基于多观测算子的双通微波陆面数据同化研究

The microwave radiative transfer model, which is taken as an observation operator to estimate the brightness temperatures from the land surface variables (e.g., soil moisture), plays an important role in the land data assimilation system. The aim of this project is to develop a dual-pass microwave land data assimilation system with multi-observation operators (LDAS-MO) based on our previous work, which uses the land surface model Community Land Model version 4 (CLM4) as the forecast operator. The LDAS-MO will use Bayesian Model Averaging (BMA) approach to incorporate multiple radiative transfer models to reduce the uncertainties of the observation operators；and a dual-pass land data assimilation framework, which simultaneously optimizes the state variables and model parameters using an optimization method and an assimilation algorithm, will also be incorporated to reduce the uncertainties induced by the model parameters. Numerical assimilation experiments based on AMSR-E microwave brightness temperature data will be designed to investigate the sensitivities of the calibration of model parameters and BMA weights under different climate and land surface conditions. In situ soil moisture measurements will be used to evaluate the performance of the LDAS-MO and its corresponding statistical analysis results will also be shown. Finally, a data set of assimilated volumetric soil moisture content with higher accuracies and spatial-temporal resolutions will be generated using the LDAS-MO driven by an observation-based atmospheric forcing dataset. This project will provide more accurate soil moisture estimations for drought monitoring, numerical weather prediction and short-term climate forecast and be of significances on reducing the social and economic losses.

基于土壤湿度等陆表变量模拟亮温的微波辐射传输模型，作为观测算子在陆面数据同化系统中起着重要作用。本项目拟在已有研究基础上，以陆面过程模式CLM4为预报算子，基于贝叶斯模型平均方法融合多种辐射传输模型，建立基于多种观测算子且能同时优化模型参数和状态变量的双通微波陆面数据同化系统以减少观测算子和模型参数引起的不确定性。利用AMSR-E微波亮温和基于观测的大气强迫场驱动拟发展的同化系统，以中国区域为研究对象进行敏感性试验，探讨在不同气候和陆表下垫面条件下如何选取模型参数和贝叶斯权重等，然后通过与地面观测的土壤湿度等资料对比分析，验证该同化系统的效果，给出相应的误差分析，并生成一套精度较高的高时空分辨率土壤湿度数据集。该项研究可为干旱监测、数值天气预报、短期气候预测等提供更精确的土壤湿度数据集，对降低社会和经济损失具有重要意义和价值。

在陆面数据同化系统中，辐射传输模型被用作观测算子来直接同化微波亮温以改善土壤湿度等陆表变量模拟。然而，辐射传输模型的不确定性较大从而影响微波亮温模拟结果进而影响陆面数据同化效果。因此，本项目的研究主题是“基于多观测算子的双通微波陆面数据同化研究”，其主要科学目标是建立基于多观测算子的双通微波陆面数据同化系统以减少模型参数和观测算子的不确定性。项目执行三年来，围绕上述科学目标，在微波亮温模拟和分析、多观测算子的陆面同化系统发展及应用等方面开展研究，完成了预期目标。取得如下主要成果：建立了贝叶斯模型平均框架的多观测算子微波亮温模拟系统，通过与观测的AMSR-E微波亮温对比分析，确定了观测算子在不同气候和地表条件下贝叶斯权重的选取，并给出误差信息；发展了基于多种观测算子的双通微波陆面数据同化系统，该系统可减少模型参数和观测算子的不确定性，并利用该系统在中国区域开展了长时间序列同化试验（2005-2010），生成了土壤湿度等陆表变量同化数据集，这可以为水文预报、数值天气预报、短期气候预测等提供更准确的陆面变量初始场；利用观测和模型模拟分析了亚热带森林碳、水通量的时间变率及其对极端干旱的响应、发展了根系动态分布方案以改善陆面碳、水通量模拟、利用多强迫和多模式的集合模拟改善陆地蒸散发估计等。这些研究成果一方面改善土壤湿度模拟，可以为短期气候预测和数值天气预报研究陆面数据同化平台以提供更精确的土壤湿度等陆表变量数据集；另一方面，改善陆面模式中碳、水循环相互作用的描述以改进陆地碳、水通量模拟，进而增强陆面水文、生态与气候相互作用的理解。