二维陆面过程与三维地下水耦合模型中的多变量多尺度数据同化研究

The classic land surface only simulate the one dimensional water and energy cycle without lateral flow. But the lateral flow could not neglected at the small scale studies. So we propose to use the three dimensional coupled model TerrSysMP which couples the land surface model CLM and groundwater model Parflow to assimilation the observation data of soil moisture, land surface temperature and leaf area index. The impacts of assimilation on soil moisture profile, soil temperature profile and evapotranspiration will be evaluated. Moreover, the assumption of error distribution in ensemble Kalman filter is Gaussian, but the nonlinear behavior of land surface model could result in non-Gaussian error. We propose to use the normal score transformation in ensemble Kalman filter to handle the non-Gaussian error and evaluate its impacts on the land data assimilation. The objective of this study is to improve the application of multivariate and multisources remote sensing in land surface studies.

陆面过程模型通常指模拟一维垂向的水热循环，而土壤水分的侧向流在对于小尺度研究影响非常大，本项目拟在二维陆面过程CLM和三维地下水模型ParFlow的耦合模型TerrSysMP的动力学框架内，研究地表土壤水分观测、地表温度观测和叶面积指数观测等三种不同空间分辨率和时间分辨率的多变量数据同化对于陆面过程模型土壤水分廓线、土壤温度廓线和蒸散发模拟精度的影响；由于集合卡尔曼滤波假设误差是服从高斯分布条件下的最优解，而陆面过程模型的非线性会破坏误差的高斯分布特征，本研究将从同化方法的角度来研究不同集合卡尔曼滤波算法以及非高斯转换等方法，分析非高斯转换算法在陆面数据同化研究中的适用性；最终希望通过本研究促进多变量多源遥感数据在流域或者区域尺度陆面过程模拟研究中的应用。

集合卡尔曼滤波在误差为正态分布的条件下才会有最优解，而陆面过程模型的非线性会造成非正态分布的集合出现，而基于非高斯转换的集合卡尔曼滤波(NS-EnKF)在地下水模型的同化中已经证明可以改善双峰分布下的同化结果。为了对同化算法开展系统性的对比研究，开发了基于Lorezn 63 模型和多种集合卡尔曼滤波算法的数据同化系统。利用非线性模型 Lorenz 63 进行三个模型状态变量的数据同化试验，比较四种集合卡尔曼滤波算法（EnKF、NS-EnKF、LETKF 和 NS-LETKF）的优缺点，评价非高斯转换对同化结果的影响和适用性。.建立了多源遥感陆面数据同化与模拟系统，开展了西南地区流域水循环的模拟和预测研究。通过陆面过程模拟得到的土壤水分数据，对西南地区极端干旱事件进行了对比分析，结果表明陆面过程模拟可以准确把握西南地区频发的极端干旱事件，为后续的西南地区极端干旱事件的预警预报研究提供了技术支撑。同时，我们利用遥感大数据对西南地区的环境变化开展了案例研究。开发完成陆面数据同化系统DasPy（https://github.com/daspy），并开放源代码。DasPy系统能够在陆面（CLM）/水文（ParFlow）集成模型的动力学框架内，可实现对陆面过程（如蒸散发、土壤水运动、生物化学循环)，三维地下水运动及水污染等过程的数值模拟；以集合卡尔曼滤波和不确定性理论为基础，集成多源遥感产品（如土壤水分、土壤温度、积雪以及生物化学循环参量），优化模型参数和减小数值模型不确定性，提高数值模型对地表能水循环的模拟精度。