模型土壤濕度氣候態(tài)空間格局的優(yōu)化對陸面水文模擬和數(shù)據(jù)同化意義重大

衛(wèi)星遙感土壤濕度資料可顯著優(yōu)化陸面水文模型土壤濕度空間格局

土壤濕度控制著眾多大氣-陸面水文通量和能量過程，在降水分配、蒸散發(fā)、徑流和下滲等水文過程中起著至關重要的作用，是地球陸面水文循環(huán)的主要物理變量之一。基于衛(wèi)星遙感土壤濕度和陸面水文模型進行數(shù)據(jù)同化，是目前獲取大范圍高質量土壤濕度資料的主流方法。然而，由于模型與觀測土壤濕度氣候態(tài)間存在系統(tǒng)性差異，在現(xiàn)有數(shù)據(jù)同化應用中，大多僅關注土壤濕度時間過程同化結果，忽略了對模型土壤濕度空間信息的優(yōu)化，使得觀測值中常優(yōu)于模型的土壤濕度氣候態(tài)空間信息被完全丟棄，潛在的降低了土壤濕度空間同化效率，大大限制了陸面數(shù)據(jù)同化的應用。

為解決以上問題，Zhou等 (2020) 以VIC模型為例，提出了模型參數(shù)修正方法，利用NASA SMAP（土壤濕度主被動遙感）衛(wèi)星土壤濕度反演數(shù)據(jù)，優(yōu)化淮河流域（中國東部地區(qū)）VIC模型的土壤濕度氣候態(tài)，從而顯著提升模型多層土壤濕度空間模擬能力，改善模型徑流模擬效果。該研究彌補了當前陸面數(shù)據(jù)同化中忽略觀測土壤濕度氣候態(tài)信息的不足，可大幅提升土壤濕度數(shù)據(jù)同化水平，也可作為陸面模型參數(shù)優(yōu)化方法，提高徑流模擬精度，使模擬成果更好地服務于干旱監(jiān)測預測、洪水預報和數(shù)值天氣預報等眾多領域研究應用。