非饱和土壤水力学参数估计的集合卡尔曼滤波同化系统的发展与应用

非饱和土壤水力学参数估计方法的发展与应用一直是农田水利学、地下水文学和土壤物理学领域极其重要的研究方向。本研究将把集合卡尔曼滤波算法与非饱和土壤水流数值模拟算法相耦合，构造一个估计非饱和土壤van Genuchten型水力学参数的数据同化系统。我们将就影响参数同化精度的5个主要因素，即：集合数目、初始猜测误差、观测误差、模型误差和同化频率，以12种典型土壤质地为背景开展大量的数值试验，旨在给出所构造的同化系统在实际运用中的有效策略。此外，就一维层状土壤和二维随机非均质土壤对参数同化系统有效性的影响给出进一步的量化，并就野外气象条件下如何应用该同化系统估计非饱和土壤水力学参数给出初步的建议。本申请的选题是国内外迄今尚未深入开展的探索性的应用基础科学研究项目，该研究对构建利用非饱和土壤水动态观测数据反求水力学参数进而有效地开展土壤墒情动态预报具有重要的理论和实际意义。

非饱和土壤水力学参数估计方法的发展与应用一直是农田水利学、地下水文学和土壤物理学领域极其重要的研究方向。本研究主要包括数据同化理论方法的构建和在不同类型土壤中的应用研究。在理论方法方面，研究将集合卡尔曼滤波算法与非饱和土壤水流数值模拟算法相耦合，构造了一个估计非饱和土壤van Genuchten 型水力学参数的数据同化系统（EnKF）。在方法应用方面，我们以美国农业部（USDA）12 种典型土壤质地为背景开展大量的数值试验，就影响参数同化精度的5个主要因素，即：集合数目、初始猜测误差、观测误差、模型误差和同化频率进行了讨论，旨在给出所构造的同化系统在实际运用中的有效策略，包括集合数目、同化时间间隔等。此外，我们还将所构建的数据同化方法应用于实际气象条件下基于土壤湿度数据的水力学参数同化中。通过对四种典型的土壤质地类型（即黏土、壤土、砂土和粉土）的数值试验，结果表明：EnKF能够较快的得到稳定的参数估计，它不受观测误差和模型误差的干扰，从而降低了得到次优参数值的风险，进而提高了土壤湿度模拟和预报的精度。