[发明专利]基于数据同化和气象数据的土壤墒情站自动校核方法

说明书

本发明公开了一种基于数据同化和气象数据的土壤墒情站自动校核方法，选用两个模型，将来自FDR未校准的土壤水观测数据同化，结合气象数据，实现FDR观测的自动无偏差校准；当需要更好地消除极端异常的观测数据影响时，采用模型一，模型一在考虑到观测中存在的系统偏差以及兼顾实用性的前提下，将线性的偏差校准模型耦合到现有的基于集合卡尔曼滤波和气象数据的土壤水数据同化方法中；当需要用较少的观测数据消除观测噪声影响时，采用模型二，模型二在考虑到观测中存在的系统偏差以及兼顾实用性的前提下，将线性的偏差校准模型耦合到现有的基于迭代型集合平滑和气象数据的土壤水数据同化方法中。本方法实现了观测校准的自动化。

技术领域

本发明属于环境和农业监测技术领域，具体涉及一种基于数据同化和气象数据的土壤墒情站自动校核方法。

背景技术

准确的土壤水分数据在水文、农业和环境科学等多个研究领域都很高的价值。对于土壤水分数据，虽然直接的重力测量法有很高的准确性，但在实时监测和数据记录方面并不实用，为此，人们发展了介电测量、电阻率测量、热耗散和热脉冲等间接监测方法。在上述间接监测方法中，基于介电测量的频域反射法土壤水分传感器(即，FDR)在近几十年得到了很长远的发展和广泛的应用，因为与其它土壤水分传感器相比，FDR可以封装在一个监测管中，可以方便地以近乎连续的实时方式获取不同深度的土壤水，并通过连接数据记录器，以可较小的成本提供密集(例如，间隔为30分钟)的土壤水时间序列数据。

然而，由于FDR的工作频率较低，因此它对土壤质地、土壤结构、有机质含量、盐度和土壤温度的敏感性要高于其它传感器，由于田间土壤条件的高变异性，工厂的标定值也经常不适用于实际场地的条件，此外，由于FDR的采样体积较小，土壤传感器接触不良可能导致传感器性能较差。

使用简单的线型回归校准就可以大大提高超过工厂校准的测量准确性，每个安装点的FDR传感器都应当根据独立的和相应的重量测量法进行校准，但是，FDR的现场校准工作量往往是巨大的，对于土壤水分监测网来说甚至不切实际的，此外，由于环境的变化，在很长一段时间后，初始的现场校准可能不合适。

发明内容

本发明的目的是提供一种基于数据同化和气象数据的土壤墒情站自动校核方法，本方法实现了观测校准的自动化。

本发明所采用的技术方案是：

一种基于数据同化和气象数据的土壤墒情站自动校核方法，选用两个模型，将来自FDR未校准的土壤水观测数据同化，实现FDR观测的自动无偏差校准；当需要更好地消除极端异常的观测数据影响时，采用模型一，模型一在考虑到观测中存在的系统偏差以及兼顾实用性的前提下，将线性的偏差校准模型耦合到现有的基于集合卡尔曼滤波和气象数据的土壤水数据同化方法中；当需要用较少的观测数据消除观测噪声影响时，采用模型二，模型二在考虑到观测中存在的系统偏差以及兼顾实用性的前提下，将线性的偏差校准模型耦合到现有的基于迭代型集合平滑和气象数据的土壤水数据同化方法中。

进一步地，模型一和模型二进行敏感性测试实用性验证时，包括步骤：

S1、获取不同观测噪声、不同数量的含偏观测数据，不同Monte-Carlo样本数、不同土壤异质性的含偏观测和气象数据；

S2、用模型一和模型二处理步骤S1中的含偏观测数据，分析不同情境下算法的表现；

S3、搜集实际中观测数据和气象数据；

S4、观测数据的质量分析；

S5、含偏观测数据的校准。

本发明的有益效果是：