【摘要】：近年來,湖泊水污染及其富營養(yǎng)化問題日趨嚴重,湖泊水污染嚴重影響著地球生態(tài)和人們的生活環(huán)境。加強對湖泊水污染的監(jiān)測與治理工作刻不容緩。數值模型模擬作為湖泊水質模擬與預測的有效手段,它能夠模擬復雜的湖泊水流運動狀態(tài)和湖泊水質的運移變化情況。但由于湖泊水動力/水質的演化機制十分復雜,模擬參數較多且數據獲取困難,使數值模型模擬在長時間序列模擬中的誤差較大,模擬結果不準確。而高頻次的現場實測數據可以較精確的監(jiān)測水質的變化情況。因此,可以考慮使用數據同化方法結合現場實測數據實現對模型模擬結果的實時修正。集合卡爾曼濾波作為一種順序數據同化方法,初值擾動場的生成是其關鍵步驟,對集合卡爾曼濾波的同化結果有著重要的影響。標準集合卡爾曼濾波使用蒙特卡羅方法生成初值擾動場,其得到的擾動場的誤差增長率不高;而增長模繁殖法(BGM)生成的擾動場的誤差增長率比蒙特卡羅方法要好,但它會出現誤差中短期不增長及增長率達到飽和時間長等問題。因此,考慮設計一種動態(tài)BGM方法生成初值擾動場,減小初值擾動對集合卡爾曼濾波同化方法的影響。基于此,本文使用集合卡爾曼濾波同化方法,耦合FVCOM三維水動力模型,設計動態(tài)BGM初值擾動場生成方法。以太湖為研究區(qū),依據太湖葉綠素實測數據和氣象水文數據構建基于集合卡爾曼濾波的太湖葉綠素同化模擬模型,利用高頻次的現場實測數據修正模型模擬結果,并開展基于不同擾動場生成方法的集合卡爾曼濾波太湖葉綠素同化案例對比研究。本文的主要研究內容與成果如下:(1)動態(tài)BGM初值擾動場生成方法研究本研究針對蒙特卡羅方法生成初值擾動場得到的擾動增長率不高和BGM方法生成初值擾動場時會出現誤差中短期不增長且擾動增長率到達飽和時間長等問題,研究了動態(tài)BGM生成初值擾動場的方法,并設計了動態(tài)BGM生成初值擾動場的具體實現方案,實現了動態(tài)BGM生成初值擾動場在集合卡爾曼濾波中的應用,減小了初值擾動對集合卡爾曼濾波同化模擬的影響,改善了集合卡爾曼濾波同化模擬的效果。(2)基于集合卡爾曼濾波的太湖葉綠素同化模擬方法研究本文以太湖葉綠素實測數據和氣象水文數據為基礎,研究了集合卡爾曼濾波數據同化方法,并集成FVCOM三維水動力模型,構建了基于集合卡爾曼濾波的同化模擬模型,開展了基于集合卡爾曼濾波的太湖葉綠素同化模擬方法研究,實現了利用高頻次的葉綠素實測數據修正模型運行結果,提高了模型模擬的結果精度。并利用可視化手段再現了太湖全湖葉綠素濃度的時空分布情況,為太湖水污染的治理提供輔助決策支持。(3)基于動態(tài)BGM的集合卡爾曼濾波同化模擬對比實驗為了驗證本文設計的動態(tài)BGM方法的有效性,依據構建的同化模型,開展基于動態(tài)BGM的集合卡爾曼濾波同化模擬對比案例研究,設計了模型模擬實驗、標準集合卡爾曼濾波同化模擬實驗、基于BGM的集合卡爾曼濾波同化模擬實驗和基于動態(tài)BGM的集合卡爾曼濾波同化模擬實驗。通過對4個實驗的實驗結果和精度的對比分析表明,基于動態(tài)BGM的集合卡爾曼濾波同化模擬模型是有效的,且標準集合卡爾曼濾波同化模擬、基于BGM的集合卡爾曼濾波同化模擬和基于動態(tài)BGM的集合卡爾曼濾波同化模擬都在不同程度上改善了模型模擬效果,提高了模型模擬的結果精度。
【圖文】：

的實時監(jiān)測數據為數據源（由太湖環(huán)境監(jiān)測中心提供）。具體為２０１５年１２月１逡逑日００點至２０１５年１２月４日２３點每隔１小時的太湖水體表層葉綠素監(jiān)測數據逡逑及風場實測數據。�。箓�浮標站點空間分布如圖３－１所示，浮標站點編號對應的浮逡逑標名稱見表３－１。逡逑本次研究中，１９個浮標站上均提供了葉綠素實測數據，其中編號為ｎｏ．ｌ、逡逑ｎｏ．３、ｎｏ．５、ｎｏ．６、ｎ0．８、ｎｏ．１０、ｎｏ．ｌｌ、ｎｏ．１２、ｎｏ．１４、ｎｏ．１５、ｎｏ．１６、ｎｏ．１７、ｎｏ．１８逡逑共１３個浮標站提供了風場實測數據。逡逑太湖研究區(qū)及浮標站點逡逑＾邋＂°－７逡逑▲邐▲邐ｒ逡逑廣４邐ＨＯ．Ｕ１邐圖例逡逑３邐▲邐▲：彟yU逡逑；Ａ逡逑ｎｏ．邋８邐＾邐ｎｏ．６逡逑ｎｏ．邋５邐▲邐Ａ逡逑＾邐ｒ＾ｂ．１６逡逑｜邐ｒ？．邋２邐ｎｏ．邐S緬義希у濉危簦荊哄澹椋危�，辶x希�，１５邋▲逦一—＇逦＇辶x稀⒐恪悖海保峰義希五邋澹板危渝危族危玻板澹耍椋錚恚澹簦澹潁簀義襄五五邋澹殄義賢跡常碧芯殼案”甑沐義希玻卞義

本文編號：2589089