盆地规模土壤湿度估计使用网格SWAT和LESTKF基于WSN
Ying Zhang1, Jinliang Hou1, Chunlin Huang1
1Key Laboratory of Remote Sensing of Gansu Province, Heihe Remote Sensing Experimental Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
这项研究通过将无线传感器网络 (WSN) 数据集成到水文模型中,改善了土壤湿度估计. 改进后的系统提供了更好的区域水资源管理和淡水规划.
科学领域:
- 水文学和环境建模环境建模
- 数据同化技术 数据同化技术
- 遥感和传感器网络 遥感和传感器网络
背景情况:
- 准确的土壤湿度估计对于区域水资源管理至关重要.
- 传统的水文模型往往没有足够的分辨率来捕捉当地土壤湿度的变化.
- 整合实时观测数据可以显著提高模型性能.
研究的目的:
- 通过在水文和数据同化系统中使用现场观测来增强土壤湿度估计.
- 评估无线传感器网络 (WSN) 数据对区域模型准确性的影响.
- 通过评估不同的观测搜索半径和错误参数来优化数据同化过程.
主要方法:
- 结合的土壤和水评估工具 (SWAT) 和并行数据同化框架 (PDAF) 系统.
- 无线传感器网络 (WSN) 数据 (WATERNET) 用于土壤湿度观测的同化.
- 应用局部错误子空间转换卡尔曼波器 (LESTKF) 以不同的观测搜索半径和错误考虑.
主要成果:
- 通过数据同化实现了土壤湿度估计的显著改进.
- LESTKF表现出更好的空间和时间同化性能.
- 在20公里观测搜索半径和0.01 m3/m3观测标准误差的情况下观察到最佳性能,从而得到0.006 m3/m3的改进.
结论:
- 将WSN数据集成到分布式水文模型中,代表了改进土壤湿度估计的新方法.
- 来自WATERNET的高精度,多层土壤湿度和温度数据增强了水文状态估计.
- 这些发现对区域水资源研究,管理和小盆地规模的淡水规划有重大影响.
