CN110781602B - 基于特征空间法来获取时空连续的土壤水方法 - Google Patents
基于特征空间法来获取时空连续的土壤水方法 Download PDFInfo
- Publication number
- CN110781602B CN110781602B CN201911066438.9A CN201911066438A CN110781602B CN 110781602 B CN110781602 B CN 110781602B CN 201911066438 A CN201911066438 A CN 201911066438A CN 110781602 B CN110781602 B CN 110781602B
- Authority
- CN
- China
- Prior art keywords
- data
- soil water
- smax
- space
- soil
- 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.)
- Expired - Fee Related
Links
- 239000002689 soil Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 59
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 54
- 238000011160 research Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000005855 radiation Effects 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims 1
- 238000012795 verification Methods 0.000 abstract description 18
- 238000010200 validation analysis Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004836 empirical method Methods 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于特征空间法来获取时空连续的土壤水方法,获取研究区卫星遥感数据和站点实测数据,对数据进行预处理,保证两种数据时间一致;根据太阳辐射与地表温度之间的余弦函数关系,分别构建干、湿边界函数,并以站点实测数据为驱动对干边进行参数优化。为减少优化方法对实测站点数量的依赖,仅采用一个站点进行率定,由多个站点参与验证,得到的精度与传统方法得到的精度相当。本发明实现了土壤水在时间上的连续估算。此外本发明通过使用卫星遥感数据进行土壤水估算,快速地获取陆地表面土壤水的分布信息,实现了土壤水在空间上的连续估算。
Description
技术领域
本发明属于土壤水测量方法,具体涉及一种基于特征空间法来获取时空连续的土壤水方法。
背景技术
土壤水是陆地和大气能量交换过程中的重要变量,并对陆表蒸散、水的运移和碳循环有控制作用,也是大气、水文、生态、农业等领域衡量土壤干旱程度的重要指标。土壤水的获取方法通常分为两大类:传统观测方法和卫星遥感估算方法。土壤水的传统观测方法是指从地面仪器直接测量,精度较高,但传统技术由于站点密度过于稀疏,无法有效反映其时空分布趋势。卫星遥感技术的发展为快速获取陆地表面土壤水的分布式信息提供了丰富的数据源。具体来说,基于微波遥感的土壤水分观测技术日益成熟,其能够穿透云层,具有“全天候”监测能力。然而,土壤水的微波遥感产品空间分辨率相对较低,其反演精度仍有待提高。相比之下,常用的光学/热红外遥感数据具有较高的空间分辨率,但是其容易受到云的影响,对于获取时空连续的土壤水信息具有一定困难,是当前研究面临的普遍性难题。在此背景下如何实时准确地获取时空连续的土壤水信息是非常紧迫而重要的科学问题。本专利基于中分辨率成像光谱仪获取的卫星遥感数据和大气辐射测量设备获取的实测土壤水数据,提出了一种获取时空连续的土壤水方法,并应用到大型异质区域进行了评价。
地表温度-植被指数特征空间法(简称特征空间法)是土壤湿度遥感监测的主流方法之一。其基本假设是,在均匀的大气条件下,如果研究区有足够多的像元,则由地表温度(Ts)和植被指数(VI)组成的二维空间会形成三角形或梯形形状。三角形/梯形形状的干湿边界表示像元在极大水分胁迫条件下可以达到的最大和最小Ts。因此,使用线性插值法根据每个像元在要素空间中的位置可确定其位置。显然,特征空间方法的准确性很大程度上取决于其干湿边界的正确选取。Sandholt等提出的温度植被干旱指数(TVDI)方法,其干边的确定主要分为经验法和理论法。经验法的检索过程存在极大的主观性和不确定性;而基于地表能量平衡的理论方法足以克服经验法的不足之处。但是理论法需要输入大量复杂参数,这与特征空间法的初衷相矛盾。
发明内容
针对上述技术问题,本发明提出一种改进的温度植被干旱指数(MTVDI)方法,基于裸土干点与湿点的物理属性,根据太阳直接辐射与太阳高度角之间的关系,以晴天条件下单个站点的土壤湿度观测数据为驱动,在年尺度上通过目标函数和约束条件的设定,以参数优化的方法构建干湿边界与太阳高度角的经验函数,率定干点参数方程中的振幅参数,最终将站点获得的最优振幅参数应用到整个研究区土壤水的求解中,以实现对土壤水的时空连续监测。
具体的技术方案为:
基于特征空间法来获取时空连续的土壤水方法,包括以下步骤:
(1)获取研究区卫星遥感数据(太阳天顶角、大气剖面数据、地表温度、植被指数)和站点实测数据(实测的体表土壤含水量);
(2)对数据进行预处理,所述的预处理主要包括对步骤(1)获取的遥感数据进行数据子集的提取、投影变换、拼接、裁剪以及有效值转换,对实测数据进行数据子集提取,保证两种数据时间一致;
(3)利用研究区的植被归一化指数(NDVI),进行植被覆盖度(fc,i)计算;
(4)地表辐射温度(Ts,i)随着植被覆盖度的变化可以用土壤水分等值线上的裸土温度(Tsmax,i)与植被温度(Tcmax,i)的加权和表示为公式(1);此外,随着植被覆盖度的增加,整个像元(i)表面的辐射温度与植被冠层内的空气温度(Ta,i)保持平衡,因此Tsmax,i可以推导为公式(2):
Ts,i=fc,i·Tcmax,i+(1-fc,i)·Tsmax,i (1)
(5)假设地表面的情况稳定而均匀,Tsmax的季节性变化以接收到的太阳辐射为主,Tsmax的变化通过太阳天顶角(θ)来捕获,Tsmax算法表达式:
Tsmax,j=A1·cos(a1·θj+b1) (3)
式中,j表示第j天观察到所有变量;Tsmax,j由晴天条件下,从地表温度数据中检索的日最高地表温度(Tmax,j)和定位数据中检索的日平均θj来表示,并率定出表达式中的参数a1和b1,而振幅参数A1利用优化算法确定;
(6)振幅参数A1的优化过程主要由目标函数和约束函数组成:
目标函数:
式中,n代表晴天数量,SMi,j和MTVDIi,j分别代表站点i在第j天的实测体表土壤含水量和反演的MTVDI。
约束函数1:针对研究区的所有像元:
0≤MTVDI≤1 (5)
约束函数2:Tsmax,j取值范围的限定:
Tmax,j≤Tsmax,j≤U (6)
其中,U是一个经验值,表示Tsmax,j的上限;
(7)相对于干边的确定过程而言,湿边的确定方式更为简单,Tw,j被定义为研究区最低地表温度(Tmin,j),其计算表达式表示为:
Tw,j=min(Tsmin,j,Tmin,j) (7)
Tsmin,j=A2·cos(a2·θj+b2) (8)
式中,Tsmin,j是Tmin,j的余弦函数估计值,Tsmin,j表达式中的三个参数(A2,a2,b2)通过在晴天条件下,由地表温度数据中检索的日最低地表温度(Tmin,j)和定位数据中检索的日平均θj来率定得到;
(8)结合步骤(4)、步骤(5)、步骤(7)计算的变量,反演MTVDI,计算公式表示为:
式中,θv,i表示像元i的体表土壤含水量,θmax,i和θmin,i分别为θv,i的上下限;MTVDI与θv呈负相关关系;
(9)通过步骤(8)获得MTVDI值,结合前人的研究成果,输入实测的体表土壤含水量与MTVDI,采用最小二乘回归方法拟合出参数θmax,i和θmin,i,最后进行土壤水含量的时空连续估算。
与现有技术比较,本发明的有益效果为:
本发明提出了基于特征空间法来获取时空连续的土壤水方法,并将其应用到大型异质区域土壤水的估算,克服了传统特征空间方法在土壤水分反演过程中存在的复杂性和不连续性。本发明根据太阳辐射与地表温度之间的余弦函数关系,分别构建干、湿边界函数,并以站点实测数据为驱动对干边进行参数优化。为减少优化方法对实测站点数量的依赖,仅采用一个站点进行率定,由多个站点参与验证,得到的精度与传统方法得到的精度相当。当研究区大部分区域处于晴天条件下的率定结果对部分有云情况下也同样适用,尽管精度略低于晴天条件下的验证结果,但是相对于传统特征空间法来说是一种突破,由此可见,本发明实现了土壤水在时间上的连续估算。此外,传统技术获取土壤水由于站点空间代表性差,无法获取空间连续的土壤水分布情况,本发明通过使用卫星遥感数据进行土壤水估算,快速地获取陆地表面土壤水的分布信息,实现了土壤水在空间上的连续估算。
附图说明
图1本发明的流程图;
图2地表温度-植被覆盖度特征空间图;
图3(a)E1站点在晴天条件下的率定结果;
图3(b)E2站点在晴天条件下的率定结果;
图3(c)E6站点在晴天条件下的率定结果;
图3(d)E7站点在晴天条件下的率定结果;
图3(e)E9站点在晴天条件下的率定结果;
图3(f)E10站点在晴天条件下的率定结果;
图3(g)E11站点在晴天条件下的率定结果;
图3(h)E12站点在晴天条件下的率定结果;
图3(i)E13站点在晴天条件下的率定结果;
图3(j)E20站点在晴天条件下的率定结果;
图3(k)E22站点在晴天条件下的率定结果;
图4(a)E1站点在晴天条件下的验证结果;
图4(b)E2站点在晴天条件下的验证结果;
图4(c)E6站点在晴天条件下的验证结果;
图4(d)E7站点在晴天条件下的验证结果;
图4(e)E9站点在晴天条件下的验证结果;
图4(f)E10站点在晴天条件下的验证结果;
图4(g)E11站点在晴天条件下的验证结果;
图4(h)E12站点在晴天条件下的验证结果;
图4(i)E13站点在晴天条件下的验证结果;
图4(j)E20站点在晴天条件下的验证结果;
图4(k)E22站点在晴天条件下的验证结果;
图5(a)E1站点在部分有云条件下的验证结果;
图5(b)E2站点在部分有云条件下的验证结果;
图5(c)E6站点在部分有云条件下的验证结果;
图5(d)E7站点在部分有云条件下的验证结果;
图5(e)E9站点在部分有云条件下的验证结果;
图5(f)E10站点在部分有云条件下的验证结果;
图5(g)E11站点在部分有云条件下的验证结果;
图5(h)E12站点在部分有云条件下的验证结果;
图5(i)E13站点在部分有云条件下的验证结果;
图5(j)E20站点在部分有云条件下的验证结果;
图5(k)E22站点在部分有云条件下的验证结果;
图6(a)2004年E1站点土壤湿度估计值与实测值之间的趋势图;
图6(b)2004年E2站点土壤湿度估计值与实测值之间的趋势图;
图6(c)2004年E6站点土壤湿度估计值与实测值之间的趋势图;
图6(d)2004年E7站点土壤湿度估计值与实测值之间的趋势图;
图6(e)2004年E9站点土壤湿度估计值与实测值之间的趋势图;
图6(f)2004年E10站点土壤湿度估计值与实测值之间的趋势图;
图6(g)2004年E11站点土壤湿度估计值与实测值之间的趋势图;
图6(h)2004年E12站点土壤湿度估计值与实测值之间的趋势图;
图6(i)2004年E13站点土壤湿度估计值与实测值之间的趋势图;
图6(j)2004年E20站点土壤湿度估计值与实测值之间的趋势图;
图6(k)2004年E22站点土壤湿度估计值与实测值之间的趋势图。
具体实施方式
结合实施例说明本发明的具体技术方案。
以2004年美国南部大平原地区为研究对象,对土壤水观测的时空拓展技术进行了验证,按照图1的流程,具体验证过程如下:
分别下载美国南部大平原2004年的MODIS数据和站点实测土壤水数据,对数据进行预处理,得到用于构建特征空间的植被盖度与地表温度变量和构建MTVDI模型的变量,特征空间的框架可见图2。
选取研究区11个站点进行实验。首先分别输入每个站点晴天条件下的数据进行干边的参数优化,每个站点得到一个最优干边,代入公式(9)计算得到MTVDI。图3(a)~图3(k)分别表示11个站点的率定结果精度,由MTVDI与实测土壤水之间的散点图即图3(a)~图3(k)可知,二者在大部分站点都呈现出了明显的负相关趋势,相关系数的平均值为-0.59。然后将率定结果应用到其他站点进行验证,如图4(a)~图4(k)所示。同样可以观察到,大部分站点呈现出显著的负相关关系,并且相关系数的平均值为-0.58,与率定站点结果精度的差异很小,几乎为0。由此可见,一个站点的率定结果对其他站点同样适用,并且精度相当,实现了土壤水的空间连续估算。
将各个站点在晴天条件下的率定结果应用到其对应站点在部分有云的天气条件下,结果如图5(a)~图5(k)所示。MTVDI与实测土壤水之间的相关性处于-0.35至-0.84之间,平均值为-0.56,同样与晴天的率定结果之间差异很小。因此,可以看出晴天条件下的率定结果对部分有云情况下也同样适用,实现了土壤水的时间连续估算。最后根据最小二乘回归方法,通过输入实测的体积土壤含水量与MTVDI,拟合出公式(9)中的参数θmax,i和θmin,i,进行土壤含水量的连续估算。
如图6(a)~图6(k)所示,展示了研究区内11个站点土壤水的估计值与实测值的趋势图,可以看出二者在大部分站点的吻合度较高。下表1列出了每个站点土壤水的估计精度。为比较起见,引入了其他研究方法的结果进行对比,以验证本发明所提出方法的准确性。总体而言,尽管所有三个统计数据都显示本发明验证结果产生的精度略高一些,但是这两种方法的精度没有显著差异。
表1每个站点土壤水的估计精度对比
在所有站点中,本发明产生的r、MAE和RMSE分别为0.78、0.017m3m-3和0.022m3m-3,而其他研究产生的r、MAE和RMSE分别为0.075、0.013m3m-3和0.025m3m-3。因此,本发明提出的土壤水时空连续估算精度足以达到或超过前人的研究精度。
Claims (3)
1.基于特征空间法来获取时空连续的土壤水方法,其特征在于,包括以下步骤:
(1)获取研究区卫星遥感数据和站点实测数据,站点实测数据即实测的体表土壤含水量;
(2)对数据进行预处理,保证卫星遥感数据和站点实测数据两种数据时间一致;
(3)利用研究区的植被归一化指数NDVI,进行植被覆盖度fc,i计算;
(4)地表辐射温度Ts,i随着植被覆盖度的变化可以用土壤水分等值线上的裸土温度Tsmax,i与植被温度Tcmax,i的加权和表示为公式(1);此外,随着植被覆盖度的增加,整个像元i表面的辐射温度与植被冠层内的空气温度Ta,i保持平衡,Tsmax,i推导为公式(2):
Ts,i=fc,i·Tcmax,i+(1-fc,i)·Tsmax,i (1)
(5)假设地表面的情况稳定而均匀,Tsmax,j的季节性变化以接收到的太阳辐射为主,Tsmax,j的变化通过太阳天顶角θj来捕获,Tsmax,j算法表达式:
Tsmax,j=A1·cos(a1·θj+b1) (3)
式中,j表示第j天观察到所有变量;Tsmax,j由晴天条件下,从地表温度数据中检索的日最高地表温度Tmax,j和定位数据中检索的日平均θj来表示,并率定出表达式中的参数a1和b1,而振幅参数A1利用优化算法确定;
(6)振幅参数A1的优化过程由目标函数和约束函数组成:
目标函数:
式中,n代表晴天数量,SMi,j和MTVDIi,j分别代表站点i在第j天的实测体表土壤含水量和反演的MTVDI;
约束函数1:针对研究区的所有像元:
0≤MTVDI≤1 (5)
约束函数2:Tsmax,j取值范围的限定:
Tmax,j≤Tsmax,j≤U (6)
其中,U是一个经验值,表示Tsmax,j的上限;
(7)Tw,j被定义为研究区最低地表温度Tmin,j,其计算表达式表示为:
Tw,j=min(Tsmin,j,Tmin,j ) (7)
Tsmin,j=A2·cos(a2·θj+b2) (8)
式中,Tsmin,j是Tmin,j的余弦函数估计值,Tsmin,j表达式中的三个参数即A2,a2,b2,通过在晴天条件下,由地表温度数据中检索的日最低地表温度Tmin,j和定位数据中检索的日平均θj来率定得到;
(8)结合步骤(4)、步骤(5)、步骤(7)计算的变量,反演MTVDI;计算公式表示为:
式中,θv,i表示像元i的体表土壤含水量,θmax,i和θmin,i分别为θv,i的上下限;MTVDI与θv,i呈负相关关系;
(9)通过步骤(8)获得MTVDI值,输入实测的体表土壤含水量与MTVDI,采用最小二乘回归方法拟合出参数θmax,i和θmin,i,最后进行土壤水含量的时空连续估算。
2.根据权利要求1所述的基于特征空间法来获取时空连续的土壤水方法,其特征在于,步骤(1)中所述的研究区卫星遥感数据,包括太阳天顶角、大气剖面数据、地表温度、植被指数。
3.根据权利要求1所述的基于特征空间法来获取时空连续的土壤水方法,其特征在于,步骤(2)中所述的预处理包括,对步骤(1)获取的遥感数据进行数据子集的提取、投影变换、拼接、裁剪以及有效值转换,对实测数据进行数据子集提取,保证两种数据时间一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911066438.9A CN110781602B (zh) | 2019-11-04 | 2019-11-04 | 基于特征空间法来获取时空连续的土壤水方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911066438.9A CN110781602B (zh) | 2019-11-04 | 2019-11-04 | 基于特征空间法来获取时空连续的土壤水方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110781602A CN110781602A (zh) | 2020-02-11 |
CN110781602B true CN110781602B (zh) | 2021-06-15 |
Family
ID=69388803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911066438.9A Expired - Fee Related CN110781602B (zh) | 2019-11-04 | 2019-11-04 | 基于特征空间法来获取时空连续的土壤水方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781602B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113218969B (zh) * | 2021-06-04 | 2022-03-01 | 中国科学院地理科学与资源研究所 | 基于微波遥感土壤水分产品驱动下的陆面蒸散发估算方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105183989A (zh) * | 2015-09-08 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 一种Landsat8卫星数据地表反射率反演方法 |
CN105510231A (zh) * | 2015-11-25 | 2016-04-20 | 北京师范大学 | 一种农田土壤水分遥感反演方法 |
CN106918394A (zh) * | 2017-01-24 | 2017-07-04 | 中国科学院地理科学与资源研究所 | 一种有效的modis地表温度角度校正方法 |
CN106991412A (zh) * | 2017-04-19 | 2017-07-28 | 中国农业科学院农业资源与农业区划研究所 | 一种获取全天候有效土壤水分的方法 |
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 |
CN109344536A (zh) * | 2018-10-30 | 2019-02-15 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种耦合多源数据的多层次被动微波土壤水分验证方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107655574B (zh) * | 2017-08-23 | 2020-01-31 | 中国科学院光电研究院 | 时序热红外遥感地表温度/发射率同时反演的方法及系统 |
CN109598273B (zh) * | 2018-12-03 | 2022-08-19 | 中国矿业大学 | 一种融合地表温度和建筑指数的城市实体边界识别方法 |
-
2019
- 2019-11-04 CN CN201911066438.9A patent/CN110781602B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105183989A (zh) * | 2015-09-08 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 一种Landsat8卫星数据地表反射率反演方法 |
CN105510231A (zh) * | 2015-11-25 | 2016-04-20 | 北京师范大学 | 一种农田土壤水分遥感反演方法 |
CN106918394A (zh) * | 2017-01-24 | 2017-07-04 | 中国科学院地理科学与资源研究所 | 一种有效的modis地表温度角度校正方法 |
CN106991412A (zh) * | 2017-04-19 | 2017-07-28 | 中国农业科学院农业资源与农业区划研究所 | 一种获取全天候有效土壤水分的方法 |
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 |
CN109344536A (zh) * | 2018-10-30 | 2019-02-15 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种耦合多源数据的多层次被动微波土壤水分验证方法 |
Non-Patent Citations (3)
Title |
---|
A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status;Inge Sandholt等;《Remote Sensing of Environment》;20021231;全文 * |
Wenbin Zhu 等.Development and evaluation of the MTVDI for soil moisture monitoring.《JGR Atmospheres》.2017,全文. * |
利用 HJ-1B 遥感数据反演西北地区近地表气温;徐剑波 等;《农业工程学报》;20131130;第29卷(第22期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110781602A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Merlin et al. | Self-calibrated evaporation-based disaggregation of SMOS soil moisture: An evaluation study at 3 km and 100 m resolution in Catalunya, Spain | |
CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
CN108802728B (zh) | 双极化合成孔径雷达与作物模型同化的作物灌溉指导方法 | |
CN103345707A (zh) | 一种基于多源遥感数据的农作物成熟期遥感预测方法 | |
CN106483147B (zh) | 基于多源数据的长时间序列被动微波土壤水分精度改进研究方法 | |
CN113218969B (zh) | 基于微波遥感土壤水分产品驱动下的陆面蒸散发估算方法 | |
CN111062526B (zh) | 一种冬小麦单产预测方法及系统 | |
CN113673490B (zh) | 一种物候期自适应的作物生理参数遥感估测方法及系统 | |
CN112014542B (zh) | 植被覆盖区土壤水分图制作方法、装置、储存介质及设备 | |
CN113552320A (zh) | 一种基于Chan方法的土壤水分遥感反演方法 | |
CN112836575A (zh) | 一种基于作物物候期的多时序影像水稻估产方法 | |
CN108876172B (zh) | 一种基于改进型modis植被供水指数的地表土壤含水量评估方法 | |
Shi et al. | Estimation of sugarcane yield by assimilating UAV and ground measurements via ensemble Kalman filter | |
CN110968955B (zh) | 一种蒸发比观测的时空拓展方法 | |
CN116188465A (zh) | 基于图像处理技术的作物生长状态检测方法 | |
CN114511170A (zh) | 一种基于多光谱影像的土壤养分估计方法及装置 | |
CN110781602B (zh) | 基于特征空间法来获取时空连续的土壤水方法 | |
CN111289997A (zh) | 一种基于激光雷达传感器的田间作物冠层稠密度检测方法 | |
CN111401790A (zh) | 地表用水量计算方法、装置、计算机设备和存储介质 | |
CN114486783A (zh) | 基于无人机多源遥感的冬小麦田土壤水分反演方法 | |
CN108596380B (zh) | 一种海面台风风场的定量探测方法 | |
CN111965330B (zh) | 一种基于双极化类发射率的裸露土壤含水量反演方法 | |
Fang et al. | AMSR‐E soil moisture disaggregation using MODIS and NLDAS data | |
CN113887024A (zh) | 基于归一化温度构建的干旱指数反演表层土壤水分方法 | |
CN112733445A (zh) | 基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210615 |