白山水庫流域是季節(jié)性積雪區(qū),融雪徑流是主要春季徑流,掌握水庫春季融雪徑流規(guī)律對(duì)于水庫調(diào)度、春汛防控等有著至關(guān)重要作用。雪水當(dāng)量反映了積雪的物質(zhì)和能量信息,能定量表征固態(tài)降水量,對(duì)于融雪徑流模擬具有重要意義。本文以白山水庫流域的積雪遙感數(shù)據(jù)同化為核心技術(shù),對(duì)歐航局和NASA雪水當(dāng)量產(chǎn)品進(jìn)行時(shí)空優(yōu)化插值同化,改善了雪水當(dāng)量產(chǎn)品在研究區(qū)內(nèi)的像元和時(shí)段缺失問題,建立了較高質(zhì)量的長(zhǎng)時(shí)間序列雪水當(dāng)量數(shù)據(jù)集;識(shí)別白山水庫流域積雪期為11月中下旬至翌年4月中下旬,多年平均積雪時(shí)間為133天;基于雪水當(dāng)量數(shù)據(jù)同化結(jié)果,建立1981—2010年雪水當(dāng)量與融雪期徑流量的相關(guān)關(guān)系,確定融雪徑流系數(shù)為0.55;采用融雪徑流系數(shù)對(duì)2011—2016年融雪徑流總量進(jìn)行模擬,模擬結(jié)果合格率在66.67%,模擬效果較好。 

【文章來源】：水利水電技術(shù). 2020,51(S2)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

數(shù)據(jù)同化方法流程(ESA、AE、SWE分別為歐空局、

數(shù)據(jù)同化技術(shù)來源于數(shù)值天氣預(yù)報(bào),20世紀(jì)60年代開始,最優(yōu)插值法就開始在數(shù)值天氣預(yù)報(bào)中應(yīng)用。數(shù)據(jù)同化技術(shù)應(yīng)用領(lǐng)域較廣,在不同領(lǐng)域的含義稍有差異,對(duì)于陸面數(shù)據(jù)同化系統(tǒng),特別是積雪遙感數(shù)據(jù)方面,數(shù)據(jù)同化核心是綜合不同來源數(shù)據(jù)(地面站點(diǎn)實(shí)測(cè)數(shù)據(jù)、衛(wèi)星遙感監(jiān)測(cè)數(shù)據(jù)和模型模擬等),以提高積雪數(shù)據(jù)質(zhì)量,得到時(shí)間一致性、空間一致性和物理一致性的高分辨率積雪遙感數(shù)據(jù)集[18]。數(shù)據(jù)同化主要分為4個(gè)途徑,分別為最優(yōu)插值法、全局?jǐn)M合、順序同化和啟發(fā)式優(yōu)化算法(智能算法)等,其中,以變分法和卡爾曼濾波法為代表[19]。變分法通過最小化全局誤差的目標(biāo)函數(shù),得到最優(yōu)分析值,達(dá)到數(shù)據(jù)同化的目的,可同時(shí)同化多個(gè)時(shí)段資料,但水文系統(tǒng)的非線性導(dǎo)致變分法需要構(gòu)造的伴隨矩陣很困難;而卡爾曼濾波(the Kalman Filter,簡(jiǎn)稱KF)算法是基于當(dāng)前時(shí)刻的狀態(tài)估計(jì)和觀測(cè)值來進(jìn)行最優(yōu)估計(jì),其對(duì)動(dòng)態(tài)過程的估計(jì)更為合適和準(zhǔn)確,自20世紀(jì)60年代[20]提出以來,已經(jīng)發(fā)展了許多衍生形式,如擴(kuò)展卡爾曼濾波(EKF)、集合卡爾曼濾波(EnKF)等,其中,集合卡爾曼濾波(EnKF)以集合的思想,將各來源的有用信息吸收到同化系統(tǒng)中,具有適用于非線性、大尺度等優(yōu)點(diǎn)[21],是目前最常用的同化算法之一,為大量學(xué)者研究應(yīng)用,如林琳[22]、秦耀軍[23]、束士杰[24]等,但其在積雪遙感方面的應(yīng)用需要開發(fā)。隨著數(shù)據(jù)同化技術(shù)研究和應(yīng)用不斷深入和廣泛,學(xué)者們逐步形成通識(shí),即以最優(yōu)化原理作為數(shù)據(jù)同化基本理論[25],運(yùn)用多種方法使檢驗(yàn)誤差最小作為判斷依據(jù),以提高數(shù)據(jù)精度。針對(duì)雪水當(dāng)量產(chǎn)品的數(shù)據(jù)同化研究可分為三類:(1)地面站點(diǎn)實(shí)測(cè)雪深和雪壓資料,如JONAS等[26]利用瑞士各氣象站點(diǎn)數(shù)據(jù)對(duì)雪水當(dāng)量數(shù)據(jù)加以估計(jì);(2)不同來源的被動(dòng)微波遙感數(shù)據(jù),如PAINTER等[27]利用空中雪觀測(cè)站(ASO)的數(shù)據(jù)結(jié)合物理模型對(duì)雪水當(dāng)量模擬;(3)高質(zhì)量積雪覆蓋面積產(chǎn)品,如利用MODIS各積雪產(chǎn)品對(duì)雪水當(dāng)量數(shù)據(jù)做降尺度處理[28],利用集合卡爾曼濾波做數(shù)據(jù)同化[29],或建立積雪衰減曲線。本文基于雪蓋監(jiān)測(cè)中常用的直接插入法同化了來自歐空局(ESA)和NASA這兩個(gè)不同來源的雪水當(dāng)量遙感數(shù)據(jù),改善了白山水庫流域上雪水當(dāng)量像元缺失等問題,提升了雪水當(dāng)量精度;分析白山水庫入庫日徑流資料并與匯水區(qū)雪水當(dāng)量相關(guān)關(guān)系,確定了年融雪徑流系數(shù),進(jìn)行了融雪徑流估算。

年融雪徑流深是通過融雪期的日徑流資料和流域面積計(jì)算得出,流域面積取1.88×104 km2,由DEM高程數(shù)據(jù)通過流域提取后計(jì)算而得,因?yàn)閰^(qū)域雪水當(dāng)量數(shù)據(jù)也是根據(jù)這個(gè)流域面積提取而來的,這樣的取值保證了一致性。根據(jù)已劃分的融雪徑流期,逐日徑流量去掉基流后進(jìn)行累加,便可得年融雪徑流深。分析已得的逐日雪水當(dāng)量數(shù)據(jù)可以發(fā)現(xiàn),其波動(dòng)性仍然很大,而且在融雪期,雪水當(dāng)量數(shù)據(jù)衰減變化較大,與徑流量變化量相關(guān)性不大,無法很好的利用逐日雪水當(dāng)量的衰減量與逐日融雪徑流量做相關(guān)分析,所以本文融雪徑流模擬采用擴(kuò)大計(jì)算時(shí)間尺度的思想,統(tǒng)計(jì)每年的雪水當(dāng)量最大值,認(rèn)為其為最終可以化成春季融雪徑流的總量,達(dá)到模擬的效果。

【參考文獻(xiàn)】：
期刊論文
[1]SRM模型在尼洋河流域的應(yīng)用研究[J]. 金浩宇,鞠琴.  水文. 2019(05)
[2]白山流域春季徑流影響因素及作用機(jī)理識(shí)別[J]. 李文龍,次旦央宗,王傲,李鴻雁,田琳.  水利水電技術(shù). 2019(05)
[3]1992～2010年中國積雪時(shí)空變化分析[J]. 鐘鎮(zhèn)濤,黎夏,許曉聰,劉小平,何執(zhí)兼.  科學(xué)通報(bào). 2018(25)
[4]基于數(shù)據(jù)同化技術(shù)的地質(zhì)參數(shù)反演分析研究[J]. 秦耀軍,周曉勇,楊亞賓,賈超.  水科學(xué)與工程技術(shù). 2017(06)
[5]基于MODIS積雪產(chǎn)品的中國天山山區(qū)積雪時(shí)空分布特征研究[J]. 侯小剛,李帥,張旭,陳雪華,崔宇.  沙漠與綠洲氣象. 2017(03)
[6]地下水參數(shù)反演的確定性集合卡爾曼濾波方法[J]. 林琳,史良勝,宋雪航.  武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2016(02)
[7]2003-2010年青藏高原積雪及雪水當(dāng)量的時(shí)空變化[J]. 孫燕華,黃曉東,王瑋,馮琦勝,李紅星,梁天剛.  冰川凍土. 2014(06)
[8]雪數(shù)據(jù)集研究綜述[J]. 于靈雪,張樹文,卜坤,楊久春,顏鳳芹,常麗萍.  地理科學(xué). 2013(07)
[9]基于集合卡爾曼濾波的地表水熱通量同化研究[J]. 束士杰,劉朝順,施潤和,高煒.  農(nóng)業(yè)工程學(xué)報(bào). 2013(06)
[10]CMIP3模式對(duì)未來50a歐亞大陸雪水當(dāng)量的預(yù)估[J]. 馬麗娟,羅勇,秦大河.  冰川凍土. 2011(04)

碩士論文
[1]寒旱區(qū)融雪徑流模擬及不確定性分析[D]. 張爽.南京大學(xué) 2019
[2]錫林河流域積雪時(shí)空分布特征及融雪徑流模擬研究[D]. 郝祥云.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[3]新疆地區(qū)積雪時(shí)空變化特征研究[D]. 丁揚(yáng).西北農(nóng)林科技大學(xué) 2017
[4]小興安嶺季節(jié)性凍土區(qū)春季融雪徑流分析[D]. 勾文婧.黑龍江大學(xué) 2017
[5]基于被動(dòng)微波遙感和MODIS產(chǎn)品的天山雪水當(dāng)量降尺度研究[D]. 趙文宇.石河子大學(xué) 2016
[6]集合卡爾曼濾波同化方法的研究[D]. 朱琳.南京信息工程大學(xué) 2007



本文編號(hào)：3339832