CN105893736A - 基于多源数据类型的被动微波土壤水分真实性检验方法 - Google Patents
基于多源数据类型的被动微波土壤水分真实性检验方法 Download PDFInfo
- Publication number
- CN105893736A CN105893736A CN201610166030.9A CN201610166030A CN105893736A CN 105893736 A CN105893736 A CN 105893736A CN 201610166030 A CN201610166030 A CN 201610166030A CN 105893736 A CN105893736 A CN 105893736A
- Authority
- CN
- China
- Prior art keywords
- soil moisture
- passive microwave
- product
- data
- odd
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明是一种基于多源数据类型的被动微波土壤水分真实性检验方法,该方法是基于MODIS数据和地面实测数据,利用降尺度方法和分层优化采样方法,构建高精度土壤水分数字地图,建立一种基于多源数据类型的被动微波遥感土壤水分产品真实性检验方法,并进一步开展了国产FY‑3土壤水分产品的真实性检验和评价。该方法不但能够丰富遥感真实性检验学科理论和方法,而且能够提高低分辨率土壤水分产品的精度,提升在相关行业领域的应用价值。
Description
技术领域
本发明属于卫星遥感真实性检验领域,特别是涉及针对非均质低分辨率遥感产品的真实性检验及精度改进方法。
背景技术
鉴于对土壤水分的强敏感性和高时间重复性,被动微波遥感数据已成为陆表土壤水分遥感产品的主要数据源,在全球土壤水分监测中具有广阔的应用前景。然而,研究表明星载被动微波遥感的土壤水分反演效果没有达到预期精度(0.07cm3/cm3或0.04cm3/cm3),产品低精度与产品间不一致性的问题与“用户”的实用需求矛盾突出,极大限制了遥感产品的实用价值。随着全球气候变化和陆面数据同化研究对土壤水分反演的精度要求不断提高,被动微波土壤水分产品的真实性检验变得极为重要。因此,如何获取能够代表卫星观测尺度、并揭示空间异质性的土壤水分数字地图,是被动微波土壤水分产品真实性检验研究的关键问题。
遥感产品真实性检验一直是遥感学科的热点问题和挑战性问题,土壤水分遥感产品的真实性检验通常包括四种方法:实测样本数据检验、影像数据检验、陆面过程模拟检验和相关参量检验。
实测样本数据检验是以地基数据或者现场观测数据得到的高分辨率分布图为参照进行的产品检验评价方法(Gruhier等,2010;Jackson et al.,2008,2009,2010;Hu等,2009;Hu等,2010;Hu等,2010)。从多个单点到像元尺度的转换方法常用的包括克里格插值、时间稳定性方法等。克里格插值方法主要是通过对未测点周围一定范围内的已测点的属性值进行线性组合得到一个线性无偏最优估计值,而时间稳定性方法可根据地面采样数据估算时间稳定样点,及其与研究区域的平均土壤水分含量的关系,估计并获取研究区域的平均土壤水分状况。对于低分辨率遥感产品的检验,若在几十公里尺度上布设地面数据采集网,需要大量的人财物,利用实测样本数据检验显然很不现实。
影像数据检验是基于航空数据或更高分辨率的卫星数据等价产品而进行的检验方法,这也是MODIS陆表产品检验的重要手段。航空数据虽然分辨率较高,但是价格比较昂贵,对于低分辨率尺度的土壤水分检验成本高昂。同时,由于 过境时云的存在,同一区域很难连续获得高质量的影像,这极大地限制了地面同步观测的高分辨率卫星、航空数据的检验能力,不适用作为低分辨率土壤水分产品的通用检验方法。
为了克服缺少土壤水分实测数据、气象站数据的缺陷,陆面过程模拟检验和联系相关变量检验方法越来越成为低分辨率遥感产品检验的主流方法。陆面过程模式是近30年来以地球陆地表面物质、能量和水分的交换与运输为理论基础,以数字地形分析、GIS技术和数学方法为技术手段发展起来的陆表过程模式,已经成为近年来气象学、水文学研究的一个非常活跃的领域,模拟所采用的要素有:地形、植被、气象及其他环境因素。土壤水分是陆面过程的主要参量之一,可以利用陆面过程模型模拟土壤水分结果,制作土壤水分的高分辨率趋势面参考图,但模拟精度受到模式结构和输入数据的影响比较明显(Draper etal.,2009;Gruhier et al.,2010;Scipal et al.,2008;Wagner et al.,2007)。
Crow等(2012)提出,土壤水分的影响因素包括土壤质地、地形、植被、气象要素等,目前国内外利用影响因素作为先验知识的土壤水分遥感产品检验研究也很多。Tuttle等(2014)利用降雨数据对AMSR-E土壤水分数据进行了检验;邱玉宝(2007)等开展了AMSR-E被动微波土壤水分与降雨时空相关性分析;Lakhankar等(2009)利用NDVI的变化对土壤水分反演误差进行检验;张涛等(2012)通过理论模拟方法研究了土壤质地类型对土壤水分反演精度的影响。但这些先验知识与土壤水分之间的关系非常复杂,目前大多是基于单一参量或多参量的简单相关或回归统计,多限于变化趋势性的定性检验,有关土壤水分与多源先验知识的综合性定量研究尤其缺少利(贾玉华,2013)。
考虑到以上真实性检验方法的前提条件和应用限制,本研究基于MODIS数据和地面实测数据,利用降尺度方法和分层优化采样方法,构建了高精度土壤水分数字地图,建立了一种基于多源数据类型的被动微波遥感土壤水分产品真实性检验方法,并开展国产FY-3土壤水分产品的真实性检验和评价。该研究不但对丰富遥感真实性检验学科理论和技术具有重要意义,而且能够降低大尺度土壤水分产品的反演误差,提高在相关行业领域的应用价值,同时也为其他低分辨率遥感产品的真实性检验提供借鉴。
发明内容
针对被动微波低分辨率像元内的异质性给土壤水分产品的真实性检验带来的难题,本发明的目的在于获取能够代表卫星观测尺度、并揭示空间异质性的 土壤水分数字地图,这是被动微波土壤水分产品真实性检验研究的关键问题。
为了实现上述目的,本发明利用降尺度方法和分层优化采样方法,构建了高精度土壤水分数字地图,实现了基于多源数据类型的被动微波遥感土壤水分产品真实性检验。该方法具体包括如下步骤:
步骤1)选取研究区内待检验的长时间序列被动微波土壤水分产品,根据过境时间下载MODIS数据产品,包括16天合成NDVI、日LST和8天合成Albedo产品;
步骤2)引入Hants时间序列重构方法,将16天合成NDVI进行重构成单日NDVI:
步骤3)基于MODIS单日数据产品,构建单日时间尺度上的被动微波土壤水分值与NDVI、LST和Albedo的相关性显著的拟合方程;
步骤4)进一步利用构建的拟合方程对空间分辨率为25KM的被动微波土壤水分数据进行降尺度,以获取单日的1KM尺度土壤水分数字地图;
步骤5)基于1KM土壤水分信息的空间异质性和空间相关性规律,采取空间概率分布的优化分层策略,构建土壤水分预先采样模型;
步骤6)根据预采样模型分析,进行地面样点布局,开展被动微波降尺度土壤水分信息精度改进,制作高精度的土壤水分数字地图。
进一步,所述被动微波土壤水分产品为国内FY-3土壤水分产品、国外AMSR-2土壤水分产品或SMOS土壤水分产品。
附图说明
图1是河北深州研究区和地面样点分布
图2是单日的1KM尺度FY-3被动微波土壤水分数字地图
图3是图被动微波像元尺度的土壤水分地面预采样空间布局
具体实施方式
下面结合附图对本发明基于多源数据类型的被动微波土壤水分真实性检验方法作进一步说明。
在河北深州研究区开展野外试验,黄色圆点为地面布设样点,覆盖了1个25KM被动微波像元范围(图1)。
本研究选取河北省市深州区域2014年全年国内FY-3土壤水分产品与MODIS数据,通过引入Hants时间序列重构方法,构建了MODIS单日的NDVI产品。如表1所示,基于单日NDVI、单日LST和Albedo产品,分别利用公式(1)~(3)进行拟合,构建了单日时间尺度上的FY-3土壤水分与NDVI、LST和Aibedo的拟合方程。结果表明,FY-3土壤水分与三个关键参量的相关性都表现显著。综合考虑相关系数和回归方程的简易程度,本研究选取公式(1)作为研究区降尺度的回归方程,与国内外常用模型相比,在一定误差内,构建的拟合方程的相关性极为显著(R=0.54,Significance F=0.0000**)。
表1回归模型相关性分析表
*公式(1)是本研究提出的回归模型:swc=a1+a2A+a3V+a4T,其中A变量是NDVI,V变量是LST,T变量是Albedo
公式(2)是国外专家提出的模型:swc=a1+a2A+a3V+a4T+a5AV+a6AT+a7VT
公式(3)是国内专家提出的模型:swc=a1+a2*A*V*T
根据选用的降尺度回归模型,在研究区对空间分辨率为25KM的FY-3土壤水分数据进行降尺度,并获取了单日的1KM尺度FY-3被动微波土壤水分数字地图(图2)。但这完全是基于遥感影像构建的土壤水分数字地图,不足以作为真值检验的依据。为进一步提高土壤水分数字地图的精度满足产品的地面真实性检验,研究利用遥感产品最直接、有效的检验方法即通过地面实测数据进行土壤水分数字地图的精度改进。但在25KM区域尺度上大量收集高质量且具有表征性的地面样本观测数据也费时费力。
表2研究区典型试验日FY-3土壤水分产品的分层采样布局分析
研究对单日的1KM尺度FY-3被动微波土壤水分数字地图进行空间异质性和空间相关性分析,采用分层优化策略和随机采样方法,得到了研究区土壤水分预采样结果。如表2所示,当DOY=178,202,226和249时,研究区内分别至少需要14、4、10和34个样点。地面样点的空间布局如图3所示,这是进行精度改进的地面合理采样布局。
表3被动微波土壤水分像元值与地面实测值的结果分析
本研究在研究区作物关键生育期内开展了四次地面同步试验,试验范围覆盖了25KM*25KM,利用地面加密的试验数据对以上方法进行了精度检验。表3是1KM尺度FY-3被动微波土壤水分数字地图通过地面实测进行精度改进前后的对比分析。结果表明,通过土壤预采样方法,精度大大提高,其中绝对误差减少了一倍,均控制在7.5%以内,相关系数也大大提高,表现更为显著。
以上所述为本发明的较佳实施例而已,本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改,都落入本发明保护的范围。
Claims (2)
1.针对被动微波低分辨率像元内的异质性给土壤水分产品的真实性检验带来的难题,本发明的目的在于获取能够代表卫星观测尺度、并揭示空间异质性的土壤水分数字地图,这是被动微波土壤水分产品真实性检验研究的关键问题。为了实现上述目的,本发明利用降尺度方法和分层优化采样方法,构建了高精度土壤水分数字地图,实现了基于多源数据类型的被动微波遥感土壤水分产品真实性检验。该方法具体包括如下步骤:
步骤1)选取研究区内待检验的长时间序列被动微波土壤水分产品,根据过境时间下载MODIS数据产品,包括16天合成NDVI、日LST和8天合成Albedo产品;
步骤2)引入Hants时间序列重构方法,将16天合成NDVI进行重构成单日NDVI;
步骤3)基于MODIS单日数据产品,构建单日时间尺度上的被动微波土壤水分值与NDVI、LST和Albedo的相关性显著的拟合方程;
步骤4)进一步利用构建的拟合方程对空间分辨率为25KM的被动微波土壤水分数据进行降尺度,以获取单日的1KM尺度土壤水分数字地图;
步骤5)基于1KM土壤水分信息的空间异质性和空间相关性规律,采取空间概率分布的优化分层策略,构建土壤水分预先采样模型;
步骤6)根据预采样模型分析,进行地面样点布局,开展被动微波降尺度土壤水分信息精度改进,制作高精度的土壤水分数字地图。
2.如权利要求1所述的方法,其特征在于,所述被动微波土壤水分产品为国内FY-3土壤水分产品、国外AMSR-2土壤水分产品或SMOS土壤水分产品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610166030.9A CN105893736A (zh) | 2016-03-23 | 2016-03-23 | 基于多源数据类型的被动微波土壤水分真实性检验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610166030.9A CN105893736A (zh) | 2016-03-23 | 2016-03-23 | 基于多源数据类型的被动微波土壤水分真实性检验方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105893736A true CN105893736A (zh) | 2016-08-24 |
Family
ID=57014556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610166030.9A Pending CN105893736A (zh) | 2016-03-23 | 2016-03-23 | 基于多源数据类型的被动微波土壤水分真实性检验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893736A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446444A (zh) * | 2016-10-14 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于贝叶斯最大熵与先验知识的土壤水分空间预测研究 |
CN108268735A (zh) * | 2018-01-29 | 2018-07-10 | 浙江大学 | 基于多源遥感卫星融合数据的地表土壤水分降尺度方法 |
CN108535338A (zh) * | 2018-01-25 | 2018-09-14 | 中国科学院东北地理与农业生态研究所 | 粗空间分辨率卫星遥感土壤水分真实性检验方法 |
CN112528555A (zh) * | 2020-11-23 | 2021-03-19 | 中国科学院空天信息创新研究院 | 一种土壤水分图绘制方法及装置 |
US10996179B2 (en) | 2019-03-11 | 2021-05-04 | Skaha Remote Sensing Ltd. | System and method to detect ground moisture |
CN117890184A (zh) * | 2024-03-14 | 2024-04-16 | 中国科学院地质与地球物理研究所 | 一种模拟火星土壤及其制备方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354348A (zh) * | 2010-12-16 | 2012-02-15 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
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 |
CN105160192A (zh) * | 2015-09-17 | 2015-12-16 | 浙江大学 | 基于M5-Local的TRMM卫星降雨数据降尺度方法 |
-
2016
- 2016-03-23 CN CN201610166030.9A patent/CN105893736A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354348A (zh) * | 2010-12-16 | 2012-02-15 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
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 |
CN105160192A (zh) * | 2015-09-17 | 2015-12-16 | 浙江大学 | 基于M5-Local的TRMM卫星降雨数据降尺度方法 |
Non-Patent Citations (7)
Title |
---|
CHUNMEI WANG等: "Ground sampling methods for surface soil moisture in heterogeneous pixels", 《ENVIRONMENTAL EARTH SCIENCES》 * |
LEI FAN等: "Mapping High-Resolution Soil Moisture over Heterogeneous Cropland Using Multi-Resource Remote Sensing and Ground Observations", 《REMOTE SENSING》 * |
亢健等: "异质性地表土壤冻融循环监测网络的优化采样设计---以黑河祁连山山前地区为例", 《遥感技术与应用》 * |
夏浩铭等: "2001-2010 年秦岭森林物候时空变化遥感监测", 《地理科学进展》 * |
曹永攀等: "基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究", 《遥感技术与应用》 * |
王安琪等: "降尺度土壤水分信息与植被生长参量的时空关系", 《农业工程学报》 * |
邱玉宝等: "AMSR-E 被动微波土壤水分与降雨率时空相关性分析研究", 《北京师范大学学报(自然科学版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446444A (zh) * | 2016-10-14 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于贝叶斯最大熵与先验知识的土壤水分空间预测研究 |
CN106446444B (zh) * | 2016-10-14 | 2019-11-08 | 中国科学院遥感与数字地球研究所 | 基于贝叶斯最大熵与先验知识的土壤水分空间预测方法 |
CN108535338A (zh) * | 2018-01-25 | 2018-09-14 | 中国科学院东北地理与农业生态研究所 | 粗空间分辨率卫星遥感土壤水分真实性检验方法 |
CN108535338B (zh) * | 2018-01-25 | 2020-12-22 | 中国科学院东北地理与农业生态研究所 | 粗空间分辨率卫星遥感土壤水分真实性检验方法 |
CN108268735A (zh) * | 2018-01-29 | 2018-07-10 | 浙江大学 | 基于多源遥感卫星融合数据的地表土壤水分降尺度方法 |
US10996179B2 (en) | 2019-03-11 | 2021-05-04 | Skaha Remote Sensing Ltd. | System and method to detect ground moisture |
CN112528555A (zh) * | 2020-11-23 | 2021-03-19 | 中国科学院空天信息创新研究院 | 一种土壤水分图绘制方法及装置 |
CN117890184A (zh) * | 2024-03-14 | 2024-04-16 | 中国科学院地质与地球物理研究所 | 一种模拟火星土壤及其制备方法 |
CN117890184B (zh) * | 2024-03-14 | 2024-05-28 | 中国科学院地质与地球物理研究所 | 一种模拟火星土壤及其制备方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105893736A (zh) | 基于多源数据类型的被动微波土壤水分真实性检验方法 | |
Dong et al. | Assessment of red-edge vegetation indices for crop leaf area index estimation | |
Bao et al. | Modeling net primary productivity of terrestrial ecosystems in the semi-arid climate of the Mongolian Plateau using LSWI-based CASA ecosystem model | |
CN105160192B (zh) | 基于M5‑LocalR的TRMM卫星降雨数据降尺度方法 | |
Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
Guanter et al. | Retrieval and global assessment of terrestrial chlorophyll fluorescence from GOSAT space measurements | |
Weng | Thermal infrared remote sensing for urban climate and environmental studies: Methods, applications, and trends | |
CN109142679B (zh) | 基于人工神经网络克里金插值的森林土壤养分的空间预测方法 | |
CN104537222B (zh) | 基于遥感的区域植被覆盖对地表气温影响的估算方法 | |
CN102175209B (zh) | 历史遥感产品数据支持下的作物种植面积测量高效抽样方法 | |
Wu et al. | Regional winter wheat yield estimation based on the WOFOST model and a novel VW-4DEnSRF assimilation algorithm | |
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 | |
CN106092915B (zh) | 一种草地绿色植物与枯萎植物重量比例遥感估算方法 | |
CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
CN106446444A (zh) | 基于贝叶斯最大熵与先验知识的土壤水分空间预测研究 | |
CN104063718A (zh) | 在作物识别和面积估算中选择遥感数据和分类算法的方法 | |
CN102607529A (zh) | 矿区环境的测量方法、装置以及数据处理设备 | |
CN113252583B (zh) | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 | |
Chang et al. | Assessing variability of optimum air temperature for photosynthesis across site-years, sites and biomes and their effects on photosynthesis estimation | |
CN104424373B (zh) | 一种空间变量相关性的精细表达方法 | |
Park et al. | Improvement of satellite-based estimation of gross primary production through optimization of meteorological parameters and high resolution land cover information at regional scale over East Asia | |
Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
Wen et al. | Vegetation phenology in permafrost regions of Northeastern China based on MODIS and solar-induced chlorophyll fluorescence | |
CN110210112A (zh) | 耦合土地利用规划的城市热岛效应情景模拟方法 | |
Antonarakis et al. | Regional carbon predictions in a temperate forest using satellite lidar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160824 |