白山水库春季径流模拟中的积雪遥感数据同化研究
发布时间：2021-08-13 05:22
白山水库流域是季节性积雪区,融雪径流是主要春季径流,掌握水库春季融雪径流规律对于水库调度、春汛防控等有着至关重要作用。雪水当量反映了积雪的物质和能量信息,能定量表征固态降水量,对于融雪径流模拟具有重要意义。本文以白山水库流域的积雪遥感数据同化为核心技术,对欧航局和NASA雪水当量产品进行时空优化插值同化,改善了雪水当量产品在研究区内的像元和时段缺失问题,建立了较高质量的长时间序列雪水当量数据集;识别白山水库流域积雪期为11月中下旬至翌年4月中下旬,多年平均积雪时间为133天;基于雪水当量数据同化结果,建立1981—2010年雪水当量与融雪期径流量的相关关系,确定融雪径流系数为0.55;采用融雪径流系数对2011—2016年融雪径流总量进行模拟,模拟结果合格率在66.67%,模拟效果较好。
【文章来源】：水利水电技术. 2020,51(S2)北大核心
【文章页数】：8 页
【部分图文】：
数据同化方法流程(ESA、AE、SWE分别为欧空局、
数据同化技术来源于数值天气预报,20世纪60年代开始,最优插值法就开始在数值天气预报中应用。数据同化技术应用领域较广,在不同领域的含义稍有差异,对于陆面数据同化系统,特别是积雪遥感数据方面,数据同化核心是综合不同来源数据(地面站点实测数据、卫星遥感监测数据和模型模拟等),以提高积雪数据质量,得到时间一致性、空间一致性和物理一致性的高分辨率积雪遥感数据集[18]。数据同化主要分为4个途径,分别为最优插值法、全局拟合、顺序同化和启发式优化算法(智能算法)等,其中,以变分法和卡尔曼滤波法为代表[19]。变分法通过最小化全局误差的目标函数,得到最优分析值,达到数据同化的目的,可同时同化多个时段资料,但水文系统的非线性导致变分法需要构造的伴随矩阵很困难;而卡尔曼滤波(the Kalman Filter,简称KF)算法是基于当前时刻的状态估计和观测值来进行最优估计,其对动态过程的估计更为合适和准确,自20世纪60年代[20]提出以来,已经发展了许多衍生形式,如扩展卡尔曼滤波(EKF)、集合卡尔曼滤波(EnKF)等,其中,集合卡尔曼滤波(EnKF)以集合的思想,将各来源的有用信息吸收到同化系统中,具有适用于非线性、大尺度等优点[21],是目前最常用的同化算法之一,为大量学者研究应用,如林琳[22]、秦耀军[23]、束士杰[24]等,但其在积雪遥感方面的应用需要开发。随着数据同化技术研究和应用不断深入和广泛,学者们逐步形成通识,即以最优化原理作为数据同化基本理论[25],运用多种方法使检验误差最小作为判断依据,以提高数据精度。针对雪水当量产品的数据同化研究可分为三类:(1)地面站点实测雪深和雪压资料,如JONAS等[26]利用瑞士各气象站点数据对雪水当量数据加以估计;(2)不同来源的被动微波遥感数据,如PAINTER等[27]利用空中雪观测站(ASO)的数据结合物理模型对雪水当量模拟;(3)高质量积雪覆盖面积产品,如利用MODIS各积雪产品对雪水当量数据做降尺度处理[28],利用集合卡尔曼滤波做数据同化[29],或建立积雪衰减曲线。本文基于雪盖监测中常用的直接插入法同化了来自欧空局(ESA)和NASA这两个不同来源的雪水当量遥感数据,改善了白山水库流域上雪水当量像元缺失等问题,提升了雪水当量精度;分析白山水库入库日径流资料并与汇水区雪水当量相关关系,确定了年融雪径流系数,进行了融雪径流估算。
年融雪径流深是通过融雪期的日径流资料和流域面积计算得出,流域面积取1.88×104 km2,由DEM高程数据通过流域提取后计算而得,因为区域雪水当量数据也是根据这个流域面积提取而来的,这样的取值保证了一致性。根据已划分的融雪径流期,逐日径流量去掉基流后进行累加,便可得年融雪径流深。分析已得的逐日雪水当量数据可以发现,其波动性仍然很大,而且在融雪期,雪水当量数据衰减变化较大,与径流量变化量相关性不大,无法很好的利用逐日雪水当量的衰减量与逐日融雪径流量做相关分析,所以本文融雪径流模拟采用扩大计算时间尺度的思想,统计每年的雪水当量最大值,认为其为最终可以化成春季融雪径流的总量,达到模拟的效果。
【参考文献】：
期刊论文
[1]SRM模型在尼洋河流域的应用研究[J]. 金浩宇,鞠琴. 水文. 2019(05)
[2]白山流域春季径流影响因素及作用机理识别[J]. 李文龙,次旦央宗,王傲,李鸿雁,田琳. 水利水电技术. 2019(05)
[3]1992～2010年中国积雪时空变化分析[J]. 钟镇涛,黎夏,许晓聪,刘小平,何执兼. 科学通报. 2018(25)
[4]基于数据同化技术的地质参数反演分析研究[J]. 秦耀军,周晓勇,杨亚宾,贾超. 水科学与工程技术. 2017(06)
[5]基于MODIS积雪产品的中国天山山区积雪时空分布特征研究[J]. 侯小刚,李帅,张旭,陈雪华,崔宇. 沙漠与绿洲气象. 2017(03)
[6]地下水参数反演的确定性集合卡尔曼滤波方法[J]. 林琳,史良胜,宋雪航. 武汉大学学报(工学版). 2016(02)
[7]2003-2010年青藏高原积雪及雪水当量的时空变化[J]. 孙燕华,黄晓东,王玮,冯琦胜,李红星,梁天刚. 冰川冻土. 2014(06)
[8]雪数据集研究综述[J]. 于灵雪,张树文,卜坤,杨久春,颜凤芹,常丽萍. 地理科学. 2013(07)
[9]基于集合卡尔曼滤波的地表水热通量同化研究[J]. 束士杰,刘朝顺,施润和,高炜. 农业工程学报. 2013(06)
[10]CMIP3模式对未来50a欧亚大陆雪水当量的预估[J]. 马丽娟,罗勇,秦大河. 冰川冻土. 2011(04)
硕士论文
[1]寒旱区融雪径流模拟及不确定性分析[D]. 张爽.南京大学 2019
[2]锡林河流域积雪时空分布特征及融雪径流模拟研究[D]. 郝祥云.内蒙古农业大学 2018
[3]新疆地区积雪时空变化特征研究[D]. 丁扬.西北农林科技大学 2017
[4]小兴安岭季节性冻土区春季融雪径流分析[D]. 勾文婧.黑龙江大学 2017
[5]基于被动微波遥感和MODIS产品的天山雪水当量降尺度研究[D]. 赵文宇.石河子大学 2016
[6]集合卡尔曼滤波同化方法的研究[D]. 朱琳.南京信息工程大学 2007
本文编号：3339832
【文章来源】：水利水电技术. 2020,51(S2)北大核心
【文章页数】：8 页
【部分图文】：
数据同化方法流程(ESA、AE、SWE分别为欧空局、
数据同化技术来源于数值天气预报,20世纪60年代开始,最优插值法就开始在数值天气预报中应用。数据同化技术应用领域较广,在不同领域的含义稍有差异,对于陆面数据同化系统,特别是积雪遥感数据方面,数据同化核心是综合不同来源数据(地面站点实测数据、卫星遥感监测数据和模型模拟等),以提高积雪数据质量,得到时间一致性、空间一致性和物理一致性的高分辨率积雪遥感数据集[18]。数据同化主要分为4个途径,分别为最优插值法、全局拟合、顺序同化和启发式优化算法(智能算法)等,其中,以变分法和卡尔曼滤波法为代表[19]。变分法通过最小化全局误差的目标函数,得到最优分析值,达到数据同化的目的,可同时同化多个时段资料,但水文系统的非线性导致变分法需要构造的伴随矩阵很困难;而卡尔曼滤波(the Kalman Filter,简称KF)算法是基于当前时刻的状态估计和观测值来进行最优估计,其对动态过程的估计更为合适和准确,自20世纪60年代[20]提出以来,已经发展了许多衍生形式,如扩展卡尔曼滤波(EKF)、集合卡尔曼滤波(EnKF)等,其中,集合卡尔曼滤波(EnKF)以集合的思想,将各来源的有用信息吸收到同化系统中,具有适用于非线性、大尺度等优点[21],是目前最常用的同化算法之一,为大量学者研究应用,如林琳[22]、秦耀军[23]、束士杰[24]等,但其在积雪遥感方面的应用需要开发。随着数据同化技术研究和应用不断深入和广泛,学者们逐步形成通识,即以最优化原理作为数据同化基本理论[25],运用多种方法使检验误差最小作为判断依据,以提高数据精度。针对雪水当量产品的数据同化研究可分为三类:(1)地面站点实测雪深和雪压资料,如JONAS等[26]利用瑞士各气象站点数据对雪水当量数据加以估计;(2)不同来源的被动微波遥感数据,如PAINTER等[27]利用空中雪观测站(ASO)的数据结合物理模型对雪水当量模拟;(3)高质量积雪覆盖面积产品,如利用MODIS各积雪产品对雪水当量数据做降尺度处理[28],利用集合卡尔曼滤波做数据同化[29],或建立积雪衰减曲线。本文基于雪盖监测中常用的直接插入法同化了来自欧空局(ESA)和NASA这两个不同来源的雪水当量遥感数据,改善了白山水库流域上雪水当量像元缺失等问题,提升了雪水当量精度;分析白山水库入库日径流资料并与汇水区雪水当量相关关系,确定了年融雪径流系数,进行了融雪径流估算。
年融雪径流深是通过融雪期的日径流资料和流域面积计算得出,流域面积取1.88×104 km2,由DEM高程数据通过流域提取后计算而得,因为区域雪水当量数据也是根据这个流域面积提取而来的,这样的取值保证了一致性。根据已划分的融雪径流期,逐日径流量去掉基流后进行累加,便可得年融雪径流深。分析已得的逐日雪水当量数据可以发现,其波动性仍然很大,而且在融雪期,雪水当量数据衰减变化较大,与径流量变化量相关性不大,无法很好的利用逐日雪水当量的衰减量与逐日融雪径流量做相关分析,所以本文融雪径流模拟采用扩大计算时间尺度的思想,统计每年的雪水当量最大值,认为其为最终可以化成春季融雪径流的总量,达到模拟的效果。
【参考文献】：
期刊论文
[1]SRM模型在尼洋河流域的应用研究[J]. 金浩宇,鞠琴. 水文. 2019(05)
[2]白山流域春季径流影响因素及作用机理识别[J]. 李文龙,次旦央宗,王傲,李鸿雁,田琳. 水利水电技术. 2019(05)
[3]1992～2010年中国积雪时空变化分析[J]. 钟镇涛,黎夏,许晓聪,刘小平,何执兼. 科学通报. 2018(25)
[4]基于数据同化技术的地质参数反演分析研究[J]. 秦耀军,周晓勇,杨亚宾,贾超. 水科学与工程技术. 2017(06)
[5]基于MODIS积雪产品的中国天山山区积雪时空分布特征研究[J]. 侯小刚,李帅,张旭,陈雪华,崔宇. 沙漠与绿洲气象. 2017(03)
[6]地下水参数反演的确定性集合卡尔曼滤波方法[J]. 林琳,史良胜,宋雪航. 武汉大学学报(工学版). 2016(02)
[7]2003-2010年青藏高原积雪及雪水当量的时空变化[J]. 孙燕华,黄晓东,王玮,冯琦胜,李红星,梁天刚. 冰川冻土. 2014(06)
[8]雪数据集研究综述[J]. 于灵雪,张树文,卜坤,杨久春,颜凤芹,常丽萍. 地理科学. 2013(07)
[9]基于集合卡尔曼滤波的地表水热通量同化研究[J]. 束士杰,刘朝顺,施润和,高炜. 农业工程学报. 2013(06)
[10]CMIP3模式对未来50a欧亚大陆雪水当量的预估[J]. 马丽娟,罗勇,秦大河. 冰川冻土. 2011(04)
硕士论文
[1]寒旱区融雪径流模拟及不确定性分析[D]. 张爽.南京大学 2019
[2]锡林河流域积雪时空分布特征及融雪径流模拟研究[D]. 郝祥云.内蒙古农业大学 2018
[3]新疆地区积雪时空变化特征研究[D]. 丁扬.西北农林科技大学 2017
[4]小兴安岭季节性冻土区春季融雪径流分析[D]. 勾文婧.黑龙江大学 2017
[5]基于被动微波遥感和MODIS产品的天山雪水当量降尺度研究[D]. 赵文宇.石河子大学 2016
[6]集合卡尔曼滤波同化方法的研究[D]. 朱琳.南京信息工程大学 2007
本文编号：3339832
本文链接：https://www.wllwen.com/projectlw/dqwllw/3339832.html
