 。 是 ［２］ 水文和气象学研究中的一个关键变量， 在水循环中扮演着重要角色 。 特别是在干旱和半干旱区， 根区土 ［３⁃５］ 壤水分对作物生长、 植被恢复和水土流失过程均具有重要影响 。 因此土壤水分的精确估计是陆面过程模 ［６］ 型和水文模型研究中的一个关键环节， 对于研究和理解地表生物物理过程有着重要作用 。 目前数据同化成为提高土壤水分估计精度的主要方法之一。 可将观测数据融合到模型中， 以此修正模型 的运行轨迹， 提高状态变量预报值的精度。 由于集合卡尔曼平滑 （Ｅｎｓｅｍｂｌｅ Ｋａｌｍａｎ Ｓｍｏｏｔｈ，ＥｎＫＳ） 避免了 ［７］ ［６］ 切线性算子和伴随方程的使用 ， 所以被广泛应用到土壤水分数据同化的研究中。 黄春林和李新 将ＥｎＫＦ 与简单生物圈模型相结合， 对土壤水分同化系统的敏感性进行了研究， 指出利用数据同化的方法可提高土壤 ［６］ ［８］