基于Penman-Monteith Leuning模型的遥感蒸散发估算——以四川省马尔康县为例

蒸散发作为地表水分消耗和参与水文生态循环的重要参数,是生态应用研究的重点.尤其对于植被恢复和水资源管理的领域而言,区域蒸散发估算的准确性十分重要.本文以野外实测(气象和蒸散发)数据为基础,利用实测数据对遥感PML模型进行参数优化,基于Landsat-8遥感影像数据对四川省马尔康县蒸散发进行估算.研究结果表明:马尔康县模型模拟蒸散发与实测蒸散发拟合程度较好,PML模型优化的土壤湿度系数为1,气孔导度为0.0165 m/s,模型验证系数RMSE为0.15 mm/d.研究区域内不同土地利用类型的蒸散发差异较大.马尔康县日平均蒸散发为1.05 mm/d,马尔康县区域蒸散发呈现空间异质性,并受到地形、气象以及土地利用类型等因子的影响.     

灌区蒸散发遥感反演及其时空变化特征分析——以漳河灌区为例

准确反演区域尺度的蒸散发对于水资源循环、气候变化、科学灌溉及干旱与洪涝监测等方面的研究具有重要的科学意义,本文以漳河灌区为典型案例,构建了遥感蒸散发的SEBS模型,验证了其精度,分析了其时空规律。结果表明：①2009—2018年钟祥、荆门、团林站点的（蒸散发） ET观测值与模拟值的平均相关系数分别为0.86、0.84和0.83,RMSE平均值分别为0.61、0.67和0.62 mm/d。年际间的ET观测值与模拟值变化幅度均小于10%,相关系数范围为0.7～0.9,RMSE范围为0.4～0.8 mm/d,标准差比率范围为0.8～1.5。②研究区2009—2018年ET的平均值为427.34 mm,整体呈上升趋势。③年尺度、季尺度和月尺度ET与气温和降水在时间序列上均有较好的一致性。多时间尺度ET均呈东北和西南部高、西部低的空间分布特征。研究结果能够较好地呈现ET的高时空异质特征和年际间空间差异,本文将为漳河灌区水资源开发管理和科学灌溉提供科学依据。     

遥感土壤水分对蒸散发估算的影响

地表实际蒸散发是联系陆表水循环、能量平衡和碳收支等物理过程的重要生态水文变量,同时也是目前水循环研究中的薄弱点,定量化土壤水分对蒸散发的胁迫作用是估算地表蒸散发的一个关键过程和难点。本研究基于2018年9月闪电河流域水循环与能量平衡遥感综合试验星—机—地联合观测数据,采用机载观测和卫星遥感反演土壤水分输入到ETMonitor模型估算地表实际蒸散发,在时间和空间两个维度上评估不同土壤水分产品对蒸散发估算的影响。从时间变化上来说,与地面观测蒸散发时间序列相比,基于ESA CCI (European SpaceAgency Climate Change Initiative)融合土壤水分产品、SMAP (Soil Moisture Active and Passive)土壤水分产品和国产风云三号气象卫星(FY-3C)土壤水分产品估算的蒸散发最接近地面站点观测蒸散发,而基于ASCAT (TheAdvanced Scatterometer)和SMOS (Soil Moisture Ocean Salinity)土壤水分估算蒸散发分别明显的高于和低于地面观测蒸散发。从空间分布上来说,利用卫星反演土壤水分估算的蒸散发与基于机载观测土壤水分估算蒸散发具有一致的空间分布,能较好地反映该区域地表蒸散的空间分布格局,其中基于SMAP和SMOS土壤水分估算蒸散发与基于机载观测土壤水分估算蒸散发空间一致性最好。本研究评估遥感反演土壤水分对蒸散发影响,对区域及全球遥感蒸散发估算和土壤水分产品评估具有一定的指导意义。     

克里雅河流域中游绿洲蒸散发的时空演变与驱动因素分析

蒸散发是评估荒漠绿洲水热循环的关键因素,其时空变化监测及驱动力研究可为水资源的精准调控与生态环境保护提供科学依据。以克里雅河流域中游绿洲地区为研究区域,本文基于Landsat遥感影像与SEBS模型分析了2010—2022年蒸散发的时空变化,通过蒸发皿实测数据和Penman-Monteith模型进行了估算结果的精度验证,并进一步探讨了蒸散发的影响因素。结果表明：(1)蒸散发的SEBS模拟值与蒸发皿观测值的相关系数和R²分别为0.93和0.87,RMSE为0.96 mm/d;与彭曼公式观测值的相关系数和R²分别为0.90和0.81,RMSE为0.64 mm/d。(2)2010—2022年的实际蒸散发呈下降趋势,其变化速率为14.75 mm/a;在春季、夏季和秋季呈下降趋势,在冬季则呈上升趋势。(3)蒸散发的空间异质性明显,高值主要集中在克里雅河沿岸附近,低值则分布在绿洲边缘地区的沙地;近13年整个研究区约有70.2%的像元呈无显著下降趋势,10.4%的像元呈显著下降趋势。(4)蒸散发与气温、气压、日照时数、地表温度和NDVI呈显著相关关系,与风速...     

数据驱动的蒸散发遥感反演方法及产品研究进展

蒸散发是水圈、大气圈和生物圈中水分循环和能量交换的纽带。在全球尺度上,蒸散发约占陆地降水总量的60%;作为其能量表达形式,潜热通量约占地表净辐射的80%。随着通量观测技术的发展,全球长期持续的观测数据得以获取和共享,近年来基于数据驱动的蒸散发遥感反演方法取得了较好的研究进展。本文针对数据驱动的蒸散发遥感反演方法和产品,从经验回归、机器学习和数据融合3个方面展开,对现有的研究进展进行了梳理、归纳和总结,并从驱动数据、反演方法、已有产品等方面指出目前仍存在的问题和不足。未来仍需开展数据驱动的高时空分辨率的蒸散发遥感反演方法的研究,有效考虑地表温度和土壤水分等可以指示地表蒸散发短期变化的重要信息,同时加强基于过程驱动的物理模型与数据驱动的模型的结合,使两类模型能互为补充、各自发挥所长,共同推动蒸散发遥感反演研究水平的进步。     

基于作物缺水指数的土壤含水量估算方法

为研究江苏省徐州市的土壤水分时空分布及动态变化,基于MODIS数据和站点气象数据,利用蒸散发双层模型和考虑土壤水分可供率的改进双层模型分别计算实际蒸散发量,利用Penman-Monteith模型计算区域潜在蒸散发量,计算获得作物缺水指数(crop water stress index,CWSI),并与2010年7月和11月的土壤相对含水量实测数据分别进行回归分析建模,得到了土壤含水量分布图。结果表明:基于蒸散发双层模型的土壤含水量估算结果与实测值的决定系数分别为0.53和0.72,平均相对误差分别为5.89%和9.6%;对双层模型进行改进后,土壤含水量估算结果与实测值的决定系数都为0.84,平均相对误差分别为3.47%和6.03%,利用改进后的双层模型对土壤相对含水量进行估算效果更好。     

基于地表温度—植被指数三角/梯形特征空间的地表蒸散发遥感反演综述

地表蒸散发是地表水分循环和能量平衡的重要组成成分,其准确估算对农业灌溉与干旱监测、水资源管理、气候变化预估等研究至关重要。基于地表温度—植被指数三角/梯形特征空间开展地表蒸散发遥感反演及土壤蒸发/植被蒸腾分离是地表蒸散发定量遥感研究的国际热点与前沿课题之一。本文全面、系统、深入地综述了地表温度—植被指数三角/梯形空间反演地表蒸散发和分离土壤蒸发与植被蒸腾的国内外研究进展,详尽阐述了各干湿边确定方法和蒸散发反演建模方法的基本原理、优势与不足等,明晰了各方法的适用条件并梳理了待进一步解决的问题,最后指明了三角/梯形特征空间蒸散发遥感反演研究的未来发展方向。通过本文,有助于深化认识基于三角/梯形特征空间反演地表蒸散发的机理,为遥感反演地表蒸散发及分离土壤蒸发/植被蒸腾新方法的创立提供启迪,推动中国蒸散发定量遥感研究水平迈上新台阶。     

基于涡动相关通量观测的农田蒸散发产品精度验证

高精度的农田蒸散发(ET)对于田间尺度精准的水分平衡量化和水分亏缺研究具有重要意义，对农业精准灌溉和农田水分利用效率提高具有实用价值。本研究利用全球共计28个农田站点的涡动相关系统(EC)通量观测数据，对500 m空间分辨率8 d时间分辨率的MOD16和PML-V2两种遥感蒸散发产品，进行了对比分析与精度评估。评估结果表明，PML-V2 ET产品与EC观测ET相比，均方根误差(RMSE)变化范围为3.3—22.4 mm/8 d，平均偏差(bias)变化范围为-15.98—13.27 mm/8 d;MOD16 ET产品与EC观测ET相比，RMSE变化范围为3.81—21.47 mm/8 d,bias变化范围为-16.42—15.05 mm/8 d。整体而言，两种产品精度相当，MOD16产品低估8 d ET(bias:-2.31 mm/8 d,R²:0.452,RMSE:8.82 mm/8 d),PML-V2产品略高估8 d ET (bias:0.51 mm/8 d,R²:0.455,RMSE:8.81 mm/8 d);PML-V2产品在18个站...     

基于遥感技术的祖厉河流域LUCC与蒸散发研究

本文以陇中黄土高原的祖厉河流域为研究区,基于Landsat系列遥感影像,利用主成分变换方法,与地面温度和植被指数相结合,进行土地利用/土地覆盖提取研究,在此基础上,探讨祖厉河流域土地利用/土地覆盖变化(LUCC)及其驱动因素。利用基于TM影像的SEBAL(Surface Energy Balance Algorithm for Land)模型,从祖厉河流域三期影像提取了区域蒸散发通量。首先进行了NDVI、比辐射率和地面温度等地表参数的计算,然后反演了地表的净辐射、土壤热通量和感热通量,根据能量守恒最终获得日蒸散发量。结合气象观测数据反演作物系数,最后计算月蒸散发量。对同期的土地利用/土地覆盖数据和陆面蒸散发量进行对比分析,探讨了土地利用类型的变化对流域内能量和水分时空分异的影响。     

多源数据下老采空区上方地表残余变形规律分析

为动态分析老采空区上方地表残余变形规律,本文以淮南矿区新庄孜矿新淮工厂为例,综合运用D-InSAR遥感解译反演与地表移动变形监测两种方法分析其残余变形规律,并以遥感解译数据与实测数据为基础资料,采用GM（1,1）模型进行地表残余变形规律的动态预测。D-InSAR存档数据反演结果显示2009年1月-2011年12月期间地表最大下沉量为100 mm,最大下沉速率为2.5 mm/d;地表移动变形监测结果显示2012年1月-2013年12月期间地表最大下沉量为55 mm,最大下沉速率为0.45 mm/d;GM（1,1）模型预测结果显示地表监测点下沉速度小于1.67 mm/d,地表处于残余衰退阶段;同时模型相关系数R²>0.95,预测结果和曲线拟合精度可靠。研究成果可为煤矿老采空区上方建筑地基残余变形监测工作提供参考。     

Improving a Penman–Monteith evapotranspiration model by incorporating soil moisture control on soil evaporation in semiarid areas

Penman–Monteith (PM) theory has been successfully applied to calculate land surface evapotranspiration (ET) for regional and global scales. However, soil surface resistance, related to soil moisture, is always difficult to determine over a large region, especially in arid or semiarid areas. In this study, we developed an ET estimation algorithm by incorporating soil moisture control, a soil moisture index (SMI) derived from the surface temperature and vegetation index space. We denoted this ET algorithm as the PM-SMI. The PM-SMI algorithm was compared with several other algorithms that calculated soil evaporation using relative humidity, and validated with Bowen ratio measurements at seven sites in the Southern Great Plain (SGP) that were covered by grassland and cropland with low vegetation cover, as well as at three eddy covariance sites from AmeriFlux covered by forest with high vegetation cover. The results show that in comparison with the other methods examined, the PM-SMI algorithm significantly improved the daily ET estimates at SGP sites with a root mean square error (RMSE) of 0.91 mm/d, bias of 0.33 mm/d, and R² of 0.77. For three forest sites, the PM-SMI ET estimates are closer to the ET measurements during the non-growing season when compared with the other three algorithms. At all the 10 validation sites, the PM-SMI algorithm performed the best. PM-SMI 8-day ET estimates were also compared with MODIS 8-day ET products (MOD16A2), and the latter showed negligible bias at SGP sites. In contrast, most of the PM-SMI 8-day ET estimates are around the 1:1 line.     

A simple procedure for estimating distributed daily evapotranspiration using landsat-TM data

A procedure to estimate distributed daily evapotranspiration (ET) using remotely sensed data is presented. Landsat-TM data for a part of the Western Yamuna Canal command (Haryana) has been used for model application. The model utilizes the surface reflectance in visible, infrared and thermal bands to generate surface albedo, surface temperature and leaf area index and thus surface energy fluxes to determine distributed daily ET. Result reveals a reasonable estimate of distributed daily ET. For well-watered crop, average ET by the proposed model is estimated as 1.8 mm/d, whereas using Penmen-Monteith equation it is calculated as 1.9 mm/d. The error involved in estimating ET by the proposed model is calculated about 5%, which is quite acceptable for most applications. The proposed procedure is also found computationally simple and can also be applied on current Landsat ETM+ data.     

一种基于遗传算法和BP神经网络的对流层延迟改正模型

对流层延迟是影响全球卫星导航系统定位精度的主要因素之一。针对全球气象数据建立的对流层延迟改正模型区域精度较低这一问题,文中基于遗传算法和BP神经网络技术,在EGNOS模型基础上建立一个高精度的区域融合模型(GA-BPEGNOS模型)。选取北美洲2010—2014年41个观测站点,以国际GNSS服务中心的对流层产品作为真值,分析比较EGNOS模型和融合模型的对流层天顶延迟。研究表明,EGNOS模型的均方根误差为80.38mm,融合模型的均方根误差为34.44 mm。与EGNOS模型相比,融合模型的精度提高约57%,取得满意效果。     

滑坡位移EEMD-SVR预测模型

滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生。滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用。针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测。首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R²)作为评估模型的预测性能指标。然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R²值分别为0.648 mm、0.518%和0.996 8,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值。     

基于Keras平台的LSTM模型的对流层延迟预测

对流层延迟是影响全球卫星导航系统（GNSS）测量精度的重要因素. 针对现有对流层延迟模型稳定性差，精度较低等问题，在无实测气象参数条件下，提出一种基于Keras平台的长短期记忆神经网络（LSTM）的对流层延迟预测模型. 选取全球均匀分布的8个测站，使用其2016年第90-131年积日共42 天的整点对流层延迟数据预测其第132-136年积日的整点数据. 以国际GNSS服务（IGS）中心提供的对流层产品为真值，分析比较LSTM模型和反向传播（BP）神经网络模型的预测效果. 研究表明，LSTM模型预测结果的均方根误差基本达到mm级，其平均绝对误差和平均绝对百分比误差均比BP模型低，LSTM模型在精度和稳定性上较BP模型均有明显提高；LSTM模型在中高纬区域的均方根误差（RMSE）均值达到7.82 mm，中高纬地区更适合使用该模型.      

GPS单点测速的误差分析及精度评价 (英文)

Error sources which decrease the accuracy of GPS in absolute velocity determination have been changed since SA was turned off. Firstly, quantities of all kinds of error sources that influence velocity determination are analyzed. The potential accuracy of GPS absolute velocity determination is derived from both theory and field GPS data simulation. After that, two tests were carried out to evaluate the performance of GPS absolute velocity determination in the case of a static and an airborne GPS receiver and INS （Inertial Navigation System） instrument in kinematic mode. In static mode, the receiver velocity has been estimated to be several mm/s with the carrier-phase derived Doppler measurements, and several cm/s with the receiver generated Doppler measurements. In kinematic mode, GPS absolute velocity estimates are compared with the synchronized measurements from the high accuracy INS. The root mean square statistics of the velocity discrepancies between GPS and INS come up to dm/s. Moreover, it has a strong correlation with the acceleration or jerk of the aircraft.     

Assessment and validation of evapotranspiration using SEBAL algorithm and Lysimeter data of IARI agricultural farm,India

Evapotranspiration (ET) is a vital process in land surface atmosphere research. In this study, Surface Energy Balance Algorithm for Land (SEBAL) for the assessment of ET (for 23 December 2010, 8 January 2011, 24 January 2011, 9 February 2011, 25 February 2011, 29 March 2011 and 14 April 2011) from LANDSAT7-ETM+ and validation with Lysimeter data set is illustrated. It is based on the evaporative fraction concept, and it has been applied to LANDSAT7-ETM + (30 m resolution) data acquired over the Indian Agricultural Research Institute’s agricultural farm land. The ET from SEBAL was compared with Lysimeter ET using four statistical tests (root-mean-square error (RMSE), relative root-mean-square error (R-RMSE), mean absolute error (MAE), and normalized root-mean square error (NRMSE)), and each test showed a good correlation between the predicted and observed ET values. Results from this study revealed that the RMSE of crop-growing period was 0.51 mm d^?1 for ET_SEBAL, i.e. ET_SEBAL having good accuracy with respect to observed ET_Lysimeter. Results were also validated using R-RMSE test, which also proved that ET_SEBAL data are having good accuracy with respect to observed ET_Lysimeter as R-RMSE of crop-growing period is 0.19 mm d^?1. MAE (0.19), NRMSE (0.21) and r² (0.91) tests indicated that model prediction is significant, and model can be effectively used for the estimation of ET from SEBAL as input of remote sensing data sets. Finally, the SEBAL has been useful for remote agricultural land where ground-based data (Lysimeter data) are not available for daily ET (ET_24 h) estimation. The temporal study of the ET_24 h values analysed has revealed that the highest ET_24 h values are owing to the higher development (high greenness) of crops, whereas the lower values are related to the lower development (low greenness) or null crop.     

基于北斗三号的大气水汽探测性能初步分析

对我国刚布署完成的北斗三号卫星导航系统（BDS-3）的大气水汽探测性能作初步分析可更好地发挥BDS-3的气象探测潜能. 采用全球不同位置的台站进行几种手段的对比,探测结果具有代表性和说服力. 研究结果表明:将BDS-3/PWV（大气可降水量）与GPS/PWV对比,平均偏差（BIAS）优于1.0 mm,均方根误差（RMSE）优于2.0 mm,相关系数均在94%以上;BDS-3/PWV与GPS/PWV求差取绝对值后的平均值（MEAN）为1.1 mm,比北斗二号（BDS-2）降低了71%;BDS-3/PWV与GPS/PWV的RMSE为1.4 mm,比BDS-2降低了63%. 将BDS-3/PWV与ERA5/PWV对比, BIAS优于2.9 mm,RMSE优于2.8 mm,相关系数均在92%以上,BDS-3/PWV与ERA5/PWV的MEAN为2.1 mm,比BDS-2降低了48%;BDS-3/PWV与ERA5/PWV的RMSE为1.6 mm,比BDS-2降低了57%. BDS-3探测水汽性能明显优于BDS-2;BDS-3水汽探测结果与GPS、ERA5再分析资料有很好的一致性.