基于水热碳耦合模型和变分数据同化理论的区域蒸散发遥感估算研究

Evapotranspiration (ET) is an important component of both land surface energy balance and water cycle, and is important for climate change research, etc. Data assimilation method can produce temporal continuous map of ET by integrating multi-source remote sensing observation and land surface model, and can overcome the contradiction between remotely sensed instantaneous observation and temporal continuous land surface process, and cut down model uncertainties. However, none of the existing data assimilation system is designed for ET monitoring, and the multi-source remote sensing data is not fully used. Thus, this project aims: to develop a robust data assimilation scheme based on variational data assimilation technique and water-energy-carbon coupling model; optimize key variables or parameters in water-energy-carbon model with the assimilation of multi-source remote sensing data that represent key land surface characteristic from a constellation of satellites; test performance of the variational data assimilation system extensively with synthesis experiment, and access the accuracy of model output with multi-scale ground measurements; apply the data assimilation system in the core study area (Heihe and Haihe River Basin), and analysis the spatial and temporal variations of ET monitoring results.

地表蒸散发是地表能量平衡和水分循环过程的重要组成部分，对于全球气候演变等研究意义重大。数据同化方法通过融合观测数据和过程模型，可以克服遥感瞬间观测和地表过程连续变化之间的矛盾、降低模型的不确定性，获得高精度、时空连续的地表蒸散发。然而，目前并没有专门针对地表蒸散发的数据同化系统，且越来越丰富的多源遥感观测数据也未被充分利用。因此，本项目拟基于变分数据同化方法和水热碳耦合模型，构建一套稳健的变分数据同化系统；通过构建统一的代价函数，将能够反映重要地表特征的卫星星座多源遥感数据同化到水热碳耦合模型中，优化模型中具有关键物理意义的控制变量/参数，从而准确监测地表蒸散发的时空动态变化；通过人工实验，系统的测试与评估系统的性能，利用多尺度地面观测数据全面验证同化系统计算精度；在核心实验区（黑河、海河流域等）对同化系统进行应用示范，分析地表蒸散发的时空格局。

地表蒸散发是陆表能量平衡和水循环的重要组成部分，基于热红外遥感的估算模型成为地表蒸散发估算的重要方法之一。然而，由于受到云等不利天气的影响，如何基于热红外遥感数据获得时空连续的地表蒸散发面临着巨大挑战。本项目基于变分数据同化理论，构建了地表蒸散发变分数据同化框架及其参数化方案、量化了模型误差和气象驱动误差、开展了数据同化方法比较与性能评估、开展了区域应用与验证等一系列的研究。具体为：构建了能量平衡和植被动态耦合模型及变分同化框架，提出了植被快速生长期湍流传输系数的参数化方案，发展了基于环境指数的区域蒸发比的参数化方案，实现了地表蒸散发、土壤蒸发、植被蒸腾、植被变化等的时空连续动态监测；通过增加误差项发展了弱约束变分同化框架，有效刻画了模型误差的时空变化；进一步利用集合卡尔曼平滑算法分析了模拟结果的不确定性及时空分布，并对比了集合卡尔曼平滑与变分方法、数据同化方法与遥感模型方法的性能差异；在黑河流域、西南河流源区等区域，进行了数据同化算法的区域应用和综合验证。项目发表学术论文12篇（均为第一、二标注），其中SCI论文11篇；获得地理信息科技进步奖特等奖1项；授权计算机软件著作权3项；被AGU会议邀请做特邀报告1次。本项目提出的数据同化框架有效化解了遥感瞬间观测与地表过程连续变化之间的矛盾，降低了过程模型的不确定性，获得了准确的、时空连续的区域地表蒸散发，极有可能成为地表蒸散发估算的主流方法之一。