基于多源卫星遥感产品的土壤湿度融合与降尺度研究

针对卫星遥感土壤湿度产品时空分辨率较低、难以满足中小流域洪水预报要求的问题,以秦淮河流域为研究区,将SMOS、SMAP和AMSR2等3种卫星遥感土壤湿度产品采用集合平均的方式进行融合,在地形湿度指数与土壤湿度关联关系的基础上建立空间降尺度方法,从而实现精细尺度的土壤湿度获取。研究结果表明,多源遥感融合产品相较于原有卫星具有更小的均方根误差,在日均值和季度均值上都更为接近实测结果,改善了单颗卫星监测时段间隔大、监测数据不准确的弊端,具有更好的适用性。     

基于多源降水融合驱动的WRF-Hydro模型在中小河流洪水预报中的适用性

从提高驱动数据(降水)的质量和时空分辨率出发,评估了基于混合地理加权回归截尾函数(MGWR-BI)多源降水融合算法的有效性,以及融合降水对WRF-Hydro模型计算结果的影响。将融合降水数据用于WRF-Hydro模型中进行子午河流域的洪水预报,并与站点实测降水数据进行比较,结果表明,融合降水的精度高于原始CMORPH卫星降尺度降水,融合降水数据驱动WRF-Hydro模型比CMORPH卫星降尺度降水数据能更好地预报与模拟洪水事件,WRF-Hydro模型具有中小河流洪水预报的潜在优势。     

考虑地形与理化性质的土壤关键水力特性多种模型构建与比较

为获取我国南方典型湿润山区关键土壤水力特性(饱和导水率( K s)与田间持水量( F c))的精细空间数据,以南方典型湿润山区屯溪流域为样本采集区,以地形因子和土壤理化性质为输入,采用相关性分析方法建立了3种不同输入模式,采用多元线性和机器学习技术构建了多元线性回归(MLR)、遗传算法-人工神经网络(GA-BP)、支持向量机回归(SVR)和随机森林(RF)4种表层土壤水力特性模型,并将4种模型同传统土壤转换函数(PTFs)进行了对比分析,探究了不同输入模式的优劣。结果表明: K s估算效果由优到差排序为RF、SVR、MLR、GA-BP、PTFs, F c估算效果由优到差排序为SVR、RF、GA-BP、MLR、PTFs;屯溪流域 K s和 F c的空间变化呈现一致性,整体空间分布与屯溪流域高程变化保持一致,说明湿润山区表层土壤水力特性与高程存在密切的非线性关系;SVR与RF模型更适用于小样本回归问题,GA-BP模型则需要较大的样本容量来充分捕捉特征以达到理想效果。