基于集合卡尔曼滤波的湖泊富营养化模型Delft3DBLOOM-湖泊科学.PDFVIP

Ｊ． Ｌａｋｅ Ｓｃｉ．（湖泊科学），２０１７，２９（５）：１０７０⁃１０８３ ＤＯＩ １０１８３０７／ ©２０１７ ｂｙ Ｊｏｕｒｎａｌ ｏｆ Ｌａｋｅ Ｓｃｉｅｎｃｅｓ 基于集合卡尔曼滤波的湖泊富营养化模型 Ｄｅｌｆｔ３Ｄ⁃ＢＬＯＯＭ数据 同化∗ １ ３ ２ ２ ２，３∗∗ 刘　 卓 ，李志杰 ，胡柳明 ，林育青 ，陈求稳 （１：三峡大学水利与环境学院，宜昌４４３００２） （２：南京水利科学研究院生态环境研究中心，南京 ２１００２９） （３：中国科学院生态环境研究中心，北京 １０００８５） 摘　 要：富营养化模型是进行湖泊水环境质量预测和管理的重要工具，然而模型客观存在的误差一直是应用者关心的重 要问题． 数据同化作为连接观测数据与数值模型的重要方法，可以有效提高模型的准确性． 集合卡尔曼滤波（ＥｎＫＦ）是众 多数据同化算法中应用最为广泛的一种，可进行非线性系统的数据同化，并能有效降低数据同化的计算量． 本研究以太 湖作为具体实例，选择Ｄｅｌｆｔ３Ｄ⁃ＢＬＯＯＭ作为富营养化模型，在数值实验确定ＥｎＫＦ集合数为 １００、观测误差方差为 １％、模 拟误差方差为１０％的基础上分别进行模型状态变量同化以及状态变量与关键参数同步同化． 结果显示，仅同化状态变量 时，模型预测精度有所增加；同时同化状态变量和关键参数时，可显著提升模型在湖泊水环境质量预测中的精度． 该研究 为应用集合卡尔曼滤波以提高复杂的湖库富营养化模型模拟精度提供了有效的方法． 关键词：集合卡尔曼滤波；富营养化模型；数据同化；湖泊；太湖 Ｅｎｓｅｍｂｌｅ Ｋａｌｍａｎ ｆｉｌｔｅｒ ｂａｓｅｄ ｄａｔａ ａｓｓｉｍｉｌａｔｉｏｎ ｉｎ ｔｈｅ Ｄｅｌｆｔ３Ｄ⁃ＢＬＯＯＭ ｌａｋｅ ｅｕｔｒｏｐｈｉｃａｔｉｏｎ ｍｏｄｅｌ １ ３ ２ ２ ２，３∗∗ ＬＩＵ Ｚｈｕｏ ，ＬＩ Ｚｈｉｊｉｅ ，ＨＵ Ｌｉｕｍｉｎｇ ，ＬＩＮ Ｙｕｑｉｎｇ ＆ＣＨＥＮ Ｑｉｕｗｅｎ （１：Ｃｏｌｌｅｇｅ ｏｆ Ｈｙｄｒａｕｌｉｃ ａｎｄ ＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｔｈｒｅｅ Ｇｏｒｇｅｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｙｉｃｈａｎｇ ４４３００２，Ｐ．Ｒ．Ｃｈｉｎａ） （２：ＣｅｎｔｅｒｆｏｒＥｃｏ⁃ＥｎｖｉｒｏｎｍｅｎｔａｌＲｅｓｅａｒｃｈ，Ｎａｎｊｉｎｇ ＨｙｄｒａｕｌｉｃＲｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ，Ｎａｎｊｉｎｇ ２１００２９，Ｐ．Ｒ．Ｃｈｉｎａ） （３：Ｒｅｓｅａｒｃｈ ＣｅｎｔｅｒｆｏｒＥｃｏ⁃Ｅｎｖｉｒｏｎｍｅｎｔ Ｓｃｉｅｎｃｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １０００８５，Ｐ．Ｒ．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｎｕｍｅｒｉｃａｌ ｅｕｔｒｏｐｈｉｃａｔｉｏｎｍｏｄｅｌｉｓａｎｉｍｐｏｒｔａｎｔｔｏｏｌｔｏｐｒｅｄｉｃｔａｎｄｍａｎａｇｅｔｈｅｅｃｏｓｙｓｔｅｍｏｆｌａｋｅｓａｎｄｒｅｓｅｒｖｏｉｒｓ．Ｈｏｗｅｖ⁃ ｅｒ，ｔｈｅ ｏｂｊｅｃｔｉｖｅｅｒｒｏｒｓｏｆ ｔｈｅｍｏｄｅｌ ａｒｅａｌｗａｙｓｖｉｔａｌ ｐｒｏｂｌｅｍｓｔｈｅｕｓｅｒｓｃｏｎｃｅｒｎｅｄ． Ｄａｔａａｓｓｉｍｉｌａｔｉｏｎ，ｗｈｉｃｈ ｃｏｎｎｅｃｔｓｏｂｓｅｒｖａｔｉｏｎｓ ａｎｄ ｍｏｄｅｌ ｓｉｍｕｌａｔｉｏｎｓ，ｃａｎｅｆｆｅｃｔｉｖｅｌｙ ｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙ ｏｆ ｍｏｄｅｌｓ．ＥｎｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒ （ＥｎＫＦ），ｗｈｉｃｈｉｓｏｎｅｏｆ ｔｈｅｍｏｓｔ ｗｉｄｅｌｙ ｕｓｅｄ ｍｅｔｈｏｄｓｆｏｒ ｄａｔａ ａｓｓｉｍｉｌａｔｉｏｎ，ｉｓ ｓｕｉｔａｂｌｅｆｏｒ ｎｏｎｌｉｎｅａｒ ｓｙｓｔｅｍ ａｎｄ ｈａｓ ｈｉｇｈ ｃｏｍｐｕｔａｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ． Ｉｎ ｔｈｉｓ ｒｅｓｅａｒｃｈ， ｔｈｅ Ｄｅｌｆｔ３Ｄ⁃ＢＬＯＯＭｗａｓｔａｋｅｎ ａｓｔｈｅｅｕｔｒｏｐｈｉｃａｔｉｏｎ ｍｏｄｅｌ，ａｎｄ ＬａｋｅＴａｉｈｕｗａｓｔａｋｅｎ ａｓｔｈｅ ｓｔｕｄｙ ｃａｓｅ．Ａｆｔｅｒ ｎｕｍｅｒｉｃａｌ ｔｅｓｔｉｎｇ， ｔｈｅ ｅｎｓｅｍｂｌｅ ｓｉｚｅｗａｓ ｓｅｔ ｔｏ １００，ｔｈｅ ｏｂｓｅｒｖａｔｉｏｎ ｅｒｒｏｒ ｖａｒｉａｎｃｅｗａｓｓｅｔ ｔｏ １％，ａｎｄｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｒｒｏｒｖａｒｉａｎｃｅｗａｓｓｅｔ ｔｏ １０％． Ｔｗｏ ｄａｔａａｓｓｉｍｉｌａｔ