论文部分内容阅读
随着社会的发展,农业面源污染对环境产生的影响越来越严重,而农业面源污染主要是由化肥的过量使用和流失引起的,其中降雨对土壤的侵蚀作用可以使土壤中大量的化学物质迁移到地表径流中,并随径流汇入河流、湖泊,进而污染其它水体,因此对土壤溶质的地表径流流失过程的研究对于解决农业面源污染问题具有重要意义。很多学者对土壤溶质的地表径流流失过程进行建模研究,混合层理论和扩散理论发展为两种主要的理论。Gao等(2004)建立了基于土壤侵蚀机理的土壤溶质地表流失模型,该模型将雨滴驱动的溶质运移过程与土壤层的扩散作用结合,是一种基于对流扩散方程(ADE)的数值模型。此项研究就是基于Gao等(2004)所提出的土壤溶质的地表径流流失模型展开的。集合卡尔曼滤波方法(EnKF)是一种顺序数据同化方法,易于与现有模型相结合,在水文学领域应用广泛。在本论文中,将EnKF方法与基于对流扩散方程的土壤溶质地表径流流失模型相结合,组成EnKF-土壤溶质地表径流流失模型系统。通过该系统来更新模型状态变量,并校准模型参数。这是首次将EnKF方法应用到基于对流扩散方程的土壤溶质地表径流流失模型中,文中分别考虑了Gao等(2004)提出的静态水迁移率模型和夏传安和童菊秀(2016)提出的动态水迁移率模型下的数据同化结果并进行分析,表明动态水迁移率下更新的溶质浓度与实验观测值拟合更好。为了进一步研究模型参数反演情况,通过静态水迁移率的理想模型生成观测值,通过数据同化对结果进行分析并研究影响EnKF方法的6个潜在因素得到以下结论:(1)基于对计算成本和模型预测精度的考虑,300的集合大小最适合此次研究;(2)在较大范围的初始参数估计误差范围内,EnKF对于反演参数和提高模型预测精度都是有效的;(3)关键时刻增加观测值能够大大降低观测成本并保持足够的预测精度;(4)EnKF可以适用于不同的渗透边界条件;(5)EnKF适用于多参数的反演;(6)当观测误差和生成初始集合参数误差在标准情况下同时增加或减少相同倍数时,EnKF方法可以有效提高模型预测精度和更新模型参数。EnKF应用于土壤溶质地表径流流失模型中仍然存在一些不足之处,比如在反演多参数时会出现滤波发散的问题。