有预报误差时估算土壤湿度的数据同化研究

土壤湿度能控制陆面水分和能量通量的分配比例，是一个对天气预报和气候预测有重要影响的关键物理量，但观测站点稀少，资料难得。借助数据同化技巧可以把微波遥感表层土壤湿度信息与陆面模式提供的预报场有效融合，用于估算整个土壤湿度廓线。目前土壤湿度预报仍包含较大误差，大大降低了土壤湿度的估算精度，本项目就立足在预报误差存在时研究如何在同化过程中全面考虑模式误差的影响。内容有：处理上下层土壤湿度时间关联误差的新办法；抑制虚假表层与深层背景误差协方差的新思路；研发具有一定物理意义的误差模型，比较增广变量法和两步估算法在土壤湿度估算方面的差异，探讨误差反馈机理和适用条件；尝试利用多模式超集合卡曼滤波来克服单一模式可能存在的模式误差。目标是提高土壤湿度廓线估算的精度。希望通过以上几个不同侧面的研究，对同化过程中实时在线处理模式误差的理论和方法有所贡献，研究结果对同化实际观测资料能有一定借鉴作用。

数据同化可以融合观测资料与陆面模式预报场，为模式初始化或再分析提供土壤湿度等陆面状态资料集，但是不论模式还是观测资料都包含误差甚至偏差。此外，用于同化的样本也存在取样误差。若不合理处理这些误差，同化性能会降低甚至失败。基于此，项目在分析不同误差来源特性基础上，提出一系列针对性处理方案来降低误差的不利影响，研究成果如下：. ①集合预报思想引入陆面数据同化领域。针对三类陆面模式（即CLM、NOAH LSM和CABLE）单独估算值误差的不同表现，提出对单独模式的背景场及其误差协方差阵进行加权平均，构建多模式、超集合卡曼滤波同化。理想试验和实际观测驱动下同化试验均表明：新方法估算的土壤湿度廓线好于单独模式的结果。. ②利用模拟的土壤湿度资料，借用SCE-UA优化算法，探究减小4个参数误差的可行性（即参数b、饱和含水量θs、饱和水势ψs和饱和水导率Ks）。试验表明：若一次只校正其中1个、或同时2个、或同时3个但一定包含b，均能搜索到真实值；其它情形除b外均不能获得参数真实值。. ③研究用集合平方根滤波同步估算土壤湿度和校正参数。试验表明：准确校正参数对估算土壤湿度廓线非常重要；不准确参数值会影响对模式状态量的更新。但是模式状态和参数同时更新的同化方案对参数的初估值较为敏感，只有选取合适的初估值才能保证参数校正和状态估计同时成功。. ④提出修正背景误差协方差来克服小样本时深层与表层土壤湿度间虚假的关联误差，使之满足表层与其余各层土壤湿度误差间关联系数不随深度增加；提出利用前一时刻背景误差协方差来修正当前时刻协方差的方法，吸收上下层土壤湿度间的时间关联误差信息。在三个不同降水气候区的同化试验表明：所提方法能有效提升深层土壤湿度的估算精度。. ⑤相对于离线运行的陆面模式，耦合边界层的陆面模式会由于陆-气描述不完善造成额外误差，为此开展其与离线陆面模式的同化性能比较研究。同化试验表明：两类模式估算的土壤湿度会存在差别，但小于观测误差。当观测误差减小后，离线模式估计的地表感热通量基本不变，但耦合模式的误差则增大；当观测误差增大后，离线模式的结果明显变差，而耦合模式变化很小。对于离线陆面模式，观测用于驱动模式，因此观测误差越小越好；对于耦合模式，观测用于同化，观测误差与模式误差相匹配才能保证状态平稳更新。