基于曲线拟合和LSTM的水文模型土壤湿度初始化方法

本技术涉及环境工程及水资源管理，特别是涉及一种基于曲线拟合和lstm的水文模型土壤湿度初始化方法。

背景技术：

1、水文模型作为定量预测径流及其他水文变量的有力的工具之一，在水资源管理、水环境监测和防洪减灾中起着至关重要的作用。其中，分布式水文模型因其能够更好地反映流域的土壤类型、植被覆盖以及土地利用类型等下垫面的物理特性，已成为当今水文模型研究领域的热点之一。流域初始条件的确定往往对模型的稳定性和收敛性有很大影响，“最佳”的初始条件能够有效消除或减小初始状态对水文模型的影响，与水文模型的模拟精度息息相关。

2、模型预热是调节初始状态的主要途径，所谓预热，实际上是将水文模型的任意初始条件从估计状态或零值调整到“最佳”状态的过程，以减小或消除初始状态对系统的影响。模型预热的关键步骤之一就是预热期的设置，一方面，预热期太长将导致有效数据的损失和模拟时间的浪费，这与预热期太短导致不能完全消除初始状态影响之间是很难平衡的；另一方面，预热期一般至少需设置一至两年(对日尺度模拟而言)，甚至更长。这于全世界范围尤其是众多发展中国家内山区丘陵地带广泛存在的资料匮乏的流域而言是极为奢侈的。

3、初始土壤含水量作为水文模型中需要被确定的初始条件之一，跟降水一样是影响水文模型响应输出的重要输入。与其他水循环组分相比，虽然土壤含水量的总质量很小，但对大气和陆地表面之间水、能量以及碳通量的相互作用至关重要，从而影响气候系统。因此，土壤含水量在水文气象相关研究中是不可忽视的，比如干旱和洪水预测、水资源分配、灌溉管理及水环境污染物迁移等。

4、现有技术中，关于土壤含水量的获取方式，通常是依靠地面观测点提供的对土壤水分状况进行准确监测得到的数据，或是通过陆面模型模拟将遥感和地面气象观测数据结合获取连续土壤湿度数据，或是依赖于通过设置水文模型的预热期来获得稳定的土壤湿度初始条件。然而地面观测站虽然能提供精确的土壤湿度测量，但站点通常分布不均，尤其是在偏远和贫瘠地区，数据的空间代表性和可获取性不足，以及尽管微波遥感可以覆盖广泛区域，但其空间分辨率相对较粗，不能精确捕捉到小尺度的地表特征。此外，微波遥感数据受天气条件(如云层和降雨)的干扰较大，增加了数据的不确定性。利用水文模型预热期的方式在数据稀缺的流域也面临如数据浪费、时间耗费、准确性较低、应用范围受限等明显的局限性。

5、因此，相关技术中，亟需一种能够适用于数据覆盖率低的区域以及提高水文模型土壤含水量初始化准确性以及效率的方式。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够数据覆盖率低的区域以及提高水文模型土壤含水量初始化准确性以及效率的基于曲线拟合和lstm的水文模型土壤湿度初始化方法。

2、第一方面，本技术提供了一种基于曲线拟合和lstm的水文模型土壤湿度初始化方法。所述方法包括：

3、获取全球再分析土壤湿度数据和水文模型参考初始土壤湿度数据；

4、采用最优曲线拟合或lstm拟合得到所述全球再分析土壤湿度数据和水文模型参考初始土壤湿度数据的对应关系；

5、将所述全球再分析土壤湿度数据基于所述对应关系转化为目标水文模型初始土壤湿度。

6、可选的，在本技术的一个实施例中，所述最优曲线拟合包括多项式曲线拟合、自然对数曲线拟合、自然三次样条曲线拟合中的至少一种。

7、可选的，在本技术的一个实施例中，所述全球再分析土壤湿度数据包括第一土壤含水量、第二土壤含水量、第三土壤含水量和第四土壤含水量，所述水文模型参考初始土壤湿度数据包括参考根系区储水量、参考非饱和层储水量、参考饱和缺水量，所述采用最优曲线拟合包括：

8、采用最优曲线拟合得到所述第一土壤含水量与参考根系区储水量、参考非饱和层储水量、参考饱和缺水量的一一对应关系公式；

9、采用最优曲线拟合得到所述第二土壤含水量与参考根系区储水量、参考非饱和层储水量、参考饱和缺水量的一一对应关系公式；

10、采用最优曲线拟合得到所述第三土壤含水量与参考根系区储水量、参考非饱和层储水量、参考饱和缺水量的一一对应关系公式；

11、采用最优曲线拟合得到所述第四土壤含水量与参考根系区储水量、参考非饱和层储水量、参考饱和缺水量的一一对应关系公式。

12、可选的，在本技术的一个实施例中，采用最优曲线拟合还包括：

13、将所述第一土壤含水量、第二土壤含水量、第三土壤含水量相加，得到三层土壤含水量，将所述第一土壤含水量、第二土壤含水量、第三土壤含水量、第四土壤含水量相加，得到总土壤含水量；

14、采用最优曲线拟合得到所述三层土壤含水量与参考根系区储水量的对应关系公式；

15、计算全球再分析土壤总深度与总土壤含水量的差值，采用最优曲线拟合得到所述差值与参考饱和缺水量的对应关系公式。

16、可选的，在本技术的一个实施例中，所述采用最优曲线拟合还包括：

17、采用最优曲线拟合得到所述参考非饱和层储水量与参考根系区储水量、参考饱和缺水量的一一对应关系公式。

18、可选的，在本技术的一个实施例中，所述采用lstm拟合包括：

19、构建lstm模型；

20、将降水量、潜在蒸散量、潜在截留蒸发量、叶面积指数和所述第一土壤含水量、第二土壤含水量、第三土壤含水量、第四土壤含水量作为所述lstm模型的输入,参考根系区储水量、参考非饱和层储水量、参考饱和缺水量作为标准参考输出，训练所述lstm模型，基于所述训练好的lstm模型得到所述全球再分析土壤湿度数据和水文模型参考初始土壤湿度数据的对应关系。

21、可选的，在本技术的一个实施例中，所述方法还包括：

22、采用相关系数、相对平均绝对误差、相对均方根误差、归一化标准差、归一化均方根偏差、纳什效率系数和改进kling-gupta效率系数评估所述相关关系的分析结果。

23、可选的，在本技术的一个实施例中，所述方法还包括：

24、将所述目标水文模型初始土壤湿度代入水文模型进行模拟，验证所述目标水文模型初始土壤湿度的初始化效果。

25、可选的，在本技术的一个实施例中，所述将所述目标水文模型初始土壤湿度代入水文模型进行模拟，验证所述目标水文模型初始土壤湿度的初始化效果包括：

26、将输入默认值，设置预热期的水文模型模拟作为最优实验；

27、将输入默认值，无预热期的水文模型模拟作为对照实验；

28、验证输入所述目标水文模型初始土壤湿度的水文模型模拟效果。

29、可选的，在本技术的一个实施例中，所述方法还包括：

30、重采样所述水文模型的输出流量数据，将所述重采样之后的输出流量数据与所述全球再分析土壤湿度数据比较。

31、上述基于曲线拟合和lstm的水文模型土壤湿度初始化方法，首先，获取全球再分析土壤湿度数据和水文模型参考初始土壤湿度数据；之后，采用最优曲线拟合或lstm拟合得到所述全球再分析土壤湿度数据和水文模型参考初始土壤湿度数据的对应关系；最后，将所述全球再分析土壤湿度数据基于所述对应关系转化为目标水文模型初始土壤湿度。也就是说，在进行水文模型土壤湿度初始化时，使用全球可获取的再分析土壤湿度数据，不仅解决了数据覆盖的问题，还保证了模型在全球任何地区都能得到有效应用，特别是在传统数据难以覆盖的区域，直接采用era5-land等高时空分辨率的再分析数据，能够快速设定水文模型的初始条件，在例如洪水预测、干旱监测等需要快速响应的应用中尤为重要，同时，采用最优曲线拟合和机器学习技术lstm，能够有效地从大量复杂数据中学习土壤湿度与气象因素等之间的动态关系，提高了水文模型土壤含水量初始化的准确性。