白丝美女被狂躁免费视频网站,500av导航大全精品,yw.193.cnc爆乳尤物未满,97se亚洲综合色区,аⅴ天堂中文在线网官网

首頁 / 專利庫 / 地球科學(xué) / 地表徑流 / 流域尺度土壤濕度遙感數(shù)據(jù)同化方法

流域尺度土壤濕度遙感數(shù)據(jù)同化方法

閱讀:872發(fā)布:2021-03-17

專利匯可以提供流域尺度土壤濕度遙感數(shù)據(jù)同化方法專利檢索,專利查詢,專利分析的服務(wù)。并且本 發(fā)明 提供了流域尺度 土壤 濕度遙感數(shù)據(jù)同化方法。其步驟為:首先改進流域產(chǎn)流計算模 塊 ,發(fā)展了一個適合同化遙感土壤濕度信息的具有土壤 水 動 力 學(xué)過程描述的分布式水文模型;然后引入來源于信息科學(xué)的粒子濾波順序數(shù)據(jù)同化的方法,在分布式水文過程數(shù)值模擬的動態(tài)運行過程中不斷融合、同化新的遙感觀測數(shù)據(jù),順序同化中得到更新的流域土壤濕度同化數(shù)據(jù),將其反饋至分布式水文模型平臺中,逐步估計流域土壤水分含量在時間和空間上的分布格局。實踐證明本發(fā)明不但能夠為水文、生態(tài)、環(huán)境和農(nóng)業(yè)研究提供高 精度 的具有物理一致性的流域土壤濕度數(shù)據(jù)集,亦為利用遙感反演得到的土壤表層土壤濕度數(shù)據(jù)進行四維數(shù)據(jù)同化處理,提高模型的精度奠定了 基礎(chǔ) 。,下面是流域尺度土壤濕度遙感數(shù)據(jù)同化方法專利的具體信息內(nèi)容。

1.一種流域尺度土壤濕度遙感數(shù)據(jù)同化方法,其步驟為:
A)數(shù)據(jù)準(zhǔn)備;
B)土壤濕度反演;
C)分布式文模型同化平臺構(gòu)建;
D)流域尺度土壤濕度同化。
2.根據(jù)權(quán)利要求1所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法,其特征在于步驟A)中,所述數(shù)據(jù)準(zhǔn)備包括水文、氣象數(shù)據(jù),DEM數(shù)據(jù),植被、土壤參數(shù)庫,流域土地利用/覆被和土壤類型下墊面參數(shù)數(shù)據(jù),衛(wèi)星影像數(shù)據(jù)以及逐日徑流和土壤濕度實測數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法,其特征在于步驟B)中使用MODIS遙感和主動微波ASAR遙感構(gòu)建同化的觀測算子。
4.根據(jù)權(quán)利要求3所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法,MODIS遙感使用的溫度植被干旱指數(shù)TVDI由以下公式給出:
LST為地表溫度;LSTmin為相同NDVI值的最小地表溫度,對應(yīng)的是LST-NDVI特征空間的濕邊;LSTmax為相同NDVI值的最大地表溫度,對應(yīng)的是LST-NDVI特征空間的干邊。
5.根據(jù)權(quán)利要求3或4所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法,ASAR遙感反演需要的使用以下方法和公式:
ASAR數(shù)據(jù)預(yù)處理
輻射校正
對于ENVISAT ASAR數(shù)據(jù),影像DN值和后向散射系數(shù)之間的關(guān)系式如下
0
其中σ 是線性單位的雷達后向散射系數(shù),值域在0~1之間,k是外部校正參數(shù),可以從ASAR影像的頭文件中得到,θ是空間分布的入射;分析數(shù)據(jù)時常用以分貝為單位的
0 0
σ,因此需要對上式得到以線性單位表示的σ 進行對數(shù)轉(zhuǎn)換,
0 0
σ(dB)=10[log(σ)]
幾何校正
需要對獲取的屬于一級產(chǎn)品的ASAR影像進行幾何校正,這主要分為兩個步驟,首先是幾何粗校正,其次是與數(shù)字高程DEM影像數(shù)據(jù)匹配的幾何精確校正;
ESA的雷達處理影像工具NEST軟件提供了ASAR影像的幾何校正功能,在利用該工具對ASAR數(shù)據(jù)進行粗校正之后,進一步通過與DEM的比對,以DEM為基準(zhǔn)影像,進行圖像對圖像的精確校準(zhǔn),如此循環(huán)后將所有的ASAR數(shù)據(jù)統(tǒng)一的精確訂正到DEM的坐標(biāo)系下;
光斑濾波
光斑噪聲在圖像上看起來類似于椒鹽狀分布,使圖像的可解譯性變差;有效的降低噪聲對于計算雷達影像的后向散射系數(shù)十分關(guān)鍵,目前去除噪聲的方法主要有多視方法和空間濾波方法;
詳細的ASAR數(shù)據(jù)濕度估算方法如下:
散射系數(shù)歸一化
IEM輻射傳輸模型的數(shù)值模擬試驗也驗證了這一關(guān)系的存在,地表后向散射與入射角關(guān)系可以用下式表達,
0
σ =pθ+q
此處,θ表示入射角,p、q是與土地覆蓋有關(guān)的經(jīng)驗參數(shù),具體數(shù)值可由Loew etal.中查到;盡管每一景ASAR WS模式影像的入射角各不相同,同一景影像中的不同區(qū)域入射角變化范圍也較大,可通過下面公式,將所有影像的后向散射系數(shù)歸一化至參考的入射角θ0,此處θ0為ERS的入射角度值23度,具體的歸一化方法如下,
0
其中,σ 為圖像原始后向散射系數(shù), 為歸一化后的圖像后向散射系數(shù);
反演參數(shù)
中利用上一步歸一化后處理得到的ASAR后向散射,結(jié)合下式可以得到土壤的介電常數(shù),最終反演得到表層的土壤濕度值,
0 0 2
∈r=a+bσ+c(σ)
其中∈r為介電常數(shù),a、b、c為經(jīng)驗參數(shù),與土地覆蓋類型相關(guān),介電模型
2
∈r=(a0+a1S+a2C)+(b0+b1S+b2C)mv+(c0+c1S+c2C)mv
其中,mv是需要計算的體積含水量,S和C是土壤的砂粒和粘粒的重量百分比,即土壤質(zhì)地參數(shù),可以由我們建立的流域土壤物理參數(shù)庫得到,ai,bi和ci是模型的經(jīng)驗常數(shù),已由文獻給出;
基于上述模型,利用獲取的流域土壤介電常數(shù)圖像和已有的土壤質(zhì)地參數(shù),通過迭代計算方法(誤差閾值為0.01)逐柵格推求得到最終的ASAR遙感數(shù)據(jù)的表層土壤濕度估算結(jié)果。
6.根據(jù)權(quán)利要求3或4所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法,水文過程概化方法如下:
林冠截留量計算公式如下:
其中Cm為冠層截留能,k為降雨截留系數(shù),P為降雨量(mm),T為降雨歷時(hr),ew為林冠蒸發(fā)率,因此ew·T表示樹冠蒸發(fā)以及樹干蒸發(fā)之和;
冠層截留能力Cm采用Von Hoyningen-Huene所提出的方法計算:
2
Cm=Cp·(0.935+0.498·LAI-0.00575·LAI)
其中Cp為植被蓋度,LAI為格點單元平均的逐日葉面積指數(shù)
降雨截留系數(shù)k是植被葉面積指數(shù)的函數(shù),由下式給出:
k=0.046·LAI
林冠蒸發(fā)率ew與降雨初期的干燥程度和風(fēng)速等因素相關(guān),在無實測數(shù)據(jù)驗證時,通常取以下經(jīng)驗參數(shù):亞熱帶地區(qū)取0.031~0.047,溫帶濕潤、半濕潤地區(qū)取0.063~0.093,溫帶干旱、半干旱地區(qū)取0.170~0.200;
水量平衡計算公式如下:
P-Es-Et-G=Δw+Δc+R
其中,P是降水(包括降雨和降),Es是土壤表面蒸發(fā),Et是植物蒸騰,G是地下水出流,Δw是土壤水的增量,Δc是冠層截留,R是地表徑流;
土壤水分傳輸中涉及到不飽和土壤水通量定律Buckingham-Darcy方程和連續(xù)方 程,Buckingham-Darcy方程如下:
其中q是不飽和水流通量,h是土壤水基質(zhì)勢,K(h)是水力傳導(dǎo)度,z是垂直方向的深度;
連續(xù)方程如下:
基于垂向流的假設(shè),公式中的q由Buckingham-Darcy方程替換,求得解即為一維Richard’s方程表達式:
其中t是時間,θ是土壤體積含水量;
根系土壤水分提取,此土壤水含量計算中需考慮根系吸水作用,本模型將其作為S項添加到Richard’s方程中;本發(fā)明使用以下方法考慮不同土壤層的根系水分吸收作用:
其中S表示土壤根系吸水或者土壤表面蒸發(fā),由以下公式描述
其中i是模擬土壤層的序號(i≥2),對于第一層土壤(i=1),Si為表層土壤表面蒸發(fā),Eveg是植物的蒸騰,ri是土壤層中根系分布參數(shù),與植被類型有關(guān),wi是土壤水飽和系數(shù),當(dāng)濕度處于凋萎點時等于0,完全飽和時為1,由下式給出:
其中 是凋萎點的水勢,等于-1.5×105, 是飽和土壤水勢, 是土壤水基質(zhì)勢;
潛在蒸散發(fā),當(dāng)流域存在蒸散發(fā)觀測站時,潛在蒸散發(fā)計算由觀測數(shù)據(jù)插值得到;
當(dāng)流域無蒸散發(fā)的觀測時,利用氣象觀測數(shù)據(jù)根據(jù)Penman-Monteith公式計算得出, Penman-Monteith公式由下式給出:
其中E是蒸發(fā)量,λ是水汽潛熱,Δ是飽和水汽壓溫度曲線的斜率,A是凈輻射強度,ρa是濕空氣的密度,cp是常壓下的空氣汽化潛熱,D是水汽壓與飽和水汽壓的差值,ra 是空氣動力學(xué)阻力系數(shù),γ是干濕計常數(shù),rs是作物葉面的阻力系數(shù);
植物蒸騰,蒸騰量計算如下:
0<LAI≤3.0
LAI>3.0
其中Eveg是植物的蒸騰量,E是潛在蒸散發(fā)量,p是格點上的植被覆蓋率,LAI是格點上的逐日葉面積指數(shù);
植被覆蓋率p通過逐日葉面積指數(shù)LAI來計算,公式如下:
p=1-e-α·LAI
式中:α為地表太陽輻射消光系數(shù),缺省值為0.45;
土壤表明蒸發(fā),分別考慮土壤水分蒸發(fā)的兩個主要階段,即當(dāng)土壤水分供給充足,蒸發(fā)量較高且相對穩(wěn)定;當(dāng)土壤水分降低,土表蒸發(fā)隨著土壤水分含量呈非線性下降:
θ<fc
θ≥fc
其中Esoi是土壤表面蒸發(fā)量,E是潛在蒸散發(fā),dz是表層土壤的厚度(mm),θ是表層土壤的水分含量(體積含水率),fc是表層土壤的田間持水量(體積含水率),wp是表層土壤的凋萎系數(shù)(體積含水率);
地下水與不飽和土壤水交互,地下水的補給計算由以下公式給出:
其中Q是地下水補給量(mm/s),當(dāng)水流向下流向地下含水層時為正值,反之為負值, 是地下水位的深度, 是底層土壤水基質(zhì)勢,z bot是底層土壤的節(jié)點深度,K a是含水層的水力傳導(dǎo)度,由下式給出:
其中f是延時因子,用于水力傳導(dǎo)度的計算;
地下匯流,地下水運動是滲流水力學(xué)的問題,Boussinesq根據(jù)連續(xù)方程和達西定律,建立了飽和帶中的一維水平運動的微分方程,并對方程線性化得到了擴散方程,其解求得為:
Qt=Q0e-αt
式中,Q0是地下徑流初值,α是地下水的消退系數(shù),是固定的經(jīng)驗值,模型中設(shè)為
0.984,Qt為t時刻的地下徑流出流。
7.根據(jù)權(quán)利要求1和6所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法,需要進行流域水文過程模擬與驗證;
對結(jié)果的精度驗證采用如下五個統(tǒng)計指標(biāo)作為模型精度的評價標(biāo)準(zhǔn):平均偏差(MD)、均方根誤差(RMSE)、確定性系數(shù)(NE)、相關(guān)系數(shù)(R2)和平均絕對偏差(MAE);五個統(tǒng)計參數(shù)的表達式具體如下:
式中,Mi為模擬徑流量值,Oi為水文站觀測的徑流量值, 為觀測徑流量的均值, 為模擬徑流量的均值,n為時間序列的長度,需注意的是NE系數(shù)類似于R2,當(dāng)模擬完全吻合實測時NE系數(shù)等于1,但與相關(guān)系數(shù)不同的是NE系數(shù)值可以小于0;由于MAE和MD指標(biāo)的意義較為接近,而MD適合于反映水量平衡的整體模擬效果,因此在日徑流模擬精度評價中,主要采用前四個統(tǒng)計指標(biāo);MAE指標(biāo)將在土壤濕度的模擬精度評價中采用。
8.根據(jù)權(quán)利要求1所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法,粒子濾波算法的計算流程如下,a對模型的模擬得到的土壤濕度進行擾動,產(chǎn)生粒子群,即從q(xk|x0:k-1,z1:k)中隨機抽取N個有限樣本,N為粒子個數(shù);b在遙感數(shù)據(jù)的獲取時刻,使用遙感估算得到的土壤濕度結(jié)果,基于 計算對應(yīng)粒子的權(quán)重;c對粒子的權(quán)重作歸一化處理;d重采樣,利用重要性采樣SIR法對粒子權(quán)重進行重新采樣;e在權(quán)重采樣后,結(jié)合模型狀態(tài)的PDF逼近對模型狀態(tài)進行最后的更新計算,得到同化后的土壤濕度結(jié)果。

說明書全文

流域尺度土壤濕度遙感數(shù)據(jù)同化方法

技術(shù)領(lǐng)域

[0001] 本發(fā)明涉及一種遙感數(shù)據(jù)同化方法,更具體的說是流域尺度土壤濕度遙感數(shù)據(jù)同化方法。

背景技術(shù)

[0002] 土壤濕度狀況既是氣候資源系統(tǒng)演化的最終結(jié)果,同時自身對氣候和土壤植被大氣作用系統(tǒng)施加強烈反饋,深刻影響其未來變化。在水文水資源領(lǐng)域,獲取準(zhǔn)確的土壤水分空間分布,可作為水文模型的洪水模擬的土壤含水量初始值,提高洪水預(yù)報的精度。同時經(jīng)過校正的連續(xù)的精確土壤水分數(shù)據(jù),對于長期水文過程模擬,徑流預(yù)報和預(yù)測水資源的變化有潛在應(yīng)用價值。發(fā)展一個適合同化遙感土壤濕度信息的具有土壤水動學(xué)過程描述的分布式水文模型為模型算子,遙感反演表層土壤含水量為觀測算子,結(jié)合合適的同化算法發(fā)展的四維數(shù)據(jù)(4DDA)同化系統(tǒng)所獲取的具有物理一致性的高分辨率時、空土壤濕度數(shù)據(jù)集,在大氣科學(xué)、生態(tài)水文、環(huán)境、農(nóng)業(yè)等領(lǐng)域均有廣泛的應(yīng)用和需求。
[0003] 流域尺度和田間尺度土壤水分狀況的研究有利于加深人們對水文過程的理解并為最終掌握地表水和地下水資源的復(fù)雜交互作用提供幫助。在水文水資源領(lǐng)域,準(zhǔn)確的土壤水分空間分布,可作為分布式水文模型洪水模擬的所需的土壤濕度變量的初值,提高洪水預(yù)報的準(zhǔn)確性;另外,將經(jīng)過校正的連續(xù)準(zhǔn)確的土壤水分數(shù)據(jù)代入水文模型,對于提高長期水文過程模擬和徑流預(yù)報的精度以及準(zhǔn)確估算地表水資源量有潛在價值。因此論文以流域尺度的土壤濕度變量作為主要研究對象。
[0004] 流域土壤濕度的研究離不開模型和觀測兩種手段。首先,水文模型是計算和分析土壤含水量的有效工具,Western et al.強調(diào)了水文模型在模擬土壤水分相關(guān)的時空過程中具有重要意義。近年來,隨著計算機科學(xué)和信息技術(shù)的發(fā)展,RS和GIS技術(shù)支持下的分布式流域水文模型成為研究的熱點。RS和GIS的DEM處理技術(shù)提供了分布式水文模型所需的不同時空分辨率的水文氣象參數(shù)和下墊面植被、土壤資料以及流域地形參數(shù),如坡度、坡向、水流路徑和流域邊界等參數(shù);結(jié)合RS、GIS、DEM等空間信息技術(shù)建立的分布式流域水文模型,可在更小的水文模擬單元上,精確地模擬復(fù)雜氣候條件和地表狀況下的水文循環(huán)過程,因而分布式水文模型可以提供流域中多種水文變量的空間輸出(如ESSI模型可得到土壤含水量、徑流深、蒸散發(fā)等23個水文過程變量)。這與主要通過概念參數(shù)和土壤濕度變量來模擬流域出水口流量的集總式水文模型有顯著區(qū)別。正因為以上特點,分布式水文模型不僅能夠為相關(guān)的水文生態(tài)研究如流域產(chǎn)、輸沙、營養(yǎng)物輸移、污染物擴散以及人類活動對水循環(huán)的影響等提供先進的計算和模擬平臺,而且在洪水預(yù)報,如與氣象預(yù)報模式耦合延長洪水災(zāi)害的預(yù)警時間方面有著重要的用途。但是,分布式水文模型還存在一定的不足,例如,由于受到實驗室模型的動力學(xué)方案在流域上應(yīng)用還有待改進,如何建立物理基礎(chǔ)更強的分布式水文模型,獲取更加客觀真實的土壤水分含量等水文參數(shù)的時空格局是分布式模型研究的重要課題;另外,由于受到模型輸入數(shù)據(jù)誤差和模型自身結(jié)構(gòu)誤差的影響,分布式水文模型的模擬結(jié)果還存在的一定的不確定性,如何量化并減少水文模型預(yù)測的不確定性,也是水文科學(xué)當(dāng)前研究的前沿?zé)狳c。利用遙感數(shù)據(jù)通過數(shù)據(jù)同化方法降低模型的模擬誤差積累,是獲取高精度和高分辨率土壤濕度數(shù)據(jù)的很有前景的方法。
[0005] 其次,土壤水分可以通過觀測直接獲取,土壤水分直接監(jiān)測方法大致可分為地面調(diào)查和機載/衛(wèi)星遙感兩種。基于地面調(diào)查的監(jiān)測方法根據(jù)獲取數(shù)據(jù)方式和手段不同,又可以分為土鉆取土稱重法、烘干法、中子儀法、電阻法、TDR法,這些方法采用空間上定點觀測,采樣速度慢、人力物力財力消耗大,難以滿足大面積連續(xù)動態(tài)監(jiān)測的需要,受到其空間采樣密度的限制和大氣水分能量過程隨機擾動的影響,土壤濕度的實際空間格局也無法準(zhǔn)確觀測。與地面調(diào)查相比,遙感技術(shù)具有大面積同步觀測、時效性、經(jīng)濟性的特點,是解決土壤濕度觀測的有效途徑。隨著遙感技術(shù)向高空間分辨率、高光譜分辨率方向發(fā)展,遙感技術(shù)在土壤水分大面積動態(tài)監(jiān)測中將發(fā)揮日益重要的作用。
[0006] 可用于監(jiān)測土壤濕度狀況波段包括可見光與近紅外、熱紅外波段和微波波段,其中可見光與近紅外波段數(shù)據(jù)主要通過上述的歸一化植被指數(shù)法、溫度狀態(tài)指數(shù)法、TVDI法計算反演得到土壤濕度;熱紅外波段數(shù)據(jù)可采用熱慣量法獲取濕度信息;微波數(shù)據(jù)則主要通過亮度溫度與土壤濕度的經(jīng)驗統(tǒng)計關(guān)系、基于物理的微波輻射傳輸模型反演的方法得到土壤濕度。與可見光與紅外波段相比,利用微波數(shù)據(jù)反演土壤濕度具有堅實的物理基礎(chǔ),其應(yīng)用遠較可見光與紅外波段的數(shù)據(jù)廣泛,反演可靠性和精度也更高。用微波數(shù)據(jù)反演土壤濕度的優(yōu)勢主要體現(xiàn)在以下幾點;1)微波的物理特性。微波遙感土壤水分反演具有堅實的物理基礎(chǔ):地物微波比輻射率主要決定于目標(biāo)物的介電常數(shù),而土壤介電常數(shù)主要決定于土壤的水分含量。在微波波段,水的介電常數(shù)大約為80,干土僅為3,隨著水分含量的變化,土壤的比輻射率從濕土的0.6(30%體積土壤濕度)到干土的0.9(9%體積土壤濕度)之間變化,它們之間具有較大的反差,因此微波圖像對水分十分敏感。2)地區(qū)適應(yīng)性。在我國南方,由于氣候濕潤,多多雨,限制了光學(xué)遙感數(shù)據(jù)的及時獲取,影響了調(diào)查任務(wù)的按時完成。我國南方多云多雨地區(qū)的土壤濕度調(diào)查急需具有全天候?qū)Φ赜^測能力的高分辨率雷達遙感數(shù)據(jù)源。3)由于土壤濕度變化多發(fā)生在陰雨天氣,在陰雨天氣這一重要的濕度特征變化的時間窗口,微波數(shù)據(jù)是唯一可行的土壤濕度調(diào)查方法。微波遙感觀測土壤濕度也有一定的局限性,由于受到植被的影響和微波波長的限制,目前星載微波遙感能夠探測得到的土壤濕度僅為地面表層(僅幾厘米)的水分含量。
[0007] 目前衛(wèi)星觀測得到的土壤濕度僅限于上層(2-10厘米)的土壤,無法將其直接用于水文模型中,因為水文模型的模擬需要的是整個土壤剖面的水分含量。通過同化系統(tǒng)集成衛(wèi)星觀測數(shù)據(jù)于分布式水文模型中,可以提供準(zhǔn)確的物理一致的土壤剖面水分含量,有利于改進流域水循環(huán)過程的模擬。
[0008] 構(gòu)建適合于土壤濕度模擬的,具有土壤水過程動力學(xué)描述的分布式水文模型,在流域強化測試和驗證的基礎(chǔ)上,將其發(fā)展成可有效同化遙感土壤濕度信息的分布式水文模型同化平臺,同時利用現(xiàn)有的對地觀測衛(wèi)星的資料對水文模型中的關(guān)鍵變量,土壤濕度進行四維數(shù)據(jù)同化處理。通過連續(xù)水文模擬和同化實驗,獲取高精度高分辨率的土壤濕度時空數(shù)據(jù)集。
[0009] 模型和觀測誤差統(tǒng)計特征的確定是數(shù)據(jù)同化的關(guān)鍵,誤差特征只有為數(shù)據(jù)同化方法準(zhǔn)確把握后,才能得到正確有效的同化結(jié)果,對狀態(tài)作出最優(yōu)估計,數(shù)據(jù)同化算法理論研究和應(yīng)用一直是同化研究的重要組成部分。當(dāng)前大氣、海洋和陸面數(shù)據(jù)同化中用到的數(shù)據(jù)同化方法主要有最優(yōu)插值法、四維變分法、集合卡爾曼濾波和粒子濾波等。這些算法主要可順序同化和變分同化兩類,順序同化根據(jù)前一時刻的模式狀態(tài)生成當(dāng)前時刻模式狀態(tài)的預(yù)報值,在觀測更新階段,引入觀測數(shù)據(jù),利用最小方差估計方法對模式狀態(tài)進行重新分析。而變分方法在同化窗口內(nèi)建立目標(biāo)函數(shù),并通過調(diào)整模型預(yù)報值以極小化與觀測數(shù)據(jù)之間的差值達到最優(yōu)化狀態(tài)的目的。以下分別對各主要方法的研究作一介紹,
[0010] (1)最優(yōu)插值法。最優(yōu)插值又稱統(tǒng)計插值法,該方法以線性最小平方估計理論為基礎(chǔ),通過給定最佳線性無偏估計方程中的權(quán)矩陣,建立氣象場的統(tǒng)計協(xié)方差函數(shù)。其優(yōu)點是實施簡單,需要的計算量相對較小,可處理精度不同的各種觀測數(shù)據(jù),考慮了觀測和預(yù)報之間的線性相關(guān)及觀測要素固有的統(tǒng)計結(jié)構(gòu)。由于易于應(yīng)用,可操作性好,最優(yōu)插值法目前仍然為大多數(shù)氣象業(yè)務(wù)化同化系統(tǒng)所采用。該方法主要缺點是當(dāng)模型同化采用不同類型和來源的觀測數(shù)據(jù)集時,會使分析場產(chǎn)生偽噪聲,無法確保大尺度和小尺度分析間的一致。
[0011] (2)四維變分法。它利用變分法的思想,將同化問題轉(zhuǎn)化成對一個極值方程的求解,通過全局的調(diào)整模型模擬使其與同化期所有的觀測值的差值和最小。變分數(shù)據(jù)同化的優(yōu)點是不需要計算模式預(yù)報誤差的方差陣,具有較高的運行效率。近年來在一些陸面數(shù)據(jù)同化研究中也采用了該方法。但變分同化方法也存在一些明顯的缺陷,如該方法必需的預(yù)報模型切線性伴隨方程的求解十分耗時且容易出錯,甚至在理論上是不存在的。尤其是當(dāng)需要對預(yù)報模型進行改進時,其伴隨方程必須隨之進行更復(fù)雜的改進和測試,這些特點制約了它在陸面模型同化中的應(yīng)用。
[0012] (3)集合卡爾曼濾波(EnKF)。集合卡爾曼濾波算法是順序同化方法中的一種,是擴展卡爾曼(EKF)濾波方法的一種Monte Carlo近似。該算法的最大特點是利用MonteCarlo集合預(yù)報方法估算狀態(tài)的預(yù)報誤差協(xié)方差,通過模型狀態(tài)集合代表隨機動態(tài)預(yù)報中的概率密度函數(shù),其中集合的均值代表最優(yōu)的狀態(tài)估計,集合的分布代表誤差的方差。EnKF算法不需要模型算子的切線性模式和伴隨模式,克服了擴展Kalman濾波要求線性化的模型算子和在一些復(fù)雜非線性模型同化中不穩(wěn)定的缺點,與四維變分(4DVAR)和EKF同化方法相比,基于EnKF的數(shù)據(jù)同化易于實現(xiàn),可移植性強,被廣泛地應(yīng)用到大氣、海洋和陸面數(shù)據(jù)同化研究中。
[0013] (4)粒子濾波。粒子濾波也稱為順序蒙特卡羅SMC,屬于順序同化方法的一種。該算法的優(yōu)點是可以得到誤差后驗分布的全部信息,準(zhǔn)確計算其概率分布的一些統(tǒng)計特征,如均值、方差、峰度等,并把握模型系統(tǒng)的非線性,相對于EnKF,粒子濾波求取了整個后驗分布,而EnKF只求取后驗分布的均值和方差。因此它是一種能處理非線性非高斯問題的濾波方法,在通信理論,信號處理和目標(biāo)跟蹤領(lǐng)域,有大量的應(yīng)用,粒子濾波有幾個很重要也必須好的問題,一是粒子的產(chǎn)生,常用的是序貫重要性采樣(SIS),序貫重要性重采樣(SIR)等;其次是怎么解決好粒子退化和粒子的多樣性問題。

發(fā)明內(nèi)容

[0014] 本發(fā)明的目的是提供流域尺度土壤濕度遙感數(shù)據(jù)同化方法,構(gòu)建適合于土壤濕度模擬的,具有土壤水過程動力學(xué)描述的分布式水文模型,在流域水文過程模擬和驗證的基礎(chǔ)上,將其發(fā)展成可有效同化遙感土壤濕度信息的分布式水文模型同化平臺,利用現(xiàn)有對地觀測衛(wèi)星的資料對水文模型中的關(guān)鍵變量,表層土壤濕度進行四維數(shù)據(jù)同化處理。以獲取較高時間精度和空間分辨率的流域土壤濕度時空同化數(shù)據(jù)集。
[0015] 本發(fā)明的目的是通過以下步驟來實現(xiàn)的:
[0016] 流域尺度土壤濕度遙感數(shù)據(jù)同化方法,步驟為:
[0017] A)數(shù)據(jù)準(zhǔn)備;
[0018] B)土壤濕度反演;
[0019] C)分布式水文模型同化平臺構(gòu)建;
[0020] D)流域尺度土壤濕度同化。
[0021] 步驟A)中的數(shù)據(jù)準(zhǔn)備,包括:
[0022] 1)水文、氣象數(shù)據(jù);
[0023] 2)DEM(數(shù)字高程模型)數(shù)據(jù);
[0024] 3)植被、土壤參數(shù)庫,流域土地利用/覆被和土壤類型這些下墊面參數(shù)數(shù)據(jù),并根據(jù)流域所在地區(qū)的“土壤志”收集了研究區(qū)各土壤亞類的典型土壤剖面數(shù)據(jù),建立了模型所需的土壤參數(shù)空間數(shù)據(jù)庫;
[0025] 4)衛(wèi)星影像數(shù)據(jù),包括主動微波ENVISAT-ASAR遙感數(shù)據(jù)和MODIS影像數(shù)據(jù)。
[0026] 5)逐日徑流和土壤濕度實測數(shù)據(jù)
[0027] 步驟B)實現(xiàn)的具體流程見圖2。
[0028] 可見光遙感:溫度植被干旱指數(shù)TVDI可由圖像數(shù)據(jù)派生的植被指數(shù)和地表溫度計算求得,由以下公式給出:
[0029]
[0030] LST為地表溫度;LSTmin為相同NDVI值的最小地表溫度,對應(yīng)的是LST-NDVI特征空間的濕邊;LSTmax為相同NDVI值的最大地表溫度,對應(yīng)的是LST-NDVI特征空間的干邊。
[0031] ASAR濕度反演:
[0032] 微波散射過程
[0033] 入射的主動微波與自然地表之間存在著復(fù)雜的交互作用,雷達的后向散射系數(shù)除了與微波系統(tǒng)的物理參數(shù)有關(guān)之外,還與地物的介電特征和幾何特征密切相關(guān)。公式列出了主要的影響后向散射的主要因子。理解微波和地物之間的相互作用的原理,將有利于從主動微波數(shù)據(jù)中反演得到地表參數(shù)。0
[0034] σ =f(pp,θ,λ,∈r,r)
[0035] 其中pp表示微波數(shù)據(jù)的極化特征,θ是入射,λ是入射波長,∈r是介電常數(shù),r是地表的粗糙度,實際中較難以測定,通常由均方根高度k和相關(guān)長度l來表示自然地表粗糙度。
[0036] 目前已經(jīng)有多種地表散射理論模型被提出,用于模擬散射系數(shù)與各物理參數(shù)之間的相互作用,包括幾何光學(xué)模型、物理光學(xué)模型、SPM(Small Perturbtatoin Model)模型和IEM(Integral Equation Model)模型。這些模型都將均方根高度、相關(guān)長度和介電常數(shù)作為模型的輸入變量,來計算模擬散射作用。由于地表參數(shù)的復(fù)雜性,很多模型都對地表粗糙度的輸入范圍做了較強限定,因此在實際應(yīng)用中的土壤特征往往超出了模型的適用范圍。針對這一情況,F(xiàn)ung et al.提出了IEM模型,這個模型可以適用于具有更寬范圍粗糙度的地表,并且在研究中被證明可以較好的模擬自然地表的后向散射系數(shù)參數(shù)。
[0037] IEM模型適用于裸土地表的后向散射模擬,而在植被影響顯著的區(qū)域,則需要結(jié)合植被散射模型,對植被散射的影響加以考慮
[0038] ASAR數(shù)據(jù)預(yù)處理:
[0039] 輻射校正
[0040] 根據(jù)雷達方程,后向散射系數(shù)可由輻射強度值(Intensity)計算得到。對于ENVISATASAR數(shù)據(jù),影像DN值和后向散射系數(shù)之間的關(guān)系式如下
[0041]
[0042] 其中σ0是線性單位的雷達后向散射系數(shù),值域在0~1之間,k是外部校正參數(shù),可以從ASAR影像的頭文件中得到,θ是空間分布的入射角。分析數(shù)據(jù)時常用以分貝為單0 0
位的σ,因此需要對上式得到以線性單位表示的σ 進行對數(shù)轉(zhuǎn)換,
[0043] σ0(dB)=10[log(σ0)]
[0044] 幾何校正
[0045] 需要對獲取的屬于一級產(chǎn)品的ASAR影像進行幾何校正,這主要分為兩個步驟,首先是幾何粗校正,其次是與數(shù)字高程DEM影像數(shù)據(jù)匹配的幾何精確校正。
[0046] ESA的雷達處理影像工具NEST軟件提供了ASAR影像的幾何校正功能,在利用該工具對ASAR數(shù)據(jù)進行粗校正之后,進一步通過與DEM的比對,以DEM為基準(zhǔn)影像,進行圖像對圖像的精確校準(zhǔn),如此循環(huán)后將所有的ASAR數(shù)據(jù)統(tǒng)一的精確訂正到DEM的坐標(biāo)系下。幾何校正是必須的,這一步驟保證了遙感反演結(jié)果用于與模型對比和模型同化的空間精度。
[0047] 光斑濾波
[0048] 雷達影像通常都有不同程度的光斑(speckle)噪聲,這是由于雷達系統(tǒng)的圖像分辨率通常大于信號的波長和獨立散射體的大小,而象元內(nèi)不同散射體的散射之間的相長干涉和相消干涉導(dǎo)致了后向散射在圖像上的隨機分布。光斑噪聲在圖像上看起來類似于椒鹽狀分布,使圖像的可解譯性變差。有效的降低噪聲對于計算雷達影像的后向散射系數(shù)十分關(guān)鍵,目前去除噪聲的方法主要有多視方法(multi-look)和空間濾波方法(Specklefiltering)。
[0049] 利用Loew et al.提出的針對ASAR WS數(shù)據(jù)的濕度估算模型,根據(jù)研究區(qū)特性和實測土壤濕度數(shù)據(jù),對估算模型的相關(guān)參數(shù)做了一定的修正,得到了適合于半干旱研究區(qū)沂河流域的ASAR土壤濕度估算的模型參數(shù)。反演了沂河流域連續(xù)的ASAR WS影像數(shù)據(jù)的土壤濕度,總體結(jié)果滿意。
[0050] 詳細的ASAR數(shù)據(jù)濕度估算方法如下:
[0051] 散射系數(shù)歸一化
[0052] Loew et al.指出不同覆蓋的地表后向散射與入射角存在著線性相關(guān)關(guān)系。IEM輻射傳輸模型的數(shù)值模擬試驗也驗證了這一關(guān)系的存在,地表后向散射與入射角關(guān)系可以用下式表達,
[0053] σ0=pθ+q
[0054] 此處,θ表示入射角,p、q是與土地覆蓋有關(guān)的經(jīng)驗參數(shù),具體數(shù)值可由Loew etal.中查到。盡管每一景ASAR WS模式影像的入射角各不相同,同一景影像中的不同區(qū)域入射角變化范圍也較大,可通過下面公式,將所有影像的后向散射系數(shù)歸一化至參考的入射角θ0,此處θ0為ERS的入射角度值23度,具體的歸一化方法如下,
[0055]
[0056] 其中,σ0為圖像原始后向散射系數(shù), 為歸一化后的圖像后向散射反演參數(shù)[0057] 眾多研究表明,后向散射系數(shù)與地表介電常數(shù)的相關(guān)關(guān)系具有如下的正相關(guān)關(guān)系,這一經(jīng)驗關(guān)系主要由設(shè)在德國的20個觀測試驗站的經(jīng)驗數(shù)據(jù)庫得出,并被用于ERS和中尺度的雷達數(shù)據(jù)的土壤濕度反演,利用該方法得到的表層土壤濕度的反演的精度(RMSE)在0.04m3/m3到0.07m3/m3之間。本發(fā)明中利用上一步歸一化后處理得到的ASAR后向散射,結(jié)合式2-6可以得到土壤的介電常數(shù),最終反演得到表層的土壤濕度值,[0058] ∈r=a+bσ0+c(σ0)2
[0059] 其中∈r為介電常數(shù),a、b、c為經(jīng)驗參數(shù),與土地覆蓋類型相關(guān),由于受到研究區(qū)差異,根據(jù)不同的土地覆蓋類型,對此公式的參數(shù)做一定的修正,其具體值見下表。
[0060] 本發(fā)明中使用的ASAR遙感土壤濕度估算參數(shù)
[0061]
[0062] 介電模型
[0063] 由于介電常數(shù)與土壤濕度具有較好的相關(guān)性,因此通過上述方法獲取得到的介電常數(shù)結(jié)果,可以利用介電模型將其轉(zhuǎn)化為需要的土壤濕度信息。
[0064] 目前已發(fā)展了很多的理論和半經(jīng)驗?zāi)P陀糜诿枋鲎匀坏乇項l件下介電常數(shù)與土壤濕度的關(guān)系。其中在遙感領(lǐng)域最為常用的是Hallikainen et al.提出的介電常數(shù)模型,該模型給出的土壤介電常數(shù)與土壤濕度之間的函數(shù)關(guān)系如下,圖2-6給出了由該模型模擬得到的介電常數(shù)和土壤濕度相關(guān)關(guān)系(砂粒比重51.5%,粘粒比重為13.4%),[0065] ∈r=(a0+a1S+a2C)+(b0+b1S+b2C)mv+(c0+c1S+c2C)mv2
[0066] 其中,mv是需要計算的體積含水量,S和C是土壤的砂粒和粘粒的重量百分比,即土壤質(zhì)地參數(shù),可以由我們建立的流域土壤物理參數(shù)庫得到,ai,bi和ci是模型的經(jīng)驗常數(shù),已由文獻給出。
[0067] 基于上述模型,利用獲取的流域土壤介電常數(shù)圖像和已有的土壤質(zhì)地參數(shù),通過迭代計算方法(誤差閾值為0.01)逐柵格推求得到最終的ASAR遙感數(shù)據(jù)的表層土壤濕度估算結(jié)果。
[0068] 步驟C)簡化了流域水文產(chǎn)流模擬,在此基礎(chǔ)上對縱向水文過程進行較為細的建模,主要描述了土壤水分傳輸、土壤水與地下水的交互以及根系的水分提取作用。其中涉及到的主要過程變量包括:冠層截留,地表產(chǎn)流,土壤水分傳輸,潛在蒸散發(fā),植物蒸騰和土壤表面蒸發(fā),地下水與不飽和土壤水交互,地表匯流,地下匯流。
[0069] 建模思路:
[0070] 模型將流域看成由不同厚度的土壤柱體組成,而土壤層下方為飽和地下水。土壤柱體的厚度是由流域?qū)嶋H的土壤調(diào)查資料給定,主要根據(jù)不同土壤類型的典型剖面實地調(diào)研資料確定,因此不同土壤類型的柱體厚度并不相同。這一特點決定流域土壤蓄水容量的空間異質(zhì)性,通過格點土壤柱體的蓄滿產(chǎn)流與流域匯流計算,模擬得到流域總出口流量。
[0071] 土壤水分傳輸和地表徑流的產(chǎn)生過程主要發(fā)生和決定于根區(qū)的土壤層,因此該土壤體的描述至關(guān)重要。模型中,將流域的土壤柱體按照相同的分層標(biāo)準(zhǔn)劃分為不超過10層的土壤層,最大土壤深度為3.43米,因而格點上的土壤柱體由于土壤厚度的差別具有不同的土壤層數(shù)。土壤各層的土壤質(zhì)地參數(shù)來自于土壤調(diào)查資料所建立的土壤參數(shù)庫,同樣也是根據(jù)不同土壤類型的典型剖面的實地調(diào)研資料得到。在獲取土壤分層參數(shù)的基礎(chǔ)上,利用至地面的降水量和產(chǎn)流差得到土壤表面的平均下滲量,基于不飽和土壤水動力方程,模擬各層土壤的水分狀態(tài)和層間的縱向水分傳輸,模型還同時考慮了植被根系吸水作用和土壤表面蒸發(fā)對土壤濕度的影響。
[0072] 模型的具體構(gòu)建框架附圖6所示,其中k1...k3表示土壤水力傳導(dǎo)度,θ1...θ3表示土壤水分含量,Φ1...Φ3表示土壤水勢,Q1...Q3表示土壤水流,dz1...dz3表示土壤層厚度,圖中給出的水文過程均包含于新模型之中
[0073] 水文過程概化:
[0074] 林冠截留量計算公式如下:
[0075]
[0076] 其中Cm為冠層截留能力,k為降雨截留系數(shù),P為降雨量(mm),T為降雨歷時(hr),ew為林冠蒸發(fā)率,因此ew·T表示樹冠蒸發(fā)以及樹干蒸發(fā)之和。
[0077] 冠層截留能力Cm采用Von Hoyningen-Huene所提出的方法計算:2
[0078] Cm=Cp·(0.935+0.498·LAI-0.00575·LAI)
[0079] 其中Cp為植被蓋度,LAI為格點單元平均的逐日葉面積指數(shù)
[0080] 降雨截留系數(shù)k是植被葉面積指數(shù)的函數(shù),由下式給出:
[0081] k=0.046·LAI
[0082] 林冠蒸發(fā)率ew與降雨初期的干燥程度和風(fēng)速等因素相關(guān),在無實測數(shù)據(jù)驗證時,通常取以下經(jīng)驗參數(shù):亞熱帶地區(qū)取0.031~0.047,溫帶濕潤、半濕潤地區(qū)取0.063~0.093,溫帶干旱、半干旱地區(qū)取0.170~0.200。
[0083] 水量平衡計算公式如下:
[0084] P-Es-Et-G=Δw+Δc+R
[0085] 其中,P是降水(包括降雨和降),Es是土壤表面蒸發(fā),Et是植物蒸騰,G是地下水出流,Δw是土壤水的增量,Δc是冠層截留,R是地表徑流。
[0086] 土壤水分傳輸中涉及到不飽和土壤水通量定律Buckingham-Darcy方程和連續(xù)方程,Buckingham-Darcy方程如下:
[0087]
[0088] 其中q是不飽和水流通量,h是土壤水基質(zhì)勢,K(h)是水力傳導(dǎo)度,z是垂直方向的深度。
[0089] 連續(xù)方程如下:
[0090]
[0091] 基于垂向流的假設(shè),公式中的q由Buckingham-Darcy方程替換,求得解即為一維Richard’s方程表達式:
[0092]
[0093] 其中t是時間,θ是土壤體積含水量。
[0094] 根系土壤水分提取,此土壤水含量計算中需考慮根系吸水作用,本模型將其作為S項添加到Richard’s方程中。本發(fā)明使用以下方法考慮不同土壤層的根系水分吸收作用:
[0095]
[0096] 其中S表示土壤根系吸水或者土壤表面蒸發(fā),由以下公式描述
[0097]
[0098] 其中i是模擬土壤層的序號(i≥2),對于第一層土壤(i=1),Si為表層土壤表面蒸發(fā),Eveg是植物的蒸騰,ri是土壤層中根系分布參數(shù),與植被類型有關(guān),wi是土壤水飽和系數(shù),當(dāng)濕度處于凋萎點時等于0,完全飽和時為1,由下式給出:
[0099]
[0100] 其中 是凋萎點的水勢,等于-1.5×105, 是飽和土壤水勢,是土壤水基質(zhì)勢。
[0101] 潛在蒸散發(fā),當(dāng)流域存在蒸散發(fā)觀測站時,潛在蒸散發(fā)計算由觀測數(shù)據(jù)插值得到;當(dāng)流域無蒸散發(fā)的觀測時,利用氣象觀測數(shù)據(jù)根據(jù)Penman-Monteith公式計算得出,Penman-Monteith公式由下式給出:
[0102]
[0103] 其中E是蒸發(fā)量,λ是水汽潛熱,Δ是飽和水汽壓溫度曲線的斜率,A是凈輻射強度,ρa是濕空氣的密度,cp是常壓下的空氣汽化潛熱,D是水汽壓與飽和水汽壓的差值,ra是空氣動力學(xué)阻力系數(shù),γ是干濕計常數(shù),rs是作物葉面的阻力系數(shù)。
[0104] 植物蒸騰,蒸騰量計算如下:
[0105] 0<LAI≤3.0
[0106] LAI>3.0
[0107] 其中Eveg是植物的蒸騰量,E是潛在蒸散發(fā)量,p是格點上的植被覆蓋率,LAI是格點上的逐日葉面積指數(shù)。
[0108] 植被覆蓋率p通過逐日葉面積指數(shù)LAI來計算,公式如下:
[0109] p=1-e-α·LAI
[0110] 式中:α為地表太陽輻射消光系數(shù),缺省值為0.45。
[0111] 土壤表明蒸發(fā),分別考慮土壤水分蒸發(fā)的兩個主要階段,即當(dāng)土壤水分供給充足,蒸發(fā)量較高且相對穩(wěn)定;當(dāng)土壤水分降低,土表蒸發(fā)隨著土壤水分含量呈非線性下降:
[0112] θ<fc
[0113] θ≥fc
[0114] 其中Esoi是土壤表面蒸發(fā)量,E是潛在蒸散發(fā),dz是表層土壤的厚度(mm),θ是表層土壤的水分含量(體積含水率),fc是表層土壤的田間持水量(體積含水率),wp是表層土壤的凋萎系數(shù)(體積含水率)。
[0115] 地下水與不飽和土壤水交互,為在流域模擬中考慮交互作用,模型主要作了以下三個假設(shè),一是假設(shè)深層土壤下的含水層中存在具有一定水深的飽和地下水庫,二是土壤層與地下水庫之間的水力傳導(dǎo)度隨著深度增加呈指數(shù)下降,三是流域空間上的地下水庫深是相同的。地下水的補給計算由以下公式給出:
[0116]
[0117] 其中Q是地下水補給量(mm/s),當(dāng)水流向下流向地下含水層時為正值,反之為負值, 是地下水位的深度, 是底層土壤水基質(zhì)勢,zbot是底層土壤的節(jié)點深度,Ka是含水層的水力傳導(dǎo)度,由下式給出:
[0118]
[0119] 其中f是延時因子,用于水力傳導(dǎo)度的計算。
[0120] 地下匯流,地下水運動是滲流水力學(xué)的問題,Boussinesq根據(jù)連續(xù)方程和達西定律,建立了飽和帶中的一維水平運動的微分方程,并對方程線性化得到了擴散方程,其解求得為:
[0121] Qt=Q0e-αt
[0122] 式中,Q0是地下徑流初值,α是地下水的消退系數(shù),是固定的經(jīng)驗值,模型中設(shè)為0.984,Qt為t時刻的地下徑流出流。
[0123] 步驟C)完成水文過程概化后,需要進行流域水文過程模擬與驗證。
[0124] 對結(jié)果的精度驗證采用如下五個統(tǒng)計指標(biāo)作為模型精度的評價標(biāo)準(zhǔn):平均偏差(MD)、均方根誤差(RMSE)、確定性系數(shù)(NE)、相關(guān)系數(shù)(R2)和平均絕對偏差(MAE)。平均偏差MD反映了水量平衡模擬誤差,均方根誤差RMSE反映了模擬值和觀測值序列之間誤差的標(biāo)準(zhǔn)差,確定性系數(shù)NE反映了模型對觀測變異性的描述能力,相關(guān)系數(shù)R2反映了徑流模擬和觀測序列間相關(guān)性,MAE反映了模擬的絕對值偏差,同時使用這些評價指數(shù)可以綜合反映徑流或土壤濕度模擬的精度以及與觀測值之間的相關(guān)緊密程度。五個統(tǒng)計參數(shù)的表達式具體如下:
[0125]
[0126]
[0127]
[0128]
[0129]
[0130] 式中,Mi為模擬徑流量值,Oi為水文站觀測的徑流量值,為觀測徑流量的均值,2
為模擬徑流量的均值,n為時間序列的長度,需注意的是NE系數(shù)類似于R,當(dāng)模擬完全吻合實測時NE系數(shù)等于1,但與相關(guān)系數(shù)不同的是NE系數(shù)值可以小于0。由于MAE和MD指標(biāo)的意義較為接近,而MD適合于反映水量平衡的整體模擬效果,因此在日徑流模擬精度評價中,主要采用前四個統(tǒng)計指標(biāo)。MAE指標(biāo)將在土壤濕度的模擬精度評價中采用。
[0131] 步驟D)構(gòu)建基于分布式水文模型和粒子濾波同化算法的流域土壤濕度遙感數(shù)據(jù)同化方案,主要包括模型算子、觀測算子、驅(qū)動氣象數(shù)據(jù)以及同化算法四個部分。
[0132] 粒子濾波同化算法
[0133] 在Bayes框架下,最優(yōu)濾波就是基于所有量測信息構(gòu)造狀態(tài)的后驗概率分布函數(shù)(Posterior Distribution Function,PDF),系統(tǒng)狀態(tài)的各種估計值,如均值、協(xié)方差等都可從PDF獲得。然而對大量實際中出現(xiàn)的非線性非高斯模型,無法求得PDF的解析解。為了解決該問題,出現(xiàn)了各種逼近方法,如擴展Kalman濾波(Extened Kalman Filter,EKF),高斯混合濾波(Gaussian Mixture Filter,GMF)、交互式多模型(Interacting MultipleModel,IMM)等次優(yōu)濾波方法,但算法的穩(wěn)定性、精度等問題很難滿足實際要求。
[0134] 1954年,Hammersley和Morton提出了一種被稱為“序貫重要性采樣(SIS)”的蒙特卡洛(Monte Carlo methods,MC)方法,通過離散的隨機測度逼近概率分布,并被應(yīng)用到物理和工程領(lǐng)域,但由于高度的計算復(fù)雜性和退化問題,很長的一段時間內(nèi)SIS算法沒有太大的進展。為了解決退化問題,Gordon提出了重采樣(Resamping)概念,由此實現(xiàn)了第一個可操作的Monte Carlo濾波,這些MC濾波在不同的領(lǐng)域的名稱有Bootstrap,適者生存(Survival of The Fittest),凝聚算法(Condensation),序貫MonteCarlo法(Sequential Monte Carlo)等,現(xiàn)通稱為粒子濾波。
[0135] 粒子濾波是用于非線性非高斯狀態(tài)空間模型最優(yōu)估計問題的算法,其具體思想的數(shù)學(xué)描述如下:對于平穩(wěn)的隨機過程,假定k-1時刻系統(tǒng)的后驗概率密度為p(xk-1|z1:k-1),依據(jù)一定原則選取n個隨機樣本點,k時刻獲得觀測信息后,經(jīng)過狀態(tài)和時間更新過程,n個粒子的后驗概率密度可近似為p(xk|z1:k),達到最優(yōu)貝葉斯估計的效果。PF算法的核心是基于MC方法,通過一組在狀態(tài)空間中傳播的粒子群對狀態(tài)概率密度函數(shù)進行近似,獲得狀態(tài)的最小方差,因此PF也稱順序MC方法。盡管算法中的概率分布只是真實分布的一種近似,但由于非參數(shù)化的特點,PF可較精確地表達基于觀測量和控制量的后驗概率分布。對于線性高斯?fàn)顟B(tài)空間模型,最優(yōu)濾波方法是Kalman濾波。
[0136] 粒子濾波技術(shù)在非線性、非高斯系統(tǒng)表現(xiàn)出來的優(yōu)越性,決定了它的應(yīng)用范圍非常廣泛,目前國際上,PF算法已成功應(yīng)用于信號處理、自動控制、金融、無線通訊等領(lǐng)域,有許多會議和討論組都將粒子濾波作為專題進行深入討論和學(xué)術(shù)交流。PF算法擺脫了解決非線性濾波問題時隨機量必須滿足高斯分布的制約,能表達比高斯模型更廣泛的分布,也對變量參數(shù)的非線性特性有更強的建模能力,這也是PF優(yōu)于EnKF最重要的一方面。由于流域水文系統(tǒng)及土壤水分運動具有高度復(fù)雜性和非線性特征,因此基于分布式水文模型的土壤濕度同化研究必須使用PF算法,以保證同化試驗的合理性,這也是采用粒子濾波作為同化算子的原因。
[0137] 動態(tài)系統(tǒng)的狀態(tài)空間方程可表述為
[0138] xk=fk(xk-1,vk-1)
[0139] zk=hk(xk,uk)
[0140] xk表示系統(tǒng)狀態(tài),本研究中為水文模型模擬的表層土壤濕度,zk表示觀測,為由MODIS和ASAR遙感數(shù)據(jù)估算得到的表層土壤濕度,uk,vk為獨立的觀測噪聲和系統(tǒng)噪聲。假設(shè)xk服從一階Markov過程,k-1時刻的后驗分布函數(shù)p(xk-1|z1:k-1)已知,時刻k的模型狀態(tài)PDF可以通過下式求得,
[0141] p(xk|z1:k-1)=∫p(xk|xk-1)p(xk-1|z1:k-1)dxk-1
[0142] p(xk|xk-1)由系統(tǒng)方程和已知的系統(tǒng)噪聲vk所定義,在k時刻觀測量zk即遙感估算結(jié)果獲取后,通過貝葉斯方程對系統(tǒng)的狀態(tài)進行更新,
[0143]
[0144] 其中歸一化常數(shù)p(zk|z1:k-1)可由下式給出,
[0145] p(zk|z1:k-1)=∫p(zk|xk)p(xk|z1:k-1)dxk
[0146] 式中p(zk|xk)由觀測方程和已知的觀測噪聲uk定義。以上兩式構(gòu)成最優(yōu)的Bayes解,但其解析解只對有限的模型成立,EKF、GMF和IMM等逼近方法的估計精度有限,粒子濾波基于Monte Carlo思想,采用重要性采樣的方法(Importance Sampling,IS)從重要性分布函數(shù)q(x0:k|z1:k-1)中獨立抽取樣本 模型狀態(tài)的PDF逼近為
[0147]
[0148] 其中權(quán)重需歸一化處理,即滿足 為遞推估計,選取重要性函數(shù)
[0149] q(x0:k|z1:k)=q(x0:k-1|z1:k-1)q(xk|x0:k-1,z1:k)
[0150] 因此從q(xk|x0:k-1,z1:k)中抽取樣本 其權(quán)重 計算方法如下,本研究中,上式的右項即是模型模擬和遙感估算土壤濕度結(jié)果的誤差比率,
[0151]
[0152] 以上公式組成了順序IS(Sequential IS,SIS)方法,針對迭代之后出現(xiàn)的權(quán)退化現(xiàn)象,Gordon提出對樣本重新采樣,繁殖重要性權(quán)重高的粒子,淘汰權(quán)重低的粒子從而抑制退化現(xiàn)象,最常用的重采樣方法是SIR(Sampling Importance Resampling)。一般粒子濾波就由SIS和重采樣法構(gòu)成。
[0153] 粒子濾波算法的計算流程如下,1.對模型的模擬得到的土壤濕度進行擾動,產(chǎn)生粒子群,即從q(xk|x0:k-1,z1:k )中隨機抽取N個有限樣本,N為粒子個數(shù);2.在遙感數(shù)據(jù)的獲取時刻,使用遙感估算得到的土壤濕度結(jié)果,基于 計算對應(yīng)粒子的權(quán)重;3.對粒子的權(quán)重作歸一化處理;4.重采樣,利用重要性采樣SIR法對粒子權(quán)重進行重新采樣;5.在權(quán)重采樣后,結(jié)合模型狀態(tài)的PDF逼近對模型狀態(tài)進行最后的更新計算,得到同化后的土壤濕度結(jié)果。
[0154] 本發(fā)明與現(xiàn)有技術(shù)相比,其創(chuàng)新主要體現(xiàn)如下:
[0155] (1)通過土壤參數(shù)庫建立水文模型來統(tǒng)一刻畫產(chǎn)流和土壤水分傳輸?shù)人倪^程,模型利用流域土壤類型差異描述了流域蓄水容量的空間異質(zhì)性即實際空間格局,并由此參數(shù)動態(tài)計算流域柵格的缺水深獲得流域產(chǎn)流量,克服傳統(tǒng)模型需較多調(diào)節(jié)參數(shù)的缺點;
[0156] (2)在水文模型框架下對土壤剖面水分傳輸過程進行較為詳細的物理參數(shù)化方案描述,解決了水文模型無法直接作為遙感土壤濕度同化研究模型算子的問題,可以得到合理的徑流和具有穩(wěn)定精度的表層土壤濕度模擬結(jié)果。
[0157] (3)基于粒子濾波的流域表層土壤濕度數(shù)據(jù)同化方案可以有效的融合遙感濕度信息,并提高濕度模擬精度;
[0158] (4)在空間分布方面,同化結(jié)果較好的融合了遙感估算和模型模擬結(jié)果的空間特征,與模型模擬相比土壤濕度空間差異性更加顯著并表現(xiàn)出更為細致合理的空間紋理。
[0159] 有益效果:
[0160] 1)針對現(xiàn)有水文模型中的土壤水模擬這一薄弱環(huán)節(jié),解決了水文模型無法給出表層土壤濕度量化信息,而無法直接作為遙感土壤濕度同化研究的模型算子的問題。利用土壤水動力學(xué)方法結(jié)合蓄滿產(chǎn)流原理,構(gòu)建了一個新的能夠有效融合微波遙感信息、具有一定物理基礎(chǔ)的分布式流域水文模型,經(jīng)過典型半干旱半濕潤區(qū)沂河流域的水文模擬檢驗,結(jié)果表明,逐日徑流模擬效果較好、表層土壤濕度模擬精度具有穩(wěn)定性,可作為流域土壤濕度遙感數(shù)據(jù)同化的模型算子。
[0161] 2)建立了基于分布式水文模型的流域尺度土壤濕度同化方案,利用對地觀測衛(wèi)星TERRA-MODIS和ENVISAT-ASAR的土壤濕度估算結(jié)果對水文模型中的表層土壤濕度變量進行了四維數(shù)據(jù)同化。通過在半干旱半濕潤區(qū)沂河流域連續(xù)水文模擬和粒子濾波同化試驗的研究表明,同化結(jié)果有效融合了遙感濕度的空間格局信息,并提高了水文模型的土壤濕度模擬精度,該方案可有效的用于時空分布的流域尺度土壤濕度同化數(shù)據(jù)集的獲取。
[0162] 說明書附圖
[0163] 圖1為本發(fā)明的流程示意圖;
[0164] 圖2為遙感土壤濕度同化的觀測算子構(gòu)建流程;
[0165] 圖3為研究區(qū)內(nèi)不同格點(以實測土壤濕度觀測點為例)的理想試驗同化結(jié)果;
[0166] 圖4為表層土壤濕度模擬和同化結(jié)果的實測驗證(DOY:2006148);
[0167] 圖5為不同日期的沂河流域LST-NDVI空間;
[0168] 圖6為水文同化模型的構(gòu)建思路圖。

具體實施方式

[0169] 以下通過實施例對本發(fā)明作進一步描述:
[0170] 實施例
[0171] 為得到更加準(zhǔn)確的流域表層土壤濕度數(shù)據(jù),融合模型模擬和遙感數(shù)據(jù)反演二者的優(yōu)勢,以沂河流域為研究區(qū),建立了流域土壤濕度同化方案。在利用已建立的分布式流域水文模擬平臺對研究區(qū)2006年的土壤水分時空動態(tài)數(shù)值模擬的基礎(chǔ)上,結(jié)合粒子濾波順序同化算法,考慮了模擬和遙感反演的誤差,同化主動微波ENVISAT-ASAR和MODIS可見光影像反演得到的地表土壤水分信息。順序同化中得到更新的流域土壤濕度同化數(shù)據(jù),將其反饋至分布式水文模型平臺中,并通過遞推模擬最終得到具有物理一致性的流域表層土壤濕度同化時空數(shù)據(jù)集。實測驗證結(jié)果表明,同化結(jié)果精度要高于模擬結(jié)果的精度,在空間分布上,同化后的表層土壤濕度較好的融合了遙感估算和模型模擬結(jié)果的空間特征,與模型模擬值相比土壤濕度的空間異質(zhì)性增強,表達更為合理
[0172] 土壤濕度反演包括可見光遙感反演和主動微波遙感反演。
[0173] 可見光遙感反演:
[0174] 使用了2006年全年可以獲取的無云覆蓋MODIS影像反演沂河流域的表層土壤濕度,并利用地面觀測數(shù)據(jù)對反演結(jié)果進行驗證。首先,分別建立了流域四個季度的LST-NDVI空間以及相關(guān)干邊和濕邊關(guān)系,用于TVDI計算。其次利用流域內(nèi)分布的站點觀測數(shù)據(jù)建立了TVDI和實測表層濕度的線性關(guān)系,并據(jù)此關(guān)系從2006年的MODIS連續(xù)影像序列中反演得到了流域表層土壤濕度。最后我們分析了MODIS估算得到土壤濕度空間格局,并通過4個固定段觀測站點的實測數(shù)據(jù)對反演得到的2006年連續(xù)土壤濕度估算結(jié)果進行驗證。
[0175] 在對連續(xù)的MODIS影像進行預(yù)處理后,利用熱紅外和其他相關(guān)波段基于劈窗算法反演了地表土壤溫度,并同時計算了NDVI指數(shù),得到研究區(qū)的LST-NDVI空間散點圖,見附圖5。
[0176] 土壤濕度反演結(jié)果,為了檢測流域內(nèi)表層土壤濕度空間格局的逐日變化,選擇了時間上連續(xù)的表層土壤濕度估算結(jié)果,其時間范圍由2006年DOY260日到DOY267日,由于受到云的影響,DOY 260日到DOY 263日沒有進行反演計算??梢暂^為明顯的看出,由于局部降水作用流域表層土壤由干旱逐漸濕潤再由濕潤轉(zhuǎn)化為干旱的過程,而MODIS估算結(jié)果也合理描述了該過程中的土壤濕度空間差異性,可以看出流域內(nèi)的土壤濕度增高和降低幅值在空間上并不同步,其變率受到降水和土壤特性因素較為顯著的影響。
[0177] 主動微波遙感反演:
[0178] 利用2006年獲取的14景研究區(qū)ASAR WS影像反演得到了流域表層土壤濕度結(jié)果,得出了2006年DOY148日和DOY164日的反演結(jié)果??梢钥闯?,土壤濕度值的空間分布并沒有明顯的地域特征,具有一定的隨機性。與DOY14日的土壤濕度結(jié)果相比,在DOY164日研究區(qū)大部分范圍內(nèi)的土壤濕度有一定升高,可以看出,ASAR的后向散射系數(shù)可較好的描述和再現(xiàn)表層土壤濕度變化的空間差異性。
[0179] 采用ASAR主動微波數(shù)據(jù)和MODIS影像,分別反演了沂河流域表層土壤濕度序列,并基于這一遙感估算結(jié)果構(gòu)建了流域土壤濕度同化的觀測算子。將流域內(nèi)土壤濕度實際觀測數(shù)據(jù)用于遙感估算結(jié)果的精度驗證,給出了觀測算子誤差的定量評估,為進一步與模型數(shù)值模擬結(jié)果對比以及土壤濕度的順序數(shù)據(jù)同化研究打下基礎(chǔ)。土壤濕度反演的主要工作和結(jié)論分以下兩點闡述,
[0180] (1)基于改進的ERS歸一化方法,利用獲取的ENVISAT ASAR影像反演了研究區(qū)的表層土壤濕度時間序列,并利用已有的土壤濕度觀測資料對反演結(jié)果進行了驗證,給出了3 3
量化評估結(jié)果,結(jié)果表明,ASAR影像估算的均方根估算誤差(RMSE)為0.063m/m,平均偏
3 3
差(MAE)為0.053m/m。這一估算精度較為合理,達到較成熟的ERS土壤濕度估算精度范
3 3 3 3
圍(0.03m/m-0.07m/m)。另一方面,從空間結(jié)果看,遙感估算結(jié)果空間分布格局總體合理,DOY148日土壤濕度估算結(jié)果的直方圖分布總體類似于高斯分布,流域土壤濕度平均值
3 3 3 3
為0.237m3/m3,大部分數(shù)值位于0.200m/m 和0.330m/m 之間,與實際的濕度觀測經(jīng)驗相符,結(jié)果合理。
[0181] (2)基于TVDI方法,利用2006年可獲取的MODIS影像反演了沂河流域的表層土壤濕度,實際觀測資料的驗證表明,MODIS估算結(jié)果與實測數(shù)據(jù)具有良好的正相關(guān)性。從四3 3 3 3
個觀測站點的驗證結(jié)果來看,均方根誤差水平較低,數(shù)值范圍在0.049m/m 到0.102m/m 之
3 3
間,平均誤差值為0.072m/m,總體精度令人滿意。為了檢測流域內(nèi)表層土壤濕度空間格局的逐日變化,利用反演結(jié)果給出了連續(xù)多日的表層土壤濕度分布,可以看出,MODIS的土壤濕度估算結(jié)果可較清晰地反映局部降水作用下流域表層土壤的干濕轉(zhuǎn)化過程,并合理描述了土壤濕度的空間異質(zhì)性。
[0182] 總的來說,ASAR和MODIS的土壤濕度反演結(jié)果總體滿意,可有效反映表層土壤濕度變化的空間差異性。本章根據(jù)研究區(qū)實測數(shù)據(jù)對ASAR土壤濕度估算模型的經(jīng)驗參數(shù)做了一定的修正,給出了適合研究區(qū)的ASAR濕度反演參數(shù)以及MODIS影像TVDI反演方法的經(jīng)驗參數(shù)。結(jié)合遙感估算方法和水文模型的模擬方法研究流域土壤濕度,對進一步揭示土壤水分變化規(guī)律有重要意義。而未來完善的流域觀測系統(tǒng)將有助于遙感土壤濕度反演的進一步發(fā)展。
[0183] 在水文模型概化的基礎(chǔ)上,構(gòu)建分布式水文模型同化平臺。在流域氣象驅(qū)動參數(shù)、土壤參數(shù)和土地利用等輸入數(shù)據(jù)的支持下,將模型應(yīng)用于江口站控制流域(濕潤區(qū)流域)和沂河流域(半干旱半濕潤區(qū)流域)的水文過程模擬,使用流域出口水文站的實際觀測逐日流量數(shù)據(jù)對模型的模擬精度進行檢驗和評價,并與常見水文模型進行了比較驗證,最后從多個統(tǒng)計評價指標(biāo)對模型的模擬結(jié)果進行了檢驗和分析。為了驗證模型的流域表層土壤濕度的模擬能力,利用沂河流域獲取的2006年多個站點土壤濕度觀測資料,對10cm和20cm深度的土壤濕度模擬結(jié)果進行了驗證分析。
[0184] 逐日徑流模擬及評價:
[0185] 為檢驗?zāi)P偷哪M能力,首先選擇漢江上游的江口流域進行模型的逐日徑流模擬測試,其中1981年~1983年為模型模擬的率定期,1984年~1985年作為模型驗證期。
[0186] 需要說明的是ESSI模型在不同的分辨率下模擬結(jié)果有一定的差異,總體上模擬分辨率較高時,模型的模擬結(jié)果較好,如240m柵格情形下的模擬結(jié)果要好于1000m的模擬結(jié)果。
[0187] 模型與ESSI模擬結(jié)果進行比較表明,新模型對流量過程的擬合逼近程度要明顯高于ESSI模型1000m柵格分辨率的模擬結(jié)果,同時模型模擬的確定性系數(shù)也量化反映了二者在模擬效果上的差別。
[0188] 為進一步檢驗?zāi)P偷哪M能力,選擇沂河臨沂以上流域進行模型的逐日徑流模擬測試,其中2001~2003年為模型模擬的率定期,2006~2007年作為模型驗證期。模擬結(jié)果所使用的評價指標(biāo)同上,與上節(jié)江口流域模擬類似,新模型的模擬效果和擬合逼近程度要顯著好于ESSI模型1000m柵格分辨率的模擬結(jié)果。
[0189] 土壤濕度模擬及評價:
[0190] 為了驗證模型的流域表層土壤濕度模擬能力,利用在沂河流域獲取的2006年多個站點土壤濕度觀測資料,對2006年模型模擬得到的10cm和20cm深度的流域土壤濕度結(jié)果進行了驗證分析。
[0191] 表層土壤(10cm)濕度模擬:
[0192] 表層土壤濕度模擬值與實測濕度數(shù)據(jù)具有較好的相關(guān)性,尤其是在固定地段的觀測點。其中平邑固定地段模擬值的變化趨勢和數(shù)值大小均與觀測值序列十分接近,表明土壤水分模型的縱向模擬有一定可靠性,在數(shù)據(jù)精度滿足條件下,可達到較高的模擬精度,這也為同化試驗生成具有物理一致性的連續(xù)土壤濕度數(shù)據(jù)集保證了基本精度和可靠性(驗證精度見下表)??傮w來看,相對于實測數(shù)據(jù),模型模擬值存在一定程度的低估趨勢,這主要是由于對土壤層水分的提取項計算過大造成土壤層的失水過快所造成,而模型中與蒸騰相關(guān)的根系吸收水分作用模擬偏大是首要因素,因此植物蒸騰量以及分層根系水分提取的計算仍需進一步改進。在某些土壤中間層的水分低估趨勢較為嚴重,表明格點上剖面根系分布參數(shù)不合理。通過同化獨立的遙感土壤濕度信息將有助于改善模擬低估的情況。
[0193] 土壤水分(10cm)模擬誤差統(tǒng)計結(jié)果
[0194]
[0195] 上層土壤(20cm)濕度模擬:
[0196] 上層土壤濕度模擬結(jié)果總體上與表層土壤濕度模擬結(jié)果顯示了較高的相似度。固定地段的實際觀測數(shù)據(jù)與模擬值的趨勢擬合較好,雖然在整體上有一定偏低估計的趨勢,該層土壤濕度的低估原因與10cm土壤層基本一致。對于非固定地段,除了在沂水丘陵和平原站點,部分時間的模擬值接近于0,與實測數(shù)據(jù)偏差較大之外,其他站點的模擬數(shù)值與觀測數(shù)據(jù)較為接近(驗證精度見下表)。沂水丘陵和平原站點的部分模擬值過低而接近零的原因主要在于格點上縱向根系分布參數(shù)賦值不均,過于集中在20cm土壤層,致使無雨期土壤濕度模擬值下降較快,并達到不合理低點。
[0197] 雖然存在一定的不足,但從模擬驗證總體結(jié)果看,可以預(yù)見,從模型數(shù)值模擬的角度入手研究,獲取一定精度的表層土壤濕度信息是可行的。進一步完善和改進水文模型的不同類型輸入數(shù)據(jù)和下墊面參數(shù)的精度,將有助于流域表層土壤濕度動態(tài)模擬的研究。
[0198] 土壤水分(20cm)模擬誤差統(tǒng)計結(jié)果
[0199]
[0200]
[0201] 總的來說,流域內(nèi)所有可以利用的觀測驗證數(shù)據(jù)分布于8個不同站點(沂水麥田,平邑麥田,臨沂麥田,平邑平原,沂水洼地,沂水平原,沂水山地,沂水丘陵)。總的來說,模型3 3
模擬結(jié)果精度評價的一個重要結(jié)論就是各點均方根誤差RMSE穩(wěn)定在0.080m/m 左右。所
3 3 3 3
有觀測點的RMSE誤差值范圍在0.040~0.130m/m 之間,平均RMSE誤差是0.083m/m,這一結(jié)果表明通過水文模型得到的表層濕度模擬值具有可靠性。不僅對于固定點,對于其他非固定觀測點,模擬結(jié)果也表現(xiàn)出相似的誤差大小。
[0202] 將遙感觀測數(shù)據(jù)反演得到的表層土壤濕度作為理想資料,利用粒子濾波進行連續(xù)的同化試驗,驗證粒子濾波用于復(fù)雜非線性分布式水文模型遙感數(shù)據(jù)同化的可行性。理想試驗以沂河流域為研究區(qū),模型模擬及同化時段為2006年,模擬空間分辨率為1000m。試驗中,土壤同化深度為表層10cm,觀測數(shù)據(jù)為ASAR和MODIS、數(shù)據(jù)的濕度反演結(jié)果,模型的濕度模擬時間步長為30分鐘。模型只在遙感數(shù)據(jù)可以獲取的當(dāng)天進行同化計算和更新,同化后得到的土壤濕度作為流域水文狀態(tài)變量當(dāng)天的準(zhǔn)確估計值,代入模型中用于下一時刻的模型模擬。結(jié)果如附圖3。
[0203] 附圖3給出了2006年全年所有同化時刻通過模型、遙感估算以及同化得到的表層10cm土壤濕度結(jié)果。圖中橫坐標(biāo)代表同化的天數(shù),按照遙感影像獲取的日期順序排列,并以0和0.60為閾值剔除了遙感資料中的少數(shù)異常點引起的土壤濕度極值??梢悦黠@看出,
8個格點的同化效果均十分顯著。從趨勢上看,土壤濕度的同化結(jié)果與理想“真值”吻合程度很高,而主要的差異部分在于,遙感觀測的理想值發(fā)生突變的位置即土壤濕度值過高超出正常的范圍時,同化結(jié)果較接近模型模擬值,顯示了算法濾波的特性,這一特性較好濾除遙感噪聲影響,維持表層土壤濕度同化結(jié)果的相對穩(wěn)定。以上結(jié)果說明PF用于表層土壤濕度同化試驗有較好的可靠性。
[0204] 為了進一步對比驗證同化后濕度的空間分布格局,從給出的同化結(jié)果可以知道,首先,同化后的土壤濕度空間格局較為顯著的融合了遙感信息和模型模擬信息,同化結(jié)果中可見遙感估算中未有的濕度信息如模擬結(jié)果中出現(xiàn)的河道,但同化結(jié)果仍表現(xiàn)出與遙感估算結(jié)果較一致的空間分布。其次,同化結(jié)果在結(jié)合模擬信息的同時,改善了模型模擬結(jié)果片狀分布的缺點,通過融合遙感土壤濕度信息,具有更高程度的土壤濕度空間差異以及更精細的紋理特征??傮w上來說,同化結(jié)果在空間分布上較為趨近于遙感估算結(jié)果,尤其是ASAR影像的濕度估算結(jié)果。以上分析結(jié)果進一步支持了流域尺度土壤濕度空間同化的可行性以及粒子濾波同化方案的適用性。
[0205] 為了更直觀的了解同化后的土壤濕度結(jié)果,尤其是同化對模型模擬值的改進效果,下表給出了各測點的同化以及模擬誤差統(tǒng)計結(jié)果。
[0206] 模擬與同化結(jié)果的總體統(tǒng)計評價(m3/m3)
[0207]
[0208] 這里列出流域內(nèi)8個觀測站點2006年全年表層土壤濕度同化結(jié)果的精度評價以及和模型模擬精度的對比,可以看出,與模型模擬結(jié)果相比,同化后的土壤濕度結(jié)果有較為明顯的改進,8個觀測站點中6個站點的均方根誤差減小,6個站點平均的RMSE誤差降低3 3 3 3
0.020m/m,所有站點總體平均誤差降低約0.010m/m。其中沂水平原站和沂水麥田站的改
3 3 3 3
進較為明顯,分別達到0.041m/m 和0.029m/m,這主要是由于同化的土壤濕度值中所融合的遙感反演信息緩解了模型模擬的低估趨勢。
[0209] 獲取流域尺度表層土壤濕度的模型數(shù)值模擬法和遙感估算法各有利弊,二者精度和誤差結(jié)構(gòu)亦不相同。模型數(shù)值模擬結(jié)果具有物理一致性好和時間連續(xù)的優(yōu)點,但空間精度受到輸入數(shù)據(jù)精度的影響較大,而遙感估算方法在土壤濕度空間格局上有較好的捕獲信息的能力。為融合兩種方法的優(yōu)勢,有必要采用數(shù)據(jù)同化方法改進土壤濕度的計算。
[0210] 基于此,在對模型和遙感估算誤差的一定先驗認識的基礎(chǔ)上,以水文模型為平臺建立了流域尺度土壤濕度同化框架,針對水文模型的高度復(fù)雜性和非線性特征,以非線性貝葉斯估計的粒子濾波方法作為同化算子,觀測算子是通過ASAR和MODIS遙感數(shù)據(jù)估算得到的土壤濕度。具體的同化策略如下,在表層土壤濕度數(shù)值模擬過程中,當(dāng)遙感觀測數(shù)據(jù)獲取時,采用粒子濾波同化ASAR或MODIS估算得到土壤濕度結(jié)果,并將同化后的結(jié)果代回分布式水文模型繼續(xù)計算,糾正模型數(shù)值模擬的運行軌跡,如此迭代循環(huán)最終得到同化后的流域土壤濕度時空數(shù)據(jù)集。
[0211] 同化試驗選擇沂河流域為研究區(qū),2006年全年為模擬同化時段,在流域氣象驅(qū)動數(shù)據(jù)、土壤參數(shù)、地表覆蓋等數(shù)據(jù)支持下,利用分布式水文模型共同化遙感影像149景,其中ASAR影像14景,MODIS影像135景。在同化試驗前,首先對遙感估算和模型模擬結(jié)果作了比較分析,后利用同化平臺分別進行了同化理想試驗、一般性同化數(shù)值試驗和敏感性試驗,最后利用所有可以獲取的站點實測數(shù)據(jù)對同化結(jié)果進行了驗證分析。
[0212] 結(jié)果表明,同化后的表層土壤濕度結(jié)果相對于模型模擬結(jié)果有明顯改善。在空間分布方面,同化結(jié)果較好的融合了遙感估算和模型模擬結(jié)果的空間特征,與模型模擬相比土壤濕度空間差異性更加顯著并表現(xiàn)出更為細致合理的空間紋理。進一步通過流域空間內(nèi)8個觀測站點連續(xù)時間資料的驗證,與模擬結(jié)果相比,6個站點的均方根誤差減小,6個站點
3 3 3 3
平均RMSE誤差降低為0.020m/m,所有站點總體平均誤差降低0.010m/m。在表層土壤濕度空間誤差方面,同化結(jié)果精度要高于模擬結(jié)果,以ASAR遙感影像和觀測數(shù)據(jù)同時可獲取
3 3
的2006年DOY148日為例,流域內(nèi)模型模擬RMSE誤差為0.081m/m,同化后RMSE誤差降低
3 3
至0.045m/m。
[0213] 與遙感估算的土壤濕度值相比,雖然模型誤差較為穩(wěn)定,但模型模擬值有較明顯低估趨勢而且波動性相對較小,同化后的土壤濕度結(jié)果能較好糾正這一低估趨勢,使土壤濕度變化更加合理。理想試驗結(jié)果同時表明,粒子濾波算法在表層土壤濕度同化中具有很好的同化能力,同化結(jié)果與理想資料的擬合趨勢一致,精度較高,并能夠去除遙感估算中過高的異常噪聲。從同化敏感性試驗來看,同化土壤濕度驗證結(jié)果對于觀測均方差參數(shù)并不3 3
敏感,在0.030~0.090m/m 范圍內(nèi)對同化結(jié)果精度影響不大,同化算子相對穩(wěn)定。
高效檢索全球?qū)@?/div>

專利匯是專利免費檢索,專利查詢,專利分析-國家發(fā)明專利查詢檢索分析平臺,是提供專利分析,專利查詢,專利檢索等數(shù)據(jù)服務(wù)功能的知識產(chǎn)權(quán)數(shù)據(jù)服務(wù)商。

我們的產(chǎn)品包含105個國家的1.26億組數(shù)據(jù),免費查、免費專利分析。

申請試用

分析報告

專利匯分析報告產(chǎn)品可以對行業(yè)情報數(shù)據(jù)進行梳理分析,涉及維度包括行業(yè)專利基本狀況分析、地域分析、技術(shù)分析、發(fā)明人分析、申請人分析、專利權(quán)人分析、失效分析、核心專利分析、法律分析、研發(fā)重點分析、企業(yè)專利處境分析、技術(shù)處境分析、專利壽命分析、企業(yè)定位分析、引證分析等超過60個分析角度,系統(tǒng)通過AI智能系統(tǒng)對圖表進行解讀,只需1分鐘,一鍵生成行業(yè)專利分析報告。

申請試用

QQ群二維碼
意見反饋