CN116776651A - 地表蒸散发测算方法、装置、电子设备及存储介质 - Google Patents
地表蒸散发测算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116776651A CN116776651A CN202311065046.7A CN202311065046A CN116776651A CN 116776651 A CN116776651 A CN 116776651A CN 202311065046 A CN202311065046 A CN 202311065046A CN 116776651 A CN116776651 A CN 116776651A
- Authority
- CN
- China
- Prior art keywords
- resolution
- space
- time
- data
- evaporation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000001704 evaporation Methods 0.000 claims abstract description 208
- 230000008020 evaporation Effects 0.000 claims abstract description 208
- 239000002689 soil Substances 0.000 claims abstract description 105
- 238000005259 measurement Methods 0.000 claims abstract description 68
- 230000004927 fusion Effects 0.000 claims abstract description 43
- 239000010410 layer Substances 0.000 claims description 43
- 238000007499 fusion processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 239000002344 surface layer Substances 0.000 claims description 11
- 238000000691 measurement method Methods 0.000 claims description 7
- 238000007740 vapor deposition Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 24
- 230000002123 temporal effect Effects 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000005068 transpiration Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 208000005156 Dehydration Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000008022 sublimation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G01W—METEOROLOGY
- G01W1/00—Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明提供一种地表蒸散发测算方法、装置、电子设备及存储介质，属于对地观测和水文遥感技术领域，所述方法包括：确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；测算数据包括遥感数据和气象数据，遥感数据包括地表参数数据和土壤湿度数据；基于第一时空分辨率的遥感数据与第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定待测区域的第三时空分辨率的测算数据；基于第三时空分辨率的测算数据，确定待测区域的第三时空分辨率的地表蒸散发。本发明可以有效降低云层等大气环境的影响，获得待测区域高时间分辨率/高空间分辨率的地表蒸散发。
Description
技术领域
本发明涉及对地观测和水文遥感技术领域，尤其涉及一种地表蒸散发测算方法、装置、电子设备及存储介质。
背景技术
地表蒸散发（Evapotranspiration，ET）或地表实际蒸散发，既包括土壤蒸发、水体蒸发、冰雪升华，也包括植被蒸腾和植被冠层的降水截留蒸发。地表蒸散发不仅是地表水分循环和能量平衡的重要组成部分，也是生态过程和水文过程的重要纽带，准确估算地表蒸散发对水循环研究和水资源管理意义重大。
作为土壤-植物-大气连续体中水分运动的重要过程，地表蒸散发及其时空分布与土壤水分、植被覆盖、气象条件等因素彼此关联而又相互制约。遥感数据的多光谱信息能够提供与地表能量平衡过程、地表覆盖特征及水分状况密切相关的参量，利用遥感技术进行区域尺度非均匀下垫面地表蒸散发的估算，已成为遥感应用领域的重要方向。然而，由于卫星遥感数据的时空分辨率特征以及云层的影响，现有基于遥感卫星对地观测数据估算区域地表蒸散发的方法，无法获取高时空分辨率地表蒸散发。
发明内容
本发明提供一种地表蒸散发测算方法、装置、电子设备及存储介质，用以解决现有技术中由于卫星遥感数据的时空分辨率特征以及云的影响，现有基于遥感卫星对地观测数据估算区域地表蒸散发的方法，无法获取高时空分辨率地表蒸散发的缺陷。
本发明提供一种地表蒸散发测算方法，包括：
确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；所述测算数据包括遥感数据和气象数据，所述遥感数据包括地表参数数据和土壤湿度数据；
基于所述第一时空分辨率的遥感数据与所述第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；
基于所述第三时空分辨率的测算数据，确定所述待测区域的第三时空分辨率的地表蒸散发；
所述第一时空分辨率的时间分辨率高于所述第二时空分辨率的时间分辨率，所述第二时空分辨率的空间分辨率高于所述第一时空分辨率的空间分辨率；所述第三时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同，所述第三时空分辨率的空间分辨率与所述第二时空分辨率的空间分辨率相同。
根据本发明提供的一种地表蒸散发测算方法，在所述确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据之后，所述方法还包括：
分别将所述第一时空分辨率的测算数据和所述第二时空分辨率的测算数据输入到所述地表蒸散发遥感估算模型，得到所述待测区域的第一时空分辨率的地表蒸散发和所述待测区域的第二时空分辨率的地表蒸散发；
利用所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发进行时空数据融合处理，确定所述待测区域的第三时空分辨率的地表蒸散发。
根据本发明提供的一种地表蒸散发测算方法，所述土壤湿度数据包括表层土壤湿度数据和根系层土壤湿度数据，所述根系层土壤湿度数据是基于如下步骤得到的，包括：
根据所述待测区域的当日的微波遥感数据，得到所述待测区域的当日的表层土壤湿度数据；
基于所述当日的表层土壤湿度数据和前一日的根系层土壤湿度数据，确定当日的根系层土壤湿度数据。
根据本发明提供的一种地表蒸散发测算方法，所述利用所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发进行时空数据融合处理，确定所述待测区域的第三时空分辨率的地表蒸散发，包括：
基于所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发，确定所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比；
对所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比进行时空数据融合，确定所述待测区域的第三时空分辨率的地表蒸散发。
根据本发明提供的一种地表蒸散发测算方法，所述基于所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发，确定所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比，包括：
基于所述第一时空分辨率的地表蒸散发和第一潜在蒸散发，确定所述待测区域的第一时空分辨率的蒸发比；所述第一潜在蒸散发是基于所述第一时空分辨率的气象数据确定的；
基于所述第二时空分辨率的地表蒸散发和第二潜在蒸散发，确定所述待测区域的第二时空分辨率的蒸发比；所述第二潜在蒸散发是基于所述第三时空分辨率的气象数据确定的；
所述第三时空分辨率的气象数据是通过对获取的第四时空分辨率的气象数据进行空间降尺度处理得到的；所述第四时空分辨率的空间分辨率低于所述第一时空分辨率的空间分辨率，所述第四时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同。
根据本发明提供的一种地表蒸散发测算方法，所述对所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比进行时空数据融合，确定所述待测区域的第三时空分辨率的地表蒸散发，包括：
将所述第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比输入到时空数据融合模型，得到所述时空数据融合模型输出的所述待测区域的第三时空分辨率的蒸发比；所述时空数据融合模型用于对所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比进行时空数据融合处理；
将所述第三时空分辨率的蒸发比与所述第二潜在蒸散发进行乘积运算，得到所述待测区域的第三时空分辨率的地表蒸散发。
根据本发明提供的一种地表蒸散发测算方法，在所述确定待测区域的第一时空分辨率的测算数据之前，所述方法还包括：
根据所述待测区域的卫星遥感数据，反演得到所述待测区域的初始的地表参数数据，所述地表参数数据至少包括植被覆盖度、叶面积指数和反照率；
对所述初始的地表参数数据进行时间序列重构，得到所述第一时空分辨率的地表参数数据。
本发明还提供一种地表蒸散发测算装置，包括：
处理模块，用于确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；所述测算数据包括遥感数据和气象数据，所述遥感数据包括地表参数数据和土壤湿度数据；
融合模块，用于基于所述第一时空分辨率的遥感数据与所述第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；
测算模块，用于基于所述第三时空分辨率的测算数据，确定所述待测区域的第三时空分辨率的地表蒸散发；
所述第一时空分辨率的时间分辨率高于所述第二时空分辨率的时间分辨率，所述第二时空分辨率的空间分辨率高于所述第一时空分辨率的空间分辨率；所述第三时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同，所述第三时空分辨率的空间分辨率与所述第二时空分辨率的空间分辨率相同。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述地表蒸散发测算方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述地表蒸散发测算方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述地表蒸散发测算方法。
本发明提供的地表蒸散发测算方法、装置、电子设备及存储介质，通过利用待测区域的高时间分辨率/低空间分辨率的测算数据和高空间分辨率/低时间分辨率的测算数据进行时空数据融合，这些测算数据包括地表参数数据、土壤湿度数据和气象数据，可以得到待测区域高时间分辨率/高空间分辨率的测算数据，进而利用待测区域高时间分辨率/高空间分辨率的测算数据进行地表蒸散发数据的计算，可以有效降低云层等大气环境的影响，获得待测区域高时间分辨率/高空间分辨率的地表蒸散发，极大地提升了地表蒸散发测算数据的时空分辨率和时空分布连续性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1是本发明提供的地表蒸散发测算方法的流程示意图之一；
图2是本发明提供的地表蒸散发测算方法的流程示意图之二；
图3是本发明提供的地表蒸散发测算方法的测算结果与现有测算方法的对比示意图；
图4是本发明提供的地表蒸散发测算装置的结构示意图；
图5是本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图5描述本发明的地表蒸散发测算方法、装置、电子设备及存储介质。
图1是本发明提供的地表蒸散发测算方法的流程示意图之一，如图1所示，包括：步骤110，步骤120和步骤130。
步骤110，确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；测算数据包括遥感数据和气象数据，遥感数据包括地表参数数据和土壤湿度数据；
步骤120，基于第一时空分辨率的遥感数据与第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；
步骤130，基于第三时空分辨率的测算数据，确定待测区域的第三时空分辨率的地表蒸散发；
第一时空分辨率的时间分辨率高于第二时空分辨率的时间分辨率，第二时空分辨率的空间分辨率高于第一时空分辨率的空间分辨率；第三时空分辨率的时间分辨率与第一时空分辨率的时间分辨率相同，第三时空分辨率的空间分辨率与第二时空分辨率的空间分辨率相同。
具体地，本发明实施例所描述的待测区域指的是等待测量地表蒸散发数据的地理位置区域，其可以根据用户的实际测算需求进行设定。
本发明实施例所描述的第一时空分辨率用于表征高时间分辨率和低空间分辨率。常用的低空间分辨率卫星遥感数据包括先进甚高分辨率辐射计AVHRR数据、中分辨率成像光谱仪MODIS数据、可见光红外成像辐射仪VIIRS数据，以及国产风云系列卫星数据等。在本发明实施例中，以MODIS数据为例，其时空分辨率为第一时空分辨率，第一时空分辨率可以为逐日1 km。
本发明实施例所描述的第二时空分辨率用于表征低时间分辨率和高空间分辨率。常用的高空间分辨率卫星遥感数据包括Landsat系列卫星数据、Sentinel-2卫星数据，以及国产高分一号卫星数据、可持续发展科学卫星1号（SDGSAT-1）数据等。在本发明实施例中，以Landsat卫星数据为例，其时空分辨率为空间分辨率为30 m，时间分辨率为16天，即第二时空分辨率可以为空间分辨率为30 m，时间分辨率为16天，其与Landsat卫星晴空过境日30m的分辨率对应。
本发明实施例所描述的第三时空分辨率用于表征高时间分辨率和高空间分辨率，即高时空分辨率。
本发明实施例所描述的测算数据指的是用于地表蒸散发测算所用到的技术数据，其具体可以包括遥感数据和气象数据，其中，遥感数据包括地表参数数据和土壤湿度数据。
不同时空分辨率的地表参数数据和土壤湿度数据可以通过对采集的卫星遥感数据进行反演得到。
气象数据包括气温、气压、风速、降水、空气湿度和下行辐射等，不同时空分辨率的气象数据一般可以通过大气再分析数据得到，其中，降水和下行辐射（包括下行短波辐射和下行长波辐射）既可以通过大气再分析数据得到，也可以用卫星遥感数据反演得到。
本发明实施例所描述的地表参数数据指的是可以反映待测区域地表表面特征的重要参数数据，具体可以包括植被覆盖度、叶面积指数和反照率等，其可以通过对待测区域的MODIS或Landsat遥感影像数据进行反演得到。
在本发明的实施例中，土壤湿度数据一般可以指地表表层土壤湿度数据，其可以通过对采集待测区域的微波遥感数据进行反演得到。
在本发明的实施例中，时空数据融合处理方式可以通过利用时空数据融合模型（Flexible Spatiotemporal DAta Fusion，FSDAF）来实现。
本发明实施例所描述的地表蒸散发遥感估算（ETMonitor）模型指的是用于估算待测区域的地表实际蒸散发数据的现有常用模型。本发明实施例中所采用的ETMonitor模型是现有考虑了地表能量平衡、水分平衡及植物生理过程的多参数化方案模型。
在本发明的实施例中，步骤110中，通过采集待测区域的不同卫星遥感数据，包括MODIS遥感数据、微波遥感数据、Landsat卫星数据等，进行数据反演或直接得到的方式，计算出待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据。
基于上述实施例的内容，作为一种可选的实施例，在确定待测区域的第一时空分辨率的测算数据之前，该方法还包括：
根据待测区域的卫星遥感数据，反演得到待测区域的初始的地表参数数据，地表参数数据至少包括植被覆盖度、叶面积指数和反照率；
对初始的地表参数数据进行时间序列重构，得到第一时空分辨率的地表参数数据。
具体地，在本发明的实施例中，可以对遥感卫星采集的待测区域MODIS数据反演得到初始的地表参数数据，包括植被覆盖度、叶面积指数、反照率等，进而对初始的地表参数数据进行时间序列重构，通过补插缺失观测值，优化地表参数的时间序列数据，以去除云层影响带来的缺失，从而得到第一时空分辨率的地表参数数据，获取到时空分布连续无缺失的逐日1 km分辨率的地表参数数据。
本发明实施例的方法，通过对遥感数据反演的地表植被覆盖度、叶面积指数和反照率等参数数据进行时间序列重构，可以克服云层影响导致的数据缺失，提高地表参数数据的完整性和时空分布连续性。
在本发明的实施例中，可以利用晴空条件下的Landsat卫星数据反演得到Landsat卫星晴空过境日30 m分辨率的地表参数数据，以得到第二时空分辨率的地表参数数据。
通过遥感卫星或大气再分析数据采集到时间分辨率为逐日、空间分辨率通常在10km以上的低分辨率土壤湿度数据和气象数据，通过空间降尺度方法，可以提高其空间分辨率至1 km和30 m，通过数据提取，可以得到逐日1 km分辨率的土壤湿度数据和气象数据，由此得到第一时空分辨率的土壤湿度数据和气象数据；还可以得到Landsat卫星过境日晴空条件下30 m分辨率的土壤湿度数据和气象数据，以及提取到逐日30 m分辨率的气象数据，由此得到第二时空分辨率的土壤湿度数据和气象数据，以及第三时空分辨率的气象数据。进而，可以确定出待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据。
进一步地，在本发明的实施例中，步骤120中，对第一时空分辨率的遥感数据和第二时空分辨率的遥感数据进行时空数据融合处理，可以利用FSDAF模型来完成对步骤110中获取到的高时间分辨率/低空间分辨率的地表参数数据、土壤湿度数据，以及低时间分辨率/高空间分辨率的地表参数数据和土壤湿度数据进行时空数据融合，从而获得待测区域高时间分辨率/高空间分辨率的地表参数数据和土壤湿度数据，即得到第三时空分辨率的遥感数据。进而再结合第三时空分辨率的气象数据，就可以得到第三时空分辨率的测算数据。进一步地，在本发明的实施例中，步骤130中，可以利用ETMonitor模型，将第三时空分辨率的测算数据作为模型驱动数据，即将高时间分辨率/高空间分辨率的地表参数数据、土壤湿度数据和气象数据分别都输入到ETMonitor模型中，基于ETMonitor模型计算出待测区域的第三时空分辨率的地表蒸散发，即得到待测区域高时空分辨率的地表实际蒸散发。
本发明实施例的地表蒸散发测算方法，通过利用待测区域的高时间分辨率/低空间分辨率的测算数据和高空间分辨率/低时间分辨率的测算数据进行时空数据融合，这些测算数据包括地表参数数据、土壤湿度数据和气象数据，可以得到待测区域高时间分辨率/高空间分辨率的测算数据，进而利用待测区域高时间分辨率/高空间分辨率的测算数据进行地表蒸散发数据的计算，可以有效降低云层等大气环境的影响，获得待测区域高时间分辨率/高空间分辨率的地表蒸散发，极大地提升了地表蒸散发测算数据的时空分辨率和时空分布连续性。
基于上述实施例的内容，作为一种可选的实施例，在步骤110，确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据之后，该方法还包括：
分别将第一时空分辨率的测算数据和第二时空分辨率的测算数据输入到地表蒸散发遥感估算模型，得到待测区域的第一时空分辨率的地表蒸散发和待测区域的第二时空分辨率的地表蒸散发；
利用第一时空分辨率的地表蒸散发和第二时空分辨率的地表蒸散发进行时空数据融合处理，确定待测区域的第三时空分辨率的地表蒸散发。
在前述实施方式中，由于利用不同时空分辨率的测算数据，包括地表参数数据、土壤湿度数据和气象数据，进行时空数据融合，该方式涉及的参数数据量大，使得各个参数分别进行时空数据融合所产生的误差会累积到最后的地表蒸散发数据计算中，虽然最终得到的地表蒸散发数据的时空分辨率高，但是地表蒸散发数据的精度还有待于提高。
为此，为进一步提高地表蒸散发数据的精度及其测算效率，本发明实施例中还提供另外一种地表蒸散发测算方法。
具体地，在本发明的实施例中，在步骤110，获取到待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据之后，分别将第一时空分辨率的测算数据和第二时空分辨率的测算数据输入到ETMonitor模型中进行地表蒸散发数据计算。
也就是说，将高时间分辨率/低空间分辨率的地表参数数据、土壤湿度数据和气象数据作为ETMonitor模型的模型驱动数据，可以基于ETMonitor模型计算得到待测区域的高时间分辨率/低空间分辨率的地表实际蒸散发，即得到第一时空分辨率的地表蒸散发。
同时，将低时间分辨率/高空间分辨率的地表参数数据、土壤湿度数据和气象数据作为ETMonitor模型的模型驱动数据，可以基于ETMonitor模型计算得到待测区域的低时间分辨率/高空间分辨率的地表实际蒸散发，即得到第二时空分辨率的地表蒸散发。
进一步地，在本发明的实施例中，利用上述得到的第一时空分辨率的地表蒸散发和第二时空分辨率的地表蒸散发进行时空数据融合处理，可以基于FSDAF模型的计算，确定出待测区域的第三时空分辨率的地表蒸散发，即得到高时空分辨率的地表蒸散发。
本发明实施例的方法，通过利用待测区域的高时间分辨率/低空间分辨率的测算数据和高空间分辨率/低时间分辨率的测算数据，这些测算数据包括地表参数数据、土壤湿度数据和气象数据，先借助地表蒸散发遥感估算模型测算出待测区域高时间分辨率/低空间分辨率的地表蒸散发和高空间分辨率/低时间分辨率的地表蒸散发，再通过对待测区域高时间分辨率/低空间分辨率的地表蒸散发和高空间分辨率/低时间分辨率的地表蒸散发进行时空数据融合计算，可以有效测算出待测区域的高时空分辨率地表蒸散发，在提升地表蒸散发测算数据的时空分辨率和时空分布连续性的同时，可以大大提高地表蒸散发测算效率和测算数据的精度。
基于上述实施例的内容，作为一种可选的实施例，土壤湿度数据包括表层土壤湿度数据和根系层土壤湿度数据，根系层土壤湿度数据是基于如下步骤得到的，包括：
根据待测区域的当日的微波遥感数据，得到待测区域的当日的表层土壤湿度数据；
基于当日的表层土壤湿度数据和前一日的根系层土壤湿度数据，确定当日的根系层土壤湿度数据。
需要说明的是，土壤水分是影响地表实际蒸散发的主要因素，其中，表层土壤水分主要影响土壤蒸发，植被根系层土壤水分主要影响植被蒸腾。相对于现有利用空气湿度和地表温度的地表蒸散发估算方法，本发明提出的基于土壤湿度的地表蒸散发估算方法物理机制更为完备，地表蒸散发估算精度也更高。
然而，遥感卫星对地观测仅能获取表层土壤湿度时间序列数据，而无法得到植被根系层土壤湿度时间序列数据。在本发明的实施例中，提供一种实施方式，可以获取植被根系层土壤湿度时间序列数据，并将其应用于反映植被蒸腾所受到的土壤水分胁迫作用，以提高地表蒸散发估算精度。
具体地，在本发明的实施例中，针对微波遥感反演与融合获得时空分布连续的表层土壤湿度数据，进一步通过挖掘根系层土壤湿度与表层土壤湿度之间显著的相关关系和滞后性，建立根系层土壤湿度估算模型。进而，根据待测区域的当日的微波遥感数据，反演计算出待测区域的当日的表层土壤湿度数据，利用根系层土壤湿度估算模型，基于当日的表层土壤湿度数据和前一日的根系层土壤湿度数据，计算得到当日的根系层土壤湿度数据，由此，可以确定出第一时空分辨率的根系层土壤湿度数据和第二时空分辨率的根系层土壤湿度数据。
更具体地，在本发明的实施例中，根系层土壤湿度估算模型可以表示为：
；
式中，为当日根系层土壤湿度，/>为前一日根系层土壤湿度，/>为当日表层土壤湿度，a1、a2表示线性系数，可以分别取值为0.85和0.15，其具体是通过历史逐日根系层土壤湿度数据和表层土壤湿度数据进行数据拟合确定的。上述土壤湿度均为体积含水量，单位为cm3/cm3。
进一步地，在本发明的实施例中，可以将第一时空分辨率的地表参数数据、表层及根系层土壤湿度数据，和第二时空分辨率的地表参数数据、表层及根系层土壤湿度数据进行时空数据融合处理，由此得到待测区域的第三时空分辨率的遥感数据，进而将第三时空分辨率的遥感数据和第三时空分辨率的气象数据一同输入到ETMonitor模型中，得到待测区域的第三时空分辨率的地表蒸散发。
或者，分别将第一时空分辨率的地表参数数据、表层及根系层土壤湿度数据和气象数据，和第二时空分辨率的地表参数数据、表层及根系层土壤湿度数据和气象数据输入到ETMonitor模型，得到待测区域的第一时空分辨率的地表蒸散发和待测区域的第二时空分辨率的地表蒸散发，进而利用第一时空分辨率的地表蒸散发和第二时空分辨率的地表蒸散发进行时空数据融合处理，进一步确定出待测区域的第三时空分辨率的地表蒸散发。
本发明实施例的方法，通过考虑根系层土壤湿度与表层土壤湿度之间显著的相关关系和滞后性，建立根系层土壤湿度估算模型，获得植被根系层土壤湿度时间序列数据，并将其应用到待测区域的地表蒸散发的测算中，可以进一步有效提高地表蒸散发估算结果的精度。
基于上述实施例的内容，作为一种可选的实施例，利用第一时空分辨率的地表蒸散发和第二时空分辨率的地表蒸散发进行时空数据融合处理，确定待测区域的第三时空分辨率的地表蒸散发，包括：
基于第一时空分辨率的地表蒸散发和第二时空分辨率的地表蒸散发，确定待测区域的第一时空分辨率的蒸发比和第二时空分辨率的蒸发比；
对待测区域的第一时空分辨率的蒸发比和第二时空分辨率的蒸发比进行时空数据融合，确定待测区域的第三时空分辨率的地表蒸散发。
具体地，在本发明的实施例中，利用第一时空分辨率的地表蒸散发和第二时空分辨率的地表蒸散发，计算待测区域的第一时空分辨率的蒸发比和第二时空分辨率的蒸发比，以使得不同时空分辨率的地表蒸散发数据以蒸发比的形式进行融合，克服云层等大气环境因素对地表蒸散发数据测算的影响。
基于上述实施例的内容，作为一种可选的实施例，基于第一时空分辨率的地表蒸散发和第二时空分辨率的地表蒸散发，确定待测区域的第一时空分辨率的蒸发比和第二时空分辨率的蒸发比，包括：
基于第一时空分辨率的地表蒸散发和第一潜在蒸散发，确定待测区域的第一时空分辨率的蒸发比；第一潜在蒸散发是基于第一时空分辨率的气象数据确定的；
基于第二时空分辨率的地表蒸散发和第二潜在蒸散发，确定待测区域的第二时空分辨率的蒸发比；第二潜在蒸散发是基于第三时空分辨率的气象数据确定的；
第三时空分辨率的气象数据是通过对获取的第四时空分辨率的气象数据进行空间降尺度处理得到的；第四时空分辨率的空间分辨率低于第一时空分辨率的空间分辨率，第四时空分辨率的时间分辨率与第一时空分辨率的时间分辨率相同。
具体地，本发明实施例所描述的潜在蒸散发用于反映地表充分供水条件下的蒸散发能力。
本发明实施例所描述的第一潜在蒸散发指的是利用第一时空分辨率的气象数据进行计算得到的待测区域的潜在蒸散发。
本发明实施例所描述的第二潜在蒸散发指的是利用第三时空分辨率的气象数据进行计算得到的待测区域的潜在蒸散发。
在本发明的实施例中，可以利用第一时空分辨率，如逐日1 km分辨率的气象数据来计算得到第一潜在蒸散发；并利用第三时空分辨率，如逐日30 m分辨率的气象数据来计算得到第二潜在蒸散发。
其中，可以参照上述实施例的内容，通过遥感卫星或大气再分析数据采集第四时空分辨率，如时间分辨率为逐日、空间分辨率在10 km以上的低分辨率气象数据，通过空间降尺度方法，可以提高其空间分辨率至30 m，通过数据提取，得到逐日30 m分辨率的气象数据，由此得到第三时空分辨率的气象数据。
进一步地，在本发明的实施例中，将逐日1 km分辨率的地表实际蒸散发除以第一潜在蒸散发，可以得到待测区域逐日1 km分辨率的蒸发比。同样地，基于第二时空分辨率的地表蒸散发，如Landsat卫星晴空过境日30 m分辨率的地表实际蒸散发除以第二潜在蒸散发，可以得到待测区域Landsat卫星晴空过境日30 m分辨率的蒸发比，即得到第二时空分辨率的蒸发比。
本发明实施例的方法，通过计算待测区域的潜在蒸散发，确定地表充分供水条件下的蒸散发能力，结合遥感数据计算得到不同时空分辨率下的地表蒸散发，可以有效得到不同时空分辨率下的蒸发比，为后续不同时空分辨率蒸发比数据的融合提供准确可靠的技术数据。
进一步地，在本发明的实施例中，可以利用FSDAF模型，来对待测区域的第一时空分辨率的蒸发比和第二时空分辨率的蒸发比进行时空数据融合，计算出待测区域的第三时空分辨率的地表蒸散发。
基于上述实施例的内容，作为一种可选的实施例，对待测区域的第一时空分辨率的蒸发比和第二时空分辨率的蒸发比进行时空数据融合，确定待测区域的第三时空分辨率的地表蒸散发，包括：
将第一时空分辨率的蒸发比和第二时空分辨率的蒸发比输入到FSDAF模型，得到FSDAF模型输出的待测区域的第三时空分辨率的蒸发比；FSDAF模型用于对待测区域的第一时空分辨率的蒸发比和第二时空分辨率的蒸发比进行时空数据融合处理；
将第三时空分辨率的蒸发比与第二潜在蒸散发进行乘积运算，得到待测区域的第三时空分辨率的地表蒸散发。
具体地，在本发明的实施例中，在得到第一时空分辨率（逐日1 km分辨率）的蒸发比和第二时空分辨率（Landsat卫星晴空过境日30 m分辨率）的蒸发比之后，可以直接将逐日1 km分辨率的蒸发比和Landsat卫星晴空过境日30 m分辨率的蒸发比输入到FSDAF模型进行时空数据融合处理，可以生成逐日30 m分辨率时空分布连续的蒸发比，即得到待测区域的第三时空分辨率的蒸发比。
进一步地，在本发明的实施例中，将逐日30 m分辨率时空分布连续的蒸发比与第二潜在蒸散发进行乘积运算，得到逐日30 m高时空分辨率时空分布连续的地表实际蒸散发数据，即得到待测区域的第三时空分辨率的地表蒸散发。
在本实施例中，通过利用FSDAF模型对待测区域不同时空分辨率的蒸发比数据进行时空数据融合，可以得到精确的、时空分布连续的高时空分辨率地表蒸散发，可以有效提升待测区域地表蒸散发测算数据的时空分辨率和时空分布连续性。
本发明实施例的方法，通过将不同时空分辨率的地表蒸散发数据以蒸发比的形式进行融合，能够克服云层等大气环境的影响，生成高时空分辨率时空分布连续的地表蒸散发数据，进一步提升地表蒸散发测算数据的时空分辨率和时空分布连续性，可以为地表蒸散发在生态、农业、水资源管理等相关领域的应用和研究提供时空一致的高分辨率数据产品。
图2是本发明提供的地表蒸散发测算方法的流程示意图之二，如图2所示，在本发明的实施例中，利用MODIS遥感数据、Landsat卫星遥感数据、微波遥感数据等，利用FSDAF模型发展基于蒸发比的不同时空分辨率地表蒸散发数据的融合方法，生成逐日30 m高时空分辨率时空分布连续的地表蒸散发数据，其具体步骤为：
步骤1，对MODIS数据反演的地表参数数据进行时间序列重建，包括植被覆盖度、叶面积指数、反照率等，以去除云的影响，得到时空分布连续无缺失的逐日1 km分辨率的地表参数数据。
步骤2，对时间分辨率为逐日、空间分辨率通常在10 km以上的低分辨率土壤湿度数据和气象数据进行空间降尺度，将其空间分辨率提高至1 km和30 m，得到逐日1 km分辨率的土壤湿度数据和气象数据，以及Landsat卫星晴空过境日30 m分辨率的土壤湿度数据和气象数据，及逐日30 m分辨率的气象数据。其中，土壤湿度数据采用表层和根系层土壤湿度数据，根系层土壤湿度数据可以通过将微波遥感反演与融合获得的表层土壤湿度数据代入根系层土壤湿度估算模型得到；气象数据包括气温、气压、风速、降水、空气湿度和下行辐射。
步骤3，将经过上述处理的逐日1 km分辨率的地表参数数据、土壤湿度数据和气象数据等作为模型驱动数据，基于ETMonitor模型计算出逐日1 km分辨率的地表实际蒸散发（ET）。
步骤4，将晴空条件下Landsat数据反演的地表参数数据，以及Landsat卫星晴空过境日30 m分辨率的土壤湿度数据和气象数据等作为模型驱动数据，基于ETMonitor模型计算出Landsat卫星晴空过境日30 m分辨率的地表实际蒸散发。
步骤5，分别利用逐日1 km分辨率的气象数据和逐日30 m分辨率的气象数据计算对应的潜在蒸散发，得到第一潜在蒸散发和第二潜在蒸散发。
步骤6，将逐日1 km分辨率的地表实际蒸散发和Landsat卫星晴空过境日30 m分辨率的地表实际蒸散发分别除以对应的潜在蒸散发，分别得到逐日1 km分辨率的蒸发比和Landsat卫星晴空过境日30 m分辨率的蒸发比。
步骤7，利用FSDAF模型，对逐日1 km分辨率的蒸发比和Landsat卫星晴空过境日30m分辨率的蒸发比进行时空数据融合，生成逐日30 m分辨率时空分布连续的蒸发比。
步骤8，将逐日30 m分辨率的蒸发比与第二潜在蒸散发相乘，可以得到逐日30 m高时空分辨率时空分布连续的地表实际蒸散发数据。
本发明基于卫星遥感获取的表层土壤湿度时间序列信息，推算植被根系层土壤湿度信息，用于反映植被蒸腾所受到的土壤水分胁迫作用，可以有效提高地表蒸散发数据精度；同时，将不同时空分辨率的地表蒸散发数据以蒸发比的形式进行融合，能够很好地克服云层等大气环境因素的影响，生成高时空分辨率时空分布连续的地表蒸散发数据。与现有基于地表温度间接反映土壤湿度状况的Landsat蒸散发官方数据产品相比，本发明实施例测算的地表蒸散发数据精度及地表蒸散发对降水和土壤水的响应能力均有明显提高。
图3是本发明提供的地表蒸散发测算方法的测算结果与现有测算方法的对比示意图，如图3所示，图3中的（a）为一处特定测量区域处于特定时间下Landsat卫星晴空过境日的站点验证结果示意图，图3中的（b）为另一处特定测量区域处于特定时间下Landsat卫星晴空过境日的站点验证结果示意图。在本发明的实施例中，根据地面涡动相关站点观测的地表实际蒸散发数据，对本发明获取的高时空分辨率地表蒸散发数据进行验证，并与现有某Landsat蒸散发官方数据产品进行对比。
参照图3中的对比结果，可以表明本发明获取的地表蒸散发数据精度明显优于某Landsat蒸散发官方数据产品，本发明是以地面站点观测蒸散发数据作为“真值”进行精度评估，无论是均方根误差RMSE还是偏差Bias，均显著低于该Landsat蒸散发官方数据产品。
下面对本发明提供的地表蒸散发测算装置进行描述，下文描述的地表蒸散发测算装置与上文描述的地表蒸散发测算方法可相互对应参照。
图4是本发明提供的地表蒸散发测算装置的结构示意图，如图4所示，包括：
处理模块410，用于确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；测算数据包括遥感数据和气象数据，遥感数据包括地表参数数据和土壤湿度数据；
融合模块420，用于基于第一时空分辨率的遥感数据与第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定待测区域的第三时空分辨率的测算数据；
测算模块430，用于基于第三时空分辨率的测算数据，确定待测区域的第三时空分辨率的地表蒸散发；
第一时空分辨率的时间分辨率高于第二时空分辨率的时间分辨率，第二时空分辨率的空间分辨率高于第一时空分辨率的空间分辨率；第三时空分辨率的时间分辨率与第一时空分辨率的时间分辨率相同，第三时空分辨率的空间分辨率与第二时空分辨率的空间分辨率相同。
本实施例所述的地表蒸散发测算装置可以用于执行上述地表蒸散发测算方法实施例，其原理和技术效果类似，此处不再赘述。
本发明实施例的地表蒸散发测算装置，通过利用待测区域的高时间分辨率/低空间分辨率的测算数据和高空间分辨率/低时间分辨率的测算数据进行时空数据融合，这些测算数据包括地表参数数据、土壤湿度数据和气象数据，可以得到待测区域高时间分辨率/高空间分辨率的测算数据，进而利用待测区域高时间分辨率/高空间分辨率的测算数据进行地表蒸散发数据的计算，可以有效降低云层等大气环境的影响，获得待测区域高时间分辨率/高空间分辨率的地表蒸散发，极大地提升了地表蒸散发测算数据的时空分辨率和时空分布连续性。
图5是本发明提供的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器（processor）510、通信接口（Communications Interface）520、存储器（memory）530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行上述各方法所提供的地表蒸散发测算方法，该方法包括：确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；所述测算数据包括遥感数据和气象数据，所述遥感数据包括地表参数数据和土壤湿度数据；融合模块，用于基于所述第一时空分辨率的遥感数据与所述第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；基于所述第三时空分辨率的测算数据，确定所述待测区域的第三时空分辨率的地表蒸散发；所述第一时空分辨率的时间分辨率高于所述第二时空分辨率的时间分辨率，所述第二时空分辨率的空间分辨率高于所述第一时空分辨率的空间分辨率；所述第三时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同，所述第三时空分辨率的空间分辨率与所述第二时空分辨率的空间分辨率相同。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元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，本发明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）执行本发明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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的地表蒸散发测算方法，该方法包括：确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；所述测算数据包括遥感数据和气象数据，所述遥感数据包括地表参数数据和土壤湿度数据；融合模块，用于基于所述第一时空分辨率的遥感数据与所述第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；基于所述第三时空分辨率的测算数据，确定所述待测区域的第三时空分辨率的地表蒸散发；所述第一时空分辨率的时间分辨率高于所述第二时空分辨率的时间分辨率，所述第二时空分辨率的空间分辨率高于所述第一时空分辨率的空间分辨率；所述第三时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同，所述第三时空分辨率的空间分辨率与所述第二时空分辨率的空间分辨率相同。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的地表蒸散发测算方法，该方法包括：确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；所述测算数据包括遥感数据和气象数据，所述遥感数据包括地表参数数据和土壤湿度数据；融合模块，用于基于所述第一时空分辨率的遥感数据与所述第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；基于所述第三时空分辨率的测算数据，确定所述待测区域的第三时空分辨率的地表蒸散发；所述第一时空分辨率的时间分辨率高于所述第二时空分辨率的时间分辨率，所述第二时空分辨率的空间分辨率高于所述第一时空分辨率的空间分辨率；所述第三时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同，所述第三时空分辨率的空间分辨率与所述第二时空分辨率的空间分辨率相同。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种地表蒸散发测算方法，其特征在于，包括：
确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；所述测算数据包括遥感数据和气象数据，所述遥感数据包括地表参数数据和土壤湿度数据；
基于所述第一时空分辨率的遥感数据与所述第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；
基于所述第三时空分辨率的测算数据，确定所述待测区域的第三时空分辨率的地表蒸散发；
所述第一时空分辨率的时间分辨率高于所述第二时空分辨率的时间分辨率，所述第二时空分辨率的空间分辨率高于所述第一时空分辨率的空间分辨率；所述第三时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同，所述第三时空分辨率的空间分辨率与所述第二时空分辨率的空间分辨率相同。
2.根据权利要求1所述的地表蒸散发测算方法，其特征在于，在所述确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据之后，所述方法还包括：
分别将所述第一时空分辨率的测算数据和所述第二时空分辨率的测算数据输入到所述地表蒸散发遥感估算模型，得到所述待测区域的第一时空分辨率的地表蒸散发和所述待测区域的第二时空分辨率的地表蒸散发；
利用所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发进行时空数据融合处理，确定所述待测区域的第三时空分辨率的地表蒸散发。
3.根据权利要求1所述的地表蒸散发测算方法，其特征在于，所述土壤湿度数据包括表层土壤湿度数据和根系层土壤湿度数据，所述根系层土壤湿度数据是基于如下步骤得到的，包括：
根据所述待测区域的当日的微波遥感数据，得到所述待测区域的当日的表层土壤湿度数据；
基于所述当日的表层土壤湿度数据和前一日的根系层土壤湿度数据，确定当日的根系层土壤湿度数据。
4.根据权利要求2所述的地表蒸散发测算方法，其特征在于，所述利用所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发进行时空数据融合处理，确定所述待测区域的第三时空分辨率的地表蒸散发，包括：
基于所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发，确定所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比；
对所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比进行时空数据融合，确定所述待测区域的第三时空分辨率的地表蒸散发。
5.根据权利要求4所述的地表蒸散发测算方法，其特征在于，所述基于所述第一时空分辨率的地表蒸散发和所述第二时空分辨率的地表蒸散发，确定所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比，包括：
基于所述第一时空分辨率的地表蒸散发和第一潜在蒸散发，确定所述待测区域的第一时空分辨率的蒸发比；所述第一潜在蒸散发是基于所述第一时空分辨率的气象数据确定的；
基于所述第二时空分辨率的地表蒸散发和第二潜在蒸散发，确定所述待测区域的第二时空分辨率的蒸发比；所述第二潜在蒸散发是基于所述第三时空分辨率的气象数据确定的；
所述第三时空分辨率的气象数据是通过对获取的第四时空分辨率的气象数据进行空间降尺度处理得到的；所述第四时空分辨率的空间分辨率低于所述第一时空分辨率的空间分辨率，所述第四时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同。
6.根据权利要求5所述的地表蒸散发测算方法，其特征在于，所述对所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比进行时空数据融合，确定所述待测区域的第三时空分辨率的地表蒸散发，包括：
将所述第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比输入到时空数据融合模型，得到所述时空数据融合模型输出的所述待测区域的第三时空分辨率的蒸发比；所述时空数据融合模型用于对所述待测区域的第一时空分辨率的蒸发比和所述第二时空分辨率的蒸发比进行时空数据融合处理；
将所述第三时空分辨率的蒸发比与所述第二潜在蒸散发进行乘积运算，得到所述待测区域的第三时空分辨率的地表蒸散发。
7.根据权利要求1-6任一项所述的地表蒸散发测算方法，其特征在于，在所述确定待测区域的第一时空分辨率的测算数据之前，所述方法还包括：
根据所述待测区域的卫星遥感数据，反演得到所述待测区域的初始的地表参数数据，所述地表参数数据至少包括植被覆盖度、叶面积指数和反照率；
对所述初始的地表参数数据进行时间序列重构，得到所述第一时空分辨率的地表参数数据。
8.一种地表蒸散发测算装置，其特征在于，包括：
处理模块，用于确定待测区域的第一时空分辨率的测算数据和第二时空分辨率的测算数据；所述测算数据包括遥感数据和气象数据，所述遥感数据包括地表参数数据和土壤湿度数据；
融合模块，用于基于所述第一时空分辨率的遥感数据与所述第二时空分辨率的遥感数据进行时空数据融合得到的结果以及第三时空分辨率的气象数据，确定所述待测区域的第三时空分辨率的测算数据；
测算模块，用于基于所述第三时空分辨率的测算数据，确定所述待测区域的第三时空分辨率的地表蒸散发；
所述第一时空分辨率的时间分辨率高于所述第二时空分辨率的时间分辨率，所述第二时空分辨率的空间分辨率高于所述第一时空分辨率的空间分辨率；所述第三时空分辨率的时间分辨率与所述第一时空分辨率的时间分辨率相同，所述第三时空分辨率的空间分辨率与所述第二时空分辨率的空间分辨率相同。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述地表蒸散发测算方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述地表蒸散发测算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311065046.7A CN116776651B (zh) | 2023-08-23 | 2023-08-23 | 地表蒸散发测算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311065046.7A CN116776651B (zh) | 2023-08-23 | 2023-08-23 | 地表蒸散发测算方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116776651A true CN116776651A (zh) | 2023-09-19 |
| CN116776651B CN116776651B (zh) | 2023-11-14 |
Family
ID=87989884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311065046.7A Active CN116776651B (zh) | 2023-08-23 | 2023-08-23 | 地表蒸散发测算方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116776651B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117893919A (zh) * | 2024-01-12 | 2024-04-16 | 西南交通大学 | 一种多云多雾地区高时空分辨率叶面积指数产品生成方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551459A (zh) * | 2008-10-15 | 2009-10-07 | 北京天宏金睛信息技术有限公司 | 基于遥感的区域蒸散量监测方法 |
| CN106599548A (zh) * | 2016-11-23 | 2017-04-26 | 中国科学院遥感与数字地球研究所 | 陆面蒸散发遥感估算的时空尺度匹配方法及装置 |
| CN109919250A (zh) * | 2019-03-19 | 2019-06-21 | 中国科学院地理科学与资源研究所 | 考虑土壤水分的蒸散发时空特征融合方法及装置 |
| CN112560570A (zh) * | 2020-09-29 | 2021-03-26 | 中国科学院大学 | 一种协同降尺度与数据融合的高分辨率地表温度估算方法 |
| CN113486000A (zh) * | 2021-09-08 | 2021-10-08 | 中国测绘科学研究院 | 基于多源数据和深度学习的地表蒸散发数据降尺度方法 |
| US20220043182A1 (en) * | 2019-10-14 | 2022-02-10 | Guangzhou Institute of Geography, Guangdong Academy of Science | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data |
-
2023
- 2023-08-23 CN CN202311065046.7A patent/CN116776651B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551459A (zh) * | 2008-10-15 | 2009-10-07 | 北京天宏金睛信息技术有限公司 | 基于遥感的区域蒸散量监测方法 |
| CN106599548A (zh) * | 2016-11-23 | 2017-04-26 | 中国科学院遥感与数字地球研究所 | 陆面蒸散发遥感估算的时空尺度匹配方法及装置 |
| CN109919250A (zh) * | 2019-03-19 | 2019-06-21 | 中国科学院地理科学与资源研究所 | 考虑土壤水分的蒸散发时空特征融合方法及装置 |
| US20220043182A1 (en) * | 2019-10-14 | 2022-02-10 | Guangzhou Institute of Geography, Guangdong Academy of Science | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data |
| CN112560570A (zh) * | 2020-09-29 | 2021-03-26 | 中国科学院大学 | 一种协同降尺度与数据融合的高分辨率地表温度估算方法 |
| CN113486000A (zh) * | 2021-09-08 | 2021-10-08 | 中国测绘科学研究院 | 基于多源数据和深度学习的地表蒸散发数据降尺度方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117893919A (zh) * | 2024-01-12 | 2024-04-16 | 西南交通大学 | 一种多云多雾地区高时空分辨率叶面积指数产品生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116776651B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kolassa et al. | Estimating surface soil moisture from SMAP observations using a Neural Network technique | |
| Long et al. | Generation of MODIS-like land surface temperatures under all-weather conditions based on a data fusion approach | |
| Wei et al. | Downscaling SMAP soil moisture estimation with gradient boosting decision tree regression over the Tibetan Plateau | |
| Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
| Zhao et al. | Downscaling of soil moisture products using deep learning: Comparison and analysis on Tibetan Plateau | |
| Qu et al. | Inter-comparison of several soil moisture downscaling methods over the Qinghai-Tibet Plateau, China | |
| Song et al. | An improved surface soil moisture downscaling approach over cloudy areas based on geographically weighted regression | |
| Li et al. | Actual evapotranspiration estimation over the Tuojiang River Basin based on a hybrid CNN-RF model | |
| CN116776651B (zh) | 地表蒸散发测算方法、装置、电子设备及存储介质 | |
| Yoo et al. | Spatial downscaling of MODIS land surface temperature: Recent research trends, challenges, and future directions | |
| Zhang et al. | Spatial and temporal downscaling of TRMM precipitation with novel algorithms | |
| CN116450700B (zh) | 极轨卫星地表温度时间归一化方法、装置及电子设备 | |
| Lee et al. | A comparative study on generating simulated Landsat NDVI images using data fusion and regression method—the case of the Korean Peninsula | |
| Wang et al. | Removing temperature drift and temporal variation in thermal infrared images of a UAV uncooled thermal infrared imager | |
| Rawat et al. | Parameterization of the modified water cloud model (MWCM) using normalized difference vegetation index (NDVI) for winter wheat crop: a case study from Punjab, India | |
| Ma et al. | Developing a land continuous variable estimator to generate daily land products from Landsat data | |
| Zhang et al. | A machine learning-based approach for generating high-resolution soil moisture from SMAP products | |
| Du et al. | An improved change detection method for high-resolution soil moisture mapping in permafrost regions | |
| CN109344769A (zh) | 一种基于遥感影像的光伏电站检测方法及系统 | |
| Xu et al. | Merging the MODIS and landsat terrestrial latent heat flux products using the multiresolution tree method | |
| CN114880883B (zh) | 山地地表土壤水分遥感估算方法、装置及电子设备 | |
| Geng et al. | A method for estimating surface soil moisture from diurnal land surface temperature observations over vegetated regions: A preliminary result over an AmeriFlux site and the REMEDHUS network | |
| Sha et al. | A spatial weather generator based on conditional deep convolution generative adversarial nets (cDCGAN) | |
| Taghavi-Bayat et al. | Soil moisture retrieval at high spatial resolution over alpine ecosystems on Nagqu-Tibetan plateau: A comparative study on semiempirical and machine learning approaches | |
| Chen et al. | Generating Daily Gap-Free MODIS Land Surface Temperature Using the Random Forest Model and Similar Pixels Method |
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 |