削减分布式水文模拟不确定性的多源数据同化方法

针对分布式水文模拟中存在大量的不确定性，而多源观测数据又没有被有效利用等问题，开展削减分布式水文模拟预测不确定性的多源数据同化方法研究。采用数学建模分析和实际流域水文实验数据验证相结合的技术手段，重点研究如下内容：通过耦合调用具有一定物理机制的分布式模型，将模型中大数量的参数集进行分解，实时引入观测数据，探讨模型参数和变量同步校正的同化方法；设定模型参数、模型结构和输入不同量级的不确定性，研究它们对水文模拟预测的影响，分析各项不确定性在数据同化过程中的传递和衰减特性；选择适合于遥感数据的观测算子，将原位观测数据和遥感数据组合，评估多源组合数据同化对水文模拟结果不确定性的削减效果。从而建立理论正确、实际应用可行的多源数据同化分析框架，明确各项不确定性在数值模拟中的演化过程。研究成果将为水文模拟与遥感技术的结合提供新的思路，为提高分布式水文模拟预测精度和在变化环境下应用的适应性奠定理论基础。

分布式水文模拟中存在大量的不确定性，而多源观测数据并没有被有效利用与水文模拟中，因此我们开展削减分布式水文模拟预测不确定性的多源数据同化方法研究。重点研究内容如下：通过耦合调用具有一定物理机制的分布式模型，将模型中大数量的参数集进行分解，实时引入观测数据，发展模型参数和变量同步校正的同化方法；设定模型参数、模型结构和输入不同量级的不确定性，研究它们对水文模拟预测的影响；探讨了数据同化方法在无资料区水文预报中的作用和功效，并发展了大尺度水文-泥沙运移模型。研究结果表明，我们发展的参数集分解算法PU_EnKF可以紧密耦合在分布水文模型中，实现模型参数和状态变量的同步更新校正；简单的经验因子法可以量化各项不确定性而且PU_EnKF方法可以提高无资料区水文预报精度；我们发展的水文-泥沙模型VIC-Sed可以在区域尺度上反映土壤侵蚀过程，并可以和同化方法耦合应用。研究成果为水文模拟与多源数据的结合提供了新的思路，并提高了分布式水文模拟预测精度和在变化环境下应用的稳健性。