1、數(shù)值模型是模擬非飽和土壤中水分運(yùn)動(dòng)的強(qiáng)大工具。然而，由于土壤天然具有的非均勻性以及觀測(cè)資料的缺乏，我們通常并不能在模型參數(shù)完全已知的情況下進(jìn)行模擬預(yù)測(cè)。利用有限的觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行校正，以期得到更加精準(zhǔn)的預(yù)測(cè)結(jié)果，這就是所謂的數(shù)據(jù)同化問(wèn)題。集合卡爾曼濾波算法在水文數(shù)據(jù)同化問(wèn)題中的應(yīng)用越來(lái)越普遍。作為一種基于蒙特卡羅模擬的算法，通常需要足夠大的樣本數(shù)量來(lái)保證其精度。
　　本文的研究目標(biāo)在于發(fā)展一種更加高效的基于概率配點(diǎn)卡爾曼濾波的數(shù)

2、據(jù)同化方法，提高非飽和水分?jǐn)?shù)據(jù)同化的效率。作為一種替代蒙特卡羅模擬的方法，概率配點(diǎn)卡爾曼濾波算法利用混沌多項(xiàng)式來(lái)表示和傳遞模型參數(shù)和狀態(tài)的不確定性。在一定條件下，混沌多項(xiàng)式能比傳統(tǒng)的蒙特卡羅法更加有效地量化系統(tǒng)的不確定性。然而，隨著參數(shù)個(gè)數(shù)和模型非線(xiàn)性的增加，概率配點(diǎn)卡爾曼濾波算法的計(jì)算量會(huì)急劇增大，甚至?xí)^(guò)傳統(tǒng)的集合卡爾曼濾波。此外，對(duì)于強(qiáng)非線(xiàn)性模型，傳統(tǒng)的將參數(shù)和狀態(tài)進(jìn)行聯(lián)合更新的處理方法不能給出準(zhǔn)確的估計(jì)結(jié)果?；谧钚碌牟淮_定性

3、量化理論和集合卡爾曼濾波算法，我們提出一種改進(jìn)的自適應(yīng)概率配點(diǎn)卡爾曼濾波算法，并將其應(yīng)用到非飽和土壤水分運(yùn)動(dòng)的數(shù)據(jù)同化問(wèn)題中。改進(jìn)的自適應(yīng)概率配點(diǎn)卡爾曼濾波算法在執(zhí)行過(guò)程中，在每一個(gè)同化步都可以自動(dòng)識(shí)別出重要的參數(shù)，并選擇出重要的混沌多項(xiàng)式基函數(shù);此外，在每一步的更新完成后重新回到初始時(shí)刻進(jìn)行狀態(tài)預(yù)測(cè)，這可以消除更新之后參數(shù)和狀態(tài)之間的不一致性。
　　為驗(yàn)證方法的有效性，我們做了詳細(xì)的數(shù)值模擬驗(yàn)證。結(jié)果顯示:自適應(yīng)和重新回到初始時(shí)