文档介绍
| 数据同化方法广泛应用于校准异质土壤的水力传导系数。水力传导系数精确程度直接影响着对土壤水分的估计精度。土壤水分是气象、水文、农业研究中的关键变量,它影响地表能量通量、水文循环、辐射平衡、物质迁移等。土壤水分的准确估计对于研究和理解陆面—大气间的能量—水文交换起着重要作用。本文将集合卡尔曼滤波算法分别应用于一维水文模型HYDRUS-1D及二维水分运移模型中,探讨基于集合卡尔曼滤波算法,同步优化两种模型的状态变量和土壤水力特性参数的同化方案。其中,一维土壤水分同化方案中,利用临泽国家农业综合试验站(位于中国西北干旱半干旱地区的黑河流域)的灌溉小麦生长期间土壤水分的监测数据来验证基于包气带水文模型的集合卡尔曼算法,并进一步将集合卡尔曼算法与启发式洗牌复形演化算法(SCE-UA)反演得到的包气带水力特性参数进行比较；二维同化方案中,利用COMSOL建模工具,建立水分运移模型,试验数据均为随机数据,与生成样本的初始数据(真值)进行比较。结果表明,我们发展的土壤水分数据同化方案在一维及二维模型中能够分别有效地利用集合预报得到状态变量和参数误差的统计特征,进而同步估计土壤水分状态变量和土壤水力特性参数。结果证明数据同化方案利用集合预报,融合即时的状态变量观测,可以实时地修正模型的模拟轨迹(修正模型参数和状态变量),使得预报变量精度提高。 |
文档标签:
其他
