为有效解决粒子滤波中粒子退化和贫化问题,实验将遗传算法耦合到粒子滤波中用于对粒子进行重采样,发展了基于遗传粒子滤波的积雪数据同化方案。以Noah-MP模型默认组合方案为模型算子搭建了积雪数据同化系统,分别在真实和合成同化试验情景下比较了集合卡尔曼滤波和粒子滤波的同化性能、不同重采样方法对粒子滤波同化性能的影响,探讨了遗传粒子滤波作为积雪数据同化方法的可行性。在理想试验情景中,遗传粒子滤波的整体同化性能次于系统重采样粒子滤波,但明显好于多项式重采样粒子滤波,并且遗传粒子滤波能够在积雪融化较快的阶段,更有效地利用观测信息对模型进行校正,在积雪消融期表现出了较好的同化性能。在真实试验情景中,遗传粒子滤波的同化性能明显好于采用其他重采样算法粒子滤波的同化性能。此外,两种同化情景的试验结果均表明粒子滤波的同化性能明显好于集合卡尔曼滤波。将遗传粒子滤波作为积雪数据同化方案是可行、有效的。
为有效解决粒子滤波中粒子退化和贫化问题,实验将遗传算法耦合到粒子滤波中用于对粒子进行重采样,发展了基于遗传粒子滤波的积雪数据同化方案。以Noah-MP模型默认组合方案为模型算子搭建了积雪数据同化系统,分别在真实和合成同化试验情景下比较了集合卡尔曼滤波和粒子滤波的同化性能、不同重采样方法对粒子滤波同化性能的影响,探讨了遗传粒子滤波作为积雪数据同化方法的可行性。在理想试验情景中,遗传粒子滤波的整体同化性能次于系统重采样粒子滤波,但明显好于多项式重采样粒子滤波,并且遗传粒子滤波能够在积雪融化较快的阶段,更有效地利用观测信息对模型进行校正,在积雪消融期表现出了较好的同化性能。在真实试验情景中,遗传粒子滤波的同化性能明显好于采用其他重采样算法粒子滤波的同化性能。此外,两种同化情景的试验结果均表明粒子滤波的同化性能明显好于集合卡尔曼滤波。将遗传粒子滤波作为积雪数据同化方案是可行、有效的。
为研究不同陆面模式对中国区域土壤温度的模拟效果，基于中国气象局陆面数据同化系统（CMA Land Data Assimilation System, CLDAS）大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟（简称：CLDAS＿Noah和CLDAS＿Noah-MP试验），使用2010—2018年中国气象局2380个土壤温度观测站点10和40 cm观测数据以及美国全球陆面数据同化系统（The Global Land Data Assimilation System,GLDAS）驱动的Noah模式（GLDAS＿Noah试验）模拟的土壤温度结果，从空间分布、季节、分区等角度进行了评估，实现了不同驱动数据相同陆面模式和相同驱动数据不同陆面模式的对比分析。结果表明：GLDAS＿Noah、CLDAS＿Noah和CLDAS＿Noah-MP试验均能合理模拟出中国区域土壤温度空间分布，但在量级上有一定差异，主要表现在中国东北、新疆、青藏高原等积雪区。对于相同陆面模式不同驱动数据，均方根误差显示CLDAS＿Noah试验在季节与分区上均优于GLDAS＿Noah试验，间接表明C...
为研究不同陆面模式对中国区域土壤温度的模拟效果，基于中国气象局陆面数据同化系统（CMA Land Data Assimilation System, CLDAS）大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟（简称：CLDAS＿Noah和CLDAS＿Noah-MP试验），使用2010—2018年中国气象局2380个土壤温度观测站点10和40 cm观测数据以及美国全球陆面数据同化系统（The Global Land Data Assimilation System,GLDAS）驱动的Noah模式（GLDAS＿Noah试验）模拟的土壤温度结果，从空间分布、季节、分区等角度进行了评估，实现了不同驱动数据相同陆面模式和相同驱动数据不同陆面模式的对比分析。结果表明：GLDAS＿Noah、CLDAS＿Noah和CLDAS＿Noah-MP试验均能合理模拟出中国区域土壤温度空间分布，但在量级上有一定差异，主要表现在中国东北、新疆、青藏高原等积雪区。对于相同陆面模式不同驱动数据，均方根误差显示CLDAS＿Noah试验在季节与分区上均优于GLDAS＿Noah试验，间接表明C...
白山水库流域是季节性积雪区,融雪径流是主要春季径流,掌握水库春季融雪径流规律对于水库调度、春汛防控等有着至关重要作用。雪水当量反映了积雪的物质和能量信息,能定量表征固态降水量,对于融雪径流模拟具有重要意义。本文以白山水库流域的积雪遥感数据同化为核心技术,对欧航局和NASA雪水当量产品进行时空优化插值同化,改善了雪水当量产品在研究区内的像元和时段缺失问题,建立了较高质量的长时间序列雪水当量数据集;识别白山水库流域积雪期为11月中下旬至翌年4月中下旬,多年平均积雪时间为133天;基于雪水当量数据同化结果,建立1981—2010年雪水当量与融雪期径流量的相关关系,确定融雪径流系数为0.55;采用融雪径流系数对2011—2016年融雪径流总量进行模拟,模拟结果合格率在66.67%,模拟效果较好。
白山水库流域是季节性积雪区,融雪径流是主要春季径流,掌握水库春季融雪径流规律对于水库调度、春汛防控等有着至关重要作用。雪水当量反映了积雪的物质和能量信息,能定量表征固态降水量,对于融雪径流模拟具有重要意义。本文以白山水库流域的积雪遥感数据同化为核心技术,对欧航局和NASA雪水当量产品进行时空优化插值同化,改善了雪水当量产品在研究区内的像元和时段缺失问题,建立了较高质量的长时间序列雪水当量数据集;识别白山水库流域积雪期为11月中下旬至翌年4月中下旬,多年平均积雪时间为133天;基于雪水当量数据同化结果,建立1981—2010年雪水当量与融雪期径流量的相关关系,确定融雪径流系数为0.55;采用融雪径流系数对2011—2016年融雪径流总量进行模拟,模拟结果合格率在66.67%,模拟效果较好。
以考虑了土壤冻融过程的一维水-热-盐分耦合模型SHAW为冻土活动层数据同化系统的动力学约束框架,通过集合卡尔曼滤波算法同化土壤水分和温度的站点观测数据以及被动微波辐射计SSM/I19GHz亮温观测数据,以改善冻土活动层水热状态变量的估计精度,实现模型模拟和观测信息的融合.冬季活动层冻结,同化的关键变量为土壤温度;而夏季同化的关键变量为土壤水分.通过单点同化试验表明,该同化系统能显著改善土壤表层水分和温度的估计精度;同时,在同化过程中给定合理的模型误差协方差项,可将表层优化后的信息迅速传递给深层土壤,达到改善整个土壤廓线状态变量估计的目的.同化结果表明,相对于SHAW模拟结果,同化4cm土壤温度观测后,各层土壤温度RMSE平均减小0.96℃,而同化4cm土壤水分观测数据后,各层土壤水分RMSE平均减小0.020m3·m?3;同化SSM/I19GHz亮温后,各层土壤温度RMSE平均减小0.76℃,各层土壤水分RMSE平均减小0.018m3·m?3.