基于En-KF的内蒙古地区多源土壤水分数据融合

综合利用内蒙古地区多源土壤水分数据,结合CLDAS土壤水分数据和地面站点实测数据,实现对研究区内的10 cm多源土壤水分融合。利用En-KF方法,使融合结果数据分辨率达0.01°,并对结果进行精度验证和误差分析。融合结果表明,基于CLDAS数据和地面实测土壤水分数据的融合提高了数据的精度。

HYDRUS模型与遥感集合卡尔曼滤波同化提高土壤水分监测精度

精确地估测干旱区土壤水分含量,对该区域的农业发展与水土保持具有重要意义。该文以MODIS与Landsat TM数据为数据源,利用其反演获得的条件温度植被指数(temperature-vegetation drought Index,TVDI)作为观测算子,将集合卡尔曼滤波(ensemble Kalman filter,En-KF)同化方法应用于水文模型(HYDRUS-1D),进行干旱区表层土壤水分的模拟。结果表明:遥感数据反演土壤水分所构建的二维特征空间TVDI与表层土壤水分有较好的一致性;En-KF同化方法对模型变量与观测算子的更新,与单纯使用HYDRUS模型相比,获得的表层土壤水分含量精度有了明显提高,其均方根误差缩小了1个百分点,平均误差缩小了5个百分点。可见,基于多源遥感数据对表层土壤水分的En-KF同化模拟在干旱区具有较大的潜力,是提高干旱区土壤水分含水量监测精度的有效手段。

数据同化在核事故辐射场评估中的应用研究

为提高核事故辐射场评估的准确性和可靠度,建立一种基于数据同化理论的评价方法。以高斯烟团模式和核素沉降模式联合组成预测模型,以集合卡尔曼滤波(En KF)为同化算法,结合观测剂量率数据,构建核事故辐射场评估同化系统。在Matlab软件平台上,研究不同气象条件和不同核事故释放情形时,同化结果与模型预测结果的异同。试验结果表明,当气象条件和放射性物质释放率恒定时,同化场的相对均方根误差比模型预测场约低25%;当气象条件和释放率都变化时,同化场的相对均方根误差比模型预测场约低20%。通过有效利用观测数据,数据同化方法能及时调整模型,从而减小模型预测误差。