数据同化对流域蒸散发过程模拟的影响研究

尹 剑，邱远宏，张 斌

(1. 贵州财经大学西部现代化研究中心，贵州 贵阳 550025；2. 贵州财经大学大数据应用与经济学院，贵州 贵阳 550025； 3.东北农业大学水利与土木工程学院，黑龙江 哈尔滨 150030)

蒸散发(Evapotranspiration，ET)是流域水文过程中关键且较难估算的一个分量[1]。遥感模型具有高时效特征，可得出较为准确的蒸散发结果[2]。但是可见光-热红外测量易受天气影响，难以获取长时间序列连续的地表蒸散发[3-4]。水文模型以闭合流域的整个水循环系统为研究对象，可以模拟时间上连续的产汇流和地表蒸散发等水文变量[5]。水文模型等存在的问题是精度会随着模型的向前模拟产生误差积累[6]。如果把精度较高的遥感ET和水文模型结合起来实现优势互补，对获得高精度且时间连续的蒸散发有重要的意义[7]。数据同化作为一种可以将多元数据融合而达到概率最优解的理想算法，为这一目的提供了思路[8]。它将精度较高的蒸散发遥感反演结果作为观测信息，调整水文模型的运行，使蒸散发水文模拟结果不断地向观测值靠拢，以减小误差积累，进而校正水文模型[9]。本研究采用数据同化算法，构建一个基于遥感蒸散发和水文模型的同化系统，并从流量精度和蒸散发时空格局分析同化效应，以验证数据同化对水文过程特别是对蒸散发过程模拟的影响。

1 研究方法

同化的流程有5个部分：①准备精度较高的模型驱动数据；②利用观测数据生成经过真实性检验的观测产品；③将驱动数据输入水文模型，生成当前时刻的水文状态参数集；……