CN110736704B - 土壤水与蒸发比耦合模拟及相互转化的方法 - Google Patents
土壤水与蒸发比耦合模拟及相互转化的方法 Download PDFInfo
- Publication number
- CN110736704B CN110736704B CN201911065494.0A CN201911065494A CN110736704B CN 110736704 B CN110736704 B CN 110736704B CN 201911065494 A CN201911065494 A CN 201911065494A CN 110736704 B CN110736704 B CN 110736704B
- Authority
- CN
- China
- Prior art keywords
- soil water
- evaporation ratio
- estimation
- max
- calibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000002689 soil Substances 0.000 title claims abstract description 117
- 238000001704 evaporation Methods 0.000 title claims abstract description 115
- 230000008020 evaporation Effects 0.000 title claims abstract description 104
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 104
- 230000008878 coupling Effects 0.000 title claims abstract description 24
- 238000010168 coupling process Methods 0.000 title claims abstract description 24
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 24
- 238000004088 simulation Methods 0.000 title claims abstract description 16
- 238000011426 transformation method Methods 0.000 title description 5
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 238000011160 research Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 229920006395 saturated elastomer Polymers 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 235000006506 Brasenia schreberi Nutrition 0.000 abstract 1
- 238000012795 verification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000001027 hydrothermal synthesis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/178—Methods for obtaining spatial resolution of the property being measured
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1789—Time resolved
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1795—Atmospheric mapping of gases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Human Resources & Organizations (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Analytical Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种土壤水与蒸发比耦合模拟及相互转化的方法，首先对温度‑植被指数特征空间的边界进行优化，使土壤水与蒸发比共用一套参数的同时也实现模型边界的连续检索，采用土壤水与蒸发比实测数据驱动的方式，将土壤水实测值校准的土壤水目标函数获得的最优参数用于蒸发比的估算，反之亦然，最终目标旨在说明不管是土壤水还是蒸发比实测值校准获得的最优参数，都可以用于土壤水与蒸发比的无偏估计。并且用于两种变量估算的目标函数完全共用一组最优参数，该技术可以实现土壤水与蒸发比的耦合模拟与相互转化。
Description
技术领域
本发明属于土壤水测量技术领域，具体涉及一种土壤水与蒸发比耦合模拟及相互转化的方法。
背景技术
土壤水是指存留于土壤孔隙中的水分，蒸发比定义为水分蒸散所消耗的能量占地表可用能量的比值。土壤水与蒸发比分别作为水分的存储项与消耗项，衡量二者的时空耦合关系对于水量与能量平衡过程的理解至关重要。传统土壤水的测量方式包括烘干称重法以及时域反射法等，蒸发比的测定包括蒸渗仪、波文比系统以及涡度相关系统等。点测量方式虽可以实现土壤水与蒸发比的准确估算，但其所代表的空间有限，对于区域尺度的准确估算存在局限。基于遥感技术的土壤水与蒸发比估算多基于不同复杂度的模型，所使用的光谱集中在可见光与热红外波段。光/热遥感虽然可实现高分辨率的土壤水与蒸发比估算，但模型参数化过程受限于研究区处于大面积晴天条件。此外，很少有研究在同一模型框架下进行土壤水与蒸发比的耦合模拟，更不用说实现二者的相互转化。温度-植被指数特征空间法虽然可以分别实现土壤水与蒸发比的估算，但引入的经验方法模拟精度低并且理论方法参数化过程复杂，无法实现对二者的连续监测。
基于光学遥感发展起来的地表温度-植被指数特征空间法，由于可以同时进行土壤湿度与蒸发比的遥感估算，而成为当前陆面水热过程遥感监测的主流方法之一。在特征空间方法中，计算指定像元的土壤湿度与蒸发比可以通过对应边界插值获得。此外，多数研究将土壤水作为蒸发比估算的一个过程变量，很少有研究建立起土壤水-蒸发比与蒸发比-土壤水的耦合关系。
发明内容
针对上述技术问题，本专利基于Terra卫星的中等分辨率成像光谱仪(MODIS)遥感数据，在大气辐射测量(ARM)计划的数据支持下，提出了一种土壤水与蒸发比耦合模拟及相互转化的方法，并以典型区为例对土壤水和蒸发比耦合估计的结果。
本专利首先对温度-植被指数特征空间的边界进行优化，使土壤水与蒸发比共用一套参数的同时也实现模型边界的连续检索。本专利采用土壤水与蒸发比实测数据驱动的方式，将土壤水实测值校准的土壤水目标函数获得的最优参数用于蒸发比的估算，反之亦然。本专利的最终目标旨在说明不管是土壤水还是蒸发比实测值校准获得的最优参数，都可以用于土壤水与蒸发比的无偏估计。并且用于两种变量估算的目标函数完全共用一组最优参数，因此该技术可以实现土壤水与蒸发比的耦合模拟与相互转化。
具体的技术方案为：
土壤水与蒸发比耦合模拟及相互转化的方法，包括以下步骤：
(1)获取研究区的遥感影像数据，具体包括地表温度数据(MOD11A1)、计算空气温度所需的数据(MOD06_L2与MOD07_L2)、太阳高度角数据(MOD03)以及归一化植被指数数据(MOD13A2)；并下载对应的土壤湿度与蒸发比实测数据。
(2)对遥感影像进行预处理，包括数据子集提取、有效值转换、投影变换、拼接裁剪、重采样与插值，获得时间分辨率为1天、空间分辨率为1km的影像数据；对实测数据进行预处理，包括格式的转换以及与遥感影像时间的匹配。
(3)构建土壤水估算的算法表达式。与基于特征空间估算温度-植被干旱指数(TVDI)不同，本专利简化了TVDI的求解，使用修正的温度植被干旱指数(MTVDI)，算法表达式为：
式中，Tsmax,i表示混合像元中裸土的温度，Tw,i表示研究区最低地表温度，代表湿边，Tmax,i表示相同fc值对应的最大地表温度，是fc值对应干边的干点。
(4)构建蒸发比估算的算法表达式。蒸发比估算遵循Priestley-Taylor方程，蒸发比与土壤水的联系是基于Komatsu 2003年的研究，算法表达式为：
式中，Δ为饱和水汽压随空气温度变化的梯度，可通过空气温度(Ta)估算，γ是一个常数。
(5)构建土壤水与蒸发比共用干湿边界的优化方程。本专利对特征空间干边中的干点Tmax,i与湿边Tw,i进行年尺度的优化，算法表达式为：
Tsmax,j＝Lmaxcos(amaxθj+bmax) (3)
Tw,j＝min(Tsmin,j,Tmin,j)
Tsmin,j＝Lmincos(aminθj+bmin)
式中，Lmax、amax、bmax，Lmin、amin、bmin为干湿边界的拟合参数，θj为研究区太阳高度角平均值，Tsmax,j与Tsmin,j为干点与湿点的拟合值，数据输入为晴天条件。
(6)构建土壤水与蒸发比耦合估算的算法表达式。基于公式(1)-(3)，土壤水与蒸发比估算的概念表达式为：
MTVDI,EF＝f(Tsmax,i,fc,Ta,Tsmax,Tw) (4)
(7)构建土壤水实测数据校准的目标函数。为获得统计意义上蒸发比估计的准确性，本专利将步骤(5)中的Lmax参数设为未知，将土壤水实测数据在站点尺度校准获得的Lmax参数代入公式(4)，实现蒸发比与土壤水的同时估算。土壤水实测数据校准的目标函数为：
式中，下标i,j表示第j天第i个像元。
(8)构建蒸发比实测数据校准的目标函数。同样地，本专利使用蒸发比实测数据在站点尺度校准获得的Lmax参数代入公式(4)，实现土壤水与蒸发比的同时估算。蒸发比实测数据校准的目标函数为：
(9)两种实测数据校准结果的对比。土壤水与蒸发比实测数据校准的目标都是为了产生统计意义上的最高相关性或最小差异，本专利对比公式(5)与(6)两种目标函数校准产生的精度，发现不同观测值校准的精度没有明显差异，且在可接受的范围。
(10)耦合估计的时间尺度拓展。公式(3)中边界的优化基于年尺度，本专利将每个站点获得的最优Lmax应用到受云污染天气的土壤水与蒸发比估算，发现精度与晴天无显著差异。
(11)耦合估计的空间拓展。公式(5)-(6)在每个站点获得的最优Lmax应用到其余站点进行土壤水与蒸发比估算，发现精度与原始站点校准的精度基本一致，说明一个站点就可以校准整个研究区。
与现有技术相比，本发明的有益效果为：
本发明提供了土壤水与蒸发比耦合模拟及相互转化的方法，基于优化的地表温度-植被盖度特征空间框架，实现了土壤水与蒸发比的同时估算以及相互转化。本发明将耦合估计技术应用到了美国南大平原区，并进行了两种变量耦合估计的验证，结果表明：基于优化的地表温度-植被盖度特征空间，不仅可以实现晴天条件下两种目标变量的无偏估计，而且晴天校准获得的最优参数在部分有云天气条件下也同样适用。土壤水与蒸发比的目标函数都可以使用特征空间框架进行构建，并且通过相应的实测值进行校准，并且站点不同观测值校准获得的最优参数对最终变量的估算精度没有显著差异，说明了土壤水与蒸发比是可以相互转化的。此外，多天多站点的验证表明一个站点校准就可以实现研究区土壤水与蒸发比的估算，所以本研究也实现了两种目标变量的时空连续估算。本研究将两种目标变量在同一模型框架下同时估算，先前的研究只是将土壤水与蒸发比分开估算，耦合土壤水与蒸发比的关系有助于地表水热条件的模拟。本发明对于土壤水与蒸发比的估算结果与之前的研究精度基本一致，其中蒸发比的估算精度甚至优于先前的研究。
附图说明
图1土壤水与蒸发比耦合模拟及相互转化的方法流程；
图2温度-植被指数特征空间的概念图；
图3研究区的植被类型与站点分布；
图4(a)特征空间框架干边拟合的结果；
图4(b)特征空间框架湿边拟合的结果；
图5(a)晴天条件下使用E2站点校准的多天多站点的土壤水估计精度；
图5(b)晴天条件下使用E7站点校准的多天多站点的土壤水估计精度；
图5(c)晴天条件下使用E9站点校准的多天多站点的土壤水估计精度；
图5(d)晴天条件下使用E12站点校准的多天多站点土壤水估计精度；
图5(e)晴天条件下使用E13站点校准的多天多站点土壤水估计精度；
图5(f)晴天条件下使用E20站点校准的多天多站点土壤水估计精度；
图5(g)晴天条件下使用E22站点校准的多天多站点土壤水估计精度；
图5(h)晴天条件下所有站点校准的多天多站点土壤水估计精度；
图6(a)晴天条件下E2站点校准的多天多站点蒸发比估计精度；
图6(b)晴天条件下E7站点校准的多天多站点蒸发比估计精度；
图6(c)晴天条件下E9站点校准的多天多站点蒸发比估计精度；
图6(d)晴天条件下E12站点校准的多天多站点蒸发比估计精度；
图6(e)晴天条件下E13站点校准的多天多站点蒸发比估计精度；
图6(f)晴天条件下E20站点校准的多天多站点蒸发比估计精度；
图6(g)晴天条件下E22站点校准的多天多站点蒸发比估计精度；
图6(h)晴天条件下所有站点校准的多天多站点蒸发比估计精度；
图7(a)土壤水与蒸发比实测值校准估算土壤水的精度；
图7(b)土壤水与蒸发比实测值校准估算蒸发比的精度；
图8(a)E2站点土壤水连续估计的精度；
图8(b)E7站点土壤水连续估计的精度；
图8(c)E9站点土壤水连续估计的精度；
图8(d)E12站点土壤水连续估计的精度；
图8(e)E13站点土壤水连续估计的精度；
图8(f)E20站点土壤水连续估计的精度；
图8(g)E22站点土壤水连续估计的精度；
图9(a)E2站点蒸发比连续估计的精度；
图9(b)E7站点蒸发比连续估计的精度；
图9(c)E9站点蒸发比连续估计的精度；
图9(d)E12站点蒸发比连续估计的精度；
图9(e)E13站点蒸发比连续估计的精度；
图9(f)E20站点蒸发比连续估计的精度；
图9(g)E22站点蒸发比连续估计的精度。
具体实施方式
结合附图说明本发明的具体技术方案。
本发明实施案例中，以2005年美国南大平原区域为研究对象，进行了土壤水与蒸发比耦合模拟及相互转化技术的验证，按照图1的流程，具体验证过程为：
下载美国南大平原区域2005年MODIS遥感影像数据，具体包括地表温度数据(MOD11A1)、计算空气温度所需的数据(MOD06_L2与MOD07_L2)、太阳高度角数据(MOD03)以及归一化植被指数数据(MOD13A2)。获取2005年美国南大平原区域土壤水与蒸发比的实地观测数据。对遥感影像以及实测数据进行预处理操作，并构建地表温度-植被盖度特征空间，示意图可见图2。共有7个同时具有土壤水与蒸发比观测的站点，其分布可见图3。
基于地表温度-植被盖度特征空间框架，分别构建土壤水(修正的温度-植被干旱指数，MTVDI)与蒸发比(EF)估算的算法表达式。土壤水的估算方法与传统方法(TVDI)不同，由于MTVDI与TVDI在特征空间上具有相似性，且数值上是近似相等的，所以本发明选择MTVDI作为土壤水的估算，且该指数是TVDI的一个特例，也是一种简化。EF的估算按照Komatsu的研究，并使用Priestley-Taylor方程求解。
对修正的温度植被干旱指数中所涉及的干边与湿边进行优化，具体使用研究区的太阳高度角平均值与最高、最低地表温度分别进行拟合，初步得到干湿边界的参数方程，需要说明的是边界参数的拟合是在晴天条件下进行的，参数拟合的结果可见图4(a)-图4(b)。
使用土壤水实测值校准土壤水估算的目标函数，站点尺度的校准结果可见表1，多数站点的最优参数取得了一致的结果。使用蒸发比实测值校准蒸发比估算的目标函数，校准结果同样见表1，与土壤水相同多数站点取得了一致的结果。将单站点校准获得的最优振幅参数，应用到其余站点的土壤水与蒸发比估算中，土壤水多天多站点的估算结果见图5(a)-图5(h)，蒸发比多天多站点的估算结果见图6(a)-图6(h)。从图中发现不同站点校准对于其余站点的土壤水与蒸发比估算基本没有影响，这说明了一个站点就可以实现整个研究区土壤水或蒸发比的校准。
表1两种目标函数校准产生的最优参数及相应的校准精度
使用蒸发比实测值校准获得的最优参数估算土壤水，与土壤水实测值校准获的最优参数估算土壤水的结果对比可见图7(a)。从图中可以看出不管是土壤水还是蒸发比实测值校准，最终蒸发比的估算精度并没有显著差异。使用土壤水实测值校准获得的最优参数估算蒸发比，与蒸发比实测值校准获的最优参数估算蒸发比的结果对比可见图7(b)。结果与前述验证过程相同，说明了土壤水与蒸发比可以在同一个模型框架下进行估算，并且可以实现相互转化。
模型的参数是在晴天校准的，并且取得了较高的估计精度，本专利将晴天校准的参数应用到部分有云天气条件下，实现了土壤水与蒸发比的连续估算，其中土壤水连续估算的结果可见图8(a)-图8(g)，蒸发比连续估算的结果可见图9(a)-图9(g)。此外，本专利使用站点校准产生的全局最优参数，实现了土壤水与蒸发比的时空连续估算。
Claims (3)
1.土壤水与蒸发比耦合模拟及相互转化的方法，其特征在于，包括以下步骤：
(1)获取研究区的遥感影像数据；并下载对应的土壤湿度与蒸发比实测数据；
(2)对遥感影像进行预处理；对实测数据进行预处理，包括格式的转换以及与遥感影像时间的匹配；
(3)构建土壤水估算的算法表达式；使用修正的温度植被干旱指数MTVDI，算法表达式为：
式中，Tsmax，i表示混合像元中裸土的温度，Tw，i表示研究区最低地表温度，代表湿边，Tmax，i表示相同fc值对应的最大地表温度，是fc值对应干边的干点；
(4)构建蒸发比估算的算法表达式： 蒸发比估算遵循Priestley-Taylor方程，蒸发比与土壤水的联系是基于Komatsu 2003年的研究，算法表达式为：
式中，Δ为饱和水汽压随空气温度变化的梯度，可通过空气温度Ta估算，γ是一个常数；
(5)构建土壤水与蒸发比共用干湿边界的优化方程；对特征空间干边中的干点Tmax，i与湿边Tw，i进行年尺度的优化，算法表达式为：
Tsmax，j＝Lmaxcos(amaxθj+bmax) (3)
Tw，j＝min(Tsmin，jTmin，j)
Tsmin，j＝Lmincos(aminθj+bmin)
式中，Lmax、amax、bmax，Lmin、amin、bmin为干湿边界的拟合参数，θj为研究区太阳高度角平均值，Tsmax，j与Tsmin，j为干点与湿点的拟合值，数据输入为晴天条件；
(6)构建土壤水实测数据校准的目标函数；为获得统计意义上蒸发比估计的准确性，将步骤(5)中的Lmax参数设为未知，将土壤水实测数据在站点尺度校准获得的Lmax参数代入公式(1)-公式(2)，实现蒸发比与土壤水的同时估算；土壤水实测数据校准的目标函数为：
式中，下标i，j表示第j天第i个像元；
(7)构建蒸发比实测数据校准的目标函数；使用蒸发比实测数据在站点尺度校准获得的Lmax参数代入公式(1)-公式(2)，实现土壤水与蒸发比的同时估算；蒸发比实测数据校准的目标函数为：
(8)两种实测数据校准结果的对比；土壤水与蒸发比实测数据校准的目标都是为了产生统计意义上的最高相关性或最小差异，对比公式(4)与公式(5)两种目标函数校准产生的精度，发现不同观测值校准的精度没有明显差异，且在可接受的范围；
(9)耦合估计的时间尺度拓展；公式(3)中边界的优化基于年尺度，将每个站点获得的最优Lmax应用到受云污染天气的土壤水与蒸发比估算，发现精度与晴天无显著差异；
(10)耦合估计的空间拓展；公式(4)-公式(5)在每个站点获得的最优Lmax应用到其余站点进行土壤水与蒸发比估算，发现精度与原始站点校准的精度基本一致，说明一个站点就可以校准整个研究区。
2.根据权利要求1所述的土壤水与蒸发比耦合模拟及相互转化的方法，其特征在于，步骤(1)中，所述的遥感影像数据，具体包括地表温度数据MOD11A1、计算空气温度所需的数据MOD06_L2与MOD07_L2、太阳高度角数据MOD03以及归一化植被指数数据MOD13A2。
3.根据权利要求1所述的土壤水与蒸发比耦合模拟及相互转化的方法，其特征在于，步骤(2)中，所述的预处理，包括数据子集提取、有效值转换、投影变换、拼接裁剪、重采样与插值，获得时间分辨率为1天、空间分辨率为1km的影像数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911065494.0A CN110736704B (zh) | 2019-11-04 | 2019-11-04 | 土壤水与蒸发比耦合模拟及相互转化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911065494.0A CN110736704B (zh) | 2019-11-04 | 2019-11-04 | 土壤水与蒸发比耦合模拟及相互转化的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110736704A CN110736704A (zh) | 2020-01-31 |
| CN110736704B true CN110736704B (zh) | 2021-06-01 |
Family
ID=69272168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911065494.0A Expired - Fee Related CN110736704B (zh) | 2019-11-04 | 2019-11-04 | 土壤水与蒸发比耦合模拟及相互转化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110736704B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111999251B (zh) * | 2020-08-14 | 2021-03-23 | 中国水利水电科学研究院 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
| CN113792252B (zh) * | 2021-09-14 | 2022-08-16 | 中国科学院地理科学与资源研究所 | 一种有云天的日尺度蒸散发估算方法及系统 |
| CN116205086B (zh) * | 2023-05-04 | 2023-08-01 | 中国科学院地理科学与资源研究所 | 一种日尺度蒸散发时空连续遥感估算方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
| CN109188465A (zh) * | 2018-08-02 | 2019-01-11 | 中国科学院地理科学与资源研究所 | 基于参考像元信息的区域地表蒸散发遥感估算方法 |
| CN110059362A (zh) * | 2019-03-22 | 2019-07-26 | 兰州大学 | 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295194B (zh) * | 2016-08-12 | 2018-06-26 | 中国水利水电科学研究院 | 一种基于流域水量平衡原理的冰川蓄变量评估方法 |
-
2019
- 2019-11-04 CN CN201911065494.0A patent/CN110736704B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
| CN109188465A (zh) * | 2018-08-02 | 2019-01-11 | 中国科学院地理科学与资源研究所 | 基于参考像元信息的区域地表蒸散发遥感估算方法 |
| CN110059362A (zh) * | 2019-03-22 | 2019-07-26 | 兰州大学 | 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Universal Ts-VI Triangle Method for the Continuous Retrieval of Evaporative Fraction From MODIS Products;Wenbin Zhu et al;《Journal of Geophysical Research:Atmospheres》;20171006;全文 * |
| Journal of Geophysical Research:Atmospheres;Wenbin Zhu;《Journal of Geophysical Research:Atmospheres》;20170601;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110736704A (zh) | 2020-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110736704B (zh) | 土壤水与蒸发比耦合模拟及相互转化的方法 | |
| CN102901516B (zh) | 一种基于绝对辐射定标的多光谱影像辐射校正方法 | |
| CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
| CN102279393B (zh) | 一种基于多光谱传感器对高光谱传感器交叉辐射定标方法 | |
| CN102540166B (zh) | 一种基于优化算法的高光谱传感器交叉辐射定标方法 | |
| CN108662991A (zh) | 基于遥感卫星数据的地块尺度冬小麦叶面积指数估算方法 | |
| CN109580003A (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
| CN110222903A (zh) | 一种基于无人机遥感的水稻产量预测方法及系统 | |
| CN109974665A (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
| CN106569186A (zh) | 一种星载微波辐射计的偏差校正方法 | |
| CN107402069A (zh) | 无人机快拍式高光谱遥感系统及一致性辐射校正方法 | |
| CN111751286B (zh) | 基于变化检测算法的土壤水分提取方法 | |
| CN106483147B (zh) | 基于多源数据的长时间序列被动微波土壤水分精度改进研究方法 | |
| CN115479960B (zh) | 联合sar与光学遥感数据的农作物生长过程土壤湿度监测方法 | |
| CN110968955B (zh) | 一种蒸发比观测的时空拓展方法 | |
| CN114782834A (zh) | 基于比值法的农田土壤水分反演方法及系统 | |
| CN108957377A (zh) | 一种全极化微波辐射计的定标装置及定标方法 | |
| CN113218969B (zh) | 基于微波遥感土壤水分产品驱动下的陆面蒸散发估算方法 | |
| Wang et al. | Estimating high-resolution top of atmosphere albedo from Moderate Resolution Imaging Spectroradiometer data | |
| CN104133204B (zh) | 一种高分卫星宽视场成像仪的昼夜分离替代定标方法 | |
| Juglea et al. | Modelling soil moisture at SMOS scale by use of a SVAT model over the Valencia Anchor Station | |
| CN115855272A (zh) | 一种生成近实时逐小时全天候地表温度的方法 | |
| CN108537679A (zh) | 遥感与作物模型融合的区域尺度作物出苗日期估算方法 | |
| CN103777205A (zh) | 基于遥感影像dn值多元参量定标模型的自适应成像方法 | |
| CN110781602B (zh) | 基于特征空间法来获取时空连续的土壤水方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210601 |