基于数据同化系统的作物产量预测研究进展

数据同化系统融合了遥感数据和作物生长模型的优势,是实时监测农业生产状况的有力手段。本文在简要介绍作物产量遥感估测方法的基础上,重点对数据同化算法的发展情况、多源遥感数据在数据同化上的应用潜力、数据同化系统的不确定性以及数据同化系统的尺度效应4方面进行论述。并且针对农业应用现状,提出未来应充分挖掘多源遥感数据、多作物生长模型集合和数据算法的优势,最终实现以机理模型为纽带的作物估产模式,并为制定田间管理策略、规划粮食产业布局和制定进出口贸易政策提供有力的数据和技术支撑。

陆面数据同化系统构建方法及其农业应用

遥感数据与模型的同化能够为地球表层科学研究提供更为丰富和更为精确的数据,实现数据在时间和空间上的扩展,是地球科学发展的新方法,并在农业上得到了广泛应用。论文在介绍了陆面数据同化系统组成结构的基础上,重点分析了同化系统一般的构建流程以及详细的构建方法,并针对农业遥感的需求,介绍了同化系统在农业领域的应用,最后分析了目前同化系统发展中存在的问题以及今后的发展方向。

陆面数据同化系统及其在全球变化研究中的应用

陆面数据同化的研究起源于20世纪末,发展比较迅速。本文从当前发展比较成熟的陆面数据同化系统、同化方法以及陆面数据同化在全球变化研究中的应用三方面做了综述。比较成熟的陆面数据同化系统主要是美国(全球)和欧洲的陆面数据同化系统,加拿大、韩国和我国的数据同化系统最近才有所发展;数据同化方法主要以基于统计估计理论和以基于变分的两大类方法为主流,近年来人工神经网络和粒子滤波技术有所发展;在生态水文学、碳循环和作物估产的应用研究中,陆面数据同化方法已经发挥了重要作用。

欧洲陆面数据同化系统组成,系统设计和原理简介

随着技术的进步,地球系统科学的发展,地——气系统的复杂性的进一步研究,对地表物理场精度的需求越来越高。而观测和模拟作为获得地表数据的两种基本手段,由于其各自的局限性,其精度已经不能满足进一步研究的需求,在这样的背景下,陆面数据同化系统逐步发展起来。本文主要介绍了世界主要的陆面数据同化系统之一——欧洲陆面数据同化系统。此系统采用的强迫数据是根据欧洲的实际情况由欧洲中心自行生产的一套数据,同时在欧洲不同的机构它们采用了不同的陆面过程作为欧洲陆面数据同化系统的核心,它们还将卡尔曼滤波和变分方法结合生产了一套独特的同化方法。并对此系统进行了验证和实例应用。

顺序数据同化系统模型有色噪声控制方法研究

在顺序数据同化系统中,一般假设模型的误差符合高斯白噪声的统计特性,然而白噪声是一种十分理想的噪声,实际情况中,模型的噪声均为有色噪声,若仍将其当作白噪声进行处理,将会影响数据同化结果的精度。针对模型的有色噪声控制问题,该文提出了状态改正数自适应方法。该方法基于状态改正数信息对模型的有色噪声直接进行估计,从而降低有色噪声对顺序数据同化结果精度的影响。而后将该方法、经典卡尔曼滤波同化法、向量增广法及协方差矩阵自适应法分别应用到目标位置跟踪数值算例中,对几种方法得到的同化结果进行对比分析,验证了该文提出的状态改正数自适应方法对顺序数据同化系统模型有色噪声控制的有效性和实用性。

土壤湿度同化数据综合分析处理系统的研制与开发

陆面数据同化系统的输入和输出数据以其格式多样性、海量性为主要特征。以GIS二次开发组件ArcGIS Engine,ArcSDE空间数据库引擎和SQL Server 2005数据库管理工具,利用C#、IDL编程语言,构建土壤湿度同化数据空间数据库,并将气象数据具有时间域、空间域和属性域等多维属性与GIS数据模型相结合,研制开发综合分析处理系统,实现土壤湿度同化输入参数与输出数据的空间分析与管理。系统能够满足陆面同化系统对数据的处理与分析需求,为土壤湿度同化产品的业务应用提供强大的支撑。

一个基于模拟退火法的陆面数据同化算法

陆面数据同化系统是近年来兴起的新领域。我们发展了一个实验型的陆面数据同化方案,它使用一种启发式优化算法———模拟退火法极小化目标泛函。与变分法和Kalman滤波方法比较,这一算法具有独立于目标泛函的优点,可处理模型和观测算子的非线性和不连续性。使用GAME-Tibet实验中的土壤水分观测值进行单点数值实验,成功地将土壤水分观测同化到陆面过程模型SiB2中。结果表明,与不进行同化相比,土壤水分的估计值有较大改善。

土壤水分同化系统的敏感性试验研究

利用1998年7月6日至8月9日青藏高原GAME-Tibet试验区MS3608站点的4 cm、20 cm和100 cm的土壤水分观测数据同化SiB2模型输出的表层、根区和深层土壤水分,探讨了一个基于集合卡尔曼滤波和简单生物圈模型的单点土壤水分同化方案。分析和评价了集合大小、同化周期、模型误差、背景场误差以及观测误差对同化系统性能的影响。结果表明:①增加集合数目可以减小土壤水分同化系统的误差,但同时又降低了运行效率;②对于集合卡尔曼滤波,初始场的估计是否准确对同化系统性能影响不大;③模型误差和观测误差的准确估计可以提高土壤水分的估计精度;④利用数据同化的方法对土壤水分的估计有显著提高。

HRCLDAS与ERA5-Land气温日统计数据在山东地区的对比评估

基于山东省2021年3月—2022年2月1519个气象观测站2 m气温观测数据,对中国气象局高分辨率陆面数据同化系统(High Resolution China Meteorological Administration Land Data Assimilation System,HRCLDAS)和欧洲中期天气预报中心第五代陆面再分析数据集(ERA5-Land)逐小时2 m气温分析的日统计数据(平均气温、最高气温、最低气温)进行对比评估。结果显示:(1)HRCLDAS/ERA5-Land日统计平均气温、最高气温、最低气温的均方根误差分别为0.1/1.2℃、0.6/1.9℃、0.4/1.7℃,表明HRCLDAS具有更高的精度,且在不同地理区域、不同海拔高度的表现均优于ERA5-Land,大部地区的偏差(-0.5~0.5℃)远低于ERA5-Land(-2.0~2.0℃)。(2)两套数据对高温及寒潮过程的监测能力对比评估表明,HRCLDAS能够捕捉到大部分的高温以及寒潮过程,其与观测的高温日数及寒潮日数空间分布较为相似,但对影响范围存在一定的低估;ERA5-Land则只能监测到部分高温及寒潮过程,并对高温日数与寒潮日数存在严重的低估。

GRACE卫星数据在海河流域地下水年开采量估算中的应用

结合GRACE卫星数据和全球陆面数据同化系统GLDAS数据,反演了2004—2009年连续72个月的海河流域地下水储量变化。在此基础上,结合2004—2009年海河流域水资源公报的降水量、地下水开采量数据,建立了地下水年开采量与GRACE地下水储量年变化、年降水量的二元回归模型。利用GRACE卫星数据和GLDAS数据反演的地下水储量年变化与由地下水位观测数据计算出的地下水储量年变化相关性较强,其R2为0.804;基于GRACE地下水储量年变化数据与年降水量数据,对地下水年开采量的估算结果良好,建立的回归模型的R2为0.787,表明利用GRACE卫星数据对地下水年开采量进行估算是可行的,是传统地面调查的良好补充。

GLDAS月降水数据在中国区的适用性评估

全球陆面数据同化系统(GLDAS)是全球变化与水循环研究的重要数据源之一。对比分析了1979—2012年间GLDAS多套降水数据与中国地面观测逐月降水数据所反映的中国降水趋势变化空间特征,采用相关系数、平均偏差、相对绝对误差和均方根误差4个指标,从时间变化和空间分布特征两个方面,对GLDAS降水数据在中国区域的数据质量进行了系统评估。结果表明:GLDAS-1的几套数据在时间上具有明显不连续性,1996年数据质量严重异常,2000年数据质量也较差,而且,不论是GLDAS-1数据,还是GLDAS-2数据,都存在前期(1979—1995年)与实测数据吻合度高于后期(1997年以后)的现象;GLDAS数据在中国东部湿润区的质量高于在西部干旱区;从相关性与误差指标来看,GLDAS-1数据质量略优于GLDAS-2(主要体现在1995年以前时段),但是GLDAS-2在数据一致性、数据质量季节稳定性及对趋势性描述能力方面则明显优于GLDAS-1数据。

GLDAS Noah模型水文产品与中国地面观测及卫星观测数据的对比

全球陆面数据同化系统(GLDAS)是全球水循环研究的重要数据源,基于重力卫星(GRACE)观测数据、中国的地面降水与径流观测数据,从模拟数据与观测数据之间的偏差、相关性及时空分布一致性角度,对GLDAS两个版本(GLDAS-1及GLDAS-2)的Noah模型模拟水文产品进行了评估。结果表明,GLDAS与GRACE TWS陆地水蓄量(TWS)变化情况在中国大部分地区一致性较差,且GLDAS-1与GLDAS-2均不能充分反映GRACE TWS数据的季节性变化规律;GLDAS-1与GLDAS-2模拟的中国外流区的径流明显低于观测径流,同时长江流域与松花江流域GLDAS-2模拟径流的精度远比GLDAS-1模拟径流的精度高;GLDAS-1与GLDAS-2在中国的外流流域的蒸散发均呈高估现象,且GLDAS-1的高估程度大于GLDAS-2。

基于集合卡尔曼滤波的土壤水分同化试验

集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。

利用GRACE卫星分析安徽省地下水储量的时空变化

文章利用重力恢复与气候实验卫星(Gravity Recovery and Climate Experiment,GRACE)时变重力场球谐系数文件,联合全球陆面数据同化系统(Global Land Data Assimilation System,GLDAS)水文模型反演安徽省2003—2016年地下水储量的时空变化。通过奇异谱分析(Singular Spectrum Analysis,SSA)地下水时间序列,结合热带降雨测量任务(Tropical Rainfall Measuring Mission,TRMM)降雨数据对地下水储量变化规律进行分析。结果表明,安徽省地下水储量在2011年和2014年前后发生较大变化,在2003—2011年的变化率为0.37 cm/a,2011—2014年的下降速率为-0.2 cm/a,2014—2016年的增长速率为1.9 cm/a;进一步与降雨数据关联,发现降雨量是影响安徽省地下水储量年际变化和季节性变化的主要因素。在空间上,安徽省呈现自东北向西南逐渐缓和的趋势,最大亏损出现在皖北地区,为-7.52 mm/a,在西南地区的最大盈余达到8.38 mm/a。

基于CLDAS2.0驱动数据的中国区域土壤湿度模拟与评估

基于高时空分辨率的中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)2.0版本的大气驱动数据,使用Noah-MP陆面模式模拟中国区域2013—2014年土壤湿度的时空变化,将模拟结果与自动土壤水分观测站的逐小时观测值进行对比,并选取6个研究区,分析区域的平均土壤湿度时间变化特点。结果表明:Noah-MP模式能够很好地模拟出中国区域0~10 cm土壤湿度空间分布,模拟值和观测值均呈现由西北向东南和西南地区递增的趋势;从全国尺度来看,模拟值与观测值非常接近,相关系数大于0.9,均方根误差为0.008 m3/m3;从区域尺度看,Noah-MP能够很好地模拟出各研究区土壤湿度的时间变化,但是对于冻土融化时东北地区的土壤湿度存在轻微的低估。基于CLDAS2.0驱动数据得到的土壤湿度模拟结果具有较高准确性,可为农业干旱研究提供一定参考。

MODAS试验数据统计分析

模块化海洋数据同化系统(MODAS)通过同化卫星遥感测得的海面温度和海面高度,产生一种动态气候态,能够更接近地预报出海洋的真实状况。介绍了MODAS基本原理,并选择试验海区,对MODAS数据进行了统计和分析。

CLDAS实况产品在陕西气温网格预报检验与订正中的应用

利用陕西地区自动气象站的气温观测资料,采用滑动训练期和一元线性回归方法,先在站点上对中国气象局陆面数据同化系统(CLDAS)气温进行检验和订正,再将订正系数传递到格点上订正CLDAS气温格点场,最后利用站点观测气温和订正前、后的CLDAS气温分别对ECMWF气温预报的格点场进行订正,并做非独立和独立检验。结果表明,CLDAS气温的空间分布特征与站点观测基本一致,但是存在一定误差,订正后误差减小,其中,订正前秦岭和大巴山区的平均绝对误差较其他地区偏大,绝对误差≤1℃和≤2℃的准确率分别低于20%和30%,订正后均提高了40%以上。利用订正后的CLDAS气温对ECMWF气温预报进行订正,提高了模式的预报准确率,例如,陕西地区24 h日最高和最低气温预报的绝对误差≤2℃的准确率分别从订正前的46%和66%提高到订正后的63%和74%,优于利用站点观测气温和订正前的CLDAS气温对欧洲中期天气预报中心(ECMWF)气温预报的订正结果,一定程度上改进了模式在站点稀少地区的气温预报质量,用于高分辨率气象格点预报业务效果更好。

两种陆面模式对中国区域土壤温度模拟的对比分析

为研究不同陆面模式对中国区域土壤温度的模拟效果,基于中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟(简称:CLDAS_Noah和CLDAS_Noah-MP试验),使用2010—2018年中国气象局2380个土壤温度观测站点10和40 cm观测数据以及美国全球陆面数据同化系统(The Global Land Data Assimilation System,GLDAS)驱动的Noah模式(GLDAS_Noah试验)模拟的土壤温度结果,从空间分布、季节、分区等角度进行了评估,实现了不同驱动数据相同陆面模式和相同驱动数据不同陆面模式的对比分析。结果表明:GLDAS_Noah、CLDAS_Noah和CLDAS_Noah-MP试验均能合理模拟出中国区域土壤温度空间分布,但在量级上有一定差异,主要表现在中国东北、新疆、青藏高原等积雪区。对于相同陆面模式不同驱动数据,均方根误差显示CLDAS_Noah试验在季节与分区上均优于GLDAS_Noah试验,间接表明CLDAS大气驱动数据优于GLDAS大气驱动数据,且大气驱动数据是提高土壤温度模拟精度的重要因素之一;对于相同驱动数据不同陆面模式,总体上CLDAS_Noah-MP试验棋拟效果优于CLDAS_Noah试验,其中CLDAS_Noah试验模拟的10和40 cm深度土壤温度在冬季积雪区误差明显大于CLDAS_Noah-MP试验,可能与Noah-MP模式改进了积雪方案有关,但10和40 cm深度下CLDAS_Noah-MP试验在东北、华北、青藏高原地区对春季土壤温度模拟误差明显大于CLDAS_Noah试验,可能与Noah-MP模式融雪方案有关。总之,本研究对于后续开展土壤温度多模式集成、土壤温度站点资料同化,最终研制中国区域高质量土壤温度数据集具有一定的参考意义。

CLDAS和GLDAS土壤湿度资料在黄土高原的适用性评估

本研究基于2011～2013年3～9月CMA陆面数据同化系统(CLDAS)和全球陆面数据同化系统(GLDAS) Noah陆面模式提供的表层10 cm土壤湿度数据,以国家气象信息中心提供的站点土壤湿度观测资料为参考,通过对比分析两套模拟数据在黄土高原区域的时空差异,并分别计算其与观测资料的相关系数(Corr)、平均偏差(MBE)和均方根误差(RMSE)等统计特征值,就两套模拟数据在黄土高原地区的适用性进行综合对比和评估,旨在选出一种适用于研究黄土高原地区土壤湿度时空特征的大范围、长时间序列的替代资料。结果显示:(1)两套陆面模式资料均能较好模拟黄土高原地区土壤湿度的空间变化特征,主要呈现出从西北向东南和西南增加的趋势,其中CLDAS具有较高的空间分辨率,能够较好刻画研究区细部特征;(2)从站点角度的统计特征值来看,两套资料的Corr值普遍偏高,CLDAS有71%和63%的站点分别达到极显著和显著差异水平,而GLDAS的略低,分别为70%和62%;研究区内各套资料的MBE和RMSE分布均类似;正负偏差站点个数相差不大,分布区间主要为-0.05～0.05,其中CLDAS有26和32个站点分别处于-0.05～0和0～0.05之间,而GLDAS则为28和24; GLDAS的RMSE主要集中在0.05～0.07之间,而CLDAS绝大部分低于0.05;(3)从时间序列来看,GLDAS资料与实测最为接近,但在春季存在一定程度的偏干情况,偏干程度小于CLDAS;(4)从整个研究区土壤湿度的模拟状况来看,GLDAS的Corr、MBE和RMSE值分别为0.821、0.0126和0.0221,较CLDAS资料具有更小的平均偏差、均方根误差和更大的相关系数。总体来说,两套陆面模式资料在黄土高原区域土壤湿度模拟上均存在各自的优势,均可作为土壤湿度观测的替代资料,对于土壤湿度研究和业务应用都具有积极的意义。

基于GLDAS的中国区地表能量平衡数值试验

利用全球陆面数据同化系统(GLDAS)的软件平台—陆面信息系统(LIS)模拟了中国区域2003年能量平衡方程的各个分量,在此基础上进行了残差分析和地表温度的对比验证。残差的分布具有一定的时空分布特征,残差的时间分布特征表明LIS对春秋两季的模拟效果要好于其它季节,残差的空间分布特征表明LIS对纬度较高和海拔较高地区的模拟效果要逊于其他地区。对比了模拟的GLDAS地表温度与MODIS地表温度产品,结果显示两者之间的差值介于-5～5K之间,两者的散点图和标准离差显示模拟的夜间地表温度要比模拟的白天地表温度精确2～3K。