基于云参数干旱遥感监测模型与集合卡尔曼滤波的土壤湿度同化研究

【摘要】：自然灾害是人类难以回避的生存挑战,其中的干旱灾害更给国家经济、社会发展以及人民生产生活带来严重的威胁和危害。获取准确的土壤含水信息对于揭示真实的干旱状况意义重大,现有的方法与技术虽然各有其优势,但仍存在一定的问题：①遥感手段具有大范围监测、时效性好的特点,但由于获取的地表信息量有限,其对旱情的监测精度有待提高,同时,遥感模型是基于面元观测数据而建立,难以在纵深方向上模拟土壤含水状况：②数据同化所依赖的陆面模型能够从理化角度实现对纵深方向上土壤含水状况的模拟,但模型对地表过程的参数化尚不完善,导致模型结构庞杂、专题性差,对土壤水分的估算精度不高；③实测法能够直接获取最为客观的土壤含水信息,但限于观测站点的稀疏和观测时间的不连续,数据量十分匮乏,难以满足多方面的研究需求,且基于点元观测的数据在时空上的代表性较差,则实测数据的应用能力更为有限。针对以上问题,面向干旱监测这一根本目标,研究云参数干旱遥感监测模型与土壤湿度实测数据的同化,对于准确估算土壤湿度,实现多方式、多源数据集成的高精度干旱监测及预测预报有着重要的现实意义。 本文主要研究内容和工作包括：①对土壤含水量获取方法的国内外研究现状进行了较为全面的总结,分析了该领域目前存在的问题和不足；②对土壤水的概念与定量表达方式、气态损失的影响因素及其在地-气水分与能量循环中的作用特点等进行了深入的分析和全面的总结；③针对云参数干旱遥感监测模型与土壤湿度实测数据的同化问题,进行了集合卡尔曼滤波同化方法的参数率定研究,研究了集合数、模型误差以及观测误差等参数对同化的影响；进而构建了同化系统的总体框架并给出相应的同化实现算法；④针对同化中的土壤湿度实测数据为点观测的问题,为获取区域化的土壤湿度观测场以实现其与遥感模型的同化,基于普通克里金空间插值方法,分析了土壤湿度的空间变异性和正态分布特点,进行了土壤湿度变异函数的参数率定研究,研究了模型、变程值以及块金值等参数对插值的影响；⑤针对非观测时段无土壤湿度实测数据的问题,进行了基于气象要素的土壤湿度BP神经网络估算研究,首先分析了气象要素的特点和使用方式并基于主成分分析进行了特征气象要素的提取,进而进行了神经网络的构建研究,提出了随机与分层结合的网络训练样本抽取方式,研究了训练函数、气象要素使用方式、网络隐层等对估算的影响；⑥以甘肃省为研究区域,基于2008年的MODIS遥感数据、农业旬月报资料以及地面气象观测资料进行了土壤湿度普通克里金空间插值、BP神经网络估算以及同化的集中实验,分别设计了相应的实验方案,对实验结果进行了分析和验证。 本文的创新之处体现在： (1)通过对土壤湿度变异函数的参数率定研究,实现了土壤湿度单点实测值向大范围空间区域的估计值扩展,为同化提供了有效的观测场； (2)提出基于特征气象要素的土壤湿度BP神经网络估算方法,实现了对非观测时段土壤湿度数据的补充； (3)构建了基于集合卡尔曼滤波的同化模型,实现了遥感模型与实测数据的同化,有效提高了土壤湿度的估计精度。 通过本文的研究,可以得到以下结论： (1)同化能够实现云参数干旱遥感监测模型与土壤湿度实测数据的统一和优势互补,一方面实测数据在空间上的连续过渡特性得到了很好地保留,且以其为中心的局部极值区在同化后得到了很好的改善,另一方面地形地貌特征也借由遥感模型在同化结果中得到了良好的体现；同化遥感模型与多源地面观测数据以获取可靠的土壤湿度估计值在干旱监测的应用方面具有很大的发展潜力； (2)区域性的土壤湿度观测场是实现同化的必要条件,从地统计分析的角度,可将土壤湿度作为典型的区域化变量,实验结果表明,利用普通克里金插值能够很好地实现土壤湿度的空间插值,可获取区域上连续的、较为准确的土壤湿度估计值； (3)土壤湿度实测数据的匮乏是难以克服的现实障碍,给同化带来困难,通过分析土壤湿度在地-气水分与能量循环中的作用特点,可知其与多个气象要素存在一定的作用关系,实验结果表明,通过构建合理的BP神经网络能够很好地模拟气象要素与土壤湿度之间函数关系,可获得较为准确的土壤湿度估计值,从而在非观测时段实现了对土壤湿度资料的有效补充。