杨楚慧，林 琳，张秋汝，史良胜

(武汉大学水资源与水电工程国家重点实验室，武汉 430072)

流域水文模型被广泛应用于灌区管理和洪涝灾害防治等方面[1,2]。然而由于模型误差和观测误差等不确定性的影响，水文模型在进行径流等水文状态预报时存在不可避免的偏差[3]。因此，多目标函数自动调参、数据同化等方法[4,5]被用于修正误差来改善水文状态的估计。其中数据同化(data assimilation)由于综合考虑了各种误差来源，而被广泛应用于水文模型的参数校正和状态预测。水文数据同化通过向模型中连续加入观测数据来降低不确定性，最终提高模型预测能力。随着观测手段的迅速发展，数据同化技术在近年来得到了深入研究。

在水文数据同化模型中，研究者大多采用径流和土壤水等观测数据来进行流域水文状态的更新和参数估计。Xie和Zhang[6]利用径流观测准确地预测了径流及相关参数。Chen等[7]利用表层土壤含水量观测进行同化，发现深层土壤水和径流的估计值与实测有明显的偏差。Sun和Lee等[8,9]联合利用径流和土壤水观测进行同化，发现径流和土壤水状态的估计结果优于同化其中任一观测。此外，Shi等[10,11]用数值和实例验证了同时加入径流、地下水位、土壤水、以及蒸散发等多种观测对多参数估计的有效性，但不同的观测组合对于水文状态预测的影响仍有待讨论。其中地下水位作为一种简单经济的观测手段，受到上层土壤水补给和蒸发等因素的影响，能在一定程度上反映非饱和土壤水的变化情况，因此研究同化地下水位对于径流和土壤水的影响过程具有一定价值。……