LAI和FVC植被参数对VIC模型土壤含水量模拟的影响研究

植被参数是分布式水文模型的重要输入参量,对径流、土壤水分等水循环参数的模拟具有显著的影响。论文以西藏那曲为研究区,对比分析了MODIS遥感数据估算的叶面积指数(Leaf Area Index,LAI)、植被覆盖指数(Fractional vegetation cover,FVC)两种动态植被参数对VIC水文模型模拟表层土壤含水量(0~15 cm)的精度影响。结果表明,与使用静态植被参数相比,基于MODIS的动态LAI及FVC驱动的VIC模型模拟的表层土壤含水量的精度显著提高,且冰冻期的改善尤为明显,偏差Bias从0.101 cm~3·cm~(-3)下降至0.032 cm~3·cm~(-3),均方根误差RMSE从0.135 cm~3·cm~(-3)下降至0.071 cm~3·cm~(-3),相关系数R从0.483上升至0.836。进一步分析表明,两种植被参数对VIC模型的表层土壤含水量模拟精度都有一定的影响,但FVC的影响更显著。     

基于集合卡尔曼滤波法的二维土壤水流状态变量和参数联合估计

集合卡尔曼滤波方法(EnKF)显式地考虑了模型输入、输出以及模型结构等因素的不确定性,近年来被广泛应用于水文模型参数估计研究中。本文基于EnKF方法开展二维土壤水流运动模型状态变量和参数联合估计研究,设计数值实验探究了在线源入渗条件下EnKF方法对粉壤土、壤土和砂壤土的饱和导水率和进气值参数的估计以及压力水头的同化效果,分析了观测点布置方式和观测点数量对同化效果的影响。研究结果表明,粉壤土条件下观测点垂向布置方式更好;壤土和砂壤土条件下,在0～30cm深土壤中水平向布置观测点可以得到较好的参数估计值。观测点水平向布置时应尽量靠近地表,同化系统可以有效地利用观测信息更新状态向量,参数更快地收敛于真值,但压力水头的同化效果仅限于一定深度的土壤。增加观测点数量可以有效地减小参数估计偏差,进而提高土壤剖面压力水头的预测精度。     

基于CCI资料与EnKF方法的单点土壤湿度同化

土壤湿度作为天气、农林业、水循环研究中重要的地球物理参数,对气候变化有重要影响。陆面数据同化发展较晚,研究集中在同化土壤/积雪的常规观测与遥感观测来提高土壤湿度廓线/雪水当量的估计精度。卫星遥感资料的同化是一个研究热点,同化遥感数据对提高土壤湿度估计精度有积极的作用。基于CLM4.0(Common Land Model 4.0)陆面过程模式,采用集合卡尔曼滤波(EnKF)同化方法,在美国内布拉斯加州地区的Clay Center、Red Cloud及Grand Island观测站点进行了3个单点同化实验,同化的观测数据是由CDF(Cumulative Distribution Function)技术匹配调整后的卫星遥感资料——CCI(Climate Change Initiative)数据,同化分析实验时间为2008年5月1日至2008年10月31日,利用站点实测数据对0~2cm土壤湿度的同化结果与间接受其同化影响10cm处的土壤湿度估计值进行了验证。结果表明:通过单点同化卫星遥感资料的方法可以提高表层土壤湿度的估计精度,并且受其同化影响,靠近同化层的土壤,其土壤湿度的估计精度也得到提高。     

红壤坡耕地不同整治方式对土壤水分物理性质的影响

土壤水分物理性质改善对于植物水分利用和土壤化学性质提升具有重要作用.以坡耕地为对照,旱作梯地、茶园地、次生草地和人工牧草地为研究对象,通过野外采样与室内实验相结合的方法,对土壤容重、饱和含水量、毛管含水量、非毛管含水量及田间持水量情况进行了研究,探讨坡耕地不同整治方式对土壤水分物理性质的影响.结果表明,各整治方式下随着土层深度的增加,土壤容重均显著增大,而次生草地显著下降,0~10 cm土层土壤容重依次是人工牧草地(0.98 g/cm3)坡耕地(1.09 g/cm3)旱作梯地(1.19 g/cm3)茶园地(1.22 g/cm3)次生草地(1.38 g/cm3);0~10 cm土层土壤饱和含水量大小顺序为次生草地(30.84%)旱作梯地(37.54%)茶园地(41.69%)坡耕地(45.40%)人工牧草地(55.08%);次生草地和坡耕地的土壤毛管含水量均随着土层增加而增加,人工牧草地、旱作梯田和茶园地则随土层深度增加而减少,表层土壤中,毛管含水量差异较小,其值分别在25.83%~21.61%、4.25%~7.38%之间波动,相互之间大体不显著;人工牧草地、坡耕地、旱作梯田和茶园非毛管含水量随土层增加而减少,次生草地则增加,0~10 cm土层中人工牧草地土壤非毛管含水量为24.02%,明显高于次生草地(3.07%)、坡耕地(11.57%)、旱作梯田(10.80%)和茶园地(10.33%);不同整治方式土壤田间持水量变化趋势与土壤毛管含水量相同,其中0~10 cm土层以人工牧草地田间持水量最大,为30.82%.不同整治方式对土壤水分物理性质影响有显著差异性,人工牧草地土壤水分物理结构最好,因此,对红壤坡耕地不同整治方式土壤水分物理性质的研究,有利于探索坡耕地整治技术,以及如何对土地进行合理配置与利用.     

基于EnKS和SWAT模型的闽江流域径流数据同化

地表水文过程中观测变量对状态变量的响应存在时间滞后性,为提高径流数据同化的精度,以闽江流域为研究区,基于集合卡尔曼平滑器（EnKS）和SWAT模型,构建径流数据同化方案,并与集合卡尔曼滤波（EnKF）方法进行对比,评价不同同化模型的精度,分析数据同化对不同径流分量的影响。结果表明：EnKS最优时间窗口长度在不同水文周期、流域存在差异;考虑水文模型的时间滞后性可以有效提高模型的同化精度,对比EnKF方法,EnKS方法的纳什效率系数(NSE)在七里街、沙县、竹岐3个站点上分别提升了0.03、0.12、0.03,均方根误差(RMSE)分别减小了7.43%、26.81%、4.25%;数据同化方法对不同径流分量的改进程度存在空间异质性和时间异质性,在高渗透率土壤和陡坡区域EnKS方法能使壤中流获得更显著的改进,丰水期EnKS方法对地表径流的改进较枯水期更明显。     

基于 EnKF 的新安江模型参数和变量同步估计方法

数据同化方法可提高数值预报的时效性和准确性,且该方法已在水文领域得到应用,并得到快速发展。为了提高新安江模型径流模拟预报精度,采用集合卡尔曼滤波方法同化径流数据,对参数和状态变量进行同步校正估计。通过对三水源新安江模型进行理想条件下的数值实验,在同时考虑模型自身、模型参数以及观测数据的不确定性的情况下,分析了参数均值和方差改变、集合大小、同化参数的敏感性以及相关性分析对同化过程的影响。结果表明:集合卡尔曼滤波算法具有可行性,且参数均值越接近真值、方差适当增加,集合大小适中,同化参数敏感性较低以及参数与变量间相互独立时,能在一定程度上增加径流同化精度。该研究可为同类型参数同化估计提供一定参考依据。     

基于Bayes理论的田间层状土壤水分运动参数识别及不确定性分析

土壤水分运动参数是非饱和带水分及污染物运移研究的核心参数,根据点尺度土壤样本的室内稳态试验得到的水分运动参数往往不能准确反映天然条件下田间尺度土壤水分运动特征。本文基于为时2年的田间土壤含水量观测数据(2013年为率定期,2014年为验证期),通过土壤转换函数得到了VGM(van Genuchten-Mualem)模型水力参数的先验分布,建立了反演层状土壤持水和导水特征的贝叶斯模型,采用自适应差分演化(DREAMZS)的采样方法,结合Hydrus_1d模型,对田间尺度土壤水分含量预测模型进行优化及不确定性分析,获得了水分特征参数的后验分布,分析了最优参数组的模拟效果及模型预测的95%的置信区间。结果表明,基于DREAMZS采样的Bayes方法可以实现田间尺度层状土壤水分特征参数的率定及土壤水分动态的模拟预测。率定结果显示饱和导水率Ks最不敏感,饱和含水量θs最为敏感,可识别性较高,室内试验反演得到θs可用于田间土壤水分运动的模拟。随着土壤含水量模拟深度的增加,PUCI(单位平均相对宽度所包含的实测点数据比例)值越大,模型预测的性能越高。模拟结果的不确定性主要由模型结构所引起,所以对模型结构的修改完善是未来提高模型预测的关键。     

基于Excel+VBA技术条件的土壤含水量预测模型

土壤含水量是表述土壤干湿程度,反映农作物水分状况的重要物理参数,是农牧业生产条件中一项关键指标。土壤含水量预测能够反映某一阶段农业干旱程度和旱情发展趋势,为综合评价干旱程度、为各级领导和政府部门指挥抗旱减灾提供决策性依据。提出了以前期土壤含水量、降水、风速等实测信息源为影响因子,以Excel加VBA编程为技术平台,创建土壤含水量多源信息人工神经网络预测模型。实验结果表明,该模型预测精度较高,创建方法简单,直观易懂,操作简便,有推广价值。     

遥感Penman-Monteith模型中土壤含水量与土壤蒸发的关系

土壤含水量是影响土壤蒸发的重要因素,分析土壤含水量变化对土壤蒸发的影响,对水资源管理有积极作用。遥感Penman-Monteith(P-M)模型是利用遥感手段进行蒸散发模拟的重要方法,且能分别对土壤蒸发和植被散发进行计算。利用遥感P-M模型对望都站的蒸散发进行模拟,并结合地表土壤含水量数据分析了土壤含水量变化对模型参数及土壤蒸发的影响。结果表明:(1)遥感P-M模型对望都站蒸散发取得较好效果,纳什效率系数(NSE)为0.559;(2)土壤含水量变化与遥感P-M模型的土壤蒸发系数间具有不确定性;(3)在本研究的模拟期内,与植被散发相比,土壤含水量变化与土壤蒸发间的一致性更强。     

基于数据同化校正参数的河流磷迁移估计研究

通过磷迁移数学模型合理估计磷在河流中的时空分布,对防治水体富营养化,抑制水华暴发具有重要的科学和工程意义。数据同化方法可以将模型和观测两种研究手段有机地结合起来,将观测数据融入模型,优化模型状态变量,校正模型参数,进而提高数学模型的模拟预报精度,并依托物联网技术将传统数学模型发展为实时数学模型。本文将粒子滤波数据同化算法引入到水动力-泥沙-磷迁移模型中,以实测的断面磷含量作为观测数据,在观测时刻优化磷含量估计结果,同时校正模型参数磷相平衡分配系数Kd,构建了水动力-泥沙-磷迁移模型同化系统。将其应用于长江上游寸滩至坝前河段的计算结果表明,所构建的同化系统在真实的河流中计算效果良好,可以有效地优化更新状态变量各相磷含量浓度,并反演出模型参数Kd随水沙水环境条件变化的动态变化过程,同化之后模型模拟预报磷输移过程的精度显著提升,为水质实时模型打下基础。