CN109871552B - 一种不同深度的土壤温度估算方法 - Google Patents

Abstract

本发明提供一种不同深度的土壤温度估算方法，包括：S1，预处理光学和热红外卫星遥感数据，获取地表温度集合和植被指数集合；S2，根据任一深度的土壤温度观测点坐标，从地表温度集合和植被指数集合中提取对应地表温度和植被指数；根据任一深度的土壤温度观测时间获取对应太阳赤纬；S3，分析所述任一深度的土壤温度分别与对应地表温度、植被指数和太阳赤纬的相关性，获取分析结果；S4，根据所述分析结果，建立任一深度的土壤温度估算模型；S5，重复S2‑S4，获取不同深度的土壤温度估算模型；S6，根据不同深度的土壤温度估算模型估算不同深度的土壤温度。本发明提供的方法，无需增加观测点，提高了估算精确度和效率。

Description

一种不同深度的土壤温度估算方法

技术领域

本发明涉及卫星遥感数据应用处理技术领域，尤其涉及一种不同深度的土壤温度估算方法。

背景技术

土壤温度是水文学、气象学、地质学、生态学、农学和环境研究等领域的重要参数之一。不同深度土壤温度的估算有助于理解陆地表面能量传输的过程，季节变化、土壤类型及土地覆盖状况均不同程度地影响土壤热量的收支平衡，进而影响土壤温度的变化。土壤温度变化直接影响农业生产，获取长时间序列的土壤温度空间分布数据有助于改良农业技术、田间管理策略，维持产量。

近年来，随着卫星遥感技术的快速发展，光学和热红外等卫星传感器的对地观测提供了多种遥感影像数据，为土壤温度的估算提供了新的技术。美国国家航空航天局(NASA)提出地球观测系统(EOS)，通过空间技术全面观测地球系统，了解地球系统的现状及其变化特征，深刻认识地球能量收支的全球分布。EOS卫星观测体系包括Terra卫星、Aqua卫星和Aura卫星，其中Terra卫星和Aqua卫星分别搭载了中分辨率成像光谱仪(MODIS)。MODIS利用可见光和红外线进行对地观测，有36个离散光谱波段，可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮游植物、生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧和云顶高度等特征的信息，可用于对地表、生物圈、固态地球、大气和海洋进行长期全球观测。

目前，土壤温度数据的常用获取方法为地面观测和模型模拟。基于物理学模型模拟出来的土壤温度能够完整得描述期时空变化过程，而由观测得到的土壤温度数据则提供了更直接、更真实的数据。然而，由于地表的时空异质性以及模型参数的不完善性，建模和观测都有不确定性。一方面，现有模拟模型的初始条件和土壤类型的不确定性会引入误差；另一方面，土壤表面温度会受到太阳辐射、气温和降水等大气边界条件的影响以及地表覆盖的影响。这些误差将逐渐积累，土壤温度估计将与真实状态出现分歧。对于地面观测方法来说，仪器误差和空间异质性，仍然存在很大的不确定性。此外，高密度观测是不切实际且昂贵的。

研究表明，土壤温度与气温之间存在相互影响的关系。可以通过可见光和热红外等卫星传感器来模拟土壤温度。MODIS地表温度(LST)产品多用来估算日平均气温、日最低气温和最高气温。也有学者开始利用LST来估算浅层土壤温度，获取土壤温度的时间和空间分布数据。

目前，土壤温度的遥感估算方法研究主要集中在利用地温或气温等单一因子进行估算，或引入数据同化方法进行模拟。但是，土壤温度的变化是太阳辐射和土壤热量平衡特征以及下垫面等因子的综合影响的结果。同时，对土壤温度估算方法集中在土壤表面温度，对不同深度的土壤温度估算也较少。但是不同深度的土壤温度空间分布趋势和季节性变化特征有差异。因此对土壤温度遥感估算方法的研究具有现实意义。

发明内容

本发明为解决现有技术中存在的不同深度的土壤温度估算方法的研究较少且精度较低的问题，提供了一种不同深度的土壤温度估算方法。

一方面，本发明提出一种不同深度的土壤温度估算方法，包括：S1，预处理光学和热红外卫星遥感数据，获取地表温度集合和植被指数集合；S2，根据任一深度的土壤温度观测点坐标，从所述地表温度集合和植被指数集合中，提取所述任一深度的土壤温度观测点对应的地表温度和植被指数；根据所述任一深度的土壤温度观测时间，获取所述任一深度的土壤温度观测时间对应的太阳赤纬；S3，分析所述任一深度的土壤温度分别与对应的地表温度、植被指数和太阳赤纬的相关性，获取相关性分析结果；S4，根据所述相关性分析结果，建立所述任一深度的土壤温度估算模型；S5，重复步骤S2-S4，获取不同深度的土壤温度估算模型；S6，根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度。

优选地，所述步骤S1进一步包括：从所述光学和热红外卫星遥感数据中提取图层，并对图层中的影像进行拼接、重采样、投影转换和裁剪，获取地表温度集合和植被指数集合。

优选地，所述步骤S3进一步包括：对所述任一深度的土壤温度分别与对应的不同时间的地表温度、不同卫星提供的植被指数和太阳赤纬两两进行相关性分析，相关系数计算公式如下：

其中，r为所述任一深度的土壤温度与地表温度、植被指数和太阳赤纬中任一变量的相关系数；x_i为所述任一变量、y_i为所述任一深度的土壤温度，

对应所述任一变量的平均值、

对应所述任一深度的土壤温度的平均值；i＝1,2,3,…,n，n为所述任一变量的有效数量。

优选地，步骤S4中所述任一深度的土壤温度估算模型如下拟合方程：

ST＝dLST+eNDVI+fDs+g

其中，ST为所述任一深度的土壤温度估算值，LST为地表温度，NDVI为植被指数数据，Ds为太阳赤纬，d、e、f和g为通过数据拟合得到系数。

优选地，所述步骤S4还包括：计算所述拟合方程的均方根误差、决定系数和偏差。

优选地，所述步骤S5与S6间，还包括：利用验证站点和年份实测土壤温度数据，对所述不同深度的土壤温度估算模型进行精度评价。

另一方面，本发明提出一种不同深度的土壤温度估算系统，包括：预处理模块，用于预处理光学和热红外卫星遥感数据，获取地表温度集合和植被指数集合；数据获取模块，用于根据任一深度的土壤温度观测点坐标，从所述地表温度集合和植被指数集合中，提取所述任一深度的土壤温度观测点对应的地表温度和植被指数；根据所述任一深度的土壤温度观测时间，获取所述任一深度的土壤温度观测时间对应的太阳赤纬；相关性模块，用于分析所述任一深度的土壤温度分别与对应的地表温度、植被指数和太阳赤纬的相关性，获取相关性分析结果；第一建模模块，用于根据所述相关性分析结果，建立所述任一深度的土壤温度估算模型；第二建模模块，用于获取不同深度的土壤温度估算模型；估算模块，用于根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度；所述数据获取模块分别与所述预处理模块和相关性模块连接，所述第一建模模块分别与所述相关性模块和第二建模模块连接，所述第二建模模块与所述估算模块连接。

本发明提供的一种不同深度的土壤温度估算方法，根据地表温度、植被指数以及太阳赤纬构建不同深度土壤温度估算模型，无需再增加地面观测点，提高了估算精确度和计算效率，节约了人力物力，为作物播种期预报、病虫害越冬条件评估、地下管道埋深测算等提供准确和全面的数据支持和决策依据。

附图说明

图1为本发明具体实施例的一种不同深度的土壤温度估算方法的流程示意图；

图2为本发明具体实施例的土壤温度与地表温度的季节变化示意图；

图3为本发明具体实施例的土壤温度与植被指数的季节变化示意图；

图4为本发明具体实施例的土壤温度与太阳赤纬的季节变化示意图；

图5为本发明具体实施例的一种不同深度的土壤温度估算系统的结构示意图；

图6为本发明具体实施例的一种不同深度的土壤温度估算方法的流程示意图。

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。

目前，土壤温度遥感估算方法主要基于地表温度产品和模型模拟，没有考虑下垫面影响，对不同深度的土壤温度估算方法的研究也较少且精度较低。本发明通过建立基于光学和热红外遥感数据的不同深度土壤温度遥感估算模型，弥补观测站点的不足和估算精度低的问题，具有成本低、实用性强等特点。

图1为本发明具体实施例的一种不同深度的土壤温度估算方法的流程示意图，如图1所示，一种不同深度的土壤温度估算方法，包括：S1，预处理光学和热红外卫星遥感数据，获取地表温度集合和植被指数集合；S2，根据任一深度的土壤温度观测点坐标，从所述地表温度集合和植被指数集合中，提取所述任一深度的土壤温度观测点对应的地表温度和植被指数；根据所述任一深度的土壤温度观测时间，获取所述任一深度的土壤温度观测时间对应的太阳赤纬；S3，分析所述任一深度的土壤温度分别与对应的地表温度、植被指数和太阳赤纬的相关性，获取相关性分析结果；S4，根据所述相关性分析结果，建立所述任一深度的土壤温度估算模型；S5，重复步骤S2-S4，获取不同深度的土壤温度估算模型；S6，根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度。

具体地，首先，获取光学和热红外卫星遥感数据，并对所述光学和热红外卫星遥感数据进行预处理，获取地表温度集合和植被指数集合。

本发明具体实施例中，所述光学和热红外卫星遥感数据包括Terra卫星和Aqua卫星的MODIS地表温度数据产品(MOD11A1和MYD11A1)和植被指数数据产品(MOD13A2和MYD13A2)。MODIS地表温度(LST)数据产品和植被指数数据产品以数据集的形式存储。其中，所述植被指数(Normalized Difference Vegetation Index，NDVI)，应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。

其次，根据任一深度的土壤温度观测点的坐标，从所述地表温度集合中提取所述坐标位置对应的地表温度，从所述植被指数集合中提取所述坐标位置对应的植被指数。

与此同时，根据所述任一深度的土壤温度的观测时间，计算太阳赤纬。

随后，对所述任一深度的土壤温度与对应的不同时间的地表温度、不同卫星提供的植被指数和太阳赤纬两两进行相关性分析。

接着，根据上述相关性分析获取的相关性分析结果，建立所述任一深度的土壤温度估算模型，所述土壤温度估算模型的自变量为地表温度、植被指数和太阳赤纬。

重复上述任一深度的土壤温度估算模型的建模步骤，建立不同深度的土壤温度估算模型，并根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度。

本发明具体实施例中，根据地表温度、植被指数以及太阳赤纬构建不同深度土壤温度估算模型，无需再增加地面观测点，提高了估算精确度和计算效率，节约了人力物力，为作物播种期预报、病虫害越冬条件评估、地下管道埋深测算等提供准确和全面的数据支持和决策依据。

基于上述具体实施例，一种不同深度的土壤温度估算方法，所述步骤S1进一步包括：从所述光学和热红外卫星遥感数据中提取图层，并对图层中的影像进行拼接、重采样、投影转换和裁剪，获取地表温度集合和植被指数集合。

具体地，所述光学和热红外卫星遥感数据包括MODIS地表温度数据产品和MODIS植被指数数据产品。MODIS数据产品以数据集的形式存储。因而，首先需要从所述光学和热红外卫星遥感数据，即各个数据集中提取所需的图层，本发明具体实施例中，从MODIS地表温度数据产品中提取的图层包括白天地表温度、夜晚地表温度以及相对应的质量控制图层；从MODIS植被指数数据产品中提取的图层包括归一化植被指数NDVI图层和质量控制图层。

随后，对上述图层中的影像进行拼接、重采样、投影转换和裁剪等操作，获取经过预处理的地表温度集合和植被指数集合。

本发明具体实施例中，通过预处理光学和热红外卫星遥感数据，为后续应用遥感数据估算不同深度的土壤温度提供数据支持。

基于上述任一具体实施例，一种不同深度的土壤温度估算方法，所述步骤S2中，根据任一深度的土壤温度观测点坐标，从所述地表温度集合和植被指数集合中，提取所述任一深度的土壤温度观测点对应的地表温度和植被指数，进一步包括：

根据任一深度的土壤温度观测点的经纬度，提取地表温度图层和植被指数图层对应的像素值，从所述地表温度集合和植被指数集合中提取对应的地表温度和植被指数，并根据土地分类进行耕地掩膜。所述土地分类数据同样通过预处理光学和热红外卫星遥感数据获取。

图2为本发明具体实施例的土壤温度与地表温度的季节变化示意图，图3为本发明具体实施例的土壤温度与植被指数的季节变化示意图，如图2和图3所示，土壤温度与地表温度和植被指数的季节变化，趋势一致但峰值出现的时间和大小不同。由于MODIS原始图层为整型数据，在实际计算中要对植被指数除以一万，而地表温度还需要将开尔文温度转化为摄氏温度，计算公式如下：

C＝0.02T-273.15

其中，C为摄氏温度(℃)，T为开氏温度。

图4为本发明具体实施例的土壤温度与太阳赤纬的季节变化示意图，参考图4，太阳赤纬的计算公式如下：

式中，j为日数，自1月1日开始计算。

基于上述任一具体实施例，一种不同深度的土壤温度估算方法，所述步骤S3进一步包括：

对所述任一深度的土壤温度分别与对应的不同时间的地表温度、不同卫星提供的植被指数和太阳赤纬两两进行相关性分析，相关系数计算公式如下：

其中，r为所述任一深度的土壤温度与地表温度、植被指数和太阳赤纬中任一变量的相关系数；x_i为所述任一变量、y_i为所述任一深度的土壤温度，

对应所述任一变量的平均值、

对应所述任一深度的土壤温度的平均值；i＝1,2,3,…,n，n为所述任一变量的有效数量。

此处的相关性分析是为了避免土壤温度与上述地表温度、植被指数和太阳赤纬间两两存在的共线性问题。因此，在建立土壤温度估算模型之前，对上述变量进行相关性分析，衡量变量之间的相关密切程度。只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。同时随着深度的增加，土壤温度与各变量的相关性会发生较大变化。进行相关性分析有助于后期建立回归模型。

基于上述任一具体实施例，一种不同深度的土壤温度估算方法，步骤S4中所述任一深度的土壤温度估算模型如下拟合方程：

ST＝dLST+eNDVI+fDs+g

其中，ST为所述任一深度的土壤温度估算值，LST为地表温度，NDVI为植被指数数据，Ds为太阳赤纬，d、e、f和g为通过数据拟合得到系数。

进一步地，所述步骤S4还包括：计算所述拟合方程的均方根误差、决定系数和偏差。上述参数均为精度评价参数。

基于上述任一具体实施例，一种不同深度的土壤温度估算方法，所述步骤S5与S6间，还包括：利用验证站点和年份实测土壤温度数据，对所述不同深度的土壤温度估算模型进行精度评价。

具体地，在不同深度的土壤温度估算模型建模完成后，应用上述估算模型进行估算前，还需要利用验证站点和年份实测土壤温度数据对所述估算模型进行精度评价，绘制估算值与实测值的散点图。

进一步地，本发明具体实施例中，应用决定系数，均方根误差和偏差三个指标对步骤S5中建立的不同深度的土壤温度估算模型进行评价。

本发明具体实施例中，通过对土壤温度估算模型进行精度评价，验证了根据地表温度、植被指数以及太阳赤纬构建的不同深度土壤温度估算模型的估算精度。

基于上述任一具体实施例，图5为本发明具体实施例的一种不同深度的土壤温度估算系统的结构示意图，如图5所示，一种不同深度的土壤温度估算系统，包括：预处理模块、数据获取模块、相关性模块、第一建模模块、第二建模模块和估算模块。

其中，所述预处理模块，用于预处理光学和热红外卫星遥感数据，获取地表温度集合和植被指数集合；所述数据获取模块，用于根据任一深度的土壤温度观测点坐标，从所述地表温度集合和植被指数集合中，提取所述任一深度的土壤温度观测点对应的地表温度和植被指数；根据所述任一深度的土壤温度观测时间，获取所述任一深度的土壤温度观测时间对应的太阳赤纬；所述相关性模块，用于分析所述任一深度的土壤温度分别与对应的地表温度、植被指数和太阳赤纬的相关性，获取相关性分析结果；所述第一建模模块，用于根据所述相关性分析结果，建立所述任一深度的土壤温度估算模型；所述第二建模模块，用于获取不同深度的土壤温度估算模型；所述估算模块，用于根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度；所述数据获取模块分别与所述预处理模块和相关性模块连接，所述第一建模模块分别与所述相关性模块和第二建模模块连接，所述第二建模模块与所述估算模块连接。

具体地，首先，预处理模块获取光学和热红外卫星遥感数据，并对所述光学和热红外卫星遥感数据进行预处理，获取地表温度集合和植被指数集合，并将所述地表温度集合和植被指数集合发送给数据获取模块。

数据获取模块获取预处理模块发送的地表温度集合和植被指数集合后，根据任一深度的土壤温度观测点的坐标，从所述地表温度集合中提取所述坐标位置对应的地表温度，从所述植被指数集合中提取所述坐标位置对应的植被指数。

与此同时，数据获取模块根据所述任一深度的土壤温度的观测时间，计算太阳赤纬，并将任一深度的土壤温度对应的地表温度、植被指数和太阳赤纬发送给相关性模块。

相关性模块对所述任一深度的土壤温度与对应的不同时间的地表温度、不同卫星提供的植被指数和太阳赤纬两两进行相关性分析，并将上述相关性分析获取的相关性分析结果发送给第一建模模块。

第一建模模块根据相关性模块发送的相关性分析结果，建立所述任一深度的土壤温度估算模型，并将所述任一深度的土壤温度估算模型发送给第二建模模块。所述土壤温度估算模型的自变量为地表温度、植被指数和太阳赤纬。

第二建模模块接收第一建模模块发送的所述任一深度的土壤温度估算模型，建立不同深度的土壤温度估算模型并发送给估算模块。

估算模块根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度。

本发明具体实施例中，根据地表温度、植被指数以及太阳赤纬构建不同深度土壤温度估算模型，无需再增加地面观测点，提高了估算精确度和计算效率，节约了人力物力，为作物播种期预报、病虫害越冬条件评估、地下管道埋深测算等提供准确和全面的数据支持和决策依据。

为了更好地理解与应用本发明提出的一种不同深度的土壤温度估算方法，本发明进行以下示例，且本发明不仅局限于以下示例。

图6为本发明具体实施例的一种不同深度的土壤温度估算方法的流程示意图，参考图6，首先，获取光学和热红外卫星遥感数据。所述光学和热红外卫星遥感数据包括MODIS地表温度数据产品、MODIS植被指数数据产品和土地分类数据。从所述MODIS地表温度数据产品中提取图层，并对图层中的影像进行拼接、重采样、投影转换和影像云识别即去除操作；从所述MODIS植被指数数据产品中提取图层，并对图层中的影像进行拼接、重采样、投影转换、去噪平滑操作，生成时间序列NDVI；对所述土地分类数据进行拼接、裁剪、重采样，并提取耕地区域。

其次，提取土地温度观测数据中观测点的经纬度，根据观测点的经纬度从经过预处理的地表温度数据和植被指数数据中提取观测点对应的地表温度和植被指数，并根据土地分类进行耕地掩膜。

同时，根据土地温度观测数据计算不同深度的土壤温度对应的太阳赤纬。

随后，将2003年至2013年的土壤温度观测点按纬度排序，每三个为一组，每组前两个站点对应的土壤温度以及陆地表面温度、植被指数和太阳赤纬用来建立土壤温度估算模型，第三个站点对应的土壤温度以及陆地表面温度、植被指数和太阳赤纬用于验证，即每组前两个站点为建模样点，第三个站点为验证样点。

将建模样点的土壤温度与对应地表温度、植被指数和太阳赤纬两两进行相关性分析，建立不同深度的土壤温度估算模型。

利用验证样点，对所述不同深度的土壤温度估算模型进行验证和分析。最后，利用所述不同深度的土壤温度估算模型估算不同深度的土壤温度。

本示例根据地表温度、植被指数以及太阳赤纬构建不同深度土壤温度估算模型，无需再增加地面观测点，提高了估算精确度和计算效率，节约了人力物力，为作物播种期预报、病虫害越冬条件评估、地下管道埋深测算等提供准确和全面的数据支持和决策依据。

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 (6)

1.一种不同深度的土壤温度估算方法，其特征在于，包括：

S1，预处理光学和热红外卫星遥感数据，获取地表温度集合和植被指数集合；

S2，根据任一深度的土壤温度观测点坐标，从所述地表温度集合和植被指数集合中，提取所述任一深度的土壤温度观测点对应的地表温度和植被指数；根据所述任一深度的土壤温度观测时间，获取所述任一深度的土壤温度观测时间对应的太阳赤纬；

S3，分析所述任一深度的土壤温度分别与对应的地表温度、植被指数和太阳赤纬的相关性，获取相关性分析结果；

S4，根据所述相关性分析结果，建立所述任一深度的土壤温度估算模型；

S5，重复步骤S2-S4，获取不同深度的土壤温度估算模型；

S6，根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度；

所述步骤S1进一步包括：

从所述光学和热红外卫星遥感数据中提取图层，并对图层中的影像进行拼接、重采样、投影转换和裁剪，获取地表温度集合和植被指数集合。

2.根据权利要求1所述的方法，其特征在于，所述步骤S3进一步包括：对所述任一深度的土壤温度分别与对应的不同时间的地表温度、不同卫星提供的植被指数和太阳赤纬两两进行相关性分析，相关系数计算公式如下：

其中，r为所述任一深度的土壤温度与地表温度、植被指数和太阳赤纬中任一变量的相关系数；x_i为所述任一变量、y_i为所述任一深度的土壤温度，

对应所述任一变量的平均值、

对应所述任一深度的土壤温度的平均值；i＝1,2,3,…,n，n为所述任一变量的有效数量。

3.根据权利要求1所述的方法，其特征在于，步骤S4中所述任一深度的土壤温度估算模型如下拟合方程：

ST＝dLST+eNDVI+fDs+g

其中，ST为所述任一深度的土壤温度估算值，LST为地表温度，NDVI为植被指数数据，Ds为太阳赤纬，d、e、f和g为通过数据拟合得到系数。

4.根据权利要求3所述的方法，其特征在于，所述步骤S4还包括：计算所述拟合方程的均方根误差、决定系数和偏差。

5.根据权利要求1所述的方法，其特征在于，所述步骤S5与S6间，还包括：利用验证站点和年份实测土壤温度数据，对所述不同深度的土壤温度估算模型进行精度评价。

6.一种不同深度的土壤温度估算系统，其特征在于，包括：

预处理模块，用于预处理光学和热红外卫星遥感数据，获取地表温度集合和植被指数集合；

数据获取模块，用于根据任一深度的土壤温度观测点坐标，从所述地表温度集合和植被指数集合中，提取所述任一深度的土壤温度观测点对应的地表温度和植被指数；根据所述任一深度的土壤温度观测时间，获取所述任一深度的土壤温度观测时间对应的太阳赤纬；

相关性模块，用于分析所述任一深度的土壤温度分别与对应的地表温度、植被指数和太阳赤纬的相关性，获取相关性分析结果；

第一建模模块，用于根据所述相关性分析结果，建立所述任一深度的土壤温度估算模型；

第二建模模块，用于获取不同深度的土壤温度估算模型；

估算模块，用于根据所述不同深度的土壤温度估算模型估算不同深度的土壤温度；

所述数据获取模块分别与所述预处理模块和相关性模块连接，所述第一建模模块分别与所述相关性模块和第二建模模块连接，所述第二建模模块与所述估算模块连接；

所述预处理模块具体用于：

从所述光学和热红外卫星遥感数据中提取图层，并对图层中的影像进行拼接、重采样、投影转换和裁剪，获取地表温度集合和植被指数集合。

Images