四维蒸散同化中非正态不确定性的估计与控制

Non-normal uncertainty estimation and control is very important for the development of four-dimensional evapotranspiration (ET) assimilation. This application will systematically study the non-normality of model, observation and algorithm. Model aspect, global convergence method is used to model the uncertainties of model state, parameter and forcing with generalized Gaussian distribution, and one new idea of coordinating model and remote sensing is proposed to estimate background error covariance matrix. Observation aspect, the uncertainty of linearly segmenting net radiation by vegetation coverage when ET is retrieved online with remote sensing model is reduced by using soil thermal dynamic equation to predict soil heat flux; observation error covariance matrix is estimated using ensemble method coupled with the sensitivity of parameters through adjusting the generalized Gauss distribution disturbance according to the proportion of sensitive coefficients of model parameters. Algorithm aspect, for the purpose of dissecting the contribution of the temporal scales of uncertainties on ET assimilation, the wavelet multiresolution decomposition of the time series of ET is achieved, the uncertainties of different temporal scales are transformed into different frequent information, according to these information, the new information with the corresponding frequency is transferred from observation into model, and then an explicit multifrequent four-dimensional ET assimilation method is derived based on time-domain four-dimensional variation, in order to practice the scheme of simultaneously optimizing status and parameters for controlling the uncertainties. On the basis of the wavelet & EnKF ET assimilation method proposed by the applicant and home-produced satellite, it is expected to achieve innovative results on studying the uncertainties of four-dimensional ET assimilation.

非正态不确定性估计与控制对发展四维蒸散同化至关重要，本申请将系统性研究模型、观测和算法不确定性的非正态性。模型方面，利用全局收敛法对模型状态、参数和强迫的不确定性进行广义高斯分布建模，并提出模型和遥感协同估计背景场误差协方差的新思路。观测方面，通过土壤热动力方程预报土壤热通量，削减遥感模型在线反演蒸散时植被覆盖度线性分割净辐射产生的不确定性；根据模型参量敏感系数的比例调整广义高斯分布扰动，以耦合参量敏感性的集合法估计观测误差协方差；算法方面，为量化不确定性尺度性对蒸散同化的贡献，通过小波将不同时间尺度的蒸散不确定性转换成不同频率的信息，依据这些信息调节相应频率的新息从观测向模型传递，进而基于时域四维变分导出显式的频域四维同化，以此践行状态和参数同时优化控制不确定性的方案。在申请者提出的小波&EnKF蒸散同化方法的基础上，本申请立足国产卫星开展四维蒸散同化不确定性研究，预期能取得创新性成果。

蒸散作为链接地表水量平衡和能量平衡的纽带，调节着能量和水分在地圈、水圈、大气圈和生物圈中的分配。陆面数据同化有机结合了陆面过程模型和遥感模型各自的优势，为高时空分辨率估算区域水热通量提供了新途径。尽管陆面数据同化的方法研究与系统建立取得了丰硕成果，然而不确定性准确估计依然制约着数据同化进一步发展，主要原因是其来源复杂。到目前为止，数据同化中不确定性研究仍然以正态分布为主，对驱动数据、模型参数以及模型结构等所展现的非正态不确定性研究相对不足。. 为此，本项目的研究内容聚焦以下两个方面：1）模型方面不确定性的非正态性，包括状态变量和模型参数不确定性的非正态建模、背景场误差协方差矩阵的非正态估计、气象强迫的不确定性；2）遥感方面不确定性的非正态性，包括遥感蒸散模型的非正态不确定性、遥感蒸散不确定性的非正态估计、非正态不确定性的尺度性研究。. 围绕上述研究内容，本项目的重要结果如下：1）提出了一种气象强迫数据空间降尺度的权重归一化拉格朗日插值法；2）提出了一种利用广义高斯分布估计状态变量、诊断变量以及模型参数不确定性的方法；3）构建了一种基于小波变换的针对状态变量和诊断变量不同频率的同化方法；4）开展了基于Noah LSM的淮河上游径流模拟及参数的敏感性分析应用研究。. 研究中的关键数据包括：1）驱动Noah LSM所需的气象强迫数据、遥感数据和土壤质地数据；2）参数敏感性分析中用以模型验证的水文站观测数据。. 上述研究的科学意义在于：1）改进的拉格朗日插值法通过插值基函数的权重进行归一化，利用给定的插值节点可得到数值稳定的插值结果；2）基于广义高斯分布的非正态不确定性估计方法可以更好地概括数据同化中出现的各种不确定性；3）基于小波变化的同化方法可以在不同频率上利用观测更新陆面过程模型的状态变量；4）参数敏感性分析结果提高了陆面过程模型参数优化的效率。