削減分散式水文模擬不確定性的多源數據同化方法

《削減分散式水文模擬不確定性的多源數據同化方法》是依託北京師範大學,由謝先紅擔任項目負責人的青年科學基金項目。

基本介紹

  • 中文名:削減分散式水文模擬不確定性的多源數據同化方法
  • 依託單位:北京師範大學
  • 項目負責人:謝先紅
  • 項目類別:青年科學基金項目
項目摘要,結題摘要,

項目摘要

針對分散式水文模擬中存在大量的不確定性,而多源觀測數據又沒有被有效利用等問題,開展削減分散式水文模擬預測不確定性的多源數據同化方法研究。採用數學建模分析和實際流域水文實驗數據驗證相結合的技術手段,重點研究如下內容:通過耦合調用具有一定物理機制的分散式模型,將模型中大數量的參數集進行分解,實時引入觀測數據,探討模型參數和變數同步校正的同化方法;設定模型參數、模型結構和輸入不同量級的不確定性,研究它們對水文模擬預測的影響,分析各項不確定性在數據同化過程中的傳遞和衰減特性;選擇適合於遙感數據的觀測運算元,將原位觀測數據和遙感數據組合,評估多源組合數據同化對水文模擬結果不確定性的削減效果。從而建立理論正確、實際套用可行的多源數據同化分析框架,明確各項不確定性在數值模擬中的演化過程。研究成果將為水文模擬與遙感技術的結合提供新的思路,為提高分散式水文模擬預測精度和在變化環境下套用的適應性奠定理論基礎。

結題摘要

分散式水文模擬中存在大量的不確定性,而多源觀測數據並沒有被有效利用與水文模擬中,因此我們開展削減分散式水文模擬預測不確定性的多源數據同化方法研究。重點研究內容如下:通過耦合調用具有一定物理機制的分散式模型,將模型中大數量的參數集進行分解,實時引入觀測數據,發展模型參數和變數同步校正的同化方法;設定模型參數、模型結構和輸入不同量級的不確定性,研究它們對水文模擬預測的影響;探討了數據同化方法在無資料區水文預報中的作用和功效,並發展了大尺度水文-泥沙運移模型。研究結果表明,我們發展的參數集分解算法PU_EnKF可以緊密耦合在分布水文模型中,實現模型參數和狀態變數的同步更新校正;簡單的經驗因子法可以量化各項不確定性而且PU_EnKF方法可以提高無資料區水文預報精度;我們發展的水文-泥沙模型VIC-Sed可以在區域尺度上反映土壤侵蝕過程,並可以和同化方法耦合套用。研究成果為水文模擬與多源數據的結合提供了新的思路,並提高了分散式水文模擬預測精度和在變化環境下套用的穩健性。

相關詞條

熱門詞條

聯絡我們