CN110334381B - 蒸散发估算的方法、装置和计算机存储介质 - Google Patents

蒸散发估算的方法、装置和计算机存储介质 Download PDF

Info

Publication number
CN110334381B
CN110334381B CN201910384066.8A CN201910384066A CN110334381B CN 110334381 B CN110334381 B CN 110334381B CN 201910384066 A CN201910384066 A CN 201910384066A CN 110334381 B CN110334381 B CN 110334381B
Authority
CN
China
Prior art keywords
target
slope
target pixel
pixel
evapotranspiration
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
CN201910384066.8A
Other languages
English (en)
Other versions
CN110334381A (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
Hebei GEO University
Original Assignee
Institute of Geographic Sciences and Natural Resources 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 Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN201910384066.8A priority Critical patent/CN110334381B/zh
Publication of CN110334381A publication Critical patent/CN110334381A/zh
Application granted granted Critical
Publication of CN110334381B publication Critical patent/CN110334381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种蒸散发估算的方法、装置和计算机存储介质，该蒸散发估算的方法包括：获取遥感图像上的目标像元长时间序列的多个遥感地表数据；根据多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，多个遥感地表数据一一对应多个散点图；根据多个散点图，确定像元区域的多个斜率；将多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边；根据干边和湿边，估算目标像元对应的蒸散发。本申请基于目标像元的不同斜率能够对应不同的土壤水分亏缺程度，从而通过目标像元的多个斜率中的最大斜率和最小斜率来分别确定特征空间的湿边和干边，从而提高了蒸散发的估算准确度。

Description

蒸散发估算的方法、装置和计算机存储介质
技术领域
本申请涉及地表蒸散发遥感估算技术领域，尤其是涉及一种蒸散发估算的方法、装置和计算机存储介质。
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。
地表温度和植被覆盖度的三角形/梯形特征空间模型只需要输入遥感数据和少量气象数据，模型简单，在蒸散发估算中得到了广泛的应用。
现有模型中均以特征空间的干边和湿边对应的土壤水分亏缺指数固定为1或0来估算蒸散发，即当特征空间的上边界对应的干边附近的像元无法全部达到相对土壤水分均为0、和/或特征空间的下边界对应的湿边附近的像元无法全部达到相对土壤水分均为1的要求时，这时候的干边和湿边可能是不存在的。但是后续在估算蒸散发的时候，继续将这种不精准的干边作为相对土壤水分均为0的理论干边、和/或还将不精准的湿边作为相对土壤水分均为1的理论湿边，并利用上述不精准的干边和/或不精准的湿边来进行后续蒸散发的估算，从而导致最终估算的蒸散发不精准。
发明内容
本申请实施例的目的在于提供一种蒸散发估算的方法、装置和计算机存储介质，能够提高蒸散发的准确度。
第一方面，本申请实施例提供了一种蒸散发估算的方法，该方法包括：获取遥感图像上的目标像元长时间序列的多个遥感地表数据，其中，每个遥感地表数据包括像元区域中的像元在一次卫星过境时间内的地表温度和植被覆盖度；根据多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，多个遥感地表数据一一对应多个散点图；根据多个散点图，确定像元区域的多个斜率，其中，每个散点图对应一个斜率，斜率反映土壤水分亏缺程度；将多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边；根据干边和湿边，估算目标像元对应的蒸散发。
因此，本申请基于目标像元的不同斜率能够对应不同的土壤水分亏缺程度，从而通过目标像元的多个斜率中的最大斜率和最小斜率来分别确定特征空间的湿边和干边，并通过确定后的特征空间的干边和湿边来估算目标像元的蒸散发，从而提高了蒸散发的估算准确度。
在一个实施例中，获取目标像元在目标时间内的地表净辐射、土壤热通量和气象数据；其中，多个遥感地表数据为目标像元处长时间序列测得的数据，根据干边和湿边，估算目标像元对应的蒸散发，包括：根据最大斜率、最小斜率和目标像元目标时间的斜率，确定目标像元在目标时间内对应的土壤水分亏缺指数，其中，土壤水分亏缺指数用于表示土壤水分亏缺程度；根据土壤水分亏缺指数、地表净辐射、土壤热通量和气象数据，估算目标像元在目标时间内对应的蒸散发。
在一个实施例中，根据最大斜率、最小斜率和目标像元目标时间对应的斜率，确定目标像元在目标时间内对应的土壤水分亏缺指数，包括，通过以下公式确定土壤水分亏缺指数：
Figure GDA0002876569410000031
其中，WDI为目标像元在目标时间内的土壤水分亏缺指数，K为目标像元目标时间对应的斜率，K湿边为最大斜率，K干边为最小斜率；
其中，根据土壤水分亏缺指数、地表净辐射、土壤热通量和气象数据，估算目标像元在目标时间内对应的蒸散发，包括，通过以下公式估算蒸散发：
Figure GDA0002876569410000032
其中，ET为目标像元在目标时间的蒸散发，α为普里斯特利泰勒方程的系数，Δ为基于气象数据得到的饱和水汽压曲线斜率，γ为干湿球常数，Rn为目标像元在目标时间的地表净辐射，G为目标像元在目标时间的土壤热通量。
在一个实施例中，根据多个散点图，确定目标像元的多个斜率，包括：利用鲁棒线性回归法确定目标像元的多个斜率。
在一个实施例中，利用鲁棒线性回归法确定目标像元的多个斜率，包括，根据以下公式确定斜率：
LST＝a+k*FVC
其中，LST为地表温度，FVC为植被覆盖度，a为截距，k为斜率。
第二方面，本申请实施例提供了一种蒸散发估算的装置，该装置包括：获取模块，用于获取遥感图像上的像元区域在预设时间的多个遥感地表数据，其中，每个遥感地表数据包括像元区域中的像元在一次卫星过境时间内的地表温度和植被覆盖度；构建模块，用于根据多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，多个遥感地表数据和多个散点图一一对应；确定模块，用于根据多个散点图，确定目标像元的多个斜率，其中，每个散点图对应一个斜率，目标像元为像元区域中的一个像元，斜率反映土壤水分亏缺程度；确定模块，还用于将多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边；确定模块，还用于根据干边和湿边，估算目标像元在目标时间的蒸散发。
在一个实施例中，获取模块，还用于获取目标像元在目标时间的地表净辐射、土壤热通量和气象数据；其中，多个遥感地表数据为预设时间内测得的数据，确定模块，还用于根据最大斜率、最小斜率和目标像元在目标时间的斜率，确定目标像元在目标时间的土壤水分亏缺指数，其中，土壤水分亏缺指数用于表示土壤水分亏缺程度；确定模块，还用于根据土壤水分亏缺指数、地表净辐射、土壤热通量和气象数据，估算目标像元在目标时间的蒸散发。
在一个实施例中，确定模块，还用于通过以下公式确定土壤水分亏缺指数：
Figure GDA0002876569410000041
其中，WDI为目标像元在目标时间的土壤水分亏缺指数，K为目标像元在目标时间的斜率，K湿边为最大斜率，K干边为最小斜率；
其中，确定模块，还用于通过以下公式估算蒸散发：
Figure GDA0002876569410000042
其中，ET为目标像元在目标时间的蒸散发，α为普里斯特利泰勒方程的系数，Δ为基于气象数据得到的饱和水汽压曲线斜率，γ为干湿球常数，Rn为目标像元在目标时间的地表净辐射，G为目标像元在目标时间的土壤热通量。
在一个实施例中，确定模块，还用于利用鲁棒线性回归法确定目标像元的多个斜率。
第三方面，本申请提供一种电子设备，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线通信，机器可读指令被处理器执行时执行如第一方面或第一方面的任一可选的实现方式的方法。
第四方面，本申请提供一种计算机存储介质，该计算机存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面或第一方面的任一可选的实现方式的方法。
第五方面，本申请提供一种计算机程序产品，计算机程序产品在计算机上运行时，使得计算机执行如第一方面或第一方面的任意可能的实现方式中的方法。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种蒸散发估算的方法的流程图；
图2为本申请实施例提供的一种蒸散发估算的装置的框图；
图3为本申请实施例提供的一种装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参照图1，图1为本申请实施例提供的一种蒸散发估算的方法的流程图，应理解，图1所示的方法可以由蒸散发估算的装置执行，该装置可以与下文中的图2所示的装置对应，该装置可以是能够执行该方法的各种设备，例如，如个人计算机、服务器或网络设备等，本申请对此不作限定，具体如图1的方法包括如下步骤：
步骤S110，获取遥感图像上的像元区域在预设时间(或长时间序列)的多个遥感地表数据，其中，每个遥感地表数据包括像元区域中的像元在一次卫星过境时间内的地表温度和植被覆盖。
应理解，预设时间可为3年、8年、10年、15年等，即预设时间可根据实际需求来进行设置，本申请对此不作限定。
应理解，遥感图像可为安装在载体(如飞机、卫星等)上的图像采集设备拍摄到的图像。
在步骤S110中，下文中的目标像元可为某地区的遥感图像上的任一像元，也可为确定后的像元区域中的任一像元。另外，本申请的技术人员还可根据实际需求来设置目标像元的位置和数量，本申请对此不作限定。
例如，在获取到河北省的遥感图像情况下，多个目标像元可分别为河北省的各个市区的一个像元，本申请对此不作限定。
对应的，包含有目标像元的像元区域可通过以目标像元为中心的滑动窗口来确定，即像元区域可通过在某监测地区的图像中的一个以目标像元为中心且包含有预设数量的像元的滑动窗口确定。
当然可以理解，像元区域还可通过其他的方式来获取，只要保证像元区域中的像元相邻即可，本申请对此不作限定。
另外，本申请可在获取到某地区的遥感图像的所有像元的遥感地表数据后，再从遥感图像的所有像元的遥感地表数据中挑选出目标像元，并以遥感像元为中心构建滑动窗口选取整个窗口内的遥感地表数据。
步骤S120，根据多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，多个遥感地表数据和多个散点图一一对应。
在步骤S120中，该散点图可为以地表温度作为纵坐标，植被覆盖度作为横坐标来构建的二维散点图。此外，该二维散点图中的数据点均与像元区域中的多个像元一一对应。
另外，在遥感地表数据为目标时间内测得的数据的情况下，一个遥感地表数据可为一次卫星过境时刻(对应)的遥感地表数据，也可为无人机等装置某次飞过某地区上空时的遥感地表数据，本申请对此不作限定。
从而，可利用预设时间内的每个遥感地表数据来构建一个散点图，即多个遥感地表数据一一对应多个散点图，即针对同一像元区域而言，不同的散点图对应同一像元区域在不同的卫星过境时刻的遥感地表数据。
步骤S130，根据多个散点图，确定目标像元的多个斜率，其中，每个散点图对应一个斜率，目标像元为像元区域中的一个像元，斜率反映土壤水分亏缺程度。
应理解，目标像元的多个斜率还可表示为目标像元对应的多个斜率，此外，在目标像元处于像元区域的情况下，目标像元的多个斜率也可表示为目标区域的多个斜率、目标区域对应的多个斜率或二维散点图对应的多个斜率。
在步骤S130中，可通过线性回归法来确定目标像元的多个斜率。
可选地，可利用鲁棒线性回归法分别计算各个散点图对应的地表温度和植被覆盖度关系的斜率。其中，鲁棒线性回归法(Robust regression，也可称为稳健回归)为当最小二乘法数据样本点存在异常点的时候，用于代替最小二乘法的一种算法，该算法可以用于异常点检测，或者是找出那些对模型影响最大的样本点。
另外，对于一个散点图，利用鲁棒线性回归法得到的地表温度和植被覆盖度的线性方程为：
LST＝a+k*FVC
其中，LST为地表温度，FVC为植被覆盖度，a为线性方程的截距，k为目标像元的斜率。
还应理解，在利用上述线性方程来计算目标像元的斜率的情况下，一个线性方程求取的斜率可与一次卫星过境时刻对应，也可与一次无人机等装置飞过某地区上空时刻对应，本申请对此不作限定。
例如，在通过同一卫星获取到北京市的1月的遥感地表数据，其中，由于该卫星一天中经过北京市上空一次。因此，31天的遥感地表数据分别对应31次卫星过境时刻的遥感地表数据。后续利用31天的遥感地表数据来构建31个散点图，从而获取到北京市的遥感地图上的同一目标像元的31个斜率，本申请对此不作限定。
此外，由于散点图中的地表温度和植被覆盖度的关系的斜率分别对应不同的土壤水分亏缺程度，从而可通过目标像元的斜率的极值来确定地表温度和植被覆盖度的特征空间的干边和湿边。
步骤S140，将多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边。
在步骤S140，在确定出所有斜率中的两个极值的情况下，即获取最大斜率和最小斜率。
其中，由于地表温度和植被覆盖度的关系的斜率分别对应不同的土壤水分亏缺程度，因此，特征空间的干边对应表明地表温度和植被覆盖度关系的最小斜率，特征空间的湿边对应表明地表温度和植被覆盖度关系的最大斜率。
另外，还通过土壤水分亏缺指数WDI(Water Deficit Index，WDI)来表示土壤水分亏缺程度，并将干边处的土壤水分亏缺指数记为WDI干边，以及还将湿边处的土壤水分亏缺指数记为WDI湿边。
此外，根据干边和湿边具有的物理特征，确定WDI干边等于1，以及还确定WDI湿边等于0。
步骤S150，根据干边和湿边，估算目标像元在目标时间的蒸散发。
应理解，目标时间可为一次卫星过境的目标时间点。例如，目标时间可为1天、0.5天等，即目标时间可根据实际需求来进行设置，本申请对此不作限定。
在该步骤S150中，在确定特征空间的干边和湿边后，利用干边对应的斜率和湿边对应的斜率以及目标像元在目标时间的斜率(或目标像元在目标时间对应的斜率)，来估算目标像元在目标时间的蒸散发(或目标像元在目标时间对应的蒸散发)。
因此，本申请基于目标像元对应的不同斜率能够对应不同的土壤水分亏缺程度，从而通过目标像元对应的多个斜率中的最大斜率和最小斜率来分别确定特征空间的湿边和干边，并通过确定后的特征空间的干边和湿边来估算目标像元的蒸散发，从而提高了蒸散发的估算准确度。
在一个实施例中，该方法还包括：获取目标像元在目标时间的地表净辐射、土壤热通量和气象数据；其中，根据干边和湿边，估算目标像元在目标时间的蒸散发，包括：根据最大斜率、最小斜率和目标像元在目标时间的斜率，确定目标像元在目标时间的土壤水分亏缺指数，其中，土壤水分亏缺指数用于表示土壤水分亏缺程度；根据土壤水分亏缺指数、地表净辐射、土壤热通量和气象数据，估算目标像元在目标时间的蒸散发。
在该实施例中，可获取像元区域长时间序列的地表温度、植被覆盖度，以及目标像元在目标时间的地表净辐射、土壤热通量和气象数据。
其中，地表净辐射为遥感反演得到的地表净辐射，土壤热通量也可为遥感反演得到的土壤热通量。此外，该气象数据可根据实际需求来进行设置。例如，气象数据可包括空气温度、大气压强和相对湿度等，本申请对此不作限定。
另外，根据最大斜率、最小斜率和目标像元在目标时间的斜率，确定目标像元在目标时间的土壤水分亏缺指数，包括，通过以下公式确定土壤水分亏缺指数：
Figure GDA0002876569410000101
其中，WDI为目标像元在目标时间的土壤水分亏缺指数，K为目标像元在目标时间的斜率，K湿边为最大斜率，K干边为最小斜率。
还应理解，虽然本实施例中对土壤水分亏缺指数的计算公式进行了举例，但本领域的技术人员还可通过其他的公式来计算土壤水分亏缺指数，只要保证计算后的土壤水分亏缺指数能够用于估算目标像元的蒸散发即可，本申请实施例并不局限于此。
此外，根据土壤水分亏缺指数、地表净辐射、土壤热通量和气象数据，估算目标像元在目标时间对应的蒸散发，包括，可通过下式来确定土壤水分亏缺指数和蒸散发之间的关系：
WDI＝1-ET/ETP
其中，ET为目标像元在目标时间对应的蒸散发，ETP为目标像元在目标时间对应的潜在蒸散发，其中，潜在蒸散发是指自由水面的蒸发能力。
此外，还可通过下式计算目标像元对应的潜在蒸散发：
Figure GDA0002876569410000111
其中，a为普里斯特利泰勒Priestley-Taylor方程的系数，a通常取值为1.26，Rn为目标像元在目标时间的地表净辐射，G为目标像元在目标时间的土壤热通量，Δ为饱和水汽压曲线斜率或饱和水汽压对空气温度的斜率，γ为干湿球常数。
此外，Δ是基于目标像元的气象数据来得到的。
另外，在确定ETP的计算公式的情况下，可对土壤水分亏缺指数和蒸散发之间的关系式进行变形得到：
Figure GDA0002876569410000112
因此，在获取到目标像元在目标时间的土壤水分亏缺指数的情况下，可估算取到目标像元在目标时间的蒸散发。
还应理解，虽然本实施例中对蒸散发的估算方式进行了举例，但本领域的技术人员还可通过其他的公式来估算蒸散发，只要保证估算得到的蒸散发能够表明水文循环中自降水到达地面后由液态或固态转化为水汽返回大气的过程即可，本申请实施例并不局限于此。
请参照图2，图2为本申请实施例提供的一种蒸散发估算的装置200的结构框图。应理解，该装置200与上述图1方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该装置200具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置200包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置200的操作系统(operating system，OS)中的软件功能模块。可选地，该装置200包括：
获取模块210，用于获取遥感图像上的像元区域在预设时间的多个遥感地表数据，其中，每个遥感地表数据包括像元区域中的像元在一次卫星过境时间内的地表温度和植被覆盖度；
构建模块220，用于根据多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，多个遥感地表数据和多个散点图一一对应；
确定模块230，用于根据多个散点图，确定目标像元的多个斜率，其中，每个散点图对应一个斜率，目标像元为像元区域中的一个像元，斜率反映土壤水分亏缺程度；
确定模块230，还用于将多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边；
确定模块230，还用于根据干边和湿边，估算目标像元在目标时间的蒸散发。
在一个实施例中，获取模块210，还用于获取目标像元在目标时间的地表净辐射、土壤热通量和气象数据；
其中，多个遥感地表数据为预设时间内测得的数据，确定模块230，还用于根据最大斜率、最小斜率和目标像元在目标时间的斜率，确定目标像元在目标时间的土壤水分亏缺指数，其中，土壤水分亏缺指数用于表示土壤水分亏缺程度；
确定模块230，还用于根据土壤水分亏缺指数、地表净辐射、土壤热通量和气象数据，估算目标像元在目标时间的蒸散发。
在一个实施例中，确定模块230，还用于通过以下公式确定土壤水分亏缺指数：
Figure GDA0002876569410000131
其中，WDI为目标像元在目标时间的土壤水分亏缺指数，K为目标像元在目标时间的斜率，K湿边为最大斜率，K干边为最小斜率；
其中，确定模块230，还用于通过以下公式估算蒸散发：
Figure GDA0002876569410000132
其中，ET为目标像元在目标时间的蒸散发，α为普里斯特利泰勒Priestley-Taylor方程的系数，Δ为基于气象数据得到的饱和水汽压曲线斜率，γ为干湿球常数，Rn为目标像元在目标时间的地表净辐射，G为目标像元在目标时间的土壤热通量。
在一个实施例中，确定模块230，还用于利用鲁棒线性回归法确定目标像元的多个斜率。
在一个实施例中，确定模块230，还用于根据以下公式确定斜率：
LST＝a+k*FVC
其中，LST为地表温度，FVC为植被覆盖度，a为截距，k为斜率。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
本申请还提供一种装置，图3为本申请实施例中的装置300的结构框图，如图3所示。装置300可以包括处理器310、通信接口320、存储器330和至少一个通信总线340。其中，通信总线340用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口320用于与其他节点设备进行信令或数据的通信。处理器310可以是一种集成电路芯片，具有信号的处理能力。上述的处理器310可以是通用处理器，包括中央处理器(CentralProcessing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器310也可以是任何常规的处理器等。
存储器330可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器330中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器310执行时，装置300可以执行上述图1方法实施例涉及的各个步骤。
装置300还可以包括存储控制器、输入输出单元、音频单元、显示单元8。
所述存储器330、存储控制器、处理器310、外设接口、输入输出单元、音频单元、显示单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通信总线340实现电性连接。所述处理器310用于执行存储器330中存储的可执行模块，例如装置300包括的软件功能模块或计算机程序。并且，装置300用于执行下述方法：获取遥感图像上的像元区域在预设时间的多个遥感地表数据，其中，每个遥感地表数据包括像元区域中的像元在一次卫星过境时间内的地表温度和植被覆盖度；根据多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，多个遥感地表数据和多个散点图一一对应；根据多个散点图，确定目标像元的多个斜率，其中，每个散点图对应一个斜率，目标像元为像元区域中的一个像元，斜率反映土壤水分亏缺程度；将多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边；根据干边和湿边，估算目标像元在目标时间的蒸散发。
输入输出单元用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。
音频单元向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元在所述电子设备与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。显示单元可以显示处理器310执行图1示出的步骤的输出结果。
输入输出单元用于提供给用户输入数据实现用户与处理终端的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。
可以理解，图3所示的结构仅为示意，所述装置300还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
本申请还提供一种计算机存储介质，该计算机存储介质上存储有计算机程序，该计算机程序被处理器运行时执行方法实施例所述的方法。
本申请还提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (6)

1.一种蒸散发估算的方法，其特征在于，包括：
获取遥感图像上的像元区域在预设时间的多个遥感地表数据，其中，每个遥感地表数据包括所述像元区域中的像元在一次卫星过境时间内的地表温度和植被覆盖度；
根据所述多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，所述多个遥感地表数据和所述多个散点图一一对应；
根据所述多个散点图，确定目标像元的多个斜率，其中，每个所述散点图对应一个所述斜率，所述目标像元为所述像元区域中的一个像元，所述斜率反映土壤水分亏缺程度；
将所述多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边；
根据所述干边和所述湿边，估算所述目标像元在目标时间的蒸散发；
所述方法还包括：
获取所述目标像元在目标时间的地表净辐射、土壤热通量和气象数据；
其中，所述根据所述干边和所述湿边，估算所述目标像元在目标时间的蒸散发，包括：
根据所述最大斜率、所述最小斜率和所述目标像元在目标时间的斜率，确定所述目标像元在目标时间的土壤水分亏缺指数，其中，所述土壤水分亏缺指数用于表示所述土壤水分亏缺程度；
根据所述土壤水分亏缺指数、所述地表净辐射、所述土壤热通量和所述气象数据，估算所述目标像元在目标时间的蒸散发；
所述根据所述最大斜率、所述最小斜率和所述目标像元在目标时间的斜率，确定所述目标像元在目标时间的土壤水分亏缺指数，包括，通过以下公式确定所述土壤水分亏缺指数：
Figure FDA0002876569400000021
其中，WDI为所述目标像元在目标时间的土壤水分亏缺指数，K为所述目标像元在目标时间的斜率，K湿边为所述最大斜率，K干边为所述最小斜率；
其中，所述根据所述土壤水分亏缺指数、所述地表净辐射、所述土壤热通量和所述气象数据，估算所述目标像元在目标时间的蒸散发，包括，通过以下公式估算所述蒸散发：
Figure FDA0002876569400000022
其中，ET为所述目标像元在目标时间的蒸散发，α为普里斯特利泰勒方程的系数，Δ为基于所述气象数据得到的饱和水汽压曲线斜率，γ为干湿球常数，Rn为所述目标像元在目标时间的地表净辐射，G为所述目标像元在目标时间的土壤热通量。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个散点图，确定目标像元的多个斜率，包括：
利用鲁棒线性回归法确定所述目标像元的多个斜率。
3.根据权利要求2所述的方法，其特征在于，所述利用鲁棒线性回归法确定所述目标像元的多个斜率，包括，根据以下公式确定所述斜率：
LST＝a+k*FVC
其中，LST为所述地表温度，FVC为所述植被覆盖度，a为截距，k为所述斜率。
4.一种蒸散发估算的装置，其特征在于，包括：
获取模块，用于获取遥感图像上的像元区域在预设时间的多个遥感地表数据，其中，每个遥感地表数据包括所述像元区域中的像元在一次卫星过境时间内的地表温度和植被覆盖度；
构建模块，用于根据所述多个遥感地表数据，构建植被覆盖度和地表温度的多个散点图，其中，所述多个遥感地表数据和所述多个散点图一一对应；
确定模块，用于根据所述多个散点图，确定目标像元的多个斜率，其中，每个所述散点图对应一个所述斜率，所述目标像元为所述像元区域中的一个像元，所述斜率反映土壤水分亏缺程度；
所述确定模块，还用于将所述多个斜率中的最大斜率和最小斜率分别确定为植被覆盖度和地表温度的特征空间的湿边和干边；
所述确定模块，还用于根据所述干边和所述湿边，估算所述目标像元在目标时间的蒸散发；
所述装置还包括：
获取模块，还用于获取所述目标像元在目标时间的地表净辐射、土壤热通量和气象数据；
其中，所述多个遥感地表数据为预设时间内测得的数据，所述确定模块，还用于根据所述最大斜率、所述最小斜率和所述目标像元在目标时间的斜率，确定所述目标像元在目标时间的土壤水分亏缺指数，其中，所述土壤水分亏缺指数用于表示所述土壤水分亏缺程度；
所述确定模块，还用于根据所述土壤水分亏缺指数、所述地表净辐射、所述土壤热通量和所述气象数据，估算所述目标像元在目标时间的蒸散发；
还用于通过以下公式确定所述土壤水分亏缺指数：
Figure FDA0002876569400000031
其中，WDI为所述目标像元在目标时间的土壤水分亏缺指数，K为所述目标像元在目标时间的斜率，K湿边为所述最大斜率，K干边为所述最小斜率；
其中，所述确定模块，还用于通过以下公式估算所述蒸散发：
Figure FDA0002876569400000032
其中，ET为所述目标像元在目标时间的蒸散发，α为普里斯特利泰勒方程的系数，Δ为基于所述气象数据得到的饱和水汽压曲线斜率，γ为干湿球常数，Rn为所述目标像元在目标时间的地表净辐射，G为所述目标像元在目标时间的土壤热通量。
5.根据权利要求4所述的装置，其特征在于，所述确定模块，还用于利用鲁棒线性回归法确定所述目标像元的多个斜率。
6.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-3任一所述的蒸散发估算的方法。
CN201910384066.8A 2019-05-08 2019-05-08 蒸散发估算的方法、装置和计算机存储介质 Active CN110334381B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910384066.8A CN110334381B (zh) 2019-05-08 2019-05-08 蒸散发估算的方法、装置和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910384066.8A CN110334381B (zh) 2019-05-08 2019-05-08 蒸散发估算的方法、装置和计算机存储介质

Publications (2)

Publication Number Publication Date
CN110334381A CN110334381A (zh) 2019-10-15
CN110334381B true CN110334381B (zh) 2021-02-12

Family

ID=68139750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910384066.8A Active CN110334381B (zh) 2019-05-08 2019-05-08 蒸散发估算的方法、装置和计算机存储介质

Country Status (1)

Country Link
CN (1) CN110334381B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793596A (zh) * 2014-01-14 2014-05-14 中国科学院地理科学与资源研究所 一种地表温度-植被指数特征空间干湿限选择的方法及装置
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
CN106771073A (zh) * 2016-12-28 2017-05-31 中国科学院地理科学与资源研究所 一种基于端元信息模型估算土壤和植被蒸散发的方法
CN108629460A (zh) * 2018-05-11 2018-10-09 中南林业科技大学 基于时空数据的林地干旱模型构建方法
CN109187360A (zh) * 2018-09-17 2019-01-11 中国科学院地理科学与资源研究所 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10902483B2 (en) * 2017-04-27 2021-01-26 Lindsay Corporation Computer-implemented method and computer program for designing and cost-estimating irrigation systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793596A (zh) * 2014-01-14 2014-05-14 中国科学院地理科学与资源研究所 一种地表温度-植被指数特征空间干湿限选择的方法及装置
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
CN106771073A (zh) * 2016-12-28 2017-05-31 中国科学院地理科学与资源研究所 一种基于端元信息模型估算土壤和植被蒸散发的方法
CN108629460A (zh) * 2018-05-11 2018-10-09 中南林业科技大学 基于时空数据的林地干旱模型构建方法
CN109187360A (zh) * 2018-09-17 2019-01-11 中国科学院地理科学与资源研究所 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An improved constant evaporative fraction method for estimating daily evapotranspiration from remotely sensed instantaneous observations;Ronglin Tang等;《Geophysical Research Letters》;20170302;第2319–2326页 *
Estimating Daily Evapotranspiration From Remotely Sensed Instantaneous Observations With Simplified Derivations of a Theoretical Model;Ronglin Tang 等;《Journal Geophysical Research:Atmospheres》;20171005;第122卷(第10期);第10177-10190页 *

Also Published As

Publication number Publication date
CN110334381A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
Wu et al. Evaluation of spatiotemporal variations of global fractional vegetation cover based on GIMMS NDVI data from 1982 to 2011
Weiss et al. Air temperature suitability for Plasmodium falciparum malaria transmission in Africa 2000-2012: a high-resolution spatiotemporal prediction
Huintjes et al. Evaluation of a coupled snow and energy balance model for Zhadang glacier, Tibetan Plateau, using glaciological measurements and time-lapse photography
Mallick et al. Bridging thermal infrared sensing and physically‐based evapotranspiration modeling: from theoretical implementation to validation across an aridity gradient in Australian ecosystems
Eswar et al. Disaggregation of LST over India: comparative analysis of different vegetation indices
Padhee et al. Using satellite-based soil moisture to detect and monitor spatiotemporal traces of agricultural drought over Bundelkhand region of India
CN110321784B (zh) 土壤水分估算的方法、装置、电子设备和计算机介质
Xavier et al. An application of sample entropy to precipitation in Paraíba State, Brazil
CN109271605B (zh) 高空间分辨率遥感地表温度数据计算方法与装置
Retalis et al. Downscaling CHIRPS precipitation data: an artificial neural network modelling approach
Stefan et al. Consistency between in situ, model-derived and high-resolution-image-based soil temperature endmembers: Towards a robust data-based model for multi-resolution monitoring of crop evapotranspiration
CN110334381B (zh) 蒸散发估算的方法、装置和计算机存储介质
Chabot-Couture et al. An environmental data set for vector-borne disease modeling and epidemiology
Kim et al. Remotely sensed retrieval of midday air temperature considering atmospheric and surface moisture conditions
Rasmussen et al. Explaining NDVI trends in northern Burkina Faso
CN107247690B (zh) 估算气温的方法及服务终端
Venturini et al. A comparison among different modified Priestley and Taylor equations to calculate actual evapotranspiration with MODIS data
Hashim et al. Satellite-based run-off model for monitoring drought in Peninsular Malaysia
Gao et al. A generalized split-window algorithm for land surface temperature estimation from MSG-2/SEVIRI data
Tarnavsky et al. Dynamic hydrological modeling in drylands with TRMM based rainfall
Corbari et al. Mass and energy flux estimates at different spatial resolutions in a heterogeneous area through a distributed energy–water balance model and remote-sensing data
Jin et al. Satellite-based analysis of regional evapotranspiration trends in a semi-arid area
Wang et al. An alternative split-window algorithm for retrieving land surface temperature from Visible Infrared Imaging Radiometer Suite data
Singh et al. Snow cover change assessment in the upper Bhagirathi basin using an enhanced cloud removal algorithm
Yagci et al. Estimating evaporative fraction from readily obtainable variables in mangrove forests of the Everglades, USA

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Tang Ronglin

Inventor after: Jiang Yazhen

Inventor after: Li Zhaoliang

Inventor after: Shang Guobei

Inventor after: Jiao Xinying

Inventor before: Tang Ronglin

Inventor before: Jiang Yazhen

Inventor before: Li Zhaoliang

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210615

Address after: No.11, Datun Road, Chaoyang District, Beijing

Patentee after: INSTITUTE OF GEOGRAPHIC SCIENCES AND NATURAL RESOURCES RESEARCH, CAS

Patentee after: HEBEI GEO University

Address before: No.11, Datun Road, Chaoyang District, Beijing

Patentee before: INSTITUTE OF GEOGRAPHIC SCIENCES AND NATURAL RESOURCES RESEARCH, CAS