水文模型模擬預(yù)報(bào)的多源數(shù)據(jù)同化方法及應(yīng)用研究進(jìn)展

劉永偉，王 文，劉元波，凌 哲，劉 慶

(1.中國(guó)科學(xué)院南京地理與湖泊研究所流域地理學(xué)重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210008；2.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210098；3.江蘇省水利工程規(guī)劃辦公室，江蘇 南京 210029； 4.江西省水利規(guī)劃設(shè)計(jì)研究院，江西 南昌 330029)

水資源的科學(xué)管理、調(diào)控是以流域水文循環(huán)過(guò)程及其演變規(guī)律的規(guī)律識(shí)別和水文情勢(shì)的預(yù)測(cè)預(yù)報(bào)為基礎(chǔ)的，而水文循環(huán)過(guò)程的規(guī)律識(shí)別和水文情勢(shì)的預(yù)測(cè)預(yù)報(bào)均主要依賴于流域水文模型的模擬預(yù)報(bào)。水文模型模擬預(yù)報(bào)經(jīng)歷了由經(jīng)驗(yàn)方法—具有系統(tǒng)理論概念的黑箱子水文模型—融合物理概念和經(jīng)驗(yàn)概化的概念性水文模型—具有物理機(jī)制的分布式水文模型的發(fā)展過(guò)程，模型結(jié)構(gòu)在水文物理過(guò)程精細(xì)化描述方面不斷完善[1]。然而，分布式水文模型通常需要大量的觀測(cè)數(shù)據(jù)和水文過(guò)程參數(shù)，致使單純依靠傳統(tǒng)觀測(cè)手段難以滿足模型的相關(guān)要求，成為限制分布式水文模型模擬預(yù)報(bào)能力提高的瓶頸。

近年來(lái)，多源觀測(cè)技術(shù)，尤其是衛(wèi)星遙感技術(shù)快速發(fā)展[2]，借助衛(wèi)星遙感技術(shù)可直接或間接地獲得流域的氣象要素及下墊面特征信息(如降雨、流域土壤濕度分布等)，為分布式水文模型提供了更為豐富的數(shù)據(jù)信息。將不同來(lái)源、不同時(shí)間、不同空間分辨率的遙感和地面觀測(cè)信息(即多源數(shù)據(jù))同化到水文模型模擬預(yù)報(bào)過(guò)程中，成為提高模型模擬預(yù)報(bào)精度和可靠性的有效途徑[3-4]，也是目前水文過(guò)程模擬預(yù)報(bào)領(lǐng)域的研究熱點(diǎn)和前沿問(wèn)題之一[5]。

本文介紹了水文模型模擬預(yù)報(bào)領(lǐng)域采用的數(shù)據(jù)同化方法，分析了變分和順序數(shù)據(jù)同化法的優(yōu)勢(shì)與不足；以土壤濕度和徑流數(shù)據(jù)同化為重點(diǎn)，分析了多源數(shù)據(jù)在水文模型模擬預(yù)報(bào)同化應(yīng)用中的進(jìn)展、存在的問(wèn)題及其未來(lái)的發(fā)展方向。

1 水文遙感數(shù)據(jù)同化方法

數(shù)據(jù)同化作為一種方法論，集成了模型和觀測(cè)這兩種基本的地學(xué)手段。數(shù)據(jù)同化方法的核心思想是在動(dòng)力學(xué)模型(如陸面過(guò)程模型、水文模型)框架內(nèi)，通過(guò)集成觀測(cè)算子(如輻射傳輸模型)，融合不同來(lái)源、不同分辨率的直接與間接觀測(cè)信息以調(diào)整模型的運(yùn)行軌跡，從而達(dá)到減小模型模擬預(yù)報(bào)誤差、獲得更高精度模擬預(yù)報(bào)結(jié)果的目的[6-7]。目前，水文領(lǐng)域中常用的典型數(shù)據(jù)同化方法根據(jù)優(yōu)化途徑的不同可歸為兩大類(lèi)：變分?jǐn)?shù)據(jù)同化方法(全局?jǐn)M合途徑)和順序數(shù)據(jù)同化方法(實(shí)時(shí)優(yōu)化途徑)。

1.1 變分?jǐn)?shù)據(jù)同化法

變分?jǐn)?shù)據(jù)同化法以最優(yōu)控制理論為基礎(chǔ)，以分析值與觀測(cè)值及背景場(chǎng)之間的偏差為目標(biāo)函數(shù)，在一個(gè)同化窗口內(nèi)，利用優(yōu)化算法，通過(guò)迭代運(yùn)算不斷調(diào)整模型的初始場(chǎng)，最終尋求整個(gè)同化時(shí)段的最優(yōu)解。目前，變分?jǐn)?shù)據(jù)同化法中發(fā)展比較成熟且具有代表性的是三維變分法和四維變分法[8]。四維變分法中加入了時(shí)間維，則該模型狀態(tài)在時(shí)間上的演進(jìn)可以充分考慮觀測(cè)信息時(shí)間和空間分布的影響，使得該方法比三維變分法有著更廣泛的應(yīng)用，其主要應(yīng)用于氣象和海洋領(lǐng)域。

變分?jǐn)?shù)據(jù)同化法最主要的優(yōu)點(diǎn)是可以采用一個(gè)同化窗口多個(gè)時(shí)間的觀測(cè)信息來(lái)估計(jì)整個(gè)同化窗口的狀態(tài)。但是，變分?jǐn)?shù)據(jù)同化法需要構(gòu)建伴隨模型，這就要求伴隨模型對(duì)其狀態(tài)變量必須連續(xù)可微，然而，對(duì)于陸面模型和較為復(fù)雜的水文模型而言通常無(wú)法滿足這一要求，這在一定程度上限制了變分?jǐn)?shù)據(jù)同化法在陸面模型和水文模型中的應(yīng)用。

1.2 順序數(shù)據(jù)同化法

順序數(shù)據(jù)同化法又稱為濾波方法，該方法基于誤差估計(jì)理論，著眼于求解單個(gè)時(shí)刻的最優(yōu)分析值，不斷用新的觀測(cè)信息來(lái)更新模型的預(yù)報(bào)場(chǎng)，從而形成下一時(shí)刻模型預(yù)報(bào)的初始場(chǎng)，如此按順序向前推進(jìn)，依次獲得整個(gè)時(shí)段的模式變量或參數(shù)的最優(yōu)估計(jì)。由于順序數(shù)據(jù)同化法可以顯式地考慮模擬與觀測(cè)的不確定性，并且其誤差可以在模型運(yùn)行過(guò)程中隨時(shí)間傳播，使得該類(lèi)方法在水文領(lǐng)域應(yīng)用廣泛。順序數(shù)據(jù)同化法主要有線性卡爾曼濾波(KF)法、擴(kuò)展卡爾曼濾波(EKF)法、集合卡爾曼濾波(EnKF)法及粒子濾波(PF)法等。

KF法由Kalman[9]于1960年首次提出，且早在20世紀(jì)70年代就被應(yīng)用于水文預(yù)報(bào)。但早期的KF法要求系統(tǒng)為線性或近似線性，隨著模型的復(fù)雜程度和非線性程度越來(lái)越高，KF法已無(wú)法滿足要求。為了適應(yīng)非線性系統(tǒng)應(yīng)用的需要，在KF法的基礎(chǔ)上，Jazwinski[10]提出了EKF法。由于EKF法采用Jacobian矩陣對(duì)非線性過(guò)程方程和觀測(cè)方程進(jìn)行線性化，其要求模型的每個(gè)狀態(tài)變量對(duì)于其他狀態(tài)變量是連續(xù)可微的。然而，對(duì)于復(fù)雜的非線性系統(tǒng)，Jacobian矩陣可能無(wú)法推求，并且由于EKF法一階線性近似中高階截?cái)嗾`差，導(dǎo)致濾波精度不高甚至出現(xiàn)濾波發(fā)散問(wèn)題。在此背景之下，Evensen[11]于1994年基于隨機(jī)動(dòng)態(tài)預(yù)報(bào)理論，將集合預(yù)報(bào)思想引入KF法，提出了EnKF法。EnKF法基于Monte Carlo和KF法，采用一組服從高斯分布的隨機(jī)變量來(lái)代表隨機(jī)動(dòng)態(tài)預(yù)報(bào)中狀態(tài)變量的概率密度函數(shù)，并基于觀測(cè)信息，在模型模擬預(yù)報(bào)過(guò)程中不斷更新這組隨機(jī)變量使其逐步逼近狀態(tài)變量總體的真實(shí)概率分布。EnKF法穩(wěn)健、靈活[12]，易于使用，在陸面模型和分布式水文模型中獲得廣泛應(yīng)用[13-15]。但是EnKF法中高斯分布的誤差假定在一定程度上限制了其在高度的非高斯、非線性系統(tǒng)中的應(yīng)用效果。PF法擺脫了EnKF法中高斯分布誤差假定的限制，利用狀態(tài)空間一組帶權(quán)重的隨機(jī)樣本(每個(gè)樣本/粒子代表系統(tǒng)的一個(gè)可能狀態(tài))逼近狀態(tài)變量的后驗(yàn)概率分布函數(shù)[16]。雖然PF法近年來(lái)逐漸應(yīng)用于水文遙感數(shù)據(jù)同化研究[17-18]，但由于在實(shí)際應(yīng)用中該方法需要逼近狀態(tài)變量的后驗(yàn)概率分布函數(shù)，因此往往需要大量的集合粒子數(shù)，造成很大的計(jì)算負(fù)擔(dān)，尤其是在復(fù)雜的陸面模型或分布式水文模型的應(yīng)用中。因此，目前基于PF法的數(shù)據(jù)同化多用于科學(xué)研究，還未達(dá)到實(shí)際應(yīng)用水平。

為了克服EnKF、PF等方法的不足，有關(guān)學(xué)者基于各種數(shù)據(jù)同化方法的優(yōu)缺點(diǎn)，在數(shù)據(jù)同化方法融合研究方面也取得了一些成果。如Hansen等[19]提出一種基于EnKF法與四維變分法融合的數(shù)據(jù)同化方法。該方法雖然大大增加了數(shù)值計(jì)算量，但對(duì)于模式狀態(tài)變量的估計(jì)效果優(yōu)于單獨(dú)的EnKF法和四維變分法。Delft等[20]基于EnKF法和PF法，提出了一種集合粒子濾波(EnPF)法，并證明了該方法在流域降雨徑流模擬預(yù)報(bào)精度方面優(yōu)于EnKF法和PF法。另外，Yu等[18]將EnKF法與粒子濾波方法相結(jié)合，提出了一種新的集合粒子濾波法，并通過(guò)土壤溫度數(shù)據(jù)同化試驗(yàn)證明了其有效性?？傮w而言，這些融合方法相較于單一方法在改進(jìn)水文模型模擬預(yù)報(bào)精度方面表現(xiàn)出一定的優(yōu)勢(shì)，但在具體數(shù)據(jù)同化應(yīng)用中的可行性和實(shí)用性有待進(jìn)一步提高。

2 多源數(shù)據(jù)同化在水文模型模擬預(yù)報(bào)中的應(yīng)用

關(guān)于多源數(shù)據(jù)同化在水文模型模擬預(yù)報(bào)中的應(yīng)用，目前主要關(guān)注土壤濕度、徑流、降水、蒸散發(fā)及高寒地區(qū)的地面積雪量等基礎(chǔ)水文變量，其中，土壤濕度與徑流變量的數(shù)據(jù)同化研究更為廣泛[21-23]。

2.1 土壤濕度數(shù)據(jù)同化

土壤濕度是水文循環(huán)中的核心變量之一，決定了降雨入滲過(guò)程及形成徑流的比例，將土壤濕度觀測(cè)信息同化到水文模型模擬預(yù)報(bào)過(guò)程中，必將有助于提高水文模型模擬預(yù)報(bào)的精度和可靠性。早在20世紀(jì)80年代初，Jackson等[24]嘗試通過(guò)直接插值法同化站點(diǎn)觀測(cè)的表層土壤濕度數(shù)據(jù)來(lái)改進(jìn)土壤剖面的水分估計(jì)，指出數(shù)據(jù)同化方法是4種基本的土壤剖面水分反演方法(統(tǒng)計(jì)外推法、輻射傳輸模型反演法、參數(shù)化的剖面模型法和數(shù)據(jù)同化方法)中最具發(fā)展前景的方法。Walker等[25]分別基于KF法和直接插值法同化站點(diǎn)實(shí)測(cè)地表土壤濕度以獲得垂向一維不同時(shí)間尺度的土壤濕度估計(jì)，結(jié)果發(fā)現(xiàn)KF法優(yōu)于直接插值法。王文等[15]基于EnKF法在一維Hydrus模型中建立了單點(diǎn)土壤濕度數(shù)據(jù)同化方案，通過(guò)同化表層土壤濕度的站點(diǎn)觀測(cè)值改進(jìn)土壤剖面上不同深度土層的水分估計(jì)。由于全球范圍內(nèi)土壤濕度地面站點(diǎn)觀測(cè)數(shù)據(jù)嚴(yán)重不足，并且站點(diǎn)觀測(cè)的空間代表性不高，導(dǎo)致站點(diǎn)觀測(cè)土壤濕度數(shù)據(jù)在陸面及水文領(lǐng)域的應(yīng)用受到很大限制。

直到20世紀(jì)90年代土壤濕度的遙感觀測(cè)手段出現(xiàn)以后，隨著空間和時(shí)間連續(xù)的土壤濕度信息可獲取能力的提高，土壤濕度數(shù)據(jù)同化研究才逐漸興起并快速發(fā)展起來(lái)。遙感土壤濕度數(shù)據(jù)同化研究根據(jù)其目標(biāo)可以分為兩類(lèi)：一是為獲得全球或區(qū)域尺度上更為準(zhǔn)確的土壤濕度數(shù)據(jù)集，主要是陸面模型中土壤濕度數(shù)據(jù)的同化研究；二是在流域尺度上利用遙感反演土壤濕度數(shù)據(jù)的同化，改善流域或區(qū)域的水文過(guò)程模擬及預(yù)報(bào)精度和可靠性，主要是水文模型中土壤濕度數(shù)據(jù)的同化研究。

Entekhabi等[26]利用EKF法，通過(guò)對(duì)低頻被動(dòng)微波和紅外數(shù)據(jù)的同化進(jìn)行根區(qū)土壤濕度的反演。Crow等[27]采用EnKF法將1.4 GHz的地表(0～5 cm)亮溫?cái)?shù)據(jù)同化到陸面水文模型TOPLATS中，表明通過(guò)地表亮溫?cái)?shù)據(jù)的同化可以獲得根區(qū)(0～40 cm)土壤濕度的時(shí)空連續(xù)變化趨勢(shì)。Huang等[14]基于簡(jiǎn)單的生物圈模型SiB2和微波輻射傳輸模型，采用EnKF法，通過(guò)仿真試驗(yàn)對(duì)站點(diǎn)觀測(cè)與遙感觀測(cè)土壤濕度分別進(jìn)行同化，明確了EnKF法在處理非線性模型算子與觀測(cè)算子方面的優(yōu)勢(shì)，證明了在陸面模型中進(jìn)行地面和遙感觀測(cè)數(shù)據(jù)同化的可行性。此外，Yang等[22-23，28-29]研究了陸面模型中遙感土壤濕度數(shù)據(jù)的同化。目前，在全球范圍內(nèi)已經(jīng)建立了多個(gè)陸面數(shù)據(jù)同化系統(tǒng)，包括北美、全球、歐洲陸面數(shù)據(jù)同化系統(tǒng)以及我國(guó)西北陸面數(shù)據(jù)同化系統(tǒng)。這些系統(tǒng)涉及全部常用陸面模型中的遙感反演土壤濕度數(shù)據(jù)的同化，發(fā)展了一套比較成熟的大尺度土壤濕度獲取體系，整體達(dá)到了常態(tài)化運(yùn)行水平。

水文模型中遙感土壤濕度數(shù)據(jù)同化研究可以歸為兩類(lèi)：一是通過(guò)遙感觀測(cè)土壤濕度數(shù)據(jù)同化的仿真模擬試驗(yàn)或地面站點(diǎn)實(shí)測(cè)數(shù)據(jù)同化，研究遙感土壤濕度數(shù)據(jù)同化方法，評(píng)估遙感土壤濕度數(shù)據(jù)同化對(duì)土壤濕度狀態(tài)估計(jì)以及流域降雨徑流模擬預(yù)報(bào)的效果[21，30-32]；二是通過(guò)遙感土壤濕度數(shù)據(jù)的同化改善流域的土壤濕度狀態(tài)估計(jì)，進(jìn)而改進(jìn)流域降雨徑流模擬預(yù)報(bào)精度[4，33-34]。大量遙感土壤濕度數(shù)據(jù)同化仿真試驗(yàn)研究表明，遙感土壤濕度數(shù)據(jù)同化在改善土壤濕度狀態(tài)估計(jì)、改進(jìn)流域降雨徑流模擬預(yù)報(bào)方面具有很大的潛力[30-31，35]。然而，在實(shí)際應(yīng)用中，同化遙感觀測(cè)土壤濕度數(shù)據(jù)在改善流域降雨徑流模擬預(yù)報(bào)方面卻表現(xiàn)出一定的不確定性[36-38]。

遙感觀測(cè)土壤濕度數(shù)據(jù)同化效果的不確定性主要與遙感反演土壤濕度數(shù)據(jù)的質(zhì)量、時(shí)空分辨率和遙感探測(cè)深度有關(guān)。由于受到下墊面植被、凍土、積雪、地表粗糙度等因素的影響，遙感反演土壤濕度數(shù)據(jù)精度存在系統(tǒng)偏差并表現(xiàn)出較大的空間和季節(jié)差異性。雖然目前遙感反演土壤濕度數(shù)據(jù)的空間分辨率已有幾千米到幾十千米不等，時(shí)間分辨率可達(dá)1 d，但對(duì)于流域尺度的水文過(guò)程模擬預(yù)報(bào)而言還存在分辨率不足的問(wèn)題，尤其在小流域水文過(guò)程模擬及小時(shí)尺度的徑流預(yù)報(bào)方面還無(wú)法滿足需求。遙感反演一般僅能獲得表層(0～5 cm)的土壤濕度信息，但對(duì)降雨徑流過(guò)程影響較大的往往是根區(qū)甚至是深層的土壤水分信息，因此，遙感反演土壤濕度數(shù)據(jù)同化效果依賴于水文模型在土壤水分垂向連通性方面的概化模擬能力，表現(xiàn)出較大的差異性。另外，遙感反演土壤濕度數(shù)據(jù)同化效果的不確定性還來(lái)自數(shù)據(jù)同化規(guī)則(不同的數(shù)據(jù)同化方法具有不同的理論依據(jù))、水文模型(如模型結(jié)構(gòu)誤差)、遙感與模型模擬時(shí)空尺度不匹配等因素的綜合影響[31，34，39-40]。

2.2 徑流數(shù)據(jù)同化

徑流是流域水文模型模擬預(yù)報(bào)中最為重要的輸出變量，可以反映整個(gè)流域綜合的水文信息，且地面實(shí)測(cè)徑流數(shù)據(jù)具有很高的可靠性。將站點(diǎn)徑流實(shí)測(cè)信息同化到水文模型模擬預(yù)報(bào)過(guò)程中，對(duì)于改善流域狀態(tài)變量及模型參數(shù)的估計(jì)精度，進(jìn)而改進(jìn)流域的降雨徑流模擬及預(yù)測(cè)具有重要價(jià)值。徑流數(shù)據(jù)的同化始于20世紀(jì)80年代，主要是對(duì)流域水文預(yù)報(bào)中基于站點(diǎn)流量觀測(cè)數(shù)據(jù)進(jìn)行模型輸出結(jié)果的修正，也稱為誤差校正，使用方法主要為KF法和EKF法。隨著數(shù)據(jù)同化技術(shù)與模型模擬技術(shù)的發(fā)展，徑流數(shù)據(jù)同化不僅體現(xiàn)在線性系統(tǒng)或弱非線性系統(tǒng)對(duì)系統(tǒng)狀態(tài)變量和輸出結(jié)果的校正上，更表現(xiàn)為在非線性系統(tǒng)中通過(guò)對(duì)模型狀態(tài)變量及參數(shù)的優(yōu)化來(lái)改進(jìn)整個(gè)系統(tǒng)的過(guò)程模擬及預(yù)報(bào)精度[41-42]。用于數(shù)據(jù)同化的水文模型由簡(jiǎn)單的集總式概念性模型逐漸發(fā)展為具有物理機(jī)制的分布式模型，數(shù)據(jù)同化方法也由線性KF法逐漸發(fā)展為EnKF法、PF法等順序數(shù)據(jù)同化法和變分?jǐn)?shù)據(jù)同化法。

近年來(lái)，簡(jiǎn)單概念性模型中的徑流數(shù)據(jù)同化研究已逐漸發(fā)展成熟。大量研究表明，通過(guò)徑流數(shù)據(jù)同化可以獲得較好的模型參數(shù)與狀態(tài)估計(jì)結(jié)果，從而有效地改進(jìn)流域水文模型模擬預(yù)報(bào)的精度和可靠性[42-43]。尤其在簡(jiǎn)單概念性模型的參數(shù)優(yōu)化方面，徑流數(shù)據(jù)同化表現(xiàn)出一定優(yōu)勢(shì)[44]，其主要原因在于基于徑流數(shù)據(jù)同化進(jìn)行模型參數(shù)的優(yōu)化可以綜合考慮模型輸入、模型參數(shù)和模型結(jié)構(gòu)3個(gè)方面的不確定性，而不像一般常規(guī)方法(如全局優(yōu)化SCE-UA方法)中把模型模擬誤差都?xì)w咎于模型參數(shù)上。相較于簡(jiǎn)單概念性模型，分布式水文模型，尤其是基于物理機(jī)制的分布式水文模型具有真實(shí)模擬現(xiàn)實(shí)世界流域水文過(guò)程的能力，并且能夠考慮氣象輸入的空間異質(zhì)性和流域下墊面的空間分布特征，理論上分布式水文模型在降雨-徑流模擬預(yù)報(bào)方面應(yīng)優(yōu)于簡(jiǎn)單的集總式模型[45]。另外，分布式水文模型不僅能夠提供流域出口的徑流過(guò)程，還可以給出流域內(nèi)部主要支流甚至格點(diǎn)上的徑流過(guò)程，這使得分布式水文模型中徑流數(shù)據(jù)的同化不但有利于觀測(cè)站點(diǎn)以上流域的產(chǎn)匯流模擬，而且也可能有利于觀測(cè)站點(diǎn)臨近甚至以下流域的徑流過(guò)程模擬，這一點(diǎn)對(duì)于無(wú)、缺徑流資料流域的水文模型模擬預(yù)報(bào)具有重要意義。因此，分布式水文模型中徑流數(shù)據(jù)的同化研究受到越來(lái)越多的關(guān)注。Xie等[46]在SWAT模型中根據(jù)站點(diǎn)徑流數(shù)據(jù)同化的試驗(yàn)研究表明，EnKF法能夠改進(jìn)SWAT模型中敏感參數(shù)和狀態(tài)變量的估計(jì)，從而有助于提高流域產(chǎn)匯流模擬預(yù)報(bào)的精度。Clark等[13]基于EnKF法將站點(diǎn)徑流觀測(cè)數(shù)據(jù)同化到分布式水文模型TopNet中，以期通過(guò)更新模型狀態(tài)變量改進(jìn)流域的降雨徑流模擬精度，結(jié)果顯示標(biāo)準(zhǔn)的EnKF方法并不適用，而在計(jì)算誤差協(xié)方差矩陣前將徑流數(shù)據(jù)轉(zhuǎn)換到對(duì)數(shù)空間能夠改進(jìn)模型的模擬結(jié)果。雖然目前大部分研究表明分布式水文模型中徑流數(shù)據(jù)的同化在改進(jìn)流域產(chǎn)匯流過(guò)程模擬方面有一定的效果，但在較為復(fù)雜的分布式水文模型中，徑流數(shù)據(jù)同化在實(shí)現(xiàn)模型參數(shù)與狀態(tài)估計(jì)、改進(jìn)流域水文模型模擬預(yù)報(bào)能力和可靠性方面還存在一定的不確定性[13，46-47]。Lee等[41]在基于網(wǎng)格的Sacramento模型中采用變分方法對(duì)站點(diǎn)觀測(cè)徑流數(shù)據(jù)的同化研究表明，數(shù)據(jù)同化能夠在一定程度上改進(jìn)流域的降雨徑流模擬預(yù)報(bào)能力，但同化效果在分布式水文模型模擬預(yù)報(bào)中表現(xiàn)出很大的不確定性。在徑流數(shù)據(jù)同化的分布式水文模型參數(shù)優(yōu)化方面，Xie等[48]提出了基于EnKF法的參數(shù)-狀態(tài)分類(lèi)優(yōu)化更新方案，雖然在SWAT模型中獲得了較好的參數(shù)估計(jì)效果，但該方案在一定程度上仍存在徑流觀測(cè)信息重復(fù)使用、模型參數(shù)在數(shù)據(jù)同化過(guò)程中被過(guò)度更新等問(wèn)題。

以上徑流數(shù)據(jù)同化在改進(jìn)分布式水文模型模擬預(yù)報(bào)方面表現(xiàn)出較大不確定性的主要原因在于：(a)分布式水文模型具有多計(jì)算單元、多變量、多參數(shù)的特點(diǎn)，導(dǎo)致數(shù)據(jù)同化過(guò)程中存在高維度現(xiàn)象，大大增加了數(shù)據(jù)同化效果的不確定性及同化實(shí)施的難度；(b)由于徑流數(shù)據(jù)同化中常用的站點(diǎn)徑流觀測(cè)數(shù)據(jù)為經(jīng)過(guò)點(diǎn)產(chǎn)流和面匯流的水文信息，只能反應(yīng)流域的整體狀況，當(dāng)基于站點(diǎn)徑流觀測(cè)信息對(duì)分布式水文模型具有空間分布的各個(gè)參數(shù)與變量進(jìn)行優(yōu)化更新時(shí)，很容易存在更新過(guò)度或更新不足的問(wèn)題，這也大大增加了徑流數(shù)據(jù)同化效果的不確定性[49]。

2.3 降水、蒸散發(fā)、積雪數(shù)據(jù)同化

降水是水文模型模擬預(yù)報(bào)中最為重要的輸入變量，其精度和可靠性在很大程度上決定了水文模型模擬預(yù)報(bào)的成敗。目前降水?dāng)?shù)據(jù)的獲取方式主要包括地面站點(diǎn)觀測(cè)、雷達(dá)探測(cè)、遙感反演以及氣象數(shù)值模型模擬。傳統(tǒng)的站點(diǎn)觀測(cè)可以提供時(shí)間連續(xù)且準(zhǔn)確的點(diǎn)源降水信息，但由于受到觀測(cè)站點(diǎn)空間分布密度及均勻性等條件的限制，實(shí)測(cè)降水通常不足以代表流域或區(qū)域?qū)嶋H的降水信息，尤其對(duì)于站點(diǎn)稀少且下墊面地勢(shì)起伏較大的流域[50]。雷達(dá)探測(cè)能夠獲得流域面雨量的空間分布，但受地形遮擋、雷達(dá)射線抬升等因素的影響，其在地形復(fù)雜區(qū)域很難實(shí)施。衛(wèi)星遙感觀測(cè)可以獲得區(qū)域甚至全球大范圍時(shí)間持續(xù)和空間連續(xù)的降水信息，有效地彌補(bǔ)了站點(diǎn)觀測(cè)在空間連續(xù)性和雷達(dá)探測(cè)精度受地形限制等方面的不足，但相較于站點(diǎn)實(shí)測(cè)及雷達(dá)探測(cè)降水?dāng)?shù)據(jù)，遙感反演降水通常存在較大的誤差及偏差，但其數(shù)據(jù)往往在無(wú)、缺資料流域表現(xiàn)出較大優(yōu)勢(shì)[51-52]。氣象數(shù)值模型模擬方面，盡管近幾十年來(lái)降水的模擬預(yù)報(bào)技術(shù)不斷提升[53]，但單純依靠氣象數(shù)值模型模擬手段還無(wú)法滿足實(shí)際應(yīng)用的需求，因此氣象領(lǐng)域中降水觀測(cè)尤其是遙感觀測(cè)數(shù)據(jù)在氣象數(shù)值模型中的同化研究成為獲取大范圍時(shí)空連續(xù)降水的有效手段[54-55]。但受降水本身非高斯誤差分布和氣象數(shù)值模型模擬誤差及遙感觀測(cè)誤差等因素的影響，其數(shù)據(jù)同化效果不夠理想[56]。另外，針對(duì)目前遙感反演降水?dāng)?shù)據(jù)精度不足的問(wèn)題，不少學(xué)者嘗試根據(jù)累積降水與土壤濕度動(dòng)態(tài)變化之間的物理聯(lián)系，利用水文過(guò)程模型建立二者之間的反饋機(jī)制，通過(guò)引入遙感探測(cè)的土壤濕度信息，基于數(shù)據(jù)同化算法實(shí)時(shí)修正遙感反演降水輸入數(shù)據(jù)，進(jìn)而提高水文過(guò)程模擬精度及可靠性。結(jié)果顯示該方式可以在一定程度上提高遙感反演降水?dāng)?shù)據(jù)精度，且在改進(jìn)流域徑流模擬預(yù)報(bào)能力方面具有一定的成效[57-60]。但由于土壤濕度動(dòng)態(tài)變化對(duì)降水的敏感性隨著土壤濕度的增大而降低，土壤濕度達(dá)到飽和后基本不再隨降水變化，導(dǎo)致基于遙感觀測(cè)土壤濕度修正降水?dāng)?shù)據(jù)對(duì)中、小降水事件更為有效，而對(duì)大降水事件效果不好。此外，基于數(shù)據(jù)同化方法對(duì)降水的修正還受到遙感反演土壤濕度誤差，水文模型對(duì)土壤濕度、降水二者反饋過(guò)程的概化能力等因素的影響。

蒸散發(fā)是區(qū)域或流域水循環(huán)中的重要組成部分，蒸散發(fā)的準(zhǔn)確估算有利于流域水文過(guò)程模擬及預(yù)報(bào)[61]。目前實(shí)地觀測(cè)手段(蒸滲儀)很難獲得大尺度范圍的實(shí)際蒸散發(fā)量，遙感反演與水文模型模擬是獲取區(qū)域蒸散發(fā)量的主要手段。水文模型由于受到模型輸入、模型結(jié)構(gòu)、模型參數(shù)誤差的影響，對(duì)蒸散發(fā)的模擬精度不足，將遙感反演[62]的蒸散發(fā)信息與水文模型模擬相結(jié)合將有助于提高蒸散發(fā)的估計(jì)精度和可靠性，進(jìn)而可能有助于改進(jìn)流域水文過(guò)程的模擬及預(yù)報(bào)。21世紀(jì)以來(lái)，國(guó)內(nèi)外學(xué)者在蒸散發(fā)數(shù)據(jù)同化方面進(jìn)行了諸多有益的嘗試[63-64]，且在改進(jìn)蒸散發(fā)估計(jì)精度方面取得了一定成效，但對(duì)流域水文過(guò)程的模擬預(yù)報(bào)能力改進(jìn)效果不夠理想。目前，遙感反演蒸散發(fā)數(shù)據(jù)在水文模型模擬預(yù)報(bào)中的同化應(yīng)用在一定程度上還沒(méi)有實(shí)現(xiàn)蒸散發(fā)觀測(cè)與水文狀態(tài)模擬之間的有效集成，其主要原因在于蒸散發(fā)屬于非狀態(tài)變量(屬于通量)，在水文模型模擬預(yù)報(bào)過(guò)程中不能直接將蒸散發(fā)數(shù)據(jù)進(jìn)行同化，而是需要首先建立蒸散發(fā)與土壤濕度等狀態(tài)變量之間的關(guān)系。由于蒸散發(fā)受與能量、水分相關(guān)的多個(gè)變量控制，且與土壤濕度等狀態(tài)變量之間存在明顯的時(shí)間延遲，即遲滯，而這一遲滯效應(yīng)在一般水文模型中通常不會(huì)顯式呈現(xiàn)[65]，因此，基于蒸散發(fā)數(shù)據(jù)同化進(jìn)行水文模型狀態(tài)參數(shù)優(yōu)化更新時(shí)往往會(huì)帶來(lái)一定的不確定性。

近些年來(lái)，國(guó)內(nèi)外一些學(xué)者嘗試?yán)藐懨婺Ｐ汀⑺哪Ｐ蛯?duì)積雪地面站點(diǎn)實(shí)測(cè)數(shù)據(jù)和遙感數(shù)據(jù)進(jìn)行同化，以期改善雪深、雪水當(dāng)量等水文變量的估計(jì)精度，進(jìn)而改進(jìn)流域水文過(guò)程的模擬及預(yù)報(bào)能力。Liu等[66]采用直接插值方法將標(biāo)準(zhǔn)和經(jīng)去云處理后的MODIS積雪覆蓋率數(shù)據(jù)同化到Noah模型中，發(fā)現(xiàn)同化標(biāo)準(zhǔn)數(shù)據(jù)對(duì)積雪和徑流模擬的改進(jìn)作用不大，但同化經(jīng)去云處理后的數(shù)據(jù)能夠改進(jìn)積雪和徑流的模擬精度。Su等[67]采用EnKF法將MODIS積雪覆蓋率數(shù)據(jù)同化到CLM陸面模型中，發(fā)現(xiàn)經(jīng)數(shù)據(jù)同化后CLM模型可以更準(zhǔn)確地刻畫(huà)出雪水當(dāng)量的季節(jié)變化，但數(shù)據(jù)同化效果仍受到了雪蓋消融曲線中形狀因子的影響。目前，積雪數(shù)據(jù)同化研究還處于起步階段，衛(wèi)星遙感數(shù)據(jù)的同化在一定程度上改善了雪深、雪水當(dāng)量等狀態(tài)變量的估計(jì)精度，但積雪數(shù)據(jù)的同化(尤其在積雪消融期)仍表現(xiàn)出較大的不確定性。這在一定程度上與融雪期積雪變化所涉及的物理過(guò)程復(fù)雜、影響因素繁多而導(dǎo)致積雪的遙感反演精度和可靠性不足有關(guān)[68]。

3 結(jié) 語(yǔ)

a.水文遙感數(shù)據(jù)同化方法主要以基于集合的順序數(shù)據(jù)同化法為主，但為了滿足復(fù)雜的陸面模型、水文模型在非高斯、非線性屬性方面對(duì)數(shù)據(jù)同化法的要求，新的數(shù)據(jù)同化法(如EnPF法[19]、粒子批處理平滑方法[69])不斷出現(xiàn)，但最優(yōu)的數(shù)據(jù)同化法可能根據(jù)具體問(wèn)題而定，數(shù)據(jù)同化法的適用與否受水文模型的復(fù)雜程度、同化實(shí)施過(guò)程中的計(jì)算負(fù)擔(dān)、數(shù)據(jù)同化系統(tǒng)規(guī)則對(duì)各種不確定性(模型輸入、結(jié)構(gòu)、參數(shù))的定義及量化方式的合理性等多個(gè)因素的影響。因此，水文遙感數(shù)據(jù)同化中同化方法的適用性及其影響因素研究還有待繼續(xù)深入。

b.土壤濕度、徑流、降水、蒸散發(fā)、積雪等遙感與地面觀測(cè)數(shù)據(jù)的同化對(duì)于改進(jìn)流域水文過(guò)程模擬及預(yù)報(bào)能力具有很大潛力。目前水文遙感數(shù)據(jù)同化效果非顯著性及不確定性主要來(lái)自于土壤濕度、徑流、降水、蒸散發(fā)、積雪等遙感反演數(shù)據(jù)的誤差或偏差、時(shí)空分辨率差異及遙感探測(cè)深度等方面，同時(shí)與水文模型對(duì)水文過(guò)程模擬概化的不確定性及數(shù)據(jù)同化方法的適用性也有一定關(guān)系。因此，土壤濕度等水文變量的數(shù)據(jù)同化在改進(jìn)水文模型模擬預(yù)報(bào)方面的應(yīng)用潛力將會(huì)隨著遙感觀測(cè)技術(shù)與反演方法的改進(jìn)、水文模型結(jié)構(gòu)的完善以及數(shù)據(jù)同化技術(shù)的改進(jìn)而不斷增大。

c.多源數(shù)據(jù)在水文模型模擬預(yù)報(bào)中的綜合應(yīng)用將是水文遙感數(shù)據(jù)同化發(fā)展的必然趨勢(shì)。多源觀測(cè)數(shù)據(jù)在水文模型模擬預(yù)報(bào)中的應(yīng)用經(jīng)歷了由地面站點(diǎn)觀測(cè)到遙感觀測(cè)、由集總式概念性水文模型到基于物理機(jī)制的分布式水文模型的發(fā)展過(guò)程，遙感觀測(cè)與分布式水文模型模擬預(yù)報(bào)方式的出現(xiàn)，極大地促進(jìn)了觀測(cè)與模擬這兩大水文信息獲取途徑的有效結(jié)合。由于分布式水文模型對(duì)水文物理過(guò)程的精細(xì)化描述需要大量的模型狀態(tài)變量與參數(shù)，基于分布式水文模型的數(shù)據(jù)同化研究，在高度關(guān)注模型誤差、同化算法等數(shù)據(jù)同化系統(tǒng)規(guī)則的同時(shí)，需要綜合利用具有可靠精度的地面站點(diǎn)與具有空間分布優(yōu)勢(shì)的遙感觀測(cè)信息，以獲得模型模擬預(yù)報(bào)能力的更大提升。因此，隨著遙感、地面等多源觀測(cè)技術(shù)的蓬勃發(fā)展，以及水文過(guò)程模擬預(yù)報(bào)中模型結(jié)構(gòu)等的不斷完善，通過(guò)多源數(shù)據(jù)的聯(lián)合同化改進(jìn)水文模型模擬預(yù)報(bào)精度和可靠性將是未來(lái)水文模型模擬預(yù)報(bào)研究的重要發(fā)展方向，其數(shù)據(jù)同化研究所涉及的如何處理來(lái)自不同觀測(cè)系統(tǒng)(地面與遙感)、不同時(shí)間和空間分辨率數(shù)據(jù)的誤差及信息集成問(wèn)題必將受到越來(lái)越多的關(guān)注。