基于时空融合技术的高精度遥感蒸散计算

在利用遥感数据进行蒸散计算时,常因云雨污染和单一传感器限制,导致影像数据缺失严重,特别是在一些景观破碎化程度高的地区,较难获取高时空分辨率的蒸散序列。以黄河三角洲为研究区,基于增强型时空自适应融合模型构建高时空分辨率的遥感数据集,结合地表能量平衡系统模型采用先估算后融合和先融合后估算两种方式估算了区域2020年高时空分辨率的蒸散时间序列,探讨了融合算法和蒸散模型相结合的可行性和估算精度。结果表明:增强型时空自适应反射率融合模型(enhanced spatial and temporal adaptive reflectance fusion model, ESTARFM)算法性能较好,融合反射率与实际反射率的相关系数均在0.85以上;地表能量平衡系统(surface energy balance system, SEBS)模型估算的显热通量与通量站数据的均方根误差(root mean squared error, RMSE)仅为57.8 W/m2,融合模型估算的水面蒸发与蒸发皿折算数据的相关系数达到了0.93;黄河三角洲蒸散量随季节变化较大,其中夏季蒸散量约占全年的40%,不同地物类型的年蒸散量差异明显,为548.2~1 289.9 mm/a;蒸散的空间分布格局受海陆分布和土地利用的影响显著,沿海的滩涂和水体蒸散量最高,自然植被明显高于人工地物;ESTARFM算法与SEBS模型的耦合方式对蒸散结果,先融合后估算方案的蒸散精度更高(R=0.88;RMSE=0.36 mm/d),有效提高了蒸散的时空分辨率,更适用于黄河三角洲地区。