[发明专利]一种对土壤含水量初值的数据同化方法

说明书

本发明公开了一种对土壤含水量初值的数据同化方法，涉及水文模拟技术领域。该方法通过计算研究流域的优化参数值，将土壤含水量初值作为参数值；计算变量和参数的集合扰动值；计算研究流域的径流预报集合，每次循环计算径流量时，均从第一个时段开始计算，逐次增加时段循环；将研究流域对应时段的实测径流值进行高斯扰动，并将得到的研究流域的实测径流值的高斯扰动值作为观测数据集合；融入观测数据集合进行同化更新；最终同化后得到的初始土壤含水量的优化平均值，选出最小协方差对应的土壤含水量值作为所求的土壤含水量初值。本发明提供的方法可以较好的提高产流计算精度，进而提高洪水预报精度，同时也为模型预热时长提供参考。

技术领域

本发明涉及水文模拟技术领域，尤其涉及一种对土壤含水量初值的数据同化方法，主要针对短序列的场次时段洪水。

背景技术

对于水文模拟精度的影响因素有很多，如模型输入数据的质量对模拟的精度有很大的影响。洪水的形成机制包括两个方面：一方面是流域物理属性，另一方面是洪水驱动因素。前者包括流域土壤、地形、地貌、植被等物理特性，后者包括降雨、蒸发等气象因素。其中土壤含水量初值等是影响径流过程的重要的流域物理属性之一。并已有不少研究学者对其进行研究证实，在输入模型的降雨和土壤含水量初值能保证一定精度下，径流模拟结果的精度也会在一定程度上得到提高。

对于求取土壤含水量初值的传统方法是通过前期降雨建立经验关系来进行确定，或者根据前期降雨采用日模型推算求得，但这些方法都存在一定的不确定性，导致径流模拟结果不准确。本次研究通过使用集合卡尔曼滤波同化方法，将土壤含水量初值作为参数，做参数和变量同步同化，并考虑输入数据和模型误差，用实测径流值进行同化更新，使得同化后的土壤含水量初值更加精准。同时该同化结果也为模型预热期时长提供一定的参考，在保证预报精度不受干扰前提下，为前期处理工作节约时间。

发明内容

本发明的目的在于提供一种对土壤含水量初值的数据同化方法，从而解决现有技术中存在的某些不确定性问题。

为了实现上述目的，本发明所述基于集合卡尔曼滤波的对土壤含水量初值的数据同化方法，所述方法包括：

S1，计算研究流域的优化参数值；

对研究流域进行参数优化，得到参数最优值，选取任意两个参数的最优值进行数据同化处理；两个参数分别为参数β和参数γ，本次将土壤含水量初值也作为参数进行同化；

S2，计算变量和参数的集合扰动值；

以参数β和参数γ的最优值为参考，对变量、参数β和参数γ分别进行高斯扰动，分别得到变量、参数β和参数γ的高斯扰动值集合；

S3，计算研究流域的径流预报集合；

每次循环计算径流量时，每个集合下，均从第一个时段开始，且保证每个循环土壤含水量初值相同，随着时段数的增加，逐次增加一个循环过程；

S4，将研究流域对应时段的实测径流值进行高斯扰动，并将得到的研究流域的实测径流值的高斯扰动值作为观测数据集合；

S5，融入S4中得到的观测数据集合进行同化更新；

S6，重复进行S3至S5，直到水文模型计算结束，最终同化后得到的初始土壤含水量的优化平均值即为的土壤含水量初值，选出最小协方差对应的土壤含水量值作为所求的土壤含水量初值。

优选地，S1中，对研究流域进行参数优化采用的优化算法为所述多目标粒子群算法。

优选地，所述水文模型为新安江模型。

优选地，步骤S2中，所述高斯扰动，按照公式(2)实现：

Ea＝ea+ε (2)；