土壤湿度在陆气相互作用过程中扮演着重要的角色,是气候、水文、农业、林业等研究中重要的地球物理参数之一.土壤湿度影响地面蒸散,径流、地表反射率、地表发射率以及地表感热和潜热通量,从而对气候有重要影响,它对大气的影响在全球尺度上仅次于海面温度,在陆地尺度其影响甚至超过海面温度.本文介绍了基于EnKF及陆面过程模型的中国区域陆面土壤湿度同化系统（CLSMDAS,China Land Soil Moisture Data Assimilation System）,以及该系统应用于中国区域陆面土壤湿度同化试验的结果.CLSMDAS包括以下几个部分：1）陆面模式采用美国国家大气研究中心NCAR的陆面过程模型Community Land Model Version3.0（简写为CLM3.0）;2）大气驱动场数据中的降水和地面入射太阳辐射数据来自FY2静止气象卫星每小时产品;3）陆面数据同化方法采用EnKF（Ensemble Kalman Filter）同化方法;4）观测数据包括AMSR-E卫星反演土壤湿度产品以及地面土壤湿度观测资料.利用CLSMDAS对2006年6~9月的土壤湿度同化试验结果的分析表明：陆面模式模拟和同化结果都能比较合理地反映出土壤湿度时空分布,同化的土壤湿度分布与2006年8月重庆、四川发生建国以来最严重的夏伏旱有非常好的对应关系,与发生在9月的湖北东部、广西南部等地的干旱区也有非常好的对应关系.
贝叶斯模型平均(Bayesian model averaging,BMA)是最近提出的一种用于多模式集合预报的统计方法.进行贝叶斯模型平均需要准确估算模型集合中每个竞争模型的权重与方差,经常采用的方法是期望最大化(Expectation-Maximization,EM)方法与马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法,两种方法各有优劣.本文首先对BMA的(对数)似然函数进行改进使之无需BMA权重之和为1的显式约束,并利用一种有限记忆的拟牛顿优化算法(LBFGS-B)对其进行极大化,由此提出了一种求解贝叶斯模型平均的新方法(BMA-BFGS).采用三个陆面模式进行的土壤湿度多模式数值模拟试验表明:在计算精度方面,BMA-BFGS的精度与MCMC方法几乎一致,优于EM算法;在计算耗时性方面,BMA-BFGS的计算耗时与EM算法相当,远小于MCMC方法.
