Data-assimilatie binnen de hydrologie verwijst naar het schatten van
toestandsvariabelen in hydrologische modellen. De hydrologische modellen die
gebruikt worden in dit proefschrift zijn enerzijds een eenvoudig conceptueel
model (neerslagafvoermodel) en anderzijds een ruimtelijk verdeeld fysisch
model (land surface-atmosphere transfer scheme).
Hydrologische systemen zijn sterk niet-lineair en hebben een complexe
dynamiek. Dit noodzaakt het gebruik van niet-lineaire/niet-Gaussiaanse
schattingstechnieken voor toestandsvariabelen en/of parameters in
hydrologische modellen. Een belangrijke techniek die de laatste tijd veel
wordt toegepast zijn Sequentiële Monte Carlo methodes, ook wel particle
filters genoemd.
Dit proefschrift introduceert twee verschillende assimilatiemethodes die
gebaseerd zijn op de Kalman en particle filter theorie: de ensemble
Gaussiaanse particle filter en de standaard particle filter met parameter
resampling. Een eerste hydrologische variabele die wordt geassimileerd is
het debiet dat wordt gemeten aan het uitstroompunt van de Zwalm, in
Oost-Vlaanderen. Een tweede hydrologische variabele die wordt bestudeerd is
het bodemvochtgehalte voor een studiegebied in Luxemburg. Deze variabelen
worden geassimileerd in afzonderlijke experimenten over een verschillend
studiegebied.
De resultaten tonen een verbetering aan in de modelsimulaties van het
debiet, wanneer de voorgestelde methodes worden toegepast voor specifieke
hydrologische data-assimilatie probleemstellingen. | |