基于集合卡尔曼滤波的太湖叶绿素同化模拟研究

发布时间：2020-03-18 19:28

【摘要】：近年来,湖泊水污染及其富营养化问题日趋严重,湖泊水污染严重影响着地球生态和人们的生活环境。加强对湖泊水污染的监测与治理工作刻不容缓。数值模型模拟作为湖泊水质模拟与预测的有效手段,它能够模拟复杂的湖泊水流运动状态和湖泊水质的运移变化情况。但由于湖泊水动力/水质的演化机制十分复杂,模拟参数较多且数据获取困难,使数值模型模拟在长时间序列模拟中的误差较大,模拟结果不准确。而高频次的现场实测数据可以较精确的监测水质的变化情况。因此,可以考虑使用数据同化方法结合现场实测数据实现对模型模拟结果的实时修正。集合卡尔曼滤波作为一种顺序数据同化方法,初值扰动场的生成是其关键步骤,对集合卡尔曼滤波的同化结果有着重要的影响。标准集合卡尔曼滤波使用蒙特卡罗方法生成初值扰动场,其得到的扰动场的误差增长率不高;而增长模繁殖法(BGM)生成的扰动场的误差增长率比蒙特卡罗方法要好,但它会出现误差中短期不增长及增长率达到饱和时间长等问题。因此,考虑设计一种动态BGM方法生成初值扰动场,减小初值扰动对集合卡尔曼滤波同化方法的影响。基于此,本文使用集合卡尔曼滤波同化方法,耦合FVCOM三维水动力模型,设计动态BGM初值扰动场生成方法。以太湖为研究区,依据太湖叶绿素实测数据和气象水文数据构建基于集合卡尔曼滤波的太湖叶绿素同化模拟模型,利用高频次的现场实测数据修正模型模拟结果,并开展基于不同扰动场生成方法的集合卡尔曼滤波太湖叶绿素同化案例对比研究。本文的主要研究内容与成果如下:(1)动态BGM初值扰动场生成方法研究本研究针对蒙特卡罗方法生成初值扰动场得到的扰动增长率不高和BGM方法生成初值扰动场时会出现误差中短期不增长且扰动增长率到达饱和时间长等问题,研究了动态BGM生成初值扰动场的方法,并设计了动态BGM生成初值扰动场的具体实现方案,实现了动态BGM生成初值扰动场在集合卡尔曼滤波中的应用,减小了初值扰动对集合卡尔曼滤波同化模拟的影响,改善了集合卡尔曼滤波同化模拟的效果。(2)基于集合卡尔曼滤波的太湖叶绿素同化模拟方法研究本文以太湖叶绿素实测数据和气象水文数据为基础,研究了集合卡尔曼滤波数据同化方法,并集成FVCOM三维水动力模型,构建了基于集合卡尔曼滤波的同化模拟模型,开展了基于集合卡尔曼滤波的太湖叶绿素同化模拟方法研究,实现了利用高频次的叶绿素实测数据修正模型运行结果,提高了模型模拟的结果精度。并利用可视化手段再现了太湖全湖叶绿素浓度的时空分布情况,为太湖水污染的治理提供辅助决策支持。(3)基于动态BGM的集合卡尔曼滤波同化模拟对比实验为了验证本文设计的动态BGM方法的有效性,依据构建的同化模型,开展基于动态BGM的集合卡尔曼滤波同化模拟对比案例研究,设计了模型模拟实验、标准集合卡尔曼滤波同化模拟实验、基于BGM的集合卡尔曼滤波同化模拟实验和基于动态BGM的集合卡尔曼滤波同化模拟实验。通过对4个实验的实验结果和精度的对比分析表明,基于动态BGM的集合卡尔曼滤波同化模拟模型是有效的,且标准集合卡尔曼滤波同化模拟、基于BGM的集合卡尔曼滤波同化模拟和基于动态BGM的集合卡尔曼滤波同化模拟都在不同程度上改善了模型模拟效果,提高了模型模拟的结果精度。
【图文】：

的实时监测数据为数据源（由太湖环境监测中心提供）。具体为２０１５年１２月１逡逑日００点至２０１５年１２月４日２３点每隔１小时的太湖水体表层叶绿素监测数据逡逑及风场实测数据。！９个浮标站点空间分布如图３－１所示，浮标站点编号对应的浮逡逑标名称见表３－１。逡逑本次研究中，１９个浮标站上均提供了叶绿素实测数据，其中编号为ｎｏ．ｌ、逡逑ｎｏ．３、ｎｏ．５、ｎｏ．６、ｎ0．８、ｎｏ．１０、ｎｏ．ｌｌ、ｎｏ．１２、ｎｏ．１４、ｎｏ．１５、ｎｏ．１６、ｎｏ．１７、ｎｏ．１８逡逑共１３个浮标站提供了风场实测数据。逡逑太湖研究区及浮标站点逡逑＾邋＂°－７逡逑▲逦▲逦ｒ逡逑广４逦ＨＯ．Ｕ１逦图例逡逑３逦▲逦▲：彟yU逡逑；Ａ逡逑ｎｏ．邋８逦＾逦ｎｏ．６逡逑ｎｏ．邋５逦▲逦Ａ逡逑＾逦ｒ＾ｂ．１６逡逑｜逦ｒ？．邋２逦ｎｏ．逦S缅义希у濉�逦ｔ＞：邋ｉ－逦１，逡逑，，１５邋▲逦一—＇逦＇逡逑、广▲广：１７逡逑￣￣逦邋邋０逦Ｓ逦Ｗ逦２０邋Ｋｉｏｍｅｔｅｒｓ逡逑逦逦邋邋ｉ逡逑图３－１太湖研究区及浮标点逡逑２１逡�

本文编号：2589089