论文部分内容阅读
土壤湿度是影响气候的至关重要的变量之一，它分配着陆地表面的能源和降水，在全球水循环中起着重要的作用。准确评估时空变异的土壤水分对研究地表生物地球物理进程具有重要的意义。目前，利用数据同化方法反演大规模土壤水分的同化技术是研究陆面进程的重要手段，其通过集合陆面过程模型、同化算法及遥感探测数据，为陆表与根区土壤湿度遥感估计提供了有效手段，对土壤湿度的研究具有重要的意义。 集合卡尔曼滤波与粒子滤波适用于复杂的非线性问题，尤其适用于复杂的陆面过程模型数据同化。本研究以VIC-3L水文模型为依托，模拟北美研究区域内的三层土壤水分，同时结合集合卡尔曼那滤波与粒子滤波完成了区域表层土壤水分同化研究工作。主要研究成果包括: 1.在UNIX环境下运行VIC模型，处理准备了VIC-3L模型的参数文件，包括研究区的植被参数、土壤参数、大气驱动数据及全局控制文件，模拟北美研究区域内的三层土壤水分。结合降水量及区域季节特性，模拟结果表明VIC-3L模型能够较好的模拟水分在土壤中的下渗过程。 2.结合VIC-3L模式，采用集合卡尔曼滤波同化AMSR-E遥感卫星土壤水分数据，同时利用概率密度分布函数对AMSR-E数据进行偏差订正，完成了覆盖美国内布拉斯加州及堪萨斯州的区域2010年土壤水分同化实验。实验结果表明，同化进程能够提高表层土壤水分的估计。 3.开展了基于残差重采样粒子滤波的遥感土壤水分产品同化实验，同化AMSR-E土壤水分产品数据。结果表明，基于残差重采样粒子滤波的同化方案是可行的，能够提供区域表层土壤水分的较为准确的估计。与集合卡尔曼滤波同化方案同化结果相比，两种同化方案的表层土壤水分同化效果基本一致。