粒子群算法在陆面过程模式参数优化中的应用研究

来源：高原气象杂志2017年第4期北京时间：

作者：杨启东;凌彩云;杜冰;王丽娟;杨扬

单位：云南大学大气科学系, 昆明 650000;四川省气象探测数据中心, 成都 610072;中国气象局兰州干旱气象研究所, 兰州 730000

摘要：陆面过程模式中输入参数的不确定性会引起模式模拟偏差。为了改善模式的模拟能力，减小参数的不确定性，通常要进行参数优化过程。利用温江站观测的近地层资料，结合粒子群优化算法（Particle Swarm Optimization，PSO），优化了陆面过程模式SHAW（Simultaneous Heat and Water）中难以直接观测的土壤和植被参数。在此基础上，分别利用优化后的参数和默认参数运行SHAW模式，模拟该地区陆面过程特征，并与观测值进行对比，研究优化参数后对陆面过程模拟的影响。结果表明：利用PSO算法优化SHAW模式后，能提高土壤湿度和潜热通量的模拟性能，模拟的土壤湿度和潜热通量与相应的观测值偏差减小。但与此同时，并没有改进净辐射、土壤温度和感热通量的模拟性能。说明PSO算法可以用于陆面模式参数优化，但仅仅通过参数优化并不能同时提高所有变量的模拟性能。

关键词：温江站;SHAW模式;PSO算法;参数优化

基金资助：公益性行业（气象）科研专项（GYHY201406001）；国家自然科学基金项目（41305103）；云南省应用基础研究（青年）项目（2013FD005）