项目名称: 基于遥感观测和同化技术的区域陆地水循环模拟研究

项目编号: No.41371328

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 卢麾

作者单位: 清华大学

项目金额: 75万元

中文摘要: 全球变化对陆地水循环产生了不可逆转的影响,为了增强应对全球变化的能力,必须研究全球变化对区域水循环的影响机制,准确、定量地分析水循环关键变量(如地表径流、地下水位、土壤含水量和蒸散量)的时空分布特征。本项目以中国北方区域为研究对象,以VIC模型为例,围绕水文模型参数的时空变异性以及陆地水循环关键变量的演变机制等关键科学问题开展研究;利用时序遥感观测数据,诊断分析了现有模型的"静态"参数问题;利用多尺度多层次遥感资料,发展基于遥感数据的水文模型参数"面源"率定/优化方法;建立陆面数据同化系统,将多源对地观测资料和陆面水文模型有机融合,实现区域陆地水循环关键变量的精确模拟,重现过去30年我国北方的陆地水循环过程。本项目在遥感、水文学和全球变化的交叉研究领域进行探讨,有望在水文模型参数优化方面取得创新性成果,应用于全球变化下的水循环研究,具有重要的现实意义和科学价值。

中文关键词: 数据同化;遥感;参数优化;全球变化;陆地水循环

英文摘要: The terrestrial water cycle has been was altered by the global change. It is primary important to know when, where and what extent of the essential hydrological variables were changed.In this project, we proposal to simulate the terrestrial water cycle d

英文关键词: data assimilation;remote sensing;parameter optimization;global change;terrestrial water cycle

成为VIP会员查看完整内容
1

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
37+阅读 · 2021年8月31日
基于深度学习的数据融合方法研究综述
专知会员服务
137+阅读 · 2020年12月10日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
【动态】CSIG图像图形中国行在南京信息工程大学成功举办
中国图象图形学学会CSIG
0+阅读 · 2021年12月31日
大数据时代的地学知识图谱研究展望
专知
0+阅读 · 2021年11月25日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
小贴士
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
37+阅读 · 2021年8月31日
基于深度学习的数据融合方法研究综述
专知会员服务
137+阅读 · 2020年12月10日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员