基于卫星遥感技术对降水的时空分布进行精准测量,成为近50年来最富有挑战性的科学研究目标之一。早期的遥感降水反演主要依赖于被动遥感,包括地球静止卫星和近地轨道卫星上搭载的可见光、红外和被动微波传感器。搭载在近地轨道卫星上的各类传感器在扫描时会出现盲区,但是微波通道提供的卫星云图,可以有效地减少卷云对降水反演精度的影响。其中,基于FY-2系列卫星的降水估算是国内最常用的降水反演方法。......
2023-09-17
(1)Ts-NDVI 特征空间。在Matlab中编写程序,提取大沽河流域相同NDVI 下的不同像元对应的最大陆地表面温度和最小陆地表面温度,每期数据中NDVI 均匀划分了256个等级,获得研究区每16d的Ts-NDVI 特征空间,共23期结果。图5.5显示了部分Ts-NDVI 特征空间散点图,图中,深色点为分布,用于拟合干边方程,浅色点为分布,用于拟合湿边方程。Ts的单位均为℃。
由图5.5可以看出,大部分特征空间的干边和湿边都具备相似的形状。在NDVI 大于某个值时,随着NDVI 的增大,陆地表面温度的最大值在减小,同时陆地表面温度的最小值在升高,且陆地表面温度的最大值、最小值与NDVI 呈近似线性关系。因此,如果将湿边描述成与NDVI 轴平行的直线会使结果产生误差,对湿边进行线性拟合是合理的。但图5.5中也显示,不同时间的干边、湿边形状是不同的。7月、8月、9月地表温度的最大值和最小值差别较小,干边与湿边的斜率比较小,而温差较大的2月、12月干边、湿边的斜率差别较大。此外,由于6—9 月大沽河流域的植被覆盖度普遍偏高,NDVI<0.2的特征点较少,同时,开始下降处、开始上升处对应的NDVI 值也偏高(0.3左右)。
图5.5 2013年每16d的Ts-NDVI 空间散点图(部分)
(2)干湿边方程确定。根据TVDI理论,Ts-NDVI 特征空间是由一组土壤湿度等值线组成,上部土壤湿度低,下部土壤湿度高。如果有效确定特征空间的干湿边,则图像中每个像元的土壤湿度均可计算得到,从而获得土壤湿度分布图。利用Ts-NDVI 特征空间中的相应最大和最小陆地表面温度,回归拟合可获得干边和湿边方程。
尽管TVDI认为:随着植被指数(NDVI)的增加,陆地表面温度最大值逐渐降低,且与植被指数呈线性关系。这里实际上是假定NDVI与植被覆盖度呈线性关系,但实际情况并非如此。实验证明,当植被覆盖度小于15%时,植被的NDVI 值高于裸土的NDVI 值,植被可以被检测出来,但因植被覆盖度很低,如干旱、半干旱地区,其NDVI 很难指示区域的植物生物量;当植被覆盖度由25%~80% 增加时,其NDVI 值随植物量的增加呈线性迅速增加;当植被覆盖度大于80%时,其NDVI 值增加延缓而呈现饱和状态,对植被检测灵敏度下降。实验表明,作物生长初期NDVI 将过高估计植被覆盖度,而在作物生长的后期NDVI 值偏低。因此,NDVI 更适用于植被发育中期或中等覆盖度(低-中等叶面积指数)的植被检测。正是这个原因,特征空间中的最大、最小陆地表面温度随NDVI 的变化并非一条直线(图5.5也证实了这一点)。因此,需要考虑如何选择像元进行回归拟合获得合适的干、湿边方程。
结合上述理论及前人的研究成果,在拟合干湿边方程时,选择处于中间范围 的NDVI。这 里 以2013 年2 月19 日—3 月6 日 的Ts-NDVI 特 征 空 间[图5.6(a)]为例,说明特征空间干湿边参数的确定方法。图5.6所示,最大温度形成的点线(深色)和最小温度形成的点线(浅色)均大致可以分成两部分:NDVI<0.2和0.2<NDVI<0.48。由于NDVI<0的地表主要为水体、云或雪,可认为地表的湿度为100%,因此在分析时不考虑NDVI<0的像素。图中NDVI<0.2时干边的斜率为正值,而0.2<NDVI<0.48时干边的斜率为负值。由于没有NDVI>0.5的值,研究中拟合干边和湿边时,选取0.2<NDVI<0.48的像素即可。
图5.6 Ts-NDVI 特征空间干湿边方程拟合
采用上述方法分别对23期数据进行拟合,得到的干边和湿边方程的系数a1、b1和a2、b2列在表5.1中。
表5.1 干边、湿边方程拟合系数一览表
① 从2013年1月1日开始算起,每隔16d对应在该年的第几天。
(3)土壤湿度等级分布图。根据式(5.11),代入表5.1中的干边和湿边方程系数,分别计算不同时间各像元的TVDI 值,以TVDI 值作为不同土壤湿度分级指标,将土壤湿度划分为5级,分别是:极湿润(0<TVDI<0.2),湿润(0.2<TVDI<0.4),正常(0.4<TVDI<0.6),干旱(0.6<TVDI<0.8)和极干旱(0.8<TVDI<1)。由此可得到2013年12个月每16d的大沽河流域土壤湿度分布图(图5.7),图5.7中深灰色区域为地表温度无值(例如有云覆盖)或奇异值区,在计算中剔除。
图5.7(一) 大沽河流域2013年每16d的土壤湿度等级分布图(遥感估算结果)
图5.7(二) 大沽河流域2013年每16d的土壤湿度等级分布图(遥感估算结果)
从图5.7中可以看出,大沽河流域土壤湿度时间、空间分布均具有不均匀性。从2013年2月中旬开始,流域中南部土壤出现干旱甚至极干旱等级,4月下旬到5月底流域绝大部分地区(包括北部山区)均出现不同程度的旱情,6月初旱情才得以缓解。结合当地气象资料,2013年5月27日流域的大降雨可以解释这一变化。7月,流域土壤湿度较大,7月13—28日的土壤湿度分布图中,绝大部分地区为湿润等级,这些与7月流域降水丰富有着密切联系。与研究中降水估算的7月流域平均降水量超过200mm 相吻合(表4.1)。9月底至10月中上旬,流域东部地区土壤湿度较小,而中西部土壤湿度多为正常或湿润等级。11月中旬,流域内干旱及以上等级的土壤分布面积超过流域总面积50%,流域南北部均有分布。12月虽然降水较少,但蒸散量也相对小,因此旱情较11月中旬有所缓解,干旱区主要分布在流域中部地区。
有关大沽河流域水文要素监测体系建设与实践的文章
基于卫星遥感技术对降水的时空分布进行精准测量,成为近50年来最富有挑战性的科学研究目标之一。早期的遥感降水反演主要依赖于被动遥感,包括地球静止卫星和近地轨道卫星上搭载的可见光、红外和被动微波传感器。搭载在近地轨道卫星上的各类传感器在扫描时会出现盲区,但是微波通道提供的卫星云图,可以有效地减少卷云对降水反演精度的影响。其中,基于FY-2系列卫星的降水估算是国内最常用的降水反演方法。......
2023-09-17
分别以大沽河、云山镇、移风店及南墅中学4个气象自动站的2013年月降水观测值为参照,通过分析估测降水量与实际降水量的关系,检验流域月降水遥感估测的有效性。图4.2为大沽河站点实测降水量与卫星估测降水量对比图。实测降水量与估测值线性相关,回归方程拟合度非常理想。综上所述,尽管某些站点个别月份的降水估测值存在较大误差,基于FY-2F的降水估计结果仍然可以表达流域降水的时空分布规律,是较为理想的降水产品。......
2023-09-17
大沽河流域蒸散量估算选用了2013年数据质量较好的12 幅MODIS 的Landsat-8遥感数据,解译获取土地利用信息,采用SEBAL模型进行蒸散量估算,得到大沽河流域蒸散量情况;将遥感监测估算的大沽河流域蒸散发量与研究区内各气象台站实测蒸散量进行对比,验证SEBAL 模型反演大沽河流域日蒸散量结果的可信度。......
2023-09-17
从大沽河流域2013年逐月的蒸散量结果可以看出,四季典型蒸散量的年内分布均体现出大沽河流域自然气候条件特征,存在明显的季节变化规律:夏季最大,春秋次之,冬季最小。冬季蒸散量相对较少,12月、1月、2月的月均蒸散量分别为30.34mm、20.01mm、22.83mm。总体而言,水体蒸散量最大,其次是林地和耕地,城镇及建筑用地蒸散量最小。虽然存在一定误差的影响,但是2013年大沽河流域蒸散量估算值与年内变化趋势均与实测数据具有良好的一致性。......
2023-09-17
本书就是基于上述思想,利用遥感技术,对大沽河流域的降水、蒸散发、土壤含水量、土地利用等指标进行了监测的尝试性工作,如利用降水遥感的监测结果,可以预报径流量大小,至少可以预测预报径流量的范围。通过对多种要素的遥感结果进行合并、串联,可实现对大沽河流域大气-水文相互作用过程进行遥感监测的目标,由此也就构建起了流域大气-水文相互作用过程遥感监测体系。......
2023-09-17
使用Matlab编程,将2个时相8d合成的地表温度数据合成为1个时相16d合成的地表温度数据。利用上一步骤中提取的数据,在Excel中对NDVI和最大和最小陆地表面温度进行线性拟合,获得干边和湿边方程的系数a1、b1、a2和b2。使用Matlab编程,根据式计算图像上每个像元的温度植被干旱指数值,获取流域TVDI的分布图,根据TVDI等级划分形成大沽河流域土壤湿度分布图。图5.4显示了部分Matlab程序文件列表。......
2023-09-17
传统的蒸散发估算方法局限于局部尺度,而较大空间尺度内陆面特征和水热传输的非均匀性导致传统的估算方法难以获取区域尺度的蒸散发。遥感以少量的地面数据估算大范围区域蒸散的优势被认为是可以经济、有效地提供区域蒸散发消耗量的唯一方法。该公式被证明在致密冠层的蒸散发估算上有良好的效果。除Penman类模型外,R.J.Bouchet于1963年提出了陆面实际蒸散与可能蒸散之间的互补关系原理,为估算实际蒸散发开辟了新的途径。......
2023-09-17
图3.6显示了大沽河流域地表蒸散量的逐年变化过程和年际波动情况。年均蒸散量超出多年ET 平均值的年份出现在2005 年、2007年、2008年、2010年、2012年和2013年,其中2008年和2013年尤为突出,分别超出多年平均值50.29mm 和22.34mm,其他年份均低于多年平均值。总体上来看,大沽河流域地表蒸散量年内分布呈现先增大后减小的单峰型分布趋势,蒸散量月均变化曲线见图3.7。图3.7大沽河流域2005—2014年不同月份地表蒸散量分布......
2023-09-17
相关推荐