一种基于改进前期影响雨量模型的土壤水分动态表征方法

摘要: 本发明属于土壤水分监测与水文模拟,尤其涉及一种基于改进前期影响雨量模型的土壤水分动态表征方法。背景技术:1、土壤水分是连接大气、植被与地下水的重要纽带,是陆面过...
一种基于改进前期影响雨量模型的土壤水分动态表征方法

本发明属于土壤水分监测与水文模拟,尤其涉及一种基于改进前期影响雨量模型的土壤水分动态表征方法。

背景技术:

1、土壤水分是连接大气、植被与地下水的重要纽带,是陆面过程中的关键变量,准确模拟其时空动态对水文预报、干旱监测及农业灌溉具有重要意义。然而,站点观测受布设密度限制,难以满足大尺度应用需求。目前大尺度土壤水分获取主要依赖三类方法:

2、(1)遥感反演方法:利用可见光、热红外及微波遥感数据,通过地表温度-植被指数特征空间、被动微波亮温反演或主动雷达后向散射模型等途径估算地表土壤水分。该类方法能够实现大范围、周期性空间覆盖,但只适用于表层土壤水分监测。

3、(2)陆面模型模拟方法:基于物理机制的陆面过程模型以能量和水分平衡方程为核心,结合高分辨率大气强迫数据与下垫面参数,可模拟不同深度土壤水分的垂直分布与时间演化。然而,这类模型计算复杂度高,驱动数据需求量大,参数化方案众多,在数据匮乏区域模拟的不确定性较大。

4、(3)基于气象要素的土壤水分计算方法:该类方法利用常规气象观测(降水、气温等)构建经验或半经验统计模型,近似推算土壤水分动态。其优势在于数据易获取、计算效率高、无需复杂参数标定,便于业务化推广。然而,传统基于气象要素的方法在机理表达上往往过度简化,难以适应不同气候区与复杂下垫面条件,且参数物理意义模糊,区域迁移能力差。

5、综上,遥感反演与陆面模型方法分别受限于表层探测能力与复杂参数校准难题,在大尺度业务化应用中面临各自瓶颈。相比之下,基于气象要素的土壤水分计算方法凭借数据易获取、计算高效、无需复杂参数标定等优势,适合作为大范围逐日土壤水分动态估算的实用工具。然而,传统基于气象要素的模型在机理表达上过度简化,区域迁移能力差,且无法支持不同深度模拟。因此,亟需一种兼具机理严谨性、参数可解释性、多深度适用性与空间泛化能力的土壤水分动态表征方案,能够为流域水文模拟、农业干旱评估等提供高精度的逐日土壤水分约束因子。

技术实现思路

1、本发明的目的在于提供一种基于改进前期影响雨量模型的土壤水分动态表征方法,以解决上述技术问题。

2、为实现上述目的,本发明提供如下技术方案:

3、本发明公开一种基于改进前期影响雨量模型的土壤水分动态表征方法,所述方法包括以下步骤:

4、步骤1、获取基础数据:获取研究区域的基础数据,包括气象数据、土壤水分数据、静态特征数据;所述气象数据为长时间序列的逐日数据,包括降水量、平均气温、最高气温、最低气温、相对湿度;所述土壤水分数据包括与气象数据同时段的不同深度逐日土壤相对湿度序列;所述静态特征数据包括土壤水监测站点所在位置的土壤理化属性、气候特征、地形特征及植被参数;

5、步骤2、构建改进前期影响雨量模型:在传统前期影响雨量模型的基础上,构建改进前期影响雨量模型,具体包括以下步骤:

6、步骤2.1、优化水分补给项:传统前期影响雨量模型的计算公式如下:

7、                         (1)

8、式中,apit和apit-1分别表示第t日和第t-1日的前期影响雨量;k表示api随时间的衰退系数;表示第t日的降水量,作为传统模型的水分补给项;

9、对传统模型的水分补给项进行优化,区分雨雪相态变化,同时加入融雪贡献,将第t日总水分补给项wt定义为降雨量prain, t与融雪量ms, t之和,即:

10、                        (2)

11、式中,为第t日降雨量;为第t日融雪量;

12、步骤2.2、构建动态衰退系数:将传统api模型的固定衰退系数构建为动态衰退系数,并引入最小衰退系数,公式为:

13、                  (6)

14、式中,kd为动态衰退系数; 为最小衰退系数,取值区间为[0.50, 0.95];为日潜在蒸发量;为潜在蒸发的年最大值;

15、步骤2.3、增设土壤蓄水上限约束:设置阈值apimax对api递推值进行上限约束,同时作为土壤有效持水能力的上限约束:

16、                  (8)

17、式中,apimax为最大api阈值,代表区域土壤的最大有效持水能力;

18、步骤2.4、构建改进前期影响雨量模型:根据上面步骤,得到改进前期影响雨量模型的递推公式为:

19、                 (9)

20、且满足 ;

21、根据改进模型的递推公式,结合气象数据逐时刻计算api值,再将api 值归一化得到不同深度的土壤相对湿度,完成不同深度土壤水分动态表征:

22、                         (10)

23、式中,为t时刻的api值;为土壤相对湿度;

24、步骤3、基于站点实测土壤相对湿度序列的参数率定:基于站点实测土壤相对湿度序列,对不同土壤深度分别进行改进前期影响雨量模型参数的率定,包括最小衰退系数 和最大api阈值 ;

25、步骤4、将离散站点的参数推演至连续空间网格:采用数据驱动模型建立改进前期影响雨量模型参数与静态环境特征的非线性映射关系,将离散站点的参数推演至连续空间网格,输出网格化的不同深度改进前期影响雨量模型的参数集;然后将栅格气象数据和参数集代入改进前期影响雨量模型,生成相应分辨率的目标区域土壤相对湿度数据。

26、进一步的是,步骤1中的长时间序列为10年以上序列数据;所述土壤理化属性包括黏粒含量、砂粒含量、砾石含量、土壤容重、孔隙度;所述气候特包括年平均气温、干旱指数;所述地形特征包括地形湿度指数;所述植被参数包括叶面积指数。

27、进一步的是,步骤2中的雨雪相态划分采用以下判别准则:

28、1)当日平均气温ta,t满足ta,t ≥ train时,降水全部为雨,prain,t=pt,降雪量psnow,t=0;

29、2)当 ta,t≤tsnow时,降水全部为雪,psnow,t=pt,prain,t=0;

30、3)当tsnow < ta,t < train,降水为雨雪混合,按照气温区间占比线性插值划分降雨量与降雪量;

31、其中,train和tsnow为相态划分的临界气温;

32、引入相对湿度对临界气温进行动态修正:

33、                   (3)

34、                  (4)

35、式中,、 分别为参考相对湿度rh0=80%下的雨、雪临界温度;为日平均相对湿度;α、为经验修正系数,α、>0;

36、融雪量采用度日因子法计算:

37、                    (5)

38、式中,为第t日融雪量;ddf为度日因子;为第t日平均气温;t0为融雪临界温度,取0℃;为第t-1日的累积雪水当量,。

39、进一步的是,步骤2中的日潜在蒸发量通过hargreaves方法来计算:

40、               (7)

41、式中,tmax和tmin分别表示日最高气温和最低气温;ra表示大气天顶辐射。

42、进一步的是,步骤3中的改进前期影响雨量模型参数的具体率定过程为:

43、1) 数据准备:基于收集的研究区域的气象数据计算逐日潜在蒸发量;

44、2) 参数空间定义:根据先验知识设定  和  的取值范围:,的范围根据土壤属性、深度设定;

45、3) 蒙特卡洛随机采样:在二维参数空间内,采用均匀分布随机采样方法生成n组候选参数;对于每一组参数 ,按照改进模型递推计算逐日api值,并将api值归一化为 ,以消除量纲影响;

46、4) 目标函数计算:以归一化的api序列与实测土壤相对湿度序列之间的纳什效率系数或决定系数作为拟合优度指标,对于每组参数计算目标函数值;

47、5) 优选最优参数集:将所有参数组按目标函数值从高到低排序,优选出表现最佳的top-l(5≤l≤n)组参数,包括  和  ,构成该站点该深度的目标参数集。

48、进一步的是,步骤4中的数据驱动模型为随机森林回归模型、多元线性回归模型、支持向量回归模型或人工神经网络模型。

49、进一步的是,步骤4中的将离散站点的参数推演至连续空间网格的具体过程为:

50、1)静态特征变量提取:对于每个用于参数率定的土壤水监测站点,将站点静态特征作为解释变量,包括土壤理化属性、气候特征、地形特征及植被参数;

51、2)数据驱动模型训练:将各站点的静态环境特征向量作为自变量x,将对应优选的top-10参数集( 或 )作为因变量y;针对每个深度和目标参数,分别训练独立的数据驱动模型;

52、3)空间参数推演:模型训练完成后,输入目标区域连续网格的静态环境特征数据集,空间分辨率与静态环境特征源数据一致,运行训练好的数据驱动模型,逐网格、逐深度预测  和 ,最终输出目标深度的栅格参数集。

53、本发明的有益效果是:本发明在传统前期影响雨量模型中同时融入了融雪补给、蒸散发驱动的动态衰退以及土壤持水能力上限约束,使改进后的模型在寒区、干旱区及湿润季风区均能真实刻画土壤水分演变过程。其中,两个核心参数kmin和apimax分别对应高蒸发条件下的最大消退速率与区域土壤最大有效持水能力,与土壤质地、气候背景等环境因子存在明确的因果关联,为参数区域化奠定了物理基础。并且本发明采用数据驱动模型建立了静态环境特征与两个核心参数之间的非线性映射关系,将离散站点的参数高精度推演至连续格网,解决了无资料地区模型参数缺失的难题,实现了参数从站点向空间的高效区域化。同时,改进后的前期影响雨量模型仍保持简洁的递推形式,驱动数据仅为常规气象观测要素,计算量小、便于业务化集成;能够为流域水文模拟、农业干旱评估等提供高精度的逐日土壤水分约束因子。

54、下面结合附图及具体实施方式对本发明作进一步详细说明。