CN109858186B - 联合光学和热学数据的农田干旱评估方法 - Google Patents
联合光学和热学数据的农田干旱评估方法 Download PDFInfo
- Publication number
- CN109858186B CN109858186B CN201910179486.2A CN201910179486A CN109858186B CN 109858186 B CN109858186 B CN 109858186B CN 201910179486 A CN201910179486 A CN 201910179486A CN 109858186 B CN109858186 B CN 109858186B
- Authority
- CN
- China
- Prior art keywords
- surface conductivity
- model
- farmland
- index
- optical
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种联合光学和热学数据的农田干旱评估方法,利用多光谱相机获取农田的光学信息,计算得到植被覆盖指数;利用热学传感器获取农田的热学信息,计算水分亏缺指数,将水分亏缺指数简化为温度植被干燥指数并确定干边和湿边的表面温度后,计算得到温度植被干燥指数;综合植被覆盖指数和温度植被干燥指数,建立基于光学和热学数据的地表电导率模型;利用观测信息确定实际的地表电导率,通过Penman‑Monteith模型得到估算的地表电导率,使得估算的地表电导率与实际的地表电导率有最好的拟合效果,从而确定地表电导率模型的参数,即确认地表电导率模型,通过计算地表电导率评估农田干旱程度。本方法综合光学和热学的数据建立地表电导率模型,结果可靠。
Description
技术领域
本发明属于农田干旱评估领域,具体涉及一种联合光学和热学数据的农田干旱评估方法。
背景技术
人们普遍认为,地表温度和植被指数的补充信息有可能监测植被状况和干旱状况,有许多研究涉及这些水分信息的解释,如,作物水分胁迫指数(CWSI)、水分亏缺指数(WDI)、植被-温度条件指数(VTCI)、温度植被干燥指数(TVDI)、植被健康指数(VHI)等。
从遥感数据中准确估算地表电导(Gs)和蒸散(ET)已引起越来越多的关注,目前,已经开发了五种主要的基于遥感的算法来估计过去几十年的区域蒸散(ET),包括回归模型、三角形ortrapezoid方法、表面能量平衡模型、潜在蒸散量的缩放、Penman-Monteith模型。在这些方法中,Penman-Monteith模型具有精确和直接的物理机制被认为是优选的算法,并已广泛应用于农业,水文,遥感等领域,应用Penman-Monteith模型的紧迫挑战是地表电导率(Gs)的参数化。
地表电导率(Gs)的概念起源于大叶模型,它假定陆地表面为均匀层,原则上,地表电导率(Gs)应进一步细分为冠层表面电导率和土壤表面电导率,而冠层表面电导率和土壤表面电导率之间通常没有区别,地表电导率(Gs)通常与气孔导度以及表面温度有关,而气孔导度与植被干旱程度有密切关联,因此,地表电导率(Gs)用来评估农田干旱程度是合理可行的。
传统方法通过利用单一的热学数据,建立了一些地表电导率(Gs)模型,基于单一数据的地表电导率(Gs)模型存在以下问题:1)环境应力函数非线性导致难以获取模型参数;2)环境变量(如气温和气压)的相互依赖性可能会导致较差的生物参数;3)空间气象数据不是直接测量的,而是使用稀疏站测量进行插值,从而引入了额外的不确定性。
发明内容
本发明的目的是提供一种联合光学和热学数据的农田干旱评估方法,综合光学和热学的数据建立地表电导率模型,结果可靠,不需要利用稀疏站进行数据插值。
本发明所采用的技术方案是:
一种联合光学和热学数据的农田干旱评估方法,包括步骤:
S1、建立地表电导率模型—利用多光谱相机获取农田的光学信息,计算得到植被覆盖指数;利用热学传感器获取农田的热学信息,计算水分亏缺指数,通过假设均匀的大气条件,将水分亏缺指数简化为温度植被干燥指数,确定干边和湿边的表面温度后,计算得到温度植被干燥指数;综合植被覆盖指数和温度植被干燥指数,建立基于光学和热学数据的地表电导率模型;
S2、确定地表电导率模型的参数—利用观测信息确定实际的地表电导率,通过Penman-Monteith模型得到估算的地表电导率,利用MATLAB中的广义模式搜索算法,通过最小化成本函数F,使得估算的地表电导率与实际的地表电导率有最好的拟合效果,从而确定地表电导率模型的参数,即确认地表电导率模型;
S3、利用地表电导率模型进行地表电导率计算,从而评估农田干旱程度。
在S1中,对于较大面积农田,多光谱相机安装在无人机上进行拍摄,从而获取农田的光学信息。
在S2中,根据现有的基于单一数据的地表电导率模型,基于光学和热学数据的地表电导率模型也采用指数形式。
本发明的有益效果是:
根据现有的研究,Yebra等人研究了基于光学的地表电导率模型,但综合利用热学和光学数据的地表电导率模型还没有被前人研究,由于地表电导率与光学和热学数据有都密切关联,研究地表电导率与光学和热学的关系,提出基于光学和热学数据的地表电导率模型是有意义和必要的,本发明综合使用了光学和热学的数据,利用两方面与地表电导率相关的信息对地表电导率进行估算,提出新的地表电导率模型,相较于单数据单参数的模型更加准确,双参数缓和了非常规情况下单数据单参数模型评估效果差的问题,结果可靠,而且本发明利用实时气象数据以及观测数据进行计算,不需要如前人研究利用稀疏站进行数据插值。
附图说明
图1是本发明的流程原理图。
图2是本发明的具体流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1和图2所示,一种联合光学和热学数据的农田干旱评估方法,包括以下步骤。
S1、建立地表电导率(Gs)模型,包括以下内容。
S1.1、利用多光谱相机获取农田的光学信息,计算得到植被覆盖指数(NDVI),对于较大面积农田,多光谱相机安装在无人机上进行拍摄。
S1.2、利用热学传感器获取农田的热学信息,计算水分亏缺指数(WDI),理论上,
其中,ETa是实际蒸散量;ETp是潜在的蒸散;Ts-Ta是地表与空气之间的温度差异;(Ts-Ta)dry和(Ts-Ta)wet分别是干边缘和湿边缘的温度差异。
在干边缘处地表电导率(Gs)为0且在湿边缘处为正值的条件下,地表电导率(Gs)与水分亏缺指数(WDI)之间的理论关系可表示为:
假设大气条件是均匀的,水分亏缺指数(WDI)可以简化为温度植被干燥指数(TVDI),温度植被干燥指数(TVDI)更常用与遥感领域,
其中,Twet和Tdry分别是湿边和干边的表面温度。
S1.3、确定干边和湿边的表面温度(Tdry和Twet)后,计算得到温度植被干燥指数(TVDI),计算过程如下。
干边缘和湿边缘的参数化对于计算温度植被干燥指数(TVDI)是至关重要的,现在已经提出的各种参数化方法中,使用Long等人的理论方法,干边可以描述为:
其中,Ts,max和Tc,max分别为全季植被冠层的干燥温度;Sd是向下的短波辐射(Wm-2);αs和αc分别是裸土和植被反照率;εs和εc分别是裸土和植被发射率;εa是大气发射率,使用Prata模型计算;σ是Stefan-Boltzmann常数(5.67×10-8Wm-2K-4);ra,s和ra,c分别是大气稳定性(sm-1)校正的表面和植被的气动阻力,计算ra,s和ra,c的详细程序可以在Foken(2008)中找到;c是裸土的土壤热流量与净辐射的比率。一些参数值通过参考Long等人给出。
表1用于计算理论温度植被干燥指数(TVDI)干边的参数值
湿边可以按照如下公式计算:
Ts,min=Tc,min=Ta (8)
其中Ts,min和Tc,min分别是裸土和完整植被冠层的湿边温度。
S1.4、综合植被覆盖指数(NDVI)和温度植被干燥指数(TVDI),建立基于光学和热学数据的地表电导率(Gs)模型,根据现有的基于单一数据的地表电导率(Gs)模型,基于光学和热学数据的地表电导率(Gs)模型也采用指数形式:
Gs=c0exp(c1TVDI)exp(c2NDVI) (9)
S2、确定地表电导率模型的参数,包括以下内容。
S2.1、利用观测信息确定实际的地表电导率(Gs)。
S2.2、通过Penman-Monteith模型得到估算的地表电导率(Gs),计算过程如下。
通过Penman-Monteith模型估算每日蒸发蒸腾速率(ET)和地表电导率(Gs):
其中,λET是潜热流(Wm-2);ET是每日蒸发蒸腾速率(mmday-1);λ是转换因子,其值为0.035,用于将辐射(Wm-2)转换为等效蒸发(mmday-1);Rn是净辐射(Wm-2);G是土壤热量(Wm-2);ρ是空气密度(kgm-3);cP是空气的特定热量(Jkg-1K-1;Δ是饱和蒸气压与温度之间的关系斜率(kPa℃-1);γ是湿度常数(kPa℃-1);和VPD是空气蒸气压力(kPa);ga是空气动力学传导率(ms-1),计算如下:
其中k是冯卡曼常数(0.41);u是平均风速(ms-1);zm和zt分别是风速和温度的测量高度(m);d是零平面位移(m;z0m和z0h是动量和热量(m)的粗糙度长度。变量d估计如下:
其中h是冠层高度(m)。
根据Yang等人的方法,从单水平风速计数据估算z0m,z0h通过以下方式凭经验确定:
z0h=0.1z0m (14)
S2.3、利用MATLAB中的广义模式搜索算法,通过最小化成本函数F,
其中,Gs,bos,i和Gs,set,i分别是实际的每日地表电导率(Gs)和估计的每日地表电导率(Gs),使得估算的地表电导率(Gs)与实际的地表电导率(Gs)有最好的拟合效果,从而确定地表电导率(Gs)模型的参数,即确认地表电导率(Gs)模型。
S3、利用地表电导率(Gs)模型进行地表电导率(Gs)计算,从而评估农田干旱程度。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1.一种联合光学和热学数据的农田干旱评估方法,其特征在于:包括步骤,
S1、建立地表电导率模型—利用多光谱相机获取农田的光学信息,计算得到植被覆盖指数;利用热学传感器获取农田的热学信息,计算水分亏缺指数,通过假设均匀的大气条件,将水分亏缺指数简化为温度植被干燥指数,确定干边和湿边的表面温度后,计算得到温度植被干燥指数;综合植被覆盖指数和温度植被干燥指数,建立基于光学和热学数据的地表电导率模型;
S2、确定地表电导率模型的参数—利用观测信息确定实际的地表电导率,通过Penman-Monteith模型得到估算的地表电导率,利用MATLAB中的广义模式搜索算法,通过最小化成本函数F,使得估算的地表电导率与实际的地表电导率有最好的拟合效果,从而确定地表电导率模型的参数,即确认地表电导率模型;
S3、利用地表电导率模型进行地表电导率计算,从而评估农田干旱程度;
通过Penman-Monteith模型得到估算的地表电导率时,计算过程为
通过Penman-Monteith模型估算每日蒸发蒸腾速率ET和地表电导率Gs:
其中,λET是潜热流;ET是每日蒸发蒸腾速率;λ是转换因子,用于将辐射转换为等效蒸发;Rn是净辐射;G是土壤热量;ρ是空气密度;cP是空气的特定热量;Δ是饱和蒸气压与温度之间的关系斜率;γ是湿度常数;VPD是空气蒸气压力;ga是空气动力学传导率,计算为
其中k是冯卡曼常数;u是平均风速;zm和zt分别是风速和温度的测量高度;z0m和z0h是动量和热量的粗糙度长度,从单水平风速计数据估算z0m,z0h凭经验确定为z0h=0.1z0m;d是零平面位移,变量d估计为
其中h是冠层高度。
2.如权利要求1所述的联合光学和热学数据的农田干旱评估方法,其特征在于:在S1中,对于较大面积农田,多光谱相机安装在无人机上进行拍摄,从而获取农田的光学信息。
3.如权利要求1所述的联合光学和热学数据的农田干旱评估方法,其特征在于:在S2中,根据现有的基于单一数据的地表电导率模型,基于光学和热学数据的地表电导率模型也采用指数形式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910179486.2A CN109858186B (zh) | 2019-03-11 | 2019-03-11 | 联合光学和热学数据的农田干旱评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910179486.2A CN109858186B (zh) | 2019-03-11 | 2019-03-11 | 联合光学和热学数据的农田干旱评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858186A CN109858186A (zh) | 2019-06-07 |
CN109858186B true CN109858186B (zh) | 2022-06-03 |
Family
ID=66900252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910179486.2A Active CN109858186B (zh) | 2019-03-11 | 2019-03-11 | 联合光学和热学数据的农田干旱评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858186B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131708B (zh) * | 2020-08-24 | 2023-11-28 | 无锡德林海环保科技股份有限公司 | 基于HY-1C数据的高原湖泊叶绿素a浓度遥感反演方法 |
CN113617878B (zh) * | 2021-07-13 | 2023-05-26 | 太原理工大学 | 一种基于三维曲面理论的宽厚板压平矫直方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187630A (zh) * | 2007-12-05 | 2008-05-28 | 北京大学 | 一种农田干旱监测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014066938A1 (en) * | 2012-10-29 | 2014-05-08 | The University Of Sydney | A method of determining the thermophysical properties of a working fluid |
ES2951703T3 (es) * | 2014-10-31 | 2023-10-24 | Purdue Research Foundation | Método para proporcionar una evaluación tridimensional del movimiento del agua a través del suelo y a través de un campo y el sistema asociado |
WO2017070199A1 (en) * | 2015-10-22 | 2017-04-27 | Colorado State University Research Foundation | Soil moisture downscaling using topography, soil and vegetation data |
US10529036B2 (en) * | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
CN107145644B (zh) * | 2017-04-18 | 2019-12-13 | 中国科学院南京土壤研究所 | 一种基于多源数据耦合的土壤盐渍化解译方法 |
-
2019
- 2019-03-11 CN CN201910179486.2A patent/CN109858186B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187630A (zh) * | 2007-12-05 | 2008-05-28 | 北京大学 | 一种农田干旱监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109858186A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kalma et al. | Estimating evaporation from pasture using infrared thermometry: evaluation of a one-layer resistance model | |
Prueger et al. | Bowen‐ratio comparisons with lysimeter evapotranspiration | |
Kalma et al. | Estimating land surface evaporation: A review of methods using remotely sensed surface temperature data | |
Spano et al. | Surface renewal analysis for sensible heat flux density using structure functions | |
Davies et al. | Equilibrium, potential and actual evaporation from cropped surfaces in southern Ontario | |
Giorgi et al. | Representation of heterogeneity effects in earth system modeling: Experience from land surface modeling | |
Andreas et al. | Statistics of surface-layer turbulence over terrain with metre-scale heterogeneity | |
Gao et al. | A coupled remote sensing and the Surface Energy Balance with Topography Algorithm (SEBTA) to estimate actual evapotranspiration over heterogeneous terrain | |
CN109858186B (zh) | 联合光学和热学数据的农田干旱评估方法 | |
CN108829975B (zh) | 地表温度日内变化过程的遥感估算方法和装置 | |
Ono et al. | Apparent downward CO 2 flux observed with open-path eddy covariance over a non-vegetated surface | |
CN109188465B (zh) | 基于参考像元信息的区域地表蒸散发遥感估算方法 | |
Boni et al. | Sampling strategies and assimilation of ground temperature for the estimation of surface energy balance components | |
King et al. | The seasonal cycle of sublimation at Halley, Antarctica | |
Liu et al. | Actual daily evapotranspiration estimated from MERIS and AATSR data over the Chinese Loess Plateau | |
Fritschen et al. | Bowen ratio energy balance method | |
Jupp et al. | Soil moisture and drought monitoring using remote sensing I: Theoretical background and methods | |
Mahrt et al. | Moisture fluxes over snow with and without protruding vegetation | |
CN103218532B (zh) | 绿水流估算方法及装置 | |
Saha | Assessment of regional soil moisture conditions by coupling satellite sensor data with a soil-plant system heat and moisture balance model | |
Bowers et al. | Summer energy balance regimes for alpine tundra, Plateau Mountain, Alberta, Canada | |
Zhang et al. | Determination of regional distribution of crop transpiration and soil water use efficiency using quantitative remote sensing data through inversion | |
CN110083954B (zh) | 基于边界层阻力测量技术的温室作物需水量计算方法 | |
CN111400647A (zh) | 一种基于参考像元信息的区域地表蒸散发遥感估算装备 | |
Paul et al. | Evaluating surface energy balance system (SEBS) using aircraft data collected during BEAREX07 |
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 |