[论文解读] Validation and Improvement of Data Assimilation for Flood Hydrodynamic Modelling Using SAR Imagery Data

Thanh Huy Nguyen, Anthéa Delmotte+4 more|arXiv (Cornell University)|Sep 9, 2021

Flood Risk Assessment and Management参考文献 13被引用 4

一句话总结

本研究通过将哨兵-1 SAR影像与数据同化相结合，提升了洪水水动力学模型的性能，校正了模型偏差并改善了洪水范围预测。以2021年1月至2月的加龙河马尔芒德流域为案例，结果表明，与自由运行模拟相比，数据同化显著降低了不确定性，并提高了洪水范围预测的准确性，其验证基于现场水位计和SAR反演的洪水范围图。

ABSTRACT

Relevant comprehension of flood hazards has emerged as a crucial necessity, especially as the severity and the occurrence of flood events intensify with climate changes. Flood simulation and forecast capability have been greatly improved thanks to advances in data assimilation. This approach combines in-situ gauge measurements with hydrodynamic models, aiming to correct the hydraulic states and reduce the uncertainties in the model parameters, e.g., friction coefficients, inflow discharge. These methods depend strongly on the availability and quality of observations, thus requiring other data sources to improve the flood simulation and forecast quality. Sentinel-1 images collected during a flood event were used to classify an observed scene into dry and wet areas. The study area concerns the Garonne Marmandaise catchment, and focuses on recent flood event in January-February 2021. In this paper, seven experiments are carried out, two in free run modes (FR1 and FR2) and five in data assimilation modes (DA1 to DA5). A model-observation bias was diagnosed and corrected over the beginning of the flood event. Quantitative assessments are carried out involving 1D metrics at Vigicrue observing stations and 2D metrics with respect to the Sentinel-1 derived flood extent maps. They demonstrate improvements on flood extent representation thanks to the data assimilation and bias correction.

研究动机与目标

• 通过将卫星反演的洪水范围数据整合到水动力模型中，提升洪水预报的准确性。
• 通过SAR影像和现场观测数据校正初始状态偏差，降低模型不确定性。
• 利用一维水位计数据和二维SAR反演洪水范围图，评估数据同化对洪水范围表征的影响。
• 评估不同数据同化配置在真实洪水事件中提升模拟保真度的效果。
• 为利用多源观测数据开展业务化洪水建模提供经验证的框架。

提出的方法

• 通过现场水位计数据和哨兵-1 SAR反演的洪水范围图，对模型状态和参数（包括糙率系数和入流流量）进行数据同化，以实现校正。
• 对哨兵-1 SAR影像进行处理，将洪水事件划分为干湿区域，作为二维洪水范围验证的基础。
• 共开展七个实验：两个自由运行模拟（FR1、FR2）和五个数据同化运行（DA1–DA5），其差异在于同化策略和观测输入的不同。
• 在洪水事件初期诊断并校正模型-观测偏差，以提高初始状态的准确性。
• 定量评估采用一维指标（在Vigicrue站点）和二维指标（将模拟洪水范围与SAR反演范围进行比较）。
• 采用TELEMAC-MASCARET水动力模型作为模拟引擎，数据同化通过迭代校正模型状态实现。

实验结果

研究问题

• RQ1 在真实洪水事件中，利用SAR反演洪水范围进行数据同化，如何提升洪水范围预测的准确性？
• RQ2 在洪水事件初期进行偏差校正，能在多大程度上提升水动力模拟的性能？
• RQ3 不同数据同化配置（DA1–DA5）在降低不确定性与改善洪水范围表征方面表现如何比较？
• RQ4 与自由运行模拟相比，将现场水位计数据与SAR影像结合在洪水建模中具有何种附加价值？
• RQ5 SAR反演的洪水范围能否作为业务化洪水预报系统中可靠的观测约束？

主要发现

• 与自由运行模拟相比，数据同化显著改善了洪水范围的表征，模拟与观测的洪水边界更加清晰一致。
• 将SAR反演的洪水范围作为观测约束，可降低模型不确定性，并提升洪水预测的空间准确性。
• 在洪水事件初期进行偏差校正，可显著提升模型性能，尤其在洪水初期动力过程的模拟中效果明显。
• 二维定量指标显示，数据同化运行（DA1–DA5）在匹配哨兵-1实际观测的洪水范围方面，优于自由运行模拟（FR1、FR2）。
• 结合现场水位计数据与SAR影像，可获得比单独使用任一数据源更稳健、更可靠的洪水预报结果。
• 本研究验证了SAR影像在业务化洪水建模中实现数据同化的可行性，尤其在数据稀缺区域具有重要应用潜力。