一种基于数据同化优化陆面过程模式参数化方案的方法
摘要
基于数据同化优化陆面过程模式参数, 从物理机制上改进和完善陆面过程模式参数化方案, 提高模式的区域适应性和模拟能力, 对改善大气环流模式(GCM, General Circulation Model)和区域气候模式(RCM, Regional Climate Model)模拟和气候预测能力具有重要的现实意义. 本文发展了一种基于数据同化优化陆面过程模式参数化方案的方法, 并以优化非饱和土壤水模型为例, 发展基于非饱和土壤水模型和扩展Kalman滤波(EKF, Extended Kalman Filter)算法并结合可变下渗能力模型(VIC, Variable Infiltration Capacity Model)的土壤湿度同化方案, 以月为同化窗, 利用复合形混合演化算法(SCE-UA, Shuffled Complex Evolution-University of Arizona)极小化目标函数, 使模拟与同化的土壤湿度按给定的目标函数度量方式达到最佳拟合, 优化非饱和土壤水模型参数: 饱和水力传导率、饱和土壤湿度、饱和土壤水势、Clapp和Hornberger常数, 得到同化时段1986年模型参数的最优值序列, 然后用其改进非饱和土壤水模型, 最后利用改进后模型进行1986~1993年的数值模拟试验, 评估改进后模型的模拟能力, 探讨基于数据同化优化陆面过程模式土壤水参数化方案的方法与实现途径. 试验结果表明: 基于数据同化优化模型参数, 从物理机制上改进和完善模型, 提高了模型的模拟能力; 优化的模型参数在时间上具有较好的移植性, 适应性更强, 达到了改进模型的目的, 因此, 本方法是合理、可行的. 本文为基于数据同化优化陆面过程模式参数化方案研究提供了范例, 具有较好的借鉴作用.