CN107843569B - 一种遥感影像中混合像元的日蒸散量的计算方法和系统 - Google Patents

一种遥感影像中混合像元的日蒸散量的计算方法和系统 Download PDF

Info

Publication number
CN107843569B
CN107843569B CN201710993681.XA CN201710993681A CN107843569B CN 107843569 B CN107843569 B CN 107843569B CN 201710993681 A CN201710993681 A CN 201710993681A CN 107843569 B CN107843569 B CN 107843569B
Authority
CN
China
Prior art keywords
pixel
sub
mixed
evaporation ratio
daily
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.)
Active
Application number
CN201710993681.XA
Other languages
English (en)
Other versions
CN107843569A (zh
Inventor
辛晓洲
李福根
彭志晴
矫京均
柳钦火
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Institute of Remote Sensing and Digital Earth of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Remote Sensing and Digital Earth of CAS filed Critical Institute of Remote Sensing and Digital Earth of CAS
Priority to CN201710993681.XA priority Critical patent/CN107843569B/zh
Publication of CN107843569A publication Critical patent/CN107843569A/zh
Application granted granted Critical
Publication of CN107843569B publication Critical patent/CN107843569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明提供一种遥感影像中混合像元的日蒸散量的计算方法和系统，包括：S1，根据遥感影像中每一混合像元中同一地类对应的亚像元占整个混合像元的面积比与每一混合像元中同一地类对应的亚像元的蒸发比，获取每一混合像元的蒸发比；S2，根据每一混合像元的蒸发比与日累计的有效能，获取混合像元的日蒸散量。本发明将混合像元中的不同地类对蒸散的贡献结合起来，求得整个混合像元的蒸发比并，并将混合像元的蒸发比与日累计的有效能求积，从而实现遥感瞬时蒸发在时间尺度上的扩展，求得遥感混合像元的日蒸散量。本发明提高了遥感技术对于非均匀地表日蒸散量估算的精确度，可以更好的分析植物的生长发育、大气环流，且有利于区域水资源的管理。

Description

一种遥感影像中混合像元的日蒸散量的计算方法和系统
技术领域
本发明涉及地表蒸散的遥感估算领域，更具体地，涉及一种遥感影像中混合像元的日蒸散量的计算方法和系统。
背景技术
蒸散是地球-大气水分循环过程中的重要环节，是地表蒸发和作物蒸腾的总称。蒸散既是水量平衡的主要分量，又是能量平衡的重要组成部分，同时也是陆地表层能量循环、水循环和碳循环中最难估算的分量之一，涉及气象、水文和农业等多种学科的融合。
常规的陆地表层蒸散的仪器测量方法往往局限于某个点，这样只能代表观测点附近很小的范围，而实际应用中需要了解较大空间尺度范围内的蒸散情况。遥感技术的发展实现了在较短的时间内覆盖地球表面较大的区域，且作为与蒸散直接相关的潜热通量和显热通量的参数变量也可以通过遥感手段估算出来，因此遥感技术目前被学术界公认为几乎是估算区域地表蒸散唯一有效且最经济实用的技术手段。
利用遥感技术估算蒸散也存在一定的局限性。现有的遥感估算蒸散参数化方案，其植被几何、生理等参数都是在比较均匀的局地尺度上定义和观测的；而现实中，地表土壤特性、植被分布以及云和降水都是非均匀分布的，这些非均匀分布往往对蒸散产生非均匀的影响。这些影响说明了蒸散具有极强的空间变异性，因此当均匀地表的假设被应用到非均匀地表或较大尺度时，会出现较大的误差，产生尺度效应。
现有技术中主要采用温度降尺寸法、面积加权法和校正因子补偿法来纠正尺度误差，其中温度降尺度法通过植被指数与地表温度形成三角形或梯形特征空间，且植被指数属于可见光-近红外波段，其空间分辨率高于地表温度的空间分辨率，因此可用二者之间的相关性对地表温度进行降尺度；面积加权法常用高分辨率的地表分类数据作为辅助来估算粗糙像元内各个亚像元的水热通量，然后进行面积加权平均得到低分辨率像元内的总水热通量；校正因子法在同时具备参数聚合和通量聚合的结果时，分别加入可能的误差影响因子与前者相乘，从而实现对后者的订正，并将这些影响因子以某种形式相乘，就可以将其综合起来对低分辨率通量进行一定程度的改善或纠正。
现有技术在一定程度上降低了非均匀下垫面对蒸散量估算的影响，但现有技术中对蒸散量的估算并不具备普适性，没有将非均匀下垫面上的各种地类对蒸散的影响准确结合在一起，估算出的蒸散量不够精准，也不利于日尺度蒸散量的求取。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种遥感影像中混合像元的日蒸散量的计算方法和系统。
第一方面，本发明提供一种遥感影像中混合像元的日蒸散量的计算方法，所述混合像元中含有多个亚像元，且每个亚像元对应表示一种地类，所述计算方法包括：
S1，对遥感影像中每一混合像元，根据该混合像元中各亚像元地类占整个混合像元的面积比与各亚像元地类的蒸发比，获取该混合像元的蒸发比；
S2，根据所述每一混合像元的蒸发比与日累计的有效能，获取所述混合像元的日蒸散量；
其中，所述亚像元地类表示对应同一地类的亚像元的集合。
优选地，步骤S1还包括获得每一混合像元中各亚像元地类的蒸发比的步骤，包括：
根据高分辨率遥感分类影像，获取遥感影像中每一混合像元中各亚像元地类占整个混合像元的面积比与各纯像元的位置；
对所述混合像元中的每一种地类，根据所述各纯像元的位置获取与该地类对应且与该混合像元最邻近的纯像元，作为目标纯像元，并求得所述目标纯像元的蒸发比；
根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比。
优选地，所述根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比的步骤，进一步包括：
当所述目标纯像元的个数为一个时，将该目标纯像元的蒸发比的值作为该亚像元地类的蒸发比；
当所述纯像元的个数为多个时，将多个所述目标纯像元的蒸发比的平均值作为该亚像元地类的蒸发比。
优选地，步骤S1中所述混合像元的蒸发比的计算公式为：
Figure BDA0001442076930000031
其中，为所述混合像元的蒸发比，si为亚像元地类i占整个混合像元的面积比，EFi为亚像元地类i的蒸发比。
优选地，步骤S2之前还包括：
根据日累计的地表净辐射通量与日累计的土壤热通量，获取所述日累计的有效能。
优选地，所述日累计的地表净辐射通量的获取步骤包括：
根据下行短波辐射与上行短波辐射的差值，获取地表接收的短波辐射；
根据下行长波辐射与上行长波辐射的差值，获取地表接收的长波辐射；
根据所述地表接收的短波辐射与所述地表接收的长波辐射的和值，获取所述日累计的地表净辐射通量。
优选地，所述日累计的土壤热通量的获取步骤包括：
根据所述日累计的地表净辐射通量与植被覆盖度，获取所述日累计的土壤热通量。
第二方面，本发明提供一种基于上述方法的遥感影像中混合像元的日蒸散量的计算系统，所述计算系统包括：
蒸发比计算模块，用于对遥感影像中每一混合像元，根据该混合像元中各亚像元地类占整个混合像元的面积比与各亚像元地类的蒸发比，获取该混合像元的蒸发比；
日蒸散量计算模块，根据所述每一混合像元的蒸发比与日累计的有效能，获取所述混合像元的日蒸散量。
优选地，所述蒸发比计算模块还包括：
亚像元面积比获取单元，用于根据高分辨率遥感分类影像，获取遥感影像中每一混合像元中各亚像元地类占整个混合像元的面积比与各纯像元的位置；
纯像元蒸发比获取单元，用于对所述混合像元中的每一种地类，根据所述各纯像元的位置获取与该地类对应且与该混合像元最邻近的纯像元，作为目标纯像元，并求得所述目标纯像元的蒸发比；
亚像元蒸发比获取单元，用于根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比。
优选地，所述系统还包括：
有效能获取模块，用于根据日累计的地表净辐射通量与日累计的土壤热通量，获取所述日累计的有效能。
本发明提供的一种遥感影像中混合像元的日蒸散量的计算方法和系统，通过将混合像元中的不同地类对蒸散的贡献区分出来，分别获取混合像元中不同地类的蒸发比，再通过加权求和的方式，求得整个混合像元的蒸发比，并将混合像元的蒸发比与日累计的有效能求积，从而实现遥感瞬时蒸发在时间尺度上的扩展，进而求得整个混合像元的日蒸散量。本发明通过将混合像元中各地类对蒸散的影响结合起来，对空间尺度的进行校正，提高了遥感技术对于非均匀地表遥感日蒸散量估算的精确度，同时将瞬时蒸发比当作日尺度蒸发比的代表值，对时间尺度进行扩展，方便了遥感日尺度蒸散值的计算，从而可以更好的分析植物的生长发育、大气环流，并利于区域水资源的管理。
附图说明
图1为本发明一个实施例的遥感影像中混合像元的日蒸散量的计算方法的流程图；
图2为本发明一个实施例的遥感影像中混合像元的日蒸散量的计算系统的功能图；
图3为本发明一个实施例的遥感影像中混合像元的蒸发比计算模块功能图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参见图1，为本发明一个实施例的遥感影像中混合像元的日蒸散量的计算方法流程图，本领域技术人员知晓，混合像元中含有多个亚像元，且每个亚像元对应表示一种地类，该计算方法包括：S1，对遥感影像中每一混合像元，根据该混合像元中各亚像元地类占整个混合像元的面积比与各亚像元地类的蒸发比，获取该混合像元的蒸发比；S2，根据所述每一混合像元的蒸发比与日累计的有效能，获取所述混合像元的日蒸散量。
具体地，首先通过卫星遥感器获取研究区域的遥感影像，这里的遥感影像是指反映地表上各种地物波谱特性在宏观上的综合影像，可通过不同波段遥感影像上的像元DN值来反演地物的特定参数，是遥感定量表达目标信息的重要技术手段，遥感影像中的区域即为研究区域，是指的是欲利用本发明方法求取蒸散值的目标区域。此外，获取的遥感影像中包括中低分辨率的基于可见光、近红外波段影像反演的蒸散所需地表参数产品影像和高分辨率的地表分类产品影像。
首先对获取的研究区域内的中低分辨率的地表参数产品影像和高分辨率的地表分类产品影像进行几何精校正和配准，使得所用到的所有影像的起始坐标相同并覆盖完全相同区域。对于中低分辨率的地表参数产品影像中的每个像元，都包括多个高分辨率的地表分类产品影像中的像元，则中低分辨率的地表参数产品影像像元中的每个高分辨率的地表分类产品影像像元，可称作亚像元。对于每个亚像元来说，因为其分辨率较高，通常为30米，因此可认为能比较准确地表达亚像元所在下垫面实际代表区域内的地表类型，即每个亚像元都对应表示一种地类。对于中低分辨率地表参数产品影像来说，若是一个像元中的所有亚像元都属于同一种地类，则该像元被称作纯像元；反之，一个像元中的所有亚像元并不都属于同一种地类，则该像元被称作混合像元。亚像元地类表示对应同一地类的亚像元的集合。
由于不同的地类对蒸散都会造成不同的影响，对于混合像元而言，直接估算得到的蒸散量并没有考虑到不同地类对蒸散的影响，会产生严重的尺度效应，使得估算出来的值有较大偏差。本发明实施例通过计算遥感影像中混合像元的每种地类对应的亚像元的蒸发比与每种地类对应的亚像元所占整个混合像元的面积比，进而求得整个混合像元的蒸发比，再通过混合像元的蒸发比与估算得到的混合像元日累计的有效能，求得混合像元的日蒸散量。
需要说明的是，混合像元的日蒸散量等于蒸发比与日累计的有效能的乘积。由于每个混合像元的蒸发比在一天内几乎不变，可以将瞬时间求到的混合像元的蒸发比当作一天的蒸发比，将混合像元的蒸发比与日累计的有效能相乘，得到研究区考虑了不同地表类型的混合像元的日尺度的蒸散量，从而实现遥感瞬时蒸散量在时间尺度上的扩展，为计算遥感日蒸散量打下了基础。
本发明实施例将混合像元中的不同地类区分出来，分别获取混合像元中同一地类对应的亚像元的蒸发比，与同一地类对应的亚像元占整个混合像元的面积比，考虑到空间尺度效应对混合像元的蒸散量造成的影响，通过空间尺度的校正提高了非均匀地表的遥感日蒸散量估算的精确度，同时根据蒸发比的值在一天中几乎不变的特性，实现了对时间尺度进行扩展，即实现了遥感日尺度蒸散值的计算，从而可以更好的分析植物的生长发育、大气环流，并利于区域水资源的管理。
基于上述实施例，作为一种可选的实施例，步骤S1还包括获得每一混合像元中各亚像元地类的蒸发比的步骤，包括：
根据高分辨率遥感分类影像，获取遥感影像中每一混合像元中各亚像元地类占整个混合像元的面积比与各纯像元的位置；
对所述混合像元中的每一种地类，根据所述各纯像元的位置获取与该地类对应且与该混合像元最邻近的纯像元，作为目标纯像元，并求得所述目标纯像元的蒸发比；
根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比。
具体地，本发明实施例中，通过将高分辨率的地表分类产品影像与中低分辨率的地表参数产品影像进行几何精校正与配准，直到两者覆盖完全相同的区域后，通过统计中低分辨率的地表参数产品影像的每个像元中对应的各高分辨率的地表分类产品影像像元所属的地表类型，得出中低分辨率的遥感图像中各像元的地表类型数量，将地表类型数维为1的像元标注为纯像元，将地表类型数维大于1的像元标注为混合像元，其中地表类型数维指的是一个像元中所包含的地类数量，即是该混合像元中包含的地类的个数。
统计每个混合像元中各亚像元所属的地类，由亚像元的定义可知，每个亚像元所占的区域面积是相同的，且每个亚像元都只对应一种地类，因此计算各亚像元地类中亚像元的个数占混合像元中全部亚像元个数的比值，可以得到各亚像元地类占整个混合像元的面积比。
例如，目前可以得到的最高空间分辨率分类数据可达到30m，则该高分辨率影像中每个像元所代表的实际地表面积为30*30㎡；而通过HJ星近红外波段的影像空间分辨率为300m，可知该较低分辨率影像中每个像元所代表的实际面积为300*300㎡。通过将高分辨率的地表分类产品影像与中低分辨率的地表参数产品影像进行几何精校正与配准，直到两者覆盖完全相同的区域后，可知在一个较低分辨率影像像元中可以包含100个高分辨率影像像元，则在一个中低分辨率影像像元中包含了100个亚像元。对于每个亚像元来说，在30*30㎡的地表范围内，可认为能比较准确地表达亚像元所在下垫面实际代表区域内的地表类型。
根据高分辨率分类图，可以分别得到这100个亚像元的位置及对应的地类，通过统计混合像元中各地类中同一地类对应亚像元的个数，即亚像元地类中亚像元的个数，可以求得各亚像元地类占整个混合像元的面积比。例如，在100个亚像元中，统计得到20个亚像元属于农业用地类型，40个亚像元属于林地类型，剩下40个亚像元属于草地类型，则可通过各地类对应的亚像元的个数占整个混合像元的所有亚像元的个数的比值得到，该混合像元由20％农业用地、40％林地与40％草地组成，据此获取混合像元中各亚像元占整个混合像元的面积比。
此外，通过地理学第一定律，可以知道混合像元中每一地类对应的亚像元的蒸发比的值与和该混合像元最临近且地类相同的纯像元的蒸发比的值存在最相近的物理特性、物候模式与地形状况。根据高分辨率遥感分类影像，可标记出中低分辨率的遥感图像中所有纯像元的位置，则对于每个混合像元中的任意一个地类，都可以找到与该地类对应且与该混合像元最邻近的纯像元，作为目标纯像元。
需要说明的是，则对于每个混合像元中的任意一个地类，都可能找到一个或多个目标纯像元，又由纯像元的定义可知，纯像元中只包含一种地类，则纯像元的蒸发比只受该种地类的影响，可以直接通过遥感图像估算求得纯像元的蒸发比的值。估算求得每个目标纯像元的蒸发比的值，再根据目标纯像元的个数以及目标纯像元对应地类的蒸发比，获得对应该目标纯像元的地类对应的亚像元的蒸发比。
本发明实施例将混合像元中任一地类对应的亚像元的蒸发比的值与遥感估算的该地类对应的纯像元的蒸发比的值联系起来，可以在保持计算精度的同时求得混合像元考虑了尺度效应的蒸发比的值。
基于上述实施例，所述根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比的步骤，进一步包括：当所述目标纯像元的个数为一个时，将该目标纯像元的蒸发比的值作为该亚像元地类的蒸发比；当所述纯像元的个数为多个时，将多个所述目标纯像元的蒸发比的平均值作为该亚像元地类的蒸发比。
因此，对于混合像元中的任一地类，若只存在一个目标纯像元时，可将估算出的该目标纯像元的蒸发比的值当做该亚像元地类的蒸发比；对于混合像元中的任一地类，若存在多个目标纯像元时，则将多个目标纯像元的蒸发比的平均值当做该亚像元地类的蒸发比。
基于上述实施例，作为一种可选的实施例，步骤S1中所述混合像元的蒸发比的计算公式为：
Figure BDA0001442076930000091
其中，为所述混合像元的蒸发比，si为亚像元地类i占整个混合像元的面积比，EFi为亚像元地类i的蒸发比。
具体地，已知混合像元中亚像元地类的蒸发比及该亚像元地类所占整个混合像元的面积比，依次对混合像元中亚像元地类的蒸发比进行加权求和，其中加权比例为所求地类对应的亚像元占混合像元的面积比。本发明实施例通过加权求和的方式求得整个混合像元的蒸发比，将混合像元中各地类对蒸散的影响有效地结合起来，求得考虑了混合像元尺度效应的蒸发比的值。
基于上述实施例，作为一种可选的实施例，步骤S2之前还包括：根据日累计的地表净辐射通量与日累计的土壤热通量，获取所述日累计的有效能。
具体地，有效能包括地表净辐射通量与土壤热通量，根据能量守恒定理，可知地表净辐射通量等于潜热通量、显热通量与土壤热通量的和值，其中潜热通量的主要形式是水的相变，可认为潜热通量是蒸散量在能量角度的表达，蒸发比的值实际上等于潜热通量与有效能的比值。此外，日累计的地表净辐射通量减去日累计的土壤热通量，可以直接得到日累计的有效能。
基于上述实施例，作为一种可选的实施例，所述日累计的地表净辐射通量的获取步骤包括：根据下行短波辐射与上行短波辐射的差值，获取地表接收的短波辐射；根据下行长波辐射与上行长波辐射的差值，获取地表接收的长波辐射；根据所述地表接收的短波辐射与所述地表接收的长波辐射的和值，获取所述日累计的地表净辐射通量。
具体地，地表净辐射通量指的是各波长辐射能在地表的净收支，即是指地表接收的短波辐射与长波辐射之和。其中，下行短波辐射DR表示入射地表的短波辐射，上行短波辐射UR表示地表出射的短波辐射，可知地表接收的短波辐射为下行短波辐射DR与上行短波辐射UR的差值；下行长波辐射DLR表示入射地表的长波辐射，上行长波辐射ULR表示地表出射的长波辐射，可知地表接收的长波辐射为下行长波辐射DLR与上行长波辐射ULR的差值。各波长辐射能可通过卫星参数反演求得，且有地表净辐射通量Rn的计算公式为：
Rn＝DR-UR+DLR-ULR
需要说明的是，上述通过卫星反演求得的地表净辐射通量是瞬时值，可通过正弦变换将瞬时值扩展成一段时间内的地表净辐射通量，如日尺度的地表净辐射通量，具体扩展方法本领域技术人员可通过现有技术知悉，此处不再赘述。此外，也可直接利用气象再分析数据提供的日尺度气象数据，通过地表净辐射求取公式反演得到日尺度的地表净辐射通量。其中，日尺度是指一天时间内积累的有效值。
基于上述实施例，作为一种可选的实施例，所述土壤热通量的获取步骤包括：根据所述日累计的地表净辐射通量与植被覆盖度，获取所述日累计的土壤热通量。
具体地，土壤热通量是指土壤向下的热量传输，其与地表净辐射通量之间存在一定的相关性。在裸露土壤与植被覆盖条件下，土壤热通量占地表净辐射通量的比例为5％-50％，可通过植被覆盖度来调节土壤热通量与地表净辐射通量间的比例关系，其中土壤热通量的计算公式为：
G＝Rn×[Γc+(1-fc)×(Γs-Γc)]
其中，Γs＝0.315、Γc＝0.05分别为裸土和植被完全覆盖时土壤热通量占地表净辐射的比例，而fc指植被覆盖度，可以通过卫星参数反演获取。需要说明的是，可以根据上述实施例求得的日尺度的地表净辐射通量，求得日尺度的土壤热通量，并将日尺度的地表净辐射通量减去日尺度的土壤热通量，获取日尺度的有效能。
基于上述实施例，作为一种可选的实施例，步骤S2具体包括：根据所述每一混合像元的蒸发比和日累计的有效能的乘积，获得所述每一混合像元的日蒸散量。
本发明实施例通过将混合像元中的不同地类对蒸散的贡献区分出来，分别获取混合像元中不同地类的蒸发比，再通过加权求和的方式，求得整个混合像元的蒸发比，进而求得整个混合像元的蒸散量，将混合像元中各地类对蒸散的影响结合起来，通过空间尺度的校正提高了非均匀地表的遥感蒸散量估算的精确度。并基于混合像元的蒸发比在一天内几乎不变的特性，将蒸发比在时间尺度上进行扩展，求得日尺度的蒸散量，从而可以更好的分析植物的生长发育、大气环流，更利于区域水资源的管理。
下面通过具体的流程步骤，对本发明提出的遥感影像中混合像元的日蒸散量的计算方法进行进一步的解释说明：
首先通过卫星遥感器获取研究区域内的中低分辨率的地表参数产品影像和高分辨率的地表分类产品影像；
将高分辨率的地表分类产品影像与中低分辨率的地表参数产品影像进行匹配直到两者覆盖完全相同的区域后，对于低分辨率蒸散参数的遥感图像中的每个像元，都通过高分辨率分类图统计该像元中所有亚像元所属的地类；
统计出每个像元的地表类型数量，将地表类型数维为1的像元标注为纯像元，将地表类型数维大于1的像元标注为混合像元，获取全部纯像元和混合像元所在的位置；
从中低分辨率蒸散参数的遥感图像的左上第一个像元开始，从左自右，从上到下，依次找到每一个混合像元，并对每一个混合像元中的每一种地类，都找到与该混合像元最临近且地类相同的各纯像元；
通过卫星反演求得各纯像元的有效能与显热通量，通过能量守恒定理，用余项法求得各纯像元的潜热通量，进而获取各纯像元的蒸发比的值；
将与该混合像元中某地类最临近且地类相同的各纯像元的蒸发比的平均值，作为混合像元中该地类对应的亚像元的蒸发比；
通过统计该混合像元中各地类对应的亚像元个数，计算各地类的亚像元占整个混合像元的亚像元的个数比，确定每个混合像元中各亚像元地类所占该混合像元的面积比；
通过加权求和的方式，将混合像元中各亚像元地类的蒸发比与该亚像元地类占整个混合像元的面积比求积后相加，得到该混合像元的蒸发比；
通过卫星反演或气象再分析数据，获取混合像元一天积累的日累计地表净辐射量与日累计土壤热通量，求得混合像元日累计的有效能；
对日累计的有效能与混合像元的蒸发比求积，最终求得考虑尺度效应的日累计蒸散量的值。
本发明实施例同时从空间尺度与时间尺度入手，结合了不同地类对地表蒸散量的影响，提高了非均匀地表上的遥感蒸散量估算的精度问题，方便了地表日尺度蒸散值的计算，更利于水资源的管理。
参见图2，为本发明一个实施例的遥感影像中混合像元的日蒸散量的计算系统的功能图，包括：蒸发比计算模块，用于对遥感影像中每一混合像元，根据该混合像元中各亚像元地类占整个混合像元的面积比与各亚像元地类的蒸发比，获取该混合像元的蒸发比；日蒸散量计算模块，根据所述每一混合像元的蒸发比与日累计的有效能，获取所述混合像元的日蒸散量。
具体地，蒸发比计算模块通过卫星遥感器获取研究区域的遥感影像，计算遥感影像中混合像元的每种亚像元地类的蒸发比与每种亚像元地类所占整个混合像元的面积比，进而求得整个混合像元的蒸发比；日蒸散量计算模块根据蒸发比计算模块求得的混合像元的蒸发比与混合像元日累计的有效能相乘，可求得混合像元的日蒸散量。具体的操作步骤上述方法实施例中已做详细说明，此处不再多做赘述。
本发明实施例将混合像元中的不同地类区分出来，分别获取混合像元中同一地类对应的亚像元的蒸发比，与同一地类对应的亚像元占整个混合像元的面积比，考虑到尺度效应对混合像元的蒸散量造成的影响，通过空间尺度的校正提高了非均匀地表的遥感日蒸散量估算的精确度，同时将瞬时蒸发比当作日尺度蒸发比的代表值，对时间尺度进行扩展，方便了遥感日尺度蒸散值的计算，从而可以更好的分析植物的生长发育、大气环流，并利于区域水资源的管理。
基于上述实施例，作为一种可选的实施例，参见图3，为本发明一个实施例的遥感影像中混合像元的蒸发比计算模块功能图，所述蒸发比计算模块还包括：亚像元面积比获取单元，用于根据高分辨率遥感分类影像，获取遥感影像中每一混合像元中各亚像元地类占整个混合像元的面积比与各纯像元的位置；纯像元蒸发比获取单元，用于对所述混合像元中的每一种地类，根据所述各纯像元的位置获取与该地类对应且与该混合像元最邻近的纯像元，作为目标纯像元，并求得所述目标纯像元的蒸发比；亚像元蒸发比获取单元，用于根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比。
具体地，亚像元面积比获取单元通过将高分辨率的地表分类产品影像与中低分辨率的地表参数产品影像进行几何精校正与配准，直到两者覆盖完全相同的区域后，通过统计中低分辨率的地表参数产品影像的每个像元中对应的各高分辨率的地表分类产品影像像元所属的地表类型，可以得到遥感影像中每个混合像元中的同一地类对应的亚像元占整个混合像元的面积比以及各亚像元的位置与各纯像元的位置；纯像元蒸发比获取单元通过亚像元面积比获取单元获取到的各纯像元的位置，找到与混合像元中的任意一种地类对应且与该混合像元最邻近的纯像元作为目标纯像元，记录目标纯像元的个数并直接通过遥感图像估算得到各目标纯像元的蒸发比；亚像元蒸发比获取单元通过纯像元蒸发比获取单元获得的目标纯像元的个数及各目标纯像元的蒸发比，求得混合像元中，对应该目标纯像元的地类所对应的亚像元的蒸发比。具体的操作步骤上述方法实施例中已做详细说明，此处不再多做赘述。
本发明实施例将混合像元中任一地类对应的亚像元的蒸发比的值与遥感估算的该地类对应的纯像元的蒸发比的值联系起来，可以在保持计算精度的同时求得混合像元考虑了尺度效应的蒸发比的值。
基于上述实施例，作为一种可选的实施例，所述系统还包括：有效能获取模块，用于根据日累计的地表净辐射通量与日累计的土壤热通量，获取所述日累计的有效能。
具体地，有效能获取模块根据能量守恒定理，通过日累计的地表净辐射通量减去日累计的土壤热通量，直接得到日累计的有效能。日累计的地表净辐射通量与日累计的土壤热通量的获取步骤上述方法实施例中已做详细说明，此处不再多做赘述。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种遥感影像中混合像元的日蒸散量的计算方法，所述混合像元中含有多个亚像元，且每个亚像元对应表示一种地类，其特征在于，所述计算方法包括：
S1，对遥感影像中每一混合像元，根据该混合像元中各亚像元地类占整个混合像元的面积比与各亚像元地类的蒸发比，获取该混合像元的蒸发比；
S2，根据所述每一混合像元的蒸发比与日累计的有效能，获取所述混合像元的日蒸散量；
其中，所述亚像元地类表示对应同一地类的亚像元的集合；
其中，步骤S1还包括获得每一混合像元中各亚像元地类的蒸发比的步骤，包括：
根据高分辨率遥感分类影像，获取遥感影像中每一混合像元中各亚像元地类占整个混合像元的面积比与各纯像元的位置；
对所述混合像元中的每一种地类，根据所述各纯像元的位置获取与该地类对应且与该混合像元最邻近的纯像元，作为目标纯像元，并求得所述目标纯像元的蒸发比；
根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比；
其中，所述根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比的步骤，进一步包括：
当所述目标纯像元的个数为一个时，将该目标纯像元的蒸发比的值作为该亚像元地类的蒸发比；
当所述纯像元的个数为多个时，将多个所述目标纯像元的蒸发比的平均值作为该亚像元地类的蒸发比。
2.根据权利要求1所述的方法，其特征在于，步骤S1中所述混合像元的蒸发比的计算公式为：
EF＝∑(si·EFi)
其中，EF为所述混合像元的蒸发比，si为亚像元地类i占整个混合像元的面积比，EFi为亚像元地类i的蒸发比。
3.根据权利要求1所述的方法，其特征在于，步骤S2之前还包括：
根据日累计的地表净辐射通量与日累计的土壤热通量，获取所述日累计的有效能。
4.根据权利要求3所述的方法，其特征在于，所述日累计的地表净辐射通量的获取步骤包括：
根据下行短波辐射与上行短波辐射的差值，获取地表接收的短波辐射；
根据下行长波辐射与上行长波辐射的差值，获取地表接收的长波辐射；
根据所述地表接收的短波辐射与所述地表接收的长波辐射的和值，获取所述日累计的地表净辐射通量。
5.根据权利要求3所述的方法，其特征在于，所述日累计的土壤热通量的获取步骤包括：
根据所述日累计的地表净辐射通量与植被覆盖度，获取所述日累计的土壤热通量。
6.一种基于权利要求1所述方法的遥感影像中混合像元的日蒸散量的计算系统，其特征在于，所述计算系统包括：
蒸发比计算模块，用于对遥感影像中每一混合像元，根据该混合像元中各亚像元地类占整个混合像元的面积比与各亚像元地类的蒸发比，获取该混合像元的蒸发比；
日蒸散量计算模块，根据所述每一混合像元的蒸发比与日累计的有效能，获取所述混合像元的日蒸散量；
其中，所述亚像元地类表示对应同一地类的亚像元的集合；
其中，所述蒸发比计算模块还包括：
亚像元面积比获取单元，用于根据高分辨率遥感分类影像，获取遥感影像中每一混合像元中各亚像元地类占整个混合像元的面积比与各纯像元的位置；
纯像元蒸发比获取单元，用于对所述混合像元中的每一种地类，根据所述各纯像元的位置获取与该地类对应且与该混合像元最邻近的纯像元，作为目标纯像元，并求得所述目标纯像元的蒸发比；
亚像元蒸发比获取单元，用于根据目标纯像元的个数以及目标纯像元的蒸发比，获得对应该目标纯像元的亚像元地类的蒸发比。
7.根据权利要求6所述的系统，其特征在于，所述系统还包括：
有效能获取模块，用于根据日累计的地表净辐射通量与日累计的土壤热通量，获取所述日累计的有效能。
CN201710993681.XA 2017-10-23 2017-10-23 一种遥感影像中混合像元的日蒸散量的计算方法和系统 Active CN107843569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710993681.XA CN107843569B (zh) 2017-10-23 2017-10-23 一种遥感影像中混合像元的日蒸散量的计算方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710993681.XA CN107843569B (zh) 2017-10-23 2017-10-23 一种遥感影像中混合像元的日蒸散量的计算方法和系统

Publications (2)

Publication Number Publication Date
CN107843569A CN107843569A (zh) 2018-03-27
CN107843569B true CN107843569B (zh) 2020-02-18

Family

ID=61661593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710993681.XA Active CN107843569B (zh) 2017-10-23 2017-10-23 一种遥感影像中混合像元的日蒸散量的计算方法和系统

Country Status (1)

Country Link
CN (1) CN107843569B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109741261A (zh) * 2019-01-03 2019-05-10 北京师范大学 一种基于面向对象窗口的遥感地表温度降尺度算法
CN111814317B (zh) * 2020-06-18 2024-06-07 中国科学院空天信息创新研究院 基于遥感的地表能量平衡分量估算方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
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
CN105303040A (zh) * 2015-10-15 2016-02-03 北京师范大学 时间连续的地表蒸散发数据的计算方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551459B (zh) * 2008-10-15 2012-12-26 北京天宏金睛信息技术有限公司 基于遥感的区域蒸散量监测方法
CN103335953B (zh) * 2013-06-04 2016-03-23 中国科学院遥感与数字地球研究所 一种个体与群体特征相结合的农作物长势遥感评价方法
CN106709268A (zh) * 2017-03-03 2017-05-24 中国科学院地理科学与资源研究所 一种遥感反演瞬时蒸散发日尺度扩展的新方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
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
CN105303040A (zh) * 2015-10-15 2016-02-03 北京师范大学 时间连续的地表蒸散发数据的计算方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"An experimental study on evapotranspiration data assimilation based on the hydrological model";Jian Yin et al.;《Water resources management》;20161130;第5263-5279页 *
"Estimation of evapotranspiration based on an extened three-temperature model and modis products in ecosystems of northeast india";Suman Kumar Padhee et al.;《Water resources and river enginerring》;20151219;第1-16页 *
"Modis数据估算区域蒸散量的空间尺度误差纠正";辛晓洲 等;《遥感学报》;20120325;第220-231页 *
用定量遥感方法计算地表增散;辛晓洲;《中国博士学位论文全文数据库》;20030609;第99-110页 *

Also Published As

Publication number Publication date
CN107843569A (zh) 2018-03-27

Similar Documents

Publication Publication Date Title
Huang et al. Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation
Jain et al. Using satellite data to identify the causes of and potential solutions for yield gaps in India’s Wheat Belt
Benali et al. Estimating air surface temperature in Portugal using MODIS LST data
Jin et al. Crop model-and satellite imagery-based recommendation tool for variable rate N fertilizer application for the US Corn system
Shang et al. Mapping spatial variability of crop growth conditions using RapidEye data in Northern Ontario, Canada
Ray et al. Estimation of crop evapotranspiration of irrigation command area using remote sensing and GIS
de Wit et al. Estimating regional winter wheat yield with WOFOST through the assimilation of green area index retrieved from MODIS observations
Zhou et al. Perspective of Chinese GF-1 high-resolution satellite data in agricultural remote sensing monitoring
Zwart et al. WATPRO: A remote sensing based model for mapping water productivity of wheat
CN103761447B (zh) 用于地市及县两级粮食补贴核算的种植面积遥感确定方法
CN101699315A (zh) 一种作物长势均匀度的监测装置和方法
Montzka et al. Modelling the water balance of a mesoscale catchment basin using remotely sensed land cover data
Yu et al. Deep convolutional neural networks for estimating maize above-ground biomass using multi-source UAV images: A comparison with traditional machine learning algorithms
CN110008621B (zh) 基于双重流依赖集合平方根滤波同化算法的作物模型遥感同化估产方法
Guzinski et al. Utility of copernicus-based inputs for actual evapotranspiration modeling in support of sustainable water use in agriculture
Ferrant et al. Agro-hydrology and multi-temporal high-resolution remote sensing: toward an explicit spatial processes calibration
Lee et al. A comparative study on generating simulated Landsat NDVI images using data fusion and regression method—the case of the Korean Peninsula
Beeri et al. Geographical model for precise agriculture monitoring with real-time remote sensing
CN107843569B (zh) 一种遥感影像中混合像元的日蒸散量的计算方法和系统
Boschetti et al. Estimation of rice production at regional scale with a Light Use Efficiency model and MODIS time series.
Begue et al. Multi-time scale analysis of sugarcane within-field variability: improved crop diagnosis using satellite time series?
Li et al. A robust framework for resolution enhancement of land surface temperature by combining spatial downscaling and spatiotemporal fusion methods
Koch et al. Estimating net irrigation across the North China Plain through dual modelling of evapotranspiration
Parsinejad et al. Practical analysis of remote sensing estimations of water use for major crops throughout the Urmia Lake basin
Xu et al. Application of the two-source energy balance model with microwave-derived soil moisture in a semi-arid agricultural region

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
GR01 Patent grant
GR01 Patent grant