Page 63 - 2022年第53卷第12期

１５６ － １６５．
［３７］ ＧＵＰＴＡＨ，ＳＯＲＯＯＳＨＩＡＮ Ｓ，ＹＡＰＯ Ｐ．Ｓｔａｔｕｓｏｆａｕｔｏｍａｔｉｃｃａｌｉｂｒａｔｉｏｎｆｏｒｈｙｄｒｏｌｏｇｉｃｍｏｄｅｌｓ：Ｃｏｍｐａｒｉｓｏｎｗｉｔｈ
ｍｕｌｔｉｌｅｖｅｌｅｘｐｅｒｔｃａｌｉｂｒａｔｉｏｎ ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｉｃＥｎｇｉｎｅｅｒｉｎｇ，１９９９，４（２）：１３５ － １４３．
［３８］ ＺＨＡＮＧＹ，ＧＡＯＸ，ＳＵＮＢ，ｅｔａｌ．Ｔｒａｃｋｉｎｇｔｈｅｒｍａｌｓｔｒｕｃｔｕｒｅｅｖｏｌｕｔｉｏｎ：Ａｎｏｂｊｅｃｔｉｖｅｐｒａｃｔｉｃｅｉｎａｓｔｒａｔｉｆｉｅｄｒｅｓ
ｅｒｖｏｉｒｂａｓｅｄｏｎｈｉｇｈ － ｆｒｅｑｕｅｎｃｙｍｅａｓｕｒｅｍｅｎｔｓ ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ：ＲｅｇｉｏｎａｌＳｔｕｄｉｅｓ，２０２２，３９：１００９８９．
［３９］ 刘畅，刘晓波，周怀东，等．大流量调度过程对水库缺氧区抑制阈值条件研究［Ｊ］．水利学报，２０２１，５２
（１０）：１２１７ － １２２８．
［４０］ 崔凯鹏，吴吉春．观测数据时空密度 对 集 合 卡 尔 曼 滤 波 计 算 精 度 的 影 响 ［Ｊ］．水 利 学 报，２０１３，４４（８）：
９１５ － ９２３．
［４１］ ＨＯＵＴＥＫＡＭＥＲＬＰ，ＭＩＴＣＨＥＬＬＬＨ．Ａ ｓｅｑｕｅｎｔｉａｌＥｎｓｅｍｂｌｅＫａｌｍａｎＦｉｌｔｅｒｆｏｒａｔｍｏｓｐｈｅｒｉｃｄａｔａａｓｓｉｍｉｌａｔｉｏｎ
［Ｊ］．ＭｏｎｔｈｌｙＷｅａｔｈｅｒＲｅｖｉｅｗ，２００１，１２９（１）：１２３ － １３７．
［４２］ ＥＶＥＮＳＥＮＧ．ＴｈｅＥｎｓｅｍｂｌｅＫａｌｍａｎＦｉｌｔｅｒ：ｔｈｅｏｒｅｔｉｃａｌｆｏｒｍｕｌａｔｉｏｎａｎｄｐｒａｃｔｉｃａｌｉｍｐｌｅｍｅｎｔａｔｉｏｎ［Ｊ］．ＯｃｅａｎＤｙ
ｎａｍｉｃｓ ，２００３，５３（４）：３４３ － ３６７．
［４３］ 师春香，谢正辉，钱辉，等．基于卫星遥感资料的中国区域土壤湿度 ＥｎＫＦ数据同化［Ｊ］．中国科学（地球
科学），２０１１，４１（３）：３７５ － ３８５．
［４４］ ＧＨＡＨＲＡＭＡＮＩＺ．Ｐｒｏｂａｂｉｌｉｓｔｉｃｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｎｄａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ［Ｊ］．Ｎａｔｕｒｅ，２０１５，５２１（７５５３）：
４５２ － ４５９．
［４５］ ＲＥＡＤＪＳ，ＪＩＡＸ，ＷＩＬＬＡＲＤＪ，ｅｔａｌ．Ｐｒｏｃｅｓｓ － ｇｕｉｄｅｄｄｅｅｐｌｅａｒｎｉｎｇｐｒｅｄｉｃｔｉｏｎｓｏｆｌａｋｅｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅ［Ｊ］．
ＷａｔｅｒＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ ，２０１９，５５（１１）：９１７３ － ９１９０．

Ｍｅｄｉｕｍ ａｎｄｓｈｏｒｔｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎｏｆｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅｉｎｄｅｅｐ
ｗａｔｅｒｌａｋｅ － ｒｅｓｅｒｖｏｉｒｂａｓｅｄｏｎｄａｔａａｓｓｉｍｉｌａｔｉｏｎ
３
１
２
３
１
ＳＵＮＢｏｗｅｎ，ＹＡＮＧＸｉｙｕ，ＢＡＯＺｈｕ，ＬＩＵＸｉａｏｂｏ，ＬＩＵＣｈａｎｇ，ＧＡＯＸｕｅｐｉｎｇ １
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｉｍｕｌａｔｉｏｎａｎｄＳａｆｅｔｙ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ ３００３５０，Ｃｈｉｎａ；
２．ＬｕａｎｈｅＲｉｖｅｒＷａｔｅｒＱｕａｌｉｔｙＭｏｎｉｔｏｒｉｎｇＣｅｎｔｅｒｏｆＨａｉｈｅＲｉｖｅｒＢａｓｉｎ，ＬｕａｎｈｅＲｉｖｅｒＤｉｖｅｒｓｉｏｎＰｒｏｊｅｃｔＭａｎａｇｅｍｅｎｔＢｕｒｅａｕｏｆ
ＨａｉｈｅＲｉｖｅｒＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙＣｏｍｍｉｓｓｉｏｎ ，Ｔａｎｇｓｈａｎ ０６４３０９，Ｃｈｉｎａ；
３．ＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＥｃｏｌｏｇｙａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＣｈｉｎａＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒｏｐｏｗｅｒＲｅｓｅａｒｃｈ，Ｂｅｉｊｉｎｇ １０００３８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｅｖｏｌｕｔｉｏｎｏｆｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅｉｎｄｅｅｐ － ｗａｔｅｒｌａｋｅｓａｎｄｒｅｓｅｒｖｏｉｒｓａｆｆｅｃｔｗａｔｅｒ
ｍｏｖｅｍｅｎｔ ， ｂｉｏｃｈｅｍｉｃａｌｒｅａｃｔｉｏｎｓ， ａｎｄ ｔｈｅ ｍｅｔａｂｏｌｉｃ ｐｒｏｃｅｓｓｅｓ ｏｆ ａｑｕａｔｉｃ ｏｒｇａｎｉｓｍｓ．Ｆｏｒｅｃａｓｔｉｎｇ ｗａｔｅｒ
ｔｅｍｐｅｒａｔｕｒｅｃｈａｎｇｅｓｉｓｎｅｃｅｓｓａｒｙｆｏｒｌａｋｅａｎｄｒｅｓｅｒｖｏｉｒｗａｔｅｒｑｕａｌｉｔｙｍａｎａｇｅｍｅｎｔａｎｄｅｃｏｌｏｇｉｃａｌｅｎｖｉｒｏｎｍｅｎｔｓａｆｅｔｙ．
Ｉｎｔｈｉｓｓｔｕｄｙａｌａｋｅａｎｄｒｅｓｅｒｖｏｉｒｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅｄａｔａａｓｓｉｍｉｌａｔｉｏｎｓｙｓｔｅｍ ｉｓｃｏｎｓｔｒｕｃｔｅｄｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｅｎ
ｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒａｌｇｏｒｉｔｈｍａｎｄｔｈｅＣＥ － ＱＵＡＬ － Ｗ２ｍｏｄｅｌ ，ｗｈｉｃｈｉｓａｂｌｅｔｏｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙｃｏｎｓｉｄｅｒｍｏｄｅｌ
ｐａｒａｍｅｔｅｒｓ ，ｂｏｕｎｄａｒｙｃｏｎｄｉｔｉｏｎｓ，ａｎｄｔｈｅｕｎｃｅｒｔａｉｎｔｙｏｆｏｂｓｅｒｖａｔｉｏｎｄａｔａ．ＴｈｅｓｙｓｔｅｍｉｓａｐｐｌｉｅｄｔｏＤａｈｅｉｔｉｎｇＲｅｓ
ｅｒｖｏｉｒｆｏｒ１ － １０ｄａｙｓｏｆｍｅｄｉｕｍａｎｄｓｈｏｒｔｔｅｒｍｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅｆｏｒｅｃａｓｔｉｎｇｕｓｉｎｇｒｅｓｅｒｖｏｉｒｏｐｅｒａｔｉｏｎｄａｔａａｎｄｍｅ
ｔｅｏｒｏｌｏｇｉｃａｌｄａｔａａｓｆｏｒｅｃａｓｔｃｏｎｄｉｔｉｏｎｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｗｈｅｎｔｈｅｎｕｍｂｅｒｏｆｓｅｔｓｉｓ１００ ，ｔｈｅｓｉｍｕｌａｔｉｏｎｅｒｒｏｒ
ａｎｄｔｈｅｏｂｓｅｒｖａｔｉｏｎｅｒｒｏｒａｒｅ１０％ ａｎｄ１％，ｔｈｅａｓｓｉｍｉｌａｔｉｏｎｓｙｓｔｅｍｃａｎｃｏｎｓｉｄｅｒｈｉｇｈｅｒｃａｌｃｕｌａｔｉｏｎｅｆｆｉｃｉｅｎｃｙａｎｄ
ｓｉｍｕｌａｔｉｏｎａｃｃｕｒａｃｙ．Ｓｉｍｕｌｔａｎｅｏｕｓｌｙｃｏｒｒｅｃｔｉｎｇｔｈｅｍｏｄｅｌｐａｒａｍｅｔｅｒｓａｎｄｓｔａｔｅｖａｒｉａｂｌｅｓｃａｎｉｎｃｒｅａｓｅｔｈｅｗａｔｅｒｔｅｍ
ｐｅｒａｔｕｒｅｓｉｍｕｌａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｄａｔａａｓｓｉｍｉｌａｔｉｏｎｓｙｓｔｅｍａｔｄｉｆｆｅｒｅｎｔｗａｔｅｒｄｅｐｔｈｓｂｙ４１．２％－ ６８．８％ ｃｏｍｐａｒｅｄｔｏ
ｔｈｅｒｅｓｕｌｔｓｗｉｔｈｏｕｔｄａｔａａｓｓｉｍｉｌａｔｉｏｎ．Ａｓｔｈｅｆｏｒｅｃａｓｔｐｅｒｉｏｄｗａｓｅｘｔｅｎｄｅｄｆｒｏｍ １ｔｏ１０ｄａｙｓ ，ｔｈｅｆｏｒｅｃａｓｔｅｒｒｏｒｏｆ
ｅａｃｈｗａｔｅｒｄｅｐｔｈｉｎｃｒｅａｓｅｄｆｒｏｍ０．２２ － ０．３５℃ ｔｏ０．７７ － １．０９℃．Ｒｅｇａｒｄｌｅｓｓｏｆｗｈｅｔｈｅｒｔｈｅｒｅｓｅｒｖｏｉｒｉｓｉｎｔｈｅｓｔｒａｔｉ
ｆｉｅｄｏｒｍｉｘｅｄｐｅｒｉｏｄ，ｔｈｅｄａｔａａｓｓｉｍｉｌａｔｉｏｎｓｙｓｔｅｍｃａｎｍａｉｎｔａｉｎｈｉｇｈａｃｃｕｒａｃｙｕｎｄｅｒｔｈｅｉｎｔｅｒｎａｌａｎｄｅｘｔｅｒｎａｌｆａｃ
ｔｏｒｓｓｕｃｈａｓｍｅｔｅｏｒｏｌｏｇｉｃａｌｃｏｎｄｉｔｉｏｎｓａｎｄｒｅｓｅｒｖｏｉｒｓｃｈｅｄｕｌｉｎｇｄｕｒｉｎｇｔｈｅｆｏｒｅｃａｓｔｐｅｒｉｏｄ．Ｔｈｅｈｉｇｈ － ｐｒｅｃｉｓｉｏｎｍｅｄｉ
ｕｍａｎｄｓｈｏｒｔｔｅｒｍｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅｆｏｒｅｃａｓｔｍｅｔｈｏｄｃａｎｐｒｏｖｉｄｅｔｈｅｏｒｅｔｉｃａｌａｎｄｔｅｃｈｎｉｃａｌｓｕｐｐｏｒｔｆｏｒｌａｋｅａｎｄｒｅｓ
ｅｒｖｏｉｒｗａｔｅｒｓｕｐｐｌｙａｎｄｅｃｏｌｏｇｉｃａｌｓｅｃｕｒｉｔｙ．
Ｋｅｙｗｏｒｄｓ：ｌａｋｅ － ｒｅｓｅｒｖｏｉｒｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅ；ｍｅｄｉｕｍａｎｄｓｈｏｒｔｔｅｒｍｆｏｒｅｃａｓｔｉｎｇ；ｄａｔａａｓｓｉｍｉｌａｔｉｏｎ；ＣＥ － ＱＵＡＬ － Ｗ２；
ｅｎｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒ

（责任编辑：韩 昆）

４
— １ ５ ５ —