Page 60 - 2022年第53卷第12期

可以看出，此时水库热分层已完全形成，入库水温和气温均维持在全年的较高水平，整体而言 ７和
１３ｍ的预报精度依然高于 １ｍ。数据同化系统预报出了 ８月 ６日受短期强降雨和降温引起的水库在 １
和 ７ｍ处 １．６～２．３℃的降温过程，１３ｍ处水温波动不大。由图 ６（ｃ）可以看出，水库水温整体逐渐降
低且 １和 ７ｍ处水温已基本相等，此时较弱的热分层使 １０月 ２４日时在大风降温驱动下，水库可能产
生较强的垂向掺混，发生 “翻库” 等危害供水安全事件的风险较大，在运行管理中值得关注。整体而
言，数据同化系统在受气象条件及水库调度等内外部因素影响下，能够在 １０ｄ的预报期内维持较高准
确性，为湖库调度管理提供依据。

５ 讨论

５．１ 观测数据密度的影响 观测数据在数据同化过程中扮演着关键作用，观测数据的密度与同化模型
的预报精度息息相关。但较高的观测频次往往需要投入更多的设备成本，此外由于设备、通讯等软硬
件限制，并非所有观测点都能保证有时间序列上的完整数据，因此有必要分析观测数据密度对数据同
化效果的影响。在对本文预报期内 ９个时段进行 １０ｄ的同化预测中，分别设置 ３个深度的观测数据密
度为 １２、２４和 ３６ｈ?个，图 ７为不同深度水温预报结果（ＲＭＳＥ）。

图 ７ 不同观测数据密度下各深度预测 ＲＭＳＥ结果对比

从图 ７可以看出，在本文的数据同化模型中，当预报点位与 Ｗ２模型模拟时间一致的条件下，观
测数据密度从 １２ｈ?个降低至 ３６ｈ?个时，水温预报的精度逐渐降低。但观测数据密度并非越高越好，
崔凯鹏等 ［４０］ 的研究表明，过高的观测时间密度可能会产生信息冗余，Ｔｈｏｍａｓ等 ［１４］ 的研究也发现由于
设备故障产生的数据损失并未对同化表现产生持续影响。因此在兼顾效率和模型预测准确性的同时，
确定合适的观测数据密度，并在模拟期内明确哪些时段的观测数据能带来最大价值，对选取观测资料
有着重要意义。
５．２ 同化方案设定的影响 基于 ＥｎＫＦ算法的同化方案设定中，集合数（Ｎ）、观测误差、模拟误差等
的选取对模型精度有较大影响，对于上述指标选取均需要进行大量的模拟测试。集合数方面，Ｈｏｕｔｅｋ
ａｍｅｒ等 ［４１］ 的研究表明 Ｎ在 １００这一量级对于数据同化研究是足够的；Ｅｖｅｎｓｅｎ ［４２］ 的研究表明模型误差
与 Ｎ － １?２ 相关，当该值更接近于 ０后会有利于系统的误差控制。相关研究中 Ｎ的取值通常在 ２０～５００之
间 ［１４，２３，３３］ ，本文根据调整集合数后模型的 ＲＭＳＥ表现确定 Ｎ取值为 １００，结果表明该值能够较好地兼
顾同化系统的模拟精度与计算效率。观测误差和模拟误差也会对模型预报精度有较大的影响，通常认
为观测数据精度较高且更接近真实值，因此观测误差取值往往小于模拟误差 ［２３，４３］ 。从本文 １６组误差
组合下的模拟结 果 看，当 模拟 误差 一定时，ＲＭＳＥ随 观测 误差 的 增 大 而 增 大；当 观 测 误 差 一 定 时，
ＲＭＳＥ随模拟误差的增大而增大的趋势并不明显，刘卓等 ［２３］ 认为观测误差对同化精度的影响较模拟误
差大是产生这一现象的主要原因，因此设置较小的观测误差是合理的。

６ 结论与展望

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
５
— １ ４ ２ —