内陆河流域地表水-地下水耦合模拟中的模型数据融合方法研究

This project is proposed to estimate the regional water cycle in inland river basin by fusing multiple source observation datasets with numerical simulation results and improve spatial-temporal consistency and confidence against the prediction of hydrologic processes. Toward this goal, this project intends to develop model-data fusion (MDF) methods based on the dynamics framework provided by This project is proposed to estimate the regional water cycle in inland river basin by fusing multiple source observation datasets with numerical simulation results and improve spatial-temporal consistency and confidence against the prediction of hydrologic processes. Toward this goal, this project intends to develop MDF methods based on the dynamics framework provided by integrated surface water-groundwater hydrologic models. Three innovative methods will be proposed. First, methods that can examine the degree of hydrologic consistency throughout the diverse and independent datasets will be proposed, in order to reveal the sources resulting in the inconsistency and provide prior knowledge for model-data fusion; Second, methods used to perform parameter inversion will be explored; Finally, new data assimilation algorithms considering water balance constraints will be developed to improve model predication capabilities. In this project, the proposed MDF methods will be applied to an inland river basin- the middle and lower Heihe River Basin, in order to improve systematic understanding of the water cycle and to demonstrate the feedback functionalities of the MDF methods for characterizing surface water-groundwater interactions and system behaviors. A software with intellectual property rights will be developed to provide visual environment for integrated surface water-groundwater modeling and model-data fusion analysis.

本项目以内陆河流域水循环过程为研究对象，以分布式地表水-地下水耦合模型为平台，研究在耦合模型动力学框架融合多源数据的方法，提升对流域尺度水循环过程预测的时空一致性和可信度，为内陆河流域地表水地下水资源联合调控提供理论与技术支撑。本项目将从三方面开展模型数据融合创新工作：提出多源数据一致性识别方法，揭示多源数据差异性来源，为模型数据融合提供先验知识；探索利用多源信息反演模型参数的新方法，为模型参数估计开辟新思路；发展考虑水平衡约束的地表水-地下水耦合模型数据同化方法，增强耦合模型的预测能力。以黑河中下游流域为例，开展基于模型数据融合方法的流域水循环过程模拟，明晰模型数据融合方法对揭示地表水-地下水相互作用规律和水循环系统行为的重要反馈作用。开发具有自主知识产权的地表水-地下水耦合建模与分析软件，并嵌入模型数据融合算法包，为流域水资源综合管理提供科学工具。

本项目以内陆河流域水循环过程为研究对象，以分布式地表水-地下水耦合模型为平台，研究使用模型数据融合方法来提升流域水循环过程的模拟精度。本项目的研究内容包括：(1) 以分布式地表水-地下水耦合模型HEIFLOW(Hydrological-Ecological Integrated watershed-scale FLOW model)为基础，发展农业水资源配置模型，模拟河道引水、地下水抽水、渠系输送等复杂的农业用水活动，从而准确刻画人类活动影响下的水循环各环节；(2)在耦合模型动力学框架内，发展基于集合卡尔曼滤波的模型数据融合方法，以灵活应对多源数据融合问题，同时提升耦合模型模拟精度; (3)开发具有自主知识产权的通用性模型软件系统，使用户能够快速建立地表-地下水耦合模型; (4)利用经过系统校正的流域耦合模型，研究区域水循环过程的系统行为。..经过三年的努力，本项目已顺利完成既定的各项研究内容，在成果发表、软件开发等方面均获得了预期的产出。依托本项目，已发表SCI期刊论文7篇，其中第一标注3篇，第二标注1篇，第三标注3篇。另有2篇论文已投往SCI期刊，正在审稿中。申请软件著作权3项。自主开发了地表水-地下水耦合模型建模软件Visual HEIFLOW，该软件源代码已在全球最大的代码共享平台Github上公开发布。该软件正被国内外研究机构人员使用。..本项目所取得的重要成果包括：(1)在地表水-地下水耦合模型HEIFLOW框架之内，开发了农业水资源配置模块，该模块提供了多种水资源配置方法，为准确刻画人类活动影响下的水循环各环节提供了强有力工具; (2)发展了一种使用集合卡尔曼滤波来同化多源数据的方法。模拟结果表明，该方法可显著提升蒸散发和径流量等关键水文变量的模拟精度; (3) 开发了地表水-地下水耦合模型建模软件Visual HEIFLOW。该软件提供GIS环境的建模环境，可帮助用户快速建立地表水-地下水耦合模型; (4)系统分析了黑河流域生态流量管理和地下水对生态系统的影响。对地表水-地下水耦合建模方法进行了拓展应用，解释了气候变化和人类活动对国内滦河流域水循环的影响，解析了时间阻尼效应对韩国MIHO流域水循环的影响。

内容获取失败，请点击重试