顺序同化不同时空分辨率LAI的冬小麦估产对比研究

选择PyWOFOST模型为动态模型,以叶面积指数(LAI)为状态变量,遥感LAI为观测值,采用集合卡尔曼滤波(En KF)同化算法,研发了一种遥感LAI与作物模型同化的区域冬小麦产量估测系统。为消除云的污染,采用Savitzky-Golay(S-G)滤波算法重构时间序列MODIS LAI;通过构建地面观测LAI与3个关键物候期Landsat TM植被指数回归统计模型,获得区域TM LAI;通过融合3个关键物候期的TM LAI与时间序列S-G MODIS LAI,生成尺度转换LAI。对比分析3种不同时空分辨率的遥感LAI的同化精度,研究结果表明,同化尺度转换LAI获得了最高的同化精度,与官方县域统计产量相比,在潜在模式下,决定系数由同化前的0.24提高到0.47,均方根误差由602kg/hm2下降到478 kg/hm2。结果表明,遥感观测与作物模型的尺度调整对提高冬小麦同化模型精度具有重要作用,遥感LAI与作物模型的En KF同化方法是一种有效的区域作物产量估测方法。  

基于EnKF-MCRP模型的生态用地扩张模拟研究

以生态脆弱区典型县域磴口县为研究区，基于2002、2007、2012、2015年4期遥感影像解译数据，将数据同化技术引入生态源地的变化模拟中，考虑生态障碍和生态阻力构建EnKF-MCRP模型，进行磴口县生态用地的变化模拟。结果表明，引入数据同化技术的EnKF-CA/Markov模型的模拟总精度达到82.4%，数据同化能够减少误差的积累。根据扩展能力磴口县生态源地共分为5个等级，其中3、4、5级生态源地的空间布局形成东北-西南、西北-西南的沙漠化防护格局。引入生态源地变化的EnKF-MCRP模型的生态用地扩张模拟精度最高，生态用地面积与空间布局最接近实际情况，方差达到0.4。此研究可为当前以及未来的生态用地规划和管理提供科学根据。  

关于地理空间数据整合与持续高效更新存在的问题分析

文章针对当前地理空间数据整合与持续高效更新所存在的问题,在地理空间数据更新中引入了“数据同化”这一思想和概念,对持续高效更新存在的问题及“地理空间数据同化”的涵义和关键技术进行了论述.  

基于数据同化的地下水埋深插值研究

以西北干旱区典型县域磴口县为研究区，以2015年8月份40个地下水采样点的样品数据为基础，引入集合卡尔曼滤波（EnKF）数据同化将其优化作为主变量，以蒸散发量反演结果以及归一化植被指数（NDVI）数据为协变量，进行协同克里金插值，同时与未采用同化的协同克里金插值结果以及经同化采用普通克里金插值结果进行交叉验证。结果表明：三者在较大空间尺度上对地下水埋深空间分布趋势的模拟基本一致，南部沙漠地区整体较高，在空间分布上表现为明显的地理规律性。同化后的数据进行协同克里金插值的结果改善最显著，平均误差、均方根误差、平均标准误差均优于未同化插值结果，其中平均误差仅为0.2705m。与普通克里金插值方法相比，协同克里金插值考虑蒸散发与NDVI的协同作用，精度明显提高，平均误差减小0.4097m，均方根误差减小0.0784m，平均标准误差减小1.0167m。  

基于数据同化的地下水埋深插值研究

以西北干旱区典型县域磴口县为研究区，以2015年8月份40个地下水采样点的样品数据为基础，引入集合卡尔曼滤波（EnKF）数据同化将其优化作为主变量，以蒸散发量反演结果以及归一化植被指数（NDVI）数据为协变量，进行协同克里金插值，同时与未采用同化的协同克里金插值结果以及经同化采用普通克里金插值结果进行交叉验证。结果表明：三者在较大空间尺度上对地下水埋深空间分布趋势的模拟基本一致，南部沙漠地区整体较高，在空间分布上表现为明显的地理规律性。同化后的数据进行协同克里金插值的结果改善最显著，平均误差、均方根误差、平均标准误差均优于未同化插值结果，其中平均误差仅为0.2705m。与普通克里金插值方法相比，协同克里金插值考虑蒸散发与NDVI的协同作用，精度明显提高，平均误差减小0.4097m，均方根误差减小0.0784m，平均标准误差减小1.0167m。  

基于EnKF-MCRP模型的生态用地扩张模拟研究

以生态脆弱区典型县域磴口县为研究区，基于2002、2007、2012、2015年4期遥感影像解译数据，将数据同化技术引入生态源地的变化模拟中，考虑生态障碍和生态阻力构建EnKF-MCRP模型，进行磴口县生态用地的变化模拟。结果表明，引入数据同化技术的EnKF-CA/Markov模型的模拟总精度达到82.4%，数据同化能够减少误差的积累。根据扩展能力磴口县生态源地共分为5个等级，其中3、4、5级生态源地的空间布局形成东北-西南、西北-西南的沙漠化防护格局。引入生态源地变化的EnKF-MCRP模型的生态用地扩张模拟精度最高，生态用地面积与空间布局最接近实际情况，方差达到0.4。此研究可为当前以及未来的生态用地规划和管理提供科学根据。  

基于GOES数据和弱约束变分的地表水热通量估算

基于弱约束的四维变分方法和陆面过程模式发展了一个地表温度的陆面数据同化系统。本文反演了地球静止业务环境卫星(Geostationary operational environmental satellite,GOES)的地表温度,并将反演的地表温度同化入陆面过程模式,改进陆面过程模式中地表水热通量的估算精度。以弱约束的变分方法通过在代价函数中增加弱约束项代替陆面过程模式动力方程组中存在的模式误差,构建新的代价函数并对其优化,从而改善模式中显热与潜热的估算精度。将GOES地表温度与实测地表温度进行比较,其均方根误差(RMSE)作为试验中的观测误差。选择美国通量网AmeriFlux中2个主要农业站点的气象和通量数据作为试验数据,对同化系统进行驱动和验证。结果表明同化后的地表温度、潜/显热估算精度均有提高。其中,各站地表温度RMSE平均仅为1 K,显热通量平均RMSE下降22 W/m2,潜热通量平均RMSE下降26 W/m2。因此结合陆面过程模式的弱约束变分方法同化GOES反演温度产品估算近地表水热通量的方法是有效且可行的。