CN111999251B - 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 - Google Patents
基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 Download PDFInfo
- Publication number
- CN111999251B CN111999251B CN202010818160.2A CN202010818160A CN111999251B CN 111999251 B CN111999251 B CN 111999251B CN 202010818160 A CN202010818160 A CN 202010818160A CN 111999251 B CN111999251 B CN 111999251B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- vegetation
- model
- calculation
- heat flux
- 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 72
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001704 evaporation Methods 0.000 title claims abstract description 42
- 230000008020 evaporation Effects 0.000 title claims abstract description 42
- 230000005068 transpiration Effects 0.000 title claims abstract description 41
- 230000004907 flux Effects 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims abstract description 60
- 230000005855 radiation Effects 0.000 claims abstract description 34
- 239000002356 single layer Substances 0.000 claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 18
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000011160 research Methods 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims abstract description 3
- 238000002310 reflectometry Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 10
- 241000132092 Aster Species 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000008033 biological extinction Effects 0.000 claims description 2
- 229920001935 styrene-ethylene-butadiene-styrene Polymers 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 22
- 239000010410 layer Substances 0.000 description 9
- 238000004088 simulation Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 239000000470 constituent Substances 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000243 photosynthetic effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000007983 Tris buffer Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 125000000623 heterocyclic group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- PDEDQSAFHNADLV-UHFFFAOYSA-M potassium;disodium;dinitrate;nitrite Chemical compound [Na+].[Na+].[K+].[O-]N=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O PDEDQSAFHNADLV-UHFFFAOYSA-M 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- VLPFTAMPNXLGLX-UHFFFAOYSA-N trioctanoin Chemical compound CCCCCCCC(=O)OCC(OC(=O)CCCCCCC)COC(=O)CCCCCCC VLPFTAMPNXLGLX-UHFFFAOYSA-N 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/171—Systems in which incident light is modified in accordance with the properties of the material investigated with calorimetric detection, e.g. with thermal lens detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Abstract
本发明公开了一种基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，包括以下步骤：步骤1研究区气象辐射资料的收集及空间化；步骤2光学和热红外遥感数据的获取；步骤3光学遥感数据预处理；步骤4热红外遥感数据预处理与地表温度反演；步骤5地表生物物理参数的反演计算；步骤6夜间地表温度降尺度计算；步骤7基于具有物理机制的单层遥感蒸散模型的地表通量计算；步骤8基于双温差模型的感热通量切割计算；步骤9植被和土壤组分潜热通量的计算；步骤10植被蒸腾和土壤蒸发的日扩展计算。本发明解决了目前基于地表温度的区域植被蒸腾和土壤蒸发反演存在的难度大和不确定性问题。
Description
技术领域
本发明属于水利工程、农业技术和生态环境领域，具体为一种基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，特别是提出一种结合单层模型和双温差模型的蒸散切割方法，可服务于农业灌区作物耗水估算、区域水资源的规划管理、作物用水效率的评价、区域旱情监测等方面的应用领域。
背景技术
蒸散发，包括土壤蒸发和植被蒸腾，是大气圈、水圈和生物圈水分和能量交换的重要过程，密切关联着地球上水、能量和碳的循环。作为地表能量平衡和水量平衡的关键分量，地表蒸散及其组分的观测和模拟对陆面过程模拟、区域水量平衡研究、气候模式参数化和水资源管理等方面具有重要的科学意义和实用价值。当前，水资源短缺已成为制约我国粮食安全、经济社会发展和生态系统健康的关键因素。农业是我国第一用水大户，农业用水占用水总量的60％以上，在北方干旱/半干旱地区占比达70％以上。蒸散是农作物水分耗散的主要方式，地表蒸散及其组分的精确模拟对水资源管理和高效利用具有重要价值。因此，开展对地表蒸散及其组分的监测和精确模拟不仅有助于深入理解气候变化情景下区域水循环的变化过程，也可为农田灌溉制度的优化和区域水资源的管理提供关键的科学支撑。
卫星遥感是获取非均匀下垫面辐射和能量等关键信息的重要手段，被广泛用于区域地表蒸散及其组分的反演和模拟。从20世纪70年代以来，地表蒸散及其组分的估算方法取得了不断的发展和进步。目前利用卫星遥感多光谱和热红外数据估算地表蒸散的模型可以大致分为两类：1)基于地表温度的地表蒸散及其组分估算研究；基于地表温度的地表蒸散及其组分估算模型利用遥感观测的地表温度计算感热通量，潜热通量通常作为能量平衡方程的余项来计算。基于能量平衡的遥感蒸散模型主要包括单层和双层模型。①单层模型将下垫面的能量交换界面假设为均匀的单层“大叶”，采用剩余阻抗或经验性方法来调和遥感地表温度和空气动力学温度的差异。单层模型的代表性模型如SEBAL模型，METRIC模型，SEBS模型等。单层模型无法提供植被蒸腾和土壤蒸发的反演信息，其应用和扩展受到一定的限制。②双层模型分别考虑了土壤和植被水热传输的差异，可提供植被蒸腾和土壤蒸发的估算信息，因而具有更多的应用价值。单层模型的代表性模型如TSEB模型，PCACA模型和ETEML模型等。混合温度分解是双层模型地表蒸散及植被蒸腾和土壤蒸发估算的关键。双层模型植被蒸腾和土壤蒸发的反演受到双层模型复杂阻抗网络和混合温度分解的影响。2)基于地表导度参数化的地表蒸散及其组分估算研究。基于地表导度参数化的地表蒸散及其组分估算模型通过建立遥感植被指数或叶面积指数和地表导度的关系，使用Penman-Monteith，Shuttleworth-Wallace或Priestley公式来实现区域蒸散的估计。相比基于热红外地表温度的地表蒸散估算模型，基于地表导度参数化的地表蒸散模型在地表蒸散的时空连续模拟方面更具优势。基于地表导度参数化的蒸散模型的关键在于冠层导度的参数化，而冠层导度的参数化高度依赖于植被冠层的辐射传输和叶片气孔导度的参数化。但基于植被光合机理的参数化模型在叶片生理模型到冠层尺度的扩展，光合作用参数优化、土壤蒸发物理机制的改进等方面仍然存在较大的不确定性。此外，基于地表导度参数化的蒸散模型计算涉及到模型参数化的不确定性的影响，其应用仍需进一步深入研究。
植被蒸腾和土壤蒸发的估算对区域水资源管理等方的应用至关重要。目前，基于地表温度的双层模型虽然可实现植被蒸腾和土壤蒸发的估算，但是受到双层模型混合温度分解方法和复杂阻抗网络的影响，模型的不确定较大。
发明内容
针对目前基于地表温度的区域植被蒸腾和土壤蒸发反演存在的难度大和不确定性问题，本发明提出一种基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法。本发明的目的是通过以下技术方案实现的：
一种基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，包括以下步骤：
步骤1研究区气象辐射资料的收集及空间化：收集和整理区域内的气象辐射资料，结合区域内的数字高程模型，对气象辐射资料进行空间插值计算；
步骤2光学和热红外遥感数据的获取：采集中分辨率卫星遥感数据和低分辨率卫星遥感数据；所述中分辨率卫星遥感数据包括Landsat 8、ASTER卫星遥感数据中的任意一项；所述低分辨率卫星遥感数据包括Terra/Aqua MODIS、Sentinel 3卫星遥感数据中的任意一项；
步骤3光学遥感数据预处理：对来自Landsat 8、ASTER的光学遥感数据进行辐射定标和大气校正；
步骤4热红外遥感数据预处理与地表温度反演：对Landsat 8和ASTER热红外波段数据进行辐射定标后，进行地表温度的反演计算，采用单通道法实现地表温度的反演计算；
步骤5地表生物物理参数的反演计算：基于步骤3、4遥感数据预处理结果，开展生物物理参数的反演计算；
步骤6夜间地表温度降尺度计算：结合Terra/Aqua MODIS、Sentinel 3卫星采集的夜间地表温度遥感数据和步骤5地表生物物理参数反演计算结果，采用增强型自适应反射率时空融合模型ESTARFM开展夜间地表温度降尺度计算；
步骤7基于具有物理机制的单层遥感蒸散模型的地表通量计算：基于步骤5生物物理参数反演计算结果和步骤4中获得的数据中白天地表温度反演结果，基于具有物理机制的单层遥感蒸散模型实现地表感热通量的计算；
步骤8基于双温差模型的感热通量切割计算：基于步骤6和步骤7的计算结果，基于修订的双温差模型方法，实现组分感热通量的反演计算，进而实现组分地表温度的计算；
植被组分的感热通量可表示为：
其中，Hc，1为正午时分的植被组分的感热通量，单位为W/m2；ρa为空气密度，单位为Kg/m3；Cp为定压比热容，单位为J·kg-1K-1；H1为正午时分的地表感热通量，W/m2；TR，1和TR，0分别为正午时分和凌晨日出前的地表温度，单位为K；Ta，1和Ta，0分别为正午时分和凌晨日出前的参考高度空气温度，单位为K；Rx，1，Rs，1和Ra，1分别为计算正午时分通量Hc，1，Hs，1和H1所对应的空气动力学阻抗，单位为s/m；fc为植被覆盖度；Hs，1为正午土壤组分的感热通量，单位为W/m2；
土壤组分的感热通量可相应的采用下式进行计算：
Hs，1＝H1-Hc，1 (20)
其中，Hs，1为正午时分的土壤组分的感热通量，单位为W/m2；H1为正午时分的地表感热通量，单位为W/m2；Hc，1为正午时分的植被组分的感热通量，单位为W/m2；
步骤9植被和土壤组分潜热通量的计算：基于步骤8的计算结果，结合地表净辐射的分割计算方法实现组分潜热通量的估算，实现植被蒸腾和土壤蒸发切割比例计算；本步中组分潜热通量仅为卫星过境时刻的状况；
步骤10植被蒸腾和土壤蒸发的日扩展计算：基于步骤9卫星过境时刻植被蒸腾和土壤蒸发的计算结合实现日气象辐射资料，实现日尺度植被蒸腾和土壤蒸发的计算。
进一步的优化，步骤2中还采集了Sentinel 2卫星遥感数据。
进一步的，步骤3中所述辐射定标是将传感器接收到的遥感数据，转换为辐射亮度或天顶反射率，辐射亮度的计算如式(1)：
Lλ＝Gain*DN+Bias (1)
式中，Gain为定标系数，单位为W/(m2·sr·μm)；DN为星载传感器的观测值，无量纲；Lλ为转换后的辐射亮度，单位为W/(m2·sr·μm)；Bias为定标增益，单位为W/(m2·sr·μm)；
天顶反射率的计算如式(2)所示：
式中，π为圆周率；Lλ为辐射亮度，单位为W/(m2·sr·μm)；d为日地距离(天文单位)；ESUNλ为波段平均太阳辐射值，单位为W/(m2·μm)；θs为太阳天顶角(弧度)；ρTOA，λ为波段天顶反射率(无量纲)。
进一步的，步骤3中对ASTER光学遥感数据通过大气校正处理获得地表反射率数据，对于Terra/Aqua MODIS、Sentinel 3光学遥感数据则从网站直接下载地表反射率数据。
进一步的，步骤4中对Terra/Aqua MODIS、Sentinel 3热红外遥感数据源，直接下载其相应的地表温度产品。
进一步的，步骤5中所述生物物理参数包括植被指数、叶面积指数、植被高度、植被覆盖度、反照率、比辐射率、地表温度。
进一步的，步骤7中所述单层遥感蒸散模型包括SEBAL模型、METRIC模型、SEBS模型。
进一步的，步骤9中植被组分的净辐射计算如下：
Rnv＝Rn[1-exp(k*LAI)] (21)
其中，Rnv为植被组分的净辐射，单位为W/m2；Rn为地表净辐射，单位为W/m2；k为消光系数；LAI为叶面积指数；
植被组分和土壤组分的潜热通量计算如下：
LEc，1＝Rnv-Hc，1 (22)
LEs，1＝LE-LEc，1 (23)
其中：LEs，1为正午时分的土壤组分潜热通量，单位为W/m2；Rnv为植被组分的净辐射，单位为W/m2；Hc，1为正午时分的植被组分的感热通量，单位为W/m2；LE为正午时分的地表潜热通量，W/m2；LEc，1为正午时分的植被组分潜热通量(W/m2)。
本发明的优点和有益效果是：本发明提出一种基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法。本发明方法中提出结合一种结合单层模型和双温差模型的蒸散切割方法，基于物理机制单层模型可实现蒸散的总量的准确估计，对双温差模型方法进行转换并结合单层模型估算结合可实现植被蒸腾和土壤蒸发的估计。本发明提出的模型方法有效杜绝了复杂的阻抗网络计算，也不需要使用混合温度分解计算方法，因此更具有可操作性。此种方法可促进单层模型应用于植被蒸腾和土壤蒸发的估算，具有重要的应用价值。本发明所提出的模型方法和系统可服务于农业灌区作物耗水估算、区域水资源的规划管理、作物用水效率的评价、区域旱情监测等方面的应用需求。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为一种基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法流程图。
具体实施方式
实施例一：
(一)研究区气象辐射资料的收集及空间化
根据研究所需，收集和整理研究区内的小时尺度和日尺度的气象和辐射观测资料。根据研究所需，下载获取研究区的数字高程模型数据，全球数字高程模型数据下载网址为：https://gdex.cr.usgs.gov/gdex/。结合气象站点位置和数字高程模型数据，实现气象和辐射资料的空间插值。
(二)光学和热红外遥感数据的获取
采集中分辨率卫星遥感数据和低分辨率卫星遥感数据；所述中分辨率卫星遥感数据包括Landsat 8、ASTER卫星遥感数据中的任意一项；所述低分辨率卫星遥感数据包括Terra/Aqua MODIS、Sentinel 3卫星遥感数据中的任意一项。所以选择的卫星数据一般为Landsat 8、Terra/Aqua MODIS；ASTER、Terra/Aqua MODIS；Landsat 8、Sentinel 3；ASTER、Sentinel 3中任意一种组合，根据实际需要也可以再增加Sentinel 2卫星遥感数据进行辅助。
根据研究所需，光学遥感数据方面可选择获取Landsat8、Sentinel 2、TerraAster、Terra/Aqua MODIS、Sentinel 3等多源卫星遥感数据。卫星遥感数据的云覆盖率应当低于20％。热红外地表温度是模型方法计算的关键，可选择获取Landsat 8、TerraAster、Terra/Aqua MODIS、Sentinel 3等卫星数据源。
(三)光学遥感数据预处理
对于Landsat 8、TerraAster采集的光学遥感数据要进行处理。遥感数据预处理包括光学遥感数据的辐射定标和大气校正。辐射定标是将传感器接收到的遥感数据，转换为辐射亮度或天顶反射率，根据所获取数据的传感器类型和相应的定标系数，对光学遥感数据进行辐射定标计算。辐射亮度的计算如下：
Lλ＝Gain*DN+Bias (1)
式中，Gain为定标系数(W/(m2·sr·μm))，DN为星载传感器的观测值，无量纲，Lλ为转换后的辐射亮度(W/(m2·sr·μm)，Bias为定标增益(W/(m2·sr·μm))。辐射定标可以进一步转换为天顶反射率，计算如下：
式中，π为圆周率，Lλ为辐射亮度W/(m2·sr·μm)，d为日地距离(天文单位)，ESUNλ为波段平均太阳辐射值(W/(m2·μm)，θs为太阳天顶角(弧度)，ρTOA，λ为波段天顶反射率(无量纲)。
大气校正处理旨在于消除大气的吸收、散射等效应对地表反射率的影响，消除由大气影响所造成的辐射误差，计算地物的反射率。采用ENVI/FLAASH对ASTER传感器采集的数据进行大气校正处理。依据ENVI/FLAASH输入要求和卫星遥感数据获取的头文件信息对遥感数据进行大气校正处理，获得地表反射率数据。
(四)红外遥感温度的预处理与地表温度的反演
地表温度是估算区域尺度地表辐射平衡和能量收支的关键驱动。地表温度的反演是本发明的重要环节。针对Terra/Aqua MODIS、Sentinel 3等热红外遥感数据源，可下载其相应的地表温度产品。而对于Landsat 8、TerraAster则进行辐射定标及自行反演地表温度。本实施例以Landsat 8为例进行，由于Landsat 8热红外11波段受到杂散光的影响，因此本采用Jiménez-
等提出的单通道法实现地表温度的反演计算。Jiménez-
等提出的改进的单通道法如下：
Lsensor，λ＝gain*DN+Bias (3)
LST＝γ[ε-1(ψ1Lsensor，λ+ψ2)+ψ3]+δ (4)
δ＝-γLsensor，λ+Tsensor (6)
其中，gain为定标系数(W/(m2·sr·μm))；DN为星载传感器的观测值，无量纲；Lsensor，λ为转换后热红外波段的辐射亮度(W/(m2·sr·μm))，λ为波长(μm)，Bias为定标增益(W/(m2·sr·μm))，LST为反演的地表温度(K)，ε为地表比辐射率，c1和c2为普朗克辐射常数，K1和K2分别为774.89和1321.08(W/(m2·sr·μm))。ψ1，ψ2和ψ3为大气水汽含量和空气温度的函数，计算如：
其中，n＝1，2，3。a，b，c，d，e，f，g，h，i为多项式的系数，系数的取值可参考[Cristóbal Jordi，Jiménez-Muoz Juan，Anupma P，et al.An Improved Single-Channel Methodto Retrieve Land Surface Temperature from the Landsat-8 Thermal Band[J].Remote Sensing，2018，10(3)：431.]
本发明采用Jordi Cristóbal等提出的改进的函数式。可参照文献[Jiménez-
J.C.；Sobrino，J.A.A generalized single-channel method for retrievingland surface temperature from remote sensing data.J.Geophys.Res.Atmos.2003，108]和[Cristóbal Jordi，Jiménez-Muoz Juan，Anupma P，et al.An Improved Single-Channel Method to Retrieve Land Surface Temperature from the Landsat-8Thermal Band[J].Remote Sensing，2018，10(3)：431.]。
Terra Aster的地表温度反演可参照文献[Li，H.，Wang，H.S.，Yang，Y.K.，Du，Y.M.，Cao，B.，Bian，Z.J.，&Liu，Q.H.(2019).Evaluation of atmospheric correctionmethods for the ASTER temperature and emissivity separation algorithm usingground observation networks in the HiWATER experiment.IEEE Transactions onGeoscience and Remote Sensing，57(5)，3001-3014.doi：10.1109/tgrs.2018.2879316.]。
(五)地表生物物理参数反演
基于ASTER卫星遥感数据的归一化植被指数、植被覆盖度、反照率、比辐射率、叶面积指数可参照French，A.N.，et al.(2005)，Surface energy fluxes with the AdvancedSpaceborne Thermal Emission and Reflection radiometer(ASTER)at the Iowa 2002SMACEX site(USA)(vol 99，pg 55，2005)，Remote Sensing of Environment，99(4)，471-471.的文献。
基于Landsat卫星遥感数据的归一化植被指数NDVI、植被覆盖度f、反照率albedo、地表比辐射率Emiss、地表温度Ts以及叶面积指数LAI可参照Allen，R.G.，M.Tasumi，andR.Trezza(2007)，Satellite-based energy balance for mapping evapotranspirationwith internalized calibration(METRIC)-Model，Journal of Irrigation andDrainage Engineering-Asce，133(4)，380-394.的文献。
Terra/Aqua MODIS、Sentinel 3的归一化植被指数、植被覆盖度、反照率、比辐射率、叶面积指数可下载相应的卫星遥感产品数据。
(六)夜间地表温度降尺度计算
夜间地表温度的获取是本发明的重要环节，本发明需要结合夜间地表温度实现对地表通量的计算。由于Landsat和TerraAster重访周期长，且无法提供夜间地表温度。对此，本发明提出结合Terra MODIS或Sentinel 3夜间温度降尺度计算法来获取中分辨率的夜间地表温度数据，采用增强型自适应反射率时空融合模型ESTARFM(Enhanced Spatial andTemporal Adaptive Reflectance Fusion Model)来实现夜间地表温度的降尺度计算。根据白天Terra MODIS或Sentinel 3和Landsat 8白天的地表温度数据，结合夜间TerraMODIS的地表温度数据实现夜间Landsat8空间分辨率的地表温度的计算。ESTARFM的介绍可参考文献：[Zhu X，Chen J，Gao F，et al.An enhanced spatial and temporal adaptivereflectance fusion model for complex heterogeneous regions[J].Remote SensingofEnvironment，2010，114(11)：2610-2623.]
(七)基于具有物理机制的单层遥感蒸散模型的地表通量计算
基于步骤(一)和步骤(四)、(五)的计算结果，本步骤结合具有物理机制的单层遥感蒸散模型方法实现地表通量特别是感热通量的计算。单层模型的代表性模型如SEBAL模型、METRIC模型、SEBS模型等。相比SEBAL模型和METRIC模型，SEBS模型不需要人工干预选择极端的干点和湿点，更具物理基础。因此，本发明选用SEBS模型进行区域地表通量的计算。SEBS模型的计算需结合步骤(一)、(四)和(五)的计算结果。在SEBS模型中，地表感热通量(H)使用如下三个方程进行迭代求解计算：
其中，H为地表感热通量(W/m2)，ρ空气密度(kg/m3)，Cp为定压比热容(Jkg-1K-1)，k为卡门常数，取值为0.41，u为风速(m/s)，u*为摩擦风速(m/s)，d0为零平面取代高度(m)，z为观测高度(m)，zomm和zoh分别为动力和热力粗糙度(m)，θ0和θa分别为地表和观测高度的位温(K)，ψm和ψh分别为动量和热力传输的稳定度校正函数，L为曼宁霍夫长度，g为重力加速度(m/s2)，θv为近地表的虚位温(K)。对于位温和虚位温可参考[盛裴轩.大气物理学[M].北京大学出版社，2013.]
关于SEBS模型相关理论介绍可参考文献[Su，Z.(2002)，The Surface EnergyBalance System(SEBS)for estimation of turbulent heat fluxes，Hydrol.EarthSyst.Sci.，6(1)，85-99.]
(八)基于双温差模型的感热通量切割计算
基于系列阻抗网络的双层模型方法，感热通量和植被组分和土壤组分的感热通量的计算如下：
其中，Hc和Hs为植被和土壤的感热通量(W/m2)，H为地表感热通量(W/m2)，ρa为空气密度(kg/m3)，Cp为定压比热容(J kg-1K-1)，Tc和Ts为植被冠层和土壤温度(K)，TAC为冠层中的空气温度(K)，Ta为参考高度的空气温度(K)，Rx，Rs和Ra为计算通量Hc，Hs和H所对应的空气动力学阻抗(s/m)。
地表温度和空气温度温差可以表示为植被和土壤组分温差的线性组合：
TR-Ta＝fc(Tc-Ta)+(1-fc)(Ts-Ta) (14)
其中，TR为地表温度(K)，Ta为参考高度的空气温度(K)，fc为植被覆盖度。结合方程(11)-(14)，地表温度和空气温度温差可以表示为如下形式：
进一步使用H-Hc替代上式中的Hs，则上式可简化为：
针对式(16)，选取日出前(t＝0)和正午时分(t＝1)，由于日出前(t＝0)时刻，感热通量和组分感热通量都接近于0，则两个时相的地表温度和空气温度的差值可以表示为：
式中，TR，1和TR，0分别为正午时分和日出前的地表温度(K)，Ta，1和Ta，0分别为正午时分和日出前的参考高度空气温度(K)，H1，Hc，1分别为正午时分的地表感热通量和植被组分的感热通量(W/m2)，Rx，1，Rs，1和Ra，1为计算正午时分通量Hc，1，Hs，1和H1所对应的空气动力学阻抗(s/m)。
上式为基于系列阻抗网络的DTD模型方法，对于H1的计算仍然采用假设Hc，1可以通过Priestley-Taylor公式进行求解计算获取，从而进行模型的迭代求解。Priestley-Taylor公式见参考文献[Priestley，C.&Taylor，R.1972，On the assessment of surfaceheat flux and evaporation using large-scale parameters′.Monthly WeatherReview，vol.100，no.2，pp.81-92.]
本发明中基于系列阻抗网络的DTD模型方法，提出基于双温差模型的蒸散切割计算方法。我们对式(18)进行转换，植被组分的感热通量可表示
选取正午时分(t＝1)为Aster/Landsat卫星过境时刻，则H1可由步骤(7)基于具有物理机制的单层遥感蒸散模型的感热通量计算获得，从而可以通过式(19)计算获得植被组分的感热通量Hc，1。其中的阻抗网络的计算可参照[Norman，J.M.，Kustas，W.P.，Prueger，J.H.，and Diak，G.R.：Surface flux estimation using radiometric temperature：adual temperature-difference method to minimize measurement errors，WaterResour.Res.，36，2263，doi：10.1029/2000WR900033，2000]。土壤组分的感热通量可相应的采用下式进行计算
Hs，1＝H1-Hc，1 (20)
其中，Hs，1为土壤组分的感热通量(W/m2)，H1为地表通量(W/m2)，Hc，1为植被组分的感热通量(W/m2)。植被和土壤的组分温度可以通过转换公式(11)-(13)计算获得。
(九)植被和土壤组分潜热通量的计算
在步骤(八)的基础上，可进一步结合地表净辐射的分割实现植被蒸腾和土壤蒸发的分割计算。基于比尔定律，植被组分的净辐射计算如下：
Rnv＝Rn[1-exp(k*LAI)] (21)
其中，Rnv为植被组分的净辐射，Rn为地表净辐射，k为消光系数，LAI为叶面积指数。从而正午时分植被组分和土壤组分的潜热通量可以计算如下：
LEc，1＝Rnv-Hc，1 (22)
LEs，1＝LE-LEc，1 (23)
其中，LEs，1为正午时分的土壤组分的潜热通量(W/m2)，Rnv为植被组分的净辐射(W/m2)，Hc，1为正午时分的植被组分的感热通量(W/m2)，LE为地表潜热通量(W/m2)，LEc，1为正午时分的植被组分潜热通量(W/m2)，Hc，1为步骤(八)公式(19)的计算结果。
(十)植被蒸腾和土壤蒸发的日扩展计算
由于步骤(九)计算的植被和土壤组分的潜热通量仅为卫星过境时刻的状况，而实际更为关心的是日尺度的植被蒸腾和土壤蒸发的结果。植被和土壤组分的潜在蒸散比(fPETc，fPETs)可以计算如下：
其中，LEc，1和LEs，1为步骤(九)计算结果。LEp，c和LEp，s为植被和土壤组分的潜热通量(W/m2)，计算如下：
Rns＝Rn-Rnv (28)
其中，LEp，c，LEp，s为植被组分和土壤组分的潜热通量(W/m2)，αc和as为植被组分和土壤组分的Priestley-Taylor系数，均取值为1.26。Rns和Rnv分别为土壤组分和植被组分的净辐射(W/m2)，Rn为地表净辐射(W/m2)。Δ为平均气温下饱和水汽压与温度相关曲线的斜率(kPa/℃)，γ为干湿球常数(kPa/℃)。从而，植被蒸腾和土壤蒸发的日扩展计算如下：
Ec＝fPETcETcp (29)
Es＝fPETsETsp (30)
其中Ec和Es为植被蒸腾和土壤蒸发量(mm/day)，ETcp和ETsp为植被和土壤组分的潜在蒸散量(mm/day)：
其中Rnv，daily和Rns，daily为植被和土壤组分的日净辐射(MJ/day)，L为水的汽化潜热(MJ/kg)。
最后应说明的是，以上仅用以说明本发明的技术方案而非限制，尽管参照较佳布置方案对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案(比如、各种公式的运用、步骤的先后顺序等)进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，其特征在于：包括以下步骤：
步骤1研究区气象辐射资料的收集及空间化：收集和整理区域内的气象辐射资料，结合区域内的数字高程模型，对气象辐射资料进行空间插值计算；
步骤2光学和热红外遥感数据的获取：采集中分辨率卫星遥感数据和低分辨率卫星遥感数据；所述中分辨率卫星遥感数据包括Landsat 8、ASTER卫星遥感数据中的任意一项；所述低分辨率卫星遥感数据包括Terra/Aqua MODIS、Sentinel 3卫星遥感数据中的任意一项；
步骤3光学遥感数据预处理：对来自Landsat 8、ASTER的光学遥感数据进行辐射定标和大气校正；
步骤4热红外遥感数据预处理与地表温度反演：对Landsat 8和ASTER热红外波段数据进行辐射定标后，进行地表温度的反演计算，采用单通道法实现地表温度的反演计算；
步骤5地表生物物理参数的反演计算：基于步骤3、4遥感数据预处理结果，开展生物物理参数的反演计算；
步骤6夜间地表温度降尺度计算：结合Terra/Aqua MODIS、Sentinel 3卫星采集的夜间地表温度遥感数据和步骤5地表生物物理参数反演计算结果，采用增强型自适应反射率时空融合模型ESTARFM开展夜间地表温度降尺度计算；
步骤7基于具有物理机制的单层遥感蒸散模型的地表通量计算：基于步骤5生物物理参数反演计算结果和步骤4中获得的数据中白天地表温度反演结果，基于具有物理机制的单层遥感蒸散模型实现地表感热通量的计算；所述单层遥感蒸散模型包括SEBAL模型、METRIC模型、SEBS模型；
步骤8基于双温差模型的感热通量切割计算：基于步骤6和步骤7的计算结果，基于修订的双温差模型方法，实现组分感热通量的反演计算，进而实现组分地表温度的计算；
植被组分的感热通量可表示为：
其中，Hc，1为正午时分的植被组分的感热通量，单位为W/m2；ρa为空气密度，单位为Kg/m3；Cp为定压比热容，单位为J·kg-1K-1；H1为正午时分的地表感热通量，W/m2；TR，1和TR，0分别为正午时分和凌晨日出前的地表温度，单位为K；Ta，1和Ta，0分别为正午时分和凌晨日出前的参考高度空气温度，单位为K；Rx，1，Rs，1和Ra，1分别为计算正午时分通量Hc，1，Hs，1和H1所对应的空气动力学阻抗，单位为s/m；fc为植被覆盖度；Hs，1为正午土壤组分的感热通量，单位为W/m2；
土壤组分的感热通量可相应的采用下式进行计算：
Hs，1＝H1-Hc，1 (20)
步骤9植被和土壤组分潜热通量的计算：基于步骤8的计算结果，结合地表净辐射的分割计算方法实现组分潜热通量的估算，实现植被蒸腾和土壤蒸发切割比例计算；本步中组分潜热通量仅为卫星过境时刻的状况；
步骤10植被蒸腾和土壤蒸发的日扩展计算：基于步骤9卫星过境时刻植被蒸腾和土壤蒸发的计算结合实现日气象辐射资料，实现日尺度植被蒸腾和土壤蒸发的计算。
2.根据权利要求1所述的基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，其特征在于：步骤2中还采集了Sentinel 2卫星遥感数据。
3.根据权利要求1所述的基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，其特征在于：步骤3中所述辐射定标是将传感器接收到的遥感数据，转换为辐射亮度或天顶反射率，辐射亮度的计算如式(1)：
Lλ＝Gain*DN+Bias (1)
式中，Gain为定标系数，单位为W/(m2·sr·μm)；DN为星载传感器的观测值，无量纲；Lλ为转换后的辐射亮度，单位为W/(m2·sr·μm)；Bias为定标增益，单位为W/(m2·sr·μm)；
天顶反射率的计算如式(2)所示：
式中，π为圆周率；Lλ为辐射亮度，单位为W/(m2·sr·μm)；d为日地距离(天文单位)；ESUNλ为波段平均太阳辐射值，单位为W/(m2·μm)；θs为太阳天顶角(弧度)；ρTOA，λ为波段天顶反射率(无量纲)。
4.根据权利要求1所述的基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，其特征在于：步骤3中对ASTER光学遥感数据通过大气校正处理获得地表反射率数据，对于Terra/Aqua MODIS、Sentinel 3光学遥感数据则从网站直接下载地表反射率数据。
5.根据权利要求1所述的基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，其特征在于：步骤4中对Terra/Aqua MODIS、Sentinel 3热红外遥感数据源，直接下载其相应的地表温度产品。
6.根据权利要求1所述的基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，其特征在于：步骤5中所述生物物理参数包括植被指数、叶面积指数、植被高度、植被覆盖度、反照率、比辐射率、地表温度。
7.根据权利要求1所述的基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法，其特征在于：步骤9中植被组分的净辐射计算如下：
Rnv＝Rn[1-exp(k*LAI)] (21)
其中，Rnv为植被组分的净辐射，单位为W/m2；Rn为地表净辐射，单位为W/m2；k为消光系数；LAI为叶面积指数；
植被组分和土壤组分的潜热通量计算如下：
LEc，1＝Rnv-Hc，1 (22)
LEs，1＝LE-LEc，1 (23)
其中：LEs，1为正午时分的土壤组分潜热通量，单位为W/m2；Rnv为植被组分的净辐射，单位为W/m2；Hc，1为正午时分的植被组分的感热通量，单位为W/m2；LE为正午时分的地表潜热通量，W/m2；LEc，1为正午时分的植被组分潜热通量(W/m2)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010818160.2A CN111999251B (zh) | 2020-08-14 | 2020-08-14 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010818160.2A CN111999251B (zh) | 2020-08-14 | 2020-08-14 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111999251A CN111999251A (zh) | 2020-11-27 |
| CN111999251B true CN111999251B (zh) | 2021-03-23 |
Family
ID=73472915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010818160.2A Expired - Fee Related CN111999251B (zh) | 2020-08-14 | 2020-08-14 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111999251B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112257191B (zh) * | 2020-12-23 | 2021-03-16 | 中国人民解放军国防科技大学 | 载荷平台一体化微小卫星的热控分系统优化方法及系统 |
| CN112858178B (zh) * | 2021-01-11 | 2022-05-13 | 武汉大学 | 一种航空热红外高光谱影像温度和发射率反演方法 |
| CN113010994A (zh) * | 2021-01-21 | 2021-06-22 | 成都信息工程大学 | 一种基于地表蒸散遥感的区域蒸散量的监测方法 |
| CN112991247B (zh) * | 2021-03-04 | 2022-06-03 | 河南省气象科学研究所 | 冬小麦蒸散遥感反演及与作物模型同化方法 |
| 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 |
| CN113109893A (zh) * | 2021-04-12 | 2021-07-13 | 成都信息工程大学 | 一种考虑能量存储的地表热通量和土壤湿度估算方法 |
| CN113643409B (zh) * | 2021-08-24 | 2022-03-18 | 中国农业大学 | 植被生产速率的表征方法、装置以及存储介质 |
| CN113642191B (zh) * | 2021-08-25 | 2022-03-22 | 中国水利水电科学研究院 | 一种基于短波红外的遥感蒸散模型构建方法 |
| CN114515663B (zh) * | 2022-01-11 | 2023-01-31 | 北京市农林科学院信息技术研究中心 | 一种菌菇喷淋控制方法、装置及系统 |
| CN114676588A (zh) * | 2022-04-12 | 2022-06-28 | 中国科学院地理科学与资源研究所 | 一种估算流域土壤蒸发及植被蒸腾的腾发指数方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102650587A (zh) * | 2012-05-11 | 2012-08-29 | 中国农业大学 | 基于sebal-hj模型的农作物生物量反演方法 |
| 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 |
| CN103902839A (zh) * | 2014-04-18 | 2014-07-02 | 山东科技大学 | 卫星遥感产品支持的单通道法地表温度反演方法 |
| CN105022922A (zh) * | 2015-07-16 | 2015-11-04 | 中国水利水电科学研究院 | 基于水循环全过程非饱和带土壤水分消耗特性的评价方法 |
| 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 |
| 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 |
| CN106169014A (zh) * | 2016-06-15 | 2016-11-30 | 中国水利水电科学研究院 | 基于遥感数据的区域地表感热/潜热通量反演方法及系统 |
| CN108875237A (zh) * | 2018-06-28 | 2018-11-23 | 中国科学院地理科学与资源研究所 | 基于GF-1和Landsat-8结合的作物蒸散发遥感反演方法和系统 |
| CN108984867A (zh) * | 2018-06-28 | 2018-12-11 | 中国科学院地理科学与资源研究所 | 基于gf-4和modis结合的蒸散发遥感反演方法和系统 |
| CN110736704A (zh) * | 2019-11-04 | 2020-01-31 | 中国科学院地理科学与资源研究所 | 土壤水与蒸发比耦合模拟及相互转化的方法 |
-
2020
- 2020-08-14 CN CN202010818160.2A patent/CN111999251B/zh not_active Expired - Fee Related
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102650587A (zh) * | 2012-05-11 | 2012-08-29 | 中国农业大学 | 基于sebal-hj模型的农作物生物量反演方法 |
| 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 |
| CN103902839A (zh) * | 2014-04-18 | 2014-07-02 | 山东科技大学 | 卫星遥感产品支持的单通道法地表温度反演方法 |
| CN105022922A (zh) * | 2015-07-16 | 2015-11-04 | 中国水利水电科学研究院 | 基于水循环全过程非饱和带土壤水分消耗特性的评价方法 |
| 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 |
| 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 |
| CN106169014A (zh) * | 2016-06-15 | 2016-11-30 | 中国水利水电科学研究院 | 基于遥感数据的区域地表感热/潜热通量反演方法及系统 |
| CN108875237A (zh) * | 2018-06-28 | 2018-11-23 | 中国科学院地理科学与资源研究所 | 基于GF-1和Landsat-8结合的作物蒸散发遥感反演方法和系统 |
| CN108984867A (zh) * | 2018-06-28 | 2018-12-11 | 中国科学院地理科学与资源研究所 | 基于gf-4和modis结合的蒸散发遥感反演方法和系统 |
| CN110736704A (zh) * | 2019-11-04 | 2020-01-31 | 中国科学院地理科学与资源研究所 | 土壤水与蒸发比耦合模拟及相互转化的方法 |
Non-Patent Citations (4)
| Title |
|---|
| "Evaluation of atmospheric correction methods for the ASTER temperature and emissivity separation algorithm using ground observation networks in the HIWATER Experiment";Hua Li et al;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20181127;第57卷(第5期);全文 * |
| "南京地区地表热通量的遥感反演分析";王煜东 等;《生态环境学报》;20160430;第25卷(第4期);全文 * |
| "土壤蒸发和植被蒸腾遥感估算与验证";宋立生 等;《遥感学报》;20170511;全文 * |
| "地表遥感蒸散发模型研究进展";李放 等;《资源科学》;20140731;第36卷(第7期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111999251A (zh) | 2020-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111999251B (zh) | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 | |
| Zhang et al. | Generating Global LAnd Surface Satellite incident shortwave radiation and photosynthetically active radiation products from multiple satellite data | |
| Xia et al. | Regional and global land data assimilation systems: Innovations, challenges, and prospects | |
| Long et al. | A two-source trapezoid model for evapotranspiration (TTME) from satellite imagery | |
| Zakšek et al. | Parameterization of air temperature in high temporal and spatial resolution from a combination of the SEVIRI and MODIS instruments | |
| Jia et al. | Regional estimation of daily to annual regional evapotranspiration with MODIS data in the Yellow River Delta wetland | |
| Chen et al. | Remote sensing of global daily evapotranspiration based on a surface energy balance method and reanalysis data | |
| Shu et al. | Estimation of regional evapotranspiration over the North China Plain using geostationary satellite data | |
| Xiong et al. | Estimation and validation of land surface evaporation using remote sensing and meteorological data in North China | |
| CN108829975B (zh) | 地表温度日内变化过程的遥感估算方法和装置 | |
| Zhang et al. | Change detection of land surface temperature (LST) and some related parameters using Landsat image: a case study of the Ebinur lake watershed, Xinjiang, China | |
| Krishnamurti et al. | Modeling of forecast sensitivity on the march of monsoon isochrones from Kerala to New Delhi: the first 25 days | |
| Rahman et al. | Review on estimation methods of the Earth’s surface energy balance components from ground and satellite measurements | |
| Zhang et al. | Simplified SEBAL method for estimating vast areal evapotranspiration with MODIS data | |
| Sun et al. | Microwave and meteorological fusion: A method of spatial downscaling of remotely sensed soil moisture | |
| Pan et al. | Satellite retrieval of surface evapotranspiration with nonparametric approach: Accuracy assessment over a semiarid region | |
| Jiao et al. | Global validation of clear-sky models for retrieving land-surface downward longwave radiation from MODIS data | |
| Ding et al. | Reconstruction of hourly all-weather land surface temperature by integrating reanalysis data and thermal infrared data from geostationary satellites (RTG) | |
| Duan et al. | A Novel Approach to All-Weather LST Estimation using XGBoost Model and Multi-Source Data | |
| Jain et al. | Water balance study for a basin integrating remote sensing data and GIS | |
| Tegegne et al. | Estimation of the distribution of the total net radiative flux from satellite and automatic weather station data in the Upper Blue Nile basin, Ethiopia | |
| Zhou et al. | The contributions of different variables to elevation-dependent land surface temperature changes over the Tibetan Plateau and surrounding regions | |
| Amatya et al. | Mapping regional distribution of land surface heat fluxes on the southern side of the central Himalayas using TESEBS | |
| Wang et al. | Regional estimates of evapotranspiration over Northern China using a remote-sensing-based triangle interpolation method | |
| Parmar et al. | Evapotranspiration estimation using surface energy balance-based evaporative fraction for water management in canal irrigation command |
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: 20210323 Termination date: 20210814 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |