第
37
卷第
5
期
2
朋年
9
月
河海大学学报(自然科学版)
Journal
of
Hohai
University(
Natural
Sc
iences)
001:
10.
3876/j.
issn.
1
000-
1980.2ω.05.012
Vo
l.
37
No.
5
Se
p.
2;
ω
水文数据同化方法及遥感数据在水文数据同化中的应用进展
王文,寇小华
(河海大学水文水资源与水利工程科学国家重点实验室,江苏南京
21ω8)
摘要:多源信息的应用是未来水文科学发展的一个重要趋势,水文数据同化(尤其是遥感数据在流
域降雨径流模拟中的同化)已经成为当前水文学研究的一个热点.数据同化有
2
个基本途径:一是
全局拟合,以变分方法为代表;二是顺序同化,以各种卡尔曼滤波及粒子滤波方法为代表.数据同
化技术已经被许多学者应用于降雨径流模拟与预报,但在遥感反演水文信息精度的改进、"最优"方
法的选取、误差的定量描述、数据同化对象的选择,以及同化效果的评估等多方面,还有大量问题有
待深入研究.
关键词:数据同化;降雨径流模型;遥感;土壤水分;水文预报;卡尔曼滤波
中图分类号:P3
31
文献标识码
:A
文章编号:
1
则
-1980(2
∞
9
)05-0556 - 07
多游、信息的应用是未来水文科学发展的一个重要趋势,以遥感数据为主体的多源数字化信息的应用也
是数字流域建设的一个重要内容.而数据同化是将遥感数据应用于水文预报的一个极具发展前途的技术手
段,是近年来极受关注、发展迅速的一个研究领域.数据同化技术被认为是变革传统水文学、建设数字水文系
统的关键技术
[l].
美国国家研究理事会
(NRC)[2]
也将陆面模型与遥感数据同化列为未来
10
年对地遥感观测
与应用研究的一个重点发展方向,并建议加大对相关研究的支持.
数据同化,指将物理过程数值模型拟合结果与观测数据相融合,以不断更新系统状态与参数,从而提高
物理过程模拟或预报精度的方法.通过数据同化,主要达到
4
个目的:系统时空状态估计、模型参数校正、提
高系统模拟与预测精度以及系统模拟与预测不确定性的定量分析.数据同化早在
20
世纪五六十年代就被成
功应用于数值天气预报,随后在海洋预测系统中也得到广泛应用,但直到
20
世纪
90
年代才被用来研究陆面
过程.过去
10
多年中,陆面过程数据同化成为一个非常活跃的研究领域,在水文数据同化(将水文模型拟合
结果与地面、遥感观测数据相融合,以不断更新水文模型状态变量与参数,从而提高水文过程模拟与预报精
度的方法)方面也有大量成果发表.
水文数据同化的数据对象按来源可以分
2
类:
(a)
地面观测数据,包括降水、土壤含水量、积雪厚度、水
位、流量;
(b)
遥感观测数据,包括土壤含水量、地面温度、降水、蒸散发量、地面植被覆盖、积雪覆盖等,并且所
使用的遥感数据大多数为卫星遥感数据.水文数据同化的研究目的包括估计土壤水分、改进降雨一径流模拟、
提高洪水预报精度、改进大尺度水循环模拟、估计蒸散发、估计水力传导系数、模拟地下水流运动以及估计河
流水位等.本文就水文数据同化方法,尤其是卫星遥感估算的土壤含水量数据
[3]
在流域降雨径流模拟的同化
方法中的应用现状进行回顾与分析.
1
水文数据同化的主要方法
1.1
数据同化方法的分类
数据同化有
2
个基本途径:全局拟合与顺序同化.前者以变分方法为代表,它以最优控制理论为基础,以
分析值与观测值以及背景场之间偏差为目标函数,通过对其最小化寻求整个同化时段的最优解.顺序间化方
法则只着眼于求解单个观测时刻的最优分析值,不断地用新来的观测更新模型的预报场,从而形成下一时刻
收稿日期:
2C
朋
04-08
基金项目:国家自然科学基金
(40771039)
;教育部博士点基金
(2
仪脱归∞
13)
;教育部长江学者创新团队(I
R
T07J7)
作者简介:王文
(1967
一)
,男,江苏姜堪人,教授,博士,主要从事环境变化对流域水文过程的影响及水文遥感方法研究.