基于数据同化的深水湖库水温中短期预报
深水湖库的水温分布与演化影响着水体运动、生化反应和水生生物的新陈代谢过程,在中短期时间尺度上预报水温变化对湖库水质管理与生态环境安全十分必要.本文基于集合卡尔曼滤波算法与CE-QUAL-W2模型,构建可综合考虑模型参数、边界条件以及观测数据不确定性的湖库水温数据同化系统,利用水库调度数据与气象数据作为预报条件,将该系统应用于大黑汀水库进行1～10 d的中短期水温预报.结果表明:当集合数为100、模拟误差和观测误差分别为10％和1％时,同化系统能够兼顾较高的计算效率与模拟精度.同时校正模型参数和状态变量,能够使数据同化系统在不同水深处的水温模拟精度较无数据同化模拟结果提升41.2％～68.8％.随着预报期由1 d延长至10 d,各水深的预报误差由0.22～0.35℃增大至0.77～1.09℃.无论水库处于分层期或混合期,数据同化系统均能够在预报期内的气象条件及水库调度等内外部因素驱动下维持较高的准确性,高精度的水温中短期预报方法可以为湖库供水与生态安全提供理论与技术支撑.
湖库水温、中短期预报、数据同化、CE-QUAL-W2、集合卡尔曼滤波
53
TV131.2(水利工程基础科学)
国家自然科学基金;国家重点研发计划
2023-02-10（万方平台首次上网日期，不代表论文的发表时间）
共11页
1445-1455
