利用四维数据同化方法集成被动微波观测与陆面过程模型

【作者】 李新；

【机构】 中国科学院寒区旱区环境与工程研究所；

【摘要】 <正>被动微波遥感数据被广泛地应用于反演土壤水分、积雪和其它地表变量,其反演精度受限于土壤类型、地表粗糙度、植被类型等相关参数带来的误差,而且反演结果有时也具有物理上的不一致性(如水分不平衡等).此外,对于湿润土壤,微波遥感仅能探测表层几厘米的水分含量,对于根区和深层土壤水分的反演则无能为力.遥感观测的另一弱点是难以获得实际应用中常常需要的连续资料,虽然被动微波遥感的时间分辨率很高(如SSM/I每天有两次观测),但由于地温、土壤水分等地表变量日变化强烈,单纯依靠遥感资料提取日变化周期依然是不可能的.四维数据同化方法的基本思想是利用陆面过程模型来约束遥感反演模型;并且利用高分辨率的遥感数据来调整模型的运行轨迹,使数值模型的积累误差得到“释放”.它能够最大限度地利用不同来源、不同空间和时间分辨率的遥感观测数据并将它们有机融合,以获得更高分辨率,并且具有物理一致性和时空一致性的数据集.更多还原