基于遥感的区域蒸散量监测方法——ETWatch

ETWatch是用于区域蒸散遥感监测的业务化运行系统,集成了具有不同应用优势的遥感蒸散模型,并以Pen-man-Monteith公式为基础建立下垫面表面阻抗估算方法,利用逐日气象数据与遥感反演参数,获得逐日连续的蒸散分布图。所生成的从流域级到地块级的数据产品能动态反映区域蒸散发的时空变化规律。基于ETWatch方法,对2002-2005年海河流域和河北省馆陶县的蒸散状况进行了连续监测。利用地面观测资料对蒸散遥感监测产品的验证表明,涡度相关观测数据能量闭合率在0.9以上时,1 km级的日蒸散结果的平均偏差约10%;对于地块级(30 m)的ET,受混合像元的影响,相对于土壤水分消耗法测量的作物蒸散发,遥感监测作物蒸散发的平均误差在12.7%左右。

ETWatch的模型与方法

作为定量描述地表异质性和时空分布规律的主要方法,遥感需要与模型相结合,才能对陆表蒸散进行估算。ETWatch是面向流域规划与管理和农业水管理的实用需求,针对遥感应用而设计的遥感蒸散监测系统,可用于计算流域地表净辐射、感热、潜热(ET)的空间分布及其时间过程,提高ETWatch模型的精度和可靠性的关键在于发展多源遥感数据的参数化方法。本文在调研国内外研究进展的基础上,总结了流域蒸散遥感估算参数化中存在的主要问题,包括非均匀下垫面参数获取、时空尺度转换、多源遥感数据集成、真实性检验与模型校正等,并结合上述问题介绍了ETWatch中的模型与方法。

ETWatch中不同尺度蒸散融合方法

高分辨率遥感蒸散数据集的构建受到数据源的限制和云的影响,单一传感器无法达到高时空分辨率覆盖。本文分析了ETWatch不同尺度遥感蒸散结果的空间特征,通过几种融合方法的比较,分析数据融合前后的数据特征和信息量,将时空适应性反射率融合模型(STARFM)集成到ETWatch,用于不同尺度遥感蒸散数据的融合,该方法可以很好的结合高低分辨率数据的空间分布和时间分布信息,在时间上保留了高时间分辨率数据的时间变化趋势,空间上又反映了高空间分辨率数据的空间细节差异,STARFM融合后的日ET数据与融合前1km日ET数据的平均相对误差为1.75%,融合后的月ET数据与融合前1km月ET数据的平均相对误差为0.2%,STARFM适合于不同尺度下遥感ET数据的融合。

ETWatch中的参数标定方法

ETWatch是用于流域蒸散遥感监测、针对遥感应用而设计的集成框架。方法集成了具有不同应用优势的遥感蒸散模型,并以Penman-Monteith方法为基础建立时间扩展方法,利用气象数据与晴好日的通量遥感估算结果,获得逐日连续的蒸散分布图。所生成的从流域级到地块级的数据产品能动态反映区域蒸散发的时空变化规律。为深入了解遥感蒸散量估算中的不确定因素,本文将其通量计算过程分为地表温度、地气温差、短波与长波辐射、水体热通量、显热通量等环节与地面数据进行对比和逐项的标定。利用站点地面观测资料对模型输入的蒸发比的比较表明参数标定可有效提高遥感与地面蒸散观测的吻合程度。

吐鲁番市蒸散发耗水估算与农业用水量相关性研究

为实现蒸散发耗水的准确估算,利用多个气象站点实测数据,结合MODIS和Landsat 8等多源遥感数据作为输入参数,利用中国科学院遥感应用研究所研发的ETWatch模型对吐鲁番市2019—2021年度蒸散发耗水进行估算,同时与当年农业用水总量进行相关性分析。结果表明,高昌区和221团呈现对数相关,拟合优度R2分别达0.80和0.79,鄯善县和托克逊县拟合优度R2分别达0.40和0.37,表明在下垫面土壤和作物类型不太复杂的情况下,该模型估算蒸散发耗水更具有优势。

华北平原灌溉需水量时空分布及驱动因素

采用华北平原14个气象站点2002年—2007年的降水资料、76个站点的0—80cm厚度的土壤参数以及ETWatch系统计算的蒸散发量数据,运用水分平衡原理计算了灌溉需水量的空间分布;利用相关及多元逐步回归分析方法,定量分析了研究区灌溉需水量的主要驱动因素。结果表明:从山前平原到滨海平原,多年平均灌溉需水量分别为282mm(36.1×108m3)、238mm(37.2×108m3)和172mm(9.3×108m3),有逐渐降低的趋势。降雨量、小麦和蔬菜种植面积是影响灌溉需水量的主要驱动因子,降雨量多的年份灌溉需水量显著减少,小麦和蔬菜种植面积较多的区域灌溉需水量较高,而棉花和大豆种植面积较大的区域灌溉需水量较少。