当前位置:首页>> >>


利用TVDI反演地表含水量方法研究.rar

收藏

资源目录
    文档预览:
    编号:20180915222607325    类型:共享资源    大小:317.50KB    格式:RAR    上传时间:2018-09-15
    尺寸:148x200像素    分辨率:72dpi   颜色:RGB    工具:   
    20
    金币
    关 键 词:
    利用 TVDI 反演 地表 含水量 方法 研究
    资源描述:
    第 1 页(共 19 页) 利用 TVDI 反演地表含水量方法研究作 者:李正江指导教师:杨 杰摘要:利用 MODIS 资料构建了地表温度(Ts)-增强植被指数(EVI)的特征空间,拟合了特征空间中的干、湿 边方程,计算了温度植被干旱指数(TVDI),并推导出利用TVDI 和干、湿 边土壤水分计算土壤含水量的方程。在计算 TVDI 的过程中,为了减少高程的影响,利用数字高程模型(DEM)对 Ts 进行了 订正;利用同期野外实测土壤湿度数据计算了干边上的土壤水分值,从而反演出平均土壤含水量。结果表明:①TVDI 方法能反演土壤表 层水分,实测值与预测值 之间平均绝对误差在 15 个百分点左右。② 高程校正后的 TVDI 能更好的反映土壤水分,与校正前相比,平均绝对误差减少 5 个百分点,基本满足业务需要。③使用野外与 卫星同步采样的土壤湿度数据进行验证,发现 TVDI 指 标与实测土壤湿度数据显 著相关,能够较好地反映表层土壤湿度。关键词:TVDI ;土壤水分; MODIS;地表温度;DEM土壤水分是监测土地退化的一个重要指标,是气候、水文、生态、农业等领域的主要参数,在地表与大气界面的水分和能量交换中起重要作用。遥感能够快速方便地获取大区域的地表信息,因此使用遥感监测土壤水分意义重大。20 世纪 80 年代以来,以遥感监测地表辐射温度信息反演土壤水分的方法如应用于稀疏植被的热惯量法得到了广泛应用。在多数情况下,地面一般为植被不完全覆盖,因此遥感探测到的地表温度必然受到植被覆盖度影响,较高的土壤背景温度会严重干扰旱情信息。为了消除土壤背景的影响,将地表温度和反映植被覆盖度的植被指数联合考虑将会是提高反演精度的有效途径。Price、Carlson 等人发现植被指数(NDVI)与地表温度(Ts)之间存在负相关关系,而且如果研究区植被覆盖包含从裸土到全覆盖、土壤湿度从极干旱到极湿润的各种情况,第 2 页(共 19 页) 以遥感资料获得 NDVI 和 Ts 为横、纵坐标的散点图呈三角形。在这个三角形特征空间中,Goetz 研究发现 Ts 与 NDVI 的斜率与土壤湿度之间为一元线性关系 [1], Sandholt 等进一步结合对该特征空间生态特征的解释,提出用温度植被旱情指数(TVDI,Temperature-Vegetation Dryness Index)估算土壤表层水分状况,取得了良好的效果 [10]。国内齐述华、王鹏新等利用 TVDI 进行了全国旱情监测研究,结果表明 TVDI作为旱情评价指标是合理的 [11-12],姚春生等发现 TVDI 指标与实测表层土壤湿度数据显著相关,作为指示地表土壤湿度的指标有一定的合理性[2]。卿清涛等基于 TVDI 方法对四川省 8 月上旬的旱情进行了遥感监测评估 [3]。国内学者主要探讨了 TVDI 作为旱情评价指标的合理性,并未深入利用 TVDI 反演土壤水分值。另外由于构成 TVDI 的一个重要因子是地表温度,高程因子对地表温度影响较大,对于地势起伏较大的地区应用 TVDI 方法时应考虑高程对 TVDI 的影响。利用高程对 TVDI 进行校正方法也较少报道。本文拟采用 MODIS 卫星资料,利用 TVDI 方法反演土壤水分,并利用 DEM 数据对 TVDI 进行校正,结合野外同步实测土壤水分值利用 TVDI 方法反演地表土壤水分,并对高程校正前后的结果进行对比分析。1 原理和方法1.1 数据来源及预处理选取江苏省仪征市作为研究区域。仪征市位于 119°02′~119°22′E,32°14′~32°36′N,总面积 903 km2。地表温度和植被指数数第 3 页(共 19 页) 据来源于美国航空航天局(NASA)陆地数据分发中心(LandProcesses DAAC)的 MOD11A2 和 MOD13A2 数据,对应时间为 2004 年 5 月 09—25 日、9 月 20 日—10 月 6 号及 11 月 01—17 日的合成数据。MOD11A2 是 8 d合成空间分辨率为 1 km 的陆地表面温度产品,包含白天、夜间地表温度、31 和 32 波段通道发射率等资料。MOD13A2 是 16 d 合成空间分辨率为 1 km 的植被指数产品,包含 NDVI、EVI、红光、近红外、中红外、蓝光等波段反射率及其它辅助信息。为保证遥感数据时间同步性,将 2个时相 8 d 合成的地表温度数据合成为 1 个时相的 16 d 合成地表温度数据。合成时,若 2 个时相都有值,取平均值作为合成后像元值;若只有1 个时相有值,取其作为合成像元值。地面数据采用实测土壤湿度数据,距离间隔为 5 km,网格点 40 个,采样点覆盖大面积区域,周围地物单一,保证采样数据与 MODIS 数据产品匹配。采样使用 GPS 定位。采样时间为 2004 年 05 月 12—19 日、09 月 24—30 日及 11 月 08—18 日。采样时间持续 7 d 左右。采样深度为 35~45cm,采用烘干测重法测定土壤湿度。1.2 反演模型的建立植被依据生态系统中水、热、气等状况,调控其内部与外部的物质、能量交换,植被覆盖度变化是地球内部(土壤母质、类型等)与外部作用(气温、降水等)的综合结果,是区域生态系统环境变化的重要指示。植被覆盖度作为植被的直观量化指标,很大程度上反映植被的基本情况,是研究水文、气象、生态等区域或全球性问题的基础数据。Sandholt等在研究土壤湿度时发现,Ts-ND-VI 的特征空间中有很多等值线,于是第 4 页(共 19 页) 提出了温度植被干旱指数(Temperature-Vegetation Dryness In-dex,TVDI)的概念。TVDI 由植被指数和地表温度计算得到,只依靠图像数据,其定义为:TVDI=Ts-TsminTsmax-Tsmin(1)其中:Tsmin 表示最小地表温度,对应的是湿边;Ts 是任意像元的地表温度;Tsmax=a+bNDVI 为某一 NDVI 对应的最高温度,即干边;a、b 是干边拟合方程的系数。在干边上 TVDI=1,在湿边上 TVDI=0。对于每个像元,利用 NDVI 确定 Tsmax,根据 T 在 Ts-NDVI 梯形中的位置,计算 TVDI。TVDI 越大,土壤湿度越低,TVDI 越小,土壤湿度越高。估计这些参数要求研究区域的范围足够大,地表覆盖从裸土变化到比较稠密的植被覆盖,土壤表层含水量从萎蔫含水量变化到田间持水量。Moran 等 [4]在假设 Ts-NDVI 特征空间呈梯形的基础上,从理论上计算梯形 4 个顶点坐标的研究结果表明,在不同的植被覆盖度条件下,Ts-NDVI 特征空间种最低温度(Tsmin)随植被覆盖度而不同。本文在将 Ts-NDVI 特征空间简化处理为三角形的同时,对 Tsmax 和 Tsmin 同时进行线性拟合,拟合的方程为:Tsmax=a1+b1*NDVI (2)Tsmin=a2+b2*NDVI (3)这样可以由下式计算温度植被干旱指数:TVDI=Ts-(a2+b2*NDVI)(a1+b1*NDVI)-(a2+b2*NDVI)(4)其中:a1、b1 是干边拟合方程的系数,a2、b2 是湿边拟合方程的系数。2 实验部分第 5 页(共 19 页) 2.1 温度植被干旱指数计算在 NDVI 和 Ts 构成的三角形特征空间中(图 1),将不同植被指数条件下的最高下垫面温度(Tmax)相连,构成了三角形的干边,代表了该区域内的干旱上限,将其干旱指数定义为 1。相应地将不同植被指数下的最低下垫面温度(Tmin)相连构成了三角形的湿边,代表了该区域内的最湿润区,将其干旱指数定义为 0。基于此, Sandholt 等 [5]提出了温度植被干旱指数(TVDI)估测土壤表层水分状况。TVDI=Ts-TsminTsmax-Tsmin(1)Tsmax=EVIa+b;Tsmin=EVIc+d (2)式中,Tsmax、Tsmin 分别由植被指数与地表温度根据干边、湿边线性拟合获得,本研究中采用 EVI 植被指数(EnhancedVegetation Index), a、b、c、d 分别是干边和湿边线性拟合方程的系数。在三角形区域内任一点的 TVDI 值介于 0 和 1 之间,TVDI 值越大,对应的土壤湿度越低, TVDI 值越小,对应的土壤湿度越高。第 6 页(共 19 页) 图 1 Ts-NDVI 特征空间示意图 2.2 土壤水分计算NDVI-Ts 的直线斜率可以反映土壤湿度状况。许多研究发现,在 Ts-NDVI 的特征空间中,存在一系列土壤湿度的等值线,这些等值线都可近似认为相交于干湿边的交点,并且该等值线近似为直线(图 2),该直线的斜率与土壤湿度间可以描述为一元线性函数关系。图 2 温度植被干旱指数(TVDI)原理示意图 图 2 中, a 点的土壤湿度可以表示为:RSMa=a1+a2×AC(3)式中,A、C 标注在图 2 中。A/C 为 Ts-NDVI 直线的斜率, a1、a2 为方程系数。a 点所在等值线上任一点的土壤湿度可以表示为:RSM=a1+a2×AB×tanα(4)A=Ts-Tmin; B=Tmax-Tmin。tanα=B/C,为一常数。进一步推导有:RSM=a1+a2×Ts-TminTmax-Tmin=a1+a3×TVDI (5)其中: a1 是 TVDI=0 时的土壤湿度值,即 Ts-NDVI 特征空间中湿边上的第 7 页(共 19 页) 土壤湿度, a3 是 TVDI=1 时干边上的土壤湿度减去湿边上的土壤湿度,进一步得到:RSM=MRSW-TVDI×(RSMW-RSMD) (6)式中, RSM 表示某一像元土壤相对含水量;RSMW 是湿边对应的土壤相对含水量(最大);RSMD 是干边对应的土壤相对含水量(最小)。用 TVDI 进行土壤湿度反演的影响因子分析用 TVDI 反演土壤湿度的原理,是基于水分蒸发和植被蒸腾对地表温度的降低作用。TVDI 的值取决于 tsNDVI空间的情况,对 TVDI 的影响,来源于对 tsNDVI 空间的影响。对 tsNDVI空间影响因子的探讨有很多。Friedl 等利用航空数据,研究了堪萨斯北部草原 ts 与 NDVI 的关系,发现 ts 与 NDVI 关系受到植被覆盖及土壤湿度情况的影响。Goetz 研究了不同传感器获取的 ts、NDVI 之间的关系,发现 NDVI/ts 斜率在很大程度上取决于植被情况和土壤湿度,与传感器类型关系不大。Goetz 的研究还发现,ts 对土壤湿度的敏感性强于NDVI。Sandholt 总结了对 ts、NDVI 关系影响因子的研究,认为ts、NDVI 关系的影响因子有:植被覆盖、土壤水分蒸发蒸腾、表面热特性、净辐射、大气动力及表面粗糙度等。这些因子都影响地表温度,从而影响 tsNDVI 空间的情况 [6]。Ge-oward 用基于能量和水分平衡原理的SSIB 模型和田间实测资料,研究各因子对 ts、NDVI 关系的影响情况,认为土壤湿度和入射辐射是决定 ts、NDVI 关系的重要因子,而风速和水汽压等影响较小,可以忽略。土壤湿度是决定 ts、NDVI 关系的重要因素,从 tsNDVI 空间得到的 TVDI,能从一定程度上反映土壤湿度的状况。ts、NDVI 的关系不是由土壤湿度唯一确定,因而用 TVDI 反演土壤湿度,第 8 页(共 19 页) 受到太阳入射辐射、植被覆盖、表面热特性、大气动力、水汽压等因子的影响。这些因子都影响地表的能量平衡,使平衡状态对应的 ts 值发生变化,从而改变 tsNDVI 空间的情况,影响 TVDI 值。下垫面与大气间湍流形式的热交换,使地表温度在一定程度上受到气温的影响:一般情况下,随高程增加,气温降低 [7]。气温主要是通过大气与下垫面间热交换,即湍流的形式来影响地温。下垫面与大气间的热交换,与地表温度和气温的差值相关。当气温变化时,地气温差发生改变,热交换能量发生变化,地表温度也随之变化。在进行热交换的过程中,地温影响到气温,反过来气温也影响地温。地温和气温之间是一种互相影响的关系。地表温度受气温的影响与高程相关。中国高程跨度近 9 000 m,从西到东形成 3 级阶梯的地形,地表起伏明显,气温分布差异大,地表温度受气温影响显著。由于随高程增加,气温对地表温度的降温作用,TVDI 与土壤湿度的关系也受到一定的影响。图 3 中的斜线是 TVDI 的等值线,代表相同的土壤湿度。越靠近干边的等值线,代表的土壤湿度越低;越靠近湿边的等值线,代表的土壤湿度越高。由于水分蒸发及植被蒸腾降低地表温度,在相同 NDVI 条件下,土壤湿度高的像元对应 ts 值低,像元对应(ts,NDVI)点在空间中的分布更接近湿边,反演得到的土壤湿度高,如图中 G、H 点;但是由于气温对地表温度的影响,使得相同 NDVI 条件下高程大的像元对应的 ts 值有所降低,(ts,NDVI)点的分布也更接近湿边,高程大的地区反演得到的结果,也同样会表现出土壤湿度高的特性,如图中的 E、F 点。第 9 页(共 19 页) 图 3 高程和土壤湿度对 ts-NDVI 空间分布的影响从反演获得的全国 TVDI 分布图(图 4)中可以更直接地看出,随高程增加,气温对地表温度的降低作用,给土壤湿度反演带来的影响。反演结果在青藏高原海拔高区土壤湿度明显偏高,甚至高于南部丘陵区。这种不合理的分布,是由于青藏高原区高程远远高于南部地区,气温对地表温度的降低显著,因而虽然该区的土壤湿度小于南部,但是其区内像元对应的(ts,NDVI)值,在 tsNDVI 空间中的分布却更靠近湿边。图 4 未经 DEM 订正的 9 月上旬全国 TVDI 分布图地表温度受到气温的影响,与高程相关,因而气温对土壤湿度反演过程的影响,可以用 DEM 来进行订正。先对 ts 用 DEM 进行订正,再与 NDVI第 10 页(共 19 页) 构建经过 DEM 订正的 tsNDVI 特征空间,并计算 TVDI。这种方法可以减小气温对地表温度的影响,使得像元对应的(ts,NDVI)值,在 tsNDVI 空间中的分布情况,能更多地取决于土壤湿度。3 全国土壤湿度反演的 DEM 订正3.1 对 TVDI 反演全国土壤湿度进行 DEM 订正的方法在进行土壤湿度反演时,先对地表温度进行订正,所用公式为td=ts+Ha (2)式中:td 为订正后的地表温度;ts 为订正前的地表温度;H 为高程值;a是高程对土壤湿度反演过程的影响程度,也是地表温度受气温影响随高程增加的降低程度。用订正后的地表温度 td 与 NDVI 构成温度植被指数空间,对 NDVI 以 0.01 的步长求出不同 NDVI 值对应的最高、最低地表温度 td max 和 td min,然后将 td max 和 td min 分别与 NDVI 进行线性拟合,获得干湿边方程 td max=a1+b1NDVI, td min=a2+b2NDVI,根据方程求出任一像元 NDVI 值对应的最高、最低地表温度,带入式(1)中,计算出经过 DEM 订正的温度植被干旱指数 TVDI。3.2 高程影响程度值的确定影响程度值 α 表示的是地表温度受气温影响随高程增加的降低程度。一般认为,高程每升高 100m,气温降低约 0.6℃左右,而对受气温影响地表温度随高程变化情况的研究还不多。由于一般情况下,地表温度值和气温值相差不大,变化趋势也一致,认为地表温度受气温影响的变化情况,可用气温的变化作为参考。计算 9 月上旬全国 ts 与 DEM 2 幅图的
    展开阅读全文
    1
      金牌文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论,赶快抢占沙发吧。

    关于本文
    本文标题:利用TVDI反演地表含水量方法研究.rar
    链接地址:http://www.gold-doc.com/p-186066.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
    copyright@ 2014-2018 金牌文库网站版权所有
    经营许可证编号:浙ICP备15046084号-3
    收起
    展开