基于卫星数据同化估计陆面模型静态参数与土壤水分的方法研究

Biased soil parameters are usually responsible for large uncertainties in soil moisture simulation. Traditional method of collecting soil parameters like ground sampling, however, is difficult to be implemented at large scales. The objective of this project is to calibrate key model parameters of the Community Land Model (CLM) and to improve soil moisture estimation by assimilating SMAP data through a variational- and EnKF-based data assimilation framework. Key scientific issue is to determine the optimal strategy utilizing long-term microwave satellite to calibrate land model. To this end, we propose three research topics: (1) to calibrate time-invariant model parameters within a relatively long time window through variational assimilation of SMAP brightness temperature and soil moisture retrieval; (2) to estimate time-variant land states (e.g. soil moisture) by sequentially assimilating SMAP data through ensemble-based assimilation method; and (3) to compare the SMAP soil moisture assimilation and the brightness temperature assimilation strategies, and to evaluate the overall skill of variational- and EnKF-based assimilation in estimating time-invariant parameters and fast-varying variables. The implementation of this project will present a new approach of improving model's capability through satellite data assimilation.

土壤性质等关键参数的不确定性是陆面数据同化估计土壤水分存在系统误差的主因之一。基于单点采样的传统土壤参数获取方法很难实现大尺度空间扩展。本研究拟基于变分和集合同化技术，同化SMAP卫星产品，估计CLM模型参数并改进其对土壤水分的模拟能力。拟解决的关键问题为利用长序列卫星观测数据校正模型静态参数的优化策略，以尽可能消除数据同化系统的系统误差。研究内容包括：（1）在长时间窗口内，以变分同化SMAP亮温和土壤水分估计模型静态参数，减小模型系统性误差；（2）以集合卡尔曼滤波技术再次同化SMAP观测估计土壤水分等地表状态变量，减小其随机性误差；（3）综合对比SMAP亮温与土壤水分同化效果，并评估变分和集合同化估计静态参数和快变量的能力。本研究将为利用卫星陆面数据同化技术改进模型提供新思路。

本项目旨在探索数据同化框架下结合卫星观测改进陆面模型的可行性和新思路。围绕该目标，我们主要从陆面静态和动态参数的同化估计以及土壤水分反演开展相关研究。主要内容包括：（1）提出了基于Noah-MP陆面模型和SMAP土壤水分产品校正全球土壤类型的方案。评估结果表明，在没有任何土壤背景信息输入的前提下，该方案可获取与GSDE全球土壤数据集相当的土壤性质（含沙量、粘土含量、孔隙度）空间分布。该研究证明了独立的卫星反演产品在估算全球土壤质地并改进全球尺度陆面模拟的可行性。（2）发展了基于变分和集合同化的双循环同化算法，以同步估计模型和卫星观测误差并改进土壤水分估计。结果表明，相比于传统的双通道数据同化算法、集合卡尔曼同化、以及单纯模型模拟，该方案可有效估计土壤孔隙度参数并最终获得与观测更一致的土壤水分估计。该研究提供了同化误差定量估计的新思路，可为多源陆面数据同化研究提供支持。（3）结合西南山区土壤水分观测开展次网格尺度宇宙射线土壤水分反演研究。该研究发展的COSMOS反演算法可获得与实测结果较为一致的区域土壤水分序列，并能有效反映该区域土壤湿度的季节性变化特征。该工作将为西南山区喀斯特槽谷区典型流域的区域尺度土壤水分监测、水文气象分析、以及模型和遥感反演评估提供数据支持。