基于集合均方根滤波的太湖叶绿素a浓度估算与预测

摘要：

【摘要】叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.
【关键词】集合均方根滤波；叶绿素a；卡尔曼滤波；数据同化；太湖；

引言：

【引言】顺应水环境监测和管理的需求，目前，江苏省环境监测中心、南京师范大学、中国科学院南京地理与湖泊研究所等多家单位，已经在太湖布设了20 余个浮标监测系统，其上承载的水质参数监测仪，可以对水质参数进行实时在线监测．通过数据传输，将数据回传到用户的控制中心，达到实时获取监测数据的目的．利用该类系统进行长期监测，可以积累长期连续观测的数据，对水环境遥感研究、水资源管理，都具有重要意义．但是通过浮标监测获取的数据信息，仅能代表观测区域小范围内的水质状况，无法反映湖泊整体的情况．结合水动力模型，模拟水体组分的扩散和输移，则为将离散样点的观测值推算到整个研究区域及未来时刻提供了新的思路和方法．

作者：

李渊；李云梅；王桥

作者单位：

南京师范大学虚拟地理环境教育部重点实验室；中国人民解放军94608部队；