地统计学在流域尺度土壤湿度遥感数据同化中的应用研究

发展以分布式水文模型GEOtop为核心，集成平方根集合卡尔曼滤波算法、现代优化算法和微波遥感辐射传输模型，建立一个可同化多源遥感数据的流域尺度土壤湿度数据同化系统。以黑河流域为研究区，结合集合卡尔曼滤波同化方法与地统计学的空间变异理论，在同化系统中引入土壤湿度数据的水平空间相关特征和垂直空间相关特征，建立基于地统计理论的同化系统误差度量理论模型和块克里格插值的多尺度土壤湿度数据同化框架。通过分析集合卡尔曼滤波算法与地统计学在数据同化中的应用潜力，发展遥感数据同化的新方法，提高流域尺度土壤湿度的估计精度。

本研究以黑河流域为试验区，发展了一个高分辨率的流域尺度的陆面数据同化系统（HDAS），HDAS从合理的流域建模、高效的数据管理、遥感数据处理、数据同化与高性能计算和数据可视化等方面为流域尺度陆面数据同化研究提供了一个软件平台。在陆面数据同化系统中利用地统计学中的半方差分析方法实现了观测数据水平空间相关特征的动态建模，并将这种水平空间相关特征应用于集合卡尔曼滤波算法中对观测数据的选择中，针对每个独立的模型网格选择与其具有高度空间相关性的观测数据用于数据同化；也研究了垂直空间相关性在利用表层观测提高根区土壤湿度方面的可行性。研究结果表明，在观测数据无法覆盖的区域，我们可以在同化系统中引入其邻近区域的观测数据，并结合相应的空间相关特征的方法可以提高无观测区域的土壤湿度和土壤温度估计精度。通过三种不同观测覆盖度的比较，我们可以清晰的看出，当观测覆盖度较高的时候，数据同化对模型模拟结果的改善较大。本研究的结果充分利用了地统计学的理论和方法在空间相关建模中的优势，这种优势与陆面数据同化充分结合后，有助于提高陆面数据同化中土壤湿度的估计精度。