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）开发集合卡尔曼的定位方法过滤了状态数量的估计误差方差协方差矩阵的定位方法，该方法在吸收分布式降雨径流模型的状态数量时可以作为基本信息，以提高估计状态数量的准确性。具体而言，设置定位矩阵是基于有关河点之间欧几里得距离的相关性，河点上游的盆地区域以及沿河段河点之间的欧几里得距离，并开发了使用这些定位矩阵的算法，并通过数字模拟进行了州更新的性能。已经发现，这两种本地化技术都具有防止状态数量错误估计的作用。此外，发现这些定位技术的性能取决于系统噪声设置，评估位置和洪水事件，并且尚不清楚特定的定位技术是否有效。还确认将定位方法应用于观察到的大坝排放率是有效的。 2）开发一种用于减少估计误差方差协方差矩阵的计算负载的方法，上面的估计误差方差协方差矩阵的顺序计算负载是将集成kalman滤波器应用于实时洪水预测的瓶颈。因此，研究了两种类型的计算负载方法。首先，已经开发了一种新方法来生成通过将空间相关误差添加到通过一个预测计算获得的状态的数量中获得的多个状态量的状态，而不是通过集成计算获得估计误差方差协方差矩阵，然后生成估计误差差异协方差矩阵。尽管该方法获得的状态量的估计值不如使用集合卡尔曼过滤器那么高，但已经发现可以显着减少计算负载。另一种方法是创建一个模型状态数量向量的数据库，该数据库积累了先前洪水的仿真结果，然后从中提取相似的状态数量向量，从而减少计算负载并构建估计误差方差协方差矩阵。