非饱和土壤水分运动模型在农业生产和环境保护等领域中具有重要的指导意义。非饱和土壤水力参数的准确获取是利用模型进行可靠预测的前提。传统的参数反演研究大多基于优化方法,只能获取一组最优参数,不能量化其中的不确定性。最新发展的一种基于贝叶斯参数估计理论的马尔科夫链蒙特卡罗算法(Markov Chain Monte Carlo,MCMC)—DREAM(ZS),可以有效进行参数反演,且准确量化不确定性。我们在获取水头观测值的基础上,利用MCMC和Levenberg-Marquardt(LM)非线性优化算法分别对非饱和土壤水力参数进行反演,通过数值模拟与一维沙柱入渗实验比较了2种方法对于分层异质的水力参数估计与水头预测的准确性。结果表明:1)LM优化方法使用广泛,求解速度较快,但受参数初始值影响较大,预测结果与观测值存在一定的偏差,同时由于只能给出一个单一的反演结果,无法量化结果的不确定性。2)与基于优化的反演方法相比,MCMC反演方法不仅能够更好地得出参数的单一估计值,同时预测结果与观测值也具有更好的一致性;更重要的是可以给出未知参数的后验分布,从而准确量化非饱和水力参数的不确定性,避免了基于单一参数反演结果进行预测的风险。但是相对于LM优化方法,MCMC计算量大大增加。
展开▼
