CN106771073A - 一种基于端元信息模型估算土壤和植被蒸散发的方法 - Google Patents
一种基于端元信息模型估算土壤和植被蒸散发的方法 Download PDFInfo
- Publication number
- CN106771073A CN106771073A CN201611234428.8A CN201611234428A CN106771073A CN 106771073 A CN106771073 A CN 106771073A CN 201611234428 A CN201611234428 A CN 201611234428A CN 106771073 A CN106771073 A CN 106771073A
- Authority
- CN
- China
- Prior art keywords
- soil
- vegetation
- end member
- temperature
- information model
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种基于端元信息模型估算土壤和植被蒸散发的方法,包括以下四个步骤:步骤1:确定基于端元信息模型的结构,建立基于端元信息模型,初步构建基于端元信息模型的输入数据集;步骤2:进行基于端元信息模型中土壤‑植被系统中能量平衡各分项在土壤和植被中的分解;步骤3:利用地表能量平衡理论和Penman‑Monteith方程,计算基于端元信息模型四个极限端元的地表温度;步骤4:估算得到基于端元信息模型中位于端元之间其他像元的地表温度和蒸散发。本发明能够有效考虑下垫面表层含水量和根区含水量对土壤蒸发和植被蒸腾的不同响应过程,提高估算下垫面地表土壤和植被蒸散发的精度。
Description
技术领域
本发明属于蒸散发或土壤水分遥感反演的技术领域,特别是涉及一种基于端元信息模型有效估算土壤和植被蒸散发的方法。
背景技术
蒸散发(ET)是水循环与地表能量平衡的重要组成部分,决定了土壤-植被-大气系统中的水、热传输,其定量估算在水文学、气象学、农学、地学等学科研究中,都发挥着重要的作用。而遥感技术从技术性、经济性和实效性等方面来看,被认为是获得地球表面区域尺度蒸散发分布唯一可行的方法。
目前,已发展的遥感蒸散发估算模型有一源模型、双源模型和地表温度-植被指数三角形/梯形模型(Kalma et al.,2008;Li et al.,2009;Wang&Dickson,2012)。相比一源模型,双源模型分别考虑了蒸散发中土壤和植被的源和汇,具有更为严格的物理意义,精度更高,但通常需要复杂的阻抗计算。目前,由遥感地表温度(或温差,或归一化地表温度)﹣植被指数/反照率(NDVI、土壤调节植被指数(SAVI)、归一化的NDVI、植被覆盖率(Fr)和地表反照率)信息模型进行地表蒸散发的遥感估算,通常只需要遥感数据和少量气象数据作为输入,模型简单,已得到了广泛的应用。
为了分别考虑土壤蒸发(ETs)和植被蒸腾(ETv),Nishida等(2003)提出了基于极限端元信息的双源模型,利用实际蒸散发和潜在蒸发的互补关系和冠层导度模型考虑大气效应来估算植被蒸腾。为了规避Nishida模型中冠层导度的计算,Zhang等(2005)提出了通过插值方法来估算蒸发比的算法。Long&Singh(2012)发展了双源端元模型来分别计算下垫面地表土壤和植被的温度和蒸散发。Yang等(2015)结合双源端元模型和作物缺水指数提高了土壤蒸发和植被蒸腾的估算精度。
对基于端元模型来说,关键是如何确定干湿端元和位于端元像元之间的蒸散发(ET)或蒸发比(EF)。通常,干限地表温度的确定有两种方法:一是通过二维散点图半经验确定,二是利用地表能量平衡理论确定;湿限则通过地表气温或者水分含量充足像元的地表温度确定,如果下垫面处于明显缺水状态,用近地表气温确定湿限将明显产生高估现象。通常,模型中混合地表温度则通过假定含水量从0-1变化过程中,含水量等值线上土壤和植被温度相等来进行两者温度的分解;土壤和植被蒸发比分别通过梯形空间中地表温度和植被温度的近似线性变化来估算,这种分解方法使得土壤和植被的蒸发比计算结果近似相等。
而在自然环境中,下垫面土壤和植被截获太阳辐射能量的能力不同;同时土壤含水量对土壤蒸发的响应和对植被蒸腾的响应过程存在差异,土壤蒸发主要受土壤表层含水量影响,而植被蒸腾则主要利用根区土壤水分。通常情况土壤表层相比深层根区土壤会提前变干,而植被一直处于潜在蒸散直至深层根区受到水分胁迫而导致蒸散量减小(Carlson,2013)。但是大多数基于端元信息模型中,在确定土壤和植被蒸散发的极限过程时并没有考虑这些差异,使得模型的估算结果存在不确定性。
发明内容
为了解决上述技术问题中的不足之处,本发明提供了一种基于端元信息模型有效估算土壤和植被蒸散发的方法。
为了解决上述技术问题,本发明采用的技术方案是:一种基于端元信息模型估算土壤和植被蒸散发的方法,包括以下步骤:
步骤1:确定基于端元信息模型的结构,建立基于端元信息模型,初步构建基于端元信息模型的输入数据集;
基于端元信息模型包括一条湿边和两条干边,基于端元信息模型的定义过程为:当土壤表层和根区含水量充足时,土壤和植被均处于最大蒸发,对应状态定义为“湿边”;当土壤表层含水量为0,土壤蒸发为0,而植被仍处于潜在蒸发的临界状态定义为“干边I”,即土壤干边;当土壤表层含水量为0,根区含水量开始减少,植被蒸腾减小,直至为0的临界状态定义为“干边II”,即植被干边;
所述基于端元信息模型根据土壤和植被的含水量和蒸散发的极限值,定义以下四个极限端元:
1)干燥裸土端元,表层土壤含水量为0,蒸散为0;
2)干燥植被端元,表层和根区土壤含水量为0,蒸散为0;
3)湿润裸土端元,处于潜在蒸散;
4)湿润植被端元,处于潜在蒸散;
所述基于端元信息模型中,进行极限端元温度计算之前,首先需要进行土壤和植被系统中土壤和植被组分能量的分解,根据各自组分分解得到的能量进行各端元温度的计算。
步骤2:根据土壤-植被系统的能量平衡方程,
Rn-G-H-LE=0 (1)
进行基于端元信息模型中土壤-植被系统中能量平衡各分项在土壤和植被中的分解运算;其中,Rn,G,H和LE分别为地表净辐射、土壤热通量、感热通量和潜热通量(蒸散发的能量表述形式),单位均为W/m2;
各能量通量的土壤和植被组分分解步骤为:
步骤2011:将净辐射分解为土壤净辐射Rn,s和植被净辐射Rn,v,
Rn=Rn,s+Rn,v (2)
步骤2012:土壤热通量仅为土壤中能量,
G=Gs (3)
步骤2013:将感热通量分解为土壤感热通量Hs和植被感热通量Hv,
H=Hs+Hv (4)
步骤2014:将潜热通量分解为土壤潜热通量LEs和植被潜热通量LEv,
LE=LEs+LEv (5)
其中,上述公式的下标s和v分别表示土壤和植被组分;
步骤3:利用地表能量平衡理论和Penman-Monteith方程,计算基于端元信息模型四个极限端元的地表温度,具体包括以下步骤:
步骤3011:在步骤2011分解得到土壤组分净辐射Rn,s和步骤2012得到土壤热通量Gs的基础上,计算干燥裸土端元的温度Tsd,
步骤3012:在步骤2011分解得到的植被组分净辐射Rn,v的基础上,计算干燥植被端元的温度Tvd,
步骤3013:在步骤2011分解得到土壤组分净辐射Rn,s和步骤2012得到土壤热通量Gs的基础上,计算湿润土壤端元的温度Tsw,
步骤3014:在步骤2011分解得到植被组分净辐射Rn,v的基础上,计算水分充足植被端元的温度Tvw,
其中,ρ为空气密度(kg/m3);Cp是定压比热(J/(m·K)).;γ为干湿球常数(kPa/℃);Δ为饱和水汽压差对温度的斜率(kPa/℃);VPD为水气压亏缺(kPa);Ta为近地表气温(K);rvw和rvd分别为供水充足和干燥的植被冠层阻抗(s/m);rav和ras分别为植被和土壤上层的空气动力学阻抗(s/m),
其中,k为von karman常数;u为风速(m/s);zu和zt分别为风速和空气温度的测量高度(m);Ψm和Ψh分别为动量和热量稳定度校正函数;d为零平面位移(m);zom是地表动量粗糙度(m);zoh是热量传输粗糙度(m);
对于rav,d=0.67h,zom=0.1h,zoh=0.1zom,h为植被高度;
对于ras,d≈0m,zom=0.005m,zoh=0.0005m;
步骤4:在步骤3得到四个极限端元的地表温度的基础上,估算基于端元信息模型中位于四个极限端元之间下垫面土壤和植被的温度和蒸散发,最终得到研究区所有像元土壤和植被的温度和蒸散发值。
上述步骤4中估算下垫面土壤和植被的温度和蒸散发的步骤如下:
步骤4011:根据步骤3011-3014得到的四个极限端元的温度中,Tsd和Tvd分别代表土壤和植被温度的最大值,Tsw和Tvw代表土壤和植被温度的最小值,位于四个极限端元之间的部分植被覆盖的地表的温度则处于该最大值和最小值之间,计算步骤为:
(a)首先计算植被覆盖率(Fv),
其中NDVImin和NDVImax分别为对应裸土的最小NDVI以及对应全植被覆盖的最大NDVI,研究中通常分别设定为0.2和0.86;
(b)通过Tsd,Tvw和Fv可以定义土壤表层含水量为0,植被开始受水分胁迫像元的临界地表温度(T*),
步骤4012:当遥感影像像元的地表温度低于或者等于临界地表温度时(TR≤T*),土壤蒸发处于0到潜在蒸发值之间,植被处于潜在蒸发;
(a)给定遥感反演的混合地表温度(TR),假定土壤蒸发随土壤温度线性变化,分别计算植被和土壤组分的温度:
Tv=Tvw (13)
(b)分别计算植被和土壤组分的潜热通量(LEv和LEs):
当遥感影像像元的地表温度低于或者等于临界地表温度时,通过该步骤可得到像元的植被和土壤组分的温度和潜热通量,该像元对应的状态中植被处于潜在蒸发,而土壤蒸发处于最大值和0之间。
步骤4013:当遥感影像像元的地表温度高于或者等于临界温度时(TR≥T*),土壤表层没有可利用水供给土壤蒸发,土壤蒸发为0,植被组分在缺水胁迫状态下进行蒸腾;
(a)假定植被蒸腾随着植被温度的变化而线性变化,分别计算该状态下对应的植被和土壤温度:
Ts=Tsd (17)
(b)分别计算该状态下对应的植被和土壤的潜热通量(LEv和LEs):
LEs=LEsd=0 (20)
当遥感影像像元的地表温度高于或者等于临界地表温度时,通过该步骤可得到像元的植被和土壤组分的温度和潜热通量,该像元对应的状态中土壤蒸发已减小为0,而植被受水分胁迫,蒸发处于最大值和0之间。
步骤1中基于端元信息模型的输入数据集,具体包括植被参数(例如植被高度、叶面积指数)、气象数据(例如大气温度、饱和水汽压、入射太阳短波辐射、下行长波辐射)和遥感数据(例如MODIS的LAI数据、反射率、归一化植被指数、地表温度)。
本发明主要发展了基于土壤和植被能量分配来估算土壤和植被能量通量的方法,考虑下垫面表层含水量和根区含水量对土壤蒸发和植被蒸腾的不同响应过程,估算下垫面地表土壤和植被的温度和蒸散发。
本发明具有以下有益效果:能够有效考虑下垫面表层含水量和根区含水量对土壤蒸发和植被蒸腾的不同响应过程,提高估算下垫面地表土壤和植被蒸散发的精度。
附图说明
下面结合附图和具体实施方式对本发明作进一步的详细说明。
图1是本发明利用基于端元信息模型估算地表蒸散发的流程图。
图2是本发明基于端元信息模型的示意图。
具体实施方式
如图1、图2所示,本发明包括以下步骤:
步骤1:确定基于端元信息模型的结构,建立基于端元信息模型,初步构建基于端元信息模型的输入数据集;
本发明基于端元信息模型包括一条湿边和两条干边,基于端元信息模型的定义过程为:当土壤表层和根区含水量充足时,土壤和植被均处于最大蒸发,对应状态定义为“湿边”;当土壤表层含水量为0,土壤蒸发为0,而植被仍处于潜在蒸发的临界状态定义为“干边I”,即土壤干边;当土壤表层含水量为0,根区含水量开始减少,植被蒸腾减小,直至为0的临界状态定义为“干边II”,即植被干边;
对于基于端元信息模型结构的确定,根据蒸散发随土壤含水量的动态变化可以分为两个步骤:
步骤1011:从湿边到干边I,对于给定大气强迫下的植被覆盖率,表层土壤含水量从充足降低为0,土壤蒸发从最大减小为0。在这一地表变干的过程中,由于周边土壤水的再补充,根区土壤含水量依旧保持充足,植被冠层一直处于潜在蒸发,土壤-植被系统的蒸散发亏损主要源于土壤蒸发。
步骤1012:从干边I到干边II,土壤表层可利用水为0,根区土壤可利用水从1到0变化,植被开始缺水,逐渐达到萎蔫点。在该深度变干的过程中,土壤蒸发一直为0,深层土壤根区用于植被蒸腾的水分越来越少,植被蒸腾从潜在值减小为0,土壤-植被系统的蒸散发亏损仅仅源于植被蒸腾作用。
基于端元信息模型根据土壤和植被的含水量和蒸散发的极限值,定义以下四个极限端元:
1)干燥裸土端元,表层土壤含水量为0,蒸散为0;
2)干燥植被端元,表层和根区土壤含水量为0,蒸散为0;
3)湿润裸土端元,处于潜在蒸散;
4)湿润植被端元,处于潜在蒸散;
上述的输入数据集中,包括植被参数(例如植被高度、叶面积指数)、气象数据(例如大气温度、饱和水汽压、入射太阳短波辐射、下行长波辐射)和遥感数据(例如MODIS的叶面积指数数据、反射率、归一化植被指数、地表温度),各类数据的用途和计算流程如图1所示。
进行极限端元温度计算之前,首先需要进行土壤和植被系统中土壤和植被组分能量的分解,根据各自组分分解得到的能量进行各端元温度的计算。
步骤2:根据土壤-植被系统的能量平衡方程,
Rn-G-H-LE=0 (1)
进行基于端元信息模型中土壤-植被系统中能量平衡各分项在土壤和植被中的分解运算;其中,Rn,G,H和LE分别为地表净辐射、土壤热通量、感热通量和潜热通量(蒸散发的能量表述形式),单位均为W/m2;
各能量通量的土壤和植被组分分解步骤为:
步骤2011:将净辐射分解为土壤净辐射Rn,s和植被净辐射Rn,v,
Rn=Rn,s+Rn,v (2)
步骤2012:土壤热通量仅为土壤中能量,
G=Gs (3)
步骤2013:将感热通量分解为土壤感热通量Hs和植被感热通量Hv,
H=Hs+Hv (4)
步骤2014:将潜热通量(蒸散发的能量表达形式)分解为土壤潜热通量LEs和植被潜热通量LEv,
LE=LEs+LEv (5)
其中,上述公式的下标s和v分别表示土壤和植被组分;
步骤3:利用地表能量平衡理论和Penman-Monteith方程,计算基于端元信息模型四个极限端元(参考图2)的地表温度,具体包括以下步骤:
步骤3011:在步骤2011分解得到的土壤组分净辐射Rn,s和步骤2012得到的土壤热通量Gs的基础上,计算干燥裸土端元(参考图2点A)的温度Tsd,
步骤3012:在步骤2011分解得到的植被组分净辐射Rn,v的基础上,计算干燥植被端元(参考图2点B)的温度Tvd,
步骤3013:在步骤2011分解得到的土壤组分净辐射Rn,s和步骤2012得到的土壤热通量Gs的基础上,计算湿润土壤端元(参考图2点C)的温度Tsw,
步骤3014:在步骤2011分解得到的植被组分净辐射Rn,v的基础上,计算水分充足植被端元(参考图2点D)的温度Tvw,
其中,ρ为空气密度(kg/m3);Cp是定压比热(J/(m·K));γ为干湿球常数(kPa/℃);Δ为饱和水汽压差对温度的斜率(kPa/℃);VPD为水气压亏缺(kPa);Ta为近地表气温(K);rvw和rvd分别为供水充足和干燥的植被冠层阻抗(s/m);rav和ras分别为植被和土壤上层的空气动力学阻抗(s/m),
其中,k为von karman常数;u为风速(m/s);zu和zt分别为风速和空气温度的测量高度(m);Ψm和Ψh分别为动量和热量稳定度校正函数;d为零平面位移(m);zom是地表动量粗糙度(m);zoh是热量传输粗糙度(m);
对于rav,d=0.67h,zom=0.1h,zoh=0.1zom,h为植被高度;
对于ras,d≈0m,zom=0.005m,zoh=0.0005m;
步骤4:在步骤3得到四个极限端元的地表温度的基础上,估算基于端元信息模型中位于四个极限端元之间下垫面土壤和植被温度和蒸散发,得到研究区所有像元土壤和植被的温度和蒸散发值,具体步骤如下:
步骤4011:根据步骤3011-3014得到的四个极限端元的温度中,Tsd和Tvd分别代表土壤和植被温度的最大值,Tsw和Tvw代表土壤和植被温度的最小值,位于四个极限端元之间的部分植被覆盖地表的温度则处于该最大值和最小值之间,计算步骤为:
(a)首先计算植被覆盖率(Fv),
其中NDVImin和NDVImax分别为对应裸土的最小NDVI以及对应全植被覆盖的最大NDVI,研究中分别设为0.2和0.86;
(b)通过Tsd,Tvw和Fv可以定义土壤表层含水量为0,植被开始受水分胁迫像元的临界地表温度(T*),
步骤4012:当遥感影像像元的地表温度低于或者等于临界地表温度时(TR≤T*),土壤蒸发处于0到潜在值之间,植被处于潜在蒸发;
(a)给定遥感反演的混合地表温度(TR),假定土壤蒸发随土壤温度线性变化,分别计算植被和土壤组分的温度:
Tv=Tvw (13)
(b)分别计算植被和土壤组分的潜热通量(LEv和LEs):
当遥感影像像元的地表温度低于或者等于临界地表温度时,通过该步骤可得到像元的植被和土壤组分的温度和潜热通量,该像元对应的状态中植被处于潜在蒸发,而土壤蒸发处于最大值和0之间。
步骤4013:当遥感影像像元的地表温度高于或者等于临界温度时(TR≥T*),土壤表层没有可利用水供给土壤蒸发,土壤蒸发为0,植被组分在缺水胁迫状态下进行蒸腾;
(a)假定植被蒸腾随着植被温度的变化而线性变化,分别计算该状态下对应的植被和土壤温度:
Ts=Tsd (17)
(b)分别计算该状态下对应的植被和土壤的潜热通量(LEv和LEs):
LEs=LEsd=0 (20)
当遥感影像像元的地表温度高于或者等于临界地表温度时,通过该步骤可得到像元的植被和土壤组分的温度和潜热通量,该像元对应的状态中土壤蒸发已减小为0,而植被受水分胁迫,蒸发处于最大值和0之间。
此外,本发明在已得到净辐射、土壤热通量和潜热通量的前提下,土壤和冠层组分的感热通量通过能量平衡公式(公式1)得到。
本发明基于端元信息模型有如下特点:1)基于像元尺度计算植被端元的温度时考虑了不同像元不同植被高度的影响;2)模型基于以下假设的规则:植被一直处于潜在蒸发直到土壤蒸发降低为0,定义了临界温度T*避免了N95模型的交替过程;3)通过干湿端元之间的线性插值估算土壤和植被温度和蒸散发,规避了普通双源模型复杂的阻抗计算过程4)基于三角特征空间的概念模型,常常需要研究区的植被覆盖率和可利用水变化范围较大,由于该模型基于四个假设端元逐像元计算,因此该条件不作为必需条件;5)模型的理论原则为下垫面表层含水量和根区土壤含水量分别影响土壤蒸发和植被蒸腾。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (3)
1.一种基于端元信息模型估算土壤和植被蒸散发的方法,包括以下步骤:
步骤1:确定基于端元信息模型的结构,建立基于端元信息模型,初步构建基于端元信息模型的输入数据集;
所述基于端元信息模型包括一条湿边和两条干边,基于端元信息模型的定义过程为:当土壤表层和根区含水量充足时,土壤和植被均处于最大蒸发,对应状态定义为“湿边”;当土壤表层含水量为0,土壤蒸发为0,而植被仍处于潜在蒸发的临界状态定义为“干边I”,即土壤干边;当土壤表层含水量为0,根区含水量开始减少,植被蒸腾减小,直至为0的临界状态定义为“干边II”,即植被干边;
所述基于端元信息模型根据土壤和植被的含水量和蒸散发的极限值,定义以下四个极限端元:
1)干燥裸土端元,表层土壤含水量为0,蒸散为0;
2)干燥植被端元,表层和根区土壤含水量为0,蒸散为0;
3)湿润裸土端元,处于潜在蒸散;
4)湿润植被端元,处于潜在蒸散;
所述基于端元信息模型中,进行极限端元温度计算之前,首先需要进行土壤和植被系统中土壤和植被组分能量的分解,根据各自组分分解得到的能量进行各端元温度的计算。
步骤2:根据土壤-植被系统的能量平衡方程,
Rn-G-H-LE=0 (1)
进行基于端元信息模型中土壤-植被系统中能量平衡各分项在土壤和植被中的分解运算;其中,Rn,G,H和LE分别为地表净辐射、土壤热通量、感热通量和潜热通量(蒸散发的能量表述形式),单位均为W/m2;
各能量通量的土壤和植被组分分解步骤为:
步骤2011:将净辐射分解为土壤净辐射Rn,s和植被净辐射Rn,v,
Rn=Rn,s+Rn,v (2)
步骤2012:土壤热通量仅为土壤中能量,
G=Gs (3)
步骤2013:将感热通量分解为土壤感热通量Hs和植被感热通量Hv,
H=Hs+Hv (4)
步骤2014:将潜热通量分解为土壤潜热通量LEs和植被潜热通量LEv,
LE=LEs+LEv (5)
其中,上述公式的下标s和v分别表示土壤和植被组分;
步骤3:在步骤2进行土壤和植被组分能量分解的基础上,利用地表能量平衡理论和Penman-Monteith方程,计算基于端元信息模型四个极限端元的地表温度,具体包括以下步骤:
步骤3011:在步骤2011分解得到土壤组分净辐射Rn,s和步骤2012得到土壤热通量Gs的基础上,计算干燥裸土端元的温度Tsd,
步骤3012:在步骤2011分解得到植被组分净辐射Rn,v的基础上,计算干燥植被端元的温度Tvd,
步骤3013:在步骤2011分解得到的土壤组分净辐射Rn,s和步骤2012得到土壤热通量Gs的基础上,计算湿润土壤端元的温度Tsw,
步骤3014:在步骤2011分解得到植被组分净辐射Rn,v的基础上,计算水分充足植被端元的温度Tvw,
其中,ρ为空气密度(kg/m3);Cp是定压比热(J/(m·K));γ为干湿球常数(kPa/℃);Δ为饱和水汽压差对温度的斜率(kPa/℃);VPD为水气压亏缺(kPa);Ta为近地表气温(K);rvw和rvd分别为供水充足和干燥的植被冠层阻抗(s/m);rav和ras分别为植被和土壤上层的空气动力学阻抗(s/m),
其中,k为von karman常数;u为风速(m/s);zu和zt分别为风速和空气温度的测量高度(m);Ψm和Ψh分别为动量和热量稳定度校正函数;d为零平面位移(m);zom是地表动量粗糙度(m);zoh是热量传输粗糙度(m);
对于rav,d=0.67h,zom=0.1h,zoh=0.1zom,h为植被高度;
对于ras,d≈0m,zom=0.005m,zoh=0.0005m;
步骤4:在步骤3得到四个极限端元的地表温度的基础上,估算基于端元信息模型中位于四个极限端元之间像元对应下垫面的土壤和植被的温度和蒸散发,最终得到研究区所有像元土壤和植被的温度和蒸散发值。
2.根据权利要求1所述的基于端元信息模型估算土壤和植被蒸散发的方法,其特征在于:所述步骤4中估算下垫面土壤和植被温度和蒸散发的步骤如下:
步骤4011:根据步骤3011-3014得到的四个极限端元的温度中,Tsd和Tvd分别代表土壤和植被温度的最大值,Tsw和Tvw代表土壤和植被温度的最小值,位于四个极限端元之间的部分植被覆盖地表的温度则处于该最大值和最小值之间,计算步骤为:
(a)首先计算植被覆盖率(Fv),
其中NDVImin和NDVImax分别为对应裸土的最小NDVI以及对应全植被覆盖的最大NDVI,研究中通常分别设定为0.2和0.86;
(b)通过Tsd,Tvw和Fv可以定义土壤表层含水量为0,植被开始受水分胁迫像元的临界地表温度(T*),
步骤4012:当遥感影像像元的地表温度低于或者等于临界地表温度时(TR≤T*),土壤蒸发处于0到潜在值之间,植被处于潜在蒸发;
(a)给定遥感反演的混合地表温度(TR),假定土壤蒸发随土壤温度线性变化,分别计算植被和土壤组分的温度:
Tv=Tvw (13)
(b)分别计算植被和土壤组分的潜热通量(LEv和LEs):
当遥感影像像元的地表温度低于或者等于临界地表温度时,通过该步骤即可得到像元中植被和土壤组分的温度和潜热通量,该像元对应的状态中植被处于潜在蒸发,而土壤蒸发处于最大值和0之间;
步骤4013:当遥感影像像元的地表温度高于或者等于临界温度时(TR≥T*),土壤表层没有可利用水供给土壤蒸发,土壤蒸发为0,植被组分在缺水胁迫状态下进行蒸腾;
(a)假定植被蒸腾随着植被温度的变化而线性变化,分别计算该状态下对应的植被和土壤温度:
Ts=Tsd (17)
(b)分别计算该状态下对应的植被和土壤的潜热通量(LEv和LEs):
LEs=LEsd=0 (20)
当遥感影像像元的地表温度高于或者等于临界地表温度时,通过该步骤即可得到像元的植被和土壤组分的温度和潜热通量,该像元对应的状态中土壤蒸发已减小为0,而植被受水分胁迫,蒸发处于最大值和0之间。
3.根据权利要求1所述的基于端元信息模型估算土壤和植被蒸散发的方法,其特征在于:所述步骤1中基于端元信息模型的输入数据集,具体包括植被参数、气象数据和遥感数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611234428.8A CN106771073B (zh) | 2016-12-28 | 2016-12-28 | 一种基于端元信息模型估算土壤和植被蒸散发的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611234428.8A CN106771073B (zh) | 2016-12-28 | 2016-12-28 | 一种基于端元信息模型估算土壤和植被蒸散发的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106771073A true CN106771073A (zh) | 2017-05-31 |
CN106771073B CN106771073B (zh) | 2018-10-26 |
Family
ID=58924531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611234428.8A Active CN106771073B (zh) | 2016-12-28 | 2016-12-28 | 一种基于端元信息模型估算土壤和植被蒸散发的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106771073B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063330A (zh) * | 2018-08-02 | 2018-12-21 | 中国科学院地理科学与资源研究所 | 考虑土壤水分影响的地表温度降尺度方法 |
CN109142674A (zh) * | 2018-08-02 | 2019-01-04 | 中国科学院地理科学与资源研究所 | 根区与表层相对土壤水分同时估算的遥感反演方法 |
CN109271605A (zh) * | 2018-10-12 | 2019-01-25 | 中国科学院地理科学与资源研究所 | 高空间分辨率遥感地表温度数据计算方法与装置 |
CN110321784A (zh) * | 2019-05-08 | 2019-10-11 | 中国科学院地理科学与资源研究所 | 土壤水分估算的方法、装置、电子设备和计算机介质 |
CN110334381A (zh) * | 2019-05-08 | 2019-10-15 | 中国科学院地理科学与资源研究所 | 蒸散发估算的方法、装置和计算机介质 |
CN110472281A (zh) * | 2019-07-11 | 2019-11-19 | 北京师范大学 | 一种估算时空连续地表水热通量的数据同化方法 |
CN110658325A (zh) * | 2019-09-29 | 2020-01-07 | 中国矿业大学(北京) | 一种确定sm监测中lst/fvc空间的方法 |
CN111553459A (zh) * | 2020-03-26 | 2020-08-18 | 北京大学 | 一种基于遥感信息的灌溉地区逐日实际蒸散发估算方法 |
CN112014323A (zh) * | 2020-08-31 | 2020-12-01 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发的遥感反演方法及系统 |
CN112699621A (zh) * | 2021-01-14 | 2021-04-23 | 中国科学院地理科学与资源研究所 | 一种考虑下垫面条件变化的潜在蒸散发估算方法 |
CN114693049A (zh) * | 2020-12-31 | 2022-07-01 | 南开大学 | 一种基于遥感的三源城市蒸散发模型(tru)的构建方法 |
CN114692378A (zh) * | 2020-12-31 | 2022-07-01 | 南开大学 | 一种Tm-fc梯形框架内极端温度组合的计算方法 |
CN117611993A (zh) * | 2023-11-09 | 2024-02-27 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于遥感实际蒸散发估算植被分类的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176002A (zh) * | 2010-12-30 | 2011-09-07 | 中国科学院地理科学与资源研究所 | 基于地表水热通量遥感反演的干旱监测方法及系统 |
CN102253184A (zh) * | 2011-06-29 | 2011-11-23 | 南京信息工程大学 | 一种针对干旱半干旱地区的地表蒸散遥感反演方法 |
CN103810387A (zh) * | 2014-02-13 | 2014-05-21 | 中国科学院地理科学与资源研究所 | 基于modis数据的地表蒸散发全遥感反演方法及系统 |
CN105628618A (zh) * | 2015-12-21 | 2016-06-01 | 中国矿业大学(北京) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 |
US20160314586A1 (en) * | 2015-04-27 | 2016-10-27 | Kristin Lavigne | System and Method for Managing Water |
CN106169014A (zh) * | 2016-06-15 | 2016-11-30 | 中国水利水电科学研究院 | 基于遥感数据的区域地表感热/潜热通量反演方法及系统 |
-
2016
- 2016-12-28 CN CN201611234428.8A patent/CN106771073B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176002A (zh) * | 2010-12-30 | 2011-09-07 | 中国科学院地理科学与资源研究所 | 基于地表水热通量遥感反演的干旱监测方法及系统 |
CN102253184A (zh) * | 2011-06-29 | 2011-11-23 | 南京信息工程大学 | 一种针对干旱半干旱地区的地表蒸散遥感反演方法 |
CN103810387A (zh) * | 2014-02-13 | 2014-05-21 | 中国科学院地理科学与资源研究所 | 基于modis数据的地表蒸散发全遥感反演方法及系统 |
US20160314586A1 (en) * | 2015-04-27 | 2016-10-27 | Kristin Lavigne | System and Method for Managing Water |
CN105628618A (zh) * | 2015-12-21 | 2016-06-01 | 中国矿业大学(北京) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 |
CN106169014A (zh) * | 2016-06-15 | 2016-11-30 | 中国水利水电科学研究院 | 基于遥感数据的区域地表感热/潜热通量反演方法及系统 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063330A (zh) * | 2018-08-02 | 2018-12-21 | 中国科学院地理科学与资源研究所 | 考虑土壤水分影响的地表温度降尺度方法 |
CN109142674A (zh) * | 2018-08-02 | 2019-01-04 | 中国科学院地理科学与资源研究所 | 根区与表层相对土壤水分同时估算的遥感反演方法 |
CN109063330B (zh) * | 2018-08-02 | 2022-11-22 | 中国科学院地理科学与资源研究所 | 考虑土壤水分影响的地表温度降尺度方法 |
CN109271605A (zh) * | 2018-10-12 | 2019-01-25 | 中国科学院地理科学与资源研究所 | 高空间分辨率遥感地表温度数据计算方法与装置 |
CN109271605B (zh) * | 2018-10-12 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 高空间分辨率遥感地表温度数据计算方法与装置 |
CN110334381B (zh) * | 2019-05-08 | 2021-02-12 | 中国科学院地理科学与资源研究所 | 蒸散发估算的方法、装置和计算机存储介质 |
CN110334381A (zh) * | 2019-05-08 | 2019-10-15 | 中国科学院地理科学与资源研究所 | 蒸散发估算的方法、装置和计算机介质 |
CN110321784B (zh) * | 2019-05-08 | 2021-05-11 | 中国科学院地理科学与资源研究所 | 土壤水分估算的方法、装置、电子设备和计算机介质 |
CN110321784A (zh) * | 2019-05-08 | 2019-10-11 | 中国科学院地理科学与资源研究所 | 土壤水分估算的方法、装置、电子设备和计算机介质 |
CN110472281A (zh) * | 2019-07-11 | 2019-11-19 | 北京师范大学 | 一种估算时空连续地表水热通量的数据同化方法 |
CN110658325A (zh) * | 2019-09-29 | 2020-01-07 | 中国矿业大学(北京) | 一种确定sm监测中lst/fvc空间的方法 |
CN111553459A (zh) * | 2020-03-26 | 2020-08-18 | 北京大学 | 一种基于遥感信息的灌溉地区逐日实际蒸散发估算方法 |
CN111553459B (zh) * | 2020-03-26 | 2021-10-12 | 北京大学 | 一种基于遥感信息的灌溉地区逐日实际蒸散发估算方法 |
CN112014323A (zh) * | 2020-08-31 | 2020-12-01 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发的遥感反演方法及系统 |
CN112014323B (zh) * | 2020-08-31 | 2021-07-20 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发的遥感反演方法及系统 |
CN114693049A (zh) * | 2020-12-31 | 2022-07-01 | 南开大学 | 一种基于遥感的三源城市蒸散发模型(tru)的构建方法 |
CN114692378A (zh) * | 2020-12-31 | 2022-07-01 | 南开大学 | 一种Tm-fc梯形框架内极端温度组合的计算方法 |
CN112699621A (zh) * | 2021-01-14 | 2021-04-23 | 中国科学院地理科学与资源研究所 | 一种考虑下垫面条件变化的潜在蒸散发估算方法 |
CN117611993A (zh) * | 2023-11-09 | 2024-02-27 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于遥感实际蒸散发估算植被分类的方法 |
CN117611993B (zh) * | 2023-11-09 | 2024-05-14 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于遥感实际蒸散发估算植被分类的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106771073B (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106771073B (zh) | 一种基于端元信息模型估算土壤和植被蒸散发的方法 | |
De Bruin | A simple model for shallow lake evaporation | |
Emanuel | Self-stratification of tropical cyclone outflow. Part II: Implications for storm intensification | |
Vizy et al. | Mechanisms by which Gulf of Guinea and eastern North Atlantic sea surface temperature anomalies can influence African rainfall | |
Bonan | The land surface climatology of the NCAR Land Surface Model coupled to the NCAR Community Climate Model | |
Gao et al. | Estimation of daily actual evapotranspiration from remotely sensed data under complex terrain over the upper Chao river basin in North China | |
CN105628618B (zh) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 | |
CN106354992B (zh) | 基于多时相遥感影像和dem的湖泊水量蓄变量评估方法 | |
Baker et al. | Surface ecophysiological behavior across vegetation and moisture gradients in tropical South America | |
CN105841847B (zh) | 一种估算地表潜热通量的方法 | |
Yu et al. | Satellite observations of the seasonal vegetation growth in central Asia: 1982-1990 | |
CN110321784A (zh) | 土壤水分估算的方法、装置、电子设备和计算机介质 | |
CN108827963A (zh) | 基于多尺度热惯量模型反演的土壤表层含水量测算方法 | |
CN109063330A (zh) | 考虑土壤水分影响的地表温度降尺度方法 | |
Zolotokrylin et al. | A new approach to the monitoring of desertification centers | |
CN109142674A (zh) | 根区与表层相对土壤水分同时估算的遥感反演方法 | |
CN109188465A (zh) | 基于参考像元信息的区域地表蒸散发遥感估算方法 | |
CN109858186B (zh) | 联合光学和热学数据的农田干旱评估方法 | |
Sun et al. | Evapotranspiration estimation in the Yellow River Basin, China using integrated NDVI data | |
Elguindi et al. | RegCM version 4.0 user’s guide | |
Karam et al. | Climatological basin-scale Amazonian evapotranspiration estimated through a water budget analysis | |
Zhang et al. | Change of lake area in the southeastern part of China’s Badain Jaran Sand Sea and its implications for recharge sources | |
Zhu et al. | Projection of summer precipitation over the southeastern United States in the superparameterized CCSM4 | |
CN114693049A (zh) | 一种基于遥感的三源城市蒸散发模型(tru)的构建方法 | |
Rind et al. | The role of moisture transport between ground and atmosphere in global change |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180912 Address after: 100101 Beijing city Chaoyang District Datun Road No. 11 Applicant after: Inst of Geographic Science and Resources, Chiense Academy of Sciences Applicant after: Institute of agricultural resources and regional planning, Chinese Academy of Agricultural Sciences Address before: 100101 Beijing city Chaoyang District Datun Road No. 11 Applicant before: Inst of Geographic Science and Resources, Chiense Academy of Sciences |
|
GR01 | Patent grant | ||
GR01 | Patent grant |