CN109187360B - 基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用 - Google Patents

基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用 Download PDF

Info

Publication number
CN109187360B
CN109187360B CN201811084258.9A CN201811084258A CN109187360B CN 109187360 B CN109187360 B CN 109187360B CN 201811084258 A CN201811084258 A CN 201811084258A CN 109187360 B CN109187360 B CN 109187360B
Authority
CN
China
Prior art keywords
reflectivity
vegetation coverage
dimensional space
remote sensing
data
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
CN201811084258.9A
Other languages
English (en)
Other versions
CN109187360A (zh
Inventor
唐荣林
姜亚珍
李召良
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 Geographic Sciences and Natural Resources of CAS
Institute of Agricultural Resources and Regional Planning of CAAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Institute of Agricultural Resources and Regional Planning of CAAS
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 Geographic Sciences and Natural Resources of CAS, Institute of Agricultural Resources and Regional Planning of CAAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN201811084258.9A priority Critical patent/CN109187360B/zh
Publication of CN109187360A publication Critical patent/CN109187360A/zh
Application granted granted Critical
Publication of CN109187360B publication Critical patent/CN109187360B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N21/55—Specular reflectivity
    • 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
    • G01N2021/1793—Remote sensing

Landscapes

  • Physics & Mathematics (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)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明属于地表蒸散发遥感估算技术领域，涉及基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法和应用。该方法包括：获取目标区域在预设时间尺度的相关数据；确定基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义，以及反射率－植被覆盖度二维空间中蒸发比的变化规律；根据长时间序列遥感短波红外反射率数据和植被覆盖度数据，确定反射率－植被覆盖度二维空间的干湿边，构建反射率－植被覆盖度的二维空间；根据扩展的P－T方程，以及构建的反射率－植被覆盖度二维空间中蒸发比的变化，确定与蒸发比相关的参数φ；基于所确定的参数φ，计算预设时间尺度的蒸散发。本发明对于准确地利用遥感手段获取地表蒸散发具有重要意义。

Description

基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和 应用
技术领域
本发明属于地表蒸散发遥感估算技术领域，具体而言，涉及一种基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法和应用。
背景技术
蒸散发(Evapotranspiration，ET)是地表水循环与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最有效的方法。
目前，已发展的遥感蒸散发估算方法有一源模型、二源模型和地表温度－植被指数三角形/梯形模型。地表温度－植被指数三角形/梯形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，方法简单，已得到了广泛的应用。但是传统的地表温度－植被指数三角形/梯形模型具有以下局限性：(1)需要可见光与热红外相配套的数据，这样直接排除了没有热红外波段而只有可见光波段卫星遥感传感器的应用；(2)由于地表温度不仅受土壤含水量的影响，还受太阳辐射、空气温度、相对湿度和风速等气象要素的影响，故无法仅利用卫星单一过境数据或长时间序列数据开展地表温度－植被指数三角形/梯形模型的干边和湿边确定，而需要耗时进行每一天参数的计算和校准，限制了该方法的应用。
有别于热红外地表温度数据，遥感短波红外波段的反射率数据，只与下垫面水分含量有关，不随周围大气参数的变化而变化，因此，利用遥感短波红外反射率数据构建方法可以克服上述传统方法的两个局限性。
鉴于此，特提出本发明。
发明内容
本发明的第一目的在于提供一种基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，以克服上述问题或者至少部分地解决上述技术问题。
本发明的第二目的在于提供一种所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法在地表蒸散发研究领域中的应用。
为实现上述目的，本发明采用的技术方案为：
根据本发明的一个方面，本发明提供一种基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，所述方法包括以下步骤：
获取目标区域在预设时间尺度的相关数据；
确定基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义，以及反射率－植被覆盖度二维空间中蒸发比的变化规律；
根据长时间序列遥感短波红外反射率数据和植被覆盖度数据，确定反射率－植被覆盖度二维空间的干湿边，构建反射率－植被覆盖度的二维空间；
根据扩展的Priestley－Taylor方程，以及所构建的反射率－植被覆盖度二维空间中蒸发比的变化，确定与蒸发比相关的参数φ；
基于所确定的参数φ，计算所述时间尺度的蒸散发。
作为进一步优选技术方案，所述相关数据包括目标区域在预设时间尺度的气象数据、预设时间尺度的遥感反演地表净辐射和土壤热通量数据，以及长时间序列遥感短波红外反射率数据和植被覆盖度数据；
优选地，所述气象数据包括空气温度数据、大气压强数据和相对湿度数据。
作为进一步优选技术方案，基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义包括：
通过解译长时间序列的遥感短波红外反射率数据和植被覆盖度数据构建的梯形散点图，进行蒸散发的估算；
所述方法由干边和湿边构成反射率－植被覆盖度特征空间的两个物理边界。
作为进一步优选技术方案，所述反射率－植被覆盖度二维空间中蒸发比的变化规律包括：
所述方法中湿边像元处于潜在蒸发状态，蒸发比为最大值；
所述方法中干边上的蒸散发主要来源于植被的蒸腾，干边上的蒸发比从0到最大值呈线性变化。
作为进一步优选技术方案，根据所述长时间序列遥感短波红外反射率数据和植被覆盖度数据构成的二维空间散点图，确定所述二维空间的干湿边，构建反射率－植被覆盖度的二维空间，所述干湿边的公式为：
STRd＝md+rd*Fr；
STRw＝mw+rw*Fr；
其中，STRd和STRw分别为干边和湿边上短波红外转换反射率，表达式为STR＝(1-R)2/(2R)，R为短波红外反射率；md和mw分别为极干裸土和极湿裸土处短波红外转换反射率；rd和rw分别为极干全植被覆盖区域(表层土壤水分为0，但根区土壤水分无亏缺)和极湿全植被覆盖区域短波红外转换反射率与对应裸土处短波红外转换反射率的差值；Fr(Fractioncover)为植被覆盖度。
作为进一步优选技术方案，所述扩展的Priestley－Taylor方程的表达式如下：
Figure BDA0001801853870000041
其中，LE(Latent heat flux)为潜热通量，φ为考虑空气动力学阻抗作用的综合参数，Rn为地表净辐射，G为土壤热通量，Δ为饱和水汽压曲线斜率，γ为干湿球常数。
作为进一步优选技术方案，根据蒸发比的定义，蒸发比与参数φ的关系为：
Figure BDA0001801853870000042
其中，EF(Evapotranspiration Fraction)为蒸发比，φ为考虑空气动力学阻抗作用的综合参数，Δ为饱和水汽压曲线斜率，γ为干湿球常数。
作为进一步优选技术方案，参数φ的确定是通过在梯形空间中双线性插值得到，具体步骤包括：
假定湿边上φ值随着植被覆盖度的变化而保持不变，一直为最大值φmax，i；
假定干边最干燥裸土像元的φ值为全局最小值φmin，干边上φ值随着像元的植被覆盖度的增加而线性增加；
假定在某一给定像元的植被覆盖度情况下，φ值随着短波红外转换反射率STR(Shortwave Transformed Reflectivity)的增加而从φmin，i到φmax，i线性增加；
优选地，在特征空间内任一像元(Fr，STR)的φ值计算公式为：
Figure BDA0001801853870000051
φmin,i＝1.26*Fr；
φmax,i＝φmax＝1.26；
其中，STRd和STRw分别为干边和湿边上短波红外转换反射率，STR 为待计算像元的短波红外转换反射率，φmin，i为植被覆盖度等于Fr时对应的φ最小值，φmax，i为植被覆盖度等于Fr时对应的φ最大值，Fr 为植被覆盖度。
作为进一步优选技术方案，基于所确定的参数φ，以及所述时间尺度的气象数据、遥感反演地表净辐射和土壤热通量数据，利用扩展的Priestley－Taylor方程计算所述时间尺度的蒸散发。
根据本发明的另一个方面，本发明提供一种以上所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法在地表蒸散发研究领域中的应用。
与现有技术相比，本发明的有益效果在于：
本发明的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，可以利用遥感手段准确获取目标时间尺度的地表蒸散发，该方法利用地表短波红外反射率只与土壤状况有关，而不受大气状况影响的特征，可利用长时间序列的短波红外反射率和植被覆盖度数据构建唯一的一个二维特征空间，准确确定二维空间的干湿边，从而避免了仅利用所述时间尺度数据确定干湿边时，每个时间尺度数据均各自构成一个二维特征空间，由于所述时间尺度参数的计算和校准而造成的干湿边确定的不确定性。同时本发明也避免了传统的地表温度－植被指数三角形/梯形模型中的以下局限性：(1)需要可见光与热红外相配套的数据，直接排除了没有热红外波段而只有可见光波段卫星传感器的应用；(2)由于地表温度不仅受土壤含水量的影响，还受太阳辐射、空气温度、相对湿度和风速等气象要素的影响，故无法仅利用卫星单一过境数据或长时间序列数据开展地表温度－植被指数三角形/梯形模型的干边和湿边确定，而需要耗时进行每一天参数的计算和校准，限制了该方法的应用。本发明对于准确地利用遥感手段获取地表蒸散发具有重要意义。
本发明能够高效准确地利用遥感手段准确获取目标时间尺度的地表蒸散发，具有方法简单、灵活、易于操作，可操作性强，结果可靠性好等特点。
本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，作详细说明如下。
具体实施方式
下面将结合实施方式和实施例对本发明的实施方案进行详细描述，但是本领域技术人员将会理解，下列实施方式和实施例仅用于说明本发明，而不应视为限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。未注明具体条件者，按照常规条件或制造商建议的条件进行。
在至少一个实施例中提供一种基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，所述方法包括以下步骤：
获取目标区域在预设时间尺度的相关数据；
确定基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义，以及反射率－植被覆盖度二维空间中蒸发比的变化规律；
根据长时间序列遥感短波红外反射率数据和植被覆盖度数据，确定反射率－植被覆盖度二维空间的干湿边，构建反射率－植被覆盖度的二维空间；
根据扩展的Priestley－Taylor方程，以及所构建的反射率－植被覆盖度二维空间中蒸发比的变化，确定与蒸发比相关的参数φ；
基于所确定的参数φ，计算所述时间尺度的蒸散发。
可以理解的是，本发明中的蒸发比为本领域的常用术语，通常是指蒸散发与可利用能量的比值。另外，本发明中其他未详细解释说明的术语，均按照本领域的常用术语理解即可，本发明对此不作特殊限制。
本发明能够高效准确地利用遥感手段准确获取目标时间尺度的地表蒸散发，具有方法简单、灵活、易于操作，可操作性强，结果可靠性好等特点，对于准确地利用遥感手段获取地表蒸散发具有重要意义。
在本发明的一种优选实施方式中，所述方法包括以下步骤：
获取目标区域在预设时间尺度的气象数据、所述预设时间尺度的遥感反演地表净辐射和土壤热通量数据、以及长时间序列遥感短波红外反射率和植被覆盖度数据；所述气象数据包括：空气温度数据、大气压强数据、相对湿度数据；
确定基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义、以及反射率－植被覆盖度二维空间中蒸发比(蒸散发与可利用能量的比值)的变化规律；
根据长时间序列遥感短波红外反射率数据和植被覆盖度数据，确定反射率－植被覆盖度二维空间的干湿边，构建反射率－植被覆盖度的二维空间；
根据扩展的Priestley－Taylor方程，根据所述构建的反射率－植被覆盖度二维空间中蒸发比的变化，确定与蒸发比相关的参数φ；
根据所述确定的参数φ，所述时间尺度的遥感地表净辐射和土壤热通量数据，所述时间尺度的气象数据，利用所述扩展的 Priestley－Taylor方程计算所述时间尺度的蒸散发。
需要说明的是，本发明的方法在计算过程中所需要的气象数据、遥感反演地表净辐射和土壤热通量数据、以及长时间序列遥感短波红外反射率和植被覆盖度数据，但本发明不对这些具体的数据做具体限定；以及空气温度数据、大气压强数据、相对湿度数据等气象数据，本发明在此不一一列举，对于这些具体的气象数据也不做具体限定。
应当理解的是，本发明所述方法的说明中未详细描述的内容，均是本领域技术人员容易想到的常用参数或操作方式，或是本领域常规的条件，因此可以省略对其的详细说明。
为便于对本实施例进行理解，下面对本发明实施例所公开的一种一种估算蒸散发的反射率－植被覆盖度梯形方法进行详细介绍。
实施例
一种基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，利用该方法估算蒸散发包括以下步骤：
步骤S101：获取目标区域在预设时间尺度的气象数据，所述预设时间尺度的遥感反演地表净辐射和土壤热通量数据，以及长时间序列遥感短波红外反射率和植被覆盖度数据；
其中，所述气象数据包括：空气温度数据、大气压强数据和相对湿度数据。
步骤S102：确定基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义、以及反射率－植被覆盖度二维空间中蒸发比 (蒸散发与可利用能量的比值)的变化规律。
所述基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，即通过解译长时间序列的遥感短波红外反射率数据和植被覆盖度数据构建的梯形散点图(以反射率为纵坐标)，进行蒸散发的估算。所述方法由干边和湿边构成反射率－植被覆盖度特征空间的两个物理边界。对一个给定的植被覆盖度，土壤水分从干边到湿边不断增加，地表短波红外反射率由最小值增加到最大值。方法中湿边像元处于潜在蒸发(腾发)状态，即蒸发比(蒸散发与可利用能量的比值)EF为最大值；而干边上的蒸散发主要来源于植被的蒸腾，干边上的蒸发比 EF从0(裸土)到最大值线性变化。
步骤S103：根据所述长时间序列遥感短波红外反射率数据和植被覆盖度数据，确定反射率－植被覆盖度二维空间的干湿边，构建反射率－植被覆盖度的二维空间。
由于地表短波红外反射率只与下垫面水分含量有关，而不受大气状况影响，因此可以由长时间的短波红外反射率和植被覆盖度数据形成一个二维空间。
根据所述长时间序列遥感短波反射率数据和植被覆盖度数据构成的二维空间散点图，确定所述二维空间的干湿边，构建构建反射率－植被覆盖度的二维空间，所述干湿边的公式为：
STRd＝md+rd*Fr；
STRw＝mw+rw*Fr；
其中，STRd和STRw分别为干边和湿边上短波红外转换反射率，表达式为STR＝(1-R)2/(2R)，R为短波红外反射率；md和mw分别为极干裸土和极湿裸土处短波红外转换反射率；rd和rw分别为极干全植被覆盖区域(表层土壤水分为0，但根区土壤水分无亏缺)和极湿全植被覆盖区域短波红外转换反射率与对应裸土处短波红外转换反射率的差值；Fr为植被覆盖度。
步骤S104：根据扩展的Priestley－Taylor方程，根据所述构建的反射率－植被覆盖度二维空间中蒸发比的变化，确定与蒸发比相关的参数φ。
所述扩展的Priestley－Taylor方程的表达式如下：
Figure BDA0001801853870000101
其中，LE为潜热通量，φ为考虑空气动力学阻抗作用的综合参数，Rn为地表净辐射，G为土壤热通量，Δ为饱和水汽压曲线斜率，γ为干湿球常数。
根据蒸发比的定义(蒸散发与可利用能量的比值，可利用能量为地表净辐射与土壤热通量的差值)，蒸发比与参数φ的关系为：
Figure BDA0001801853870000102
其中，EF为蒸发比，φ为考虑空气动力学阻抗作用的综合参数，Δ为饱和水汽压曲线斜率，γ为干湿球常数。
参数φ的确定是通过在梯形空间中双线性插值得到，具体步骤包括：
(1)：假定湿边上φ值随着植被覆盖度的变化而保持不变，一直为最大值1.26(φmax，i＝1.26)；
(2)：假定干边最干燥裸土像元的φ值为全局最小值(φmin＝0)，干边上φ值随着Fr的增加而线性增加；
(3)：假定在某一给定的Fr情况下φ值随着STR的增加而从φmin，i到φmax，i线性增加。
即，在特征空间内任一像元(Fr，STR)的φ值计算公式为：
Figure BDA0001801853870000111
φmin,i＝1.26*Fr；
φmax,i＝φmax＝1.26；
其中，STRd和STRw分别为干边和湿边上短波红外转换反射率，STR 为待计算像元的短波红外转换反射率，φmin，i为植被覆盖度等于Fr时对应的φ最小值，φmax，i为植被覆盖度等于Fr时对应的φ最大值，Fr 为植被覆盖度。
步骤S105：根据所述确定的参数φ，所述时间尺度的遥感地表净辐射和土壤热通量数据，所述时间尺度的气象数据，利用所述扩展的Priestley－Taylor方程计算所述时间尺度的蒸散发。
本发明实施例提供的一种基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，有效的解决了传统的地表温度－植被指数三角形/ 梯形模型的以下局限性：(1)需要可见光与热红外相配套的数据，直接排除了没有热红外波段而只有可见光波段卫星遥感传感器的应用； (2)由于地表温度不仅受土壤含水量的影响，还受太阳辐射、空气温度、相对湿度和风速等气象要素的影响，故无法仅利用卫星单一过境数据或长时间序列数据开展地表温度－植被指数三角形/梯形模型的干边和湿边确定，而需要耗时进行每一天参数的计算和校准，限制了该方法的应用。本方法选择了地表短波红外反射率，只需要可见光波段数据即可进行蒸散发的估算；同时本方法利用了地表短波红外反射率只与下垫面水分含量有关，而不受大气状况影响的特征，利用长时间序列的短波红外反射率和植被覆盖度数据构成唯一的二维特征空间，准确确定二维空间的干湿边，避免了仅利用所述时间尺度数据确定干湿边时，由于所述时间尺度参数的计算和校准而造成的干湿边确定的不确定性。本发明对于准确地利用遥感手段获取地表蒸散发具有重要意义。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，其特征在于，所述方法包括以下步骤：
获取目标区域在预设时间尺度的相关数据；
确定基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义，以及反射率－植被覆盖度二维空间中蒸发比的变化规律；
根据长时间序列遥感短波红外反射率数据和植被覆盖度数据，确定反射率－植被覆盖度二维空间的干湿边，构建反射率－植被覆盖度的二维空间；
根据扩展的Priestley－Taylor方程，以及所构建的反射率－植被覆盖度二维空间中蒸发比的变化，确定与蒸发比相关的参数φ；
基于所确定的参数φ，计算所述时间尺度的蒸散发；
所述相关数据包括目标区域在预设时间尺度的气象数据、预设时间尺度的遥感反演地表净辐射和土壤热通量数据，以及长时间序列遥感短波红外反射率数据和植被覆盖度数据；
基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法的原理与定义包括：通过解译长时间序列的遥感短波红外反射率数据和植被覆盖度数据构建的梯形散点图，进行蒸散发的估算；所述方法由干边和湿边构成反射率－植被覆盖度特征空间的两个物理边界；
所述反射率－植被覆盖度二维空间中蒸发比的变化规律包括：所述方法中湿边像元处于潜在蒸发状态，蒸发比为最大值；所述方法中干边上的蒸散发主要来源于植被的蒸腾，干边上的蒸发比从0到最大值呈线性变化；
所述扩展的Priestley－Taylor方程的表达式如下：
Figure FDA0002336388460000011
其中，LE为潜热通量，φ为考虑空气动力学阻抗作用的综合参数，Rn为地表净辐射，G为土壤热通量，Δ为饱和水汽压曲线斜率，γ为干湿球常数；
根据蒸发比的定义，蒸发比与参数φ的关系为：
Figure FDA0002336388460000021
其中，EF为蒸发比，φ为考虑空气动力学阻抗作用的综合参数，Δ为饱和水汽压曲线斜率，γ为干湿球常数。
2.根据权利要求1所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，其特征在于，所述气象数据包括空气温度数据、大气压强数据和相对湿度数据。
3.根据权利要求1所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，其特征在于，根据所述长时间序列遥感短波红外反射率数据和植被覆盖度数据构成的二维空间散点图，确定所述二维空间的干湿边，构建反射率－植被覆盖度的二维空间，所述干湿边的公式为：
STRd＝md+rd*Fr；
STRw＝mw+rw*Fr；
其中，STRd和STRw分别为干边和湿边上短波红外转换反射率，表达式为STR＝(1-R)2/(2R)，R为短波红外反射率；md和mw分别为极干裸土和极湿裸土处短波红外转换反射率；rd和rw分别为极干全植被覆盖区域和极湿全植被覆盖区域短波红外转换反射率与对应裸土处短波红外转换反射率的差值；Fr为植被覆盖度。
4.根据权利要求1所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，其特征在于，参数φ的确定是通过在梯形空间中双线性插值得到，具体步骤包括：
假定湿边上φ值随着植被覆盖度的变化而保持不变，一直为最大值φmax，i；
假定干边最干燥裸土像元的φ值为全局最小值φmin，干边上φ值随着像元的植被覆盖度的增加而线性增加；
假定在某一给定像元的植被覆盖度情况下，φ值随着短波红外转换反射率STR的增加而从φmin，i到φmax，i线性增加。
5.根据权利要求4所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，其特征在于，在特征空间内任一像元(Fr，STR)的φ值计算公式为：
Figure FDA0002336388460000031
φmin,i＝1.26*Fr；
φmax,i＝φmax＝1.26；
其中，STRd和STRw分别为干边和湿边上短波红外转换反射率，STR为待计算像元的短波红外转换反射率，φmin，i为植被覆盖度等于Fr时对应的φ最小值，φmax，i为植被覆盖度等于Fr时对应的φ最大值，Fr为植被覆盖度。
6.根据权利要求1～5任一项所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法，其特征在于，基于所确定的参数φ，以及所述时间尺度的气象数据、遥感反演地表净辐射和土壤热通量数据，利用扩展的Priestley－Taylor方程计算所述时间尺度的蒸散发。
7.权利要求1～6任一项所述的基于反射率－植被覆盖度二维空间的蒸散发遥感反演方法在地表蒸散发研究领域中的应用。
CN201811084258.9A 2018-09-17 2018-09-17 基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用 Active CN109187360B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811084258.9A CN109187360B (zh) 2018-09-17 2018-09-17 基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811084258.9A CN109187360B (zh) 2018-09-17 2018-09-17 基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用

Publications (2)

Publication Number Publication Date
CN109187360A CN109187360A (zh) 2019-01-11
CN109187360B true CN109187360B (zh) 2020-05-19

Family

ID=64911960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811084258.9A Active CN109187360B (zh) 2018-09-17 2018-09-17 基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用

Country Status (1)

Country Link
CN (1) CN109187360B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919250B (zh) * 2019-03-19 2021-01-05 中国科学院地理科学与资源研究所 考虑土壤水分的蒸散发时空特征融合方法及装置
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
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
CN110781602B (zh) * 2019-11-04 2021-06-15 中国科学院地理科学与资源研究所 基于特征空间法来获取时空连续的土壤水方法
CN113642191B (zh) * 2021-08-25 2022-03-22 中国水利水电科学研究院 一种基于短波红外的遥感蒸散模型构建方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6448923B1 (en) * 2001-03-29 2002-09-10 Dusan S. Zrnic Efficient estimation of spectral moments and the polarimetric variables on weather radars, sonars, sodars, acoustic flow meters, lidars, and similar active remote sensing instruments
US7333184B2 (en) * 2005-07-01 2008-02-19 Itt Manufacturing Enterprises, Inc. Ground surface cover type reflectivity variation correction in a differential absorption LIDAR system
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
CN105510231B (zh) * 2015-11-25 2018-07-06 北京师范大学 一种农田土壤水分遥感反演方法
CN105628618B (zh) * 2015-12-21 2018-03-09 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
CN107065036B (zh) * 2017-04-19 2019-12-24 中国农业科学院农业资源与农业区划研究所 一种联合遥感和气象数据获取全天候蒸散发的方法

Also Published As

Publication number Publication date
CN109187360A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109187360B (zh) 基于反射率-植被覆盖度二维空间的蒸散发遥感反演方法和应用
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
Agam et al. Application of the Priestley–Taylor approach in a two-source surface energy balance model
Chirouze et al. Intercomparison of four remote-sensing-based energy balance methods to retrieve surface evapotranspiration and water stress of irrigated fields in semi-arid climate
Choi et al. An intercomparison of three remote sensing-based surface energy balance algorithms over a corn and soybean production region (Iowa, US) during SMACEX
Madugundu et al. Performance of the METRIC model in estimating evapotranspiration fluxes over an irrigated field in Saudi Arabia using Landsat-8 images
Hssaine et al. Calibrating an evapotranspiration model using radiometric surface temperature, vegetation cover fraction and near-surface soil moisture data
Jiang et al. An intercomparison of regional latent heat flux estimation using remote sensing data
Zhang et al. Characteristics of dew formation and distribution, and its contribution to the surface water budget in a semi-arid region in 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
Norouzi et al. Using microwave brightness temperature diurnal cycle to improve emissivity retrievals over land
CN108829975B (zh) 地表温度日内变化过程的遥感估算方法和装置
Sun et al. Development of a simple remote sensing evapotranspiration model (Sim-ReSET): algorithm and model test
Stewart et al. Use of satellite data to estimate radiation and evaporation for northwest Mexico
Matin et al. Assessing spatiotemporal variation in actual evapotranspiration for semi-arid watersheds in northwest China: Evaluation of two complementary-based methods
Li et al. Precipitation rather than evapotranspiration determines the warm-season water supply in an alpine shrub and an alpine meadow
Paredes et al. Daily grass reference evapotranspiration with Meteosat Second Generation shortwave radiation and reference ET products
Gan et al. An optimized two source energy balance model based on complementary concept and canopy conductance
Cristóbal et al. Estimation of surface energy fluxes in the Arctic tundra using the remote sensing thermal-based Two-Source Energy Balance model
Li et al. Surface temperature correction in TVDI to evaluate soil moisture over a large area
Tian et al. Climate change impacts on regional agricultural irrigation water use in semi-arid environments
Wang et al. Temporal interpolation of land surface fluxes derived from remote sensing–results with an unmanned aerial system
CN109188465B (zh) 基于参考像元信息的区域地表蒸散发遥感估算方法
Tunca Evaluating the performance of the TSEB model for sorghum evapotranspiration estimation using time series UAV imagery
Koster et al. The pattern across the continental United States of evapotranspiration variability associated with water availability

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