非饱和土壤水的集合卡尔曼滤波Ⅰ:状态向量与非饱和流算法的选择

土壤水运动是水分循环中的基本过程,但土壤水预测面临着参数获取难、预测精度差等挑战。数据同化技术为土壤水参数估计和精确预报提供了一种新的方法。本文建立了基于3种不同非饱和水流求解方法的集合卡尔曼滤波(En KF)算法,针对状态向量的选择和正演模型的选择两个问题,研究了非饱和土壤水En KF的计算性能。研究结果表明:对于非线性非饱和水流问题,同时更新水头和参数比仅仅更新水头能够取得更好的预测效果,特别是当多参数未知时;En KF本质上是Monte Carlo方法,极端样本容易导致Picard-h和Picard-mix算法的崩溃,因此传统的HYDRUS程序与复杂非饱和土壤水的数据同化兼容性不佳;当同时同化水头和参数时,如果极端的样本值能够快速得以更新,Picard-h和Picard-mix算法在数据同化模拟中的适用性能得以提升;但由于观测信息对参数的校正能力取决于特定的问题和条件,Ross算法是执行非饱和土壤水数据同化模拟的更好选择。