CN111368258B - 一种湿润地区日蒸散量的估算方法 - Google Patents
一种湿润地区日蒸散量的估算方法 Download PDFInfo
- Publication number
- CN111368258B CN111368258B CN202010142249.1A CN202010142249A CN111368258B CN 111368258 B CN111368258 B CN 111368258B CN 202010142249 A CN202010142249 A CN 202010142249A CN 111368258 B CN111368258 B CN 111368258B
- Authority
- CN
- China
- Prior art keywords
- heat flux
- atmospheric
- land
- evapotranspiration
- radiation
- 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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
一种湿润地区日蒸散量的估算方法,解决了现有SEBAL模型估算湿润地区日蒸散量的精度不高的问题,属于农业气候区划及水资源利用领域。本发明包括:估算陆面物理参数,陆面物理参数中的大气单向透射率为直接辐射中的纯净指数与散射辐射中的大气响应指数的和;根据能量平衡和陆面物理参数求解陆面的净辐射量及土壤热通量,利用近地层大气温湿度观测值来估算大气下行长波辐射;采用莫宁奥布霍夫长度定律进行递归运算,取得稳定的感热通量值;利用得到的净辐射量、土壤热通量及感热通量,根据陆面能量平衡SEBAL模型得到卫星过境时刻每个像元的潜热通量,及瞬时的潜热通量,通过日蒸发比,求解待估算湿润地区的日蒸散量。
Description
技术领域
本发明属于农业气候区划及水资源利用领域,具体涉及一种湿润地区日蒸散量的估算方法。
背景技术
蒸散发是水循环的重要组成部分,直接关系到地表的能量平衡和水量平衡。蒸散研究在灌溉农业中显得尤为重要,对蒸散量的精确估算可以达到最优利用水资源的目的。因此,了解地表蒸散量的时空变化规律,确定地表蒸发和植物蒸腾各自所占的比例,在精细农业、节水农业、生态环境监测、气象研究的领域尤为重要。因此,准确测定、估算或者模拟区域蒸散发的时空变化对于评价区域水循环和水量平衡的功能、揭示其影响机理、提高农业灌溉效率、预报作物生长潜势、制定农业气候区划及科学利用水资源都具有十分重要的意义。
对于蒸散发来说,常规的实地观测很大程度上受人力、物力、气候等因素限制。遥感技术具有速度快、周期短等优势,能够弥补人工监测费时费力的缺陷,而且能够对研究区进行全面监测。目前大部分遥感蒸散模型都是基于干旱条件下陆面过程发展起来的,当用于湿润地区蒸散量反演时,因湿润地区的地表,尤其是水面或湿地相对于一般陆面所具有的不同特性(低地表反照率、低粗糙度和高地表发射率等),使模型中基于陆面发展起来的一些物理过程的描述并不适用于湿润地区。
Bastiaanssen等提出陆面能量平衡模型(Surface Energy Balance Algorithmfor Land,SEBAL)估计能量平衡方程各分量。该模型应用于晴朗天气条件下具有“极干”和“极湿”表面的研究区,利用遥感可见光、近红外和热红外数据,反演地表反照率、NDVI、地表发射率、地表温度等参数,结合较少气象参数,如大气温度、风速和大气透过率及植被高度等下垫面信息,不需要进行数值计算,就可以得到不同土地覆被类型的净辐射通量、土壤热通量和感热通量,用剩余法得到潜热通量(蒸散发),利用日蒸发比值,进而可得到日蒸发量。该模型为众多研究案例证明是有效和实用的。但是SEBAL模型的估算精度还有待提高。
发明内容
针对现有SEBAL模型估算湿润地区日蒸散量的精度不高的问题,本发明提供一种提高估算精度的湿润地区日蒸散量的估算方法。
本发明的一种湿润地区日蒸散量的估算方法,所述方法包括如下步骤:
步骤一:根据待估算湿润地区的DEM数据、遥感影像和实测气象数据,估算陆面物理参数,所述陆面物理参数包括大气单向透射率,所述大气单向透射率为直接辐射中的纯净指数与散射辐射中的大气响应指数的和;
步骤二:根据能量平衡和步骤一中的陆面物理参数求解陆面的净辐射量及土壤热通量;
步骤三:采用莫宁—奥布霍夫长度定律进行递归运算,通过多次迭代修正空气动力学阻抗,直到取得稳定的感热通量值;
步骤四:利用得到的净辐射量、土壤热通量及感热通量,根据陆面能量平衡SEBAL模型得到卫星过境时刻每个像元的潜热通量,及瞬时的潜热通量,通过日蒸发比,进行时间尺度扩展,求解待估算湿润地区的日蒸散量。
作为优选,所述步骤二的净辐射量中的大气下行长波辐射量,所述大气下行长波辐射量是利用近地层大气温湿度观测值来估算的。
作为优选,所述步骤二中的大气下行长波辐射量表示为大气发射率与大气温度的函数。
作为优选,所述步骤一中,直接辐射中的纯净指数通过浊度系数、大气压、太阳高度角及大气水汽含量的函数获得;散射辐射中的大气响应指数根据直接辐射中的纯净指数获得。
作为优选,所述步骤三为:通过选择遥感图像上像元的“极冷点”和“极热点”求解线性回归系数初始值,结合该初始值求解初始感热通量,利用初始感热通量计算莫宁—奥布霍夫长度L,修正空气动力学阻抗,执行循环步骤:根据修正后的空气动力学阻抗,确定新的线性回归系数,并计算感热通量及修正空气动力学阻抗,重复循环步骤,迭代至“极冷点”和“极热点”的空气动力学阻抗及线性回归系数均收敛为止,并取得稳定的感热通量值。
本发明结合湿润地区特点,补充改善了原SEBAL模型。针对湿润地区空气中湿度较大的特点,利用考虑了大气水汽对短波辐射吸收作用的计算方法,来计算湿润地区的大气单向透射率。利用近地层大气温湿度观测值来估算大气长波下行辐射的模型来估算湿润地区的大气下行长波辐射。通过对SEBAL模型中关键参量估算精度的改进来提高日蒸散量的估算精度。
附图说明
图1为本发明的流程图;
图2为本发明的莫宁—奥布霍夫长度定律进行递归运算的流程图。
具体实施方式
SEBAL模型建立在地表能量平衡的基础上,SEBAL模型的能量平衡方程为净辐射量等于土壤热通量、感热通量和潜热通量之和,本实施方式针对净辐射量和感热通量的估算方式作出改进。
结合图1和图2说明本实施方式,本实施方式的一种湿润地区日蒸散量的估算方法,包括:
步骤一:根据SEBAL模型以及三江平原研究的需要,进行了数据的收集和处理。收集的相关资料和数据主要包括:遥感数据、DEM数据、地面数据(包括测量、观测或实验数据)、背景数据和历史资料。主要对Landsat TM遥感数据和MODIS产品、气象数据、土地利用/土地覆盖1km栅格数据进行了格式统一的标准化处理,对遥感影像数据(Landsat TM遥感数据和MODIS产品)进行相应的大气校正和几何校正,估算陆面物理参数,如地表反射率、地表发射率、地表温度、植被覆盖度、植被指数、大气单向透射率、大气发射率、地表粗糙度等。对于MODIS产品来说,来自于遥感数据的主要有地表温度、植被指数、地表反照率、地表比辐射率等地表参数,这些参数可以从NASA的MODIS标准产品网站直接获得或派生计算得到。其中,大气单向透射率是影响下行到达地表的太阳短波辐射的一个重要参量,其计算的精度直接影响着太阳辐射在大气传输过程中的衰减量的计算,也间接影响到日蒸散量遥感反演的结果。传统SEBAL模型中,大气单向透射率可以表达为高程的函数,方法比较适合干旱地区和空气浑浊度较小的区域,并不适合空气湿度较大的三江平原,因此对SEBAL模型的大气单向透射率计算模块进行改进。充分考虑了大气水汽对短波辐射吸收作用,大气单向透射率可以表达为直接辐射中的纯净指数与散射辐射中的大气响应指数相加,其中,直接辐射中的纯净指数通过浊度系数、大气压、太阳高度角及大气水汽含量的函数得到;散射辐射中的大气响应指数通过直接辐射中的纯净指数结果代入相应范围区间的函数计算得到。
步骤二:根据能量平衡及步骤一中获得的各参数求解陆面的净辐射量及土壤热通量。其中计算净辐射量所需的有效长波辐射和短波辐射可以利用插值后的气象参数来进行,而大气下行长波辐射的计算则需要步骤一中估算的大气单向透射率,由于大气单向透射率本身也是通过估算得到的,所以大气单向透射率的估算误差也将带来大气有效发射率的精度下降,进而影响大气下行长波辐射的计算,因此需要对大气下行长波辐射的计算进行改进。利用近地层大气温湿度观测值来估算大气下行长波辐射的模型,大气下行长波辐射可表示为大气发射率与大气温度的函数。其中,大气发射率可表示为水汽压与大气温度的函数,根据函数关系可知大气发射率取决于大气温度和湿度。水汽含量越多,大气的发射率越强,大气温度越高,大气的相对湿度越低,大气的发射率也越低。即大气发射率主要取决于大气相对湿度,而不是大气的绝对湿度,显然改进模型中的大气发射率表达式能反映实际情况,而且具有物理意义,进而大气下行长波辐射估算更为准确,因此这种模型对于湿润地区的晴天大气下行长波辐射的估算是十分有效的,进而提高SEBAL模型对三江平原日蒸散量的估算精度。
步骤三:采用莫宁—奥布霍夫长度定律进行递归运算,通过多次迭代修正空气动力学阻抗,直到取得稳定的感热通量值;
本实施方式中,采用莫宁—奥布霍夫长度定律进行递归运算的过程为:通过选择遥感图像上的“极冷点”和“极热点”求解线性回归系数初始值a和b。联合初始a和b值求解感热通量(H)。用初始H值计算莫宁—奥布霍夫长度L并进行大气稳定修正。得到修正以后的空气动力学阻抗后,重新取“极热点”对应的空气动力学阻抗值,确定线性回归系数a和b。重复上述过程,迭代至“极冷点”和“极热点”的空气动力学阻抗及a和b均收敛为止,并取得稳定的感热通量(H)值,如图2所示(图2中,U是风速;U*摩擦风速;zom是动力粗糙度;k是VonKarman常数取0.41;H是感热通量;Rn是净辐射量;G是土壤热通量;λET是瞬时潜热通量;ρair是空气密度(kg·m-3);Cp是空气热量常数(取1004J·kg-1·K-1);dT是高度为Z1和Z2(通常取Z1=0.01m,相当于裸露土地的粗糙度长度;Z2=2m,为气象数据中的参考高度。)处的温度之差(Tz1-Tz2);rah是空气动力学阻抗(s·m-1);L是Monin-Obukhov长度,是反映近地面层湍流特性的关键参量;Ψm(Zr)是动量的稳定度订正函数;ΨH(Z1),ΨH(Z2)是感热通量稳定度订正函数,可以根据大气稳定度修正公式计算得到;Ts *是利用DEM校正后的地面温度;a、b是回归系数;Zr是地面以上高度;Ur是距地面高Zr处的风速)。
步骤四:利用得到的净辐射量、土壤热通量及感热通量,根据能量平衡方程就可以得到卫星过境时刻每个像元的潜热通量,及瞬时的潜热通量,通过日蒸发比,进行时间尺度扩展,求解三江平原日实际蒸散量。
步骤五:基于涡度相关数据的遥感日蒸散量估算结果验证。利用涡度相关数据对遥感数据估算的三江平原日蒸散量进行验证,并且对比未经校正SEBAL模型、经过下行长波辐射模型校正的SEBAL模型、经过大气单向透射率模型校正的SEBAL模型和经过两种模型校正的SEBAL模型的日蒸散量误差。通过对比,发现经过下行长波辐射模型校正的SEBAL模型和经过大气单向透射率模型校正的SEBAL模型对校正前SEBAL模型误差分别减少了2.19%和3.66%;同时应用两种模型进行校正后模型比未校正的SEBAL模型误差减少了7.12%,平均误差为6.95%,说明校正后的模型精度较高。
步骤六:基于作物系数的遥感日蒸散量估算结果验证。利用估算的三江平原气象站点处作物系数与实测作物系数作比较,检验模型方法的准确性。经过研究我们可以发现各气象站点处的蒸散估算值与基于作物系数计算的蒸散量之间的线性相关系数基本都在0.55以上;最低为0.57,最高达0.72,平均为0.64左右,表明SEBAL模型估算的蒸散值的精度较高。同时基于Penman-Monteith方程计算的参考蒸散量经作物系数转换的作物实际蒸散量与区域蒸散模型估算的蒸散值之间仍存在着较好的相关性。这也说明了经过校正后的SEBAL模型在湿润地区-三江平原估算的日蒸散量的可信度较高。
本实施方式发明实现了湿润地区日蒸散量的遥感估算问题。本实施方式首先根据模型以及实际研究的需要,进行了数据的收集和处理,估算陆面物理参数。针对湿润地区湿度较大的特点,利用考虑了大气水汽对短波辐射吸收作用的计算方法,来计算湿润半湿润地区的大气单向透射率。利用近地层大气温湿度观测值来估算大气长波下行辐射的模型来估算湿润地区的大气下行长波辐射。通过对SEBAL模型中关键参量估算精度的改进来提高日蒸散量的估算精度。其次,根据能量平衡及步骤一中获得的各参数求解陆面的净辐射量及土壤热通量,依据莫宁—奥布霍夫长度定律Monin-Obukhov循环递归计算出感热通量。再次,利用日蒸发比值,进行时间尺度扩展,求解区域日实际蒸发量。最后,基于涡度相关数据和作物系数,对遥感日蒸散量估算结果验证。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (2)
1.一种湿润地区日蒸散量的估算方法,其特征在于,所述方法包括如下步骤:
步骤一:根据待估算湿润地区的DEM数据、遥感影像和实测气象数据,估算陆面物理参数,所述陆面物理参数包括大气单向透射率,所述大气单向透射率为直接辐射中的纯净指数与散射辐射中的大气响应指数的和;
步骤二:根据能量平衡和步骤一中的陆面物理参数求解陆面的净辐射量及土壤热通量;
计算净辐射量所需的有效长波辐射和短波辐射利用插值后的气象参数来获取,大气下行长波辐射量是利用近地层大气温湿度观测值来估算的;所述步骤二中的大气下行长波辐射量表示为大气发射率与大气温度的函数;
步骤三:采用莫宁—奥布霍夫长度定律进行递归运算,通过多次迭代修正空气动力学阻抗,直到取得稳定的感热通量值:
通过选择遥感图像上像元的“极冷点”和“极热点”求解线性回归系数初始值,结合该初始值求解初始感热通量,利用初始感热通量计算莫宁—奥布霍夫长度L,修正空气动力学阻抗,执行循环步骤:根据修正后的空气动力学阻抗,确定新的线性回归系数,并计算感热通量及修正空气动力学阻抗,重复循环步骤,迭代至“极冷点”和“极热点”的空气动力学阻抗及线性回归系数均收敛为止,并取得稳定的感热通量值;
步骤四:利用得到的净辐射量、土壤热通量及感热通量,根据陆面能量平衡SEBAL模型得到卫星过境时刻每个像元的潜热通量,及瞬时的潜热通量,通过日蒸发比,进行时间尺度扩展,求解待估算湿润地区的日蒸散量。
2.根据权利要求1所述的湿润地区日蒸散量的估算方法,其特征在于,所述步骤一中,直接辐射中的纯净指数通过浊度系数、大气压、太阳高度角及大气水汽含量的函数获得;散射辐射中的大气响应指数根据直接辐射中的纯净指数获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142249.1A CN111368258B (zh) | 2020-03-04 | 2020-03-04 | 一种湿润地区日蒸散量的估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142249.1A CN111368258B (zh) | 2020-03-04 | 2020-03-04 | 一种湿润地区日蒸散量的估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111368258A CN111368258A (zh) | 2020-07-03 |
CN111368258B true CN111368258B (zh) | 2023-02-17 |
Family
ID=71206750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010142249.1A Active CN111368258B (zh) | 2020-03-04 | 2020-03-04 | 一种湿润地区日蒸散量的估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368258B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861222B (zh) * | 2020-07-22 | 2023-11-14 | 中国水利水电科学研究院 | 获取面向区域尺度风力侵蚀的耕地与草地粗糙度的方法 |
CN112362693B (zh) * | 2020-10-13 | 2021-12-31 | 华中科技大学 | 一种基于土壤热通量推求蒸散发量的测算方法和系统 |
CN112287296B (zh) * | 2020-10-13 | 2023-05-26 | 北京师范大学 | 一种基于双波段闪烁仪的地表水热通量测算方法 |
CN112329212A (zh) * | 2020-10-16 | 2021-02-05 | 华中科技大学 | 一种农作物的灌溉方法、装置、系统和可读存储介质 |
CN112733906B (zh) * | 2020-12-30 | 2022-11-25 | 中国科学院地理科学与资源研究所 | 一种全球高分辨率每日地表动量粗糙度长度估算方法 |
CN112598330B (zh) * | 2021-01-06 | 2023-11-07 | 兰州大学 | 基于遥感数据的天然草地恢复潜势估算方法 |
CN113156542B (zh) * | 2021-03-12 | 2022-05-24 | 中国气象局气象探测中心 | 一种基于闪烁法测量区域蒸散总水量的方法 |
CN114019126A (zh) * | 2021-11-08 | 2022-02-08 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 一种测定高含盐废水蒸发量的方法及系统 |
CN115797797B (zh) * | 2023-02-09 | 2023-04-21 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种蒸散发塔基遥感监测方法系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176002A (zh) * | 2010-12-30 | 2011-09-07 | 中国科学院地理科学与资源研究所 | 基于地表水热通量遥感反演的干旱监测方法及系统 |
CN102253184A (zh) * | 2011-06-29 | 2011-11-23 | 南京信息工程大学 | 一种针对干旱半干旱地区的地表蒸散遥感反演方法 |
CN110347964A (zh) * | 2019-07-15 | 2019-10-18 | 福州大学 | 一种遥感需水量约束的干旱区农业种植结构优化方法 |
CN110727900A (zh) * | 2019-09-20 | 2020-01-24 | 中国科学院遥感与数字地球研究所 | 一种流域植被干旱发生遥感预警与缺水估算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10096154B2 (en) * | 2016-04-04 | 2018-10-09 | University Of Cincinnati | Localized contour tree method for deriving geometric and topological properties of complex surface depressions based on high resolution topographical data |
CN106295194B (zh) * | 2016-08-12 | 2018-06-26 | 中国水利水电科学研究院 | 一种基于流域水量平衡原理的冰川蓄变量评估方法 |
-
2020
- 2020-03-04 CN CN202010142249.1A patent/CN111368258B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176002A (zh) * | 2010-12-30 | 2011-09-07 | 中国科学院地理科学与资源研究所 | 基于地表水热通量遥感反演的干旱监测方法及系统 |
CN102253184A (zh) * | 2011-06-29 | 2011-11-23 | 南京信息工程大学 | 一种针对干旱半干旱地区的地表蒸散遥感反演方法 |
CN110347964A (zh) * | 2019-07-15 | 2019-10-18 | 福州大学 | 一种遥感需水量约束的干旱区农业种植结构优化方法 |
CN110727900A (zh) * | 2019-09-20 | 2020-01-24 | 中国科学院遥感与数字地球研究所 | 一种流域植被干旱发生遥感预警与缺水估算方法 |
Non-Patent Citations (3)
Title |
---|
"Carbon flux and evapotranspiration in an oasis-desert wetland";Qiang Zhang,等;《2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)》;20161103;全文 * |
定量遥感地表净辐射通量所需大气下行长波辐射估算模型改进;黄妙芬等;《地理研究》;20051025(第05期);全文 * |
运用表观热惯量遥感地表蒸散――以河北省易县崇陵流域为例;黄妙芬等;《资源科学》;20080315(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111368258A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368258B (zh) | 一种湿润地区日蒸散量的估算方法 | |
Verhoef et al. | Some practical notes on the parameter kB− 1 for sparse vegetation | |
CN101551459B (zh) | 基于遥感的区域蒸散量监测方法 | |
Awal et al. | Estimating reference crop evapotranspiration under limited climate data in West Texas | |
Shahidian et al. | Parametric calibration of the Hargreaves–Samani equation for use at new locations | |
Gao et al. | Estimating clear-sky regional surface fluxes in the Southern Great Plains Atmospheric Radiation Measurement site with ground measurements and satellite observations | |
CN114462518B (zh) | 考虑多要素空间依赖性的区域蒸散发变化归因分析方法 | |
CN111079256A (zh) | 一种基于遥感的灌溉水有效利用系数测算方法 | |
CN112699621A (zh) | 一种考虑下垫面条件变化的潜在蒸散发估算方法 | |
Melesse et al. | Estimation of spatially distributed surface energy fluxes using remotely‐sensed data for agricultural fields | |
Prijith et al. | Effects of land use/land cover alterations on regional meteorology over Northwest India | |
Genanu et al. | Remote sensing based estimation of Evapo-transpiration using selected algorithms: the case of Wonji Shoa sugar cane estate, Ethiopia | |
CN103678884A (zh) | 一种基于hj卫星的地表实际蒸散发动态监测方法 | |
Ambast et al. | An operational model for estimating regional evapotranspiration through surface energy partitioning (RESEP) | |
Shuttleworth | Evaporation models in the global water budget | |
Moghaddamnia et al. | Evaporation estimation using support vector machines technique | |
Lee et al. | Improvement of AMSR2 soil moisture products over South Korea | |
Ansorge et al. | Performance of simple temperature-based evaporation methods compared with a time series of pan evaporation measures from a standard 20 m 2 tank | |
Saha | Assessment of regional soil moisture conditions by coupling satellite sensor data with a soil-plant system heat and moisture balance model | |
Zhang et al. | Determination of regional distribution of crop transpiration and soil water use efficiency using quantitative remote sensing data through inversion | |
Elsayed et al. | Remote sensing-based techniques for water management in small-scale farms in arid climate | |
Almhab et al. | Estimation of Evapotranspiration with Modified SEBAL model using landsat-TM and NOAA-AVHRR images in arid mountains area | |
Song et al. | Application of a two source energy balance model coupled with satellite based soil moisture and thermal infrared data | |
Huo et al. | Temporal and spatial variation of surface evapotranspiration based on remote sensing in Golmud Region, China | |
Ahmadpari et al. | Assessment of potential evapotranspiration estimation methods in the fasa region |
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 |