CN115266596B - 一种干旱地区蒸散发的评估方法及系统 - Google Patents
一种干旱地区蒸散发的评估方法及系统 Download PDFInfo
- Publication number
- CN115266596B CN115266596B CN202210359626.6A CN202210359626A CN115266596B CN 115266596 B CN115266596 B CN 115266596B CN 202210359626 A CN202210359626 A CN 202210359626A CN 115266596 B CN115266596 B CN 115266596B
- Authority
- CN
- China
- Prior art keywords
- evapotranspiration
- water vapor
- target
- gldas
- era5
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000004907 flux Effects 0.000 claims abstract description 43
- 238000001556 precipitation Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 10
- 230000008020 evaporation Effects 0.000 description 21
- 238000001704 evaporation Methods 0.000 description 21
- 238000009826 distribution Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005068 transpiration Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 230000000007 visual effect 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/02—Investigating or analyzing materials by the use of thermal means by investigating changes of state or changes of phase; by investigating sintering
- G01N25/12—Investigating or analyzing materials by the use of thermal means by investigating changes of state or changes of phase; by investigating sintering of critical point; of other phase change
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种干旱地区蒸散发的评估方法及系统,所述方法包括:根据降水量、水汽通量散度以及水汽含量的变化量计算第一目标地的目标蒸散发;从多种遥感数据中获取第一目标地的气象要素;基于所述气象要素获取所述已知蒸散发;以所述已知蒸散发作为基准评估所述目标蒸散发的准确度。根据本发明针对干旱地区蒸散发的评估方法相较于陆地水量平衡法考虑了水汽通量以及水汽含量等气象要素的变化,即水汽通量散度以及水汽含量的变化量,在精准估算蒸散发方面具有较大的优越性,为获取长时间序列、高分辨率的蒸散发数据提供可靠参考,并且对于探究干旱区水汽来源、区分本地蒸散发形成的水汽和外界输送的水汽有重要意义。
Description
技术领域
本发明是关于气象研究领域,特别是关于一种干旱地区蒸散发的评估方法及系统。
背景技术
蒸散发(Evapotranspiration,ET)包括土壤、水面的蒸发和植被蒸腾,是地表水量平衡和热量平衡的重要参量,也是植被生长状况与作物产量的重要指标。长期以来,陆面蒸散发是水文循环中最难直接测量的成分之一。
传统的蒸散估算方法多是基于气象观测站点的单点计算,包括蒸渗仪法、波文比-能量平衡法、空气动力学法和涡度相关仪法等。传统的蒸散估算方法虽然能提供相对准确的测量结果,但无法满足大区域研究的需求。近些年来,遥感技术的应用为蒸散发测量开辟了新的途径,通过遥感反演的方法,能够定量估算区域的蒸散发。目前使用较多的是将遥感数据同陆地水量平衡法结合,根据陆地水量平衡公式ET=P-R-TWSC计算蒸散发,其中ET是蒸散发(mm),P是降水(mm),R是径流(mm),TWSC是陆地水储量的变化(mm)。通过陆地水量平衡公式计算出的蒸散发的准确性受到降水、径流和陆地水储量的可靠程度的影响,目前该方法在估算蒸散发方面依然存在较大的不确定性,估算的蒸散发有待进一步验证。目前水量平衡法也存在一定的时间滞性,该方法估算的蒸散发在干旱区难以刻画干旱区蒸散发的时空变化规律。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种干旱地区蒸散发的评估方法及系统,其能够在传统陆地水量平衡方法中引入大气水循环,可以实现对干旱区水汽来源、本地蒸散发形成的水汽和外界输送水汽的有效识别,并实现干旱区蒸散发的精准估算。
为实现上述目的,本发明提供了一种干旱地区蒸散发的评估方法,所述方法包括:
根据降水量、水汽通量散度以及水汽含量的变化量计算第一目标地的目标蒸散发;
从多种遥感数据中获取第一目标地的气象要素;
基于所述气象要素获取已知蒸散发;
以所述已知蒸散发作为基准评估所述目标蒸散发的准确度。
优选的,所述方法还包括:根据公式一计算目标蒸散发ET:
优选的,多种遥感数据包括:GLDAS,ERA5,GLEAM以及青藏高原数据中的气象要素。
优选的,所述气象要素包括:GLDAS中的第一蒸散发、第一降水量、第一径流,ERA5中的第二蒸散发、第二降水量、第二径流、第二水汽通量散度、第二水汽含量,GLEAM中的第三蒸散发,以及青藏高原数据中的第四蒸散发。
优选的,从遥感数据中获取第一目标地的目标蒸散发后,所述方法包括:将GLDAS,ERA5,GLEAM以及青藏高原数据中的气象要素的空间分辨率均转换为0.5°×0.5°。
优选的,所述方法还包括:
根据公式二及公式三分别计算第一中间变量A1的函数值f(x,y1)及第二中间变量A2的函数值f(x,y2):
根据公式四计算空间分辨率为0.5°×0.5°的变量B的函数值f(x,y):
其中x,y分别表示气象要素的横坐标与纵坐标,Q11,Q21,Q12,Q22分别表示空间分辨率统一前的已知坐标(x1,y1),(x2,y1),(x1,y2),(x2,y2),Q11,Q21,Q12,Q22对应的函数值为f(Q11),f(Q21),f(Q12),f(Q22)。
优选的,根据公式五计算所述水汽含量的变化量ΔW/Δt:
ΔW/Δt=Wi-Wi-1 公式五;
其中,Wi是第i个月的水汽含量,Wi-1是第i-1个月的水汽含量。
优选的,所述方法还包括:将Z坐标的水汽通量转化为P坐标的水汽通量。
优选的,所述方法还包括:基于R2和RMSE两种评估指标评估所述目标蒸散发的准确度。
在本发明的一实施方式中,提供一种干旱地区蒸散发的评估系统,所述系统包括:实现如上任一所述的干旱地区蒸散发的评估方法的装置。
与现有技术相比,根据本发明针对干旱地区蒸散发的评估方法相较于陆地水量平衡法考虑了水汽通量以及水汽含量等气象要素的变化,即水汽通量散度以及水汽含量的变化量,在精准估算蒸散发方面具有较大的优越性,为获取长时间序列、高分辨率的蒸散发数据提供可靠参考,并且对于探究干旱区水汽来源、区分本地蒸散发形成的水汽和外界输送的水汽有重要意义。
附图说明
图1是根据本发明一实施方式的干旱地区蒸散发的评估方法流程图;
图2是根据本发明一实施方式的水汽通量的计算模型示意图;
图3是根据本发明一实施方式的空间分辨率转换模型示意图;
图4A-4L是根据本发明一实施方式的多种蒸散发与四种遥感数据提供的已知蒸散发的相关性散点图;
图5A-5L是根据本发明一实施方式的多种蒸散发与四种遥感数据提供的2003-2017年已知蒸散发月数据相关系数的空间分布图;
图6A-6G是根据本发明一实施方式的多种蒸散发与四种遥感数据提供的2003-2017年已知蒸散发的空间分布图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
如图1所示,根据本发明优选实施方式的一种干旱地区蒸散发的评估方法,所述方法包括:
步骤101,根据降水量、水汽通量散度以及水汽含量的变化量计算第一目标地的目标蒸散发。具体的,根据本发明实施例所应用的场景,本发明实施例中的第一目标地选择以西北干旱区,根据选择出的第一目标地已知的降水量、水汽通量散度以及水汽含量的变化量计算获得目标蒸散发。
步骤102,从多种遥感数据中获取第一目标地的气象要素。遥感数据通常包含许多公开、已知的气象要素,例如降水量、大气中的水汽含量以及蒸散发等数据,可以为计算本发明步骤101中的目标蒸散发以及后续评估步骤101中的计算获得的目标蒸散发提供依据。较佳的,步骤101与步骤102的执行顺序可以同步执行或者互换,本发明实施例中并不限定获取目标蒸散发与气象要素的先后执行顺序。
步骤103,基于所述气象要素获取所述已知蒸散发。具体的,本步骤中可以直接提取一种遥感数据的气象要素中的该第一目标地的蒸散发数据作为已知蒸散发,也可以根据不同的遥感数据中的气象要素获得该第一目标地的多个蒸散发并计算多个蒸散发的均值作为已知蒸散发,以便于对计算获得的目标蒸散发的准确度进行评价。
步骤104,以所述已知蒸散发作为基准评估所述目标蒸散发的准确度。通常情况下,通过各类评估指标对步骤101所获得的目标蒸散发从时间和空间的适应性进行评估以确定其准确度。如果准确度高,则意味着该目标蒸散发的计算方式更为合理,更为适合计算干旱区的蒸散发。
相较于陆地水量平衡法存在的时滞性且影响干旱区蒸散发的估算,本发明实施例所述的方法考虑了水汽通量以及水汽含量等气象要素的变化,即水汽通量散度以及水汽含量的变化量,在精准估算蒸散发方面具有较大的优越性,为获取长时间序列、高分辨率的蒸散发数据提供可靠参考,并且对于探究干旱区水汽来源、区分本地蒸散发形成的水汽和外界输送的水汽有重要意义。
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,所述方法还包括:根据公式一计算目标蒸散发ET:
具体的,本发明计算目标蒸散发的具体公式即是获取降水量、水汽通量散度以及水汽含量的变化量之和。其中,降水量、水汽含量的变化量和水汽通量散度可以通过遥感数据获取。
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,根据公式五计算所述水汽含量的变化量ΔW/Δt:
ΔW/Δt=Wi-Wi-1 公式五;
其中,Wi是第i个月的水汽含量,Wi-1是第i-1个月的水汽含量。Wi和Wi-1均可以直接从遥感数据中获取。因此基于遥感数据可以直接计算出目标蒸散发。
较佳的实施例中,还可以通过以下方式获取水汽通量散度具体的:水汽通量Q是单位时间内流经与速度矢正交的某一单位截面积的水汽质量,它表示水汽输送的强度和方向。水汽通量有水平分量与铅直分量两种,本发明实施例中的水汽通量是指水平水汽通量,是单位时间内流经与气流方向垂直的单位截面积的水汽质量,其方向与风向相同。如图2所示,若ABCD是一个与风向正交且与地面垂直的平面,底边长为ΔL,高为ΔZ,则单位时间内流经ABCD的水汽通量Q=ρq|V|ΔlΔZ;式中,ρ为空气密度(kg/m3),q为比湿(kg/kg),|V|为风速矢量的绝对值(m/s)。水汽通量散度是指单位时间,单位体积内汇合进来或者辐散出去的水汽质量,因此通过上述方式可以直接计算出水汽通量散度
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,所述方法还包括:将Z坐标的水汽通量转化为P坐标的水汽通量。
具体的,由于计算水汽通量的方式为基于Z坐标,鉴于气象学上的习惯用法,本发明将Z坐标转化为P坐标,即ΔZ=-ΔP/ρg,带入上式并取绝对值得:
根据水汽通量的定义,若界面的高取1hPa,底边长为1cm,则此时水平水汽通量的大小为|V|q/g,即单位气压差、单位长度的水汽通量。因此,从地表到大气顶层的水汽通量计算公式如下:
大气中的水汽含量的计算公式如下:
式中,g为重力加速度(m/s2),Apt为地表压强(hPa),Aps为大气顶层压强(hPa),V为水平方向的风速(m/s),q为比湿(kg/kg)。
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,多种遥感数据包括以下四种:GLDAS,ERA5,GLEAM以及青藏高原数据中的气象要素。
具体的实施例中,通过下载2003-2017年的ERA5(the fifth-generationreanalysis product of the European Centre for Medium-Range WeatherForecasts)、GLDAS(Global Land Surface Data Assimilation)、GLEAM(Global LandEvaporation Amsterdam Model)、GRACE(Gravity Recovery and Climate Experiment)和青藏高原数据中心提供的青藏高原数据以获取其中记载的气象要素。较佳的实施例中,在计算目标蒸散发过程中所需的降水量、水汽含量和水汽通量散度的数值可以通过ERA5中记载的气象要素获得。
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,所述气象要素包括:GLDAS中的第一蒸散发ET1、第一降水量P1、第一径流R1,第一ERA5中的第二蒸散发ET2、第二降水量P2、第二径流R2、第二水汽通量散度第二水汽含量W2,GLEAM中的第三蒸散发ET3,以及青藏高原数据中的第四蒸散发ET4。
具体的气象要素以及空间分辨率如下表所示:
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,从遥感数据中获取第一目标地的目标蒸散发后,所述方法包括:将GLDAS,ERA5,GLEAM以及青藏高原数据中的气象要素的空间分辨率均转换为0.5°×0.5°。
具体的,由于ERA5、GLDAS、GLEAM和青藏高原数据中心提供的青藏高原数据中各类气象要素的空间分辨率不一致,为了能够在同一空间尺度下经行比较,需要将2003-2017年不同空间分辨率的气象要素均转换为0.5°×0.5°,以便进行统一。
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,所述方法还包括:
根据公式二及公式三分别计算第一中间变量A1的函数值f(x,y1)及第二中间变量A2的函数值f(x,y2):
根据公式四计算空间分辨率为0.5°×0.5°的变量B的函数值f(x,y):
其中x,y分别表示气象要素的横坐标与纵坐标,Q11,Q21,Q12,Q22分别表示空间分辨率统一前的已知坐标(x1,y1),(x2,y1),(x1,y2),(x2,y2),Q11,Q21,Q12,Q22对应的函数值为f(Q11),f(Q21),f(Q12),f(Q22)。
具体的,如图3所示,x,y分别表示气象要素在坐标轴上的横坐标与纵坐标。例如,当需要对气象要素中的第一蒸散发ET1的空间分辨率进行转换时,x,y就表示该第一蒸散发ET1在坐标轴上的横、纵坐标,变量B为气象要素在坐标轴上的任意变量。在本发明实施例中,该变量B定义为空间分辨率为0.5°×0.5°的气象要素。A1,A2分别表示第一中间变量以及第二中间变量,通过构建A1,A2两个中间变量并通过其与变量B之间的函数关系可以获取该变量B。
本发明实施例所述的干旱地区蒸散发的评估方法,较佳的,所述方法还包括:基于R2和RMSE两种评估指标评估所述目标蒸散发的准确度。
将遥感数据ERA5、GLDAS、GLEAM和青藏高原数据中心提供的2003-2017年的气象要素作为评估目标蒸散发的基准,检验本发明实施例所述的方法计算出的蒸散发的效果。具体的实施例中,采用R2和RMSE两种评估指标,将采用本发明实施例方法估算的目标蒸散发进行时间和空间的适应性评估。其中,R2计算公式如下:
上式中,xi和yi分别为两组序列,其中xi为四种遥感数据GLDAS、ERA5、GLEAM和青藏高原数据中心提供的已知蒸散发所构成的一组序列,yi为基于本发明实施例计算出的目标蒸散发和现有技术中陆地水量平衡法估算的蒸散发所构成的一组序列。为四种遥感数据GLDAS、ERA5、GLEAM和青藏高原数据中心提供的已知蒸散发的均值,为基于本发明实施例方法计算出的目标蒸散发的均值,n为两组序列的样本容量。其中,R2变化范围在0到1之间,且当R2越接近1表明两组序列的相关性越大,R2越接近0表明两组序列的相关性越小。
其中,RMSE计算公式如下:
上式中,xi和yi分别为两组序列,其中xi为四种遥感数据GLDAS、ERA5、GLEAM和青藏高原数据中心提供的已知蒸散发所构成的一组序列,yi为基于本发明实施例计算出的目标蒸散发和现有技术中陆地水量平衡法估算的蒸散所构成的一组序列。n为两组序列的样本容量,RMSE越小表明两组序列越接近。
如图4A-4L为本发明一具体实施例,以西北干旱区为例,将采用本发明实施例所述的方法(以下简称“A-T”)以及现有技术中陆地水量平衡法(以下简称“ERA5-TWB”、“GLDAS-TWB”)估算的蒸散发与四种遥感数据提供的2003-2017年蒸散发进行对比评估,以R2和RMSE为评估指标来比较两种计算方法的准确度,其中ERA5-TWB为基于ERA5中气象要素计算而得的对比蒸散发,GLDAS-TWB为基于GLDAS中气象要素计算而得的对比蒸散发。
如图4A-4C是A-T、ERA5-TWB、GLDAS-TWB分别与通过青藏高原数据中心提供的已知蒸散发ET-QTP的相关性散点图。其中,A-T与ET-QTP的R2为0.93,ERA5-TWB与ET-QTP的R2为0.68,GLDAS-TWB与ET-QTP的R2为0.52,A-T与ET-QTP之间R2的最高;A-T与ET-QTP的RMSE为5.47mm/month,ERA5-TWB与ET-QTP的RMSE为11.23mm/month,GLDAS-TWB与ET-QTP的RMSE为12.99mm/month,A-T与ET-QTP之间RMSE的最低。图4D-4F是A-T、ERA5-TWB、GLDAS-TWB分别与ERA5提供的已知蒸散发ET-ERA5的相关性散点图。其中,A-T与ET-ERA5的R2为0.95,ERA5-TWB与ET-ERA5的R2均为0.71,GLDAS-TWB与ET-ERA5的R2为0.55,A-T与ET-ERA5之间R2的最高;A-T与ET-ERA5的RMSE为8.58mm/month,ERA5-TWB与ET-ERA5的RMSE为11.43mm/month,GLDAS-TWB与ET-ERA5的RMSE为14.77mm/month,A-T与ET-ERA5之间的RMSE最低。
图4G-4I是A-T、ERA5-TWB、GLDAS-TWB分别与通过GLDAS提供的已知蒸散发ET-GLDAS的相关性散点图。其中,A-T与ET-GLDAS的R2为0.93,ERA5-TWB与ET-GLDAS的R2为0.69,GLDAS-TWB与ET-GLDAS的R2为0.55,A-T与ET-GLDAS之间R2的最高;A-T与ET-GLDAS的RMSE为5.15mm/month,ERA5-TWB与ET-GLDAS的RMSE为11.80mm/month,GLDAS-TWB与ET-GLDAS的RMSE为10.09mm/month,A-T与ET-GLDAS之间的RMSE最低。图4J-4L是A-T、ERA5-TWB、GLDAS-TWB分别与通过GLEAM提供的已知蒸散发ET-GLEAM的相关性散点图。其中,A-T与ET-GLEAM的R2为0.94,ERA5-TWB与ET-GLEAM的R2为0.68,GLDAS-TWB与ET-GLEAM的R2为0.52,A-T与ET-GLEAM之间R2的最高;A-T与ET-GLEAM的RMSE为4.79mm/month,ERA5-TWB与ET-GLEAM的RMSE为11.94mm/month,GLDAS-TWB与ET-GLEAM的RMSE为10.49mm/month,A-T与ET-GLEAM之间的RMSE最低。
如图5A-5L所示,为采用本发明实施例所述的方法A-T以及现有技术中陆地水量平衡法ERA5-TWB、GLDAS-TWB估算的蒸散发与四种遥感数据提供的2003-2017年已知蒸散发月数据相关系数的空间分布。其中,5A-5C为A-T、ERA5-TWB、GLDAS-TWB分别与ET-QTP的相关性系数的空间分布。从图中可知,大部分地区的A-T与ET-QTP的相关性系数较高,仅新疆部分地区和内蒙古西部地区的相关系数较低。在新疆大部分地区、青海西北部和内蒙古西部,ERA5-TWB、GLDAS-TWB与ET-QTP的相关性较低。图5D-5L表明用ET-ERA5、ET-GLDAS和ET-GLEAM评估A-T、ERA5-TWB和GLDAS-TWB时,也呈现类似的规律。因此,在刻画西北干旱区蒸散发空间分布时,A-T较ERA5-TWB和GLDAS-TWB也呈现明显的优越性。
如图6A-6G所示,为采用本发明实施例所述的方法A-T以及现有技术中陆地水量平衡法ERA5-TWB、GLDAS-TWB估算的蒸散发与四种遥感数据提供的2003-2017年蒸散发的空间分布。其中,图6A是表示基于ERA5中的气象要素,采用本发明实施例所述的方法A-T估算的蒸散发的空间分布;图6B是基于ERA5中的气象要素,采用陆地水量平衡法ERA5-TWB估算的蒸散发的空间分布;图6C是基于GLDAS中的气象要素,采用陆地水量平衡法GLDAS-TWB估算的蒸散发的空间分布;图6D是青藏高原数据中心提供的蒸散发的空间分布;图6E是ERA5提供的蒸散发的空间分布;图6F是GLDAS提供的蒸散发的空间分布;图6G是GLEAM数据提供的蒸散发的空间分布。从图中可知,A-T、ERA5-TWB和GLDAS-TWB的结果在空间上呈现出和四套产品提供的蒸散发相似的规律,东南部蒸散发较大,A-T、ERA5-TWB和GLDAS-TWB的结果分别为663.75mm、870.76mm、777.83mm;西北部整体较小,分别为-89.55mm、15.15mm、15.53mm。相较于ERA5-TWB和GLDAS-TWB,A-T的结果能够有效识别干旱地区的凝结水。
本发明实施例还提供一种干旱地区蒸散发的评估系统,所述系统包括:实现如上任一实施例所述的干旱地区蒸散发的评估方法的装置。
通过本发明实施例所述的方法,在传统陆地水量平衡方法中引入大气水循环,可以实现对干旱区水汽来源、本地蒸散发形成的水汽和外界输送水汽的有效识别,并实现干旱区蒸散发的精准估算,相对于陆地水量平衡法,能够更加准确反映干旱区蒸散发的时空变化特征,能够识别干旱地区的凝结水,为探究干旱区降水再循环率和水汽输送规律等提供新的视角,为干旱区水资源管理和生态规划提供科学依据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (6)
2.如权利要求1所述的干旱地区蒸散发的评估方法,其特征在于,从遥感数据中获取第一目标地的目标蒸散发后,所述方法包括:将GLDAS、ERA5、GLEAM以及青藏高原数据中的气象要素的空间分辨率均转换为0.5°×0.5°。
4.如权利要求1所述的干旱地区蒸散发的评估方法,其特征在于,根据公式五计算所述水汽含量的变化量ΔW/Δt:
ΔW/Δt=Wi-Wi-1公式五;
其中,Wi是第i个月的水汽含量,Wi-1是第i-1个月的水汽含量。
5.如权利要求1所述的干旱地区蒸散发的评估方法,其特征在于,所述方法还包括:将Z坐标的水汽通量转化为P坐标的水汽通量。
6.如权利要求1所述的干旱地区蒸散发的评估方法,其特征在于,所述方法还包括:基于R2和RMSE两种评估指标评估所述目标蒸散发的准确度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210359626.6A CN115266596B (zh) | 2022-04-07 | 2022-04-07 | 一种干旱地区蒸散发的评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210359626.6A CN115266596B (zh) | 2022-04-07 | 2022-04-07 | 一种干旱地区蒸散发的评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115266596A CN115266596A (zh) | 2022-11-01 |
CN115266596B true CN115266596B (zh) | 2023-04-04 |
Family
ID=83759037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210359626.6A Active CN115266596B (zh) | 2022-04-07 | 2022-04-07 | 一种干旱地区蒸散发的评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115266596B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109323951A (zh) * | 2018-11-12 | 2019-02-12 | 宁夏大学 | 用于旱区复杂环境下的草地蒸散监测方法 |
CN110727900B (zh) * | 2019-09-20 | 2021-09-14 | 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 |
CN110599360A (zh) * | 2019-09-20 | 2019-12-20 | 福州大学 | 一种干旱区农作物生长季蒸散发高分辨率遥感估算方法 |
CN111947707A (zh) * | 2020-07-03 | 2020-11-17 | 中国气象局兰州干旱气象研究所 | 干旱半干旱区地表水分循环全分量监测与识别方法 |
-
2022
- 2022-04-07 CN CN202210359626.6A patent/CN115266596B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115266596A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
Zhang et al. | Estimation of forest aboveground biomass in California using canopy height and leaf area index estimated from satellite data | |
Zhao et al. | Evaluation of TRMM 3B42 product using a new gauge-based analysis of daily precipitation over China | |
Kroon et al. | Uncertainties in eddy covariance flux measurements assessed from CH4 and N2O observations | |
CN109212505B (zh) | 一种基于无人机多光谱高重叠度影像的森林林分特征反演方法 | |
KR101404430B1 (ko) | 적외선 영상을 이용한 지표온도감률 추정 방법 | |
KR101914550B1 (ko) | 레이더의 표적 위치 추적 방법 | |
CN113176393B (zh) | 一种基于hasm模型的土壤有机碳储量三维估算方法及系统 | |
CN105510231A (zh) | 一种农田土壤水分遥感反演方法 | |
CN106768348B (zh) | 一种基于热成像技术的屋顶植被蒸散发量测定方法 | |
CN105046046B (zh) | 一种集合卡尔曼滤波局地化方法 | |
Maltamo et al. | Incorporating tree-and stand-level information on crown base height into multivariate forest management inventories based on airborne laser scanning | |
Senjaya et al. | Application of TRMM in the hydrological analysis of Upper Bengawan Solo River Basin | |
Hao et al. | Quantification of the effect of hydrological drivers on actual evapotranspiration using the Bayesian model averaging approach for various landscapes over Northeast Asia | |
JP4810604B2 (ja) | 水稲作付け状況把握システム、水稲作付け状況把握方法、及び水稲作付け状況把握プログラム | |
CN113076645B (zh) | 一种结合遥感数据的宇宙射线中子仪空间特征模拟方法 | |
CN115266596B (zh) | 一种干旱地区蒸散发的评估方法及系统 | |
CN114417682A (zh) | 一种综合校正北极海冰厚度反演的方法 | |
Li et al. | Poplar trees do not always act as a water pump: evidence from modeling deep drainage in a low-coverage-mode shelterbelt in China | |
CN109212553A (zh) | 无人机LiDAR和随机森林提取银杏生物物理特性的方法 | |
Sreelash et al. | Improved modeling of groundwater recharge in agricultural watersheds using a combination of crop model and remote sensing | |
Du et al. | Identification of natural and anthropogenic sources and the effects of climatic fluctuations and land use changes on dust emissions variations in the Qinghai-Tibetan Plateau | |
CN115035340B (zh) | 遥感影像分类结果验证方法 | |
Tárník et al. | Spatial scale analysis of soil water content in agricultural soils of the Nitra River catchment (Slovakia) |
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 |