Development of an ensemble data assimilation method to be introduced into a nation-wide distributed runoff model

开发一种集成数据同化方法，将其引入全国分布式径流模型

基本信息

批准号：
22H01600
负责人：
立川康人
金额：
$ 7.65万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

１）アンサンブルカルマンフィルタの局所化手法の開発分布型降雨流出モデルの状態量をデータ同化する際の基本情報となる状態量の推定誤差分散共分散行列について、状態量の推定精度を向上させるためにその局所化手法を検討した。具体的には、河川地点間のユークリッド距離、河川地点上流の流域面積、河川区間に沿った河川地点間のユークリッド距離に関する相関関係をもとに局所化行列を設定し、それらの局所化行列を用いたフィルタリングアルゴリズムを開発して、状態量更新の性能を数値シミュレーションによって比較した。いずれの局所化手法も誤った状態量推定を防止する効果があることが分かった。また、システムノイズの設定や評価地点、洪水事象ごとにこれらの局所化手法の性能は異なり、特定の局所化手法が有効であるかは明確に定まらないことが分かった。また、ダム放流量の観測値に対する局所化手法の適用は有効であることを確認した。２）推定誤差分散共分散行列の計算負荷の低減手法の開発上記の推定誤差分散共分散行列の逐次計算負荷がアンサンブルカルマンフィルタを実時間洪水予測に適用する際のボトルネックとなる。そこで、二種類の計算負荷低減手法を検討した。まず、推定誤差分散共分散行列をアンサンブル計算によって得るのではなく一つの予測計算によって得られる状態量に空間相関誤差を加えた複数の状態量を生成し、それらから推定誤差分散共分散行列を生成する手法を新たに開発した。本手法によって得られる状態量の推定値はアンサンブルカルマンフィルタを用いた場合には及ばないものの、大幅な計算負荷の軽減が可能となることが分かった。もう一つの方法として、既往洪水のシミュレーション結果を蓄積したモデル状態量ベクトルをデータベース化し、それらから逐次、類似する状態量ベクトルを抽出することによって、計算負荷を低減させつつ推定誤差分散共分散行列を構成する手法を開発した。

1）开发集合卡尔曼过滤器开发分布类型开发类型开发方法的开发方法在国家状态的估计准确性中，这是吸收降雨模型状态的基本信息，将状态量的估计准确性提高至提高状态的估计精度。具体而言，我们已经根据河点之间的欧几里得距离，河流上游，河流沿河沿河流之间的欧几里得距离以及那些定位排队的滤波算法设置了局部队列。通过数值模拟更新。发现这两种定位方法都具有防止状态估计不正确的作用。此外，发现每个系统噪声设置，评估点和洪水事件的性能都不同，并且尚不清楚特定的定位方法是否有效。还可以证实，将定位方法应用于大坝释放的观察值是有效的。 2）开发估计误差矩阵开发方法开发方法的计算负载的上述估计误差分布式co运行队列是将集合卡尔曼过滤器应用于实际时间洪水预测的瓶颈。因此，我们检查了两种类型的计算负载减少方法。首先，估计的误差分布式CO -VORTIFIATION队列不是通过集合计算获得的，而是通过一个预测计算获得的空间相关误差的多个条件，并生成了估计的误差分布式矩阵。已经开发了一种新方法。发现通过该方法获得的状态的估计值不如使用集合卡尔曼过滤器时那样高，但是可以显着降低计算负载。另一个方法是，通过数据库转换已经累积了先前的洪水模拟结果的模型状态向量，并从中提取类似的状态向量，降低了估计的误差分布式矩阵。