基于鲁棒滤波方法的陆面数据同化系统误差估计与处理

根据陆面数据同化系统的基本构成，从驱动数据、输入参数集、观测数据和陆面过程模型等方面分析数据同化系统不确定性的来源，探索定量估计驱动数据背景场误差、陆面过程模型误差和观测误差的方法；采用源于自动控制领域的鲁棒滤波方法进行数据同化系统不确定性和误差估计研究，结合已有应用的集合Kalman滤波和粒子滤波算法，从协方差矩阵设计、后验概率密度估计等角度，寻找提高滤波性能的方法，力争揭示数据同化系统中的误差特征；选择SiB2模型作为模型算子，利用2008年开展的"黑河流域遥感-地面观测同步试验"项目的遥感观测资料，选择阿柔地区，进行陆面数据同化系统案例实验；通过选择算法的相关参数，同时考虑模型误差、观测误差和误差分布等因素，系统地比较各种算法对这些参数的敏感性，通过敏感性评价各种算法的稳定性，探索处理陆面模型非线性及误差的概率分布非高斯等问题的方法。

数据同化系统中的误差问题一直被认为是制约系统性能的瓶颈问题。本研究围绕数据同化方法中的鲁棒类滤波方法进行研究，目的是探索数据同化系统中的误差估计与处理方法，已达到了预设的项目研究目标。项目的研究按计划进行: .(1)进行了“鲁棒性滤波方法在数据同化系统中的性能测试”。 以顺序数据同化方法为例，选择EnKF、DEnKF等三种典型的顺序数据同化算法，开展敏感性分析研究；用面向对象的程序设计方法，在数据同化的框架内编程实现三种带有鲁棒性的滤波算法。通过对滤波算法关键性的参数变化研究，可以发现确定性集合Kalman滤波算法是一种具有较强鲁棒性的滤波算法，能够在集合数较小的情况下，达到较好的同化效果。同时为数据同化研究提供了一个稳健的同化系统算法平台。.(2)开展了“基于鲁棒性智能算法的数据同化系统误差处理方法研究”。 针对数据同化系统中的误差估计与处理问题，在集合转换Kalman滤波方法的基础上，引入自动控制领域的进化计算思想，分别提出了基于杂交原理和进化策略的数据同化方法。这些方法的提出获得Monthly Weather Review 审稿专家的较高评价。进而，重点研究了集合滤波数据同化系统中各种误差来源及特征，提出一种新的鲁棒误差处理方法。利用经典的数据同化方法验证模型，实现了鲁棒误差处理方法的应用研究。.(3)项目组成员参加了“黑河生态—水文过程综合遥感观测联合试验”（Hi-WATER），设计生态水文数据采集系统，研究陆面数据同化系统观测误差，开展 “陆面数据同化系统误差问题研究”，发表陆面数据同化系统误差问题综述一篇，同时进行了遥感图像处理研究。.项目执行的结果主要反映在发表的16篇研究论文中，其中SCI检索论文２篇，发表在Monthly Weather Review等期刊，EI检索论文2篇，核心期刊论文5篇。同时，在中英文专著 “Land Surface Observation, Modeling and Data Assimilation”发表章节论文2篇，出版教材１部，获得发明专利和实用新型专利各１项。项目组成员多次参加陆面数据同化方面的国内外学术研讨会，项目负责人访问了澳大利亚Monash大学Jeff教授研究小组，开展了国际交流合作研究。项目进行期间，项目负责人获得甘肃省高校青年成才奖和甘肃省师德标兵等荣誉称号，培养硕士研究生5名。