基于MODIS遥感数据计算无定河流域日蒸散

为研究无定河流域日蒸散分布规律，应用遥感数据、农业气象站测量数据及Nishida模型等对该流域日蒸散进行了模拟。首先用2001～2002年晴天中国科学院禹城生态试验站Lysimeter测量日蒸散验证模型，模拟与测量的日蒸散相关系数达到0．61。随后，用该模型计算了无定河流域日蒸散，发现无定河流域日蒸散存在较为明显的空间分布规律：2001～2003年连续3年的8月份日蒸散都表现为东北部蒸散明显小于西南部，这是因为东北部基本是荒漠而东南部多是农田，且8月份日蒸散基本在2～5mm之间变化；从2001年8月份第222d日蒸散空间分布看，无定河主干道两边蒸散显著高于其他位置，这是由于8月份无定河流域为多雨季节，河谷土壤水分较高的缘故；从2002年内变化来看，不同的土地利用／覆被类型日平均蒸散差别不显著。

MODIS数据湿地组分蒸散遥感模型(英文)

针对鄱阳湖地区湿度大且地表复杂多变的特点,从地表能量平衡出发,简化了陆-气相互作用的复杂过程,通过分析影响湿地蒸散的关键因子,建立了基于组分净辐射、组分土壤热通量、组分温度的湿地组分蒸散遥感模型.利用MODIS数据对鄱阳湖湿地的蒸散进行试验,根据TM分类图像得到了基于MODIS数据的1km各地类组分比率图像;在计算组分净辐射时,充分考虑到不同地表组分间对净辐射的作用差异,用组分比率、组分温度和组分反照率得到了各组分净辐射;在此基础上,得到了鄱阳湖湿地蒸散的分布.通过用余项法、实测数据和历史资料对新模型反演结果进行验证,结果表明,该模型能比较客观地反映鄱阳湖湿地蒸散分布状况.

应用遥感技术反演流域尺度的蒸散发

利用MODIS遥感数据结合地表气象观测,在对SEBS模型物理参数进行计算和灵敏度分析的基础上,得到黑河流域春、夏、秋、冬四季不同气象条件和不同下垫面条件下的地表蒸散发。依靠黑河流域综合研究站—临泽站蒸散发仪观测的蒸散发验证遥感反演的精度,结果表明遥感反演的地表蒸散发精度较高,模型参数方案可行。这一方法可以在流域尺度上揭示出流域不同下垫面的蒸散发随季节变化的空间特征。最后,利用遥感反演的蒸散发与地面站点蒸发器实测的水面蒸发量和Penman-Monteith公式计算的蒸发量进行对比分析不同下垫面条件不同季节地表潜在蒸发能力和干湿状况。

基于涡度相关仪的蒸散量时间尺度扩展方法比较分析

蒸散量(ET,evapotranspiration)的时间尺度扩展是遥感反演区域ET的关键。为比较基于蒸发比、作物系数和冠层阻力的3种ET时间尺度扩展方法的估值效果,该文利用涡度相关仪实测的北京大兴区冬小麦3-6月份生育期内的ET数据,分析了蒸发比、作物系数和冠层阻力3种参数在日内的变异性并最终比较基于3种参数的ET时间尺度扩展方法的估值效果。结果表明,作物系数在日内变异性最小且其在3个时段的小时值最接近日均值,此外,对比3种方法的估值效果发现,基于作物系数的ET时间尺度扩展方法在3个时段表现效果均最优。对与具有相近气象、气候、下垫面条件和空间尺度数据的地区,推荐采用基于作物系数的时间尺度扩展方法开展从小时到日的ET时间尺度扩展。

基于特征空间的蒸散反演方法在中国北方地区的比较与应用

【目的】通过验证和比较来选定适合于中国北方地区的蒸散反演方法,旨在为改进蒸散的算法提供支持并初步认识中国北方地区蒸散的时空分布规律。【方法】使用中等分辨率成像光谱仪(MODIS)的遥感影像、气象观测资料以及干旱-半干旱区协同观测的地表蒸散通量数据,对Jiang等(1999)、Wang等(2006)和Roerink等(2000)这3种特征空间方法进行验证与比较,在选定适合试验区的方法后,计算和分析中国北方地区蒸散的空间分布与季节变化特征。【结果】在中国北方地区,由Wang等(2006)方法反演得到的蒸发比相关性最高,误差最小(R^2=0.65,RMSE=0.17);受地表温度随海拔升高而降低的影响,Jiang等(1999)和Roerink等(2000)的方法在高海拔地区普遍存在高估的现象;基于Wang等(2006)的方法反演得到蒸发比,通过运算得出中国北方地区的蒸散空间分布,回归分析表明,该方法得出的蒸散结果精度较高(R^2=0.57,RMSE=0.78 mm·d^(-1));在不同季节,蒸散在空间上都表现出东高西低的特征;夏季最高,春季略高于秋季,冬季最小;在冬季,大部分地区蒸散在0.5 mm·d^(-1)以下;在春季,除西北地区的准噶尔、柴达木、塔里木等沙漠区域外,其余地区都有较明显的蒸散活动,大部分区域达到了0.8 mm·d^(-1)以上;在夏季,整个区域蒸散达到全年最大值,绝大部分地区蒸散强度在1.5 mm·d^(-1)以上;在秋季,蒸散明显回落,除华北地区和秦岭一带保持在1~2.5 mm·d^(-1)之外,其余地区蒸散大多在1 mm·d^(-1)以下。【结论】Wang等(2006)的方法可以在克服海拔对地表温度产生影响的同时,保持特征空间法中对地面气象参数精度要求不高的优点,能够更好地模拟中国北方地区蒸散的空间分布,适于在下垫面复杂、海拔落差大的地区使用。

石羊河流域主要生态类型现状耗水分析

采用SEBAL模型,基于MODIS遥感数据,计算了石羊河流域2004年植被生长期的蒸散发量,并根据土地利用/覆被数据计算分析了主要生态类型的耗水状况。提出了以维持沿河天然植被为主的"民勤绿洲"发展方案。结果表明,耕地、林地和草地为石羊河流域主要生态类型,各类型的月蒸散发量呈规律性变化,且呈"双峰"分布。

基于多尺度特征融合网络的新疆积雪覆盖度估算

受复杂地形和遥感数据低分辨率的影响,传统的二值化积雪遥感产品在山区和林区的积雪覆盖度计算中存在严重误算和漏算的问题,从而导致积雪覆盖度估算精度低。基于风云四号A星多通道辐射扫描计(AGRI)新疆地区的遥感影像数据,提出一种多尺度特征融合网络的积雪覆盖度估算方法。通过深度残差网络和特征金字塔模式对卷积层各个阶段的特征信息进行重构,融合深层和浅层特征的多重语义信息,同时结合AGRI数据高时间分辨率的特性,拟合光谱信息和地理因素间的非线性关系,从而提高数据源和特征信息的整体利用率。实验结果表明,相比MOD10;SC、BP-ANN;SC和ResNet;SC方法,该方法在A1~A4样本区中相关系数均值和解释回归模型的方差得分均值最高可提高8和6个百分点,且其均方误差均值仅为0.1,能够获得较高精度的积雪覆盖度估算结果。

基于遥感数据与SEBAL模型的江浙沪地区地表蒸散反演

地表蒸散的准确估算对于研究区域尺度上因气候或土地利用变化引起的水量-能量变化有着重要的意义。本研究集成MODIS数据,利用陆面能量平衡模型(surface energy balance algorithm for land,SEBAL),对江苏、浙江和上海市地区(以下简称江浙沪)地区2002—2015年间生长季的蒸散进行了估算,并使用蒸渗仪地表观测数据对模型进行了验证。在总结蒸散时间扩展方法的基础上,对区域蒸散进行了月、季节尺度的扩展,计算得到区域月、季节尺度的蒸散量。并选取特征年2004年与2013年来分析日尺度与生长季尺度的空间蒸散特征。研究表明,SEBAL模型较适用于江浙沪地区的蒸散估算,该地区的年生长季蒸散范围跨度较大,在空间上呈现南高北低的特征,2004年区域生长季蒸散平均值为930 mm;2013年为758 mm,低于2004年的蒸散值。对特定地物提取的生长季日平均蒸散进行统计发现,江浙沪地区的自然地物蒸散要高于人造地物,而在自然地物中,水体>林地>滩涂滩地>草地>未利用地。而对于人造地物,城镇的蒸散值很低,而水田、旱地以及农村居民点的蒸散值较高。

基于特征空间法的美国南部大平原蒸散发遥感反演

蒸散发是地表能量平衡和水热循环的重要环节,准确估算对区域水资源合理开发利用、农业节水研究以及气候调节等至关重要。特征空间法作为蒸散发反演的主要方法之一,因其对地表参数的依赖较小,具有较好的优势。然而,该方法在干湿边界确定时却存在一定的主观性和不确定性,给出相应的干湿边界理论公式,以美国南部大平原为研究区,利用MODIS遥感数据,构建具有时空二维属性的地表温度——植被指数特征空间,获得了2017年美国南部大平原蒸散发;并采用站点数据进行验证,分析时空分布规律。结果表明:本文方法对于研究区地表蒸散发模拟精度较高,略微存在高估,与观测值相关系数(r)达到0.86,均方根误差(RMSE)和偏差(B)分别为1.07 mm和0.06。从时空特征分析,蒸散发年内变化呈单峰型分布,与植被生长周期相一致。此外,蒸散发季节差异显著,夏季蒸散发最高,春秋次之,冬季最低,并且四季蒸散发空间分布趋势均呈东南向西北递减。

基于ETM+与MODIS数据融合的伊洛河流域地表蒸散估算

MODIS数据时间分辨率较高,在对地能量和水分变化监测应用中具有不可比拟的优势。但其空间分辨率较低,混合象元效应显著,尤其在地表土地利用类型复杂和空间异质性较大时,会带来较大的误差。而ETM+数据具备较高的空间分辨率,但其单一的热红外波段导致反演的地表温度精度不高,且时间分辨率低,因而限制了在地表蒸散监测中的应用。本文探讨了将TM/ETM+与MODIS数据相融合估算区域地表蒸散的一种多尺度遥感方法,利用TM/ETM+计算得到的植被指数,基于空间增强方法将MODIS反演的地表温度尺度提高到30 m,并结合SEBS模型对伊洛河流域的地表蒸散进行了估算。验证与分析的结果表明,估算精度得到提高,研究区当日蒸散量在0～5.32 mm/d之间,空间分布具有明显的地域性差异,区域分布不均衡。

TSEB模型在复杂下垫面下模拟结果比较研究

地表蒸散发对干旱半干旱地区水文过程模拟以及水文平衡有重要影响,复杂地表更是对地表蒸散发模拟提出了新的挑战。利用TSEB(Two-Source Energy Balance)模型,分别以Landsat、MODIS卫星数据为驱动数据,得到黑河下游绿洲地表蒸散发时空分布格局,并利用大孔径闪烁仪和涡动相关仪的观测数据对模拟结果分别在公里级和百米级尺度进行验证,研究结果表明:在大孔径闪烁仪观测的公里级尺度下,基于Landsat数据和MODIS数据驱动的TSEB估算感热通量与大孔径闪烁仪观测数据比较的均方根误差分别为48.47 W/m^(2)、58.57 W/m^(2)。基于涡动相关仪观测百米级尺度,Landsat数据驱动的TSEB估算感热通量与涡动相关仪观测数据的均方根误差为89.37 W/m^(2)。因此,得出以中高分辨率卫星遥感数据作为驱动数据模型模拟效果更好,LAS观测公里级尺度数据能部分解决遥感地表蒸散发验证空间不匹配问题。