高寒山区遥感土壤水分数据同化及其对分布式水文模型模拟性能的影响

Assimilation of remote sensing soil moisture data in distributed hydrological model, is an effective way to provide accurate soil moisture data at large scale, and also the basis to improve the performance of distributed hydrological model. As soil moisture varies significantly at both temporal and spatial scale in mountain area, the assimilation is very necessary but challenging in these areas. However, due to lack of observations and defects of remote sensing data, little has been done at large watershed scale in mountain area. This study aims to assimilate remote sensing soil moisture data in distributed hydrological model and evaluate the effect of assimilation on model performance in high elevation and cold mountain area. The research area consists of two inland river watersheds, the upper reach of the Heihe River watershed and Shule River watershed in the Qilian mountain area. Based on the uncertainty analysis, SMOS data is disaggregated to improve its accuracy and spatial resolution. The best assimilation scheme is determined by comparing four different tempo-spatial scale matching schemes through EnKF methods. SWAT-SM model will be developed to simulate hydrological processes directly using the assimilated soil moisture dataset of surface layer. The assimilation effect on model performance in high elevation and cold mountain area is evaluated by comparing the simulation results of SWAT, SWAT-SM and the observations. This study will provide an effective way for simulating hydrological processes in high elevation and cold mountain area, and promote scientific management of water resources in inland watersheds.

遥感土壤水分数据与水文模型的同化研究，是提供流域尺度土壤水分数据的有效手段，也是提升流域水文模型模拟性能的基础。山区土壤水分时空变异性十分显著，在山区流域开展相关研究尤为重要。但由于山区实测资料匮乏，遥感数据存在一定不足，在山区大流域尺度上的同化研究更具挑战性。本研究将以典型高寒山区--祁连山区的两个重点流域(黑河上游和疏勒河上游)为研究区，对SMOS遥感土壤水分数据进行不确定性分析及离散化处理后，确定其与水文模型SWAT的最佳同化方案，采用EnKF (Ensemble Kalman filter)方法进行同化；开发SWAT-SM模型，直接利用同化后的表层土壤水分数据集进行模拟，评估土壤水分数据同化对分布式水文模型在高寒山区模拟性能的影响。项目旨在高寒山区大流域尺度上开展遥感土壤水分数据与水文模型的同化及影响研究，可为准确模拟高寒山区流域水文过程提供重要手段，并推动内陆河流域的水资源管理。

遥感土壤水分数据与水文模型的同化研究，是提供流域尺度土壤水分数据的有效手段，也是提升流域水文模型模拟性能的基础。山区土壤水分时空变异性十分显著，在山区流域开展相关研究尤为重要。但由于山区实测资料匮乏，遥感数据存在一定不足，在山区大流域尺度上的同化研究更具挑战性。本项目研究目标为：对 SMOS 遥感土壤水分数据进行不确定性分析及离散化处理，提高其数据精度；对比分析不同的时空尺度匹配方案，确定 SMOS 数据与分布式水文模型SWAT 在高寒山区大流域尺度上的最佳同化方案，采用EnKF 方法将 SMOS 数据与 SWAT 模型进行同化；开发 SWAT-SM 模型，利用同化后的流域表层土壤水分数据集进行模拟分析，阐明表层土壤水分数据同化对分布式水文模型在高寒山区模拟性能的影响。.3年来，完成上述目标对应的研究任务，取得进展如下: 1) 基于项目组已有观测体系和本研究需求，进行野外采样分析，在祁连山区主要土被组合类型上补充建立ECH2O 土壤含水量监测系统；2) 基于观测数据，分析不同遥感土壤水分数据在山区的不确定性，确定SMAP为山区最优遥感土壤水分产品；对比分析不同方法性能，确定Dispatch方法为山区降尺度方法；3) 利用实测数据，对比分析土壤水分从表层向深层的拓展方法指数滤波法、RBF(Radial Basis Functions)方法和线性回归法，进而基于SMAP遥感产品提供的表层土壤水分数据，生成根系区土壤水分数据；4) 基于拓展而得的根系区土壤水分数据，改写模型中与土壤水分计算相关程序，采用EnKF方法将拓展而得的遥感土壤水分数据与模型模拟值进行同化，开发SWAT-SM模型，更准确地模拟山区水文过程。5) 培养博士生1名，本科生8名；6) 参与撰写专著1本；已发表相关学术论文 4 篇，其中 3 篇为 SCI； 另有 1 篇 SCI 文章接收；还有 2 篇 SCI、 1 篇 CSCD 文章正在整理投稿中。