基于微波遥感观测和数据同化优化陆面过程模式土壤水参数化方案的方法研究

Land data assimilation, which couples various observations (e.g. in situ observations and satellite remote-sensing data) and land surface model, is an effective way of approaching optimal estimations of land surface process variables. Land data assimilation has significantly improved the application of satellite remote sensing observations in land surface process. However, in the process of data assimilation, land surface process parameterization schemes haven’t been improved, and the inherent physical mechanism of different physical parameters in the land surface process hasn’t been described exactly. Data assimilation even doesn’t improve its own predictability of land surface process model. In this project, we devote to exploring a new way of optimizing physical mechanism of the land surface parameterization schemes based on the microwave remote sensing observations and land data assimilation method, with taking improving the mechanism of the soil moisture parameterization scheme of the community land model as the breakthrough based on soil moisture assimilation system. What we expect is to provide physical improvements of land-surface process model, and enhance model prediction ability. Meanwhile, this project will also promote the development of a series of relevant basic research including the development of soil moisture calculation method in CLM soil moisture parameterization scheme, wetland surface microwave radiative transfer model, and an adaptive ensemble Kalman filter algorithm. This research is of great importance to understand the mechanism of land-atmosphere interactions and improve climate prediction ability of our country and has great potential in the application of land-atmosphere coupling system simulation.

利用陆面过程模式和低频微波遥感观测得到土壤湿度等陆面过程状态变量最优估计的陆面数据同化研究，为卫星遥感观测在陆面过程研究中的应用提供了更加广阔的空间。但是，数据同化未改进陆面过程模式参数化方案，未能反映陆面过程各物理量内在的物理机制，更没有提高陆面过程模式自身的预报能力。本项目在上一已结题基金面上项目基础上，拟以土壤湿度同化系统为平台，以优化通用陆面模式CLM的土壤水参数化方案为突破，探讨基于微波遥感观测和数据同化优化陆面过程模式土壤水参数化方案的新方法，从物理机制上改进和完善CLM模式，提高模式自身的预报能力。同时，将促进与此相关的一系列基础研究的发展，包括CLM模式土壤水数值计算方案的改进；湿地地表微波辐射传输模型的发展；自适应集合Kalman滤波算法的发展等。本研究对理解陆气相互作用机理和提高我国气候预测和预报能力具有重要意义，在陆-气耦合系统模拟中具有很好的应用前景。

陆面数据同化是目前提高模式状态变量估计精度的一种可行途径且极具潜力的方法，为遥感观测在陆面水文过程中的应用提供了更加广阔的空间。但是，数据同化在实现过程中并没有对陆面过程参数化方案进行改进。因此，利用数据同化的优势从物理机制上改进陆面过程参数化方案，提高陆面过程模式自身的模拟能力，这是一项非常有意义而值得探索的研究课题。. 本项目的主要目标是基于通用陆面过程模式CLM、复杂地表辐射传输模型、自适应集合Kalman 滤波算法和SCE-UA优化算法发展复杂地表土壤湿度同化系统，以此为平台，探讨基于遥感观测和数据同化优化陆面过程模式土壤水参数化方案的新方法，实现从物理机制上改进和完善陆面过程模式，提高模式自身的预报能力。. 围绕上述研究目标开展研究，主要研究成果总结如下：. （1）采用Ross方案和Kirchhorff变换对CLM模式土壤水数值计算方案进行改进，提高了CLM模式对高寒草甸下垫面的土壤湿度的模拟精度。. （2）发展湿地地表微波辐射传输模型，解决了包含湿地的模式网格的陆面数据同化难题，是目前微波遥感模型研究的突破；. （3）基于通用陆面模式CLM、复杂地表微波辐射传输模型和自适应集合Kalman滤波算法，构建了包含植被、积雪、裸土、水体、湿地和沙漠等地表覆盖的复杂地表土壤湿度同化系统；. （4）发展一种基于数据同化优化陆面过程模式参数化方案的方法，从物理机制上改进和完善陆面过程模式参数化方案，提高模式的区域适应性和模拟能力，对改善大气环流模式（GCM，General Circulation Model）和区域气候模式（RCM，Regional Climate Model）模拟和气候预测能力具有重要的现实意义，在利用陆-气耦合模式进行气候模拟与预测领域具有很好的应用前景。